CN107065885B - 一种机器人变栅格地图路径规划优化方法和系统 - Google Patents

一种机器人变栅格地图路径规划优化方法和系统 Download PDF

Info

Publication number
CN107065885B
CN107065885B CN201710361200.3A CN201710361200A CN107065885B CN 107065885 B CN107065885 B CN 107065885B CN 201710361200 A CN201710361200 A CN 201710361200A CN 107065885 B CN107065885 B CN 107065885B
Authority
CN
China
Prior art keywords
real
time
robot
distance
obstacle
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
CN201710361200.3A
Other languages
English (en)
Other versions
CN107065885A (zh
Inventor
彭刚
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201710361200.3A priority Critical patent/CN107065885B/zh
Publication of CN107065885A publication Critical patent/CN107065885A/zh
Application granted granted Critical
Publication of CN107065885B publication Critical patent/CN107065885B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device

Abstract

本发明公开了一种机器人变栅格地图路径规划优化方法和系统，其中方法的实现包括：利用原始栅格地图，规划机器人初始位置到目标点的全局路径；当机器人在全局路径行进时获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离，然后利用实时障碍距离和实时目标距离中的最小值得到实时栅格尺寸；利用实时栅格尺寸更新原始栅格地图，得到实时栅格地图，机器人在实时栅格地图中前进，直至到达目标点。本发明机器人在实时栅格地图中前进，提高了机器人的移动速度，缩短了路径距离，能够准确的到达目标点。

Description

一种机器人变栅格地图路径规划优化方法和系统
技术领域
本发明属于路径规划领域，更具体地，涉及一种机器人变栅格地图路径规划优化方法和系统。
背景技术
近年来，移动机器人在社会各行各业得到快速应用，从餐厅服务机器人到银行大堂迎宾机器人，从工厂物料搬运自主导航小车到变电站智能巡检机器人，这些机器人都属于移动机器人的范畴，离不开移动机器人的路径规划问题。
在移动机器人进行路径规划的过程中，满足路径规划准确性的同时现在也越来越注重高效率、低成本。传统的根据栅格地图搜索路径的方法已经能有效地解决移动机器人路径规划准确性的要求，但是当地图较大时，就要付出巨大的空间去存储地图，而且在移动机器人运动时，规划好路径后都是通过搜索一个一个栅格前进的，栅格的数量也会影响其路径搜索速度，进而影响路径规划效率。
针对上述情况，在保证移动以其人路径规划准确性的同时提升机器人路径规划效率和减少算法运行成本成为一个重要突破点。
由此可见，现有技术存在路径规划效率不高，地图占用存储空间过大、机器人移动速度慢等技术问题。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种机器人变栅格地图路径规划优化方法和系统，其目的在于利用实时栅格尺寸更新原始栅格地图，得到实时栅格地图，机器人在实时栅格地图中前进，由此解决现有技术存在路径规划效率不高，地图占用存储空间过大、机器人移动速度慢等技术问题。
为实现上述目的，按照本发明的一个方面，提供了一种机器人变栅格地图路径规划优化方法，包括：
(1)利用原始栅格地图，规划机器人初始位置到目标点的全局路径；
(2)当机器人在全局路径行进时获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离，然后利用实时障碍距离和实时目标距离中的最小值得到实时栅格尺寸；
(3)利用实时栅格尺寸更新原始栅格地图，得到实时栅格地图，机器人在实时栅格地图中前进，直至到达目标点。
进一步的，步骤(2)包括：
(2-1)当机器人在全局路径行进时获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离；
(2-2)实时栅格尺寸为n，取n＝d/k，d是实时障碍距离和实时目标距离中的最小值，k是一个比例参数。
进一步的，比例参数k的最小值为d0/R，最大值为d0/a，R为机器人外接圆的直径，d0为机器人初始障碍距离和初始目标距离中的最小值，a为原始栅格地图最小栅格尺寸。
按照本发明的另一方面，提供了一种机器人变栅格地图路径规划优化系统，包括：
规划全局路径模块，用于利用原始栅格地图，规划机器人初始位置到目标点的全局路径；
获取实时栅格尺寸模块，用于机器人在全局路径行进中，获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离，然后利用实时障碍距离和实时目标距离中的最小值得到实时栅格尺寸；
更新栅格地图模块，用于利用实时栅格尺寸更新原始栅格地图，得到实时栅格地图，机器人在实时栅格地图中前进，直至到达目标点。
进一步的，获取实时栅格尺寸模块包括：
获取距离子模块，用于机器人在全局路径行进中，获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离；
选取实时栅格尺寸子模块，用于选取实时栅格尺寸，实时栅格尺寸为n，取n＝d/k，d是实时障碍距离和实时目标距离中的最小值，k是一个比例参数。
进一步的，比例参数k的最小值为d0/R，最大值为d0/a，R为机器人外接圆的直径，d0为机器人初始障碍距离和初始目标距离中的最小值，a为原始栅格地图最小栅格尺寸。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
(1)本发明改善了传统栅格法在移动机器人路径规划过程中搜索栅格速度始终一致的弊端，使得搜索效率可以得到大幅提升；同时利用栅格合并得到的实时栅格尺寸，能有效减少地图的存储空间；同时机器人移动时需要搜索的栅格数目也在减少，提高了机器人的移动速度。
(2)本发明方法规划的路径距离更短，能够准确的到达目标点，解决了现有技术下移动机器人路径规划存在的路径规划效率不高，地图占用存储空间过大、机器人移动速度慢等技术问题。
(3)本发明搜索栅格地图向着目标点前进，实时更新机器人与目标点和障碍物之间的距离，通过距离更新栅格尺寸，达到当移动机器人距离障碍物或目标点远时，进行栅格合并，使栅格尺寸变大；当移动机器人遇到障碍物或距离目标点近时，把合并过的栅格进行细分直至恢复到原始栅格大小的目的。
(4)本发明通过实时栅格尺寸更新原始栅格地图，以此来改变栅格搜索速度，进而调节机器人的移动速度，使其更加适应环境情况，达到全局综合速度最优，提高移动效率。
附图说明
图1是本发明实施例提供的一种机器人变栅格地图路径规划优化方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，一种机器人变栅格地图路径规划优化方法，包括：
(1)利用原始栅格地图，规划机器人初始位置到目标点的全局路径；
(2)当机器人在全局路径行进时获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离，然后利用实时障碍距离和实时目标距离中的最小值得到实时栅格尺寸；
