CN108318046B - 路径规划方法和装置 - Google Patents
路径规划方法和装置 Download PDFInfo
- Publication number
- CN108318046B CN108318046B CN201710034754.2A CN201710034754A CN108318046B CN 108318046 B CN108318046 B CN 108318046B CN 201710034754 A CN201710034754 A CN 201710034754A CN 108318046 B CN108318046 B CN 108318046B
- Authority
- CN
- China
- Prior art keywords
- area
- passing
- cost
- environmental
- task type
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000007613 environmental effect Effects 0.000 claims abstract description 220
- 238000012512 characterization method Methods 0.000 claims description 46
- 230000000007 visual effect Effects 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 16
- 230000000875 corresponding effect Effects 0.000 description 76
- 230000005236 sound signal Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 11
- 230000007246 mechanism Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000001360 synchronised effect Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
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
- G05D1/0212—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
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3691—Retrieval, searching and output of information related to real-time traffic, weather, or environmental conditions
-
- 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
- G05D1/0268—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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Social Psychology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental & Geological Engineering (AREA)
- Environmental Sciences (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种路径规划方法和装置,可以实现更优化的路径规划。该方法包括:根据多个第一区域中每个第一区域的通行距离,以及所述每个第一区域的环境特征的表征值,获取通过所述每个第一区域的通行代价;获取起始位置和目标位置;根据通过所述每个第一区域的所述通行代价进行路径规划,确定从所述起始位置到达所述目标位置的通行路径,所述通行路径包括从所述起始位置到达所述目标位置经过的区域。
Description
技术领域
本发明实施例涉及智能控制领域,并且更具体地,涉及一种路径规划方法和装置。
背景技术
路径规划是智能控制研究领域中的一个重要分支,采用良好的路径规划技术可以节省智能执行装置(例如,机器人)的作业时间,提高执行任务的效率,并且可以提高执行任务的质量。
在进行路径规划时,可以采用地图,以实现路径规划,在现有的技术中,地图包括位置信息和障碍物的信息,从而智能执行装置可以基于该地图找到能够绕开障碍物的路径。
但是在现有的路径规划中,仅考虑位置信息和障碍物信息,并没有考虑其他因素,限制了路径规划的应用。
发明内容
本发明实施例提供了一种路径规划方法和设备,可以实现更优化的路径规划。
第一方面,提供了一种路径规划方法,包括:根据多个第一区域中每个第一区域的通行距离,以及所述每个第一区域的环境特征的表征值,获取通过所述每个第一区域的通行代价;获取起始位置和目标位置;根据通过所述每个第一区域的所述通行代价进行路径规划,确定从所述起始位置到达所述目标位置的通行路径,所述通行路径包括从所述起始位置到达所述目标位置经过的区域。
因此,根据多个第一区域中每个第一区域的通行距离,以及该每个第一区域的环境特征的表征值,获取通过该每个第一区域的通行代价,并根据该通行代价,进行路径规划,从而可以在进行路径规划时,不仅考虑区域的通行距离,还可以考虑该区域处的环境特征的表征值,可以实现更为优化的路径规划,并且将通行距离和表征值统一量化为通行代价,可以使得智能执行装置在进行路径规划时,基于该通行代价获取通行路径,可以节省智能执行装置的作业时间,提高执行任务的效率。
可选地,该通行路径可以是通行代价最小的路径。
可选地,所述方法还包括:根据通过所述每个第一区域的通行代价,生成环境地图,所述环境地图包括通过所述每个第一区域的通行代价,用于标示所述多个第一区域覆盖范围内所述每个第一区域的表征值;所述根据通过所述每个第一区域的所述通行代价进行路径规划,确定从所述起始位置到达所述目标位置的通行路径,包括:基于所述环境地图,根据通过所述多个区域覆盖范围内每个所述区域的通行代价确定所述通行路径。
因此,根据多个第一区域中每个第一区域的通行距离,以及该每个第一区域的环境特征的表征值,获取该每个第一区域处的通行代价,并生成标示有每个区域的通行代价的环境地图,可以得到更优的地图。
可选地,该环境地图可以是一个通行代价列表或者全局同行代价拓扑图。
可选地,所述根据多个第一区域中每个第一区域的通行距离,以及所述每个第一区域的环境特征的表征值,获取通过所述每个第一区域的通行代价,包括:根据所述每个第一区域的通行距离,确定所述每个第一区域的所述通行距离对应的第一通行代价分量;根据所述每个第一区域的环境特征的表征值,确定所述每个第一区域的所述环境特征的表征值对应的第二通行代价分量;根据所述每个第一区域的所述第一通行代价分量和所述第二通行代价分量,计算通过所述每个第一区域的通行代价。
因此,针对每种任务类型,分别计算该任务类型在每个区域处的通行代价,由此在进行某一种任务类型的路径规划时,可以直接获取各个区域针对该任务类型的通行代价,从而可以实现更为优化的路径规划。
可选地,所述方法还包括:获取通过所述通行路径时待执行的至少一种任务类型;所述根据所述每个第一区域的环境特征的表征值,获取所述每个第一区域的所述通行距离对应的第二通行代价分量,包括:根据所述至少一种任务类型中每种任务类型可用的至少一种环境特征在所述每个第一区域处的表征值,获取所述每种任务类型在所述每个第一位置处对应的第二通行代价分量;所述根据所述每个第一区域的所述第一通行代价分量和所述第二通行代价分量,计算通过所述每个第一区域的通行代价,包括:根据所述每个第一区域的所述第一通行代价分量,和所述每种任务类型在所述每个第一区域对应的第二通行代价分量,计算执行所述每种任务类型时通过所述每个第一区域的通行代价;所述根据通过所述每个第一区域的所述通行代价进行路径规划,包括:根据执行所述每种任务类型时通过所述每个第一区域的通行代价,确定用于执行所述每种任务类型的所述通行路径。
可选地,所述至少一种任务类型包括第一任务类型,所述获取执行所述每种任务类型在所述每个第一区域处对应的所述第二通行代价分量,包括:根据在所述每个第一区域处,所述第一任务类型可用的环境特征中表征值满足预定条件的至少一种环境特征的表征值,确定所述第一任务类型在所述每个第一区域处对应的第二通行代价分量。
可选地,所述第一区域为满足以下条件的区域:在所述第一区域处,所述第一任务类型可用的环境特征的特征值满足所述第一任务类型对环境特征的要求。
可选地,所述方法还包括:确定至少一个第二区域,其中,在所述第二区域处,所述第一任务类型可用的环境特征的表征值不满足所述第一任务类型对环境特征的要求;在进行路径规划时,将所述至少一个第二区域中每个第二区域视为障碍物。
可选地,所述方法还包括:获取通过所述通行路径时待执行的多种任务类型;所述根据所述每个第一区域的环境特征的表征值,获取所述每个第一区域的所述环境特征的表征值对应的第二通行代价分量,包括:根据所述多种任务类型中每种任务类型可用的至少一种环境特征的表征值,获取所述多种任务类型作为整体在所述每个第一区域处对应的第二通行代价分量;所述根据所述每个第一区域的所述第一通行代价分量和所述第二通行代价分量,计算通过所述每个第一区域的通行代价,包括:根据所述每个第一区域的所述第一通行代价分量,和所述多种任务类型作为整体在每个第一区域处对应的第二通行代价分量,计算所述多种任务类型作为整体在所述每个第一区域处对应的通行代价;所述根据通过所述每个第一区域的所述通行代价进行路径规划,包括:根据所述多种任务类型作为整体在所述每个第一区域处对应的通行代价,确定用于执行所述多种任务类型的所述通行路径。
