CN106767823A - 基于不完全信息情况下的智能移动路径规划方法 - Google Patents
基于不完全信息情况下的智能移动路径规划方法 Download PDFInfo
- Publication number
- CN106767823A CN106767823A CN201611152478.1A CN201611152478A CN106767823A CN 106767823 A CN106767823 A CN 106767823A CN 201611152478 A CN201611152478 A CN 201611152478A CN 106767823 A CN106767823 A CN 106767823A
- Authority
- CN
- China
- Prior art keywords
- data
- itself
- surrounding environment
- position data
- intelligent mobile
- 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 34
- 238000006073 displacement reaction Methods 0.000 claims abstract description 8
- 239000012535 impurity Substances 0.000 claims description 14
- 238000002604 ultrasonography Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 8
- 239000002245 particle Substances 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000003028 elevating effect Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 7
- 230000004308 accommodation Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 231100000572 poisoning Toxicity 0.000 description 4
- 230000000607 poisoning effect Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000003137 locomotive effect Effects 0.000 description 3
- 230000035800 maturation Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005183 dynamical system Methods 0.000 description 2
- 230000002045 lasting effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
-
- 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
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Acoustics & Sound (AREA)
- Computer Networks & Wireless Communication (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于不完全信息情况下的智能移动路径规划方法，包括：步骤(1)：获取自身实时位置数据以及终点位置数据，并得出直线移动路径；步骤(2)：获取周围环境的视频图像，并根据视频图像获得自身与周围物体的相对距离数据；步骤(3)：获取周围环境的红外图像，并根据红外图像区分出周围环境内的生命体以及非生命体；步骤(4)：利用超声波传感器对周围环境内的生命体进行检测，获得生命体的运动状态；步骤(5)：结合相对距离数据、生命体运动状态、自身运动状态、自身实时位置数据以及终点位置数据，对路径进行适应性规划，调整自身的移动方向。本发明能够进行实时掌控，准确采集信息，实时进行路径规划，精准度高。
Description
技术领域
本发明涉及移动路径规划技术领域，尤其涉及一种基于不完全信息情况下的智能移动路径规划方法。
背景技术
在现有的智能小车等具有移动功能的智能设备中，多具备动力系统，以支持自身进行移动；但多需使用者利用遥控器等远程控制设备对具有移动功能的智能设备进行远程控制，事先还需要使用者对周围环境进行检测，以达到初步了解的程度，才能应对周围环境以及事物对其在行动上的影响。而在信息情况了解不完全时，具有移动功能的智能设备无法自身对周围环境进行检测，更无法自主对路径进行合理规划，从而也无法完成自主移动的任务。
