【摘 要】
:
近年来,随着科技的快速发展,移动机器人的应用已经涉及到生产生活的方方面面。而移动机器人的路径规划问题作为一个热门的研究方向,吸引了大量的学者对其进行研究。移动机器人的路径规划是指将地图等先验信息和传感器感知的数据进行分析处理,按照设定好的策略搜索到一条从起点到目标点的无碰撞路径。根据移动机器人对周围环境感知程度的不同,路径规划可以分为全局路径规划和局部路径规划,全局路径规划是基于已知的全局环境信息
论文部分内容阅读
近年来,随着科技的快速发展,移动机器人的应用已经涉及到生产生活的方方面面。而移动机器人的路径规划问题作为一个热门的研究方向,吸引了大量的学者对其进行研究。移动机器人的路径规划是指将地图等先验信息和传感器感知的数据进行分析处理,按照设定好的策略搜索到一条从起点到目标点的无碰撞路径。根据移动机器人对周围环境感知程度的不同,路径规划可以分为全局路径规划和局部路径规划,全局路径规划是基于已知的全局环境信息进行规划,局部路径规划是在未知的环境下,根据传感器感知的数据构建局部环境模型并进行规划。全局路径规划中采用A*算法,针对传统A*算法规划路径的转折点较多且不满足全局最优性的问题,提出了一种基于自适应邻域搜索和转向代价的A*算法;局部路径规划中采用DWA算法,针对结合全局路径的DWA算法不能快速到达目标点的问题,提出了一种基于全局路径转折点引导的DWA算法。创新性工作主要包括以下两个部分:(1)基于自适应邻域搜索和转向代价的A*算法。针对传统A*算法规划路径的转折点较多以及受到8邻域搜索节点策略的约束导致不满足全局最优性的问题,首先设计了一种自适应邻域搜索节点的策略,使算法能够根据周围障碍物的信息,自适应的选择合适的邻域搜索最优子节点;然后通过建立移动机器人转向代价模型,将转向代价引入到A*算法的估价函数中;基于自适应邻域搜索和转向代价的A*算法突破了8邻域搜索节点的约束,缩短了路径长度,并利用转向代价搜索到转折点较少的全局最优路径。(2)基于全局路径转折点引导的DWA算法。针对结合全局路径的DWA算法在局部子目标点处频繁减速导致移动机器人行驶时间过长的问题,提出了一种基于全局路径转折点引导的DWA算法,首先通过提取全局路径中的转折点,将其作为DWA算法的局部子目标点;然后对DWA算法的评价函数进行优化,增加靠近全局路径评价子函数使规划路径更加贴合全局路径,路径方向评价子函数使移动机器人方向更加平稳。基于全局路径转折点引导的DWA算法规划的路径满足全局最优性,而且通过减少局部子目标点的个数,大大缩短了行驶时间。实验结果表明,相比于传统A*算法,基于自适应邻域搜索和转向代价的A*算法的路径总代价减少了19.3%,转折点数量减少了44.4%;与结合全局路径的DWA算法相比,全局路径转折点引导的DWA算法行驶时间缩短了41.9%。
其他文献
PCI-Express是一种串行高速计算机扩展总线的标准,简称PCIe。PCIe总线广泛应用于个人电脑、手机乃至工作站、服务器中。如今随着存储技术的高速发展以及存储数据量的急剧膨胀,基于PCIe总线的固态硬盘渐渐展露头角,以其优越性在SSD领域取得了有利地位,特别是用于数据中心和服务器中的企业级SSD更是需要更大带宽和频率的产品来保证其数据速率。而PCIe4.0在带宽和频率的极大提升使得该接口会成
分布式文件共享平台作为分布式网络最流行的应用之一,正处于成熟发展和广泛部署的时期。平台用户间共享带宽、上传资源和存储数据,为彼此带来优质的资源和高速的下载体验。然而部分用户只享受优质资源和高速下载,却不进行上传和分享,即搭便车(free riding)行为。搭便车行为会影响其他用户的共享积极性,当搭便车用户达到一定数量时平台将无法继续运营。现有的解决方案是利用激励机制鼓励共享带宽和上传资源的用户,
交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)是一种适合求解分布式凸优化问题的有效方法,它结合了增广拉格朗日函数和对偶上升法,可广泛应用于机器学习、压缩感知、信号处理等大数据处理领域。ADMM算法及其变化形式求解凸优化问题在收敛性能等方面有很多普遍性的研究成果,但是对于求解非凸优化问题的相关理论结果不具有一般性。然而在实际的应用中
随着通信技术的飞速发展,各类电子设备对天线设计的要求越来越严格,而天线测量技术也成为了天线设计中重要的环节之一。现代天线测量技术主要分为近场测量,远场测量和紧缩场测量等三种,而近场测量技术又分为两大类。主流的技术采用平面波谱展开待测天线和探头天线的近场,并采用快速傅立叶变换算法算出待测天线的远场,从而实现天线的近远场变换。另一种技术就是本文讨论的等效源重构方法,它不需要考虑可信角的问题,可以得到天
卷积神经网络算法近年来得到快速发展,使目标检测、图像分类等技术得到广泛应用。随着卷积神经网络层数不断加深,在提高准确率的同时极大增加了网络参数量和计算量,严重影响图像分类等技术在嵌入式平台的使用。为解决上述问题,本文采用轻量化XNOR网络的设计思想,对网络中的输入特征图和权重进行二值化处理,压缩了网络模型存储空间,便于神经网络在嵌入式硬件平台上部署实现。由于FPGA具备低功耗、低延时等特点,适合二