CN105955280A - 移动机器人路径规划和避障方法及系统 - Google Patents

移动机器人路径规划和避障方法及系统 Download PDF

Info

Publication number
CN105955280A
CN105955280A CN201610573390.0A CN201610573390A CN105955280A CN 105955280 A CN105955280 A CN 105955280A CN 201610573390 A CN201610573390 A CN 201610573390A CN 105955280 A CN105955280 A CN 105955280A
Authority
CN
China
Prior art keywords
node
mobile robot
value
search
child node
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
Application number
CN201610573390.0A
Other languages
English (en)
Inventor
张海燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
TCL Corp
Original Assignee
TCL Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by TCL Corp filed Critical TCL Corp
Priority to CN201610573390.0A priority Critical patent/CN105955280A/zh
Publication of CN105955280A publication Critical patent/CN105955280A/zh
Pending legal-status Critical Current

Links

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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process

Abstract

本发明公开了一种移动机器人路径规划和避障方法及系统，该移动机器人路径规划方法包括：利用已知障碍物环境信息建立二维栅格地图；在所述二维栅格地图中，以移动机器人所在位置建立全局坐标系，设置所述移动机器人的起点和终点；采用跳点搜索算法确定所述起点到所述终点之间的最短路径；所述最短路径包括若干顺序相连的局部目标点；控制所述移动机器人向每一所述局部目标点移动过程中，采用局部避障算法避开动态障碍物。本发明所提供的移动机器人路径规划和避障方法，采用跳点搜索算法快速获取最短路径，可提高路径搜索效率，节省存储空间；采用局部避障算法可保证移动机器人路径规划和避障的准确性和实时性，实现移动机器人的自主导航。