发明内容
针对上述现有技术中的不足之处，本发明的目的在于提供一种基于不完全信息情况下的智能移动路径规划方法。
本发明的上述目的是通过以下技术方案予以实现的。
一种基于不完全信息情况下的智能移动路径规划方法，该方法包括以下步骤：
步骤(1)：获取自身实时位置数据以及终点位置数据，并得出直线移动路径；
步骤(2)：获取周围环境的视频图像，并根据所述视频图像获得自身与周围物体的相对距离数据；
步骤(3)：获取周围环境的红外图像，并根据所述红外图像区分出周围环境内的生命体以及非生命体；
步骤(4)：利用超声波传感器对周围环境内的所述生命体进行检测，获得所述生命体的运动状态；
步骤(5)：结合所述相对距离数据、所述生命体运动状态、所述自身运动状态、所述自身实时位置数据以及所述终点位置数据，对路径进行适应性规划，调整自身的移动方向。
本发明首先对自身的位置以及终点进行实时掌控，即可得知直线距离以及直线移动方向，为后续路径规划提供参照依据；获取周围环境的视频图像，对周围环境进行初步检测，进而能够对周围物体与自身的相对距离；获取周围环境的红外图像，主要用于区分周围环境的所述生命体与所述非生命体，以便后期针对所述生命体进行检测，掌控所述生命体的移动动向，避免对自身的路径规划造成影响；利用超声波传感器对周围环境内的所述生命体进行检测，从而获得所述生命体的运动状态，为后期对自身的路径规划进行适应性调整提供了数据基础。
具体地，所述运动状态包括：运动方向、运动速度、运动加速度；
运动方向、运动速度、运动加速度能够准确描述所述生命体的实时运动状态以及实时运动趋势，以便在进行移动路径规划时，能够提前进行适应性调整，一边移动一边调整，避免与所述生命体发生碰撞。
具体地，所述步骤(5)，包括：步骤(501)：结合所述相对距离数据、所述生命体运动状态、所述自身运动状态、所述自身实时位置数据以及所述终点位置数据，利用SLAM技术进行即时定位与地图构建，获得虚拟地图；步骤(502)：根据所述虚拟地图，对路径进行适应性规划，调整自身的移动方向；
建立虚拟地图，一方面能够实时全局掌控周围环境的情况，另一方面能够将虚拟地图传输给其他设备，以便其他人员进行远程监控。
进一步地，所述步骤(502)包括：
步骤(5021)：以耗时参数、耗电参数、路程长度参数为未知参数，结合粒子群优化算法，得出动力方程；
步骤(5022)：根据实际需求，选定所述耗时参数或所述耗电参数或所述路程长度参数作为主要影响参数，并得出相应的实时动力方程；
步骤(5023)：结合所述实时动力方程与所述虚拟地图，确定实时路径规划方案；
将耗时参数、耗电参数、路程长度参数作为未知参数，结合粒子群优化算法，得出动力方程，从而控制自身的移动；使用者能够根据自身实际需求，选择耗时参数、耗电参数、路程长度参数其中一个作为重要参数，从而相应的，获得耗时最短的路径、耗电最少的路径、路程最短的路径。
优选地，利用GPS定位装置，获取所述自身实时位置数据以及所述终点位置数据；
GPS定位装置为常用的定位装置，技术成熟，操作简单，便于对所述自身实时位置数据以及所述终点位置数据进行监测，为路径规划提供数据基础。
优选地，利用全景摄像头获取所述周围环境的视频图像；
利用全景摄像头能够从多个方向对所述周围环境进行监控，从而获取多方向的视频图像，为路径规划提供了较完整的数据基础。
优选地，所述全景摄像头底部配设有升降杆，用于调节所述全景摄像头的拍摄高度；
通过配设所述升降杆来改变所述全景摄像头的拍摄高度，当所述升降杆伸长时，所述全景摄像头的拍摄高度升高，即可获取较远的拍摄范围，从而获得较多视频信息，为后期路径规划提供更完备的数据基础；当不使用时，收起所述升降杆，此时所述全景摄像头的高度降低，能够得到一定的保护，避免与周围物体发生碰撞。
具体地，所述步骤(2)，包括：
步骤(201)：获取周围环境的视频图像；
步骤(202)：对所述视频图像进行除杂过滤处理，并进行模数转化，获得清晰化的视频图像数据；
步骤(203)：根据所述清晰化的视频图像数据获得自身与周围物体的相对距离数据；
获取的视频图像，视频图像数据为模拟信号，首先经过除杂过滤处理，获得较为清晰的视频图像数据，模拟信号在数据传输以及处理时存在一定的困难以及阻碍，因此再将除杂过滤处理后的视频图像数据进行模数转化，转化为数字信号，数字信号在传输过程中具有一定的稳定性，在进行数据处理时，误差较小，为后期计算出所述相对距离数据提供了准确的数据基础。
具体地，所述步骤(4)，包括：
步骤(401)：利用超声波传感器对周围环境内的所述生命体进行检测，获得超声波检测波谱图；
步骤(402)：对所述超声波检测波谱图进行除杂过滤处理，并进行模数转化，获得所述超声波检测数据；
步骤(403)：根据所述超声波检测数据，获得所述运动状态；
获取的超声波检测波谱图，超声波检测波谱图为模拟信号，首先经过除杂过滤处理，获得较为清晰的超声波检测波谱图，模拟信号在数据传输以及处理时存在一定的困难以及阻碍，因此再将除杂过滤处理后的超声波检测波谱图进行模数转化，转化为数字信号，数字信号在传输过程中具有一定的稳定性，在进行数据处理时，误差较小，为后期计算出所述运动状态提供了准确的数据基础。