因此,针对多种任务类型,可以将该多种任务类型作为整体在每个区域处的通行代价,由此在进行需要执行多种任的路径规划时,可以直接获取各个区域针对该多种任务整体的通行代价,从而可以节省智能执行装置的处理时间,提高处理效率。
可选地,所述获取所述多种任务类型作为整体在所述每个第一区域处对应的第二通行代价分量,包括:根据所述每个第一区域处,所述多种任务类型中每种任务类型可用的至少一种环境特征的表征值,得到所述每种任务类型在所述每个第一区域处对应的第二通行代价分量;对所述多种任务类型在所述每个第一区域处对应的多个第二通行代价分量进行加权处理,以得到所述多种任务类型作为整体在所述第一区域处对应的所述第二通行代价分量。
可选地,所述第一区域为满足以下条件的区域:在所述第一区域处,所述多种任务类型中每种任务类型可用的环境特征的表征值满足所述每种任务类型对环境特征的要求。
可选地,所述方法还包括:确定至少一个第三区域,其中,在所述第三区域处,所述多种任务类型中的至少一种任务类型对应的环境特征的表征值不满足所述至少一种任务类型对特征值的要求;在进行路径规划时,将所述至少一个第三区域中每个第三区域视为障碍物。
可选地,所述根据所述每个第一区域的环境特征的表征值,确定所述每个第一区域的所述环境特征的表征值对应的第二通行代价分量,包括:根据环境特征的表征值区间与通行代价分量的对应关系,以及所述每个区域的环境特征的表征值,确定所述获取所述每个第一区域的所述第二通行代价分量。
可选地,所述根据多个第一区域中每个第一区域的通行距离,以及所述每个第一区域的环境特征的表征值,获取通过所述每个第一区域的通行代价,包括:根据所述每个第一区域的通行距离,以及多次获取的所述每个第一区域的环境特征的表征值,以统计的方式获取通过所述每个第一区域的通行代价;或,根据所述每个第一区域的通行距离,以及实时获取的所述每个第一区域的环境特征的表征值,实时获取通过所述每个第一区域的通行代价;或,根据所述每个第一区域的通行距离,以及预测的所述每个第一区域的环境特征的表征值,获取通过所述每个第一区域处的通行代价。
可选地,所述根据所述每个第一区域的通行距离,以及多次获取的所述每个第一区域的环境特征的表征值,以统计的方式获取通过所述每个第一区域的通行代价,包括:在所述每个第一区域的环境特征的变化率小于等于第一阈值的情况下,根据所述每个第一区域的通行距离,以及多次获取的所述每个第一区域的环境特征的表征值,以统计的方式获取通过所述每个第一区域的通行代价。
可选地,所述根据所述每个第一区域的通行距离,以及实时获取的所述每个第一区域的环境特征的表征值,实时获取通过所述每个第一区域的通行代价,包括:在所述每个第一区域的环境特征的变化率大于第二阈值的情况下,根据所述每个第一区域的通行距离,以及实时获取的所述每个第一区域的所述环境特征的表征值,实时获取通过所述每个第一区域的通行代价。
可选地,所述环境特征包括视觉信号;所述根据所述每个第一区域的环境特征的表征值,确定所述每个第一区域的所述环境特征的表征值对应的第二通行代价分量,包括:根据通过所述每个第一位置的所述多个方向中每个方向上的视觉信号的表征值,获取所述每个第一位置的每个方向对应的第二通行代价分量;所述根据所述每个第一区域的所述第一通行代价分量和所述第二通行代价分量,计算通过所述每个第一区域的通行代价,包括:根据所述每个第一区域的所述第一通行代价分量,和所述每个第一区域的每个方向对应的第二通行代价分量,确定通过所述每个第一区域的所述每个方向上的通行代价。
可选地,所述环境特征包括视觉信号、声音信号和接触面状态中的至少一种。
可选地,所述环境特征包括视觉信号,所述视觉信号的表征值包括光线强度和/或可视特征的数量。
可选地,所述环境特征包括声音信号,所述声音信号的表征值包括所述声音信号的强度。
可选地,所述环境特征包括接触面状态,所述接触面状态的表征值包括所处位置的接触面的倾斜度、高度改变率和/或摩擦度。
第二方面,提供了一种路径规划装置,该路径规划装置可以包括用于执行第一方面或其任一可选的实现方式中的方法的单元。
第三方面,提供了一种路径规划装置,该路径规划装置可以包括存储器和处理器,该存储器可以存储程序代码,该处理器和该存储器之间通过内部连接通路互相通信,该处理器可以调用该存储器中存储的程序代码执行第一方面或其任一种可选实现方式中的方法。
第四方面,提供了一种存储介质,该存储介质可以存储程序代码,该存储器中存储的程序代码可以被处理器调用,以执行第一方面或其任一种可选实现方式中的方法。
附图说明
图1是根据本发明实施例的用于路径规划的系统的示意性图。
图2是根据本发明实施例的路径规划方法的示意性流程图。
图3a-e是根据本发明实施例的根据通行代价进行路径规划的示意图。
图4是根据本发明实施例的地图生成方法的示意性流程图。
图5是根据本发明实施例的路径规划方法的示意性流程图。
图6是根据本发明实施例的路径规划装置的示意性框图。
图7是根据本发明实施例的地图生成设备的示意性框图。
图8是根据本发明实施例的路径规划装置的示意性框图。
图9是根据本发明实施例的处理设备的示意性框图。
具体实施方式
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描述。
图1是根据本发明实施例的用于路径规划的系统的示意性图。如图1所述,在该系统中,可以包括环境系统110和智能执行装置120。
环境系统110可以产生环境特征,其中,环境特征可以包括视觉信号、声音信号和接触面状态中的至少一种。当然,环境特征也可以包括其他特征,在此不做具体限定。
智能执行装置120可以基于环境系统110产生的环境特征的表征值,进行路径规划。
具体地,智能执行装置120可以基于环境特征的表征值,生成环境地图,并基于该环境地图,进行路径规划。
可选地,该系统还可以包括智能执行装置130。
智能执行装置120还可以将生成的环境地图,发送给智能执行装置130。智能执行装置130可以基于智能执行装置120发送的环境地图,进行路径规划。
应理解,本发明实施例提到的智能执行装置可以是指自动执行工作的机器装置,例如,可以为机器人,无人驾驶汽车,或无人机等。虽然图1所示的智能执行装置120和130为机器人,但是仅仅便于读者理解,并不是为了限制本发明的范围。类似地,环境系统110的图示方式不应对本发明实施例的范围构成任何限定。
在进行路径规划时,可以将备选区域划分为多个区域,在全部或部分区域处标记通过该区域的通行代价,通行代价越大意味着通过该区域付出的代价越大,在路径规划时,被选中的机率越小。
可选地,通行代价可以是一个数值,所有的区域可以基于相同的标准得到各个区域对应的无单位的数值。
以下将具体描述如何获取通过多个区域的通行代价,并根据多个区域的通行代价生成环境地图,以及描述如何根据多个区域的通行代价,进行路径规划。
图2是根据本发明实施例的一种路径规划方法200的示意性流程图。该方法200可以应用于图1所示的系统。该方法可选的可以由图1所示的智能执行装置120执行。应理解,该方法200可以由其他设备执行,本发明实施例仅以智能执行装置为例进行描述。
如图2所示,该方法200包括以下内容。
在210中,根据多个第一区域中每个第一区域的通行距离,以及该每个第一区域的环境特征的表征值,获取通过该每个第一区域的通行代价。
可选地,智能执行装置可以直接检测各个区域处的环境特征的表征值,或者,也可以接收其他设备发送的环境特征的表征值,或者,也可以接收人工输入的环境特征的表征值。
可选地,智能执行装置在直接检测各个区域处的环境特征的表征值时,可以遍历各个区域得到环境特征的表征值,以用于计算通行代价。
可选地,本发明实施例提到的区域可以称为节点,该区域可以是正方形形结构,也可以是矩形,六角形或者其他任意形状。
可选地,一个地图中所有的区域的通行距离可以相同,也可以不相同。
可选地,第一区域的通行距离指第一区域的任意两点之间的长度,例如,以栅格方式进行区域的划分为例,任意两点之间的长度可以为直行通过的距离或斜行通过的距离。
可选地,本发明实施例提到的环境特征可以包括视觉信号、声音信号和接触面状态中的至少一种。
可选地,所述视觉信号的表征值包括光线强度和/或可视特征的数量。
可选地,视觉信号可以用于定位,例如可以通过可视特征进行定位,因此,如果可视特征数量多,则认为更易于定位,在进行定位时,光线强度也会影响到定位,例如,光线强度符合智能执行设备本身的视觉要求,则更易于定位。
可选地,所述环境特征包括声音信号,所述声音信号的表征值包括所述声音信号的强度。
可选地,该声音信号可以分为噪声和有益声音信号,有益声音信号可以包括超声信号,可以通过该信号进行定位。
例如,可以记录各个区域的噪声的强度,如果某一位置的噪声强度小或无噪声,该位置处更易通行。
再例如,在通过声音进行通信或定位时,如果某一区域的声音信号强度大,则认为该区域处更易通行。
可选地,所述接触面状态的表征值包括所处位置的接触面的倾斜度、高度改变率和/或摩擦度。
例如,假设接触面为路面,则路面的表征值可以为路面难行或颠簸程度,是否泥泞,打滑情况,路面倾斜角度情况等。
其中,可以人工获取接触面的状态,或者利用设备自探来识别不同位置处的接触面状态。
例如,可以根据路面情况进行人工打分。例如遇到有水的路面记为0分,路面泥泞记为10分,路面倾斜角度大于5度记为0分,打滑程度或颠簸程度超过某阈值记为10分,其他情况都记为100分,根据分值确定通行代价,例如,分值越高,则通行代价越低。
例如,可以采用视觉识别的办法估计路面材质。如果地面有电线,门槛,楼梯等视觉能够识别的物体,可以对此进行量化得到表征值。可以采用多种定位方式和机器人里程计信息比对的方法来估计打滑程度,可以通过记录电机输出功率估计相应路段的难行程度。路面倾角可以通过机器人自带重力计或摄像头等传感器计算得出。
