CN101738195A - 基于环境建模与自适应窗口的移动机器人路径规划方法 - Google Patents
基于环境建模与自适应窗口的移动机器人路径规划方法 Download PDFInfo
- Publication number
- CN101738195A CN101738195A CN200910113086A CN200910113086A CN101738195A CN 101738195 A CN101738195 A CN 101738195A CN 200910113086 A CN200910113086 A CN 200910113086A CN 200910113086 A CN200910113086 A CN 200910113086A CN 101738195 A CN101738195 A CN 101738195A
- Authority
- CN
- China
- Prior art keywords
- win
- robot
- goal
- window
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
基于环境建模与自适应窗口的移动机器人路径规划方法,涉及一种移动机器人实时路径规划方法。一个进行多约束局部环境建模和分析的步骤;一个可通过性分析的步骤;一个安全性分析的步骤;一个运动平稳性分析的步骤:一个目标引导性分析的步骤;一个采用自适应窗口的路径规划的步骤。由于具有更好的环境适应性和避障能力,获得较好的安全性和可达性,并具有较高的计算实时性,因此解决了不确定复杂环境下移动机器人实时生成避障路径的问题,提供了一种综合最优的路径选择方法,较好地满足移动机器人的避障要求,实现机器人的实时路径规划和控制,为移动机器人的导航应用提供一个有效的无碰撞路径规划方法。
Description
技术领域
本发明涉及一种移动机器人路径规划方法,尤其是涉及一种基于局部环境建模和自适应窗口的移动机器人实时路径规划方法。
背景技术
路径规划是指找到一条从起始点到目标点之间的安全无碰撞路径,是机器人导航研究中的重要课题。按对环境知识的了解,可分为已知环境和未知环境下的路径规划。无论机器人路径规划属于哪种类别,采用何种规划方法,基本上都要遵循以下步骤:1)建立环境模型,即将机器人所处的现实世界进行抽象后建立相关的模型;2)搜索无碰撞路径,即在某个模型的空间中寻找合乎条件的路径的搜索算法。在全局规划中,机器人周围的环境信息是完全已知的,因而可以离线地规划出一条最优路径。最优的标准可以是最短、最安全或所需能量最小等。这方面已有许多解决方法,如单元分解法、投影法、路标法、栅格法、可视图法等。全局方法通常可以寻找最优解,但是需要预先知道环境的准确信息,并且计算量很大。与全局方法相比,实时的局部路径规划侧重于考虑机器人当前探测到的环境信息,让机器人具有更好的避碰能力。这方面最具代表性的研究是人工势场法、模糊逻辑法、滚动窗口法等。
移动机器人的路径规划算法是伴随着移动机器人的发展为满足机器人的需求而发展的。当今,无人地面、水下、空中机器人发展迅速,足球机器人比赛如火如荼,并且机器人正朝着微小型化和多机器人协作方向发展。随着星球探测和无人战争的需要,对机器人的研究越来越注重于在复杂、非结构化的未知复杂环境中自主导航。为了满足移动机器人发展的需要,路径规划正在并且将会向高维自由度机器人、多机器人协调、动态未知环境中的规划发展。
公告号为CN1230478的发明专利提供一种机器人行走路径规划装置和方法。该装置包括规划器、低通滤波器、伺服控制器和伺服马达。所述方法包括如下步骤:收到对应于预定目标位置的信号输入以后,计算初始速度分布曲线;通过使用一个单级低通滤波器,对初始速度分布曲线进行内插处理而获得经滤波处理的速度分布曲线;以及利用经滤波处理的速度分布曲线来控制伺服马达的加速和减速。
发明内容
本发明的目的在于提供一种基于环境建模与自适应窗口的移动机器人路径规划方法。
本发明包括以下步骤:
1)一个进行多约束局部环境建模和分析的步骤;
2)一个可通过性分析的步骤;
3)一个安全性分析的步骤;
4)一个运动平稳性分析的步骤:
5)一个目标引导性分析的步骤;
6)一个采用自适应窗口的路径规划的步骤。
在步骤1)中,所述多约束局部环境建模和分析的步骤是:机器人用激光传感器感知障碍物的信息,每一个障碍物探测点相对于机器人的位置可由激光传感器直接得出,角度扫描间隔为逆时针对激光扫描点进行标记为其中li以扫描角和对应的测量距离di来表示,即极坐标形式
根据以上传感器扫描探测到的局部环境信息,设计一个动态自适应规划窗口,其半径rwin可根据环境信息动态调整,把t时刻测距范围内探测到的局部环境信息在半径为rwin的半圆窗口中,表示为Win(rwin(t))={l1,l2,…,li,…,l181},其中扫描点li被重新定义为:
在步骤2)中,所述可通过性分析的步骤是:采用边界线扩展法对障碍物进行膨胀后,将机器人视为一个不记大小的质点,定义li方向上的可通行代价函数为:
在步骤3)中,所述安全性分析的步骤是:对可通过li序列来说,其与障碍物边界线的夹角越大,机器人沿此方向行进的安全性就越高,定义li的安全性度量函数为:
其中θi FDL、θi FDR分别为FD(li)的左右边界li FDL、li FDR所对应的方向角。
在步骤4)中,所述运动平稳性分析的步骤是:机器人可以在360°范围任意转向,引入路径平滑性因素,定义li的平滑性代价函数为:
在步骤5)中,所述目标引导性分析的步骤是:目标点PG=(xG,yG)对于局部环境中任一方向序列li的路径引导函数为
其中θgoal=arctan(yG-yR/xG-xR)为目标点PG(xG,yG)相对于机器人的方向(θgoal∈[-π,π])。
在步骤6)中,所述采用自适应窗口的路径规划的步骤是:在环境建模和分析基础上,设计一种基于自适应窗口的实时路径规划方法,包括机器人的趋向目标行为和机器人的沿墙行走行为。
所述机器人的趋向目标行为包括确定即时子目标和规划窗口自适应调整。
所述确定即时子目标的方法为:
规划窗口为Win(rwin(t)),若 首先利用启发式函数f(li)=g(li)+h(li)来选取使f(li)最小的扫描点作为子目标(记作lgh),即
式中:g(li)——机器人从当前位置向li方向行进的代价,h(li)——从li方向行进到目标点方向的代价,根据环境建模的分析,定义
确定lgh后,在其所在的可通过方向域FD(lgh)中求安全性子目标lsafe和平稳性子目标lsmooth:
至此,根据不同的性能指标要求得到位于可通过方向域FD(lgh)中的3种子目标点:lgh=(θgh,rwin)、lsafe=(θsafe,rwin)、lsmooth=(θsmooth,rwin)。综合考虑安全性和运动平稳性约束,对子目标方向进一步优化选择,最终即时子目标Psub为:
Psub={(θsub,ρsub)|θsub=kghθgh+ksafeθsafe+ksmoothθsmooth,ρsub=rwin(t)} (11)
正系数kgh、ksafe、ksmooth:kgh+ksafe+ksmooth=1。
所述规划窗口自适应调整的方法为:
动态窗口Win(rwin(t))中总的可通过方向域和记为定义如下:
在趋向目标行为中,Win(rwin(t))的调整原则为:当较大时,可以加大Win(rwin(t)),进一步扩展机器人的探测范围,寻找更优的子目标;当较小时,应该减小Win(rwin(t)),缩小机器人的探测范围,以便在狭窄空间中找到可行路径,即
rwin(t+1)=rwin(t)+Δr (13)
当时,
Δr=Δrmin (14a)
Δr=Δrmax (14c)
所述机器人的沿墙行走行为包括局部极小的判断、确定即时子目标和规划窗口的动态调整。
所述局部极小的判断方法为:
当机器人陷入局部极小时,机器人运动轨迹会出现振荡,或沿着某一闭合路径运动,从而不可能到达目标点。为了避免出现这种情况,需要提前预测机器人是否会进入局部极小状态,通过距离比较来判断:
D(Psub,PG)≥min(D(PR,PG),Dleave) (15)
其中D(Psub,PG)为子目标点与全局目标点之间的距离,D(PR,PG)为机器人与全局目标点之间的距离,Dleave为趋向目标的保证距离,在离开沿墙走行为时定义,初始化为Dleave=D(PS,PG)。若条件(15)满足,而且目标点位于机器人的左侧,则follow_left_wall(沿左墙)行为被激活;若条件(15)满足,但目标点位于机器人的右侧,则follow_right_wall(沿右墙)行为被激活。一旦进入沿墙走行为,记录机器人与目标点之间的最短距离Dmin。使用沿墙走解死锁算法而使移动机器人沿着障碍物的边界运动,直到满足以下退出条件
