在动态环境中移动机器人导航和避碰的一种新方法
文章编号:1002-0446(2000)02-0081-08在动态环境中移动机器人导航和避碰的一种新方法
袁曾任
高明(清华大学计算机系北京100084)
摘要:本文提出了基于超声传感器的信息9将改进的栅格和回归预测法结合起来9应用于具有
静态和动态障碍物的动态环境中9移动机器人THMR -I 的导航和避碰的一种新方法~对栅格法的改进就是以障碍物为单位记录信息量9结果比原来以栅格为单位记录的信息量少得多9克服了栅格法中存在环境信息存储量大的问题9提高了实时性~对回归预测法也作了改进9并把它们结合起来9在求得最佳候选扇区后9使移动机器人躲避了静态和动态障碍物9实现了导航9最终到达目标~通过三种仿真实验9结果表明作者提出的方法是正确和有效的~
关键词:移动机器人9动态环境9实时导航9避碰
中图分类号:TP 24文献标识码:A
1引言
实时导航和避碰是反映移动式机器人自主能力的关键问题之一9在具有静态和运动物体的动态环境中实时导航和避碰是难度很大而又是急待解决的问题~困难在于既要有充分的环境信息并和环境形成闭环9又要求处理速度快9方能满足实时性要求~经过国内外学者们的多年来的研究9提出了许多方法9比较成功和有效的方法主要有势场法和栅格法(Grids )9开始由0~Khatib 提出人工势场法9后来由C ~W ~Warren 在1989年和1990年加以改进9提出一种人工势场辅助全局路径规划法9以及它们的利弊详见文[19293911912]~
用栅格法表示格子环境模型中存在障碍物的可能性的方法起源于美国CMU 大学[4~6]~J ~Borenstein 虽用栅格(Grids )表示环境9但是9在更新CV 值上舆CMU 方法不同9VFF 在每一次的超声传感器读值时9只需要很少的计算9只影响一个栅格的CV 值9该栅格就是距离超声头为d (读值)的栅格9它在传感器的轴上~用势场法决策出虚拟力场VFF 去控制移动机器人行驶~通过VFF 的实验研究9发现了势场法存在四方面问题:(1)陷阱区域9(2)在相近障碍物之间不能发现路径(3)在障碍物前面震荡(4)在狭窄通道中摆动[7]~J ~Borenstein 提出了一种
VFH (矢量场矩形法)
[8~10]9仍采用栅格表示环境9还采用了两级数据减少技术和信息的三个级别表示9由VFH 算法的输出信息控制移动机器人的速度大小和方向9呈现出良好的性能~但是该方法存在环境分辨率高与环境信息存储量大的矛盾9因此9在实用上受到一定限制~马和袁在文献[8]的基础上9设计出了一种基于栅格方法的移动机器人实时导航和避障的控制算法9应用于清华大学计算机系研制的THMR -I 型移动机器人~在文献[11912]中介绍了他们进行的四方面工作~使THMR -I 型机器人能在未知静态环境下9实时检测出障碍物9并规划出合理路径9在几种典型的环境中能稳定~平滑和连续驶向目标9完成避碰和导航任务~它使机器人表现出良好的性能并在一定程度上克服了栅格法中存在的环境分辨率高与环境信息存储第22卷第2期
2000年3月
机器人ROBOT VoI~229 o~2March92000
收稿日期:1999-04-05
28机器人2000年月
量大的矛盾9尽管如此9环境信息存储量还是比较大在文献]中9研究了移动机器人在具有运动物体的动态环境中的避碰和导航9首次应用回归模型对运动物体的运动趋势进行了预测9最后给出了计算机仿真结果
本文在文献]的基础上9在具有静态和运动物体的环境中称此为动态环境直接利用
THMR-I型机器人上的超声传感器信息9基于改进的栅格法和回归预测算法相结合9栅格法利用静态和运动物体的位置以及回归预测运动物体的位置9求出环境的障碍物密度9根据给定的目标9找出候选扇区9控制移动机器人稳定平滑和连续地驶向目标9实现避碰和导航任务
栅格法的改进
栅格法的改进
目前相当一些传感器只能感知环境的局部信息9为了能够比较完全的感知环境9有必要存储所得到的环境信息9即所谓环境表示它的要点是设法建立一个精练表示取代难以处理的庞大而又未经加工的输入数据环境信息表示不仅要解决如何将环境信息存储到计算机中9而且应该方便和正确地使用这些信息
