摘要：脉冲神经网络(SNN)因其低能耗和时序性,已在移动机器人的导航和避障领域得到广泛应用。然而,现有脉冲模型相对简单,难以应对复杂场景下的避障问题,如动态变速障碍物和环境噪声干扰等。因此,提出了一种基于脉冲神经网络的复杂场景导航避障算法。该算法采用了注意力机制以增强对动态障碍物的避障能力,使得模型能够更加集中地关注动态障碍物的信息,从而更准确地做出避障决策。此外,还根据生物启发设计了一种动态脉冲阈值,使得模型可以自适应地调整脉冲信号的触发,从而适应具有噪声干扰的环境。实验结果表明,在虚拟复杂场景下,该算法表现出最优的导航避障性能,在所设计的3种复杂场景下(变速动态场景、输入干扰、权重干扰)导航避障成功率分别为86.5%,79.0%和76.2%。该研究成果为解决复杂场景下机器人导航避障问题提供了一种新的思路和方法。

摘要：以某火龙果种植园区为作业背景,针对前轮导向、后轮差速驱动型AGV研究其在无障碍直线循迹和局域轨迹主动防碰避障2种模式下的导航避障策略。对于前一种避障模式,采用模糊控制算法以AGV沿直线垄道中心行驶的横向位置偏差和航向偏角为输入、前轮期望导向角为输出,结合AGV运动学模型控制前后轮协同作用;对于后一种避障模式,基于滚动优化原理,设计了AGV在局域轨迹下主动避让静/动态障碍物的避障算法。最后,在Matlab中仿真验证表明:该导航避障策略具有一定的有效性和可靠性,为轮式AGV实际应用于果园导航避障提供了理论参考。

摘要：智能车与四旋翼飞行器相融合的导航避障系统的设计是以MK60FX512VLQ15微控制器作为智能车控制单元,STM32F767IGT作为飞行平台图像处理单元。系统首先通过四旋翼飞行器上红外摄像头,采集图像信息,送至处理单元提取并处理,再通过NRF2.4G无线模块传输至智能车主控器,与智能车自身陀螺仪数据进行融合,根据结果判断智能车与目标的相对角度,并通过智能车自身的超声波测距、编码器等模块获取车体自身的运行环境与状态,同时调整运行速度与运行方向,最终实现导航避障的功能。系统运行平稳,速度及转向调节灵活,导航避障功能完整实现。

摘要：为促进图书管理事业的发展,研发了一种图书管理助手机器人。介绍了机器人的本体结构,采用基于路标的方法对机器人进行导航,避障过程中,充分利用了超声波传感器测距的方法,完成了机器人的设计制作,在实际现场进行了实验,达到了预期目标,为该种机器人的发展提供了一定基础。

摘要：为提升巡检机器人环境感知和导航避障性能,将深度学习技术与路径规划算法相结合,提出了一种基于卷积神经网络和改进RRT算法的视觉避障方法。该方法主要分为环境感知和路径规划两部分,环境感知采用编码-解码架构,以深度可分离卷积、H-Swish激活函数结合注意力机制、空间金字塔采样等结构实现图像像素级分类,保障巡检机器人充分感知所处环境;路径规划则根据所感知的环境构建栅格地图,并设计基于启发式的RRT路径规划算法搜索出安全有效的避障路径。为提升算法在实际应用中的效率,引入了自主控制机制,通过计算相邻视频帧的信息差异来自主调节网络的数据流向和路径规划的候选节点,减少冗余计算。实验结果表明,所提方法有效提升了机器人环境感知能力,并能准确规划出安全的导航避障路径。在实际电网场景中,该方法也体现出较高的适应性,可以高效辅助巡检机器人完成巡检任务。

摘要：针对现有巡检机器人导航避障存在的不足,将深度学习技术与路径规划相结合,提出了一种融合场景理解与A^(*)寻路算法的巡检机器人避障方法。该方法采用基于编码-解码结构的深层卷积神经网络构建高精度场景理解网络,获取巡检机器人道路场景信息。利用中值滤波、最大连通域和C空间变换等操作,提取出场景信息中机器人可行道路区域,并转化为二维栅格地图。通过基于栅格地图的A^(*)路径规划算法搜索出最优避障路径,指导机器人完成避障动作。同时,考虑到实际道路场景的高重复性,引入特征差分结构来降低冗余计算,保障巡检机器人导航避障效率。实验结果表明,所提方法在场景理解以及避障路径规划的精度和计算效率方面都得到了有效的平衡,并能适应不同场景,鲁棒性较高。同时,在真实变电站道路环境中,该方法也能高效获取场景信息,并准确指导巡检机器人实现实时导航避障。