摘要：针对机器人工作环境的动态随机性,提出面向双机制切向避障的改进人工势场法.针对传统人工势场法的局部极小值陷阱问题,提出静态避障机制,在规划开始前对地图进行预处理,预测局部极小值点并将障碍物分成连通与非连通障碍物,结合切向避障实现静态切向避障.以静态避障机制为基础,针对动态障碍物,提出动态避障机制,通过实时调整碰撞风险系数并选择系数最大的障碍物进行避障角补偿,实现动态切向避障.通过状态决策统筹静态、动态切向避障机制与全局路径规划,实现混合规划与设计.设计仿真和全向移动平台,对所提方法进行验证测试.结果表明,所提方法在不同环境复杂下均有效解决了传统人工势场法的局部极小值陷阱问题,实现了动态环境下快速自主避障.对比3种方法避开不同类型障碍物的平均耗时,所提方法比动态窗口法(DWA)提升55%,比时间弹性带法(TEB)提升40%;对比3种方法导航不同复杂度地图的平均耗时,所提方法比DWA提升39%,比TEB提升22%.

摘要：现有的同步定位与建图(SLAM)方法在理想条件下运行稳定,但在动态环境中会因移动物体特征点云的误匹配导致定位误差增大。为解决此问题,提出了一种动态点云检测算法。首先利用惯性测量装置信息对点云数据预处理,包含去畸变等操作;然后剔除地面点云,采用弯曲体素结构对非地面点云进行聚类;接着,通过匈牙利算法关联和匹配两帧之间的聚类,同时利用惯性信息统一坐标系;最后设计一种筛选策略,先用边界框交并比和质心速度粗略筛选动态聚类,再用z轴(高度)分布相似性进行精细筛选。实验结果表明,所提算法能够识别并滤除实验环境中的大部分动态点云聚类;与LIO-SAM算法相比,四种场景下的定位均方根误差平均降低了17.75%;平均精确率和召回率相比Removert分别提升14.81%和5.90%。

摘要：针对无人矿车自主避障只在静态环境下安全行驶的问题,提出了基于动态障碍环境下的速度规划与避障方法。首先将动态障碍物未来一段时间扫过的范围映射到二维栅格地图中的s-t(距离-时间)图;然后研究了基于s-t图的安全速度范围确定算法,确保无人矿车运行的安全性,且为了实现平滑的速度变化,构造了基于最优控制原理的二次规化(QP)速度优化模型;最后设计了混合A^(*)算法,将s-t图中的搜索结果作为其初解,以辅助优化问题求解。仿真与实车测试表明:提出的方法求解成功率在98%以上,具有较好的实时性;s-t速度规划算法有效的时候,算法整体平均耗时基本符合实时要求,最差的求解时间也在可控范围之内。

摘要：阐述动态环境下服务机器人导航系统的设计,包括机器人操作系统ROS、Gazebo仿真平台、采用运动学模型。从软件系统、行人检测、路径规划方面,探讨服务机器人导航系统设计的实现方法。

摘要：针对动态环境下移动机器人对轨迹高效规划的需求,提出一种基于增量式候选路径集的轨迹规划方法。首先,提出一种图搜索与凸优化相结合的初始候选路径集生成方法,优化了机器人的移动距离,提高了规划成功率;其次,基于初始候选路径集,在规划移动速度时添加绕开移动障碍物的增量候选路径,提高轨迹时长的最优性,构建增量式候选路径集;最后,设计了基于增量式候选路径集的启发式轨迹搜索算法,在不损失最优性的前提下提高了搜索效率。仿真实验表明,所提方法能够适应不同拥挤程度的规划场景,相比基于路图的规划方法,所提方法规划的轨迹时长更短,所需的规划时间也更短。

摘要：针对动态环境下超宽带(Ultra Wide Band,UWB)测距易受到非视距(Not Line of Sight,NLOS)因素影响的问题,基于非对称双边双向测距(Asymmetric Double-Sided Two-Way Ranging,ADS-TWR)算法设计实验以探究常见NLOS因素(钢板、人体、木板)对UWB测距的影响。实验结果表明:NLOS对测距的影响程度不仅与遮挡物性质有关,还与其位置相关,在1.6m范围内越靠近UWB节点,NLOS误差越显著,超过1.6m后测距结果在一定程度上能够满足测距需求;在节点间距动态变化过程中出现NLOS因素时,测距输出值变化速率显著增大。根据分析所得动态NLOS误差特征,提出一种NLOS快速判断方法,设计自适应状态更新方程的卡尔曼滤波消减NLOS影响,经实验验证可提升50%以上的测距精度。

摘要：为了实现机器人在动态环境下沿最优路径安全行驶,提出了基于新型启发蚁群算法的路径规划和避撞策略。建立了机器人工作环境的栅格模型,给出了路径质量评价标准。基于蚁群算法,引入了信息素浓度的梯度初始化方法,有效提高了算法前期搜索效率;给出了一种用于平滑路径的新型启发信息,提出了新型启发蚁群算法并用于全局路径规划。在设定场景下,给定了障碍物检测方法与正面避撞、侧面避撞策略。经仿真验证,新型启发蚁群算法规划路径长度短、收敛次数少、平滑性好,且避撞策略可以有效躲避障碍物,保证机器人安全行驶。

摘要：针对智能轮椅应用的动态环境,提出了一种自主规划和导航算法.采用分层递阶体系结构,设计了基于地图匹配的自定位方法,将路径全局预规划和在线重规划相结合,获得动态环境下导航的次优路径,并且设计了基于局部观测地图的行为控制与行为选择算法.智能轮椅样机的实验结果表明,所提出的方法在动态环境下具有较好的路径优化特性和安全性.

摘要：载体的动态性所引入的多普勒频移给GPS接收机的载波跟踪带来了很大的困难。首先介绍了GPS软件接收机捕获与跟踪策略,提出了一种新的基于模糊逻辑控制器和三阶锁相环的动态载波跟踪方案,分析了模糊逻辑控制器的设计原理,推导了适合软件实现的三阶锁相环的数字形式。实验结果证明提出的设计方法与传统环路相比可大幅度缩短载波跟踪时间,减小环路滤波器带宽,并能消除周跳。

摘要：针对传统的同时定位与建图(SLAM)算法在动态环境中会降低自身运动估计的精确性以及系统鲁棒性的问题,提出一种适用于动态环境的视觉惯性SLAM算法——DVI-SLAM(dynamic visual inertial SLAM)。根据对极几何约束检测并去掉动态特征,利用更加精确的静态特征进行状态估计;添加视觉信息自适应权重因子,提高系统的鲁棒性。改进的SLAM算法在公开的视觉惯性数据集TUM-VI上进行相关实验,实验结果与VINS-MONO相比在高动态场景中的定位精度平均提高了47.34%。