CN106156888B - 一种巡检机器人的巡检路径规划方法及装置 - Google Patents
一种巡检机器人的巡检路径规划方法及装置 Download PDFInfo
- Publication number
- CN106156888B CN106156888B CN201610515113.4A CN201610515113A CN106156888B CN 106156888 B CN106156888 B CN 106156888B CN 201610515113 A CN201610515113 A CN 201610515113A CN 106156888 B CN106156888 B CN 106156888B
- Authority
- CN
- China
- Prior art keywords
- inspection
- point
- routing inspection
- inflection point
- routing
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请提供了一种巡检机器人的巡检路径规划方法及装置,预存目标巡检路的关系模型数据,关系模型数据包括目标巡检路上各个巡检路段、各个拐点和各个巡检点的标识信息,以及各个拐点与巡检路段、各个巡检点与巡检路段的关系信息,以及所有拐点中两两组合得到的拐点对之间的最短路径以及对应权值,方法包括:获取巡检点序列,确定巡检机器人当前所处的巡检路段,基于巡检机器人当前所处的巡检路段和目标巡检路的关系模型数据,利用最近优先贪婪算法确定与巡检点序列对应的巡检路径序列。本申请可确定出多个巡检点的全局最优巡检路径,基于全局最优巡检路径进行巡检不但能够提高巡检机器人的巡检效率,还能降低巡检机器人的电力消耗。
Description
技术领域
本发明路径规划技术领域,尤其涉及一种巡检机器人的巡检路径规划方法及装置。
背景技术
随着人工智能的发展和国家对于变电站智能巡检机器人的投入和支持,变电站智能巡检机器人正在迅速发展。而如何对巡检机器人的巡检路径进行规划以降低机器人巡检时间,节省机器人电力消耗,增加机器人巡检效率,是亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种巡检机器人的巡检路径规划方法及装置,用于实现对巡检机器人的巡检路径的规划,以降低机器人巡检时间,节省机器人电力消耗,增加机器人巡检效率,其技术方案如下:
一种巡检机器人的巡检路径规划方法,预存目标巡检路的关系模型数据,所述关系模型数据包括所述目标巡检路上各个巡检路段的标识信息、各个拐点的标识信息、各个拐点与巡检路段的关系信息、各个巡检点的标识信息、各个巡检点与巡检路段的关系信息、所有拐点中两两组合得到的拐点对之间的最短路径以及对应的权值;
所述巡检机器人的巡检路径规划方法包括:
获取巡检点序列,所述巡检点序列中包括多个待巡检的巡检点;
确定所述巡检机器人当前所处的巡检路段;
基于所述巡检机器人当前所处的巡检路段和所述目标巡检路的关系模型数据,利用最近优先贪婪算法确定与所述巡检点序列对应的巡检路径序列,所述巡检路径序列中包括所述巡检机器人巡检所述巡检点序列中各个巡检点的最短路径。
其中,所述预存目标巡检路的关系模型数据,包括:
通过所述巡检机器人采集所述目标巡检路上各个拐点以及各个巡检点的坐标;
基于所述巡检机器人在所述目标巡检路上的移动方向,以及,所述目标巡检路上各个拐点以及各个巡检点的坐标,生成所述目标巡检路的无向图;
将所述目标巡检路的无向图转换为路拐点关系模型、路关系模型和巡检点关系模型,其中,所述路拐点关系模型通过拐点的编号、坐标和类型表示,所述路关系模型通过巡检路段的编号、巡检路段的入口拐点和出口拐点的编号、所述巡检机器人在巡检路段上的移动速度、巡检路段对应的权重表示,所述巡检点关系模型通过巡检点的编号、巡检点所在巡检路段的编号、巡检点到巡检路段入口拐点的距离占整个巡检路段的百分比表示;
按预设算法确定拐点之间最短路径关系模型,所述拐点之间最短路径关系模型通过所述目标巡检路上所有拐点中两两组合得到的拐点对之间的最短路径以及对应的权值表示;
将所述路拐点关系模型、所述路关系模型、所述巡检点关系模型和所述拐点之间最短路径关系模型存储至数据库中。
其中,所述基于所述巡检机器人当前所处的巡检路段和所述目标巡检路的关系模型数据,利用最近优先贪婪算法确定与所述巡检点序列对应的巡检路径序列,包括:
(1)判断所述巡检点序列中是否存在位于所述巡检机器人当前所处的巡检路段上的巡检点,如果是,则执行步骤(2a),如果否,则执行步骤(2b);
(2a)确定所述巡检机器人当前所处的巡检路段上、距离所述巡检机器人最近的巡检点作为第一目标巡检点,将所述第一目标巡检点加入巡检路径序列中,并将所述第一类目标巡检点从所述巡检点序列中移除,控制所述巡检机器人移动至所述第一类目标巡检点,然后执行步骤(3);
(2b)从所述巡检点序列中确定距离所述巡检机器人最近的巡检点作为第二类目标巡检点,并将所述巡检机器人从当前位置移动至所述第二类目标巡检点的最短路径所经过的拐点以及所述第二类目标巡检点依次加入所述巡 检路径序列中,并将所述第二类目标巡检点从所述巡检点序列中移除,控制所述巡检机器人移动至所述第二目标巡检点,然后执行步骤(3);
(3)判断所述巡检点序列是否为空,如果否,则转入步骤(1)。
其中,在所述巡检点序列中确定距离所述巡检机器人最近的巡检点,包括:
确定所述巡检机器人的当前位置与所述巡检点序列中各个巡检点的最短路径;
从所述巡检机器人的当前位置与所述巡检点序列中各个巡检点的最短路径中,确定最短的最短路径,并将与所述最短的最短路径对应的巡检点作为距离所述巡检机器人最近的巡检点。
其中,确定所述巡检机器人的当前位置与所述巡检点序列中一巡检点的最短路径,包括:
通过所述巡检机器人的当前位置和所述路关系模型确定所述巡检机器人当前在的巡检路段的入口拐点和出口拐点作为第一入口拐点和第一出口拐点,并基于所述巡检点关系模型和所述路关系模型确定所述巡检点所在路段的入口拐点和出口拐点作为第二入口拐点和第二出口拐点;
基于所述拐点之间最短路径关系模型确定所述第一入口拐点与第二入口拐点之间、所述第一入口拐点与所述第二出口拐点之间、所述第一出口拐点与所述第二入口拐点之间、所述第一出口拐点与所述第二出口拐点之间的最短路径和对应权值;
分别计算所述巡检机器人的当前位置与所述第一入口拐点之间的第一距离、所述巡检机器人的当前位置与所述第一出口拐点之间的第二距离、所述巡检点与所述第二入口拐点之间的第三距离,以及所述巡检点与所述第二出口之间的第四距离;
