CN105955273A - 室内机器人导航系统及方法 - Google Patents
室内机器人导航系统及方法 Download PDFInfo
- Publication number
- CN105955273A CN105955273A CN201610353911.1A CN201610353911A CN105955273A CN 105955273 A CN105955273 A CN 105955273A CN 201610353911 A CN201610353911 A CN 201610353911A CN 105955273 A CN105955273 A CN 105955273A
- Authority
- CN
- China
- Prior art keywords
- robot
- coordinate
- algorithm
- attitude information
- final position
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000013598 vector Substances 0.000 claims abstract description 71
- 230000004888 barrier function Effects 0.000 claims abstract description 62
- 230000003068 static effect Effects 0.000 claims abstract description 46
- 238000007405 data analysis Methods 0.000 claims abstract description 28
- 230000003993 interaction Effects 0.000 claims abstract description 12
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 9
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 abstract 2
- 230000009466 transformation Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 24
- 230000001133 acceleration Effects 0.000 description 14
- 230000033001 locomotion Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
Abstract
本发明提供一种室内机器人导航系统及方法，其中系统包括：人机交互装置用于接收用户输入的终点位置坐标及终点位置姿态信息；数据采集装置用于获取当前位置坐标和当前位置姿态信息；数据分析装置用于采用第一算法生成全局参考路径；数据采集装置还用于实时更新局部区域地图，并通过坐标转换获取动态障碍物在二维全局静态地图中对应的第二坐标；数据分析装置还用于采用第二算法对机器人在下一刻的速度向量进行最优规划，以获得最优速度向量，用于供机器人根据所述最优速度向量进行移动。本发明提供一种室内机器人导航系统及方法，实用性更高。
Description
技术领域
本发明涉及人工智能及自动化领域内的一种机器人导航系统及方法，尤其涉及一种室内机器人导航系统及方法。
背景技术
导航技术是引导某一设备从指定航线的当前起始点运动到终点的方法。导航技术无论是在交通运输，还是家庭服务、军事领域等方面都拥有广阔的应用前景，也是当下研究的热门技术之一。在交通运输上，导航技术可以用来实现无人驾驶汽车的自主驾驶、规避障碍物行为，也可完成大型仓库中的物流智能调度等；在家庭服务方面，可以帮助类似扫地机器人的小型机器人完成室内的定点移动；在军事领域，导航技术可以运用在导弹的定点打击、无人机、无人车的定点巡逻侦查规避威胁区域的场景。
目前，机器人导航系统主要采用GPS、路标、机器人底部的码盘、光学运动捕捉系统等的协同工作来提供机器人的位置姿态信息，以及，采用激光雷达和超声波的协同工作来提供障碍物的深度信息，从而实现对机器人进行导航。但是，现有的机器人导航系统存在的缺点是，机器人导航系统的静态路径规划算法完全依赖于静态全局地图进行路径规划，没有将动态障碍物加以考虑，实用性不高。
发明内容
本发明要解决的技术问题是提供一种室内机器人导航系统及方法，采用全局静态规划与局部动态避障规划相结合的路径规划算法对机器人的路径进行实时规划，使得机器人可以根据局部近距离动态障碍物的更新做出路径的调整，实用性更高。
为解决上述技术问题，本发明的技术方案是，
一方面，本发明提供一种室内机器人导航系统，应用于机器人，包括：人机交互装置：用于接收用户输入的机器人的终点位置坐标及机器人的终点位置姿态信息；数据采集装置：用于获取机器人的当前位置坐标和机器人的当前位置姿态信息；数据分析装置，用于根据终点位置坐标，终点位置姿态信息，当前位置坐标，当前位置姿态信息以及预先获取的二维全局静态地图，采用第一算法生成一条位于当前点与终点之间的代价最小的全局参考路径；数据采集装置，还用于实时更新距离机器人固定半径内的局部区域地图，获取动态障碍物在局部区域地图中的第一坐标，并根据第一坐标进行坐标转换以获取动态障碍物在二维全局静态地图中对应的第二坐标；数据分析装置，还用于根据第二坐标，终点位置坐标，当前位置坐标，当前位置姿态信息，终点位置姿态信息和全局参考路径，采用第二算法对机器人在下一刻的速度向量进行最优规划，以获得最优速度向量，用于供机器人根据最优速度向量进行移动。
进一步地，人机交互装置包括一个可视化的交互界面。
进一步地，数据采集装置包括：RGB-D传感器、超声波测距仪、惯性测量传感器。
进一步地，第一算法为A*算法。
进一步地，第二算法为DWA算法。
另一方面，本发明提供一种室内机器人导航方法，应用于机器人，包括：人机交互装置接收用户输入的机器人的终点位置坐标及机器人的终点位置姿态信息；数据采集装置获取机器人的当前位置坐标和机器人的当前位置姿态信息；数据分析装置根据终点位置坐标，终点位置姿态信息，当前位置坐标，当前位置姿态信息以及预先获取的二维全局静态地图，采用第一算法生成一条位于当前点与终点之间的代价最小的全局参考路径；数据采集装置实时更新距离机器人固定半径内的局部区域地图，获取动态障碍物在局部区域地图中的第一坐标，并根据第一坐标进行坐标转换以获取动态障碍物在二维全局静态地图中对应的第二坐标；当机器人没有被障碍物包围时，为正常导航状态，数据分析装置根据第二坐标，终点位置坐标，当前位置坐标，当前位置姿态信息，终点位置姿态信息和全局参考路径，采用第二算法对机器人在下一刻的速度向量进行最优规划，以获得最优速度向量，用于供机器人根据最优速度向量进行移动。
进一步地，当机器人被障碍物包围而无法进行导航时，还包括：数据分析装置发出一个预设的速度向量给底盘以进行原地旋转；数据采集装置持续扫描并更新局部区域地图，直到局部区域地图中的障碍物的分布允许机器人通过，返回正常导航状态，其中，障碍物包括动态障碍物和静态障碍物。
进一步地，二维全局静态地图的预先获取步骤包括：数据采集装置围绕当前环境进行一次全局扫描以获得若干帧三维点云，并采用三维SLAM算法将若干帧三维点云拼接成为三维全局静态地图；数据分析装置对三维全局静态地图进行降维度处理，以获得二维全局静态地图。
进一步地，第一算法为A*算法。
进一步地，第二算法为DWA算法。
本发明提供的室内机器人导航系统及方法，使用人机交互装置接收用户输入的导航的终点位置坐标和终点位置姿态信息；数据采集装置获取机器人的当前位置坐标和当前位置姿态信息；之后，数据分析装置，再根据终点位置坐标，终点位置姿态信息，当前位置坐标，位置姿态信息以及预先获取的二维全局静态地图，采用第一算法生成一条位于当前点与终点之间的代价最小的全局参考路径；在获得全局参考路径的同时，数据采集装置实时更新距离机器人固定半径内的局部区域地图，并获取动态障碍物在局部区域地图中的第一坐标，并通过坐标转换将得到的第一坐标转换到二维全局静态地图坐标系中以获取第二坐标；当机器人没有被障碍物包围时，为正常导航状态，数据分析装置再根据第二坐标，终点位置坐标，当前位置坐标，当前位置姿态信息，终点位置姿态信息和全局参考路径，采用第二算法对机器人在下一刻的速度向量进行最优规划，以获得最优速度向量，以使得底盘根据最优速度向量进行动作，从而使得机器人向终点位置进行移动。此外，需要说明的是，本发明的室内机器人导航系统及方法是通过控制底盘的运动来实现对机器人的运动进行导航。
