CN107807644A - 一种农用机械最低油耗运动路径规划方法 - Google Patents
一种农用机械最低油耗运动路径规划方法 Download PDFInfo
- Publication number
- CN107807644A CN107807644A CN201711036800.9A CN201711036800A CN107807644A CN 107807644 A CN107807644 A CN 107807644A CN 201711036800 A CN201711036800 A CN 201711036800A CN 107807644 A CN107807644 A CN 107807644A
- Authority
- CN
- China
- Prior art keywords
- polygon
- agricultural machine
- convex
- agricultural machinery
- agricultural
- 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 25
- 238000010586 diagram Methods 0.000 claims abstract description 8
- 230000033001 locomotion Effects 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 description 12
- 238000000354 decomposition reaction Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction 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, 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Guiding Agricultural Machines (AREA)
Abstract
本发明的农用机械最低油耗运动路径规划方法,涉及农业机械自动化领域的数据处理方法,实施时先获取地块多边形图;再判断地块多边形图特征:若为非凸多边形,进一步划分为最少数量的凸多边形;如为凸多边形,不动作;其次在凸边形内确定在农机平行直线往返作业时,转弯数最少的农机作业主轴方向;进一步确定对应转弯数的转弯路径及生成对应轨迹图。本发明从最少转弯数方面实现了最低油耗获得了最优路径,不仅仅考虑油耗因素,并且实现了农机全覆盖行驶,不再是只解决一条从起始点到目标点的直线的最低油耗路径。
Description
技术领域
本发明涉及计算机技术,尤其涉及一种数据处理方法,属于农业机械自动化领域。
背景技术
近年来不论是高度工业化的发达国家还是处在经济迅速增长期的发展中国家,对能源的需求量都在与日俱增。随着我国农业机械化的发展,农机行业在不断的成熟与完善,农机的种类,数量逐渐增多,对柴油等能源的消耗量也随之升高。但现有的石油资源已跟不上人类科技发展的消耗速度,同时石油资源也属于不可再生资源,随着国家对节约能源,降低消耗的农机需求的增加,低油耗的农机是大势所趋。
现有的低油耗农机主要是从农机结构、农机的维修保养等方面减少油耗,对于农机运行时的路径规划方面并没有太多涉及。现有的与降低油耗相关的方案:一是改变车辆内部零件的结构,二是在已知目标点和起始点及相关路径的条件下应用算法求出一条最低油耗路径。但农机需要全覆盖行走,所以现有方案无法使用。
有关研究表明,在全覆盖的前提下,区域面积一定,移动机器人沿主轴方向运行时,转向次数越少,能量消耗越少。此结论同样可应用于农机低油耗运动规划。
在公开号为CN 102167038 A、专利名称为农田地块全区覆盖最优路径生成方法及装置中提出农机作业时在整个农田环境范围内搜索最优作业方向角θ,生成农机的全覆盖最优作业路径,但是此方案只能适用于简单的农田环境,对复杂的农田目标环境则无计可施。
发明内容
本发明在背景技术中提到的移动机器人研究结论的基础上,结合农机特性,主要解决的是现有技术方案中未能从农机运动路径规划方面考虑降低油耗的问题,以及在面临复杂农田作业环境时,从而提出一种在规划农机运动路径时既要全覆盖又要油耗最低的解决方法。
本发明提供的农用机械最低油耗运动路径规划方法,包括:
获取地块多边形图;
判断地块多边形图特征:若为非凸多边形,进一步划分为最少数量的凸多边形;如为凸多边形,不动作;
在凸边形内确定在农机平行直线往返作业时,转弯数最少的农机作业主轴方向;
进一步确定对应转弯数的转弯路径并生成轨迹图。
为更好的实施本发明创造,地块多边形图依据其所有顶点及边界拟合出。
为更好的实施本发明创造,如果是非凸多边形,通过凹边点的延长线或凹边点的平行线将非凸多边形划分为最少数量的凸多边形。
为更好的实施本发明创造,确定农机作业主轴方向时,采用如下公式:
α角为农机作业主轴方向与地头边界的夹角、
θ为农机作业主轴作业方向角度、
为多边形地块第i条边的角度、
Li为多边形地块第i条边的长度、
W为农机作业宽度。
