CN108549385B - 一种结合a*算法和vfh避障算法的机器人动态路径规划方法 - Google Patents

一种结合a*算法和vfh避障算法的机器人动态路径规划方法 Download PDF

Info

Publication number
CN108549385B
CN108549385B CN201810492962.1A CN201810492962A CN108549385B CN 108549385 B CN108549385 B CN 108549385B CN 201810492962 A CN201810492962 A CN 201810492962A CN 108549385 B CN108549385 B CN 108549385B
Authority
CN
China
Prior art keywords
robot
target point
obstacle
algorithm
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.)
Active
Application number
CN201810492962.1A
Other languages
English (en)
Other versions
CN108549385A (zh
Inventor
齐志
王福安
张阳
刘昊
吴建辉
时龙兴
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.)
Southeast University Wuxi Institute Of Integrated Circuit Technology
Southeast University
Original Assignee
Southeast University Wuxi Institute Of Integrated Circuit Technology
Southeast University
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 Southeast University Wuxi Institute Of Integrated Circuit Technology, Southeast University filed Critical Southeast University Wuxi Institute Of Integrated Circuit Technology
Priority to CN201810492962.1A priority Critical patent/CN108549385B/zh
Publication of CN108549385A publication Critical patent/CN108549385A/zh
Application granted granted Critical
Publication of CN108549385B publication Critical patent/CN108549385B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0231—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
    • G05D1/0212—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
    • G05D1/0257—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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种结合A*算法和VFH避障算法的机器人动态路径规划方法，将机器人所处的环境表示成栅格地图，并用A*算法在栅格地图中搜索出一条全局初始路径；机器人沿初始路径向目标点运动，判断是否遇到障碍物，遇到则采用VFH算法进行避障，否则继续向目标点运动；在避障时，首先沿初始路径中设置阶段目标点，生成当前位置到阶段目标点之间的避障路径并前进一步，更新当前位置，判断机器人当前位置和阶段目标点之间是否有遮挡，有则重新计算避障路径，无则将机器人沿避障路径向阶段目标点前进一步，循环直至机器人抵达阶段目标点并回到初始路径上继续向终点运动。两种算法的结合提高了机器人路径规划的效率，保证了机器人在室内动态环境下的自主导航能力。

Description

一种结合A*算法和VFH避障算法的机器人动态路径规划方法
技术领域
本发明涉及一种结合A*算法和VFH避障算法的机器人动态路径规划方法，属于机器人自主导航技术领域。
背景技术
随着机器人技术的不断发展，越来越多的机器人被用来为人来提供各种服务，甚至替代了人的工作。自主导航是机器人实现智能化并发挥作用的关键，而路径规划则是机器人自动导航能力的重要组成。按照对环境信息的已知程度，路径规划可以分为全局路径规划和局部路径规划。环境信息完全已知的路径规划称为全局路径规划；环境信息未知或部分未知时的路径规划称为局部路径规划。而在机器人技术中，采用全局路径规划算法进行路径规划时，由于获取的环境信息中缺乏动态障碍物信息，因此无法适应变化的环境；采用局部路径规划算法进行路径规划时，实时性比较高，但是缺乏全局信息，不易规划出最优的路径。
在大多数的应用场景中，机器人所处的环境是部分已知部分未知的。针对这种情况，应首先根据全局环境信息，规划出一条从起始点到目标点的初始路径。在机器人沿初始路径行进的过程中，遇到未知的障碍物时，再选择合适的局部避障方法绕开障碍物。
发明内容
本发明所要解决的技术问题是：提供一种结合A*算法和VFH避障算法的机器人动态路径规划方法，结合全局规划算法和局部规划算法，优化了机器人的路径规划。
本发明为解决上述技术问题采用以下技术方案：
一种结合A*算法和VFH避障算法的机器人动态路径规划方法，包括如下步骤：
步骤1，将机器人所处的环境表示成栅格地图，并利用A*算法在栅格地图中搜索出一条从起始点到目标点的初始路径；在初始路径上，每隔固定间隔，生成子目标点；
步骤2，机器人以固定步长沿初始路径运动，并判断运动时是否遇到障碍物，若遇到障碍物则转到步骤3，否则继续向目标点运动，直至抵达目标点；
步骤3，将距机器人当前位置最近的子目标点作为阶段目标点；
步骤4，采用VFH避障算法进行避障，计算机器人当前位置到阶段目标点之间最合理的避障路径；
步骤5，机器人沿步骤4所述避障路径以固定步长向阶段目标点运动，每运动一个步长，判断机器人新的位置与阶段目标点之间是否存在遮挡，若存在遮挡，则返回步骤4，若不存在遮挡，则继续沿避障路径向阶段目标点前进一个步长；
步骤6，重复步骤5，直至机器人抵达阶段目标点，并回到初始路径上，返回步骤2。
作为本发明的一种优选方案，所述步骤4的具体过程如下：
4.1，以机器人当前位置为中心，半径为20个栅格长度的圆均分为16个扇区，扇区序号用K表示，K＝0,1,…,15，则机器人当前位置到阶段目标点之间的候选行进方向共有16个方向；
4.2，机器人扫描上述16个扇区，赋予扇区内每个栅格一个表示其包含的障碍物特征的概率值C；
4.3，对于每个扇区K，计算被其覆盖的所有栅格内障碍物密度之累加H(K)：
H(K)＝∑cell(i,j)∈KCij
其中，Cij表示坐标是(i,j)的栅格cell(i,j)包含的障碍物特征概率值；设定阈值TH，当H(K)<TH时，将扇区K定为候选区；
4.4，在所有候选区中搜寻最适合的运动方向D，即使得以下代价函数最小的D扇区：
w(D)＝μ1Diff(D,Dtar)+μ2Diff(D,Dcur)
其中，w(D)表示D扇区的代价函数，Diff(D,Dtar)表示运动方向D与阶段目标点所在方向之间的角度差值，Diff(D,Dcur)表示运动方向D与机器人当前行进方向之间的角度差值，系数μ1和μ2均表示权重比，且μ1+μ2＝1；
4.5，机器人沿最适合的运动方向D运动一个步长，返回4.1，重复上述过程，直至到达阶段目标点。
作为本发明的一种优选方案，步骤5所述判断机器人新的位置与阶段目标点之间是否存在遮挡的具体过程为：
5.1，根据机器人新的位置对应的栅格坐标(Xcur,Ycur)和阶段目标点对应的栅格坐标(Xtar,Ytar)，计算两个栅格坐标连成的线段L的斜率k：
k＝(Ytar-Ycur)/(Xtar-Xcur)
5.2，从新的位置开始，直至阶段目标点，依次遍历Xcur到Xtar之间的整数横坐标值X，依据Y＝k×(Xtar-X)+Ycur得到纵坐标的值Y，再将Y进行向上取整和向下取整，分别得到Yup和Ydown，则有坐标为(X,Yup)、(X,Ydown)，将Xcur到Xtar之间所有整数横坐标X得到的(X,Yup)组成上边界，同理，将所有(X,Ydown)组成下边界，进而得到线段L上、下边界之间所有栅格；
5.3，若线段L上、下边界之间所有栅格包含的障碍物特征概率值的累加超过阈值TH，表示线段L经过遮挡，即机器人新的位置与阶段目标点之间存在遮挡，否则不存在遮挡。
作为本发明的一种优选方案，步骤1所述固定间隔视机器人所处的环境大小、栅格大小、以及机器人所处的环境中障碍物密度的不同，定出合理值，步骤1中设置为6个栅格。
作为本发明的一种优选方案，所述固定步长为2个栅格。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
1、本发明的全局规划采用A*算法，可以首先得到一条较优的初始路径，而在全局规划和局部避障相结合时，根据障碍物的大小，动态的调整局部避障的子目标点，使得机器人在绕开障碍物以后，快速地回到初始的路径中，在保证机器人完成自动导航任务的同时，提高了移动机器人避障时的灵活性以及路径规划的效率。
2、本发明方法既避免了单独使用A*算法时无法处理动态障碍物的问题，也避免了单独使用VFH算法无法得到最短路径的问题。由于综合了A*和VFH算法的简单几何运算，本发明与其他的路径规划方法相比，以更小的计算量，提高了机器人路径规划的效率，保证了机器人在室内动态环境下的自主导航能力。
附图说明
图1是本发明一种结合A*算法和VFH避障算法的机器人动态路径规划方法的整体流程图。
图2是本发明VFH避障算法中活动窗口的划分示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
如图1所示，为本发明一种结合A*算法和VFH避障算法的机器人动态路径规划方法的整体流程图，具体步骤如下：
1、将机器人所处的环境用栅格法表示，并利用A*算法规划出一条从起始点到目标点的初始路径。初始路径上以一定间隔，生成子目标点序列，不失一般性，该间隔取6个栅格点。
2、不失一般性，以2个栅格点为步长，机器人沿初始路径向目标点运动，直到机器人经传感器判断遇到障碍物，或者抵达目标点，结束行程。
3、机器人经传感器判断，如遇到障碍物，则执行步骤4。
4、更改下一个子目标点的位置。即，从机器人当前位置沿初始路径前进N个栅格点，不失一般性N取12，将所到位置设置成新的下一个子目标点。
5、采用VFH算法进行避障，计算当前位置到该子目标点之间最合理的避障路径。具体方法包括：
5.1机器人的候选行进方向为16个方向，即以机器人为中心，将周边均分成16个扇区。扇区的序号用K表示，序号为0～15。
5.2称机器人所能感知的最大范围为活动窗口。机器人通过传感器扫描周边的环境信息以后，赋予活动窗口中每个栅格一个表示障碍物特征的概率C，C越高，表示此处存在障碍物的可能性越大。
5.3对于每一个K扇区，计算被其覆盖栅格内障碍物密度之累加
H(K)＝∑cell(i,j)∈KCij
其中，Cij为坐标是(i,j)的栅格cell(i,j)包含的障碍物特征概率值。设定一个阈值TH，当H(K)<TH时，该K扇区可以被定为候选区，即机器人可以沿此方向安全行驶。
5.4沿避障路径，机器人每向前移动一个步长后，重新扫描周边环境并计算最适合的运动方向，从而一步步逼近子目标点。其中最适合的运动方向为候选区中使得以下代价函数w最小的D扇区。
w(D)＝μ1Diff(D,Dtar)+μ2Diff(D,Dcur)
Dtar表示子目标点所在扇区，Dcur表示机器人运动到当前位置所沿的行进方向，定义Diff函数表示两个扇区之间角度的差值，其中Diff(D,Dtar)表示候选方向与目标方向间的角度差值，Diff(D,Dtar)表示候选方向与机器人当前行进方向的差值，系数μ1和μ2分别为这两个方向差值的权重比，且μ1+μ2＝1。为使机器人不至转向太大，Diff(D,Dcur)应较小；同时为使机器人向子目标点行进，Diff(D,Dtar)应较小。当机器人当前位置和子目标点的位置有遮挡时，μ1取较大的值，无遮挡时μ1设为较小的值。
6、沿避障路径，以2个栅格点为步长移动机器人。每移动一步，判断机器人当前位置和该子目标点的位置之间是否有遮挡。如有遮挡，返回步骤5。如无遮挡，则继续延避障路径向子目标点前进一个步长。其中，判断机器人当前位置和该子目标点的位置之间是否有遮挡的方法包括：
6.1根据机器人当前位置的栅格点坐标(Xcur,Ycur)和子目标点的坐标(Xtar,Ytar)，计算两个坐标点之间线段L的斜率k：
k＝(Ytar-Ycur)/(Xtar-Xcur)
6.2从当前位置开始，直至子目标位置，依次遍历Xcur到Xtar之间的整数横坐标值X，依据Y＝k×(Xtar-X)+Ycur得到纵坐标的计算值Y，再将Y值进行向上取整和向下取整，分别得到Yup和Ydown。每个X的值对应坐标为(X,Yup)、(X,Ydown)。延Xcur到Xtar之间的所有整数坐标位置的(X,Yup)组成上边界，同理，(X,Ydown)组成下边界，进而可以得到线段L上下边界之间所经栅格点。
6.3若线段L上下边界之间所经栅格点障碍物密度之累加超过阈值TH，则表示线段L经过障碍物，即机器人当前位置和子目标位置之间有遮挡；否则表示机器人当前位置和子目标位置之间无遮挡。
7、重复步骤6直到抵达该子目标点，并回到初始路径上。返回步骤2。
实施例：机器人路径规划方法，具体步骤如下：
1.将机器人所处的环境用栅格法表示，并利用A*算法规划出一条从起始点到目标点的初始路径。环境信息被转化成二维的栅格，栅格中数值为0表示没有障碍物，数值为1表示有障碍物。机器人在栅格图中的位置即为起始点，人为地为其指定目标点。通过A*算法，利用全局信息以及起始点和目标点的坐标，规划出一条初始路径，该路径以链表的形式存储。
2.机器人沿初始路径运动。
将步骤1中得到的初始路径转化为机器人的线速度和角速度，发送给机器人的控制单元，使得机器人严格按照初始路径进行运动。
3.机器人通过传感器判断是否遇到障碍物，遇到则继续下一步，否则延初始路径继续向目标点运动。
固定在机器人上的激光雷达不断检测前进方向是否有障碍物。规定机器人和障碍物之间的安全距离dsafe＝0.3m，即当机器人和障碍物的距离小于dsafe时，可以判定机器人前进路线已经被障碍物遮挡。
4.更改子目标点的位置。
记录当前子目标点的坐标；在初始路径的链表中，从当前子目录开始移动12个栅格的距离，得到新的子目标点T；将VFH算法中记录最终目标位置的变量值更改为T的坐标值。
5.采用VFH算法进行避障。
机器人扫描周边的环境信息以后，计算出运动方向，沿该方向运动一步。
6.判断机器人当前位置与子目标点之间是否有遮挡。如有遮挡，返回步骤5。如无遮挡，则继续延避障路径向子目标点前进一步。
7.重复步骤6直到抵达该子目标点，并回到初始路径上。返回步骤2。
对比机器人的当前坐标和子目标的坐标，如果相同，表示已经到达子目标点，同时调节机器人的位姿，使其朝向初始路径在该子目标点的切线方向。
其中，采用VFH算法进行避障的方法如下：
1.将以机器人为中心，半径为20个栅格长度的圆均分成16个扇区。每个扇区代表了一种机器人可以行进的方向。扇区的序号用K表示，范围为0～15。如图2所示。
2.机器人上的激光雷达对周围环境进行扫描，赋予各扇区内的栅格一个表示障碍物特征的概率C，C越高，表示此处存在障碍物的可能性就越大。
3.对于每一个扇区，计算被其覆盖栅格内障碍物密度之累加H(K)，设定一个阈值TH，当H(K)<TH时，该K扇区可以被定为候选区，即机器人可以沿此方向安全行驶。
4.沿避障路径，机器人每向前移动一个步长后，重新扫描周边环境并计算最适合的运动方向，从而一步步逼近子目标点。其中最适合的运动方向为候选区中使得代价函数w最小的D扇区。
当机器人当前位置和子目标点的位置有遮挡时，权重μ1取0.6，μ2取0.4；无遮挡时μ1取0.3，μ2取0.7。
其中，判断机器人当前位置和子目标位置之间是否有遮挡的方法如下：
1.根据机器人当前坐标(Xcur,Ycur)和子目标坐标(Xtar,Ytar)，计算两个坐标点确定的线段L的斜率k：
k＝(Ytar-Ycur)/(Xtar-Xcur)
2.从当前位置开始，直至子目标位置，依次遍历Xcur到Xtar之间的整数横坐标值X，依据Y＝k×(Xtar-X)+Ycur得到纵坐标的计算值Y，再将Y值进行向上取整和向下取整，分别得到Yup和Ydown。每个X的值对应坐标为(X,Yup)、(X,Ydown)，进而得到线段L所经所有栅格点坐标。
3.当上一步中栅格中障碍物密度之累加大于8时，表示机器人当前位置和子目标点之间存在遮挡。而当上一步遍历的栅格中障碍物密度之累加小于8时，表示机器人当前位置和子目标点之间没有遮挡。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (3)

1.一种结合A*算法和VFH避障算法的机器人动态路径规划方法，其特征在于，包括如下步骤：
步骤1，将机器人所处的环境表示成栅格地图，并利用A*算法在栅格地图中搜索出一条从起始点到目标点的初始路径；在初始路径上，每隔固定间隔，生成子目标点；
步骤2，机器人以固定步长沿初始路径运动，并判断运动时是否遇到障碍物，若遇到障碍物则转到步骤3，否则继续向目标点运动，直至抵达目标点；
步骤3，将距机器人当前位置最近的子目标点作为阶段目标点；
步骤4，采用VFH避障算法进行避障，计算机器人当前位置到阶段目标点之间最合理的避障路径；具体过程如下：
4.1，以机器人当前位置为中心，半径为20个栅格长度的圆均分为16个扇区，扇区序号用K表示，K＝0,1,…,15，则机器人当前位置到阶段目标点之间的候选行进方向共有16个方向；
4.2，机器人扫描上述16个扇区，赋予扇区内每个栅格一个表示其包含的障碍物特征的概率值C；
4.3，对于每个扇区K，计算被其覆盖的所有栅格内障碍物密度之累加H(K)：
H(K)＝∑cell(i,j)∈KCij
其中，Cij表示坐标是(i,j)的栅格cell(i,j)包含的障碍物特征概率值；设定阈值TH，当H(K)＜TH时，将扇区K定为候选区；
4.4，在所有候选区中搜寻最适合的运动方向D，即使得以下代价函数最小的D扇区：
w(D)＝μ1Diff(D,Dtar)+μ2Diff(D,Dcur)
其中，w(D)表示D扇区的代价函数，Diff(D,Dtar)表示运动方向D与阶段目标点所在方向之间的角度差值，Diff(D,Dcur)表示运动方向D与机器人当前行进方向之间的角度差值，系数μ1和μ2均表示权重比，且μ1+μ2＝1；
4.5，机器人沿最适合的运动方向D运动一个步长，返回4.1，重复上述过程，直至到达阶段目标点；
步骤5，机器人沿步骤4所述避障路径以固定步长向阶段目标点运动，每运动一个步长，判断机器人新的位置与阶段目标点之间是否存在遮挡，若存在遮挡，则返回步骤4，若不存在遮挡，则继续沿避障路径向阶段目标点前进一个步长；
所述判断机器人新的位置与阶段目标点之间是否存在遮挡的具体过程为：
5.1，根据机器人新的位置对应的栅格坐标(Xcur,Ycur)和阶段目标点对应的栅格坐标(Xtar,Ytar)，计算两个栅格坐标连成的线段L的斜率k：
k＝(Ytar-Ycur)/(Xtar-Xcur)
5.2，从新的位置开始，直至阶段目标点，依次遍历Xcur到Xtar之间的整数横坐标值X，依据Y＝k×(Xtar-X)+Ycur得到纵坐标的值Y，再将Y进行向上取整和向下取整，分别得到Yup和Ydown，则有坐标为(X,Yup)、(X,Ydown)，将Xcur到Xtar之间所有整数横坐标X得到的(X,Yup)组成上边界，同理，将所有(X,Ydown)组成下边界，进而得到线段L上、下边界之间所有栅格；
5.3，若线段L上、下边界之间所有栅格包含的障碍物特征概率值的累加超过阈值TH，表示线段L经过遮挡，即机器人新的位置与阶段目标点之间存在遮挡，否则不存在遮挡；
步骤6，重复步骤5，直至机器人抵达阶段目标点，并回到初始路径上，返回步骤2。
2.根据权利要求1所述结合A*算法和VFH避障算法的机器人动态路径规划方法，其特征在于，步骤1所述固定间隔视机器人所处的环境大小、栅格大小、以及机器人所处的环境中障碍物密度的不同，定出合理值，步骤1中设置为6个栅格。
3.根据权利要求1所述结合A*算法和VFH避障算法的机器人动态路径规划方法，其特征在于，所述固定步长为2个栅格。
CN201810492962.1A 2018-05-22 2018-05-22 一种结合a*算法和vfh避障算法的机器人动态路径规划方法 Active CN108549385B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810492962.1A CN108549385B (zh) 2018-05-22 2018-05-22 一种结合a*算法和vfh避障算法的机器人动态路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810492962.1A CN108549385B (zh) 2018-05-22 2018-05-22 一种结合a*算法和vfh避障算法的机器人动态路径规划方法

Publications (2)

Publication Number Publication Date
CN108549385A CN108549385A (zh) 2018-09-18
CN108549385B true CN108549385B (zh) 2021-05-04

Family

ID=63495441

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810492962.1A Active CN108549385B (zh) 2018-05-22 2018-05-22 一种结合a*算法和vfh避障算法的机器人动态路径规划方法

Country Status (1)

Country Link
CN (1) CN108549385B (zh)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110377021B (zh) * 2018-09-29 2022-09-06 北京京东尚科信息技术有限公司 设备控制方法、装置、系统、计算机可读存储介质
CN108873915B (zh) * 2018-10-12 2021-08-20 长沙万为机器人有限公司 动态避障方法及其全向安防机器人
CN109374004B (zh) * 2018-11-12 2020-07-03 智慧航海（青岛）科技有限公司 一种基于ia*算法的智能无人船舶路径规划方法
CN109407675B (zh) * 2018-12-19 2021-11-09 珠海市一微半导体有限公司 机器人回座的避障方法和芯片以及自主移动机器人
CN110221601A (zh) * 2019-04-30 2019-09-10 南京航空航天大学 一种多agv系统动态障碍物实时避障方法及避障系统
CN110262518B (zh) * 2019-07-22 2021-04-02 上海交通大学 基于轨迹拓扑地图和避障的车辆导航方法、系统及介质
CN110908371B (zh) * 2019-10-31 2022-04-15 山东大学 一种自动巡航电动病床的自主避障与路径规划方法和系统
CN111142542A (zh) * 2020-01-15 2020-05-12 苏州晨本智能科技有限公司 一种基于vfh*局部路径规划方法的全向移动机器人自主导航系统
CN111427346B (zh) * 2020-03-09 2023-07-14 中振同辂(江苏)机器人有限公司 适用于车型机器人的局部路径规划与追踪方法
CN111443711B (zh) * 2020-03-27 2023-05-23 浙江华消科技有限公司 消防机器人避障方法、装置、消防机器人和可读存储介质
CN111665844B (zh) * 2020-06-23 2023-10-24 北京三快在线科技有限公司 一种路径规划方法及装置
CN111665852B (zh) * 2020-06-30 2022-09-06 中国第一汽车股份有限公司 一种障碍物避让方法、装置、车辆及存储介质
CN111761581B (zh) * 2020-07-07 2021-08-27 上海木木聚枞机器人科技有限公司 路径规划方法及装置、狭窄空间行进方法及装置
CN111857149B (zh) * 2020-07-29 2022-03-15 合肥工业大学 一种a*算法与d*算法复合的自主路径规划方法
CN112484726B (zh) * 2020-09-30 2022-08-30 天津基点科技有限公司 一种基于三维模型的无人机路径规划方法
CN112180946B (zh) * 2020-10-22 2023-10-03 湖南格兰博智能科技有限责任公司 一种扫地机器人的导航路径规划方法、系统及电子设备
CN112327931B (zh) * 2020-12-01 2022-11-29 天津基点科技有限公司 一种基于sdf地图的无人机三维路径快速规划方法
CN112797987B (zh) * 2021-03-23 2021-07-23 陕西欧卡电子智能科技有限公司 一种无人船避障的航行方法、装置、计算机设备及存储介质
CN114035574A (zh) * 2021-11-01 2022-02-11 武汉量宇智能科技有限公司 水面无人艇自主避障方法
CN114199266A (zh) * 2021-11-25 2022-03-18 江苏集萃智能制造技术研究所有限公司 一种基于导诊服务机器人的目标被占用的路径规划方法
CN114594761B (zh) * 2022-01-05 2023-03-24 美的集团(上海)有限公司 机器人的路径规划方法、电子设备及计算机可读存储介质
CN114442618A (zh) * 2022-01-12 2022-05-06 江苏大学 一种基于aco-pso-vfh的室内移动机器人自主动态路径规划方法
CN115326057A (zh) * 2022-08-31 2022-11-11 深圳鹏行智能研究有限公司 路径规划方法、装置、机器人以及可读存储介质
CN117631670B (zh) * 2023-12-01 2024-10-11 陕西明泰电子科技发展有限公司 一种复杂环境下机器人避障的路径优化方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103455034A (zh) * 2013-09-16 2013-12-18 苏州大学张家港工业技术研究院 一种基于最近距离向量场直方图的避障路径规划方法
CN103823466A (zh) * 2013-05-23 2014-05-28 电子科技大学 一种动态环境下移动机器人路径规划方法
CN103926925A (zh) * 2014-04-22 2014-07-16 江苏久祥汽车电器集团有限公司 一种基于改进的vfh算法的定位与避障方法及机器人
CN104950883A (zh) * 2015-05-14 2015-09-30 西安电子科技大学 一种基于距离网格地图的移动机器人路径规划方法
CN105652874A (zh) * 2016-03-21 2016-06-08 北京联合大学 一种基于广义波前算法的移动机器人实时避障方法
CN105807769A (zh) * 2016-03-09 2016-07-27 哈尔滨工程大学 无人水下航行器ivfh避碰方法
CN107168305A (zh) * 2017-04-01 2017-09-15 西安交通大学 路口场景下基于Bezier和VFH的无人车轨迹规划方法
CN107748561A (zh) * 2017-09-25 2018-03-02 华南理工大学 一种基于多传感参数的无人船局部避障系统及方法
WO2018087703A1 (en) * 2016-11-11 2018-05-17 Info Solution S.P.A. Method and device for driving a self-moving vehicle and related driving system

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8948913B2 (en) * 2009-10-26 2015-02-03 Electronics And Telecommunications Research Institute Method and apparatus for navigating robot

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103823466A (zh) * 2013-05-23 2014-05-28 电子科技大学 一种动态环境下移动机器人路径规划方法
CN103455034A (zh) * 2013-09-16 2013-12-18 苏州大学张家港工业技术研究院 一种基于最近距离向量场直方图的避障路径规划方法
CN103926925A (zh) * 2014-04-22 2014-07-16 江苏久祥汽车电器集团有限公司 一种基于改进的vfh算法的定位与避障方法及机器人
CN104950883A (zh) * 2015-05-14 2015-09-30 西安电子科技大学 一种基于距离网格地图的移动机器人路径规划方法
CN105807769A (zh) * 2016-03-09 2016-07-27 哈尔滨工程大学 无人水下航行器ivfh避碰方法
CN105652874A (zh) * 2016-03-21 2016-06-08 北京联合大学 一种基于广义波前算法的移动机器人实时避障方法
WO2018087703A1 (en) * 2016-11-11 2018-05-17 Info Solution S.P.A. Method and device for driving a self-moving vehicle and related driving system
CN107168305A (zh) * 2017-04-01 2017-09-15 西安交通大学 路口场景下基于Bezier和VFH的无人车轨迹规划方法
CN107748561A (zh) * 2017-09-25 2018-03-02 华南理工大学 一种基于多传感参数的无人船局部避障系统及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A Constrained VFH Algorithm for Motion Planning of Autonomous Vehicles;Panrang Qu;《2015 IEEE Intelligent Vehicles Symposium (IV)》;20150701;700-705 *
基于卡尔曼滤波预测的移动机器人矢量场矩形法避障研究;徐家;《中国优秀硕士学位论文全文数据库-信息科技辑》;20090915(第9期);I140-217 *
基于激光雷达的服务机器人室内动态导航方法研究;张振东;《中国优秀硕士学位论文全文数据库-信息科技辑》;20150215(第2期);I140-550 *
基于激光雷达的移动机器人避障策略研究;向亚军;《四川大学学报（自然科学版）》;20170531;第54卷(第4期);529-534 *

Also Published As

Publication number Publication date
CN108549385A (zh) 2018-09-18

Similar Documents

Publication Publication Date Title
CN108549385B (zh) 一种结合a*算法和vfh避障算法的机器人动态路径规划方法
CN110262518B (zh) 基于轨迹拓扑地图和避障的车辆导航方法、系统及介质
CN110632921B (zh) 机器人路径规划方法、装置、电子设备和存储介质
CN112000754B (zh) 地图构建方法、装置、存储介质及计算机设备
CN108983777B (zh) 一种基于自适应前沿探索目标点选取的自主探索与避障方法
Ferguson et al. Field D*: An interpolation-based path planner and replanner
CN113110522B (zh) 一种基于复合式边界检测的机器人自主探索方法
CN109579854B (zh) 基于快速扩展随机树的无人车避障方法
CN112284393B (zh) 一种智能移动机器人全局路径规划方法和系统
CN106774347A (zh) 室内动态环境下的机器人路径规划方法、装置和机器人
CN108646765A (zh) 基于改进a*算法的四足机器人路径规划方法及系统
CN109116858A (zh) 一种在指定路径上的绕障路径规划方法及系统
CN114442618A (zh) 一种基于aco-pso-vfh的室内移动机器人自主动态路径规划方法
CN107357295B (zh) 一种基于栅格地图的路径搜索方法和芯片及机器人
CN113110497B (zh) 基于导航路径的沿边绕障路径选择方法、芯片及机器人
CN113867336B (zh) 一种适用于复杂场景下移动机器人路径导航及规划方法
CN112269381A (zh) 基于改进人工鱼群算法的移动机器人路径规划方法
CN114543815B (zh) 基于基因调控网络的多智能体导航控制方法、设备及介质
CN115826586B (zh) 一种融合全局算法和局部算法的路径规划方法及系统
CN115077553A (zh) 基于栅格搜索轨迹规划方法、系统、汽车、设备及介质
JP2018120482A (ja) ロボットおよびその制御方法
CN113485378A (zh) 基于交通规则的移动机器人路径规划方法、系统及存储介质
CN117111617A (zh) 考虑感知盲区碰撞不确定性的机器人路径规划方法及系统
CN112947491A (zh) 一种无人车快速轨迹规划方法
CN113375686A (zh) 路径规划的方法、装置以及智能输送系统

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