D(PN,PG)<Dmin (16)
其中D(PN,PG)为点PN和PG之间的距离,PN为沿墙走行为中下一时刻的预计到达位置。离开沿墙走行为时,更新Dleave=D(PR,PG)。
所述确定即时子目标的方法为:
当follow_left_wall激活时,采用Win(rwin(t))中左起第一个障碍物的右边界线扩展线对应的扫描点为即时子目标;当follow_right_wall激活时,采用Win(rwin(t))中右起第一个障碍物的左边界线扩展线对应的扫描点为即时子目标。机器人对确定的子目标点进行跟踪,即可沿着障碍物行走;当机器人沿障碍绕行的距离超过设定值Lmax1时仍未退出则自转180°再向另一绕行模式运动,在新的绕行模式下若绕行的距离超过设定值Lmax2仍未退出(取Lmax2>2Lmax1),则停止路径(认为目标不可达)。
在沿墙走行为中,若发现目标点PG位于Win(rwin(t))的可通过域中,则直接以PG作为当前的即时子目标。
所述规划窗口的动态调整的方法为:
在沿墙走行为中,若为follow_left_wall,若 则设置 否则窗口大小不变;若为follow_right_wall,若 则设置rwin(t+1)=d1,否则窗口大小不变。
与已有技术相比,本发明由于具有更好的环境适应性和避障能力,获得较好的安全性和可达性,并具有较高的计算实时性。因此本发明解决了不确定复杂环境下移动机器人实时生成避障路径的问题,提供了一种综合最优的的路径选择方法,较好地满足移动机器人的避障要求,实现机器人的实时路径规划和控制,为移动机器人的导航应用提供一个有效的无碰撞路径规划方法。
附图说明
图1为子目标优选示意图。
图2为只考虑可通行性的行走路径。
图3为考虑了安全性的行走路径。
图4为进一步考虑了运动平稳性的行走路径。
图5为“回”形复杂环境下的行走路径。
图6为“U”形复杂环境下的行走路径。
图7为窗口半径rwin=1.8m时的路径。
图8为窗口半径rwin=7m时的路径。
图9为窗口大小自适应调整时的路径。
图10为窗口半径rwin(t)的动态调整过程。在图10中,横坐标为时间t/s,纵坐标为窗口半径rwin(t)m。
在图2~9中,起始点为S,目标点为G。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
实施例1
1)多约束局部环境建模和分析
根据以上传感器扫描探测到的局部环境信息,设计一个动态自适应规划窗口,其半径rwin可根据环境信息动态调整,把t时刻测距范围内探测到的局部环境信息在半径为rwin的半圆窗口中表示为Win(rwin(t))={l1,l2,…,li,…,l181},其中扫描点li被重新定义为:
2)可通过性分析
采用边界线扩展法对障碍物进行膨胀后,将机器人视为一个不记大小的质点,定义li方向上的可通行代价函数为:
3)安全性分析
对可通过li序列来说,其与障碍物边界线的夹角越大,机器人沿此方向行进的安全性就越高,定义li的安全性度量函数为:
其中θi FDL、θi FDR分别为FD(li)的左右边界li FDL、li FDR所对应的方向角。
4)运动平稳性分析
机器人可以在360°范围任意转向,但实际应用中总期望机器人在行进过程中能够减少转向操作,尽量沿着比较平滑的轨迹行驶,这样有利于车体定位操作,同时降低能量消耗。
为了能将路径的平稳性反映到路径规划模型中,引入路径平滑性因素,定义li的平滑性代价函数为
5)目标引导性分析
目标点PG=(xG,yG)对于局部环境中任一方向序列li的路径引导函数为
其中θgoal=arctan(yG-yR/xG-xR)为目标点PG(xG,yG)相对于机器人的方向(θgoal∈[-π,π])。
6)采用自适应窗口的路径规划
在环境建模和分析基础上,设计一种基于自适应窗口的实时路径规划方法,包括趋向目标和沿墙行走两种行为如下:
(1)机器人的趋向目标行为
①即时子目标的确定
规划窗口为Win(rwin(t)),若 首先利用启发式函数f(li)=g(li)+h(li)来选取使f(li)最小的扫描点作为子目标(记作lgh),即
式中:g(li)——机器人从当前位置向li方向行进的代价,h(li)——从li方向行进到目标点方向的代价。根据环境建模的分析,定义
确定lgh后,在其所在的可通过方向域FD(lgh)中求安全性子目标lsafe和平稳性子目标lsmooth:
至此,根据不同的性能指标要求得到位于可通过方向域FD(lgh)中的3种子目标点:lgh=(θgh,rwin)、lsafe=(θsafe,rwin)、lsmooth=(θsmooth,rwin)。综合考虑安全性和运动平稳性约束,对子目标方向进一步优化选择,最终即时子目标Psub为:
Psub={(θsub,ρsub)|θsub=kghθgh+ksafeθsafe+ksmoothθsmooth,ρsub=rwin(t)} (11)
正系数kgh、ksafe、ksmooth:kgh+ksafe+ksmooth=1。
②规划窗口自适应调整
在趋向目标行为中,Win(rwin(t))的调整原则为:当较大时,可以加大Win(rwin(t)),进一步扩展机器人的探测范围,寻找更优的子目标;当较小时,应该减小Win(rwin(t)),缩小机器人的探测范围,以便在狭窄空间中找到可行路径,即
rwin(t+1)=rwin(t)+Δr (13)
Δr=Δrmin (14a)
当时,
Δr=Δrmax (14c)
(2)机器人的沿墙行走行为
①局部极小的判断方法
当机器人陷入局部极小时,机器人运动轨迹会出现振荡,或沿着某一闭合路径运动,从而不可能到达目标点。为了避免出现这种情况,需要提前预测机器人是否会进入局部极小状态,通过距离比较来判断:
D(Psub,PG)≥min(D(PR,PG),Dleave) (15)
其中D(Psub,PG)为子目标点与全局目标点之间的距离,D(PR,PG)为机器人与全局目标点之间的距离,Dleave为趋向目标的保证距离,在离开沿墙走行为时定义,初始化为Dleave=D(PS,PG)。若条件(15)满足,而且目标点位于机器人的左侧,则follow_left_wall(沿左墙)行为被激活;若条件(15)满足,但目标点位于机器人的右侧,则follow_right_wall(沿右墙)行为被激活。一旦进入沿墙走行为,记录机器人与目标点之间的最短距离Dmin。使用沿墙走解死锁算法而使移动机器人沿着障碍物的边界运动,直到满足以下退出条件
D(PN,PG)<Dmin (16)
其中D(PN,PG)为点PN和PG之间的距离,PN为沿墙走行为中下一时刻的预计到达位置。离开沿墙走行为时,更新Dleave=D(PR,PG)。
②即时子目标的确定
当follow_left_wall激活时,采用Win(rwin(t))中左起第一个障碍物的右边界线扩展线对应的扫描点为即时子目标;当follow_right_wall激活时,采用Win(rwin(t))中右起第一个障碍物的左边界线扩展线对应的扫描点为即时子目标。机器人对确定的子目标点进行跟踪,即可沿着障碍物行走;当机器人沿障碍绕行的距离超过设定值Lmax1时仍未退出则自转180°再向另一绕行模式运动,在新的绕行模式下若绕行的距离超过设定值Lmax2仍未退出(取Lmax2>2Lmax1),则停止路径(认为目标不可达)。
在沿墙走行为中,若发现目标点PG位于Win(rwin(t))的可通过域中,则直接以PG作为当前的即时子目标。
③规划窗口的动态调整_在沿墙走行为中,若为follow_left_wall,若 则设置 否则窗口大小不变;若为follow_right_wall,若 则设置rwin(t+1)=d1,否则窗口大小不变。
实施例2
本发明基于环境建模和自适应窗口的移动机器人路径规划方法,其路径规划中的行为决择和执行过程如下所述:
2)读取传感器数据,采用公式(1)的形式表示,再用公式(2)对li进行重新定义。
3)对障碍物A的边界进行膨化处理,采用公式(3)~(6)计算Win(rwin(t))中li的可通过性、安全性、运动平稳性和目标吸引性函数。
4)判断机器人当前处在哪种行为,若为趋向目标行为,转Step 5,否则转Step 6。
5)趋向目标运动(Motion toward Goal,MtG)(即5.1~5.3),直到满足以下条件之一:
当到达目标点时,停止运动。
当发现局部极小(即满足公式(15))时,转步骤6)。
5.1)如果目标点位于可通过域中,则直接以目标点作为当前的子目标,否则利用公式(7)~(10)计算子目标点lgh、lsafe和lsmooth,再用公式(11)对子目标进行优选,得到当前Win(rwin(t))内的即时子目标Psub,如图1。
