针对同步定位与建图(simultaneous localization and mapping,SLAM)技术对计算资源的高需求、有限环境适应性、累积误差问题、系统复杂度高、成本昂贵、大场景处理能力受限以及缺乏有效的回环检测机制的缺点,提出一种结合人工势场法和...针对同步定位与建图(simultaneous localization and mapping,SLAM)技术对计算资源的高需求、有限环境适应性、累积误差问题、系统复杂度高、成本昂贵、大场景处理能力受限以及缺乏有效的回环检测机制的缺点,提出一种结合人工势场法和深度强化学习的方法。利用图论模拟人工势场在机器人间的相互作用以及机器人与目的地之间的势场力,并采用孪生延迟深度确定性策略梯度(twin delayed deep deterministic policy gradient,TD3)算法来优化机器人对障碍物信息的感知和处理。仿真试验结果表明:该方法使机器人能够在未知环境中快速、准确地进行定位、移动,同时维持队形的稳定性和一致性。展开更多
当移动机器人在行进过程中使用传统人工势场法(artificial potential field method, APF)进行路径规划时,通常会陷入局部最优困境,无法顺利到达目标点。为解决这一问题,首先,对APF算法规划路径失败原因进行分析,其次设置情况判断条件,...当移动机器人在行进过程中使用传统人工势场法(artificial potential field method, APF)进行路径规划时,通常会陷入局部最优困境,无法顺利到达目标点。为解决这一问题,首先,对APF算法规划路径失败原因进行分析,其次设置情况判断条件,判断当机器人陷入局部最小值时,通过在合适位置增加临时引导点的方法,引导其跳出局部极小值点;其次,引入分数阶微积分思想方法结合APF算法,提出混合阶次的分数阶梯度下降法进行位置信息迭代,优化算法的收敛速度和收敛精度;最后,用MATLAB软件对该方法进行仿真,实验结果表明提出的方法可以有效解决局部最小值问题,而且在速度、精度上都有明显的提高,且能适应较为复杂的多障碍物环境,验证了改进方法的有效性、正确性。展开更多
人工势场法由于运算量小、精度高,广泛应用于无人车的局部路径规划。针对传统人工势场法存在目标不可达、局部最小值及陷入U型障碍物的问题,提出一种基于Frenet坐标系下改进人工势场法的路径规划算法。构建Frenet坐标系来表述车辆避障运...人工势场法由于运算量小、精度高,广泛应用于无人车的局部路径规划。针对传统人工势场法存在目标不可达、局部最小值及陷入U型障碍物的问题,提出一种基于Frenet坐标系下改进人工势场法的路径规划算法。构建Frenet坐标系来表述车辆避障运动,简化规划模型,解决路径规划中车辆与所在道路相对位置不易表述的问题。提出安全椭圆模型和预测距离的概念来调整势场影响区域,加入基于Frenet坐标系下的参考线势场及动态速度势场改进斥力场函数,解决车辆在静态和动态下的避障问题。利用数学仿真软件进行仿真,以不同车速在直道和弯道场景中对所提出的路径规划方法进行静态和动态避障仿真实验。研究结果表明:不同车速下的前轮转角、横摆角速度均控制在较小范围内,改进算法可以有效解决传统人工势场法的缺陷,同时与快速搜索随机树(Rapidly-exploring Random Tree,RRT)算法相比,其在避障过程中路径规划计算效率提高了42.8%,改进算法优势明显。展开更多
文摘针对同步定位与建图(simultaneous localization and mapping,SLAM)技术对计算资源的高需求、有限环境适应性、累积误差问题、系统复杂度高、成本昂贵、大场景处理能力受限以及缺乏有效的回环检测机制的缺点,提出一种结合人工势场法和深度强化学习的方法。利用图论模拟人工势场在机器人间的相互作用以及机器人与目的地之间的势场力,并采用孪生延迟深度确定性策略梯度(twin delayed deep deterministic policy gradient,TD3)算法来优化机器人对障碍物信息的感知和处理。仿真试验结果表明:该方法使机器人能够在未知环境中快速、准确地进行定位、移动,同时维持队形的稳定性和一致性。
文摘当移动机器人在行进过程中使用传统人工势场法(artificial potential field method, APF)进行路径规划时,通常会陷入局部最优困境,无法顺利到达目标点。为解决这一问题,首先,对APF算法规划路径失败原因进行分析,其次设置情况判断条件,判断当机器人陷入局部最小值时,通过在合适位置增加临时引导点的方法,引导其跳出局部极小值点;其次,引入分数阶微积分思想方法结合APF算法,提出混合阶次的分数阶梯度下降法进行位置信息迭代,优化算法的收敛速度和收敛精度;最后,用MATLAB软件对该方法进行仿真,实验结果表明提出的方法可以有效解决局部最小值问题,而且在速度、精度上都有明显的提高,且能适应较为复杂的多障碍物环境,验证了改进方法的有效性、正确性。
文摘人工势场法由于运算量小、精度高,广泛应用于无人车的局部路径规划。针对传统人工势场法存在目标不可达、局部最小值及陷入U型障碍物的问题,提出一种基于Frenet坐标系下改进人工势场法的路径规划算法。构建Frenet坐标系来表述车辆避障运动,简化规划模型,解决路径规划中车辆与所在道路相对位置不易表述的问题。提出安全椭圆模型和预测距离的概念来调整势场影响区域,加入基于Frenet坐标系下的参考线势场及动态速度势场改进斥力场函数,解决车辆在静态和动态下的避障问题。利用数学仿真软件进行仿真,以不同车速在直道和弯道场景中对所提出的路径规划方法进行静态和动态避障仿真实验。研究结果表明:不同车速下的前轮转角、横摆角速度均控制在较小范围内,改进算法可以有效解决传统人工势场法的缺陷,同时与快速搜索随机树(Rapidly-exploring Random Tree,RRT)算法相比,其在避障过程中路径规划计算效率提高了42.8%,改进算法优势明显。