在文献]中9把机器人工作空间表示成为二维方格阵笛卡儿坐标的矩形每个矩形格有一个累积值CV Certainty Value9表示在此方格中存在障碍物的可信度9利用传感器测得存在障碍物的方格中有CV值9高的CV值表示在此方格中存在障碍物的可能性高9而在没有测到障碍物的地方9CV值为零根据传感器的读值和车体的位姿决定测到某一障碍9每次只增加该障碍物的CV值当移动机器人运动时9每个传感器连续不断地快速采样环境9不断被测到障碍物的CV值就高9同时根据障碍物的位置转换到机器人工作空间的方格的障碍物密度也较高了在文献2]中9只要测得某处栅格有障碍物9就记录下该点的位置9若许多次测到该障碍物9就记录多少次9这将增加了环境信息存储量并会导致处理速度慢作者注意到对我们有用的栅格是有障碍物的栅格9很容易想到把所有环境信息用障碍物链表示9障碍物链记录了该障碍物的当前中心位置9当前测得所有点的位置9当前测得的点数最近点的位置9该障碍物的CV值和最多MAX POINT NUM个历史中心点的位置对于运动的障碍物还需要记录根据历史点预测的位置对障碍物的信息只记录有限的信息9并不断用最新搜索到的信息刷新以前的信息这种以障碍物为单位记录的信息量比以栅格为单位的记录的信息量要少得多随着机器人的运动9新出现的栅格在不断增加9这样就可以根据障碍物的位置来确定工作空间中有障碍物的栅格9从而求出侯选扇区9而不记录没有障碍物的栅格
栅格算法
表示环境采用了环境和车载移动机器人两种坐标系环境空间坐标绝对地表示障碍物的位置9环境空间用于实时建立机器人环境的地图9以便于在决策机器人移动方向时能全面考虑环境9做出合理的决策车载坐标系随机器人移动而移动THMR-I型移动机器人是一个外形呈矩形的机器人9车载坐标系以机器人后边两个轮子轴的联线中心为原点机器人正前方为
X轴正方向车载空间用于采样当前环境和决策机器人的移动方向在车载坐标系中被传感器采样到的环境信息可以由公式被映象到环境坐标系中9还有栅格大小的选择等请见文献2] 在文2]中9活动窗口被认为在车载空间中9在移动机器人前面假想为一个长度Dmax为半径的半圆形窗口由于THMR-I型机器人按装的超声传感器只有5个9数量较少9它会导致在车体运动前方信息量过少9不利于分离障碍物9作者将活动窗口改为RA5]+%RA]角度
范围内,如图1所示,窗口中心定义在车体后中心
.
动
1)
坐系
MAX POINT NUM 个历史点的中心位置即可,其余的冗余信息被丢失掉.
38第22卷第2期袁曾任等,在动态环境中移动机器人导航和避碰的一种新方法
3回归预测算法及其改进
在环境中具有运动障碍物的环境,称为动态环境,作者采用回归预测方法对运动障碍物的位置进行预测,为栅格法提供障碍物的预测位置,在求候选扇区时,就避免了选取当前没有障碍物但以后几步将出现障碍物的候选扇区,为躲避运动障碍物提供了实现的可能,同时还要躲避静态障碍物,最终使移动机器人驶向目标.关于回归预测的基本思想和算法请见文[14].
在回归模型中,应用的位置记录不超过5个,因为在实时避障的应用中,在控制模块中采用了提前三个采样时间间隔预测障碍物的运动,由于描述障碍物的点比较少,所以用平均步长<矢量>来估计下一个位置,作为对回归预测的修正.
运用回归预测法需要知道障碍物的运动状态,作者将障碍物的状态分为未知~预备~静止~运动和隐藏五种.判断障碍物状态的方法为:当状态为未知,则是第一次测到该障碍物;当状态为预备,则是由未知触发到预备;当状态为静止,则是通过该障碍物当前测得的重心位置与它的历史重心位置比较,其距离小于STTIC LEVEL 阈值<判断静止还是运动的阈值>;当状态为运动,则通过该障碍当前和历史的信息,比较出在不同次采样而得到的两个位置距离大于STATIC LEVEL ;当状态为隐藏,则是在本次采样中,该运动障碍物未被测到,因此其状态由运动转为隐藏
.下面是五种状态的关系
OBSTACLE
48机器人2000年3月
第Z Z卷第Z期袁曾任等:在动态环境中移动机器人导航和避碰的一种新方法
T~RES,若大于此阈值,那么,一组障碍物测点分离完毕;(Z)相邻的超声头有一个超声头没有测到障碍,那么,一组障碍测点分离完毕,只有测到障碍的超声头才属于某测点组.