Description

移动机器人路径规划和避障方法及系统
技术领域
本发明涉及机器人避障技术领域，尤其涉及一种移动机器人路径规划和避障方法及系统。
背景技术
近年来，随着计算机技术和传感器技术的迅速发展，移动机器人技术也得以快速发展。由于移动机器人具有智能、自主、高效和便捷等特点，其在工业、农业、航天等许多领域发挥着越来越重要的作用。而路径规划和避障作为导航研究中的关键技术，是移动机器人智能化的一个重要标志。移动机器人路径规划和避障是指在环境障碍条件下，选择一条从起点到目标的路径，使得移动机器人可以安全、无碰撞地通过所有障碍。
目前，国内外的研究者在移动机器人路径规划方面已做了大量研究工作。路径规划按照环境信息是否已知可分为全局和局部路径规划。现有全局路径规划算法的理论研究较为完善，但存在预取的环境信息存储量和计算量大，且获取的环境信息往往不够完善，无法适应变化的环境。A*算法是全局路径规划算法中在静态路网中求解最短路径最有效的直接搜索方法，但存在搜索效率低，节点存储量大等缺点。局部路径规划与全局路径规划相比，更具有实时性和实用性，但其缺乏全局信息，易丧失目标，甚至陷入死锁。如局部路径规划中的模糊逻辑控制容易出现振荡、死锁等现象，容易影响移动机器人的正常工作。
发明内容
本发明要解决的技术问题在于，针对现有机器人的全局路径规划对动态环境的不适用和局部规划易丧失目标点的问题，提供一种移动机器人路径规划和避障方法及系统。
本发明解决其技术问题所采用的技术方案是：一种移动机器人路径规划和避障方法，包括：
利用已知障碍物环境信息建立二维栅格地图；
在所述二维栅格地图中，以移动机器人所在位置建立全局坐标系，设置所述移动机器人的起点和终点；
采用跳点搜索算法确定所述起点到所述终点之间的最短路径；所述最短路径包括若干顺序相连的局部目标点；
控制所述移动机器人向每一所述局部目标点移动过程中，采用局部避障算法避开动态障碍物。
优选地，采用跳点搜索算法确定所述起点到所述终点之间的最短路径，包括：
建立open列表和close列表；open列表用于存放未遍历访问的节点；close列表用于存放已经遍历访问过的节点；
将所述移动机器人的起点放入open列表；
遍历所述起点的上、下、左、右、左上、左下、右上和右下八个方向的子节点；
判断所述子节点是否已在open列表或close列表中：若所述子节点已在open列表中，则重新计算所述子节点的f(n)值，判断所述子节点的f(n)值是否减小；若所述子节点的f(n)值减小，则更新open列表中所述子节点的f(n)值和父节点；若所述子节点已在close列表中，则重新计算所述子节点的f(n)值，判断所述子节点的f(n)值是否减小；若所述子节点的f(n)值减小，将所述子节点从close列表中移除，重新更新所述子节点的f(n)值和父节点，将所述子节点加入open列表中；若所述子节点不在open列表或close列表，则将所述子节点放入open列表中；
从open列表中选取f(n)值最小的节点并将所述f(n)值最小的节点的父节点放入close列表；
判断所述f(n)值最小的节点是否为移动机器人的终点；若是，则返回最短路径，最短路径中的节点为局部目标点；若否，则将所述f(n)值最小的节点的父节点放入close列表，并跳转到对该节点进行跳点搜索处理；
对所述f(n)值最小的节点，分别进行水平方向搜索、垂直方向搜索和对角线方向搜索，以搜索跳点；其中，所述对角线方向搜索包括水平方向搜索和垂直方向搜索；待各方向搜索完毕，跳转到从open列表中选取f(n)值最小的节点，继续处理。
优选地，所述采用局部避障算法避开动态障碍物，包括：
实时检测所述动态障碍物，获取所述动态障碍物相对于所述移动机器人的实时距离和方位角度；
根据所述实时距离和方位角度，控制所述移动机器人转动，以避开所述动态障碍物。
优选地，所述根据所述实时距离和方位角度，控制所述移动机器人转动，以避开所述动态障碍物，包括：
预设若干距离范围阈值，每一距离范围阈值与一避障转动角度相应；
根据所述实时距离确定其所属的距离范围阈值及对应的避障转动角度；
控制所述移动机器人转动所述避障转动角度，以避开所述动态障碍物。
优选地，所述采用局部避障算法避开动态障碍物，还包括：实时获取所述移动机器人的移动距离和转动角度。
本发明还提供一种移动机器人路径规划和避障系统，包括：
地图建立单元：用于利用已知障碍物环境信息建立二维栅格地图；
坐标建立单元：用于在所述二维栅格地图中，以移动机器人所在位置建立全局坐标系，设置所述移动机器人的起点和终点；
路径确定单元：用于采用跳点搜索算法确定所述起点到所述终点之间的最短路径；所述最短路径包括若干顺序相连的局部目标点；
移动避障单元：用于控制所述移动机器人向每一所述局部目标点移动过程中，采用局部避障算法避开动态障碍物。
优选地，所述路径确定单元包括：
列表建立模块：用于建立open列表和close列表；open列表用于存放未遍历访问的节点；close列表用于存放已经遍历访问过的节点；
起点设置模块：用于将所述移动机器人的起点放入open列表；
子节点遍历模块：用于遍历所述起点的上、下、左、右、左上、左下、右上和右下八个方向的子节点；
子节点判断模块：用于判断所述子节点是否已在open列表或close列表中：若所述子节点已在open列表中，则重新计算所述子节点的f(n)值，判断所述子节点的f(n)值是否减小；若所述子节点的f(n)值减小，则更新open列表中所述子节点的f(n)值和父节点；若所述子节点已在close列表中，则重新计算所述子节点的f(n)值，判断所述子节点的f(n)值是否减小；若所述子节点的f(n)值减小，将所述子节点从close列表中移除，重新更新所述子节点的f(n)值和父节点，将所述子节点加入open列表中；若所述子节点不在open列表或close列表，则将所述子节点放入open列表中；
节点选取模块：用于从open列表中选取f(n)值最小的节点并将所述f(n)值最小的节点的父节点放入close列表；
路径确定模块：用于判断选取f(n)值最小节点是否为移动机器人的终点；若是，则返回最短路径，最短路径中的节点为局部目标点；若否，则将所述f(n)值最小的节点的父节点放入close列表，并跳转到节点搜索模块。
节点搜索模块：用于对所述f(n)值最小的节点，分别进行水平方向搜索、垂直方向搜索和对角线方向搜索，以搜索跳点；其中，所述对角线方向搜索包括水平方向搜索和垂直方向搜索，待各方向搜索完毕，跳转到节点选取模块，继续处理；
优选地，所述移动避障单元包括：
障碍物检测模块：用于实时检测所述动态障碍物，获取所述动态障碍物相对于所述移动机器人的实时距离和方位角度；
避障控制模块：用于根据所述实时距离和方位角度，控制所述移动机器人转动，以避开所述动态障碍物。
优选地，所述避障控制模块包括：
预设范围子模块：用于预设若干距离范围阈值，每一距离范围阈值与一避障转动角度相应；
避障确定子模块：用于根据所述实时距离确定其所属的距离范围阈值及对应的避障转动角度；
转动控制子模块：用于控制所述移动机器人转动所述避障转动角度，以避开所述动态障碍物。
优选地，所述移动避障单元还包括：状态检测模块，用于实时获取所述移动机器人的移动距离和转动角度。
本发明与现有技术相比具有如下优点：本发明所提供的路径规划和避障方法及系统，通过在已知障碍物环境信息采用跳点搜索算法快速获取从起点到终点的最短路径，可提高路径搜索效率、节省移动机器人路径规划时间，且其搜索过程中所需的存储空间小；在控制移动机器人向每一局部目标点移动过程中，采用局部避障算法实时避开动态障碍物，以保证移动机器人路径规划和避障的准确性和实时性，实现移动机器人的自主导航。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明实施例1中移动机器人路径规划和避障方法的一流程图。
图2是本发明实施例2中移动机器人路径规划和避障方法的一流程图。
图3是本发明实施例2中跳点搜索算法的一流程图。
图4是本发明实施例2中水平方向搜索的示意图。
图5是本发明实施例2中对角线方向搜索的示意图。
图6是本发明实施例2中执行跳点搜索算法的一示意图。
图7是本发明实施例2中执行跳点搜索算法的另一示意图。
图8是本发明实施例3中移动机器人路径规划和避障方法的一原理框图。
图9是本发明实施例4中移动机器人路径规划和避障方法的一原理框图。
图中:10、地图建立单元；20、坐标建立单元；30、路径确定单元；31、列表建立模块；32、起点设置模块；33、子节点遍历模块；34、子节点判断模块；35、节点选取模块；36、节点搜索模块；37、路径确定模块；40、移动避障单元；41、障碍物检测模块；42、避障控制模块；421、预设范围子模块；422、避障确定子模块；423、转动控制子模块；43、状态检测模块。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
实施例1
图1示出本实施例中的移动机器人路径规划和避障方法。如图1所示，该移动机器人路径规划和避障方法包括如下步骤：
S11：利用已知障碍物环境信息建立二维栅格地图。本实施例中，采用二维数组存储已经障碍物环境信息，并建立二维栅格地图，在二维栅格地图中，1表示有障碍物的障碍物栅格，0表示无障碍物的自由栅格。其中，二维栅格地图可以通过人工预先输入。可以理解地，也可结合建图和定位技术，通过slam(Simultaneous Localization and Mapping，即时定位与地图构建)建立二维栅格地图，将移动机器人走过的位置设有为0，没走过的位置设为1。基于已知障碍物环境信息建立的二维栅格地图具有简单、易于实现和维护的优点。
S12：在二维栅格地图中，以移动机器人所在位置建立全局坐标系，设置移动机器人的起点和终点。
S13：采用跳点搜索算法确定起点到终点之间的最短路径；最短路径包括若干顺序相连的局部目标点。跳点搜索(即Jump Point Search，简称JPS)算法生成并扩展的节点数量很少，而且到达目标的速度很快.因为跳点搜索能够消除路径间的对称性,通过在直线和对角线方向上修剪节点来识别后继,在搜索时跳过了大量可能会添加到open列表和closed列表中的中间节点以及其他计算,这使搜索速度有了很大提升，且其过程中节点存储量少。
S14：控制移动机器人向每一局部目标点移动过程中，采用局部避障算法避开动态障碍物。其中，动态障碍物是在二维栅格地图中除已经障碍物以外的其他障碍物，在移动机器人移动过程中通过局部避障算法可避开动态障碍物，保证移动机器人的正常工作。
本实施例所提供的路径规划和避障方法，通过在已知障碍物环境信息采用跳点搜索算法快速获取从起点到终点的最短路径，可提高路径搜索效率、节省移动机器人路径规划时间，且其过程中所需的存储空间较小；在控制移动机器人向每一局部目标点移动过程中，采用局部避障算法实时避开动态障碍物，以保证移动机器人路径规划和避障的准确性和实时性，实现移动机器人的自主导航。
实施例2
图2示出本实施例中的移动机器人路径规划和避障方法。如图2所示，该移动机器人路径规划和避障方法包括如下步骤：