(3)利用实时栅格尺寸更新原始栅格地图，得到实时栅格地图，机器人在实时栅格地图中前进，直至到达目标点。
进一步的，步骤(2)包括：
(2-1)当机器人在全局路径行进时获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离；
(2-2)实时栅格尺寸为n，取n＝d/k，d是实时障碍距离和实时目标距离中的最小值，k是一个比例参数。
进一步的，比例参数k的最小值为d0/R，最大值为d0/a，R为机器人外接圆的直径，d0为机器人初始障碍距离和初始目标距离中的最小值，a为原始栅格地图最小栅格尺寸。
实施例1
一种机器人变栅格地图路径规划优化方法，包括：
(1)利用原始栅格地图，根据机器人初始位置、目标点和障碍物规划机器人初始位置到目标点的全局路径；
(2)当机器人在全局路径行进时获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离，然后利用实时障碍距离和实时目标距离中的最小值得到实时栅格尺寸；
(3)利用实时栅格尺寸更新原始栅格地图，得到实时栅格地图，机器人在实时栅格地图中前进，直至到达目标点。
进一步的，步骤(2)包括：
(2-1)当机器人在全局路径行进时获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离；
(2-2)实时栅格尺寸为n，取n＝d/k，d是实时障碍距离和实时目标距离中的最小值，k是一个比例参数。
进一步的，比例参数k的最小值为d0/R，最大值为d0/a，R为机器人外接圆的直径，d0为机器人初始障碍距离和初始目标距离中的最小值，a为原始栅格地图最小栅格尺寸。
优选的，设实时栅格尺寸为n，机器人与距离最近的障碍物之间的实时障碍距离为d1＝200cm，与目标点之间的实时目标距离为d2＝500cm，d＝min(d1，d2)＝200cm，取n＝d/k，k是一个比例参数。机器人外接圆的直径为R＝50cm，由于n≤R，则k的最小值为d0/R＝200/50＝4；原始栅格地图最小栅格尺寸为a＝2cm，则k的最大值为d0/a＝200/2＝100，因此，k在区间[d0/R，d0/a]＝[200/50，200/2]＝[4，100]之间调节，d0＝200cm为初始的d值，选定一个k＝10值后，实时栅格尺寸为n＝d/k＝200/10＝20cm。
实施例2
一种机器人变栅格地图路径规划优化方法，包括：
(1)利用原始栅格地图，根据机器人初始位置、目标点和障碍物规划机器人初始位置到目标点的全局路径；
(2)当机器人在全局路径行进时获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离，然后利用实时障碍距离和实时目标距离中的最小值得到实时栅格尺寸；
(3)利用实时栅格尺寸更新原始栅格地图，得到实时栅格地图，机器人在实时栅格地图中前进，直至到达目标点。
进一步的，步骤(2)包括：
(2-1)当机器人在全局路径行进时获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离；
(2-2)实时栅格尺寸为n，取n＝d/k，d是实时障碍距离和实时目标距离中的最小值，k是一个比例参数。
进一步的，比例参数k的最小值为d0/R，最大值为d0/a，R为机器人外接圆的直径，d0为机器人初始障碍距离和初始目标距离中的最小值，a为原始栅格地图最小栅格尺寸。
优选的，设实时栅格尺寸为n，机器人与距离最近的障碍物之间的实时障碍距离为d1＝200cm，与目标点之间的实时目标距离为d2＝500cm，d＝min(d1，d2)＝200cm，取n＝d/k，k是一个比例参数。机器人外接圆的直径为R＝50cm，由于n≤R，则k的最小值为d0/R＝200/50＝4；原始栅格地图最小栅格尺寸为a＝2cm，则k的最大值为d0/a＝200/2＝100，因此，k在区间[d0/R，d0/a]＝[200/50，200/2]＝[4，100]之间调节，d0＝200cm为初始的d值，选定k的初值为：k＝d/n＝200/(0.5*R)＝200/25＝8cm，实时栅格尺寸为n＝d/k＝200/8＝25cm。
实施例3
一种机器人变栅格地图路径规划优化方法，包括：
(1)利用原始栅格地图，根据机器人初始位置、目标点和障碍物规划机器人初始位置到目标点的全局路径；
(2)当机器人在全局路径行进时获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离，然后利用实时障碍距离和实时目标距离中的最小值得到实时栅格尺寸；
(3)利用实时栅格尺寸更新原始栅格地图，得到实时栅格地图，机器人在实时栅格地图中前进，直至到达目标点。
进一步的，步骤(2)包括：
(2-1)当机器人在全局路径行进时获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离；
(2-2)实时栅格尺寸为n，取n＝d/k，d是实时障碍距离和实时目标距离中的最小值，k是一个比例参数。
进一步的，比例参数k的最小值为d0/R，最大值为d0/a，R为机器人外接圆的直径，d0为机器人初始障碍距离和初始目标距离中的最小值，a为原始栅格地图最小栅格尺寸。
