CN106094834A - 基于已知环境下的移动机器人路径规划方法 - Google Patents
基于已知环境下的移动机器人路径规划方法 Download PDFInfo
- Publication number
- CN106094834A CN106094834A CN201610569810.8A CN201610569810A CN106094834A CN 106094834 A CN106094834 A CN 106094834A CN 201610569810 A CN201610569810 A CN 201610569810A CN 106094834 A CN106094834 A CN 106094834A
- Authority
- CN
- China
- Prior art keywords
- point
- angle
- path
- robot
- known environment
- 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 31
- 239000011159 matrix material Substances 0.000 claims abstract description 26
- 230000008569 process Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000007493 shaping process Methods 0.000 description 10
- 241000795442 Uranoscopus chinensis Species 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及基于已知环境下的移动机器人路径规划方法,包括以下步骤:1、记录点坐标和转向角;2、生成地图拓扑图;3、计算并填充有向图;4、设置点的数组;5、遍历各点;6、用Floyd算法计算最短路径矩阵。本发明提出一种简单可靠的已知环境下的机器人路径规划方法,本方法计算量小,规划算法快速可靠,并可以实现多机器人单一轨道的路径规划,尤其适用在多机器人、单行道条件下的机器人协同工作。
Description
技术领域
本发明涉及机器人控制方法技术领域,具体的说是基于已知环境下的移动机器人路径规划方法。
背景技术
目前,依靠StarGazer等传感器来实现机器人自主定位与导航,已经成为目前各大主流服务机器人厂商的选择,其原理是StarGazer传感器通过不断的读取顶标并计算出机器人所在位置,来实现的定位,通过控制中心,判断并指定机器人下一步需要到达的位置,最终来实现机器人导航。其中,通过对已知环境下的机器人进行路径规划与导航,一直是一个难以解决的问题。即机器人到达某一个指定点选择一条可靠的最短路径,而且实际情况下,此路径往往都只是单行道,即一条路径下只允许一个机器人的行走,当有多个机器人的时候,这种情况尤为难以解决。
目前,各大厂商利用的主要方法为基于Dijkstra的扩展,主要是求取两点之间的最短路径,并结合栅格法,可以实现机器人沿着最短线路行走。但目前主要缺点是机器人算法复杂,计算量大,无法动态调整已经规划好的路线,尤其无法解决多机器人的路径规划和动态调整。
发明内容
为解决上述问题,本发明提供一种基于已知环境下的移动机器人路径规划方法。
一种基于已知环境下的移动机器人路径规划方法,包括以下步骤:
第一步,采集坐标:需要获取整个地图的全局坐标,建立好全局坐标系后,需要让机器人在整个空间走动一遍,并记录机器人需要经过的点,记录点的相应坐标,以及移动到下一点需要的转向角,如果无法采集转向角,则采用计算角,计算角需要加上一定的偏移量。
第二步,生成地图拓扑图:利用对应关系,通过转换实际坐标系到屏幕坐标系,将相应的点生成对应的地图拓扑图,以判断相关点的对应关系是否正确,以及判断拓扑结构是否合理。
第三步,计算并填充有向图:将步骤二中的对应关系整理成数据结构中的有向图;有向图是数据结构中的一种,具体包含一个二维数组,数组中的每个元素是一个包含两点之间的权值和角度的结构体,权值为两点间计算的长度;有向图结构中包含两个整形变量,一个变量用于存储有向图中点的个数,另一个用于存储有向图中边的个数;有向图结构中包含一个一维数组,用以校正对应的点信息,数组的容量为有向图中点的个数。
第四步,设置点的数组:设置一个点前驱的二维数组,一个最短距离的二维数组,一个点的终点角度数组,数组大小即为点的大小。点前驱的二维数组用来记录到这个点的最短路径的前一个应该到达的点,最短距离的二维数组是存储两点之间的经过最短路径所经过的距离,点的终点角度数组需要存储点作为终点或者停止点的角度。
第五步,遍历各点:初始化各变量,遍历之前记录的点的拓扑图,如果两点之间存在连接关系,将此两点之间的距离信息设置为计算距离值,角度信息填写为对应角度,即转向角度。若两点之间没有连接关系,设置为整形最大值,其中,由于是双向图,所以图的矩阵非对称矩阵,矩阵下标相等点为值0。
