CN107843252A - 导航路径优化方法、装置及电子设备 - Google Patents

导航路径优化方法、装置及电子设备 Download PDF

Info

Publication number
CN107843252A
CN107843252A CN201710971510.7A CN201710971510A CN107843252A CN 107843252 A CN107843252 A CN 107843252A CN 201710971510 A CN201710971510 A CN 201710971510A CN 107843252 A CN107843252 A CN 107843252A
Authority
CN
China
Prior art keywords
node
path
barrier
path node
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.)
Granted
Application number
CN201710971510.7A
Other languages
English (en)
Other versions
CN107843252B (zh
Inventor
陈茁
尹伟彬
班永杰
闫秀英
刘文文
马立
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.)
Goertek Inc
Original Assignee
Goertek Inc
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 Goertek Inc filed Critical Goertek Inc
Priority to CN201710971510.7A priority Critical patent/CN107843252B/zh
Publication of CN107843252A publication Critical patent/CN107843252A/zh
Application granted granted Critical
Publication of CN107843252B publication Critical patent/CN107843252B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Automation & Control Theory (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明实施例提供一种导航路径优化方法、装置及电子设备，该方法包括：获取预设空间内的障碍物节点集合以及待优化导航路径对应的节点集合。对于路径节点集合中的任一路径节点，都可以由和此任一路径节点前后相邻的两个路径节点组成一条线段，并分别计算障碍物节点集合中每个节点到此线段的距离，根据此距离确定此任一路径节点是否保留。上述过程也即是对待优化导航路径对应的节点集合进行一个筛选，经过筛选后，可以去除路径节点集合中距离障碍物较远的任一路径节点，使路径节点集合中只保留与此任一路径节点前后相邻的路径节点。去除此任一路径节点即可减少待优化路径中出现转弯的次数，从而实现对导航路线的优化。

