一种移动机器人路径规划新方法

路径规划是自主移动机器人导航的基本任务,其精度取决于地图构建和定位。一些路径规划算法已经应用于精确的路劲规划过程,比如Dijkstra算法,A*算法等。如果机器人的体积大于栅格地图的栅格单元,传统A*算法路径规划就会不精确,在这种情况下移动机器人很难安全通过门和狭窄的通道。本文提出的新的路径规划方法在障碍物周围虚拟增加障碍栅格单元,有效降低了发生碰撞的可能性。     

基于改进双向RRT*的果园机器人运动规划算法

为提高果园机器人在果园中作业的自主性、安全性和效率,需要进行有效合理的运动规划。针对传统RRT*(Rapidly exploring random tree star)全局路径规划算法在连续走廊式环境下存在搜索效率低、采样点利用率低、生成路径折线多转角大等问题,以阿克曼底盘果园喷雾机器人为运动模型,提出一种改进双向RRT*的果园喷雾机器人运动规划算法。首先,根据激光雷达建立果园二维平面地图,将果树和障碍物均视为障碍物区域,并结合喷雾机器人本体尺寸,对障碍物进行膨胀化处理;然后,通过改进双向RRT*算法搜索路径,搜索路径过程中结合动态末梢节点导向和势场导向进行偏置采样,并对初步生成的路径进行路径点去冗余以及相邻折线段转角约束处理;最后,采用三阶准均匀B样条曲线对处理后的路径点进行轨迹优化,在优化过程中主要考虑轨迹的碰撞检测和喷雾机器人底盘曲率约束。试验结果表明,相较于传统双向RRT*算法,本文所提出的改进算法规划时间平均减少57.5%,采样点利用率平均提高28.55个百分点,最终路径长度平均缩短7.14%;经三阶准均匀B样条曲线优化后所得轨迹在有、无障碍物两种环境下均满足喷雾机器人最大曲率约束,且仅在换行以及障碍物处存在转弯行为,符合喷雾机器人作业轨迹条件,提高了喷雾机器人的工作效率和自主性。     

基于骨架关键点重规划的Voronoi图法路径规划

针对目前的Voronoi路径规划算法生成的Voronoi图弯曲冗余,依据Voronoi地图规划路径实时性差,规划出的路径弯曲,机器人导航时转折次数多、时间成本高、效率低等问题,提出一种基于骨架关键点重规划的Voronoi图法路径规划算法。首先对机器人构建的二维栅格地图进行预处理,去掉地图中的噪点和毛边,填充边界上细微的裂缝,然后提取地图的骨架,搜索出骨架中的关键点,将关键点按原来的相邻点连接关系重新连接,生成新的笔直的骨架,并采用降梯度采样方法平滑依据骨架规划出的路径。在经过多次仿真实验和实际实验验证后,证明本文算法生成的骨架比目前的Voronoi图和骨架更加简洁,数据量更小,机器人基于优化后的Voronoi地图能够更加快速规划出笔直的路径,具有良好的实时性,规划出的路径更短,转折次数更少,机器人导航过程中能够迅速到达目标点,导航效率高。     

自走式智能牛舍清洁机器人路径设计与研究

阐述了清洁机器人总体设计架构,并对清洁机器人驱动系统与控制系统进行分析。通过设计出清洁机器人全区域覆盖路径规划、基于感应回归算法的自动返回充电站路径规划与基于栅格地图的距离转换路径规划方法的自动返回加水站路径规划,实现了牛舍清洁机器人24h的清洁工作。根据全区域覆盖路径规划方法、感应回归算法与基于栅格地图的距离转换路径规划方法的设计应用,进行机器人运行轨迹规划算法的优化实现。实践证明:这些方法在清洁机器人路径规划方面得到了很好的运用。     

基于CTB-RRT*的果蔬采摘机械臂运动路径规划

针对多自由度果蔬采摘机械臂运动路径规划速度慢、效率低、路径成本高的问题,提出了柯西目标引力双向RRT*（Cauchy target gravitational bidirectional RRT*,CTB-RRT*）算法,通过柯西分布的方法进行启发式采样,降低采样的盲目性;引入目标引力,并动态调节随机生长方向和目标方向的步长,提高局部搜索速度;引入节点拒绝策略,剔除不必要的采样节点,提高计算效率。通过二维和三维算法模拟实验,6自由度机械臂的避障采摘模拟实验验证了提出算法的有效性。仿真实验结果表明：相比于RRT*-connect算法,改进算法的路径成本缩短了5.5%,运行时间降低了71.8%,采样节点数下降了64.2%。在机器人操作系统（Robot operating system, ROS）中控制6自由度机械臂执行避障采摘运动,运动成功率达到99%,运行时间为0.33s,相比于RRT*-connect算法,路径成本降低了12.6%,运行时间减少了69.2%,扩展节点数减少了76.3%。     

基于北斗和激光雷达的机器人导航控制方法研究

为解决传统机器人导航控制易受到距离和空间等限制的问题,提出一种基于北斗数据和激光雷达数据组合的导航控制方法,该方法通过北斗输出的高精度定位数据构建全局地图并采用PID控制技术进行全局导航,通过激光雷达探测的局部数据构建局部地图,并由数据聚类和分段拟合等算法增强对探测到的障碍物边缘的描述,由人工势场实现机器人的避障路径规划。实测及仿真数据试验结果表明,采用分段拟合并取距离阈值为10,类别剔除阈值为3时,障碍物边缘更加清晰,轮廓更明确,有利于机器人自动避障;通过全局和局部地图的优势互补,导航控制方法在5 cm步进栅格化的数据下取得较好地避障性能;与已有算法相比,所提方法在与改进人工势场方法取得相近的最优路径情况下,运行时间减少43%,有效提高机器人的导航控制效率。     

智能采摘机器人路径规划的设计与研究

以四足轮式采摘机器人为研究载体，将采集的果园图像经过灰度化、阈值分割、几何校正、比例尺寸划分等处理，然后进行栅格化；在此基础上，对采摘机器人在作业时的路径进行全局规划，通过蚁群算法寻找出一条无障碍、短距离的行驶路线；同时，结合运动学模型和PID闭环等现代控制理论，将得到的路径信息转化为控制信号，输出占空比变化的PWM波，从而控制电机运转，使得采摘机器人以规定的速度跟踪已规划好的行驶路线；最后，将此理论以嵌入式方式进行软硬件开发，设计出一款路径规划-跟踪控制系统。实验结果表明，利用路径规划-跟踪控制系统的采摘机器人按规划的路径到达目标点的平均概率为94.5%,能够准确、有效地辅助采摘机器人进行采摘作业。     

水果收获机器人避障路径规划

在综合分析路径规划研究的基础上，采用基于概率地图的路径规划方法，运用启发式搜索算法对水果收获机器人机械臂运动路径进行实时规划。在搜索过程中，以位姿点密度作为权重使路径向自由空间扩散，避免过度采样。为提高路径规划速度，采用延迟碰撞检测策略，可有效降低计算量。采用有向包围盒进行碰撞检测。最后利用虚拟现实技术，对水果收获时要绕过的支架和狭窄区域进行三维计算机模拟。结果显示，路径规划时间均小于0．15s，达到实时要求。     

基于动态扩展邻域蚁群算法的移动机器人路径规划

针对蚁群算法易陷入局部最优、路径转折点多、收敛速度慢的问题,提出一种基于动态扩展邻域蚁群算法（Dynamic extended neighbourhoods ant colony optimization,DENACO）。在蚂蚁搜索方式上采用动态扩展邻域方法,并定义新的信息素计算方式和增量规则,在取得更优收敛路径长度的同时,减少路径转折点数量及路径节点数量;引入自适应调整因子改进启发函数,提高算法的全局搜索能力,并设定迭代阈值,提升算法的收敛速度;提出一种路径节点双优化策略,对规划好的路径进一步优化,提高路径综合质量。不同复杂度及不同规模栅格地图中的仿真实验表明,DENACO算法所规划的路径更优,路径转折点数量减少,收敛速度加快,路径节点数量明显减少,表明算法具有更高的可行性和适用性。     

基于激光雷达与深度相机融合的SLAM算法

针对单一传感器地图构建时存在环境表征不充分，无法为移动机器人自主导航提供完整环境地图等问题，本文通过将激光雷达与深度相机获取的环境信息进行互补融合，构建出更完整精确的栅格地图。首先，对传统ORB-SLAM2算法进行增强，使其具备稠密点云地图构建、八叉树地图构建以及栅格地图构建等功能。其次，为验证增强后ORB-SLAM2算法的性能，在fr1＿desk1数据集和真实场景下进行测试，数据显示增强后ORB-SLAM2算法绝对位姿误差降低52.2%,相机跟踪轨迹增长14.7%,定位更加精准。然后，D435i型深度相机采用增强型ORB-SLAM2算法，激光雷达采用的Gmapping-Slam算法，按照贝叶斯估计的规则进行互补融合构建全局栅格地图。最后，搭建实验平台进行验证，并分别与深度相机和激光雷达2个传感器建图效果进行对比。实验结果表明，本文融合算法对周围障碍物的识别能力更强，可获取更完整的环境信息，地图构建更加清晰精确，满足移动机器人导航与路径规划的需要。     

基于改进RRT算法的猕猴桃采摘机器人全局路径规划

为提高猕猴桃采摘机器人导航效率,提出一种基于采样状态实时引导随机树扩展的改进方法(Straight-RRT)。首先,针对传统RRT算法盲目搜索的问题,引入评价指数与阈值划分采样状态,根据采样状态决定采样节点的选取方式,实时引导随机树的扩展。其次,为增强算法对不同环境的自适应性及快速避开不规则障碍物,引入动态阈值并优化最近节点选择机制。最后对路径进行优化处理,去除路径冗余点并采用贝塞尔曲线平滑路径减小路径复杂度。基于棚架式猕猴桃果园环境进行路径规划实验,实验结果表明改进后算法在猕猴桃果园环境中具有更好的适应性及规划效率,为提高猕猴桃采摘机器人导航效率提供了解决方法。     

基于改进RRT算法的猕猴桃采摘机器人全局路径规划

为提高猕猴桃采摘机器人导航效率,提出一种基于采样状态实时引导随机树扩展的改进方法（Straight-RRT）。首先,针对传统RRT算法盲目搜索的问题,引入评价指数与阈值划分采样状态,根据采样状态决定采样节点的选取方式,实时引导随机树的扩展。其次,为增强算法对不同环境的自适应性及快速避开不规则障碍物,引入动态阈值并优化最近节点选择机制。最后对路径进行优化处理,去除路径冗余点并采用贝塞尔曲线平滑路径减小路径复杂度。基于棚架式猕猴桃果园环境进行路径规划实验,实验结果表明改进后算法在猕猴桃果园环境中具有更好的适应性及规划效率,为提高猕猴桃采摘机器人导航效率提供了解决方法。     

基于改进A*与DWA算法融合的温室机器人路径规划

根据温室环境下移动机器人作业的实时路径规划要求,提出一种基于改进A*算法与动态窗口法相结合的温室机器人路径规划算法.针对传统A*算法搜索算法拐点过多的问题,对关键点选取策略进行改进,融合动态窗口法,构建全局最优路径评价函数,采用超声传感器进行局部避障,实现实时最优的路径规划.仿真实验结果证明,与传统A*、Dijkstr...     

基于含避障角人工势场法的机器人路径规划

针对基于距离的人工势场法(Artificial potential field,APF)存在的局部极小值问题,提出了一种含避障角的人工势场法的避障路径规划方法。在平面环境中,采用斜率判定路径规划过程中的位置关系,通过机器人当前点到障碍物的距离与障碍物的影响半径二者之差得出人工势场法中的排斥力,并对排斥力的偏转角进行调整;另外,在空间环境中利用圆弧插补理论将机器人平面避障问题转换为空间避障问题;基于机器人构型配置对改进人工势场法进一步完善以满足实际避障要求。仿真和实验研究结果表明,含避障角的人工势场法,在单个或多个障碍物环境中进行避障路径规划时解决了局部极小值的问题,同时实现了6自由度机器人末端在避障时的轨迹曲线平滑无振荡,验证了所提出避障路径规划方法的可行性。     

温室草莓采摘机器人设计与试验

为实现温室草莓采摘机械化和自动化,设计并制作一种应用于日光温室的草莓采摘机器人。该机器人能实现自主路径规划,行走过程中识别成熟草莓并完成采摘。设计以ROS分布式计算系为主控制网络,以激光雷达进行移动机器人的地图构建与定位,双目深度相机实现对成熟草莓的识别和定位,搭载柔性仿生夹爪6自由度机械臂实现目标草莓抓取和放置。设计机器人软件平台,使用改进A*算法实现自主路径规划和导航避障;利用R-FCN目标检测网络和双目视觉技术实现成熟草莓检测及定位。结果表明：该草莓采摘机器人可实现目标检测及定位,检测到的草莓坐标与机器人手爪坐标的误差在4 mm以下,成熟草莓识别率为95%,满足采摘要求。     

基于蚁群算法与参数迁移的机器人三维路径规划方法

为解决机器人进行三维路径规划时路径规划效率受算法影响较大的问题,以最短距离为目的,提出了一种基于蚁群算法参数迁移的机器人三维路径规划方法。在使用栅格法建立的机器人三维环境模型中,使用蚁群算法寻找最短路径。针对蚁群算法的参数选择问题,使用参数迁移算法得到最优参数。将已知的环境模型和其对应的蚁群最优参数作为源任务,将源任务映射到高维空间,通过迁移参数连接不同源任务,根据图论的知识建立参数迁移图,将参数迁移图扩展,使其包含目标任务,为随机未知环境模型分配一组蚁群最优参数。仿真实验表明,基于参数迁移的蚁群算法可以快速有效地完成机器人三维路径规划。相比传统的参数选择方法和其他智能优化方法,蚁群参数迁移算法可以大幅减少路径规划所需时间,提高了路径规划效率。     

基于改进A*算法的果园移动机器人建图定位与路径规划方法与试验

为实现果园移动机器人室外自主导航,对机器人建图定位和路径规划进行研究.在建图与定位方面,提出一种紧耦合激光—惯性里程计方法,通过匹配提取到的关键帧点云线面特征来完成机器人的位姿估计与地图构建,将处理过的不同传感器的测量信息融入因子图进行优化得到全局一致位姿,运用滑动窗口的方法保证系统实时性,对历史关键帧进行边缘化处理以...     

基于改进粒子群算法的路径规划

传统粒子群算法存在收敛精度低、搜索停滞等缺点,导致机器人路径规划精度低。为了提高路径规划的精度,对传统的粒子群算法进行改进。首先在算法运行的各阶段对惯性权重因子和加速因子同时使用三角函数的变化方式自适应调整,使算法中的参数在算法运行各阶段的配合达到最佳,提高了算法的搜索能力;其次在算法中引入鸡群算法中的母鸡更新方程和小鸡更新方程对搜索停滞的粒子进行扰动,并在引进的方程中使用全局最优解使扰动后的粒子向全局最优解靠近;最后通过函数优化和路径规划两组对比实验,验证了改进算法在问题优化时具有寻优精度高、鲁棒性好的优点。