CN106840169B - 用于机器人路径规划的改进方法 - Google Patents

用于机器人路径规划的改进方法 Download PDF

Info

Publication number
CN106840169B
CN106840169B CN201710183617.5A CN201710183617A CN106840169B CN 106840169 B CN106840169 B CN 106840169B CN 201710183617 A CN201710183617 A CN 201710183617A CN 106840169 B CN106840169 B CN 106840169B
Authority
CN
China
Prior art keywords
point
paths
planning
obstacle
distance
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
Application number
CN201710183617.5A
Other languages
English (en)
Other versions
CN106840169A (zh
Inventor
尚泽普
赵旦谱
台宪青
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.)
Jiangsu IoT Research and Development Center
Original Assignee
Jiangsu IoT Research and Development Center
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 Jiangsu IoT Research and Development Center filed Critical Jiangsu IoT Research and Development Center
Priority to CN201710183617.5A priority Critical patent/CN106840169B/zh
Publication of CN106840169A publication Critical patent/CN106840169A/zh
Application granted granted Critical
Publication of CN106840169B publication Critical patent/CN106840169B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)
  • Numerical Control (AREA)

Abstract

本发明提供一种用于机器人路径规划的改进方法，包括：步骤一，双向路径规划：分别按照从起始点向目标点和从目标点向起始点的两种方向利用A*算法进行路径规划，保留这两组规划的路径；步骤二，设置并移动关键点：寻找两组规划的路径的交汇点、两组路径上距离障碍物各自最近的点中距离障碍物最远的点，考察该点距离障碍物的距离，若满足大于等于设定距离阈值这个标准，即为关键点；若不满足大于等于设定距离阈值这个标准，则将该点沿规划的路径移动至一个位置点，该位置点距离障碍物的距离刚好等于设定距离阈值，该位置点作为关键点；步骤三，分段规划路径。

Description

用于机器人路径规划的改进方法
技术领域
本发明涉及一种机器人路径规划方法，尤其是一种针对A*算法改进后的路径规划方法。
背景技术
随着机器人技术的发展，机器人的应用越来越多，而移动机器人因其能够更灵活地参与到人类生活和工作的空间，受到广泛关注。
机器人在空间中自由地移动，也就是机器人自主导航，其实现需要机器人能够以其所在空间的地图为基础，根据给定的起始点和目标点，规划出可行且合理的路径。
因此机器人路径规划方法，就成了实现机器人自主导航的重要保障。目前机器人路径规划采用的方法是A*算法，它采用启发式搜索的方式，在栅格化的地图数据基础上由起始点向目标点搜索。
而目前A*算法所规划的路径在某些情况下仍存在问题。在规划路径时，A*算法通常会贴近地图中已有的妨碍机器人行进的障碍物，以达到算法中启发函数的要求，但这样通常会使得机器人在实际行走时偏向于靠近障碍物而行，因此机器人就需要在避障中耗费大量的时间、计算资源和能量。
发明内容
本发明的目的在于克服现有技术中存在的不足，提供一种用于机器人路径规划的改进方法，通过设置和移动关键点达到改善路径走向的目的。本发明的重点是找到合适的关键点。本发明采用的技术方案是：
一种用于机器人路径规划的改进方法，包括：
步骤一，双向路径规划：
分别按照从起始点向目标点和从目标点向起始点的两种方向利用A*算法进行路径规划，保留这两组规划的路径；
步骤二，设置并移动关键点：
寻找两组规划的路径的交汇点、两组路径上距离障碍物各自最近的点中距离障碍物最远的点，考察该点距离障碍物的距离，若满足大于等于设定距离阈值这个标准，即为关键点；若不满足大于等于设定距离阈值这个标准，则将该点沿规划的路径移动至一个位置点，该位置点距离障碍物的距离刚好等于设定距离阈值，该位置点作为关键点；
步骤三，分段规划路径：
从关键点向起始点和目标点分别规划路径，并分别从起始点和目标点向关键点规划路径；对于各分段上的两条路径重复步骤二和步骤三直到关键点不变或者位置变化幅度小于要求值；
经过以上步骤，可以得到分段的优化后的路径，在各分段中选取距离障碍物较远的路径，组合所得分段路径。
进一步地，步骤二中，若需要移动的该点为交汇点，则沿两组规划的路径中任一路径移动。
进一步地，设定距离阈值为1米。
本发明的优点在于：
1）优化了机器人规划的路径。
2）能够在实际应用中更流畅更合理更高效地完成机器人导航任务。
3）间接地节省了机器人运行的能耗。
附图说明
图1为本发明的路径规划示意图。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
本发明的重点是找到并移动合适的关键点到合适的位置，其实现分为三个步骤：第一步进行双向路径规划；第二步设置并移动关键点；第三步分段规划路径；
步骤一，双向路径规划：
分别按照从起始点向目标点和从目标点向起始点的两种方向利用A*算法进行路径规划，保留这两组规划的路径；
两组规划的路径如图1中所示，起始点->点C->目标点（下简称路径一），目标点->点C-起始点（下简称路径二）；点C为两组规划的路径的交汇点；
步骤二，设置并移动关键点：
寻找两组规划的路径的交汇点、两组路径上距离障碍物各自最近的点中距离障碍物最远的点，考察该点距离障碍物的距离，若满足大于等于设定距离阈值这个标准，即为关键点；若不满足大于等于设定距离阈值这个标准，则将该点沿规划的路径移动至一个位置点，该位置点距离障碍物的距离刚好等于设定距离阈值，该位置点作为关键点；（若需要移动的该点为交汇点，则可沿两组规划的路径中任一路径移动）；
图1中，对于交汇点C、路径一上距离障碍物X最近的点为A、路径二上距离障碍物最近的点为B，点C为此三点中距离障碍物X最远的点；考察点C距离障碍物X的距离，若大于等于1米，则直接将点C作为关键点；如果点C距离障碍物X的距离只有0.7米，那么在路径一或路径二上移动点C至一个新的位置点，该位置点距离障碍物的距离为1米，该点C移动后的位置点作为关键点；
步骤三，分段规划路径：
从关键点向起始点和目标点分别规划路径，并分别从起始点和目标点向关键点规划路径；对于各分段上的两条路径重复步骤二和步骤三直到关键点不变或者位置变化幅度小于要求值（比如0.4米）；
经过以上步骤，可以得到分段的优化后的路径，在各分段中选取距离障碍物较远的路径，组合所得分段路径，即可得到本发明所寻求的更合理的路径。