5.2)如果无法确定即时子目标,机器人根据目标方向自转90°进行探测(即以(θR±π/2,0)为子目标点);
5.3)根据环境信息,采用公式(12)计算机器人的可通过方向域,然后用公式(13)和(14)对窗口Win(rwin(t))的半径进行调整,转步骤2)。
6)沿墙行走(Wall Following,WF)(即6.1~6.3),直到满足以下条件之一:
当到达目标点时,停止运动。
当满足退出条件(即满足公式(16))时,转步骤5)。
当沿墙行走的距离大于设定值仍未退出时,则认为目标不可达,停止运动。
6.1)根据目标点位置,选择follow_left_wall或follow_right_wall;
6.2)如果目标点位于可通过域中,则直接以目标点作为当前的子目标,否则根据沿墙走行为,即:follow_left_wall激活时,采用Win(rwin(t))中左起第一个障碍物的右边界线扩展线对应的扫描点为即时子目标,即图1中的lflw;当follow_right_wall激活时,采用Win(rwin(t))中右起第一个障碍物的左边界线扩展线对应的扫描点为即时子目标,即图1中的lfrw。
6.3)根据环境信息调整规划窗口的半径rwin(t+1),转步骤2)。
实施例3
为验证多约束环境模型中各种因素对路径规划的影响,图2~4给出简单环境下的路径规划结果。其中,图2为kgg=1,ksafe=ksmooth=0时的路径,只考虑了可通行性,所以尽管其路径最短,但离障碍物的距离却最近,这种情况很不利于机器人的安全行驶;图3为kgg=0.70,ksafe=0.30,ksmooth=0时的路径,考虑了安全性,与图2相比安全性明显得到提高(路径远离障碍物);图4为kgg=0.55,kdafe=0.20,ksmooth=0.25时的路径,进一步考虑了运动平稳性,有利于减少机器人的转向操作。
实施例4
当障碍物形状过于复杂或特殊时,机器人单靠实时探测的局部环境知识容易陷人死锁或振荡状态。本发明借助有效的WF行为可以脱离局部极小而顺利到达目标点。图5,机器人先采用follow_left_wall,行走Lmax1距离后未退出,再转向follow_right_wall行为,最后达到目标点;图6,机器人进入狭小的U形障碍物找不到子目标,自转90°后进入follow_left_wall行为,最后达到目标点。
实施例5
基于局部窗口的滚动规划算法中,如果窗口太小,机器人则不能及时提前进行避障行走;窗口太大,机器人则可能找不到可选子目标。如图7所示,为窗口半径较小时的路径,机器人不能及时进入MtG的绕行模式,所得路径弯曲较大;图8为窗口半径较大时规划得到的行走路径,机器人不能及时找到可行路径,两次陷入WF行为。
实施例6
采用基于自适应窗口的路径规划方法时,机器人能够根据环境信息对局部规划窗口的大小进行动态调整,所得路径如图9所示,其窗口大小的调整过程如图10所示。可以看出,图9中路径明显优于图7和图8中的路径,而且机器人路径规划的计算量与窗口大小无关,不会随着窗口的增大而增大每一次滚动规划中的局部规划时间。
Claims (10)
1.基于环境建模与自适应窗口的移动机器人路径规划方法,其特征在于包括以下步骤:
1)一个进行多约束局部环境建模和分析的步骤;
2)一个可通过性分析的步骤;
3)一个安全性分析的步骤;
4)一个运动平稳性分析的步骤:
5)一个目标引导性分析的步骤;
6)一个采用自适应窗口的路径规划的步骤。
2.如权利要求1所述的基于环境建模与自适应窗口的移动机器人路径规划方法,其特征在于在步骤1)中,所述多约束局部环境建模和分析的步骤是:机器人用激光传感器感知障碍物的信息,每一个障碍物探测点相对于机器人的位置由激光传感器直接得出,角度扫描间隔为,逆时针对激光扫描点进行标记为l1,l2,…,li,…,,其中li以扫描角和对应的测量距离di来表示,即极坐标形式
根据以上传感器扫描探测到的局部环境信息,设计一个动态自适应规划窗口,其半径rwin根据环境信息动态调整,把t时刻测距范围内探测到的局部环境信息在半径为rwin的半圆窗口中,表示为Win(rwin(t))={l1,l2,…,li,…,l181},其中扫描点li被重新定义为:
3.如权利要求1所述的基于环境建模与自适应窗口的移动机器人路径规划方法,其特征在于在步骤2)中,所述可通过性分析的步骤是:采用边界线扩展法对障碍物进行膨胀后,将机器人视为一个不记大小的质点,定义li方向上的可通行代价函数为:
若 连续均为0,且 则称序列li~lj为局部窗口Win(rwin(t))中的一个可通过方向域,lj、li分别为此方向域的左右边界。
4.如权利要求1所述的基于环境建模与自适应窗口的移动机器人路径规划方法,其特征在于在步骤3)中,所述安全性分析的步骤是:对可通过li序列来说,其与障碍物边界线的夹角越大,机器人沿此方向行进的安全性就越高,定义li的安全性度量函数为:
其中θi FDL、θi FDR分别为FD(li)的左右边界li FDL、li FDR所对应的方向角。
5.如权利要求1所述的基于环境建模与自适应窗口的移动机器人路径规划方法,其特征在于在步骤4)中,所述运动平稳性分析的步骤是:机器人在360°范围任意转向,引入路径平滑性因素,定义li的平滑性代价函数为:
6.如权利要求1所述的基于环境建模与自适应窗口的移动机器人路径规划方法,其特征在于在步骤5)中,所述目标引导性分析的步骤是:目标点PG=(xG,yG)对于局部环境中任一方向序列li的路径引导函数为
其中 为目标点PG(xG,yG)相对于机器人的方向,θgoal∈[-π,π]。
7.如权利要求1所述的基于环境建模与自适应窗口的移动机器人路径规划方法,其特征在于在步骤6)中,所述采用自适应窗口的路径规划的步骤是:在环境建模和分析基础上,设计一种基于自适应窗口的实时路径规划方法,包括机器人的趋向目标行为和机器人的沿墙行走行为。
8.如权利要求7所述的基于环境建模与自适应窗口的移动机器人路径规划方法,其特征在于所述机器人的趋向目标行为包括确定即时子目标和规划窗口自适应调整。
9.如权利要求8所述的基于环境建模与自适应窗口的移动机器人路径规划方法,其特征在于所述确定即时子目标的方法为:
规划窗口为Win(rwin(t)),若 首先利用启发式函数f(li)=g(li)+h(li)来选取使f(li)最小的扫描点作为子目标,记作lgh,即
式中:g(li)——机器人从当前位置向li方向行进的代价,h(li)——从li方向行进到目标点方向的代价,根据环境建模的分析,定义
确定lgh后,在其所在的通过方向域FD(lgh)中求安全性子目标lsafe和平稳性子目标lsmooth:
至此,根据不同的性能指标要求得到位于可通过方向域FD(lgh)中的3种子目标点:
lgh=(θgh,rwin)、lsafe=(θsafe,rwin)、lsmooth=(θsmooth,rwin),综合考虑安全性和运动平稳性约束,对子目标方向进一步优化选择,最终即时子目标Psub为:
Psub={(θsub,ρsub)|θsub=kghθgh+ksafeθsafe+ksmoothθsmooth,ρsub=rwin(t)}正系数kgh、ksafe、ksmooth:kgh+ksafe+ksmooth=1;
所述规划窗口自适应调整的方法为:
动态窗口Win(rwin(t))中总的可通过方向域和记为,定义如下:
在趋向目标行为中,Win(rwin(t))的调整原则为:当较大时,可以加大Win(rwin(t)),进一步扩展机器人的探测范围,寻找更优的子目标;当较小时,应该减小Win(rwin(t)),缩小机器人的探测范围,以便在狭窄空间中找到可行路径,即
rwin(t+1)=rwin(t)+Δr
当时,
Δr=Δrmin
Δr=Δrmax
10.如权利要求7所述的基于环境建模与自适应窗口的移动机器人路径规划方法,其特征在于所述机器人的沿墙行走行为包括局部极小的判断、确定即时子目标和规划窗口的动态调整;
所述局部极小的判断方法为:
当机器人陷入局部极小时,机器人运动轨迹会出现振荡,或沿着某一闭合路径运动,从而不可能到达目标点,为了避免出现这种情况,需要提前预测机器人是否会进入局部极小状态,通过距离比较来判断:
D(Psub,PG)≥min(D(PR,PG),Dleave) (15)
其中D(Psub,PG)为子目标点与全局目标点之间的距离,D(PR,PG)为机器人与全局目标点之间的距离,Dleave为趋向目标的保证距离,在离开沿墙走行为时定义,初始化为Dleave=D(PS,PG),若条件(15)满足,而且目标点位于机器人的左侧,则沿左墙行为被激活;若条件(15)满足,但目标点位于机器人的右侧,则沿右墙行为被激活,一旦进入沿墙走行为,记录机器人与目标点之间的最短距离Dmin,使用沿墙走解死锁算法而使移动机器人沿着障碍物的边界运动,直到满足以下退出条件
