一种改进的HS光流法在机器人避障系统中的应用

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,避障系统能更快的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。     

基于改进PPO算法的双足机器人自适应行走控制

针对双足机器人在未知环境行走过程中步态不稳的问题,提出了一种基于近端策略优化(proximal policy optimization, PPO)的双足机器人控制方法.首先,构建动作网络和价值网络,引入长短时记忆(long short-term memory, LSTM),以缩小双足机器人与未知环境交互时的状态估计值与期望值之间的偏差;其次,在动作网络中引入注意力机制,自适应改变神经网络自主学习的权重系数,以提高学习效率,得到适应不同环境的稳定步态;最后,通过仿真实验验证所提算法的有效性.结果表明：改进后近端策略优化算法的收敛速度更快,学习效率更高,能够有效提高双足机器人自适应行走的稳定性.     

滚动窗口局部路径规划在未知环境中的应用

为了实现未知复杂环境下机器人的局部路径规划,提出了一种新的局部路径规划方法,使机器人自主探测周边障碍物情况.通过滚动窗口计算局部目标等途径进行路径规划,从而实现机器人无碰撞到达全局目标点.该方法可以使机器人在未知复杂环境中较快较好地进行路径规划.仿真试验表明该方法具有可行性、有效性和实时性.     

一种基于蚁群算法的多机器人协作方法

设计了一种基于蚁群算法的多机器人协作策略,由此解决多机器人系统在未知环境工作中的自主协作规划问题.针对多机器人系统在未知环境中可能存在任务死锁的问题,对基本的蚁群算法进行了相应改进,通过仿真验证了该改进方法的可行性.     

栅格地图中基于改进粒子滤波的SLAM

针对移动机器人在未知环境中导航时由于机器人本身位置不确定、所处环境不可预知等问题,提出了一种在栅格地图中基于改进粒子滤波的SLAM定位算法.首先利用贝叶斯规则更新环境信息;然后利用改进粒子滤波对机器人进行定位,地图更新和机器人定位交替进行,直到将整个环境探测完毕.仿真结果表明:该算法在SLAM中增强了实时性,比较精确地...     

基于极大似然估计的全景立体视觉机器人自定位方法

针对室内环境下移动机器人的自主定位问题,研究了一种基于极大似然估计算法的全景立体视觉机器人自主定位方法。通过分析双曲面折反射式全景成像系统原理,利用全景视觉具有探测范围广、能够获取环境信息丰富的特点,提出了一种同向垂直基线的全景立体深度信息测量算法。在三边定位算法的基础上推广,提出了基于多路标的极大似然定位算法,采用最小二乘估计法,计算机器人定位的几何超定方程组,设计了完备的定位算法,实现机器人的绝对坐标解算。该方法能够应用于大范围环境的全局定位,实验结果验证了该算法的可靠性和准确性。     

基于BUG理论的平行主线改进算法

基于Pioneer3机器人平台提出一种未知环境中的机器人路径规划的改进算法。在BUG理论的基础上,通过先锋机器人实时读取机器人角度偏差的能力,即时重新规划机器人到达目标点的路线。改进算法缩短了BUG理论中的运动路径,提高了机器人避障的效率。     

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.     

未知环境中移动机器人的环境探索与地图构建

研究了未知环境中移动机器人同时进行环境探索和地图构建问题.基于实时获取的激光传感器数据,设计了具有避障功能的环境探索策略,并对候选观测点的产生和评估方法进行了改进,使选择出的候选点能同时兼顾信息增益的最大化与环境信息的完整性,保证了环境探索的连续性和遍历性.在环境探索基础上,提出了以增长神经气网络的网络节点作为拓扑网络节点的环境地图模型,该模型利用神经气网络的增长特性,通过不断增加新的拓扑网络节点来对机器人周围未知环境的整体性知识进行抽取与表达,构建出了易于机器人理解的环境地图.仿真试验验证了本文所提方法的有效性.     

基于视觉目标跟踪的侦察机器人导航方法

针对未知环境下侦察机器人的自主导航问题,提出了一种基于视觉目标跟踪的侦察机器人导航方法.首先利用二进制鲁棒独立元素特征(BRIEF)提取方法来检测和描述待跟踪视觉目标的局部不变特征点,在快速的特征匹配计算基础上提出由粗到精的目标定位两步法实现机器人导航过程中视觉目标的实时准确跟踪.其次对基于视觉目标跟踪的自主导航任务进行行为分解和实现,在行为中集成视觉目标跟踪算法.最后利用基于宏行为的机器人事务执行机制实现移向视觉目标的自主导航控制.实验结果表明,提出的方法能够使侦察机器人实时准确地跟踪视觉引导目标,在复杂障碍物环境下可靠地完成移向目标的自主导航任务.     

一种子目标和水平集方法融合的AUV动态航路规划新算法

针对当前水下避障航路规划算法中障碍物模型偏理想化,易导致不能安全避障,且算法规划速度偏慢的难题,提出了一种基于子目标法和水平集方法的自主实时航路规划算法.算法基于AUV的前视声呐探测的障碍物部分轮廓信息,预估障碍物尺寸和中心位置,据此得出安全可靠的子目标点,再通过滚动的子目标法实现完全避障,通过水平集方法提升规划速度.仿真结果表明,提出的算法均能做到100%的避障,且避障后的航路性能质量比预先规划的全局最优航路的性能质量下降得很小:航路长度和航行时间的平均增加量均不超过5%.      

一种非视距三维超声波室内定位系统研究

目的 针对超声波室内定位系统在非视距定位中精度较低的问题,为减少非视距环境误差与时钟同步等硬 件误差,从定位系统整体出发提出一种非视距环境下基于对射式测距的超声波定位系统。 方法 利用差分修正 Chan-Taylor 算法结合 Chan 算法与 Taylor 级数展开算法的优势,通过 Chan-Taylor 算法估计空间中已知坐标点并 记录其误差信息,以实际坐标为参考点,运用相邻范围内参考点对未知点差分加权,修正该点经 Chan-Taylor 算法 的初始估计坐标,得到最终位置。 为简化定位系统复杂度,提高视距环境定位精度,提出改进差分修正 Chan - Taylor 算法,减少初始参考点密度,将符合参考点最小间隔条件的待测点经差分修正后的估计坐标记为新参考点, 优化原参考点体系误差信息分布情况。 结果 算法仿真实验结果表明:在非视距环境下,差分修正 Chan-Taylor 算 法在不同参考点分布区域的平均误差与 Chan 算法和 Chan-Taylor 算法相比减小 6. 43%到 37. 46%;改进差分修正 Chan-Taylor 算法在视距定位中平均定位误差减少至少 11. 15%,均方根误差值 FRMSE 降低 22. 59%。 搭建超声波室 内定位系统以验证改进差分修正算法的定位精度,实验结果表明:定位误差范围在 3 ~ 7. 5 cm,其中 90%的误差值 小于 6 cm,与 Chan-Taylor 算法相比提高 28. 23%。 结论 该超声波室内定位系统在非视距定位中精度有明显提高, 在视距定位中提升较小。 可通过提高 Chan-Taylor 算法精度和改进参考点加权函数以优化定位算法;通过优化超 声波接收端信号识别方法,增大发射端信号范围以在硬件方面进一步提升该系统定位精度。     

具有优先级的深度确定性策略梯度算法在自动驾驶中的应用

深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法在自动驾驶领域中应用广泛,但DDPG算法因采用均匀采样而导致低效率策略比例较高、训练效率低、收敛速度慢等.提出了基于优先级的深度确定性策略梯度(priority-based DDPD,P-DDPG)算法,通过优先级采样代替均匀采样来提升采样利用率、改善探索策略和提高神经网络训练效率,并且提出新的奖励函数作为评价标准.最后,在开源赛车模拟(The Open Racing Car Simulator,TORCS)平台上对P-DDPG算法的性能进行了测试,结果表明相对于DDPG算法,P-DDPG算法的累积奖励在25回合之后就有明显提升而DDPG在100回合之后训练效果才逐渐显现,提升约4倍.P-DDPG算法不仅训练效率提升且收敛速度加快.     

