【摘 要】
：
避障路径规划问题在因其在移动机器人、无人机（Unmanned Aerial Vehicle,UAV）、通信路由等领域广泛应用,一直是学者们研究的热门方向。针对路径规划问题学者们提出的算法层出不穷,其中快速随机搜索树（Rapid-exploration Random Tree,RRT）算法因其规划效率高、动态环境适应性强、高维可用、概率完备等优点,在路径规划算法中占有重要地位。本文采用基于位姿空间概
论文部分内容阅读
避障路径规划问题在因其在移动机器人、无人机（Unmanned Aerial Vehicle,UAV）、通信路由等领域广泛应用,一直是学者们研究的热门方向。针对路径规划问题学者们提出的算法层出不穷,其中快速随机搜索树（Rapid-exploration Random Tree,RRT）算法因其规划效率高、动态环境适应性强、高维可用、概率完备等优点,在路径规划算法中占有重要地位。本文采用基于位姿空间概念的避障路径规划问题数学模型为背景,在此基础上针对RRT算法的随机搜索导致的节点扩展冗余、搜索方向无目标性导致的算法规划效率低下等问题,提出了一种改进算法,自适应目标偏向RRT（Adaptive Goal Biasing-RRT,AGB-RRT）,并将其改进策略推广至渐进最优快速随机搜索树（RRT*）算法。本文主要成果包括:（1）提出了一个基于采样点偏向目标点的改进策略,该策略在所有采样点进行父节点选择之前,先对其进行偏向目标节点处理,使得整个快速随机树的扩展方向都拥有偏向目标节点的趋势,从而改进了RRT算法无向性带来的算法效率低下等问题。（2）提出了一个自适应权重的步长调整改进策略,该策略可以根据扩展节点的深度以及被扩展节点与目标节点的距离来进行步长权重的动态调整,使得扩展过程中的步长可发生自适应变化,从而达到减少采样点、提升RRT算法计算效率的效果。最后,本文在基于R树的仿真环境中分别对RRT、AGB-RRT和AGB-RRT*算法进行了多组二维和三维仿真对比实验,验证了AGB-RRT和AGB-RRT*算法在采样点数、算法收敛速度等多个方面相比于RRT与RRT*的提高,证明了改进策略的有效性。
其他文献
近年来随着社交网络OSN（Online Social Network）的不断兴起,微博平台也日渐成熟。随着大量用户的涌入,恶意营销用户也随之而来。恶意用户将商品信息在社交网络中大肆传播,诱导用户购买以从中获利。其行为严重污染微博社交环境,影响用户体验。如何从用户量巨大的微博平台中识别出恶意营销用户,一直是恶意用户识别领域需要精细化处理的问题。目前该领域的研究中大多采用集成学习算法。使用人工选取的特
随着国际贸易的发展与信息爆炸时代的到来,表单由于其简单直观的特点,在交通物流领域得到了广泛的应用,同时在金融和医疗等领域也变得越来越不可或缺,如物流表单、收据和简历等。随着各行各业的智能化与数字化改革,迫切需要实现多类型表单的自动化抽取,将表单中的信息保存成结构化数据便于留存与检索。以交通物流表单为例,在实际应用中,国际物流表单大多样式复杂且种类繁多,而目前投入应用的表单关键信息抽取算法通常只针对
本文结合太原市轨道交通2号线PPP项目实例研究运营组织优化的策略,研究以太原公共交通控股（集团）有限公司（以下简称:公交公司）和太原中铁轨道交通建设运营有限公司（以下简称:轨交公司）在太原地铁2号线开通后运营组织优化的实际博弈场景为依托,根据场景中轨道交通与常规公交的竞争和合作关系构建了运营优化博弈模型,利用实际运营数据演算模型参数,求解了在实际博弈场景下的Nash均衡解,验证了模型的合理性;利用
随着教育信息化的不断发展,许多学校和教育企业为了更好地管理学生和教师信息,开始使用数字化的教育信息管理系统。然而针对小学生的学生手册,仍以纸质表格的存储形式为主,若将其人工录入至系统中,则需要耗费大量的时间和人力。为了减少时间成本和人力成本,本文设计并实现了一个基于深度学习的学生手册识别系统,实现了学生手册信息的自动录入。本文的学生手册识别系统设计与实现以特定的学生手册为目标。常见的表格定位算法和
目标跟踪是计算机视觉领域的重要研究方向,因其涉及到目标尺度变化,快速运动,背景干扰等实际因素的影响及其任务的特殊性,目标跟踪成为了计算机视觉领域最具挑战性的任务之一。因此,如何借助深度学习设计一个更加精准的跟踪模型成为了当前目标跟踪任务的研究热点。近年来随着深度学习的不断发展,以及深度神经网络所具有的独特优势,为解决目标跟踪任务中遇到的难点问题提供了坚实的基础。本文对目标跟踪任务中遇到的问题进行了
近年来,多智能体系统（MAS）的一致性控制问题受到了工程学、社会科学、数学、物理学等方面学者的广泛关注。相比于单系统而言,多智能体系统由于其智能体间的相互协作,可以被用来解决很多单个的智能体难以完成的任务,更具有实用性。而脉冲控制作为一种特殊的非连续控制手段,具有效率高、维护费用低、可靠性高、鲁棒性好、方便易操作的特点。已经在肿瘤治疗、保密通信技术、生物种群控制、自动驾驶设计、电力系统调节等方面得
路径规划是移动机器人领域的关键问题之一,主要涉及移动机器人在工作空间中,从当前位置运动到目标位置的可行路径搜索。路径规划问题针对的环境可以是静态的,也可以是动态的。当环境中存在动态障碍物时,路径规划算法不仅要找到最优路径,而且要保持对最优路径的跟踪,以足够高的频率实时更新其路径,以保持对周围事件的响应。本文通过对已有的D*lite规划方法的分析,对该方法中的一些不足提出了相应的改进和优化。具体包括
随着扫描测量和计算机技术的不断发展,日常的二维图像测量扫描已经不能满足人们测量的要求,点云数据是三维图像存在的比较常见的形式,相对于二维数据,它能够更加高效存储三维物体详细信息,而激光雷达、Kinect等新型的三维传感器出现,使得点云数据收集会更加的便利,三维点云应用也会越来越广泛。但是目前的点云数据仍具有无序性、稀疏性的特点,并且一些小规模的点云数据集包含的信息及数量有限,所以通过点云数据预处理
计算机硬件计算能力的大大提高和大规模数据集的不断出现,让深度学习技术也在不断迈入新阶段。深度学习系统的发展在带来机遇的同时,也给其测试技术带来了新的挑战。与传统软件相比,深度学习系统在内部结构与外部表现方面均存在很大的差异,无法直接将传统软件测试技术中的白盒测试方法应用于深度学习系统。目前,已有多个关于深度学习系统的白盒测试覆盖准则被提出,但准则在实际系统中应用的有效性尚有待检验。本文主要研究深度
近年来,重大传染病疫情因其持续时间长、扩散范围广、危害程度高、防控难度大等特点,给世界各国经济发展及人民生活带来了严重威胁,成为各国公共卫生安全防治的主要议题。而由于疫情的突发性和不确定性,人们往往无法预测疫情的发生时间与强度,因此在应急物资调度初期及应急高峰期由于物资生产与储备不足或调度不及时等原因,应急医疗物资短缺问题时有发生。同时,随着疫情强度和扩散范围的变化,传染病应急物资调度往往具有动态