D(PN,PG)<Dmin
其中D(PN,PG)为点PN和PG之间的距离,PN为沿墙走行为中下一时刻的预计到达位置,离开沿墙走行为时,更新Dleave=D(PR,PG);
所述确定即时子目标的方法为:
当沿左墙激活时,采用Win(rwin(t))中左起第一个障碍物的右边界线扩展线对应的扫描点为即时子目标;当沿右墙激活时,采用Win(rwin(t))中右起第一个障碍物的左边界线扩展线对应的扫描点为即时子目标,机器人对确定的子目标点进行跟踪,即可沿着障碍物行走;当机器人沿障碍绕行的距离超过设定值Lmax1时仍未退出则自转180°再向另一绕行模式运动,在新的绕行模式下若绕行的距离超过设定值Lmax2仍未退出,取Lmax2>2Lmax1,则停止路径;在沿墙走行为中,若发现目标点PG位于Win(rwin(t))的可通过域中,则直接以PG作为当前的即时子目标;
所述规划窗口的动态调整的方法为:
在沿墙走行为中,若为沿左墙,若 则设置 否则窗口大小不变;
若为沿右墙,若 则设置rwin(t+1)=d1,否则窗口大小不变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101130868A CN101738195B (zh) | 2009-12-24 | 2009-12-24 | 基于环境建模与自适应窗口的移动机器人路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101130868A CN101738195B (zh) | 2009-12-24 | 2009-12-24 | 基于环境建模与自适应窗口的移动机器人路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101738195A true CN101738195A (zh) | 2010-06-16 |
CN101738195B CN101738195B (zh) | 2012-01-11 |
Family
ID=42461973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009101130868A Expired - Fee Related CN101738195B (zh) | 2009-12-24 | 2009-12-24 | 基于环境建模与自适应窗口的移动机器人路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101738195B (zh) |
Cited By (68)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103663A (zh) * | 2011-02-26 | 2011-06-22 | 山东大学 | 病房巡视服务机器人系统及其目标搜寻方法 |
CN102129249A (zh) * | 2011-01-10 | 2011-07-20 | 中国矿业大学 | 一种危险源环境下的机器人全局路径规划方法 |
CN102298388A (zh) * | 2011-08-22 | 2011-12-28 | 深圳市银星智能电器有限公司 | 一种用于移动机器人的制约系统 |
CN102359784A (zh) * | 2011-08-01 | 2012-02-22 | 东北大学 | 一种室内移动机器人自主导航避障系统及方法 |
CN102375416A (zh) * | 2010-08-13 | 2012-03-14 | 同济大学 | 基于快速搜索树的人型机器人踢球动作信息处理方法 |
CN103365293A (zh) * | 2013-05-08 | 2013-10-23 | 北京大学深圳研究生院 | 一种基于动态区域划分的机器人安全路径规划方法 |
CN103383569A (zh) * | 2013-05-31 | 2013-11-06 | 浙江工业大学 | 基于线性时序逻辑的移动机器人最优巡回路径设定方法 |
CN103439972A (zh) * | 2013-08-06 | 2013-12-11 | 重庆邮电大学 | 一种动态复杂环境下的移动机器人路径规划方法 |
CN103777639A (zh) * | 2014-01-10 | 2014-05-07 | 哈尔滨工程大学 | 运动障碍环境中uuv三维航路规划方法 |
CN103926925A (zh) * | 2014-04-22 | 2014-07-16 | 江苏久祥汽车电器集团有限公司 | 一种基于改进的vfh算法的定位与避障方法及机器人 |
CN103995984A (zh) * | 2014-06-09 | 2014-08-20 | 武汉科技大学 | 一种基于椭圆约束的机器人路径规划方法和装置 |
CN104268862A (zh) * | 2014-09-18 | 2015-01-07 | 中国人民解放军国防科学技术大学 | 一种自主车三维地形可通行性分析方法 |
CN104634328A (zh) * | 2013-11-14 | 2015-05-20 | 沈阳新松机器人自动化股份有限公司 | 空间测量机器人及其空间测量方法 |
CN104765371A (zh) * | 2015-04-22 | 2015-07-08 | 福州大学 | 基于滚动窗的深度搜索与模糊控制融合的路径规划方法 |
CN104864863A (zh) * | 2014-02-21 | 2015-08-26 | 联想(北京)有限公司 | 一种路径选择方法及电子设备 |
CN104914862A (zh) * | 2015-04-21 | 2015-09-16 | 电子科技大学 | 基于目标方向约束的路径规划算法 |
CN105716618A (zh) * | 2016-02-05 | 2016-06-29 | 哈尔滨工程大学 | 一种用于uuv航路规划的几何环境模型膨化处理方法 |
CN105751216A (zh) * | 2016-04-14 | 2016-07-13 | 中南大学 | 移动机器人指令安全可行性的判断方法 |
CN106003104A (zh) * | 2015-07-03 | 2016-10-12 | 中国运载火箭技术研究院 | 一种适用于多约束条件下视觉信息导引的机械臂规划方法 |
CN106020213A (zh) * | 2016-05-12 | 2016-10-12 | 哈尔滨工程大学 | 一种uuv对矩形障碍物几何绕行的二维航路规划方法 |
CN106197421A (zh) * | 2016-06-24 | 2016-12-07 | 北京工业大学 | 一种用于移动机器人自主探索的前沿目标点生成方法 |
CN106257240A (zh) * | 2015-06-18 | 2016-12-28 | 金宝电子工业股份有限公司 | 定位导航方法及其电子装置 |
CN106382933A (zh) * | 2016-11-04 | 2017-02-08 | 北京农业智能装备技术研究中心 | 一种用于航空植保飞行器的作业航线获取方法及系统 |
CN106406320A (zh) * | 2016-11-29 | 2017-02-15 | 重庆重智机器人研究院有限公司 | 机器人路径规划方法及规划路线的机器人 |
CN106444773A (zh) * | 2016-10-25 | 2017-02-22 | 大连理工大学 | 一种基于递归简化可视图的环境建模方法 |
CN106444735A (zh) * | 2015-08-11 | 2017-02-22 | 深圳市云鼠科技开发有限公司 | 一种室内结构动态建模及导航的方法和装置 |
CN106595648A (zh) * | 2016-11-04 | 2017-04-26 | 华为机器有限公司 | 一种导航方法及终端 |
CN106647769A (zh) * | 2017-01-19 | 2017-05-10 | 厦门大学 | 基于a*提取引导点的agv路径跟踪与避障协调方法 |
CN106843223A (zh) * | 2017-03-10 | 2017-06-13 | 武汉理工大学 | 一种智能化避障agv小车系统及避障方法 |
CN106931970A (zh) * | 2015-12-30 | 2017-07-07 | 北京雷动云合智能技术有限公司 | 一种动态环境中机器人安全自主规划导航方法 |
CN107015242A (zh) * | 2017-04-14 | 2017-08-04 | 北京佳讯飞鸿电气股份有限公司 | 一种探测方法及装置 |
