CN109753067A - 一种用于学校内物品运输的智能车路径规划方法 - Google Patents
一种用于学校内物品运输的智能车路径规划方法 Download PDFInfo
- Publication number
- CN109753067A CN109753067A CN201910015411.0A CN201910015411A CN109753067A CN 109753067 A CN109753067 A CN 109753067A CN 201910015411 A CN201910015411 A CN 201910015411A CN 109753067 A CN109753067 A CN 109753067A
- Authority
- CN
- China
- Prior art keywords
- intelligent vehicle
- website
- color
- school
- paths planning
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种用于学校内物品运输的智能车路径规划方法,本方案基于图像识别技术,通过在每个班级或者办公室前设置站点,使智能车能往返于各个教室和办公室,同时,通过在地面喷涂轨道的方法,使智能车的程序只涉及识别轨道和沿轨道行驶即可,不需要复杂的定位和导航程序,适用于学校这种始发地和目的地固定的区域,编程难度较低,可靠性高,且不占用通信资源,不需要后台服务器进行支持,能够大批量的使用。解决了由于学生交作业和老师发作业时,会有大量的习题本在教室和办公室之间搬运,一般由学生帮老师完成,但是,搬运重物容易对身体造成损伤,影响学生的发育,因此急需一种容错度高,编程简单的巡线机器人辅助搬运重物的问题。
Description
技术领域
本发明涉及智能车导航领域,特别涉及一种用于学校内物品运输的智能车路径规划方法。
背景技术
巡线机器人:巡线机器人是以移动机器人作为载体,以可见光摄像机、红外热成像仪、其它检测仪器作为载荷系统,以机器视觉—电磁场—GPS——GIS的多场信息融合作为机器人自主移动与自主巡检的导航系统,以嵌入式计算机作为控制系统的软硬件开发平台;具有障碍物检测识别与定位、自主作业规划、自主越障、对输电线路及其线路走廊自主巡检、巡检图像和数据的机器人本体自动存储与远程无线传输、地面远程无线监控与遥控、电能在线实时补给、后台巡检作业管理与分析诊断等功能。
由于学生交作业和老师发作业时,会有大量的习题本在教室和办公室之间搬运,一般由学生帮老师完成,但是,搬运重物容易对身体造成损伤,影响学生的发育,因此急需一种容错度高,编程简单的巡线机器人辅助搬运重物。
发明内容
本发明的目的在于:提供了一种用于学校内物品运输的智能车路径规划方法,解决了由于学生交作业和老师发作业时,会有大量的习题本在教室和办公室之间搬运,一般由学生帮老师完成,但是,搬运重物容易对身体造成损伤,影响学生的发育,因此急需一种容错度高,编程简单的巡线机器人辅助搬运重物的问题。
本发明采用的技术方案如下:
一种用于学校内物品运输的智能车路径规划方法,包括智能车、预设的站点和站点与站点之间的巡线轨道;
所述站点为喷涂在地面上的圆形标识,每个站点的颜色与其他站点的颜色不同;
所述巡线轨道为喷涂在地面上的标识带,所述标识带包括两段与两端站点连接的识别区和两段识别区之间的保持区,所述保持区为白色底带标识条,所述标识条上还设置有黑色色带,所述识别区为平行于标识带延伸方向间隔设置的目标站点颜色和白色标识条;
还包括依次进行的以下步骤:
A、基于站点和巡线轨道建立路网模型,将路网模型录入智能车中;
B、将智能车放在站点上,输入目的地站点;
C、智能车读取路网模型的数据,规划运动到目的地站点的路径;
D、智能车根据步骤C中规划的路径读取路网模型上下一站点的颜色参数后开始原地旋转,直到智能车正对相同颜色的识别区;
E、智能车通过识别区驶入保持区,保持行驶直到通过下一个识别区进入站点;
F、判断该站点是否为目的地站点,若是,进入步骤G,否则进入步骤D;
G、发送抵达信息给用户。
本方案基于图像识别技术,通过在每个班级或者办公室前设置站点,使智能车能往返于各个教室和办公室,同时,通过在地面喷涂轨道的方法,使智能车的程序只涉及识别轨道和沿轨道行驶即可,不需要复杂的定位和导航程序,适用于学校这种始发地和目的地固定的区域,编程难度较低,可靠性高,且不占用通信资源,不需要后台服务器进行支持,能够大批量的使用。
所述智能车包括全向轮、设置在智能车前方的摄像头和设置在智能车底部的摄像头。智能车通过全向轮实现向各个方向的运动和原地转向,智能车底部的摄像头用于识别站点的颜色,前方的摄像头用于识别巡线轨道的图像。