为更好的实施本发明创造,初始化θ=0,然后θ=θ+1,直到θ=180,求出对应的凸多边形地块总转弯数目,并与前一个输出的值比较,输出较小值,即为对应的凸多边形地块最小转弯数目及其对应的θ角,并以这个角为最佳农机作业主轴方向。
为更好的实施本发明创造,农机运动模拟方程为
x,y为农机后轮中心点的坐标,θ为农机横摆角,α为农机转向角,v为农机速度,l为农机轴距。
进一步的,以农机转向角为控制量u,则农机横摆角为控制量z,农机后轮坐标x,y的状态方程为
。
进一步的,设初始时间t0=0,终端时间为tf,
初始时间的状态量为z(t0)=0,x(t0)=0,y(t0)=0,
终端时间的状态量为z(tf)=π,x(tf)=0,y(tf)=d
约束条件为|u|≤αm,x≥0,d为作业宽度,农机向左拐;
式中,γ1,γ2,H(x(t))为罚函数,其中
评价函数为当J<10-3时为最优。
本发明先将复杂的目标作业地块环境进行凹变形分解成若干小的凸边形,在凸边形内通过算法寻求从0~180转弯数最少的最佳方向角;然后采用最优控制理论求出最佳转弯路径,达到最低油耗要求的运动路径。
附图说明
图1为本发明实施例示意地块拟合示意图;
图2为本发明实施例凹边形分割实例示意图;
图3为本发明实施例求解最优转弯路径时农机车辆模型图;
图4为本发明实施例目标地块凹边形分割分解流程图;
图5为本发明实施例确定农机在作业区域内作业主轴方向及最优路径的流程图。
具体实施方式
由于拖拉机类农业机械(以下也简称农机)作业存在最小转弯半径,所以采用平行直线往返作业,可以减少作业区域的重叠和遗漏。直线作业时速度与作业宽度几乎不变,而转弯包括减速、停止等,自然比直线行驶成本高,另外转弯路径、转弯数目多少对油耗有很大影响;因此要减少转弯数目才能减小油耗。
结合图1,实施本农用机械最低油耗运动路径规划方法,首先将示意作业地块用航拍器拍测,通过数字图像的边缘检测拟合出作业地块所有顶点、边界及障碍物做出其2D图,为一个多边形和里面含有障碍物的多边形组成。需说明的是,本实施例不涉及作业区域内障碍物处理,可将本实施例示意地块理想化为无障碍物。
实施本农用机械最低油耗运动路径规划方法,其次根据目标地块多边形图特征进行分解:若为非凸多边形,进一步划分为最少数量的凸多边形;如为凸多边形,不动作。
结合图2、图5,若为目标地复杂多边形图,需要进一步分解。采用邻近凹点平分线的多边形顶点快速凸分算法,凹多边形凸分的本质是消除凹点,因此部分线应从凹点引出,一个凹点经一次剖分后形成两个新的多边形,判断新的多边形的凹凸性,若是凸边形则停止分解,若是凹边形则继续分解,直至所有多边形都为凸边形。
在多边形中,内角不大于180°的称为凸点,内角大于180°的称为凹点;可采用矢量叉积的方法判断多边形顶点凹凸性,乘积为正为凸点,为负为凹点。
1)找凹点,运用矢量乘积法找凹点,然后做角平分线MN:Ax+By+C=0
2)找凹点的可视点。可视点即除凹点及其前后相邻的顶点外的多边形顶点,且凹点与可视点连接成线段与多边形相交,除此凹点和该可视点外没有其他交点。利用线段与多边形求交点个数法来找可视点,当凹点和当前顶点组成的线段与多边形相交,交点只有两点时,当前多边形顶点即为凹点可视点。
3)计算距离,找到可视点后,求可视点到角平分线垂直距离d1,将该视点和垂直距离记录到储存单元R中。
4)继续找可视点,计算距离。一个凹点的可视点可能不止一个,需找出凹点在多边形中所有的可视点直至所有可视点搜索完毕。
5)剖分凹多边形。经遍历寻找可视点和计算距离后,R中所记录的所有可视点p到角平分线MN的距离最近点,所对应的可视点与凹点连线,将图形一分为二,如上图D距离角平分线MN最近,选择可视点D和凹点A连线进行剖分如上图。
6)剖分后凹凸性判别。判断剖分后两个新的多边形的凹凸性,如果都是凹边形则停止剖分,若还存在凹多边形,进行下一步。
7)递归循环,重复上述步骤,直至全部多边形都为凸多边形为止。
可以清晰的看出凹多边形剖分为多个小的凸多边形后,将复杂的情况简单化,为后序的路径规划提供极大的便利。
实施本农用机械最低油耗运动路径规划方法,在一个凸多边形内进一步确定农机在区域内作业主轴方向。
结合图4,根据流程图中的公式,
α角为农机作业主轴方向与地头边界的夹角、
θ为农机作业主轴作业方向角度
为多边形地块第i条边的角度,
Li为多边形地块第i条边的长度,
W为拖拉机作业宽度。
首先初始化θ=0,求出对应的多边形总转弯数目,然后θ=θ+1,再求出多边形总转弯数目,直到θ=180,每次输出的总转弯数目与前一个输出的值比较,输出较小值,则确定多边形最小转弯数目及其对应的θ角,并以这个角为最佳作业方向即农机在区域内作业主轴方向。
在转弯数目确定的前提下,转弯路径的规划对油耗有很大影响;因此本发明方法需采用最优控制理论求出最佳转弯路径:
如图3,将拖拉机模拟为一个两轮的车辆模型:
图中,车辆运动方程为
x,y为拖拉机后轮中心点的坐标,θ为拖拉机横摆角,α为拖拉机转向角,v为拖拉机速度,l为拖拉机轴距。
以转向角为控制量u,则横摆角为控制量z,后轮坐标x,y的状态方程为
设初始时间t0=0,终端时间为tf,
初始时间的状态量为z(t0)=0,x(t0)=0,y(t0)=0,
终端时间的状态量为z(tf)=π,
