基于改进双向RRT*的移动机器人路径规划算法

针对复杂环境下移动机器人的局部最优路径规划,提出一种基于目标偏置扩展和Cantmull-Rom样条插值的双向RRT^*路径规划算法.双向RRT^*算法同时创建两颗搜索树,交替进行相向搜索,同时以一定的概率进行随机点的目标偏置选择,以提高算法的整体收敛效率;再对当前节点重选父节点和重布线,以增强算法对环境的敏感程度.为确保路径安全可行,对环境中的障碍物进行膨胀处理,再对初始路径进行碰撞检测;修剪冗余节点,缩短可行路径长度,再利用Cantmull-Rom样条插值法平滑路径.在Matlab仿真平台和ROS机器人仿真平台分别进行2D和3D的对比实验,验证了改进双向RRT^*算法的有效性和优越性.     

基于分层架构的自主代客泊车路径规划

为了解决最后一公里自动驾驶问题,提出一种基于分层架构的自主代客泊车路径规划算法.首先,利用栅格扫描算法快速准确地将自主代客泊车环境地图转化成为Voronoi图,量化自主代客泊车环境中任意栅格格网区域与其最近障碍物距离.随后,利用A*算法规划出全局自主代客泊车路径,并采用优先队列数据实现A *算法的开放列表来提升其计算效率.最后,基于自主代客泊车环境Voronoi图实现汽车碰撞检测,并采用改进动态窗口法沿着全局自主代客泊车路径规划出满足汽车非完整约束和机械约束的无碰撞路径,扩展传统动态窗口法的可行解空间和降低其保守性.在VC ++6.0环境中验证所提出的自主代客泊车路径规划算法的可行性和有效性,结果表明,该算法可以安全、快速地引导汽车到达目标泊车位附近,为汽车后续执行泊车操作奠定基础.     

基于改进A*算法的无人驾驶车辆路径规划方法研究

针对传统A*算法所规划路径距离障碍物近、转折点多、路径不平滑的问题,对A*算法进行改进并应用于无人驾驶车辆路径规划中.在传统A*算法分析的基础上对背向障碍物搜索和评价函数进行改进,同时采用3次样条插值方法对规划后路径平滑处理.将传统A*算法和改进A*算法应用于MATLAB环境下搭建的无人驾驶车辆模型进行路径规划仿真分析...     

一种基于神经网络的机器人路径规划算法

研究已知障碍物形状和位置环境下的全局路径规划问题。给出了一个路径规划算法 ,其能量函数的定义利用神经网络结构 ,根据路径点位于障碍物内外的不同位置选取不同的动态运动方程。规划出的路径达到了折线形的最短无碰路径。仿真研究表明 ,本文提出的算法计算简单 ,收敛速度快 ,方法可行     

基于蚁群算法的移动机器人路径规划研究与应用

文章对传统蚁群算法收敛较慢的问题进行了改进,参考人工势场法的思想,构建并加入了权重可调的引力概率函数作为启发因子,使新的算法在较快的收敛速度下仍能得到全局较优解;在新算法的基础上构建了移动机器人动态路径规划模型,通过计算机仿真和智能试验车的实际行走表明,即使在障碍物非常复杂的场地环境,用该算法也能迅速规划出较优的全局路径。     

一种移动机器人动态环境下的路径规划

一种动态环境下自主机器人路径规划的方法由趋于目标的全局运动规划和躲避障碍物的局部运动规划两部分组成.首先通过栅格法建立机器人的工作环境,利用蚁群算法初步规划出机器人的全局优化路径;在此基础上,采用滚动窗口的方法进行局部环境探测和碰撞预测,对动态障碍物实行局部避碰,使机器人安全顺利地到达目的地.该方法适用于环境中同时存在静止和动态障碍物的情况.仿真结果证明该方法有效.     

基于四叉树和改进蚁群算法的全局路径规划

为解决机器人在大范围二维平面区域内的路径规划问题,提出一种四叉树和改进蚁群算法相结合的路径规划方法.基于四叉树分解法,对路径规划的二维区域进行环境建模,在环境建模的基础上,采用改进蚁群算法进行高效的路径规划.四叉树在完整地记录环境信息的同时对环境信息进行了高效地压缩,改进蚁群算法可以规划出与障碍物保持一定安全距离的路径,提高了规划出的路径的实用性.仿真实验表明,提出的路径规划方法在执行效率和路径的实用性上取得了良好的平衡,可以高效地对大区域进行路径规划.     