Description

导航路径优化方法、装置及电子设备
技术领域
本发明涉及机器人领域，尤其涉及一种导航路径优化方法、装置及电子设备。
背景技术
近年来，随着机器人技术的发展和人工智能研究不断深入，智能移动机器人在人类生活中扮演越来越重要的角色，在送餐引导等诸多领域得到广泛应用。
智能移动机器人是一类能够通过检测器感知环境状态，实现面向目标的自主规划运动路径，从而完成预定任务的机器人系统。因此，能够准确地规划路径是智能移动机器人所必备的功能。
而现有技术中，常用的路径规划算法往往是根据机器人当前所在位置与终点之间的距离依次规划出机器人下一步运动的方向，路径规划不具有全局性。这样容易出现智能移动机器人自主规划出的导航路径存在转折次数多的问题，规划出的导航路径质量较低。
发明内容
有鉴于此，本发明实施例提供一种导航路径优化方法、装置及电子设备，用以使规划出的导航路线的具有更高的质量。
本发明实施例提供一种导航路径优化方法，包括：
获取预设空间对应的障碍物节点集合以及所述预设空间中待优化导航路径对应的路径节点集合；
对于所述路径节点集合中的任一路径节点，根据障碍物节点集合中各障碍物节点分别到由所述任一路径节点的前后相邻路径节点构成的线段的距离，确定所述任一路径节点是否保留。
可选地，所述根据障碍物节点集合中各障碍物节点分别到由所述任一路径节点的前后相邻路径节点构成的线段的距离，确定所述任一路径节点是否保留，包括：
若所述距离中的最小值大于预设阈值，则确定去除所述任一路径节点，并连通所述前后相邻路径节点；
若所述距离中的最小值小于或等于所述预设阈值，则确定保留所述任一路径节点。
可选地，所述根据障碍物节点集合中各障碍物节点分别到由所述任一路径节点的前后相邻路径节点构成的线段的距离，确定所述任一路径节点是否保留之前，还包括：
确定分别经过所述前后相邻路径节点且垂直于所述线段的两条直线；
从所述障碍物节点集合中筛选出位置位于所述两条直线之间区域的障碍物节点；
所述根据障碍物节点集合中各障碍物节点分别到由所述任一路径节点的前后相邻路径节点构成的线段的距离，确定所述任一路径节点是否保留，包括：
根据筛选出的各障碍物节点分别到所述线段的距离，确定所述任一路径节点是否保留。
可选地，所述方法还包括：
结合所述障碍物节点集合，采用A*算法确定自预设起点到预设终点的所述待优化导航路径。
可选地，所述获取预设空间对应的障碍物节点集合，包括：
计算发出的探测信号中任一探测信号和与所述任一探测信号匹配的反射信号之间的时间差；
根据所述时间差确定导航路径规划设备在发出所述任一探测信号时的位置与障碍物之间的距离；
根据所述导航路径规划设备在发出所述任一探测信号时的位置与所述距离确定预设空间对应的障碍物节点集合。
本发明实施例提供一种导航路径优化装置，包括：
获取模块，用于获取预设空间对应的障碍物节点集合以及所述预设空间中待优化导航路径对应的路径节点集合；
节点确定模块，用于对于所述路径节点集合中的任一路径节点，根据障碍物节点集合中各障碍物节点分别到由所述任一路径节点的前后相邻路径节点构成的线段的距离，确定所述任一路径节点是否保留。
本发明实施例提供一种电子设备，包括：存储器，以及与所述存储器连接的处理器；
所述存储器，用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令供所述处理器调用执行；
所述处理器，用于执行所述一条或多条计算机指令以实现上述导航路径优化方法中的任意一种方法。
本发明实施例提供一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序使计算机执行时实现上述涉及的导航路径优化方法中的任意一种方法。
本发明实施例提供的导航路径优化方法、装置及电子设备，获取预设空间内表示障碍物所处位置的障碍物节点集合以及待优化导航路径对应的节点集合。对于路径节点集合中的任一路径节点，都可以由和此任一路径节点前后相邻的两个路径节点组成一条线段，并分别计算障碍物节点集合中每个节点到此线段的距离，根据此距离确定此任一路径节点是否保留。上述过程也即是对待优化导航路径对应的节点集合进行一个筛选，经过筛选后，可以去除路径节点集合中距离障碍物较远的任一路径节点，使路径节点集合中只保留与此任一路径节点前后相邻的路径节点。由于任一路径节点和与其前后相邻的路径节点通常不在一条直线上，因此，去除此任一路径节点即可减少待优化路径中出现转弯的次数，从而实现对导航路线的优化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的导航路径优化方法实施例一的流程图；
图2为连通任一路径节点前后相邻路径节点的示意图；
图3为不连通任一路径节点前后相邻路径节点的示意图；