Claims (3)

1.一种用于机器人路径规划的改进方法，其特征在于，包括：
步骤一，双向路径规划：
分别按照从起始点向目标点和从目标点向起始点的两种方向利用A*算法进行路径规划，保留这两组规划的路径；
步骤二，设置并移动关键点：
寻找两组规划的路径的交汇点与两组路径上距离障碍物各自最近的点中距离障碍物最远的点，考察该点距离障碍物的距离，若满足大于等于设定距离阈值这个标准，即为关键点；若不满足大于等于设定距离阈值这个标准，则将该点沿规划的路径移动至一个位置点，该位置点距离障碍物的距离刚好等于设定距离阈值，该位置点作为关键点；
步骤三，分段规划路径：
从关键点向起始点和目标点分别规划路径，并分别从起始点和目标点向关键点规划路径；对于各分段上的两条路径重复步骤二和步骤三直到关键点不变或者位置变化幅度小于要求值；
经过以上步骤，可以得到分段的优化后的路径，在各分段中选取距离障碍物较远的路径，组合所得分段路径。
2.如权利要求1所述的用于机器人路径规划的改进方法，其特征在于，
步骤二中，若需要移动的该点为交汇点，则沿两组规划的路径中任一路径移动。
3.如权利要求1所述的用于机器人路径规划的改进方法，其特征在于，
设定距离阈值为1米。
CN201710183617.5A 2017-03-24 2017-03-24 用于机器人路径规划的改进方法 Active CN106840169B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710183617.5A CN106840169B (zh) 2017-03-24 2017-03-24 用于机器人路径规划的改进方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710183617.5A CN106840169B (zh) 2017-03-24 2017-03-24 用于机器人路径规划的改进方法

Publications (2)

Publication Number Publication Date
CN106840169A CN106840169A (zh) 2017-06-13
CN106840169B true CN106840169B (zh) 2020-03-31

