CN110160533A - 多凸包障碍模型下移动机器人避障的路径规划方法 - Google Patents
多凸包障碍模型下移动机器人避障的路径规划方法 Download PDFInfo
- Publication number
- CN110160533A CN110160533A CN201910593814.3A CN201910593814A CN110160533A CN 110160533 A CN110160533 A CN 110160533A CN 201910593814 A CN201910593814 A CN 201910593814A CN 110160533 A CN110160533 A CN 110160533A
- Authority
- CN
- China
- Prior art keywords
- convex closure
- vertex
- starting point
- current starting
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000004888 barrier function Effects 0.000 claims abstract description 25
- 230000001788 irregular Effects 0.000 claims description 13
- 239000004020 conductor Substances 0.000 claims description 7
- 230000007547 defect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- 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
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
多凸包障碍模型下移动机器人避障的路径规划方法,工作场平面为XOY平面,凸包顶点信息包括坐标位置、前继点、标记距离和是否被记录,建立每个障碍物在XOY平面内凸包障碍模型;方法具体流程包括原始起点的初始化、凸包障碍模型的构建及初始化、流程终止判断、求解当前起点的可见凸包顶点、当前起点的可见凸包顶点的标记距离更新、当前起点更新;其中,求解当前起点的可见凸包顶点的具体流程包括构建障碍线段集合、该凸包顶点与当前起点可见判断、流程终止判断;当前起点的可见凸包顶点的标记距离更新的具体流程包括计算当前起点的可见凸包顶点的路径距离和、更新判断。它概念简单,实现方便,适应于移动机器人移动时多障碍物的避障的路径规划。
Description
技术领域
本发明涉及机器人控制方法技术领域,尤其涉及多凸包障碍模型下移动机器人避障的路径规划方法。
背景技术
当前随着人工智能领域的研究和应用不断推广和深入,使得移动机器人在制造业中得到广泛应用。移动机器人移动时必须具备避障路径规划能力,按所规划的最短路径执行操作。移动机器人移动时避障的路径规划求解方法,一直是学术界与工程应用界的研究热点。
目前,移动机器人移动时避障的路径规划求解方法有很多,如基于行为方法、遗传算法、蚁群算法、神经网络、可视图法等方法。但是,上述移动机器人移动时避障的路径规划求解方法存在耗时较长,无法为移动机器人及时提供有效的规划路径结果,降低机器人执行端避障的路径规划方法的时效性;以及所避障的障碍物的数量和不规则性受限制,多障碍物的避障进一步降低了移动机器人移动时避障的路径规划方法的鲁棒性。
发明内容
为了克服现有移动机器人移动时避障的路径规划求解方法存在耗时较长,无法为移动机器人及时提供有效的规划路径结果,降低机器人执行端避障的路径规划方法的时效性;以及所避障的障碍物的数量和不规则性受限制,多障碍物的避障进一步降低了移动机器人移动时避障的路径规划方法的鲁棒性等缺陷,本发明基于不规则性障碍物凸包机理和迪杰斯特拉算法,建立不规则性障碍物的凸包障碍模型,应用改进迪杰斯特拉算法求解最短距离,提供多凸包障碍模型下移动机器人避障的路径规划方法。
本发明具体解决其技术问题所采用的技术解决方案是:
本发明所提供的多凸包障碍模型下移动机器人避障的路径规划方法,包括原始起点、移动机器人、不规则障碍物、凸包障碍模型、当前起点、凸包顶点、终点、单点凸包障碍模型、凸包顶点信息、前继点、标记距离、被记录、障碍线段集合、求解当前起点的可见凸包顶点、当前起点的可见凸包顶点的标记距离更新。其中,移动机器人工作场平面设置为XOY平面;原始起点是指移动机器人工作场的最初起始的位置;移动机器人工作场所有多个障碍物,且为不规则障碍物,基于凸包原理建立每个不规则障碍物在XOY平面内凸包障碍模型,每个凸包障碍模型是个凸多边形,每个凸多边形的顶点称为凸包顶点;终点是指移动机器人工作场的最终到达的位置,终点设置为XOY平面内的单点凸包障碍模型,终点属于凸包顶点;凸包顶点信息是指凸包顶点的储存信息,储存信息设置为五维数组,五维数组包括X轴坐标位置、Y轴坐标位置、前继点、标记距离和是否被记录五项,前继点是到达该凸包顶点的前一个点,标记距离是指从原始起点至该凸包顶点的路径距离之和,被记录是指该凸包点被设置为过当前起点;障碍线段集合是指凸包障碍模型边界线段和同一凸包障碍模型间隔一个凸包顶点的两个凸包顶点之间线段。
多凸包障碍模型下移动机器人避障的路径规划方法,具体流程步骤如下:
步骤1,原始起点的初始化,原始起点的标记距离设置为0,原始起点设置为当前起点;
步骤2,凸包障碍模型的构建,障碍物包括规则和不规则障碍物,规则障碍物直接在移动机器人工作场的XOY平面形成凸包障碍模型,不规则障碍物依据凸包算法在移动机器人工作场平面的XOY平面构建凸包障碍模型,每个凸包障碍模型是个凸多边形,每个凸多边形的顶点称为凸包顶点;终点构建为移动机器人工作场的XOY平面内单点的凸包障碍模型,终点属于凸包顶点;
步骤3,凸包障碍模型的初始化,凸包点信息五维数组中的X轴坐标位置和Y轴坐标位置是凸包点在移动机器人工作场平面的XOY平面的具体的位置坐标,前继点设置空,标记距离设置无穷大,未被记录;
步骤4,多凸包障碍模型下移动机器人避障的路径规划方法的流程终止判断,判断条件为终点是否已被记录,如果终点已被记录,终点设置为过当前起点,输出终点信息中标记距离,该标记距离是移动机器人工作场从原始起点到终点的最短距离;输出最短距离对应路径,采用逆向方法,终点逆向至终点的前继点,前继点逆向至前继点的前继点,一直逆向至原始起点,该逆向路径的反方向路径就是最短距离对应路径;如果终点未被记录,流程继续往下执行;
步骤5,求解当前起点的可见凸包顶点,获得凸包障碍模型的凸包顶点相对当前起点可见的所有凸包顶点;
步骤6,当前起点的可见凸包顶点的标记距离更新,遍历相对当前起点可见的所有凸包顶点;
步骤7,当前起点更新,未记录的凸包顶点中标记距离最小设置为当前起点,返回步骤4。
求解当前起点的可见凸包顶点,具体流程步骤如下:
步骤1,构建障碍线段集合,由所有凸包障碍模型边界线段和每一个凸包障碍模型中在该凸包障碍模型间隔一个凸包顶点的两个凸包顶点之间线段组成集合体;
步骤2,该凸包顶点与当前起点可见判断,判断条件为当前起点与凸包顶点连线与障碍线段集合中线段是否相交,如果当前起点与凸包顶点连线与障碍线段集合中线段有相交,则该凸包顶点与当前起点不可见;如果当前起点与凸包顶点连线与障碍线段集合中线段没有相交,则该凸包顶点与当前起点可见;
步骤3,求解当前起点的可见凸包顶点的流程终止判断,判断条件为是否遍历每个凸包障碍模型的所有顶点,如果已遍历每个凸包障碍模型的所有顶点,则流程终止;如果未遍历每个凸包障碍模型的所有顶点,流程返回到步骤2。
当前起点的可见凸包顶点的标记距离更新,具体流程步骤如下:
步骤1,计算当前起点的可见凸包顶点的路径距离和,方法是当前起点与凸包障碍模型的可见凸包顶点之间距离加上当前起点的标记距离的距离和;
步骤2,凸包顶点的标记距离更新判断,判断条件为当前起点的可见凸包顶点的路径距离和与该凸包顶点的标记距离对比结果,如果对比结果是当前起点的可见凸包顶点的路径距离和小于该凸包顶点的标记距离,则更新凸包顶点的标记距离和前继点;如果对比结果是当前起点的可见凸包顶点的路径距离和不是小于该凸包顶点的标记距离,则保留原有凸包顶点的标记距离和前继点的信息;流程终止。
为了克服现有移动机器人移动时避障的路径规划求解方法存在耗时较长,无法为移动机器人及时提供有效的规划路径结果,降低机器人执行端避障的路径规划方法的时效性;以及所避障的障碍物的数量和不规则性受限制,多障碍物的避障进一步降低了移动机器人移动时避障的路径规划方法的鲁棒性等缺陷,本发明基于不规则性障碍物凸包机理和迪杰斯特拉算法,建立不规则性障碍物的凸包障碍模型,应用改进迪杰斯特拉算法求解最短距离,提供多凸包障碍模型下移动机器人避障的路径规划方法。
本发明的有益效果是,采用多凸包障碍模型下移动机器人避障的路径规划方法,通过基于不规则性障碍物凸包机理和迪杰斯特拉算法,建立不规则性障碍物的凸包障碍模型,应用改进迪杰斯特拉算法求解最短距离,解决了目前移动机器人移动时避障的路径规划求解方法存在耗时较长,无法为移动机器人及时提供有效的规划路径结果,降低机器人执行端避障的路径规划方法的时效性;以及所避障的障碍物的数量和不规则性受限制,多障碍物的避障进一步降低了移动机器人移动时避障的路径规划方法的鲁棒性等问题。它概念简单,实现方便,鲁棒性高,适应于移动机器人移动时多障碍物的避障的路径规划在智能制造行业实际需求。
附图说明
图1为本发明多凸包障碍模型下移动机器人避障的路径规划方法的流程图;
图2为本发明多凸包障碍模型下移动机器人避障的路径规划方法中求解当前起点的可见凸包顶点的流程图。
图3为本发明多凸包障碍模型下移动机器人避障的路径规划方法中当前起点的可见凸包顶点的标记距离更新的流程图。
具体实施方式
下面结合附图和实施例对本发明专利作进一步地说明:
本发明所提供的多凸包障碍模型下移动机器人避障的路径规划方法,包括原始起点、移动机器人、不规则障碍物、凸包障碍模型、当前起点、凸包顶点、终点、单点凸包障碍模型、凸包顶点信息、前继点、标记距离、被记录、障碍线段集合、求解当前起点的可见凸包顶点、当前起点的可见凸包顶点的标记距离更新。其中,移动机器人工作场平面设置为XOY平面;原始起点是指移动机器人工作场的最初起始的位置;移动机器人工作场所有多个障碍物,且为不规则障碍物,基于凸包原理建立每个不规则障碍物在XOY平面内凸包障碍模型,每个凸包障碍模型是个凸多边形,每个凸多边形的顶点称为凸包顶点;终点是指移动机器人工作场的最终到达的位置,终点设置为XOY平面内的单点凸包障碍模型,终点属于凸包顶点;凸包顶点信息是指凸包顶点的储存信息,储存信息设置为五维数组,五维数组包括X轴坐标位置、Y轴坐标位置、前继点、标记距离和是否被记录五项,前继点是到达该凸包顶点的前一个点,标记距离是指从原始起点至该凸包顶点的路径距离之和,被记录是指该凸包点被设置为过当前起点;障碍线段集合是指凸包障碍模型边界线段和同一凸包障碍模型间隔一个凸包顶点的两个凸包顶点之间线段。
多凸包障碍模型下移动机器人避障的路径规划方法,具体流程步骤如下:
步骤1,原始起点的初始化,原始起点的标记距离设置为0,原始起点设置为当前起点;
步骤2,凸包障碍模型的构建,障碍物包括规则和不规则障碍物,规则障碍物直接在移动机器人工作场的XOY平面形成凸包障碍模型,不规则障碍物依据凸包算法在移动机器人工作场平面的XOY平面构建凸包障碍模型,每个凸包障碍模型是个凸多边形,每个凸多边形的顶点称为凸包顶点;终点构建为移动机器人工作场的XOY平面内单点的凸包障碍模型,终点属于凸包顶点;
步骤3,凸包障碍模型的初始化,凸包点信息五维数组中的X轴坐标位置和Y轴坐标位置是凸包点在移动机器人工作场平面的XOY平面的具体的位置坐标,前继点设置空,标记距离设置无穷大,未被记录;
步骤4,多凸包障碍模型下移动机器人避障的路径规划方法的流程终止判断,判断条件为终点是否已被记录,如果终点已被记录,终点设置为过当前起点,输出终点信息中标记距离,该标记距离是移动机器人工作场从原始起点到终点的最短距离;输出最短距离对应路径,采用逆向方法,终点逆向至终点的前继点,前继点逆向至前继点的前继点,一直逆向至原始起点,该逆向路径的反方向路径就是最短距离对应路径;如果终点未被记录,流程继续往下执行;
步骤5,求解当前起点的可见凸包顶点,获得凸包障碍模型的凸包顶点相对当前起点可见的所有凸包顶点;
步骤6,当前起点的可见凸包顶点的标记距离更新,遍历相对当前起点可见的所有凸包顶点;
步骤7,当前起点更新,未记录的凸包顶点中标记距离最小设置为当前起点,返回步骤4。
多凸包障碍模型下移动机器人避障的路径规划方法中求解当前起点的可见凸包顶点,具体流程步骤如下:
步骤1,构建障碍线段集合,由所有凸包障碍模型边界线段和每一个凸包障碍模型中在该凸包障碍模型间隔一个凸包顶点的两个凸包顶点之间线段组成集合体;
步骤2,该凸包顶点与当前起点可见判断,判断条件为当前起点与凸包顶点连线与障碍线段集合中线段是否相交,如果当前起点与凸包顶点连线与障碍线段集合中线段有相交,则该凸包顶点与当前起点不可见;如果当前起点与凸包顶点连线与障碍线段集合中线段没有相交,则该凸包顶点与当前起点可见;
步骤3,求解当前起点的可见凸包顶点的流程终止判断,判断条件为是否遍历每个凸包障碍模型的所有顶点,如果已遍历每个凸包障碍模型的所有顶点,则流程终止;如果未遍历每个凸包障碍模型的所有顶点,流程返回到步骤2。
多凸包障碍模型下移动机器人避障的路径规划方法中当前起点的可见凸包顶点的标记距离更新,具体流程步骤如下:
步骤1,计算当前起点的可见凸包顶点的路径距离和,方法是当前起点与凸包障碍模型的可见凸包顶点之间距离加上当前起点的标记距离的距离和;
步骤2,凸包顶点的标记距离更新判断,判断条件为当前起点的可见凸包顶点的路径距离和与该凸包顶点的标记距离对比结果,如果对比结果是当前起点的可见凸包顶点的路径距离和小于该凸包顶点的标记距离,则更新凸包顶点的标记距离和前继点;如果对比结果是当前起点的可见凸包顶点的路径距离和不是小于该凸包顶点的标记距离,则保留原有凸包顶点的标记距离和前继点的信息;流程终止。
Claims (3)
1.多凸包障碍模型下移动机器人避障的路径规划方法,包括原始起点、移动机器人、不规则障碍物、凸包障碍模型、当前起点、凸包顶点、终点、单点凸包障碍模型、凸包顶点信息、前继点、标记距离、被记录、障碍线段集合、求解当前起点的可见凸包顶点、当前起点的可见凸包顶点的标记距离更新,移动机器人工作场平面设置为XOY平面,其特征在于,原始起点是指移动机器人工作场的最初起始的位置;移动机器人工作场所有多个障碍物,且为不规则障碍物,基于凸包原理建立每个不规则障碍物在XOY平面内凸包障碍模型,每个凸包障碍模型是个凸多边形,每个凸多边形的顶点称为凸包顶点;终点是指移动机器人工作场的最终到达的位置,终点设置为XOY平面内的单点凸包障碍模型,终点属于凸包顶点;凸包顶点信息是指凸包顶点的储存信息,储存信息设置为五维数组,五维数组包括X轴坐标位置、Y轴坐标位置、前继点、标记距离和是否被记录五项,前继点是到达该凸包顶点的前一个点,标记距离是指从原始起点至该凸包顶点的路径距离之和,被记录是指该凸包点被设置为过当前起点;障碍线段集合是指凸包障碍模型边界线段和同一凸包障碍模型间隔一个凸包顶点的两个凸包顶点之间线段;多凸包障碍模型下移动机器人避障的路径规划方法,具体流程步骤如下:
步骤1,原始起点的初始化,原始起点的标记距离设置为0,原始起点设置为当前起点;
步骤2,凸包障碍模型的构建,障碍物包括规则和不规则障碍物,规则障碍物直接在移动机器人工作场的XOY平面形成凸包障碍模型,不规则障碍物依据凸包算法在移动机器人工作场平面的XOY平面构建凸包障碍模型,每个凸包障碍模型是个凸多边形,每个凸多边形的顶点称为凸包顶点;终点构建为移动机器人工作场的XOY平面内单点的凸包障碍模型,终点属于凸包顶点;
步骤3,凸包障碍模型的初始化,凸包点信息五维数组中的X轴坐标位置和Y轴坐标位置是凸包点在移动机器人工作场平面的XOY平面的具体的位置坐标,前继点设置空,标记距离设置无穷大,未被记录;
步骤4,多凸包障碍模型下移动机器人避障的路径规划方法的流程终止判断,判断条件为终点是否已被记录,如果终点已被记录,终点设置为过当前起点,输出终点信息中标记距离,该标记距离是移动机器人工作场从原始起点到终点的最短距离;输出最短距离对应路径,采用逆向方法,终点逆向至终点的前继点,前继点逆向至前继点的前继点,一直逆向至原始起点,该逆向路径的反方向路径就是最短距离对应路径;如果终点未被记录,流程继续往下执行;
步骤5,求解当前起点的可见凸包顶点,获得凸包障碍模型的凸包顶点相对当前起点可见的所有凸包顶点;
步骤6,当前起点的可见凸包顶点的标记距离更新,遍历相对当前起点可见的所有凸包顶点;
步骤7,当前起点更新,未记录的凸包顶点中标记距离最小设置为当前起点,返回步骤4。
2.根据权利要求1所述的多凸包障碍模型下移动机器人避障的路径规划方法,其特征在于,所述求解当前起点的可见凸包顶点,具体流程步骤如下:
步骤1,构建障碍线段集合,由所有凸包障碍模型边界线段和每一个凸包障碍模型中在该凸包障碍模型间隔一个凸包顶点的两个凸包顶点之间线段组成集合体;
步骤2,该凸包顶点与当前起点可见判断,判断条件为当前起点与凸包顶点连线与障碍线段集合中线段是否相交,如果当前起点与凸包顶点连线与障碍线段集合中线段有相交,则该凸包顶点与当前起点不可见;如果当前起点与凸包顶点连线与障碍线段集合中线段没有相交,则该凸包顶点与当前起点可见;
步骤3,求解当前起点的可见凸包顶点的流程终止判断,判断条件为是否遍历每个凸包障碍模型的所有顶点,如果已遍历每个凸包障碍模型的所有顶点,则流程终止;如果未遍历每个凸包障碍模型的所有顶点,流程返回到步骤2。
3.根据权利要求1所述的多凸包障碍模型下移动机器人避障的路径规划方法,其特征在于,所述当前起点的可见凸包顶点的标记距离更新,具体流程步骤如下:
步骤1,计算当前起点的可见凸包顶点的路径距离和,方法是当前起点与凸包障碍模型的可见凸包顶点之间距离加上当前起点的标记距离的距离和;
步骤2,凸包顶点的标记距离更新判断,判断条件为当前起点的可见凸包顶点的路径距离和与该凸包顶点的标记距离对比结果,如果对比结果是当前起点的可见凸包顶点的路径距离和小于该凸包顶点的标记距离,则更新凸包顶点的标记距离和前继点;如果对比结果是当前起点的可见凸包顶点的路径距离和不是小于该凸包顶点的标记距离,则保留原有凸包顶点的标记距离和前继点的信息;流程终止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910593814.3A CN110160533B (zh) | 2019-07-03 | 2019-07-03 | 多凸包障碍模型下移动机器人避障的路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910593814.3A CN110160533B (zh) | 2019-07-03 | 2019-07-03 | 多凸包障碍模型下移动机器人避障的路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110160533A true CN110160533A (zh) | 2019-08-23 |
CN110160533B CN110160533B (zh) | 2022-02-25 |
Family
ID=67637743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910593814.3A Active CN110160533B (zh) | 2019-07-03 | 2019-07-03 | 多凸包障碍模型下移动机器人避障的路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110160533B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110986955A (zh) * | 2019-12-19 | 2020-04-10 | 拉扎斯网络科技(上海)有限公司 | 机器人路径规划方法、装置、电子设备和存储介质 |
CN111060103A (zh) * | 2019-12-11 | 2020-04-24 | 安徽工程大学 | 一种局部动态寻优避障的路径规划方法 |
CN112015183A (zh) * | 2020-09-08 | 2020-12-01 | 安徽工程大学 | 一种能耗约束下在具有凹凸地形中移动机器人避障方法 |
CN112379692A (zh) * | 2020-11-23 | 2021-02-19 | 广州极飞科技有限公司 | 无人机航线的确定方法、装置、设备及存储介质 |
CN113190031A (zh) * | 2021-04-30 | 2021-07-30 | 成都思晗科技股份有限公司 | 基于无人机的森林火灾自动拍照跟踪方法、装置及系统 |
CN114019952A (zh) * | 2021-10-08 | 2022-02-08 | 巢湖学院 | 一种基于微输送单元的协同传送路径搭建方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107631734A (zh) * | 2017-07-21 | 2018-01-26 | 南京邮电大学 | 一种基于D*_lite算法的动态平滑路径规划方法 |
CN108981710A (zh) * | 2018-08-07 | 2018-12-11 | 北京邮电大学 | 一种移动机器人的全覆盖路径规划方法 |
CN109443357A (zh) * | 2018-08-31 | 2019-03-08 | 董箭 | 基于全凸包扩张算法的障碍物间最优路径解算方法 |
WO2019126332A1 (en) * | 2017-12-19 | 2019-06-27 | Carnegie Mellon University | Intelligent cleaning robot |
-
2019
- 2019-07-03 CN CN201910593814.3A patent/CN110160533B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107631734A (zh) * | 2017-07-21 | 2018-01-26 | 南京邮电大学 | 一种基于D*_lite算法的动态平滑路径规划方法 |
WO2019126332A1 (en) * | 2017-12-19 | 2019-06-27 | Carnegie Mellon University | Intelligent cleaning robot |
CN108981710A (zh) * | 2018-08-07 | 2018-12-11 | 北京邮电大学 | 一种移动机器人的全覆盖路径规划方法 |
CN109443357A (zh) * | 2018-08-31 | 2019-03-08 | 董箭 | 基于全凸包扩张算法的障碍物间最优路径解算方法 |
Non-Patent Citations (1)
Title |
---|
巩敦卫等: "密集障碍物环境下基于凸包和微粒群优化的机器人路径规划", 《控制理论与应用》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111060103A (zh) * | 2019-12-11 | 2020-04-24 | 安徽工程大学 | 一种局部动态寻优避障的路径规划方法 |
CN111060103B (zh) * | 2019-12-11 | 2021-12-10 | 安徽工程大学 | 一种局部动态寻优避障的路径规划方法 |
CN110986955A (zh) * | 2019-12-19 | 2020-04-10 | 拉扎斯网络科技(上海)有限公司 | 机器人路径规划方法、装置、电子设备和存储介质 |
CN110986955B (zh) * | 2019-12-19 | 2022-04-08 | 拉扎斯网络科技(上海)有限公司 | 机器人路径规划方法、装置、电子设备和存储介质 |
CN112015183A (zh) * | 2020-09-08 | 2020-12-01 | 安徽工程大学 | 一种能耗约束下在具有凹凸地形中移动机器人避障方法 |
CN112015183B (zh) * | 2020-09-08 | 2022-02-08 | 安徽工程大学 | 一种能耗约束下在具有凹凸地形中移动机器人避障方法 |
CN112379692A (zh) * | 2020-11-23 | 2021-02-19 | 广州极飞科技有限公司 | 无人机航线的确定方法、装置、设备及存储介质 |
CN112379692B (zh) * | 2020-11-23 | 2022-06-21 | 广州极飞科技股份有限公司 | 无人机航线的确定方法、装置、设备及存储介质 |
CN113190031A (zh) * | 2021-04-30 | 2021-07-30 | 成都思晗科技股份有限公司 | 基于无人机的森林火灾自动拍照跟踪方法、装置及系统 |
CN114019952A (zh) * | 2021-10-08 | 2022-02-08 | 巢湖学院 | 一种基于微输送单元的协同传送路径搭建方法 |
CN114019952B (zh) * | 2021-10-08 | 2024-04-30 | 巢湖学院 | 一种基于微输送单元的协同传送路径搭建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110160533B (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110160533A (zh) | 多凸包障碍模型下移动机器人避障的路径规划方法 | |
CN109634284B (zh) | 基于嵌套三分算法的机器人执行端避障的路径规划方法 | |
CN109976350B (zh) | 多机器人调度方法、装置、服务器及计算机可读存储介质 | |
CN107030697B (zh) | 一种机器人笛卡尔空间平滑轨迹的规划方法 | |
CN109945873B (zh) | 一种用于室内移动机器人运动控制的混合路径规划方法 | |
CN105381912B (zh) | 一种基于表面曲率的喷涂机器人自动路径生成方法 | |
CN106679667B (zh) | 面向多导航站接力导航的运动体路径规划方法 | |
CN107992038A (zh) | 一种机器人路径规划方法 | |
CN105415372B (zh) | 一种安全空间约束下的多关节机器人轨迹规划方法 | |
CN103394430B (zh) | 一种基于片间盲区优化工艺的复杂曲面均匀喷涂制造方法 | |
CN108775902A (zh) | 基于障碍物虚拟膨胀的伴随机器人路径规划方法及系统 | |
CN106643733B (zh) | 面向多导航站接力导航的运动体路径规划方法 | |
CN109540136A (zh) | 一种多无人艇协同路径规划方法 | |
CN110285802A (zh) | 快速扩展随机树路径光滑方法 | |
CN108544490B (zh) | 无人驾驶智能机器人道路避障方法 | |
CN108827311B (zh) | 一种制造车间无人搬运系统路径规划方法 | |
CN109443357B (zh) | 基于全凸包扩张算法的障碍物间最优路径解算方法 | |
CN104282221A (zh) | 一种构建室内地图的道路网络的方法 | |
CN109974739A (zh) | 基于高精度地图的全局导航系统及导航信息生成方法 | |
CN106204446A (zh) | 一种地形图的建筑物合并方法 | |
CN109916409B (zh) | 一种静态地图自适应更新方法和装置 | |
CN114675649A (zh) | 一种融合改进的a*与dwa算法的室内移动机器人路径规划方法 | |
CN109865621A (zh) | 一种喷涂位姿拆分方法及应用 | |
CN108376423A (zh) | 一种安全生产vr实训导航路径动态规划方法和系统 | |
CN110794849B (zh) | 路径的处理方法、装置、机器人、计算机设备和存储介质 |
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 |