第六步,用Floyd算法计算最短路径矩阵:利用Floyd算法计算出两点之间的最短路径,其原理是遍历任意两个点,从图的带权邻接矩阵A=[a(i,j)]开始,递归地进行n次更新,即由矩阵D(0)=A,按一个公式,构造出矩阵D(1);又用同样地公式由D(1)构造出D(2);……;最后又用同样的公式由D(n-1)构造出矩阵D(n)。矩阵D(n)的i行j列元素便是i号顶点到j号顶点的最短路径长度,称D(n)为图的距离矩阵,同时还可引入一个后继节点矩阵path来记录两点间的最短路径,前驱二维数组存储前驱点坐标,距离二维数据存储最短距离。
当有机器人请求给定终点进行路径查询时,首先遍历所有点,找出离起始点最近的采集点和终点最近的采集点,由前驱数组来找出从起始采集点O到终点N前的一个点M,再由前驱数组找出从起点到M点前驱点L,……,一直到查询到前驱点为起始采集点O时停止。输出所有经过的路径,发送到机器人让机器人执行。
当机器人开始启动执行时,首先将所有经过路段“加锁”,即将双向图中反方向路径权值加上一个最大整形(如65535),每当运行到一个点,将运行过的点进行“解锁”,即将两点之间的权值减去最大整形,这样保证其他机器人每次检索出来是一个相对的最端路径,而且这条路径不会有其他机器人沿着这条路径反方向行走,当其他机器人查找路径时,会让机器人选择绕行,而不是按原路返回,这样在单行道场合完成最大化使用效率,满足多机器人的单行道路径规划。
本发明的有益效果是:
本发明提出一种简单可靠的已知环境下的机器人路径规划方法,本方法计算量小,规划算法快速可靠,并可以实现多机器人单一轨道的路径规划,尤其适用在多机器人、单行道条件下的机器人协同工作。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明的控制流程图;
图2为本发明的路径展示图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面对本发明进一步阐述。
如图1、图2所示,基于已知环境下的移动机器人路径规划方法,包括以下步骤:首先,需要利用StarGazer传感器建立整个活动空间的全局坐标,具体建立过程详情参考StarGazer传感器手册。本发明主要是利用此传感器获得整个地图的全局坐标,但不仅仅局限于StarGazer传感器。
建立好全局坐标系后,让机器人在整个空间走动一遍,并记录机器人需要经过的点,这些点主要是机器人需要转换角度或者停止的点。记录点的相应坐标,以及移动到下一点需要转动的角度。记录方式为1-{3,103;5,254;...},表示点1与点3,点5等连接,从点1往点3移动时转向角度为103度,从点3往点5移动时的转向角度为254度等,点的命名从0开始,只需记录点小到点大的点,例如只需记录1点到3点和5点的连接关系和角度,而3点和5点到1点的相关信息并不需要记录。本发明可以利用安装在机器人上的传感器记录并输出相应连接角度,也可以通过计算得到相应的连接角度,但需要根据实际场景添加一定的角度偏移量。
第二步,利用对应关系,通过转换实际坐标系到屏幕坐标系,将相应的点生成对应的地图拓扑图,可以很直观的判断相关点的对应关系是否正确,以及判断拓扑结构是否合理。
第三步,计算并填充有向图:将步骤二中的对应关系整理成数据结构中的有向图;有向图是数据结构中的一种,具体包含一个二维数组,数组中的每个元素是一个包含两点之间的权值和角度的结构体,权值为两点间计算的长度;有向图结构中包含两个整形变量,一个变量用于存储有向图中点的个数,另一个用于存储有向图中边的个数;有向图结构中包含一个一维数组,用以校正对应的点信息,数组的容量为有向图中点的个数。
第四步,准备一个点前驱的二维数组、一个最短距离的二维数组、一个点的终点角度数组,数组大小即为点的大小。点前驱的二维数组用来记录到这个点的最短路径的前一个应该到达的点,最短距离的二维数组是存储两点之间的经过最短路径所经过的距离,点的终点角度数组需要存储点作为终点或者停止点的角度。
第五步,初始化各变量,遍历之前记录的点的拓扑图,如果两点之间存在连接关系,将此两点之间的距离信息设置为计算距离值,角度信息填写为对应角度,即转向角度。若两点之间没有连接关系,设置为整形最大值,其中,由于是双向图,所以图的矩阵非对称矩阵,矩阵下标相等点为值0。
第六步,利用Floyd算法计算出两点之间的最短路径,其原理是遍历任意两个点,从图的带权邻接矩阵A=[a(i,j)]开始,递归地进行n次更新,即由矩阵D(0)=A,按一个公式,构造出矩阵D(1);又用同样地公式由D(1)构造出D(2);……;最后又用同样的公式由D(n-1)构造出矩阵D(n)。矩阵D(n)的i行j列元素便是i号顶点到j号顶点的最短路径长度,称D(n)为图的距离矩阵,同时还可引入一个后继节点矩阵path来记录两点间的最短路径,前驱二维数组存储前驱点坐标,距离二维数据存储最短距离。
当有机器人请求给定终点进行路径查询时,首先遍历所有点,找出离起始点最近的采集点和终点最近的采集点,由前驱数组来找出从起始采集点O到终点N前的一个点M,再由前驱数组找出从起点到M点前驱点L,……,一直到查询到前驱点为起始采集点O时停止。输出所有经过的路径,发送到机器人让机器人执行。