所述巡线轨道包括三条并行的白色底带标识条。所述步骤E中智能车通过识别区驶入保持区,保持行驶直到通过下一个识别区进入站点的过程中包括直线段和转弯端,其中:
直线段由智能车行驶方向左侧到右侧的三条并行的白色底带标识条中,中间的白色底带标识条喷涂为黑色;
左转段由智能车行驶方向左侧到右侧的三条并行的白色底带标识条中,左侧间的白色底带标识条喷涂为黑色;
右转段由智能车行驶方向左侧到右侧的三条并行的白色底带标识条中,右侧间的白色底带标识条喷涂为黑色。
采用上述方法,结构简单,不需要复杂的控制程序,仅需要通过变换三条并行的白色底带标识条上黑色色带的位置即可引导智能车进行直线行驶或转弯。
所述步骤A中包括路网模型的建立方法采用可视图空间法。可视图空间法又称C空间法,即在运动空间中扩展障碍物为多边形,以起始点、终点和所有多边形顶点间的不穿过障碍物的可行直线连线为路径范围来搜索最短路径。可视图空间法的优点是直观,容易求得最短路径;缺点是一旦起始点和目标点发生改变,就要重新构造可视图,缺乏灵活性。即其局部路径规划能力差,适用于全局路径规划和连续域范围内的路径规划。尤其适用于全局路径规划中的环境建模。
所述步骤C中规划运动到目的地站点的路径包括以下步骤:
C1、智能车接收步骤B中用户输入的目的地站点,智能车通过底部的摄像头采集所在站点标识的颜色,将为所在站点标识的颜色匹配站点,将该站点作为起始站点;
C2、将目的地站点和起始站点导入步骤A建立的路网模型中;
C3、可视图空间法计算目的地站点和起始站点之间的最短路径,将最短路径作为运动到目的地站点的路径。
还包括步骤C2和C3之间的步骤C4:用户根据需求录入避开的轨道段,将需要避开的轨道段作为障碍物导入路网模型中。在上学放学的高峰期,校内道路上的学生较多,巡线智能车工作时存在一定的安全隐患,同时容易造成主要道路的拥堵。因此,采用上述方法,可以在高峰时期将主要道路设置为障碍物,避免智能车驶入。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1.本发明一种用于学校内物品运输的智能车路径规划方法,解决了由于学生交作业和老师发作业时,会有大量的习题本在教室和办公室之间搬运,一般由学生帮老师完成,但是,搬运重物容易对身体造成损伤,影响学生的发育的问题;
2.本发明一种用于学校内物品运输的智能车路径规划方法,通过在地面喷涂轨道的方法,使智能车的程序只涉及识别轨道和沿轨道行驶即可,不需要复杂的定位和导航程序,适用于学校这种始发地和目的地固定的区域;
3.本发明一种用于学校内物品运输的智能车路径规划方法,编程难度较低,可靠性高,且不占用通信资源,不需要后台服务器进行支持,能够大批量的使用。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是本发明的地图模型示意图;
图2是本发明的地图模型示意图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
下面结合图1、图2对本发明作详细说明。
实施例1
一种用于学校内物品运输的智能车路径规划方法,包括智能车、预设的站点和站点与站点之间的巡线轨道;
所述站点为喷涂在地面上的圆形标识,每个站点的颜色与其他站点的颜色不同;
所述巡线轨道为喷涂在地面上的标识带,所述标识带包括两段与两端站点连接的识别区和两段识别区之间的保持区,所述保持区为白色底带标识条,所述标识条上还设置有黑色色带,所述识别区为平行于标识带延伸方向间隔设置的目标站点颜色和白色标识条;
还包括依次进行的以下步骤:
A、基于站点和巡线轨道建立路网模型,将路网模型录入智能车中;
B、将智能车放在站点上,输入目的地站点;
C、智能车读取路网模型的数据,规划运动到目的地站点的路径;
D、智能车根据步骤C中规划的路径读取路网模型上下一站点的颜色参数后开始原地旋转,直到智能车正对相同颜色的识别区;
E、智能车通过识别区驶入保持区,保持行驶直到通过下一个识别区进入站点;
F、判断该站点是否为目的地站点,若是,进入步骤G,否则进入步骤D;
G、发送抵达信息给用户。
本方案基于图像识别技术,通过在每个班级或者办公室前设置站点,使智能车能往返于各个教室和办公室,同时,通过在地面喷涂轨道的方法,使智能车的程序只涉及识别轨道和沿轨道行驶即可,不需要复杂的定位和导航程序,适用于学校这种始发地和目的地固定的区域,编程难度较低,可靠性高,且不占用通信资源,不需要后台服务器进行支持,能够大批量的使用。
实施例2
本实施例与实施例1的区别在于,所述智能车包括全向轮、设置在智能车前方的摄像头和设置在智能车底部的摄像头。智能车通过全向轮实现向各个方向的运动和原地转向,智能车底部的摄像头用于识别站点的颜色,前方的摄像头用于识别巡线轨道的图像。
所述巡线轨道包括三条并行的白色底带标识条。所述步骤E中智能车通过识别区驶入保持区,保持行驶直到通过下一个识别区进入站点的过程中包括直线段和转弯端,其中:
直线段由智能车行驶方向左侧到右侧的三条并行的白色底带标识条中,中间的白色底带标识条喷涂为黑色;
左转段由智能车行驶方向左侧到右侧的三条并行的白色底带标识条中,左侧间的白色底带标识条喷涂为黑色;
右转段由智能车行驶方向左侧到右侧的三条并行的白色底带标识条中,右侧间的白色底带标识条喷涂为黑色。
采用上述方法,结构简单,不需要复杂的控制程序,仅需要通过变换三条并行的白色底带标识条上黑色色带的位置即可引导智能车进行直线行驶或转弯。
智能车在巡线状态下,前方的摄像头读取三条并行的白色底带标识条的黑白状态后的处理如下表1:
左 | 中 | 右 | 动作 |
黑 | 白 | 白 | 左转 |
白 | 白 | 黑 | 右转 |
白 | 黑 | 白 | 直行 |
表1
实施例3
本实施例与实施例1的区别在于,所述步骤A中包括路网模型的建立方法采用可视图空间法。可视图空间法又称C空间法,即在运动空间中扩展障碍物为多边形,以起始点、终点和所有多边形顶点间的不穿过障碍物的可行直线连线为路径范围来搜索最短路径。可视图空间法的优点是直观,容易求得最短路径;缺点是一旦起始点和目标点发生改变,就要重新构造可视图,缺乏灵活性。即其局部路径规划能力差,适用于全局路径规划和连续域范围内的路径规划。尤其适用于全局路径规划中的环境建模。
所述步骤C中规划运动到目的地站点的路径包括以下步骤:
C1、智能车接收步骤B中用户输入的目的地站点,智能车通过底部的摄像头采集所在站点标识的颜色,将为所在站点标识的颜色匹配站点,将该站点作为起始站点;
C2、将目的地站点和起始站点导入步骤A建立的路网模型中;
C3、可视图空间法计算目的地站点和起始站点之间的最短路径,将最短路径作为运动到目的地站点的路径。
还包括步骤C2和C3之间的步骤C4:用户根据需求录入避开的轨道段,将需要避开的轨道段作为障碍物导入路网模型中。在上学放学的高峰期,校内道路上的学生较多,巡线智能车工作时存在一定的安全隐患,同时容易造成主要道路的拥堵。因此,采用上述方法,可以在高峰时期将主要道路设置为障碍物,避免智能车驶入。
实施例4
如图1、2所示,本实施例为一种具体实现方式,共4个站点、5段巡线轨道,4个站点分别喷涂有红、黄、蓝、绿四色标识,5段巡线轨道中实线代表白色底带上设置有黑色色带,虚线表示白色底带上没有设置有黑色色带。
当用户需要将物品从红色站转移到黄色站时,首先将智能车放在红色标识上,然后输入目的地站点为黄色站点,智能车通过底部的摄像头检测到底部标识颜色为红色后,智能车根据预录入的地图模型规划路径为红-蓝-黄,智能车开始原地旋转,直到智能车与蓝白相间的识别区对准后开始移动,穿过识别区后沿保持区移动直到智能车底部的摄像头检测到智能车进入蓝色标识区,智能车开始原地旋转,直到智能车与黄白相间的识别区对准后开始移动,穿过识别区后沿保持区移动直到智能车底部的摄像头检测到智能车进入黄色标识区,到达目的地,
进一步的,当红色站到蓝色站或蓝色站到黄色站出现拥堵时,用户可以将拥堵的路段设置为障碍物,智能车规划路线切换为红-绿-黄。
以上所述,仅为本发明的优选实施方式,但本发明的保护范围并不局限于此,任何熟悉本领域的技术人员在本发明所揭露的技术范围内,可不经过创造性劳动想到的变化或替换,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该以权利要求书所限定的保护范围为准。
Claims (7)
1.一种用于学校内物品运输的智能车路径规划方法,包括智能车、预设的站点和站点与站点之间的巡线轨道,其特征在于:
所述站点为喷涂在地面上的圆形标识,每个站点的颜色与其他站点的颜色不同;
所述巡线轨道为喷涂在地面上的标识带,所述标识带包括两段与两端站点连接的识别区和两段识别区之间的保持区,所述保持区为白色底带标识条,所述标识条上还设置有黑色色带,所述识别区为平行于标识带延伸方向间隔设置的目标站点颜色和白色标识条;
还包括依次进行的以下步骤:
A、基于站点和巡线轨道建立路网模型,将路网模型录入智能车中;
B、将智能车放在站点上,输入目的地站点;
C、智能车读取路网模型的数据,规划运动到目的地站点的路径;
D、智能车根据步骤C中规划的路径读取路网模型上下一站点的颜色参数后开始原地旋转,直到智能车正对相同颜色的识别区;
E、智能车通过识别区驶入保持区,保持行驶直到通过下一个识别区进入站点;
F、判断该站点是否为目的地站点,若是,进入步骤G,否则进入步骤D;
G、发送抵达信息给用户。
2.根据权利要求1所述的一种用于学校内物品运输的智能车路径规划方法,其特征在于:所述智能车包括全向轮、设置在智能车前方的摄像头和设置在智能车底部的摄像头。
3.根据权利要求2所述的一种用于学校内物品运输的智能车路径规划方法,其特征在于:所述巡线轨道包括三条并行的白色底带标识条。
4.根据权利要求3所述的一种用于学校内物品运输的智能车路径规划方法,其特征在于:所述步骤A中包括路网模型的建立方法采用可视图空间法。
5.根据权利要求3所述的一种用于学校内物品运输的智能车路径规划方法,其特征在于:所述步骤C中规划运动到目的地站点的路径包括以下步骤:
C1、智能车接收步骤B中用户输入的目的地站点,智能车通过底部的摄像头采集所在站点标识的颜色,将为所在站点标识的颜色匹配站点,将该站点作为起始站点;
C2、将目的地站点和起始站点导入步骤A建立的路网模型中;
C3、可视图空间法计算目的地站点和起始站点之间的最短路径,将最短路径作为运动到目的地站点的路径。
6.根据权利要求5所述的一种用于学校内物品运输的智能车路径规划方法,其特征在于:还包括步骤C2和C3之间的步骤C4:用户根据需求录入避开的轨道段,将需要避开的轨道段作为障碍物导入路网模型中。
7.根据权利要求3所述的一种用于学校内物品运输的智能车路径规划方法,其特征在于:所述步骤E中智能车通过识别区驶入保持区,保持行驶直到通过下一个识别区进入站点的过程中包括直线段和转弯端,其中:
直线段由智能车行驶方向左侧到右侧的三条并行的白色底带标识条中,中间的白色底带标识条喷涂为黑色;
左转段由智能车行驶方向左侧到右侧的三条并行的白色底带标识条中,左侧间的白色底带标识条喷涂为黑色;
右转段由智能车行驶方向左侧到右侧的三条并行的白色底带标识条中,右侧间的白色底带标识条喷涂为黑色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910015411.0A CN109753067A (zh) | 2019-01-08 | 2019-01-08 | 一种用于学校内物品运输的智能车路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910015411.0A CN109753067A (zh) | 2019-01-08 | 2019-01-08 | 一种用于学校内物品运输的智能车路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109753067A true CN109753067A (zh) | 2019-05-14 |
Family
ID=66405272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910015411.0A Pending CN109753067A (zh) | 2019-01-08 | 2019-01-08 | 一种用于学校内物品运输的智能车路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109753067A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110658823A (zh) * | 2019-10-14 | 2020-01-07 | 驭达工业装备(苏州)有限公司 | 基于面阵相机智能车路径识别及跟踪omv小车及方法 |
CN112085959A (zh) * | 2019-06-13 | 2020-12-15 | 百度在线网络技术(北京)有限公司 | 无人车行驶控制方法及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180043542A1 (en) * | 2014-10-24 | 2018-02-15 | Fellow, Inc. | Customer service robot and related systems and methods |
CN108762255A (zh) * | 2018-05-03 | 2018-11-06 | 南京理工大学 | 一种室内智能移动机器人及控制方法 |
-
2019
- 2019-01-08 CN CN201910015411.0A patent/CN109753067A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180043542A1 (en) * | 2014-10-24 | 2018-02-15 | Fellow, Inc. | Customer service robot and related systems and methods |
CN108762255A (zh) * | 2018-05-03 | 2018-11-06 | 南京理工大学 | 一种室内智能移动机器人及控制方法 |
Non-Patent Citations (3)
Title |
---|
刘洁 等: "自适应的智能搬运路径规划算法", 《科技视界》 * |
李万敏 等: "基于摄像头智能车典型路径图像识别算法研究", 《兰州工业学院学报》 * |
章登鹏 等: "巡线导航智能车的路径优化", 《计算机工程》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085959A (zh) * | 2019-06-13 | 2020-12-15 | 百度在线网络技术(北京)有限公司 | 无人车行驶控制方法及设备 |
CN112085959B (zh) * | 2019-06-13 | 2022-04-12 | 百度在线网络技术(北京)有限公司 | 无人车行驶控制方法及设备 |
CN110658823A (zh) * | 2019-10-14 | 2020-01-07 | 驭达工业装备(苏州)有限公司 | 基于面阵相机智能车路径识别及跟踪omv小车及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Paull et al. | Duckietown: an open, inexpensive and flexible platform for autonomy education and research | |
CN104699102B (zh) | 一种无人机与智能车协同导航与侦查监控系统及方法 | |
US20200166954A1 (en) | Comprehensive multi-agent robotics management system | |
CN102183256B (zh) | 行进车队的地图匹配方法 | |
CN105346913A (zh) | 一种自动导引分拣系统和分拣方法 | |
CN107272008A (zh) | 一种带惯性补偿的agv激光导航系统 | |
CN110136426A (zh) | 一种还车招车系统及方法 | |
CN105825719B (zh) | 无人机巡查航线的生成方法及装置 | |
Knaup et al. | RoadGraph-Graph based environmental modelling and function independent situation analysis for driver assistance systems | |
CN102521975B (zh) | 能够引导前导车精确完成警卫任务的系统及方法 | |
CN108961811A (zh) | 停车场车辆定位方法、系统、移动终端及存储介质 | |
CN106297395A (zh) | 一种应用于停车诱导系统的车辆定位与光带引导方法 | |
CN106650873A (zh) | 一种识别码、自动引导车的快速导航方法及系统 | |
CN104537829A (zh) | 一种用于智能交通物理仿真平台的智能小车及定位方法 | |
CN104635735A (zh) | 一种新型agv视觉导航控制方法 | |
CN109029463A (zh) | 面向车辆安全行驶的室内多平衡车自主导航与调度系统 | |
CN105043376A (zh) | 一种适用于非全向移动车辆的智能导航方法及系统 | |
CN107305386A (zh) | 一种智能光学导引系统 | |
CN110428619A (zh) | 一种基于车路协同系统的智能驾驶方法 | |
CN109753067A (zh) | 一种用于学校内物品运输的智能车路径规划方法 | |
CN107742433A (zh) | 一种基于导航路径的车辆诱导方法及其系统 | |
US20210095978A1 (en) | Autonomous Navigation for Light Electric Vehicle Repositioning | |
CN109584684A (zh) | 一种智慧驾培系统、方法及应用于智慧驾培系统定位系统 | |
CN103745613A (zh) | 缩微道路环境下缩微智能车的定位导航实施方法 | |
Wang et al. | Stop-line-aided cooperative positioning for connected vehicles |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190514 |