与现有技术相比，本发明有益效果在于：提供了一种基于不完全信息情况下的智能移动路径规划方法，首先对自身的位置以及终点进行实时掌控，即可得知直线距离以及直线移动方向，为后续路径规划提供参照依据；获取周围环境的视频图像，对周围环境进行初步检测，进而能够对周围物体与自身的相对距离；获取周围环境的红外图像，主要用于区分周围环境的生命体与非生命体，以便后期针对生命体进行检测，掌控生命体的移动动向，避免对自身的路径规划造成影响；利用超声波传感器对周围环境内的生命体进行检测，从而获得生命体的运动状态，为后期对自身的路径规划进行适应性调整提供了数据基础；运动状态包括：运动方向、运动速度、运动加速度；能够准确描述生命体的实时运动状态以及实时运动趋势；建立虚拟地图，一方面能够实时全局掌控周围环境的情况，另一方面能够将虚拟地图传输给其他设备，以便其他人员进行远程监控；将耗时参数、耗电参数、路程长度参数作为未知参数，使用者能够根据自身实际需求，选择耗时最短的路径、耗电最少的路径、路程最短的路径；GPS定位装置为常用的定位装置，技术成熟，操作简单；利用全景摄像头能够从多个方向对周围环境进行监控，为路径规划提供了较完整的数据基础；升降杆，于调节全景摄像头的拍摄高度；将视频图像数据、超声波检测波谱图均转化为数字信号，数字新号在传输过程中具有一定的稳定性，在进行数据处理时，误差较小，为后期计算出相对距离数据提供了准确的数据基础；本发明能够对自身以及周围环境进行实时掌控，准确采集信息，实时进行路径规划，减小误差，精准度高。
附图说明
图1为实施例1的基于不完全信息情况下的智能移动路径规划方法的流程图。
图2为实施例2的步骤(5)的流程图。
图3为实施例2的步骤(502)的流程图。
图4为实施例3的步骤(2)的流程图。
图5为实施例3的步骤(4)的流程图。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
下面通过具体的实施例子并结合附图对本发明做进一步的详细描述。
实施例1
如图1所示，一种基于不完全信息情况下的智能移动路径规划方法，该方法包括以下步骤：步骤(1)：获取自身实时位置数据以及终点位置数据，并得出直线移动路径；步骤(2)：获取周围环境的视频图像，并根据视频图像获得自身与周围物体的相对距离数据；步骤(3)：获取周围环境的红外图像，并根据红外图像区分出周围环境内的生命体以及非生命体；步骤(4)：利用超声波传感器对周围环境内的生命体进行检测，获得生命体的运动状态；步骤(5)：结合相对距离数据、生命体运动状态、自身运动状态、自身实时位置数据以及终点位置数据，对路径进行适应性规划，调整自身的移动方向。
在本实施例中，运动状态包括：运动方向、运动速度、运动加速度；运动方向、运动速度能够准确描述生命体的当前时刻的运动状态，而运动加速度则能够准确描述生命体的当前时候的运动趋势，以便在进行移动路径规划时，能够提前进行适应性调整，一边移动一边调整，避免与生命体发生碰撞。
在本实施例中，利用具有自主移动功能的智能设备上的GPS定位装置，获取自身实时位置数据以及终点位置数据；GPS定位装置为常用的定位装置，技术成熟，操作简单，便于对自身实时位置数据以及终点位置数据进行监测，为路径规划提供数据基础。
在本实施例中，具有自主移动功能的智能设备自身携带的图像采集装置选用全景摄像头；利用全景摄像头获取周围环境的视频图像；能够从多个方向对周围环境进行监控，从而获取多方向的视频图像，为路径规划提供了较完整的数据基础。
本发明适用于具有自主移动功能的智能设备，例如智能小车，具有动力系统、多种传感器设备、数据处理主机，本方法首先对自身的位置以及终点进行检测，并持续对自身的位置以及终点的位置进行实时掌控，根据自身的位置以及终点的位置之间的直线距离，即可得知最短路程的直线距离以及直线移动方向，能够为后续路径规划提供参照依据；后续，通过具有自主移动功能的智能设备自身携带的图像采集装置来获取周围环境的视频图像，此步骤对周围环境进行初步检测，获得视频图像，具有自主移动功能的智能设备能够根据视频图像的数据计算出周围环境的物体与具有自主移动功能的智能设备自身的相对距离，并在后续移动过程中，持续检测，实时掌握相对距离的变化；然后，利用具有自主移动功能的智能设备上的红外传感装置对周围环境进行检测，获取周围环境的红外图像，此步骤主要用于利用生命体自身具有热量的特点，区分周围环境的生命体与非生命体，以便后期针对生命体进行检测，掌控生命体的移动动向，避免对自身的路径规划造成影响；最后再利用具有自主移动功能的智能设备上的超声波传感器对周围环境内的生命体进行检测，超声波传感器能够向周围物体发送超声波，根据超声波反射回来的波谱图，一方面能够进一步确认非生命体的外形，另一方面能够获得生命体的运动状态，为后期对自身的路径规划进行适应性调整提供了数据基础；结合相对距离数据、生命体运动状态、自身运动状态、自身实时位置数据以及终点位置数据，具有自主移动功能的智能设备的数据处理主机能够进行计算，对具有自主移动功能的智能设备进行持续的、实时的移动路径规划。