WO2017193484A1 (zh) * | 2016-05-13 | 2017-11-16 | 深圳市华科安测信息技术有限公司 | 医用机器人控制系统及方法 |
CN107544534A (zh) * | 2017-10-16 | 2018-01-05 | 中国矿业大学 | 一种基于bds、ins的植保无人机自动精细作业及避障方法 |
CN107544498A (zh) * | 2017-09-08 | 2018-01-05 | 珠海格力电器股份有限公司 | 可移动终端的移动路径规划方法及装置 |
CN107703948A (zh) * | 2017-11-14 | 2018-02-16 | 上海理工大学 | 基于自适应动态窗口的移动机器人局部动态路径规划方法 |
CN107782311A (zh) * | 2017-09-08 | 2018-03-09 | 珠海格力电器股份有限公司 | 可移动终端的移动路径规划方法及装置 |
CN107831758A (zh) * | 2016-09-16 | 2018-03-23 | 天津思博科科技发展有限公司 | 具有自适应功能的机器人装置 |
CN107844105A (zh) * | 2017-10-20 | 2018-03-27 | 爱普(福建)科技有限公司 | 一种基于时间窗的避障控制方法 |
CN108319270A (zh) * | 2018-03-20 | 2018-07-24 | 杭州晶智能科技有限公司 | 一种基于历史数据分析的自动吸尘机器人最优路径规划方法 |
CN108334071A (zh) * | 2017-12-26 | 2018-07-27 | 中国科学院自动化研究所 | 多机器人系统无碰撞到达目标位置的方法 |
CN108388243A (zh) * | 2017-01-16 | 2018-08-10 | 浙江国自机器人技术有限公司 | 一种agv机器人的安全防护方法及安全防护结构 |
CN108489501A (zh) * | 2018-03-16 | 2018-09-04 | 深圳冰川网络股份有限公司 | 一种基于智能绕过障碍的快速路径搜索算法 |
WO2018176596A1 (zh) * | 2017-03-31 | 2018-10-04 | 深圳市靖洲科技有限公司 | 基于权重改进粒子群算法的无人自行车路径规划方法 |
CN108775902A (zh) * | 2018-07-25 | 2018-11-09 | 齐鲁工业大学 | 基于障碍物虚拟膨胀的伴随机器人路径规划方法及系统 |
CN108873879A (zh) * | 2017-09-25 | 2018-11-23 | 北京石头世纪科技有限公司 | 自主移动机器人及其寻桩方法、控制装置和智能清洁系统 |
CN108958282A (zh) * | 2018-06-21 | 2018-12-07 | 浙江大学 | 基于动态球形窗口的三维空间路径规划方法 |
CN109732591A (zh) * | 2018-12-24 | 2019-05-10 | 济南大学 | 一种有障碍物环境下多机器人群集控制方法 |
CN109764886A (zh) * | 2019-01-15 | 2019-05-17 | 成都信息工程大学 | 一种路径规划方法 |
CN109839936A (zh) * | 2019-03-04 | 2019-06-04 | 中新智擎科技有限公司 | 一种大环境下的自动导航方法、机器人及存储介质 |
CN109990787A (zh) * | 2019-03-15 | 2019-07-09 | 中山大学 | 一种机器人在复杂场景中规避动态障碍物的方法 |
CN110045737A (zh) * | 2019-04-28 | 2019-07-23 | 南京邮电大学 | 基于动态窗口法的仿人足球机器人的路径规划 |
CN110162063A (zh) * | 2019-06-12 | 2019-08-23 | 北京洛必德科技有限公司 | 一种用于机器人自动充电的路径规划方法和装置 |
CN110262512A (zh) * | 2019-07-12 | 2019-09-20 | 北京机械设备研究所 | 一种移动机器人脱离u形障碍陷阱的避障方法及系统 |
CN110310369A (zh) * | 2019-06-03 | 2019-10-08 | 北京控制工程研究所 | 一种受限约束下的月背复杂地形可通过性判别方法及系统 |
CN111121750A (zh) * | 2019-12-26 | 2020-05-08 | 广东博智林机器人有限公司 | 室内的路径获取方法和装置 |
CN111338384A (zh) * | 2019-12-17 | 2020-06-26 | 北京化工大学 | 一种仿蛇机器人自适应路径跟踪方法 |
CN111399506A (zh) * | 2020-03-13 | 2020-07-10 | 大连海事大学 | 一种基于动力学约束的全局-局部混合无人船路径规划方法 |
CN111643008A (zh) * | 2020-05-13 | 2020-09-11 | 深圳市银星智能科技股份有限公司 | 一种扩展分区清洁方法、装置及计算机可读存储介质 |
CN112033423A (zh) * | 2020-09-09 | 2020-12-04 | 上海有个机器人有限公司 | 一种基于道路共识的机器人路径规划方法、装置和机器人 |
CN112230618A (zh) * | 2020-10-29 | 2021-01-15 | 中国人民解放军国防科技大学 | 一种从全局任务自动合成多机器人分布式控制器的方法 |
CN112254727A (zh) * | 2020-09-23 | 2021-01-22 | 锐捷网络股份有限公司 | 基于teb的路径规划方法及装置 |
CN112484718A (zh) * | 2020-11-30 | 2021-03-12 | 海之韵(苏州)科技有限公司 | 一种基于环境地图修正的边沿导航的装置和方法 |
CN112506199A (zh) * | 2020-12-12 | 2021-03-16 | 江西洪都航空工业集团有限责任公司 | 一种基于动态窗口法且适用于阿克曼模型机器人的局部路径规划方法 |
CN112649012A (zh) * | 2020-12-15 | 2021-04-13 | 北京三快在线科技有限公司 | 一种轨迹规划方法、设备、介质及无人设备 |
CN113799128A (zh) * | 2021-09-16 | 2021-12-17 | 北京航天飞行控制中心 | 机械臂运动轨迹的展示方法及其展示装置、电子设备 |
WO2022007350A1 (zh) * | 2020-07-08 | 2022-01-13 | 格力电器(武汉)有限公司 | 一种全局路径规划方法、装置、终端及可读存储介质 |
CN114474064A (zh) * | 2022-03-04 | 2022-05-13 | 美智纵横科技有限责任公司 | 机器人控制方法及其装置、扫地机器人和存储介质 |
US11347230B2 (en) | 2017-09-25 | 2022-05-31 | Shenzhen Rock Times Technology Co., Ltd. | Autonomous mobile robot, method for docking autonomous mobile robot, control device and smart cleaning system |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102645228B (zh) * | 2012-04-12 | 2014-09-10 | 清华大学 | 一种车载导航系统通过性寻路算法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007316966A (ja) * | 2006-05-26 | 2007-12-06 | Fujitsu Ltd | 移動ロボット、その制御方法及びプログラム |
CN100570523C (zh) * | 2008-08-18 | 2009-12-16 | 浙江大学 | 一种基于障碍物运动预测的移动机器人避障方法 |
-
2009
- 2009-12-24 CN CN2009101130868A patent/CN101738195B/zh not_active Expired - Fee Related