当机器人开始启动执行时,首先将所有经过路段“加锁”,即将双向图中反方向路径权值加上一个最大整形(如65535),注意是加上最大整形,而不是无穷大,每当运行到一个点,将运行过的点进行“解锁”,即将两点之间的权值减去最大整形,这样保证其他机器人每次检索出来是一个相对的最端路径。例如,路径检索出1-4-6-9,则先将9-6,6-4,4-1路径的权值加上最大整形,为了防止经过路段有机器人检索到返回路径。当机器人到达4点,则4-1路径解锁,到达终点9时,取终点角度数组中的角度,让机器人转动到指定角度。这种方法,一方面可以让机器人会检索到一条最短的路径,而且这条路径不会有其他机器人沿着这条路径反方向行走,当其他机器人查找路径时,会让机器人选择绕行,而不是按原路返回,这样在单行道场合完成最大化使用效率。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.基于已知环境下的移动机器人路径规划方法,其特征在于:包括以下步骤:
第一步,记录点坐标和转向角;
第二步,生成地图拓扑图:利用对应关系,通过转换实际坐标系到屏幕坐标系,将相应的点生成对应的地图拓扑图;
第三步,计算并填充有向图:将步骤二中的对应关系整理成数据结构中的有向图;
第四步,设置点的数组:设置一个点前驱的二维数组、一个最短距离的二维数组、一个点的终点角度数组,数组大小即为点的大小;
第五步,遍历各点:初始化各变量,遍历之前记录的点的拓扑图;
第六步,用Floyd算法计算最短路径矩阵。
2.根据权利要求1所述的基于已知环境下的移动机器人路径规划方法,其特征在于:第一步中,所述转向角为采集所得转向角或计算角,计算角需要加上一定的偏移量。
3.根据权利要求1或2所述的基于已知环境下的移动机器人路径规划方法,其特征在于:第三步中,安装在机器人上的传感器为能够输出角度信息的传感器,所述角度为记录角度。
4.根据权利要求1或2所述的基于已知环境下的移动机器人路径规划方法,其特征在于:第三步中,安装在机器人上的传感器不能输出角度信息,所述角度为计算角度,计算角度需根据实际需求添加一定的偏移量。
5.根据权利要求1所述的基于已知环境下的移动机器人路径规划方法,其特征在于:第四步中,点前驱的二维数组用来记录到这个点的最短路径的前一个应该到达的点,最短距离的二维数组是存储两点之间的经过最短路径所经过的距离,点的终点角度数组需要存储点作为终点或者停止点的角度。
6.根据权利要求1所述的基于已知环境下的移动机器人路径规划方法,其特征在于:第五步中,由于拓扑图是双向图,所以图的矩阵非对称矩阵,矩阵下标相等点为值0。
7.根据权利要求1至6中任一项所述的基于已知环境下的移动机器人路径规划方法,其特征在于:当机器人开始启动执行时,先将所有经过路段“加锁”,每当运行到一个点,将运行过的点进行“解锁”,当其他机器人查找路径时,会让机器人选择绕行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610569810.8A CN106094834A (zh) | 2016-07-19 | 2016-07-19 | 基于已知环境下的移动机器人路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610569810.8A CN106094834A (zh) | 2016-07-19 | 2016-07-19 | 基于已知环境下的移动机器人路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106094834A true CN106094834A (zh) | 2016-11-09 |
Family
ID=57220777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610569810.8A Pending CN106094834A (zh) | 2016-07-19 | 2016-07-19 | 基于已知环境下的移动机器人路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106094834A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106382944A (zh) * | 2016-10-08 | 2017-02-08 | 浙江国自机器人技术有限公司 | 一种移动机器人的路线规划方法 |
CN107045349A (zh) * | 2017-04-21 | 2017-08-15 | 东南大学 | 一种室内视觉导引agv的任务规划方法 |
CN107297744A (zh) * | 2017-06-16 | 2017-10-27 | 江苏科技大学 | 一种多功能家用移动设备及其路径规划方法 |
CN107544502A (zh) * | 2017-09-25 | 2018-01-05 | 华中科技大学 | 一种已知环境下的移动机器人规划方法 |
CN108107895A (zh) * | 2017-12-26 | 2018-06-01 | 哈工大机器人(合肥)国际创新研究院 | 一种多机器人路径动态规划方法 |
CN108170146A (zh) * | 2017-12-31 | 2018-06-15 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于已知环境的路径规划方法 |