图4为本发明实施例提供的导航路径优化方法实施例二的流程图；
图5为本发明实施例提供的导航路径优化装置实施例一的结构示意图；
图6为本发明实施例提供的导航路径优化装置实施例二的结构示意图；
图7为本发明实施例提供的电子设备实施例一的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述XXX，但这些XXX不应限于这些术语。这些术语仅用来将XXX彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一XXX也可以被称为第二XXX，类似地，第二XXX也可以被称为第一XXX。
取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
图1为本发明实施例提供的导航路径优化方法实施例一的流程图，本实施例提供的该导航路径优化方法的执行主体可以为设置在智能移动机器人内的一处理器，如图1所示，该方法包括如下步骤：
S101，获取预设空间对应的障碍物节点集合以及预设空间中待优化导航路径对应的路径节点集合。
在智能移动机器人根据起点和终点确定出待优化导航路径之前，智能移动机器人需要在预设空间内按照预设路线进行运动以获得预设空间对应的障碍物节点集合。可选地，预设空间可以为一间房间，预设路线可以为智能移动机器人沿着房间的墙壁运动一圈，也可以为智能移动机器人在房间内沿S形运动。而智能移动机器人具体采用何种预设路线运动可以通过人为操控来实现。预设路线的不同可能会导致获取的预设空间对应的障碍物节点集合中的内容具有不同的准确度，在实际应用中，可以根据智能移动机器人所应用的具体场景采用不同的预设路线。
可选地，智能机器人的身体上可以配置有测距传感器，在智能移动机器人沿着预设路线在预设空间内的运动过程中，可以根据距离传感器确定出智能移动机器人与障碍物之间的距离。进而根据前述得到的距离确定出障碍物在预设空间中的位置。可选地。此位置可以用障碍物在预设坐标系中的位置坐标来表示。也即是障碍物节点集合中的各个障碍物节点都可以表示为一个位置坐标，并最终由障碍物在预设空间中的位置坐标组成障碍物节点集合。可选地，可以将此预设空间的平面图中的中心位置设置为预设坐标系的坐标原点，水平方向设置为X轴，竖直方向设置为Y轴。
智能移动机器人在获取障碍物节点集合后，便可以根据智能移动机器人所要执行的任务确定出路径规划所需的起点和终点。可选地，可以根据起点和终点，再结合常用的路径规划算法，例如(Rapidly exploring Random Tree Connect，RRT-Connect)快速搜索随机树算法等等，规划出一条导航路径。此条导航路径是一条待优化的导航路径，还需要执行步骤S102进行进一步地优化。由组成此待优化导航路径的各个路径节点组成导航路径节点集合，其中，每个路径节点可以用在预设坐标系中的位置坐标来表示，此处的预设坐标系与前述的预设坐标系相同。
S102，对于路径节点集合中的任一路径节点，根据障碍物节点集合中各障碍物节点分别到由任一路径节点的前后相邻路径节点构成的线段的距离，确定任一路径节点是否保留。
对于一条待优化的导航路径来说，此导航路径的起点和终点是预先设置好的，无需优化。因此，路径节点集合中需要优化的任一路径节点通常为除去起点和终点之外的任一路径节点。
对路径节点集合中的某个路径节点k来说，获取在路径节点集合中与路径节点k前后相邻的路径节点k-1以及路径节点k+1，并由路径节点k-1以及路径节点k+1组成线段m。分别计算障碍物节点集合中各个障碍物节点到这条线段m之间的距离，进而得到距离中的最小值dmin。判断此距离中的最小值dmin与预设距离之间的大小关系，根据判断结果确定此路径节点k是否可以保留，以完成导航路径的优化。
若距离中的最小值dmin大于预设阈值，则确定去除此路径节点k，并连通前后相邻路径节点k-1以及k+1。
若判断出距离中的最小值dmin大于预设阈值，则表智能移动机器人距离障碍物较远，路径节点与障碍物之间的位置关系可以如图2所示，此时可以对待优化导航路径进行优化。由图2可知，路径节点k-1，k，k+1不在同一直线上，如果不对待优化导航路径进行优化，也即是不去除路径节点k，则智能移动机器人需要依次经过路径节点k-1，k，k+1来到达终点，此时智能移动机器人在运动过程中会多次改变运动方向并且运动距离长。而对待优化导航路径进行优化后也即是从路径节点集合中去除路径节点k后，智能移动机器人便可以直接由路径节点k-1移动至路径节点k+1，此时智能移动机器人无需改变运动方向，同时也减少智能运动机器人的运动距离。
若距离中的最小值dmin大于预设阈值，则确定保留此路径节点k。
若判断出距离中的最小值dmin大于预设阈值，则表示智能移动机器人距离障碍物较近，路径节点与障碍物之间的位置关系可以如图3所示，此时路径节点集合中仍保留路径节点k，智能移动机器人仍按照路径节点k-1，k，k+1的规划路径运动。
本实施例中，获取预设空间内表示障碍物所处位置的障碍物节点集合以及待优化导航路径对应的节点集合。对于路径节点集合中的任一路径节点，都可以由和此任一路径节点前后相邻的两个路径节点组成一条线段，并分别计算障碍物节点集合中每个节点到此线段的距离，根据此距离确定此任一路径节点是否保留。上述过程也即是对待优化导航路径对应的节点集合进行一个筛选，经过筛选后，可以去除路径节点集合中距离障碍物较远的任一路径节点，使路径节点集合中只保留与此任一路径节点前后相邻的路径节点。由于任一路径节点和与其前后相邻的路径节点通常不在一条直线上，因此，去除此任一路径节点即可减少待优化路径中出现转弯的次数，从而实现对导航路线的优化。
根据实施例一中的相关描述可知，在确定是否保留路径节点集合中的任一节点的过程中，需要计算此路径节点与障碍物节点集合中所有节点之间的距离，这样使得计算量非常大。基于此，图4为本发明实施例提供的导航路径优化方法实施例二的流程图，如图4所示，该导航路径优化方法还可以包括如下步骤：
S201，获取预设空间对应的障碍物节点集合以及预设空间中待优化导航路径对应的路径节点集合。
在实际应用中，可以通过以下方式获取预设空间对应的障碍物节点集合。
智能机器人的身体上可以配置有测距传感器，此测距传感器具体可以为激光测距传感器、红外测距传感器或者雷达传感器等等。测距传感器可以定时发出探测信号，当探测信号照射到预设空间中的某一障碍物时，此探测信号会被反射回来形成一个反射信号。智能移动机器人的处理器可以记录所有探测信号的发出时间、所有反射信号的接收时间以及发出探测信号时智能移动机器人在预设空间内的位置。可选地，可以按照时间先后对探测信号设置序号，同时按照时间先后对反射信号设置序号，并且具有相同序号的探测信号和反射信号可以看作是具有匹配关系的一对信号。对于一对具有匹配关系的探测信号和反射信号，可以根据两信号之间的时间差确定障碍物与智能移动机器人之间的距离。再根据智能移动机器人在发出探测信号时所在的位置以及智能移动机器人与障碍物之间的距离确定此障碍物所在的位置。
然后，还可以结合获取的障碍物节点集合，采用A*算法确定自预设起点到预设终点的待优化导航路径。此A*算法是一个比较成熟的算法，因此，本发明中仅对此算法作简要说明。
可以将预设空间的平面图按照预设大小划分为多个区域，进一步还可以得到每个区域中心在预设坐标系中的位置坐标，此预设坐标系与实施例一中提及的相同，在此不再赘述。
从起点所在的区域A开始，先将起点所在区域A的区域标识待检查区域列表中，寻找区域A所能到达的区域B，当然区域B不止一个，并将区域B的区域标识放入待检查区域列表中，根据区域B与区域A的位置关系为每个区域B设置一个方位标识，将区域A的区域标识加入到已检查区域列表中，同时设置区域A为区域B的父区域。计算每个区域B的第一移动值，并且第一运动值为第二运动值和第三运动值之和，其中第二运动值表示由区域A运动到任一区域所需的运动值，第三运动值表示由任一区域运动到终点所在区域C所需的运动值。然后选取具有最小第一运动值的区域B作为当前需要检查的区域，同时将区域B的区域标识放入已检查区域列表中。再进一步获取此区域B所能达到的区域D，并将区域D的区域标识放入待检查区域列表中……不断重复上述过程，便可逐步扩大待检查区域列表中含有的区域标识，直到待检查区域列表中含有终点所在的区域C的区域标识，则停止进一步扩大待检查区域。此时，从终点所在区域C开始，按照区域的方位标识逐步移动至起点。并最终由移动过程中所经过的区域组成规划出导航路径，由每个区域中心的位置坐标组成路径节点集合。
可选地，在实际应用中，除了A*算法，还可以使用D*或其他路径规划算法以获取路径节点集合。
S202，对于路径节点集合中的任一路径节点，确定分别经过任一路径节点的前后相邻路径节点且垂直于线段的两条直线。
S203，从障碍物节点集合中筛选出位置位于两条直线之间区域的障碍物节点。
S204，根据筛选出的各障碍物节点分别到线段的距离，确定任一路径节点是否保留。
以路径节点集合中的路径节点k为例，从路径节点集合中可以获得与路径节点k前后相邻的路径节点k-1以及路径节点k+1。将路径节点k-1以及路径节点k+1相连以形成线段m。进而确定出分别经过路径节点k-1以及路径节点k+1并且垂直于线段m的两条直线L1和L2。由实施例一中的相关描述可知，障碍物节点集合中的障碍物节点可以表示为障碍物在预设坐标系中的位置坐标，因此可以根据坐标点与直线的相关计算公式从障碍物节点集合中筛选出位于直线L1和L2之间的障碍物节点，再计算筛选出的障碍物节点到线段m的距离。根据距离的大小确定此路径节点k是否保留。而确定路径节点k是否保留的方式与实施例一中的相关描述相同，在此不再赘述。
本实施例中，在获障碍物节点集合以及路径节点集合后，由路径节点集合中的任一路径节点前后相邻的两个路径节点组成线段。然后，确定出分别经过前后相邻路径节点且垂直于线段的两条直线，此时两条直线便可构成一个区域。仅计算位于两直线构成的区域内的障碍物节点到线段之间的距离，而不是计算全部障碍物节点到线段之间的距离。再进一步根据计算出的距离确定是否保留此任一路径节点，这样便可以达到在优化导航路径的同时减小计算量的效果。
图5为本发明实施例提供的导航路径优化装置实施例一的结构示意图，如图5所示，该导航路径优化装置包括：获取模块11、节点确定模块12。
获取模块11，用于获取预设空间对应的障碍物节点集合以及预设空间中待优化导航路径对应的路径节点集合。
节点确定模块12，用于对于路径节点集合中的任一路径节点，根据障碍物节点集合中各障碍物节点分别到由任一路径节点的前后相邻路径节点构成的线段的距离，确定任一路径节点是否保留。
可选地，该导航路径优化装置中的节点确定模块12具体用于：
若距离中的最小值大于预设阈值，则确定去除任一路径节点，并连通前后相邻路径节点。
若距离中的最小值小于或等于预设阈值，则确定保留任一路径节点。
图5所示装置可以执行图1所示实施例的方法，本实施例未详细描述的部分，可参考对图1所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1所示实施例中的描述，在此不再赘述。
图6为本发明实施例提供的导航路径优化装置实施例二的结构示意图，如图6所示，在图5所示实施例基础上，该导航路径优化装置还包括：直线确定模块21、筛选模块22。
直线确定模块21，用于确定分别经过前后相邻路径节点且垂直于线段的两条直线。
筛选模块22，用于从障碍物节点集合中筛选出位置位于两条直线之间区域的障碍物节点。
该导航路径优化装置中的节点确定模块12具体用于：
根据筛选出的各障碍物节点分别到线段的距离，确定任一路径节点是否保留。
可选地。该导航路径优化装置还包括：路径确定模块23。
路径确定模块23，用于结合障碍物节点集合，采用A*算法确定自预设起点到预设终点的待优化导航路径。
可选地，该导航路径优化装置中的获取模块11具体用于：
计算发出的探测信号中任一探测信号和与任一探测信号匹配的反射信号之间的时间差。
根据时间差确定导航路径规划设备在发出任一探测信号时的位置与障碍物之间的距离。
根据导航路径规划设备在发出任一探测信号时的位置与距离确定预设空间对应的障碍物节点集合。
图6所示装置可以执行图4所示实施例的方法，本实施例未详细描述的部分，可参考对图4所示实施例的相关说明。该技术方案的执行过程和技术效果参见图4所示实施例中的描述，在此不再赘述。
图7为本发明实施例提供的电子设备实施例一的结构示意图，可选地，该电子设备可以实现为智能移动机器人。如图7所示，该电子设备包括：存储器31、处理器32。其中，存储器11用于存储电子设备执行上述任一实施例中提供的导航路线优化方法的程序，处理器32被配置为用于执行存储器31中存储的程序。
程序包括一条或多条计算机指令，其中，一条或多条计算机指令被处理器32执行时能够实现如下步骤：
获取预设空间对应的障碍物节点集合以及预设空间中待优化导航路径对应的路径节点集合；
对于路径节点集合中的任一路径节点，根据障碍物节点集合中各障碍物节点分别到由任一路径节点的前后相邻路径节点构成的线段的距离，确定任一路径节点是否保留。
可选地，处理器32还用于执行前述各方法步骤中的全部或部分步骤。
其中，电子设备的结构中还可以包括通信接口33，用于电子设备与其他设备或通信网络通信。
以上所描述的设备实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件和软件结合的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以产品的形式体现出来，该计算机产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)执行各个实施例或者实施例的某些部分所述的方法。
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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分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各实施例技术方案的精神和范围。

Claims (8)

1.一种导航路径优化方法，其特征在于，包括：
获取预设空间对应的障碍物节点集合以及所述预设空间中待优化导航路径对应的路径节点集合；
对于所述路径节点集合中的任一路径节点，根据障碍物节点集合中各障碍物节点分别到由所述任一路径节点的前后相邻路径节点构成的线段的距离，确定所述任一路径节点是否保留。
2.根据权利要求1所述的方法，其特征在于，所述根据障碍物节点集合中各障碍物节点分别到由所述任一路径节点的前后相邻路径节点构成的线段的距离，确定所述任一路径节点是否保留，包括：
若所述距离中的最小值大于预设阈值，则确定去除所述任一路径节点，并连通所述前后相邻路径节点；
若所述距离中的最小值小于或等于所述预设阈值，则确定保留所述任一路径节点。
3.根据权利要求1所述的方法，其特征在于，所述根据障碍物节点集合中各障碍物节点分别到由所述任一路径节点的前后相邻路径节点构成的线段的距离，确定所述任一路径节点是否保留之前，还包括：
确定分别经过所述前后相邻路径节点且垂直于所述线段的两条直线；
从所述障碍物节点集合中筛选出位置位于所述两条直线之间区域的障碍物节点；
所述根据障碍物节点集合中各障碍物节点分别到由所述任一路径节点的前后相邻路径节点构成的线段的距离，确定所述任一路径节点是否保留，包括：
根据筛选出的各障碍物节点分别到所述线段的距离，确定所述任一路径节点是否保留。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：
结合所述障碍物节点集合，采用A*算法确定自预设起点到预设终点的所述待优化导航路径。
5.根据权利要求1至3中任一项所述的方法，其特征在于，所述获取预设空间对应的障碍物节点集合，包括：
计算发出的探测信号中任一探测信号和与所述任一探测信号匹配的反射信号之间的时间差；
根据所述时间差确定导航路径规划设备在发出所述任一探测信号时的位置与障碍物之间的距离；
根据所述导航路径规划设备在发出所述任一探测信号时的位置与所述距离确定预设空间对应的障碍物节点集合。
6.一种导航路径优化装置，其特征在于，包括：
获取模块，用于获取预设空间对应的障碍物节点集合以及所述预设空间中待优化导航路径对应的路径节点集合；
确定模块，用于对于所述路径节点集合中的任一路径节点，根据障碍物节点集合中各障碍物节点分别到由所述任一路径节点的前后相邻路径节点构成的线段的距离，确定所述任一路径节点是否保留。
7.一种电子设备，其特征在于，包括：存储器，以及与所述存储器连接的处理器；
所述存储器，用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令供所述处理器调用执行；
所述处理器，用于执行所述一条或多条计算机指令以实现权利要求1-5中任一项所述的方法。
8.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序使计算机执行时实现如权利要求1-5中任一项所述的导航路径优化方法。
CN201710971510.7A 2017-10-18 2017-10-18 导航路径优化方法、装置及电子设备 Active CN107843252B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710971510.7A CN107843252B (zh) 2017-10-18 2017-10-18 导航路径优化方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710971510.7A CN107843252B (zh) 2017-10-18 2017-10-18 导航路径优化方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN107843252A true CN107843252A (zh) 2018-03-27
CN107843252B CN107843252B (zh) 2020-10-09

Family

ID=61662729

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710971510.7A Active CN107843252B (zh) 2017-10-18 2017-10-18 导航路径优化方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN107843252B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109238296A (zh) * 2018-08-16 2019-01-18 佛山科学技术学院 一种高精度室内导航方法及装置
CN109588101A (zh) * 2018-10-31 2019-04-09 浙江亚特电器有限公司 用于提高智能割草机作业覆盖率的控制方法
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
CN110068337A (zh) * 2019-04-25 2019-07-30 安徽师范大学 用于传感器节点充电的无人机调度方法及系统
CN110554697A (zh) * 2019-08-15 2019-12-10 北京致行慕远科技有限公司 行进方法、可行进设备和存储介质
CN110986953A (zh) * 2019-12-13 2020-04-10 深圳前海达闼云端智能科技有限公司 路径规划方法、机器人及计算机可读存储介质
CN111414558A (zh) * 2020-03-16 2020-07-14 腾讯科技（深圳）有限公司 导航路线的发送方法、显示方法、装置、服务器及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008215858A (ja) * 2007-02-28 2008-09-18 Xanavi Informatics Corp ナビゲーション装置、ナビゲーションシステムおよび経路表示方法。
CN101604166A (zh) * 2009-07-10 2009-12-16 杭州电子科技大学 一种基于粒子群优化算法的移动机器人路径规划方法
CN103472828A (zh) * 2013-09-13 2013-12-25 桂林电子科技大学 基于改进蚁群粒子群算法的移动机器人路径规划方法
CN104537431A (zh) * 2014-12-16 2015-04-22 南京航空航天大学 一种基于冲突检测的滑行道路径优化方法
CN107063258A (zh) * 2017-03-07 2017-08-18 重庆邮电大学 一种基于语义信息的移动机器人室内导航方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008215858A (ja) * 2007-02-28 2008-09-18 Xanavi Informatics Corp ナビゲーション装置、ナビゲーションシステムおよび経路表示方法。
CN101604166A (zh) * 2009-07-10 2009-12-16 杭州电子科技大学 一种基于粒子群优化算法的移动机器人路径规划方法
CN103472828A (zh) * 2013-09-13 2013-12-25 桂林电子科技大学 基于改进蚁群粒子群算法的移动机器人路径规划方法
CN104537431A (zh) * 2014-12-16 2015-04-22 南京航空航天大学 一种基于冲突检测的滑行道路径优化方法
CN107063258A (zh) * 2017-03-07 2017-08-18 重庆邮电大学 一种基于语义信息的移动机器人室内导航方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨兴: ""室内自主导航移动机器人路径规划研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
杨照金 等: "《空间光学仪器设备及其校准检测技术》", 30 June 2009, 《中国计量出版社》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109238296A (zh) * 2018-08-16 2019-01-18 佛山科学技术学院 一种高精度室内导航方法及装置
CN109588101A (zh) * 2018-10-31 2019-04-09 浙江亚特电器有限公司 用于提高智能割草机作业覆盖率的控制方法
CN109588101B (zh) * 2018-10-31 2022-04-05 浙江亚特电器有限公司 用于提高智能割草机作业覆盖率的控制方法
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
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
CN110068337A (zh) * 2019-04-25 2019-07-30 安徽师范大学 用于传感器节点充电的无人机调度方法及系统
CN110068337B (zh) * 2019-04-25 2023-09-19 安徽师范大学 用于传感器节点充电的无人机调度方法及系统
CN110554697A (zh) * 2019-08-15 2019-12-10 北京致行慕远科技有限公司 行进方法、可行进设备和存储介质
CN110986953A (zh) * 2019-12-13 2020-04-10 深圳前海达闼云端智能科技有限公司 路径规划方法、机器人及计算机可读存储介质
CN111414558A (zh) * 2020-03-16 2020-07-14 腾讯科技（深圳）有限公司 导航路线的发送方法、显示方法、装置、服务器及介质
CN111414558B (zh) * 2020-03-16 2023-09-08 腾讯科技（深圳）有限公司 导航路线的发送方法、显示方法、装置、服务器及介质

Also Published As

Publication number Publication date
CN107843252B (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
CN107843252A (zh) 导航路径优化方法、装置及电子设备
KR102205096B1 (ko) 거래 위험 검출 방법 및 장치
Reshamwala et al. Robot path planning using an ant colony optimization approach: a survey
KR102282367B1 (ko) 크라우드소싱을 이용한 위치 결정, 매핑 및 데이터 관리 시스템 및 방법
CN105955258B (zh) 基于Kinect传感器信息融合的机器人全局栅格地图构建方法
CN111968229A (zh) 高精度地图制图方法及装置
CN104457775A (zh) 路径确定方法、装置和导航仪
CN112526999B (zh) 速度规划方法、装置、电子设备和存储介质
CN108176050B (zh) 寻路方法和装置
CN113741453B (zh) 一种非结构化环境的路径规划方法、装置、设备和介质
Kamrani et al. Using on-line simulation for adaptive path planning of UAVs
JP2019500691A (ja) 急速探索ランダム化フィードバック主体の動作計画
CN110967019A (zh) 一种规划机器人局部路径的方法及机器人
CN114842445A (zh) 基于多途径融合的目标检测方法、装置、设备及介质
CN110375736A (zh) 智能设备的路径规划方法、系统、设备及可读存储介质
Albert et al. Combined optimal control and combinatorial optimization for searching and tracking using an unmanned aerial vehicle
CN113867356A (zh) 机器人路径规划方法、装置及机器人
CN113741480B (zh) 一种基于动态障碍物提取与代价地图相结合的避障方法
CN112985440A (zh) 行驶轨迹偏移的检测方法、装置、存储介质及程序产品
CN116226782A (zh) 传感器数据融合方法、装置、设备以及存储介质
Priebe et al. Random disambiguation paths for traversing a mapped hazard field
CN115014366A (zh) 一种目标融合方法、装置、车辆及存储介质
US20170220714A1 (en) Non-transitory computer-readable recording medium, simulation method and simulation apparatus
CN110909668B (zh) 目标检测方法、装置、计算机可读存储介质和电子设备
Carvalho et al. Indoor wireless sensor localization using mobile robot and RSSI

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