基于遗传算法的机器人自定位

为了解决中型组比赛环境下的足球机器人自定位、绑架和跟踪问题,提出一种基于遗传算法的机器人连续自定位方法.首先,从全景图像中提取出场上黑线与机器人辐射线的交点;然后,把该交点与环境地图对应黑线间距离之和的最小值做为适应度函数;最后,以机器人中心坐标做为个体,进行选择、交叉和变异操作,收敛到机器人的自定位坐标.另外,针对绑架和连续定位,在遗传算法全局自定位基础上利用梯度优化算法局部修正主位姿,提高了自定位精度和算法的鲁棒性.仿真结果和场地环境机器人自定位试验说明了该定位方法的有效性.     

基于全向视觉信息的足球机器人自定位方法研究

RoboCup中型组比赛对抗激烈。针对赛场的高度动态性,提出了一种快速的机器人自定位方法。首先根据全向视觉机器人的结构特点。在进行视觉处理时,利用图像掩模去除无效信息;同时针对全像素搜索的不必要性,采用基于Bresenham算法的像素搜索方法,缩小像素搜索范围。在机器人自定位时,利用白线定位方法,结合基于Bresenham算法的像素搜索方法,有效的提高图像处理的实时性。最后,以ASROⅡ机器人为实验平台,设计了实验验证了该方法不但提高了实时性;而且完全可以满足比赛对定位精度的要求。     

基于路标的机器人自定位方法

介绍了一种基于路标的移动机器人自定位方法。为了解决仅仅利用视觉系统得到的路标信息使用蒙特卡洛自定位(MCL)算法进行机器人自定位时存在较大误差的问题,提出了一种将MCL算法与unscented卡尔曼滤波器相结合进行自定位的方法,将从机器人视觉系统获取的路标信息,从驱动轮码盘获取的位置信息,以及从电子罗盘获取的机器人方位信息进行有效融合,从而提高了机器人的自定位精度。实验结果表明,该方法不但可以提高机器人的自定位精度,而且具有较好的鲁棒性。     

基于新规则足球机器人的研究

针对2008年中型组自主足球机器人比赛规则的变化,研究改进符合新规则且更加先进的足球机器人,主要在机器人的底盘转向、踢球机构、运动控制、视觉系统进行优化,特别是用先进的白点定位、卡尔曼滤波算法提高了定位精度,经过多次试验、比赛能够达到预期效果.     

基于改进遗传算法的足球机器人应用研究

采用遗传算法对模糊控制器的控制规则进行寻优,找到使控制系统的动态性能指标达到最佳的一组控制规则,然后将优化的控制规则应用于模糊控制器,最终得到优化的PID参数,实验结果表明该方案是可行有效的.     

基于分布式视觉的室内机器人定位系统设计与实现

针对室内移动机器人的自动识别规定区域的特定颜色目标物的定位导航,提出一种基于分布式视觉技术的机器人系统构建方法。通过场地外的摄像头采集机器人工作现场的图像,由计算机进行机器视觉处理后得到机器人的位置信息,再利用该信息控制机器人按路线行进。经过在3 m×5 m的区域内进行标定试验,证明机器人运行时最大位置误差为:15.6 cm,平均误差为8.1 cm;方位角误差最大为11.3°,平均误差为8.05°。     

基于足球机器人视觉子系统多目标搜索算法的改进

针对机器人足球比赛的需要,基于对多目标的实时跟踪搜索,提出一种在精度、稳定性、实用性等方面都符合要求的足球机器人视觉系统的目标搜索算法。     

基于立体视觉匹配的采摘机器人目标定位方法

为了解决采摘机器人目标定位偏差大的缺陷,提出基于立体视觉匹配的采摘机器人目标定位方法。引入立体视觉模型获取目标图像,采用线性平滑滤波模板消除目标图像的噪声;应用Bouguet算法立体校正左、右图像对;应用Sobel算子检测采摘目标边缘,确定目标的采摘中心点,通过立体匹配确定左、右图像中采摘目标的对应关系,完成采摘中心点的正确匹配,实现采摘机器人目标精准定位。测试结果显示,应用提出方法获得的采摘中心点匹配精度更高,采摘机器人目标定位误差最小值为1.0%,降低了目标定位偏差,应用性能较佳。     

基于改进遗传算法的煤矿探测机器人路径规划

针对煤矿井下环境的复杂性和不确定性,提出了一种改进遗传算法用于煤矿探测机器人的路径规划。采用栅格法在三维空间中对机器人工作环境进行建模,对染色体编码,初始种群生成、适应度函数的设计等操作进行了改进;算法采用了可变长度的染色体编码方式,使用随机指导式搜索策略来生成初始种群;根据路径长度最短且能耗最少的评价指标设计了适应度函数,并优化设计了遗传算法中的交叉和变异算子,解决了传统遗传算法"早熟现象"和"收敛速度慢"的问题,仿真实验证明了该方法的有效性和可行性。     

针对机器人路径规划问题的改进型遗传算法

针对路径规划的"求解质量"和"求解效率"2个问题,在传统遗传操作的基础上,通过在遗传操作中加入优化算子,减少了搜索的盲目性,使得优秀个体能较快地产生,算法在很少的进化代数中就可以求出问题最优解.算法的分析和仿真试验表明,算法的改进是有效的.     