S21：利用已知障碍物环境信息建立二维栅格地图。本实施例中，采用二维数组存储已经障碍物环境信息并建立二维栅格地图，在二维栅格地图中，1表示有障碍物的障碍物栅格，0表示无障碍物的自由栅格。其中，二维栅格地图可以通过人工预先输入。可以理解地，也可结合建图和定位技术，通过slam(Simultaneous Localization and Mapping，即时定位与地图构建)建立二维栅格地图，将移动机器人走过的位置设有为0，没走过的位置设为1。基于已知障碍物环境信息建立的二维栅格地图具有简单、易于实现和维护的优点。
S22：在二维栅格地图中，以移动机器人所在位置建立全局坐标系，设置移动机器人的起点和终点。
S23：采用跳点搜索算法确定起点到终点之间的最短路径；最短路径包括若干顺序相连的局部目标点。在跳点搜索算法中采用代价估计函数f(n)＝g(n)+h(n)，其中，f(n)是起点到终点的移动耗费，g(n)是当前节点到起点的移动耗费，h(n)是当前节点到终点的移动耗费。如图3所示，跳点搜索算法具体包括如下步骤：
S231：建立open列表和close列表；open列表用于存放未遍历访问的节点；close列表用于存放已经遍历访问过的节点。
S232：将移动机器人的起点放入open列表。
S233：遍历起点的上、下、左、右、左上、左下、右上和右下八个方向的子节点。
S234：判断子节点是否已在open列表或close列表中。
若子节点已在open列表中，则重新计算所述子节点的f(n)值，判断子节点的f(n)值是否减小；若子节点的f(n)值减小，则更新open列表中子节点的f(n)值和父节点。
若子节点已在close列表中，则重新计算子节点的f(n)值，判断子节点的f(n)值是否减小；若子节点的f(n)值减小，将子节点从close列表中移除，重新更新子节点的f(n)值和父节点，将子节点加入open列表中。
若子节点不在open列表或close列表，则将子节点放入open列表中。
S235：从open列表中选取f(n)值最小的节点，并将f(n)值最小的节点的父节点放入close列表，跳转到S236执行。
S236：判断所述选取f(n)值最小的节点是否为移动机器人的终点；若是，则返回最短路径，最短路径中的节点为局部目标点；若否，则将所述f(n)值最小的节点的父节点放入close列表，并跳转到S237处理。
S237：对f(n)值最小的节点分别进行水平方向搜索、垂直方向搜索和对角线方向搜索，以搜索跳点；其中，所述对角线方向搜索包括水平方向搜索和垂直方向搜索；待各方向搜索结束，跳转到S235继续执行。
具体地，水平方向搜索是指从一节点开始同时向左右两个方向上的节点进行查找，直到遇到跳点、障碍物或地图边界才停止水平方向搜索，并将跳点或空值返回的搜索过程。相应地，垂直方向搜索是从一节点开始同时向上下两个方向上的节点进行查找，直到遇到跳点、障碍物或地图边界才停止垂直方向搜索，并将跳点或空值返回的搜索过程。如图4所示，设b1为当前搜索节点，从左向右进行搜索。若b1为障碍物，则结束搜索。若b1为终点，则结束搜索并返回b1节点。若b1为自由栅格，则判断c1和c2，若c1为障碍物，c2为自由栅格，则添加C2节点。同理，若a1为障碍物，a2为自由栅格，则添加a2节点。若有a2或c2节点被添加，则继续添加b2节点，结束搜索。若都没节点添加，则继续向右搜索。垂直方向搜索与水平方向搜索的过程一致，在此不一一赘述。
具体地，对角线方向搜索是指从一节点开始同时向对角线方向的节点进行查找，直到遇到跳点、障碍物或地图边界才停止对角线方向搜索，并将跳点或空值返回的搜索过程，该对角线方向搜索包括水平方向搜索和垂直方向搜索。如图5所示，c1为当前节点，向右上方对角方向搜索。若c1为障碍物栅格，则结束对角线搜索。若c1为终点，则结束搜索并返回c1节点。若c1为自由栅格，则判断b1和a1节点，若b1为障碍物，a1为自由栅格，则将a1和a2加入open表，同理，判断c2和c3，若c2为障碍物，c3为自由栅格，则将c3和b3加入open表，基于前面两个判断，若有节点添加open表，则将a3也添加open表。若都无节点添加，则向上方向采用垂直方向搜索、向左方向采用水平方向搜索及对角线方向采用对角线方向搜索继续搜索跳点。
可以理解地，该跳点搜索法中的每一节点的节点数据包含节点的行列下标、下个搜索方向和其父节点。搜索过程中，从open表中选取代价估计函数f(n)值最小的节点，对该节点的下个搜索方向分别进行水平方向搜索、垂直方向搜索和对角线方向搜索，以搜索跳点，将搜索到的跳点添加入open表，并将该节点添入close表。重复上述搜索过程，不断从open表中取出节点，进行跳点搜索，直至取到终点，停止搜索，返回路径节点数组，该路径节点数组为最短路径，最短路径中的每一节点为一局部目标点。相比A*算法，跳点搜索法可同时采用水平方向搜索、垂直方向搜索和对角线方向搜索，消除地图中大量的对称节点，提高搜索效率，且可有效减少节点存储量，节省存储空间。
本实施例中的跳点搜索法，只需遍历起点的8个方向的子节点一次，将8个方向的栅格节点都添加到open列表中，添加过程采用节点类进行添加，方向通过V和H进行设置(比如V＝1，H＝1，则表示右上方方向。若V＝1，H＝0，则表示右边水平方向)，计算其各自的代价估计函数f(n)，并按代价估计函数f(n)从小到大进行排列，然后将起点放入close列表。然后分别进行水平方向搜索、垂直方向搜索和对角线方向搜索，以获取跳点进行添加查找。其中，节点类表示如下：
如图6所示，图中节点0为起点，从节点0开始进行水平方向搜索，查找到的跳点有节点10和节点11，垂直方向搜索没有查找到跳点，右上方对角线方向搜索查找到的跳点有节点12。将这些跳点添加到open列表并按代价函数f(n)的大小进行排列，作为下一次搜索的候选节点。同时对角线方向搜索时，假如当节点2和节点3为障碍物栅格时，则不对节点8进行对角线方向搜索，以保证机器人不会穿过障碍物运动。同时若水平方向搜索和垂直方向搜索均没有搜索到跳点，将地图边界栅格添加入open列表。如图7所示，若起点为(1，10)，终点为(47，30)，图中白色栅格为自由栅格，黑色栅格为障碍物栅格，图7示出执行本实施例的跳点搜索算法的结果。
S24：控制移动机器人向每一局部目标点移动过程中，采用局部避障算法避开动态障碍物。其中，动态障碍物是在二维栅格地图中除已经障碍物以外的其他障碍物，在移动机器人移动过程中通过局部避障算法可避开动态障碍物，保证移动机器人的正常工作。步骤S24具体包括如下步骤：
S241：实时检测动态障碍物，获取动态障碍物相对于移动机器人的实时距离和方位角度。在移动机器人向局部目标点移动过程中，采用超声波传感器实时检测是否存在不是已经障碍物的动态障碍物，若是检测到存在这样的动态障碍物，即获取动态障碍物相对于移动机器人的实时距离和方位角度，以便于控制移动机器人转动，以避开该动态障碍物。可以理解地，采用超声波传感器检测动态障碍物，具有低成本、检测精度高且不受环境光线强弱的限制的优点。
S242：根据实时距离和方位角度，控制移动机器人转动，以避开动态障碍物，以达到局部避障的目的。步骤S242具体包括如下步骤：
S2421：预设危险规则库，所述危险规则库包括若干距离范围阈值和与所述距离范围阈值相应的避障转动角度。本实施例中，确定50cm、40cm和10cm几个阈值，设x为距离范围阈值；若x≧50cm，则说明较为安全，不进行处理；若40≦x<50，则说明危险系数较小，其相应的避障转动角度较小；若10≦x<40，则说明危险系数中等，其相应的避障转动角度也设为中等值；若x≦10，则说明危险较大，其相应的避障转动角度较大。
S2422：根据实时距离确定其所属的距离范围阈值，并获取与距离范围阈值相应的避障转动角度。可以理解地，根据超声波传感器检测到的动态障碍物距离移动机器人的实时距离，判断该实时距离所在的距离范围阈值，并获取避障转动角度，以便于控制移动机器人工作。
S2423：控制移动机器人转动避障转动角度，以避开动态障碍物。
S243：实时获取移动机器人的移动距离和转动角度。本实施例中，采用光流传感器和角速度传感器检测移动机器人在室内移动的移动距离和转动角度，进行机器人当前位置更新和调整，保证路径规划的实时性的准确性，以保障精确控制移动机器人在移动过程中避免已知障碍物和动态障碍物，实现自主导航。光流传感器和角速度传感器成本较低，实际应用中可采用多个传感器进行检测，将获取的数据进行融合处理，提高数据的准确度。
可以理解地，本实施例中的移动机器人设有控制处理器、超声波传感器、光流传感器和角速度传感器和用于实现移动的电机部件。其中，控制处理器用于输入和存储二维栅格地图，运行跳点搜索算法和局部避障算法，接收各传感器的检测数据，并控制机器人移动。
本实施例所提供的路径规划和避障方法，通过在已知障碍物环境信息采用跳点搜索算法快速获取从起点到终点的最短路径，可提高路径搜索效率、节省移动机器人路径规划时间，且其过程中所需的存储空间较小。在控制移动机器人向每一局部目标点移动过程中，采用超声波传感器实现局部避障，采用光流传感器和角速度传感器获取移动机器人的移动距离和转动角度，结合航迹推演对移动机器人的位置进行实时更新调整。可以理解地，采用局部避障算法实时避开动态障碍物，以保证移动机器人路径规划和避障的准确性和实时性，实现移动机器人在复杂环境下的自主导航。
实施例3
图8示出本实施例中的移动机器人路径规划和避障系统。如图8所示，该移动机器人路径规划和避障系统包括：
地图建立单元10：用于利用已知障碍物环境信息建立二维栅格地图。本实施例中，采用二维数组存储已经障碍物环境信息，并建立二维栅格地图，在二维栅格地图中，1表示有障碍物的障碍物栅格，0表示无障碍物的自由栅格。其中，二维栅格地图可以通过人工预先输入。可以理解地，也可结合建图和定位技术，通过slam(Simultaneous Localization and Mapping，即时定位与地图构建)建立二维栅格地图，将移动机器人走过的位置设有为0，没走过的位置设为1。基于已知障碍物环境信息建立的二维栅格地图具有简单、易于实现和维护的优点。
坐标建立单元20：用于在二维栅格地图中，以移动机器人所在位置建立全局坐标系，设置移动机器人的起点和终点。
路径确定单元30：用于采用跳点搜索算法确定起点到终点之间的最短路径；最短路径包括若干顺序相连的局部目标点。跳点搜索(即Jump PointSearch，简称JPS)算法生成并扩展的节点数量很少,而且到达目标的速度很快.因为跳点搜索能够消除路径间的对称性,通过在直线和对角线方向上修剪节点来识别后继,在搜索时跳过了大量可能会添加到open列表和closed列表中的中间节点以及其他计算,这使搜索速度有了很大提升，且其过程中节点存储量少。
移动避障单元40：用于控制移动机器人向每一局部目标点移动过程中，采用局部避障算法避开动态障碍物。其中，动态障碍物是在二维栅格地图中除已经障碍物以外的其他障碍物，在移动机器人移动过程中通过局部避障算法可避开动态障碍物，保证移动机器人的正常工作。
