CN108415428A - 一种移动机器人的全局路径优化方法 - Google Patents
一种移动机器人的全局路径优化方法 Download PDFInfo
- Publication number
- CN108415428A CN108415428A CN201810143337.6A CN201810143337A CN108415428A CN 108415428 A CN108415428 A CN 108415428A CN 201810143337 A CN201810143337 A CN 201810143337A CN 108415428 A CN108415428 A CN 108415428A
- Authority
- CN
- China
- Prior art keywords
- distance
- mobile robot
- coordinate points
- target point
- global path
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005457 optimization Methods 0.000 title claims abstract description 22
- 230000004888 barrier function Effects 0.000 claims abstract description 26
- 230000001052 transient effect Effects 0.000 claims abstract description 24
- 230000000007 visual effect Effects 0.000 claims description 8
- 230000001174 ascending effect Effects 0.000 claims description 3
- 229910017435 S2 In Inorganic materials 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007613 environmental effect Effects 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
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种移动机器人的全局路径优化方法，其属于智能机器人领域的技术，包括以下步骤：步步骤S1，设置一导航目标点，所述移动机器人通过一预设的路径规划策略进行全局路径规划，并判断是否能够得到一全局路径：若是，则采用所述全局路径指引所述移动机器人到达所述导航目标点，并退出；若否，则形成一到达障碍物的失败路径，并转向步骤S2；步骤S2，根据一预设的选择策略在所述失败路径上选择一点作为临时目标点；步骤S3，所述移动机器人移动至所述临时目标点，随后返回所述步骤S1。该技术方案的有益效果是：能够有效的减少导航时移动机器人无法得到全局路径的情况，使得移动机器人执行力更高，更加凸显智能化，有效的提高了用户的体验。
Description
技术领域
本发明涉及的是一种智能机器人领域的技术，具体是一种移动机器人的全局路径优化方法。
背景技术
移动机器人的研究始于20世纪60年代末期，移动机器人是迅速发展起来的一种综合技术，集成了计算机、电子、自动控制以及人工智能等多学科的最新研究成果。
近年来，移动机器人路径规划己经成为自动控制、计算机和人工智能等领域的一个研究热点，其发展对国防、社会、经济和科学技术具有重大的影响力。
路径规划是移动机器人导航技术中不可缺少的重要组成部分，它要求机器人根据给予的指令及环境信息自主地决定路径，避开障碍物，实现任务目标。
路径规划是移动机器人完成任务的安全保障，同时也是移动机器人智能化程度的重要标志。尤其是在机器人硬件系统的精度在短期内不能得到解决的情况下，对路径规划算法的研究尤为重要，这将从根本上改变移动机器人的导航性能，将提高移动机器人的智力水平，减少移动机器人在移动过程中存在的不确定状态，提高移动机器人移动的速度及灵活性。
目前移动机器人智能导航到达指定的目标点需要一条从起点到终点连成最优的路径进行指引，该条路径类似于一条绳索，就像人沿着绳索到达指定目标点一样，形成该条路径的过程称为全局路径规划。
目前现有的机器人全局路径规划需要已知终点可到达的情况下才能规划出该条路径，类似于绳索到达目标点的那头必须要有固定绳索的地方，在机器人导航过程中如果给机器人发送的目标点是障碍物或者机器人不可到达的地方，这时全局路径规划就会失败，导致机器人找不到指引他去目标点的一条路径，出现了给机器人发送目标点但是机器人不动的情况，使人一头雾水，感觉机器人不是很智能。
发明内容
本发明针对现有技术存在的上述不足，提出一种移动机器人的全局路径优化方法。本发明能够有效的减少导航时移动机器人无法得到全局路径的情况，在无法得到全局路径的情况下选择移动到临时目标点，到达临时目标点后再进行全局路径规划，从而使得移动机器人执行力更高，更加凸显智能化，有效的提高了用户的体验。