优选的，设实时栅格尺寸为n，机器人与距离最近的障碍物之间的实时障碍距离为d1＝200cm，与目标点之间的实时目标距离为d2＝500cm，d＝min(d1，d2)＝200cm，取n＝d/k，k是一个比例参数。机器人外接圆的直径为R＝50cm，由于n≤R，则k的最小值为d0/R＝200/50＝4；原始栅格地图最小栅格尺寸为a＝2cm，则k的最大值为d0/a＝200/2＝100，因此，k在区间[d0/R，d0/a]＝[200/50，200/2]＝[4，100]之间调节，d0＝200cm为初始的d值，选定一个k＝4值后，实时栅格尺寸为n＝d/k＝200/4＝50cm。
实施例4
一种机器人变栅格地图路径规划优化方法，包括：
(1)利用原始栅格地图，根据机器人初始位置、目标点和障碍物规划机器人初始位置到目标点的全局路径；
(2)当机器人在全局路径行进时获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离，然后利用实时障碍距离和实时目标距离中的最小值得到实时栅格尺寸；
(3)利用实时栅格尺寸更新原始栅格地图，得到实时栅格地图，机器人在实时栅格地图中前进，直至到达目标点。
进一步的，步骤(2)包括：
(2-1)当机器人在全局路径行进时获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离；
(2-2)实时栅格尺寸为n，取n＝d/k，d是实时障碍距离和实时目标距离中的最小值，k是一个比例参数。
进一步的，比例参数k的最小值为d0/R，最大值为d0/a，R为机器人外接圆的直径，d0为机器人初始障碍距离和初始目标距离中的最小值，a为原始栅格地图最小栅格尺寸。
优选的，设实时栅格尺寸为n，机器人与距离最近的障碍物之间的实时障碍距离为d1＝200cm，与目标点之间的实时目标距离为d2＝500cm，d＝min(d1，d2)＝200cm，取n＝d/k，k是一个比例参数。机器人外接圆的直径为R＝50cm，由于n≤R，则k的最小值为d0/R＝200/50＝4；原始栅格地图最小栅格尺寸为a＝2cm，则k的最大值为d0/a＝200/2＝100，因此，k在区间[d0/R，d0/a]＝[200/50，200/2]＝[4，100]之间调节，d0＝200cm为初始的d值，选定一个k＝100值后，实时栅格尺寸为n＝d/k＝200/100＝2cm。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种机器人变栅格地图路径规划优化方法，其特征在于，包括：
(1)利用原始栅格地图，规划机器人初始位置到目标点的全局路径；
(2)当机器人在全局路径行进时获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离，然后利用实时障碍距离和实时目标距离中的最小值得到实时栅格尺寸；
(3)利用实时栅格尺寸更新原始栅格地图，得到实时栅格地图，机器人在实时栅格地图中前进，直至到达目标点；
所述步骤(2)包括：
(2-1)当机器人在全局路径行进时获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离；
(2-2)实时栅格尺寸为n，取n＝d/k，d是实时障碍距离和实时目标距离中的最小值，k是一个比例参数；
所述比例参数k的最小值为d0/R，最大值为d0/a，R为机器人外接圆的直径，d0为机器人初始障碍距离和初始目标距离中的最小值，a为原始栅格地图最小栅格尺寸。
2.一种机器人变栅格地图路径规划优化系统，其特征在于，包括：
规划全局路径模块，用于利用原始栅格地图，规划机器人初始位置到目标点的全局路径；
获取实时栅格尺寸模块，用于机器人在全局路径行进中，获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离，然后利用实时障碍距离和实时目标距离中的最小值得到实时栅格尺寸；
更新栅格地图模块，用于利用实时栅格尺寸更新原始栅格地图，得到实时栅格地图，机器人在实时栅格地图中前进，直至到达目标点；
所述获取实时栅格尺寸模块包括：
获取距离子模块，用于机器人在全局路径行进中，获取机器人与障碍物之间的实时障碍距离，以及机器人与目标点之间的实时目标距离；
选取实时栅格尺寸子模块，用于选取实时栅格尺寸，实时栅格尺寸为n，取n＝d/k，d是实时障碍距离和实时目标距离中的最小值，k是一个比例参数；
所述比例参数k的最小值为d0/R，最大值为d0/a，R为机器人外接圆的直径，d0为机器人初始障碍距离和初始目标距离中的最小值，a为原始栅格地图最小栅格尺寸。
CN201710361200.3A 2017-05-19 2017-05-19 一种机器人变栅格地图路径规划优化方法和系统 Active CN107065885B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710361200.3A CN107065885B (zh) 2017-05-19 2017-05-19 一种机器人变栅格地图路径规划优化方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710361200.3A CN107065885B (zh) 2017-05-19 2017-05-19 一种机器人变栅格地图路径规划优化方法和系统

