CN107357293A - 移动机器人路径规划方法和系统 - Google Patents

移动机器人路径规划方法和系统 Download PDF

Info

Publication number
CN107357293A
CN107357293A CN201710643674.7A CN201710643674A CN107357293A CN 107357293 A CN107357293 A CN 107357293A CN 201710643674 A CN201710643674 A CN 201710643674A CN 107357293 A CN107357293 A CN 107357293A
Authority
CN
China
Prior art keywords
mobile robot
path
map
repulsion
east
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
Application number
CN201710643674.7A
Other languages
English (en)
Inventor
丁肇红
任志伟
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.)
Shanghai Institute of Technology
Original Assignee
Shanghai Institute of 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 Shanghai Institute of Technology filed Critical Shanghai Institute of Technology
Priority to CN201710643674.7A priority Critical patent/CN107357293A/zh
Publication of CN107357293A publication Critical patent/CN107357293A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors

Landscapes

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

Abstract

本发明提供了一种移动机器人路径规划方法和系统，包括：根据移动机器人的行进环境数据建立地图；将地图划分为多个均匀的栅格，得到初始栅格地图，确定移动机器人在初始栅格地图上的起点位置和终点位置；接收移动机器人上的传感器探测到的障碍物信号；根据障碍物信号，确定移动机器人在当前位置上所受的斥力；根据移动机器人在当前位置上所受的斥力构建障碍物区域的衰减的斥力场；根据衰减的斥力场对初始栅格地图中的每个栅格进行赋值，得到赋值后的栅格地图；并采用非遍历搜索方式生成移动机器人朝向终点位置的行进路径。本发明在规划最优的路径时完全不涉及到势场力的矢量计算，消除了人工势场法可能发生的局部最优点“死锁”的可能性。