基于Hough变换及SIFT特征提取的图像匹配方法

针对现有SIFT算法时间复杂度较高的问题,提出一种基于Hough变换及SIFT特征提取的图像匹配方法。首先,用Hough变换算法检测建筑物区域,以缩小检测与匹配的范围;然后,用SIFT算法在给定区域进行特征点检测与匹配;最后,提出一种两级排除错误匹配的方法,该算法对建筑物序列图像匹配具有光照强度、平移、旋转不变性。实验结果表明,该方法的匹配准确率至少高出比较方法9%。     

移动机器人即时环境探索与地图库构建

研究了室内准结构化环境中移动机器人自主环境探索与复合环境地图库构建问题.基于实时获取的激光测距数据,并面向机器人自主导航、探索与认知等多种任务需求,提出了基于探索导向点的自主环境探索方法,以及可与准结构化环境相适应的复合地图库构建算法.为了适应环境中存在的随机运动人体目标及用几何特征无法表述的非规则障碍区,提出了临时栅格统计算法和非规则障碍区建模算法,从而实现环境动态信息的实时处理和对不规则障碍区的聚类与划分.通过对仿真和应用于Pioneer3-DX移动机器人平台所获得的实验结果和数据的分析讨论,论证了所提算法的有效性和实用性.     

时滞生化反应系统中的DFAPS-Leaping算法

提出一种模拟时滞生化反应系统的加速随机模拟算法--最后所有可能步进的加速算法（DFAPS-leaping）. 该算法能在不失算法精度的前提下减少模型的运行次数, 有效提高算法的运行速率. 数值模拟结果表明, DFAPS leaping算法能广泛应用到多种生化反应系统中, 与已有算法相比其效率显著提高.     

基于LMS的AUV空间避障模拟方法研究

为了模拟自主式水下航行器（AUV）在复杂海洋环境中对未知环境的感知以及避障过程,设计了AUV空间避障模拟试验系统．介绍了模拟平台的硬件结构和参数设计,应用激光测距系统（LMS）模拟水下声纳,建立了AUV空间避障仿真环境,设计了基于Q—Learning的避障算法,并完成了模拟试验．试验结果表明：AUV空间避障模拟平台可以较真实地反映AUV在水下复杂环境中的空间运动,避障算法可行有效．     

基于泰勒级数的重力异常数据快速相关成像

为了提高重力勘探中数据成像的效率，对地球物理勘探中的重力异常数据进行快速三维成像.在相关成像的理论基础上针对立方体元提出利用泰勒级数的算法，重新定义了异常值的计算模型，从而得到新的几何函数.该成像方法通过级数展开、积分等方式，减少了计算量和迭代次数.在理论模型试验中，证明了提出的方法具有良好的成像能力和抗噪性，并通过效率分析说明了该算法能够大幅缩短几何函数矩阵的计算时间，提高成像效率.对文顿盐丘地区的实测重力异常数据进行快速成像，地质体的位置能够被较好地显示出来，验证了算法的可行性.     

基于多目标优化的移动机器人避障算法

针对移动机器人自主导航过程中由于过多寻求当前时刻最优路径或最优解而产生死锁或震荡现象,提出了一种动态变化权重的移动机器人行为融合避障算法.该算法利用多目标优化方法获得移动机器人最有效解,并把指定目标的移动机器人避障导航过程分解为3个子行为避障系统.通过动态改变子行为函数的权重和优先级,实时获得当前时刻最满意路径或最有效路径.实验结果表明,该算法可在确保避障过程鲁棒性前提下,有效地改善避障导航的安全性和平滑性。