本发明是通过以下技术方案实现的：
本发明涉及一种移动机器人的全局路径优化方法，其中，包括以下步骤：
步骤S1，设置一导航目标点，所述移动机器人通过一预设的路径规划策略进行全局路径规划，并判断是否能够得到一全局路径：
若是，则采用所述全局路径指引所述移动机器人到达所述导航目标点，并退出；
若否，则形成一到达障碍物的失败路径，并转向步骤S2；
步骤S2，根据一预设的选择策略在所述失败路径上选择一点作为临时目标点；
步骤S3，所述移动机器人移动至所述临时目标点，随后返回所述步骤S1。
优选的，该移动机器人的全局路径优化方法，其中，在所述步骤S2中，根据所述选择策略选择所述临时目标点的过程具体包括以下步骤：
步骤S21，从所述失败路径中获取若干坐标点；
步骤S22，对所述坐标点按一排序策略进行排序，形成一坐标点序列；
步骤S23，依据所述坐标点序列判断所述移动机器人在所述坐标点能否够绕过所述障碍物，若所述移动机器人在当前的所述坐标点能够绕过所述障碍物则以当前的所述坐标点作为所述临时目标点。
优选的，该移动机器人的全局路径优化方法，其中，所述步骤S22中，按所述排序策略对所述坐标点进行排序的过程具体包括以下步骤：
步骤S221，处理获得每一所述坐标点的第一距离、第二距离和第三距离，所述第一距离为所述坐标点与所述失败路径的起点之间的距离，所述第二距离为所述坐标点与所述导航目标点之间的距离，所述第三距离为所述坐标点与所述障碍物之间的距离；
步骤S222，处理获得每一所述坐标点的所述第一距离、所述第二距离和所述第三距离的距离和；
步骤S223，按所述距离和对所述坐标点由小到大排序，形成所述坐标点序列。
优选的，该移动机器人的全局路径优化方法，其中，在所述步骤S222中，所述距离和通过所述第一距离、所述第二距离和所述第三距离进行加权求和处理获得。
优选的，该移动机器人的全局路径优化方法，其中，在所述步骤S222中，分别设定对应所述第一距离、所述第二距离和所述第三距离的加权系数，并采用所述加权系数对所述第一距离、所述第二距离和所述第三距离进行加权求和，以处理得到所述距离和。
优选的，该移动机器人的全局路径优化方法，其中，所述路径规划策略为可视图法、自由空间法或栅格法。
优选的，该移动机器人的全局路径优化方法，其中，在所述步骤S23中，采用自由空间法或栅格法判断所述坐标点能够绕过所述障碍物。
上述技术方案的有益效果是：
本发明能够有效的减少导航时移动机器人无法得到全局路径的情况，在无法得到全局路径的情况下选择移动到临时目标点，到达临时目标点后再进行全局路径规划，从而使得移动机器人执行力更高，更加凸显智能化，有效的提高了用户的体验。
附图说明
图1为本发明的较佳的实施例中，一种移动机器人的全局路径优化方法流程示意图；
图2为本发明的较佳的实施例中，临时目标点的选择策略的流程示意图；
图3本发明的较佳的实施例中，对坐标点进行排序的排序策略的流程示意图。
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清楚、完整地描述，显然，所描述的实施例仅仅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的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。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
如图1所示，本实施例涉及一种移动机器人的全局路径优化方法。
包括以下步骤：
步骤S1，设置一导航目标点，移动机器人通过一预设的路径规划策略进行全局路径规划，并判断是否能够得到一全局路径：
若是，则采用全局路径指引移动机器人到达导航目标点，并退出；
若否，则形成一到达障碍物的失败路径，并转向步骤S2。
设置一导航目标点，移动机器人根据导航目标点采用一预设的路径规划策略进行全局路径规划，经过全局路径规划得到一通向导航目标点的全局路径或一通向障碍物的失败路径。
当用户需要移动机器人移动到当前环境中的一点时，用户设定导航目标点即用户想要移动机器人到达的一点。
移动机器人内部机制需要其移动到当前环境中的一点时，移动机器人自动生成一个导航目标点。
移动机器人在移动到导航目标点之前需要全局路径，移动机器人按照全局路径移动。
移动机器人根据路径规划策略来得到全局路径。
路径规划策略为可视图法、自由空间法或栅格法。
可视图法中，将移动机器人视为一点，把移动机器人、导航目标点以及障碍物的各顶点连接，要求移动机器人和障碍物各顶点之间，导航目标点与障碍物的各顶点之间以及各障碍物的顶点和顶点之间的连接，都不能穿越障碍物，这样的一张图为可视图。对该可视图进行搜索即可得到导航目标点和移动机器人的当前位置之间的全局路径。
自由空间法中，采用预先定义的基本形状构造自由空间，并将自由空间表示为连通图，通过对该连通图的搜索得到移动机器人的全局路径。