Description

移动机器人路径规划方法和系统
技术领域
本发明涉及移动机器人技术领域，具体地，涉及移动机器人路径规划方法和系统。
背景技术
移动机器人是一类能够通过传感器感知环境和自身状态，实现在有障碍物的环境中面向目标的自主运动的系统。由于移动机器人在前往目标地点时可能要经过各种障碍物，因此需要对移动机器人的行进路径进行规划。
目前，在移动机器人的路径规划的诸多方法中包括：人工势场法和栅格地图法。但是，人工势场法的容易陷入局部极小点，从而导致移动机器人不能达到目标位置。传统的栅格地图法的基础组成部分为最小栅格刻度，以此将地图进行栅格划分。栅格地图法可以较为方便的使用递归算法求得任意两个通行栅格间的无碰撞路径，但是需要较大的资源与实践，且路径优化程度不理想。
因此，目前关于移动机器人的路径规划的方法效率低，无法从根本上避免人工势场法的局部最小点“死锁”问题。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种移动机器人路径规划方法和系统。
根据本发明提供的移动机器人路径规划方法，包括：
根据移动机器人的行进环境数据建立地图；
将所述地图划分为多个均匀的栅格，得到初始栅格地图，其中，所述初始栅格地图中的每个栅格对应于初始栅格矩阵中相应的一个可赋值的元素；
确定所述移动机器人在所述初始栅格地图上的起点位置和终点位置；
接收所述移动机器人上的传感器探测到的障碍物信号；
根据所述障碍物信号，确定所述移动机器人在当前位置上所受的斥力；
根据所述移动机器人在当前位置上所受的斥力构建障碍物区域的衰减的斥力场；
根据所述衰减的斥力场对所述初始栅格地图中的每个栅格进行赋值，得到赋值后的栅格地图；
根据所述赋值后的栅格地图，采用非遍历搜索方式生成所述移动机器人朝向终点位置的行进路径，其中，所述非遍历搜索方式是指：按照预设的搜索顺序确定移动机器人在当前位置的设定搜索半径范围内各个方向的路径上是否存在障碍物，当确定任一方向上无障碍物时，则朝向所述方向前进。
可选地，所述根据所述障碍物信号，确定所述移动机器人在当前位置上所受的斥力，包括：
根据接收到的所述障碍物信号确定障碍物与所述移动机器人之间的距离以及障碍物区域的范围。
可选地，所述根据所述移动机器人在当前位置上所受的斥力构建障碍物区域的衰减的斥力场，包括：
将障碍物区域作为斥力场的中心，通过G函数构建所述障碍物区域的衰减斥力场，其中所述G函数如下：
G是引力Gravitation的简称,函数式如下
式中：ξ是引力势场常量，和分别代表机器人和目标点的距离。
可选地，所述基于所述赋值后的栅格地图，根据非遍历搜索方式生成所述移动机器人朝向终点位置的行进路径，包括：
假设所述移动机器人的起点位置的坐标为：(Xs，Ys)，终点位置的坐标为：(Xf，Yf)；基于Sugeno模糊模型，确定非遍历搜索方式的搜索顺序如下：
在Xs＞Xf,Ys＜Yf,|Xs-Xf|＜|YS-Yf|时，按照从西到北、由北到东、由东到南的方向进行搜索；
在Xs＞Xf,Ys＞Yf,|Xs-Xf|＜|YS-Yf|时，按照从北到东、由东到南、由南到东的方向进行搜索；
在Xs＜Xf,Ys＞Yf,|Xs-Xf|＞|YS-Yf|时，按照从东到北、由北到西、由西到南的方向进行搜索；
在Xs＜Xf,Ys＞Yf,|Xs-Xf|＜|YS-Yf|时，按照从北到东、由东到南、由南到西的方向进行搜索；
在Xs＜Xf,Ys＜Yf,|Xs-Xf|＞|YS-Yf|时，按照从东到南、由南到西、由西到北的方向进行搜索；
在Xs＜Xf,Ys＜Yf,|Xs-Xf|＜|YS-Yf|时，按照从南到东、由东到北、由北到西的方向进行搜索；
在Xs＞Xf,Ys＜Yf,|Xs-Xf|＞|YS-Yf|时，按照从西到南、由南到东、由东到北的方向进行搜索；
在Xs＞Xf,Ys＜Yf,|Xs-Xf|＜|YS-Yf|时，按照从南到西、由西到东、由东到北的方向进行搜索。
可选地，所述基于所述赋值后的栅格地图，根据非遍历搜索方式生成所述移动机器人朝向终点位置的行进路径，包括：
根据终点位置确定所述移动机器人当前位置下的搜索方向的优先级顺序；
优先搜索朝向终点位置的方向上是否存在障碍物，若终点位置的方向存在障碍物，则按照剩余方向的优先级顺序进行顺次搜索。
可选地，在存在多个障碍物时，所述初始栅格地图中的每个栅格的赋值还需要叠加多个障碍物对于所述栅格的中心焦点所产生的引力和/或斥力值。
可选地，还包括：在所述移动机器人当前位置周围均存在障碍物时，进行完型合并操作，具体的：
假设搜索对角两个通行区的值时，所述对角的两个同行区为不可通行区域，则确定势场覆盖的区域是否小于预设的障碍区域合并阈值SPsquare；若势场覆盖的区域小于预设的障碍区域合并阈值SPsquare，则对障碍区域进行完形合并操作。
可选地，还包括：
检测所述移动机器人在所述赋值后的栅格地图上的路径点，其中，所述路径点为所述移动机器人移动路径所经过的栅格的中心点；
判断连续M个路径点构成的路径是否为折角路径；M为大于1的整数；
在连续M个路径点构成的路径为折角路径时，则将所述移动机器人的投影范围至折角路径上，在所述移动机器人的投影范围小于折角路径宽度时，将所示折角路径转化为直线路径。
根据本发明提供的移动机器人路径规划系统，包括：
地图生成模块，用于根据移动机器人的行进环境数据建立地图；
初始栅格地图生成模块，用于将所述地图划分为多个均匀的栅格，得到初始栅格地图，其中，所述初始栅格地图中的每个栅格对应于初始栅格矩阵中相应的一个可赋值的元素；
第一确定模块，用于确定所述移动机器人在所述初始栅格地图上的起点位置和终点位置；
接收模块，用于接收所述移动机器人上的传感器探测到的障碍物信号；
第二确定模块，用于根据所述障碍物信号，确定所述移动机器人在当前位置上所受的斥力；
斥力场构建模块，用于根据所述移动机器人在当前位置上所受的斥力构建障碍物区域的衰减的斥力场；
赋值地图生成模块，用于根据所述衰减的斥力场对所述初始栅格地图中的每个栅格进行赋值，得到赋值后的栅格地图；
路径生成模块，用于根据所述赋值后的栅格地图，采用非遍历搜索方式生成所述移动机器人朝向终点位置的行进路径，其中，所述非遍历搜索方式是指：按照预设的搜索顺序确定移动机器人在当前位置的设定搜索半径范围内各个方向的路径上是否存在障碍物，当确定任一方向上无障碍物时，则朝向所述方向前进。
与现有技术相比，本发明具有如下的有益效果：