CN109668572A (zh) * | 2018-12-28 | 2019-04-23 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于floyd算法的激光叉车路径搜索方法 |
CN109760066A (zh) * | 2018-11-30 | 2019-05-17 | 南京熊猫电子股份有限公司 | 一种服务机器人地图定位标定方法 |
CN109814580A (zh) * | 2019-04-03 | 2019-05-28 | 深圳市佳顺智能机器人股份有限公司 | 自动导引运输车的避障方法、系统、主机及存储介质 |
CN110262471A (zh) * | 2018-05-10 | 2019-09-20 | 北京京东尚科信息技术有限公司 | 机器人调度方法和装置、机器人及机器人调度系统 |
CN110926491A (zh) * | 2019-11-29 | 2020-03-27 | 海南中智信信息技术有限公司 | 一种用于最短路径的规划方法和系统 |
CN111158384A (zh) * | 2020-04-08 | 2020-05-15 | 炬星科技(深圳)有限公司 | 机器人建图方法、设备及存储介质 |
CN111207765A (zh) * | 2020-01-07 | 2020-05-29 | 珠海丽亭智能科技有限公司 | 一种机器人停车场路径互斥解决方法 |
CN112230256A (zh) * | 2019-07-15 | 2021-01-15 | 苏州宝时得电动工具有限公司 | 自主机器人及其定位校准方法、装置和存储介质 |
CN113400308A (zh) * | 2021-06-16 | 2021-09-17 | 深圳谦腾科技有限公司 | 机械手抓取产品的最优路径规划方法与可读存储介质 |
CN113467463A (zh) * | 2021-07-14 | 2021-10-01 | 三峡大学 | 一种agv混凝土自卸汽车智能控制系统及控制方法 |
CN114217615A (zh) * | 2021-12-13 | 2022-03-22 | 哈尔滨工业大学芜湖机器人产业技术研究院 | 基于邻接表的路径规划方法 |
CN114267203A (zh) * | 2021-12-31 | 2022-04-01 | 浙江树人学院(浙江树人大学) | 一种共享停车系统 |
CN114489065A (zh) * | 2022-01-20 | 2022-05-13 | 华中科技大学同济医学院附属同济医院 | 手术室医疗物资配送多机器人协同路径规划方法及其应用 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000020117A (ja) * | 1998-06-29 | 2000-01-21 | Yaskawa Electric Corp | ロボットの動作経路計画方法およびその装置 |
GB2443472A (en) * | 2006-10-30 | 2008-05-07 | Cotares Ltd | Method of generating routes |
CN101498586A (zh) * | 2009-01-21 | 2009-08-05 | 东北大学 | 应用智能导游系统进行景区信息预览及游览路线规划方法 |
US20100138096A1 (en) * | 2008-11-28 | 2010-06-03 | National Taiwan University | Patrol Device And Patrol Path Planning Method For The Same |
CN102252685A (zh) * | 2010-05-21 | 2011-11-23 | 科菱航睿空间信息技术有限公司 | 导航电子地图数据处理方法及基于该处理方法的存储方法 |
CN102420392A (zh) * | 2011-07-30 | 2012-04-18 | 山东鲁能智能技术有限公司 | 基于磁导航的变电站巡检机器人全局路径规划方法 |
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 |
-
2016
- 2016-07-19 CN CN201610569810.8A patent/CN106094834A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000020117A (ja) * | 1998-06-29 | 2000-01-21 | Yaskawa Electric Corp | ロボットの動作経路計画方法およびその装置 |
GB2443472A (en) * | 2006-10-30 | 2008-05-07 | Cotares Ltd | Method of generating routes |
US20100138096A1 (en) * | 2008-11-28 | 2010-06-03 | National Taiwan University | Patrol Device And Patrol Path Planning Method For The Same |