栅格法，将移动机器人所处的当前环境分解成一系列具有二值信息的网格单元，每一个栅格中都有一个累积值以表示在栅格中存在障碍物的可信度。从而在网格单元中搜索得到移动机器人与导航目标点之间的全局路径。
当移动机器人无法得到全局路径时，移动机器人由于障碍物的阻挡且无法绕过该障碍物，但在全局路径规划过程中形成有通向障碍物的失败路径。
若得到全局路径则输出全局路径，若得到失败路径则进行步骤S2。
当移动机器人通过路径规划策略得到了全局路径后，表示移动机器人可以按照该全局路径移动到达导航目标点。
移动机器人由于障碍物的阻挡且无法绕过该障碍物时，形成失败路径。
步骤S2，根据一预设的选择策略在失败路径上选择一点作为临时目标点。
如图2所示，选择策略具体包括以下步骤：
步骤S21，从失败路径中获取若干坐标点。
可以将失败路径中的所有的坐标点都用于步骤S32中的排序。
选择若干坐标点可以减少计算量，提高处理速度。
步骤S22，对坐标点按一排序策略进行排序，形成一坐标点序列。
如图3所示，排序策略具体包括:
骤S221，处理获得每一坐标点的第一距离、第二距离和第三距离，第一距离为坐标点与失败路径起点之间的距离，第二距离为坐标点与导航目标点之间的距离，第三距离为坐标点与障碍物之间的距离。
步骤S222，处理获得每一坐标点的第一距离、第二距离和第三距离的距离和。
步骤S223，按距离和对坐标点由小到大排序，形成坐标点序列。
较佳的实施例中，在步骤S222中，距离和通过第一距离、第二距离和第三距离进行加权求和处理获得。
第一距离为坐标点与失败路径起点之间的距离与一第一系数的乘积。第二距离为坐标点与失败路径起点之间的距离与一第二系数的乘积。第三距离为坐标点与失败路径起点之间的距离与一第三系数的乘积。
通过第一系数、第二系数以及第三系数与对应的距离相乘得到第一距离、第二距离以及第三距离，这一过程相当于为三种距离设置了权重。
步骤S23，依据坐标点序列判断移动机器人在坐标点能否够绕过障碍物，若移动机器人在当前的坐标点能够绕过障碍物则以当前的坐标点作为临时目标点。
对坐标点进行排序后，按照该顺序依次判断移动机器人在坐标点能否够绕过障碍物，若移动机器人在当前的坐标点能够绕过障碍物则以当前的坐标点作为临时目标点。不再对排在当前的坐标点之后的坐标点进行判断。采用可视图法、自由空间法或栅格法判断坐标点能够绕过障碍物。
判断移动机器人在坐标点能否够绕过障碍物，则通过可视图法、自由空间法或栅格法来判断。存在绕过障碍物的路径时，则移动机器人在坐标点能否够绕过障碍物。
步骤S3，移动机器人移动至临时目标点，随后返回步骤S1。
得到临时目标点后，移动机器人即按照先前的失败路径移动到该临时目标点。在临时目标点重新进行步骤S1，即进行全局路径规划，此时一定存在一条路径能够绕过障碍物，从而保证了路径规划的继续进行。
重复步骤S1～S3，就能使得移动机器人移动到最初设定的导航目标点。
本发明的移动机器人的全局路径优化方法，与现有技术相比：
本发明能够有效的减少导航时移动机器人无法得到全局路径的情况，在无法得到全局路径的情况下选择移动到临时目标点，到达临时目标点后再进行全局路径规划，从而使得移动机器人执行力更高，更加凸显智能化，有效的提高了用户的体验。
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。
Claims (7)
1.一种移动机器人的全局路径优化方法，其特征在于，包括以下步骤：
步骤S1，设置一导航目标点，所述移动机器人通过一预设的路径规划策略进行全局路径规划，并判断是否能够得到一全局路径：
若是，则采用所述全局路径指引所述移动机器人到达所述导航目标点，并退出；
若否，则形成一到达障碍物的失败路径，并转向步骤S2；
步骤S2，根据一预设的选择策略在所述失败路径上选择一点作为临时目标点；
步骤S3，所述移动机器人移动至所述临时目标点，随后返回所述步骤S1。
2.根据权利要求1所述的移动机器人的全局路径优化方法，其特征在于，在所述步骤S2中，根据所述选择策略选择所述临时目标点的过程具体包括以下步骤：
步骤S21，从所述失败路径中获取若干坐标点；
步骤S22，对所述坐标点按一排序策略进行排序，形成一坐标点序列；
步骤S23，依据所述坐标点序列判断所述移动机器人在所述坐标点能否够绕过所述障碍物，若所述移动机器人在当前的所述坐标点能够绕过所述障碍物则以当前的所述坐标点作为所述临时目标点。
3.根据权利要求2所述的移动机器人的全局路径优化方法，其特征在于，所述步骤S22中，按所述排序策略对所述坐标点进行排序的过程具体包括以下步骤：
步骤S221，处理获得每一所述坐标点的第一距离、第二距离和第三距离，所述第一距离为所述坐标点与所述失败路径的起点之间的距离，所述第二距离为所述坐标点与所述导航目标点之间的距离，所述第三距离为所述坐标点与所述障碍物之间的距离；
步骤S222，处理获得每一所述坐标点的所述第一距离、所述第二距离和所述第三距离的距离和；
步骤S223，按所述距离和对所述坐标点由小到大排序，形成所述坐标点序列。
4.根据权利要求3所述的移动机器人的全局路径优化方法，其特征在于，在所述步骤S222中，所述距离和通过所述第一距离、所述第二距离和所述第三距离进行加权求和处理获得。
5.根据权利要求3所述的移动机器人的全局路径优化方法，其特征在于，在所述步骤S222中，分别设定对应所述第一距离、所述第二距离和所述第三距离的加权系数，并采用所述加权系数对所述第一距离、所述第二距离和所述第三距离进行加权求和，以处理得到所述距离和。
6.根据权利要求1所述的移动机器人的全局路径优化方法，其特征在于，所述路径规划策略为可视图法、自由空间法或栅格法。
7.根据权利要求2所述的移动机器人的全局路径优化方法，其特征在于，在所述步骤S23中，采用自由空间法或栅格法判断所述坐标点能够绕过所述障碍物。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810143337.6A CN108415428B (zh) | 2018-02-11 | 2018-02-11 | 一种移动机器人的全局路径优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810143337.6A CN108415428B (zh) | 2018-02-11 | 2018-02-11 | 一种移动机器人的全局路径优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108415428A true CN108415428A (zh) | 2018-08-17 |
| CN108415428B CN108415428B (zh) | 2021-04-30 |
Family
ID=63128382
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810143337.6A Active CN108415428B (zh) | 2018-02-11 | 2018-02-11 | 一种移动机器人的全局路径优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108415428B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109116858A (zh) * | 2018-11-07 | 2019-01-01 | 上海木木聚枞机器人科技有限公司 | 一种在指定路径上的绕障路径规划方法及系统 |
| CN109656250A (zh) * | 2018-12-26 | 2019-04-19 | 芜湖哈特机器人产业技术研究院有限公司 | 一种激光叉车的路径跟踪方法 |
| CN109917789A (zh) * | 2019-03-13 | 2019-06-21 | 珠海格力电器股份有限公司 | 一种家电的自动运输方法、装置及存储介质 |
| CN110162095A (zh) * | 2019-06-19 | 2019-08-23 | 西北工业大学 | 一种威胁环境下的无人机快速返航方法 |
| CN111854751A (zh) * | 2019-04-29 | 2020-10-30 | 深圳市优必选科技有限公司 | 导航目标位置确定方法、装置、可读存储介质及机器人 |
| CN113359759A (zh) * | 2021-06-24 | 2021-09-07 | 中国第一汽车股份有限公司 | 基于自动驾驶的泊车控制方法、系统、车辆及存储介质 |
| CN115167411A (zh) * | 2022-07-01 | 2022-10-11 | 安徽机电职业技术学院 | 一种移动机器人的局部路径优化方法及系统 |
| WO2023124621A1 (zh) * | 2021-12-31 | 2023-07-06 | 追觅创新科技(苏州)有限公司 | 一种基于障碍标记的路径规划方法、系统及自移动机器人 |
| CN116922398A (zh) * | 2023-09-15 | 2023-10-24 | 华侨大学 | 一种绳索机器人及其路径规划方法和装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012115863A2 (en) * | 2011-02-22 | 2012-08-30 | 3M Innovative Properties Company | Hybrid stitching |
| KR101376687B1 (ko) * | 2012-12-06 | 2014-03-20 | 국방과학연구소 | 쿼드트리를 활용한 격자지도 기반의 지형분석 방법 |
| CN103884330A (zh) * | 2012-12-21 | 2014-06-25 | 联想(北京)有限公司 | 信息处理方法、可移动电子设备、引导设备和服务器 |
| CN104268862A (zh) * | 2014-09-18 | 2015-01-07 | 中国人民解放军国防科学技术大学 | 一种自主车三维地形可通行性分析方法 |
| 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 |
| CN106600036A (zh) * | 2016-11-09 | 2017-04-26 | 浙江工业大学 | 基于Android多点快递配送方法 |
| CN107145153A (zh) * | 2017-07-03 | 2017-09-08 | 北京海风智能科技有限责任公司 | 一种基于ros的服务机器人及其室内导航方法 |
-
2018
- 2018-02-11 CN CN201810143337.6A patent/CN108415428B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012115863A2 (en) * | 2011-02-22 | 2012-08-30 | 3M Innovative Properties Company | Hybrid stitching |
| KR101376687B1 (ko) * | 2012-12-06 | 2014-03-20 | 국방과학연구소 | 쿼드트리를 활용한 격자지도 기반의 지형분석 방법 |
| CN103884330A (zh) * | 2012-12-21 | 2014-06-25 | 联想(北京)有限公司 | 信息处理方法、可移动电子设备、引导设备和服务器 |
| CN104268862A (zh) * | 2014-09-18 | 2015-01-07 | 中国人民解放军国防科学技术大学 | 一种自主车三维地形可通行性分析方法 |
| 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 |
| CN106600036A (zh) * | 2016-11-09 | 2017-04-26 | 浙江工业大学 | 基于Android多点快递配送方法 |
| CN107145153A (zh) * | 2017-07-03 | 2017-09-08 | 北京海风智能科技有限责任公司 | 一种基于ros的服务机器人及其室内导航方法 |
Non-Patent Citations (2)
| Title |
|---|
| SHIJIE DAI，等: "Path Planning for Mobile Robot Based On Rough Set Genetic Algorithm", 《2009 SECOND INTERNATIONAL CONFERENCE ON INTELLIGENT NETWORKS AND INTELLIGENT SYSTEMS》 * |
| 陈至坤，等: "移动机器人目标路径规划的仿真研究", 《计算机仿真》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109116858A (zh) * | 2018-11-07 | 2019-01-01 | 上海木木聚枞机器人科技有限公司 | 一种在指定路径上的绕障路径规划方法及系统 |
| CN109116858B (zh) * | 2018-11-07 | 2021-09-07 | 诺亚机器人科技(上海)有限公司 | 一种在指定路径上的绕障路径规划方法及系统 |
| CN109656250A (zh) * | 2018-12-26 | 2019-04-19 | 芜湖哈特机器人产业技术研究院有限公司 | 一种激光叉车的路径跟踪方法 |
| CN109917789A (zh) * | 2019-03-13 | 2019-06-21 | 珠海格力电器股份有限公司 | 一种家电的自动运输方法、装置及存储介质 |
| CN111854751A (zh) * | 2019-04-29 | 2020-10-30 | 深圳市优必选科技有限公司 | 导航目标位置确定方法、装置、可读存储介质及机器人 |
| CN110162095A (zh) * | 2019-06-19 | 2019-08-23 | 西北工业大学 | 一种威胁环境下的无人机快速返航方法 |
| CN110162095B (zh) * | 2019-06-19 | 2022-05-27 | 西北工业大学 | 一种威胁环境下的无人机快速返航方法 |
| CN113359759A (zh) * | 2021-06-24 | 2021-09-07 | 中国第一汽车股份有限公司 | 基于自动驾驶的泊车控制方法、系统、车辆及存储介质 |
| WO2023124621A1 (zh) * | 2021-12-31 | 2023-07-06 | 追觅创新科技(苏州)有限公司 | 一种基于障碍标记的路径规划方法、系统及自移动机器人 |
| CN115167411A (zh) * | 2022-07-01 | 2022-10-11 | 安徽机电职业技术学院 | 一种移动机器人的局部路径优化方法及系统 |
| CN116922398A (zh) * | 2023-09-15 | 2023-10-24 | 华侨大学 | 一种绳索机器人及其路径规划方法和装置 |
| CN116922398B (zh) * | 2023-09-15 | 2023-12-22 | 华侨大学 | 一种绳索机器人及其路径规划方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108415428B (zh) | 2021-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108415428A (zh) | 一种移动机器人的全局路径优化方法 | |
| CN106993319A (zh) | 一种实现gnss和wifi系统无缝垂直切换的算法 | |
| CN108896052A (zh) | 一种基于动态复杂环境下的移动机器人平滑路径规划方法 | |
| CN110347152A (zh) | 虚拟墙设置方法、系统及装置 | |
| CN109945873A (zh) | 一种用于室内移动机器人运动控制的混合路径规划方法 | |
| CN108344419B (zh) | 一种充电座的搜寻方法 | |
| CN110524544A (zh) | 一种机械臂运动的控制方法、终端和可读存储介质 | |
| CN107357295B (zh) | 一种基于栅格地图的路径搜索方法和芯片及机器人 | |
| CN110544296A (zh) | 一种敌方威胁不确定环境下无人机三维全局航迹智能规划方法 | |
| CN113485375A (zh) | 一种基于启发式偏置采样的室内环境机器人探索方法 | |
| CN111289005A (zh) | 一种基于a星优化算法的寻路方法 | |
| CN109495846A (zh) | 一种定位方法及移动终端 | |
| CN107544502A (zh) | 一种已知环境下的移动机器人规划方法 | |
| CN109387214A (zh) | 一种基于虚拟墙的机器人路径规划算法 | |
| CN110297503A (zh) | 一种多无人系统协同搜索危险源的方法 | |
| CN105608276A (zh) | 输电线路路径自动选择方法及元胞自动机模型 | |
| CN108072378A (zh) | 一种预测目的地的方法及装置 | |
| CN110244716A (zh) | 一种基于波前算法的机器人探索的方法 | |
| CN114779770A (zh) | 全局路径规划控制方法、装置、设备、介质及程序产品 | |
| Ying et al. | Path planning of mobile robot based on Improved RRT Algorithm | |
| CN108731678A (zh) | 机器人全局路径规划方法 | |
| CN106931978A (zh) | 自动构建路网的室内地图生成的方法 | |
| CN105813182A (zh) | 一种低功耗定位方法和装置 | |
| CN109798899A (zh) | 一种面向海底未知地形搜索的树扩散启发式路径规划方法 | |
| CN104427516B (zh) | 一种无线局域网络ap布设规划的方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210324 Address after: 200120 Pudong New Area, Shanghai, China (Shanghai) free trade trial area, No. 3, 1 1, Fang Chun road. Applicant after: FLYINGWINGS INTELLIGENT ROBOT TECHNOLOGY (SHANGHAI) Co.,Ltd. Address before: 201200 Room 303 (Block C), room 304 (Block D), 3 / F, building 5 (building B3), 1599 Xinjinqiao Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Applicant before: SHANGHAI FLYINGWINGS INTELLIGENT TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20180817 Assignee: Huizhi robot technology (Shenzhen) Co.,Ltd. Assignor: FLYINGWINGS INTELLIGENT ROBOT TECHNOLOGY (SHANGHAI) CO.,LTD. Contract record no.: X2022980014977 Denomination of invention: A Global Path Optimization Method for Mobile Robots Granted publication date: 20210430 License type: Common License Record date: 20220914 |