本发明提供的移动机器人路径规划方法，通过栅格地图中每个栅格所具有的已经叠加完成的势场力值，并通过搜索算法以符合趋势引导的方式来控制进行方向朝向设定终点。由于路径规划时完全不涉及势力场的矢量计算，从根本上避免了人工市场法的局部最小点“死锁”问题。在规划最优的路径时完全不涉及到势场力的矢量计算，消除了人工势场法可能发生的局部最优点“死锁”的可能性。并且融合了Sugeno模糊模型的思想和栅格地图算法、人工势场的优点，不仅可以避免“局部最小点锁死”的问题，而且还能使得算法在计算过程中的数据运算量降低。具有一次规划的优点，在可靠性、安全性、效率上均有较大提升。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明实施例一提供的移动机器人路径规划方法的流程示意图；
图2为本发明实施例二提供的移动机器人路径规划方法的栅格地图示意图；
图3为本发明实施例三提供的移动机器人路径规划方法的栅格地图示意图；
图4为特殊障碍区域的完型处理结果示意图；
图5为未优化的路径规划结果示意图；
图6为优化的路径规划结果示意图；
图7为12个方向的引导参数示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
根据本发明提供的移动机器人路径规划方法，包括：根据移动机器人的行进环境数据建立地图；将地图划分为多个均匀的栅格，得到初始栅格地图，其中，初始栅格地图中的每个栅格对应于初始栅格矩阵中相应的一个可赋值的元素；确定移动机器人在初始栅格地图上的起点位置和终点位置；接收移动机器人上的传感器探测到的障碍物信号；根据障碍物信号，确定移动机器人在当前位置上所受的斥力；根据移动机器人在当前位置上所受的斥力构建障碍物区域的衰减的斥力场；根据衰减的斥力场对初始栅格地图中的每个栅格进行赋值，得到赋值后的栅格地图；根据赋值后的栅格地图，采用非遍历搜索方式生成移动机器人朝向终点位置的行进路径，其中，非遍历搜索方式是指：按照预设的搜索顺序确定移动机器人在当前位置的设定搜索半径范围内各个方向的路径上是否存在障碍物，当确定任一方向上无障碍物时，则朝向方向前进。
根据障碍物信号，确定移动机器人在当前位置上所受的斥力，包括：根据接收到的障碍物信号确定障碍物与移动机器人之间的距离以及障碍物区域的范围。根据移动机器人在当前位置上所受的斥力构建障碍物区域的衰减的斥力场，包括：将障碍物区域作为斥力场的中心，通过G函数构建障碍物区域的衰减斥力场，其中G函数如下：
G是引力Gravitation的简称,函数式如下
式中：ξ是引力势场常量，和分别代表机器人和目标点的距离。
基于赋值后的栅格地图，根据非遍历搜索方式生成移动机器人朝向终点位置的行进路径，包括：假设移动机器人的起点位置的坐标为：(Xs，Ys)，终点位置的坐标为：(Xf，Yf)；基于Sugeno模糊模型，确定非遍历搜索方式的搜索顺序如下：
在Xs＞Xf,Ys＜Yf,|Xs-Xf|＜|YS-Yf|时，按照从西到北、由北到东、由东到南的方向进行搜索；
在Xs＞Xf,Ys＞Yf,|Xs-Xf|＜|YS-Yf|时，按照从北到东、由东到南、由南到东的方向进行搜索；
在Xs＜Xf,Ys＞Yf,|Xs-Xf|＞|YS-Yf|时，按照从东到北、由北到西、由西到南的方向进行搜索；
在Xs＜Xf,Ys＞Yf,|Xs-Xf|＜|YS-Yf|时，按照从北到东、由东到南、由南到西的方向进行搜索；
在Xs＜Xf,Ys＜Yf,|Xs-Xf|＞|YS-Yf|时，按照从东到南、由南到西、由西到北的方向进行搜索；
在Xs＜Xf,Ys＜Yf,|Xs-Xf|＜|YS-Yf|时，按照从南到东、由东到北、由北到西的方向进行搜索；
在Xs＞Xf,Ys＜Yf,|Xs-Xf|＞|YS-Yf|时，按照从西到南、由南到东、由东到北的方向进行搜索；
在Xs＞Xf,Ys＜Yf,|Xs-Xf|＜|YS-Yf|时，按照从南到西、由西到东、由东到北的方向进行搜索。
基于赋值后的栅格地图，根据非遍历搜索方式生成移动机器人朝向终点位置的行进路径，包括：根据终点位置确定移动机器人当前位置下的搜索方向的优先级顺序；优先搜索朝向终点位置的方向上是否存在障碍物，若终点位置的方向存在障碍物，则按照剩余方向的优先级顺序进行顺次搜索。
在存在多个障碍物时，初始栅格地图中的每个栅格的赋值还需要叠加多个障碍物对于栅格的中心焦点所产生的引力和/或斥力值。
在移动机器人当前位置周围均存在障碍物时，进行完型合并操作，具体的：
假设搜索对角两个通行区的值时，对角的两个同行区为不可通行区域，则确定势场覆盖的区域是否小于预设的障碍区域合并阈值SPsquare；若势场覆盖的区域小于预设的障碍区域合并阈值SPsquare，则对障碍区域进行完形合并操作。
检测移动机器人在赋值后的栅格地图上的路径点，其中，路径点为移动机器人移动路径所经过的栅格的中心点；判断连续M个路径点构成的路径是否为折角路径；M为大于1的整数；在连续M个路径点构成的路径为折角路径时，则将移动机器人的投影范围至折角路径上，在移动机器人的投影范围小于折角路径宽度时，将所示折角路径转化为直线路径。
根据本发明提供的移动机器人路径规划系统，包括：地图生成模块，用于根据移动机器人的行进环境数据建立地图；初始栅格地图生成模块，用于将地图划分为多个均匀的栅格，得到初始栅格地图，其中，初始栅格地图中的每个栅格对应于初始栅格矩阵中相应的一个可赋值的元素；第一确定模块，用于确定移动机器人在初始栅格地图上的起点位置和终点位置；接收模块，用于接收移动机器人上的传感器探测到的障碍物信号；第二确定模块，用于根据障碍物信号，确定移动机器人在当前位置上所受的斥力；斥力场构建模块，用于根据移动机器人在当前位置上所受的斥力构建障碍物区域的衰减的斥力场；赋值地图生成模块，用于根据衰减的斥力场对初始栅格地图中的每个栅格进行赋值，得到赋值后的栅格地图；路径生成模块，用于根据赋值后的栅格地图，采用非遍历搜索方式生成移动机器人朝向终点位置的行进路径，其中，非遍历搜索方式是指：按照预设的搜索顺序确定移动机器人在当前位置的设定搜索半径范围内各个方向的路径上是否存在障碍物，当确定任一方向上无障碍物时，则朝向方向前进。
本发明所构建的栅格地图中在生成完成并计算障碍物斥力场后就不再进行势场力的矢量计算，而是通过栅格地图中每个栅格所具有的已经叠加完成的势场力值，并通过搜索符合趋势引导的方式来控制进行方向朝向设定终点。由于路径规划时完全不涉及势力场的矢量计算，从根本上避免了人工势场法的局部最小点“死锁”问题。
具体的，利用Sugeno迷糊模型分段线性化的特点，结合人工势场的思想可以使用非遍历搜索方式，搜索半径为四个栅格。