确定所述巡检机器人经所述第一入口拐点和第二入口拐点到达所述巡检点的最短路径对应的第一权值、所述巡检机器人经所述第一入口拐点和所述第二出口拐点到达所述巡检点的最短路径对应的第二权值、所述巡检机器人经所述第一出口拐点和所述第二入口拐点到达所述巡检点的最短路径对应的第三权值、所述巡检机器人经所述第一出口拐点和所述第二出口拐点的 最短路径对应的第四权值,其中,所述第一权值通过所述第一入口拐点与第二入口拐点之间最短路径对应的权值、所述第一距离和所述第三距离确定,所述第二权值通过所述第一入口拐点与所述第二出口拐点之间最短路径对应的权值、所述第一距离和所述第四距离确定,所述第三权值通过所述第一出口拐点与所述第二入口拐点之间最短路径对应的权值、所述第二距离和所述第三距离确定,所述第四权值通过所述第一出口拐点与所述第二出口拐点之间的最短路径对应的权值、所述第二距离和所述第四距离确定;
从所述第一权值、所述第二权值、所述第三权值和所述第四权值中确定出最小的权值,并将与所述最小的权值对应的最短路径确定为所述巡检机器人的当前位置与所述巡检点的最短路径。
一种巡检机器人的巡检路径规划装置,所述装置包括:存储单元、获取单元、第一确定单元和第二确定单元;
所述存储单元,用于预存目标巡检路的关系模型数据,所述关系模型数据包括所述目标巡检路上各个巡检路段的标识信息、各个拐点的标识信息、各个拐点与巡检路段的关系信息、各个巡检点的标识信息、各个巡检点与巡检路段的关系信息、所有拐点中两两组合得到的拐点对之间的最短路径以及对应的权值;
所述获取单元,用于获取巡检点序列,所述巡检点序列中包括多个待巡检的巡检点;
所述第一确定单元,用于确定所述巡检机器人当前所处的巡检路段;
所述第二确定单元,用于基于所述巡检机器人当前所处的巡检路段和所述目标巡检路的关系模型数据,利用最近优先贪婪算法确定与所述巡检点序列对应的巡检路径序列,所述巡检路径序列中包括所述巡检机器人巡检所述巡检点序列中各个巡检点的最短路径。
其中,所述存储单元包括:采集模块、无向图生成模块、转换模块、确定模块和存储模块;
所述采集模块,用于通过所述巡检机器人采集所述目标巡检路上各个拐点以及各个巡检点的坐标;
所述无向图生成模块,用于基于所述巡检机器人在所述目标巡检路上的移动方向,以及,所述目标巡检路上各个拐点以及各个巡检点的坐标,生成所述目标巡检路的无向图;
所述转换模块,用于将所述目标巡检路的无向图转换为路拐点关系模型、路关系模型和巡检点关系模型,其中,所述路拐点关系模型通过拐点的编号、坐标和类型表示,所述路关系模型通过巡检路段的编号、巡检路段的入口拐点和出口拐点的编号、所述巡检机器人在巡检路段上的移动速度、巡检路段对应的权重表示,所述巡检点关系模型通过巡检点的编号、巡检点所在巡检路段的编号、巡检点到巡检路段入口拐点的距离占整个巡检路段的百分比表示;
所述确定模块,用于按预设算法确定拐点之间最短路径关系模型,所述拐点之间最短路径关系模型通过所述目标巡检路上所有拐点中两两组合得到的拐点对之间的最短路径以及对应的权值表示;
所述存储模块,用于将所述路拐点关系模型、所述路关系模型、所述巡检点关系模型和所述拐点之间最短路径关系模型存储至数据库中。
其中,所述第二确定单元包括:第一判断模块、第一处理模块、第二处理模块和第二判断模块;
所述第一判断模块,用于判断所述巡检点序列中是否存在位于所述巡检机器人当前所处的巡检路段上的巡检点
所述第一处理模块,用于在所述巡检点序列中存在位于所述巡检机器人当前所处的巡检路段上的巡检点时,确定所述巡检机器人当前所处的巡检路段上、距离所述巡检机器人最近的巡检点作为第一目标巡检点,将所述第一目标巡检点加入巡检路径序列中,并将所述第一类目标巡检点从所述巡检点序列中移除,控制所述巡检机器人移动至所述第一类目标巡检点,然后触发所述第二判断模块;
所述第二处理模块,用于在所述巡检点序列中不存在位于所述巡检机器人当前所处的巡检路段上的巡检点时,从所述巡检点序列中确定距离所述巡检机器人最近的巡检点作为第二类目标巡检点,并将所述巡检机器人从当前位置移动至所述第二类目标巡检点的最短路径所经过的拐点以及所述第二 类目标巡检点依次加入所述巡检路径序列中,并将所述第二类目标巡检点从所述巡检点序列中移除,控制所述巡检机器人移动至所述第二目标巡检点,然后触发所述第二判断模块;
所述第二判断模块,用于判断所述巡检点序列是否为空,并在所述巡检点序列不为空时,触发所述第一判断子模块。
其中,所述第二处理模块,包括:最短路径确定模块和巡检点确定模块;
所述最短路径确定模块,用于确定所述巡检机器人的当前位置与所述巡检点序列中各个巡检点的最短路径;
所述巡检点确定模块,用于从所述巡检机器人的当前位置与所述巡检点序列中各个巡检点的最短路径中,确定最短的最短路径,并将与所述最短的最短路径对应的巡检点作为距离所述巡检机器人最近的巡检点。
其中,所述最短路径确定子模块,包括:第一确定子模块、第二确定子模块、第一计算子模块、第二计算子模块和第三确定子模块;
所述第一确定子模块,用于通过所述巡检机器人的当前位置和所述路关系模型确定所述巡检机器人当前在的巡检路段的入口拐点和出口拐点作为第一入口拐点和第一出口拐点,并基于所述巡检点关系模型和所述路关系模型确定所述巡检点所在路段的入口拐点和出口拐点作为第二入口拐点和第二出口拐点;
所述第二确定子模块,用于基于所述拐点之间最短路径关系模型确定所述第一入口拐点与第二入口拐点之间、所述第一入口拐点与所述第二出口拐点之间、所述第一出口拐点与所述第二入口拐点之间、所述第一出口拐点与所述第二出口拐点之间的最短路径和对应权值;
所述第一计算子模块,用于分别计算所述巡检机器人的当前位置与所述第一入口拐点之间的第一距离、所述巡检机器人的当前位置与所述第一出口拐点之间的第二距离、所述巡检点与所述第二入口拐点之间的第三距离,以及所述巡检点与所述第二出口之间的第四距离;
所述第二计算子模块,用于计算所述巡检机器人经所述第一入口拐点和第二入口拐点到达所述巡检点的最短路径对应的第一权值、所述巡检机器人经所述第一入口拐点和所述第二出口拐点到达所述巡检点的最短路径对应 的第二权值、所述巡检机器人经所述第一出口拐点和所述第二入口拐点到达所述巡检点的最短路径对应的第三权值、所述巡检机器人经所述第一出口拐点和所述第二出口拐点的最短路径对应的第四权值,其中,所述第一权值通过所述第一入口拐点与第二入口拐点之间最短路径对应的权值、所述第一距离和所述第三距离确定,所述第二权值通过所述第一入口拐点与所述第二出口拐点之间最短路径对应的权值、所述第一距离和所述第四距离确定,所述第三权值通过所述第一出口拐点与所述第二入口拐点之间最短路径对应的权值、所述第二距离和所述第三距离确定,所述第四权值通过所述第一出口拐点与所述第二出口拐点之间的最短路径对应的权值、所述第二距离和所述第四距离确定;
所述第三确定子模块,用于从所述第一权值、所述第二权值、所述第三权值和所述第四权值中确定出最小的权值,并将与所述最小的权值对应的最短路径确定为所述巡检机器人的当前位置与所述巡检点的最短路径。
上述技术方案具有如下有益效果:
