CN108387240B - 一种多层次六边形网格地图的构建方法 - Google Patents
一种多层次六边形网格地图的构建方法 Download PDFInfo
- Publication number
- CN108387240B CN108387240B CN201810034443.0A CN201810034443A CN108387240B CN 108387240 B CN108387240 B CN 108387240B CN 201810034443 A CN201810034443 A CN 201810034443A CN 108387240 B CN108387240 B CN 108387240B
- Authority
- CN
- China
- Prior art keywords
- map
- node
- main
- nodes
- expansion
- 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
Images
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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- 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
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提出了一种多层次六边形网格地图的构建方法,属于机器人地图构建技术领域。该方法适用于机器人在动态环境中局部地图的构建,该方法采用由一个六边形和其周围六个邻域六边形构成的基础结构进行地图的构建。首先通过对基础结构中的主节点的逐层膨胀实现地图扩展,再通过每个主节点向周边的六邻域节点的膨胀以实现地图对环境的密闭覆盖。地图中六边形网格节点的六邻域网格节点的中心点分布在同一圆上,这与机器人测距传感器感知范围呈圆形分布相一致。以此构建的六边形网格地图提升了机器人在动态环境中地图构建的有效性和高效性,本发明可用在移动机器人自主导航等人工智能领域。
Description
技术领域
本发明属于机器人地图构建技术领域,涉及到机器人的一种多层次六边形网格地图的构建方法。
背景技术
机器人的地图构建是机器人通过传感器感知周围环境信息,并把环境信息抽象成机器人自主导航系统可以理解的模型的过程。在机器人的自主导航过程中,机器人导航系统还会把构建完成的地图作为输入提供给路径规划模块用以完成机器人自主导航的任务。从机器人地图构建的概念和用途可以看出,机器人地图构建是机器人自主导航研究中的核心部分,在机器人的自主导航中起到了承上启下的作用。
文献(Marder-Eppstein E,Berger E,Foote T,et al.The Office Marathon:Robust Navigation in an Indoor Office Environment[C].In Proceeding of theIEEE International Conference on Robotics and Automation(ICRA),2010.)使用了机器人地图构建技术中常用的栅格地图构建方法,完成了机器人自主导航的任务。栅格地图就是把机器人所处的环境分解成离散的栅格,通过机器人搭载测距传感器得到周围环境的数据并结合当时机器人所处的位置计算出每个栅格被占据的概率,并根据栅格被占据的概率确定栅格不同的属性。每个栅格都与实际场景中的一块区域对应,栅格属性反映了这块区域的环境信息。栅格地图具有存储方便,容易创建和维护的优点。但是在栅格地图中,一个栅格与它周围的八个邻域栅格之间的距离存在不相等的情况(如图1所示是在4×5栅格地图中,索引为8的栅格与它的八邻域栅格之间距离的示意图),这样会导致机器人在基于栅格进行路径规划时栅格选择变得复杂;此外,栅格地图是以正方形或者矩形的形式存在,但在实际应用中,根据传感器半径进行局部地图扩展时,为了覆盖传感器能检测到的圆形区域(如图2所示黑色中心表示传感器,黑色圆表示传感器检测的范围,圆内的白色栅格是传感器能检测到的栅格,圆外阴影部分的栅格为传感器检测不到的冗余栅格),栅格地图会造成四个内角处的栅格的浪费。
文献(Simhon S,Dudek G.A Golbal Topological Map formed by Local MetricMaps[C].Intelligent Robots and Systems,1998.IROS 1998.IEEE/RSJ InternationalConference on.IEEE,1998:1708-1714)使用拓扑地图的方法构建机器人在大范围环境中的地图。由于拓扑地图具有占用内存较小的特点,比较适合于在大范围环境中的地图构建。但是拓扑地图是把环境信息离散成了节点和边的形式,这样也就造成了环境信息的大量缺失,在非结构化或者复杂动态环境中,拓扑地图存在明显的缺点。
文献(Chen T,Wang R,Dai B,et al.Likelihood-Field-Model-Based DynamicVehicle Detection and Tracking for Self-Driving[J].IEEE Transactions onIntelligent Transportation Systems,2016,17(11):3142-3158.)使用激光雷达作为测距传感器,根据激光雷达的物理模型构建了极坐标下的栅格地图。由于极坐标的栅格地图和激光雷达的物理模型相似,因此这样构建的地图能够比较完整的表示出通过一帧激光雷达得到的环境信息。极坐标栅格地图尽管能对一帧激光雷达数据进行完整的表述,但在机器人运动过程中,极坐标系下的点云投射和更新维护十分复杂,导致机器人在动态场景中地图维护的成本过高。
发明内容
为了提升机器人在动态环境中地图构建的有效性和高效性,本发明提出了一种多层次六边形网格地图的构建方法。为了实现对环境的密闭覆盖,本发明中采用如图3所示的由一个六边形和其周围六个邻域六边形构成的基础结构进行地图的构建。基础结构中的中心六边形被称为主节点(如图3中灰色六边形所示),邻域的六个六边形称为邻域节点(如图3中白色六边形所示)。主节点通过膨胀的方式向四周生成下一层次的主节点,并通过逐层膨胀的方式进行地图扩展。当膨胀的主节点尺寸达到应用的需求之后,再通过每个主节点向周边的六邻域节点的膨胀以实现地图对环境的密闭覆盖。
如图4,地图中六边形网格节点的六邻域网格节点的中心点分布在同一圆上,这与机器人测距传感器感知范围呈圆形分布相一致。此外,由于六边形网格节点的中心与其邻域节点的中心距离相等,使得机器人基于该地图进行路径规划的选择变得简单。同时,所规划的路径具有更好的平滑效果。
本发明的技术方案:
一种多层次六边形网格地图的构建方法,步骤如下:
(1)地图基本参数初始化
在地图构建之前,对地图的基本参数进行初始化;对于六边形网格地图,有两个基本参数需要初始化,即六边形网格的边长L和地图覆盖半径Rcover;六边形网格的边长L决定了地图的分辨率,地图覆盖半径Rcover决定地图构建的尺寸;在完成地图覆盖半径和六边形网格的边长两个基础参数设置之后,得到地图生成的层数n与地图覆盖半径Rcover、六边形网格的边长L之间的函数关系f(Rcover,L),如公式(1)所示;其中,f(Rcover,L)是一个向上取整的函数;
当地图覆盖半径Rcover、六边形网格的边长L和地图生成的层数n三个参数确定之后,求得构建的n层地图需要生成的主节点个数与地图层数n之间的函数关系Hexnum(n),如公式(2)所示:
相应地,地图覆盖面积Scover与地图层数n、六边形边长L以及构建n层六边形网格地图生成的主节点数之间的关系如公式(3)所示:
(2)主节点膨胀
在地图基本参数初始化完成之后,首先进行基础结构中主节点的膨胀;主节点膨胀的目的是通过主节点向周围不断逐层次膨胀,从而生成下一层次的所有主节点,直到地图层数n达到初始化中给定的预设值时停止主节点膨胀;
地图层数为2时的地图主节点膨胀的过程如下:
首先,选取节点编号为0的主节点作为中心主节点C(Cx,Cy),通过公式(4)得到其六个邻域主节点CAi(CAxi,CAyi),此时第一层地图扩展完成;
其中,Cx和Cy分别为中心主节点的横坐标和纵坐标,对应的CAxi和CAyi分别为膨胀生成的第i个主节点的横坐标和纵坐标,i为主节点个数,θ为中心主节点和第一个膨胀的主节点之间的夹角,地图中L为六边形网格的边长,Cr为中心主节点膨胀出来的节点之间的距离;
接下来,把地图中第一层的主节点也就是由编号为0的主节点膨胀生成六个邻域主节点分别作为中心主节点C(Cx,Cy),利用公式(4)逐一进行六邻域膨胀,完成由地图第一层主节点向地图第二层主节点膨胀的过程;当选择1作为中心主节点利用公式(4)进行六邻域膨胀时,膨胀生成的节点编号为7、8、2、0、6、10,但编号为0、2、6的节点在之前就已经生成了,为避免重复,需要舍弃这次生成的重复节点;因此,在进行主节点膨胀生成次层的主节点时,进行节点冲突检测,舍弃掉那些之前就已经生成的主节点;
(3)邻域节点膨胀
在地图主节点膨胀完成之后,地图的尺寸扩展就已经完成;接下来通过主节点把基础结构中的邻域节点膨胀完成,使得地图覆盖的区域实现密闭性;具体膨胀过程就是把通过主节点膨胀得到的所有主节点都作一次中心点C(Cx,Cy)进行一次六邻域膨胀,也就是根据公式(5)实现由主节点C(Cx,Cy)到周围六邻域的邻域节点Adi(Adxi,Adyi)的膨胀;当所有主节点完成邻域节点膨胀之后,即完成了六边形网格地图的构建;
其中,Cx和Cy分别为中心主节点的横坐标和纵坐标,对应的Adxi和Adyi分别为主节点膨胀生成的第i个邻域节点的横坐标和纵坐标,L为六边形网格的边长,θ为主节点和第一个膨胀的邻域节点之间的夹角,Vr主节点与它膨胀出来的邻域节点之间的距离;
(4)网格地图属性设置
在六边形网格地图构建完成之后,接下来对地图中的网格进行属性设置;将测距传感器得到的数据投影至相对应的网格中,针对每个网格的数据进行分析,赋予网格不同的属性,网格不同的属性表示了这个网格代表的环境信息情况;带有属性的六边形网格地图将会提供给机器人导航中用于障碍物判断和规划使用;为网格地图设置三种属性,分别为:可行、未知和障碍属性;可行属性代表该网格对于机器人来说是可以通行的,而未知属性代表测距传感器未测到地方,障碍属性代表通过测距传感器得到的数据判断出机器人不可通行的区域。
本发明的有益效果:以此构建的六边形网格地图提升了机器人在动态环境中地图构建的有效性和高效性,由于六边形网格节点的中心与其邻域节点的中心距离相等,使得机器人基于该地图进行路径规划的选择变得简单。同时,所规划的路径具有更好的平滑效果。本发明可用在移动机器人自主导航等人工智能领域。
附图说明
图1为4×5栅格地图中某个栅格与其八邻域栅格之间的距离示意图。
图2为栅格地图中获得传感器数据有效区域和栅格地图无效区域的示意图。
图3为构建六边形网格地图的基础结构示意图。
图4为六边形网格地图中某个六边形网格和六个邻域网格之间距离的示意图。
图5为地图层次为1时地图覆盖半径Rcover和六边形网格的边长L的示意图。
图6为地图层次为2时地图覆盖半径Rcover和六边形网格的边长L的示意图。
图7为地图层次为2时的六边形网格地图主节点膨胀的过程示意图。
图8为地图层次为2时的六边形网格地图邻域节点膨胀的过程示意图。
图9为赋有相关属性之后的六边形网格地图示意图。
图10为21层六边形网格地图膨胀生成的所有主节点俯视图。
图11为图10沿坐标系45度方向的侧视图。
图12为最终构建的21层六边形网格地图的俯视图。
图13为图12沿坐标系45度方向的侧视图。
图14为某时刻一幅场景的激光点云及其对应的六边形网格地图的俯视图。
图15为图14以坐标原点为中心放大之后的局部示意图。
具体实施方式
以下结合附图和技术方案,进一步说明本发明的具体实施方式。
本发明具体实施过程中使用的是16线三维激光和搭载的计算机实现实时的多层次六边形网格地图的构建。计算机实现多层次六边形网格地图的实时构建,16线三维激光作为实验中机器人的环境感知传感器,实时感知周围环境,并把得到的数据传递给计算机,计算机对数据进行实时处理,构建实时的多层次六边形网格地图。
第一步,对六边形网格地图的两个基本参数设置,地图覆盖半径Rcover和六边形网格的边长L,在实验中构建的多层次六边形网格地图是使用在机器人的局部导航中,这要求构建的地图只需要实时关注机器人周围的环境信息,因此构建的六边形网格地图不需要太大,能充分表示目前机器人周围环境信息变化就可以。基于上述的分析,实验中采用的地图覆盖半径Rcover为10.0m,为了在地图中能比较详细的表示环境信息,实验中采用的六边形网格的边长L即地图的分辨率是0.1m,根据技术方案中第一步中的公式(1)、(2)、(3)可以得到生成的六边形网格地图的层数是21层,需要生成的主节点数是6847个,覆盖的面积为177.89m2。
第二步,把当前机器人位置设定为地图的原点和第一个中心主节点,根据第一步设置的参数,可以得到中心主节点和它的邻域主节点之间的距离Cr为0.4583m,根据技术方案第二步里描述的方法进行主节点逐层次膨胀,待地图层数到达21层时结束主节点膨胀。如图10,是二十一层六边形网格地图经过主节点膨胀生成的所有主节点的俯视图,图11是图10沿坐标系45度方向的侧视图。图中黑色小六边形就是主节点。
第三步,根据公式(5)可以得到主节点和周围的六个邻域节点之间的距离Vr为0.1732m。根据技术方案第三步里描述的主节点向六个邻域节点膨胀的方法进行邻域节点的膨胀,直到把所有主节点都进行完邻域节点的膨胀,这时构建的地图实现了完全密闭,六边形网格地图的构建也就完成了。如图12,是最终构建的二十一层六边形网格地图的俯视图,图13是图12沿坐标系45度方向的侧视图。两图中白色六边形区域就是最终构建的六边形网格地图。
第四步,根据实时激光数据得到实时带有属性的六边形网格地图,如图14,是某一时刻一幅场景的激光点云和它所对应的六边形网格地图的俯视图。图15是图14以坐标原点为中心放大之后的局部示意图。图14中一整块白色的区域表示的就是构建的六边形网格地图,白色代表着地图中的六边形网格是可行的属性。图15中可以明显地看到地图中还存在着黑色的六边形网格,这些是具有障碍属性的六边形网格。
Claims (1)
1.一种多层次六边形网格地图的构建方法,其特征在于,步骤如下:
1)地图基本参数初始化
在地图构建之前,对地图的基本参数进行初始化;对于六边形网格地图,有两个基本参数需要初始化,即六边形网格的边长L和地图覆盖半径Rcover;六边形网格的边长L决定了地图的分辨率,地图覆盖半径Rcover决定地图构建的尺寸;在完成地图覆盖半径和六边形网格的边长两个基础参数设置之后,得到地图层数n与地图覆盖半径Rcover、六边形网格的边长L之间的函数关系f(Rcover,L),如公式(1)所示;其中,f(Rcover,L)是一个向上取整的函数;
当地图覆盖半径Rcover、六边形网格的边长L和地图层数n三个参数确定之后,求得构建的n层地图需要生成的主节点个数与地图层数n之间的函数关系Hexnum(n),如公式(2)所示:
相应地,地图覆盖面积Scover与地图层数n、六边形网格的边长L以及构建n层六边形网格地图生成的主节点数之间的关系如公式(3)所示:
2)主节点膨胀
在地图基本参数初始化完成之后,首先进行基础结构中主节点的膨胀;主节点膨胀的目的是通过主节点向周围不断逐层次膨胀,从而生成下一层次的所有主节点,直到地图层数n达到初始化中给定的预设值时停止主节点膨胀;
地图层数为2时的地图主节点膨胀的过程如下:
首先,选取节点编号为0的主节点作为中心主节点C(Cx,Cy),通过公式(4)得到其六个邻域主节点CAi(CAxi,CAyi),此时第一层地图扩展完成;
其中,Cx和Cy分别为中心主节点的横坐标和纵坐标,对应的CAxi和CAyi分别为膨胀生成的第i个主节点的横坐标和纵坐标,i为主节点个数,θC为中心主节点和第一个膨胀的主节点之间的夹角,地图中L为六边形网格的边长,Cr为中心主节点膨胀出来的节点之间的距离;
接下来,把地图中第一层的主节点也就是由编号为0的主节点膨胀生成六个邻域主节点分别作为中心主节点C(Cx,Cy),利用公式(4)逐一进行六邻域膨胀,完成由地图第一层主节点向地图第二层主节点膨胀的过程;在进行主节点膨胀生成次层的主节点时,进行节点冲突检测,舍弃掉那些之前就已经生成的主节点;
3)邻域节点膨胀
在地图主节点膨胀完成之后,地图的尺寸扩展就已经完成;接下来通过主节点把基础结构中的邻域节点膨胀完成,使得地图覆盖的区域实现密闭性;具体膨胀过程就是把通过主节点膨胀得到的所有主节点都作一次中心主节点C(Cx,Cy)进行一次六邻域膨胀,也就是根据公式(5)实现由中心主节点C(Cx,Cy)到周围六邻域的邻域节点Adi(Adxi,Adyi)的膨胀;当所有主节点完成邻域节点膨胀之后,即完成了六边形网格地图的构建;
其中,Cx和Cy分别为中心主节点的横坐标和纵坐标,对应的Adxi和Adyi分别为主节点膨胀生成的第i个邻域节点的横坐标和纵坐标,θ为主节点和第一个膨胀的邻域节点之间的夹角,Vr主节点与它膨胀出来的邻域节点之间的距离;
4)网格地图属性设置
在六边形网格地图构建完成之后,接下来对地图中的网格进行属性设置;将测距传感器得到的数据投影至相对应的网格中,针对每个网格的数据进行分析,赋予网格不同的属性,网格不同的属性表示了这个网格代表的环境信息情况;带有属性的六边形网格地图将会提供给机器人导航中用于障碍物判断和规划使用;为网格地图设置三种属性,分别为:可行、未知和障碍属性;可行属性代表该网格对于机器人来说是可以通行的,而未知属性代表测距传感器未测到地方,障碍属性代表通过测距传感器得到的数据判断出机器人不可通行的区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810034443.0A CN108387240B (zh) | 2018-01-15 | 2018-01-15 | 一种多层次六边形网格地图的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810034443.0A CN108387240B (zh) | 2018-01-15 | 2018-01-15 | 一种多层次六边形网格地图的构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108387240A CN108387240A (zh) | 2018-08-10 |
CN108387240B true CN108387240B (zh) | 2021-05-11 |
Family
ID=63076259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810034443.0A Active CN108387240B (zh) | 2018-01-15 | 2018-01-15 | 一种多层次六边形网格地图的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108387240B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109282823A (zh) * | 2018-09-21 | 2019-01-29 | 大连航佳机器人科技有限公司 | 六边形网格地图的更新方法 |
CN109668566B (zh) * | 2018-12-05 | 2022-05-13 | 大连理工大学 | 一种基于鼠脑定位细胞的机器人情景认知地图的构建与导航方法 |
CN111700552B (zh) * | 2019-03-18 | 2023-09-01 | 北京奇虎科技有限公司 | 地图尺寸扩充的方法、装置、设备及计算机可读存储介质 |
CN110823252B (zh) * | 2019-11-06 | 2022-11-18 | 大连理工大学 | 一种多线激光雷达和单目视觉的自动标定方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008022185A1 (de) * | 2008-05-05 | 2009-12-10 | Navigon Ag | Verfahren zur Erzeugung einer digitalen Straßenkarte |
CN102496330A (zh) * | 2011-12-14 | 2012-06-13 | 中国人民解放军总参谋部第六十研究所 | 六角网格同构模型及其建模方法和应用 |
CN102968122A (zh) * | 2012-12-12 | 2013-03-13 | 深圳市银星智能科技股份有限公司 | 一种用于移动平台在未知区域自建地图的覆盖方法 |
CN105511485A (zh) * | 2014-09-25 | 2016-04-20 | 科沃斯机器人有限公司 | 用于自移动机器人栅格地图的创建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080067741A (ko) * | 2007-01-17 | 2008-07-22 | 삼성전자주식회사 | 무선통신시스템에서 최대 전력대 평균 전력비를 줄이기위한 장치 및 방법 |
-
2018
- 2018-01-15 CN CN201810034443.0A patent/CN108387240B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008022185A1 (de) * | 2008-05-05 | 2009-12-10 | Navigon Ag | Verfahren zur Erzeugung einer digitalen Straßenkarte |
CN102496330A (zh) * | 2011-12-14 | 2012-06-13 | 中国人民解放军总参谋部第六十研究所 | 六角网格同构模型及其建模方法和应用 |
CN102968122A (zh) * | 2012-12-12 | 2013-03-13 | 深圳市银星智能科技股份有限公司 | 一种用于移动平台在未知区域自建地图的覆盖方法 |
CN105511485A (zh) * | 2014-09-25 | 2016-04-20 | 科沃斯机器人有限公司 | 用于自移动机器人栅格地图的创建方法 |
Non-Patent Citations (3)
Title |
---|
A Conformal mapped nodal SP3 method for hexagonal core analysis;Yeong-il Kim 等;《Annals of Nuclear Energy》;20090130;第36卷(第04期);第498-504页 * |
六角格兵棋地图表示方法及其设计探析;汤奋 等;《测绘与空间地理信息》;20160531;第39卷(第05期);第76-78,82页 * |
计算机兵棋中越野机动路径网络分析;张欣 等;《地理空间信息》;20170331;第15卷(第03期);第14-16,30页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108387240A (zh) | 2018-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108387240B (zh) | 一种多层次六边形网格地图的构建方法 | |
CN112859859B (zh) | 一种基于三维障碍物体素对象映射的动态栅格地图更新方法 | |
CN111240319B (zh) | 室外多机器人协同作业系统及其方法 | |
CN109541634B (zh) | 一种路径规划方法、装置和移动设备 | |
CN113110457B (zh) | 在室内复杂动态环境中智能机器人的自主覆盖巡检方法 | |
WO2017028653A1 (zh) | 一种移动机器人室内自建地图的方法和系统 | |
Sudhakara et al. | Trajectory planning of a mobile robot using enhanced A-star algorithm | |
CN108334080B (zh) | 一种针对机器人导航的虚拟墙自动生成方法 | |
CN105116902A (zh) | 一种移动机器人避障导航的方法和系统 | |
CN106643721B (zh) | 一种环境拓扑地图的构建方法 | |
CN106017472A (zh) | 全局路线规划方法、全局路线规划系统及无人机 | |
Rodenberg et al. | Indoor A* pathfinding through an octree representation of a point cloud | |
CN112857370A (zh) | 一种基于时序信息建模的机器人无地图导航方法 | |
Wu et al. | A Non-rigid hierarchical discrete grid structure and its application to UAVs conflict detection and path planning | |
Han et al. | Research on UAV indoor path planning algorithm based on global subdivision grids | |
Xue et al. | Real-time 3D grid map building for autonomous driving in dynamic environment | |
CN115047871A (zh) | 动态目标的多无人车协同搜索方法、装置、设备及介质 | |
Ramasubramanian et al. | On the enhancement of firefighting robots using path-planning algorithms | |
CN109282823A (zh) | 六边形网格地图的更新方法 | |
Zhang et al. | A Robot Navigation System in Complex Terrain Based on Statistical Features of Point Clouds | |
Li et al. | Object-Aware View Planning for Autonomous 3D Model Reconstruction of Buildings Using a Mobile Robot | |
CN110716547A (zh) | 一种基于波前算法的3d探索的方法 | |
Dhawan et al. | Path Based Mapping Technique for Robots | |
Cheng et al. | Topological indoor localization & navigation for autonomous industrial mobile manipulator | |
Chen et al. | Tvslam: An efficient topological-vector based slam algorithm for home cleaning robots |
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 |