gggggg1234456的博客

翻译 基于改进A的全局动态路径规划方法研究∗ 算法 翻译+总结

针对智能驾驶全局路径规划的最优路径和规划效率问题，提出了一种基于改进a∗ 算法。首先，该方法改进了传统A的启发式功能∗ 提高全局路径规划效率的算法。其次，该方法采用路径优化策略，使全局路径更加平滑。㼿ird，该方法与动态窗口方法相结合，以提高智能车辆动态避障的实时性。最后，提出了一种改进的全局动态路径规划方法∗ 通过仿真实验和实车试验对算法进行了验证。在仿真分析中，与改进的A∗ 算法与传统的A∗ 算法中，本文的方法将路径距离缩短了2.5%∼3.0%，提高效率10.3%∼13.6%，生成更平滑的路径。在实车试

原创 神经RRT*：基于学习的最优路径规划 翻译+总结

摘要：快速随机探索树（RRT）及其变体由于能够快速有效地探索状态空间而非常流行。然而，它们对初始解很敏感，收敛到最优解的速度很慢，这意味着它们需要消耗大量内存和时间来找到最优路径。在许多应用中，如功率/燃料有限的自动驾驶汽车，快速找到一条短路径至关重要。为了克服这些局限性，我们提出了一种基于卷积神经网络（CNN）的最优路径规划算法，即神经RRT*（NRRT*）。NRRT*利用CNN模型产生的非均匀采样分布。利用大量成功的路径规划案例对模型进行训练。在本文中，我们使用A*算法生成由地图信息和最优路径组成...

原创 PSO求解二维路径规划的步骤如下

STEP1：创建二维环境STEP2：初始化参数STEP3：初始化粒子群中各个粒子的位置和速度STEP4：主循环，迭代MaxIt次，每次循环更新nPop个粒子的速度和位置，以更新某一个粒子的速度和位置为例STEP4.1：更新当前粒子的...

原创 移动机器人路径规划算法综述（二）

机器人的路径规划技术，其实是参照某一个参数 的指标( 如工作代价值最低，选择路径最短，运算时间消耗最短等) ，在任务区域选择出一条可从起点连接到终点的最优或次优的避障路径。其本质是在几个约束条件下得到最优或可行解的问题。路径规划结果的优劣，将直观地对机器人完成任务的实时性及结果优劣造成影响。 局部路径规划：基于部分区域信息理解的路径规划——局部路径规划是在机器人执行任务过程中根据自身携带传感器采集到的局部环境信息进行的实时动态路径规划，具有较高的灵活性和实时性。但由于依靠的是...

原创 蚁群算法说明

原创 入门路径优化算法

原创 移动机器人路径规划算法研究综述（一）

移动机器人路径规划:指的是各种传感器对机器人自身的影响，依照环境的感知，通过一个或多个评判标准规划安全的运行路线，寻找出一条机器人能从从起始点运动到目标点的最佳路线。在规划中根据机器人功能用一定的算法计算机器人绕过某些必要的障碍物所需要完成的时间和效率，上述讲到可以将计算机路径规划分为全局和局部路径。全局路径和局部路径各有各的优势，我们要在此基础上，在机器人绕开障碍物的同时也要尽量选择最优路线。 全局规划：在于全面解决环境的规划问题，全局路径规划是在整体的环境下 在环境寻找最优路径...

原创 B样条曲线（B-spline Curves）

一、定义1.1 概述是B-样条基曲线（给定区间上的所有样条函数组成一个线性空间。这个线性空间的基函数就叫做B样条基函数）的线性组合。B-样条是贝兹曲线的一种一般化，B样条不能表示一些基本的曲线，比如圆，所以引入了NURBS,可以进一步推广为非均匀有理B-样条(NURBS)。三者关系可以表示为：细分定义域直接细分（Subdividing）曲线是很困难的。因此，我们细分曲线的定义域。因此，如果曲线的定义域是[0,1]，这个闭区间被称为节点（knots）的点细分而成。设这些节点是 0 &.

原创 基于双层蚂蚁算法和区域优化的机器人导航新算法 翻译+总结

摘要摘要提出了一种用于机器人自主导航的双层蚁群优化算法DL-ACO。该DL-ACO由两个独立和连续运行的蚁群算法组成。首先，我们提出了一种并行精英蚁群优化方法来生成复杂地图中的初始无碰撞路径，然后，我们应用了一种称为转折点优化算法的路径改进算法，其中初始路径在长度、平滑度和安全性方面进行了优化。此外，为了便于移动机器人的跟踪控制，提出了一种分段B样条路径平滑器。通过仿真验证了该方法的有效性，并与其他路径规划算法进行了比较。实验结果表明，该方法能够高效、一致地生成更好的无碰撞路径，证明了该算法的有效性。此