Publications (2)

Publication Number Publication Date
CN107065885A CN107065885A (zh) 2017-08-18
CN107065885B true CN107065885B (zh) 2017-11-28

Family

ID=59610112

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710361200.3A Active CN107065885B (zh) 2017-05-19 2017-05-19 一种机器人变栅格地图路径规划优化方法和系统

Country Status (1)

Country Link
CN (1) CN107065885B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108508913B (zh) * 2018-03-29 2021-03-02 中国海洋大学 基于数据驱动的自主式水下航行器海底路径规划方法
CN108638062B (zh) * 2018-05-09 2021-08-13 科沃斯商用机器人有限公司 机器人定位方法、装置、定位设备及存储介质
CN108955696B (zh) * 2018-09-30 2020-07-03 江苏美的清洁电器股份有限公司 扫地机及其路径规划方法和装置
CN109557919B (zh) * 2018-12-17 2020-08-14 盐城工学院 一种融合人工路标信息的可变宽栅格地图构建方法
CN110501907B (zh) * 2019-08-29 2020-10-20 上海有个机器人有限公司 用于机器人导航的自适应动态地图网格生成方法
CN111289002A (zh) * 2019-09-24 2020-06-16 陈水弟 一种机器人路径规划方法及系统
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
CN111964682B (zh) * 2020-08-10 2022-03-08 北京轩宇空间科技有限公司 适应未知动态空间的快速路径规划方法、装置及存储介质
CN111737395B (zh) * 2020-08-19 2020-12-22 浙江欣奕华智能科技有限公司 一种占据栅格地图生成方法、装置及机器人系统
CN113467483B (zh) * 2021-08-23 2022-07-26 中国人民解放军国防科技大学 动态环境中基于时空栅格地图的局部路径规划方法及装置
CN114137970A (zh) * 2021-11-25 2022-03-04 杭州摸象大数据科技有限公司 一种用于机器人线路自动巡检方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101900570A (zh) * 2009-02-18 2010-12-01 三星电子株式会社 产生和使用栅格地图路径的设备和方法
KR101427186B1 (ko) * 2013-06-12 2014-08-07 건국대학교 산학협력단 미지환경에서 지능형 로봇의 이동경로 생성을 위한 영역탐색 및 매핑 장치
CN104808671A (zh) * 2015-05-19 2015-07-29 东南大学 一种家居环境下的机器人路径规划方法
CN105652874A (zh) * 2016-03-21 2016-06-08 北京联合大学 一种基于广义波前算法的移动机器人实时避障方法
CN105911988A (zh) * 2016-04-26 2016-08-31 湖南拓视觉信息技术有限公司 一种自动制图装置及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101900570A (zh) * 2009-02-18 2010-12-01 三星电子株式会社 产生和使用栅格地图路径的设备和方法
KR101427186B1 (ko) * 2013-06-12 2014-08-07 건국대학교 산학협력단 미지환경에서 지능형 로봇의 이동경로 생성을 위한 영역탐색 및 매핑 장치
CN104808671A (zh) * 2015-05-19 2015-07-29 东南大学 一种家居环境下的机器人路径规划方法
CN105652874A (zh) * 2016-03-21 2016-06-08 北京联合大学 一种基于广义波前算法的移动机器人实时避障方法
CN105911988A (zh) * 2016-04-26 2016-08-31 湖南拓视觉信息技术有限公司 一种自动制图装置及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种基于环境栅格地图的多机器人路径规划方法;陈晓娥;《机械科学与技术》;20091031;第28卷(第10期);第1336页第1栏-第1338页第2栏 *
基于栅格法的机器人路径规划;王娟娟 等;《农业装备与车辆工程》;20090410(第4期);第15页第1栏第3行-第17页第1栏第6行 *

Also Published As

Publication number Publication date
CN107065885A (zh) 2017-08-18

Similar Documents

Publication Publication Date Title
CN107065885B (zh) 一种机器人变栅格地图路径规划优化方法和系统
KR102235827B1 (ko) 격자 지도를 생성하는 방법 및 장치
CN109993780A (zh) 一种三维高精度地图生成方法及装置
US20200011675A1 (en) Method, device and apparatus for acquiring map, and computer readable storage medium
CN106643719B (zh) 一种智能割草车的路径规划算法
CN106382943B (zh) 移动装置以及用于向其发射数据的方法和系统
WO2020108207A1 (zh) 一种高精度地图的构建方法及装置
CN107974945B (zh) 基于变截面刚构桥连续梁悬臂浇筑施工的bim建模方法
CN111324848B (zh) 移动激光雷达测量系统车载轨迹数据优化方法
CN105786822B (zh) 电子地图中查询空间对象和建立空间索引的方法及装置
CN106225791A (zh) 一种基于网格划分的gps定位与道路匹配方法
CN113821029B (zh) 一种路径规划方法、装置、设备及存储介质
CN109990787B (zh) 一种机器人在复杂场景中规避动态障碍物的方法
CN109685237B (zh) 一种基于Dubins路径和分支限界的无人机航迹实时规划方法
EP3605261A1 (en) Virtual track design system for moving device and method for achieving same
CN110276972A (zh) 一种基于车联网的目标物感知方法及系统
CN114509065B (zh) 地图构建方法、系统、车辆终端、服务器端及存储介质
CN112148003A (zh) 一种基于机器人的路径优化方法、系统及电子设备
CN103632044A (zh) 基于地理信息系统的摄像头拓扑构建方法及装置
CN107504978A (zh) 一种导航方法及系统
CN109857134A (zh) 基于A*/minimum_snap算法的无人机轨迹控制系统和方法
CN109523781A (zh) 一种基于卫星定位的路口预测方法
KR101304567B1 (ko) 도로망 기반의 빈번 차량 궤적 클러스터링 시스템 및 방법
CN103177300A (zh) 输电线路杆塔定位方法
CN105352506A (zh) 室内的路网规划方法及装置

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