具体地，在路径规划过程中，将利用到动态路径规划方法，自身在未知环境中从一个未知位置开始移动，在移动过程中根据位置估计和地图进行自身定位，待自身定位完成后，在自身定位的基础上建造增量式地图，实现自身自主定位和导航；自身定位即对自身的初始位置，并对初始位置进行记录；利用多传感器对周围环境以及环境中的静止的物体、移动的物体进行探测，获得其相对初始位置的相对位置以及相对移动状态，最后结合初始位置、相对位置以及相对移动状态建立即时地图，从而为后续进行符合实时路径规划移动提供数据基础；而在依据运动状态进行路径规划调整时，用到粒子滤波算法，利用粒子集来表示概率，可以用在任何形式的状态空间模型上，通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法；根据获得的运动状态状态数据的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布，最终选定一组较为准确的数据作为运动状态的数据信息，有效地减小了数据误差。
实施例2
如图2、3所示，本实施例提供一种基于不完全信息情况下的智能移动路径规划方法，与实施例1的区别在于，步骤(5)，具体包括：步骤(501)：结合相对距离数据、生命体运动状态、自身运动状态、自身实时位置数据以及终点位置数据，利用SLAM技术进行即时定位与地图构建，获得虚拟地图，本虚拟地图是随着具有自主移动功能的智能设备的移动，根据其自身状态的变化以及周围环境的变化而进行适应性变化的，作为一种实时的环境展示手段；步骤(502)：根据虚拟地图，对路径进行适应性规划，调整自身的移动方向；建立虚拟地图，一方面能够实时全局掌控周围环境的情况，另一方面能够将虚拟地图传输给其他设备，以便其他人员进行远程监控。
本实施例中，步骤(502)具体包括：步骤(5021)：以耗时参数、耗电参数、路程长度参数为未知参数，结合粒子群优化算法，得出动力方程；步骤(5022)：根据实际需求，选定耗时参数或耗电参数或路程长度参数作为主要影响参数，并得出相应的实时动力方程；步骤(5023)：结合实时动力方程与虚拟地图，确定实时路径规划方案；在实际路径规划中，并非仅仅以不与周围物体发生碰撞为路径规划依据，通常情况下，移动花费时长、移动花费电量以及移动总路程长度，也会作为实际路径规划过程中需要考量的参数，因此将耗时参数、耗电参数、路程长度参数作为未知参数，结合结合粒子群优化算法，得出动力方程，从而控制自身的移动，当选定耗时参数为主要影响参数时，在避让周围物体的前提下，优先考虑耗时最短的路径，当选定耗电参数为主要影响参数时，在避让周围物体的前提下，优先考虑耗电最少的路径，当选定路程长度参数为主要影响参数时，在避让周围物体的前提下，优先考虑路程最短的路径。
实施例3
如图4、5所示，本实施例提供一种基于不完全信息情况下的智能移动路径规划方法，与实施例1、2的区别在于，步骤(2)，具体包括：步骤(201)：获取周围环境的视频图像；步骤(202)：对视频图像进行除杂过滤处理，并进行模数转化，获得清晰化的视频图像数据；步骤(203)：根据清晰化的视频图像数据获得自身与周围物体的相对距离数据；获取的视频图像，视频图像数据为模拟信号，首先经过除杂过滤处理，获得较为清晰的视频图像数据，模拟信号在数据传输以及处理时存在一定的困难以及阻碍，因此再将除杂过滤处理后的视频图像数据进行模数转化，转化为数字信号，数字新号在传输过程中具有一定的稳定性，在进行数据处理时，误差较小，为后期计算出相对距离数据提供了准确的数据基础。
本实施例中，步骤(4)，具体包括：步骤(401)：利用超声波传感器对周围环境内的生命体进行检测，获得超声波检测波谱图；步骤(402)：对超声波检测波谱图进行除杂过滤处理，并进行模数转化，获得超声波检测数据；步骤(403)：根据超声波检测数据，获得运动状态；获取的超声波检测波谱图，超声波检测波谱图为模拟信号，首先经过除杂过滤处理，获得较为清晰的超声波检测波谱图，模拟信号在数据传输以及处理时存在一定的困难以及阻碍，因此再将除杂过滤处理后的超声波检测波谱图进行模数转化，转化为数字信号，数字新号在传输过程中具有一定的稳定性，在进行数据处理时，误差较小，为后期计算出运动状态提供了准确的数据基础。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案。
Claims (9)
1.一种基于不完全信息情况下的智能移动路径规划方法，其特征在于，该方法包括以下步骤：
步骤(1)：获取自身实时位置数据以及终点位置数据，并得出直线移动路径；
步骤(2)：获取周围环境的视频图像，并根据所述视频图像获得自身与周围物体的相对距离数据；
步骤(3)：获取周围环境的红外图像，并根据所述红外图像区分出周围环境内的生命体以及非生命体；
步骤(4)：利用超声波传感器对周围环境内的所述生命体进行检测，获得所述生命体的运动状态；
步骤(5)：结合所述相对距离数据、所述生命体运动状态、所述自身运动状态、所述自身实时位置数据以及所述终点位置数据，对路径进行适应性规划，调整自身的移动方向。
