Knowledge Management System of Hefei Institute of Physical Science，CAS
| 基于混合策略的移动机器人避障算法探究 | |
| 其他题名 | Research on Obstacle Avoidance Algorithm for Mobile Robot Based on Hybrid Strategy |
张倩倩1; 余道洋1 ; 李民强1
| |
| 2019 | |
| 发表期刊 | 控制工程
 |
| ISSN | 1671-7848 |
| 摘要 | 针对已有传统避障算法的各种缺陷,提出一种矢量场直方图法(Vector FieldHistogram, VFH)结合神经网络(Neural Network)算法的新型混合实时避障策略.该策略利用矢量场直方图法实现基础避障,得到大量数据集.利用样本集训练神经网络可以得到一个神经网络预测器.从而实现同时具有预测和控制运动矢量的效果.为了验证该策略的有效性,针对不同障碍环境下进行仿真,并与单一避障效果进行了对比.仿真实验验证了这种实时避障策略的可行性和优越性. |
| 其他摘要 | A new hybrid real-time obstacle avoidance strategy based on VFH (Vector Field Histogram) and neural network algorithm is proposed according to traditional obstacle avoidance algorithm. In this strategy the vector field histogram method is used to achieve obstacle avoidance firstly, while obtaining a large number of data sets. And a neural network predictor can be obtained by training the data sets. Thereby by this algorithm it can achieve the effect of simultaneously predicting and controlling the motion vector. In order to verify the effectiveness of the strategy, simulation is carried out for different obstacles, and comparing with the single obstacle avoidance. The simulation experiment verifies the feasibility and superiority of this real-time obstacle avoidance strategy. |
| 关键词 | 移动机器人 矢量场直方图算法 神经网络 混合策略避障控制 |
| 收录类别 | CSCD |
| 语种 | 中文 |
| CSCD记录号 | CSCD:6539032 |
| 引用统计 | |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.hfcas.ac.cn:8080/handle/334002/55644 |
| 专题 | 中国科学院合肥物质科学研究院 |
| 作者单位 | 1.中国科学院合肥智能机械研究所 2.中国科学技术大学自动化系 |
| 推荐引用方式 GB/T 7714 | 张倩倩,余道洋,李民强. 基于混合策略的移动机器人避障算法探究[J]. 控制工程,2019,036. |
| APA | 张倩倩,余道洋,&李民强.(2019).基于混合策略的移动机器人避障算法探究.控制工程,036. |
| MLA | 张倩倩,et al."基于混合策略的移动机器人避障算法探究".控制工程 036(2019). |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [张倩倩]的文章 |
| [余道洋]的文章 |
| [李民强]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [张倩倩]的文章 |
| [余道洋]的文章 |
| [李民强]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [张倩倩]的文章 |
| [余道洋]的文章 |
| [李民强]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论