CN110007680A - 基于拓扑关系的机器人避障算法 - Google Patents

基于拓扑关系的机器人避障算法 Download PDF

Info

Publication number
CN110007680A
CN110007680A CN201910330024.6A CN201910330024A CN110007680A CN 110007680 A CN110007680 A CN 110007680A CN 201910330024 A CN201910330024 A CN 201910330024A CN 110007680 A CN110007680 A CN 110007680A
Authority
CN
China
Prior art keywords
quadrant
area
topological relation
region
robot
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
Application number
CN201910330024.6A
Other languages
English (en)
Other versions
CN110007680B (zh
Inventor
李健
孙中波
胡雅婷
王国伟
温长吉
汪威
王明月
丁小奇
姜楠
任虹宾
赵珊珊
蔡红丹
申利未
熊琦
王希
陈营华
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.)
Jilin Agricultural University
Changchun University of Technology
Original Assignee
Jilin Agricultural University
Changchun University of Technology
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 Jilin Agricultural University, Changchun University of Technology filed Critical Jilin Agricultural University
Priority to CN201910330024.6A priority Critical patent/CN110007680B/zh
Publication of CN110007680A publication Critical patent/CN110007680A/zh
Application granted granted Critical
Publication of CN110007680B publication Critical patent/CN110007680B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

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)

Abstract

本发明公开了基于拓扑关系的机器人避障算法，包括将机器人自身占据的区间定义为A区域；确定一个障碍物定义为B区域；将N个障碍物定义为N个区域；建立A区域和B区域与N个区域之间的拓扑关系；通过拓扑关系得出拓扑关系集并改进机器人避障路线，本发明结构科学合理，使用安全方便，通过混合测距设备的作用，便于提高机器人测距的准确性，避免外界因素导致影响测距的效果，提高拓扑计算概率的精确度，通过A区域、B区域和N个区域之间的拓扑关系，从而计算出机器人与B区域或者N个区域所表示的障碍物之间的碰撞概率和模拟机器人碰撞情形，反馈给操作者，即可改进机器人避障方案，减少机器人碰撞受损的概率。

