专利交易市场

本发明公开了一种改进A‑RRT的移动机器人路径规划方法，属于机器人的运动规划技术领域。本发明的改进A‑RRT的移动机器人路径规划方法，采用融合人工势场的RRT*算法和膨胀半径的A‑RRT*算法，可以有效减小规划的路径代价，为移动机器人规划出一条优化的路径，并提高其运行的平稳性，完成移动操作机器人的地图构建与路径规划。与传统RRT、RRT*相比，改进后的算法能够在较短的时间内完成路径规划，路径的代价会更小，搜索效率高，具备更高的安全性，且构架保持了原有简洁的特点；将该算法应用在串联机器人的关节空间中，使串联机器人能够在工作空间中有障碍物的情况下得到一条安全的路径；引入基于Minimum Snap的AR‑RRT*算法路径平滑方法，最后引入动态窗口法对局部路径进行规划。

本发明涉及一种基于改进遗传算法的移动机器人路径规划方法及系统，本移动机器人路径规划方法包括如下步骤：步骤S1，环境建模；以及步骤S2，执行遗传算法以输出最优路径；本发明的移动机器人路径规划方法及系统加快机器人的搜索效率，避免陷入局部最优，提高了算法的性能，并且有效避免了局部最优解以及克服了传统遗传算法收敛速度慢的问题。

本发明公开了一种基于改进人工势场法的消防移动机器人路径规划方法及系统，方法包括获取火灾点；获取火灾点附近的消防移动机器人的坐标点；设置目标点，并建立目标点和消防移动机器人之间的对应关系；读取环境信息，采用改进人工势场法计算消防移动机器人对应的合力；判断消防移动机器人是否陷入局部极小点，若是则采用模拟退火算法逃离局部极小点，然后重新计算合力；否则将计算得到的合力发送至对应的消防移动机器人，判断运动后的消防移动机器人是否达到对应的目标点，若已达到目标点则执行灭火作业；否则重新计算合力。本发明解决了人工势场法路径规划时出现的目标不可达和陷入局部极小点问题，同时消防移动机器人规避障碍更快到达目标点。

本发明提供了一种排序野马优化算法的移动机器人路径规划方法，通过引入动态位置权重，使得在求解的初期阶段最优解的搜索范围广，收敛速度快，在求解的后期阶段，局部搜索能力强，能够避免算法陷入局部最优。

本发明公开一种基于改进PRM和人工势场的移动机器人路径规划方法，涉及机器人路径规划技术领域，包括以下步骤：S1、PRM对全局环境信息进行学习，在无向图中进行随机撒点，并对采样点加入椭圆约束；S2、PRM对可行节点进行路径搜索，计算最优路径，导出路径节点；S3、构建人工势场，人工势场由引力势场和斥力势场叠加而成；目标点对移动机器人提供引力，本发明方法简单易实现，同时结合了PRM算法概率性完备、收敛性良好与APF算法计算小、实时性高等优点，解决了人工势场法的局部最小值问题和目标不可达问题，并且通过对PRM加入椭圆约束，保证了PRM在相同采样点下采样点更加密集，规划路径时间更少，满足移动机器人动态避障的要求。

本发明提供了一种基于改进ACS算法的移动机器人路径规划方法，涉及机器人路径规划技术领域，包括：在栅格地图中指定移动机器人的初始节点和目标节点；根据ACS算法进行路径规划，为移动机器人路径规划初期提供一个算法平台，在ACS算法中利用对初始信息素浓度的更新，改进对初始信息素浓度的分配规则，降低了算法初期蚁群寻路的盲目性，引入蚁群引力规则，有效解决ACS算法在路径搜索过程中蚁群寻路盲目性较大，从而导致算法收敛速度慢的情况，提出了路径平滑处理方案，提升算法规划路径的平滑性，本发明提供的方法优于ACS算法，使得移动机器人行走更加平滑，运行时间更少、工作效率更高。