x(tf)=0,y(tf)=d约束条件为|u|≤αm,x≥0,
d为作业宽度,小车向左拐。
式中,γ1,γ2,H(x(t))为罚函数,其中
评价函数为当J<10-3时为最优。
由于状态函数为非线性函数,所以采用不断改变tf,并利用二次变分法求解。
综上,本发明通过将复杂的目标环境使用凹边形分解法分解成若干小凸边形,在凸边形内通过算法确定农机行驶方向,以及使农机得到最少转弯的路径,进而规划出转弯的最优路径,从而达到最小油耗的目的。从最少转弯数方面实现了最低油耗获得了最优路径,不仅仅考虑油耗因素,并且实现了农机全覆盖行驶,不再是只解决一条从起始点到目标点的直线的最低油耗路径。
最后需说明的是,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种农用机械最低油耗运动路径规划方法,其特征是:包括:
获取地块多边形图;
判断地块多边形图特征:若为非凸多边形,进一步划分为最少数量的凸多边形;如为凸多边形,不动作;
在凸边形内确定在农机平行直线往返作业时,转弯数最少的农机作业主轴方向;
进一步确定对应转弯数的转弯路径并生成轨迹图。
2.根据权利要求1所述的农用机械最低油耗运动路径规划方法,其特征是:所述地块多边形图依据其所有顶点及边界拟合出。
3.根据权利要求1所述的农用机械最低油耗运动路径规划方法,其特征是:如果是非凸多边形,通过凹边点的延长线或凹边点的平行线将非凸多边形划分为最少数量的凸多边形。
4.根据权利要求1所述的农用机械最低油耗运动路径规划方法,其特征是:确定农机作业主轴方向时,采用如下公式:
α角为农机作业主轴方向与地头边界的夹角、
θ为农机作业主轴作业方向角度、
为多边形地块第i条边的角度、
Li为多边形地块第i条边的长度、
W为农机作业宽度。
5.根据权利要求4所述的农用机械最低油耗运动路径规划方法,其特征是:确定转弯数最少的农机作业主轴方向时,初始化θ=0,然后θ=θ+1,直到θ=180,求出对应的凸多边形地块总转弯数目,并与前一个输出的值比较,输出较小值为对应的凸多边形地块最小转弯数目及其对应的θ角,所述θ角为最佳农机作业主轴方向。
6.根据权利要求1所述的农用机械最低油耗运动路径规划方法,其特征是:进一步确定对应转弯数的转弯路径时,设农机运动模拟方程为
<mrow>
<mfrac>
<mrow>
<mi>d</mi>
<mi>&theta;</mi>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>=</mo>
<mfrac>
<mi>v</mi>
<mi>l</mi>
</mfrac>
<mi>tan</mi>
<mi>&alpha;</mi>
</mrow>
<mrow>
<mfrac>
<mrow>
<mi>d</mi>
<mi>x</mi>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>=</mo>
<mi>v</mi>
<mi>cos</mi>
<mi>&theta;</mi>
</mrow>
<mrow>
<mfrac>
<mrow>
<mi>d</mi>
<mi>y</mi>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>=</mo>
<mi>v</mi>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mi>&theta;</mi>
</mrow>
x,y为农机后轮中心点的坐标,θ为农机横摆角,α为农机转向角,v为农机速度,l为农机轴距。
7.根据权利要求6所述的农用机械最低油耗运动路径规划方法,其特征是:以农机转向角为控制量u,则农机横摆角为控制量z,农机后轮坐标x,y的状态方程为
<mrow>
<mfrac>
<mrow>
<mi>d</mi>
<mi>z</mi>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>=</mo>
<mfrac>
<mi>v</mi>
<mi>l</mi>
</mfrac>
<mi>tan</mi>
<mi>u</mi>
</mrow>
<mrow>
<mfrac>
<mrow>
<mi>d</mi>
<mi>x</mi>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>=</mo>
<mi>v</mi>
<mi>cos</mi>
<mi>z</mi>
</mrow>
<mrow>
<mfrac>
<mrow>
<mi>d</mi>
<mi>y</mi>
</mrow>
<mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>=</mo>
<mi>v</mi>
<mi>sin</mi>
<mi>z</mi>
<mo>.</mo>
</mrow>
。
8.根据权利要求7所述的农用机械最低油耗运动路径规划方法,其特征是:设初始时间t0=0,终端时间为tf,
初始时间的状态量为z(t0)=0,x(t0)=0,y(t0)=0,
终端时间的状态量为z(tf)=π,x(tf)=0,y(tf)=d
约束条件为|u|≤αm,x≥0,d为作业宽度,农机向左拐;
式中,γ1,γ2,H(x(t))为罚函数,其中
评价函数为当J<10-3时为最优。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711036800.9A CN107807644A (zh) | 2017-10-30 | 2017-10-30 | 一种农用机械最低油耗运动路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711036800.9A CN107807644A (zh) | 2017-10-30 | 2017-10-30 | 一种农用机械最低油耗运动路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107807644A true CN107807644A (zh) | 2018-03-16 |
Family
ID=61582540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711036800.9A Pending CN107807644A (zh) | 2017-10-30 | 2017-10-30 | 一种农用机械最低油耗运动路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107807644A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108759828A (zh) * | 2018-03-23 | 2018-11-06 | 江苏大学 | 一种无人驾驶插秧机路径规划方法 |
CN108955695A (zh) * | 2018-08-22 | 2018-12-07 | 洛阳中科龙网创新科技有限公司 | 一种用于农田机器人的全局路径规划方法 |
CN109238298A (zh) * | 2018-09-26 | 2019-01-18 | 上海联适导航技术有限公司 | 一种无人驾驶带避障的路径规划方法 |
CN109634276A (zh) * | 2018-12-13 | 2019-04-16 | 中联重科股份有限公司 | 农用车辆无人驾驶控制方法、系统及该农用车辆 |
CN111562787A (zh) * | 2020-05-28 | 2020-08-21 | 长沙中联重科环境产业有限公司 | 机器人全覆盖路径规划区域划分方法、装置、介质及设备 |
CN112015176A (zh) * | 2020-08-14 | 2020-12-01 | 合肥工业大学 | 一种无人驾驶拖拉机田间作业路径规划方法和装置 |
CN113190017A (zh) * | 2021-05-24 | 2021-07-30 | 东南大学 | 基于改进蚁群算法的收获机器人作业路径规划方法 |
CN113671973A (zh) * | 2021-07-09 | 2021-11-19 | 东北大学 | 目标区域的搜索方法及装置、电子设备、存储介质 |
CN113848880A (zh) * | 2021-08-30 | 2021-12-28 | 中车大连电力牵引研发中心有限公司 | 一种基于改进Q-learning的农机路径优化方法 |
CN113934204A (zh) * | 2020-07-13 | 2022-01-14 | 科沃斯商用机器人有限公司 | 路径规划方法、自主行进设备及清洁机器人 |
CN113934218A (zh) * | 2021-11-16 | 2022-01-14 | 杭州云象商用机器有限公司 | 一种清扫机器人路径规划方法、装置、设备及存储介质 |
CN113932818A (zh) * | 2020-12-30 | 2022-01-14 | 浙江德源智能科技股份有限公司 | 机器人行走路线规划方法、程序及存储介质 |
CN114323047A (zh) * | 2021-12-31 | 2022-04-12 | 北京工业大学 | 一种基于多边形分解的全覆盖路径规划算法 |
EP4194988A1 (en) * | 2021-12-12 | 2023-06-14 | Caterpillar Inc. | System and method for generating work plan for autonomous operation of a compactor |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101866181A (zh) * | 2009-04-16 | 2010-10-20 | 中国农业大学 | 农用机械的导航方法、导航装置和农用机械 |
CN102167038A (zh) * | 2010-12-03 | 2011-08-31 | 北京农业信息技术研究中心 | 农田地块全区域覆盖最优作业路径生成方法及装置 |
CN102980581A (zh) * | 2012-12-07 | 2013-03-20 | 北京中海新图科技有限公司 | 基于不规则海岛的无人机覆盖航迹规划方法 |
CN103611646A (zh) * | 2013-12-09 | 2014-03-05 | 江苏科技大学 | 喷涂机器人空间路径规划方法 |
CN103699135A (zh) * | 2014-01-03 | 2014-04-02 | 中南大学 | 无人直升机农药喷洒农田作业区域的航迹自动规划方法 |
CN106679673A (zh) * | 2017-01-18 | 2017-05-17 | 北京艾森博航空科技股份有限公司 | 应用于无人机植保的航线规划方法及系统 |
-
2017
- 2017-10-30 CN CN201711036800.9A patent/CN107807644A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101866181A (zh) * | 2009-04-16 | 2010-10-20 | 中国农业大学 | 农用机械的导航方法、导航装置和农用机械 |
CN102167038A (zh) * | 2010-12-03 | 2011-08-31 | 北京农业信息技术研究中心 | 农田地块全区域覆盖最优作业路径生成方法及装置 |
CN102980581A (zh) * | 2012-12-07 | 2013-03-20 | 北京中海新图科技有限公司 | 基于不规则海岛的无人机覆盖航迹规划方法 |
CN103611646A (zh) * | 2013-12-09 | 2014-03-05 | 江苏科技大学 | 喷涂机器人空间路径规划方法 |
CN103699135A (zh) * | 2014-01-03 | 2014-04-02 | 中南大学 | 无人直升机农药喷洒农田作业区域的航迹自动规划方法 |
CN106679673A (zh) * | 2017-01-18 | 2017-05-17 | 北京艾森博航空科技股份有限公司 | 应用于无人机植保的航线规划方法及系统 |
Non-Patent Citations (2)
Title |
---|
何立恒等: "临近凹点角平分线的多边形顶点快速凸分算法研究及应用", 《南京林业大学学报(自然科学版)》 * |
程琳等: "基于Mapx组件的凹多边形快速分解算法的实现", 《农机化研究》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108759828A (zh) * | 2018-03-23 | 2018-11-06 | 江苏大学 | 一种无人驾驶插秧机路径规划方法 |
CN108955695A (zh) * | 2018-08-22 | 2018-12-07 | 洛阳中科龙网创新科技有限公司 | 一种用于农田机器人的全局路径规划方法 |
CN109238298A (zh) * | 2018-09-26 | 2019-01-18 | 上海联适导航技术有限公司 | 一种无人驾驶带避障的路径规划方法 |
CN109634276A (zh) * | 2018-12-13 | 2019-04-16 | 中联重科股份有限公司 | 农用车辆无人驾驶控制方法、系统及该农用车辆 |
CN109634276B (zh) * | 2018-12-13 | 2021-05-25 | 中联重科股份有限公司 | 农用车辆无人驾驶控制方法、系统及该农用车辆 |
CN111562787A (zh) * | 2020-05-28 | 2020-08-21 | 长沙中联重科环境产业有限公司 | 机器人全覆盖路径规划区域划分方法、装置、介质及设备 |
CN113934204A (zh) * | 2020-07-13 | 2022-01-14 | 科沃斯商用机器人有限公司 | 路径规划方法、自主行进设备及清洁机器人 |
CN112015176A (zh) * | 2020-08-14 | 2020-12-01 | 合肥工业大学 | 一种无人驾驶拖拉机田间作业路径规划方法和装置 |
CN113932818A (zh) * | 2020-12-30 | 2022-01-14 | 浙江德源智能科技股份有限公司 | 机器人行走路线规划方法、程序及存储介质 |
CN113190017A (zh) * | 2021-05-24 | 2021-07-30 | 东南大学 | 基于改进蚁群算法的收获机器人作业路径规划方法 |
CN113190017B (zh) * | 2021-05-24 | 2022-02-15 | 东南大学 | 基于改进蚁群算法的收获机器人作业路径规划方法 |
CN113671973A (zh) * | 2021-07-09 | 2021-11-19 | 东北大学 | 目标区域的搜索方法及装置、电子设备、存储介质 |
CN113848880A (zh) * | 2021-08-30 | 2021-12-28 | 中车大连电力牵引研发中心有限公司 | 一种基于改进Q-learning的农机路径优化方法 |
CN113848880B (zh) * | 2021-08-30 | 2023-12-22 | 中车大连电力牵引研发中心有限公司 | 一种基于改进Q-learning的农机路径优化方法 |
CN113934218A (zh) * | 2021-11-16 | 2022-01-14 | 杭州云象商用机器有限公司 | 一种清扫机器人路径规划方法、装置、设备及存储介质 |
CN113934218B (zh) * | 2021-11-16 | 2022-03-25 | 杭州云象商用机器有限公司 | 一种清扫机器人路径规划方法、装置、设备及存储介质 |
EP4194988A1 (en) * | 2021-12-12 | 2023-06-14 | Caterpillar Inc. | System and method for generating work plan for autonomous operation of a compactor |
CN114323047A (zh) * | 2021-12-31 | 2022-04-12 | 北京工业大学 | 一种基于多边形分解的全覆盖路径规划算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107807644A (zh) | 一种农用机械最低油耗运动路径规划方法 | |
CN115100622B (zh) | 深部受限空间无人运输设备可行驶域检测和自主避障方法 | |
CN110362083B (zh) | 一种基于多目标跟踪预测的时空地图下自主导航方法 | |
Bai et al. | Pillargrid: Deep learning-based cooperative perception for 3d object detection from onboard-roadside lidar | |
CN106908052B (zh) | 用于智能机器人的路径规划方法及装置 | |
CN108334080A (zh) | 一种针对机器人导航的虚拟墙自动生成方法 | |
CN109238298A (zh) | 一种无人驾驶带避障的路径规划方法 | |
Liu et al. | Point cloud segmentation based on Euclidean clustering and multi-plane extraction in rugged field | |
CN113252027B (zh) | 井下无人驾驶车辆局部路径规划方法、装置、设备及存储介质 | |
US11527028B2 (en) | Systems and methods for monocular based object detection | |
WO2021072709A1 (zh) | 目标检测与跟踪方法、系统、设备及存储介质 | |
CN112819864B (zh) | 一种行驶状态检测方法、装置及存储介质 | |
CN111009034B (zh) | 一种三维模型单体化方法、系统、存储介质及设备 | |
CN115330969A (zh) | 一种用于地面无人车的局部静态环境矢量化描述方法 | |
CN115218916A (zh) | 一种安全性路径规划方法、装置 | |
CN113793534B (zh) | 一种确定车路协同环境下行车风险场的方法和装置 | |
CN114325760A (zh) | 基于多线激光雷达的公路隧道质检避障方法及系统 | |
CN116189150B (zh) | 基于融合输出的单目3d目标检测方法、装置、设备和介质 | |
Forkel et al. | Dynamic resolution terrain estimation for autonomous (dirt) road driving fusing lidar and vision | |
Wang et al. | Terrain mapping for autonomous trucks in surface mine | |
Tian et al. | Semantic-enhanced graph voxelization for pillar-based 3D detection from point clouds | |
Zhang et al. | Intelligent path planning by an improved RRT algorithm with dual grid map | |
Salah et al. | Summarizing large scale 3D mesh for urban navigation | |
CN103279451A (zh) | 一种新颖的人工势场函数的计算方法 | |
Wan et al. | Online Obstacle Detection for USV based on Improved RANSAC Algorithm |
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: 20180316 |
|
RJ01 | Rejection of invention patent application after publication |