运动障碍物的分离也是采用上述的基本策略,不同的是考虑障碍物有可能发生重叠,对于被遮档住的静态障碍物,不用太多考虑,只要用以前的信息即可.而被档住的是动态障碍物,则要求进行修正.这里所说的障碍物重叠,指的是一个障碍物档住另一个障碍物,而不是障碍物的相互邻近.判断重叠是先利用前面障碍物A的所有信息,求出该障碍物的角度范围,然后再判断运动障碍物中有没有在该障碍物的后面,根据运动障碍物离车体的距离是否比A的大以及是否在A的角度范围之内.如果运动障碍物被遮档住了,则就需要用它的预估位置更新其当前的位置值,这样,就可减少一定的误差.
4.3障碍物信息的抽取
需要的障碍物信息考虑到既满足栅格法的需要又兼顾回归预测法的需要.因此,障碍物的信息必须包括:超声波中心到障碍物的最短距离测点的坐标(minx,miny);当前测得障碍物的测点中心坐标(Centerx,Centery),用它来表示当前该障碍物的实际位置,记录障碍物历史点的坐标(history x D D,history y D D,对于运动障碍物来说,可以满足回归预测法对数据的要求.记录障碍物的历史点的个数D record num D;记录该障碍物出现的次数,用于栅格法以表示在将障碍物信息转换成障碍物密度时,在该栅格中有障碍物的可能性;记录当前测得障碍物的所有测点的坐标(x D D,y D D),如果对一个障碍物,运用栅格法求障碍物密度时,只用其中心位置,则障碍物密度太稀,没有很好地起到寻找最佳路径的要求,而利用当前测得的该障碍物的所有点的信息,那么,对躲避障碍物有比较好的利用价值;记录当前测得障碍物的所有测点的个数(point num)作为坐标(x D D,y D D)的最多访问次数;记录运动障碍物位置的预测坐标(future x D D,future y D D),可以在方向决策中起作用,从而起躲避运动障碍物的作用;x b1,x b Z,x ey,x ex1,x ex Z和y b1,y b Z,y ey,y ex1,y ex Z对于运动障碍物有效,用于记录回归预测时的各种参数,等等 .
4.4障碍物信息的存储
(I)障碍物的信息存储分类:障碍物的信息存放在障碍物链表中,障碍物链表分为窗口链和动态链.窗口链既记录静态又记录运动障碍,只要在当前窗口中出现的障碍都记录在窗口链中,窗口链既为栅格法提供障碍物的数据,又为运动障碍物的判断及存储提供必要的数据.动态链只是记录已被判断为是运动障碍物的所有障碍物的信息,包括障碍物的预测位置和参数.采用链表方式是便于数据的查找,一个节点就包含了一个障碍物的所有信息.
障碍物信息的存储分成以下几个部分:(1)6当前障碍物链表9的建立;(Z)6窗口障碍物链表9(窗口链)的建立;()6动态障碍物链表9(动态链)的建立;
6当前障碍物链表9的建立是因为如果只弧立地把测到的一个障碍物和窗口里所有障碍匹配时,缺乏科学性,例如本次测得A,,C ,等若干个障碍,A障碍和窗口里的某个障碍匹配上,用A的信息替换其部分信息,但是障碍也有可能和窗口里的同一障碍匹配上,这就造成信息的错误处理.因此,把当前测得的所有障碍物组成6当前障碍物链表9,这就可以利用所有这些信息,减少判断的失误.该链表的建立是根据障碍物分离来存储一个障碍的一组测点,进行初步的处理.
6窗口障碍物链表9的建立是把6当前障碍物链表9中的障碍物依次和窗口障碍匹配,如果匹配上,那么替换部分信息,否则,建立新的障碍物节点.
68机器人2OOO年3月
O动态障碍物链表7的建立是根据对O窗口链7进行处理判断利用其中存储的运动障碍物类似地也建立一个O当前动态障碍物链表7 和O当前障碍物链表7与O窗口链7的关系一样由O当前动态障碍物链表7存储到O动态链7中.