以下为方便举例，搜索半径为两个栅格。在图2中，每个小栅格Gi上(i＝1,2,...，25)代表栅格的位置，下方的数值表示按照人工势场法的思想通过G函数为障碍物规划的斥力场。在图2中，假设移动机器人当前处于点G13处，则首先将搜索其直接相邻的G12、G14、G8、G18四个方向。搜过方向根据每次路径规划时间不同设定起点与终点，根据设定起点(Xs，Ys)到终点(Xf，Yf)的坐标相对位置生成监测方向与优先级并赋予权重，Wdirectiong[i]；i＝0,1,2,3为优先权重系数。结合Sugeno模糊模型思想总结出以下八种搜索顺序：
①if:Xs＞Xf,Ys＜Yf,|Xs-Xf|＜|YS-Yf|
then:W→N→E→S
②if:Xs＞Xf,Ys＞Yf,|Xs-Xf|＜|YS-Yf|
then:N→W→S→E
③if:Xs＜Xf,Ys＞Yf,|Xs-Xf|＞|YS-Yf|
then:E→N→W→S
④if:Xs＜Xf,Ys＞Yf,|Xs-Xf|＜|YS-Yf|
then:N→E→S→W
⑤if:Xs＜Xf,Ys＜Yf,|Xs-Xf|＞|YS-Yf|
then:E→S→W→N
⑥if:Xs＜Xf,Ys＜Yf,|Xs-Xf|＜|YS-Yf|
then:S→E→N→W
⑦if:Xs＞Xf,Ys＜Yf,|Xs-Xf|＞|YS-Yf|
then:W→S→E→N
⑧if:Xs＞Xf,Ys＜Yf,|Xs-Xf|＜|YS-Yf|
then:S→W→E→N
式中：S表示南方向，W表示西方向，E表示东方向，N表示北方向，→表示方向转换。
进一步地，若假设图3的设置终点在G13点的E，S方向(东南方向)且关于终点位置的X方向上绝对距离较长，则规划算法将按照从G14、G18、G12、G8的优先级顺序依次搜索。则第一个搜索点为G14。累加以G14点为中心的7个剩余方向点(G9、G15、G19、G8、G10、G18、G20)的斥力场的和，记为SumpointN，并乘以该方向的优先权重系数Wdirectiong[0]，则该点的方向引导参数的计算公式如下：
GGuiding factou Point 13-14＝Sumpoint 13-14*Wdirectionorg[0]
式中：GGuiding factou Point 13-14表示13-14的引导参数，Sumpoint13-14表示以13点为中心的(不包括13点)7个剩余方向点的斥力势场值的和，Wdirectionorg[0]表示该点的在对应方向的优先权重系数。
同理：G18的方向引导参数为：
GGuiding factou Point 13-18＝Sumpoint13-18*Wdirectionorg[1]
式中：GGuiding factou Point 13-18表示13-18的引导参数，Sumpoint 13-18表示以13点为中心的(不包括13点)7个剩余方向点的斥力势场值的和，Wdirectionorg[1]表示该点的在对应方向的优先权重系数。
G12的方向引导参数为：
GGuiding factou Point 13-12＝Sumpoint 13-12*Wdirectionorg[2]
式中：GGuiding factou Point 13-12表示13-12的引导参数，Sumpoint13-12表示以13点为中心的(不包括13点)7个剩余方向点的斥力势场值的和，Wdirectionorg[2]表示该点的在对应方向的优先权重系数。
G8点的方向引导参数为：
GGuiding factou Point 13-8＝Sumpoint 13-8*Wdirectionorg[3]
式中：GGuiding factou Point 13-8表示13-8的引导参数，Sumpoint13-8表示以13点为中心的(不包括13点)7个剩余方向点的斥力势场值的和，Wdirectionorg[3]表示该点的在对应方向的优先权重系数。
因假定搜索半径为2，则需要对第一层点的周边方向进行搜索，如图4所示，以对G14点周边方向进行搜索为例(不含推导点G13)。
若计算13-14-9的方向引导参数为
Gguiding factor Point 13-14-9＝Sumpoint13-14-9*Wdirectionorg[3]
式中：Gguiding factor Point 13-14-9表示13-14-9的引导参数，Sumpoint13-14-9表示表示以13点为中心的(不包括13点)7个剩余方向点的斥力势场值的和，Wdirectionorg[3]表示该点的在对应方向的优先权重系数。
按此循环得到G13点周边R＝2(栅格为2的路径长度)范围内的12个方向的引导参数。如图7所示Gguiding foctor PointM-N-I简写为GM-N-I，则以M为中心12个方向引导参数包括：GM-N-I,GM-N-O、GM-N-S、GM-R-S、GM-R-W、GM-R-Q、GM-L-Q、GM-L-K、GM-L-G、GM-H-G、GM-H-C、GM-H-I。并将12个方向的引导参数存入数据链表供回溯参照，检索其中的最小值，设定第一层点为路径点，并以该路径点为新的中心点，重复上述算法，直到最终找到目标点。如果出现取值相等的情况，则选择运动平台姿势变化最小的点为下一路路径点。
当出现如图4所示情况时，由于移动机器人在红色框体中搜索时，其传感器反馈四周环境得到障碍区域，当尝试覆盖的框体区域小于设定障碍区域合并阀值SPrect时，这样应将该类障碍区域做完型合并操作。
由于路径规划的基础为栅格地图，在核心路径规划算法为人工势场的前提下，规划出的弧线路径反而成为了不断地折角，变相使得通过该路径的硬件累计误差增加。为优化此类问题，例如：将以三个、四个、五个路径点为一组的所构成的特殊折角形状模板(共四种)遍历搜索整个关键路径点队列生成前所储存的有序路径队列，将折角形状模板转化为对应的截弯取直取直模板。但直接套用模板连接对角点可能会造成移动机器人在临界行进时，其体积上有障碍物，故需要进行校验。
校验过程为通过上一次优化所得出的关键路径队列，将机器人垂直投影面积CAbsolute field投影到该路径，即生成全路径安全范围，如图6所示(注：示例中为方便说明，设CAbsolute field大小即为一个栅格，则蛇形栅格覆盖面积即为全路径安全范围)，栅格路径关键转折点的现实优化效果中发现，保留折线的部分若按照模板连接对角点其连线不在蛇形栅格覆盖的全路径安全范围内，故保留折角。
需要说明的是，本发明提供的移动机器人路径规划方法中的步骤，可以利用移动机器人路径规划系统中对应的模块、装置、单元等予以实现，本领域技术人员可以参照系统的技术方案实现方法的步骤流程，即，系统中的实施例可理解为实现方法的优选例，在此不予赘述。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (9)