Cited By (101)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375416B (zh) * | 2010-08-13 | 2013-10-23 | 同济大学 | 基于快速搜索树的人型机器人踢球动作信息处理方法 |
CN102375416A (zh) * | 2010-08-13 | 2012-03-14 | 同济大学 | 基于快速搜索树的人型机器人踢球动作信息处理方法 |
CN102129249A (zh) * | 2011-01-10 | 2011-07-20 | 中国矿业大学 | 一种危险源环境下的机器人全局路径规划方法 |
CN102103663A (zh) * | 2011-02-26 | 2011-06-22 | 山东大学 | 病房巡视服务机器人系统及其目标搜寻方法 |
CN102359784A (zh) * | 2011-08-01 | 2012-02-22 | 东北大学 | 一种室内移动机器人自主导航避障系统及方法 |
CN102298388A (zh) * | 2011-08-22 | 2011-12-28 | 深圳市银星智能电器有限公司 | 一种用于移动机器人的制约系统 |
CN102298388B (zh) * | 2011-08-22 | 2012-12-19 | 深圳市银星智能科技股份有限公司 | 一种用于移动机器人的制约系统 |
CN103365293A (zh) * | 2013-05-08 | 2013-10-23 | 北京大学深圳研究生院 | 一种基于动态区域划分的机器人安全路径规划方法 |
CN103365293B (zh) * | 2013-05-08 | 2015-11-18 | 北京大学深圳研究生院 | 一种基于动态区域划分的机器人安全路径规划方法 |
CN103383569A (zh) * | 2013-05-31 | 2013-11-06 | 浙江工业大学 | 基于线性时序逻辑的移动机器人最优巡回路径设定方法 |
CN103383569B (zh) * | 2013-05-31 | 2016-12-28 | 浙江工业大学 | 基于线性时序逻辑的移动机器人最优巡回路径设定方法 |
CN103439972A (zh) * | 2013-08-06 | 2013-12-11 | 重庆邮电大学 | 一种动态复杂环境下的移动机器人路径规划方法 |
CN104634328A (zh) * | 2013-11-14 | 2015-05-20 | 沈阳新松机器人自动化股份有限公司 | 空间测量机器人及其空间测量方法 |
CN103777639A (zh) * | 2014-01-10 | 2014-05-07 | 哈尔滨工程大学 | 运动障碍环境中uuv三维航路规划方法 |
CN103777639B (zh) * | 2014-01-10 | 2015-06-24 | 哈尔滨工程大学 | 运动障碍环境中uuv三维航路规划方法 |
CN104864863A (zh) * | 2014-02-21 | 2015-08-26 | 联想(北京)有限公司 | 一种路径选择方法及电子设备 |
CN104864863B (zh) * | 2014-02-21 | 2019-08-27 | 联想(北京)有限公司 | 一种路径选择方法及电子设备 |
CN103926925A (zh) * | 2014-04-22 | 2014-07-16 | 江苏久祥汽车电器集团有限公司 | 一种基于改进的vfh算法的定位与避障方法及机器人 |
CN103995984A (zh) * | 2014-06-09 | 2014-08-20 | 武汉科技大学 | 一种基于椭圆约束的机器人路径规划方法和装置 |
CN104268862A (zh) * | 2014-09-18 | 2015-01-07 | 中国人民解放军国防科学技术大学 | 一种自主车三维地形可通行性分析方法 |
CN104914862A (zh) * | 2015-04-21 | 2015-09-16 | 电子科技大学 | 基于目标方向约束的路径规划算法 |
CN104914862B (zh) * | 2015-04-21 | 2017-05-10 | 电子科技大学 | 基于目标方向约束的路径规划算法 |
CN104765371A (zh) * | 2015-04-22 | 2015-07-08 | 福州大学 | 基于滚动窗的深度搜索与模糊控制融合的路径规划方法 |
CN106257240A (zh) * | 2015-06-18 | 2016-12-28 | 金宝电子工业股份有限公司 | 定位导航方法及其电子装置 |
CN106257240B (zh) * | 2015-06-18 | 2019-05-21 | 金宝电子工业股份有限公司 | 定位导航方法及其电子装置 |
CN106003104B (zh) * | 2015-07-03 | 2018-05-11 | 中国运载火箭技术研究院 | 一种适用于多约束条件下视觉信息导引的机械臂规划方法 |
CN106003104A (zh) * | 2015-07-03 | 2016-10-12 | 中国运载火箭技术研究院 | 一种适用于多约束条件下视觉信息导引的机械臂规划方法 |
CN106444735A (zh) * | 2015-08-11 | 2017-02-22 | 深圳市云鼠科技开发有限公司 | 一种室内结构动态建模及导航的方法和装置 |
CN106931970A (zh) * | 2015-12-30 | 2017-07-07 | 北京雷动云合智能技术有限公司 | 一种动态环境中机器人安全自主规划导航方法 |
CN105716618A (zh) * | 2016-02-05 | 2016-06-29 | 哈尔滨工程大学 | 一种用于uuv航路规划的几何环境模型膨化处理方法 |
CN105751216A (zh) * | 2016-04-14 | 2016-07-13 | 中南大学 | 移动机器人指令安全可行性的判断方法 |
CN106020213A (zh) * | 2016-05-12 | 2016-10-12 | 哈尔滨工程大学 | 一种uuv对矩形障碍物几何绕行的二维航路规划方法 |
CN106020213B (zh) * | 2016-05-12 | 2018-12-11 | 哈尔滨工程大学 | 一种uuv对矩形障碍物几何绕行的二维航路规划方法 |
WO2017193484A1 (zh) * | 2016-05-13 | 2017-11-16 | 深圳市华科安测信息技术有限公司 | 医用机器人控制系统及方法 |
CN106197421B (zh) * | 2016-06-24 | 2019-03-22 | 北京工业大学 | 一种用于移动机器人自主探索的前沿目标点生成方法 |
CN106197421A (zh) * | 2016-06-24 | 2016-12-07 | 北京工业大学 | 一种用于移动机器人自主探索的前沿目标点生成方法 |
CN107831758A (zh) * | 2016-09-16 | 2018-03-23 | 天津思博科科技发展有限公司 | 具有自适应功能的机器人装置 |
CN106444773A (zh) * | 2016-10-25 | 2017-02-22 | 大连理工大学 | 一种基于递归简化可视图的环境建模方法 |
CN106444773B (zh) * | 2016-10-25 | 2019-08-09 | 大连理工大学 | 一种基于递归简化可视图的环境建模方法 |
CN106595648B (zh) * | 2016-11-04 | 2020-04-21 | 华为机器有限公司 | 一种导航方法及终端 |
CN106382933A (zh) * | 2016-11-04 | 2017-02-08 | 北京农业智能装备技术研究中心 | 一种用于航空植保飞行器的作业航线获取方法及系统 |
CN106595648A (zh) * | 2016-11-04 | 2017-04-26 | 华为机器有限公司 | 一种导航方法及终端 |
CN106406320A (zh) * | 2016-11-29 | 2017-02-15 | 重庆重智机器人研究院有限公司 | 机器人路径规划方法及规划路线的机器人 |
CN106406320B (zh) * | 2016-11-29 | 2019-08-20 | 重庆重智机器人研究院有限公司 | 机器人路径规划方法及规划路线的机器人 |
CN108388243A (zh) * | 2017-01-16 | 2018-08-10 | 浙江国自机器人技术有限公司 | 一种agv机器人的安全防护方法及安全防护结构 |