()障碍物匹配算法:O窗口链7和O动态链7的存储完全一样因此以O窗口链7和O当前链7为例来介绍.由于信息量比较少在O当前链7到O窗口链7的存储时采用最近匹配原则最近匹配是指O当前链7中所有节点和O窗口链7中的所有的已有障碍找到最佳匹配即:当前链7中一节点和O窗口链7中一节点距离最近当找到一个最佳匹配那么在O当前链7和窗口链7的对应节点上作标记以防止下一次同样操作这样依次处理就能找到所有O当前链7中节点和O窗口链7中的匹配这就充分利用了O当前链7中所有信息.
每次匹配后就进行存储.如果O窗口链7中没有障碍那么自然是新障碍否则就要根据匹配时两节点的距离值和OBSTACLE THRES阈值的比较结果来判断是否是一个障碍如果OBSTRACLE THRES大则是新障碍否则就是同一障碍.
方向决策
方向决策指的是车载空间的活动窗口里按一定算法给出最佳候选扇区使移动机器人无碰撞地行驶到达目标.
本文对[11]作了两方面改进:一是由只有静态障碍物环境扩展到具有静态和运动障碍物的动态环境中作者是根据回归预测给出的运动障碍物的位置再利用栅格法求出候选扇区把两种方法有机结合起来从而躲避了环境中有静态和运动障碍物最终驶到目标.二是超声值的测取直接利用超声传感器对障碍物不断地测试而得到.在仿真实验时根据联车程序修改的只是把超声值的测量修改成在计算机屏幕上对障碍物的测量对车体转速控制修改成在屏幕上对车体位置的控制.
作者采取如下的避障和导航策略分为两种情况:(1)当没有和障碍物碰撞危险时只考虑静态障碍物.把静态障碍物的当前中心位置和所有当前的测点位置作为存在障碍物的栅格用它们求出障碍物密度和平滑障碍物密度从而求出候选扇区.(2)当有和障碍物碰撞危险时在考虑静态障碍物的中心位置和所有当前记录的测点位置时同时考虑运动障碍物的三次采样的障碍的每一个中心位置运动障碍物的历史点的位置及其预测点的位置.
采取这样的策略可减少一定的计算量因为运动障碍物不一定挡住移动机器人前进的方向或者目前挡住机器人前进的方向但运动一段时间后也可能不档住机器人前进的方向因此没有必要过早地考虑运动障碍物.
作者在找到候选扇区后根据其中的ad值来控制移动机器人左右轮的转速.对于ad值在活动窗口中随角度从左到右依次增加对于ad值小的候选扇区机器人向右转我们采用控制左车轮速度快右车轮速度慢此时车体就向右转了.同理对ad大的控制左车轮速度慢右车轮速度快车体就向左转了这种方法比采用车体先停下再拐弯的方法实时性要好而且车体行驶轨迹连续和平滑.
6仿真实验结果
作者进行了三种仿真实验
仿真1:移动机器人的初始位置和目标的位置分别表示在图像中的左下方和右上方目标
物
动
方
变
围
作
方
弧
小
目
时
为
障
格
中
单
表
大
回
测分
在动态环境中移动机器人导航和避碰的一种新方法
88机器人2000年3月
2Warren C W.Global Path Planning Using Artificial Potential Fields.In Proc1989IEEE Int Conf Robot and Automat.