基于势场法的无人车局部动态避障路径规划算法

根据无人车动态实时避障的需求,提出一种基于人工势场法的局部避障路径规划算法,通过改进势场环境及势场力来解决传统势场法局部极小值和目标不可达的问题. 考虑车辆碰撞安全性,对侧向动态障碍物和同向动态障碍物工况进行分析,采用动态窗口法进行实时动态避障规划. 同时为保证规划路径的平滑性和可跟踪性,采用贝塞尔曲线对轨迹进行平滑处理. 最后,在CarSim和Matlab/Simulink 联合仿真平台下,对所提出的控制算法进行验证. 仿真结果表明了规划算法的避障有效性、安全性以及可跟踪性.      

基于神经网络改进粒子群算法的动态路径规划

针对机器人在不同类型障碍物环境下的路径规划问题,提出基于神经网络的改进粒子群优化算法.采用神经网络统一障碍物环境建模,快速实现路径与所有障碍物的碰撞检测,通过惯性权重和三次样条曲线平滑路径,以较低的粒子编码维度,在提高算法收敛速度的同时保持路径精度,避免陷入局部最优.仿真结果表明:神经网络能够统一静态和动态障碍物环境表...     

基于改进快速扩展随机树算法的移动机器人路径规划

针对快速扩展随机树(RRT)算法为移动机器人规划的路径存在曲折冗长,且容易与障碍接触过近的问题,提出了一种改进的RRT算法;设计了新的临时目标点选取规则以及自适应步长调整策略;考虑到移动机器人的自身约束条件,设置了最小转弯半径和最小安全距离约束,并对规划出的路径进行平滑处理。仿真实验结果表明,改进的RRT算法能够有效地生成移动机器人的可行路径,与传统的RRT算法相比,在宽敞环境和狭窄环境中的平均路径长度分别减小了77.41和20.09,规划所得路径较为平滑,能够与障碍物保持一定的距离。     

基于改进DWA的动态环境路径规划算法

摘 要 在涉及机器人自主运动和目标跟踪等场景中,动态障碍物的存在可能会对实时规划产生威胁。因此,生成一条安全路径以确保机器不会与动态障碍物发生碰撞显得至关重要。为此,提出一种改进的动态窗口法(dynamic window approach,DWA),其基于参考速度障碍物（velocity obstacle,VO)的思想,通过考虑障碍物的速度计算基于障碍物的危险区域,进行DWA节点选择排除不可行的路径,并且通过引入人工势场法作为评价函数选择最佳节点以避免与动态障碍物发生碰撞且能够快速到达期望目标点。结果表明：相对于传统的DWA算法,本文提出的DWA-VO算法在动态环境中相对于传统的DWA算法具有更高的成功率和更好的规划质量。     

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。     

基于改进混合蛙跳算法的动态环境路径规划

针对复杂场景中路径规划具有未知性和动态性,传统方法无法对路径规划问题进行求解的问题,设计一种改进混合蛙跳算法的机器人路径规划方法,以提高动态环境路径规划的求解精度.首先对动态环境路径规划的研究现状进行分析,并在此基础上建立数学模型;然后采用混合蛙跳算法对该模型进行求解,并针对基本混合蛙跳算法不足进行改进;最后对路径规划的有效性进行测试.测试结果表明,混合蛙跳算法可准确找到最优的路径规划方案,可应用于复杂场景路径规划中,且性能优于其他路径规划方法.     

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法应用于移动机器人路径规划时存在易于陷入局部最优解、收敛速度慢的问题,提出了一种适用于静态障碍环境下基于改进蚁群算法的移动机器人路径规划方法。该方法改进了节点间的状态转移规则,增加了得到最优路径的概率;自适应调整启发函数,提高了算法的搜索效率;基于狼群法则对信息素进行更新,有效避免了算法陷入局部最优解;动态调整了衰减系数,在后期增加了蚂蚁对最优路径的选择概率,加快了算法的收敛速度。仿真实验表明,与其他算法在相同环境下比较,该改进算法在路径规划结果相同的情况下具有较快的收敛速度;且改进算法在不同复杂程度环境中均得到了最优路径,也表明了该算法的有效性和可靠性。该算法具有良好的寻优能力,可以适用于不同复杂环境中的移动机器人路径规划。     