本实施例所提供的路径规划和避障方法，通过地图建立单元10利用已知障碍物环境信息建立二维栅格地图；再采用坐标建立单元20建立全局坐标系，设置移动机器人的起点和终点；再通过路径确定单元30采用跳点搜索算法快速获取从起点到终点的最短路径，可提高路径搜索效率、节省移动机器人路径规划时间，且其过程中所需的存储空间较小；然后通过移动避障单元40控制移动机器人向每一局部目标点移动过程中，采用局部避障算法实时避开动态障碍物，以保证移动机器人路径规划和避障的准确性和实时性，实现移动机器人的自主导航。
实施例4
图9示出本实施例中的移动机器人路径规划和避障系统。如图9所示，该移动机器人路径规划和避障系统包括：
地图建立单元10：用于利用已知障碍物环境信息建立二维栅格地图。本实施例中，采用二维数组存储已经障碍物环境信息，并建立二维栅格地图，在二维栅格地图中，1表示有障碍物的障碍物栅格，0表示无障碍物的自由栅格。其中，二维栅格地图可以通过人工预先输入。可以理解地，也可结合建图和定位技术，通过slam(Simultaneous Localization and Mapping，即时定位与地图构建)建立二维栅格地图，将移动机器人走过的位置设有为0，没走过的位置设为1。基于已知障碍物环境信息建立的二维栅格地图具有简单、易于实现和维护的优点。
坐标建立单元20：用于在二维栅格地图中，以移动机器人所在位置建立全局坐标系，设置移动机器人的起点和终点。
路径确定单元30：用于采用跳点搜索算法确定起点到终点之间的最短路径；最短路径包括若干顺序相连的局部目标点。跳点搜索(即Jump PointSearch，简称JPS)算法生成并扩展的节点数量很少,而且到达目标的速度很快.因为跳点搜索能够消除路径间的对称性，通过在直线和对角线方向上修剪节点来识别后继,在搜索时跳过了大量可能会添加到open列表和closed列表中的中间节点以及其他计算,这使搜索速度有了很大提升，且其过程中节点存储量少。在跳点搜索算法中采用代价估计函数f(n)＝g(n)+h(n)，其中，f(n)是起点到终点的移动耗费，g(n)是当前节点到起点的移动耗费，h(n)是当前节点到终点的移动耗费。路径确定单元30包括：
列表建立模块31，用于建立open列表和close列表；open列表用于存放未遍历访问的节点；close列表用于存放已经遍历访问过的节点。
起点设置模块32，用于将移动机器人的起点放入open列表。
子节点遍历模块33，用于遍历起点的上、下、左、右、左上、左下、右上和右下八个方向的子节点。
子节点判断模块34，用于判断子节点是否已在open列表或close列表中。若子节点已在open列表中，则重新计算所述子节点的f(n)值，判断子节点的f(n)值是否减小；若子节点的f(n)值减小，则更新open列表中子节点的f(n)值和父节点。
若子节点已在close列表中，则重新计算子节点的f(n)值，判断子节点的f(n)值是否减小；若子节点的f(n)值减小，将子节点从close列表中移除，重新更新子节点的f(n)值和父节点，将子节点加入open列表中。
若子节点不在open列表或close列表，则将子节点放入open列表中。
节点选取模块35，用于从open列表中选取f(n)值最小的节点，并将f(n)值最小的节点的父节点放入close列表.，跳转到路径确定模块36，进行处理。
路径确定模块36，用于判断所述选取f(n)值最小的节点是否为移动机器人的终点；若是，则返回最短路径，最短路径中的节点为局部目标点；若否，则将所述f(n)值最小的节点的父节点放入close列表，并跳转到节点搜索模块37，进行处理。
节点搜索模块37，用于对f(n)值最小的节点分别进行水平方向搜索、垂直方向搜索和对角线方向搜索，以搜索跳点；其中，所述对角线方向搜索包括水平方向搜索和垂直方向搜索；待各方向搜索结束，跳转到节点选取模块35，继续处理。
具体地，水平方向搜索是指从一节点开始同时向左右两个方向上的节点进行查找，直到遇到跳点、障碍物或地图边界才停止水平方向搜索，并将跳点或空值返回的搜索过程。相应地，垂直方向搜索是从一节点开始同时向上下两个方向上的节点进行查找，直到遇到跳点、障碍物或地图边界才停止垂直方向搜索，并将跳点或空值返回的搜索过程。如图4所示，设b1为当前搜索节点，从左向右进行搜索。若b1为障碍物，则结束搜索。若b1为终点，则结束搜索并返回b1节点。若b1为自由栅格，则判断c1和c2，若c1为障碍物，c2为自由栅格，则添加C2节点。同理，若a1为障碍物，a2为自由栅格，则添加a2节点。若有a2或c2节点被添加，则继续添加b2节点，结束搜索。若都没节点添加，则继续向右搜索。垂直方向搜索与水平方向搜索的过程一致，在此不一一赘述。
具体地，对角线方向搜索是指从一节点开始同时向对角线方向的节点进行查找，直到遇到跳点、障碍物或地图边界才停止对角线方向搜索，并将跳点或空值返回的搜索过程，该对角线方向搜索包括水平方向搜索和垂直方向搜索。如图5所示，c1为当前节点，向右上方对角方向搜索。若c1为障碍物栅格，则结束对角线搜索。若c1为终点，则结束搜索并返回c1节点。若c1为自由栅格，则判断b1和a1节点，若b1为障碍物，a1为自由栅格，则将a1和a2加入open表，同理，判断c2和c3，若c2为障碍物，c3为自由栅格，则将c3和b3加入open表，基于前面两个判断，若有节点添加open表，则将a3也添加open表。若都无节点添加，则向上方向采用垂直方向搜索、向左方向采用水平方向搜索及对角线方向采用对角线方向搜索继续搜索跳点。
可以理解地，该跳点搜索法中的每一节点的节点数据包含节点的行列下标、下个搜索方向和其父节点。搜索过程中，从open表中选取代价估计函数f(n)值最小的节点，对该节点的下个搜索方向分别进行水平方向搜索、垂直方向搜索和对角线方向搜索，以搜索跳点，将搜索到的跳点添加入open表，并将该节点添入close表。重复上述搜索过程，不断从open表中取出节点，进行跳点搜索，直至取到终点，停止搜索，返回路径节点数组，该路径节点数组为最短路径，最短路径中的每一节点为一局部目标点。相比A*算法，跳点搜索法可同时采用水平方向搜索、垂直方向搜索和对角线方向搜索，消除地图中大量的对称节点，提高搜索效率，且可有效减少节点存储量，节省存储空间。
本实施例中的跳点搜索法，只需遍历起点的8个方向的子节点一次，将8个方向的栅格节点都添加到open列表中，添加过程采用节点类进行添加，方向通过V和H进行设置(比如V＝1，H＝1，则表示右上方方向。若V＝1，H＝0，则表示右边水平方向)，计算其各自的代价估计函数f(n)，并按代价估计函数f(n)从小到大进行排列，然后将起点放入close列表。然后分别进行水平方向搜索、垂直方向搜索和对角线方向搜索，以获取跳点进行添加查找。其中，节点类表示如下：
如图6所示，图中节点0为起点，从节点0开始进行水平方向搜索，查找到的跳点有节点10和节点11，垂直方向搜索没有查找到跳点，右上方对角线方向搜索查找到的跳点有节点12。将这些跳点添加到open列表并按代价函数f(n)的大小进行排列，作为下一次搜索的候选节点。同时对角线方向搜索时，假如当节点2和节点3为障碍物栅格时，则不对节点8进行对角线方向搜索，以保证机器人不会穿过障碍物运动。同时若水平方向搜索和垂直方向搜索均没有搜索到跳点，将地图边界栅格添加入open列表。如图7所示，若起点为(1，10)，终点为(47，30)，图中白色栅格为自由栅格，黑色栅格为障碍物栅格，图7示出执行本实施例的跳点搜索算法的结果。
移动避障单元40：用于控制移动机器人向每一局部目标点移动过程中，采用局部避障算法避开动态障碍物。其中，动态障碍物是在二维栅格地图中除已经障碍物以外的其他障碍物，在移动机器人移动过程中通过局部避障算法可避开动态障碍物，保证移动机器人的正常工作。移动避障单元40具体包括：
障碍物检测块41，用于实时检测动态障碍物，获取动态障碍物相对于移动机器人的实时距离和方位角度。在移动机器人向局部目标点移动过程中，采用超声波传感器实时检测是否存在不是已经障碍物的动态障碍物，若是检测到存在这样的动态障碍物，即获取动态障碍物相对于移动机器人的实时距离和方位角度，以便于控制移动机器人转动，以避开该动态障碍物。可以理解地，采用超声波传感器检测动态障碍物，具有低成本、检测精度高且不受环境光线强弱的限制的优点。
避障控制模块42，用于根据实时距离和方位角度，控制移动机器人转动，以避开动态障碍物，以达到局部避障的目的。避障控制模块42具体包括：
预设范围子模块421，用于预设危险规则库，所述危险规则库包括若干距离范围阈值和与所述距离范围阈值相应的避障转动角度。本实施例中，确定50cm、40cm和10cm几个阈值，设x为距离范围阈值；若x≧50cm，则说明较为安全，不进行处理；若40≦x<50，则说明危险系数较小，其相应的避障转动角度较小；若10≦x<40，则说明危险系数中等，其相应的避障转动角度也设为中等值；若x≦10，则说明危险较大，其相应的避障转动角度较大。
避障确定子模块422，用于根据实时距离确定其所属的距离范围阈值，并获取与距离范围阈值相应的避障转动角度。可以理解地，根据超声波传感器检测到的动态障碍物距离移动机器人的实时距离，判断该实时距离所在的距离范围阈值，并获取避障转动角度，以便于控制移动机器人工作。
转动控制子模块423，用于控制移动机器人转动避障转动角度，以避开动态障碍物。
状态检测模块43，用于实时获取移动机器人的移动距离和转动角度。本实施例中，采用光流传感器和角速度传感器检测移动机器人在室内移动的移动距离和转动角度，进行机器人当前位置更新和调整，保证路径规划的实时性的准确性，以保障精确控制移动机器人在移动过程中避免已知障碍物和动态障碍物，实现自主导航。光流传感器和角速度传感器成本较低，实际应用中可采用多个传感器进行检测，将获取的数据进行融合处理，提高数据的准确度。
可以理解地，本实施例中的移动机器人设有控制处理器、超声波传感器、光流传感器和角速度传感器和用于实现移动的电机部件。其中，控制处理器用于输入和存储二维栅格地图，运行跳点搜索算法和局部避障算法，接收各传感器的检测数据，并控制机器人移动。
本实施例所提供的路径规划和避障方法，通过地图建立单元10利用已知障碍物环境信息建立二维栅格地图；再采用坐标建立单元20建立全局坐标系，设置移动机器人的起点和终点；再通过路径确定单元30采用跳点搜索算法快速获取从起点到终点的最短路径，可提高路径搜索效率、节省移动机器人路径规划时间，且其过程中所需的存储空间较小；然后通过移动避障单元40控制移动机器人向每一局部目标点移动过程中，采用局部避障算法实时避开动态障碍物，以保证移动机器人路径规划和避障的准确性和实时性，实现移动机器人的自主导航。其中，在移动避障单元40中采用超声波传感器实现局部避障，采用光流传感器和角速度传感器获取移动机器人的移动距离和转动角度，结合航迹推演对移动机器人的位置进行实时更新调整。可以理解地，采用局部避障算法实时避开动态障碍物，以保证移动机器人路径规划和避障的准确性和实时性，实现移动机器人在复杂环境下的自主导航。
本发明是通过几个具体实施例进行说明的，本领域技术人员应当明白，在不脱离本发明范围的情况下，还可以对本发明进行各种变换和等同替代。另外，针对特定情形或具体情况，可以对本发明做各种修改，而不脱离本发明的范围。因此，本发明不局限于所公开的具体实施例，而应当包括落入本发明权利要求范围内的全部实施方式。