应理解,本发明实施例提到的第一区域可以是备选区域中的任意区域,也可以是满足一定条件的区域,例如,环境特征的表征值满足一定条件的区域,在该区域下可以计算通行代价,对于不满足条件的区域,可以直接将该区域视为障碍物。
应理解,在本发明实施例中通过第一区域的通行代价有时也可以称为第一区域的通行代价或第一区域处的通行代价。
可选地,在本发明实施例中,智能执行装置可以根据通过所述每个第一区域的通行代价,生成环境地图,所述环境地图包括通过所述每个第一区域的通行代价,用于标示所述多个第一区域覆盖范围内所述每个第一区域的表征值,该环境地图可以进行路径规划。
可选地,该环境地图可以是一个通行代价列表或者全局同行代价拓扑图。
应理解,本发明实施例中,环境地图可以对环境特征的表征值起到标示作用,但并不意味着地图中各个区域的通行代价仅与环境特征的表征值有关系,还与各个区域的通行距离有关系,例如,如果通行距离不一致,相同的通行代价可能环境特征的表征值不一样。
应理解,在本发明实施例中,智能执行装置还可以不生成地图,而是直接根据多个第一区域的通行代价进行路径规划。
可选地,智能执行装置可以采用多次获取的环境特征的表征值,以统计或投票的方式得到的对应区域处的通行代价;或者,也可以采用实时获取的环境特征的表征值,实时获取对应区域处的通行代价;或者,也可以预测的环境特征的表征值获的对应区域的通行代价。
具体地,可以采用多次获取的环境特征的表征值,以统计或投票的方式得到的对应区域处的通行代价,来生成环境地图;或者,也可以采用实时获取的环境特征的表征值得到的对应区域处的通行代价,对环境地图进行实时更新;或者,也可以预测的环境特征的表征值获的对应区域的通行代价,来生成环境地图。
其中,统计方式是指将多次获取的环境特征的表征值进行统一处理,例如,加权处理等,得到对应区域处的通行代价。投票方式是从多次获取的环境特征的表征值中选择部分次获取的环境特征的表征值,以得到对应区域的通行代价。
具体是采用统计或投票的方式获取通行代价,或是实时获取通行代价,或是预测的方式获取通行代价,或者任两种方式的结合获取通行代价,可以结合实际情况而定。
可选地,在环境特征的表征值的稳定性较好时,可以以统计的方式得到对应区域的通行代价;在环境特征的表征值的稳定性较差时,可以实时获取对应无线的通行代价。
例如,在环境特征为视觉信号时,在室外环境下,不同时段的光照条件是不同的,可以按时段进行地图的更新。则,在室内环境(例如,商场营业期间),相同的时间段的光照条件是基本相同的,则可以统计的方式生成地图。
其中,环境特征的表征值的稳定性可以是指环境特征的改变率,例如,环境特征的强度的改变率小于等于预定值或者方向的改变率小于等于预定值,则认为是稳定性较好。
可选地,在环境特征为可预测的环境特征时,即通过某一时刻和/或某一区域的环境特征的表征值可以预测另一时刻和/或另一区域的环境特征的表征值时,则可以认为该环境特征为可预测的环境特征。
例如,在环境特征是视觉信号时,可以根据某一时间段的光照条件预测其他时间段的光照条件等。在环境特征是声音信号时,可以根据某一时间段的声音信号预测其他时间段的声音信号。在环境信号为路面状态时,可以根据天气预测情况,预测该路面状态。
应理解,本发明实施例对环境特征的表征值的预测方式还可以有其他实现方式,在此不再赘述。
应理解,本发明实施例对环境特征的表征值的预测方式还可以有其他实现方式,在此不再赘述。
可选地,本发明实施例中的环境地图可以包括多个区域处每个区域的通行代价,其中,每个区域的通行代价可以包括多个通行代价,例如,可以包括预测的在各个时刻的通行代价,从而,在进行路径规划时,可以结合某一区域各个时刻的通行代价,以及运行到此处的时刻,得到对应的该区域处的路径规划,从而可以选择出更优的路径。
可选地,本发明实施例中的地图可以包括多个区域处每个区域在多个方向上的通行代价,其中,每个方向的通行代价是指按照此方向通过该区域时的通行代价。例如,对于环境特征为视觉信号而言,不同的方向可以代具有不同的表征值,例如,背着太阳通行时的表征值不同于顺着太阳通行时的表征值。
假设地图中的某一区域处,通行方向可以包括0度,45度,90度,135度,180度,225度,270度,315度八种方向,可以根据该区域处8个方向时的摄像头采集到的光照条件确定通行代价。
应理解,还可以确定其他数量的通行代价,具体可以根据各个区域的划分形状、智能执行设备的能力和待执行的任务要求等而定。
因此,在本发明实施例中,根据多个第一区域中每个第一区域的通行距离,以及该每个第一区域的环境特征的表征值,获取该每个第一区域处的通行代价,从而可以在生成环境地图时,在该每个区域标识该每个区域处的通行代价,由此在生成环境地图时,可以不仅考虑区域的通行距离,还可以考虑该区域处的环境特征的表征值,将通行距离和环境特征的表征值进行量化得到通行代价,可以得到更优的环境地图,从而使得环境地图的应用范围更为广泛,可以实现更为良好的路径规划,并且将通行距离和环境特征的表征值统一量化为通行代价,可以使得机器人在进行路径规划时,基于该通行代价进行获取通行路径,可以节省机器人作业时间,提高执行任务的效率。
可选地,在本发明实施例中,在结合第一区域的通行距离和环境特征的表征值得到该第一区域处的通行代价时,可以计算通行距离对应的第一通行代价分量,以及环境特征的表征值对应的第二通行代价分量,并结合第一通行代价分量和该第二通行代价分量,得到通过该区域的通行代价。
在一种实现方式中,可以将第一区域的第一通行代价分量与该第二通行代价分量进行相加,得到该第一区域的通行代价。
在另一种实现方式,可以将该第一区域的第一通行代价分量与该第一区域的第二通行代价分量进行加权处理,得到该第一区域的通行代价,其中,加权系数可以根据具体情况而定,例如,如果待执行的任务对区域的通行距离的灵敏度较大,则可以将尺寸的加权系数设置的较高。
在另一种实现方式中,该第二通行代价可以是与该第一通行代价分量进行相乘以得到通行代价的系数,则可以结合该第一通行代价分量和该系数,得到该第一区域处的通行代价。
应理解,在本发明实施例中,除了区域的通行距离以及环境特征的表征值,还可以考虑其他因素,例如,根据无线信号(例如,卫星信号,网络信号等)的信号质量,确定该区域处的第三通行代价分量,则可以将第一通行代价分量、第二通行代价分量和第三通行代价分量进行相加或进行加权处理,得到该区域的通行代价。
可选地,可以根据环境特征的表征值区间与通行代价的对应关系,以及该每个区域的环境特征的表征值,确定该获取该每个区域位置的第二通行代价分量。
例如,可以将环境特征的表征值分为好、中和差三个等级,每个等级均包括可以量化的数值范围,每个等级可以对应不同的第二通行代价分量,在获取环境特征的表征值之后,可以确定该环境特征的表征值所属的等级,并得到该等级对应的第二通行代价分量。
例如,环境特征的表征值好对应的系数为1,环境特征的表征值中对应的系数为5,环境特征的表征值差对应的系数为10,某一位置处的距离对应的通行代价为10(直行)和14(斜行),如果该位置处的环境特征的表征值差,则可以将该位置处的直行和斜行的通行代价确定为100和140,如果该位置处的环境特征的表征值为中,则可以将该位置处的直行和斜行的通行代价确定为50和70,如果该位置处的环境特征的表征值为好,则可以将该位置处的直行和斜行通行代价确定为10和14。
应理解,本发明实施例中,环境特征的优劣代表采用该环境特征时,执行任务的难易程度,质量优代表易于执行任务,质量差,代表不易执行任务。
可选地,在本发明实施例中,可以结合通行距离,针对多种环境特征中的每种环境特征在环境地图中设置通行代价,在利用环境地图执行任务时,可以确定该任务可以采用的环境特征,并利用基于该可以采用的环境特征得到的通行代价,进行路径规划。
可选地,在本发明实施例中,可以结合待执行的至少一种任务类型,得到各个区域的通行代价。并且可选地可以将该任务类型对应的通行代价标示在环境地图中,在利用环境地图执行任务时,可以确定该任务对应的通行代价,进行路径规划。其中,待执行的任务包括但不限于定位、通信、联网、探测和识别中的至少一种。
可选地,所述环境特征包括视觉信号;根据通过所述每个第一区域的所述多个方向中每个方向上的视觉信号的表征值,获取所述每个第一区域的每个方向的对应的第二通行代价计算参数;根据所述每个第一区域的所述第一通行代价分量,和通过所述每个第一区域的每个方向上的视觉信号的表征值对应的第二通行代价分量,确定所述每个第一区域处的所述每个方向上的通行代价。
可选地,在本发明实施例中,可以结合地图待执行的至少一种任务类型,得到各个区域的通行代价,在利用地图执行任务时,可以确定该任务对应的通行代价,进行路径规划。其中,地图可以执行的任务包括但不限于定位、通信、联网、探测和识别中的至少一种。
可选地,结合任务类型对环境特征的表征值的要求,以及环境特征的表征值,确定无线通行代价,例如,如果任务类型A和任务类型B均用到环境特征a,其中,任务类型A对环境特征的要求高于任务类型B对于环境特征的要求,则相同的表征值,任务类型A对应的通行代价分量高于任务类型B对应的通行代价分量。
以下将结合方式A和方式B描述在生成环境地图时,如何结合待执行的任务类型来得到各个区域处的通行代价。
方式A
获取待执行的至少一种任务类型;根据该至少一种任务类型中每种任务类型可用的至少一种环境特征在该每个第一区域处的表征值,获取该每种任务类型在该每个第一区域处的第二通行代价分量;根据该每个第一区域的该第一通行代价分量,和该每种任务类型在该每个第一区域处的第二通行代价分量,计算该每种任务类型在该每个第一区域处的通行代价。
可选地,可以根据每种任务类型在该每个第一区域处的通行代价,生成该环境地图,其中,该环境地图包括该每种任务类型在该每个第一区域处的通行代价。
