部分未知环境中移动机器人动态路径规划方法

被引：10

作者：

高扬

孙树栋

赫东锋

机构：

[1] 西北工业大学机电学院

[2] 西北工业大学现代设计与集成制造技术教育部重点实验室

来源：

控制与决策 | 2010年 / 25卷 / 12期

关键词：

移动机器人; 动态路径规划; 粒子滤波; 部分未知环境;

D O I：

10.13195/j.cd.2010.12.128.gaoy.016

中图分类号：

TP242 [机器人];

学科分类号：

1111 ;

摘要：

针对部分未知环境,提出一种基于粒子滤波的动态路径规划方法.将全局最优路径视为受机器人运动及环境影响的变化量,采用粒子滤波算法,利用机器人运动信息预测路径,并利用实时环境信息更新路径,通过在线跟踪全局最优路径获得不断更新的全局优化路径.将传统全局路径规划先规划后执行的模式改为边规划边执行的模式,既减少了等待时间,又为机器人的移动误差及部分未知环境提供了较强的适应能力.仿真及实验验证了该方法的有效性.

引用

页码：1885 / 1890

页数：6

共 6 条

[1] 知识引导遗传算法实现机器人路径规划 [J].

王雪松 ;

高阳 ;

程玉虎 ;

马小平 .

控制与决策, 2009, 24 (07) :1043-1049

[2]

Global optimal path planning for mobile robot based onimproved Dijkstra algorithm and ant system algorithm[J]. 谭冠政,贺欢,Aaron Sloman.Journal of Central South University of Technology(English Edition). 2006(01)

[3] An efficient system for combined route traversal and collision avoidance [J].

Hamner, Bradley ;

Singh, Sanjiv ;

Roth, Stephan ;

Takahashi, Takeshi .

AUTONOMOUS ROBOTS, 2008, 24 (04) :365-385

[4] The Hopfield-Tank neural network applied to the mobile agent planning problem [J].

Lin, Cha-Hwa ;

Wang, Jin-Fu .

APPLIED INTELLIGENCE, 2007, 27 (02) :167-187

[5]

Probabilistic Road Map sampling strategies for multi-robot motion planning[J] . Christopher M. Clark.Robotics and Autonomous Systems . 2005 (3)

[6]

Destination Driven Motion Planning via Obstacle Motion Prediction and Multi-State Path Repair[J] . Huiming Yu,Tong Su.Journal of Intelligent and Robotic Systems . 2003 (2)

← 1 →