本发明实施例提供的巡检机器人的巡检路径规划方法及装置,可基于巡检机器人当前所处的巡检路段和预存的目标巡检路的关系模型数据,利用最近优先贪婪算法确定出巡检多个巡检点时的全局最优巡检路径,这使得巡检机器人在对多个待巡检的巡检点进行巡检时,巡检时间大大降低,即提高了巡检机器人的巡检效率,同时降低了巡检机器人的电力消耗。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的巡检机器人的巡检路径规划方法的流程示意图;
图2为本发明实施例提供的巡检机器人的巡检路径规划方法中,预存目标巡检路的关系模型数据的实现过程的流程示意图;
图3为本发明实施例提供的巡检机器人的巡检路径规划方法中,基于巡检机器人当前所处的巡检路段和目标巡检路的关系模型数据,利用最近优先贪婪算法确定与巡检点序列对应的巡检路径序列的具体实现过程的流程示意图;
图4为本发明实施例提供的巡检机器人的巡检路径规划方法中,确定巡检机器人的当前位置与巡检点序列中一巡检点的最短路径的具体实现过程的流程示意图;
图5为本发明实施例提供的巡检机器人的巡检路径规划装置的结构示意图;
图6为本发明实施例提供的巡检机器人的巡检路径规划装置中存储单元的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种巡检机器人的巡检路径规划方法,预存目标巡检路的关系模型数据,关系模型数据包括目标巡检路上各个巡检路段的标识信息、各个拐点的标识信息、各个拐点与巡检路段的关系信息、各个巡检点的标识信息、各个巡检点与巡检路段的关系信息、所有拐点中两两组合得到的拐点对之间的最短路径以及对应的权值,请参阅图1,示出了该路径规划方法的流程示意图,该方法可以包括:
步骤S101:获取巡检点序列。
其中,巡检点序列中包括多个待巡检的巡检点。
步骤S102:确定巡检机器人当前所处的巡检路段。
其中,目标巡检路包括多个巡检路段,在本实施例中,首先确定巡检机器人的当前位置信息,然后基于巡检机器人的当前位置信息确定其当前所处的巡检路段。
步骤S103:基于巡检机器人当前所处的巡检路段和目标巡检路的关系模型数据,利用最近优先贪婪算法确定与巡检点序列对应的巡检路径序列。
其中,巡检路径序列中包括巡检机器人在对巡检点序列中各个巡检点进行巡检时的最短路径。
本发明实施例提供的巡检机器人的巡检路径规划方法,可基于巡检机器人当前所处的巡检路段和预存的目标巡检路的关系模型数据,利用最近优先贪婪算法确定出巡检多个巡检点时的全局最优巡检路径,这使得巡检机器人在对多个待巡检的巡检点进行巡检时,巡检时间大大降低,即提高了巡检机器人的巡检效率,同时降低了巡检机器人的电力消耗。
请参阅图2,示出了上述实施例提供的巡检机器人的巡检路径规划方法中,预存目标巡检路的关系模型数据的实现过程的流程示意图,可以包括:
步骤S201:通过巡检机器人采集目标巡检路上各个拐点以及各个巡检点的坐标。
步骤S202:基于巡检机器人在目标巡检路上的移动方向,以及,目标巡检路上各个拐点以及各个巡检点的坐标,生成目标巡检路的无向图。
在本实施例中,巡检机器人的目标巡检路可表示为无向图G=(V,E,S)。其中,V={V1,V2......Vn}表示拐点集合,E表示巡检路段集合,若eij∈E则表示vi和vj之间存在一条路,S表示巡检点集合。
步骤S203:将目标巡检路的无向图转换为路拐点关系模型、路关系模型和巡检点关系模型。
其中,路拐点关系模型通过拐点的编号、坐标和类型表示;路关系模型通过巡检路段的编号、巡检路段的入口拐点和出口拐点的编号、巡检机器人在巡检路段上的移动速度、巡检路段对应的权重表示;巡检点关系模型通过巡检点的编号、巡检点所在巡检路段的编号、巡检点到巡检路段入口拐点的距离占整个巡检路段的百分比表示。
具体的,路拐点关系模型可表示为:
map_node{id,x,y,type}
其中,id表示拐点的唯一编号;x表示拐点坐标x轴值;y表示拐点坐标y轴值;type表示拐点类型,1为起始点,2为普通点。
具体的,路关系模型可以表示为:
map_edge{id,startNodeID,endNodeID,speed,weight},
其中id表示路唯一编号,startNodeID表示巡检机器人经过巡检路段的入口拐点的唯一编号,endNodeID表示巡检机器人经过巡检路段时的出口拐点的唯一编号,speed表示机器人在此巡检路段路上的移动速度,weight表示此巡检路段的权值,speed值等于巡检路段入口拐点与路出口拐点的距离除以巡检机器人在此巡检路段上的移动速度。
具体的,巡检点关系模型表示为:
map_checkPoint{id,edgeID,percentage}
其中,id表示巡检点唯一编号,edgeID表示巡检点所在巡检路段的唯一编号,percentage表示巡检点与巡检路段的入口拐点距离除以巡检路段的入口拐点与出口拐点的距离。
步骤S204:按预设算法确定拐点之间最短路径关系模型。
其中,最短路径关系模型通过目标巡检路上所有拐点中两两组合得到的拐点对之间的最短路径以及对应的权值表示。
拐点之间最短路径模型可表示为:
map_dist{startNodeID,endNodeID,listNodeIDs,weight}
其中,startNodeID表示入口拐点的唯一编号,endNodeID表示出口拐点的唯一编号,listNodeIDs={startNodeID,ID1......IDn,endNodeID}表示最短路径依次经过的路拐点序列,weight表示listNodeIDs={startNodeID,ID1……IDn,endNodeID},最短路径序列经过路的权值之和。
步骤S205:将路拐点关系模型、路关系模型、巡检点关系模型和拐点之间最短路径关系模型存储至数据库中。
请参阅图3,示出了上述实施例中,基于巡检机器人当前所处的巡检路段和目标巡检路的关系模型数据,利用最近优先贪婪算法确定与巡检点序列 对应的巡检路径序列的具体实现过程的流程示意图,预先将巡检路径序列初始化为空,实现过程可以包括:
步骤S301:判断巡检点序列中是否存在位于巡检机器人当前所处的巡检路段上的巡检点,如果是,则执行步骤S302a,如果否,则执行步骤S302b。
步骤S302a:确定巡检机器人当前所处的巡检路段上、距离巡检机器人最近的巡检点作为第一目标巡检点,将第一目标巡检点加入巡检路径序列中,并将第一类目标巡检点从巡检点序列中移除,控制巡检机器人移动至第一类目标巡检点,然后执行步骤S303。
步骤S302b:在巡检点序列中确定距离巡检机器人最近的巡检点作为第二类目标巡检点,并将巡检机器人从当前位置移动至第二类目标巡检点的最短路径所经过的拐点以及第二类目标巡检点依次加入巡检路径序列中,并将第二类目标巡检点从巡检点序列中移除,控制巡检机器人移动至第二目标巡检点,然后执行步骤S303。