(Scottsdale,AZ),1989:316-321
3Warren C W.A Technigue for Autonomous under Water Vehicle Route Planning.In IEEE J Oceanic Eng,1990,l5(3): 199-204
4MoraVec~P.Sensor Fusion in Certainty Grids for Mobile Robots.AI MagaZine,Summer1988:61-74
5Elfes A.Sonar-based Real-World Mapping and NaVigation.IEEE Journal of Roboticas and Automation,1987,RA-3(3): 249-265
6MoraVec~P,Elfes A.~igh Resolution Maps from Wide Anglesonar.IEEE Conf on Robotics and Automation,1987, RA-3(3):249-265
7Koren Y,Borensteinj.Potential Field Methods and Their Inherent limitations for Mobile Robot NaVigation.Proc of IEEE Int Conf on Robotics and Automation,April,1991:1398-1404
8Borenstein J,Koren Y.The Vector Field~istogram-fast Obstacle AVoidance for Mobile Robots.IEEE Trans on Robotics and Automation,1991,7(3):278-288
9Borenstein J,Koren Y.Real-time Obstacle AVoidance for Fast Mobile Robots.IEEE Trans Syst Man Cybernet,1989, l9(5):1179-1187
10Borenstein J,Koren Y.Real-time Obstacle AVoidance for Fast Mobile Robot in Cluttered EnVironments.1990IEEE International Conference on Robotics and Automation,Cincinnati,Ohio,1990:572-577
11马兆青,袁曾任.基于栅格方法的移动机器人实时导航和避障.机器人,1996,l8(6):344-348
12Zhaoging Ma,Zengren Yuan.Real-time NaVigation and Obstacle AVoidance Based on Grids Method for Fast Mobile Robot.Engng Applic Artif Intell,1995,8(1):91-95
13袁增任,马兆清.移动机器人对运动障碍物的避碰方法.清华大学学报,人工智能技术专辑,1993,33(增1):33-38
14高明.在动态环境中移动机器人的导航和避碰的研究.清华大学计算机系学士学位论文,1993
A NEW METHOD OF REAL-TIME NAVIGATION AND
OBSTACLE AVOIDANCE FOR MOBILE ROBOT
IN DYNAMIC ENVIRONMENT
YUAN Zeng-ren GAO Ming
( e t.of Com~te L Scz e nc e anc T e chnology,Tszngh~a unzU e Lsz t y,B e zjzng,100084)
A bstract:The paper proposes a neW method of real-time naVigation and obstacle aVoidance for mobile robot in dynamic enVironment.This method consists of the combination of improVed Grids method and recurrent predication method based on the information of ultrasonic sensors.In the improVed Grids method,We only record information guantities haVing obstacles for unit in grids Which are much less than one of original record grids.The problem of a large number of information storage of an enVironment is solVed.The application of Grids method Will become a possibility.The position of moVing obstacles is predicated by using recurrent predication method.After finding a solution of optimum candidate sector With improVed Grids method,the mobile robot Will aVoid static and dynamic obstacles to implement naVigation toWards the target.Three simulation e x periment results demonstrate the effectiVeness and correctiVeness of the method.
Keywords:Mobile robot,dynamic enVironment,real-time naVigation,obstacle aVoidance
作者简介:
袁曾任(1935-),男.研究领域:智能控制和计算智能及其应用.
高明(1971-),男.研究领域:人工智能和智能控制及其应用.
在动态环境中移动机器人导航和避碰的一种新方法
作者：袁曾任， 高明， YUAN Zeng-ren， GAO Ming
作者单位：清华大学计算机系,北京,100084
刊名：
机器人
英文刊名：ROBOT
年，卷(期)：2000,22(2)
被引用次数：72次
参考文献(14条)
1.Moravec H P Sensor Fusion in Certainty Grids for Mobile Robots 1988
2.Warren C W A Technique for Autonomous under Water Vehicle Route Planning[外文期刊] 1990(03)
3.Warren C W Global Path Planning Using Artificial Potential Fields[外文会议] 1989
4.Khatib O Real-time Obstacle Avoidance for Mnipulators and Mobile Robots in Proc 1986(01)
5.高明在动态环境中移动机器人的导航和避碰的研究 1993
6.袁增任;马兆清移动机器人对运动障碍物的避碰方法 1993(zk)
7.Zhaoqing Ma;Zengren Yuan Real-time Navigation and Obstacle Avoidance Based on Grids Method for Fast Mobile Robot 1995(01)
8.马兆青;袁曾任基于栅格方法的移动机器人实时导航和避障 1996(06)
9.Borenstein J;Koren Y Real-time Obstacle Avoidance for Fast Mobile Robot in Cluttered Environments[外文会议] 1990
10.Borenstein J;Koren Y Real-time Obstacle Avoidance for Fast Mobile Robots 1989(05)
11.Borenstein J;Koren Y The Vector Field Histogram-fast Obstacle Avoidance for Mobile Robots[外文期刊] 1991(03)
12.Koren Y;Borensteinj Potential Field Methods and Their Inherent Limitations for Mobile Robot Navigation[外文会议] 1991
13.Moravec H P;Elfes A High Resolution Maps from Wide Anglesonar 1987
14.Elfes A Sonar-based Real-world Mapping and Navigation 1987(03)
引证文献(72条)
1.支忠山.章敏凤移动机器人避障算法的研究[期刊论文]-科学时代（上半月） 2010(4)
2.黄岩.吴军.刘春明.李兆斌自主车辆发展概况及关键技术[期刊论文]-兵工自动化 2010(11)
3.柯文德.陈珂.彭志平基于动态环境的单个智能入侵者控制模型[期刊论文]-计算机应用与软件2009(8)
4.江金龙.张文栓.董通.陈国华多机器人半实物仿真系统的研究与实现[期刊论文]-计算机仿真
2009(4)
5.江金龙.张文栓.董通.陈国华多机器人半实物仿真系统的研究与实现[期刊论文]-计算机仿真2009(4)
6.梁毓明.徐立鸿移动机器人路径规划技术的研究现状与发展趋势[期刊论文]-机电一体化
2009(3)
7.韩洁琼.陈雪梅.曾碧基于SPCE061A单片机移动机器人导航系统硬件设计[期刊论文]-工业控制计算机 2009(3)
8.袁孜基于路径规划的避障轮式移动机器人[期刊论文]-四川大学学报(自然科学版) 2008(6)
9.严淅平.王爱兵.施小成基于Avoid-auv行为的多AUV系统避碰仿真[期刊论文]-中国造船 2008(3)
10.袁孜基于路径规划的迷宫移动机器人[期刊论文]-中国测试技术 2008(6)
11.于少伟.曹凯基于动态目标位置的智能车辆动态避障控制研究[期刊论文]-计算机工程与应用2008(26)
12.常继科.赵建辉基于环境模型的路径规划算法研究[期刊论文]-科技创新导报 2008(9)
13.柯文德.李家兰未知环境下多机器人搜捕策略研究[期刊论文]-计算机工程与设计 2008(4)
14.柏晓颖户外自主移动机器人体系结构与控制系统研究概况[期刊论文]-装备制造技术 2007(12)
15.江万里.熊蓉.褚健复杂动态环境下基于侧滑力的局部路径规划[期刊论文]-浙江大学学报（工学版） 2007(10)
16.谢贝贝移动机器人智能路径规划方法研究[期刊论文]-福建电脑 2007(10)
17.罗胜吸尘机器人的现状及其智能系统的若干关键技术[期刊论文]-传感器与微系统 2007(11)
18.陈勇.王栋.陈戈一种三维虚拟场景自动漫游的快速路径规划算法[期刊论文]-系统仿真学报2007(11)
19.李文见.姬江涛轮履复合式农业机器人越避障控制研究[期刊论文]-河南科技大学学报（自然科学版） 2007(4)