也就说,针对每种任务类型,分别计算该任务类型在每个区域处的通行代价,由此在进行某一种任务类型的路径规划时,可以直接获取各个区域针对该任务类型的通行代价,从而可以实现更为良好的路径规划。
其中,在计算每种任务类型在某个区域的第二通行代价分量时,可以结合任务类型对环境特征的表征值的要求,以及环境特征的表征值,确定通行代价。
可选地,该至少一种任务类型包括第一任务类型,根据在该每个第一区域处,该第一任务类型可用的环境特征中表征值满足预定条件的至少一种环境特征的表征值,确定该第一任务类型在该每个第一区域处的第二通行代价分量。
可选地,满足预定条件的至少一种环境特征可以指环境特征的表征值优于一定门槛的表征值,或者表征值最优的一种表征值。
具体地说,由于针对某一任务,在可用的环境特征存在多种的情况下,由于在智能执行装置运行此处执行待执行的任务时,可以选择质量较优的环境特征,则可以选择质量较优的环境特征进行通行代价分量的计算,例如,对于任务为定位,如果某一区域处可以通过可视特征的数量和声音信号进行定位,则可以预估该两种方式的定位精度,将定位精度较好的环境特征的定位精度确定为用于确定该区域处的通行代价的参数。
当然,对于第一任务类型而言,某区域处存在多种可用的环境特征,可以结合该多种环境特征的表征值计算第二通行代价分量,例如,对多种环境特征的表征值进行加权处理,加权处理得到的表征值用于计算第二通行代价分量,或者,对多种环境特征的表征值分别计算第二通行代价分量,对于得到的多个第二通行代价分量可以进行加权处理,得到最终可用的第二通行代价分量。当然,除了加权处理,也可以是其他处理方式,具体可以根据实际情况而定,例如,如果存在多种环境特征,该多种环境特征可以累加使用,则可以将该多种环境特征的表征值进行类似相加处理,并进一步计算得到第二通行代价分量。
可选地,该第一区域可以是备选区域中包含的任意区域,也可以是满足以下条件的区域:该每个第一区域处,该第一任务类型可用的环境特征的表征值满足该第一任务类型对环境特征的要求。
可选地,确定至少一个第二区域,其中,在该第二区域处,该第一任务类型可用的环境特征的表征值不满足该第一任务类型对环境特征的要求;在进行路径规划时,可以将该第二区域视为障碍物。
可选地,在该环境地图中,针对该第一任务类型,将该至少一个第二区域中每个第二区域标识为障碍物。
方式B
获取待执行的多种任务类型;根据该多种任务类型中每种任务类型可用的至少一种环境特征的表征值,获取该多种任务类型作为整体在该每个第一区域处的第二通行代价分量;根据该每个第一区域的该第一通行代价分量,和该多种任务类型作为整体在每个第一区域处的第二通行代价分量,计算该多种任务类型作为整体在该每个第一区域处的通行代价。
可选地,可以根据该多种任务类型作为整体在该每个第一区域处的通行代价,生成该环境地图,该环境地图包括该多种任务类型作为整体在该每个第一区域处的通行代价。
也就说,针对多种任务类型,可以将该多种任务类型作为整体在每个区域处的通行代价,由此在进行需要执行多种任的路径规划时,可以直接获取各个区域针对该多种任务整体的通行代价,从而可以实现更为良好的路径规划。
可选地,根据该每个第一区域处,该多种任务类型中每种任务类型可用的至少一种环境特征的表征值,得到该每种任务类型在该每个第一区域处的第二通行代价分量;对该多种任务类型在该每个第一区域处的多个第二通行代价分量进行加权处理,以得到该多种任务类型作为整体在该第一区域处的该第二通行代价分量。
除了加权处理,也可以是其他处理方式,具体可以根据实际情况而定,例如,则可以将该多种类型的环境特征的表征值进行类似相加处理,并进一步计算得到第二通行代价分量。或者,将多个任务类型对应的多个第二通行代价分量进行相加处理,作为该多种任务类型作为整体所对应的通行代价。
应理解,在本发明实施例中,在多种任务类型作为整体计算在某一区域处的第二通行代价分量时,采用的每种任务类型可用的至少一种环境特征可以是对应的任务类型在该区域处的全部可用的环境特征,也可以是部分可用的环境特征,例如,表征值最优的至少一种环境特征。
可选地,该第一区域可以是环境地图中需要包含的任意区域,也可以是满足以下条件的区域:在该每个第一区域处,该多种任务类型中每种任务类型可用的环境特征的表征值满足该每种任务类型对环境特征的要求。
可选地,确定至少一个第三区域,其中,在该第三区域处,该多种任务类型中的至少一种任务类型对应的环境特征的表征值不满足该至少一种任务类型对表征值的要求;在进行路径规划时,可以将第三区域视为障碍物。
可选地,在该环境地图中,针对该多种任务类型,将该至少一个第三区域中每个第三区域设置为障碍物。
应理解,在生成环境地图时,以上方式A和方式B可以结合使用。
例如,利用该环境地图待执行的任务包括任务1、任务2和任务3,可以分别针对任务1任务2和任务3分别计算通行代价,以及将任务1、任务2和任务3结合计算通行代价;或者,计算任务1的通行代价,将任务2和任务3结合计算通行代价。
应理解,在本发明实施例中,环境特征的“种”划分可以是指环境特征类型本身的不同,例如,视觉信号和声音信号即认为不同种的环境特征;也可以是同类型的环境特征的不同来源,例如,例如视觉信号中来自太阳的光线和来自灯的光线,“种”的区分维度可以根据具体实际情况而定。
类似地,关于任务类型的“种类”的划分也可以结合具体情况而定,例如,农业用途与工业用途为不同种类的任务类型,例如,定位和通信为不同的任务类型。
在220中,获取起始位置和目标位置。
在230中,根据通过该每个第一区域的该通行代价进行路径规划,确定从该起始位置到达该目标位置的通行路径,该通行路径包括从该起始位置到达该目标位置经过的区域。
可选地,在本发明实施例中,可以利用环境地图,确定从起始位置到目标位置的路径。
其中,在利用环境地图进行路径规划时,可以采用多种算法,例如,Dijksra算法、A*算法等。
为了便于理解,以下将结合A*搜索算法描述如何实现路径的规划。
其中,在A*算法中,需要用到以下公式1:
F(n)=G(n)+H(n) 公式1
其中,F(n)是从初始节点经由中间节点n到目标节点估计的通行代价;G(n)是从起始节点到中间节点n的实际获取的通行代价;H(n)是从中间节点n到目标节点的最佳路径的通行代价的估计。
其中,H(n)计算可以通过曼哈顿算法或其算法,在此不再具体限定。
其中,找到最优路径的条件,关键在于估价函数F(n)的选取。为了更加清楚地理解该算法,以下将具体描述该算法的执行方式。
步骤一、将起始节点添加到开启列表中。
步骤二、重复如下的操作:
a)寻找开启列表中F值最低的节点,也即当前节点;
b)将当前节点切换到关闭列表;
c)对当前节点的每个相邻节点执行以下操作:
(1)如果相邻节点不可通过或者已经在关闭列表中,忽略该节点,反之如下:
(2)如果不在开启列表中,将该相邻节点添加进去,把当前节点作为该节点的回溯节点,记录该节点的F、G和H值;
(3)如果该相邻节点已经在开启列表中,用G值为参考检查新的路径是否更好。如果是这样,将该相邻节点的回溯节点作为当前节点,并且重新计算该节点的G和F值。
d)存在以下两种情况停止:
(1)把目标节点添加至关闭列表,这时候路径已经被找到;
(2)没有找到目标路径,这时开启列表已经空了,此时表示没有找到路径。
步骤三、保存路径。从目标节点,从目标节点开始,沿着每一节点的回溯节点移动至起始节点,即为选择的路径。
为了更加清楚地理解A*算法的实现方式,以下将结合图4a-4e进行描述。
其中,图3a所示的为起始节点,障碍物与目标节点的位置关系。
图3b、图3c和图3d所示为仅以节点的通行距离对应的通行代价计算路径,其中,假设各个节点的直行和斜行距离分别一致,可以将各个节点的直行距离对应的通行代价记为10,将各个节点的斜行距离对应的通行代价记为14。
图3e所示是以节点的通行距离和环境特征的表征值对应的通行代价计算路径。
其中,如图3a所示,节点A为起始节点,节点B为目标节点,节点A、节点B之间的三个节点O为障碍物,也即不可通行的节点。
如图3b所示,在起始节点被切换到关闭列表之后,在开启列表中,查找F值最低的节点,也即与起始节点A右侧紧邻的节点C。将该节点C放入关闭列表中,然后检查节点C相邻的节点,由于左侧的节点是起始节点,右侧的节点是障碍物,可以忽略该两个节点。将节点的另外两个相邻节点放入开启列表中,然后检查开启列表中,用G值为参考检查新的路径是否更好,发现从C节点的上下节点直接与起始节点相通,路径更优。由于C节点的上下节点的F值一致,可以选择最后添加进列表的节点,或者可以随机选择。例如,可如图3c所示,选择了节点D。并继续进行选择,直到找到最优路径。最终得到的路径可以如图3d所示,也即从起始节点A到终止节点B需要途径的节点包括节点D、节点E、节点F、节点G和节点H。
图3e是在结合环境特征的表征值和区域的通行距离得到的从起始节点A到终止节点B的最优路径。其中,图3e所示的环境地图中障碍物左边的三个节点的通行代价被修改为100和140(例如,由于光线条件较差而被修改)。从图中可以看出,该三个节点的上下的两个节点的回溯节点已经发生改变,按照A*算法以及更新后的代价,从节点A到节点B的最优路径需要途径的节点包括节点I,节点E,节点F,节点G和节点H。
因此,从图3a-图3e可以看出,使用基于环境特征的表征值和通行距离得到的环境地图和使用仅基于通行距离得到的环境地图,最终规划的路径不一样,由此在基于环境特征的表征值和通行距离生成的环境地图进行路径规划,可以考虑更多的因素,使得规划出的路径更优质。
图4是根据本发明实施例的地图生成方法300的示意性流程图。如图4所示,该方法300包括以下内容。
在310中,根据多个第一区域中每个第一区域的通行距离,以及所述每个第一区域的环境特征的表征值,获取通过所述每个第一区域的通行代价。
