针对无人水面艇(unmanned surface vehicle,USV)自主航行过程中的避障与遵守海事交通规则之间潜在的冲突问题,设计基于生物启发神经网络并且遵守《1972年国际海上避碰规则》(Convention on the International Regulations for Preventin...针对无人水面艇(unmanned surface vehicle,USV)自主航行过程中的避障与遵守海事交通规则之间潜在的冲突问题,设计基于生物启发神经网络并且遵守《1972年国际海上避碰规则》(Convention on the International Regulations for Preventing Collisions At Sea,1972,COLREGs)的实时避障路径规划方法。运用STM32嵌入式平台搭建包括超声波、红外激光、陀螺仪和GPS传感器的小型USV水面环境感知硬件架构,将多传感器输出的动态环境信息通过栅格地图映射到二维神经网络中。USV根据神经网络活性势图自动规划通向目标点的无碰撞路径。通过多种船舶航行交汇局面的实验,证明该方法既安全又符合COLREGs的要求。展开更多
针对多自主水下航行器(Autonomous Underwater Vehicle,AUV)的全覆盖路径规划问题,提出了一种考虑随机初始位置约束的多AUV覆盖路径规划方法(Dividing Areas based on Robots Initial Positions CPP,DARIP-CPP)。根据多自主水下机器人...针对多自主水下航行器(Autonomous Underwater Vehicle,AUV)的全覆盖路径规划问题,提出了一种考虑随机初始位置约束的多AUV覆盖路径规划方法(Dividing Areas based on Robots Initial Positions CPP,DARIP-CPP)。根据多自主水下机器人的随机初始位置对工作海域进行均衡区域划分,将划分所得的不重叠区域分配给多AUV进行独立覆盖路径规划,每台AUV利用生物启发神经网络(Bio-inspired Neural Network)优化各个区域的全覆盖路径。为了克服传统全覆盖路径规划中的“死区”问题,采用A^(*)路径规划算法进行“死区”逃离,沿着较短的路径快速到达未覆盖区域点。仿真结果表明,所提出的DARIPCPP方法可有效提高多AUV全覆盖目标区域的工作效率。展开更多
为提高无人机避障的灵活性和可靠性,提出了一种基于LGMD(Lobula Giant Movement Detector)的无人机避障方法,通过将视场分割为上、下、左、右4个方位,形成4个方位竞争的LGMD(C-LGMD),并利用Matlab软件进行算法实现和视频仿真分析,最后...为提高无人机避障的灵活性和可靠性,提出了一种基于LGMD(Lobula Giant Movement Detector)的无人机避障方法,通过将视场分割为上、下、左、右4个方位,形成4个方位竞争的LGMD(C-LGMD),并利用Matlab软件进行算法实现和视频仿真分析,最后将算法移植到无人机硬件系统,开展悬停测试和实时飞行实验研究。由视频仿真分析和悬停测试结果表明,该算法能有效分辨来自不同方位的障碍物,具有较好的避障性能和鲁棒性;在实时飞行测试中,无人机在室内环境中可实现三维空间有效避障,验证了该算法的可靠性。研究结果为进一步探索无人机高效、可靠避障提供参考依据。展开更多
文摘针对无人水面艇(unmanned surface vehicle,USV)自主航行过程中的避障与遵守海事交通规则之间潜在的冲突问题,设计基于生物启发神经网络并且遵守《1972年国际海上避碰规则》(Convention on the International Regulations for Preventing Collisions At Sea,1972,COLREGs)的实时避障路径规划方法。运用STM32嵌入式平台搭建包括超声波、红外激光、陀螺仪和GPS传感器的小型USV水面环境感知硬件架构,将多传感器输出的动态环境信息通过栅格地图映射到二维神经网络中。USV根据神经网络活性势图自动规划通向目标点的无碰撞路径。通过多种船舶航行交汇局面的实验,证明该方法既安全又符合COLREGs的要求。
文摘针对多自主水下航行器(Autonomous Underwater Vehicle,AUV)的全覆盖路径规划问题,提出了一种考虑随机初始位置约束的多AUV覆盖路径规划方法(Dividing Areas based on Robots Initial Positions CPP,DARIP-CPP)。根据多自主水下机器人的随机初始位置对工作海域进行均衡区域划分,将划分所得的不重叠区域分配给多AUV进行独立覆盖路径规划,每台AUV利用生物启发神经网络(Bio-inspired Neural Network)优化各个区域的全覆盖路径。为了克服传统全覆盖路径规划中的“死区”问题,采用A^(*)路径规划算法进行“死区”逃离,沿着较短的路径快速到达未覆盖区域点。仿真结果表明,所提出的DARIPCPP方法可有效提高多AUV全覆盖目标区域的工作效率。
文摘为提高无人机避障的灵活性和可靠性,提出了一种基于LGMD(Lobula Giant Movement Detector)的无人机避障方法,通过将视场分割为上、下、左、右4个方位,形成4个方位竞争的LGMD(C-LGMD),并利用Matlab软件进行算法实现和视频仿真分析,最后将算法移植到无人机硬件系统,开展悬停测试和实时飞行实验研究。由视频仿真分析和悬停测试结果表明,该算法能有效分辨来自不同方位的障碍物,具有较好的避障性能和鲁棒性;在实时飞行测试中,无人机在室内环境中可实现三维空间有效避障,验证了该算法的可靠性。研究结果为进一步探索无人机高效、可靠避障提供参考依据。
