基于HS光流法机器人避障策略优化

机器人的自主避障功能是其在未知环境中顺利行驶的必备功能,基于光流法的机器人避障系统是近几年研究的新热点,在光流场的计算方法中,被使用最多的是由HornSchunck提出的HS光流法。在传统HS光流法的基础上,提出了一种加快光流场计算的方法,并将两种算法应用到相同的避障系统中,通过比较机器人避障实验的结果可以得出,当使用改进算法计算光流场时,避障系统能更快地探测出机器人行驶前方的障碍物,提高了机器人躲避障碍物的效率。     

基于HS光流法的机器人避障策略优化

机器人的自主避障功能是其在未知环境中顺利行驶的最基本的功能,针对使用光流法进行机器人避障时,机器人因盲目避障、过早障碍而造成的避障效率低的问题,提出了优化避障策略的方法。在两轮式机器人上搭建实验平台,采用Horn&Schunck（HS）光流算法计算机器人运行前方的光流场,由光流场中信息来计算机器人与障碍物的碰撞时间TTC（Time to Contact）,根据碰撞时间设计机器人的避障系统。通过在真实环境下进行的避障实验,验证了避障系统的有效性,并提出将机器人避障时的旋转角度与光流矢量值 的大小建立关系,从而更加合理高效的避开障碍物。     

权重系数对基于光流法机器人避障系统的影响

基于光流法的机器人避障系统是近些年研究的新热点,为了实现机器人在未知环境下的自我避障功能,同时提高机器人的避障准确度,本文将对基于Horn-Schunck光流法的机器人避障系统进行研究,提出通过选取算法中合适的权重系数来提高机器人的避障效果。首先,运用HS算法建立真实的机器人避障系统,然后,在实验室中的Optitrack系统下进行真实的避障实验,并比较在不同的权重系数下机器人的避障效果,最终,通过实验结果得出：权重系数的取值会对机器人的避障效果产生影响,当权重系数取值在[350,400]时,机器人的避障效果达到最优。     

权重系数对光流法机器人避障系统的影响

基于光流法的机器人避障系统是近些年研究的新热点,为了实现机器人在未知环境下的自我避障功能,同时提高机器人的避障准确度,对基于Horn-Schunck光流法的机器人避障系统进行研究,提出通过选取算法中合适的权重系数来提高机器人的避障效果。首先,运用HS算法建立真实的机器人避障系统,然后,在实验室中的Optitrack系统下进行真实的避障实验,并比较在不同的权重系数下机器人的避障效果,最终,通过实验结果得出:权重系数的取值会对机器人的避障效果产生影响,当权重系数取值在[350,400]时,机器人的避障效果达到最优。     

室内移动服务机器人的避障与运动规划

提出一种室内移动服务机器人在未知环境的避障和运动规划算法.该算法通过分析超声传感器阵列探测的障碍物信息,确定机器人旋转的角度和半径,同时根据障碍物距离分3档调整运动速度,据此设计的实时避障算法,结合运动学模型实现了机器人沿障碍物轮廓行驶的行为,针对外凸、内凹和孤立等3种障碍物类型进行了试验,试验结果验证了算法的有效性.     

基于障碍物可达区域预测的机器人实时避障算法

针对复杂环境下的机器人路径规划与自主避障问题,提出了基于动态障碍物可达区域预测的实时避障算法.对静态障碍物进行描述和建模,建立动态障碍物状态更新预测方程,实现对动态障碍物质心可达区域的预测.分别面向动态、静态障碍物提出基于可达区域预测的多步椭圆包络势场和基于新型Sigmoid函数的势场,修正目标的对数Lyapunov引力场,给出多类型障碍物空间下的机器人实时避障算法.数值仿真和实验结果表明,与传统方法相比实时避障算法可使机器人避障过程中的路径长度更短、安全性更高及最大行驶角变化幅值更小.     

面向不稳定障碍物的无人艇自主避障方法

为解决无人艇自主避障中感知系统测得的障碍物信息不稳定问题,提出一种符合国际海事避碰规则(COL-BEGS)面向不稳定障碍物的改进速度障碍算法(Improved Velocity Obstacle,IVO),算法利用最小会遇时间、距离自适应阈值来优化避障状态判断;使用滑动窗口以及前视视线解决无人艇因障碍物信息不稳定导致在进入和退出避障状态时的边界跳动问题;通过设置角度缓冲区降低了避障中避碰规则的频繁切换.最后,在自主开发的无人艇半物理仿真系统中与传统VO算法进行了对比,结果表明,IVO算法在边界判断和避障稳定性上较传统方法更有优势,证明了算法的有效性和可行性.     

基于多传感信息的挖掘机器人导航及避障技术

为实现挖掘机器人在挖掘作业前,无碰撞安全行走到作业场所,采用视觉、红外及超声波传感器,采集挖掘机器人外界环境信息,通过红外及超声波传感器实现墙壁跟踪导航;依靠视觉传感器,实现巡线、道路识别、导引车辆跟踪导航;依靠光流法提取障碍物特征信息,实现路面障碍物的识别、避障。研究结果表明:综合使用多传感器信息,可以实现挖掘机器人的导航及避障目标。     

激光数据聚类和Morphin算法下的机器人避障研究

为了解决移动机器人在未知环境下的避障问题,提出了一种从障碍物检测、预测到避撞的避障方法。设定圆形窗口作为机器人有效扫描区域,利用激光传感器采集到的数据结合聚类、匹配和分类算法确定障碍物类型和动态障碍物运动信息,绘制窗口内的动态局部地图来预测动态障碍物与机器人的碰撞关系,结合Morphin算法实现有效的避障。仿真实验表明,在该算法下移动机器人能够有效地检测出障碍物,进行碰撞预测,并做出合理地避障措施。     

室内动态环境下的移动机器人自主避障策略

针对室内未知动态环境移动机器人自主避障问题,提出一种融合动态障碍物方向判断策略及子目标点更新策略的自适应模糊神经网络优化避障算法,并依据该算法设计移动机器人避障控制系统。首先,分析移动机器人的运动模型,获取机器人的目标角度;然后由超声波传感器获取障碍物距离信息,由障碍物距离信息判断动态障碍物运动方向并更新子目标点;最后利用自适应模糊神经推理系统实时输出机器人的转向角与速度,实现对机器人转向角的控制,使机器人能够无碰撞地到达目标点。研究结果表明:本文提出的算法能够使移动机器人在未知动态环境下识别障碍物、判断动态障碍物的运动方向以实现自主避障;相对于无子目标点更新策略,移动机器人平均移动速度提高11.75%,验证了所提算法的有效性。     

基于降级模糊算法的爬壁机器人避障控制

针对罐体表面作业过程中避障的问题,提出了改进模糊避障控制算法。为保证爬壁机器人能够缩短到达目标点的时间,除爬壁机器人与障碍物距离量外,增加爬壁机器人与目标点的角度量作为输入变量,速度、角速度作为输出量,确定了各参数的论域与隶属度,建立了模糊规则表,采用重心法解模糊化;考虑罐体环境的复杂多变性,提出优雅降级避障控制策略,在探测传感器受扰失灵的情况下仍能够越过障碍物到达目标点。通过与人工势场避障法仿真比较,改进模糊控制法可更有效地避开障碍物,并在探测传感器异常情况下,也能保证爬壁机器人到达目标点,体现了该避障算法的优越性与可靠性。最后进行了爬壁机器人避障实验,验证了该算法的可行性。     

变电站巡检机器人避障方法研究与应用

为提升变电站巡检机器人的导航避障能力,将深度学习技术应用于变电站场景识别中,提出了一种基于深度卷积神经网络的避障方法.该方法联合图像分类和语义分割两个分支来共同辅助机器人导航避障,分类分支通过获取图像全局信息,保证机器人正确行驶方向;而语义分割支路则根据图像局部信息以及机器人前方目标类别,指导机器人准确避障.实验结果表明,避障方法可以高效地对图像进行分类和分割,同时,在实际变电站环境中,该方法也能为巡检机器人提供有效的避障信息,实现实时自主避障.     

