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%.      

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.     

基于模糊算法的AUV避障与姿态控制

为了实现水下机器人(autonomous underwater vehicle,AUV)在水下的避障与姿态的稳定控制,提出了一种基于模糊算法的避障与姿态控制算法.通过分析AUV在水下的水平面和竖直面状况,分别构造满足其水平面和竖直面避障和姿态控制的模糊算法,并设计了相应的控制系统.设计的控制系统主要由2个模糊控制器组成,通过模糊控制器输出AUV的左、右和下潜加速度,利用模糊逻辑系统对其速度进行逼近,并利用AUV的速度信息实现AUV水平面和竖直面的避障与姿态的控制.通过在不同位置放置障碍物构建模拟场景,采用Matlab进行仿真试验.仿真结果表明,设计的基于模糊算法的避障与姿态控制方法能够满足设计要求.     

基于CM-Q学习的自主移动机器人局部路径规划

针对多障碍物未知环境下,自主移动机器人局部路径规划过程中出现的路径冗余和避障问题,提出了基于坐标匹配的Q学习算法(Coordinate Matching-Q learning算法,CM-Q算法)。首先建立自主移动机器人栅格地图运行环境;其次以Q学习算法探索和学习最佳状态-动作对,并利用坐标匹配的CM算法进行避障;最后在未知障碍物环境中进行路径规划,对所提出的算法进行验证。实验结果表明,运用该方法,自主移动机器人能在未知的简单和复杂障碍物环境下规划出一条最优或次优路径,完成避障和路径规划任务。     

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．     

基于自适应动态规划算法的小车自主导航控制策略设计

小车自主导航系统是路径规划领域研究的难点问题。本文利用自适应动态规划算法对小车自主寻路、避障的控制策略进行了设计。介绍了仿真过程中小车检测环境状态量的方法,提出了小车通过连续型奖励/惩罚信号自主学习寻路、避障的控制策略,并结合虚拟现实技术创建了不同路径和不同障碍物状态的仿真环境。通过不同路径状态的仿真实验,验证了自适应动态规划算法在解决小车自主导航避障控制策略问题上的可靠性和稳定性。     

基于零空间行为法的自主水下机器人避障策略

针对自主水下机器人(AUV)在复杂海底环境驶向目标点的过程中可能遇到动静态障碍物的问题,设计了基于零空间行为(NSB)法的避障策略.首先将AUV驶向目标点的整体任务分解成不同的子任务,并把避障子任务设为最高优先级任务;对于多任务控制目标,将由低优先级任务向量向高优先级任务向量的零空间进行投影得到的综合任务向量作为最终输出函数;在完成高优先级任务的同时,部分或全部完成低优先级任务,以避免各任务目标的相互冲突.随后根据不同子任务的优先级设计相应的任务函数,研究了针对静态和动态障碍物的避障策略;推导并建立了AUV运动的综合输出函数,以确保其在驶向目标点的过程中对不同类型障碍物进行有效规避.模拟计算结果证明该方法是有效的和可行的,在复杂障碍物环境中能够达到预期的避障效果.     

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。     

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.     

遗传算法在AUV局部路径规划中的应用研究

利用遗传算法（GA）实现AUV（自主水下机器人）对于运动目标的自主避碰,根据前视声纳信息探测到的障碍物距离信息,AUV的运动信息以及航迹规划信息.算法采用了二进制编码规则,并把避碰、航迹跟踪等约束条件作为适应度函数的影响因子,将AUV的下一步的航向和速度作为避碰算法的输出结果.仿真表明,AUV对动目标的自主避碰效果良好、避碰和航迹回归路径平滑.     

基于改进VO算法与动态窗口法的自主避障

针对复杂动态环境下,无人机自主规避动态障碍物的问题,提出了一种改进的速度障碍法,以提高无人机在复杂环境中自主避障的能力。首先,根据速度障碍法原理,构建数学模型,判断无人机与动态障碍物是否存在冲突;然后,加入了自适应安全距离的同时用卡尔曼滤波对动态障碍物的下一时刻的位置进行预测,重构一个速度障碍区;最后,通过改进动态窗口法对可行避障区域进行最优避障策略的求解。通过不同场景和多障碍物连续避障的仿真实验,验证了所提算法的可行性和有效性。     

基于速度障碍法和动态窗口法的无人水面艇动态避障

速度障碍法是一种普遍应用在无人水面艇(unmanned surface vehicle,USV)上的动态避障方法,但传统的速度障碍法未考虑无人水面艇运动学性能与障碍物运动信息误差的影响,也未明确何时开始避障与结束避障.在速度障碍法的基础上,用椭圆表示无人水面艇与障碍物,给出一种求解椭圆切线的方法;将动态窗口法与速度障碍物法相结合,考虑无人水面艇的运动学性能,只使用无人水面艇在给定时间内能到达的速度和方向进行避障计算;通过比较碰撞时间与无人水面艇避开障碍物所需的时间来确定何时开始避障,并提出一种结束避障的判断方法;为了减小障碍物运动信息误差的影响,提出了一种虚拟障碍物方法.最后,通过仿真实验验证了该避障方法的可行性与有效性.     

基于3D激光雷达的无人水面艇海上目标检测

无人水面艇(unmanned surface vehicle,USV)实现自主导航避障需要实时感知周围的环境信息,检测出威胁无人水面艇航行的障碍物,而3D激光雷达在无人系统障碍检测中起重要作用.提出了一种基于3D激光雷达的障碍检测算法,即将一个周期内的3D激光点云投影到2.5D栅格地图中,对障碍物进行聚类分割;对栅格中的原始点云数据进行特征提取,表示为椭圆障碍物.而多帧激光数据采用最近邻数据关联识别出其中的动态障碍物,并用卡尔曼滤波实时跟踪.基于电子海图的仿真激光数据验证了该方法在无人水面艇障碍检测中的有效性.     

矢量推进自主水下航行器动力学建模及仿真

采用单矢量推进器进行航向控制的自主水下航行器(autonomous underwater vehicle,AUV),与采用传统的鳍舵进行航向控制的AUV相比,具有更好的低速操控性及定位精度.根据单矢量推进式AUV的特点,将AUV的推力视为螺旋桨转速及矢量推进器摆角的函数,运用Newton-Euler法建立了AUV的6自由度运动学模型和动力学模型,采用四阶五级龙格-库塔方法对单矢量推进式AUV动力学模型进行了求解,在Matlab环境下对其动力学行为进行了仿真预测,并通过水域试验验证了所建模型的正确性,为控制系统的设计奠定了基础.     

单信标测距AUV水下定位系统观测性分析

针对基于单信标测距的自主水下航行器(AUV)定位系统观测性问题,建立AUV三维空间运动学模型,选取实物平台常用的深度、偏航角和俯仰角作为基本观测量辅助距离信息进行水下定位,利用基于Lie导数的非线性系统观测性秩判据分析不同辅助测量值下系统的可观性以及控制输入和运动路径对可观性的影响。研究结果表明:满足定位系统可观测的最简量测组合为距离值和偏航角,含有偏航角的辅助量测组合均使得定位系统可观测,系统控制输入和运动路径的变化会导致可观性发生变化。     

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。     

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.     

融合图像识别和VFH+的无人艇局部路径规划方法

针对水面无人艇在复杂海况下的局部避障问题,文中引入深度学习方法来处理视觉信息,提出了结合VFH+算法的水面无人艇的局部路径规划方法.首先利用对称的编码器-解码器结构的图像语义分割模型和Faster RCNN网络模型进行水面边界线检测及水面障碍物识别,构建水面无人艇环境模型;然后采用基于VFH+的局部路径规划方法,通过逐步构建主直方图、二元直方图和掩模直方图压缩环境数据,引入合理的代价函数来获取实现水面无人艇的有效避障方向规划.在MODD图像数据集上的仿真实验以及实船避障实验结果表明,该方法能有效地提取水面图像信息,并得到合理的局部路径规划策略,在10 kn航速下的避障轨迹平滑,可满足水面无人艇的自主避障需求.     

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。     

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。