Description

基于拓扑关系的机器人避障算法
技术领域
本发明涉及机器人技术领域，具体为基于拓扑关系的机器人避障算法。
背景技术
机器人是自动执行工作的机器装置，它既可以接受人类指挥，又可以运行预先编排的程序，也可以根据以人工智能技术制定的原则纲领行动，它的任务是协助或取代人类工作的工作，由于机器人工作环境中存在大量的障碍物，所以需要给机器人设定避障算法，供机器人躲避障碍物；
目前较为常见的移动智能机器人定位技术主要是根据先验的环境信息，结合当前的机器人位置信息以及传感器输入信息，确定机器人位姿的过程；主要包括相对定位与绝对定位，绝对定位主要采用导航信标，主动或被动标识、地图匹配或卫星导航技术进行定位，过程复杂，成本较高，且普通的算法对机器人与障碍物之间或空间区域之间空间关系不准确，需要根据实体之间的拓扑关系知识以及不完备和不精确的距离、方向和大小等信息进行推理，所以急需基于拓扑关系的机器人避障算法来解决上述问题。
发明内容
本发明提供基于拓扑关系的机器人避障算法，可以有效解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：基于拓扑关系的机器人避障算法，包括如下具体步骤：
S1、将机器人自身占据的区间定义为A区域；
S2、确定一个障碍物，并将该障碍物定义为B区域；
S3、将机器人周围其他N个障碍物定义为N个区域；
S4、建立A区域和B区域的拓扑关系；
S5、建立A区域和B区域与N个区域之间的拓扑关系；
S6、通过拓扑关系得出拓扑关系集，并计算出机器人可能发生情况的概率；
S7、分析数据并改进机器人避障路线。
根据上述技术方案，所述步骤S1中，将机器人自身占据的区间定义为A区域，其具体步骤为：测量并计算机器人自身的尺寸，将机器人中心点定义为原点，测量机器人测距设备与原点之间的距离，通过原点计算出测距设备的相对坐标，并以机器人自身的尺寸边界定义为A区域。
根据上述技术方案，所述步骤S2中，确定一个障碍物，并将该障碍物定义为B区域，其具体步骤为：通过测距设备测量其与障碍物之间的间距，结合测距设备的相对坐标计算出障碍物与原点之间的相对坐标。
根据上述技术方案，所述测距设备为一种混合测距设备，即包括超声波测距工和激光测距工，通过速度快、精确度高和测量距离远的激光测距工，作为主要测距工具，当激光测距工具测量具有玻璃面的物体时，导致激光测距工具检测不到反射回的激光时，所述机器人内部安装有无线通信模块，通过无线通信模块将信息反馈，并启动超声波测距工作为辅助测距工具，降低干扰因素造成的误差。
根据上述技术方案，所述步骤S4中，建立A区域和B区域的拓扑关系，其中A区域和B区域的拓扑关系满足RCC5关系，通过RCC5关系表示，其中AC表示A的补集，BC表示B的补集；
根据上述技术方案，所述A区域和B区域存在五种空间关系：PO(A，B)、PP(A，B)、PPI(A，B)、DR(A，B)和EQ(A，B)，其中，PO(A，B)表示A区域和B区域时相交关系，PP(A，B)表示A区域和B区域是包含关系，PPI(A，B)表示A区域和B区域是被包含关系，DR(A，B)表示A区域和B区域是分离关系，EQ(A，B)表示A区域和B区域是相等关系。
根据上述技术方案，所述步骤S4中，建立A区域和B区域与N个区域之间的拓扑关系，通过A区域和B区域的拓扑关系拓宽至与N个区域之间的拓扑关系，其中，A区域、B区域和N个区域之间均满足约束条件，拓宽方式为：记A区域和B区域的拓扑关系为R(A，B)；记B区域与N个区域其中一个区域，记为C区域，B区域和C区域的拓扑关系为R(B，C)，即当已知R(A，B)和R(B，C)，则可自动生成R(A，C)；
条件AUT:
记满足条件AUT的所有可实现的0-1体为Y＝{Yi；i＝1，…，n}；进而对所有的0-1体Yi考察；
对于集合{Yi；i＝1，…，n}除去重复项，得到的就是A区域和C区域可能满足的RCC5拓扑关系，依次类推即可得到A区域和N个区域之间可能满足的RCC5拓扑关系。
