CN110442125A - 一种移动机器人的动态路径规划方法 - Google Patents

一种移动机器人的动态路径规划方法 Download PDF

Info

Publication number
CN110442125A
CN110442125A CN201910634053.1A CN201910634053A CN110442125A CN 110442125 A CN110442125 A CN 110442125A CN 201910634053 A CN201910634053 A CN 201910634053A CN 110442125 A CN110442125 A CN 110442125A
Authority
CN
China
Prior art keywords
node
path
robot
next node
algorithm
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
Application number
CN201910634053.1A
Other languages
English (en)
Inventor
代小林
孙旭红
何嘉诚
宫大为
李晓宁
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201910634053.1A priority Critical patent/CN110442125A/zh
Publication of CN110442125A publication Critical patent/CN110442125A/zh
Pending legal-status Critical Current

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
    • G01C21/26—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
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • 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
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • 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
    • G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Acoustics & Sound (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明适用于自动控制技术领域，提供了一种移动机器人动态路径规划的方法，其包括以下步骤：采用Floyd算法求得栅格地图上所有节点对之间的距离；当检测到有新的任务下发时，使用改进的A＊算法规划任务路径；在机器人沿着规划好的路径行走时，检查路径上下一个节点是否有障碍物，若无则前进一步，若有则添加下一节点到close表，使用改进的A＊算法快速规划当前节点到目标点的路径；重复上一步，直到机器人走到目标点。本发明基于Floyd算法的计算结果，改进了A＊算法的启发函数，并将其应用于移动机器人连续任务的动态路径规划场景下。使用改进后的A＊算法，仅在路径上出现动态障碍物时，重新规划路径，大大减少了计算量，极大地提升了机器人运行的实时性。

Description

一种移动机器人的动态路径规划方法
技术领域
本发明适用于自动控制技术领域，具体涉及了一种移动机器人的动态路径规划方法。
背景技术
在机器人实际运行的地图环境中存在两种类型的障碍，一种是固定不变的障碍，一种是随着时间而随机出现的障碍。路径规划是指在给定的环境障碍条件下，选择一条从起始点到目标点的路径，使机器人可以安全、无碰撞地通过所有的障碍。这种自主地躲避障碍并完成作业任务的方法，是机器人研究和应用中的一个重要内容。
针对静态障碍物的地图，常见的机器人路径规划方法有A*算法、Dijkstra算法、遗传算法、粒子群算法和人工势场法等.其中A*算法的复杂度最低,计算量相对其他算法都较小,但是在当下的嵌入式机器人上,用A*算法来实时进行路径规划，计算量还是偏大，因此进一步改进A*算法以提高其规划效率是十分有必要的。而且在对称地图,或者节点间具有大量等距路径的地图上,A*算法的路径规划效果往往较差。此外以上的路径规划方法都只考虑到了静态障碍物的躲避，并在此基础上寻求最短路径，若地图中存在动态出现的障碍物，使用这些方法则无法解决。
针对动态障碍物的躲避，目前常见的方法有滚动窗口法和模型预测法等，但是这些方法都过度关注地图的局部动态信息，计算量大，而且对于全局最优的考虑又略显不足。此外，当下移动机器人普遍都是在基本固定的地图场景上持续运行，现有的路径规划算法普遍没有利用到机器人的这种运行特性。
发明内容
为了克服上述现有技术的不足，本发明提供了一种移动机器人动态路径规划方法。其目的在于通过融合Floyd算法改进A*算法的估价函数，在动态的实时避障路径规划过程中，通过暂时将动态障碍节点加入A*算法的close表中，来实现动态的避障路径规划，且计算量大幅减少，路径规划的实时性大大提高。
为实现上述目的，本发明所采用的技术方案是：
(1)采用Floyd算法计算静态栅格地图上所有节点对之间的距离；
(2)机器人检测当前是否有新的任务下发，若无则原地等待；
(3)使用改进的A*算法规划全局任务路径；
(4)在机器人行走时，时刻检测路径上下一个节点的状态，当下一个节点无障碍物时，机器人前进到下一节点；当下一个节点有障碍物时，进行动态路径规划；
(5)重复步骤(4)，直到机器人到达目标点。
进一步地，所述步骤(1)中采用Floyd算法计算静态栅格地图上所有节点对之间的距离的过程为：
(11)用D[v][w]记录每一对节点的最短距离，即节点v和节点w的距离；
(12)依次扫描每一个点，并以其为基点再遍历所有每一对节点D[v][w]的值，当节点v到节点w经过该基点时D[v][w]更小，则用更小的距离值更新D[v][w]的值。
进一步地，所述步骤(2)中机器人检测当前是否有新的任务下发，若无则原地等待的过程为：每当机器人完成当前任务后，会不断检测当前是否有新的任务下发，直到检测到有新任务下发后，停止检测并开始进入动态任务规划环节。
进一步的，所述步骤(3)中使用改进的A*算法规划全局任务路径的过程为：
(31)首先新建open表和close表，其中open表用来保存已经拓展但是未检查的节点，且初始值为当前节点；close表用来保存障碍节点和已经检查过的节点，且初始值为栅格地图上的所有静态障碍物节点；
(32)取出open表中代价值最小的节点作为当前节点，代价值的计算式为F＝G+H，其中F表示代价值，G表示起始点到当前节点的最小距离，H表示当前节点到目标节点的估计距离，这里的H值是步骤(1)中所述的Floyd算法计算而得的当前节点到目标节点的距离；
(33)检查当前节点。如果当前节点是目标点，则输出路径；如果不是目标点，则寻找当前节点的相邻节点，找出其中不包含在open表和close表中的节点，将这些节点添加进open表中，并依据步骤(32)中所述的代价值计算式，分别计算这些节点的代价值；
(34)判断open表是否为空：如果为空，标记无可行路径，结束算法；如果open表不为空，则回到步骤(32)。
进一步的，所述步骤(4)在机器人行走时，时刻检测路径上下一个节点的状态，当下一个节点无障碍物时，机器人前进到下一个节点；当下一个节点有障碍物时，进行动态路径规划的过程为：
(41)当机器人沿步骤(3)所述的改进后的A*算法规划出的路径行走时，因地图动态变化而导致的路径上节点状态的变化，需要实时检测反馈，即使用机器人本体上搭载的外部传感器，如红外传感器、超声传感器等，时刻检查路径上下一个节点的状态，判断下一个节点的可通过性。
(42)当检测到路径上下一个节点可以正常通行时，机器人前进到下一节点；当检测到路径上下一个节点有障碍物时，将下一节点添加到改进的A*算法的close表中，使用步骤(3)所述改进的A*算法快速规划当前节点到目标点的路径。
与现有技术相比，本发明的有益效果是：
(1)本发明综合考虑了地图环境中的静态障碍物以及动态障碍物的躲避，基于Floyd算法改进了A*算法，在A*算法的路径规划中，对于当前节点到目标节点的距离估计准确性非常高，拓展节点的个数大大减少，极大地降低了路径规划的计算量。
(2)当移动机器人在基本固定的地图场景上持续运行时，本发明的规划效率非常高。
附图说明
图1是本发明一个实施例中提供的移动机器人动态路径规划方法的流程图；
图2是在静态的20*20的栅格地图中，机器人从左上的起始点到右下的目标点的全局路径初始规划结果，其中路径为“o”；
图3是当机器人运行到某一节点，检测到路径上下一个节点为障碍节点(图中灰色栅格)时，动态规划的实时路径，其中路径为“△”。
具体实施方式
下面结合附图对本发明进一步说明。
如图1所示，本发明提供了一种移动机器人的动态路径规划方法，其包括以下步骤：
(1)采用Floyd算法计算静态栅格地图上所有节点对之间的距离的过程为：
(11)用D[v][w]记录每一对节点的最短距离，即节点v和节点w的距离；
(12)依次扫描每一个点，并以其为基点再遍历所有每一对节点D[v][w]的值，当节点v到节点w经过该基点时D[v][w]更小，则用更小的距离值更新D[v][w]的值。
(2)机器人检测当前是否有新的任务下发，若无则原地等待的过程为：每当机器人完成当前任务后，会不断检测当前是否有新的任务下发，直到检测到有新任务下发后，停止检测并开始进入动态任务规划环节。
(3)使用改进的A*算法规划全局任务路径的过程为：
(31)首先新建open表和close表，其中open表用来保存已经拓展但是未检查的节点，且初始值为当前节点；close表用来保存障碍节点和已经检查过的节点，且初始值为栅格地图上的所有静态障碍物节点；
(32)取出open表中代价值最小的节点作为当前节点，代价值的计算式为F＝G+H，其中F表示代价值，G表示起始点到当前节点的最小距离，H表示当前节点到目标节点的估计距离，这里的H值是步骤(1)中所述的Floyd算法计算而得的当前节点到目标节点的距离。
(33)检查当前节点。如果当前节点是目标点，则输出路径，如图2所示；如果不是目标点，则寻找当前节点的相邻节点，找出其中不包含在open表和close表中的节点，将这些节点添加进open表中，并依据步骤(32)中所述的代价值计算式，分别计算这些节点的代价值。
(34)open表是否为空：如果为空，标记无可行路径，结束算法；如果open表不为空，将则回到步骤(32)。
(4)机器人行走时，时刻检测路径上下一个节点的状态，当下一个节点无障碍物时，机器人前进到下一节点；当下一个节点有障碍物时，进行动态路径规划的过程为：
(41)当机器人沿着步骤(3)所述的改进后的A*算法规划出路径行走时，因地图动态变化而导致的路径上节点状态的变化，需要实时检测反馈，即使用机器人本体上搭载的外部传感器，如红外传感器、超声传感器等，时刻检查路径上下一个节点的状态，判断下一个节点的可通过性。
(42)当检测到路径上下一个节点可以正常通行时，机器人前进到下一节点；当检测到路径上下一个节点有障碍物时，将下一节点添加到改进的A*算法的close表中，使用步骤(2)所述改进的A*算法快速规划当前节点到目标点的路径，如图3所示。
(5)重复步骤(4)，直到机器人到达目标点。然后回到步骤(2)。

Claims (4)

1.一种移动机器人的动态路径规划方法，其特征在于：所述方法包括以下步骤：
(1)采用Floyd算法计算静态栅格地图上所有节点对之间的距离；
(2)机器人检测当前是否有新的任务下发，若无则原地等待；
(3)使用改进的A*算法规划全局任务路径；
(4)在机器人行走时，时刻检测路径上下一个节点的状态，当下一个节点无障碍物时，机器人前进到下一节点，当下一个节点有障碍物时，进行动态路径规划；
(5)重复此过程，直到机器人到达目标点。
2.根据权利要求1所述的一种移动机器人的动态路径规划方法，其特征在于：所述步骤(2)中机器人检测当前是否有新的任务下发，若无则原地等待的过程为：每当机器人完成当前任务后，会不断检测当前是否有新的任务下发，直到检测到有新任务下发后，停止检测并开始进入动态任务规划环节。
3.根据权利要求1所述的一种移动机器人的动态路径规划方法，其特征在于：所述步骤(3)改进的A*算法规划全局任务路径的步骤为：
(31)新建open表和close表，其中open表用来保存已经拓展但是未检查的节点，且初始值为当前节点；close表用来保存障碍节点和已经检查过的节点，且初始值为栅格地图上的所有静态障碍物节点；
(32)取出open表中代价值最小的节点作为当前节点，代价值的计算式为F＝G+H，其中F表示代价值，G表示起始点到当前节点的最小距离，H表示当前节点到目标节点的估计距离，这里的H值是权利要求1所述的Floyd算法计算而得的当前节点到目标节点的距离；
(33)检查当前节点。如果当前节点是目标点，则输出路径；如果不是目标点，则寻找当前节点的相邻节点，找出其中不包含在open表和close表中的节点，将这些节点添加进open表中，并依据步骤(32)中所述的代价值计算式，分别计算这些节点的代价值；
(34)判断open表是否为空：如果为空，标记无可行路径，结束算法；如果open表不为空，则转到步骤(32)。
4.根据权利要求1所述的一种移动机器人的动态路径规划方法，其特征在于：所述在机器人行走时，时刻检测路径上下一个节点的状态，当下一个节点无障碍物时，机器人前进到下一节点；当下一个节点有障碍物时，进行动态路径规划的过程为：
(41)当机器人沿着权利要求1或3所述的改进后的A*算法规划出的路径行走时，因地图动态变化而导致的路径上节点状态的变化，需要实时检测反馈，即使用机器人本体上搭载的外部传感器，如红外传感器、超声传感器等，时刻检查路径上下一个节点的状态，判断下一个节点的可通过性；
(42)当检测到路径上下一个节点可以正常通行时，机器人前进到下一节点；当检测到路径上下一个节点有障碍物时，将下一节点添加到改进的A*算法的close表中，使用权利要求1或3所述改进的A*算法快速规划当前节点到目标点的路径。
CN201910634053.1A 2019-07-15 2019-07-15 一种移动机器人的动态路径规划方法 Pending CN110442125A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910634053.1A CN110442125A (zh) 2019-07-15 2019-07-15 一种移动机器人的动态路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910634053.1A CN110442125A (zh) 2019-07-15 2019-07-15 一种移动机器人的动态路径规划方法

Publications (1)

Publication Number Publication Date
CN110442125A true CN110442125A (zh) 2019-11-12

Family

ID=68429631

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910634053.1A Pending CN110442125A (zh) 2019-07-15 2019-07-15 一种移动机器人的动态路径规划方法

Country Status (1)

Country Link
CN (1) CN110442125A (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110823240A (zh) * 2019-11-19 2020-02-21 齐鲁工业大学 一种具有航向约束的跟随机器人路径规划方法及系统
CN111443711A (zh) * 2020-03-27 2020-07-24 浙江华消科技有限公司 消防机器人避障方法、装置、消防机器人和可读存储介质
CN111938513A (zh) * 2020-06-30 2020-11-17 珠海市一微半导体有限公司 一种机器人越障的沿边路径选择方法、芯片及机器人
CN112114584A (zh) * 2020-08-14 2020-12-22 天津理工大学 一种球形两栖机器人的全局路径规划方法
CN112540607A (zh) * 2020-04-03 2021-03-23 深圳优地科技有限公司 路径规划的方法、装置、电子设备及存储介质
CN112857384A (zh) * 2021-01-18 2021-05-28 西安电子科技大学 基于改进启发函数的a*算法的移动机器人路径规划方法
CN113031603A (zh) * 2021-03-05 2021-06-25 湖南大学 一种基于任务优先级的多物流机器人协同路径规划方法
CN113110503A (zh) * 2021-05-12 2021-07-13 深圳市千乘机器人有限公司 一种基于移动机器人的多检测目标最短路径计算方法
CN113137972A (zh) * 2020-01-16 2021-07-20 北京京东乾石科技有限公司 路径规划的方法和装置
CN113156968A (zh) * 2021-05-06 2021-07-23 郑州铁路职业技术学院 一种移动机器人的路径规划方法及系统
CN113359720A (zh) * 2021-05-31 2021-09-07 上海高仙自动化科技发展有限公司 移动设备避障方法、装置、电子设备及计算机可读存储介质
CN114072254A (zh) * 2020-05-26 2022-02-18 医达科技公司 不确定环境中利用静态和动态碰撞规避的机器人路径规划方法
CN114199266A (zh) * 2021-11-25 2022-03-18 江苏集萃智能制造技术研究所有限公司 一种基于导诊服务机器人的目标被占用的路径规划方法
CN114872054A (zh) * 2022-07-11 2022-08-09 深圳市麦瑞包装制品有限公司 一种包装容器工业制造用机器手定位方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105116902A (zh) * 2015-09-09 2015-12-02 北京进化者机器人科技有限公司 一种移动机器人避障导航的方法和系统
CN105844364A (zh) * 2016-04-08 2016-08-10 上海派毅智能科技有限公司 基于启发函数的服务机器人最优路径规划方法
CN108253984A (zh) * 2017-12-19 2018-07-06 昆明理工大学 一种基于改进a星算法的移动机器人路径规划方法
CN108646765A (zh) * 2018-07-25 2018-10-12 齐鲁工业大学 基于改进a*算法的四足机器人路径规划方法及系统
CN109508016A (zh) * 2018-12-26 2019-03-22 北京工商大学 水质采样巡航船路径规划最优化方法
CN109709945A (zh) * 2017-10-26 2019-05-03 深圳市优必选科技有限公司 一种基于障碍物分类的路径规划方法、装置及机器人
CN109947098A (zh) * 2019-03-06 2019-06-28 天津理工大学 一种基于机器学习策略的距离优先最佳路径选择方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105116902A (zh) * 2015-09-09 2015-12-02 北京进化者机器人科技有限公司 一种移动机器人避障导航的方法和系统
CN105844364A (zh) * 2016-04-08 2016-08-10 上海派毅智能科技有限公司 基于启发函数的服务机器人最优路径规划方法
CN109709945A (zh) * 2017-10-26 2019-05-03 深圳市优必选科技有限公司 一种基于障碍物分类的路径规划方法、装置及机器人
CN108253984A (zh) * 2017-12-19 2018-07-06 昆明理工大学 一种基于改进a星算法的移动机器人路径规划方法
CN108646765A (zh) * 2018-07-25 2018-10-12 齐鲁工业大学 基于改进a*算法的四足机器人路径规划方法及系统
CN109508016A (zh) * 2018-12-26 2019-03-22 北京工商大学 水质采样巡航船路径规划最优化方法
CN109947098A (zh) * 2019-03-06 2019-06-28 天津理工大学 一种基于机器学习策略的距离优先最佳路径选择方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张志文: "AGV路径规划与避障算法的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
陈欢 等: "基于A*与Floyd算法移动机器人路径规划研究", 《建设机械技术与管理》 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110823240B (zh) * 2019-11-19 2021-05-11 齐鲁工业大学 一种具有航向约束的跟随机器人路径规划方法及系统
CN110823240A (zh) * 2019-11-19 2020-02-21 齐鲁工业大学 一种具有航向约束的跟随机器人路径规划方法及系统
CN113137972B (zh) * 2020-01-16 2024-05-17 北京京东乾石科技有限公司 路径规划的方法和装置
CN113137972A (zh) * 2020-01-16 2021-07-20 北京京东乾石科技有限公司 路径规划的方法和装置
CN111443711A (zh) * 2020-03-27 2020-07-24 浙江华消科技有限公司 消防机器人避障方法、装置、消防机器人和可读存储介质
CN111443711B (zh) * 2020-03-27 2023-05-23 浙江华消科技有限公司 消防机器人避障方法、装置、消防机器人和可读存储介质
CN112540607A (zh) * 2020-04-03 2021-03-23 深圳优地科技有限公司 路径规划的方法、装置、电子设备及存储介质
CN114072254A (zh) * 2020-05-26 2022-02-18 医达科技公司 不确定环境中利用静态和动态碰撞规避的机器人路径规划方法
CN111938513B (zh) * 2020-06-30 2021-11-09 珠海市一微半导体有限公司 一种机器人越障的沿边路径选择方法、芯片及机器人
CN111938513A (zh) * 2020-06-30 2020-11-17 珠海市一微半导体有限公司 一种机器人越障的沿边路径选择方法、芯片及机器人
CN112114584A (zh) * 2020-08-14 2020-12-22 天津理工大学 一种球形两栖机器人的全局路径规划方法
CN112857384B (zh) * 2021-01-18 2022-07-26 西安电子科技大学 基于改进启发函数的a*算法的移动机器人路径规划方法
CN112857384A (zh) * 2021-01-18 2021-05-28 西安电子科技大学 基于改进启发函数的a*算法的移动机器人路径规划方法
CN113031603A (zh) * 2021-03-05 2021-06-25 湖南大学 一种基于任务优先级的多物流机器人协同路径规划方法
CN113156968A (zh) * 2021-05-06 2021-07-23 郑州铁路职业技术学院 一种移动机器人的路径规划方法及系统
CN113110503A (zh) * 2021-05-12 2021-07-13 深圳市千乘机器人有限公司 一种基于移动机器人的多检测目标最短路径计算方法
CN113359720A (zh) * 2021-05-31 2021-09-07 上海高仙自动化科技发展有限公司 移动设备避障方法、装置、电子设备及计算机可读存储介质
CN113359720B (zh) * 2021-05-31 2024-05-24 上海高仙自动化科技发展有限公司 移动设备避障方法、装置、电子设备及计算机可读存储介质
CN114199266A (zh) * 2021-11-25 2022-03-18 江苏集萃智能制造技术研究所有限公司 一种基于导诊服务机器人的目标被占用的路径规划方法
CN114872054A (zh) * 2022-07-11 2022-08-09 深圳市麦瑞包装制品有限公司 一种包装容器工业制造用机器手定位方法

Similar Documents

Publication Publication Date Title
CN110442125A (zh) 一种移动机器人的动态路径规划方法
Banzhaf et al. The future of parking: A survey on automated valet parking with an outlook on high density parking
CN111670468B (zh) 移动体行为预测装置以及移动体行为预测方法
Göhring et al. Radar/lidar sensor fusion for car-following on highways
Fulgenzi et al. Probabilistic navigation in dynamic environment using rapidly-exploring random trees and gaussian processes
Pool et al. Using road topology to improve cyclist path prediction
Fulgenzi et al. Dynamic obstacle avoidance in uncertain environment combining PVOs and occupancy grid
CN104897168B (zh) 基于道路危险评估的智能车路径搜索方法及系统
US9127956B2 (en) Technique for lane assignment in a vehicle
CN110262488A (zh) 自动驾驶的局部路径规划方法、系统及计算机可读存储介质
Taş et al. Limited visibility and uncertainty aware motion planning for automated driving
US11648939B2 (en) Collision monitoring using system data
JP2021533036A (ja) 自律エージェントによる行動方針選択のための多視点システムおよび方法
US11697412B2 (en) Collision monitoring using statistic models
CN112394725B (zh) 用于自动驾驶的基于预测和反应视场的计划
Lee et al. Collision risk assessment for possible collision vehicle in occluded area based on precise map
JP2011054082A (ja) 自律移動装置
Lategahn et al. Mapping in dynamic environments using stereo vision
US11645775B1 (en) Methods and apparatus for depth estimation on a non-flat road with stereo-assisted monocular camera in a vehicle
Narksri et al. Crossing blind intersections from a full stop using estimated visibility of approaching vehicles
Lee et al. Ods-bot: Mobile robot navigation for outdoor delivery services
Vu et al. Grid-based localization and online mapping with moving objects detection and tracking: new results
Gilhuly et al. Looking for trouble: Informative planning for safe trajectories with occlusions
Berntorp et al. Particle filtering for online motion planning with task specifications
CN113867356A (zh) 机器人路径规划方法、装置及机器人

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191112