【摘 要】
:
在室内服务机器人技术领域中,自主导航是机器人功能的重要组成模块。在自主导航技术中,路径规划是机器人在应用场景内完成各项功能的技术基础。在全局和局部路径规划技术中,所应用的算法仍存在规划路径不平滑且稳定性不高的现象。本文针对以上问题,以轮式机器人为研究对象,对路径规划技术进行了研究。基于ROS(Robot Operating System)平台完成自主导航系统框架的搭建。为保证仿真和实验的顺利进行,
论文部分内容阅读
在室内服务机器人技术领域中,自主导航是机器人功能的重要组成模块。在自主导航技术中,路径规划是机器人在应用场景内完成各项功能的技术基础。在全局和局部路径规划技术中,所应用的算法仍存在规划路径不平滑且稳定性不高的现象。本文针对以上问题,以轮式机器人为研究对象,对路径规划技术进行了研究。基于ROS(Robot Operating System)平台完成自主导航系统框架的搭建。为保证仿真和实验的顺利进行,推导了轮式机器人的运动学模型及激光雷达观测模型,并以此为基础建立了轮式机器人的仿真模型,以便开展路径规划算法的仿真和实验验证。对于全局路径规划,采用A*算法得到全局范围内的最优路径,针对A*算法所规划路径存在的距离障碍物较近的问题,利用将障碍物较近的栅格节点移出路径搜索范围的方法,使改进后的路径能够与障碍物保持安全距离。针对路径不平滑的问题,通过增加路径点数量并设立邻近路径点角度偏差阈值的方法,有效减少了路径转弯角度过大的现象,增加了路径平滑度。仿真结果表明:改进后的A*算法在简单和复杂两种场景下均可规避穿越障碍物现象并能够将路径转弯角度控制在45度之内。对于局部路径规划,采用时间弹性带算法(Timed Elastic Band,TEB)对局部规划路径进行优化,为提高TEB规划算法的稳定性,将其与PID控制算法进行融合,对速度和角速度指令进行稳定性处理,有效减小了控制指令的波动范围,避免了TEB规划算法指令下发的不稳定现象。仿真结果表明:简单场景中,速度和角速度指令方差分别减小了84.2%和46.2%,复杂场景中,速度和角速度方差分别减小了44.4%和38.4%。针对轮式机器人的多任务规划的需求,提出了一种多任务导航调度算法,利用人机交互操作来确定目标数量和具体位置,并将机器人与目标点的距离作为多任务导航调度的原则,实现了先近后远的调度功能。仿真结果表明:多任务导航调度算法在简单和复杂两种场景下均能够按照由近至远的原则进行导航并将机器人停止在距离目标点0.2 m的预设范围之内。利用轮式机器人进行实验,结果表明:改进后的全局算法能够平滑全局路径,防止机器人穿越障碍物并将转弯角度控制在45度内。改进后的局部规划算法能够减小控制指令波动,简单场景下,使速度和角速度方差分别减小40%和14.3%,复杂场景下,使速度和角速度方差分别减小47.1%和18.2%。多任务导航调度算法可按照由近至远的原则完成多任务调度,并使机器人停止在距离目标点0.2 m的预设范围内。
其他文献
移动通信和互联网技术的普及给人们通信生活带来极大便利的同时,也使得通信隐私问题越来越受关注,以隐蔽安全通信为目的的信息隐藏技术研究也越来越多,作为其对抗技术,信息隐藏分析技术的研究也愈受重视。随着近年来深度学习与图像信息隐藏分析技术的结合,信息隐藏分析检测性能越来越好,但目前深度信息隐藏分析模型研究主要集中于数据匹配条件下性能提升,本文面向数据源失配场景和模型效率提升,进行了以下方面的研究:在空域
时间序列模型运用数据信息开展系统状态的预测与分析,在工业、经济和医疗等诸多领域取得了广泛的应用。随着建模数据规模和复杂程度的日益加剧,人们希望时间序列模型不仅能够预测未来时刻的信息,还能提供考察对象在某一时间段内的变化趋势,进而对模型结果提供一定的语义解释。本文将使用信息粒化技术探讨时间序列数据的粒度表示、区间时间序列的建模和预测结果的评估等内容,主要工作包括:首先,运用信息粒化技术将时间序列数据
