CN110044359B - 一种导览机器人路径规划方法、装置、机器人和存储介质 - Google Patents
一种导览机器人路径规划方法、装置、机器人和存储介质 Download PDFInfo
- Publication number
- CN110044359B CN110044359B CN201910358341.9A CN201910358341A CN110044359B CN 110044359 B CN110044359 B CN 110044359B CN 201910358341 A CN201910358341 A CN 201910358341A CN 110044359 B CN110044359 B CN 110044359B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- robot
- path
- potential field
- point
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种导览机器人路径规划方法、装置、机器人和存储介质，该方法包括：进行地图绘制；获得机器人起点坐标值和终点坐标值；路径规划阶段采用人工势场法进行规划，利用PRM随机撒点法跳出局部极小值，在地图的自由空间里随机撒点，撒点个数由自定义得到，撒点方式是随机撒点策略结合人工势场法，构建一个路径网格图，查询利用A*算法，进一步提高算法的稳定性；输出一条无碰撞的最优路径。本发明可以融合人工势场法和PRM算法，提高节点利用率，进而减少节点的数量，提高算法效率，减少机器人路径规划所用时间。
Description
技术领域
本申请涉及机器人领域，尤其涉及一种导览机器人路径规划方法、装置、机器人和存储介质。
背景技术
机器人的应用逐渐渗入到社会的各行各业，例如导览、看护、智能家居等。目前大多数算法研究的是二维平面内的两点间的路径规划，单独使用一种算法虽然可以解决实际中的机器人路径规划问题，但是总是效率上比较慢。
发明内容
鉴于现有技术中的上述缺陷或不足，提供一种导览机器人路径规划方法、装置、机器人及其存储介质。融合人工势场法的PRM算法，提高节点利用率，进而减少节点的数量，提高算法效率，减少机器人路径规划所用时间。
第一方面，本申请实施例提供了一种导览机器人路径规划方法，其特征在于，该方法包括：
进行地图绘制；
获得机器人起点坐标值和终点坐标值；
采用人工势场法，进行初步路径规划；
人工势场法陷入局部极小值时，使用PRM算法跳出局部极小值，学习阶段在地图的自由空间里随机撒点，撒点个数由自定义得到，撒点方式是随机撒点策略结合人工势场法，构建一个路径网格图，查询阶段利用A*算法，进一步提高算法的稳定性；
输出一条无碰撞的最优路径。
第二方面，本申请实施例提供了一种导览机器人路径规划装置，其特征在于，该装置包括：
绘制模块，用于进行地图绘制；
坐标模块，用于获得机器人起点坐标值和终点坐标值；
路径规划模块，用于人工势场法搭建人工势场模型，计算机器人受到终点的引力，障碍物的斥力以及合力；用于学习阶段在地图的自由空间里随机撒点，撒点个数由自定义得到，撒点方式是随机撒点策略结合人工势场法，构建一个路径网格图；用于查询阶段利用A*算法，进一步提高算法的稳定性；
输出模块，用于输出一条无碰撞的最优路径。
第三方面，本申请实施例提供了一种机器人，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如本申请实施例描述的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序用于：
所述计算机程序被处理器执行时实现如本申请实施例描述的方法。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1示出了本申请实施例提供的导览机器人路径规划方法的流程示意图；
图2示出了本申请又一实施例提供的导览机器人路径规划装置结构框图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
请参考图1，图1示出了本申请实施例提供的导览机器人路径规划方法的流程示意图。
如图1所示，该方法包括：
进行地图绘制；
获得机器人起点坐标值和终点坐标值；
采用人工势场法，进行初步路径规划；
人工势场法陷入局部极小值时，使用PRM算法跳出局部极小值，学习阶段在地图的自由空间里随机撒点，撒点个数由自定义得到，撒点方式是随机撒点策略结合人工势场法，构建一个路径网格图，查询阶段利用A*算法，进一步提高算法的稳定性；
输出一条无碰撞的最优路径。
具体的，构建一个路径网格图具体包括：
机器人获取障碍物的信息，包括障碍物与机器人的距离、障碍物与终点位置的距离；
搭建人工势场模型，计算机器人受到终点的引力，障碍物的斥力以及合力；
判断是否陷入局部极小值，如果是，采用随机撒点法跳出局部极小值，否则回到动态路径上没有障碍物的下一个节点，避开障碍物后，再回到预规划路径上没有障碍物的下一节点；
依据机器人移动过程中终点引力势场和障碍物斥力势场叠加而成的复合场作用来建立平衡方程，计算得到机器人所要经过的节点，将所要经过的节点拟合在一起得到规划路径。
具体的，采用PRM随机撒点法跳出局部极小值包括：
建立随机树；
生成一随机点，判断该随机点与当前节点组成的线段与障碍物是否相交，如果与障碍物相交则删除随机点，如果与障碍物不相交，则保留随机点，并将随机点加入随机树中，避开障碍物后，再回到预规划路径上没有障碍物的下一节点。
本实施例是在Visual Studio 2015下使用C++编码，利用人工势场法算法对路径进行规划，然后利用PRM随机撒点法解决人工势场法容易陷入局部极小值的问题，同时PRM算法结合了人工势场法，由于在经典PRM算法中，撒点策略完全随机，落在障碍物内的节点将直接被舍弃掉，但是希望得到预期的撒点密度，则需要增大撒点数目，导致节点过多，搜索速度降低。人工势场法原本可以使机器人朝着目的地移动，借鉴这一思想，使障碍物内的节点在势场力的作用下移动到障碍物外的窄通道，以达到预期目标，提高PRM算法的效率。使用改进的PRM算法，功能上比经典PRM算法规划速度要快。
请参考图2，图2示出了本申请又一实施例提供的导览机器人路径规划装置结构框图
如图2所示，该装置包括：
绘制模块10，用于进行地图绘制；
坐标模块20，用于获得机器人起点坐标值和终点坐标值；
路径规划模块30，用于学习阶段在地图的自由空间里随机撒点，撒点个数由自定义得到，撒点方式是随机撒点策略结合人工势场法，构建一个路径网格图，查询利用A*算法，进一步提高算法的稳定性；
输出模块40，用于输出一条无碰撞的最优路径。
具体的，路径规划模块中构建一个路径网格图具体包括：
机器人获取障碍物的信息，包括障碍物与机器人的距离、障碍物与终点位置的距离；
搭建人工势场模型，计算机器人受到终点的引力，障碍物的斥力以及合力；
判断是否陷入局部极小值，如果是，采用随机撒点法跳出局部极小值，否则回到动态路径上没有障碍物的下一个节点，避开障碍物后，再回到预规划路径上没有障碍物的下一节点；
依据机器人移动过程中终点引力势场和障碍物斥力势场叠加而成的复合场作用来建立平衡方程，计算得到机器人所要经过的节点，将所要经过的节点拟合在一起得到规划路径。
具体的，路径规划模块中采用随机撒点法跳出局部极小值包括：
建立随机树；
生成一随机点，判断该随机点与当前节点组成的线段与障碍物是否相交，如果与障碍物相交则删除随机点，如果与障碍物不相交，则保留随机点，并将随机点加入随机树中，避开障碍物后，再回到预规划路径上没有障碍物的下一节点。
作为另一方面，本申请还提供了一种机器人，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如执行描述于本申请的导览机器人路径规划方法。
作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中前述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，前述程序被一个或者一个以上的处理器用来执行描述于本申请的导览机器人路径规划方法。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(ProgrammableGate Array；以下简称：PGA)，现场可编程门阵列(Field ProgrammableGate Array；以下简称：FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (4)
1.一种导览机器人路径规划方法，其特征在于，该方法包括：
进行地图绘制；
获得机器人起点坐标值和终点坐标值；
采用人工势场法，进行初步路径规划；
人工势场法陷入局部极小值时，使用PRM算法跳出局部极小值，学习阶段在地图的自由空间里随机撒点，撒点个数由自定义得到，撒点方式是随机撒点策略结合人工势场法，构建一个路径网格图，查询阶段利用A*算法，进一步提高算法的稳定性；
输出一条无碰撞的最优路径；
其中，利用人工势场法进行初步路径规划的具体包括：
机器人获取障碍物的信息，包括障碍物与机器人的距离、障碍物与终点位置的距离；
搭建人工势场模型，计算机器人受到终点的引力，障碍物的斥力以及合力；
判断是否陷入局部极小值，如果是，采用随机撒点法跳出局部极小值，否则回到动态路径上没有障碍物的下一个节点，避开障碍物后，再回到预规划路径上没有障碍物的下一节点；
依据机器人移动过程中终点引力势场和障碍物斥力势场叠加而成的复合场作用来建立平衡方程，计算得到机器人所要经过的节点，将所要经过的节点拟合在一起得到规划路径；
其中，采用PRM的随机撒点法跳出局部极小值包括：
建立随机树；
生成一随机点，判断该随机点与当前节点组成的线段与障碍物是否相交，如果与障碍物相交则删除随机点，如果与障碍物不相交，则保留随机点，并将随机点加入随机树中，避开障碍物后，再回到预规划路径上没有障碍物的下一节点，障碍物内的节点在势场力的作用下移动到障碍物外的窄通道。
2.一种导览机器人路径规划装置，其特征在于，该装置包括：
绘制模块，用于进行地图绘制；
坐标模块，用于获得机器人起点坐标值和终点坐标值；
路径规划模块，用于人工势场法搭建人工势场模型，计算机器人受到终点的引力，障碍物的斥力以及合力；用于学习阶段在地图的自由空间里随机撒点，撒点个数由自定义得到，撒点方式是随机撒点策略结合人工势场法，构建一个路径网格图；用于查询阶段利用A*算法，进一步提高算法的稳定性；
输出模块，用于输出一条无碰撞的最优路径；
其中，路径规划模块中构建一个路径网格图具体包括：
机器人获取障碍物的信息，包括障碍物与机器人的距离、障碍物与终点位置的距离；
搭建人工势场模型，计算机器人受到终点的引力，障碍物的斥力以及合力；
判断是否陷入局部极小值，如果是，采用随机撒点法跳出局部极小值，否则回到动态路径上没有障碍物的下一个节点，避开障碍物后，再回到预规划路径上没有障碍物的下一节点；
依据机器人移动过程中终点引力势场和障碍物斥力势场叠加而成的复合场作用来建立平衡方程，计算得到机器人所要经过的节点，将所要经过的节点拟合在一起得到规划路径；
其中，路径规划模块中采用PRM随机撒点法跳出局部极小值包括：
建立随机树；
生成一随机点，判断该随机点与当前节点组成的线段与障碍物是否相交，如果与障碍物相交则删除随机点，如果与障碍物不相交，则保留随机点，并将随机点加入随机树中，避开障碍物后，再回到预规划路径上没有障碍物的下一节点，障碍物内的节点在势场力的作用下移动到障碍物外的窄通道。
3.一种机器人，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1所述的方法。
4.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序用于：所述计算机程序被处理器执行时实现如权利要求1所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910358341.9A CN110044359B (zh) | 2019-04-30 | 2019-04-30 | 一种导览机器人路径规划方法、装置、机器人和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910358341.9A CN110044359B (zh) | 2019-04-30 | 2019-04-30 | 一种导览机器人路径规划方法、装置、机器人和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110044359A CN110044359A (zh) | 2019-07-23 |
| CN110044359B true CN110044359B (zh) | 2021-01-19 |
Family
ID=67280368
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910358341.9A Active CN110044359B (zh) | 2019-04-30 | 2019-04-30 | 一种导览机器人路径规划方法、装置、机器人和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110044359B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110531759B (zh) * | 2019-08-02 | 2020-09-22 | 深圳大学 | 机器人探索路径生成方法、装置、计算机设备和存储介质 |
| CN110706356B (zh) * | 2019-09-19 | 2023-06-16 | 阿波罗智联(北京)科技有限公司 | 路径绘制方法、装置、电子设备和存储介质 |
| CN112684783B (zh) * | 2019-10-17 | 2022-09-06 | 北京极智嘉科技股份有限公司 | 自导引运输设备的控制方法、装置、存储介质及电子设备 |
| CN111488280B (zh) * | 2020-04-09 | 2021-07-02 | 腾讯科技（深圳）有限公司 | 数据处理方法、装置、存储介质及电子设备 |
| CN111552284A (zh) * | 2020-04-20 | 2020-08-18 | 宁波吉利汽车研究开发有限公司 | 无人驾驶车辆的局部路径规划方法、装置、设备及介质 |
| CN111982134B (zh) * | 2020-08-10 | 2022-08-05 | 北京轩宇空间科技有限公司 | 适应未知动态空间的路径跟随控制方法、装置及存储介质 |
| CN112762950B (zh) * | 2020-12-15 | 2022-11-11 | 浙江大学 | 基于人工势场引导的Hybrid A*自主泊车路径规划方法 |
| CN112652073A (zh) * | 2020-12-31 | 2021-04-13 | 中国电子科技集团公司信息科学研究院 | 一种基于云网端机器人的自主导览方法及系统 |
| CN113085895B (zh) * | 2021-04-19 | 2022-07-22 | 陕西理工大学 | 车辆换道轨迹规划方法、装置、设备、存储介质及车辆 |
| CN112882481A (zh) * | 2021-04-28 | 2021-06-01 | 北京邮电大学 | 一种基于slam的移动式多模态交互导览机器人系统 |
| CN114595612B (zh) * | 2022-03-16 | 2024-05-10 | 上海核工程研究设计院股份有限公司 | 基于实体单元积分路径的受力构件的配筋计算方法及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101963510B (zh) * | 2010-10-26 | 2012-12-26 | 广东威创视讯科技股份有限公司 | 一种随机路线图的快速路径规划方法及增强方法 |
| CN108469822B (zh) * | 2018-04-04 | 2020-12-15 | 天津理工大学 | 一种室内导盲机器人在动态环境下的路径规划方法 |
| CN108415461A (zh) * | 2018-05-28 | 2018-08-17 | 济南大学 | 一种无人飞行器的航迹规划 |
-
2019
- 2019-04-30 CN CN201910358341.9A patent/CN110044359B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110044359A (zh) | 2019-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110044359B (zh) | 一种导览机器人路径规划方法、装置、机器人和存储介质 | |
| CN107773164B (zh) | 用于清洁机器人的清洁方法、装置及机器人 | |
| EP3201709B1 (en) | Method and system for determining a path of an object for moving from a starting state to an end state set avoiding one or more obstacles | |
| AU2005278160B2 (en) | System and method for adaptive path planning | |
| TWI722044B (zh) | 基於快速探索隨機化回饋的運動規劃 | |
| Wang et al. | Efficient autonomous robotic exploration with semantic road map in indoor environments | |
| CN103632606B (zh) | 信息处理方法和装置 | |
| KR20120097871A (ko) | 이동체（ｍｏｂｉｌｅ ｂｏｄｙ）를 위한 셀?기반 경로 계획 장치 및 방법 | |
| Talwar et al. | Particle Filter-based localization of a mobile robot by using a single LIDAR sensor under SLAM in ROS Environment | |
| JP6830176B2 (ja) | 領域輪郭作成の方法、装置及びコンピュータ読取可能な記憶媒体 | |
| CN109737980A (zh) | 一种导航方法及其对应的机器人 | |
| CN109459048A (zh) | 用于机器人的地图加载方法及设备 | |
| US20220397900A1 (en) | Robot control model learning method, robot control model learning device, recording medium storing robot control model learning program, robot control method, robot control device, recording medium storing robot control program, and robot | |
| CN111664851B (zh) | 基于序列优化的机器人状态规划方法、装置及存储介质 | |
| CN110705803B (zh) | 基于三角形内心引导rrt算法的路径规划方法 | |
| Shankaran et al. | Collision avoidance strategies for a three-player game | |
| Chand et al. | A two-tiered global path planning strategy for limited memory mobile robots | |
| WO2024093989A1 (zh) | 机器人的避障方法和系统 | |
| KR20180077865A (ko) | 다중 가설 트래킹에 기반한 다중 카메라 다중 표적 트래킹을 위한 온라인 장치 및 방법 | |
| Park et al. | Sampling-based retraction method for improving the quality of mobile robot path planning | |
| KR20110121352A (ko) | 다단계 형태 공간을 이용한 이동 경로 계획 방법 및 장치 | |
| JP7235060B2 (ja) | 経路計画装置、経路計画方法、及びプログラム | |
| CN109855622A (zh) | 用于移动机器人的路径搜索方法及设备 | |
| CN110118559B (zh) | 一种基于变概率策略的导览机器人动态避障方法和装置 | |
| US20170161620A1 (en) | Determining a minimal explanation |
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 |