CN106647769B (zh) * | 2017-01-19 | 2019-05-24 | 厦门大学 | 基于a*提取引导点的agv路径跟踪与避障协调方法 |
CN106647769A (zh) * | 2017-01-19 | 2017-05-10 | 厦门大学 | 基于a*提取引导点的agv路径跟踪与避障协调方法 |
CN106843223A (zh) * | 2017-03-10 | 2017-06-13 | 武汉理工大学 | 一种智能化避障agv小车系统及避障方法 |
WO2018176596A1 (zh) * | 2017-03-31 | 2018-10-04 | 深圳市靖洲科技有限公司 | 基于权重改进粒子群算法的无人自行车路径规划方法 |
CN107015242B (zh) * | 2017-04-14 | 2019-11-19 | 北京佳讯飞鸿电气股份有限公司 | 一种探测方法及装置 |
CN107015242A (zh) * | 2017-04-14 | 2017-08-04 | 北京佳讯飞鸿电气股份有限公司 | 一种探测方法及装置 |
CN107544498A (zh) * | 2017-09-08 | 2018-01-05 | 珠海格力电器股份有限公司 | 可移动终端的移动路径规划方法及装置 |
CN107782311A (zh) * | 2017-09-08 | 2018-03-09 | 珠海格力电器股份有限公司 | 可移动终端的移动路径规划方法及装置 |
CN108873879A (zh) * | 2017-09-25 | 2018-11-23 | 北京石头世纪科技有限公司 | 自主移动机器人及其寻桩方法、控制装置和智能清洁系统 |
CN108873879B (zh) * | 2017-09-25 | 2022-03-04 | 北京石头创新科技有限公司 | 自主移动机器人及其寻桩方法、控制装置和智能清洁系统 |
US11054836B2 (en) | 2017-09-25 | 2021-07-06 | Shenzhen Rock Times Technology Co., Ltd. | Autonomous mobile robot, method for docking an autonomous mobile robot, control device and smart cleaning system |
US11347230B2 (en) | 2017-09-25 | 2022-05-31 | Shenzhen Rock Times Technology Co., Ltd. | Autonomous mobile robot, method for docking autonomous mobile robot, control device and smart cleaning system |
US12085949B2 (en) | 2017-09-25 | 2024-09-10 | Shenzhen Rock Times Technology Co., Ltd. | Autonomous mobile robot, method for docking autonomous mobile robot, control device and smart cleaning system |
CN107544534A (zh) * | 2017-10-16 | 2018-01-05 | 中国矿业大学 | 一种基于bds、ins的植保无人机自动精细作业及避障方法 |
CN107844105A (zh) * | 2017-10-20 | 2018-03-27 | 爱普(福建)科技有限公司 | 一种基于时间窗的避障控制方法 |
CN107703948B (zh) * | 2017-11-14 | 2020-09-29 | 上海理工大学 | 基于自适应动态窗口的移动机器人局部动态路径规划方法 |
CN107703948A (zh) * | 2017-11-14 | 2018-02-16 | 上海理工大学 | 基于自适应动态窗口的移动机器人局部动态路径规划方法 |
CN108334071A (zh) * | 2017-12-26 | 2018-07-27 | 中国科学院自动化研究所 | 多机器人系统无碰撞到达目标位置的方法 |
CN108334071B (zh) * | 2017-12-26 | 2020-10-16 | 中国科学院自动化研究所 | 多机器人系统无碰撞到达目标位置的方法 |
CN108489501A (zh) * | 2018-03-16 | 2018-09-04 | 深圳冰川网络股份有限公司 | 一种基于智能绕过障碍的快速路径搜索算法 |
CN108319270A (zh) * | 2018-03-20 | 2018-07-24 | 杭州晶智能科技有限公司 | 一种基于历史数据分析的自动吸尘机器人最优路径规划方法 |
CN108319270B (zh) * | 2018-03-20 | 2021-01-01 | 杭州晶一智能科技有限公司 | 一种基于历史数据分析的自动吸尘机器人最优路径规划方法 |
CN108958282A (zh) * | 2018-06-21 | 2018-12-07 | 浙江大学 | 基于动态球形窗口的三维空间路径规划方法 |
CN108775902A (zh) * | 2018-07-25 | 2018-11-09 | 齐鲁工业大学 | 基于障碍物虚拟膨胀的伴随机器人路径规划方法及系统 |
CN109732591B (zh) * | 2018-12-24 | 2021-09-24 | 济南大学 | 一种有障碍物环境下多机器人群集控制方法 |
CN109732591A (zh) * | 2018-12-24 | 2019-05-10 | 济南大学 | 一种有障碍物环境下多机器人群集控制方法 |
CN109764886B (zh) * | 2019-01-15 | 2022-10-14 | 成都信息工程大学 | 一种路径规划方法 |
CN109764886A (zh) * | 2019-01-15 | 2019-05-17 | 成都信息工程大学 | 一种路径规划方法 |
CN109839936A (zh) * | 2019-03-04 | 2019-06-04 | 中新智擎科技有限公司 | 一种大环境下的自动导航方法、机器人及存储介质 |
CN109990787A (zh) * | 2019-03-15 | 2019-07-09 | 中山大学 | 一种机器人在复杂场景中规避动态障碍物的方法 |
CN110045737A (zh) * | 2019-04-28 | 2019-07-23 | 南京邮电大学 | 基于动态窗口法的仿人足球机器人的路径规划 |
CN110310369A (zh) * | 2019-06-03 | 2019-10-08 | 北京控制工程研究所 | 一种受限约束下的月背复杂地形可通过性判别方法及系统 |
CN110310369B (zh) * | 2019-06-03 | 2023-08-15 | 北京控制工程研究所 | 一种受限约束下的月背复杂地形可通过性判别方法及系统 |
CN110162063A (zh) * | 2019-06-12 | 2019-08-23 | 北京洛必德科技有限公司 | 一种用于机器人自动充电的路径规划方法和装置 |
CN110262512A (zh) * | 2019-07-12 | 2019-09-20 | 北京机械设备研究所 | 一种移动机器人脱离u形障碍陷阱的避障方法及系统 |
CN110262512B (zh) * | 2019-07-12 | 2022-03-29 | 北京机械设备研究所 | 一种移动机器人脱离u形障碍陷阱的避障方法及系统 |
CN111338384A (zh) * | 2019-12-17 | 2020-06-26 | 北京化工大学 | 一种仿蛇机器人自适应路径跟踪方法 |
CN111338384B (zh) * | 2019-12-17 | 2021-06-08 | 北京化工大学 | 一种仿蛇机器人自适应路径跟踪方法 |
CN111121750A (zh) * | 2019-12-26 | 2020-05-08 | 广东博智林机器人有限公司 | 室内的路径获取方法和装置 |
CN111399506B (zh) * | 2020-03-13 | 2023-04-25 | 大连海事大学 | 一种基于动力学约束的全局-局部混合无人船路径规划方法 |
CN111399506A (zh) * | 2020-03-13 | 2020-07-10 | 大连海事大学 | 一种基于动力学约束的全局-局部混合无人船路径规划方法 |
