CN108508900A - 一种壁面移动机器人墙壁检测路径自主规划方法 - Google Patents
一种壁面移动机器人墙壁检测路径自主规划方法 Download PDFInfo
- Publication number
- CN108508900A CN108508900A CN201810442988.5A CN201810442988A CN108508900A CN 108508900 A CN108508900 A CN 108508900A CN 201810442988 A CN201810442988 A CN 201810442988A CN 108508900 A CN108508900 A CN 108508900A
- Authority
- CN
- China
- Prior art keywords
- grid
- mobile robot
- wall
- map
- measured
- 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 39
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 230000007613 environmental effect Effects 0.000 claims abstract description 41
- 238000005192 partition Methods 0.000 claims abstract description 22
- 230000011218 segmentation Effects 0.000 claims abstract description 14
- 230000004888 barrier function Effects 0.000 claims description 33
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 4
- 238000005381 potential energy Methods 0.000 claims description 4
- 230000005021 gait Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000004804 winding 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Optics & Photonics (AREA)
- Electromagnetism (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种壁面移动机器人墙壁检测路径自主规划方法,包括以下步骤:S1:获取待测区域的环境地图;S2:采用四叉树分割法对待测区域的环境地图进行不均匀分割,得到待测区域的非均匀栅格地图;S3:计算所述移动机器人在所述非均匀栅格地图中的位置数据,确定检测路径的起点及终点,根据人工势场法算法计算出移动机器人下一步的目标位置。本发明能够生成环境地图,环境地图的构建实时可靠;能够通过四叉树分割法得到栅格地图,实现待测区域的全覆盖或者定点检测,为后续评估墙体安全指标和建筑物维护提供了真实可靠的数据基础;通过人工势场法规划出最优路径,可以自主避障、且不受建筑物高度限制。
Description
技术领域
本发明涉及智能建造技术领域,尤其涉及一种壁面移动机器人墙壁检测路径自主规划方法。
背景技术
随着经济的高速发展和人们生活水平的快速提高,越来越多的高楼大厦拔地而起。所有的高层建筑物外墙,由于建造误差和常年日晒风吹,以及大气中有害的气体和油烟等污染和化学反应的侵蚀,使得建筑物墙面产生了渗水、老化和裂纹甚至发生倾斜和移位。因此,检测建筑物墙体对判断建筑物的安全指标和建筑物维护具有很强的实际意义。
然而,目前对于建筑物墙体检测主要还是采用人工方式完成,即:检测人员通过从建筑物内部对墙体抽样检测,这种方式不到那存在整个过程检测效率不高、耗费大量人力等问题,而且由于抽样检测的覆盖范围小,存在很大的偶然性,同时对于高层建筑物甚至无法直接检测外部墙面真实情况。采用壁面移动机器人搭载墙壁检测装置进行墙壁全覆盖的或者定点检测是一个可行的方案,其最大优势在于可以全范围覆盖、不受建筑物高度限制,避免了人工检测的偶然性。
采用移动机器人进行墙体检测,墙体的环境地图是先验信息。在缺乏环境地图信息的室外墙体条件下采用移动机器人进行墙体探测,构建环境地图的需求是必要的。首先,需要地图来支持路径规划或提供可视化操作等任务。其次,地图可以限制机器人状态估计的误差。再次,如果给定一个地图,机器人可以再次访问之前走过的区域重置位置误差,即回环闭合。但是目前在面向智能建造领域的墙壁检测环节中缺乏一种可靠的环境地图构建和路径规划方法。
发明内容
