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TEB算法的移动机器人运动轨迹规划研究

移动机器人在完成自主导航过程中会受到地图障碍物信息和自身物理因素的影响,而偏离全局路径规划出的全局路线,使得机器人自主导航的精准度降低。引进TEB局部路径算法来规划全局路线,生成基于离散时间的路径点,得到一条满足运动学约束、动力学约束、障碍物约束和时间约束的最优运动轨迹。仿真结果表明：该算法规划出来的运动轨迹能有效跟踪全局路径,提高了机器人自主导航的稳定性。     

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...     

农业竞赛智能车控制算法设计与实现

介绍了一种智能车控制算法,利用RGB摄像头采集智能车的环境信息并进行图像处理,用于识别植株的病患情况,采用激光雷达感知环境,以cartographer算法为核心构建和优化SLAM导航地图,通过AMCL方法实现智能车的准确定位;利用A算法规划全局路径、TEB算法规划局部路径、DWA算法控制智能车运动速度,实现智能车的自主导航和自动避障功能。使用该算法的智能车,在中国机器人及人工智能大赛农业机器人竞赛喷药机器人项目地图中,能够实现自主导航、自动避障和植株患病程度识别三种功能,展现了良好的竞赛性能。     

果园移动机器人自主导航研究进展

果园移动机器人自主导航是实现果园智能机器人化作业的前提,是保障机器人在无人操控的情况下完成多功能作业的基础功能。介绍和分析果园移动机器人自主导航技术研究现状,重点讨论果园移动机器人不同导航技术、导航数据处理算法和导航控制策略。首先,针对单传感器果园导航存在的局限性,得出具有更高精度和鲁棒性的多传感器信息融合方案是未来果园导航主流趋势的结论;其次,介绍当前主流的果园导航数据处理算法,明确其对环境感知和路径规划的支撑作用;最后讨论果园移动机器人常用路径跟踪导航控制策略。通过对果园移动机器人自主导航研究现状进行较为全面的分析和介绍,有助于推动果园移动机器人研究的理论创新和快速发展。     

机器人在设施农业领域应用现状及发展趋势分析

机器人技术在设施农业领域的广泛应用,不仅大幅提升农业产量,也能够体现一个国家农业现代化科技水平。机器人操作系统ROS的兴起,逐渐成为国内外设施农业机器人研究开发的热点。对国内外机器人设施农业领域相关研究探讨分析,综述当前机器人在种苗嫁接移栽、喷药施肥、果蔬收获加工、畜禽健康养殖等设施农业领域方面的应用现状,总结归纳SLAM地图构建、自主导航、机器视觉三种机器人关键技术研究趋势,并对比分析路径规划中Dijkstra算法、BFS算法、A*算法的优缺点以及机器视觉在果蔬采摘分选等领域的发展趋势。面对农业向智慧农业方向发展,总结并展望设施农业机器人未来发展趋势。     

基于改进ORB_SLAM2的机器人视觉导航方法

提出了一种基于改进ORB_SLAM2的视觉导航方法。针对ORB_SLAM2构建的稀疏地图信息不充分、缺少占据信息、复用性差而无法直接用于导航的问题,对ORB_SLAM2算法进行了改进,融合环境的3D、2D占据特征以及路标点空间位置、视觉特征等多模态信息构建了包含定位、规划、交互图层的多图层地图以支撑机器人的精准定位和最优路径规划;针对机器人的自主导航任务,基于先验多图层地图建立约束进行机器人的位姿估计,融合运动约束进行机器人位姿优化,实现了基于先验地图的机器人精准定位,同时基于规划图层进行机器人的最优路径规划,提升了机器人的自主导航能力。在TUM数据集及北京鹫峰国家森林公园进行实验,结果表明：所构建的多图层地图提升了机器人定位的精度和效率,性能明显优于RGB-D SLAM;基于先验地图的视觉定位方法能够进行机器人移动过程中精准、实时地定位,助力机器人按照所规划的路径实现准确的自主导航。     

基于启发式搜索算法的自动采摘机器人路径规划研究

对启发式搜索算法进行了分析和介绍,并选择采用A*算法进行自动采摘机器人路径规划研究。研究了采摘机器人路径规划的二维空间环境的模型,并采用栅格法建立了采摘机器人路径规划空间模型。利用MatLab软件对模型进行了仿真实验,结果表明:改进的A*算法可以明显改善采摘机器人移动路径,使规划的路径更加平滑,证实了改进算法的可行性和优越性。     

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。     

基于方向A*算法的温室机器人实时路径规划

针对复杂环境下的温室机器人路径规划问题,重点研究了生成路径的平滑设计、碰撞检测和算法实时性,提出一种方向A~*算法。首先采用"视野线"平滑原则优化路径,消除锯齿效应并避免部分碰撞;其次应用"圆弧—直线—圆弧"转弯策略,避免机器人本体宽度影响;最后基于二叉堆加速算法,提升算法计算效率。仿真实验结果表明,方向A~*算法满足平滑要求且能有效避免碰撞,加速算法平均提速4~7倍。同时,机器人在真实实验环境下能实现安全自主导航,跟踪误差小于0.15 m,验证了所提方法的可行性。     

基于多目视觉的田间导航线提取方法

【目的】目前导航线提取算法适用范围窄,且图像获取范围没有统一标准,直接应用到导航设备上会产生较大误差。【方法】课题组提出了一种基于多目视觉的田间导航线提取方法。首先,获取四个摄像头拍摄的不同视觉范围的田间图像,通过归一化超绿特征、最大类间方差法（Otsu）和形态学操作获取二值图,提取背景像素中点作为导航特征点;其次,通过神经网络算法建立坐标系转换模型,将导航特征点映射到同一地面坐标系,并对导航特征点进行融合;最后,由最小二乘法拟合导航线。此外,课题组利用该方法进行了5组田间实验,并对比了实验结果。【结果】在同一地面坐标系下,拟合后的导航线精度普遍高于单条导航线。【结论】该算法为农机设备自主导航提供了理论基础,为降低山区农业机器人自主导航误差提供了思路,对农机设备的自主导航具有重要意义。     

基于视觉导航和RBF的移动采摘机器人路径规划研究

为了提高采摘机器人自主导航和路径规划能力,提出了基于计算机视觉路径规划和RBF神经网络自适应逼近算法的导航方法。使用图像分割、平滑处理和边缘检测技术,根据图像像素灰度值确定了导航线的位置,利用逐行扫描的方法得到了导航离散点。路径规划和跟踪使用RBF神经网络逼近算法,通过逼近误差和权值控制路径跟踪的精度,系统响应的执行端使用液压伺服系统,提高了机器人自主导航的精度。以黄瓜采摘作为研究对象,在日光温室对机器人采摘作业进行了测试,通过测试得到了RBF神经网络的路径跟踪误差曲线。测试结果表明:机器人可以很好地逼近跟踪规划路径,其计算精度较高,跟踪效果较好。     

基于改进A*算法和DFS算法的割草机器人遍历路径规划

针对割草机器人大面积作业时遍历路径规划覆盖率低、重复率高、普适性弱的问题,提出一种改进A*算法与DFS算法相结合的遍历路径规划算法。首先,根据已知环境全局信息,通过牛耕式分解法将目标区域划分成多个不含障碍物的子区域;然后,根据子区域的邻接关系构建无向图,使用DFS算法规划子区域的遍历顺序;最后,采用改进A*算法进行跨区域路径转移并且往复式遍历各子区域的内部。仿真试验结果表明：该遍历算法的覆盖率达到100%,遍历重复率为0,改进A*算法所规划的跨区域转移路径长度和转向次数比A*算法分别减少3.26%和62.5%。所提出的遍历算法具有覆盖率高、重复率低、普适性强的特点,改进A*算法通过路径平滑性优化和添加防碰撞安全间距对A*算法进行改进,使之规划的路径更平滑、更安全,路径长度更短。该研究结果旨在为割草机器人遍历路径规划提供理论参考。     

基于随机运动障碍避碰规则的农业机器人路径优化

农业机器人作业时,为了提高机器人躲避障碍物及自主导航的效率和水平,将随机运动障碍物避碰规则引入到了农业机器人导航控制系统的设计中。采用人工势场算法对避障规则进行了设计,并利用蚁群算法对机器人路径规划方法进行了优化,从而使机器人在随机运动障碍物的环境下可以实现自主导航,且获得最短的导航路径。模拟多除草机器人的作业过程,对多运动障碍物环境下机器人的路径规划进行了仿真,结果表明:采用随机运动障碍物避障规则可以成功实现运动障碍物环境下的路径规划,且采用蚁群算法得到的路径最短、规划效率最高。     

基于蚁群算法的多采摘机器人路径规划与导航系统

针对多采摘机器人联合作业容易出现路径冲突和碰撞的问题,基于蚁群算法,通过建立地图信息数据库和拓扑图,并结合先全局后局部的路径规划方法,设计了多采摘机器人路径规划和导航系统,实现了多采摘机器人移动路径的实时动态规划和自主导航功能,并利用Mat Lab进行了验证仿真。结果表明:当一条线路只能允许一台机器人通过时,其他机器人能够避让到站点休息,然后再进行前进操作,成功解决了路径冲突的问题,且该系统优化效果明显,具有很强的避障、路径规划和导航能力。     

遗传算法在农业移动机器人路径规划中的应用——基于矩阵二进制编码

基于生成编码、适应度函数、交叉和变异等4个方面,提出和实现了一种在农业移动机器人导航和路径规划中使用的矩阵二进制编码的新变种遗传算法。结合对农业移动机器人路径规划问题模型的分析,基于矩阵二进制编码的遗传算法,进行了农业移动机器人路径规划的MatLab仿真分析。实验结果表明:农业移动机器人在存在复杂障碍物的情况下能够实现路径规划与导航,且所求路径是该条件下机器人穿过障碍物耗时最少、运动代价最小的路线。     

移动机器人低能耗最优路径规划方法

在移动机器人路径规划中需要考虑距离约束和时间约束,同时,为了使机器人在能量补给不足的情况下更高效地执行更多的任务,降低运动过程中的能耗变得尤为重要。兼顾考虑机器人对降低能耗和路径规划效率两方面的需求,本文提出了一种基于改进AD*(Anytime dynamic A*)算法的移动机器人低能耗最优路径规划方法。首先,通过构建机器人动力学模型及其在运动过程中的能耗模型,实现对路径的能耗计算。结合机器人运动学模型,采用基于采样的模型预测算法(Sample based model predictive optimization,SBMPO)生成优化轨迹簇。然后,改进AD*算法,将距离成本和能耗成本融入搜索节点的评估函数,根据轨迹簇中的节点连接关系和环境地图进行在线规划,以获得能耗最优的路径。最后,通过设计仿真测试场景,将所提出的能耗最优路径规划方法与距离最优规划方法进行规划结果对比,验证了算法的有效性。     

全自动草坪修剪机器人

本课题设计的全自动草坪修剪机器人是集环境自动感知、路径自主规划、系统控制于一体的全自动智能四驱割草器。通过树莓派控制搭载ROS系统完成机器人的应用开发,机器人系统中利用传感器和摄像头进行数据信息采集,采用SLAM技术构建地图以控制小车路径和轨迹规划;底层采用嵌入式系统,控制机器人的运动和行迹推演;底盘采用四轮差分驱动结构,辅加PID算法和控制策略,对机器人底层进行控制;安装超声波传感器使得机器人具备避障功能。     

基于蚁群算法的移动机器人全局路径规划方法研究

依据蚁群算法的特点,对移动机器人的全局路径规划方法进行了研究。采用栅格法描述移动机器人的环境信息,仿真分析了蚁群算法的主要参数如蚁群数量m、启发因子α、期望启发因子β和信息素挥发系数ρ等对规划路径的长度和路径规划效率的影响。研究结果表明,当算法的参数匹配时,获得的规划路径不仅长度短,且路径规划效率高。通过仿真找到了最佳匹配参数组。基于仿真结果,对工作在不同环境下的移动机器人进行了全局路径规划仿真实验,研究结果验证了蚁群算法最佳匹配参数组的准确性。     

结合霍夫变换找墙体直线的沿墙导航算法

针对移动机器人沿墙导航过程中存在沿曲线墙体导航效果不佳、路径不够平滑等问题,提出了结合霍夫变换找墙体直线的沿墙导航算法。该算法由霍夫变换提取出当前位置障碍物中的直线,找到离机器人最近的直线作为沿墙参考直线,采集上一周期历史墙体直线状态和当前墙体直线状态决定机器人当前的运动方向,并根据当前墙体直线提取出沿墙导航预设路径进行导航,如此循环直至完成指定的沿墙导航任务。实验证明该算法可以在不同环境中较好地完成沿墙导航任务。