基于激光雷达的移动机器人实时避障策略

以激光雷达为主要传感器, 对移动机器人设计一种实时避障算法. 该算法考虑到机器人的非完整约束, 利用基于圆弧轨迹的局部路径规划和控制使之能够以平滑的路径逼近目标位置. 采用增强学习的方法来优化机器人的避障行为, 利用激光雷达提供的报警信息形成刺激-反应式行为, 实现了动态环境下避障行为, 具有良好的实时反应能力. 该控制算法采用分布式软件设计方法, 各功能模块异步运行, 较好地实现了局部规划与全局导航目标的结合. 该策略针对移动机器人MORCS在未知环境下实现了实时、有效避障, 动作稳定流畅, 轨迹平滑, 具有良好的效果.     

基于Kinect的目标跟踪与避障

利用Kinect实现室内移动机器人的目标跟踪与避障功能,其中Kinect提供的光学图像用于实现机器人视觉目标跟踪。利用Kinect的人脸识别功能,避免当环境中出现多目标时,机器人对运动目标的识别出现混乱;同时增加了增量子空间对视频信息进行及时更新,避免机器人因目标移动较快而跟丢目标;利用T-S模糊神经网络法实现避障功能,相比传统算法有效改善了其收敛性。在移动机器人CRX10上实验证实了该系统能够较好地完成目标跟踪的同时具有躲避障碍物的功能。     

移动机器人避障路径规划改进人工势场法

针对路径规划中的大型障碍物,机器人、障碍物与目标点三者一线,以及局部最小值等困难问题,提出了相应的改进人工势场算法。针对大型障碍物问题,采用障碍物边界斥力算法改进传统人工势场斥力函数,确保算法的实用性。针对机器人、障碍物与目标点三者在同一条直线时目标不可达问题,应用虚拟子目标引力算法,确保目标点是机器人的势场全局最小点,使得机器人能顺利到达目标点。针对在障碍物环境下的局部最小值问题,采用区域隔离障碍物的方法,使机器人快速走出局部最小值区域。仿真结果验证了改进算法的有效性。     

基于STC89C52控制系统的校园送餐机器人设计

针对校园安全和学生送餐需求,设计了一种以STC89C52单片机为控制核心的全自动校园送餐机器人。送餐机器人由通过吸盘式直流牵引电磁铁连接的自主行走单元和外卖箱单元组成。控制系统作为送餐机器人的核心,由主控模块、红外传感器模块、超声波避障模块、电机驱动模块、电源模块等部分组成,具有路径识别和自主避障的功能,可以准确地识别目标路径。自主行走单元系统采用PWM调控机器人的速度,安装在机器人底盘上的新型集成红外传感器DRS3100对轨道形状及宽度进行循迹,并将检测到的信号传输给STC89C52,控制机器人左右电机的运转,进而调整运行方向或停止。应用超声波测距模块,通过单片机及程序的控制使送餐机器人在检测到距离障碍物20 cm左右时停止工作。使用运动函数控制机器人的动作完成全自动化送餐。在试制的样机上进行了机器人控制系统性能测试,实验结果表明,该送餐机器人运动平稳,适应能力强,具有很高的实用价值。     

未知环境中机器人避障路径规划研究

针对人工势场法机器人路径规划具有目标不可达与存在局部极小值点等问题,提出了改进后的人工势场法模型,将未知环境中的障碍以网格地图的形式设计出来,使机器人通过感知来规避障碍朝目标移动。运用MATLAB GUI设定形成一个包含障碍与目标点的二维坐标系统环境,在其平面地图中使机器人从初始位置到期望位置进行最优轨迹移动仿真试验。试验显示,改进后的人工势场法能使移动机器人在未知环境中导航避开障碍并找出合适路径,以达到无碰撞要求。仿真结果接近预期效果,表明该方法能有效提高移动机器人在未知环境中路径规划的可行性及其避障的有效性。