其中,从巡检点序列中确定距离巡检机器人最近的巡检点的过程可以包括:确定巡检机器人的当前位置与巡检点序列中各个巡检点的最短路径;从巡检机器人的当前位置与巡检点序列中各个巡检点的最短路径中,确定最短的最短路径,并将与最短的最短路径对应的巡检点作为距离巡检机器人最近的巡检点。
步骤S303:判断巡检点序列是否为空,如果否,则转入步骤S301,如果是,则结束流程。
请参阅图4,示出了确定巡检机器人的当前位置与巡检点序列中一巡检点的最短路径的具体实现过程的流程示意图,可以包括:
步骤S401:通过巡检机器人的当前位置和路关系模型确定巡检机器人当前所在的巡检路段的入口拐点和出口拐点作为第一入口拐点和第一出口拐点,并基于巡检点关系模型和路关系模型确定巡检点所在巡检路段的入口拐点和出口拐点作为第二入口拐点和第二出口拐点。
步骤S402:基于拐点之间最短路径模型,确定第一入口拐点与第二入口拐点之间、第一入口拐点与第二出口拐点之间、第一出口拐点与第二入口拐点之间、第一出口拐点与第二出口拐点之间的最短路径和对应权值。
步骤S403:分别计算巡检机器人的当前位置与第一入口拐点之间的第一距离、巡检机器人的当前位置与第一出口拐点之间的第二距离、巡检点与第二入口拐点之间的第三距离,以及巡检点与第二出口之间的第四距离。
步骤S404:确定巡检机器人经第一入口拐点和第二入口拐点到达巡检点的最短路径对应的第一权值、巡检机器人经第一入口拐点和第二出口拐点到达巡检点的最短路径对应的第二权值、巡检机器人经第一出口拐点和第二入口拐点到达巡检点的最短路径对应的第三权值、巡检机器人经第一出口拐点和第二出口拐点的最短路径对应的第四权值。
其中,第一权值通过第一入口拐点与第二入口拐点之间最短路径对应的权值、第一距离和第三距离确定,第二权值通过第一入口拐点与第二出口拐点之间最短路径对应的权值、第一距离和第四距离确定,第三权值通过第一出口拐点与第二入口拐点之间最短路径对应的权值、第二距离和第三距离确定,第四权值通过第一出口拐点与第二出口拐点之间的最短路径对应的权值、第二距离和第四距离确定;
步骤S405:从第一权值、第二权值、第三权值和第四权值中确定出最小的权值,并将与最小的权值对应的最短路径确定为巡检机器人的当前位置与巡检点的最短路径。
下面通过一具体实例对上述过程进行说明:
假设机器人的当前位置为巡检点checkPoint1,确定巡检点checkPoint1与巡检点序列中的一巡检点checkPoint2之间最短路径的具体过程为:
(1)从数据库查找checkPoint1与checkPoint2各自所在巡检路段的入口拐点和出口拐点,分别表示为:startNode1,endNode1,startNode2,endNode2。
(2)从数据库查询startNode1到startNode2,startNode1到endNode2,endNode1到startNode2,endNode1到endNode2各自最短路径和对应权值,分别表示为(list_start-start,weight),(list_start-end,weight),(list_end-start,weight),(list_end-end,weight)。
(3)根据两点之间距离公式计算checkPoint1到startNode1,checkPoint1到endNode1,checkPoint2到startNode2,checkPoint2到endNode2的距离,分别表示为:weight_Point1-start,weight_Point1-end,weight_Point2-start,weight_Point2-end。
(3)两个巡检点checkPoint1与checkPoint2之间可能4条最短路径表示为
(list_start-start,weight+=weight_Point1-start+weight_Point2-start),
(list_start-end,weight+=weight_Point1-start+weight_Point2-end),
(list_end-start,weight+=weight_Point1-end+weight_Point2-start),
(list_end-end,weight+=weight_Point1-end+weight_Point2-end)。
其中,weight最小的即为两个巡检点checkPoint1,checkPoint2之间的最短路径。
与上述方法相对应,本发明实施例还提供了一种巡检机器人的巡检路径规划装置,请参阅图5,示出了该装置的结构示意图,可以包括:存储单元501、获取单元502、第一确定单元503和第二确定单元504。其中:
存储单元501,用于预存目标巡检路的关系模型数据,所述关系模型数据包括所述目标巡检路上各个巡检路段的标识信息、各个拐点的标识信息、各个拐点与巡检路段的关系信息、各个巡检点的标识信息、各个巡检点与巡检路段的关系信息、所有拐点中两两组合得到的拐点对之间的最短路径以及对应的权值;
获取单元502,用于获取巡检点序列,所述巡检点序列中包括多个待巡检的巡检点;
第一确定单元503,用于确定所述巡检机器人当前所处的巡检路段;
第二确定单元504,用于基于所述巡检机器人当前所处的巡检路段和所述目标巡检路的关系模型数据,利用最近优先贪婪算法确定与所述巡检点序列对应的巡检路径序列,所述巡检路径序列中包括所述巡检机器人巡检所述巡检点序列中各个巡检点的最短路径。
本发明实施例提供的巡检机器人的巡检路径规划装置,可基于巡检机器人当前所处的巡检路段和预存的目标巡检路的关系模型数据,利用最近优先 贪婪算法确定出巡检多个巡检点时的全局最优巡检路径,这使得巡检机器人在对多个待巡检的巡检点进行巡检时,巡检时间大大降低,即提高了巡检机器人的巡检效率,同时降低了巡检机器人的电力消耗。
请参阅图6,示出了上述实施例中存储单元的一具体结构示意图,可以包括:采集模块601、无向图生成模块602、转换模块603、确定模块604和存储模块605。
采集模块601,用于通过所述巡检机器人采集所述目标巡检路上各个拐点以及各个巡检点的坐标;
无向图生成模块602,用于基于所述巡检机器人在所述目标巡检路上的移动方向,以及,所述目标巡检路上各个拐点以及各个巡检点的坐标,生成所述目标巡检路的无向图;
转换模块603,用于将所述目标巡检路的无向图转换为路拐点关系模型、路关系模型和巡检点关系模型,其中,所述路拐点关系模型通过拐点的编号、坐标和类型表示,所述路关系模型通过巡检路段的编号、巡检路段的入口拐点和出口拐点的编号、所述巡检机器人在巡检路段上的移动速度、巡检路段对应的权重表示,所述巡检点关系模型通过巡检点的编号、巡检点所在巡检路段的编号、巡检点到巡检路段入口拐点的距离占整个巡检路段的百分比表示;
确定模块604,用于按预设算法确定拐点之间最短路径关系模型,所述拐点之间最短路径关系模型通过所述目标巡检路上所有拐点中两两组合得到的拐点对之间的最短路径以及对应的权值表示;
