CN110375736A - 智能设备的路径规划方法、系统、设备及可读存储介质 - Google Patents
智能设备的路径规划方法、系统、设备及可读存储介质 Download PDFInfo
- Publication number
- CN110375736A CN110375736A CN201811434958.6A CN201811434958A CN110375736A CN 110375736 A CN110375736 A CN 110375736A CN 201811434958 A CN201811434958 A CN 201811434958A CN 110375736 A CN110375736 A CN 110375736A
- Authority
- CN
- China
- Prior art keywords
- sub
- block
- smart machine
- value
- point cloud
- 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
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
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
Abstract
本发明公开了一种智能设备的路径规划方法、系统、设备及可读存储介质，路径规划方法包括：通过探测传感器获取智能设备探测范围内所有障碍物的点云数据；将探测范围内没有障碍物的空白区域划分为多个子块，子块的面积不小于智能设备的占地面积；对每个子块，根据点云数据对每个子块的运行环境进行检测，得到每个子块的运行环境的环境检测值；选取环境检测值满足预设条件的子块作为目标子块，并将目标子块的位置作为智能设备的目标移动位置。本发明通过探测传感器实时获取障碍物的点云数据，并将探测范围内的空白区域进行子块划分，对每个子块进行实时的运行环境的检测，进一步通过环境检测值选出智能设备的目标移动位置。
Description
技术领域
本发明属于智能设备的路径规划领域，特别涉及一种智能设备的路径规划方法、系统、设备及可读存储介质。
背景技术
路径规划是根据环境信息合理的规划出一条从起始点到终点的可行驶路径，对于智能设备的路径规划，比如智能机器人，现有的方法一般需要预先采集环境信息，建立一个可以映射实际情况的环境模型，再基于环境模型使用相应算法搜索出一条可通行路径，但是，一旦构造的环境信息不完整或者精度不高，那么会导致本来可作为参考的环境信息将会成为规划的干扰，比如：实际环境中的障碍物发生位置变化，曾经采集的信息将不具备准确性，会出现路径规避已经不存在的障碍物或者不能规避出现在未知位置的障碍物；另一种可能出现的问题是，若机器人自身的定位出现偏差或定位出错的话，那么环境模型所提供的信息也不再准确，环境中的障碍物将完全和实际的不同，环境信息将成为本不存在的障碍物。
发明内容
本发明实施例要解决的技术问题是为了克服现有技术中路径规划依赖预先构建的环境模型和机器人自身定位的缺陷，提供一种智能设备的路径规划方法、系统、设备及可读存储介质。
本发明实施例是通过下述技术方案来解决上述技术问题：
一种智能设备的路径规划方法，所述路径规划方法包括：
通过探测传感器获取智能设备探测范围内所有障碍物的点云数据；
将所述探测范围内没有障碍物的空白区域划分为多个子块，所述子块的面积不小于所述智能设备的占地面积；
对每个子块，根据所述点云数据对每个子块的运行环境进行检测，得到每个子块的运行环境的环境检测值；
选取所述环境检测值满足预设条件的子块作为目标子块，并将所述目标子块的位置作为所述智能设备的目标移动位置。
较佳地，所述对每个子块，根据所述点云数据对每个子块的运行环境进行检测，得到每个子块的运行环境的环境检测值的步骤具体包括：
根据所述点云数据得到检测每个子块的运行环境的运行路径因子，所述运行路径因子包括所述智能设备移动到每个子块的移动路径与每个障碍物的距离信息和/或所述运行路径的宽度；
获取每个子块相对于所述智能设备的第一方位信息；
获取所述智能设备的目的地相对于所述智能设备的第二方位信息；
根据所述第一方位信息和所述第二方位信息得到检测每个子块的运行环境的运行方向因子，所述运行方向因子包括每个子块相对于所述智能设备与所述目的地相对于所述智能设备的方向的夹角；
根据所述运行路径因子和所述运行方向因子计算得到所述环境检测值。
较佳地，所述对每个子块，根据所述点云数据对每个子块的运行环境进行检测，得到每个子块的运行环境的环境检测值的步骤还包括：
根据所述点云数据得到检测每个子块的运行环境的障碍物因子，所述障碍物因子包括每个障碍物与所述智能设备的距离信息、最大的障碍物的点云数据的数量、所有障碍物的点云数据的总数量、所有障碍物占有的面积和所述障碍物的密度中的至少一个；
所述根据所述运行路径因子和所述运行方向因子计算得到所述环境检测值的步骤具体包括：
根据所述障碍物因子、所述运行路径因子和所述运行方向因子计算得到所述环境检测值。
较佳地，所述路径规划方法中通过以下公式求解所环境检测值，包括：
E＝Ez+EL+EF；
其中，Ez为障碍物因子，Drobot为每个障碍物到智能设备的距离，Nmax为最大的障碍物的点云数据的数量，Ntotal为探测范围内所有障碍物的点云数据的总数量，A为所有障碍物占有的面积，ρ为所述障碍物的密度，Dpath为每个障碍物与动路径的距离，EL为运行路径因子，Dnarrow为运行路径的宽度，Wrobot为智能设备的宽度，EF为运行方向因子，θ为每个子块相对于所述智能设备与所述目的地相对于所述智能设备的方向的夹角；a、b、c、d、e、f、g、h为预设系数，E表示子块的环境检测值。
较佳地，所述选取所述环境检测值满足预设条件的子块作为目标子块，并将所述目标子块的位置作为所述智能设备的目标移动位置的步骤具体包括：
选取所述环境监测值最小的候选子块；
获取所述智能设备与所述候选子块的距离值；
获取所述智能设备移动到所述候选个子块所需的时间值；
根据所述候选子块的所述距离值、所述时间值和所述环境检测值得到用于表征所述候选子块的位置能否作为所述智能设备的目标移动位置的评判值；
判断所述评判值是否在预设阈值范围内，若是，则将所述候选子块作为所述目标子块；
将所述目标子块的位置作为所述智能设备的目标移动位置。
较佳地，所述判断所述评判值是否在预设阈值范围内的步骤中，若判断结果为否，则将所述候选子块从所有子块中滤除，然后从滤除后的子块中选取所述环境监测值最小子块作为新的候选子块。
较佳地，所述路径规划方法中通过以下公式求解所述评判值，包括：
其中，P为评判值，K1、K2、K3为预设系数，T为智能设备移动到候选子块的时间，E为候选子块的环境检测值，D为智能设备移动到候选子块的距离值。
较佳地，所述对每个子块，根据所述点云数据对每个子块的运行环境进行检测，得到每个子块的运行环境的环境检测值的步骤之前，所述路径规划方法还包括：
采用噪声过滤算法对所述点云数据进行滤波处理，以滤除所述点云数据中的干扰数据；
所述对每个子块，根据所述点云数据对每个子块的运行环境进行检测，得到每个子块的运行环境的环境检测值的步骤中，根据滤波后的点云数据对每个子块的运行环境进行检测。
较佳地，所述探测传感器用于获取具有深度信息的点云数据，所述探测传感器包括双目相机、RGBD相机、红外相机、多线激光器和单线激光器中的至少一个。
一种智能设备的路径规划系统，所述路径规划系统包括探测传感器、子块划分模块、检测模块和目标位置确定模块；
所述探测传感器用于获取智能设备探测范围内所有障碍物的点云数据；
所述子块划分模块用于将所述探测范围内没有障碍物的空白区域划分为多个子块，所述子块的面积不小于所述智能设备的占地面积；
所述检测模块用于对每个子块，根据所述点云数据对每个子块的运行环境进行检测，得到每个子块的运行环境的环境检测值；
所述目标位置确定模块用于选取所述环境检测值满足预设条件的子块作为目标子块，并将所述目标子块的位置作为所述智能设备的目标移动位置。
较佳地，所述检测模块包括第一检测单元、方位信息获取单元和第二检测单元；
所述第一检测单元用于根据所述点云数据得到检测每个子块的运行环境的运行路径因子，所述运行路径因子包括所述智能设备移动到每个子块的移动路径与每个障碍物的距离信息和/或所述运行路径的宽度；
所述方位信息获取单元用于获取每个子块相对于所述智能设备的第一方位信息，还用于获取所述智能设备的目的地相对于所述智能设备的第二方位信息；
所述第二检测单元用于根据所述第一方位信息和所述第二方位信息得到检测每个子块的运行环境的运行方向因子，所述运行方向因子包括每个子块相对于所述智能设备与所述目的地相对于所述智能设备的方向的夹角；
所述检测模块用于根据所述运行路径因子和所述运行方向因子计算得到所述环境检测值。
较佳地，所述检测模块还包括第三检测单元；
所述第三检测单元用于根据所述点云数据得到检测每个子块的运行环境的障碍物因子，所述障碍物因子包括每个障碍物与所述智能设备的距离信息、最大的障碍物的点云数据的数量、所有障碍物的点云数据的总数量、所有障碍物占有的面积和所述障碍物的密度中的至少一个；
所述检测模块用于根据所述障碍物因子、所述运行路径因子和所述运行方向因子计算得到所述环境检测值。
较佳地，所述检测模块通过以下公式求解所环境检测值，包括：
E＝Ez+EL+EF；
其中，Ez为障碍物因子，Drobot为每个障碍物到智能设备的距离，Nmax为最大的障碍物的点云数据的数量，Ntotal为探测范围内所有障碍物的点云数据的总数量，A为所有障碍物占有的面积，ρ为所述障碍物的密度，Dpath为每个障碍物与动路径的距离，EL为运行路径因子，Dnarrow为运行路径的宽度，Wrobot为智能设备的宽度，EF为运行方向因子，θ为每个子块相对于所述智能设备与所述目的地相对于所述智能设备的方向的夹角；a、b、c、d、e、f、g、h为预设系数，E表示子块的环境检测值。
较佳地，所述目标位置确定模块包括候选子块选取单元、距离值获取单元、时间值获取单元、评判值计算单元和判断单元；
所述候选子块选取单元用于选取所述环境监测值最小的候选子块；
所述距离值获取单元用于获取所述智能设备与所述候选子块的距离值；
所述时间值获取单元用于获取所述智能设备移动到所述候选个子块所需的时间值；
所述评判值计算单元用于根据所述候选子块的所述距离值、所述时间值和所述环境检测值得到用于表征所述候选子块的位置能否作为所述智能设备的目标移动位置的评判值；
所述判断单元用于判断所述评判值是否在预设阈值范围内，若是，则将所述候选子块作为所述目标子块；
所述目标位置确定模块用于将所述目标子块的位置作为所述智能设备的目标移动位置。
较佳地，所述目标位置确定模块还包括滤除单元；
所述判断单元用于在判断所述评判值不在预设阈值范围内的时，调用所述滤除单元；
所述滤除单元用于将所述候选子块从所有子块中滤除；
所述候选子块选取单元还用于从滤除后的子块中选取所述环境监测值最小子块作为新的候选子块。
较佳地，所述评判值计算单元通过以下公式求解所述评判值，包括：
其中，P为评判值，K1、K2、K3为预设系数，T为智能设备移动到候选子块的时间，E为候选子块的环境检测值，D为智能设备移动到候选子块的距离值。
较佳地，所述路径规划系统还包括滤波模块；
所述滤波模块用于采用噪声过滤算法对所述点云数据进行滤波处理，以滤除所述点云数据中的干扰数据；
所述检测模块用于根据滤波后的点云数据对每个子块的运行环境进行检测。
较佳地，所述探测传感器用于获取具有深度信息的点云数据，所述探测传感器包括双目相机、RGBD相机、红外相机、多线激光器和单线激光器中的至少一个。
一种电子设备，包括存储器、处理器及存储在存储器上并可在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上述的智能设备的路径规划方法。
一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的智能设备的路径规划方法的步骤。
本发明实施例的积极进步效果在于：本发明实施例通过探测传感器实时获取障碍物的点云数据，并将探测范围内的空白区域进行子块划分，对每个子块进行实时的运行环境的检测，进一步通过环境检测值选出智能设备的目标移动位置，本实施例对智能设备的定位要求不高，且能够根据实时环境进行评价。
附图说明
图1为本发明实施例1的智能设备的路径规划方法的流程图。
图2为本发明实施例2的智能设备的路径规划方法中步骤30的具体流程图。
图3为本发明实施例3的智能设备的路径规划方法中步骤40的具体流程图。
图4为本发明实施例4的智能设备的路径规划系统的模块示意图。
图5为本发明实施例5的智能设备的路径规划系统中检测模块的模块示意图。
图6为本发明实施例6的智能设备的路径规划系统中目标位置确定模块的模块示意图。
图7为本发明实施例7的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
一种智能设备的路径规划方法，如图1所示，所述路径规划方法包括：
步骤10、通过探测传感器获取智能设备探测范围内所有障碍物的点云数据；所述探测传感器用于获取具有深度信息的点云数据，所述探测传感器包括双目相机、RGBD相机、红外相机、多线激光器和单线激光器中的至少一个。
步骤20、将探测范围内没有障碍物的空白区域划分为多个子块；所述子块的面积不小于所述智能设备的占地面积；
步骤30、对每个子块，根据点云数据对每个子块的运行环境进行检测，得到每个子块的运行环境的环境检测值；
步骤40、选取环境检测值满足预设条件的子块作为目标子块，并将目标子块的位置作为智能设备的目标移动位置。
另外，所述对每个子块，根据所述点云数据对每个子块的运行环境进行检测，得到每个子块的运行环境的环境检测值的步骤之前，所述路径规划方法还包括：
步骤11、采用噪声过滤算法对所述点云数据进行滤波处理，以滤除所述点云数据中的干扰数据；
步骤20中，根据滤波后的点云数据对每个子块的运行环境进行检测，滤波处理的主要目的是对点云数据的噪声进行检测并去除，且不影响正常深度信息的准确度，经过降噪后的点云数据包含的干扰信息会减少，从而使后面的过程更可靠。
本实施例中，通过探测传感器实时获取障碍物的点云数据，并将探测范围内的空白区域进行子块划分，对每个子块进行实时的运行环境的检测，进一步通过环境检测值选出智能设备的目标移动位置，本实施例对智能设备的定位要求不高，且能够根据实时环境进行评价。
实施例2
本实施例的智能设备的路径规划方法是在实施例1的基础上进一步改进，如图2所示，步骤30具体包括：
步骤301、根据点云数据得到检测每个子块的运行环境的运行路径因子；所述运行路径因子包括所述智能设备移动到每个子块的移动路径与每个障碍物的距离信息和/或所述运行路径的宽度；
步骤302、获取每个子块相对于智能设备的第一方位信息；
步骤303、获取智能设备的目的地相对于智能设备的第二方位信息；
步骤304、根据第一方位信息和第二方位信息得到检测每个子块的运行环境的运行方向因子；所述运行方向因子包括每个子块相对于所述智能设备与所述目的地相对于所述智能设备的方向的夹角；
步骤305、根据点云数据得到检测每个子块的运行环境的障碍物因子；所述障碍物因子包括每个障碍物与所述智能设备的距离信息、最大的障碍物的点云数据的数量、所有障碍物的点云数据的总数量、所有障碍物占有的面积和所述障碍物的密度中的至少一个；
步骤306、根据障碍物因子、运行路径因子和运行方向因子计算得到环境检测值。
需要说明的是，对于当前时刻获取的点云数据，对于每个子块，得到的障碍物因子的值是相同的，因此，可以根据情况只根据所述运行路径因子和所述运行方向因子计算得到所述环境检测值。
其中，所述路径规划方法中通过以下公式求解所环境检测值，包括：
E＝Ez+EL+EF；
其中，Ez为障碍物因子；
Drobot为每个障碍物到智能设备的距离，距离的平方小于被a所限制的阈值后，会大幅增长从而使整体环境检测值增大；
Nmax为最大的障碍物的点云数据的数量，Ntotal为探测范围内所有障碍物的点云数据的总数量，二者数量越大环境评价越差；
A为所有障碍物占有的面积，面积越大评价值越大，ρ为所述障碍物的密度，即使障碍物面积足够小也可能是由大量小块面积累加而来的，并不能作为合格的候选区域，因此要额外考虑障碍物密；
EL为运行路径因子；
Dpath为每个障碍物与动路径的距离，距离的平方小于被f所限制的阈值后，会大幅增长从而使整体环境检测值增大；
Dnarrow为运行路径的宽度，Wrobot为智能设备的宽度，若路径中的可通行区域远远大于机器人宽度，检测值基本不受影响，两者越接近检测值增长越大，当可通行区域小于宽度时，检测值接近无穷大；
EF为运行方向因子；
θ为每个子块相对于所述智能设备与所述目的地相对于所述智能设备的方向的夹角，角度越小，对检测值影响就越小，说明智能设备正朝着最终的目的地移动；
a、b、c、d、e、f、g、h为预设系数，E表示子块的环境检测值，其中，E值越小代表环境越优良，改变预设系数值会相应改变对候选目标点的环境容忍度。
本实施例中，综合考虑障碍物因子、运行路径因子和运行方向因子对环境检测值的影响，当前区域的环境评价可以量化的体现出任意起始点到给定的目标点间的环境的一个基本评估值，从而为智能设备的移动提供必要的决策考虑因素。
实施例3
本实施例的智能设备的路径规划方法是在实施例1的基础上进一步改进，如图3所示，步骤40具体包括：
步骤401、选取环境监测值最小的候选子块；
步骤402、获取智能设备与候选子块的距离值；
步骤403、获取智能设备移动到候选个子块所需的时间值；
步骤404、根据候选子块的距离值、时间值和环境检测值得到用于表征候选子块的位置能否作为智能设备的目标移动位置的评判值；
步骤405、判断评判值是否在预设阈值范围内，若是，则执行步骤406；若否，则执行步骤407；
步骤406、将候选子块作为目标子块，并将目标子块的位置作为智能设备的目标移动位置。
步骤407、将候选子块从所有子块中滤除，然后返回步骤401，从滤除后的子块中选取环境监测值最小子块作为新的候选子块。
其中，所述路径规划方法中通过以下公式求解所述评判值，包括：
其中，P为评判值，K1、K2、K3为预设系数，T为智能设备移动到候选子块的时间，该时间是根据机器人的常规移动速度模拟计算得到的，E为候选子块的环境检测值，D为智能设备移动到候选子块的距离值。
本实施例中，根据环境检测值，判断当前位置所能找的最优的候选点，再基于评判值判断手否符合预期，若不符合，则重新选择新的候选点，另外，需要说明的是，智能设备在移动的每一个时刻都会进行最优的目标点的计算。在整个路径规划过程中，虽然会进行多次判断计算，可通过限制参考范围以达到客观的计算速度，整体运行流畅，指令实现频率可达10Hz以上。
实施例4
一种智能设备的路径规划系统，如图4所示，所述路径规划系统包括探测传感器1、子块划分模块3、检测模块4和目标位置确定模块5；
所述探测传感器1用于获取智能设备探测范围内所有障碍物的点云数据；所述探测传感器1用于获取具有深度信息的点云数据，所述探测传感器1包括双目相机、RGBD相机、红外相机、多线激光器和单线激光器中的至少一个。
所述子块划分模块3用于将所述探测范围内没有障碍物的空白区域划分为多个子块，所述子块的面积不小于所述智能设备的占地面积；
所述检测模块4用于对每个子块，根据所述点云数据对每个子块的运行环境进行检测，得到每个子块的运行环境的环境检测值；
所述目标位置确定模块5用于选取所述环境检测值满足预设条件的子块作为目标子块，并将所述目标子块的位置作为所述智能设备的目标移动位置。
另外，所述路径规划系统还包括滤波模块2；
所述滤波模块2用于采用噪声过滤算法对所述点云数据进行滤波处理，以滤除所述点云数据中的干扰数据；
所述检测模块4用于根据滤波后的点云数据对每个子块的运行环境进行检测，滤波处理的主要目的是对点云数据的噪声进行检测并去除，且不影响正常深度信息的准确度，经过降噪后的点云数据包含的干扰信息会减少，从而使后面的过程更可靠。
本实施例中，通过探测传感器1实时获取障碍物的点云数据，并将探测范围内的空白区域进行子块划分，对每个子块进行实时的运行环境的检测，进一步通过环境检测值选出智能设备的目标移动位置，本实施例对智能设备的定位要求不高，且能够根据实时环境进行评价。
实施例5
本实施例的智能设备的路径规划系统是在实施例4的基础上进一步改进，如图5所示，所述检测模块4包括第一检测单元41、方位信息获取单元42、第二检测单元43和第三检测单元44；
所述第一检测单元41用于根据所述点云数据得到检测每个子块的运行环境的运行路径因子，所述运行路径因子包括所述智能设备移动到每个子块的移动路径与每个障碍物的距离信息和/或所述运行路径的宽度；
所述方位信息获取单元42用于获取每个子块相对于所述智能设备的第一方位信息，还用于获取所述智能设备的目的地相对于所述智能设备的第二方位信息；
所述第二检测单元43用于根据所述第一方位信息和所述第二方位信息得到检测每个子块的运行环境的运行方向因子，所述运行方向因子包括每个子块相对于所述智能设备与所述目的地相对于所述智能设备的方向的夹角；
所述第三检测单元44用于根据所述点云数据得到检测每个子块的运行环境的障碍物因子，所述障碍物因子包括每个障碍物与所述智能设备的距离信息、最大的障碍物的点云数据的数量、所有障碍物的点云数据的总数量、所有障碍物占有的面积和所述障碍物的密度中的至少一个；
所述检测模块4用于根据所述障碍物因子、所述运行路径因子和所述运行方向因子计算得到所述环境检测值。
需要说明的是，对于当前时刻获取的点云数据，对于每个子块，得到的障碍物因子的值是相同的，因此，可以根据情况只根据所述运行路径因子和所述运行方向因子计算得到所述环境检测值。
其中，所述检测模块4通过以下公式求解所环境检测值，包括：
E＝Ez+EL+EF；
其中，Ez为障碍物因子；
Drobot为每个障碍物到智能设备的距离，距离的平方小于被a所限制的阈值后，会大幅增长从而使整体环境检测值增大；
Nmax为最大的障碍物的点云数据的数量，Ntotal为探测范围内所有障碍物的点云数据的总数量，二者数量越大环境评价越差；
A为所有障碍物占有的面积，面积越大评价值越大，ρ为所述障碍物的密度，即使障碍物面积足够小也可能是由大量小块面积累加而来的，并不能作为合格的候选区域，因此要额外考虑障碍物密；
EL为运行路径因子；
Dpath为每个障碍物与动路径的距离，距离的平方小于被f所限制的阈值后，会大幅增长从而使整体环境检测值增大；
Dnarrow为运行路径的宽度，Wrobot为智能设备的宽度，若路径中的可通行区域远远大于机器人宽度，检测值基本不受影响，两者越接近检测值增长越大，当可通行区域小于宽度时，检测值接近无穷大；
EF为运行方向因子；
θ为每个子块相对于所述智能设备与所述目的地相对于所述智能设备的方向的夹角，角度越小，对检测值影响就越小，说明智能设备正朝着最终的目的地移动；
a、b、c、d、e、f、g、h为预设系数，E表示子块的环境检测值，其中，E值越小代表环境越优良，改变预设系数值会相应改变对候选目标点的环境容忍度。
本实施例中，综合考虑障碍物因子、运行路径因子和运行方向因子对环境检测值的影响，当前区域的环境评价可以量化的体现出任意起始点到给定的目标点间的环境的一个基本评估值，从而为智能设备的移动提供必要的决策考虑因素。
实施例6
本实施例的智能设备的路径规划系统是在实施例4的基础上进一步改进，如图6所示，所述目标位置确定模块5包括候选子块选取单元51、距离值获取单元52、时间值获取单元53、评判值计算单元54和判断单元55；
所述候选子块选取单元51用于选取所述环境监测值最小的候选子块；
所述距离值获取单元52用于获取所述智能设备与所述候选子块的距离值；
所述时间值获取单元53用于获取所述智能设备移动到所述候选个子块所需的时间值；
所述评判值计算单元54用于根据所述候选子块的所述距离值、所述时间值和所述环境检测值得到用于表征所述候选子块的位置能否作为所述智能设备的目标移动位置的评判值；
所述判断单元55用于判断所述评判值是否在预设阈值范围内，若是，则将所述候选子块作为所述目标子块；
所述目标位置确定模块5用于将所述目标子块的位置作为所述智能设备的目标移动位置。
所述目标位置确定模块5还包括滤除单元56；
所述判断单元55用于在判断所述评判值不在预设阈值范围内的时，调用所述滤除单元56；
所述滤除单元56用于将所述候选子块从所有子块中滤除；
所述候选子块选取单元51还用于从滤除后的子块中选取所述环境监测值最小子块作为新的候选子块。
所述评判值计算单元54通过以下公式求解所述评判值，包括：
其中，P为评判值，K1、K2、K3为预设系数，T为智能设备移动到候选子块的时间，该时间是根据机器人的常规移动速度模拟计算得到的，E为候选子块的环境检测值，D为智能设备移动到候选子块的距离值。
本实施例中，根据环境检测值，判断当前位置所能找的最优的候选点，再基于评判值判断手否符合预期，若不符合，则重新选择新的候选点，另外，需要说明的是，智能设备在移动的每一个时刻都会进行最优的目标点的计算。在整个路径规划过程中，虽然会进行多次判断计算，可通过限制参考范围以达到客观的计算速度，整体运行流畅，指令实现频率可达10Hz以上。
实施例7
一种电子设备，包括存储器、处理器及存储在存储器上并可在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实施例1-3中任意一个实施例所述的智能设备的路径规划方法。
图7为本发明实施例7提供的一种电子设备的结构示意图。图7示出了适于用来实现本发明实施方式的示例性电子设备90的框图。图7显示的电子设备90仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，电子设备90可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备90的组件可以包括但不限于：至少一个处理器91、至少一个存储器92、连接不同系统组件(包括存储器92和处理器91)的总线93。
总线93包括数据总线、地址总线和控制总线。
存储器92可以包括易失性存储器，例如随机存取存储器(RAM)921和/或高速缓存存储器922，还可以进一步包括只读存储器(ROM)923。
存储器92还可以包括具有一组(至少一个)程序模块924的程序工具925，这样的程序模块924包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序，从而执行各种功能应用以及数据处理。
电子设备90也可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且，电子设备90还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器96通过总线93与电子设备90的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备90使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例8
一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1-3中任意一个实施例所述的智能设备的路径规划方法的步骤。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明实施例还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1-3中任意一个实施例所述的智能设备的路径规划方法的步骤。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。
Claims (20)
1.一种智能设备的路径规划方法，其特征在于，所述路径规划方法包括：
通过探测传感器获取智能设备探测范围内所有障碍物的点云数据；
将所述探测范围内没有障碍物的空白区域划分为多个子块，所述子块的面积不小于所述智能设备的占地面积；
对每个子块，根据所述点云数据对每个子块的运行环境进行检测，得到每个子块的运行环境的环境检测值；
选取所述环境检测值满足预设条件的子块作为目标子块，并将所述目标子块的位置作为所述智能设备的目标移动位置。
2.如权利要求1所述的智能设备的路径规划方法，其特征在于，所述对每个子块，根据所述点云数据对每个子块的运行环境进行检测，得到每个子块的运行环境的环境检测值的步骤具体包括：
根据所述点云数据得到检测每个子块的运行环境的运行路径因子，所述运行路径因子包括所述智能设备移动到每个子块的移动路径与每个障碍物的距离信息和/或所述运行路径的宽度；
获取每个子块相对于所述智能设备的第一方位信息；
获取所述智能设备的目的地相对于所述智能设备的第二方位信息；
根据所述第一方位信息和所述第二方位信息得到检测每个子块的运行环境的运行方向因子，所述运行方向因子包括每个子块相对于所述智能设备与所述目的地相对于所述智能设备的方向的夹角；
根据所述运行路径因子和所述运行方向因子计算得到所述环境检测值。
3.如权利要求2所述的智能设备的路径规划方法，其特征在于，所述对每个子块，根据所述点云数据对每个子块的运行环境进行检测，得到每个子块的运行环境的环境检测值的步骤还包括：
根据所述点云数据得到检测每个子块的运行环境的障碍物因子，所述障碍物因子包括每个障碍物与所述智能设备的距离信息、最大的障碍物的点云数据的数量、所有障碍物的点云数据的总数量、所有障碍物占有的面积和所述障碍物的密度中的至少一个；
所述根据所述运行路径因子和所述运行方向因子计算得到所述环境检测值的步骤具体包括：
根据所述障碍物因子、所述运行路径因子和所述运行方向因子计算得到所述环境检测值。
4.如权利要求3所述的智能设备的路径规划方法，其特征在于，所述路径规划方法中通过以下公式求解所环境检测值，包括：
E＝Ez+EL+EF；
其中，Ez为障碍物因子，Drobot为每个障碍物到智能设备的距离，Nmax为最大的障碍物的点云数据的数量，Ntotal为探测范围内所有障碍物的点云数据的总数量，A为所有障碍物占有的面积，ρ为所述障碍物的密度，Dpath为每个障碍物与动路径的距离，EL为运行路径因子，Dnarrow为运行路径的宽度，Wrobot为智能设备的宽度，EF为运行方向因子，θ为每个子块相对于所述智能设备与所述目的地相对于所述智能设备的方向的夹角；a、b、c、d、e、f、g、h为预设系数，E表示子块的环境检测值。
5.如权利要求1所述的智能设备的路径规划方法，其特征在于，所述选取所述环境检测值满足预设条件的子块作为目标子块，并将所述目标子块的位置作为所述智能设备的目标移动位置的步骤具体包括：
选取所述环境监测值最小的候选子块；
获取所述智能设备与所述候选子块的距离值；
获取所述智能设备移动到所述候选个子块所需的时间值；
根据所述候选子块的所述距离值、所述时间值和所述环境检测值得到用于表征所述候选子块的位置能否作为所述智能设备的目标移动位置的评判值；
判断所述评判值是否在预设阈值范围内，若是，则将所述候选子块作为所述目标子块；
将所述目标子块的位置作为所述智能设备的目标移动位置。
6.如权利要求5所述的智能设备的路径规划方法，其特征在于，所述判断所述评判值是否在预设阈值范围内的步骤中，若判断结果为否，则将所述候选子块从所有子块中滤除，然后从滤除后的子块中选取所述环境监测值最小子块作为新的候选子块。
7.如权利要求5所述的智能设备的路径规划方法，其特征在于，所述路径规划方法中通过以下公式求解所述评判值，包括：
其中，P为评判值，K1、K2、K3为预设系数，T为智能设备移动到候选子块的时间，E为候选子块的环境检测值，D为智能设备移动到候选子块的距离值。
8.如权利要求1所述的智能设备的路径规划方法，其特征在于，所述对每个子块，根据所述点云数据对每个子块的运行环境进行检测，得到每个子块的运行环境的环境检测值的步骤之前，所述路径规划方法还包括：
采用噪声过滤算法对所述点云数据进行滤波处理，以滤除所述点云数据中的干扰数据；
所述对每个子块，根据所述点云数据对每个子块的运行环境进行检测，得到每个子块的运行环境的环境检测值的步骤中，根据滤波后的点云数据对每个子块的运行环境进行检测。
9.如权利要求1所述的智能设备的路径规划方法，其特征在于，所述探测传感器用于获取具有深度信息的点云数据，所述探测传感器包括双目相机、RGBD相机、红外相机、多线激光器和单线激光器中的至少一个。
10.一种智能设备的路径规划系统，其特征在于，所述路径规划系统包括探测传感器、子块划分模块、检测模块和目标位置确定模块；
所述探测传感器用于获取智能设备探测范围内所有障碍物的点云数据；
所述子块划分模块用于将所述探测范围内没有障碍物的空白区域划分为多个子块，所述子块的面积不小于所述智能设备的占地面积；
所述检测模块用于对每个子块，根据所述点云数据对每个子块的运行环境进行检测，得到每个子块的运行环境的环境检测值；
所述目标位置确定模块用于选取所述环境检测值满足预设条件的子块作为目标子块，并将所述目标子块的位置作为所述智能设备的目标移动位置。
11.如权利要求10所述的智能设备的路径规划系统，其特征在于，所述检测模块包括第一检测单元、方位信息获取单元和第二检测单元；
所述第一检测单元用于根据所述点云数据得到检测每个子块的运行环境的运行路径因子，所述运行路径因子包括所述智能设备移动到每个子块的移动路径与每个障碍物的距离信息和/或所述运行路径的宽度；
所述方位信息获取单元用于获取每个子块相对于所述智能设备的第一方位信息，还用于获取所述智能设备的目的地相对于所述智能设备的第二方位信息；
所述第二检测单元用于根据所述第一方位信息和所述第二方位信息得到检测每个子块的运行环境的运行方向因子，所述运行方向因子包括每个子块相对于所述智能设备与所述目的地相对于所述智能设备的方向的夹角；
所述检测模块用于根据所述运行路径因子和所述运行方向因子计算得到所述环境检测值。
12.如权利要求11所述的智能设备的路径规划系统，其特征在于，所述检测模块还包括第三检测单元；
所述第三检测单元用于根据所述点云数据得到检测每个子块的运行环境的障碍物因子，所述障碍物因子包括每个障碍物与所述智能设备的距离信息、最大的障碍物的点云数据的数量、所有障碍物的点云数据的总数量、所有障碍物占有的面积和所述障碍物的密度中的至少一个；
所述检测模块用于根据所述障碍物因子、所述运行路径因子和所述运行方向因子计算得到所述环境检测值。
13.如权利要求12所述的智能设备的路径规划系统，其特征在于，所述检测模块通过以下公式求解所环境检测值，包括：
E＝Ez+EL+EF；
其中，Ez为障碍物因子，Drobot为每个障碍物到智能设备的距离，Nmax为最大的障碍物的点云数据的数量，Ntotal为探测范围内所有障碍物的点云数据的总数量，A为所有障碍物占有的面积，ρ为所述障碍物的密度，Dpath为每个障碍物与动路径的距离，EL为运行路径因子，Dnarrow为运行路径的宽度，Wrobot为智能设备的宽度，EF为运行方向因子，θ为每个子块相对于所述智能设备与所述目的地相对于所述智能设备的方向的夹角；a、b、c、d、e、f、g、h为预设系数，E表示子块的环境检测值。
14.如权利要求10所述的智能设备的路径规划系统，其特征在于，所述目标位置确定模块包括候选子块选取单元、距离值获取单元、时间值获取单元、评判值计算单元和判断单元；
所述候选子块选取单元用于选取所述环境监测值最小的候选子块；
所述距离值获取单元用于获取所述智能设备与所述候选子块的距离值；
所述时间值获取单元用于获取所述智能设备移动到所述候选个子块所需的时间值；
所述评判值计算单元用于根据所述候选子块的所述距离值、所述时间值和所述环境检测值得到用于表征所述候选子块的位置能否作为所述智能设备的目标移动位置的评判值；
所述判断单元用于判断所述评判值是否在预设阈值范围内，若是，则将所述候选子块作为所述目标子块；
所述目标位置确定模块用于将所述目标子块的位置作为所述智能设备的目标移动位置。
15.如权利要求14所述的智能设备的路径规划系统，其特征在于，所述目标位置确定模块还包括滤除单元；
所述判断单元用于在判断所述评判值不在预设阈值范围内的时，调用所述滤除单元；
所述滤除单元用于将所述候选子块从所有子块中滤除；
所述候选子块选取单元还用于从滤除后的子块中选取所述环境监测值最小子块作为新的候选子块。
16.如权利要求14所述的智能设备的路径规划方法，其特征在于，所述评判值计算单元通过以下公式求解所述评判值，包括：
其中，P为评判值，K1、K2、K3为预设系数，T为智能设备移动到候选子块的时间，E为候选子块的环境检测值，D为智能设备移动到候选子块的距离值。
17.如权利要求10所述的智能设备的路径规划系统，其特征在于，所述路径规划系统还包括滤波模块；
所述滤波模块用于采用噪声过滤算法对所述点云数据进行滤波处理，以滤除所述点云数据中的干扰数据；
所述检测模块用于根据滤波后的点云数据对每个子块的运行环境进行检测。
18.如权利要求10所述的智能设备的路径规划系统，其特征在于，所述探测传感器用于获取具有深度信息的点云数据，所述探测传感器包括双目相机、RGBD相机、红外相机、多线激光器和单线激光器中的至少一个。
19.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9任一项所述的智能设备的路径规划方法。
20.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至9任一项所述的智能设备的路径规划方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811434958.6A CN110375736B (zh) | 2018-11-28 | 2018-11-28 | 智能设备的路径规划方法、系统、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811434958.6A CN110375736B (zh) | 2018-11-28 | 2018-11-28 | 智能设备的路径规划方法、系统、设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110375736A true CN110375736A (zh) | 2019-10-25 |
| CN110375736B CN110375736B (zh) | 2021-02-26 |
Family
ID=68243098
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811434958.6A Active CN110375736B (zh) | 2018-11-28 | 2018-11-28 | 智能设备的路径规划方法、系统、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110375736B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111338339A (zh) * | 2020-02-20 | 2020-06-26 | 北京京东乾石科技有限公司 | 轨迹规划方法、装置、电子设备及计算机可读介质 |
| CN113075935A (zh) * | 2021-06-04 | 2021-07-06 | 深圳市慧航星科技有限公司 | 一种基于5g网络的机器人路径规划方法、系统和存储介质 |
| CN113920778A (zh) * | 2021-12-15 | 2022-01-11 | 深圳佑驾创新科技有限公司 | 一种图像采集方法及装置 |
| CN114236276A (zh) * | 2021-12-07 | 2022-03-25 | 安徽中家智锐科技有限公司 | 一种电器远程测试的方法和系统 |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110295499A1 (en) * | 2010-05-31 | 2011-12-01 | Denso Corporation | Navigation device |
| US8294712B2 (en) * | 2003-09-19 | 2012-10-23 | The Boeing Company | Scalable method for rapidly detecting potential ground vehicle under cover using visualization of total occlusion footprint in point cloud population |
| US20130002859A1 (en) * | 2011-04-19 | 2013-01-03 | Sanyo Electric Co., Ltd. | Information acquiring device and object detecting device |
| CN104460666A (zh) * | 2014-10-27 | 2015-03-25 | 上海理工大学 | 一种基于距离矢量的机器人自主避障移动控制方法 |
| KR20150062834A (ko) * | 2013-11-29 | 2015-06-08 | 현대엠엔소프트 주식회사 | 휴리스틱을 이용한 주행 경로 탐색 장치 및 방법 |
| US20150168171A1 (en) * | 2012-07-30 | 2015-06-18 | Aisin Aw Co., Ltd. | Navigation device and navigation program |
| CN104898660A (zh) * | 2015-03-27 | 2015-09-09 | 中国科学技术大学 | 一种提高机器人路径规划效率的室内地图构建方法 |
| CN105320133A (zh) * | 2015-10-26 | 2016-02-10 | 广东雷洋智能科技股份有限公司 | 一种应用于扫地机器人的改进势场栅格法 |
| CN105760849A (zh) * | 2016-03-09 | 2016-07-13 | 北京工业大学 | 基于视频的目标对象行为数据获取方法及装置 |
| US9417070B1 (en) * | 2013-04-01 | 2016-08-16 | Nextgen Aerosciences, Inc. | Systems and methods for continuous replanning of vehicle trajectories |
| CN105955275A (zh) * | 2016-05-26 | 2016-09-21 | 华讯方舟科技有限公司 | 一种机器人路径规划方法及系统 |
| CN106092102A (zh) * | 2016-07-20 | 2016-11-09 | 广州极飞电子科技有限公司 | 一种无人机路径规划方法及装置 |
| JP2016204720A (ja) * | 2015-04-27 | 2016-12-08 | 株式会社ソディック | 積層造形装置 |
| CN106647750A (zh) * | 2016-12-07 | 2017-05-10 | 西安电子科技大学 | 一种基于rfid技术的移动机器人路径优化与导引方法 |
| WO2017167760A1 (en) * | 2016-03-28 | 2017-10-05 | Tomtom International B.V. | Methods and systems for generating routes using electronic map data |
| CN107480638A (zh) * | 2017-08-16 | 2017-12-15 | 北京京东尚科信息技术有限公司 | 车辆避障方法、控制器、装置和车辆 |
| US20180011495A1 (en) * | 2016-07-08 | 2018-01-11 | Kubota Corporation | Route search method, route search system, non-transitory computer-readable storage medium, and work vehicle |
| CN108469822A (zh) * | 2018-04-04 | 2018-08-31 | 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 |
| CN108647770A (zh) * | 2018-04-19 | 2018-10-12 | 东华大学 | 一种基于粒子群算法的多无人机救灾搜索路径的优化方法 |
| CN108803605A (zh) * | 2018-06-05 | 2018-11-13 | 广州市远能物流自动化设备科技有限公司 | 一种控制agv小车进行物料取放操作的方法及货位管理系统 |
-
2018
- 2018-11-28 CN CN201811434958.6A patent/CN110375736B/zh active Active
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8294712B2 (en) * | 2003-09-19 | 2012-10-23 | The Boeing Company | Scalable method for rapidly detecting potential ground vehicle under cover using visualization of total occlusion footprint in point cloud population |
| US20110295499A1 (en) * | 2010-05-31 | 2011-12-01 | Denso Corporation | Navigation device |
| US20130002859A1 (en) * | 2011-04-19 | 2013-01-03 | Sanyo Electric Co., Ltd. | Information acquiring device and object detecting device |
| US20150168171A1 (en) * | 2012-07-30 | 2015-06-18 | Aisin Aw Co., Ltd. | Navigation device and navigation program |
| US9417070B1 (en) * | 2013-04-01 | 2016-08-16 | Nextgen Aerosciences, Inc. | Systems and methods for continuous replanning of vehicle trajectories |
| KR20150062834A (ko) * | 2013-11-29 | 2015-06-08 | 현대엠엔소프트 주식회사 | 휴리스틱을 이용한 주행 경로 탐색 장치 및 방법 |
| CN104460666A (zh) * | 2014-10-27 | 2015-03-25 | 上海理工大学 | 一种基于距离矢量的机器人自主避障移动控制方法 |
| CN104898660A (zh) * | 2015-03-27 | 2015-09-09 | 中国科学技术大学 | 一种提高机器人路径规划效率的室内地图构建方法 |
| JP2016204720A (ja) * | 2015-04-27 | 2016-12-08 | 株式会社ソディック | 積層造形装置 |
| CN105320133A (zh) * | 2015-10-26 | 2016-02-10 | 广东雷洋智能科技股份有限公司 | 一种应用于扫地机器人的改进势场栅格法 |
| CN105760849A (zh) * | 2016-03-09 | 2016-07-13 | 北京工业大学 | 基于视频的目标对象行为数据获取方法及装置 |
| WO2017167760A1 (en) * | 2016-03-28 | 2017-10-05 | Tomtom International B.V. | Methods and systems for generating routes using electronic map data |
| CN105955275A (zh) * | 2016-05-26 | 2016-09-21 | 华讯方舟科技有限公司 | 一种机器人路径规划方法及系统 |
| US20180011495A1 (en) * | 2016-07-08 | 2018-01-11 | Kubota Corporation | Route search method, route search system, non-transitory computer-readable storage medium, and work vehicle |
| CN106092102A (zh) * | 2016-07-20 | 2016-11-09 | 广州极飞电子科技有限公司 | 一种无人机路径规划方法及装置 |
| CN106647750A (zh) * | 2016-12-07 | 2017-05-10 | 西安电子科技大学 | 一种基于rfid技术的移动机器人路径优化与导引方法 |
| CN107480638A (zh) * | 2017-08-16 | 2017-12-15 | 北京京东尚科信息技术有限公司 | 车辆避障方法、控制器、装置和车辆 |
| CN108469822A (zh) * | 2018-04-04 | 2018-08-31 | 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 |
| CN108647770A (zh) * | 2018-04-19 | 2018-10-12 | 东华大学 | 一种基于粒子群算法的多无人机救灾搜索路径的优化方法 |
| CN108803605A (zh) * | 2018-06-05 | 2018-11-13 | 广州市远能物流自动化设备科技有限公司 | 一种控制agv小车进行物料取放操作的方法及货位管理系统 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111338339A (zh) * | 2020-02-20 | 2020-06-26 | 北京京东乾石科技有限公司 | 轨迹规划方法、装置、电子设备及计算机可读介质 |
| CN111338339B (zh) * | 2020-02-20 | 2024-02-06 | 北京京东乾石科技有限公司 | 轨迹规划方法、装置、电子设备及计算机可读介质 |
| CN113075935A (zh) * | 2021-06-04 | 2021-07-06 | 深圳市慧航星科技有限公司 | 一种基于5g网络的机器人路径规划方法、系统和存储介质 |
| CN114236276A (zh) * | 2021-12-07 | 2022-03-25 | 安徽中家智锐科技有限公司 | 一种电器远程测试的方法和系统 |
| CN113920778A (zh) * | 2021-12-15 | 2022-01-11 | 深圳佑驾创新科技有限公司 | 一种图像采集方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110375736B (zh) | 2021-02-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110375736A (zh) | 智能设备的路径规划方法、系统、设备及可读存储介质 | |
| CN106056101A (zh) | 用于人脸检测的非极大值抑制方法 | |
| CN106909886A (zh) | 一种基于深度学习的高精度交通标志检测方法及系统 | |
| CN107610235B (zh) | 一种基于深度学习的移动平台导航方法和装置 | |
| CN110967028A (zh) | 导航地图构建方法、装置、机器人及存储介质 | |
| CN107843252A (zh) | 导航路径优化方法、装置及电子设备 | |
| Faigl et al. | A sensor placement algorithm for a mobile robot inspection planning | |
| CN111524095A (zh) | 一种用于旋转物体的目标检测方法 | |
| CN109974699A (zh) | 一种机器人及其地图自主探索方法和装置 | |
| CN107402374A (zh) | 一种定位方法、服务器及定位系统 | |
| CN105447444A (zh) | 一种基于差分窗和模板匹配的otdr事件分析算法 | |
| CN116703984B (zh) | 机器人路径规划及红外光图像融合方法、系统及存储介质 | |
| Demirli et al. | Sonar based mobile robot localization by using fuzzy triangulation | |
| CN102981160B (zh) | 一种确定空中目标航迹的方法及装置 | |
| CN113433937B (zh) | 基于启发式探索的分层导航避障系统、分层导航避障方法 | |
| Zheng et al. | A hierarchical approach for mobile robot exploration in pedestrian crowd | |
| Adam et al. | Computing the sensory uncertainty field of a vision-based localization sensor | |
| KR102260556B1 (ko) | 전역 정보와 지역 정보 통합을 통한 딥러닝 기반 주차구획 검출 방법 및 장치 | |
| CN108803659A (zh) | 基于魔方模型的多窗口启发式三维空间路径规划方法 | |
| CN108305346A (zh) | 设备巡检方法、装置 | |
| CN112419263A (zh) | 一种基于类间覆盖比的多类别非极大抑制方法及系统 | |
| CN116563968A (zh) | 基于风险热力地图的智能巡检方法、装置及电子设备 | |
| Gansemer et al. | Improved RSSI-based Euclidean distance positioning algorithm for large and dynamic WLAN environments | |
| CN112344966B (zh) | 一种定位失效检测方法、装置、存储介质及电子设备 | |
| Bock et al. | An interactive visualization system for urban search & rescue mission planning |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210303 Address after: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080 Patentee after: Beijing Jingbangda Trading Co.,Ltd. Address before: 100086 8th Floor, 76 Zhichun Road, Haidian District, Beijing Patentee before: BEIJING JINGDONG SHANGKE INFORMATION TECHNOLOGY Co.,Ltd. Patentee before: BEIJING JINGDONG CENTURY TRADING Co.,Ltd. Effective date of registration: 20210303 Address after: Room a1905, 19 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176 Patentee after: Beijing Jingdong Qianshi Technology Co.,Ltd. Address before: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080 Patentee before: Beijing Jingbangda Trading Co.,Ltd. |
|
| TR01 | Transfer of patent right |