本发明所要解决的技术问题是提供一种能够自主避障的壁面移动机器人墙壁检测路径自主规划方法。
为解决上述技术问题,本发明的技术方案是:一种壁面移动机器人墙壁检测路径自主规划方法,包括以下步骤:
S1:获取待测区域的环境地图;
S2:获取非均匀栅格地图:确定最小分割值,采用四叉树分割法对所述待测区域的环境地图进行不均匀分割,得到由若干个栅格构成的待测区域的非均匀栅格地图,所述栅格包括空白栅格、障碍物栅格和部分包含障碍物的混合栅格三种属性值;
S3:规划检测路径:计算所述移动机器人在所述非均匀栅格地图中的位置数据,确定检测路径的起点及终点;判断与当前栅格相连通的空白栅格是否是所述终点所在的栅格,若是,所述移动机器人的下一目标位置是所述终点所在的栅格,检测路径规划结束;否则,根据人工势场法算法分别计算与当前栅格连通的空白栅格在势能场作用下受到的合力,计算合力的公式是:
Fatt(q)=ηρg;
Ftotal=Fatt(q)+Frep(q)=Fatt(q)nRG+Freq1(q)nOR+Freq2(q)nRG;
其中,Fatt(q)为引力,Frep(q)为斥力,Ftotal为合力,nOR为沿着障碍物指向当前位置点的方向,nRG为沿着机器人指向目标位置点的方向,η为引力场增益系数,ρg为当前位置点到目标位置点的距离,ρb为当前位置点到障碍物的距离,k为斥力场增益系数,a>0,为预设系数,ρ0为预设阈值,Frep1(q)为沿着障碍物指向当前位置点的方向的斥力,Frep2(q)为沿着机器人指向目标位置点的方向的斥力;
根据起点和终点在环境地图内的坐标计算从起点到终点的单位向量计算Ftotal在单位向量上的分力比较每个空白栅格得到的分力的大小,取得最大分力所对应的空白栅格的几何中心即为所述移动机器人下一步的目标位置。
作为优选的技术方案,所述环境地图为二维平面坐标系地图,包含待测区域的边界和待测区域内部的障碍物边界。
作为优选的技术方案,步骤S1中获取环境地图的方法是:移动机器人进入待测区域,绕待测区域的边界行驶,通过搭载的陀螺仪、加速度传感器、气压计、激光测距雷达获取多个环境信息,并将所述环境信息融合,生成待测区域的环境地图。
作为优选的技术方案,所述最小分割值大于等于所述移动机器人长度的两倍。
作为优选的技术方案,步骤S2中,采用四叉树分割法对所述待测区域的环境地图进行不均匀分割的方法是:将所述环境地图沿X轴和Y轴四等分为四个一级栅格,判断所述一级栅格的属性值,若所述栅格是空白栅格或障碍物栅格,所述栅格不再分割;若所述栅格是混合栅格,判断所述混合栅格的尺寸是否小于等于最小分割值,若是,所述混合栅格不再分割,并加入障碍物栅格集,否则所述混合栅格继续分割,直至最新分割的栅格的尺寸小于等于最小分割值,则分割结束其中,分割得到的空白栅格加入空白栅格集,障碍物栅格加入障碍物栅格集。
作为优选的技术方案,所述移动机器人在所述非均匀栅格地图中的位置数据包括所述移动机器人当前的位置坐标、姿态角及行进速度。
作为优选的技术方案,与当前栅格连通的栅格是与当前栅格相邻且共用一条边或与当前栅格有公共点的栅格。
作为优选的技术方案,还包括接收局部代价地图,实时更新环境地图中的新增障碍物;通过局部代价地图生成局部路径规划,并修正全局路径规划的步骤。
由于采用了上述技术方案,本发明的有益效果是:本发明能够通过壁面移动机器人自身搭载的传感器获取周围环境信息,生成环境地图,环境地图的构建实时可靠;通过四叉树分割法得到非均匀栅格地图,可以实现待测区域的全覆盖或者定点检测,对待测区域的环境掌握更加精确,为后续评估墙体安全指标和建筑物维护提供了真实可靠的数据基础;通过采用人工势场法规划出最优路径,可以自主避障、且不受建筑物高度限制。
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简单地介绍,显而易见地,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的工作流程图;
图2是本发明实施例中对环境地图进行一次分割的示意图;
图3是本发明实施例中分割完成得到的栅格地图的示意图;
图4是本发明实施例中当前栅格连通的空白栅格在人工势能场作用下受到的合力的示意图。
具体实施方式
如图1所示,一种壁面移动机器人墙壁检测路径自主规划方法,包括以下步骤:
S1:获取待测区域的环境地图,其方法是:移动机器人进入待测区域,绕待测区域的边界行驶,通过搭载的陀螺仪、加速度传感器、气压计、激光测距雷达获取多个环境信息,并将环境信息融合,生成待测区域的环境地图,其中,环境地图为二维平面坐标系地图,包含待测区域的边界和待测区域内部的障碍物边界。
S2:获取非均匀栅格地图:首先,确定最小分割值,优选的,最小分割值大于等于移动机器人长度的两倍。