本发明提供的室内机器人导航系统及方法，先采用第一算法进行全局静态规划，规划出一条位于当前点与终点之间的代价最小的全局参考路径，之后再采用第二算法进行局部动态避障规划，根据局部近距离动态障碍物对路径进行实时调整。本发明提供的室内机器人导航系统及方法，采用全局静态规划与局部动态避障规划相结合的路径规划算法对机器人的路径进行实时规划，使得机器人可以根据局部近距离动态障碍物的更新做出路径的调整，实用性高。
附图说明
图1是本发明实施例提供的一种室内机器人导航系统的框图；
图2是本发明实施例提供的一种室内机器人导航方法的流程图。
具体实施方式
下面通过具体的实施例进一步说明本发明，但是，应当理解为，这些实施例仅仅是用于更详细具体地说明之用，而不应理解为用于以任何形式限制本发明。
实施例一
结合图1，本实施例提供一种室内机器人导航系统100，应用于机器人，包括；
人机交互装置1：用于接收用户输入的机器人的终点位置坐标及机器人的终点位置姿态信息；
数据采集装置2：用于获取机器人的当前位置坐标和机器人的当前位置姿态信息；
数据分析装置3，用于根据终点位置坐标，终点位置姿态信息，当前位置坐标，当前位置姿态信息以及预先获取的二维全局静态地图，采用第一算法生成一条位于当前点与终点之间的代价最小的全局参考路径；
数据采集装置2，还用于实时更新距离机器人固定半径内的局部区域地图，获取动态障碍物在局部区域地图中的第一坐标，并根据第一坐标进行坐标转换以获取动态障碍物在二维全局静态地图中对应的第二坐标；
数据分析装置3，还用于根据第二坐标，终点位置坐标，当前位置坐标，当前位置姿态信息，终点位置姿态信息和全局参考路径，采用第二算法对机器人在下一刻的速度向量进行最优规划，以获得最优速度向量，用于供底盘根据所述最优速度向量进行移动。
本发明实施例提供的室内机器人导航系统100，使用人机交互装置1接收用户输入的导航的终点位置坐标和终点位置姿态信息；数据采集装置2获取机器人的当前位置坐标和当前位置姿态信息；之后，数据分析装置3，再根据终点位置坐标，终点位置姿态信息，当前位置坐标，位置姿态信息以及预先获取的二维全局静态地图，采用第一算法生成一条位于当前点与终点之间的代价最小的全局参考路径；在获得全局参考路径的同时，数据采集装置2实时更新距离机器人固定半径内的局部区域地图，并获取动态障碍物在局部区域地图中的第一坐标，并通过坐标转换将得到的第一坐标转换到二维全局静态地图坐标系中以获取第二坐标；数据分析装置3再根据第二坐标，终点位置坐标，当前位置坐标，当前位置姿态信息，终点位置姿态信息和全局参考路径，采用第二算法对机器人在下一刻的速度向量进行最优规划，以获得最优速度向量，以使得底盘根据最优速度向量进行动作，从而使得机器人向终点位置进行移动。此外，需要说明的是，本发明实施例的室内机器人导航系统100是通过控制底盘的运动来实现对机器人的运动进行导航。
本发明实施例提供的室内机器人导航系统100，先采用第一算法进行全局静态规划，规划出一条位于当前点与终点之间的代价最小的全局参考路径，之后再采用第二算法进行局部动态避障规划，根据局部近距离动态障碍物对路径进行实时调整。本发明实施例提供的室内机器人导航系统100，采用全局静态规划与局部动态避障规划相结合的路径规划算法对机器人的路径进行实时规划，使得机器人可以根据局部近距离动态障碍物的更新做出路径的调整，实用性高。
优选地，人机交互装置1包括一个可视化的交互界面。可以让用户自行设置导航终点，并且将导航过程的地图信息、动态障碍物信息、规划出的全局参考路径、机器人的位置姿态信息等实时显示在界面上，便于用户与机器人导航系统的交互。
进一步优选地，数据采集装置2包括：RGB-D传感器、超声波测距仪、惯性测量传感器。本发明实施例中，数据采集装置2为三维环境扫描设备，RGB-D传感器和超声波测距仪用于采集室内环境颜色深度信息，惯性测量传感器用于采集机器人的位置姿态信息。
此外，需要说明的是，与现有技术相比，本发明实施例中，数据采集装置2中的各设备均为非激光雷达设备，成本更低。且本实施例没有使用现有技术中的路标和光学运动捕捉系统，也就是说，本实施例不需要在环境中安装设置额外的装置来协助定位与导航，对外部设备的依赖小，更加方便使用。同时，本实施例采用RGB-D传感器和超声波测距仪用于采集室内环境颜色深度信息，与现有技术中的仅使用超声波、红外测距传感器相比，本实施例采用视觉信息进行定位，精度更高，且对于障碍物实际位置的判断也更加精确，具有更高的导航稳定性。
优选地，第一算法为A*算法。本实施例的机器人依据二维全局静态地图、当前位置坐标，当前位置姿态信息，目标位置坐标，目标位置姿态信息，在数据分析平台上利用A*算法在全局静态地图上逐个迭代栅格点计算各条候选路径的代价，最终选择代价最小的候选路径作为全局参考路径。
此外，需要说明的是，本实施例中的A*算法为英译名称，在本领域还具有另外两个名称，分别为A-Star算法和A星算法，但是，无论是称为A*算法，A-Star算法或A星算法，均是本领域技术人员能够理解且接受的。
进一步地，第二算法为DWA算法，其中，DWA算法又名：动态窗口方法(Dynamic Window Approach，DWA)，需要说明的是，DWA算法是本领域技术人员能够理解并接收的通用缩写简称。本实施例在获取全局参考路径的同时，数据采集装置2实时更新距离机器人固定半径内的局部区域地图，并获取动态障碍物在局部区域地图中的第一坐标，并通过坐标转换将得到的第一坐标转换到二维全局静态地图坐标系中以获取第二坐标，之后数据分析装置3，再根据第二坐标，终点位置坐标，当前位置坐标，当前位置姿态信息，终点位置姿态信息和全局参考路径，采用DWA算法对机器人在下一刻的速度向量进行最优规划，以获得最优速度向量，以使得底盘根据最优速度向量进行动作，从而使得机器人向终点位置进行移动。
具体地，速度向量包括线速度和角速度。更加具体地，DWA算法的依据是：在一个较短的时间间隔里机器人能够达到的线速度值变化范围和角速度值变化范围是一定的，且线速度值变化范围与角速度值变化范围是根据实际所采用的电机的性能和地面摩擦系数决定。一般的，为了便于计算，通常将线速度值变化范围和角速度值变化范围赋予选定的常数进行计算。DWA算法根据线速度值变化范围和角速度值变化范围，通过构建一个动态窗口，在动态窗口内部，通过计算下一时刻的机器人速度值来对可行的规划区域进行最终的调整，最后在该可行的规划区域内遍历所有的线速度与角速度的取值，并将线速度与角速度的值代入一个设定好的目标函数中，从而可以规划出机器人在下一时刻的速度向量。
更加具体地，根据动力学原理，每一个时刻内通过执行DWA算法返回的线速度的模与角速度可以得到一段圆弧轨迹，即每一个时刻行走的圆弧都可以独一无二地被一个速度向量(vi,wi)所表示，其中i＝1,2，3,…n。所以为了生成接下来n个时间间隔内当前点到目标点P的轨迹，在不碰撞障碍物的前提下，数据分析需要在当前时刻决策t1到tn这n个时间间隔内每一时刻的速度向量(vi,wi)。DWA算法的原理中指出这样的算法复杂度会随着时间间隔数n成指数增长。
为了让决策速度向量(vi,wi)的最优化问题具有可行性。DWA算法在当前时刻只考虑接下来所有n个时刻的第一个时间间隔，从而假设接下来的n-1个时间间隔内的速度向量与第一时刻决策的速度向量保持一致为一个常向量，即t1到tn这n-1个时刻的加速度为0。
这样的简化是依据如下观测事实而提出的：
(1)简化后的规划空间是二维的，所以具有易处理的特点；
(2)每一个时刻的规划是重复进行的(没有必要在当前时刻计算接下来所有时刻的最优化问题，否则复杂度急剧上升)；
(3)速度状态在没有新的控制指令传递下将会自动保持为一个常量。
距离机器人周围较近的障碍物会对其线速度和角速度施加约束。最大的可行速度取决于路径上下一个障碍物与机器人本身的距离，即当前的可行速度的集合是保证机器人能够在接触障碍物前停下的速度范围(受到机器人底盘电机能够提供的最大加速度的影响)。令对于速度向量(v,w)的制动距离为dist(v,w)，且与是加速度的临界值。由牛顿第二定律可以计算出向量(v,w)的初步决策空间为：
其中va就是允许机器人不碰撞障碍物的所有速度向量(v,w)的集合。
为了将电机等动力设备能够提供给机器人的极限加速度考虑进入对决策规划空间的进一步约束。DWA算法将速度向量决策空间进一步筛选成下一个时间间隔内凭借加速度极限值能够达到的速度范围。令t为时间间隔，和为极限的加速度，(va,wa)为当前的速度向量。所以动态窗口vd被定义如下：
动态窗口是一块以当前速度为中心的以极限加速度为参数扩张成的一个矩形区域。所有在动态窗口外的速度向量在下一个时间间隔内均不可能实现，所以都不被考虑。
最后令线速度极限值与角速度极限值确定的决策空间外围为vs。那么综上，最终的决策区域vr就被定义vs、va、vd三个决策空间的交集：
vr＝vs∩va∩vd (3)
vr决策空间定义完成之后，将建立目标函数G(v,w)，通过在vr向量空间中求解目标函数G(v,w)的最大值来对下一时刻的速度向量(v,w)进行最终的决策。下面定义目标函数为：
G(v,w)＝α·heading(v,w)+β·dist_ob(v,w)+γ·dist_gpath(v,w) (4)
其中，目标函数是指向目标测量角函数heading(v,w)、与障碍物的间隙函数dist_ob(v,w)、与全局参考路径的距离函数dist_gpath(v,w)的加权线性组合，且α，β，γ为三个函数分别对应的权值，当三个权值分别取得合适的值时可以完成高效的动态避障任务。其中指向目标测量角函数heading(v,w)描述了机器人朝向与目标点方向的同向程度，用180～θ来表示，θ是机器人正方向与目标点方向的夹角。由于这个方向对于不同的(v,w)都会有所改变，θ是针对机器人的下一预测位置计算得到的，通过假设机器人在下一间隔内以选中的速度向量运动，从而求得下一预测位置坐标。实际的测量中，需要考虑到旋转过程的动力学模型。所以θ需要在下一个时间间隔后施加一个在最大减速度条件下最终到达的位置点来计算得到。与障碍物的间隙函数dist_ob(v,w)描述了下一时刻机器人与路径上最近障碍物的距离。如果路径上没有任何障碍物则方程返回一个较大的常数。与全局参考路径的距离函数dist_gpath(v,w)返回了下一时刻机器人将处于的位置点与规划出的全局参考路径的距离，表征了所规划的实时速度组合使得机器人下一时刻所处位置相对于最小代价位置的差异。优选的，目标函数中的三个权值α，β，γ都被标准化到[0,1]之间。
实施例二
结合图2，本实施例提供一种室内机器人导航方法，应用于机器人，包括；
步骤S1：人机交互装置1接收用户输入的机器人的终点位置坐标及机器人的终点位置姿态信息；
步骤S2：数据采集装置2获取机器人的当前位置坐标和机器人的当前位置姿态信息；
步骤S3：数据分析装置3根据终点位置坐标，终点位置姿态信息，当前位置坐标，当前位置姿态信息以及预先获取的二维全局静态地图，采用第一算法生成一条位于当前点与终点之间的代价最小的全局参考路径；
步骤S4：数据采集装置2实时更新距离机器人固定半径内的局部区域地图，获取动态障碍物在局部区域地图中的第一坐标，并根据第一坐标进行坐标转换以获取动态障碍物在二维全局静态地图中对应的第二坐标；
步骤S5：当机器人没有被障碍物包围时，为正常导航状态，数据分析装置3根据第二坐标，终点位置坐标，当前位置坐标，当前位置姿态信息，终点位置姿态信息和全局参考路径，采用第二算法对机器人在下一刻的速度向量进行最优规划，以获得最优速度向量，用于供底盘根据所述最优速度向量进行移动。
本发明实施例提供的室内机器人导航方法，使用人机交互装置1接收用户输入的导航的终点位置坐标和终点位置姿态信息；数据采集装置2获取机器人的当前位置坐标和当前位置姿态信息；之后，数据分析装置3，再根据终点位置坐标，终点位置姿态信息，当前位置坐标，位置姿态信息以及预先获取的二维全局静态地图，采用第一算法生成一条位于当前点与终点之间的代价最小的全局参考路径；在获得全局参考路径的同时，数据采集装置2实时更新距离机器人固定半径内的局部区域地图，并获取动态障碍物在局部区域地图中的第一坐标，并通过坐标转换将得到的第一坐标转换到二维全局静态地图坐标系中以获取第二坐标；当机器人没有被障碍物包围时，数据分析装置3再根据第二坐标，终点位置坐标，当前位置坐标，当前位置姿态信息，终点位置姿态信息和全局参考路径，采用第二算法对机器人在下一刻的速度向量进行最优规划，以获得最优速度向量，以使得底盘根据最优速度向量进行动作，从而使得机器人向终点位置进行移动。此外，需要说明的是，本发明实施例的室内机器人导航方法是通过控制底盘的运动来实现对机器人的运动进行导航。
本发明实施例提供的室内机器人导航方法，先采用第一算法进行全局静态规划，规划出一条位于当前点与终点之间的代价最小的全局参考路径，之后再采用第二算法进行局部动态避障规划，根据局部近距离动态障碍物对路径进行实时调整。本发明实施例提供的室内机器人导航方法，采用全局静态规划与局部动态避障规划相结合的路径规划算法对机器人的路径进行实时规划，使得机器人可以根据局部近距离动态障碍物的更新做出路径的调整，实用性高。
优选地，步骤S5中，当机器人被障碍物包围而无法进行导航时，还包括：数据分析装置3发出一个预设的速度向量给底盘以进行原地旋转；数据采集装置2持续扫描并更新局部区域地图，直到局部区域地图中的障碍物的分布允许机器人通过，返回正常导航状态，其中，障碍物包括动态障碍物和静态障碍物。当动态障碍物或者动态障碍物与静态障碍物一起形成包围将机器人围住时，机器人将进入原地旋转状态，持续扫描并更新周围的障碍物信息，与此同时，数据分析装置3将会在局部区域地图中清除上一周期旋转扫描得到的周围障碍物信息，并重建当前周期旋转扫描得到的障碍物信息。直到周围障碍物的分布允许机器人通过后，终止这一循环，返回正常的导航状态。
优选地，步骤S3中，二维全局静态地图的预先获取步骤包括：数据采集装置2围绕当前环境进行一次全局扫描以获得若干帧三维点云，并采用三维SLAM算法将若干帧三维点云拼接成为三维全局静态地图；数据分析装置3对三维全局静态地图进行降维度处理，以获得二维全局静态地图。本实施例通过预先对三维点云地图进行投影并获得二维全局静态地图，其目的在于，节省存储空间，简化数据存储的空间开销，以提高导航效率。
优选地，第一算法为A*算法。本实施例的机器人依据二维全局静态地图、当前位置坐标，当前位置姿态信息，目标位置坐标，目标位置姿态信息，在数据分析平台上利用A*算法在全局静态地图上逐个迭代栅格点计算各条候选路径的代价，最终选择代价最小的候选路径作为全局参考路径。
此外，需要说明的是，本实施例中的A*算法为英译名称，在本领域还具有另外两个名称，分别为A-Star算法和A星算法，但是，无论是称为A*算法，A-Star算法或A星算法，均是本领域技术人员能够理解且接受的。
进一步地，第二算法为DWA算法。其中，DWA算法又名：动态窗口方法(Dynamic Window Approach，DWA)，需要说明的是，DWA算法是本领域技术人员能够理解并接收的通用缩写简称。本实施例在获取全局参考路径的同时，数据采集装置2实时更新距离机器人固定半径内的局部区域地图，并获取动态障碍物在局部区域地图中的第一坐标，并通过坐标转换将得到的第一坐标转换到二维全局静态地图坐标系中以获取第二坐标，之后数据分析装置3，再根据第二坐标，终点位置坐标，当前位置坐标，当前位置姿态信息，终点位置姿态信息和全局参考路径，采用DWA算法对机器人在下一刻的速度向量进行最优规划，以获得最优速度向量，以使得底盘根据最优速度向量进行动作，从而使得机器人向终点位置进行移动。
具体地，速度向量包括线速度和角速度。更加具体地，DWA算法的依据是：在一个较短的时间间隔里机器人能够达到的线速度值变化范围和角速度值变化范围是一定的，且线速度值变化范围与角速度值变化范围是根据实际所采用的电机的性能和地面摩擦系数决定。一般的，为了便于计算，通常将线速度值变化范围和角速度值变化范围赋予选定的常数进行计算。DWA算法根据线速度值变化范围和角速度值变化范围，通过构建一个动态窗口，在动态窗口内部，通过计算下一时刻的机器人速度值来对可行的规划区域进行最终的调整，最后在该可行的规划区域内遍历所有的线速度与角速度的取值，并将线速度与角速度的值代入一个设定好的目标函数中，从而可以规划出机器人在下一时刻的速度向量。
更加具体地，根据动力学原理，每一个时刻内通过执行DWA算法返回的线速度的模与角速度可以得到一段圆弧轨迹，即每一个时刻行走的圆弧都可以独一无二地被一个速度向量(vi,wi)所表示，其中i＝1,2，3,…n。所以为了生成接下来n个时间间隔内当前点到目标点P的轨迹，在不碰撞障碍物的前提下，数据分析需要在当前时刻决策t1到tn这n个时间间隔内每一时刻的速度向量(vi,wi)。DWA算法的原理中指出这样的算法复杂度会随着时间间隔数n成指数增长。
为了让决策速度向量(vi,wi)的最优化问题具有可行性。DWA算法在当前时刻只考虑接下来所有n个时刻的第一个时间间隔，从而假设接下来的n-1个时间间隔内的速度向量与第一时刻决策的速度向量保持一致为一个常向量，即t1到tn这n-1个时刻的加速度为0。
这样的简化是依据如下观测事实而提出的：
(1)简化后的规划空间是二维的，所以具有易处理的特点；
(2)每一个时刻的规划是重复进行的(没有必要在当前时刻计算接下来所有时刻的最优化问题，否则复杂度急剧上升)；
(3)速度状态在没有新的控制指令传递下将会自动保持为一个常量。
距离机器人周围较近的障碍物会对其线速度和角速度施加约束。最大的可行速度取决于路径上下一个障碍物与机器人本身的距离，即当前的可行速度的集合是保证机器人能够在接触障碍物前停下的速度范围(受到机器人底盘电机能够提供的最大加速度的影响)。令对于速度向量(v,w)的制动距离为dist(v,w)，且与是加速度的临界值。由牛顿第二定律可以计算出向量(v,w)的初步决策空间为：
其中va就是允许机器人不碰撞障碍物的所有速度向量(v,w)的集合。
为了将电机等动力设备能够提供给机器人的极限加速度考虑进入对决策规划空间的进一步约束。DWA算法将速度向量决策空间进一步筛选成下一个时间间隔内凭借加速度极限值能够达到的速度范围。令t为时间间隔，和为极限的加速度，(va,wa)为当前的速度向量。所以动态窗口vd被定义如下：
动态窗口是一块以当前速度为中心的以极限加速度为参数扩张成的一个矩形区域。所有在动态窗口外的速度向量在下一个时间间隔内均不可能实现，所以都不被考虑。
最后令线速度极限值与角速度极限值确定的决策空间外围为vs。那么综上，最终的决策区域vr就被定义vs、va、vd三个决策空间的交集：
vr＝vs∩va∩vd (3)
vr决策空间定义完成之后，将建立目标函数G(v,w)，通过在vr向量空间中求解目标函数G(v,w)的最大值来对下一时刻的速度向量(v,w)进行最终的决策。下面定义目标函数为：
G(v,w)＝α·heading(v,w)+β·dist_ob(v,w)+γ·dist_gpath(v,w) (4)
其中，目标函数是指向目标测量角函数heading(v,w)、与障碍物的间隙函数dist_ob(v,w)、与全局参考路径的距离函数dist_gpath(v,w)的加权线性组合，且α，β，γ为三个函数分别对应的权值，当三个权值分别取得合适的值时可以完成高效的动态避障任务。其中指向目标测量角函数heading(v,w)描述了机器人朝向与目标点方向的同向程度，用180～θ来表示，θ是机器人正方向与目标点方向的夹角。由于这个方向对于不同的(v,w)都会有所改变，θ是针对机器人的下一预测位置计算得到的，通过假设机器人在下一间隔内以选中的速度向量运动，从而求得下一预测位置坐标。实际的测量中，需要考虑到旋转过程的动力学模型。所以θ需要在下一个时间间隔后施加一个在最大减速度条件下最终到达的位置点来计算得到。与障碍物的间隙函数dist_ob(v,w)描述了下一时刻机器人与路径上最近障碍物的距离。如果路径上没有任何障碍物则方程返回一个较大的常数。与全局参考路径的距离函数dist_gpath(v,w)返回了下一时刻机器人将处于的位置点与规划出的全局参考路径的距离，表征了所规划的实时速度组合使得机器人下一时刻所处位置相对于最小代价位置的差异。优选的，目标函数中的三个权值α，β，γ都被标准化到[0,1]之间。
尽管本发明已进行了一定程度的描述，明显地，在不脱离本发明的精神和范围的条件下，可进行各个条件的适当变化。可以理解，本发明不限于所述实施方案，而归于权利要求的范围，其包括所述每个因素的等同替换。
Claims (10)
1.一种室内机器人导航系统，应用于机器人，其特征在于，包括：
人机交互装置：用于接收用户输入的所述机器人的终点位置坐标及所述机器人的终点位置姿态信息；
数据采集装置：用于获取所述机器人的当前位置坐标和所述机器人的当前位置姿态信息；
数据分析装置，用于根据所述终点位置坐标，所述终点位置姿态信息，所述当前位置坐标，当前位置姿态信息以及预先获取的二维全局静态地图，采用第一算法生成一条位于当前点与终点之间的代价最小的全局参考路径；
数据采集装置，还用于实时更新距离机器人固定半径内的局部区域地图，获取动态障碍物在所述局部区域地图中的第一坐标，并根据所述第一坐标进行坐标转换以获取所述动态障碍物在所述二维全局静态地图中对应的第二坐标；
数据分析装置，还用于根据所述第二坐标，所述终点位置坐标，所述当前位置坐标，所述当前位置姿态信息，所述终点位置姿态信息和所述全局参考路径，采用第二算法对机器人在下一刻的速度向量进行最优规划，以获得最优速度向量，用于供机器人根据所述最优速度向量进行移动。
2.根据权利要求1所述的室内机器人导航系统，其特征在于，所述人机交互装置包括一个可视化的交互界面。
3.根据权利要求1所述的室内机器人导航系统，其特征在于，所述数据采集装置包括：RGB-D传感器、超声波测距仪、惯性测量传感器。
4.根据权利要求1至3中任一项所述的室内机器人导航系统，其特征在于，所述第一算法为A*算法。
5.根据权利要求4所述的室内机器人导航系统，其特征在于，所述第二算法为DWA算法。
6.一种室内机器人导航方法，应用于机器人，其特征在于，包括：
步骤S1：人机交互装置接收用户输入的所述机器人的终点位置坐标及所述机器人的终点位置姿态信息；
步骤S2：数据采集装置获取所述机器人的当前位置坐标和所述机器人的当前位置姿态信息；
步骤S3：数据分析装置根据所述终点位置坐标，所述终点位置姿态信息，所述当前位置坐标，当前位置姿态信息以及预先获取的二维全局静态地图，采用第一算法生成一条位于当前点与终点之间的代价最小的全局参考路径；
步骤S4：数据采集装置实时更新距离机器人固定半径内的局部区域地图，获取动态障碍物在所述局部区域地图中的第一坐标，并根据所述第一坐标进行坐标转换以获取所述动态障碍物在所述二维全局静态地图中对应的第二坐标；
步骤S5：当所述机器人没有被障碍物包围时，为正常导航状态，数据分析装置根据所述第二坐标，所述终点位置坐标，所述当前位置坐标，所述当前位置姿态信息，所述终点位置姿态信息和所述全局参考路径，采用第二算法对机器人在下一刻的速度向量进行最优规划，以获得最优速度向量，用于供机器人根据所述最优速度向量进行移动。
7.根据权利要求6所述的室内机器人导航方法，其特征在于，所述步骤S5中，当所述机器人被障碍物包围而无法进行导航时，还包括：
数据分析装置发出一个预设的速度向量给底盘以进行原地旋转；
数据采集装置持续扫描并更新所述局部区域地图，直到所述局部区域地图中的障碍物的分布允许机器人通过，返回正常导航状态，其中，所述障碍物包括所述动态障碍物和静态障碍物。
8.根据权利要求7所述的室内机器人导航方法，其特征在于，所述步骤S3中，所述二维全局静态地图的预先获取步骤包括：
数据采集装置围绕当前环境进行一次全局扫描以获得若干帧三维点云，并采用三维SLAM算法将所述若干帧三维点云拼接成为三维全局静态地图；
数据分析装置对所述三维全局静态地图进行降维度处理，以获得二维全局静态地图。
9.根据权利要求8所述的室内机器人导航系统，其特征在于，所述第一算法为A*算法。
10.根据权利要求9所述的室内机器人导航系统，其特征在于，所述第二算法为DWA算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610353911.1A CN105955273A (zh) | 2016-05-25 | 2016-05-25 | 室内机器人导航系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610353911.1A CN105955273A (zh) | 2016-05-25 | 2016-05-25 | 室内机器人导航系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105955273A true CN105955273A (zh) | 2016-09-21 |
Family
ID=56910530
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610353911.1A Pending CN105955273A (zh) | 2016-05-25 | 2016-05-25 | 室内机器人导航系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105955273A (zh) |
Cited By (44)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106444780A (zh) * | 2016-11-10 | 2017-02-22 | 速感科技（北京）有限公司 | 一种基于视觉定位算法的机器人的自主导航方法及系统 |
| CN106595595A (zh) * | 2016-12-07 | 2017-04-26 | 北京工业大学 | 一种基于深度传感器的室内机器人定向方法 |
| CN106708058A (zh) * | 2017-02-16 | 2017-05-24 | 上海大学 | 一种基于ros的机器人物品传送方法和控制系统 |
| CN106949893A (zh) * | 2017-03-24 | 2017-07-14 | 华中科技大学 | 一种三维避障的室内机器人导航方法和系统 |
| CN107065856A (zh) * | 2017-02-06 | 2017-08-18 | 深圳市金立通信设备有限公司 | 一种控制机器人的方法及终端 |
| CN107065883A (zh) * | 2017-05-18 | 2017-08-18 | 广州视源电子科技股份有限公司 | 移动控制方法、装置、机器人及存储介质 |
| CN107092264A (zh) * | 2017-06-21 | 2017-08-25 | 北京理工大学 | 面向银行厅堂环境的服务机器人自主导航与自动充电方法 |
| CN107091643A (zh) * | 2017-06-07 | 2017-08-25 | 旗瀚科技有限公司 | 一种基于多台3d结构光相机拼接的室内导航方法 |
| CN107328424A (zh) * | 2017-07-12 | 2017-11-07 | 三星电子（中国）研发中心 | 导航方法和装置 |
| CN107563886A (zh) * | 2017-08-10 | 2018-01-09 | 浙江工业大学 | 基于银行导览系统的智能服务机器人系统 |
| CN107643752A (zh) * | 2017-05-09 | 2018-01-30 | 清研华宇智能机器人（天津）有限责任公司 | 基于行人轨迹预测的全向移动机器人路径规划算法 |
| CN107689075A (zh) * | 2017-08-30 | 2018-02-13 | 北京三快在线科技有限公司 | 导航地图的生成方法、装置及机器人 |
| CN108121347A (zh) * | 2017-12-29 | 2018-06-05 | 北京三快在线科技有限公司 | 用于控制设备运动的方法、装置及电子设备 |
| CN108227706A (zh) * | 2017-12-20 | 2018-06-29 | 北京理工华汇智能科技有限公司 | 机器人躲避动态障碍的方法及装置 |
| CN108303980A (zh) * | 2018-01-16 | 2018-07-20 | 上海木爷机器人技术有限公司 | 基于机器人实现虚拟墙图层的系统及方法 |
| CN108549378A (zh) * | 2018-05-02 | 2018-09-18 | 长沙学院 | 一种基于栅格地图的混合路径规划方法和系统 |
| CN108762255A (zh) * | 2018-05-03 | 2018-11-06 | 南京理工大学 | 一种室内智能移动机器人及控制方法 |
| CN108803588A (zh) * | 2017-04-28 | 2018-11-13 | 深圳乐动机器人有限公司 | 机器人的控制系统 |
| CN108961385A (zh) * | 2017-05-22 | 2018-12-07 | 中国人民解放军信息工程大学 | 一种slam构图方法及装置 |
| CN109029463A (zh) * | 2018-08-20 | 2018-12-18 | 重庆师范大学 | 面向车辆安全行驶的室内多平衡车自主导航与调度系统 |
| CN109144237A (zh) * | 2017-08-10 | 2019-01-04 | 湖南超能机器人技术有限公司 | 一种机器人多通道人机交互式导航方法 |
| CN109697428A (zh) * | 2018-12-27 | 2019-04-30 | 江西理工大学 | 基于rgb_d和深度卷积网络的无人机识别定位系统 |
| CN109839107A (zh) * | 2019-03-21 | 2019-06-04 | 深圳市三宝创新智能有限公司 | 一种智能机器人导航方法及其导航装置 |
| CN109947129A (zh) * | 2019-03-29 | 2019-06-28 | 华南理工大学 | 基于Dijkstra与改进粒子群算法的旋翼无人机路径规划方法 |
| CN110023866A (zh) * | 2016-11-02 | 2019-07-16 | 云海智行股份有限公司 | 用于自主导航中的动态路线规划的系统和方法 |
| CN110083167A (zh) * | 2019-06-05 | 2019-08-02 | 浙江大华技术股份有限公司 | 一种移动机器人的路径跟踪方法及装置 |
| CN110315538A (zh) * | 2019-06-27 | 2019-10-11 | 深圳乐动机器人有限公司 | 一种在电子地图上显示障碍物的方法、装置及机器人 |
| CN110471441A (zh) * | 2019-08-12 | 2019-11-19 | 南京理工大学 | 一种基于激光探测的四旋翼无人机避障方法 |
| CN110568846A (zh) * | 2019-08-28 | 2019-12-13 | 佛山市兴颂机器人科技有限公司 | 一种agv的智能导航方法及系统 |
| CN110907945A (zh) * | 2019-10-28 | 2020-03-24 | 广西电网有限责任公司电力科学研究院 | 一种兼顾无人机室内外飞行的定位方法 |
| CN111123947A (zh) * | 2019-12-31 | 2020-05-08 | 深圳前海达闼云端智能科技有限公司 | 机器人行进的控制方法、装置、电子设备、介质和机器人 |
| CN111326003A (zh) * | 2020-02-24 | 2020-06-23 | 五邑大学 | 一种智能小车寻迹行驶方法、系统和存储介质 |
| CN111367278A (zh) * | 2020-03-04 | 2020-07-03 | 北京小狗智能机器人技术有限公司 | 机器人工作覆盖区域的确定方法及相关设备 |
| WO2020216315A1 (zh) * | 2019-04-26 | 2020-10-29 | 纵目科技（上海）股份有限公司 | 一种参考行驶线快速生成方法、系统、终端和存储介质 |
| CN112445211A (zh) * | 2019-08-15 | 2021-03-05 | 纳恩博（北京）科技有限公司 | 机器人的控制方法和装置、存储介质及电子装置 |
| CN112445209A (zh) * | 2019-08-15 | 2021-03-05 | 纳恩博（北京）科技有限公司 | 机器人的控制方法和机器人、存储介质及电子装置 |
| CN112711255A (zh) * | 2020-12-24 | 2021-04-27 | 南方科技大学 | 移动机器人避障方法、控制设备及存储介质 |
| CN112987763A (zh) * | 2021-05-11 | 2021-06-18 | 南京理工大学紫金学院 | 一种基于ros的自主导航机器人控制系统的智能小车 |
| CN113156964A (zh) * | 2021-04-30 | 2021-07-23 | 河海大学 | 一种基于改进动态窗口法的无人地面车辆路径规划方法 |
| CN113791627A (zh) * | 2021-11-16 | 2021-12-14 | 中国科学院自动化研究所 | 一种机器人导航方法、设备、介质和产品 |
| CN113885522A (zh) * | 2021-10-28 | 2022-01-04 | 武汉大学 | 水面机器人避障方法、装置、设备及可读存储介质 |
| CN113895543A (zh) * | 2021-10-09 | 2022-01-07 | 西安电子科技大学 | 基于园区环境的无人车智能驾驶系统 |
| CN114027869A (zh) * | 2020-10-29 | 2022-02-11 | 武汉联影医疗科技有限公司 | 超声成像设备的移动方法、超声成像设备和介质 |
| CN115578694A (zh) * | 2022-11-18 | 2023-01-06 | 合肥英特灵达信息技术有限公司 | 一种视频分析算力调度方法、系统、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010124056A1 (en) * | 2009-04-22 | 2010-10-28 | Toyota Motor Engineering And Manufacturing N.A. | Detection of topological structure from sensor data with application to autonomous driving in semi-structured environments |
| CN103247075A (zh) * | 2013-05-13 | 2013-08-14 | 北京工业大学 | 基于变分机制的室内环境三维重建方法 |
| CN103576686A (zh) * | 2013-11-21 | 2014-02-12 | 中国科学技术大学 | 一种机器人自主导引及避障的方法 |
| CN103605368A (zh) * | 2013-12-04 | 2014-02-26 | 苏州大学张家港工业技术研究院 | 一种动态未知环境中路径规划方法及装置 |
| CN103760904A (zh) * | 2014-02-13 | 2014-04-30 | 北京工业大学 | 一种语音播报式智能车辆路径规划装置与实施方法 |
| CN105116902A (zh) * | 2015-09-09 | 2015-12-02 | 北京进化者机器人科技有限公司 | 一种移动机器人避障导航的方法和系统 |
-
2016
- 2016-05-25 CN CN201610353911.1A patent/CN105955273A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010124056A1 (en) * | 2009-04-22 | 2010-10-28 | Toyota Motor Engineering And Manufacturing N.A. | Detection of topological structure from sensor data with application to autonomous driving in semi-structured environments |
| CN103247075A (zh) * | 2013-05-13 | 2013-08-14 | 北京工业大学 | 基于变分机制的室内环境三维重建方法 |
| CN103576686A (zh) * | 2013-11-21 | 2014-02-12 | 中国科学技术大学 | 一种机器人自主导引及避障的方法 |
| CN103605368A (zh) * | 2013-12-04 | 2014-02-26 | 苏州大学张家港工业技术研究院 | 一种动态未知环境中路径规划方法及装置 |
| CN103760904A (zh) * | 2014-02-13 | 2014-04-30 | 北京工业大学 | 一种语音播报式智能车辆路径规划装置与实施方法 |
| CN105116902A (zh) * | 2015-09-09 | 2015-12-02 | 北京进化者机器人科技有限公司 | 一种移动机器人避障导航的方法和系统 |
Non-Patent Citations (4)
| Title |
|---|
| EDOUARD IVANJKO: "An Approach to Motion Planning of Indoor Mobile Robots", 《IEEE》 * |
| ROBOTDREAMSKY: "ROS机器人导航", 《HTTPS://WENKU.BAIDU.COM/VIEW/B70E5289B7360B4C2F3F6497.HTML?FROM=SEARCH 》 * |
| 李卫成: "基于RGBD 的机器人室内 SLAM 与路径规划系统", 《工业控制计算机 》 * |
| 胡春旭，等: "基于嵌入式系统的室内移动机器人定位与导航", 《华中科技大学学报》 * |
Cited By (63)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110023866B (zh) * | 2016-11-02 | 2022-12-06 | 云海智行股份有限公司 | 用于自主导航中的动态路线规划的系统和方法 |
| CN110023866A (zh) * | 2016-11-02 | 2019-07-16 | 云海智行股份有限公司 | 用于自主导航中的动态路线规划的系统和方法 |
| CN106444780A (zh) * | 2016-11-10 | 2017-02-22 | 速感科技（北京）有限公司 | 一种基于视觉定位算法的机器人的自主导航方法及系统 |
| CN106444780B (zh) * | 2016-11-10 | 2019-06-28 | 速感科技（北京）有限公司 | 一种基于视觉定位算法的机器人的自主导航方法及系统 |
| CN106595595B (zh) * | 2016-12-07 | 2019-06-14 | 北京工业大学 | 一种基于深度传感器的室内机器人定向方法 |
| CN106595595A (zh) * | 2016-12-07 | 2017-04-26 | 北京工业大学 | 一种基于深度传感器的室内机器人定向方法 |
| CN107065856A (zh) * | 2017-02-06 | 2017-08-18 | 深圳市金立通信设备有限公司 | 一种控制机器人的方法及终端 |
| CN106708058A (zh) * | 2017-02-16 | 2017-05-24 | 上海大学 | 一种基于ros的机器人物品传送方法和控制系统 |
| CN106949893A (zh) * | 2017-03-24 | 2017-07-14 | 华中科技大学 | 一种三维避障的室内机器人导航方法和系统 |
| CN106949893B (zh) * | 2017-03-24 | 2019-05-21 | 华中科技大学 | 一种三维避障的室内机器人导航方法和系统 |
| CN108803588A (zh) * | 2017-04-28 | 2018-11-13 | 深圳乐动机器人有限公司 | 机器人的控制系统 |
| CN107643752B (zh) * | 2017-05-09 | 2020-12-08 | 清研华宇智能机器人（天津）有限责任公司 | 基于行人轨迹预测的全向移动机器人路径规划算法 |
| CN107643752A (zh) * | 2017-05-09 | 2018-01-30 | 清研华宇智能机器人（天津）有限责任公司 | 基于行人轨迹预测的全向移动机器人路径规划算法 |
| CN107065883A (zh) * | 2017-05-18 | 2017-08-18 | 广州视源电子科技股份有限公司 | 移动控制方法、装置、机器人及存储介质 |
| WO2018209864A1 (zh) * | 2017-05-18 | 2018-11-22 | 广州视源电子科技股份有限公司 | 移动控制方法、装置、机器人及存储介质 |
| CN108961385B (zh) * | 2017-05-22 | 2023-05-02 | 中国人民解放军信息工程大学 | 一种slam构图方法及装置 |
| CN108961385A (zh) * | 2017-05-22 | 2018-12-07 | 中国人民解放军信息工程大学 | 一种slam构图方法及装置 |
| CN107091643A (zh) * | 2017-06-07 | 2017-08-25 | 旗瀚科技有限公司 | 一种基于多台3d结构光相机拼接的室内导航方法 |
| CN107092264A (zh) * | 2017-06-21 | 2017-08-25 | 北京理工大学 | 面向银行厅堂环境的服务机器人自主导航与自动充电方法 |
| CN107328424B (zh) * | 2017-07-12 | 2020-12-11 | 三星电子（中国）研发中心 | 导航方法和装置 |
| CN107328424A (zh) * | 2017-07-12 | 2017-11-07 | 三星电子（中国）研发中心 | 导航方法和装置 |
| CN109144237A (zh) * | 2017-08-10 | 2019-01-04 | 湖南超能机器人技术有限公司 | 一种机器人多通道人机交互式导航方法 |
| CN109144237B (zh) * | 2017-08-10 | 2021-03-16 | 湖南超能机器人技术有限公司 | 一种机器人多通道人机交互式导航方法 |
| CN107563886A (zh) * | 2017-08-10 | 2018-01-09 | 浙江工业大学 | 基于银行导览系统的智能服务机器人系统 |
| CN107689075B (zh) * | 2017-08-30 | 2019-02-19 | 北京三快在线科技有限公司 | 导航地图的生成方法、装置及机器人 |
| CN107689075A (zh) * | 2017-08-30 | 2018-02-13 | 北京三快在线科技有限公司 | 导航地图的生成方法、装置及机器人 |
| CN108227706B (zh) * | 2017-12-20 | 2021-10-19 | 北京理工华汇智能科技有限公司 | 机器人躲避动态障碍的方法及装置 |
| CN108227706A (zh) * | 2017-12-20 | 2018-06-29 | 北京理工华汇智能科技有限公司 | 机器人躲避动态障碍的方法及装置 |
| CN108121347A (zh) * | 2017-12-29 | 2018-06-05 | 北京三快在线科技有限公司 | 用于控制设备运动的方法、装置及电子设备 |
| CN108303980A (zh) * | 2018-01-16 | 2018-07-20 | 上海木爷机器人技术有限公司 | 基于机器人实现虚拟墙图层的系统及方法 |
| CN108549378B (zh) * | 2018-05-02 | 2021-04-20 | 长沙学院 | 一种基于栅格地图的混合路径规划方法和系统 |
| CN108549378A (zh) * | 2018-05-02 | 2018-09-18 | 长沙学院 | 一种基于栅格地图的混合路径规划方法和系统 |
| CN108762255A (zh) * | 2018-05-03 | 2018-11-06 | 南京理工大学 | 一种室内智能移动机器人及控制方法 |
| CN109029463A (zh) * | 2018-08-20 | 2018-12-18 | 重庆师范大学 | 面向车辆安全行驶的室内多平衡车自主导航与调度系统 |
| CN109029463B (zh) * | 2018-08-20 | 2021-08-24 | 重庆师范大学 | 面向车辆安全行驶的室内多平衡车自主导航与调度系统 |
| CN109697428A (zh) * | 2018-12-27 | 2019-04-30 | 江西理工大学 | 基于rgb_d和深度卷积网络的无人机识别定位系统 |
| CN109697428B (zh) * | 2018-12-27 | 2020-07-07 | 江西理工大学 | 基于rgb_d和深度卷积网络的无人机识别定位系统 |
| CN109839107A (zh) * | 2019-03-21 | 2019-06-04 | 深圳市三宝创新智能有限公司 | 一种智能机器人导航方法及其导航装置 |
| CN109947129A (zh) * | 2019-03-29 | 2019-06-28 | 华南理工大学 | 基于Dijkstra与改进粒子群算法的旋翼无人机路径规划方法 |
| US11592305B2 (en) | 2019-04-26 | 2023-02-28 | Zongmu Technology (Shanghai) Co., Ltd. | Method, system, terminal, and storage medium for rapid generation of reference lines |
| WO2020216315A1 (zh) * | 2019-04-26 | 2020-10-29 | 纵目科技（上海）股份有限公司 | 一种参考行驶线快速生成方法、系统、终端和存储介质 |
| CN110083167A (zh) * | 2019-06-05 | 2019-08-02 | 浙江大华技术股份有限公司 | 一种移动机器人的路径跟踪方法及装置 |
| CN110315538A (zh) * | 2019-06-27 | 2019-10-11 | 深圳乐动机器人有限公司 | 一种在电子地图上显示障碍物的方法、装置及机器人 |
| CN110471441A (zh) * | 2019-08-12 | 2019-11-19 | 南京理工大学 | 一种基于激光探测的四旋翼无人机避障方法 |
| CN112445209A (zh) * | 2019-08-15 | 2021-03-05 | 纳恩博（北京）科技有限公司 | 机器人的控制方法和机器人、存储介质及电子装置 |
| CN112445211A (zh) * | 2019-08-15 | 2021-03-05 | 纳恩博（北京）科技有限公司 | 机器人的控制方法和装置、存储介质及电子装置 |
| CN112445211B (zh) * | 2019-08-15 | 2023-10-27 | 纳恩博（北京）科技有限公司 | 机器人的控制方法和装置、存储介质及电子装置 |
| CN110568846A (zh) * | 2019-08-28 | 2019-12-13 | 佛山市兴颂机器人科技有限公司 | 一种agv的智能导航方法及系统 |
| CN110907945A (zh) * | 2019-10-28 | 2020-03-24 | 广西电网有限责任公司电力科学研究院 | 一种兼顾无人机室内外飞行的定位方法 |
| CN111123947A (zh) * | 2019-12-31 | 2020-05-08 | 深圳前海达闼云端智能科技有限公司 | 机器人行进的控制方法、装置、电子设备、介质和机器人 |
| CN111326003A (zh) * | 2020-02-24 | 2020-06-23 | 五邑大学 | 一种智能小车寻迹行驶方法、系统和存储介质 |
| CN111367278A (zh) * | 2020-03-04 | 2020-07-03 | 北京小狗智能机器人技术有限公司 | 机器人工作覆盖区域的确定方法及相关设备 |
| CN114027869A (zh) * | 2020-10-29 | 2022-02-11 | 武汉联影医疗科技有限公司 | 超声成像设备的移动方法、超声成像设备和介质 |
| CN112711255A (zh) * | 2020-12-24 | 2021-04-27 | 南方科技大学 | 移动机器人避障方法、控制设备及存储介质 |
| CN112711255B (zh) * | 2020-12-24 | 2024-01-19 | 南方科技大学 | 移动机器人避障方法、控制设备及存储介质 |
| CN113156964A (zh) * | 2021-04-30 | 2021-07-23 | 河海大学 | 一种基于改进动态窗口法的无人地面车辆路径规划方法 |
| CN112987763A (zh) * | 2021-05-11 | 2021-06-18 | 南京理工大学紫金学院 | 一种基于ros的自主导航机器人控制系统的智能小车 |
| CN112987763B (zh) * | 2021-05-11 | 2021-09-17 | 南京理工大学紫金学院 | 一种基于ros的自主导航机器人控制系统的智能小车 |
| CN113895543A (zh) * | 2021-10-09 | 2022-01-07 | 西安电子科技大学 | 基于园区环境的无人车智能驾驶系统 |
| CN113885522A (zh) * | 2021-10-28 | 2022-01-04 | 武汉大学 | 水面机器人避障方法、装置、设备及可读存储介质 |
| CN113791627B (zh) * | 2021-11-16 | 2022-02-11 | 中国科学院自动化研究所 | 一种机器人导航方法、设备、介质和产品 |
| CN113791627A (zh) * | 2021-11-16 | 2021-12-14 | 中国科学院自动化研究所 | 一种机器人导航方法、设备、介质和产品 |
| CN115578694A (zh) * | 2022-11-18 | 2023-01-06 | 合肥英特灵达信息技术有限公司 | 一种视频分析算力调度方法、系统、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105955273A (zh) | 室内机器人导航系统及方法 | |
| Liu et al. | Path planning for smart car based on Dijkstra algorithm and dynamic window approach | |
| CN109828592B (zh) | 一种障碍物检测的方法及设备 | |
| Wang et al. | Intelligent vehicle self-localization based on double-layer features and multilayer LIDAR | |
| CN108958250A (zh) | 多传感器移动平台及基于已知地图的导航与避障方法 | |
| CN107491070A (zh) | 一种移动机器人路径规划方法及装置 | |
| CN106681330A (zh) | 基于多传感器数据融合的机器人导航方法及装置 | |
| CN112461227B (zh) | 轮式底盘机器人巡检智能化自主导航方法 | |
| CN107544501A (zh) | 一种智能机器人智慧行走控制系统及其方法 | |
| CN112518739A (zh) | 履带式底盘机器人侦察智能化自主导航方法 | |
| CN105492985A (zh) | 多传感器环境地图构建 | |
| CN109839118A (zh) | 路径规划方法、系统、机器人和计算机可读存储介质 | |
| CN104854428A (zh) | 传感器融合 | |
| CN105973145A (zh) | 移动式三维激光扫描系统及移动式三维激光扫描方法 | |
| KR20140054763A (ko) | 객체 및 시스템 특성에 기반한 확률 분포 지도 작성 장치 및 그 방법 | |
| CN104406589B (zh) | 一种飞行器穿越雷达区的飞行方法 | |
| EP4141474A1 (en) | System for 3d surveying by an autonomous robotic vehicle using lidar-slam and an estimated point distribution map for path planning | |
| CN113566808A (zh) | 一种导航路径规划方法、装置、设备以及可读存储介质 | |
| Xu et al. | Potential gap: A gap-informed reactive policy for safe hierarchical navigation | |
| CN111673729B (zh) | 路径决定方法 | |
| CN114740849B (zh) | 基于行人步行决策规则的移动机器人自主导航方法及装置 | |
| Zhang et al. | 2D map building and path planning based on LiDAR | |
| Berlin | Spirit of berlin: An autonomous car for the DARPA urban challenge hardware and software architecture | |
| Vanegas Alvarez | Uncertainty based online planning for UAV missions in GPS-denied and cluttered environments | |
| Yue et al. | Semantic-Driven Autonomous Visual Navigation for Unmanned Aerial Vehicles |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Inventor after: Hang Meng Inventor after: Chen Zhen Inventor after: Zhu Cheng Inventor after: Wang Haoyue Inventor after: Li Jingwei Inventor after: Jiang Shenlu Inventor after: Yang Yongquan Inventor after: Ren Haibo Inventor after: Du Xinpeng Inventor before: Hang Meng Inventor before: Chen Zhen Inventor before: Zhu Cheng Inventor before: Wang Haoyue Inventor before: Li Jingwei Inventor before: Jiang Shenlu Inventor before: Yang Yongquan Inventor before: Ren Haibo Inventor before: Du Xinpeng |
|
| COR | Change of bibliographic data | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160921 |
|
| RJ01 | Rejection of invention patent application after publication |