1.一种移动机器人路径规划方法，其特征在于，包括：
根据移动机器人的行进环境数据建立地图；
将所述地图划分为多个均匀的栅格，得到初始栅格地图，其中，所述初始栅格地图中的每个栅格对应于初始栅格矩阵中相应的一个可赋值的元素；
确定所述移动机器人在所述初始栅格地图上的起点位置和终点位置；
接收所述移动机器人上的传感器探测到的障碍物信号；
根据所述障碍物信号，确定所述移动机器人在当前位置上所受的斥力；
根据所述移动机器人在当前位置上所受的斥力构建障碍物区域的衰减的斥力场；
根据所述衰减的斥力场对所述初始栅格地图中的每个栅格进行赋值，得到赋值后的栅格地图；
根据所述赋值后的栅格地图，采用非遍历搜索方式生成所述移动机器人朝向终点位置的行进路径，其中，所述非遍历搜索方式是指：按照预设的搜索顺序确定移动机器人在当前位置的设定搜索半径范围内各个方向的路径上是否存在障碍物，当确定任一方向上无障碍物时，则朝向所述方向前进。
2.根据权利要求1所述的移动机器人路径规划方法，其特征在于，所述根据所述障碍物信号，确定所述移动机器人在当前位置上所受的斥力，包括：
根据接收到的所述障碍物信号确定障碍物与所述移动机器人之间的距离以及障碍物区域的范围。
3.根据权利要求1所述的移动机器人路径规划方法，其特征在于，所述根据所述移动机器人在当前位置上所受的斥力构建障碍物区域的衰减的斥力场，包括：
将障碍物区域作为斥力场的中心，通过G函数构建所述障碍物区域的衰减斥力场，其中所述G函数如下：
G是引力Gravitation的简称,函数式如下
<mrow> <mover> <msub> <mi>U</mi> <mrow> <mi>a</mi> <mi>t</mi> </mrow> </msub> <mo>&amp;RightArrow;</mo> </mover> <mrow> <mo>(</mo> <mover> <mi>q</mi> <mo>&amp;RightArrow;</mo> </mover> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <mi>&amp;xi;</mi> <msup> <mrow> <mo>(</mo> <mrow> <mover> <mi>q</mi> <mo>&amp;RightArrow;</mo> </mover> <mo>,</mo> <mover> <msub> <mi>q</mi> <mrow> <mi>g</mi> <mi>o</mi> <mi>a</mi> <mi>l</mi> </mrow> </msub> <mo>&amp;RightArrow;</mo> </mover> </mrow> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow>
式中：ξ是引力势场常量，和分别代表机器人和目标点的距离。
4.根据权利要求1所述的移动机器人路径规划方法，其特征在于，所述基于所述赋值后的栅格地图，根据非遍历搜索方式生成所述移动机器人朝向终点位置的行进路径，包括：
假设所述移动机器人的起点位置的坐标为：(Xs，Ys)，终点位置的坐标为：(Xf，Yf)；基于Sugeno模糊模型，确定非遍历搜索方式的搜索顺序如下：
在Xs＞Xf,Ys＜Yf,|Xs-Xf|＜|YS-Yf|时，按照从西到北、由北到东、由东到南的方向进行搜索；
在Xs＞Xf,Ys＞Yf,|Xs-Xf|＜|YS-Yf|时，按照从北到东、由东到南、由南到东的方向进行搜索；
在Xs＜Xf,Ys＞Yf,|Xs-Xf|＞|YS-Yf|时，按照从东到北、由北到西、由西到南的方向进行搜索；
在Xs＜Xf,Ys＞Yf,|Xs-Xf|＜|YS-Yf|时，按照从北到东、由东到南、由南到西的方向进行搜索；
在Xs＜Xf,Ys＜Yf,|Xs-Xf|＞|YS-Yf|时，按照从东到南、由南到西、由西到北的方向进行搜索；
在Xs＜Xf,Ys＜Yf,|Xs-Xf|＜|YS-Yf|时，按照从南到东、由东到北、由北到西的方向进行搜索；
在Xs＞Xf,Ys＜Yf,|Xs-Xf|＞|YS-Yf|时，按照从西到南、由南到东、由东到北的方向进行搜索；
在Xs＞Xf,Ys＜Yf,|Xs-Xf|＜|YS-Yf|时，按照从南到西、由西到东、由东到北的方向进行搜索。
5.根据权利要求1所述的移动机器人路径规划方法，其特征在于，所述基于所述赋值后的栅格地图，根据非遍历搜索方式生成所述移动机器人朝向终点位置的行进路径，包括：
根据终点位置确定所述移动机器人当前位置下的搜索方向的优先级顺序；
优先搜索朝向终点位置的方向上是否存在障碍物，若终点位置的方向存在障碍物，则按照剩余方向的优先级顺序进行顺次搜索。
6.根据权利要求1-5中任意一项所述的移动机器人路径规划方法，其特征在于，在存在多个障碍物时，所述初始栅格地图中的每个栅格的赋值还需要叠加多个障碍物对于所述栅格的中心焦点所产生的引力和/或斥力值。
7.根据权利要求1-5中任意一项所述的移动机器人路径规划方法，其特征在于，还包括：在所述移动机器人当前位置周围均存在障碍物时，进行完型合并操作，具体的：
假设搜索对角两个通行区的值时，所述对角的两个同行区为不可通行区域，则确定势场覆盖的区域是否小于预设的障碍区域合并阈值SPsquare；若势场覆盖的区域小于预设的障碍区域合并阈值SPsquare，则对障碍区域进行完形合并操作。
8.根据权利要求1-5中任意一项所述的移动机器人路径规划方法，其特征在于，还包括：
检测所述移动机器人在所述赋值后的栅格地图上的路径点，其中，所述路径点为所述移动机器人移动路径所经过的栅格的中心点；
判断连续M个路径点构成的路径是否为折角路径；M为大于1的整数；
在连续M个路径点构成的路径为折角路径时，则将所述移动机器人的投影范围至折角路径上，在所述移动机器人的投影范围小于折角路径宽度时，将所示折角路径转化为直线路径。
9.一种移动机器人路径规划系统，其特征在于，包括：
地图生成模块，用于根据移动机器人的行进环境数据建立地图；
初始栅格地图生成模块，用于将所述地图划分为多个均匀的栅格，得到初始栅格地图，其中，所述初始栅格地图中的每个栅格对应于初始栅格矩阵中相应的一个可赋值的元素；
第一确定模块，用于确定所述移动机器人在所述初始栅格地图上的起点位置和终点位置；
接收模块，用于接收所述移动机器人上的传感器探测到的障碍物信号；
第二确定模块，用于根据所述障碍物信号，确定所述移动机器人在当前位置上所受的斥力；
斥力场构建模块，用于根据所述移动机器人在当前位置上所受的斥力构建障碍物区域的衰减的斥力场；
赋值地图生成模块，用于根据所述衰减的斥力场对所述初始栅格地图中的每个栅格进行赋值，得到赋值后的栅格地图；
路径生成模块，用于根据所述赋值后的栅格地图，采用非遍历搜索方式生成所述移动机器人朝向终点位置的行进路径，其中，所述非遍历搜索方式是指：按照预设的搜索顺序确定移动机器人在当前位置的设定搜索半径范围内各个方向的路径上是否存在障碍物，当确定任一方向上无障碍物时，则朝向所述方向前进。
CN201710643674.7A 2017-07-31 2017-07-31 移动机器人路径规划方法和系统 Pending CN107357293A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710643674.7A CN107357293A (zh) 2017-07-31 2017-07-31 移动机器人路径规划方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710643674.7A CN107357293A (zh) 2017-07-31 2017-07-31 移动机器人路径规划方法和系统

Publications (1)

Publication Number Publication Date
CN107357293A true CN107357293A (zh) 2017-11-17

Family

ID=60286198

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710643674.7A Pending CN107357293A (zh) 2017-07-31 2017-07-31 移动机器人路径规划方法和系统

Country Status (1)

Country Link
CN (1) CN107357293A (zh)

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549370A (zh) * 2018-03-23 2018-09-18 西安理工大学 数据采集方法及采集装置
CN108614561A (zh) * 2018-05-31 2018-10-02 重庆大学 一种适用于全向轮移动机器人的人工势场避障方法
CN108663050A (zh) * 2018-02-10 2018-10-16 浙江工业大学 一种基于模拟植物生长引导rrt算法的路径规划方法
CN108814423A (zh) * 2018-06-27 2018-11-16 杨扬 自行走吸尘器及建立栅格地图的方法
CN108958238A (zh) * 2018-06-01 2018-12-07 哈尔滨理工大学 一种基于协变代价函数的机器人点到区路径规划方法
CN109059924A (zh) * 2018-07-25 2018-12-21 齐鲁工业大学 基于a*算法的伴随机器人增量路径规划方法及系统
CN109387214A (zh) * 2018-09-05 2019-02-26 南京理工大学 一种基于虚拟墙的机器人路径规划算法
CN109459026A (zh) * 2018-11-08 2019-03-12 北京理工大学 一种多运动体协同全覆盖路径规划方法
CN109528090A (zh) * 2018-11-24 2019-03-29 珠海市微半导体有限公司 一种机器人的区域遍历方法和芯片以及清洁机器人
CN109947100A (zh) * 2019-03-12 2019-06-28 深圳优地科技有限公司 路径规划方法、系统及终端设备
WO2019141224A1 (zh) * 2018-01-19 2019-07-25 库卡机器人(广东)有限公司 多移动机器人的冲突管理方法及系统
CN110361009A (zh) * 2019-07-12 2019-10-22 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
CN110363695A (zh) * 2019-07-01 2019-10-22 深圳勇艺达机器人有限公司 一种基于机器人的人群队列控制方法及装置
CN110645991A (zh) * 2019-10-30 2020-01-03 深圳市银星智能科技股份有限公司 一种基于节点调节的路径规划方法、装置及服务器
CN110727271A (zh) * 2019-10-30 2020-01-24 北京科技大学 一种机器人运动基元确定方法及装置
CN110879592A (zh) * 2019-11-08 2020-03-13 南京航空航天大学 一种基于逃逸力模糊控制的人工势场路径规划方法
CN110968658A (zh) * 2019-11-28 2020-04-07 安徽云森物联网科技有限公司 一种用于跳点搜索最短路径算法的矢量地图预处理方法
CN111399507A (zh) * 2020-03-19 2020-07-10 小狗电器互联网科技（北京）股份有限公司 确定栅格地图中边界线的方法、划分栅格地图的方法
CN111538335A (zh) * 2020-05-15 2020-08-14 深圳国信泰富科技有限公司 一种驾驶机器人的防碰撞方法
CN111857160A (zh) * 2020-08-17 2020-10-30 武汉中海庭数据技术有限公司 一种无人车路径规划方法和装置
CN111897328A (zh) * 2020-07-17 2020-11-06 武汉理工大学 一种基于改进人工势场法的路径规划方法、装置及设备
CN112254727A (zh) * 2020-09-23 2021-01-22 锐捷网络股份有限公司 基于teb的路径规划方法及装置
CN112540609A (zh) * 2020-07-30 2021-03-23 深圳优地科技有限公司 路径规划方法、装置、终端设备及存储介质
CN112955842A (zh) * 2019-10-10 2021-06-11 华为技术有限公司 移动装置的控制方法及其计算机程序
CN112965471A (zh) * 2021-02-10 2021-06-15 大连理工大学 一种考虑角速度约束和改进斥力场的人工势场路径规划方法
WO2022016941A1 (zh) * 2020-07-20 2022-01-27 华为技术有限公司 行驶装置的避障路径的规划方法和装置
CN114397889A (zh) * 2021-12-22 2022-04-26 深圳市银星智能科技股份有限公司 基于单元分解的全覆盖路径规划方法及相关设备
CN114442628A (zh) * 2022-01-24 2022-05-06 南京工程学院 基于人工势场法的移动机器人路径规划方法、装置及系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005032196A (ja) * 2003-07-11 2005-02-03 Japan Science & Technology Agency 移動ロボット用経路計画システム
DE102008050206A1 (de) * 2008-10-01 2010-05-27 Micro-Star International Co., Ltd., Jung-Ho City Routenplanungsverfahren und Navigationsverfahren für eine mobile Robotervorrichtung
US8185239B2 (en) * 2008-11-13 2012-05-22 MSI Computer (Shenzhen) Co, Ltd. Moving route planning method and navigation method for avoiding dynamic hindrances for mobile robot device
CN103092204A (zh) * 2013-01-18 2013-05-08 浙江大学 一种混合的机器人动态路径规划方法
JP5347108B2 (ja) * 2008-09-29 2013-11-20 恩斯邁電子（深▲シン▼）有限公司 自走式機器装置の走行ルート計画方法
CN103439972A (zh) * 2013-08-06 2013-12-11 重庆邮电大学 一种动态复杂环境下的移动机器人路径规划方法
JP5614202B2 (ja) * 2010-09-24 2014-10-29 トヨタ自動車株式会社 ロボット
CN105511457A (zh) * 2014-09-25 2016-04-20 科沃斯机器人有限公司 机器人静态路径规划方法
CN105629974A (zh) * 2016-02-04 2016-06-01 重庆大学 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
CN105867365A (zh) * 2016-03-11 2016-08-17 中国矿业大学(北京) 基于改进人工势场法的路径规划导航系统及方法
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

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005032196A (ja) * 2003-07-11 2005-02-03 Japan Science & Technology Agency 移動ロボット用経路計画システム
JP5347108B2 (ja) * 2008-09-29 2013-11-20 恩斯邁電子（深▲シン▼）有限公司 自走式機器装置の走行ルート計画方法
DE102008050206A1 (de) * 2008-10-01 2010-05-27 Micro-Star International Co., Ltd., Jung-Ho City Routenplanungsverfahren und Navigationsverfahren für eine mobile Robotervorrichtung
US8185239B2 (en) * 2008-11-13 2012-05-22 MSI Computer (Shenzhen) Co, Ltd. Moving route planning method and navigation method for avoiding dynamic hindrances for mobile robot device
JP5614202B2 (ja) * 2010-09-24 2014-10-29 トヨタ自動車株式会社 ロボット
CN103092204A (zh) * 2013-01-18 2013-05-08 浙江大学 一种混合的机器人动态路径规划方法
CN103439972A (zh) * 2013-08-06 2013-12-11 重庆邮电大学 一种动态复杂环境下的移动机器人路径规划方法
CN105511457A (zh) * 2014-09-25 2016-04-20 科沃斯机器人有限公司 机器人静态路径规划方法
CN105629974A (zh) * 2016-02-04 2016-06-01 重庆大学 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
CN105867365A (zh) * 2016-03-11 2016-08-17 中国矿业大学(北京) 基于改进人工势场法的路径规划导航系统及方法
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

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
GENQUN CUI: "Fuzzy Controller for Path Planning Research of Mobile Robot", 《2011 INTERNATIONAL CONFERENCE ON SYSTEM SCIENCE, ENGINEERING DESIGN AND MANUFACTURING INFORMATIZATION》 *
HE BING: "A route planning method based on improved artificial potential field algorithm", 《2011 IEEE 3RD INTERNATIONAL CONFERENCE ON COMMUNICATION SOFTWARE AND NETWORKS》 *
XITONG WANG: "A Path Planning Algorithm of Raster Maps Based on Artificial Potential Field", 《2015 CHINESE AUTOMATION CONGRESS》 *
欧阳鑫玉: "基于势场栅格法的移动机器人避障路径计划", 《控制工程》 *

Cited By (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019141224A1 (zh) * 2018-01-19 2019-07-25 库卡机器人(广东)有限公司 多移动机器人的冲突管理方法及系统
CN108663050A (zh) * 2018-02-10 2018-10-16 浙江工业大学 一种基于模拟植物生长引导rrt算法的路径规划方法
CN108549370A (zh) * 2018-03-23 2018-09-18 西安理工大学 数据采集方法及采集装置
CN108614561A (zh) * 2018-05-31 2018-10-02 重庆大学 一种适用于全向轮移动机器人的人工势场避障方法
CN108958238B (zh) * 2018-06-01 2021-05-07 哈尔滨理工大学 一种基于协变代价函数的机器人点到区路径规划方法
CN108958238A (zh) * 2018-06-01 2018-12-07 哈尔滨理工大学 一种基于协变代价函数的机器人点到区路径规划方法
CN108814423A (zh) * 2018-06-27 2018-11-16 杨扬 自行走吸尘器及建立栅格地图的方法
CN109059924A (zh) * 2018-07-25 2018-12-21 齐鲁工业大学 基于a*算法的伴随机器人增量路径规划方法及系统
CN109059924B (zh) * 2018-07-25 2020-07-03 齐鲁工业大学 基于a*算法的伴随机器人增量路径规划方法及系统
CN109387214A (zh) * 2018-09-05 2019-02-26 南京理工大学 一种基于虚拟墙的机器人路径规划算法
CN109459026A (zh) * 2018-11-08 2019-03-12 北京理工大学 一种多运动体协同全覆盖路径规划方法
CN109459026B (zh) * 2018-11-08 2021-01-01 北京理工大学 一种多运动体协同全覆盖路径规划方法
CN109528090A (zh) * 2018-11-24 2019-03-29 珠海市微半导体有限公司 一种机器人的区域遍历方法和芯片以及清洁机器人
CN109947100B (zh) * 2019-03-12 2022-05-24 深圳优地科技有限公司 路径规划方法、系统及终端设备
CN109947100A (zh) * 2019-03-12 2019-06-28 深圳优地科技有限公司 路径规划方法、系统及终端设备
CN110363695A (zh) * 2019-07-01 2019-10-22 深圳勇艺达机器人有限公司 一种基于机器人的人群队列控制方法及装置
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
CN110361009A (zh) * 2019-07-12 2019-10-22 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
CN112955842A (zh) * 2019-10-10 2021-06-11 华为技术有限公司 移动装置的控制方法及其计算机程序
CN110727271A (zh) * 2019-10-30 2020-01-24 北京科技大学 一种机器人运动基元确定方法及装置
CN110645991A (zh) * 2019-10-30 2020-01-03 深圳市银星智能科技股份有限公司 一种基于节点调节的路径规划方法、装置及服务器
CN110879592B (zh) * 2019-11-08 2020-11-20 南京航空航天大学 一种基于逃逸力模糊控制的人工势场路径规划方法
CN110879592A (zh) * 2019-11-08 2020-03-13 南京航空航天大学 一种基于逃逸力模糊控制的人工势场路径规划方法
CN110968658A (zh) * 2019-11-28 2020-04-07 安徽云森物联网科技有限公司 一种用于跳点搜索最短路径算法的矢量地图预处理方法
CN110968658B (zh) * 2019-11-28 2022-12-16 安徽云森物联网科技有限公司 一种用于跳点搜索最短路径算法的矢量地图预处理方法
CN111399507B (zh) * 2020-03-19 2024-04-02 小狗电器互联网科技（北京）股份有限公司 确定栅格地图中边界线的方法、划分栅格地图的方法
CN111399507A (zh) * 2020-03-19 2020-07-10 小狗电器互联网科技（北京）股份有限公司 确定栅格地图中边界线的方法、划分栅格地图的方法
CN111538335A (zh) * 2020-05-15 2020-08-14 深圳国信泰富科技有限公司 一种驾驶机器人的防碰撞方法
CN111897328B (zh) * 2020-07-17 2022-02-15 武汉理工大学 一种基于改进人工势场法的路径规划方法、装置及设备
CN111897328A (zh) * 2020-07-17 2020-11-06 武汉理工大学 一种基于改进人工势场法的路径规划方法、装置及设备
WO2022016941A1 (zh) * 2020-07-20 2022-01-27 华为技术有限公司 行驶装置的避障路径的规划方法和装置
CN112540609A (zh) * 2020-07-30 2021-03-23 深圳优地科技有限公司 路径规划方法、装置、终端设备及存储介质
CN111857160A (zh) * 2020-08-17 2020-10-30 武汉中海庭数据技术有限公司 一种无人车路径规划方法和装置
CN112254727B (zh) * 2020-09-23 2022-10-14 锐捷网络股份有限公司 基于teb的路径规划方法及装置
CN112254727A (zh) * 2020-09-23 2021-01-22 锐捷网络股份有限公司 基于teb的路径规划方法及装置
CN112965471B (zh) * 2021-02-10 2022-02-18 大连理工大学 一种考虑角速度约束和改进斥力场的人工势场路径规划方法
CN112965471A (zh) * 2021-02-10 2021-06-15 大连理工大学 一种考虑角速度约束和改进斥力场的人工势场路径规划方法
CN114397889A (zh) * 2021-12-22 2022-04-26 深圳市银星智能科技股份有限公司 基于单元分解的全覆盖路径规划方法及相关设备
CN114397889B (zh) * 2021-12-22 2024-03-26 深圳银星智能集团股份有限公司 基于单元分解的全覆盖路径规划方法及相关设备
CN114442628A (zh) * 2022-01-24 2022-05-06 南京工程学院 基于人工势场法的移动机器人路径规划方法、装置及系统
CN114442628B (zh) * 2022-01-24 2023-12-01 南京工程学院 基于人工势场法的移动机器人路径规划方法、装置及系统

Similar Documents

Publication Publication Date Title
CN107357293A (zh) 移动机器人路径规划方法和系统
Fu et al. An improved A* algorithm for the industrial robot path planning with high success rate and short length
Oh et al. Complete coverage navigation of cleaning robots using triangular-cell-based map
CN106125764B (zh) 基于a*搜索的无人机路径动态规划方法
AlBahnassi et al. Near real-time motion planning and simulation of cranes in construction: Framework and system architecture
CN107214701A (zh) 一种基于运动基元库的带电作业机械臂自主避障路径规划方法
CN104238560B (zh) 一种非线性路径规划方法及系统
Konolige et al. Navigation in hybrid metric-topological maps
CN104155974B (zh) 一种用于机器人快速避碰的路径规划方法及设备
JP2677600B2 (ja) ３次元空間に無衝突経路を定める方法
CN107672585A (zh) 一种自动泊车路径规划方法及系统
CN112033404B (zh) 一种无人清扫车多连通区域全覆盖清扫路径规划方法
CN110531760A (zh) 基于曲线拟合和目标点邻域规划的边界探索自主建图方法
CN109443364A (zh) 基于a*算法的路径规划方法
CN107505939A (zh) 一种移动机器人的全覆盖路径规划方法
CN106647754A (zh) 一种果园履带机器人路径规划方法
CN109041210B (zh) 一种无线传感器网络定位方法
An et al. Re-optimization strategy for truck crane lift-path planning
CN112486183B (zh) 一种室内移动机器人的路径规划算法
CN108256218A (zh) 一种基于实测腰线数据的地下连通巷道精细建模方法
CN114527748A (zh) 路径规划方法、施工方法及装置、机器人、存储介质
CN115454062A (zh) 一种基于贝兹曲线的机器人动态路径规划方法及系统
Yang et al. A roadmap construction algorithm for mobile robot path planning using skeleton maps
CN104793492B (zh) 一种基于熵和灰关联度的室内环境特征提取方法
CN105243233A (zh) 一种复杂山区铁路线站协同优化方法

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

Application publication date: 20171117

RJ01 Rejection of invention patent application after publication