基于B样条算法的智能车辆局部避障路径规划

为保证智能车辆合理局部避障,基于B样条算法对局部避障路径规划问题进行了研究。通过建立纵向模型确定防撞约束条件,并结合车辆动力学约束、TTC碰撞时间等条件对传统B样条算法进行改进,进而得到控制点位置,规划出不同工况下的避障路径。运用CarSim与Matlab建立联合仿真平台,对规划路径进行仿真验证,结果表明规划路径安全平滑,能够有效躲避障碍物,满足横向稳定要求。     

基于人工势场的机器人动态路径规划新方法

针对传统机器人路径规划方法仅考虑静态环境的问题,建立了一种基于人工势场的移动机器人动态路径规划新方法.移动机器人运动环境通常是复杂多变的,在动态环境下,目标点、障碍物可能都是运动的,另外,存在运动轨迹未知的随机障碍物等,针对移动环境的动态情况,在传统人工势场法相对位置势场的基础上引入相对速度势场,充分利用量子粒子群算法,对引力势场和斥力势场的增益系数进行一定的优化.以量子粒子群的优化算法进行快速全局搜索,结合人工势场操作,对引力场和斥力场增益系数进行优化,该方法易于实时快速地对机器人进行控制.仿真结果表明,基于量子粒子群算法的人工势场法的路径规划模型能够得到平滑、安全的路径,具有较高的性能.该方法可以有效地实现机器人的动态路径规划.     

基于距离抑制向量的机器人动态路径规划方法

移动机器人在使用传统动态窗口法进行局部路径规划时,存在路径过长以及运动至距离相近的障碍物出现评价函数失灵的问题。针对以上问题,本文提出距离抑制向量的概念,定义新的评价因子;加入全局信息,将改进灰狼算法与传统A~*算法进行融合;保留改进全局路径中的转折点,作为局部路径规划中的中间指引点,得到新的评价函数,从而实现两种改进算法的融合。最后,通过仿真及实验验证得出,相比于传统动态窗口法,引入动态全局信息的改进型动态窗口法,不仅能够实现路径的全局最优,而且能够有效地避开机器人在行进过程中出现的动态障碍物,从而满足机器人安全运行的要求。     

基于弹道下降方式的无人机风险评估与航路规划

针对无人机系统失效后对地面人员及财产安全的威胁,提出了一种基于弹道下降方式下的无人机风险评估及航路规划方法。分析了无人机失效后的下降特点及规律,采用栅格法划分空域环境,以地面不同属性构建低空空域环境风险评估模型。结合无人机飞行的风险值、路径长度和空域情况,建立了多目标、多约束的无人机飞行航路规划模型。利用改进蚁群算法进行求解：优化转移概率,避免蚂蚁陷入死区间和减少盲目搜索;对信息素的更新进行改进,调整自适应系数增强最优路径的信息素浓度,提高算法收敛速度与稳定性。相比传统蚁群算法的路径规划,运行时间缩短6.7%、最优路径风险值降低41.45%、整体性能提高18.0%。仿真结果表明：本文模型及改进算法可以在提高路径安全性的前提下,缩短规划路径生成时间且保障运行的经济性。     

电力线巡检飞行机器人路径规划方法

提出了一种基于改进概率地图法的电力线巡检飞行机器人路径规划方法.首先,在分析概率地图法不足的基础上,利用分支游动原理改进的概率地图,使得概率地图更加完整,减少了碰撞检测的次数,提高了算法的执行效率,有利于路径搜索.其次,将改进的概率地图方法应用于电力线巡检飞行机器人的路径规划中,能够在复杂的环境中找到一条可行的、安全的电力线巡检路径.最后,将路径规划方法与具体电力线巡检任务整合在一起进行仿真实验,仿真结果验证了所提出的路径规划方法的正确性和有效性.     

基于优化蚁群算法的机器人路径规划

路径规划是移动机器人设计中的关键环节,蚁群算法能高效解决路径规划问题,但它也存在一些弊端,如收敛速度慢、容易陷入局部最优解等.针对这些问题,本研究提出一种改进蚁群算法,在传统蚁群算法的基础上,改进状态转移规则,增加周围障碍物数量影响因子,令蚂蚁尽量避开障碍物;增加角度影响因子,使得蚂蚁行走的路径更加平滑;同时运用精英蚁群策略,来改进蚁群算法易陷入局部最优解的问题.仿真实验结果表明,该算法在多种环境下,都能找到最优路径,且有较快的收敛速度,本研究提出的优化蚁群算法具有一定的可靠性和高效性.