存储模块605,用于将所述路拐点关系模型、所述路关系模型、所述巡检点关系模型和所述拐点之间最短路径关系模型存储至数据库中。
进一步的,上述实施例中的第二确定单元可以包括:第一判断模块、第一处理模块、第二处理模块和第二判断模块。其中:
第一判断模块,用于判断所述巡检点序列中是否存在位于所述巡检机器人当前所处的巡检路段上的巡检点。
第一处理模块,用于在所述巡检点序列中存在位于所述巡检机器人当前所处的巡检路段上的巡检点时,确定所述巡检机器人当前所处的巡检路段上、距离所述巡检机器人最近的巡检点作为第一目标巡检点,将所述第一目标巡检点加入巡检路径序列中,并将所述第一类目标巡检点从所述巡检点序列中移除,控制所述巡检机器人移动至所述第一类目标巡检点,然后触发所述第二判断模块。
第二处理模块,用于在所述巡检点序列中不存在位于所述巡检机器人当前所处的巡检路段上的巡检点时,从所述巡检点序列中确定距离所述巡检机器人最近的巡检点作为第二类目标巡检点,并将所述巡检机器人从当前位置移动至所述第二类目标巡检点的最短路径所经过的拐点以及所述第二类目标巡检点依次加入所述巡检路径序列中,并将所述第二类目标巡检点从所述巡检点序列中移除,控制所述巡检机器人移动至所述第二目标巡检点,然后触发所述第二判断模块。
第二判断模块,用于判断所述巡检点序列是否为空,并在所述巡检点序列不为空时,触发所述第一判断子模块。
上述实施例中的第二处理模块,包括:最短路径确定模块和巡检点确定模块。其中:
最短路径确定模块,用于确定所述巡检机器人的当前位置与所述巡检点序列中各个巡检点的最短路径。
巡检点确定模块,用于从所述巡检机器人的当前位置与所述巡检点序列中各个巡检点的最短路径中,确定最短的最短路径,并将与所述最短的最短路径对应的巡检点作为距离所述巡检机器人最近的巡检点。
进一步的,上述实施例中的最短路径确定子模块,包括:第一确定子模块、第二确定子模块、第一计算子模块、第二计算子模块和第三确定子模块。其中:
第一确定子模块,用于通过所述巡检机器人的当前位置和所述路关系模型确定所述巡检机器人当前在的巡检路段的入口拐点和出口拐点作为第一 入口拐点和第一出口拐点,并基于所述巡检点关系模型和所述路关系模型确定所述巡检点所在路段的入口拐点和出口拐点作为第二入口拐点和第二出口拐点。
第二确定子模块,用于基于所述拐点之间最短路径关系模型确定所述第一入口拐点与第二入口拐点之间、所述第一入口拐点与所述第二出口拐点之间、所述第一出口拐点与所述第二入口拐点之间、所述第一出口拐点与所述第二出口拐点之间的最短路径和对应权值。
第一计算子模块,用于分别计算所述巡检机器人的当前位置与所述第一入口拐点之间的第一距离、所述巡检机器人的当前位置与所述第一出口拐点之间的第二距离、所述巡检点与所述第二入口拐点之间的第三距离,以及所述巡检点与所述第二出口之间的第四距离。
第二计算子模块,用于计算所述巡检机器人经所述第一入口拐点和第二入口拐点到达所述巡检点的最短路径对应的第一权值、所述巡检机器人经所述第一入口拐点和所述第二出口拐点到达所述巡检点的最短路径对应的第二权值、所述巡检机器人经所述第一出口拐点和所述第二入口拐点到达所述巡检点的最短路径对应的第三权值、所述巡检机器人经所述第一出口拐点和所述第二出口拐点的最短路径对应的第四权值,其中,所述第一权值通过所述第一入口拐点与第二入口拐点之间最短路径对应的权值、所述第一距离和所述第三距离确定,所述第二权值通过所述第一入口拐点与所述第二出口拐点之间最短路径对应的权值、所述第一距离和所述第四距离确定,所述第三权值通过所述第一出口拐点与所述第二入口拐点之间最短路径对应的权值、所述第二距离和所述第三距离确定,所述第四权值通过所述第一出口拐点与所述第二出口拐点之间的最短路径对应的权值、所述第二距离和所述第四距离确定。
第三确定子模块,用于从所述第一权值、所述第二权值、所述第三权值和所述第四权值中确定出最小的权值,并将与所述最小的权值对应的最短路径确定为所述巡检机器人的当前位置与所述巡检点的最短路径。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法、装置和设备,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种巡检机器人的巡检路径规划方法,其特征在于,预存目标巡检路的关系模型数据,所述关系模型数据包括所述目标巡检路上各个巡检路段的标识信息、各个拐点的标识信息、各个拐点与巡检路段的关系信息、各个巡检点的标识信息、各个巡检点与巡检路段的关系信息、所有拐点中两两组合得到的拐点对之间的最短路径以及对应的权值;
所述巡检机器人的巡检路径规划方法包括:
获取巡检点序列,所述巡检点序列中包括多个待巡检的巡检点;
确定所述巡检机器人当前所处的巡检路段;
基于所述巡检机器人当前所处的巡检路段和所述目标巡检路的关系模型数据,利用最近优先贪婪算法确定与所述巡检点序列对应的巡检路径序列,所述巡检路径序列中包括所述巡检机器人巡检所述巡检点序列中各个巡检点的最短路径;
所述巡检路径序列的确定过程包括:
(1)判断所述巡检点序列中是否存在位于所述巡检机器人当前所处的巡检路段上的巡检点,如果是,则执行步骤(2a),如果否,则执行步骤(2b);
(2a)确定所述巡检机器人当前所处的巡检路段上、距离所述巡检机器人最近的巡检点作为第一目标巡检点,将所述第一目标巡检点加入巡检路径序列中,并将所述第一目标巡检点从所述巡检点序列中移除,控制所述巡检机器人移动至所述第一目标巡检点,然后执行步骤(3);
(2b)从所述巡检点序列中确定距离所述巡检机器人最近的巡检点作为第二目标巡检点,并将所述巡检机器人从当前位置移动至所述第二目标巡检点的最短路径所经过的拐点以及所述第二目标巡检点依次加入所述巡检路径序列中,并将所述第二目标巡检点从所述巡检点序列中移除,控制所述巡检机器人移动至所述第二目标巡检点,然后执行步骤(3);
(3)判断所述巡检点序列是否为空,如果否,则转入步骤(1)。
2.根据权利要求1所述的方法,其特征在于,所述预存目标巡检路的关系模型数据,包括:
通过所述巡检机器人采集所述目标巡检路上各个拐点以及各个巡检点的坐标;
基于所述巡检机器人在所述目标巡检路上的移动方向,以及,所述目标巡检路上各个拐点以及各个巡检点的坐标,生成所述目标巡检路的无向图;
将所述目标巡检路的无向图转换为路拐点关系模型、路关系模型和巡检点关系模型,其中,所述路拐点关系模型通过拐点的编号、坐标和类型表示,所述路关系模型通过巡检路段的编号、巡检路段的入口拐点和出口拐点的编号、所述巡检机器人在巡检路段上的移动速度、巡检路段对应的权重表示,所述巡检点关系模型通过巡检点的编号、巡检点所在巡检路段的编号、巡检点到巡检路段入口拐点的距离占整个巡检路段的百分比表示;
按预设算法确定拐点之间最短路径关系模型,所述拐点之间最短路径关系模型通过所述目标巡检路上所有拐点中两两组合得到的拐点对之间的最短路径以及对应的权值表示;