Claims (10)

1.一种移动机器人路径规划和避障方法，其特征在于，包括：
利用已知障碍物环境信息建立二维栅格地图；
在所述二维栅格地图中，以移动机器人所在位置建立全局坐标系，设置所述移动机器人的起点和终点；
采用跳点搜索算法确定所述起点到所述终点之间的最短路径；所述最短路径包括若干顺序相连的局部目标点；
控制所述移动机器人向每一所述局部目标点移动过程中，采用局部避障算法避开动态障碍物。
2.根据权利要求1所述的移动机器人路径规划和避障方法，其特征在于，采用跳点搜索算法确定所述起点到所述终点之间的最短路径，包括：
建立open列表和close列表；open列表用于存放未遍历访问的节点；close列表用于存放已经遍历访问过的节点；
将所述移动机器人的起点放入open列表；
遍历所述起点的上、下、左、右、左上、左下、右上和右下八个方向的子节点；
判断所述子节点是否已在open列表或close列表中：若所述子节点已在open列表中，则重新计算所述子节点的f(n)值，判断所述子节点的f(n)值是否减小；若所述子节点的f(n)值减小，则更新open列表中所述子节点的f(n)值和父节点；若所述子节点已在close列表中，则重新计算所述子节点的f(n)值，判断所述子节点的f(n)值是否减小；若所述子节点的f(n)值减小，将所述子节点从close列表中移除，重新更新所述子节点的f(n)值和父节点，将所述子节点加入open列表中；若所述子节点不在open列表或close列表，则将所述子节点放入open列表中；
从open列表中选取f(n)值最小的节点并将所述f(n)值最小的节点的父节点放入close列表；
判断所述f(n)值最小的节点是否为移动机器人的终点；若是，则返回最短路径，最短路径中的节点为局部目标点；若否，则将所述f(n)值最小的节点的父节点放入close列表，并跳转到对所述f(n)值最小的节点分别进行水平方向搜索、垂直方向搜索和对角线方向搜索，以搜索跳点；
对所述f(n)值最小的节点分别进行水平方向搜索、垂直方向搜索和对角线方向搜索，以搜索跳点；其中，所述对角线方向搜索包括水平方向搜索和垂直方向搜索；待各方向搜索完毕，跳转到从open列表中选取f(n)值最小的节点，继续处理。
3.根据权利要求1所述的移动机器人路径规划和避障方法，其特征在于，所述采用局部避障算法避开动态障碍物，包括：
实时检测所述动态障碍物，获取所述动态障碍物相对于所述移动机器人的实时距离和方位角度；
根据所述实时距离和方位角度，控制所述移动机器人转动，以避开所述动态障碍物。
4.根据权利要求3所述的移动机器人路径规划和避障方法，其特征在于，所述根据所述实时距离和方位角度，控制所述移动机器人转动，以避开所述动态障碍物，包括：
预设若干距离范围阈值，每一距离范围阈值与一避障转动角度相应；
根据所述实时距离确定其所属的距离范围阈值及对应的避障转动角度；
控制所述移动机器人转动所述避障转动角度，以避开所述动态障碍物。
5.根据权利要求1所述的移动机器人路径规划和避障方法，其特征在于，所述采用局部避障算法避开动态障碍物，还包括：实时获取所述移动机器人的移动距离和转动角度。
6.一种移动机器人路径规划和避障系统，其特征在于，包括：
地图建立单元：用于利用已知障碍物环境信息建立二维栅格地图；
坐标建立单元：用于在所述二维栅格地图中，以移动机器人所在位置建立全局坐标系，设置所述移动机器人的起点和终点；
路径确定单元：用于采用跳点搜索算法确定所述起点到所述终点之间的最短路径；所述最短路径包括若干顺序相连的局部目标点；
移动避障单元：用于控制所述移动机器人向每一所述局部目标点移动过程中，采用局部避障算法避开动态障碍物。
7.根据权利要求6所述的移动机器人路径规划和避障系统，其特征在于，所述路径确定单元包括：
列表建立模块：用于建立open列表和close列表；open列表用于存放未遍历访问的节点；close列表用于存放已经遍历访问过的节点；
起点设置模块：用于将所述移动机器人的起点放入open列表；
子节点遍历模块：用于遍历所述起点的上、下、左、右、左上、左下、右上和右下八个方向的子节点；
子节点判断模块：用于判断所述子节点是否已在open列表或close列表中：若所述子节点已在open列表中，则重新计算所述子节点的f(n)值，判断所述子节点的f(n)值是否减小；若所述子节点的f(n)值减小，则更新open列表中所述子节点的f(n)值和父节点；若所述子节点已在close列表中，则重新计算所述子节点的f(n)值，判断所述子节点的f(n)值是否减小；若所述子节点的f(n)值减小，将所述子节点从close列表中移除，重新更新所述子节点的f(n)值和父节点，将所述子节点加入open列表中；若所述子节点不在open列表或close列表，则将所述子节点放入open列表中；
节点选取模块：用于从open列表中选取f(n)值最小的节点并将所述f(n)值最小的节点的父节点放入close列表；
路径确定模块：用于判断所述f(n)值最小的节点是否为移动机器人的终点；若是，则返回最短路径，最短路径中的节点为局部目标点；若否，则将所述f(n)值最小的节点的父节点放入close列表，并跳转到节点搜索模块。
节点搜索模块：用于对所述f(n)值最小的节点分别进行水平方向搜索、垂直方向搜索和对角线方向搜索，以搜索跳点；其中，所述对角线方向搜索包括水平方向搜索和垂直方向搜索；待各方向搜索完毕，跳转到节点选取模块，继续处理。
8.根据权利要求6所述的移动机器人路径规划和避障系统，其特征在于，所述移动避障单元包括：
障碍物检测模块：用于实时检测所述动态障碍物，获取所述动态障碍物相对于所述移动机器人的实时距离和方位角度；
避障控制模块：用于根据所述实时距离和方位角度，控制所述移动机器人转动，以避开所述动态障碍物。
9.根据权利要求8所述的移动机器人路径规划和避障系统，其特征在于，所述避障控制模块包括：
预设范围子模块：用于预设若干距离范围阈值，每一距离范围阈值与一避障转动角度相应；
避障确定子模块：用于根据所述实时距离确定其所属的距离范围阈值及对应的避障转动角度；
转动控制子模块：用于控制所述移动机器人转动所述避障转动角度，以避开所述动态障碍物。
10.根据权利要求6所述的移动机器人路径规划和避障系统，其特征在于，所述移动避障单元还包括：状态检测模块，用于实时获取所述移动机器人的移动距离和转动角度。
CN201610573390.0A 2016-07-19 2016-07-19 移动机器人路径规划和避障方法及系统 Pending CN105955280A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610573390.0A CN105955280A (zh) 2016-07-19 2016-07-19 移动机器人路径规划和避障方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610573390.0A CN105955280A (zh) 2016-07-19 2016-07-19 移动机器人路径规划和避障方法及系统

Publications (1)

Publication Number Publication Date
CN105955280A true CN105955280A (zh) 2016-09-21

Family

ID=56901224

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610573390.0A Pending CN105955280A (zh) 2016-07-19 2016-07-19 移动机器人路径规划和避障方法及系统

Country Status (1)

Country Link
CN (1) CN105955280A (zh)

Cited By (84)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106643727A (zh) * 2016-12-02 2017-05-10 江苏物联网研究发展中心 用于机器人导航的地图的构建方法
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
CN106708043A (zh) * 2016-12-13 2017-05-24 北京航空航天大学 一种在复杂地图下改进Visual Graph的方法
CN106774347A (zh) * 2017-02-24 2017-05-31 安科智慧城市技术（中国）有限公司 室内动态环境下的机器人路径规划方法、装置和机器人
CN107278282A (zh) * 2016-09-29 2017-10-20 深圳市大疆创新科技有限公司 路径规划的方法、装置、飞行控制系统、全方位避障系统与无人机
CN107357295A (zh) * 2017-08-16 2017-11-17 珠海市微半导体有限公司 一种基于栅格地图的路径搜索方法和芯片及机器人
CN107560620A (zh) * 2017-08-31 2018-01-09 珠海市微半导体有限公司 一种路径导航方法和芯片及机器人
CN107562048A (zh) * 2017-08-08 2018-01-09 浙江工业大学 一种基于激光雷达的动态避障控制方法
CN107807641A (zh) * 2017-10-25 2018-03-16 上海思岚科技有限公司 用于移动机器人避障的方法
CN107861508A (zh) * 2017-10-20 2018-03-30 纳恩博（北京）科技有限公司 一种移动机器人局部运动规划方法及装置
CN107885209A (zh) * 2017-11-13 2018-04-06 浙江工业大学 一种基于动态窗口与虚拟目标点的避障方法
CN107885206A (zh) * 2017-11-07 2018-04-06 中国科学院福建物质结构研究所 一种机器人避障方法及应用其的机器人
CN107976999A (zh) * 2017-11-21 2018-05-01 深圳普思英察科技有限公司 一种移动机器人及其避障和路径规划方法和系统
CN108008728A (zh) * 2017-12-12 2018-05-08 深圳市银星智能科技股份有限公司 清洁机器人以及基于清洁机器人的最短路径规划方法
CN108073165A (zh) * 2016-11-16 2018-05-25 阳光暖果（北京）科技发展有限公司 一种仿水黾捕食的机器人运动方法
CN108304964A (zh) * 2018-01-08 2018-07-20 深圳市易成自动驾驶技术有限公司 Agv最短路径规划方法、装置及计算机可读存储介质
CN108459599A (zh) * 2017-12-21 2018-08-28 华为技术有限公司 一种运动路径规划方法及装置
CN108469827A (zh) * 2018-05-16 2018-08-31 江苏华章物流科技股份有限公司 一种适用于物流仓储系统的自动导引车全局路径规划方法
CN108510095A (zh) * 2017-02-23 2018-09-07 北京京东尚科信息技术有限公司 一种拣货路径的确定方法及装置
CN108549388A (zh) * 2018-05-24 2018-09-18 苏州智伟达机器人科技有限公司 一种基于改进a星策略的移动机器人路径规划方法
CN108594823A (zh) * 2018-05-21 2018-09-28 珠海格力电器股份有限公司 扫地机器人的控制方法及其控制系统
CN108705532A (zh) * 2018-04-25 2018-10-26 中国地质大学（武汉） 一种机械臂避障路径规划方法、设备及存储设备
CN108731678A (zh) * 2017-04-18 2018-11-02 深圳市丰巨泰科电子有限公司 机器人全局路径规划方法
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
CN108955696A (zh) * 2018-09-30 2018-12-07 江苏美的清洁电器股份有限公司 扫地机及其路径规划方法和装置
CN109032149A (zh) * 2018-10-12 2018-12-18 盐城工学院 一种基于栅格地图的多移动机器人平衡防死锁路径规划方法
CN109115226A (zh) * 2018-09-01 2019-01-01 哈尔滨工程大学 基于跳点搜索的多机器人冲突避免的路径规划方法
CN109144067A (zh) * 2018-09-17 2019-01-04 长安大学 一种智能清洁机器人及其路径规划方法
CN109163722A (zh) * 2018-06-29 2019-01-08 北京建筑大学 一种仿人机器人路径规划方法及装置
CN109189058A (zh) * 2018-07-18 2019-01-11 深圳市海梁科技有限公司 一种多波长漆面、动态光流巡线导航系统及无人驾驶车辆
CN109341698A (zh) * 2018-11-29 2019-02-15 深圳市银星智能科技股份有限公司 一种移动机器人的路径选择方法及装置
CN109597410A (zh) * 2018-11-28 2019-04-09 北京航天自动控制研究所 一种自主路径规划的可移动测试台及自主寻路方法
CN109781126A (zh) * 2018-12-30 2019-05-21 芜湖哈特机器人产业技术研究院有限公司 一种基于矢量法的全局静态路径规划方法
CN109891351A (zh) * 2016-11-15 2019-06-14 深圳市大疆创新科技有限公司 基于图像的对象检测和对应的移动调整操纵的方法和系统
CN109916393A (zh) * 2019-03-29 2019-06-21 电子科技大学 一种基于机器人位姿的多重栅格值导航方法及其应用
CN109947100A (zh) * 2019-03-12 2019-06-28 深圳优地科技有限公司 路径规划方法、系统及终端设备
CN110006429A (zh) * 2019-03-20 2019-07-12 智慧航海（青岛）科技有限公司 一种基于深度优化的无人船航迹规划方法
CN110032187A (zh) * 2019-04-09 2019-07-19 清华大学 无人摩托静态障碍避障路径规划计算方法
CN110104561A (zh) * 2019-05-05 2019-08-09 三峡大学 一种障碍空间下起重作业吊物迹线规划系统
CN110268353A (zh) * 2017-02-17 2019-09-20 科尔摩根自动化有限公司 用于控制自动导向车辆的行驶路径的方法
CN110262518A (zh) * 2019-07-22 2019-09-20 上海交通大学 基于轨迹拓扑地图和避障的车辆导航方法、系统及介质
CN110285819A (zh) * 2018-03-19 2019-09-27 北京京东尚科信息技术有限公司 确定最短路径的方法和装置
CN110361017A (zh) * 2019-07-19 2019-10-22 西南科技大学 一种基于栅格法的扫地机器人全遍历路径规划方法
CN110456789A (zh) * 2019-07-23 2019-11-15 中国矿业大学 一种清洁机器人的全覆盖路径规划方法
CN110609557A (zh) * 2019-10-09 2019-12-24 中国人民解放军陆军装甲兵学院 无人车混合路径规划算法
CN110967015A (zh) * 2019-11-20 2020-04-07 中国人民解放军国防科技大学 一种路径规划方法及系统
CN110975290A (zh) * 2019-11-20 2020-04-10 中国人民解放军国防科技大学 一种基于模式数据库的路径规划方法及系统
CN110975291A (zh) * 2019-11-20 2020-04-10 中国人民解放军国防科技大学 一种路径提取方法及系统
CN110975288A (zh) * 2019-11-20 2020-04-10 中国人民解放军国防科技大学 基于跳点路径搜索的几何容器数据压缩方法及系统
CN111174798A (zh) * 2020-01-17 2020-05-19 长安大学 一种足式机器人路径规划方法
CN111197985A (zh) * 2018-10-31 2020-05-26 科沃斯机器人股份有限公司 区域识别方法、路径规划方法、设备及存储介质
CN111289002A (zh) * 2019-09-24 2020-06-16 陈水弟 一种机器人路径规划方法及系统
CN111341136A (zh) * 2020-02-11 2020-06-26 浙江吉利汽车研究院有限公司 一种基于车路协同的代客泊车方法、系统及存储介质
CN111338359A (zh) * 2020-04-30 2020-06-26 武汉科技大学 一种基于距离判断和角度偏转的移动机器人路径规划方法
CN111422741A (zh) * 2020-03-24 2020-07-17 苏州西弗智能科技有限公司 一种桥式起重机运动路径规划方法
CN111422740A (zh) * 2020-03-24 2020-07-17 苏州西弗智能科技有限公司 一种基于防摇的桥式起重机路径规划方法和装置
CN111487960A (zh) * 2020-03-26 2020-08-04 北京控制工程研究所 一种基于定位能力估计的移动机器人路径规划方法
CN111580563A (zh) * 2020-06-09 2020-08-25 中国电子科技集团公司第五十四研究所 一种基于种子搜索的无人机自主避障飞行方法
CN111637890A (zh) * 2020-07-15 2020-09-08 济南浪潮高新科技投资发展有限公司 一种结合终端增强现实技术的移动机器人导航方法
CN111649748A (zh) * 2020-06-16 2020-09-11 湖北友系互联科技有限公司 室内导航方法及系统
CN111723981A (zh) * 2020-06-09 2020-09-29 安徽意欧斯物流机器人有限公司 一种基于多条件约束的叉车式agv最优路径规划方法
CN111829526A (zh) * 2020-07-23 2020-10-27 中国人民解放军国防科技大学 一种基于防撞半径的距离地图重构与跳点路径规划方法
CN111880534A (zh) * 2020-07-17 2020-11-03 桂林电子科技大学 一种基于栅格地图的二次路径规划方法
WO2020220604A1 (zh) * 2019-04-30 2020-11-05 南京航空航天大学 一种多agv系统动态障碍物实时避障方法及避障系统
CN112015172A (zh) * 2019-05-29 2020-12-01 丰田自动车株式会社 机器学习方法及移动机器人
CN112099521A (zh) * 2020-10-09 2020-12-18 北京邮电大学 一种无人机路径规划方法及装置
WO2021012125A1 (en) * 2019-07-19 2021-01-28 Huawei Technologies Co., Ltd. Global path planning using piecewise sigmoid curves
WO2021027966A1 (zh) * 2019-08-15 2021-02-18 纳恩博（常州）科技有限公司 行进方法、可行进设备和存储介质
CN112378408A (zh) * 2020-11-26 2021-02-19 重庆大学 一种实现轮式移动机器人实时避障的路径规划方法
CN112612273A (zh) * 2020-12-21 2021-04-06 南方电网电力科技股份有限公司 一种巡检机器人避障路径规划方法、系统、设备和介质
CN112731916A (zh) * 2020-10-22 2021-04-30 福建工程学院 融合跳点搜索法和动态窗口法的全局动态路径规划方法
CN112764413A (zh) * 2019-10-22 2021-05-07 广州中国科学院先进技术研究所 一种机器人路径规划方法
CN112783169A (zh) * 2020-12-31 2021-05-11 科大讯飞(苏州)科技有限公司 一种路径规划方法、设备及计算机可读存储介质
CN112915541A (zh) * 2021-04-07 2021-06-08 腾讯科技（深圳）有限公司 跳点搜索方法、装置、设备及存储介质
CN113074728A (zh) * 2021-03-05 2021-07-06 北京大学 基于跳点寻路与协同避障的多agv路径规划方法
CN113156968A (zh) * 2021-05-06 2021-07-23 郑州铁路职业技术学院 一种移动机器人的路径规划方法及系统
CN113286985A (zh) * 2020-09-17 2021-08-20 华为技术有限公司 一种路径规划方法和路径规划装置
CN113415728A (zh) * 2021-06-29 2021-09-21 广州市建筑科学研究院集团有限公司 一种塔机吊运路径自动规划方法及系统
CN113515129A (zh) * 2021-08-23 2021-10-19 哈尔滨理工大学 一种基于边界查找的双向跳点搜索无人车路径规划方法
CN113607181A (zh) * 2021-08-05 2021-11-05 国网上海市电力公司 一种跳点搜索算法的优化方法
CN113917915A (zh) * 2021-08-09 2022-01-11 天津理工大学 一种基于ros移动机器人的路径规划装置及方法
CN114440916A (zh) * 2022-03-09 2022-05-06 中国农业银行股份有限公司 一种导航方法、装置、设备及存储介质
CN114564023A (zh) * 2022-03-11 2022-05-31 哈尔滨理工大学 一种动态场景下的跳点搜索路径规划方法
CN115755908A (zh) * 2022-11-17 2023-03-07 中国矿业大学 一种基于JPS引导Hybrid A*的移动机器人路径规划方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104950883A (zh) * 2015-05-14 2015-09-30 西安电子科技大学 一种基于距离网格地图的移动机器人路径规划方法
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
CN105716613A (zh) * 2016-04-07 2016-06-29 北京进化者机器人科技有限公司 一种机器人避障中的最短路径规划方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104950883A (zh) * 2015-05-14 2015-09-30 西安电子科技大学 一种基于距离网格地图的移动机器人路径规划方法
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
CN105716613A (zh) * 2016-04-07 2016-06-29 北京进化者机器人科技有限公司 一种机器人避障中的最短路径规划方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
张海燕 等: "机器人避障路径规划优化控制仿真", 《计算机仿真》 *
李保国 等: "未知环境中移动机器人实时导航与避障的分层模糊控制", 《机器人》 *
王吉祥: "基于AGV系统的路径规划技术研究", 《CNKI》 *
苏中 等: "《仿生蛇形机器人技术》", 31 December 2015 *
邱磊 等: "跳点搜索算法的原理解释及性能分析", 《新疆大学学报（自然科学版）》 *
邱磊: "利用跳点搜索算法加速Ａ＊ 寻路", 《兰州理工大学学报》 *

Cited By (118)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107278282A (zh) * 2016-09-29 2017-10-20 深圳市大疆创新科技有限公司 路径规划的方法、装置、飞行控制系统、全方位避障系统与无人机
CN107278282B (zh) * 2016-09-29 2019-02-19 深圳市大疆创新科技有限公司 路径规划的方法、装置、飞行控制系统、全方位避障系统与无人机
CN109891351B (zh) * 2016-11-15 2022-05-06 深圳市大疆创新科技有限公司 基于图像的对象检测和对应的移动调整操纵的方法和系统
CN109891351A (zh) * 2016-11-15 2019-06-14 深圳市大疆创新科技有限公司 基于图像的对象检测和对应的移动调整操纵的方法和系统
CN108073165A (zh) * 2016-11-16 2018-05-25 阳光暖果（北京）科技发展有限公司 一种仿水黾捕食的机器人运动方法
CN106643727A (zh) * 2016-12-02 2017-05-10 江苏物联网研究发展中心 用于机器人导航的地图的构建方法
CN106708043A (zh) * 2016-12-13 2017-05-24 北京航空航天大学 一种在复杂地图下改进Visual Graph的方法
CN106708043B (zh) * 2016-12-13 2019-08-06 北京航空航天大学 一种在复杂地图下改进Visual Graph的方法
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
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
CN110268353A (zh) * 2017-02-17 2019-09-20 科尔摩根自动化有限公司 用于控制自动导向车辆的行驶路径的方法
CN108510095A (zh) * 2017-02-23 2018-09-07 北京京东尚科信息技术有限公司 一种拣货路径的确定方法及装置
CN108510095B (zh) * 2017-02-23 2020-12-22 北京京东乾石科技有限公司 一种拣货路径的确定方法及装置
CN106774347A (zh) * 2017-02-24 2017-05-31 安科智慧城市技术（中国）有限公司 室内动态环境下的机器人路径规划方法、装置和机器人
CN108731678A (zh) * 2017-04-18 2018-11-02 深圳市丰巨泰科电子有限公司 机器人全局路径规划方法
CN107562048A (zh) * 2017-08-08 2018-01-09 浙江工业大学 一种基于激光雷达的动态避障控制方法
CN107562048B (zh) * 2017-08-08 2020-10-09 浙江工业大学 一种基于激光雷达的动态避障控制方法
CN107357295A (zh) * 2017-08-16 2017-11-17 珠海市微半导体有限公司 一种基于栅格地图的路径搜索方法和芯片及机器人
CN107357295B (zh) * 2017-08-16 2021-02-23 珠海市一微半导体有限公司 一种基于栅格地图的路径搜索方法和芯片及机器人
CN107560620A (zh) * 2017-08-31 2018-01-09 珠海市微半导体有限公司 一种路径导航方法和芯片及机器人
CN107560620B (zh) * 2017-08-31 2019-12-20 珠海市一微半导体有限公司 一种路径导航方法和芯片及机器人
CN107861508A (zh) * 2017-10-20 2018-03-30 纳恩博（北京）科技有限公司 一种移动机器人局部运动规划方法及装置
CN107807641A (zh) * 2017-10-25 2018-03-16 上海思岚科技有限公司 用于移动机器人避障的方法
CN107885206A (zh) * 2017-11-07 2018-04-06 中国科学院福建物质结构研究所 一种机器人避障方法及应用其的机器人
CN107885209A (zh) * 2017-11-13 2018-04-06 浙江工业大学 一种基于动态窗口与虚拟目标点的避障方法
CN107976999B (zh) * 2017-11-21 2020-11-06 深圳市远弗科技有限公司 一种移动机器人及其避障和路径规划方法和系统
CN107976999A (zh) * 2017-11-21 2018-05-01 深圳普思英察科技有限公司 一种移动机器人及其避障和路径规划方法和系统
US10884420B2 (en) 2017-12-12 2021-01-05 Shenzhen Silver Star Intelligent Technology Co., Ltd. Cleaning robot and shortest path planning method based on cleaning robot
CN108008728A (zh) * 2017-12-12 2018-05-08 深圳市银星智能科技股份有限公司 清洁机器人以及基于清洁机器人的最短路径规划方法
CN108008728B (zh) * 2017-12-12 2020-01-17 深圳市银星智能科技股份有限公司 清洁机器人以及基于清洁机器人的最短路径规划方法
CN108459599A (zh) * 2017-12-21 2018-08-28 华为技术有限公司 一种运动路径规划方法及装置
CN108459599B (zh) * 2017-12-21 2020-08-07 华为技术有限公司 一种运动路径规划方法及装置
CN108304964A (zh) * 2018-01-08 2018-07-20 深圳市易成自动驾驶技术有限公司 Agv最短路径规划方法、装置及计算机可读存储介质
CN110285819A (zh) * 2018-03-19 2019-09-27 北京京东尚科信息技术有限公司 确定最短路径的方法和装置
CN110285819B (zh) * 2018-03-19 2023-01-31 北京京东乾石科技有限公司 确定最短路径的方法和装置
CN108705532A (zh) * 2018-04-25 2018-10-26 中国地质大学（武汉） 一种机械臂避障路径规划方法、设备及存储设备
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
CN108469827A (zh) * 2018-05-16 2018-08-31 江苏华章物流科技股份有限公司 一种适用于物流仓储系统的自动导引车全局路径规划方法
CN108594823A (zh) * 2018-05-21 2018-09-28 珠海格力电器股份有限公司 扫地机器人的控制方法及其控制系统
CN108549388A (zh) * 2018-05-24 2018-09-18 苏州智伟达机器人科技有限公司 一种基于改进a星策略的移动机器人路径规划方法
CN109163722B (zh) * 2018-06-29 2020-06-30 北京建筑大学 一种仿人机器人路径规划方法及装置
CN109163722A (zh) * 2018-06-29 2019-01-08 北京建筑大学 一种仿人机器人路径规划方法及装置
CN109189058B (zh) * 2018-07-18 2021-10-15 深圳市海梁科技有限公司 一种多波长漆面、动态光流巡线导航系统及无人驾驶车辆
CN109189058A (zh) * 2018-07-18 2019-01-11 深圳市海梁科技有限公司 一种多波长漆面、动态光流巡线导航系统及无人驾驶车辆
CN109115226A (zh) * 2018-09-01 2019-01-01 哈尔滨工程大学 基于跳点搜索的多机器人冲突避免的路径规划方法
CN109115226B (zh) * 2018-09-01 2021-11-19 哈尔滨工程大学 基于跳点搜索的多机器人冲突避免的路径规划方法
CN109144067A (zh) * 2018-09-17 2019-01-04 长安大学 一种智能清洁机器人及其路径规划方法
CN108955696A (zh) * 2018-09-30 2018-12-07 江苏美的清洁电器股份有限公司 扫地机及其路径规划方法和装置
CN108955696B (zh) * 2018-09-30 2020-07-03 江苏美的清洁电器股份有限公司 扫地机及其路径规划方法和装置
CN109032149A (zh) * 2018-10-12 2018-12-18 盐城工学院 一种基于栅格地图的多移动机器人平衡防死锁路径规划方法
CN109032149B (zh) * 2018-10-12 2020-12-11 盐城工学院 一种基于栅格地图的多移动机器人平衡防死锁路径规划方法
CN111197985A (zh) * 2018-10-31 2020-05-26 科沃斯机器人股份有限公司 区域识别方法、路径规划方法、设备及存储介质
CN111197985B (zh) * 2018-10-31 2022-04-05 科沃斯机器人股份有限公司 区域识别方法、路径规划方法、设备及存储介质
CN109597410A (zh) * 2018-11-28 2019-04-09 北京航天自动控制研究所 一种自主路径规划的可移动测试台及自主寻路方法
CN109341698A (zh) * 2018-11-29 2019-02-15 深圳市银星智能科技股份有限公司 一种移动机器人的路径选择方法及装置
CN109781126A (zh) * 2018-12-30 2019-05-21 芜湖哈特机器人产业技术研究院有限公司 一种基于矢量法的全局静态路径规划方法
CN109947100A (zh) * 2019-03-12 2019-06-28 深圳优地科技有限公司 路径规划方法、系统及终端设备
CN109947100B (zh) * 2019-03-12 2022-05-24 深圳优地科技有限公司 路径规划方法、系统及终端设备
CN110006429A (zh) * 2019-03-20 2019-07-12 智慧航海（青岛）科技有限公司 一种基于深度优化的无人船航迹规划方法
CN109916393A (zh) * 2019-03-29 2019-06-21 电子科技大学 一种基于机器人位姿的多重栅格值导航方法及其应用
CN110032187A (zh) * 2019-04-09 2019-07-19 清华大学 无人摩托静态障碍避障路径规划计算方法
CN110032187B (zh) * 2019-04-09 2020-08-28 清华大学 无人摩托静态障碍避障路径规划计算方法
WO2020220604A1 (zh) * 2019-04-30 2020-11-05 南京航空航天大学 一种多agv系统动态障碍物实时避障方法及避障系统
CN110104561A (zh) * 2019-05-05 2019-08-09 三峡大学 一种障碍空间下起重作业吊物迹线规划系统
CN112015172A (zh) * 2019-05-29 2020-12-01 丰田自动车株式会社 机器学习方法及移动机器人
CN110361017B (zh) * 2019-07-19 2022-02-11 西南科技大学 一种基于栅格法的扫地机器人全遍历路径规划方法
WO2021012125A1 (en) * 2019-07-19 2021-01-28 Huawei Technologies Co., Ltd. Global path planning using piecewise sigmoid curves
CN110361017A (zh) * 2019-07-19 2019-10-22 西南科技大学 一种基于栅格法的扫地机器人全遍历路径规划方法
CN110262518A (zh) * 2019-07-22 2019-09-20 上海交通大学 基于轨迹拓扑地图和避障的车辆导航方法、系统及介质
CN110456789A (zh) * 2019-07-23 2019-11-15 中国矿业大学 一种清洁机器人的全覆盖路径规划方法
WO2021027966A1 (zh) * 2019-08-15 2021-02-18 纳恩博（常州）科技有限公司 行进方法、可行进设备和存储介质
CN111289002A (zh) * 2019-09-24 2020-06-16 陈水弟 一种机器人路径规划方法及系统
CN110609557A (zh) * 2019-10-09 2019-12-24 中国人民解放军陆军装甲兵学院 无人车混合路径规划算法
CN110609557B (zh) * 2019-10-09 2022-12-09 中国人民解放军陆军装甲兵学院 无人车混合路径规划方法
CN112764413B (zh) * 2019-10-22 2024-01-16 广州中国科学院先进技术研究所 一种机器人路径规划方法
CN112764413A (zh) * 2019-10-22 2021-05-07 广州中国科学院先进技术研究所 一种机器人路径规划方法
CN110975288A (zh) * 2019-11-20 2020-04-10 中国人民解放军国防科技大学 基于跳点路径搜索的几何容器数据压缩方法及系统
CN110975291A (zh) * 2019-11-20 2020-04-10 中国人民解放军国防科技大学 一种路径提取方法及系统
CN110975290A (zh) * 2019-11-20 2020-04-10 中国人民解放军国防科技大学 一种基于模式数据库的路径规划方法及系统
CN110967015A (zh) * 2019-11-20 2020-04-07 中国人民解放军国防科技大学 一种路径规划方法及系统
CN110975288B (zh) * 2019-11-20 2023-08-29 中国人民解放军国防科技大学 基于跳点路径搜索的几何容器数据压缩方法及系统
CN110975291B (zh) * 2019-11-20 2023-11-10 中国人民解放军国防科技大学 一种路径提取方法及系统
CN110975290B (zh) * 2019-11-20 2023-09-05 中国人民解放军国防科技大学 一种基于模式数据库的路径规划方法及系统
CN111174798A (zh) * 2020-01-17 2020-05-19 长安大学 一种足式机器人路径规划方法
CN111341136A (zh) * 2020-02-11 2020-06-26 浙江吉利汽车研究院有限公司 一种基于车路协同的代客泊车方法、系统及存储介质
CN111422741A (zh) * 2020-03-24 2020-07-17 苏州西弗智能科技有限公司 一种桥式起重机运动路径规划方法
CN111422740A (zh) * 2020-03-24 2020-07-17 苏州西弗智能科技有限公司 一种基于防摇的桥式起重机路径规划方法和装置
CN111422741B (zh) * 2020-03-24 2022-02-11 苏州西弗智能科技有限公司 一种桥式起重机运动路径规划方法
CN111487960A (zh) * 2020-03-26 2020-08-04 北京控制工程研究所 一种基于定位能力估计的移动机器人路径规划方法
CN111338359A (zh) * 2020-04-30 2020-06-26 武汉科技大学 一种基于距离判断和角度偏转的移动机器人路径规划方法
CN111580563A (zh) * 2020-06-09 2020-08-25 中国电子科技集团公司第五十四研究所 一种基于种子搜索的无人机自主避障飞行方法
CN111723981A (zh) * 2020-06-09 2020-09-29 安徽意欧斯物流机器人有限公司 一种基于多条件约束的叉车式agv最优路径规划方法
CN111649748A (zh) * 2020-06-16 2020-09-11 湖北友系互联科技有限公司 室内导航方法及系统
CN111637890A (zh) * 2020-07-15 2020-09-08 济南浪潮高新科技投资发展有限公司 一种结合终端增强现实技术的移动机器人导航方法
CN111880534A (zh) * 2020-07-17 2020-11-03 桂林电子科技大学 一种基于栅格地图的二次路径规划方法
CN111829526A (zh) * 2020-07-23 2020-10-27 中国人民解放军国防科技大学 一种基于防撞半径的距离地图重构与跳点路径规划方法
CN113286985A (zh) * 2020-09-17 2021-08-20 华为技术有限公司 一种路径规划方法和路径规划装置
CN112099521A (zh) * 2020-10-09 2020-12-18 北京邮电大学 一种无人机路径规划方法及装置
CN112099521B (zh) * 2020-10-09 2022-05-17 北京邮电大学 一种无人机路径规划方法及装置
CN112731916A (zh) * 2020-10-22 2021-04-30 福建工程学院 融合跳点搜索法和动态窗口法的全局动态路径规划方法
CN112378408A (zh) * 2020-11-26 2021-02-19 重庆大学 一种实现轮式移动机器人实时避障的路径规划方法
CN112612273A (zh) * 2020-12-21 2021-04-06 南方电网电力科技股份有限公司 一种巡检机器人避障路径规划方法、系统、设备和介质
CN112783169A (zh) * 2020-12-31 2021-05-11 科大讯飞(苏州)科技有限公司 一种路径规划方法、设备及计算机可读存储介质
CN113074728B (zh) * 2021-03-05 2022-07-22 北京大学 基于跳点寻路与协同避障的多agv路径规划方法
CN113074728A (zh) * 2021-03-05 2021-07-06 北京大学 基于跳点寻路与协同避障的多agv路径规划方法
CN112915541A (zh) * 2021-04-07 2021-06-08 腾讯科技（深圳）有限公司 跳点搜索方法、装置、设备及存储介质
CN113156968A (zh) * 2021-05-06 2021-07-23 郑州铁路职业技术学院 一种移动机器人的路径规划方法及系统
CN113415728A (zh) * 2021-06-29 2021-09-21 广州市建筑科学研究院集团有限公司 一种塔机吊运路径自动规划方法及系统
CN113607181A (zh) * 2021-08-05 2021-11-05 国网上海市电力公司 一种跳点搜索算法的优化方法
CN113917915A (zh) * 2021-08-09 2022-01-11 天津理工大学 一种基于ros移动机器人的路径规划装置及方法
CN113515129A (zh) * 2021-08-23 2021-10-19 哈尔滨理工大学 一种基于边界查找的双向跳点搜索无人车路径规划方法
CN113515129B (zh) * 2021-08-23 2022-02-11 哈尔滨理工大学 一种基于边界查找的双向跳点搜索无人车路径规划方法
CN114440916B (zh) * 2022-03-09 2024-04-02 中国农业银行股份有限公司 一种导航方法、装置、设备及存储介质
CN114440916A (zh) * 2022-03-09 2022-05-06 中国农业银行股份有限公司 一种导航方法、装置、设备及存储介质
CN114564023A (zh) * 2022-03-11 2022-05-31 哈尔滨理工大学 一种动态场景下的跳点搜索路径规划方法
CN114564023B (zh) * 2022-03-11 2022-11-08 哈尔滨理工大学 一种动态场景下的跳点搜索路径规划方法
CN115755908B (zh) * 2022-11-17 2023-10-27 中国矿业大学 一种基于JPS引导Hybrid A*的移动机器人路径规划方法
CN115755908A (zh) * 2022-11-17 2023-03-07 中国矿业大学 一种基于JPS引导Hybrid A*的移动机器人路径规划方法

Similar Documents

Publication Publication Date Title
CN105955280A (zh) 移动机器人路径规划和避障方法及系统
JP6947826B2 (ja) インテリジェントロボットの経路計画方法
CN110262518B (zh) 基于轨迹拓扑地图和避障的车辆导航方法、系统及介质
CN109709945B (zh) 一种基于障碍物分类的路径规划方法、装置及机器人
KR101372482B1 (ko) 이동 로봇의 경로 계획 방법 및 장치
CN105115497B (zh) 一种可靠的室内移动机器人精确导航定位系统及方法
CN106406320B (zh) 机器人路径规划方法及规划路线的机器人
CN106774347A (zh) 室内动态环境下的机器人路径规划方法、装置和机器人
JP2020501282A5 (zh)
JP5402057B2 (ja) 移動ロボット制御システム、経路探索方法、経路探索プログラム
CN108663681A (zh) 基于双目摄像头与二维激光雷达的移动机器人导航方法
CN106843223A (zh) 一种智能化避障agv小车系统及避障方法
CN105629974A (zh) 一种基于改进型人工势场法的机器人路径规划方法及系统
WO2018133805A1 (zh) 路径规划方法和装置
CN105116902A (zh) 一种移动机器人避障导航的方法和系统
CN106444835A (zh) 基于Lazy Theta星和粒子群混合算法的水下潜器三维路径规划方法
Shah et al. Viking: Vision-based kilometer-scale navigation with geographic hints
CN113156956A (zh) 机器人的导航方法、芯片及机器人
CN111609853A (zh) 三维地图构建方法、扫地机器人及电子设备
Tanzmeister et al. Path planning on grid maps with unknown goal poses
CN115223039A (zh) 一种面向复杂环境的机器人半自主控制方法及系统
CN112033423B (zh) 一种基于道路共识的机器人路径规划方法、装置和机器人
CN110084825A (zh) 一种基于图像边缘信息导航的方法及系统
CN116839609A (zh) 全覆盖路径规划方法、装置及计算机可读存储介质
CN115903816A (zh) 一种低能耗移动机器人路径规划方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20160921