20.石为人.周学益室内清洁机器人避障路径规划研究[期刊论文]-计算机应用 2007(z1)
21.张幼明基于模糊神经网络的移动机器人避障研究[学位论文]硕士 2007
22.段华.赵东标一种新的移动机器人动态避障方法[期刊论文]-应用科学学报 2006(5)
23.何国辉.陈家琪游戏开发中智能路径搜索算法的研究[期刊论文]-计算机工程与设计 2006(13)
24.徐秀娜.赖汝移动机器人路径规划技术的现状与发展[期刊论文]-计算机仿真 2006(10)
25.段华.赵东标动态环境下基于势场原理的避障方法[期刊论文]-华中科技大学学报（自然科学版） 2006(9)
26.郑敏捷.蔡自兴.于金霞一种动态环境下的移动机器人避障策略[期刊论文]-高技术通讯
2006(8)
27.段华.赵东标基于立体视觉的移动机器人动态避障方法[期刊论文]-机械科学与技术 2006(6)
28.庞文尧.钞海洋.罗小平.韦巍基于超声波的室内移动机器人局部环境建模研究[期刊论文]-机床与液压 2006(7)
29.孙章军.田海晏.邓双成.孙晨移动机器人路径规划仿真平台设计[期刊论文]-北京石油化工学院学报 2006(3)
30.肖潇未知环境下移动机器人自主搜索技术研究[学位论文]硕士 2006
31.宋长会移动机器人控制系统设计与研究[学位论文]硕士 2006
32.李睿室内移动机器人导航技术研究[学位论文]硕士 2006
33.葛永喜移动机器人路径规划研究[学位论文]硕士 2006
34.沈猛轮式移动机器人导航控制与路径规划研究[学位论文]博士 2006
35.翟俊杰AGV激光定位传感器系统研究与开发[学位论文]硕士 2006
36.石朝侠.洪炳镕.伊连云基于时延补偿的移动机器人动态避障方法[期刊论文]-哈尔滨工业大学学报 2005(7)
37.张捍东.郑睿.岑豫皖移动机器人路径规划技术的现状与展望[期刊论文]-系统仿真学报
2005(2)
38.胡小明.吴耿锋.樊建基于时间栅格法和免疫算法的机器人动态路径规[期刊论文]-微型电脑应用 2005(2)
39.胡小明.吴耿锋.樊建基于时间栅格法和免疫算法的机器人动态路径规划[期刊论文]-计算机应用 2005(3)
40.庄慧忠动态不确定环境下移动机器人的在线实时路径规划[学位论文]博士 2005
41.田海晏移动机器人仿真平台设计与路径规划研究[学位论文]硕士 2005
42.毛琳波基于仿生行为的多机器人协作运动规划[学位论文]硕士 2005
43.庄晓东多移动机器人运动控制策略的强化学习研究[学位论文]博士 2005
44.崔坤征未知动态环境中移动机器人的路径规划及避障研究[学位论文]硕士 2005
45.胡小明基于免疫算法的移动机器人路径规划研究[学位论文]硕士 2005
46.王辉动态环境中AGV路径规划方法的研究[学位论文]硕士 2005
47.王辉动态环境中AGV路径规划方法的研究[学位论文]硕士 2005
48.刘作军基于电路地图的移动机器人路径规划方法研究[学位论文]博士 2005
49.穆煜海流环境下基于模糊理论的水下机器人区域搜索[学位论文]硕士 2005
50.祖莉智能割草机器人全区域覆盖运行的控制和动力学特性研究[学位论文]博士 2005
51.何峰六轮腿移动机器人运动分析及控制系统的研究[学位论文]硕士 2005
52.黄鹤部分环境信息已知的智能机器人路径规划方法研究[学位论文]硕士 2005
53.卢永奎在线自组织动态模糊Q学习算法及在移动机器人实时路径规划中的应用[学位论文]博士2005
54.何焕良移动机器人的路径规划及其无线遥控系统的设计[学位论文]硕士 2005
55.钞海洋Linux平台下移动机器人的超声避障研究[学位论文]硕士 2005
56.李桂芝自主移动机器人导航定位技术研究[学位论文]博士 2005
57.吴太国吸尘机器人系统的开发及路径规划的研究[学位论文]硕士 2005
58.吴太国.刘颖.郗安民.姜延柏吸尘机器人的路径规划算法[期刊论文]-机电产品开发与创新2004(6)
59.洪炳镕.石朝侠.王燕清.朱莹基于视觉信息的移动机器人动态避障方法[期刊论文]-哈尔滨工业大学学报 2004(7)
60.洪伟移动机器人系统中分布式传感器信息融合方法及路径规划问题的研究[学位论文]博士2004
61.吴涛移动机器人避障与路径规划研究[学位论文]硕士 2004
62.戴光明避障路径规划的算法研究[学位论文]博士 2004
63.冯申珅吸尘机器人非结构环境下自主路径规划方法的研究[学位论文]硕士 2004
64.柏艺琴.贺怀清移动机器人路径规划方法简介[期刊论文]-中国民航学院学报 2003(z2)
65.陈桂生室外高速移动机器人车道线跟踪控制中规则获取方法研究[学位论文]博士 2003
66.郭红机器人局部路径规划算法的研究与实现[期刊论文]-信息技术 2002(7)
67.陈无畏.施文武.王启瑞.高立新.朱婉玲新型自动引导车导航与控制系统[期刊论文]-农业机械学报 2002(2)
68.胡跃明.丁维中.吴忻生吸尘机器人的研究现状与展望[期刊论文]-计算机测量与控制 2002(10)
69.胡跃明.丁维中.吴忻生吸尘机器人的研究现状与展望[期刊论文]-机器人技术与应用 2002(1)
70.李磊.叶涛.谭民.陈细军移动机器人技术研究现状与未来[期刊论文]-机器人 2002(5)
71.李瑞峰.李伟招基于多传感器信息融合的移动机器人路径规划[期刊论文]-机电一体化 2002(4)
72.庄晓东.孟庆春.殷波.王汝霖.熊建设.王旭柱动态环境中基于模糊概念的机器人路径搜索方法[期刊论文]-机器人 2001(5)
本文链接：https://www.360docs.net/doc/026173797.html,/Periodical_jqr200002001.aspx