CN101498586A (zh) * | 2009-01-21 | 2009-08-05 | 东北大学 | 应用智能导游系统进行景区信息预览及游览路线规划方法 |
CN102252685A (zh) * | 2010-05-21 | 2011-11-23 | 科菱航睿空间信息技术有限公司 | 导航电子地图数据处理方法及基于该处理方法的存储方法 |
CN102420392A (zh) * | 2011-07-30 | 2012-04-18 | 山东鲁能智能技术有限公司 | 基于磁导航的变电站巡检机器人全局路径规划方法 |
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 |
Non-Patent Citations (6)
Title |
---|
严泰来 等: "《资源环境信息技术概论》", 29 February 2004 * |
查特吉 等: "《基于视觉的自主机器人导航》", 31 March 2014 * |
沈华 等: "《数据结构与算法 C语言描述》", 31 October 2015 * |
石为人 等: "基于Floyd算法的移动机器人最短路径规划研究", 《仪器仪表学报》 * |
边馥苓 等: "《数字工程的原理与方法 第2版》", 31 March 2011 * |
郭大宏: "基于单向导引路径网络的AGVS自主路径规划及交通管理方法研究", 《制造业自动化》 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106382944B (zh) * | 2016-10-08 | 2019-11-01 | 浙江国自机器人技术有限公司 | 一种移动机器人的路线规划方法 |
CN106382944A (zh) * | 2016-10-08 | 2017-02-08 | 浙江国自机器人技术有限公司 | 一种移动机器人的路线规划方法 |
CN107045349A (zh) * | 2017-04-21 | 2017-08-15 | 东南大学 | 一种室内视觉导引agv的任务规划方法 |
CN107297744A (zh) * | 2017-06-16 | 2017-10-27 | 江苏科技大学 | 一种多功能家用移动设备及其路径规划方法 |
CN107544502A (zh) * | 2017-09-25 | 2018-01-05 | 华中科技大学 | 一种已知环境下的移动机器人规划方法 |
CN108107895A (zh) * | 2017-12-26 | 2018-06-01 | 哈工大机器人(合肥)国际创新研究院 | 一种多机器人路径动态规划方法 |
CN108170146A (zh) * | 2017-12-31 | 2018-06-15 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于已知环境的路径规划方法 |
CN108170146B (zh) * | 2017-12-31 | 2021-07-30 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于已知环境的路径规划方法 |
CN110262471B (zh) * | 2018-05-10 | 2022-09-06 | 北京京东乾石科技有限公司 | 机器人调度方法和装置、机器人及机器人调度系统 |
CN110262471A (zh) * | 2018-05-10 | 2019-09-20 | 北京京东尚科信息技术有限公司 | 机器人调度方法和装置、机器人及机器人调度系统 |
CN109760066A (zh) * | 2018-11-30 | 2019-05-17 | 南京熊猫电子股份有限公司 | 一种服务机器人地图定位标定方法 |
CN109760066B (zh) * | 2018-11-30 | 2021-02-26 | 南京熊猫电子股份有限公司 | 一种服务机器人地图定位标定方法 |
CN109668572B (zh) * | 2018-12-28 | 2022-05-17 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于floyd算法的激光叉车路径搜索方法 |
CN109668572A (zh) * | 2018-12-28 | 2019-04-23 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于floyd算法的激光叉车路径搜索方法 |
CN109814580A (zh) * | 2019-04-03 | 2019-05-28 | 深圳市佳顺智能机器人股份有限公司 | 自动导引运输车的避障方法、系统、主机及存储介质 |
CN112230256B (zh) * | 2019-07-15 | 2024-04-09 | 苏州宝时得电动工具有限公司 | 自主机器人及其定位校准方法、装置和存储介质 |
CN112230256A (zh) * | 2019-07-15 | 2021-01-15 | 苏州宝时得电动工具有限公司 | 自主机器人及其定位校准方法、装置和存储介质 |