21世纪以来,随着计算机运算能力的大幅度提高,神经网络在诸如土木工程、生物学、图像识别等多种领域中得到了越来越多的重视。近些年,众多行业和领域在机器学习研究中也投入了越来越多的精力和资金,在作为世界经济发展的支柱型行业之一的建筑与土木工程领域中,传统计算技术正在与机器学习算法相融合,从而推动技术进步和基础产业的升级换代。另一方面,比例边界有限元方法作为一种新发展的半解析计算科学,其与机器学习的结合
交通标志检测技术是目标检测领域的一个热点和难点。实际场景中,道路街景复杂多样,交通标志在整张图片中的占比非常小,在进行特征提取时交通标志自身的特征往往会被周围的背景和其他小尺寸目标,例如广告牌等物体不断稀释,导致实际场景中检测效果较差。另外,交通标志检测系统通常搭载在智能汽车等移动平台上,需要在极低时延内对前方标志做出快速准确地识别,而现有方法很难在检测精度和检测速度上做到均衡。针对上述问题,本文
智能决策是人工智能领域的重要发展方向之一,可在博弈环境中基于强化学习方法来实现。传统强化学习方法中一般将参与交互的其他智能体即对手看作环境的一部分,由于未考虑对手的行为特征,可能会导致误判而影响决策结果。因此对博弈中参与交互的对手进行建模成为研究的一个热点问题。当前的对手建模技术多数都着眼于固定的对手策略,而在现实中的对手策略通常是动态变化的。采取动态策略的对手智能体在博弈时,其策略的变化会导致智
随着信息技术的发展,各类复杂网络层出不穷,识别网络中的关键节点可以在一定程度上帮助了解网络特性,维护网络的结构和功能。关键节点问题(CNP)是NP难组合优化问题,对该问题的研究有着重要的理论价值和应用价值。关键节点问题在于移除图中的某些节点,使得剩余图满足预定义的连通性度量。目前针对CNP问题的算法存在运行时间较久或迭代较多、准确性不够的问题,仍需要进一步的改进与研究。针对6类CNP问题中关注较多
随着无人机技术在智能化战争中的应用越来越广泛,在复杂环境下无人机的自主飞行能力逐渐成为研究的热点问题。为了在复杂环境下实现自主飞行,无人机通常必须具备优秀的自主导航能力。作为无人机自主导航过程中的关键环节,无人机的三维航迹规划不仅空间复杂度高,而且通常需要实现对多个目标的优化。本文围绕作战场景下无人机的多目标三维航迹规划问题展开研究,提出了离线规划和在线规划相结合的三维航迹规划方法,从而得到同时满
指称图像分割是近年来自然语言处理和计算机视觉交叉领域的一个重要研究方向。给定一幅图像和对应的指称表达式,指称图像分割的目的是分割出包含指称表达式所描述的视觉实体的相应区域。作为多模态任务的代表之一,指称图像分割已经被广泛地应用到交互式图像编辑、智能视觉搜索、机器人控制、人机交互等任务之中。虽然基于卷积神经网络的指称图像分割任务已经取得了巨大的进步,但是仍然存在着众多的挑战。大多现有的方法未能充分利
在低温条件下储存保持活力的生物组织,早已被广泛地应用于畜牧、生物及医学方面。我们于1973年开始进行了利用液态氮储存异体皮的研究工作,并已大量应用于临床,成功地抢救了很多大面积深度烧伤病人。但我们发现低温储存皮肤的琥珀酸脱氢酶的活力(改良的Hershey氏法)只为储存前的45—55%左右,利用染料排斥法(dye exelusion)迨盼兰试验(改良的Prows法)也只为
现今,海洋资源的利用和交互受到很大的关注。以往海洋物联网技术主要是云计算架构,然而大数据时代,云计算逐渐面临网络时延等挑战。移动边缘计算的诞生解决了这些问题。但由于参与者之间缺乏信任以及用户对隐私的关注,需要提出更可靠的解决方案。目前的方案有的利用区块链解决数据安全问题,有的利用联邦学习解决隐私问题,但这些方法并未结合海洋的特殊环境,且未考虑节点的安全性。本文提出了一种基于联邦学习和区块链技术的边