一种未知环境下移动机器人自主导航方法

为提高未知环境下移动机器人自主导航性能,提出了一种未知环境下目标驱动的自主导航方法。不依赖实时更新的地图信息,移动机器人直接从激光雷达读数中构建候选目标点,并根据机器人自身位置和终点位置从候选目标点中选择最优点作为局部目标点。改进的基于深度强化学习的局部规划器从输入信息中直接输出动作信号,实现端到端的控制,使得移动机器人能够快速、安全地到达局部目标点,直至到达终点。实验表明,所提导航方法能够在未知复杂的环境下,可靠且高效地完成导航任务。与最近边界导航方法相比,平均路径长度减少了6.63%,平均运行时间缩短了19.11%,具有成功率高、路径短、速度快等优点。     

基于骨架提取和启发式算法的路径规划方法

针对农业机器人在大棚中执行搬运任务时的高效率且尽可能沿地图中心行驶的需求,提出一种基于骨架提取和启发式算法的路径规划方法。首先设计了自适应阈值的地图骨架路径关键点提取步骤,用关键点指导启发式搜索树的构建。然后采用膨胀RS曲线代替直线进行树的生长,保证机器人的运动学约束和防碰撞,同时提出一种混合碰撞检测方法,进一步提高算法效率。最后设计关键点扩展步骤,提高算法的鲁棒性。仿真结果表明,简单地图下,本算法效率约是RRT*-Connect算法的5倍、Hybrid A*算法的7倍,复杂地图下约是RRT*-Connect算法的300倍、Hybrid A*算法的9倍,能够满足机器人的运动学约束。     

一种改进 RRT* 结合四次样条的协调路径规划方法

针对空间机器人抓捕空间非合作目标的在轨服务任务,同时考虑机器人运动学约束和动力学约束,提出一种分层式的自由漂浮双臂空间机器人协调路径规划方法. 首先,在路径规划层面上基于 RRT* 算法分别规划双臂末端执行器在笛卡尔空间下的初始可行路径,为双臂设置独立的采样空间,保证路径规划过程中双臂系统不发生自身碰撞. 然后,在轨迹规划层面上利用四次样条曲线平滑 RRT* 算法生成的初始路径,设计满足样条曲线的一阶、二阶及三阶微分连续约束,同时考虑机械臂末端执行器的初末速度约束条件、初始加速度约束条件,得到适合于空间机器人执行的动力学可行的平滑 轨迹.最后,计算所规划路径的最大速度、最大加速度与机械臂末端执行器物理极限值的比值,取最小上限,即为最少路径规划时间. 所提路径规划方法能够设计出满足特定路径点约束的协调路径,且所设计的路径考虑了机械臂的物理限制条件,通过对自由漂浮双臂空间机器人进行仿真试验,验证了所提路径规划算法的有效性.      

COORDINATED PATH PLANNING BY INTEGRATING IMPROVED RRT$^{\small*}$ AND QUARTIC SPLINE$^{\bf 1)}$

针对空间机器人抓捕空间非合作目标的在轨服务任务,同时考虑机器人运动学约束和动力学约束,提出一种分层式的自由漂浮双臂空间机器人协调路径规划方法. 首先,在路径规划层面上基于 RRT* 算法分别规划双臂末端执行器在笛卡尔空间下的初始可行路径,为双臂设置独立的采样空间,保证路径规划过程中双臂系统不发生自身碰撞. 然后,在轨迹规划层面上利用四次样条曲线平滑 RRT* 算法生成的初始路径,设计满足样条曲线的一阶、二阶及三阶微分连续约束,同时考虑机械臂末端执行器的初末速度约束条件、初始加速度约束条件,得到适合于空间机器人执行的动力学可行的平滑 轨迹.最后,计算所规划路径的最大速度、最大加速度与机械臂末端执行器物理极限值的比值,取最小上限,即为最少路径规划时间. 所提路径规划方法能够设计出满足特定路径点约束的协调路径,且所设计的路径考虑了机械臂的物理限制条件,通过对自由漂浮双臂空间机器人进行仿真试验,验证了所提路径规划算法的有效性.     

道路约束条件下的移动机器人跟踪

为提高移动机器人的位置估计精度和跟踪效果,提出一种基于道路约束条件下的移动机器人鲁棒约束H∞滤波(CHF)跟踪算法.首先,将机器人移动的道路网络作为跟踪的约束条件,并利用当前统计模型对机器人的运动进行建模.其次,将道路约束条件作为机器人跟踪的非线性状态约束,利用最小协方差估计推导了鲁棒CHF递推方程.通过拉格朗日乘子法对非线性约束优化估计问题进行求解,并利用约束信息对CHF算法的状态更新过程进行了改进.最后,通过对CHF算法和无约束的H∞滤波算法的跟踪性能进行了对比分析和验证.仿真结果表明,该算法可以实现机器人的跟踪,且跟踪精度优于HF算法.     

局部网格生成中初始探索圆半径的搜索算法

无网格不一致性的基于节点的局部网格生成(NLMG)算法是基于节点的局部有限元方法(NLFEM)实现无缝连接的核心算法之一,而快速合理的确定中心节点的初始探索圆半径是降低NLMG算法计算量和确保其可靠性的关键一步。本文提出了基于均匀桶的快速局部搜索算法(UBFLSM),并将其成功应用于NLMG算法,解决了初始探索圆半径和探索圆半径优化后候选卫星点集的确定这两个难点,确保NLMG算法无网格不一致性。并/串行数值试验(实现从网格生成到总刚度矩阵生成之间的无缝连接)均表明,该算法是快速及可靠的。     

基于移动节点辅助定位的UWB室内定位方法

针对UWB室内定位精度易受环境影响的问题，在低速、多节点的情况下，提出了一种基于移动节点辅助定位的方法。设置一个增量队列来剔除异常点，然后使用最小二乘法计算得到定位初值。将定位初值代入扩展卡尔曼器滤波算法，得到较为准确的更新后的定位结果。当移动节点处于静止或低速状态时，其解算坐标较为精确，可以将其视作坐标已知的固定节点，来提高其他移动节点的定位精度。实验结果表明，在相同的实验环境下，所提方法的定位均方根误差比最小二乘法和Chan算法分别减小了15.89%和16.45%，最大绝对误差分别减小了60.99%和62.77%。     

基于单目视觉行间机器人导航线提取方法

针对农业移动机器人视觉导航路径提取受光照影响大,实时性差的问题,提出了一种利用农作物行特征辅助进行的视觉导航方案,实现机器人的田间自主导航。选用单目相机获取农田的环境信息,首先针对农田光照不均的情况提出了YCr Cb亮度均衡法,然后针对实时性差的问题提出了OTSU(大津法)融合遗传退火算法的图像二值分割算法,并利用Hough直线变换检测,实现农田导航路径的快速提取。视觉导航实验结果表明,所提出的光照平衡算法较直方图均衡法实时性提升25.7%,优化后的OTSU法二值化速度提升了26.5%,在双边缺植情况下,导航线平均偏移量为2.3°,符合农田导航的实用性和实时性要求。     

基于非线性优化的单目视觉/惯性组合导航算法

针对自主移动机器人在GPS拒止环境下准确实时定位的问题,提出一种单目视觉/惯性组合导航算法。为解决视觉/惯导工作频率不一致问题,利用预积分技术预先处理惯性测量值;引入了一种快速高精度线性初始化方法,分步估计初始系统尺度、重力方向、速度及零偏;结合全局地图三维点约束削弱累积误差,基于是否更新地图点,构建了两种基于非线性优化的单目视觉/惯性紧耦合模型,以保证导航的局部精度及全局一致性。实验结果表明:初始化方法可快速(15 s内)实现高精度状态初始化;与单目视觉导航算法相比,提出的算法不仅可获取绝对尺度信息,且导航精度更高;与传统滑动窗口非线性优化方法相比,提出的算法在窗口优化过程中加入全局地图三维点约束,可有效削弱累积误差,验证了算法的正确性和可行性。     

微机电陀螺信号盲均衡迭代反卷积算法

小型移动机器人在未知环境下运行,陀螺所受噪声干扰无法建立有效的数学模型,需要仅从观测信号中把噪声去除,并估计出原始信号,根据该特点提出一种微机电陀螺信号盲均衡迭代反卷积算法。该算法利用横向滤波器对陀螺信号进行反卷积运算,使用贝叶斯方法对信号进行估计,建立了误差函数并与LMS算法组合,实现了均衡器参数的自动调整,在小型移动机器人上进行了算法实验验证。实验结果表明,该算法可以有效分离角速度信号与噪声信号,其噪声信号幅值减小约10倍,移动机器人运行275.41 s抵达终点的偏航角误差从13°下降到1.46°。