CN110926491B (zh) * | 2019-11-29 | 2020-09-01 | 海南中智信信息技术有限公司 | 一种用于最短路径的规划方法和系统 |
CN110926491A (zh) * | 2019-11-29 | 2020-03-27 | 海南中智信信息技术有限公司 | 一种用于最短路径的规划方法和系统 |
CN111207765A (zh) * | 2020-01-07 | 2020-05-29 | 珠海丽亭智能科技有限公司 | 一种机器人停车场路径互斥解决方法 |
WO2021203852A1 (zh) * | 2020-04-08 | 2021-10-14 | 炬星科技(深圳)有限公司 | 机器人建图方法、设备及存储介质 |
CN111158384A (zh) * | 2020-04-08 | 2020-05-15 | 炬星科技(深圳)有限公司 | 机器人建图方法、设备及存储介质 |
CN113400308A (zh) * | 2021-06-16 | 2021-09-17 | 深圳谦腾科技有限公司 | 机械手抓取产品的最优路径规划方法与可读存储介质 |
CN113400308B (zh) * | 2021-06-16 | 2022-06-03 | 深圳谦腾科技有限公司 | 机械手抓取产品的最优路径规划方法与可读存储介质 |
CN113467463A (zh) * | 2021-07-14 | 2021-10-01 | 三峡大学 | 一种agv混凝土自卸汽车智能控制系统及控制方法 |
CN114217615A (zh) * | 2021-12-13 | 2022-03-22 | 哈尔滨工业大学芜湖机器人产业技术研究院 | 基于邻接表的路径规划方法 |
CN114267203A (zh) * | 2021-12-31 | 2022-04-01 | 浙江树人学院(浙江树人大学) | 一种共享停车系统 |
CN114489065A (zh) * | 2022-01-20 | 2022-05-13 | 华中科技大学同济医学院附属同济医院 | 手术室医疗物资配送多机器人协同路径规划方法及其应用 |
CN114489065B (zh) * | 2022-01-20 | 2023-08-25 | 华中科技大学同济医学院附属同济医院 | 手术室医疗物资配送多机器人协同路径规划方法及其应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106094834A (zh) | 基于已知环境下的移动机器人路径规划方法 | |
CN102147260B (zh) | 电子地图匹配方法和装置 | |
CN107228677B (zh) | 偏航识别方法和装置 | |
CN105739504B (zh) | 一种机器人工作区域的排序方法及排序系统 | |
CN105091889B (zh) | 一种热点路径的确定方法及设备 | |
CN100517346C (zh) | 一种最优路径的寻径方法 | |
CN101358855B (zh) | 基于分层双向启发式路线规划方法的导航装置 | |
CN109405839A (zh) | 一种基于多路径的交通网络离线地图匹配算法 | |
CN102607578B (zh) | 用于制作局部区域的导航地图的方法及装置 | |
CN104679864A (zh) | 一种基于gis的嫌疑目标智能跟踪方法和装置 | |
CN104215254B (zh) | 路径导航的方法和装置 | |
CN110427360A (zh) | 轨迹数据的处理方法、处理装置、处理系统及计算机程序产品 | |
CN106920387A (zh) | 获取交通道路中路线热度的方法及装置 | |
CN110727272A (zh) | 一种多台机器人的路径规划调度系统及方法 | |
CN106568456A (zh) | 基于gps/北斗定位和云计算平台的不停车收费方法 | |
CN113375678B (zh) | 一种行车路径规划方法、管理服务器及停车管理系统 | |
EP3401703B1 (en) | Generating trail network maps | |
CN105575155B (zh) | 用于确定车辆行驶信息的方法和设备 | |
CN108536704A (zh) | 一种轨迹查询方法、系统及装置 | |
CN104699791B (zh) | 一种用于有损浮动车轨迹的路径还原方法 | |
CN108592928A (zh) | 车辆搭载无人机双层路径的构造方法及装置 | |
CN113779430A (zh) | 路网数据生成方法、装置、计算设备和存储介质 | |
CN110174112A (zh) | 一种用于移动机器人自动建图任务的路径优化方法 | |
CN107071721A (zh) | 基于手机定位数据的停留点提取方法 | |
CN111982135A (zh) | 一种基于不同协议的地图格式之间的转换方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into 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: 20161109 |