Family

ID=59131065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710183617.5A Active CN106840169B (zh) 2017-03-24 2017-03-24 用于机器人路径规划的改进方法

Country Status (1)

Country Link
CN (1) CN106840169B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109634284B (zh) * 2019-01-15 2021-07-23 安徽工程大学 基于嵌套三分算法的机器人执行端避障的路径规划方法
CN110361009B (zh) * 2019-07-12 2020-09-22 深圳市银星智能科技股份有限公司 一种路径规划方法、路径规划系统以及移动机器人
CN114593731A (zh) * 2020-12-07 2022-06-07 山东新松工业软件研究院股份有限公司 一种机器人寻找路径的规化优化的方法及其系统
CN113503884B (zh) * 2021-04-13 2023-09-15 上海擎朗智能科技有限公司 路径规划方法、装置、设备和存储介质
CN113319859B (zh) * 2021-05-31 2022-06-28 上海节卡机器人科技有限公司 一种机器人示教方法、系统、装置及电子设备
CN113534818B (zh) * 2021-08-24 2023-09-26 珠海格力电器股份有限公司 路径导航规划方法、装置、存储介质及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102359784A (zh) * 2011-08-01 2012-02-22 东北大学 一种室内移动机器人自主导航避障系统及方法
CN104390648A (zh) * 2014-12-22 2015-03-04 中国矿业大学 一种基于人工势场的煤矿救灾机器人路径规划方法
CN104457775A (zh) * 2014-12-12 2015-03-25 北京航天宏图信息技术有限责任公司 路径确定方法、装置和导航仪

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102015315B1 (ko) * 2012-10-09 2019-10-21 삼성전자주식회사 청소 로봇 및 그 제어 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102359784A (zh) * 2011-08-01 2012-02-22 东北大学 一种室内移动机器人自主导航避障系统及方法
CN104457775A (zh) * 2014-12-12 2015-03-25 北京航天宏图信息技术有限责任公司 路径确定方法、装置和导航仪
CN104390648A (zh) * 2014-12-22 2015-03-04 中国矿业大学 一种基于人工势场的煤矿救灾机器人路径规划方法

Also Published As

Publication number Publication date
CN106840169A (zh) 2017-06-13

Similar Documents

Publication Publication Date Title
CN106840169B (zh) 用于机器人路径规划的改进方法
CN109059924B (zh) 基于a*算法的伴随机器人增量路径规划方法及系统
CN109557912B (zh) 一种自动驾驶特种作业车辆的决策规划方法
CN109976350B (zh) 多机器人调度方法、装置、服务器及计算机可读存储介质
AU2010237608B2 (en) Drill hole planning
CN110398967B (zh) 一种采用离散化方法的多机器人协同轨迹信息处理方法
CN112229419B (zh) 一种动态路径规划导航方法及系统
CN105116902A (zh) 一种移动机器人避障导航的方法和系统
CN106371445A (zh) 一种基于拓扑地图的无人车规划控制方法
CN110543190B (zh) 智能目标搜索中无人设备的路径规划方法
CN111024092A (zh) 一种多约束条件下智能飞行器航迹快速规划方法
EP3967980B1 (en) Route processing method and apparatus
CN109916421B (zh) 路径规划方法及装置
Janchiv et al. Complete coverage path planning for multi-robots based on
CN112947594B (zh) 一种面向无人机的航迹规划方法
Kala et al. Planning of multiple autonomous vehicles using RRT
CN109839112B (zh) 地下作业设备定位方法、装置、系统及存储介质
Kumar et al. Robot path pursuit using probabilistic roadmap
Zhu et al. Global dynamic path planning based on fusion of a* algorithm and dynamic window approach
Zhang et al. Hybrid A-based Curvature Continuous Path Planning in Complex Dynamic Environments
CN110362070A (zh) 路径跟随方法、系统、电子设备和存储介质
Gu et al. Path planning for mobile robot in a 2.5‐dimensional grid‐based map
CN115390551A (zh) 一种机器人路径规划方法、装置、电子设备及存储介质
Zhou et al. SLAM algorithm and navigation for indoor mobile robot based on ROS
Zhu et al. Online state-time trajectory planning using timed-esdf in highly dynamic environments

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