在320中,根据通过所述每个第一区域的通行代价,生成环境地图,所述环境地图包括通过所述每个第一区域的通行代价,用于标示所述多个第一区域覆盖范围内所述每个第一区域的表征值。
可选地,图4所示的地图生成方法的具体实现可以参考方法300中的描述,为了简洁,在此不再赘述。
图5是根据本发明实施例的路径规划方法400的示意性流程图。如图5所示,该方法400包括以下内容。
在410中,获取环境地图,所述环境地图包括通过多个第一区域中每个第一区域的通行代价,用于标示所述多个第一区域覆盖范围内所述每个第一区域的表征值,其中,所述,每个第一区域的通行代价是所述每个第一区域的通行距离,以及所述每个第一区域的环境特征的表征值确定的。
在420中,利用所述环境地图,进行路径规划。
在一种实现方式中,在所述当前位置的环境特征的表征值不满足通行需求时,根据所述地图,从所述多个位置中选择待运行至的位置。
由此,机器人不会主动运动到环境特征的表征值不满足通行需求,从而提高了环境特征输入的稳定性,提高了机器人相应功能的鲁棒性,并且,机器人发现环境特征的表征值不满足通行需求时,能根据地图主动运行到环境特征的表征值能满足通行需求的区域,提高了机器人使用的稳定性和用户体验。
在另一种实现方式中,获取起始位置和目标位置;利用所述地图,确定从所述起始位置到所述目标位置的路径。
可选地,图5所示的路径规划方法的具体实现可以参考方法200中的描述,为了简洁,在此不再赘述。
图6是根据本发明实施例的路径规划装置500的示意性框图。如图6所示,该路径规划装置500包括:第一获取单元510,用于根据多个第一区域中每个第一区域的通行距离,以及所述每个第一区域的环境特征的表征值,获取通过所述每个第一区域的通行代价;第二获取单元520,用于获取起始位置和目标位置;路径规划单元530,用于根据通过所述每个第一区域的所述通行代价进行路径规划,确定从所述起始位置到达所述目标位置的通行路径,所述通行路径包括从所述起始位置到达所述目标位置经过的区域。
可选地,所述装置600还包括地图生成单元540,用于:根据通过所述每个第一区域的通行代价,生成环境地图,所述环境地图包括通过所述每个第一区域的通行代价,用于标示所述多个第一区域覆盖范围内所述每个第一区域的表征值;所述路径规划单元530进一步用于:基于所述环境地图,根据通过所述多个区域覆盖范围内每个所述区域的通行代价确定所述通行路径。
可选地,所述第一获取单元510进一步用于:根据所述每个第一区域的通行距离,确定所述每个第一区域的所述通行距离对应的第一通行代价分量;根据所述每个第一区域的环境特征的表征值,确定所述每个第一区域的所述环境特征的表征值对应的第二通行代价分量;根据所述每个第一区域的所述第一通行代价分量和所述第二通行代价分量,计算通过所述每个第一区域的通行代价。
可选地,所述第一获取单元510进一步用于:获取通过所述通行路径时待执行的至少一种任务类型;根据所述至少一种任务类型中每种任务类型可用的至少一种环境特征在所述每个第一区域处的表征值,获取所述每种任务类型在所述每个第一位置处对应的第二通行代价分量;根据所述每个第一区域的所述第一通行代价分量,和所述每种任务类型在所述每个第一区域对应的第二通行代价分量,计算执行所述每种任务类型时通过所述每个第一区域的通行代价;所述路径规划单元530进一步用于:根据执行所述每种任务类型时通过所述每个第一区域的通行代价,确定用于执行所述每种任务类型的所述通行路径。
可选地,所述至少一种任务类型包括第一任务类型,所述第一获取单元510进一步用于:根据在所述每个第一区域处,所述第一任务类型可用的环境特征中表征值满足预定条件的至少一种环境特征的表征值,确定所述第一任务类型在所述每个第一区域处对应的第二通行代价分量。
可选地,所述第一区域为满足以下条件的区域:在所述第一区域处,所述第一任务类型可用的环境特征的特征值满足所述第一任务类型对环境特征的要求。
可选地,所述第一获取单元510进一步用于:确定至少一个第二区域,其中,在所述第二区域处,所述第一任务类型可用的环境特征的表征值不满足所述第一任务类型对环境特征的要求;所述路径规划单元530进一步用于:在进行路径规划时,将所述至少一个第二区域中每个第二区域视为障碍物。
可选地,所述第一获取单元510进一步用于:获取通过所述通行路径时待执行的多种任务类型;根据所述多种任务类型中每种任务类型可用的至少一种环境特征的表征值,获取所述多种任务类型作为整体在所述每个第一区域处对应的第二通行代价分量;根据所述每个第一区域的所述第一通行代价分量,和所述多种任务类型作为整体在每个第一区域处对应的第二通行代价分量,计算所述多种任务类型作为整体在所述每个第一区域处对应的通行代价;所述路径规划单元530进一步用于:根据所述多种任务类型作为整体在所述每个第一区域处对应的通行代价,确定用于执行所述多种任务类型的所述通行路径。
可选地,所述第一获取单元510进一步用于:根据所述每个第一区域处,所述多种任务类型中每种任务类型可用的至少一种环境特征的表征值,得到所述每种任务类型在所述每个第一区域处对应的第二通行代价分量;对所述多种任务类型在所述每个第一区域处对应的多个第二通行代价分量进行加权处理,以得到所述多种任务类型作为整体在所述第一区域处对应的所述第二通行代价分量。
可选地,所述第一区域为满足以下条件的区域:在所述第一区域处,所述多种任务类型中每种任务类型可用的环境特征的表征值满足所述每种任务类型对环境特征的要求。
可选地,所述第一获取单元510进一步用于:确定至少一个第三区域,其中,在所述第三区域处,所述多种任务类型中的至少一种任务类型对应的环境特征的表征值不满足所述至少一种任务类型对特征值的要求;所述路径规划单元530进一步用于:在进行路径规划时,将所述至少一个第三区域中每个第三区域视为障碍物。
可选地,所述第一获取单元510进一步用于:根据环境特征的表征值区间与通行代价分量的对应关系,以及所述每个区域的环境特征的表征值,确定所述获取所述每个第一区域的所述第二通行代价分量。
可选地,所述第一获取单元510进一步用于:根据所述每个第一区域的通行距离,以及多次获取的所述每个第一区域的环境特征的表征值,以统计的方式获取通过所述每个第一区域的通行代价;或,根据所述每个第一区域的通行距离,以及实时获取的所述每个第一区域的环境特征的表征值,实时获取通过所述每个第一区域的通行代价;或,根据所述每个第一区域的通行距离,以及预测的所述每个第一区域的环境特征的表征值,获取通过所述每个第一区域处的通行代价。
可选地,所述第一获取单元510进一步用于:在所述每个第一区域的环境特征的表征值的变化率小于等于第一阈值的情况下,根据所述每个第一区域的通行距离,以及多次获取的所述每个第一区域的环境特征的表征值,以统计的方式获取通过所述每个第一区域的通行代价。
可选地,所述第一获取单元510进一步用于:在所述每个第一区域的环境特征的表征值的变化率大于第二阈值的情况下,根据所述每个第一区域的通行距离,以及实时获取的所述每个第一区域的所述环境特征的表征值,实时获取通过所述每个第一区域的通行代价。
可选地,所述环境特征包括视觉信号;所述第一获取单元510进一步用于:根据通过所述每个第一位置的所述多个方向中每个方向上的视觉信号的表征值,获取所述每个第一位置的每个方向对应的第二通行代价分量;根据所述每个第一区域的所述第一通行代价分量,和所述每个第一区域的每个方向对应的第二通行代价分量,确定通过所述每个第一区域的所述每个方向上的通行代价。
可选地,所述环境特征包括视觉信号、声音信号和接触面状态中的至少一种。
可选地,所述环境特征包括视觉信号,所述视觉信号的表征值包括光线强度和/或可视特征的数量。
可选地,所述环境特征包括声音信号,所述声音信号的表征值包括所述声音信号的强度。
可选地,所述环境特征包括接触面状态,所述接触面状态的表征值包括所处位置的接触面的倾斜度、高度改变率和/或摩擦度。
应理解,该路径规划装置500可以执行图2所示的方法,为了简洁,在此不再赘述。
图7是根据本发明实施例的地图生成设备600的示意性框图。如图7所示,该设备600包括获取单元610和地图生成单元620。获取单元610用于,根据多个第一区域中每个第一区域的通行距离,以及所述每个第一区域的环境特征的表征值,获取通过所述每个第一区域的通行代价;地图生成单元620用于根据通过所述每个第一区域的通行代价,生成环境地图,所述环境地图包括通过所述每个第一区域的通行代价,用于标示所述多个第一区域覆盖范围内所述每个第一区域的表征值。
应理解,该获取单元610获取通行代价的方式,以及地图生成单元620生成地图的方式,可以参考上文方法的描述,为了简洁,在此不再赘述。
图8是根据本发明实施例的路径规划装置700的示意性框图。如图8所示,该装置700包括获取单元710和路径规划单元720。其中,获取单元710用于获取环境地图,所述环境地图包括通过所述每个第一区域的通行代价,用于标示所述多个第一区域覆盖范围内所述每个第一区域的表征值,其中,所述,每个第一区域的通行代价是根据多个第一区域中每个第一区域的通行距离,以及所述每个第一区域的环境特征的表征值确定的。所述路径规划单元720用于利用所述环境地图,进行路径规划。
应理解,该获取单元710获取环境地图的方式,以及路径规划单元720进行路径规划的方式,可以参考上文方法的描述,为了简洁,在此不再赘述。
图9是根据本发明实施例的智能执行装置800的示意性框图。该智能执行装置800可以是指自动执行工作的机器装置,例如,可以为机器人,无人驾驶汽车,或无人机等。
如图9所示,该智能执行装置800可以包括控制系统810、驱动机构820、传感器830、执行机构840和对外输出装置850。
其中,控制系统810可以向驱动机构820发送指令,驱动机构820可以根据控制系统810发出的指令,驱动执行机构840执行相应的动作。
控制系统810可以通过对外输出装置850对外输出信号。可选地,该对外输出装置850可以包括显示器、语音输出装置或无线发送器等,其中,显示器可以显示电量,或者显示规划的路径等,语音输出装置可以配合检测语音的传感器实现与用户的对话等,无线发送器可以发送无线信号等。
传感器830可以包括内部信息传感器和外部信息传感器。其中,内部信息传感器可以检测智能执行装置的各部分的工作状况,例如,执行机构840包括的各关节的位置,速度和加速度等;外部信息传感器可以检测外界信息,例如,可以获取本申请实施例提到的环境特征的表征值等,还可以获取其他信息,例如,获取用户输入的语音指令,接收无线信号等。
传感器830可以将获取的信息提供给控制系统810,控制系统810可以根据传感器的信息,向驱动机构820发出指令和/或通过对外输出装置850对外输出信号。
可选地,驱动机构820可以是电力驱动装置,例如步进电机或伺服电机等。
可选地,执行机构840用于按照驱动机构820的驱动执行相应的动作。执行机构840可以采用空间开链连杆机构,其中的转动副可以称为关节,关节的数量可以决定智能执行机构的自由度。以智能执行机构800为机器人为例,执行机构可以包括手部,腕部,臂部和行走部等,各部分之间可选地可以由关节相连。
可选地,控制系统810可以包括处理器814和存储器812。其中,该存储器812可以存储有程序代码,该处理器814可以执行该存储器812中存储的程序代码。所述处理器814和所述存储器812之间通过内部连接通路互相通信。
可选地,在处理器814可以调用存储器812中存储的程序代码,执行图2、图4或图5所示的方法。以及,可选地,处理器814可以调用存储器812中存储的程序代码,向驱动机构820发出指令。以及,可选地,处理器814可以调用存储器812中存储的程序代码,通过对外输出装置850对外输出信号。
应理解,图9所示的智能执行装置800仅是本申请的一种可选实施例,本申请实施例的智能执行装置还可以有其他机构,例如,该智能执行装置800可以不包括对外输出装置,或者,对外输出装置中包括的无线收发器可以与传感器中的接收器集成在一起。可以理解,本发明实施例中的处理器可以是一种集成电路芯片,具有信号的处理能力。上述的处理器可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本发明实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(ErasablePROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(SynchronousDRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(Direct RambusRAM,DR RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (26)
1.一种路径规划方法,其特征在于,包括:
获取待执行的至少一种任务类型;
根据多个第一区域中每个第一区域的通行距离,以及所述每个第一区域的环境特征的表征值,获取通过所述每个第一区域的通行代价,包括:
根据所述每个第一区域的通行距离,确定所述每个第一区域的所述通行距离对应的第一通行代价分量,根据所述至少一种任务类型中每种任务类型可用的至少一种环境特征在所述每个第一区域处的表征值,获取所述每种任务类型在所述每个第一区域处对应的第二通行代价分量,根据所述每个第一区域的所述第一通行代价分量,和所述每种任务类型在所述每个第一区域对应的第二通行代价分量,计算执行所述每种任务类型时通过所述每个第一区域的通行代价,或者,
所述至少一种任务类型为多种任务类型,根据所述每个第一区域的通行距离,确定所述每个第一区域的所述通行距离对应的第一通行代价分量,根据所述多种任务类型中每种任务类型可用的至少一种环境特征的表征值,获取所述多种任务类型作为整体在所述每个第一区域处对应的第二通行代价分量,根据所述每个第一区域的所述第一通行代价分量,和所述多种任务类型作为整体在每个第一区域处对应的第二通行代价分量,计算所述多种任务类型作为整体在所述每个第一区域处对应的通行代价;
获取起始位置和目标位置;
根据通过所述每个第一区域的所述通行代价进行路径规划,确定从所述起始位置到达所述目标位置的通行路径,所述通行路径包括从所述起始位置到达所述目标位置经过的所述第一区域。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据通过所述每个第一区域的通行代价,生成环境地图,所述环境地图包括通过所述每个第一区域的通行代价,用于标示所述每个第一区域的表征值;
所述根据通过所述每个第一区域的所述通行代价进行路径规划,确定从所述起始位置到达所述目标位置的通行路径,包括:
基于所述环境地图,根据通过所述每个第一区域的通行代价,确定所述通行路径。
3.根据权利要求1所述的方法,其特征在于,所述至少一种任务类型包括第一任务类型,所述获取所述每种任务类型在所述每个第一区域处对应的所述第二通行代价分量,包括:
根据在所述每个第一区域处,所述第一任务类型可用的环境特征中表征值满足预定条件的至少一种环境特征的表征值,确定所述第一任务类型在所述每个第一区域处对应的第二通行代价分量。
4.根据权利要求3所述的方法,其特征在于,所述第一区域为满足以下条件的区域:在所述第一区域处,所述第一任务类型可用的环境特征的特征值满足所述第一任务类型对环境特征的要求。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
确定至少一个第二区域,其中,在所述第二区域处,所述第一任务类型可用的环境特征的表征值不满足所述第一任务类型对环境特征的要求;
在进行路径规划时,将所述至少一个第二区域中每个第二区域视为障碍物。
6.根据权利要求1所述的方法,其特征在于,所述获取所述多种任务类型作为整体在所述每个第一区域处对应的第二通行代价分量,包括:
根据所述每个第一区域处,所述多种任务类型中每种任务类型可用的至少一种环境特征的表征值,得到所述每种任务类型在所述每个第一区域处对应的第二通行代价分量;
对所述多种任务类型在所述每个第一区域处对应的多个第二通行代价分量进行加权处理,以得到所述多种任务类型作为整体在所述第一区域处对应的所述第二通行代价分量。
7.根据权利要求6所述的方法,其特征在于,所述第一区域为满足以下条件的区域:在所述第一区域处,所述多种任务类型中每种任务类型可用的环境特征的表征值满足所述每种任务类型对环境特征的要求。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
确定至少一个第三区域,其中,在所述第三区域处,所述多种任务类型中的至少一种任务类型对应的环境特征的表征值不满足所述至少一种任务类型对特征值的要求;
在进行路径规划时,将所述至少一个第三区域中每个第三区域视为障碍物。
9.根据权利要求1至8中任一项所述的方法,其特征在于,所述根据所述每个第一区域的环境特征的表征值,确定所述每个第一区域的所述环境特征的表征值对应的第二通行代价分量,包括:
根据环境特征的表征值区间与通行代价分量的对应关系,以及所述每个第一区域的环境特征的表征值,确定所述获取所述每个第一区域的所述第二通行代价分量。
10.根据权利要求1所述的方法,其特征在于,所述环境特征包括视觉信号;
所述根据所述每个第一区域的环境特征的表征值,确定所述每个第一区域的所述环境特征的表征值对应的第二通行代价分量,包括:
根据通过所述每个第一区域的多个方向中每个方向上的视觉信号的表征值,获取所述每个第一区域的每个方向对应的第二通行代价分量;
所述根据所述每个第一区域的所述第一通行代价分量和所述第二通行代价分量,计算通过所述每个第一区域的通行代价,包括:
根据所述每个第一区域的所述第一通行代价分量,和所述每个第一区域的每个方向对应的第二通行代价分量,确定通过所述每个第一区域的所述每个方向上的通行代价。
11.根据权利要求1所述的方法,其特征在于,所述根据多个第一区域中每个第一区域的通行距离,以及所述每个第一区域的环境特征的表征值,获取通过所述每个第一区域的通行代价,包括:
根据所述每个第一区域的通行距离,以及多次获取的所述每个第一区域的环境特征的表征值,以统计的方式获取通过所述每个第一区域的通行代价;或,
根据所述每个第一区域的通行距离,以及实时获取的所述每个第一区域的环境特征的表征值,实时获取通过所述每个第一区域的通行代价;或,
根据所述每个第一区域的通行距离,以及预测的所述每个第一区域的环境特征的表征值,获取通过所述每个第一区域处的通行代价。
12.根据权利要求11所述的方法,其特征在于,所述根据所述每个第一区域的通行距离,以及多次获取的所述每个第一区域的环境特征的表征值,以统计的方式获取通过所述每个第一区域的通行代价,包括:
在所述每个第一区域的环境特征的表征值的变化率小于等于第一阈值的情况下,根据所述每个第一区域的通行距离,以及多次获取的所述每个第一区域的环境特征的表征值,以统计的方式获取通过所述每个第一区域的通行代价。
13.根据权利要求11所述的方法,其特征在于,所述根据所述每个第一区域的通行距离,以及实时获取的所述每个第一区域的环境特征的表征值,实时获取通过所述每个第一区域的通行代价,包括:
在所述每个第一区域的环境特征的表征值的变化率大于第二阈值的情况下,根据所述每个第一区域的通行距离,以及实时获取的所述每个第一区域的所述环境特征的表征值,实时获取通过所述每个第一区域的通行代价。
14.一种路径规划装置,其特征在于,包括:
第一获取单元,用于根据多个第一区域中每个第一区域的通行距离,以及所述每个第一区域的环境特征的表征值,获取通过所述每个第一区域的通行代价;
第二获取单元,用于获取起始位置和目标位置;
路径规划单元,用于根据通过所述每个第一区域的所述通行代价进行路径规划,确定从所述起始位置到达所述目标位置的通行路径,所述通行路径包括从所述起始位置到达所述目标位置经过的所述第一区域,
其中,所述第一获取单元具体用于:
获取待执行的至少一种任务类型;
根据所述每个第一区域的通行距离,确定所述每个第一区域的所述通行距离对应的第一通行代价分量,根据所述至少一种任务类型中每种任务类型可用的至少一种环境特征在所述每个第一区域处的表征值,获取所述每种任务类型在所述每个第一区域处对应的第二通行代价分量,根据所述每个第一区域的所述第一通行代价分量,和所述每种任务类型在所述每个第一区域对应的第二通行代价分量,计算执行所述每种任务类型时通过所述每个第一区域的通行代价,
或者,所述至少一种任务类型为多种任务类型,所述第一获取单元具体用于:
根据所述每个第一区域的通行距离,确定所述每个第一区域的所述通行距离对应的第一通行代价分量,根据所述多种任务类型中每种任务类型可用的至少一种环境特征的表征值,获取所述多种任务类型作为整体在所述每个第一区域处对应的第二通行代价分量,根据所述每个第一区域的所述第一通行代价分量,和所述多种任务类型作为整体在每个第一区域处对应的第二通行代价分量,计算所述多种任务类型作为整体在所述每个第一区域处对应的通行代价。
15.根据权利要求14所述的装置,其特征在于,所述装置还包括地图生成单元,用于:
根据通过所述每个第一区域的通行代价,生成环境地图,所述环境地图包括通过所述每个第一区域的通行代价,用于标示所述每个第一区域的表征值;
所述路径规划单元进一步用于:
基于所述环境地图,根据通过所述每个第一区域的通行代价确定所述通行路径。
16.根据权利要求14所述的装置,其特征在于,所述至少一种任务类型包括第一任务类型,所述第一获取单元进一步用于:
根据在所述每个第一区域处,所述第一任务类型可用的环境特征中表征值满足预定条件的至少一种环境特征的表征值,确定所述第一任务类型在所述每个第一区域处对应的第二通行代价分量。
17.根据权利要求16所述的装置,其特征在于,所述第一区域为满足以下条件的区域:在所述第一区域处,所述第一任务类型可用的环境特征的特征值满足所述第一任务类型对环境特征的要求。
18.根据权利要求17所述的装置,其特征在于,所述第一获取单元进一步用于:
确定至少一个第二区域,其中,在所述第二区域处,所述第一任务类型可用的环境特征的表征值不满足所述第一任务类型对环境特征的要求;
所述路径规划单元进一步用于:
在进行路径规划时,将所述至少一个第二区域中每个第二区域视为障碍物。
19.根据权利要求14所述的装置,其特征在于,所述第一获取单元进一步用于:
根据所述每个第一区域处,所述多种任务类型中每种任务类型可用的至少一种环境特征的表征值,得到所述每种任务类型在所述每个第一区域处对应的第二通行代价分量;
对所述多种任务类型在所述每个第一区域处对应的多个第二通行代价分量进行加权处理,以得到所述多种任务类型作为整体在所述第一区域处对应的所述第二通行代价分量。
20.根据权利要求19所述的装置,其特征在于,所述第一区域为满足以下条件的区域:在所述第一区域处,所述多种任务类型中每种任务类型可用的环境特征的表征值满足所述每种任务类型对环境特征的要求。
21.根据权利要求20所述的装置,其特征在于,所述第一获取单元进一步用于:
确定至少一个第三区域,其中,在所述第三区域处,所述多种任务类型中的至少一种任务类型对应的环境特征的表征值不满足所述至少一种任务类型对特征值的要求;
所述路径规划单元进一步用于:
在进行路径规划时,将所述至少一个第三区域中每个第三区域视为障碍物。
22.根据权利要求14至21中任一项所述的装置,其特征在于,所述第一获取单元进一步用于:
根据环境特征的表征值区间与通行代价分量的对应关系,以及所述每个第一区域的环境特征的表征值,确定所述获取所述每个第一区域的所述第二通行代价分量。
23.根据权利要求14所述的装置,其特征在于,所述环境特征包括视觉信号;
所述第一获取单元进一步用于:
根据通过所述每个第一区域的多个方向中每个方向上的视觉信号的表征值,获取所述每个第一区域的每个方向对应的第二通行代价分量;
根据所述每个第一区域的所述第一通行代价分量,和所述每个第一区域的每个方向对应的第二通行代价分量,确定通过所述每个第一区域的所述每个方向上的通行代价。
24.根据权利要求14所述的装置,其特征在于,所述第一获取单元进一步用于:
根据所述每个第一区域的通行距离,以及多次获取的所述每个第一区域的环境特征的表征值,以统计的方式获取通过所述每个第一区域的通行代价;或,
根据所述每个第一区域的通行距离,以及实时获取的所述每个第一区域的环境特征的表征值,实时获取通过所述每个第一区域的通行代价;或,
根据所述每个第一区域的通行距离,以及预测的所述每个第一区域的环境特征的表征值,获取通过所述每个第一区域处的通行代价。
25.根据权利要求24所述的装置,其特征在于,所述第一获取单元进一步用于:
在所述每个第一区域的环境特征的表征值的变化率小于等于第一阈值的情况下,根据所述每个第一区域的通行距离,以及多次获取的所述每个第一区域的环境特征的表征值,以统计的方式获取通过所述每个第一区域的通行代价。
26.根据权利要求24所述的装置,其特征在于,所述第一获取单元进一步用于:
在所述每个第一区域的环境特征的表征值的变化率大于第二阈值的情况下,根据所述每个第一区域的通行距离,以及实时获取的所述每个第一区域的所述环境特征的表征值,实时获取通过所述每个第一区域的通行代价。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710034754.2A CN108318046B (zh) | 2017-01-18 | 2017-01-18 | 路径规划方法和装置 |
PCT/CN2018/073114 WO2018133805A1 (zh) | 2017-01-18 | 2018-01-18 | 路径规划方法和装置 |
EP18741121.0A EP3564624A4 (en) | 2017-01-18 | 2018-01-18 | ROUTE PLANNING METHOD AND DEVICE |
US16/515,502 US20190339703A1 (en) | 2017-01-18 | 2019-07-18 | Path Planning Method and Apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710034754.2A CN108318046B (zh) | 2017-01-18 | 2017-01-18 | 路径规划方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108318046A CN108318046A (zh) | 2018-07-24 |
CN108318046B true CN108318046B (zh) | 2020-12-15 |
Family
ID=62892174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710034754.2A Active CN108318046B (zh) | 2017-01-18 | 2017-01-18 | 路径规划方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20190339703A1 (zh) |
EP (1) | EP3564624A4 (zh) |
CN (1) | CN108318046B (zh) |
WO (1) | WO2018133805A1 (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11530921B2 (en) * | 2018-09-28 | 2022-12-20 | Intel Corporation | Method of generating a collision free path of travel and computing system |
US11256261B1 (en) * | 2018-10-16 | 2022-02-22 | Amazon Technologies, Inc. | System for movement of autonomous mobile device |
KR102224637B1 (ko) | 2019-07-05 | 2021-03-08 | 엘지전자 주식회사 | 이동 로봇 및 그 제어방법 |
KR102275300B1 (ko) | 2019-07-05 | 2021-07-08 | 엘지전자 주식회사 | 이동 로봇 및 그 제어방법 |
KR102297496B1 (ko) | 2019-07-11 | 2021-09-02 | 엘지전자 주식회사 | 인공지능을 이용한 이동 로봇 및 이동 로봇의 제어방법 |
KR102361130B1 (ko) | 2019-07-11 | 2022-02-09 | 엘지전자 주식회사 | 이동 로봇 및 그 제어방법 |
KR102302575B1 (ko) * | 2019-07-16 | 2021-09-14 | 엘지전자 주식회사 | 이동 로봇 및 그 제어방법 |
CN111103887B (zh) * | 2020-01-14 | 2021-11-12 | 大连理工大学 | 一种基于多传感器的多移动机器人调度系统设计方法 |
CN113324761B (zh) * | 2020-02-28 | 2023-03-28 | 苏州宝时得电动工具有限公司 | 电动工具、车轮打滑确定系统及方法 |
CN111781925A (zh) * | 2020-06-22 | 2020-10-16 | 北京海益同展信息科技有限公司 | 路径规划方法、装置、机器人及存储介质 |
CN111830973B (zh) * | 2020-06-29 | 2021-07-20 | 北京大学 | 动态环境下的移动机器人路径规划方法及装置 |
CN112650252B (zh) * | 2020-12-25 | 2024-05-07 | 珠海一微半导体股份有限公司 | 用于搜索起始清扫位置的寻径代价获取方法及芯片 |
CN112945255B (zh) * | 2021-01-29 | 2022-06-21 | 中国人民解放军国防科技大学 | 汽车搭载多架无人机协同多区域覆盖路径规划方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104897168A (zh) * | 2015-06-24 | 2015-09-09 | 清华大学 | 基于道路危险评估的智能车路径搜索方法及系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3994950B2 (ja) * | 2003-09-19 | 2007-10-24 | ソニー株式会社 | 環境認識装置及び方法、経路計画装置及び方法、並びにロボット装置 |
US8886453B2 (en) * | 2008-12-11 | 2014-11-11 | Telogis, Inc. | System and method for efficient routing on a network in the presence of multiple-edge restrictions and other constraints |
JP5810621B2 (ja) * | 2011-05-16 | 2015-11-11 | 株式会社デンソー | 道路勾配データ作成装置、記憶媒体、並びに、車両のエネルギー消費量予測装置 |
JP5724110B2 (ja) * | 2011-07-07 | 2015-05-27 | 株式会社日立製作所 | 経路作成システム、経路作成方法及びプログラム |
WO2013070123A1 (en) * | 2011-11-08 | 2013-05-16 | Saab Ab | Route planning system and method for minimizing exposure to threats |
CN104165625B (zh) * | 2013-05-17 | 2017-06-06 | 北京百度网讯科技有限公司 | 路径规划方法和设备 |
CN103558856A (zh) * | 2013-11-21 | 2014-02-05 | 东南大学 | 动态环境下服务动机器人导航方法 |
CN103576686B (zh) * | 2013-11-21 | 2017-01-18 | 中国科学技术大学 | 一种机器人自主导引及避障的方法 |
US9216508B2 (en) * | 2014-01-14 | 2015-12-22 | Qualcomm Incorporated | Connectivity maintenance using a quality of service-based robot path planning algorithm |
CN104615138B (zh) * | 2015-01-14 | 2017-09-08 | 上海物景智能科技有限公司 | 一种划分移动机器人室内区域动态覆盖方法及其装置 |
CN104599588B (zh) * | 2015-02-13 | 2017-06-23 | 中国北方车辆研究所 | 一种栅格地图通行成本的计算方法 |
CN105067004B (zh) * | 2015-09-14 | 2017-10-20 | 武大吉奥信息技术有限公司 | 一种基于地形的路径搜索方法 |
-
2017
- 2017-01-18 CN CN201710034754.2A patent/CN108318046B/zh active Active
-
2018
- 2018-01-18 EP EP18741121.0A patent/EP3564624A4/en active Pending
- 2018-01-18 WO PCT/CN2018/073114 patent/WO2018133805A1/zh unknown
-
2019
- 2019-07-18 US US16/515,502 patent/US20190339703A1/en not_active Abandoned
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104897168A (zh) * | 2015-06-24 | 2015-09-09 | 清华大学 | 基于道路危险评估的智能车路径搜索方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
US20190339703A1 (en) | 2019-11-07 |
WO2018133805A1 (zh) | 2018-07-26 |
EP3564624A4 (en) | 2020-01-22 |
EP3564624A1 (en) | 2019-11-06 |
CN108318046A (zh) | 2018-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108318046B (zh) | 路径规划方法和装置 | |
CN108334062B (zh) | 路径规划方法和装置 | |
Kim et al. | Robust vehicle localization using entropy-weighted particle filter-based data fusion of vertical and road intensity information for a large scale urban area | |
JP6640777B2 (ja) | 移動制御システム、移動制御装置及びプログラム | |
US9823661B2 (en) | Occupancy grid map for a vehicle | |
US10422649B2 (en) | Autonomous driving sensing system and method | |
US11794731B2 (en) | Waypoint prediction for vehicle motion planning | |
US10699573B1 (en) | Device locator | |
US20180322777A1 (en) | Method and system for creating a lane-accurate occupancy grid map for lanes | |
CN103926925A (zh) | 一种基于改进的vfh算法的定位与避障方法及机器人 | |
JP6861511B2 (ja) | 地図を構築するための方法及び装置 | |
Löper et al. | Automated valet parking as part of an integrated travel assistance | |
KR20130065126A (ko) | 이동체의 경로 설정 장치 및 방법 | |
CN112526985B (zh) | 一种行走禁区规划方法及其装置、自移动机器人 | |
US20170110013A1 (en) | System and method for sensor positioning and vehicle tracking using lpr based spatial constraints | |
Ruiz et al. | A general algorithm for exploration with gaussian processes in complex, unknown environments | |
CN111275112A (zh) | 机器人控制方法、机器人和可读存储介质 | |
CN112033423B (zh) | 一种基于道路共识的机器人路径规划方法、装置和机器人 | |
JP2020095339A (ja) | 移動体、移動体の制御方法及びプログラム | |
Kim et al. | Signal processing and alert logic evaluation for IoT–based work zone proximity safety system | |
Dong et al. | Indoor tracking using crowdsourced maps | |
Osman et al. | Indoor SLAM using a foot-mounted IMU and the local magnetic field | |
CN109668565A (zh) | 目标对象的定位方法和装置 | |
US20240219200A1 (en) | System and Method for Mapping and Routing for Robotic Last-Mile Delivery Infrastructure | |
Siedentop et al. | Autonomous parking using previous paths |
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 |