2.根据权利要求1所述的基于不完全信息情况下的智能移动路径规划方法，其特征在于，所述运动状态包括：运动方向、运动速度、运动加速度。
3.根据权利要求1所述的基于不完全信息情况下的智能移动路径规划方法，其特征在于，所述步骤(5)，包括：
步骤(501)：结合所述相对距离数据、所述生命体运动状态、所述自身运动状态、所述自身实时位置数据以及所述终点位置数据，利用SLAM技术进行即时定位与地图构建，获得虚拟地图；
步骤(502)：根据所述虚拟地图，对路径进行适应性规划，调整自身的移动方向。
4.根据权利要求3所述的基于不完全信息情况下的智能移动路径规划方法，其特征在于，所述步骤(502)包括：
步骤(5021)：以耗时参数、耗电参数、路程长度参数为未知参数，结合粒子群优化算法，得出动力方程；
步骤(5022)：根据实际需求，选定所述耗时参数或所述耗电参数或所述路程长度参数作为主要影响参数，并得出相应的实时动力方程；
步骤(5023)：结合所述实时动力方程与所述虚拟地图，确定实时路径规划方案。
5.根据权利要求1所述的基于不完全信息情况下的智能移动路径规划方法，其特征在于，利用GPS定位装置，获取所述自身实时位置数据以及所述终点位置数据。
6.根据权利要求1所述的基于不完全信息情况下的智能移动路径规划方法，其特征在于，利用全景摄像头获取所述周围环境的视频图像。
7.根据权利要求6所述的基于不完全信息情况下的智能移动路径规划方法，其特征在于，所述全景摄像头底部配设有升降杆，用于调节所述全景摄像头的拍摄高度。
8.根据权利要求1所述的基于不完全信息情况下的智能移动路径规划方法，其特征在于，所述步骤(2)，包括：
步骤(201)：获取周围环境的视频图像；
步骤(202)：对所述视频图像进行除杂过滤处理，并进行模数转化，获得清晰化的视频图像数据；
步骤(203)：根据所述清晰化的视频图像数据获得自身与周围物体的相对距离数据。
9.根据权利要求1所述的基于不完全信息情况下的智能移动路径规划方法，其特征在于，所述步骤(4)，包括：
步骤(401)：利用超声波传感器对周围环境内的所述生命体进行检测，获得超声波检测波谱图；
步骤(402)：对所述超声波检测波谱图进行除杂过滤处理，并进行模数转化，获得所述超声波检测数据；
步骤(403)：根据所述超声波检测数据，获得所述运动状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611152478.1A CN106767823A (zh) | 2016-12-14 | 2016-12-14 | 基于不完全信息情况下的智能移动路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611152478.1A CN106767823A (zh) | 2016-12-14 | 2016-12-14 | 基于不完全信息情况下的智能移动路径规划方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106767823A true CN106767823A (zh) | 2017-05-31 |
Family
ID=58887811
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611152478.1A Pending CN106767823A (zh) | 2016-12-14 | 2016-12-14 | 基于不完全信息情况下的智能移动路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106767823A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107807651A (zh) * | 2017-11-29 | 2018-03-16 | 北京康力优蓝机器人科技有限公司 | 一种移动机器人的自充电控制系统和方法 |
| WO2019128496A1 (zh) * | 2017-12-29 | 2019-07-04 | 北京三快在线科技有限公司 | 控制设备运动 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120126772A (ko) * | 2011-05-12 | 2012-11-21 | 엘지전자 주식회사 | 청소 장치, 및 복수의 로봇 청소기를 이용한 협동 청소 방법 |
| CN102923055A (zh) * | 2012-11-16 | 2013-02-13 | 浙江大学 | 基于摄像头和超声波传感器的倒车辅助系统及方法 |
| CN104267721A (zh) * | 2014-08-29 | 2015-01-07 | 陈业军 | 一种智能汽车的无人驾驶系统 |