根据上述技术方案，所述约束条件包括：a、A区域、B区域和N个区域两两之间关系均属于RCC5关系集，b、对于简单区域有界区域，必须满足A1∩B1∩C1∩D1....∩N1非空，即M1111...n＝1。
根据上述技术方案，所述步骤S6中，通过拓扑关系得出拓扑关系集，并计算出机器人可能发生情况的概率，计算方式为：确定B区域和N个区域中的一个区域的具体关系，设B区域和N个区域中C区域的拓扑关系为PO(B，C)，而A区域和B区域的拓扑关系共有五种空间关系：DR(A，B)、PO(A，B)、PP(A，B)、PPI(A，B)和EQ(A，B)，当为PO(A，B)和DR(A，B)时，A区域和C区域的拓扑关系可能为DR(A，C)、PO(A，C)和PP(A，C)三种，依次类推，分析算出A区域和C区域所有的拓扑关系，以及N个区域与A区域之间的所有的拓扑关系，进而算出PO(B，C)条件下的机器人发生碰撞和安全通过的概率。
根据上述技术方案，所述步骤S7中，分析数据并改进机器人避障路线，通过无线通信模块与控制端进行信息传递，并接收控制端制定的避障方案，实现人机交互。
与现有技术相比，本发明的有益效果：本发明结构科学合理，使用安全方便：通过混合测距设备的作用，便于提高机器人测距的准确性，避免外界因素导致影响测距的效果，提高障碍物的坐标精确度，从而提高拓扑计算概率的精确度，通过A区域、B区域和N个区域之间的拓扑关系，从而计算出机器人与B区域或者N个区域所表示的障碍物之间的碰撞概率和模拟机器人碰撞情形，反馈给操作者，对机器人与障碍物间的拓扑关系进行定性模拟，即可改进机器人避障方案，减少机器人碰撞受损的概率。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
在附图中：
图1是本发明的机器人避障算法流程图；
图2是本发明的A区域和B区域的拓扑关系图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：如图1-2所示，本发明提供一种技术方案，基于拓扑关系的机器人避障算法，包括如下具体步骤：
S1、将机器人自身占据的区间定义为A区域；
S2、确定一个障碍物，并将该障碍物定义为B区域；
S3、将机器人周围其他N个障碍物定义为N个区域；
S4、建立A区域和B区域的拓扑关系；
S5、建立A区域和B区域与N个区域之间的拓扑关系；
S6、通过拓扑关系得出拓扑关系集，并计算出机器人可能发生情况的概率；
S7、分析数据并改进机器人避障路线；
当N等于1时，即存在表示机器人的A区域，表示障碍物的B区域和C区域。
根据上述技术方案，步骤S1中，将机器人自身占据的区间定义为A区域，其具体步骤为：测量并计算机器人自身的尺寸，将机器人中心点定义为原点，测量机器人测距设备与原点之间的距离，通过原点计算出测距设备的相对坐标，并以机器人自身的尺寸边界定义为A区域。
根据上述技术方案，步骤S2中，确定一个障碍物，并将该障碍物定义为B区域，其具体步骤为：通过测距设备测量其与障碍物之间的间距，结合测距设备的相对坐标计算出障碍物与原点之间的相对坐标。
根据上述技术方案，测距设备为一种混合测距设备，即包括超声波测距工和激光测距工，通过速度快、精确度高和测量距离远的激光测距工，作为主要测距工具，当激光测距工具测量具有玻璃面的物体时，导致激光测距工具检测不到反射回的激光时，机器人内部安装有无线通信模块，通过无线通信模块将信息反馈，并启动超声波测距工作为辅助测距工具，降低干扰因素造成的误差。
根据上述技术方案，步骤S4中，建立A区域和B区域的拓扑关系，其中A区域和B区域的拓扑关系满足RCC5关系，通过RCC5关系表示，其中AC表示A的补集，BC表示B的补集；
根据上述技术方案，A区域和B区域存在五种空间关系：PO(A，B)、PP(A，B)、PPI(A，B)、DR(A，B)和EQ(A，B)，其中，PO(A，B)表示A区域和B区域时相交关系，PP(A，B)表示A区域和B区域是包含关系，PPI(A，B)表示A区域和B区域是被包含关系，DR(A，B)表示A区域和B区域是分离关系，EQ(A，B)表示A区域和B区域是相等关系。
根据上述技术方案，步骤S4中，建立A区域和B区域与N个区域之间的拓扑关系，通过A区域和B区域的拓扑关系拓宽至与N个区域之间的拓扑关系，其中，A区域、B区域和N个区域之间均满足约束条件，拓宽方式为：记A区域和B区域的拓扑关系为R(A，B)；B区域和C区域的拓扑关系为R(B，C)，即当已知R(A，B)和R(B，C)，则可自动生成R(A，C)；
条件AUT:
记满足条件AUT的所有可实现的0-1体为Y＝{Yi；i＝1，…，n}；进而对所有的0-1体Yi考察；
那么对于集合{Yi；i＝1，…，n}除去重复项，得到的就是A区域和C区域可能满足的RCC5拓扑关系。
根据上述技术方案，约束条件包括：a、A区域、B区域和C区域两两之间关系均属于RCC5关系集，b、对于简单区域有界区域，必须满足A1∩B1∩C1∩D1....∩N1非空，即M1111...n＝1。
根据上述技术方案，步骤S6中，通过拓扑关系得出拓扑关系集，并计算出机器人可能发生情况的概率，其中，机器人可能发生情况如下所示：
a、机器人A区域与B区域障碍物碰撞，与C区域障碍物不碰撞；
b、机器人A区域与C区域障碍物碰撞，与B区域障碍物不碰撞；
c、机器人A区域与B区域和C区域障碍物均发生碰撞；
d、机器人A区域与B区域和C区域障碍物均不发生碰撞；
当机器人与B区域障碍物碰撞，与C区域障碍物不碰撞时，此情况下B区域和C区域的关系为DR(B、C)，A区域与B区域的关系不为DR(A、B)，即包括PO(A、B)、PPI(A、B)、PP(A、B)和EQ(A、B)，共有12种情形，而A区域、B区域和C区域共有109中拓扑关系，从而计算出该情形的概率为11％，依次类推计算处各种情形的概率值。
根据上述技术方案，步骤S7中，分析数据并改进机器人避障路线，通过无线通信模块与控制端进行信息传递，并接收控制端制定的避障方案，实现人机交互。
实施例2：基于拓扑关系的机器人避障算法，包括如下具体步骤：
S1、将机器人自身占据的区间定义为A区域；
S2、确定一个障碍物，并将该障碍物定义为B区域；
S3、将机器人周围其他N个障碍物定义为N个区域；
S4、建立A区域和B区域的拓扑关系；
S5、建立A区域和B区域与N个区域之间的拓扑关系；
S6、通过拓扑关系得出拓扑关系集，并计算出机器人可能发生情况的概率；
S7、分析数据并改进机器人避障路线。
当N等于1到无穷中任意一个数值时，即存在表示机器人的A区域，表示障碍物的B区域、C区域、D区域....。
根据上述技术方案，步骤S1中，将机器人自身占据的区间定义为A区域，其具体步骤为：测量并计算机器人自身的尺寸，将机器人中心点定义为原点，测量机器人测距设备与原点之间的距离，通过原点计算出测距设备的相对坐标，并以机器人自身的尺寸边界定义为A区域。
根据上述技术方案，步骤S2中，确定一个障碍物，并将该障碍物定义为B区域，其具体步骤为：通过测距设备测量其与障碍物之间的间距，结合测距设备的相对坐标计算出障碍物与原点之间的相对坐标。
根据上述技术方案，测距设备为一种混合测距设备，即包括超声波测距工和激光测距工，通过速度快、精确度高和测量距离远的激光测距工，作为主要测距工具，当激光测距工具测量具有玻璃面的物体时，导致激光测距工具检测不到反射回的激光时，机器人内部安装有无线通信模块，通过无线通信模块将信息反馈，并启动超声波测距工作为辅助测距工具，降低干扰因素造成的误差。
根据上述技术方案，步骤S4中，建立A区域和B区域的拓扑关系，其中A区域和B区域的拓扑关系满足RCC5关系，通过RCC5关系表示，其中AC表示A的补集，BC表示B的补集；
根据上述技术方案，A区域和B区域存在五种空间关系：PO(A，B)、PP(A，B)、PPI(A，B)、DR(A，B)和EQ(A，B)，其中，PO(A，B)表示A区域和B区域时相交关系，PP(A，B)表示A区域和B区域是包含关系，PPI(A，B)表示A区域和B区域是被包含关系，DR(A，B)表示A区域和B区域是分离关系，EQ(A，B)表示A区域和B区域是相等关系。
根据上述技术方案，步骤S4中，建立A区域和B区域与N个区域之间的拓扑关系，通过A区域和B区域的拓扑关系拓宽至与N个区域之间的拓扑关系，其中，A区域、B区域和N个区域之间均满足约束条件，拓宽方式为：记A区域和B区域的拓扑关系为R(A，B)；记B区域与N个区域其中一个区域，记为C区域，B区域和C区域的拓扑关系为R(B，C)，即当已知R(A，B)和R(B，C)，则可自动生成R(A，C)；
条件AUT:
记满足条件AUT的所有可实现的0-1体为Y＝{Yi；i＝1，…，n}；进而对所有的0-1体Yi考察；
那么对于集合{Yi；i＝1，…，n}除去重复项，得到的就是A区域和C区域可能满足的RCC5拓扑关系，依次类推即可得到A区域和N个区域之间可能满足的RCC5拓扑关系。
根据上述技术方案，约束条件包括：a、A区域、B区域和N个区域两两之间关系均属于RCC5关系集，b、对于简单区域有界区域，必须满足A1∩B1∩C1∩D1....∩N1非空，即M1111...n＝1。
根据上述技术方案，步骤S6中，通过拓扑关系得出拓扑关系集，并计算出机器人可能发生情况的概率，计算方式为：确定B区域和N个区域中的一个区域的具体关系，设B区域和N个区域中C区域的拓扑关系为PO(B，C)，而A区域和B区域的拓扑关系共有五种空间关系：DR(A，B)、PO(A，B)、PP(A，B)、PPI(A，B)和EQ(A，B)，当为PO(A，B)和DR(A，B)时，A区域和C区域的拓扑关系可能为DR(A，C)、PO(A，C)和PP(A，C)三种，依次类推，分析算出A区域和C区域所有的拓扑关系，以及N个区域与A区域之间的所有的拓扑关系，进而算出PO(B，C)条件下的机器人发生碰撞和安全通过的概率。
根据上述技术方案，步骤S7中，分析数据并改进机器人避障路线，通过无线通信模块与控制端进行信息传递，并接收控制端制定的避障方案，实现人机交互。
基于上述，本发明的优点在于：本发明结构科学合理，使用安全方便：通过混合测距设备的作用，便于提高机器人测距的准确性，避免外界因素导致影响测距的效果，提高障碍物的坐标精确度，从而提高拓扑计算概率的精确度，通过A区域、B区域和N个区域之间的拓扑关系，从而计算出机器人与B区域或者N个区域所表示的障碍物之间的碰撞概率和模拟机器人碰撞情形，反馈给操作者，即可改进机器人避障方案，减少机器人碰撞受损的概率。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于拓扑关系的机器人避障算法，其特征在于：包括如下具体步骤：
S1、将机器人自身占据的区间定义为A区域；
S2、确定一个障碍物，并将该障碍物定义为B区域；
S3、将机器人周围其他N个障碍物定义为N个区域；
S4、建立A区域和B区域的拓扑关系；
S5、建立A区域和B区域与N个区域之间的拓扑关系；
S6、通过拓扑关系得出拓扑关系集，并计算出机器人可能发生情况的概率；
S7、分析数据并改进机器人避障路线。
2.根据权利要求1所述的基于拓扑关系的机器人避障算法，其特征在于：所述步骤S1中，将机器人自身占据的区间定义为A区域，其具体步骤为：测量并计算机器人自身的尺寸，将机器人中心点定义为原点，测量机器人测距设备与原点之间的距离，通过原点计算出测距设备的相对坐标，并以机器人自身的尺寸边界定义为A区域。
3.根据权利要求1所述的基于拓扑关系的机器人避障算法，其特征在于：所述步骤S2中，确定一个障碍物，并将该障碍物定义为B区域，其具体步骤为：通过测距设备测量其与障碍物之间的间距，结合测距设备的相对坐标计算出障碍物与原点之间的相对坐标。
4.根据权利要求3所述的基于拓扑关系的机器人避障算法，其特征在于：所述测距设备为一种混合测距设备，即包括超声波测距工和激光测距工，通过速度快、精确度高和测量距离远的激光测距工，作为主要测距工具，当激光测距工具测量具有玻璃面的物体时，导致激光测距工具检测不到反射回的激光时，所述机器人内部安装有无线通信模块，通过无线通信模块将信息反馈，并启动超声波测距工作为辅助测距工具，降低干扰因素造成的误差。
5.根据权利要求1所述的基于拓扑关系的机器人避障算法，其特征在于：所述步骤S4中，建立A区域和B区域的拓扑关系，其中A区域和B区域的拓扑关系满足RCC5关系，通过RCC5关系表示，其中AC表示A的补集，BC表示B的补集；
6.根据权利要求5所述的基于拓扑关系的机器人避障算法，其特征在于：所述A区域和B区域存在五种空间关系：PO(A，B)、PP(A，B)、PPI(A，B)、DR(A，B)和EQ(A，B)，其中，PO(A，B)表示A区域和B区域时相交关系，PP(A，B)表示A区域和B区域是包含关系，PPI(A，B)表示A区域和B区域是被包含关系，DR(A，B)表示A区域和B区域是分离关系，EQ(A，B)表示A区域和B区域是相等关系。
7.根据权利要求1所述的基于拓扑关系的机器人避障算法，其特征在于：所述步骤S4中，建立A区域和B区域与N个区域之间的拓扑关系，通过A区域和B区域的拓扑关系拓宽至与N个区域之间的拓扑关系，其中，A区域、B区域和N个区域之间均满足约束条件，拓宽方式为：记A区域和B区域的拓扑关系为R(A，B)；记B区域与N个区域其中一个区域，记为C区域，B区域和C区域的拓扑关系为R(B，C)，即当已知R(A，B)和R(B，C)，则可自动生成R(A，C)；
条件AUT:
记满足条件AUT的所有可实现的0-1体为Y＝{Yi；i＝1，…，n}；进而对所有的0-1体Yi考察；
对于集合{Yi；i＝1，…，n}除去重复项，得到的就是A区域和C区域可能满足的RCC5拓扑关系，依次类推即可得到A区域和N个区域之间可能满足的RCC5拓扑关系。
8.根据权利要求7所述的基于拓扑关系的机器人避障算法，其特征在于：所述约束条件包括：a、A区域、B区域和N个区域两两之间关系均属于RCC5关系集，b、对于简单区域有界区域，必须满足A1∩B1∩C1∩D1....∩N1非空，即M1111...n＝1。
9.根据权利要求1所述的基于拓扑关系的机器人避障算法，其特征在于：所述步骤S6中，通过拓扑关系得出拓扑关系集，并计算出机器人可能发生情况的概率，计算方式为：确定B区域和N个区域中的一个区域的具体关系，设B区域和N个区域中C区域的拓扑关系为PO(B，C)，而A区域和B区域的拓扑关系共有五种空间关系：DR(A，B)、PO(A，B)、PP(A，B)、PPI(A，B)和EQ(A，B)，当为PO(A，B)和DR(A，B)时，A区域和C区域的拓扑关系可能为DR(A，C)、PO(A，C)和PP(A，C)三种，依次类推，分析算出A区域和C区域所有的拓扑关系，以及N个区域与A区域之间的所有的拓扑关系，进而算出PO(B，C)条件下的机器人发生碰撞和安全通过的概率。
10.根据权利要求1所述的基于拓扑关系的机器人避障算法，其特征在于：所述步骤S7中，分析数据并改进机器人避障路线，通过无线通信模块与控制端进行信息传递，并接收控制端制定的避障方案，实现人机交互。
CN201910330024.6A 2019-04-23 2019-04-23 基于拓扑关系的机器人避障算法 Expired - Fee Related CN110007680B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910330024.6A CN110007680B (zh) 2019-04-23 2019-04-23 基于拓扑关系的机器人避障算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910330024.6A CN110007680B (zh) 2019-04-23 2019-04-23 基于拓扑关系的机器人避障算法

Publications (2)

Publication Number Publication Date
CN110007680A true CN110007680A (zh) 2019-07-12
CN110007680B CN110007680B (zh) 2021-11-23

Family

ID=67173869

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910330024.6A Expired - Fee Related CN110007680B (zh) 2019-04-23 2019-04-23 基于拓扑关系的机器人避障算法

Country Status (1)

Country Link
CN (1) CN110007680B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112291473A (zh) * 2020-10-28 2021-01-29 维沃移动通信有限公司 对焦方法、装置及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170169288A1 (en) * 2015-12-11 2017-06-15 Hanwha Techwin Co., Ltd. Method and apparatus for determining obstacle collision by using object moving path
US20170181383A1 (en) * 2014-05-26 2017-06-29 Institute Of Automation Chinese Academy Of Sciences Pruning Robot System
CN107491086A (zh) * 2017-08-03 2017-12-19 哈尔滨工业大学深圳研究生院 时变网络拓扑下的无人机编队避障方法及系统
CN107817802A (zh) * 2017-11-09 2018-03-20 北京进化者机器人科技有限公司 混合双层地图的构建方法及装置
CN108009641A (zh) * 2017-11-29 2018-05-08 吉林农业大学 一种五元区域的拓扑结构的表征方法
CN108680163A (zh) * 2018-04-25 2018-10-19 武汉理工大学 一种基于拓扑地图的无人艇路径搜索系统及方法
CN109144072A (zh) * 2018-09-30 2019-01-04 亿嘉和科技股份有限公司 一种基于三维激光的机器人智能避障方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170181383A1 (en) * 2014-05-26 2017-06-29 Institute Of Automation Chinese Academy Of Sciences Pruning Robot System
US20170169288A1 (en) * 2015-12-11 2017-06-15 Hanwha Techwin Co., Ltd. Method and apparatus for determining obstacle collision by using object moving path
CN107491086A (zh) * 2017-08-03 2017-12-19 哈尔滨工业大学深圳研究生院 时变网络拓扑下的无人机编队避障方法及系统
CN107817802A (zh) * 2017-11-09 2018-03-20 北京进化者机器人科技有限公司 混合双层地图的构建方法及装置
CN108009641A (zh) * 2017-11-29 2018-05-08 吉林农业大学 一种五元区域的拓扑结构的表征方法
CN108680163A (zh) * 2018-04-25 2018-10-19 武汉理工大学 一种基于拓扑地图的无人艇路径搜索系统及方法
CN109144072A (zh) * 2018-09-30 2019-01-04 亿嘉和科技股份有限公司 一种基于三维激光的机器人智能避障方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112291473A (zh) * 2020-10-28 2021-01-29 维沃移动通信有限公司 对焦方法、装置及电子设备

Also Published As

Publication number Publication date
CN110007680B (zh) 2021-11-23

Similar Documents

Publication Publication Date Title
CN111693050B (zh) 基于建筑信息模型的室内中大型机器人导航方法
CN106885576B (zh) 一种基于多点地形匹配定位的auv航迹偏差估计方法
CN108508900A (zh) 一种壁面移动机器人墙壁检测路径自主规划方法
CN110850859B (zh) 一种机器人及其避障方法和避障系统
CN112066982B (zh) 一种在高动态环境下的工业移动机器人定位方法
CN109782756A (zh) 具有自主绕障行走功能的变电站巡检机器人
CN104703143A (zh) 一种基于wifi信号强度的室内定位方法
CN105704652A (zh) 一种wlan/蓝牙定位中的指纹库采集和优化方法
CN110026993B (zh) 一种基于uwb及热释电红外传感器的人体跟随机器人
CN109031371B (zh) 一种基于持续定位信息的路线平滑方法及系统
CN107167119A (zh) 投影变形的数据处理方法
CN106872942A (zh) 用于分布式多点定位监视系统的定位精度解算方法
CN106842266A (zh) 一种即时参考站定位方法及系统
CN110007680A (zh) 基于拓扑关系的机器人避障算法
KR102180523B1 (ko) 무선 통신 시스템에서 단말의 위치추정 방법 및 장치
Huang et al. Toward C-V2X Enabled Connected Transportation System: RSU-Based Cooperative Localization Framework for Autonomous Vehicles
CN116225029B (zh) 一种机器人路径规划方法
CN113692047A (zh) 一种超宽带快速定位方法、装置及服务器
CN111638487B (zh) 一种自动泊车测试设备及方法
CN105137393A (zh) 一种用于网络的空间多传感器快速定位方法
CN117537839A (zh) 一种巡逻机器人导航定位检测系统
CN110843772B (zh) 潜在碰撞的相对方向判断方法、装置、设备及存储介质
CN106019222A (zh) 一种基于定位算法残差的二次规划定位方法
CN104540101A (zh) 物联网架构下基于证人节点的矿井运动目标增强定位方法
KR101294284B1 (ko) 무선통신을 이용한 위치 산출 방법 및 장치

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20211123