足球机器人的双圆弧射门算法研究

为了提高机器人足球比赛中的成功率,在分析了基本算法不足的基础上,利用能够满足任意端点及其斜率要求的双圆弧曲线来解决机器人小车到达目标点的位置,以及姿态运动过程中遇到障碍物能够保持最佳姿态的射门问题,并利用优化设计中的复合形法进行了运动路径寻优.仿真结果表明,利用双圆弧曲线可保证足球机器人有效地避开障碍物到达目标位姿,且可保证规划路径上的每一点均能满足非完整约束条件,有效地为足球机器人规划出避碰最优路径.优化后的方法简单有效,可对机器人的初始条件不加限制,计算量非常小,因此有较高的实用价值.     

双圆弧优化算法的足球机器人路径规划

根据双圆弧数据逼近方法,提出一种足球机器人路径规划算法,弥补机器人小车到达定点常用Turn-Run-Turn方法及模糊控制(PID)方法存在的不足.利用由分段圆弧曲线连接而成的双圆弧,具有满足任意端点及其斜率特性要求的特性,解决机器人小车到达目标点位置和姿态的运动过程中遇到障碍物及保持最佳姿态的路径规划问题.最后,利用复合形法,求解障碍物约束条件下的非完整移动机器人路径规划问题,并进行运动路径寻优.结果表明,该方法简单有效,对机器人初始条件不加限制,计算量非常小.     

动态环境中基于遗传算法的机器人路径规划

为解决动态环境中足球机器人的路径规划问题,采用栅格法对机器人工作空间进行划分,用序号标识栅格,并以此序号作为机器人路径规划参数编码,建立了以路径最短、避障为优化目标的遗传算法个体评价函数.采用轮盘赌选择、重合点交叉、多种变异结合等方法完成了遗传操作.针对遗传算法易陷入局部最优的不足,在标准遗传算法基础上加入了复原操作和重构操作,使改进后的遗传算法收敛于全局最优.仿真结果表明:该算法能够成功地在动态环境里规划出一条近似最优的路径,算法是有效的     

基于遗传势场法的足球机器人路径规划

以足球机器人系统为研究背景,采用了人工势场法和遗传算法相结合的方法,实现了足球机器人路径规划.首先根据势场原理设计可调参数的势场函数,再规划出已知环境下可调参数的势场函数,然后设计遗传算法中的相关适应值函数,最后用遗传算法优化势场函数中的参数,得到遗传势场法.同时利用C++编程实现遗传势场法的仿真平台,并在该平台上进行仿真实验,结果表明,遗传势场法具有避障以及适于在实时环境中使用的优点,在解决实际路径规划问题中是行之有效的.     

基于克隆思维进化算法的机器人足球协作策略

针对足球机器人比赛系统的实时性要求,采用了一种克隆思维进化算法对足球机器人比赛系统的高层策略系统进行优化。克隆思维进化算法集免疫机制与进化机制于一体,在发挥思维进化算法优势的基础上增加了克隆(复制)、克隆重组、克隆变异和克隆选择等算子,既保持了种群的多样性,又提高了算法的收敛速度。足球比赛场上的瞬时信息作为抗原,待选策略作为抗体,二者均采用二进制编码方式。用克隆思维进化算法对抗体群进行优化,实验结果表明,采用该算法能快速找到最佳策略,简化了足球机器人决策系统,提高了决策效率。     

基于Hadoop的改进遗传算法

利用Hadoop的并行式处理技术改进了遗传算法.通过将种群划分为多个子种群,并将每个子种群由一个单一的MapReduce任务来处理,实现了遗传算法的并行化.通过解决OneMax问题的一系列实验,验证了基于Hadoop的遗传算法提高了运行效率与正确性.     

“机器人”路径改进型单亲遗传算法规划及其仿真

在中国机器人大赛"机器人游中国"比赛项目的路径规划基础上,为克服遗传算法在有约束组合优化问题中计算效率不高的问题,提出了改进的单亲遗传算法.该算法在传统单亲遗传算法的计算步骤中,引入了交换算子、提前算子和修复算子,较大程度地提高了单亲遗传算法的搜索效率.Matlab仿真试验表明,改进的单亲遗传算法计算效率和路径规划能力得到大幅度提高.