将所述路拐点关系模型、所述路关系模型、所述巡检点关系模型和所述拐点之间最短路径关系模型存储至数据库中。
3.根据权利要求2所述的方法,其特征在于,在所述巡检点序列中确定距离所述巡检机器人最近的巡检点,包括:
确定所述巡检机器人的当前位置与所述巡检点序列中各个巡检点的最短路径;
从所述巡检机器人的当前位置与所述巡检点序列中各个巡检点的最短路径中,确定最短的最短路径,并将与所述最短的最短路径对应的巡检点作为距离所述巡检机器人最近的巡检点。
4.根据权利要求3所述的方法,其特征在于,确定所述巡检机器人的当前位置与所述巡检点序列中各个巡检点的最短路径的过程中,所述巡检机器人当前位置与所述巡检点序列中任意一个巡检点最短路径的确定过程,包括:
通过所述巡检机器人的当前位置和所述路关系模型确定所述巡检机器人当前在的巡检路段的入口拐点和出口拐点作为第一入口拐点和第一出口拐点,并基于所述巡检点关系模型和所述路关系模型确定所述巡检点所在路段的入口拐点和出口拐点作为第二入口拐点和第二出口拐点;
基于所述拐点之间最短路径关系模型确定所述第一入口拐点与第二入口拐点之间、所述第一入口拐点与所述第二出口拐点之间、所述第一出口拐点与所述第二入口拐点之间、所述第一出口拐点与所述第二出口拐点之间的最短路径和对应权值;
分别计算所述巡检机器人的当前位置与所述第一入口拐点之间的第一距离、所述巡检机器人的当前位置与所述第一出口拐点之间的第二距离、所述巡检点与所述第二入口拐点之间的第三距离,以及所述巡检点与所述第二出口之间的第四距离;
确定所述巡检机器人经所述第一入口拐点和第二入口拐点到达所述巡检点的最短路径对应的第一权值、所述巡检机器人经所述第一入口拐点和所述第二出口拐点到达所述巡检点的最短路径对应的第二权值、所述巡检机器人经所述第一出口拐点和所述第二入口拐点到达所述巡检点的最短路径对应的第三权值、所述巡检机器人经所述第一出口拐点和所述第二出口拐点的最短路径对应的第四权值,其中,所述第一权值通过所述第一入口拐点与第二入口拐点之间最短路径对应的权值、所述第一距离和所述第三距离确定,所述第二权值通过所述第一入口拐点与所述第二出口拐点之间最短路径对应的权值、所述第一距离和所述第四距离确定,所述第三权值通过所述第一出口拐点与所述第二入口拐点之间最短路径对应的权值、所述第二距离和所述第三距离确定,所述第四权值通过所述第一出口拐点与所述第二出口拐点之间的最短路径对应的权值、所述第二距离和所述第四距离确定;
从所述第一权值、所述第二权值、所述第三权值和所述第四权值中确定出最小的权值,并将与所述最小的权值对应的最短路径确定为所述巡检机器人的当前位置与所述巡检点的最短路径。
5.一种巡检机器人的巡检路径规划装置,其特征在于,所述装置包括:存储单元、获取单元、第一确定单元和第二确定单元;
所述存储单元,用于预存目标巡检路的关系模型数据,所述关系模型数据包括所述目标巡检路上各个巡检路段的标识信息、各个拐点的标识信息、各个拐点与巡检路段的关系信息、各个巡检点的标识信息、各个巡检点与巡检路段的关系信息、所有拐点中两两组合得到的拐点对之间的最短路径以及对应的权值;
所述获取单元,用于获取巡检点序列,所述巡检点序列中包括多个待巡检的巡检点;
所述第一确定单元,用于确定所述巡检机器人当前所处的巡检路段;
所述第二确定单元,用于基于所述巡检机器人当前所处的巡检路段和所述目标巡检路的关系模型数据,利用最近优先贪婪算法确定与所述巡检点序列对应的巡检路径序列,所述巡检路径序列中包括所述巡检机器人巡检所述巡检点序列中各个巡检点的最短路径;
所述第二确定单元包括:第一判断模块、第一处理模块、第二处理模块和第二判断模块;
所述第一判断模块,用于判断所述巡检点序列中是否存在位于所述巡检机器人当前所处的巡检路段上的巡检点
所述第一处理模块,用于在所述巡检点序列中存在位于所述巡检机器人当前所处的巡检路段上的巡检点时,确定所述巡检机器人当前所处的巡检路段上、距离所述巡检机器人最近的巡检点作为第一目标巡检点,将所述第一目标巡检点加入巡检路径序列中,并将所述第一目标巡检点从所述巡检点序列中移除,控制所述巡检机器人移动至所述第一目标巡检点,然后触发所述第二判断模块;
所述第二处理模块,用于在所述巡检点序列中不存在位于所述巡检机器人当前所处的巡检路段上的巡检点时,从所述巡检点序列中确定距离所述巡检机器人最近的巡检点作为第二目标巡检点,并将所述巡检机器人从当前位置移动至所述第二目标巡检点的最短路径所经过的拐点以及所述第二目标巡检点依次加入所述巡检路径序列中,并将所述第二目标巡检点从所述巡检点序列中移除,控制所述巡检机器人移动至所述第二目标巡检点,然后触发所述第二判断模块;
所述第二判断模块,用于判断所述巡检点序列是否为空,并在所述巡检点序列不为空时,触发所述第一判断子模块。
6.根据权利要求5所述的装置,其特征在于,所述存储单元包括:采集模块、无向图生成模块、转换模块、确定模块和存储模块;
所述采集模块,用于通过所述巡检机器人采集所述目标巡检路上各个拐点以及各个巡检点的坐标;
所述无向图生成模块,用于基于所述巡检机器人在所述目标巡检路上的移动方向,以及,所述目标巡检路上各个拐点以及各个巡检点的坐标,生成所述目标巡检路的无向图;
所述转换模块,用于将所述目标巡检路的无向图转换为路拐点关系模型、路关系模型和巡检点关系模型,其中,所述路拐点关系模型通过拐点的编号、坐标和类型表示,所述路关系模型通过巡检路段的编号、巡检路段的入口拐点和出口拐点的编号、所述巡检机器人在巡检路段上的移动速度、巡检路段对应的权重表示,所述巡检点关系模型通过巡检点的编号、巡检点所在巡检路段的编号、巡检点到巡检路段入口拐点的距离占整个巡检路段的百分比表示;
所述确定模块,用于按预设算法确定拐点之间最短路径关系模型,所述拐点之间最短路径关系模型通过所述目标巡检路上所有拐点中两两组合得到的拐点对之间的最短路径以及对应的权值表示;
所述存储模块,用于将所述路拐点关系模型、所述路关系模型、所述巡检点关系模型和所述拐点之间最短路径关系模型存储至数据库中。
7.根据权利要求6所述的装置,其特征在于,所述第二处理模块,包括:最短路径确定模块和巡检点确定模块;
所述最短路径确定模块,用于确定所述巡检机器人的当前位置与所述巡检点序列中各个巡检点的最短路径;
所述巡检点确定模块,用于从所述巡检机器人的当前位置与所述巡检点序列中各个巡检点的最短路径中,确定最短的最短路径,并将与所述最短的最短路径对应的巡检点作为距离所述巡检机器人最近的巡检点。
8.根据权利要求7所述的装置,其特征在于,所述最短路径确定模块,包括:第一确定子模块、第二确定子模块、第一计算子模块、第二计算子模块和第三确定子模块;
所述第一确定子模块,用于通过所述巡检机器人的当前位置和所述路关系模型确定所述巡检机器人当前在的巡检路段的入口拐点和出口拐点作为第一入口拐点和第一出口拐点,并基于所述巡检点关系模型和所述路关系模型确定所述巡检点所在路段的入口拐点和出口拐点作为第二入口拐点和第二出口拐点;