其次,采用四叉树分割法对待测区域的环境地图进行不均匀分割,得到由若干个栅格构成的待测区域的非均匀栅格地图,其中,栅格包括空白栅格、障碍物栅格和部分包含障碍物的混合栅格三种属性值,其具体分割方法是:将所述环境地图沿X轴和Y轴四等分为四个一级栅格,判断所述一级栅格的属性值,若所述栅格是空白栅格或障碍物栅格,所述栅格不再分割;若所述栅格是混合栅格,判断所述混合栅格的尺寸是否小于等于最小分割值,若是,所述混合栅格不再分割,并加入障碍物栅格集,否则所述混合栅格继续分割,直至最新分割的栅格的尺寸小于等于最小分割值,则分割结束其中,分割得到的空白栅格加入空白栅格集,障碍物栅格加入障碍物栅格集。
S3:规划检测路径:首先,计算所述移动机器人在所述非均匀栅格地图中的位置数据,包括移动机器人当前的位置坐标、姿态角及行进速度,确定检测路径的起点及终点;其次,判断与当前栅格相连通的空白栅格是否是终点所在的栅格,若是,移动机器人的下一目标位置是终点所在的栅格,检测路径规划结束;否则,根据人工势场法算法分别计算与当前栅格连通的空白栅格在势能场作用下受到的合力,计算合力的公式是:
Fatt(q)=ηρg;
Ftotal=Fatt(q)+Frep(q)=Fatt(q)nRG+Freq1(q)nOR+Freq2(q)nRG;
其中,Fatt(q)为引力,Frep(q)为斥力,Ftotal为合力,nOR为沿着障碍物指向当前位置点的方向,nRG为沿着机器人指向目标位置点的方向,η为引力场增益系数,ρg为当前位置点到目标位置点的距离,ρb为当前位置点到障碍物的距离,k为斥力场增益系数,a>0,为预设系数,ρ0为预设阈值,Frep1(q)为沿着障碍物指向当前位置点的方向的斥力,Frep2(q)为沿着机器人指向目标位置点的方向的斥力;
根据起点和终点在环境地图内的坐标计算从起点到终点的单位向量计算Ftotal在单位向量上的分力比较每个空白栅格得到的分力的大小,取得最大分力所对应的空白栅格的几何中心即为所述移动机器人下一步的目标位置。
其中,与当前栅格连通的栅格是指与当前栅格相邻且共用一条边或与当前栅格有公共点的栅格。
本方法还包括接收局部代价地图,实时更新环境地图中的新增障碍物;通过局部代价地图生成局部路径规划,并修正全局路径规划的步骤。
下面以具体实例对本发明做出具体说明:
移动机器人上搭载了陀螺仪、加速度传感器、气压计、激光测距雷达、墙壁检测传感器及计算机;陀螺仪、加速度传感器、气压计、激光测距雷达分别与计算机电连接或通信连接。
移动机器人进入待测区域,绕待测区域的边界行驶,通过搭载的陀螺仪、加速度传感器、气压计、激光测距雷达获取多个环境信息,并将环境信息融合,生成待测区域的环境地图。
如图2所示出的是通过四叉树分割法将环境地图进行分割,一次分割后得到的四个一级栅格,分别是栅格1、栅格2、栅格3和栅格4,对得到的栅格进行判断,若得到混合栅格,判断该混合栅格的尺寸是否小于或者等于最小分割值,是则分割结束,否则继续进行分割,直到得到的最新栅格的尺寸小等于最小分割值。其中,得到的空白栅格放入空白的集合F,障碍物栅格放入集合O;图2中,栅格1、栅格2、栅格3及栅格4均为混合栅格,即当前栅格的一部分为障碍物,需要继续分割。
最终分割完成的地图。如图3所示。
如图4所示,进行路径规划时,栅格1是移动机器人的当前位置,以栅格1作为检测路径的起点,栅格2、栅格3及栅格4是与栅格1相连通的空白栅格,且都不是终点所在的栅格,以人工势能场算法计算当栅格2,栅格3和栅格4在势能场作用下受的合力分别为Ft2,Ft3和Ft4,根据起点和终点环境地图内的坐标计算从起点到终点的单位向量利用公式计算Ft2,Ft3和Ft4在单位向量上的分力Fc2,Fc3和Fc4,比较Fc2,Fc3和Fc4的大小(包含正负号),得到最大的分力对应的栅格为栅格2,故栅格2的几何中心即为移动机器人下一步的目标位置,移动机器人向下一步的目标位置前进。
重复上步骤,直至移动机器人所在的栅格为终点所在的栅格。
将移动机器人的起点与终点之间经过的每个目标位置一次连接起来,即可得到移动机器人的检测路径图。
以上显示和描述了本发明的基本原理、主要特征及本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种壁面移动机器人墙壁检测路径自主规划方法,其特征在于,包括以下步骤:
S1:获取待测区域的环境地图;
S2:获取非均匀栅格地图:确定最小分割值,采用四叉树分割法对所述待测区域的环境地图进行不均匀分割,得到由若干个栅格构成的待测区域的非均匀栅格地图,所述栅格包括空白栅格、障碍物栅格和部分包含障碍物的混合栅格三种属性值;
S3:规划检测路径:计算所述移动机器人在所述非均匀栅格地图中的位置数据,确定检测路径的起点及终点;判断与当前栅格相连通的空白栅格是否是所述终点所在的栅格,若是,所述移动机器人的下一目标位置是所述终点所在的栅格,检测路径规划结束;否则,根据人工势场法算法分别计算与当前栅格连通的空白栅格在势能场作用下受到的合力,计算合力的公式是:
Fatt(q)=ηρg;
Ftotal=Fatt(q)+Frep(q)=Fatt(q)nRG+Freq1(q)nOR+Freq2(q)nRG;
其中,Fatt(q)为引力,Frep(q)为斥力,Ftotal为合力,nOR为沿着障碍物指向当前位置点的方向,nRG为沿着机器人指向目标位置点的方向,η为引力场增益系数,ρg为当前位置点到目标位置点的距离,ρb为当前位置点到障碍物的距离,k为斥力场增益系数,a>0,为预设系数,ρ0为预设阈值,Frep1(q)为沿着障碍物指向当前位置点的方向的斥力,Frep2(q)为沿着机器人指向目标位置点的方向的斥力;
根据起点和终点在环境地图内的坐标计算从起点到终点的单位向量计算Ftotal在单位向量上的分力比较每个空白栅格得到的分力的大小,取得最大分力所对应的空白栅格的几何中心即为所述移动机器人下一步的目标位置。
2.如权利要求1所述的一种壁面移动机器人墙壁检测路径自主规划方法,其特征在于:所述环境地图为二维平面坐标系地图,包含待测区域的边界和待测区域内部的障碍物边界。
3.如权利要求1所述的一种壁面移动机器人墙壁检测路径自主规划方法,其特征在于:步骤S1中获取环境地图的方法是:移动机器人进入待测区域,绕待测区域的边界行驶,通过搭载的陀螺仪、加速度传感器、气压计、激光测距雷达获取多个环境信息,并将所述环境信息融合,生成待测区域的环境地图。
4.如权利要求1所述的一种壁面移动机器人墙壁检测路径自主规划方法,其特征在于:所述最小分割值大于等于所述移动机器人长度的两倍。
5.如权利要求1所述的一种壁面移动机器人墙壁检测路径自主规划方法,其特征在于:步骤S2中,采用四叉树分割法对所述待测区域的环境地图进行不均匀分割的方法是:将所述环境地图沿X轴和Y轴四等分为四个一级栅格,判断所述一级栅格的属性值,若所述栅格是空白栅格或障碍物栅格,所述栅格不再分割;若所述栅格是混合栅格,判断所述混合栅格的尺寸是否小于等于最小分割值,若是,所述混合栅格不再分割,并加入障碍物栅格集,否则所述混合栅格继续分割,直至最新分割的栅格的尺寸小于等于最小分割值,则分割结束其中,分割得到的空白栅格加入空白栅格集,障碍物栅格加入障碍物栅格集。
6.如权利要求1所述的一种壁面移动机器人墙壁检测路径自主规划方法,其特征在于:所述移动机器人在所述非均匀栅格地图中的位置数据包括所述移动机器人当前的位置坐标、姿态角及行进速度。
7.如权利要求1所述的一种壁面移动机器人墙壁检测路径自主规划方法,其特征在于:与当前栅格连通的栅格是与当前栅格相邻且共用一条边或与当前栅格有公共点的栅格。
8.如权利要求1所述的一种壁面移动机器人墙壁检测路径自主规划方法,其特征在于:还包括接收局部代价地图,实时更新环境地图中的新增障碍物;通过局部代价地图生成局部路径规划,并修正全局路径规划的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810442988.5A CN108508900A (zh) | 2018-05-10 | 2018-05-10 | 一种壁面移动机器人墙壁检测路径自主规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810442988.5A CN108508900A (zh) | 2018-05-10 | 2018-05-10 | 一种壁面移动机器人墙壁检测路径自主规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108508900A true CN108508900A (zh) | 2018-09-07 |
Family
ID=63400516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810442988.5A Pending CN108508900A (zh) | 2018-05-10 | 2018-05-10 | 一种壁面移动机器人墙壁检测路径自主规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108508900A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107544502A (zh) * | 2017-09-25 | 2018-01-05 | 华中科技大学 | 一种已知环境下的移动机器人规划方法 |
CN109459026A (zh) * | 2018-11-08 | 2019-03-12 | 北京理工大学 | 一种多运动体协同全覆盖路径规划方法 |
CN109506632A (zh) * | 2018-11-12 | 2019-03-22 | 浙江省国土勘测规划有限公司 | 一种不动产平面测量方法 |
CN110501907A (zh) * | 2019-08-29 | 2019-11-26 | 上海有个机器人有限公司 | 用于机器人导航的自适应动态地图网格生成方法 |
CN111339091A (zh) * | 2020-02-23 | 2020-06-26 | 兰州理工大学 | 基于非均匀四叉树的位置大数据差分隐私划分发布方法 |
CN111347430A (zh) * | 2020-04-27 | 2020-06-30 | 浙江欣奕华智能科技有限公司 | 一种机器人运动轨迹的确定方法及装置 |
CN111693090A (zh) * | 2020-06-10 | 2020-09-22 | 上海有个机器人有限公司 | 一种机器人的路面环境老化测试方法、介质、终端和装置 |
CN112622932A (zh) * | 2020-12-23 | 2021-04-09 | 同济大学 | 一种基于势能场启发式搜索的自动驾驶换道轨迹规划算法 |
CN112857385A (zh) * | 2021-01-18 | 2021-05-28 | 北京理工大学 | 一种基于非均匀栅格模型的快速无人车局部路径规划方法 |
CN112965471A (zh) * | 2021-02-10 | 2021-06-15 | 大连理工大学 | 一种考虑角速度约束和改进斥力场的人工势场路径规划方法 |
CN113359758A (zh) * | 2021-06-30 | 2021-09-07 | 山东新一代信息产业技术研究院有限公司 | 一种基于人工势场法的环境代价地图生成方法及系统 |
CN114993292A (zh) * | 2022-06-20 | 2022-09-02 | 合肥井松智能科技股份有限公司 | 一种薄墙壁分割方法及基于其的薄墙壁误匹配优化方法 |
US11662726B2 (en) | 2019-10-17 | 2023-05-30 | Nokia Solutions And Networks Oy | Controlling movement of a device |
CN116451507A (zh) * | 2023-06-13 | 2023-07-18 | 浙江大学 | 一种基于非均匀栅格划分进行台风轨迹路径模拟的方法 |
-
2018
- 2018-05-10 CN CN201810442988.5A patent/CN108508900A/zh active Pending
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107544502A (zh) * | 2017-09-25 | 2018-01-05 | 华中科技大学 | 一种已知环境下的移动机器人规划方法 |
CN109459026A (zh) * | 2018-11-08 | 2019-03-12 | 北京理工大学 | 一种多运动体协同全覆盖路径规划方法 |
CN109459026B (zh) * | 2018-11-08 | 2021-01-01 | 北京理工大学 | 一种多运动体协同全覆盖路径规划方法 |
CN109506632A (zh) * | 2018-11-12 | 2019-03-22 | 浙江省国土勘测规划有限公司 | 一种不动产平面测量方法 |
CN109506632B (zh) * | 2018-11-12 | 2021-03-26 | 浙江省国土勘测规划有限公司 | 一种不动产平面测量方法 |
CN110501907A (zh) * | 2019-08-29 | 2019-11-26 | 上海有个机器人有限公司 | 用于机器人导航的自适应动态地图网格生成方法 |
US11662726B2 (en) | 2019-10-17 | 2023-05-30 | Nokia Solutions And Networks Oy | Controlling movement of a device |
CN111339091A (zh) * | 2020-02-23 | 2020-06-26 | 兰州理工大学 | 基于非均匀四叉树的位置大数据差分隐私划分发布方法 |
CN111347430A (zh) * | 2020-04-27 | 2020-06-30 | 浙江欣奕华智能科技有限公司 | 一种机器人运动轨迹的确定方法及装置 |
CN111347430B (zh) * | 2020-04-27 | 2021-06-08 | 浙江欣奕华智能科技有限公司 | 一种机器人运动轨迹的确定方法及装置 |
CN111693090A (zh) * | 2020-06-10 | 2020-09-22 | 上海有个机器人有限公司 | 一种机器人的路面环境老化测试方法、介质、终端和装置 |
CN112622932A (zh) * | 2020-12-23 | 2021-04-09 | 同济大学 | 一种基于势能场启发式搜索的自动驾驶换道轨迹规划算法 |
CN112622932B (zh) * | 2020-12-23 | 2022-02-01 | 同济大学 | 一种基于势能场启发式搜索的自动驾驶换道轨迹规划算法 |
CN112857385A (zh) * | 2021-01-18 | 2021-05-28 | 北京理工大学 | 一种基于非均匀栅格模型的快速无人车局部路径规划方法 |
CN112857385B (zh) * | 2021-01-18 | 2022-09-27 | 北京理工大学 | 一种基于非均匀栅格模型的快速无人车局部路径规划方法 |
CN112965471B (zh) * | 2021-02-10 | 2022-02-18 | 大连理工大学 | 一种考虑角速度约束和改进斥力场的人工势场路径规划方法 |
CN112965471A (zh) * | 2021-02-10 | 2021-06-15 | 大连理工大学 | 一种考虑角速度约束和改进斥力场的人工势场路径规划方法 |
CN113359758A (zh) * | 2021-06-30 | 2021-09-07 | 山东新一代信息产业技术研究院有限公司 | 一种基于人工势场法的环境代价地图生成方法及系统 |
CN114993292A (zh) * | 2022-06-20 | 2022-09-02 | 合肥井松智能科技股份有限公司 | 一种薄墙壁分割方法及基于其的薄墙壁误匹配优化方法 |
CN114993292B (zh) * | 2022-06-20 | 2024-04-30 | 合肥井松智能科技股份有限公司 | 一种薄墙壁分割方法及基于其的薄墙壁误匹配优化方法 |
CN116451507A (zh) * | 2023-06-13 | 2023-07-18 | 浙江大学 | 一种基于非均匀栅格划分进行台风轨迹路径模拟的方法 |
CN116451507B (zh) * | 2023-06-13 | 2023-11-10 | 浙江大学 | 一种基于非均匀栅格划分进行台风轨迹路径模拟的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108508900A (zh) | 一种壁面移动机器人墙壁检测路径自主规划方法 | |
CN108181636B (zh) | 石化工厂巡检机器人环境建模与地图构建装置和方法 | |
CN106403954B (zh) | 无人机自动航迹生成方法 | |
US11156464B2 (en) | Crowd sourced mapping with robust structural features | |
CN103148804B (zh) | 一种基于激光扫描的室内未知结构识别方法 | |
CN104575075B (zh) | 一种基于北斗的城市路网车辆坐标校正方法及装置 | |
CN110514225A (zh) | 一种矿井下多传感器融合的外部参数标定及精准定位方法 | |
CN104851322B (zh) | 基于北斗卫星导航系统的低空飞行目标告警系统和方法 | |
CN106031263A (zh) | 用于位置估计的方法及系统 | |
CN103217688B (zh) | 一种基于不规则三角网机载激光雷达点云平差计算方法 | |
CN202216696U (zh) | 基于信息融合的煤矿救灾机器人导航装置 | |
CN107966989A (zh) | 一种机器人自主导航系统 | |
CN106338736B (zh) | 一种基于激光雷达的全3d占据体元地形建模方法 | |
CN105704652A (zh) | 一种wlan/蓝牙定位中的指纹库采集和优化方法 | |
CN108614274A (zh) | 基于多旋翼无人机的交叉式跨越线距离测量方法及装置 | |
CN104406589B (zh) | 一种飞行器穿越雷达区的飞行方法 | |
CN113124856A (zh) | 基于uwb在线锚点的视觉惯性紧耦合里程计及计量方法 | |
CN108445520A (zh) | 一种基于云端的室内外建图方法、装置、电子设备及计算机程序产品 | |
CN109782756A (zh) | 具有自主绕障行走功能的变电站巡检机器人 | |
CN109807911A (zh) | 基于gnss、uwb、imu、激光雷达、码盘的室外巡逻机器人多环境联合定位方法 | |
CN113033494B (zh) | 基于地理空间信息数据测绘的测绘数据采集系统 | |
CN104808174B (zh) | 基于卡尔曼滤波器和航位推测法的核电站无线定位系统 | |
CN109491383A (zh) | 多机器人定位与建图系统及方法 | |
CN108957476A (zh) | 一种基于无人机的树径测量装置及树径测算方法 | |
CN110411435A (zh) | 机器人定位方法、装置以及机器人 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180907 |
|
WD01 | Invention patent application deemed withdrawn after publication |