CN111643008A (zh) * | 2020-05-13 | 2020-09-11 | 深圳市银星智能科技股份有限公司 | 一种扩展分区清洁方法、装置及计算机可读存储介质 |
CN111643008B (zh) * | 2020-05-13 | 2021-11-16 | 深圳市银星智能科技股份有限公司 | 一种扩展分区清洁方法、装置及计算机可读存储介质 |
WO2022007350A1 (zh) * | 2020-07-08 | 2022-01-13 | 格力电器(武汉)有限公司 | 一种全局路径规划方法、装置、终端及可读存储介质 |
CN112033423A (zh) * | 2020-09-09 | 2020-12-04 | 上海有个机器人有限公司 | 一种基于道路共识的机器人路径规划方法、装置和机器人 |
CN112033423B (zh) * | 2020-09-09 | 2022-09-13 | 上海有个机器人有限公司 | 一种基于道路共识的机器人路径规划方法、装置和机器人 |
CN112254727B (zh) * | 2020-09-23 | 2022-10-14 | 锐捷网络股份有限公司 | 基于teb的路径规划方法及装置 |
CN112254727A (zh) * | 2020-09-23 | 2021-01-22 | 锐捷网络股份有限公司 | 基于teb的路径规划方法及装置 |
CN112230618A (zh) * | 2020-10-29 | 2021-01-15 | 中国人民解放军国防科技大学 | 一种从全局任务自动合成多机器人分布式控制器的方法 |
CN112484718A (zh) * | 2020-11-30 | 2021-03-12 | 海之韵(苏州)科技有限公司 | 一种基于环境地图修正的边沿导航的装置和方法 |
CN112506199A (zh) * | 2020-12-12 | 2021-03-16 | 江西洪都航空工业集团有限责任公司 | 一种基于动态窗口法且适用于阿克曼模型机器人的局部路径规划方法 |
CN112506199B (zh) * | 2020-12-12 | 2022-12-02 | 江西洪都航空工业集团有限责任公司 | 一种基于动态窗口法且适用于阿克曼模型机器人的局部路径规划方法 |
CN112649012A (zh) * | 2020-12-15 | 2021-04-13 | 北京三快在线科技有限公司 | 一种轨迹规划方法、设备、介质及无人设备 |
CN113799128A (zh) * | 2021-09-16 | 2021-12-17 | 北京航天飞行控制中心 | 机械臂运动轨迹的展示方法及其展示装置、电子设备 |
CN114474064A (zh) * | 2022-03-04 | 2022-05-13 | 美智纵横科技有限责任公司 | 机器人控制方法及其装置、扫地机器人和存储介质 |
CN114474064B (zh) * | 2022-03-04 | 2024-01-09 | 美智纵横科技有限责任公司 | 机器人控制方法及其装置、扫地机器人和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN101738195B (zh) | 2012-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101738195B (zh) | 基于环境建模与自适应窗口的移动机器人路径规划方法 | |
Stahl et al. | Multilayer graph-based trajectory planning for race vehicles in dynamic scenarios | |
JP6911214B1 (ja) | 軌道計画 | |
US11390300B2 (en) | Method for using lateral motion to optimize trajectories for autonomous vehicles | |
US11726477B2 (en) | Methods and systems for trajectory forecasting with recurrent neural networks using inertial behavioral rollout | |
US11027751B2 (en) | Reinforcement and model learning for vehicle operation | |
Fernández et al. | Improving collision avoidance for mobile robots in partially known environments: the beam curvature method | |
US9934688B2 (en) | Vehicle trajectory determination | |
Chae et al. | Virtual target-based overtaking decision, motion planning, and control of autonomous vehicles | |
JP2021526474A (ja) | 軌道計画 | |
US20220048498A1 (en) | Waypoint prediction for vehicle motion planning | |
JP2022119802A (ja) | 自律走行車動作管理のための方向調整アクション | |
US7034742B2 (en) | Road curvature estimation and automotive target state estimation system | |
JP2021519720A (ja) | 自律走行シミュレーションのための時間伸縮法 | |
WO2019236790A1 (en) | Gridlock solver for motion planning system of an autonomous vehicle | |
KR101585504B1 (ko) | 자율 이동 차량의 경로 생성 방법 및 경로 생성 장치 | |
Wissing et al. | Probabilistic time-to-lane-change prediction on highways | |
EP4020113A1 (en) | Dynamic model evaluation package for autonomous driving vehicles | |
US12071127B2 (en) | Proactive risk mitigation | |
Kobayashi et al. | Robot navigation based on predicting of human interaction and its reproducible evaluation in a densely crowded environment | |
JP2023116034A (ja) | 交通管制装置、交通管制システムおよび交通管制方法 | |
Ayalew et al. | Solving Optimal Path Planning Problem of an Intelligent Mobile Robot in Dynamic Environment Using Bidirectional Rapidly-exploring Random Tree Star-Dynamic Window Approach (BRRT*-DWA) with Adaptive Monte Carlo Localization (AMCL) | |
CN113415278B (zh) | 用于使用周围车辆运动流跟随最近在径车辆的系统和过程 | |
Wang et al. | Quickest detection of abnormal vehicle movements on highways | |
Hassan | Autonomous Vehicle Path Planning Using Deep Reinforcement Learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120111 Termination date: 20171224 |
|
CF01 | Termination of patent right due to non-payment of annual fee |