所述第二确定子模块,用于基于所述拐点之间最短路径关系模型确定所述第一入口拐点与第二入口拐点之间、所述第一入口拐点与所述第二出口拐点之间、所述第一出口拐点与所述第二入口拐点之间、所述第一出口拐点与所述第二出口拐点之间的最短路径和对应权值;
所述第一计算子模块,用于分别计算所述巡检机器人的当前位置与所述第一入口拐点之间的第一距离、所述巡检机器人的当前位置与所述第一出口拐点之间的第二距离、所述巡检点与所述第二入口拐点之间的第三距离,以及所述巡检点与所述第二出口之间的第四距离;
所述第二计算子模块,用于计算所述巡检机器人经所述第一入口拐点和第二入口拐点到达所述巡检点的最短路径对应的第一权值、所述巡检机器人经所述第一入口拐点和所述第二出口拐点到达所述巡检点的最短路径对应的第二权值、所述巡检机器人经所述第一出口拐点和所述第二入口拐点到达所述巡检点的最短路径对应的第三权值、所述巡检机器人经所述第一出口拐点和所述第二出口拐点的最短路径对应的第四权值,其中,所述第一权值通过所述第一入口拐点与第二入口拐点之间最短路径对应的权值、所述第一距离和所述第三距离确定,所述第二权值通过所述第一入口拐点与所述第二出口拐点之间最短路径对应的权值、所述第一距离和所述第四距离确定,所述第三权值通过所述第一出口拐点与所述第二入口拐点之间最短路径对应的权值、所述第二距离和所述第三距离确定,所述第四权值通过所述第一出口拐点与所述第二出口拐点之间的最短路径对应的权值、所述第二距离和所述第四距离确定;
所述第三确定子模块,用于从所述第一权值、所述第二权值、所述第三权值和所述第四权值中确定出最小的权值,并将与所述最小的权值对应的最短路径确定为所述巡检机器人的当前位置与所述巡检点的最短路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610515113.4A CN106156888B (zh) | 2016-06-30 | 2016-06-30 | 一种巡检机器人的巡检路径规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610515113.4A CN106156888B (zh) | 2016-06-30 | 2016-06-30 | 一种巡检机器人的巡检路径规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106156888A CN106156888A (zh) | 2016-11-23 |
CN106156888B true CN106156888B (zh) | 2020-02-04 |
Family
ID=57351067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610515113.4A Active CN106156888B (zh) | 2016-06-30 | 2016-06-30 | 一种巡检机器人的巡检路径规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106156888B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106500704A (zh) * | 2016-12-30 | 2017-03-15 | 亿嘉和科技股份有限公司 | 一种基于改进遗传算法的机器人路径规划方法 |
CN107992969A (zh) * | 2017-12-06 | 2018-05-04 | 广东机场白云信息科技有限公司 | 机场资源巡检方法和系统 |
CN108960442A (zh) * | 2018-06-25 | 2018-12-07 | 中国电建集团华东勘测设计研究院有限公司 | 一种水电厂设备巡检方法 |
CN109015638B (zh) * | 2018-08-15 | 2021-06-18 | 中国科学院合肥物质科学研究院 | 一种用于会议安保的巡逻机器人控制方法和系统 |
CN109190778B (zh) * | 2018-09-28 | 2022-03-04 | 广西电网有限责任公司电力科学研究院 | 一种面向巡维中心的变电站巡检机器人集中转运方法 |
CN109489664A (zh) * | 2018-11-02 | 2019-03-19 | 浙江大华技术股份有限公司 | 一种路径规划的方法和设备 |
CN109358650B (zh) * | 2018-12-14 | 2022-11-18 | 国网冀北电力有限公司检修分公司 | 巡检路径规划方法、装置、无人机和计算机可读存储介质 |
CN114636424B (zh) * | 2019-02-21 | 2024-04-19 | 国网浙江省电力有限公司平湖市供电公司 | 基于可穿戴设备的变电站巡检路径规划方法 |
CN109917789B (zh) * | 2019-03-13 | 2021-07-20 | 珠海格力电器股份有限公司 | 一种家电的自动运输方法、装置及存储介质 |
CN111798015B (zh) * | 2019-04-08 | 2024-05-07 | 北京嘀嘀无限科技发展有限公司 | 一种规划路线调整方法、装置、电子设备及存储介质 |
CN110221608B (zh) * | 2019-05-23 | 2021-10-01 | 中国银联股份有限公司 | 一种巡检设备的方法及装置 |
CN111158358B (zh) * | 2019-11-29 | 2022-11-11 | 中国电力科学研究院有限公司 | 一种基于三维模型对变电/换流站自优巡检的方法及系统 |
CN111639795B (zh) * | 2020-05-19 | 2024-01-23 | 深圳供电局有限公司 | 一种变电站机器人智能巡检任务规划方法 |
CN112729315B (zh) * | 2021-04-01 | 2021-06-22 | 北京全路通信信号研究设计院集团有限公司 | 一种融合物联网技术的巡检机器人的路径规划方法及系统 |
CN113900436B (zh) * | 2021-09-07 | 2023-11-07 | 杭州申昊科技股份有限公司 | 巡检控制方法、装置、设备和存储介质 |
CN114756034B (zh) * | 2022-06-13 | 2022-09-09 | 北京蒙帕信创科技有限公司 | 一种机器人实时避障路径规划方法及装置 |
CN117148872B (zh) * | 2023-11-01 | 2024-01-26 | 中国人民解放军国防科技大学 | 多气体扩散源场景下的机器人协同寻源方法、装置及设备 |
CN117435850B (zh) * | 2023-12-20 | 2024-03-19 | 中交通力建设股份有限公司 | 基于改进贪婪算法的道路巡检方法、系统、设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400428A (zh) * | 2013-07-26 | 2013-11-20 | 维坤智能科技(上海)有限公司 | 三维变电站巡检系统多点组合巡检方法 |
CN104914866A (zh) * | 2015-05-29 | 2015-09-16 | 国网山东省电力公司电力科学研究院 | 基于拓扑点分类的巡检机器人全局路径规划方法及系统 |
CN105574169A (zh) * | 2015-12-18 | 2016-05-11 | 河南思维自动化设备股份有限公司 | 路局线路拓扑图的存储方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102280826B (zh) * | 2011-07-30 | 2013-11-20 | 山东鲁能智能技术有限公司 | 变电站智能机器人巡检系统及巡检方法 |
CN102761894B (zh) * | 2012-06-30 | 2015-01-21 | 华为技术有限公司 | 获取路径的方法、装置及系统 |
CN104133476B (zh) * | 2014-07-31 | 2017-01-18 | 四川阿泰因机器人智能装备有限公司 | 巡检机器人自适应路径跟踪方法 |
-
2016
- 2016-06-30 CN CN201610515113.4A patent/CN106156888B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400428A (zh) * | 2013-07-26 | 2013-11-20 | 维坤智能科技(上海)有限公司 | 三维变电站巡检系统多点组合巡检方法 |
CN104914866A (zh) * | 2015-05-29 | 2015-09-16 | 国网山东省电力公司电力科学研究院 | 基于拓扑点分类的巡检机器人全局路径规划方法及系统 |
CN105574169A (zh) * | 2015-12-18 | 2016-05-11 | 河南思维自动化设备股份有限公司 | 路局线路拓扑图的存储方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106156888A (zh) | 2016-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106156888B (zh) | 一种巡检机器人的巡检路径规划方法及装置 | |
Verma et al. | A comprehensive review on NSGA-II for multi-objective combinatorial optimization problems | |
CN104683405B (zh) | 在车联网中集群服务器分发地图匹配任务的方法和装置 | |
Trigui et al. | A distributed market-based algorithm for the multi-robot assignment problem | |
CN113110601B (zh) | 一种无人机电力线路巡检路径优化方法及装置 | |
CN112990538B (zh) | 一种山地光伏电站集电线路确定方法、装置及设备 | |
Iacobucci et al. | An integrated optimisation-simulation framework for scalable smart charging and relocation of shared autonomous electric vehicles | |
Jiang et al. | Modeling, reasoning, and application of fuzzy Petri net model: a survey | |
CN110210564A (zh) | 相似户型检测方法及装置 | |
CN117977586B (zh) | 基于三维数字孪生模型的停电预警方法、装置和电子设备 | |
CN112419779A (zh) | 无人车停靠点的选取方法及装置、存储介质及电子设备 | |
Xu et al. | An efficient algorithm for environmental coverage with multiple robots | |
Vishnuram et al. | Grid Integration for Electric Vehicles: A Realistic Strategy for Environmentally Friendly Mobility and Renewable Power | |
JP2019140557A (ja) | 品質チェック装置、品質チェック方法及びプログラム | |
CN116662573A (zh) | 一种应用于电力能源管控的知识图谱预测方法及装置 | |
Van den bergh et al. | Locating charging infrastructure for shared autonomous electric vehicles and for vehicle-to-grid strategy: A systematic review and research agenda from an energy and mobility perspective | |
Yang et al. | Geometry‐Experiment Algorithm for Steiner Minimal Tree Problem | |
CN109979244B (zh) | 异质飞行器空域拥堵的预测方法和装置 | |
CN109615680A (zh) | 基于泰森多边形和距离反比实现无线频谱资源空间分布插值处理的方法、装置及其存储介质 | |
CN115016541A (zh) | 一种巡视路径优化方法、装置、电子设备及存储介质 | |
CN115393816A (zh) | 车道线生成方法、装置、计算机设备和存储介质 | |
CN113723405A (zh) | 区域轮廓的确定方法、装置和电子设备 | |
CN114358418A (zh) | 一种低碳城市钢厂网络规划系统和方法 | |
CN112817310A (zh) | 一种变电站巡检策略的制定方法及装置 | |
CN116909318B (zh) | 一种基于高精度三维点云的无人机自主巡检航线规划系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |