CN106647769A - 基于a*提取引导点的agv路径跟踪与避障协调方法 - Google Patents
基于a*提取引导点的agv路径跟踪与避障协调方法 Download PDFInfo
- Publication number
- CN106647769A CN106647769A CN201710043581.0A CN201710043581A CN106647769A CN 106647769 A CN106647769 A CN 106647769A CN 201710043581 A CN201710043581 A CN 201710043581A CN 106647769 A CN106647769 A CN 106647769A
- Authority
- CN
- China
- Prior art keywords
- point
- path
- node
- agv
- pilot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000000605 extraction Methods 0.000 title claims abstract description 4
- 238000013439 planning Methods 0.000 claims abstract description 18
- 230000004888 barrier function Effects 0.000 claims description 31
- 238000013459 approach Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000012502 risk assessment Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 7
- 230000014509 gene expression Effects 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 238000000151 deposition Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 2
- 230000002093 peripheral effect Effects 0.000 claims description 2
- 230000008439 repair process Effects 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract 2
- 230000003068 static effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012546 transfer 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
Abstract
基于A*提取引导点的AGV路径跟踪与避障协调方法，涉及移动机器人导航。提供可实现路径跟踪与障碍避让协调统一的基于A*提取引导点的AGV路径跟踪与避障协调方法。规划安全全局路径，根据环境信息建立初始栅格地图，在初始栅格地图上，通过风险评估函数R(n)对障碍物周围节点的风险等级进行评估，获得新的带有风险区域的安全栅格地图；对规划得到的全局路径上提取关键路径点；路径跟踪与障碍避让的协调，采用基于激光传感器的动态窗口进行避障，并以关键路径点为引导点并实时更新引导点，进行路径跟踪与障碍避让的协调统一。
Description
技术领域
本发明涉及移动机器人导航，尤其是涉及到一种基于A*提取引导点的AGV路径跟踪与避障协调方法。
背景技术
AGV(Automated Guided Vehicle)是装有自动导引装置，能够沿规定的路径行驶，在车体上具有编程和停车选择装置、安全保护装置以及各种物料移载功能的搬运车辆。其传统的导航方法主要有磁条导引、色带导引、磁钉导引等，仍然简单易行、路径跟踪可靠性好，但均属于固定路径引导方式，灵活性差。新的导航方式，如惯性导航、激光导航等，无需固定路线导引，定位系统具有更高的引导柔性，能够更高效、灵活地完成物料的搬运任务，但是面临着相对复杂的路径规划、路径跟踪与与障碍避让等问题。
A*算法是路径规划算法中在静态地图中搜索最短路径最直接有效的方法，然而用传统的A*算法规划出的最优路径常常与障碍物紧挨，AGV路径跟踪时缺少缓冲地带，尤其在拐角区域无法及时避免一些潜在的风险。再者，A*算法生成的路径为无相邻的栅格路径节点组成，各个路径节点之间距离很小，机器人在路径跟踪过程中由于运动节点太多、节点之间距离太短，难以实现平顺的路径跟踪控制。
此外，还存在如何兼顾路径跟踪与障碍避让的协调统一问题需要进一步解决。
中国专利CN105737838A公开一种AGV路径跟踪方法，包括以下步骤：(a)在AGV的导航装置内建立路径地图，路径地图包括若干路径点，以及由路径点拟合得出的基础路径曲线；(b)AGV的驱动模块驱动AGV沿基础路径曲线行进；(c)AGV内的修正模块提取当前路径点和下一个路径点，根据当前路径点和下一个路径点拟合出实时路径曲线；(d)AGV的定位模块确定AGV的位置，以当前位置确定导航点，以导航点为圆心建立半径为R的跟踪圆，跟踪圆中，沿AGV行进方向±D范围内的圆弧为有效圆弧，所述有效圆弧与实时路径曲线的交点为行进目标点；(e)AGV修正模块导引AGV朝向行进目标点运行。本发明提供的路径跟踪方法，AGV行走路径直接朝向行进目标点，运行线路短。
发明内容
本发明的目的在于针对现有A*全局路径规划中路径与障碍物之间缺少缓冲地带，无法保证AGV机器人安全通行，全局路径节点多、间距小，难以实现AGV机器人的平顺跟踪等问题，提供可实现路径跟踪与障碍避让协调统一的基于A*提取引导点的AGV路径跟踪与避障协调方法。
本发明包括以下步骤：
1)规划安全全局路径
根据环境信息建立初始栅格地图，在初始栅格地图上，通过风险评估函数R(n)对障碍物周围节点的风险等级进行评估，获得新的带有风险区域的安全栅格地图；
2)对规划得到的全局路径上提取关键路径点；
3)路径跟踪与障碍避让的协调，采用基于激光传感器的动态窗口进行避障，并以关键路径点为引导点并实时更新引导点，进行路径跟踪与障碍避让的协调统一。
在步骤1)中，所述根据环境信息建立初始栅格地图，在初始栅格地图上，通过风险评估函数R(n)对障碍物周围节点的风险等级进行评估，获得新的带有风险区域的安全栅格地图的具体步骤可为：
(1)定义风险评估函数为式中的r表示障碍节点到临近节点的距离，α为风险系数，显然，距离障碍物越近的区域风险等级越高；
(2)将初始栅格地图数据转换为图像数据，通过OpenCV中的cvDiate函数以AGV半径进行膨胀处理，再用cvfilter2D函数进行模板操作，初始栅格地图由障碍格和空白格构成，障碍格节点表示确定有障碍物，灰度值为255；空白格表示完全没有障碍物，灰度值为0；在新得到的安全地图上，障碍栅格节点附近会产生一层灰度值介于0～255并逐级递减的风险栅格点；
修改A*算法的代价函数为：
F(n)＝G(n)+H(n)+R(n)
其中，G(n)表示从起点s到当前节点n的实际代价，H(n)表示从当前节点n到终点g的估计代价(采用曼哈顿距离计算)，R(n)表示当前节点的风险评估值。
在安全地图上，通过A*算法规划全局路径，具体方法如下：
(1)读取起始点s与终点g的坐标值，并且创建两个链表，OPEN表和CLOSED表，将CLOSED表初始化为空表，把起始点s放入OPEN表中。判断OPEN表是否为空表，若为空表则终止程序，若不为空则继续执行；从OPEN表中取出F(n)值最小的节点n作为当前节点，并把n移到CLOSED表中。
(2)判断节点n是否是终点g，若是，则已经找到路径，顺次返回依次来自的节点、到达起始节点s，终止算法、得到一个路径；若不是，则继续下一步判断；
(3)按照上下左右四个方向扩展节点n，将当前的节点n的子节点设为m，对于每一个当前节点n的子节点计算估计值H(m)，其次计算启发式函数值F(n)＝G(n)+H(n)+R(n)。进一步判断如下：
①如果子节点m不在两个链表中，把m点添加到OPEN表中。然后给子节点m一个指向当前节点n的指针；当找到终点g时可以根据这个指针找到每个节点的父节点并以此为根据找回到起始节点s形成路径；
②如果节点m已经在OPEN表中，那么比较F(m)的新值和该节点在OPEN表中的旧值；若新的F(m)比较小，表示找到一条更好的路径，则以此新的F(m)值取代子节点m的旧的F(m)的值；修改子节点m的父指针为当前节点n；若子节点m在CLOSED表中，则跳过该节点，继续寻找其他方向的节点；
(4)重复以上步骤直到找到终点g或者OPEN表为空为止。
在步骤2)中，所述对规划得到的全局路径上提取关键路径点的具体步骤可为：
(1)将终点坐标设为第一个关键点，存放于数组中，并且将这个点记为x0；
(2)第二个节点设为x1，第三个节点设为x2；
(3)判断x2是否是起点s，若是s则结束程序；
(4)判断x0，x1和x2是否共线，如果共线则x1和x2沿路径向前移动一格；
(5)当x0，x1和x2三点不共线时：①判断由x0到x2连线上是否存在空白格节点，若存在，则x1是关键点，将x1计入关键路径点的数组中，且令x0＝x1，当前的x1和x2依次沿路径向前移动一格，跳到(3)继续执行；②若x0到x2间都是空白节点，x0不动，x1和x2沿路径依次向前移动一格，返回(3)进行判断；
(6)找到所有的关键点后，把终点放到关键路径点数组的尾部，则该数组就是完整的最优路径的所有关键路径点。
在步骤3)中，所述进行路径跟踪与障碍避让的协调统一的具体步骤可为：
(1)AGV机器人从起点出发时，以起点后的第一个关键路径为引导点；
(2)使用激光传感器探知周围障碍物信息，若引导点在可通行域内，则直接把引导点作为当前目标点；否则在当前窗口内进行局部路径规划：综合考虑安全性和平稳性，用启发式方法寻找即时子目标；
(3)随着运动和窗口的推进，根据局部信息对规划窗口大小进行动态调整，使得局部避障方法有着良好的环境适应性；
(4)根据传感器信息和AGV当前位姿，将当前引导点切换到后续的关键路径点上，直到引导点变为终点。
在步骤3)第(4)部分中，所述引导点切换的具体方法可为：
将提取得到的关键路径点顺序存放在数组中，为集合{p1,p2...pn}，pn为终点g。关键点两两相连组成路径段{d1,2,d2,3...dn-1,n}。AGV机器人从起点出发时，引导点为离起点后的第一个关键路径点p1；AGV机器人移动过程中，从终点向前依次遍历当前引导点pi之后的所有路径段dn,n-1,dn-1,n-2,,,di,i+1上各路径点，并计算其相对于机器人的角度β与距离S，通过传感器得到的障碍点数据计算在机器人β方向上的可通行距离Spass；若在路径上找到一点p在AGV的可通行区域内，即其对应Spass的大于S，因点p在路径段dj,j+1上，则把当前引导点pi切换为pj+1；若没有在路径上找到这样一点，则当前引导点pi不变；
同时，设定一个合适的距离r，判断AGV机器人与当前引导点pi的距离l小于r时，引导点变成pi+1。重复这样的步骤，直到引导点为pn。
本发明针对现有A*全局路径规划中路径与障碍物之间缺少缓冲地带，无法保证AGV机器人安全通行，全局路径节点多、间距小，难以实现AGV机器人的平顺跟踪等问题，提供可实现路径跟踪与障碍避让协调统一的基于A*提取引导点的AGV路径跟踪与避障协调方法。基于此原则可以验证无论动态障碍物处于关键路径点前面、后面或者覆盖了关键路径点，AGV机器人都能避开动态障碍物找到合适的引导点，并回到路径上。
附图说明
图1为传统A*算法的路径规划结果。
图2为本发明采用安全栅格地图与改进A*算法的路径规划结果。
图3为本发明所述安全全局路径规划方法的流程图。
图4为实施例中提取关键路径点的初始步骤示意图。
图5为实施例中提取关键路径点的中间步骤示意图。
图6为实施例中提取关键路径点的最终结果示意图。
图7为实施例中AGV机器人跟踪路径时引导点切换方法示意图(图中介绍动态障碍分别在关键路径点前面、上面、后面三种情况下的引导点切换情况)。
图8为实施例中静态环境下的AGV机器人的行走轨迹。
图9为实施例中动态环境下的AGV机器人的行走轨迹。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
实施例：本发明实施例中AGV机器人的路径规划、跟踪及避障的方法，具体实施的操作过程如下：
1：根据环境信息建立初始栅格地图map。
2：在初始栅格地图上，通过风险评估函数R(n)对障碍物周围节点的风险等级进行评估，获得新的带有风险区域的安全栅格地图map_r。
2.1)将原始地图数据转换为图像数据，通过OpenCV中的cvDiate函数以AGV半径进行膨胀处理。
2.2)对膨胀后的地图使用cvfilter2D函数进行模板操作。初始的栅格地图由障碍格和空白格构成。障碍格节点表示确定有障碍物，灰度值为255；空白格节点表示完全没有障碍物，灰度值为0；所以通过风险评估函数对初始地图处理，获得一张基于带有风险区域的安全地图。在新得到的安全地图上，障碍格附近会产生一层灰度值介于0-255并逐级递减的风险格。
3：读取起始点s与终点g的坐标值，并且创建两个链表，OPEN表和CLOSED表，将CLOSED表初始化为空表，把起始点s放入OPEN表中。判断OPEN表是否为空表，若为空表则终止程序，若不为空则继续执行。从OPEN表中取出F(n)值最小的节点n作为当前节点，并把n移到CLOSED表中。
4：判断节点n是否是终点g，如果是的话则已经找到路径，顺次返回依次来自的节点、直至起始节点s，终止算法、得到一个路径。若节点n不是终点g，进行下一步的判断。
5：按照上下左右四个方向扩展节点n，将当前的节点n的子节点设为m，对于每一个当前节点n的子节点计算估计值H(m)，并带入计算启发式函数值F(n)＝G(n)+H(n)+R(n)。进一步作如下判断：
5.1)如果子节点m不在两个链表中，把m点添加到OPEN表中。然后给子节点m一个指向当前节点n的指针。当找到终点g时可以根据这个指针找到每个节点的父节点，并以此为根据找回到起始节点s形成路径。
5.2)如果节点m已经在OPEN表中，那么比较F(m)的新值和该节点在OPEN表中的旧值；如果新的F(m)比较小，表示找到一条更好的路径。则以此新的F(m)值取代子节点m的旧的F(m)的值。修改子节点m的父指针为当前节点n；如果子节点m在CLOSED表中则跳过该节点，则继续寻找其他方向的节点。
重复以上步骤直到找到终点g或者OPEN表为空为止(流程如图3所示，得到的路径如图2所示)。得到全局路径后转入以下步骤。
6：对全局路径提取关键路径点，步骤如下：
6.1)将终点坐标设为第一个关键点，存放于数组中，并且将这个点记为x0。
6.2)向前第二个节点设为x1、第三个节点设为x2(如图4所示)。
6.3)判断x2是否是起点s，若是s，则结束程序。
6.4)判断x0、x1和x2是否共线，若共线，则x1和x2继续向前移动。
6.5)当x0、x1和x2三点不共线时，判断由x0到x2连线上是否存在非空白栅格节点，若存在则x1是关键路径点，将x1计入关键路径点数组中，且令x0＝x1，当前的x1和x2依次向前移动，跳到6.3)继续执行；若x0到x2间都是空白节点时，x0不动，x1和x2依次向前移动一格，返回6.3)进行判断。(如图5所示)。
6.6)找到所有的关键点后，把终点放到数组的尾部，则该数组就是完整的全局路径的所有关键路径点。(得到的关键路径点如图6所示)。
7：以关键路径点为引导点，基于激光传感器使用动态窗口法进行局部规划/避障。根据传感器信息和AGV当前状态，采用引导点切换方法。1)如图7所示，当障碍物在当前引导点前面时，机器人通过动态窗口法绕开障碍物，并通过激光传感器找到了当前引导点后面的路径点，则把引导点切换到该路径点后面的关键路径点上；2)如图7所示，当动态障碍物覆盖掉当前引导点时，机器人进入到距离引导点r的范围内，则把引导点切换到后一关键路径点上，或者同前面一样在绕开障碍物过程中找到后续路径点则切换引导点；3)如图7所示，当动态障碍物在当前引导点后面时，机器人进入到距离引导点r的范围内，则把引导点切换到后一关键路径点上。不断地将当前引导点切换到后续的关键路径点上，直到引导点变为终点。
1.静态环境下的实验结果
在静态环境中，依照上述实施例操作过程，得到的AGV机器人路径规划及跟踪路径的结果如图8所示，图中静态障碍物周围有一层风险区域，平直的路径为规划得到的全局路径，路径上标出的圆点为关键路径点，较光滑的路径为AGV机器人的行走轨迹。
2.动态环境下的实验结果
为验证在多种动态障碍物下，障碍物的大小、形状和位置对路径跟踪的性能影响。在动态环境中，在上述实施例中的地图上不同位置设置了不同形状的动态障碍物：得到的AGV机器人路径规划及跟踪路径的结果如图9所示。
由如上所述实施例的实验结果可以看出，利用改进的安全A*算法，能够得到从起点到终点的风险值低的安全全局路径；不管是静态还是动态障碍物，只要没有完全堵死通道，且终点上没有障碍物，AGV机器人就能一直找到合适的引导点进行跟踪与避障，最终到达终点。
Claims (6)
1.基于A*提取引导点的AGV路径跟踪与避障协调方法，其特征在于其包括以下步骤：
1)规划安全全局路径，根据环境信息建立初始栅格地图，在初始栅格地图上，通过风险评估函数R(n)对障碍物周围节点的风险等级进行评估，获得新的带有风险区域的安全栅格地图；
2)对规划得到的全局路径上提取关键路径点；
3)路径跟踪与障碍避让的协调，采用基于激光传感器的动态窗口进行避障，并以关键路径点为引导点并实时更新引导点，进行路径跟踪与障碍避让的协调统一。
2.如权利要求1所述基于A*提取引导点的AGV路径跟踪与避障协调方法，其特征在于在步骤1)中，所述根据环境信息建立初始栅格地图，在初始栅格地图上，通过风险评估函数R(n)对障碍物周围节点的风险等级进行评估，获得新的带有风险区域的安全栅格地图的具体步骤为：
(1)定义风险评估函数为式中的r表示障碍节点到临近节点的距离，α为风险系数，显然，距离障碍物越近的区域风险等级越高；
(2)将初始栅格地图数据转换为图像数据，通过OpenCV中的cvDiate函数以AGV半径进行膨胀处理，再用cvfilter2D函数进行模板操作，初始栅格地图由障碍格和空白格构成，障碍格节点表示确定有障碍物，灰度值为255；空白格表示完全没有障碍物，灰度值为0；在新得到的安全地图上，障碍栅格节点附近会产生一层灰度值介于0～255并逐级递减的风险栅格点；
修改A*算法的代价函数为：
F(n)＝G(n)+H(n)+R(n)
其中，G(n)表示从起点s到当前节点n的实际代价，H(n)表示从当前节点n到终点g的估计代价(采用曼哈顿距离计算)，R(n)表示当前节点的风险评估值；
在安全地图上，通过A*算法规划全局路径。
3.如权利要求1所述基于A*提取引导点的AGV路径跟踪与避障协调方法，其特征在于在步骤1)第(2)部分中，所述通过A*算法规划全局路径的具体方法如下：
(2.1)读取起始点s与终点g的坐标值，并且创建两个链表，OPEN表和CLOSED表，将CLOSED表初始化为空表，把起始点s放入OPEN表中；判断OPEN表是否为空表，若为空表则终止程序，若不为空则继续执行；从OPEN表中取出F(n)值最小的节点n作为当前节点，并把n移到CLOSED表中；
(2.2)判断节点n是否是终点g，若是，则已经找到路径，顺次返回依次来自的节点、到达起始节点s，终止算法、得到一个路径；若不是，则继续下一步判断；
(2.3)按照上下左右四个方向扩展节点n，将当前的节点n的子节点设为m，对于每一个当前节点n的子节点计算估计值H(m)，其次计算启发式函数值F(n)＝G(n)+H(n)+R(n)；进一步判断如下：
①若子节点m不在两个链表中，则把m点添加到OPEN表中，然后给子节点m一个指向当前节点n的指针；当找到终点g时，可以根据这个指针找到每个节点的父节点并以此为根据找回到起始节点s形成路径；
②若节点m已经在OPEN表中，则比较F(m)的新值和该节点在OPEN表中的旧值；若新的F(m)比较小，表示找到一条更好的路径，则以此新的F(m)值取代子节点m的旧的F(m)的值；修改子节点m的父指针为当前节点n；若子节点m在CLOSED表中，则跳过该节点，继续寻找其他方向的节点；
(2.4)重复以上步骤直到找到终点g或者OPEN表为空为止。
4.如权利要求1所述基于A*提取引导点的AGV路径跟踪与避障协调方法，其特征在于在步骤2)中，所述对规划得到的全局路径上提取关键路径点的具体步骤为：
(1)将终点坐标设为第一个关键点，存放于数组中，并且将这个点记为x0；
(2)第二个节点设为x1，第三个节点设为x2；
(3)判断x2是否是起点s，若是s则结束程序；
(4)判断x0，x1和x2是否共线，如果共线则x1和x2沿路径向前移动一格；
(5)当x0，x1和x2三点不共线时：①判断由x0到x2连线上是否存在空白格节点，若存在，则x1是关键点，将x1计入关键路径点的数组中，且令x0＝x1，当前的x1和x2依次沿路径向前移动一格，跳到(3)继续执行；②若x0到x2间都是空白节点，x0不动，x1和x2沿路径依次向前移动一格，返回(3)进行判断；
(6)找到所有的关键点后，把终点放到关键路径点数组的尾部，则该数组就是完整的最优路径的所有关键路径点。
5.如权利要求1所述基于A*提取引导点的AGV路径跟踪与避障协调方法，其特征在于在步骤3)中，所述进行路径跟踪与障碍避让的协调统一的具体步骤为：
(1)AGV机器人从起点出发时，以起点后的第一个关键路径为引导点；
(2)使用激光传感器探知周围障碍物信息，若引导点在可通行域内，则直接把引导点作为当前目标点；否则在当前窗口内进行局部路径规划：综合考虑安全性和平稳性，用启发式方法寻找即时子目标；
(3)随着运动和窗口的推进，根据局部信息对规划窗口大小进行动态调整，使得局部避障方法有着良好的环境适应性；
(4)根据传感器信息和AGV当前位姿，将当前引导点切换到后续的关键路径点上，直到引导点变为终点。
6.如权利要求1所述基于A*提取引导点的AGV路径跟踪与避障协调方法，其特征在于在步骤3)第(4)部分中，所述引导点切换的具体方法为：
将提取得到的关键路径点顺序存放在数组中，为集合{p1,p2...pn}，pn为终点g；关键点两两相连组成路径段{d1,2,d2,3...dn-1,n}；AGV机器人从起点出发时，引导点为离起点后的第一个关键路径点p1；AGV机器人移动过程中，从终点向前依次遍历当前引导点pi之后的所有路径段dn,n-1,dn-1,n-2,,,di,i+1上各路径点，并计算其相对于机器人的角度β与距离S，通过传感器得到的障碍点数据计算在机器人β方向上的可通行距离Spass；若在路径上找到一点p在AGV的可通行区域内，即其对应Spass的大于S，因点p在路径段dj,j+1上，则把当前引导点pi切换为pj+1；若没有在路径上找到这样一点，则当前引导点pi不变；
同时，设定一个合适的距离r，判断AGV机器人与当前引导点pi的距离l小于r时，引导点变成pi+1；重复这样的步骤，直到引导点为pn。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710043581.0A CN106647769B (zh) | 2017-01-19 | 2017-01-19 | 基于a*提取引导点的agv路径跟踪与避障协调方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710043581.0A CN106647769B (zh) | 2017-01-19 | 2017-01-19 | 基于a*提取引导点的agv路径跟踪与避障协调方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106647769A true CN106647769A (zh) | 2017-05-10 |
| CN106647769B CN106647769B (zh) | 2019-05-24 |
Family
ID=58842065
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710043581.0A Active CN106647769B (zh) | 2017-01-19 | 2017-01-19 | 基于a*提取引导点的agv路径跟踪与避障协调方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106647769B (zh) |
Cited By (48)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106989748A (zh) * | 2017-05-16 | 2017-07-28 | 南京农业大学 | 一种基于云模型的农业移动机器人人机合作路径规划方法 |
| CN107478232A (zh) * | 2017-09-18 | 2017-12-15 | 珠海市微半导体有限公司 | 机器人导航路径的搜索方法及芯片 |
| CN107727099A (zh) * | 2017-09-29 | 2018-02-23 | 山东大学 | 一种工厂内物料运输多agv调度及路径规划方法 |
| CN108241370A (zh) * | 2017-12-20 | 2018-07-03 | 北京理工华汇智能科技有限公司 | 通过栅格地图获取避障路径的方法及装置 |
| CN108253968A (zh) * | 2017-12-08 | 2018-07-06 | 国网浙江省电力公司温州供电公司 | 基于三维激光的绕障方法 |
| CN108303089A (zh) * | 2017-12-08 | 2018-07-20 | 浙江国自机器人技术有限公司 | 基于三维激光的绕障方法 |
| CN108444482A (zh) * | 2018-06-15 | 2018-08-24 | 东北大学 | 一种无人机自主寻路避障方法及系统 |
| 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 |
| 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 |
| CN108646765A (zh) * | 2018-07-25 | 2018-10-12 | 齐鲁工业大学 | 基于改进a*算法的四足机器人路径规划方法及系统 |
| CN108803659A (zh) * | 2018-06-21 | 2018-11-13 | 浙江大学 | 基于魔方模型的多窗口启发式三维空间路径规划方法 |
| CN108873892A (zh) * | 2018-05-31 | 2018-11-23 | 杭州晶智能科技有限公司 | 一种基于路径密度分析的自动吸尘机器人最优路径规划方法 |
| WO2018218508A1 (en) * | 2017-05-31 | 2018-12-06 | SZ DJI Technology Co., Ltd. | Method and system for operating a movable platform using ray-casting mapping |
| 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 |
| CN109240290A (zh) * | 2018-09-04 | 2019-01-18 | 南京理工大学 | 一种电力巡检机器人返航路径确定方法 |
| CN109298708A (zh) * | 2018-08-31 | 2019-02-01 | 中船重工鹏力（南京）大气海洋信息系统有限公司 | 一种融合雷达与光电信息的无人艇自主避障方法 |
| CN109325654A (zh) * | 2018-08-10 | 2019-02-12 | 安徽库讯自动化设备有限公司 | 一种基于效率分析的agv小车运行状态智能化调控系统 |
| CN109540166A (zh) * | 2018-11-30 | 2019-03-29 | 电子科技大学 | 一种基于高斯过程的安全路径规划方法 |
| CN109991972A (zh) * | 2017-12-29 | 2019-07-09 | 长城汽车股份有限公司 | 控制车辆行驶的方法、装置、车辆及可读存储介质 |
| CN110103231A (zh) * | 2019-06-18 | 2019-08-09 | 王保山 | 一种用于机械臂的精准抓取方法及系统 |
| CN110135644A (zh) * | 2019-05-17 | 2019-08-16 | 北京洛必德科技有限公司 | 一种用于目标搜索的机器人路径规划方法 |
| CN110146070A (zh) * | 2019-05-13 | 2019-08-20 | 珠海市一微半导体有限公司 | 一种适用于宠物引诱的激光导航方法 |
| CN110182509A (zh) * | 2019-05-09 | 2019-08-30 | 盐城品迅智能科技服务有限公司 | 一种物流仓储用智能避障的寻迹导引搬运车及避障方法 |
| CN110221601A (zh) * | 2019-04-30 | 2019-09-10 | 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 |
| CN110260875A (zh) * | 2019-06-20 | 2019-09-20 | 广州蓝胖子机器人有限公司 | 一种全局规划路径的方法、全局规划器以及存储介质 |
| CN110320933A (zh) * | 2019-07-29 | 2019-10-11 | 南京航空航天大学 | 一种巡航任务下无人机避障运动规划方法 |
| CN110375752A (zh) * | 2018-08-29 | 2019-10-25 | 天津京东深拓机器人科技有限公司 | 一种生成导航点的方法和装置 |
| 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 |
| CN110597261A (zh) * | 2019-09-24 | 2019-12-20 | 浙江大华技术股份有限公司 | 一种预防碰撞冲突的方法及装置 |
| CN110687923A (zh) * | 2019-11-08 | 2020-01-14 | 深圳市道通智能航空技术有限公司 | 无人机长距离循迹飞行方法、装置、设备及存储介质 |
| CN110967032A (zh) * | 2019-12-03 | 2020-04-07 | 清华大学 | 一种野外环境下无人车局部行驶路线实时规划方法 |
| CN111126304A (zh) * | 2019-12-25 | 2020-05-08 | 鲁东大学 | 一种基于室内自然场景图像深度学习的增强现实导航方法 |
| CN111506081A (zh) * | 2020-05-15 | 2020-08-07 | 中南大学 | 一种机器人轨迹跟踪方法、系统及存储介质 |
| CN111736599A (zh) * | 2020-06-09 | 2020-10-02 | 上海欣巴自动化科技股份有限公司 | 基于多激光雷达的agv导航避障系统、方法、设备 |
| CN111781925A (zh) * | 2020-06-22 | 2020-10-16 | 北京海益同展信息科技有限公司 | 路径规划方法、装置、机器人及存储介质 |
| CN111796590A (zh) * | 2019-09-24 | 2020-10-20 | 北京京东乾石科技有限公司 | 避障的控制方法、装置、物品搬运系统和可读存储介质 |
| CN111816322A (zh) * | 2020-07-14 | 2020-10-23 | 英华达（上海）科技有限公司 | 基于流感风险推荐路径的方法、系统、设备和存储介质 |
| CN111857149A (zh) * | 2020-07-29 | 2020-10-30 | 合肥工业大学 | 一种a*算法与d*算法复合的自主路径规划方法 |
| CN112013860A (zh) * | 2019-05-29 | 2020-12-01 | 北京四维图新科技股份有限公司 | 一种安全出行路线规划、管理方法及装置 |
| CN112333638A (zh) * | 2020-11-20 | 2021-02-05 | 广州极飞科技有限公司 | 路线导航方法、装置、无人设备及存储介质 |
| 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 |
| CN113008249A (zh) * | 2021-02-09 | 2021-06-22 | 广州视睿电子科技有限公司 | 移动机器人的避让点检测方法、避让方法以及移动机器人 |
| CN113447029A (zh) * | 2021-08-31 | 2021-09-28 | 湖北第二师范学院 | 一种基于大型卫星地图的安全路径搜索方法 |
| CN113486293A (zh) * | 2021-09-08 | 2021-10-08 | 天津港第二集装箱码头有限公司 | 全自动化边装卸集装箱码头的智能水平运输系统及方法 |
| CN113608531A (zh) * | 2021-07-26 | 2021-11-05 | 福州大学 | 基于安全a*引导点的动态窗口的无人车实时全局路径规划方法 |
| CN113917912A (zh) * | 2020-07-08 | 2022-01-11 | 珠海格力电器股份有限公司 | 一种全局路径规划方法、装置、终端及可读存储介质 |
| CN115060281A (zh) * | 2022-08-16 | 2022-09-16 | 浙江光珀智能科技有限公司 | 一种基于voronoi图的全局路径引导点生成规划方法 |
| CN115373399A (zh) * | 2022-09-13 | 2022-11-22 | 中国安全生产科学研究院 | 一种基于空地协同的地面机器人路径规划方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101738195A (zh) * | 2009-12-24 | 2010-06-16 | 厦门大学 | 基于环境建模与自适应窗口的移动机器人路径规划方法 |
| CN102901500A (zh) * | 2012-09-17 | 2013-01-30 | 西安电子科技大学 | 基于概率a星与智能体混合的飞行器最优路径确定方法 |
| CN105320134A (zh) * | 2015-10-26 | 2016-02-10 | 广东雷洋智能科技股份有限公司 | 一种机器人自主构建室内地图的路径规划法 |
| 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 |
| CN105955280A (zh) * | 2016-07-19 | 2016-09-21 | Tcl集团股份有限公司 | 移动机器人路径规划和避障方法及系统 |
| CN105955262A (zh) * | 2016-05-09 | 2016-09-21 | 哈尔滨理工大学 | 一种基于栅格地图的移动机器人实时分层路径规划方法 |
-
2017
- 2017-01-19 CN CN201710043581.0A patent/CN106647769B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101738195A (zh) * | 2009-12-24 | 2010-06-16 | 厦门大学 | 基于环境建模与自适应窗口的移动机器人路径规划方法 |
| CN102901500A (zh) * | 2012-09-17 | 2013-01-30 | 西安电子科技大学 | 基于概率a星与智能体混合的飞行器最优路径确定方法 |
| CN105320134A (zh) * | 2015-10-26 | 2016-02-10 | 广东雷洋智能科技股份有限公司 | 一种机器人自主构建室内地图的路径规划法 |
| 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 |
| CN105955262A (zh) * | 2016-05-09 | 2016-09-21 | 哈尔滨理工大学 | 一种基于栅格地图的移动机器人实时分层路径规划方法 |
| CN105955280A (zh) * | 2016-07-19 | 2016-09-21 | Tcl集团股份有限公司 | 移动机器人路径规划和避障方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 仲训昱: "基于环境建模与自适应窗口的机器人路径规划", 《华中科技大学学报》 * |
Cited By (68)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106989748A (zh) * | 2017-05-16 | 2017-07-28 | 南京农业大学 | 一种基于云模型的农业移动机器人人机合作路径规划方法 |
| WO2018218508A1 (en) * | 2017-05-31 | 2018-12-06 | SZ DJI Technology Co., Ltd. | Method and system for operating a movable platform using ray-casting mapping |
| CN107478232A (zh) * | 2017-09-18 | 2017-12-15 | 珠海市微半导体有限公司 | 机器人导航路径的搜索方法及芯片 |
| CN107478232B (zh) * | 2017-09-18 | 2020-02-21 | 珠海市一微半导体有限公司 | 机器人导航路径的搜索方法 |
| CN107727099A (zh) * | 2017-09-29 | 2018-02-23 | 山东大学 | 一种工厂内物料运输多agv调度及路径规划方法 |
| CN108253968A (zh) * | 2017-12-08 | 2018-07-06 | 国网浙江省电力公司温州供电公司 | 基于三维激光的绕障方法 |
| CN108303089A (zh) * | 2017-12-08 | 2018-07-20 | 浙江国自机器人技术有限公司 | 基于三维激光的绕障方法 |
| CN108253968B (zh) * | 2017-12-08 | 2024-02-06 | 国网浙江省电力公司温州供电公司 | 基于三维激光的绕障方法 |
| CN108241370A (zh) * | 2017-12-20 | 2018-07-03 | 北京理工华汇智能科技有限公司 | 通过栅格地图获取避障路径的方法及装置 |
| CN108241370B (zh) * | 2017-12-20 | 2021-06-22 | 北京理工华汇智能科技有限公司 | 通过栅格地图获取避障路径的方法及装置 |
| CN109991972A (zh) * | 2017-12-29 | 2019-07-09 | 长城汽车股份有限公司 | 控制车辆行驶的方法、装置、车辆及可读存储介质 |
| 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 |
| 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 |
| CN108873892A (zh) * | 2018-05-31 | 2018-11-23 | 杭州晶智能科技有限公司 | 一种基于路径密度分析的自动吸尘机器人最优路径规划方法 |
| CN108444482A (zh) * | 2018-06-15 | 2018-08-24 | 东北大学 | 一种无人机自主寻路避障方法及系统 |
| CN108444482B (zh) * | 2018-06-15 | 2021-10-22 | 东北大学 | 一种无人机自主寻路避障方法及系统 |
| CN108803659B (zh) * | 2018-06-21 | 2020-05-08 | 浙江大学 | 基于魔方模型的多窗口启发式三维空间路径规划方法 |
| CN108803659A (zh) * | 2018-06-21 | 2018-11-13 | 浙江大学 | 基于魔方模型的多窗口启发式三维空间路径规划方法 |
| CN108646765A (zh) * | 2018-07-25 | 2018-10-12 | 齐鲁工业大学 | 基于改进a*算法的四足机器人路径规划方法及系统 |
| CN109325654B (zh) * | 2018-08-10 | 2021-10-08 | 合肥哈工库讯智能科技有限公司 | 一种基于效率分析的agv小车运行状态智能化调控系统 |
| CN109325654A (zh) * | 2018-08-10 | 2019-02-12 | 安徽库讯自动化设备有限公司 | 一种基于效率分析的agv小车运行状态智能化调控系统 |
| CN110375752A (zh) * | 2018-08-29 | 2019-10-25 | 天津京东深拓机器人科技有限公司 | 一种生成导航点的方法和装置 |
| CN109298708B (zh) * | 2018-08-31 | 2021-08-17 | 中船重工鹏力（南京）大气海洋信息系统有限公司 | 一种融合雷达与光电信息的无人艇自主避障方法 |
| CN109298708A (zh) * | 2018-08-31 | 2019-02-01 | 中船重工鹏力（南京）大气海洋信息系统有限公司 | 一种融合雷达与光电信息的无人艇自主避障方法 |
| CN109240290A (zh) * | 2018-09-04 | 2019-01-18 | 南京理工大学 | 一种电力巡检机器人返航路径确定方法 |
| CN109144067B (zh) * | 2018-09-17 | 2021-04-27 | 长安大学 | 一种智能清洁机器人及其路径规划方法 |
| 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 |
| CN109540166A (zh) * | 2018-11-30 | 2019-03-29 | 电子科技大学 | 一种基于高斯过程的安全路径规划方法 |
| CN110221601A (zh) * | 2019-04-30 | 2019-09-10 | 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 |
| CN110182509A (zh) * | 2019-05-09 | 2019-08-30 | 盐城品迅智能科技服务有限公司 | 一种物流仓储用智能避障的寻迹导引搬运车及避障方法 |
| CN110182509B (zh) * | 2019-05-09 | 2021-07-13 | 杭州京机科技有限公司 | 一种物流仓储用智能避障的寻迹导引搬运车及避障方法 |
| CN110146070A (zh) * | 2019-05-13 | 2019-08-20 | 珠海市一微半导体有限公司 | 一种适用于宠物引诱的激光导航方法 |
| CN110135644A (zh) * | 2019-05-17 | 2019-08-16 | 北京洛必德科技有限公司 | 一种用于目标搜索的机器人路径规划方法 |
| CN112013860A (zh) * | 2019-05-29 | 2020-12-01 | 北京四维图新科技股份有限公司 | 一种安全出行路线规划、管理方法及装置 |
| CN110103231A (zh) * | 2019-06-18 | 2019-08-09 | 王保山 | 一种用于机械臂的精准抓取方法及系统 |
| CN110260875A (zh) * | 2019-06-20 | 2019-09-20 | 广州蓝胖子机器人有限公司 | 一种全局规划路径的方法、全局规划器以及存储介质 |
| 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 |
| CN110320933A (zh) * | 2019-07-29 | 2019-10-11 | 南京航空航天大学 | 一种巡航任务下无人机避障运动规划方法 |
| CN110320933B (zh) * | 2019-07-29 | 2021-08-10 | 南京航空航天大学 | 一种巡航任务下无人机避障运动规划方法 |
| CN111796590A (zh) * | 2019-09-24 | 2020-10-20 | 北京京东乾石科技有限公司 | 避障的控制方法、装置、物品搬运系统和可读存储介质 |
| CN110597261A (zh) * | 2019-09-24 | 2019-12-20 | 浙江大华技术股份有限公司 | 一种预防碰撞冲突的方法及装置 |
| CN110687923B (zh) * | 2019-11-08 | 2022-06-17 | 深圳市道通智能航空技术股份有限公司 | 无人机长距离循迹飞行方法、装置、设备及存储介质 |
| CN110687923A (zh) * | 2019-11-08 | 2020-01-14 | 深圳市道通智能航空技术有限公司 | 无人机长距离循迹飞行方法、装置、设备及存储介质 |
| CN110967032A (zh) * | 2019-12-03 | 2020-04-07 | 清华大学 | 一种野外环境下无人车局部行驶路线实时规划方法 |
| CN111126304B (zh) * | 2019-12-25 | 2023-07-07 | 鲁东大学 | 一种基于室内自然场景图像深度学习的增强现实导航方法 |
| CN111126304A (zh) * | 2019-12-25 | 2020-05-08 | 鲁东大学 | 一种基于室内自然场景图像深度学习的增强现实导航方法 |
| CN111506081A (zh) * | 2020-05-15 | 2020-08-07 | 中南大学 | 一种机器人轨迹跟踪方法、系统及存储介质 |
| CN111506081B (zh) * | 2020-05-15 | 2021-06-25 | 中南大学 | 一种机器人轨迹跟踪方法、系统及存储介质 |
| CN111736599A (zh) * | 2020-06-09 | 2020-10-02 | 上海欣巴自动化科技股份有限公司 | 基于多激光雷达的agv导航避障系统、方法、设备 |
| CN111781925A (zh) * | 2020-06-22 | 2020-10-16 | 北京海益同展信息科技有限公司 | 路径规划方法、装置、机器人及存储介质 |
| CN113917912A (zh) * | 2020-07-08 | 2022-01-11 | 珠海格力电器股份有限公司 | 一种全局路径规划方法、装置、终端及可读存储介质 |
| WO2022007350A1 (zh) * | 2020-07-08 | 2022-01-13 | 格力电器（武汉）有限公司 | 一种全局路径规划方法、装置、终端及可读存储介质 |
| CN111816322A (zh) * | 2020-07-14 | 2020-10-23 | 英华达（上海）科技有限公司 | 基于流感风险推荐路径的方法、系统、设备和存储介质 |
| CN111857149B (zh) * | 2020-07-29 | 2022-03-15 | 合肥工业大学 | 一种a*算法与d*算法复合的自主路径规划方法 |
| CN111857149A (zh) * | 2020-07-29 | 2020-10-30 | 合肥工业大学 | 一种a*算法与d*算法复合的自主路径规划方法 |
| CN112333638A (zh) * | 2020-11-20 | 2021-02-05 | 广州极飞科技有限公司 | 路线导航方法、装置、无人设备及存储介质 |
| 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 |
| CN113008249A (zh) * | 2021-02-09 | 2021-06-22 | 广州视睿电子科技有限公司 | 移动机器人的避让点检测方法、避让方法以及移动机器人 |
| CN113008249B (zh) * | 2021-02-09 | 2024-03-12 | 广州视睿电子科技有限公司 | 移动机器人的避让点检测方法、避让方法以及移动机器人 |
| CN113608531A (zh) * | 2021-07-26 | 2021-11-05 | 福州大学 | 基于安全a*引导点的动态窗口的无人车实时全局路径规划方法 |
| CN113608531B (zh) * | 2021-07-26 | 2023-09-12 | 福州大学 | 基于安全a*引导点的无人车实时全局路径规划方法 |
| CN113447029B (zh) * | 2021-08-31 | 2021-11-16 | 湖北第二师范学院 | 一种基于大型卫星地图的安全路径搜索方法 |
| CN113447029A (zh) * | 2021-08-31 | 2021-09-28 | 湖北第二师范学院 | 一种基于大型卫星地图的安全路径搜索方法 |
| CN113486293B (zh) * | 2021-09-08 | 2021-12-03 | 天津港第二集装箱码头有限公司 | 全自动化边装卸集装箱码头的智能水平运输系统及方法 |
| CN113486293A (zh) * | 2021-09-08 | 2021-10-08 | 天津港第二集装箱码头有限公司 | 全自动化边装卸集装箱码头的智能水平运输系统及方法 |
| CN115060281A (zh) * | 2022-08-16 | 2022-09-16 | 浙江光珀智能科技有限公司 | 一种基于voronoi图的全局路径引导点生成规划方法 |
| CN115373399A (zh) * | 2022-09-13 | 2022-11-22 | 中国安全生产科学研究院 | 一种基于空地协同的地面机器人路径规划方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106647769B (zh) | 2019-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106647769A (zh) | 基于a*提取引导点的agv路径跟踪与避障协调方法 | |
| CN107702716B (zh) | 一种无人驾驶路径规划方法、系统和装置 | |
| Stahl et al. | Multilayer graph-based trajectory planning for race vehicles in dynamic scenarios | |
| Zhao et al. | Dynamic motion planning for autonomous vehicle in unknown environments | |
| CN107894773A (zh) | 一种移动机器人的导航方法、系统及相关装置 | |
| CN112577491A (zh) | 一种基于改进人工势场法的机器人路径规划方法 | |
| CN110908386B (zh) | 一种无人车分层路径规划方法 | |
| CN109557912A (zh) | 一种自动驾驶特种作业车辆的决策规划方法 | |
| Ma et al. | A two-level path planning method for on-road autonomous driving | |
| 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 | |
| KR101133037B1 (ko) | 자율이동차량용 충돌회피를 위한 경로갱신방법 및 그 장치 | |
| CN103324196A (zh) | 基于模糊逻辑的多机器人路径规划与协调避碰方法 | |
| CN115079705A (zh) | 基于改进a星融合dwa优化算法的巡检机器人路径规划方法 | |
| CN111830979A (zh) | 一种轨迹优化方法和装置 | |
| CN113467476B (zh) | 考虑转角约束的无碰撞检测快速随机树全局路径规划方法 | |
| CN113291318B (zh) | 基于部分可观测马尔科夫模型的无人车盲区转弯规划方法 | |
| CN111896004A (zh) | 一种狭窄通道车辆轨迹规划方法及系统 | |
| Frego et al. | Trajectory planning for car-like vehicles: A modular approach | |
| Said et al. | Local trajectory planning for autonomous vehicle with static and dynamic obstacles avoidance | |
| López et al. | A new approach to local navigation for autonomous driving vehicles based on the curvature velocity method | |
| CN115309161A (zh) | 一种移动机器人路径规划方法、电子设备及存储介质 | |
| Wu et al. | Trajectory prediction based on planning method considering collision risk | |
| CN113341999A (zh) | 一种基于优化d*算法的叉车路径规划方法及装置 | |
| CN111121804A (zh) | 一种具有安全性约束的智能车辆路径规划方法及系统 | |
| Li et al. | A real-time and predictive trajectory-generation motion planner for autonomous ground vehicles |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |