CN110450168B - 一种机器人及其自主导航方法、装置、存储介质 - Google Patents

一种机器人及其自主导航方法、装置、存储介质 Download PDF

Info

Publication number
CN110450168B
CN110450168B CN201910799949.5A CN201910799949A CN110450168B CN 110450168 B CN110450168 B CN 110450168B CN 201910799949 A CN201910799949 A CN 201910799949A CN 110450168 B CN110450168 B CN 110450168B
Authority
CN
China
Prior art keywords
robot
interval
target
predicted
speed
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
Application number
CN201910799949.5A
Other languages
English (en)
Other versions
CN110450168A (zh
Inventor
胡连逵
周剑
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.)
Guangdong Xingsong Technology Co.,Ltd.
Original Assignee
Foshan Hinson Robot Technology Co ltd
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 Foshan Hinson Robot Technology Co ltd filed Critical Foshan Hinson Robot Technology Co ltd
Priority to CN201910799949.5A priority Critical patent/CN110450168B/zh
Publication of CN110450168A publication Critical patent/CN110450168A/zh
Application granted granted Critical
Publication of CN110450168B publication Critical patent/CN110450168B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及智能机器人技术领域，具体涉及一种机器人及其自主导航方法、装置、存储介质，所述方法为：首先读取为机器人设定的目标运行路径；进而实时获取机器人的当前位置和速度区间，根据所述当前位置和速度区间生成机器人在下一时刻的预测位置区间；接着从所述预测位置区间中选取目标位置，根据所述目标位置对应的速度控制机器人运行，直至机器人沿所述目标运行路径运行至终点，本发明可以控制机器人以设定的路径自主定位导航。

Description

一种机器人及其自主导航方法、装置、存储介质
技术领域
本发明涉及智能机器人技术领域，具体涉及一种机器人及其自主导航方法、装置、存储介质。
背景技术
机器人产业目前正在不断升温，有专家预测未来机器人行业将会迎来爆发式发展，在机器人系统中，自主导航是赋予机器人感知和行动能力的关键。也是机器人的核心技术之一，对于机器人而言，利用自身安装的多种传感器(包括激光雷达、视觉传感器、里程仪、罗盘、加速度计等)快速、准确地获取周围环境的信息固然重要，但仅仅依靠这些，并不能真正实现自主定位导航。
鉴于此，如何有效利用各种传感器采集的数据，控制机器人以设定的路径自主定位导航，成为亟待解决的问题。
发明内容
为解决上述问题，本发明提供一种机器人及其自主导航方法、装置、存储介质，能够有效利用各种传感器采集的数据，控制机器人以设定的路径自主定位导航。
为了实现上述目的，本发明提供以下技术方案：
一种自主导航方法，包括：
读取为机器人设定的目标运行路径；
实时获取机器人的当前位置和速度区间，根据所述当前位置和速度区间生成机器人在下一时刻的预测位置区间；
从所述预测位置区间中选取目标位置，根据所述目标位置对应的速度控制机器人运行，直至机器人沿所述目标运行路径运行至终点。
进一步，所述实时获取机器人在当前时刻的位置和运行速度之后，还包括：
获取机器人在当前时刻的位置与目标运行路径的位置偏差，判断所述位置偏差是否大于第一阈值，当所述位置偏差大于第一阈值时，计算机器人至所述目标运行路径的最短路径，控制机器人沿所述最短路径以最大速度运行至目标运行路径。
优选地，所述根据所述当前位置和速度区间生成机器人在下一时刻的预测位置区间，具体为：
以设定的采样周期Δt作为相邻两个采样时间点的时间间隔，实时获取机器人的当前坐标(xt,yt)，以及机器人当前的运行方向与目标运行路径的偏离角度θt，将所述当前坐标(xt,yt)和偏离角度θt作为当前位置；
根据以下公式计算得出速度区间，将该速度区间中任意一组速度设为(vt,wt)；
Figure BDA0002182044520000021
其中，vc、wc是机器人的当前速度，
Figure BDA0002182044520000022
为机器人的最大减速度，
Figure BDA0002182044520000023
为机器人的最大加速度，
Figure BDA0002182044520000024
为机器人的最大角减速度，
Figure BDA0002182044520000025
为机器人的最大角加速度，Vd为速度区间；
通过以下公式计算机器人在下一时刻的预测位置区间：
xt+1＝xt+vtΔtcosθt
yt+1＝yt+vtΔtsinθt
θt+1＝θt+wtΔt
其中，(xt+1,yt+1)即为机器人在下一时刻的预测坐标，θt+1即为机器人在下一时刻的预测角度，将所述预测坐标和预测角度作为预测位置，将全部的预测位置作为预测位置区间。
进一步地，在生成机器人在下一时刻的预测位置区间之后，还包括：
采用高斯滤波对所述预测位置区间作进一步限定，获取可行位置区间，具体为：
通过以下公式计算预测位置区间的高斯概率密度函数：
Figure BDA0002182044520000026
根据所述高斯概率密度函数计算得出标准差σ和方差μ；
将在区间[μ-σ,μ+σ]范围内的预测位置作为可行位置区间。
优选地，所述从所述预测位置区间中选取目标位置，具体为：
从所述预测位置区间中选取与目标运行路径距离最短的预测位置，将所述距离最短的预测位置作为目标位置。
一种自主导航装置，包括：
目标运行路径读取模块100，用于读取为机器人设定的目标运行路径；
预测位置区间生成模块200，用于实时获取机器人的当前位置和速度区间，根据所述当前位置和速度区间生成机器人在下一时刻的预测位置区间；
控制运行模块300，用于从所述预测位置区间中选取目标位置，根据所述目标位置对应的速度控制机器人运行，直至机器人沿所述目标运行路径运行至终点。
一种机器人，所述机器人包括：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机器人导航程序，所述机器人导航程序被所述处理器执行时实现上述任一项所述的自主导航方法的步骤。
一种存储介质，所述计算机可读存储介质上存储有机器人导航程序，所述机器人导航程序被处理器执行时实现上述任一项所述的自主导航方法的步骤。
本发明的有益效果是：本发明公开一种机器人及其自主导航方法、装置、存储介质，首先读取为机器人设定的目标运行路径；进而实时获取机器人的当前位置和速度区间，根据所述当前位置和速度区间生成机器人在下一时刻的预测位置区间；接着从所述预测位置区间中选取目标位置，根据所述目标位置对应的速度控制机器人运行，直至机器人沿所述目标运行路径运行至终点。本发明有效利用各种传感器采集的数据，控制机器人以设定的路径自主定位导航。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一种自主导航方法的流程示意图；
图2是本发明实施例一种自主导航装置的结构示意图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。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。
参考图1，图1为本公开实施例提供的一种自主导航方法，包括以下步骤：
步骤S100、读取为机器人设定的目标运行路径；
步骤S200、实时获取机器人的当前位置和速度区间，根据所述当前位置和速度区间生成机器人在下一时刻的预测位置区间；
步骤S300、从所述预测位置区间中选取目标位置，根据所述目标位置对应的速度控制机器人运行，直至机器人沿所述目标运行路径运行至终点。
本实施例中，首先读取为机器人设定的目标运行路径；进而实时获取机器人的当前位置和速度区间，根据所述当前位置和速度区间生成机器人在下一时刻的预测位置区间本实施例中，可采用激光里程计实时采集机器人的当前位置，根据生成的预测位置区间作为控制机器人运行目标的可选项，初步得出与目标运行路径匹配的机器人自主导航控制区间；接着从所述预测位置区间中选取目标位置，根据所述目标位置对应的速度控制机器人运行，直至机器人沿所述目标运行路径运行至终点。本公开提供的实施例可以有效利用各种传感器采集的数据，控制机器人以设定的路径自主定位导航。
在一个改进的实施例中，在步骤S200中，实时获取机器人的当前位置和速度区间之后，还包括：
获取机器人在当前位置与目标运行路径的位置偏差，判断所述位置偏差是否大于第一阈值，当所述位置偏差大于第一阈值时，计算机器人至所述目标运行路径的最短路径，控制机器人沿所述最短路径以最大速度运行至目标运行路径。
本实施例提供的技术方案可以对机器人在当前位置做出初步预判，当偏离目标运行路径太多时，直接以最大速度运行至目标运行路径，减少自主导航的时间，降低控制方法的复杂度。本领域技术人员清楚，本实施例所述的第一阈值可以根据机器人的运行步幅和目标运行路径的长度进行合理设置，一般地，当机器人可运行空间较小时，可将所述第一阈值设置得较小，当机器人可运行空间较小时，可将所述第一阈值设置得较大。所述最大速度由机器人在当前时刻所具有的最大运行能力决定。
在一个优选的实施例中，在步骤S200中，所述根据所述当前位置和速度区间生成机器人在下一时刻的预测位置区间，具体为：
以设定的采样周期Δt作为相邻两个采样时间点的时间间隔，实时获取机器人的当前坐标(xt,yt)，以及机器人当前的运行方向与目标运行路径的偏离角度θt，将所述当前坐标(xt,yt)和偏离角度θt作为当前位置；
根据以下公式计算得出速度区间，将该速度区间中任意一组速度设为(vt,wt)；
Figure BDA0002182044520000041
其中，vc、wc是机器人的当前速度，
Figure BDA0002182044520000042
为机器人的最大减速度，
Figure BDA0002182044520000043
为机器人的最大加速度，
Figure BDA0002182044520000044
为机器人的最大角减速度，
Figure BDA0002182044520000045
为机器人的最大角加速度，Vd为速度区间；
通过以下公式计算机器人在下一时刻的预测位置区间：
xt+1＝xt+vtΔtcosθt
yt+1＝yt+vtΔtsinθt
θt+1＝θt+wtΔt
其中，(xt+1,yt+1)即为机器人在下一时刻的预测坐标，θt+1即为机器人在下一时刻的预测角度，将所述预测坐标和预测角度作为预测位置，将全部的预测位置作为预测位置区间。
在一个优选的实施例中，在步骤S200中，在生成机器人在下一时刻的预测位置区间之后，还包括：
采用高斯滤波对所述预测位置区间作进一步限定，获取可行位置区间，具体为：
通过以下公式计算预测位置区间的高斯概率密度函数：
Figure BDA0002182044520000051
根据所述高斯概率密度函数计算得出标准差σ和方差μ；
将在区间[μ-σ,μ+σ]范围内的预测位置作为可行位置区间。
本实施例中，根据机器人自主导航的实际情况，可认为机器人运行时，其路径是偏离目标运行路径的高斯概率分布，因而可建立预测位置区间的高斯概率密度函数，本领域技术人员在无需付出创造性劳动的情况下，可计算得出所述高斯概率密度函数的标准差σ和方差μ；作为优选，本实施例将在区间[μ-σ,μ+σ]范围内的预测位置作为可行位置区间，初步选取更加有效的预测位置区间，剔除不符合实际需要的无效预测位置，提高了自动导航的效率。
在一个优选的实施例中，在步骤S300中，所述从所述预测位置区间中选取目标位置，具体为：
从所述预测位置区间中选取与目标运行路径距离最短的预测位置，将所述距离最短的预测位置作为目标位置。
本实施例选取与目标运行路径距离最短的预测位置，是最为便捷快速的自主导航路径，极大地提高了机器人自动导航的效率。
参考图2，图2为本公开实施例提供的一种自主导航装置，包括：
目标运行路径读取模块100，用于读取为机器人设定的目标运行路径；
预测位置区间生成模块200，用于实时获取机器人的当前位置和速度区间，根据所述当前位置和速度区间生成机器人在下一时刻的预测位置区间；
控制运行模块300，用于从所述预测位置区间中选取目标位置，根据所述目标位置对应的速度控制机器人运行，直至机器人沿所述目标运行路径运行至终点。
本公开的另一方面，还提供一种机器人，其特征在于，所述机器人包括：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机器人导航程序，所述机器人导航程序被所述处理器执行时实现如上述任一项所述的自主导航方法的步骤。
本公开的再一方面，还提供一种存储介质，其特征在于，所述计算机可读存储介质上存储有机器人导航程序，所述机器人导航程序被处理器执行时实现如上述任一项所述的自主导航方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件的实现方式，以嵌入式软件加载到处理器中，以有效利用各种传感器采集的数据，控制机器人以设定的路径自主定位导航。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来。
所称处理器可以是中央处理单元(Central-Processing-Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital-Signal-Processor，DSP)、专用集成电路(Application-Specific-Integrated-Circuit，ASIC)、现成可编程门阵列(Field-Programmable-Gate-Arr ay，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述机器人的控制中心，利用各种接口和线路连接整个机器人的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述自主导航装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart-Media-Card,SMC)，安全数字(Secure-Digital,SD)卡，闪存卡(Flash-Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求，考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。

Claims (4)

1.一种自主导航方法，其特征在于，包括：
读取为机器人设定的目标运行路径；
实时获取机器人的当前位置和速度区间，根据所述当前位置和速度区间生成机器人在下一时刻的预测位置区间；其中，机器人的当前位置采用激光里程计实时采集得到；
从所述预测位置区间中选取目标位置，根据所述目标位置对应的速度控制机器人运行，直至机器人沿所述目标运行路径运行至终点；
其中，所述实时获取机器人在当前时刻的位置和运行速度之后，还包括：
获取机器人在当前时刻的位置与目标运行路径的位置偏差，判断所述位置偏差是否大于第一阈值，当所述位置偏差大于第一阈值时，计算机器人至所述目标运行路径的最短路径，控制机器人沿所述最短路径以最大速度运行至目标运行路径；
其中，所述根据所述当前位置和速度区间生成机器人在下一时刻的预测位置区间，具体为：
以设定的采样周期Δt作为相邻两个采样时间点的时间间隔，实时获取机器人的当前坐标(xt,yt)，以及机器人当前的运行方向与目标运行路径的偏离角度θt，将所述当前坐标(xt,yt)和偏离角度θt作为当前位置；
根据以下公式计算得出速度区间，将该速度区间中任意一组速度设为(vt,wt)；
Figure FDA0003702761250000011
其中，vc、wc是机器人的当前速度，
Figure FDA0003702761250000012
为机器人的最大减速度，
Figure FDA0003702761250000013
为机器人的最大加速度，
Figure FDA0003702761250000014
为机器人的最大角减速度，
Figure FDA0003702761250000015
为机器人的最大角加速度，Vd为速度区间；
通过以下公式计算机器人在下一时刻的预测位置区间：
xt+1＝xt+vtΔtcosθt
yt+1＝yt+vtΔtsinθt
θt+1＝θt+wtΔt
其中，(xt+1,yt+1)即为机器人在下一时刻的预测坐标，θt+1即为机器人在下一时刻的预测角度，将所述预测坐标和预测角度作为预测位置，将全部的预测位置作为预测位置区间；
其中，在生成机器人在下一时刻的预测位置区间之后，还包括：
采用高斯滤波对所述预测位置区间作进一步限定，获取可行位置区间，具体为：
通过以下公式计算预测位置区间的高斯概率密度函数：
Figure FDA0003702761250000021
根据所述高斯概率密度函数计算得出标准差σ和方差μ；
将在区间[μ-σ,μ+σ]范围内的预测位置作为可行位置区间；
所述从所述预测位置区间中选取目标位置，具体为：
从所述预测位置区间中选取与目标运行路径距离最短的预测位置，将所述距离最短的预测位置作为目标位置。
2.一种自主导航装置，其特征在于，包括：
目标运行路径读取模块100，用于读取为机器人设定的目标运行路径；
预测位置区间生成模块200，用于实时获取机器人的当前位置和速度区间，根据所述当前位置和速度区间生成机器人在下一时刻的预测位置区间；
控制运行模块300，用于从所述预测位置区间中选取目标位置，根据所述目标位置对应的速度控制机器人运行，直至机器人沿所述目标运行路径运行至终点；
其中，所述实时获取机器人在当前时刻的位置和运行速度之后，还包括：
获取机器人在当前时刻的位置与目标运行路径的位置偏差，判断所述位置偏差是否大于第一阈值，当所述位置偏差大于第一阈值时，计算机器人至所述目标运行路径的最短路径，控制机器人沿所述最短路径以最大速度运行至目标运行路径；
其中，所述根据所述当前位置和速度区间生成机器人在下一时刻的预测位置区间，具体为：
以设定的采样周期Δt作为相邻两个采样时间点的时间间隔，实时获取机器人的当前坐标(xt,yt)，以及机器人当前的运行方向与目标运行路径的偏离角度θt，将所述当前坐标(xt,yt)和偏离角度θt作为当前位置；
根据以下公式计算得出速度区间，将该速度区间中任意一组速度设为(vt,wt)；
Figure FDA0003702761250000022
其中，vc、wc是机器人的当前速度，
Figure FDA0003702761250000023
为机器人的最大减速度，
Figure FDA0003702761250000024
为机器人的最大加速度，
Figure FDA0003702761250000025
为机器人的最大角减速度，
Figure FDA0003702761250000026
为机器人的最大角加速度，Vd为速度区间；
通过以下公式计算机器人在下一时刻的预测位置区间：
xt+1＝xt+vtΔtcosθt
yt+1＝yt+vtΔtsinθt
θt+1＝θt+wtΔt
其中，(xt+1,yt+1)即为机器人在下一时刻的预测坐标，θt+1即为机器人在下一时刻的预测角度，将所述预测坐标和预测角度作为预测位置，将全部的预测位置作为预测位置区间；
其中，在生成机器人在下一时刻的预测位置区间之后，还包括：
采用高斯滤波对所述预测位置区间作进一步限定，获取可行位置区间，具体为：
通过以下公式计算预测位置区间的高斯概率密度函数：
Figure FDA0003702761250000031
根据所述高斯概率密度函数计算得出标准差σ和方差μ；
将在区间[μ-σ,μ+σ]范围内的预测位置作为可行位置区间；
所述从所述预测位置区间中选取目标位置，具体为：
从所述预测位置区间中选取与目标运行路径距离最短的预测位置，将所述距离最短的预测位置作为目标位置。
3.一种机器人，其特征在于，所述机器人包括：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机器人导航程序，所述机器人导航程序被所述处理器执行时实现如权利要求1所述的自主导航方法的步骤。
4.一种存储介质，其特征在于，所述计算机可读存储介质上存储有机器人导航程序，所述机器人导航程序被处理器执行时实现如权利要求1所述的自主导航方法的步骤。
CN201910799949.5A 2019-08-28 2019-08-28 一种机器人及其自主导航方法、装置、存储介质 Active CN110450168B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910799949.5A CN110450168B (zh) 2019-08-28 2019-08-28 一种机器人及其自主导航方法、装置、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910799949.5A CN110450168B (zh) 2019-08-28 2019-08-28 一种机器人及其自主导航方法、装置、存储介质

Publications (2)

Publication Number Publication Date
CN110450168A CN110450168A (zh) 2019-11-15
CN110450168B true CN110450168B (zh) 2022-08-12

Family

ID=68489481

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910799949.5A Active CN110450168B (zh) 2019-08-28 2019-08-28 一种机器人及其自主导航方法、装置、存储介质

Country Status (1)

Country Link
CN (1) CN110450168B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105138779A (zh) * 2015-08-31 2015-12-09 武汉大学 车载gps时空轨迹大数据优选方法及系统
CN106527438A (zh) * 2016-11-11 2017-03-22 航天科工智能机器人有限责任公司 机器人导航控制方法和装置
CN107139931A (zh) * 2016-03-01 2017-09-08 福特全球技术公司 基于交互式模型预测控制的自主车辆操作
CN108698595A (zh) * 2016-02-11 2018-10-23 三菱电机株式会社 用于控制车辆运动的方法和车辆的控制系统
CN109556598A (zh) * 2018-11-23 2019-04-02 西安交通大学 一种基于超声波传感器阵列的自主建图与导航定位方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10296012B2 (en) * 2016-12-21 2019-05-21 X Development Llc Pre-computation of kinematically feasible roadmaps

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105138779A (zh) * 2015-08-31 2015-12-09 武汉大学 车载gps时空轨迹大数据优选方法及系统
CN108698595A (zh) * 2016-02-11 2018-10-23 三菱电机株式会社 用于控制车辆运动的方法和车辆的控制系统
CN107139931A (zh) * 2016-03-01 2017-09-08 福特全球技术公司 基于交互式模型预测控制的自主车辆操作
CN106527438A (zh) * 2016-11-11 2017-03-22 航天科工智能机器人有限责任公司 机器人导航控制方法和装置
CN109556598A (zh) * 2018-11-23 2019-04-02 西安交通大学 一种基于超声波传感器阵列的自主建图与导航定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于SLAM的移动机器人自主返航控制系统设计;高波等;《机器人技术与应用》;20171015(第05期);第20-26页 *
高波等.基于SLAM的移动机器人自主返航控制系统设计.《机器人技术与应用》.2017,(第05期),第20-26页. *

Also Published As

Publication number Publication date
CN110450168A (zh) 2019-11-15

Similar Documents

Publication Publication Date Title
CN109782763B (zh) 一种动态环境下的移动机器人路径规划方法
US9823661B2 (en) Occupancy grid map for a vehicle
US20200049511A1 (en) Sensor fusion
US9738278B2 (en) Creation of an obstacle map
CN111015656A (zh) 一种机器人主动避障的控制方法、装置及存储介质
CN111637877B (zh) 机器人定位方法、装置、电子设备和非易失性存储介质
CN112986982B (zh) 环境地图参照定位方法、装置和移动机器人
US9440651B2 (en) Method and device for monitoring a setpoint trajectory of a vehicle
CN113485340A (zh) 群体机器人分布式围捕控制方法及系统
CN115973158B (zh) 换道轨迹的规划方法、车辆、电子设备及计算机程序产品
CN113985465A (zh) 传感器融合定位方法、系统、可读存储介质及计算机设备
CN110942474A (zh) 机器人目标跟踪方法、设备及存储介质
CN114594772A (zh) 机器人、路径规划方法、装置和存储介质
WO2022078342A1 (zh) 动态占据栅格估计方法及装置
CN110450168B (zh) 一种机器人及其自主导航方法、装置、存储介质
US20220121213A1 (en) Hybrid planning method in autonomous vehicle and system thereof
CN116867695A (zh) 自主车辆转向假动作事件检测器
CN113085868A (zh) 用于运行自动化车辆的方法、设备和存储介质
JP6980497B2 (ja) 情報処理方法及び情報処理装置
Li et al. Real time obstacle detection in a water tank environment and its experimental study
CN111752295B (zh) 无人机飞行轨迹规划方法及相关装置
CN108960738B (zh) 一种仓库通道环境下的激光雷达数据聚类方法
CN113580130B (zh) 六轴机械臂避障控制方法、系统及计算机可读存储介质
KR102570338B1 (ko) 자동차의 환경에서 타겟 자동차의 궤적을 예측하기 위한 방법 및 시스템
JP7392785B1 (ja) 車両位置推定装置及び車両位置推定方法

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
CP03 Change of name, title or address

Address after: 528000, Building 8, Shengyue Garden, No. 33 Shunye East Road, Xingtan Town, Shunde District, Foshan City, Guangdong Province, China (Residence application)

Patentee after: Guangdong Xingsong Technology Co.,Ltd.

Address before: 528200 No. 1602, block 3, gaojun scientific and technological innovation center, No. 1, Chaogui South Road, Ronggui xiaohuangpu neighborhood committee, Shunde District, Foshan City, Guangdong Province

Patentee before: FOSHAN HINSON ROBOT TECHNOLOGY CO.,LTD.

CP03 Change of name, title or address