| CN105629970A (zh) * | 2014-11-03 | 2016-06-01 | 贵州亿丰升华科技机器人有限公司 | 一种基于超声波的机器人定位避障方法 |
-
2016
- 2016-12-14 CN CN201611152478.1A patent/CN106767823A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120126772A (ko) * | 2011-05-12 | 2012-11-21 | 엘지전자 주식회사 | 청소 장치, 및 복수의 로봇 청소기를 이용한 협동 청소 방법 |
| CN102923055A (zh) * | 2012-11-16 | 2013-02-13 | 浙江大学 | 基于摄像头和超声波传感器的倒车辅助系统及方法 |
| CN104267721A (zh) * | 2014-08-29 | 2015-01-07 | 陈业军 | 一种智能汽车的无人驾驶系统 |
| CN105629970A (zh) * | 2014-11-03 | 2016-06-01 | 贵州亿丰升华科技机器人有限公司 | 一种基于超声波的机器人定位避障方法 |
Non-Patent Citations (2)
| Title |
|---|
| 柳长安等: "基于改进蚁群算法的移动机器人动态路径规划方法", 《电子学报》 * |
| 高扬等: "部分未知环境中移动机器人动态路径规划方法", 《控制与决策》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107807651A (zh) * | 2017-11-29 | 2018-03-16 | 北京康力优蓝机器人科技有限公司 | 一种移动机器人的自充电控制系统和方法 |
| WO2019128496A1 (zh) * | 2017-12-29 | 2019-07-04 | 北京三快在线科技有限公司 | 控制设备运动 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109900280B (zh) | 一种基于自主导航的畜禽信息感知机器人与地图构建方法 | |
| CN109599945A (zh) | 一种智慧电厂自主巡检机器人巡检系统及方法 | |
| CN112243698B (zh) | 一种基于多传感器融合技术的核桃自动化采摘及收集方法 | |
| CN109374069B (zh) | 畜禽养殖场即时环境信息的空间分布监测系统及监测方法 | |
| CN109725233B (zh) | 一种变电站智能巡检系统及其巡检方法 | |
| CN109571403B (zh) | 一种磁轨迹线导航智能巡检机器人及其导航方法 | |
| CN103941746A (zh) | 无人机巡检图像处理系统及方法 | |
| CN110134147A (zh) | 一种植保无人机的自主路径规划方法及装置 | |
| CN102097860A (zh) | 一种变电站安全检测的智能机器人巡检系统 | |
| CN110362090A (zh) | 一种巡检机器人控制系统 | |
| JP2018108040A (ja) | 作業機、制御装置及び制御用プログラム | |
| CN114080905B (zh) | 基于数字双胞胎的采摘方法及云采摘机器人系统 | |
| CN116755474A (zh) | 一种无人机用电力巡线方法及系统 | |
| CN106162144A (zh) | 一种用于夜视环境的视觉图像处理设备、系统和智能机器 | |
| CN111624994A (zh) | 一种基于5g通信的机器人巡检方法 | |
| CN109856643A (zh) | 基于3d激光的可移动式无感全景感知方法 | |
| CN106767823A (zh) | 基于不完全信息情况下的智能移动路径规划方法 | |
| CN110260790A (zh) | 一种基于3d视觉的冲孔角钢的检测装置及其检测方法 | |
| CN107256034B (zh) | 一种基于无人机的变配电室多点环境数据采集系统 | |
| CN109701894A (zh) | 一种图书自动分选上架的机器人系统及控制方法 | |
| CN111611978A (zh) | 基于步态识别的奶牛健康监测系统及方法 | |
| CN201975857U (zh) | 一种变电站安全检测的智能机器人巡检系统 | |
| KR20210147705A (ko) | 농산물의 ２ｄ 영상에서 수확을 위한 체적 평가 방법의 ３ｄ 변환 기술을 기반으로 작동하는 로봇에 의한 대상작물 수확 및 병충해 관리 시스템, 그 방법 | |
| CN114943858A (zh) | 数据中心巡检系统、电池异常识别方法、设备及存储介质 | |
| CN110487281A (zh) | 一种探测障碍物的智能导航系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |