CN110488843B - 避障方法、移动机器人及计算机可读存储介质 - Google Patents

避障方法、移动机器人及计算机可读存储介质 Download PDF

Info

Publication number
CN110488843B
CN110488843B CN201910833912.XA CN201910833912A CN110488843B CN 110488843 B CN110488843 B CN 110488843B CN 201910833912 A CN201910833912 A CN 201910833912A CN 110488843 B CN110488843 B CN 110488843B
Authority
CN
China
Prior art keywords
predicted
score
mobile robot
preset
obstacle
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
CN201910833912.XA
Other languages
English (en)
Other versions
CN110488843A (zh
Inventor
杨博炜
李连中
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.)
Cloudminds Robotics Co Ltd
Original Assignee
Cloudminds Shanghai Robotics 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 Cloudminds Shanghai Robotics Co Ltd filed Critical Cloudminds Shanghai Robotics Co Ltd
Priority to CN201910833912.XA priority Critical patent/CN110488843B/zh
Publication of CN110488843A publication Critical patent/CN110488843A/zh
Application granted granted Critical
Publication of CN110488843B publication Critical patent/CN110488843B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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

Landscapes

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

Abstract

本发明涉及导航领域，公开了一种避障方法、移动机器人及计算机可读存储介质。其中避障方法，应用于移动机器人，包括：根据所述移动机器人的当前速度和多个预测加速度，获取多条大于预设长度的预测路径，所述预设长度大于或等于所述移动机器人与障碍物的距离；评估各个所述预测路径的评估得分、并获取评估得分最高的预测路径作为目标路径；控制所述移动机器人沿所述目标路径移动。与现有技术相比，本发明实施方式所提供的避障方法、移动机器人及计算机可读存储介质具有使得移动机器人可以有效的绕过障碍物的优点。

Description

避障方法、移动机器人及计算机可读存储介质
技术领域
本发明涉及导航领域，特别涉及一种避障方法、移动机器人及计算机可读存储介质。
背景技术
近年来，随着人工智能技术的进一步发展，移动机器人的应用越来越广泛，而自主移动机器人越来越成为科技界的研究热点，其中的导航问题是机器人实现自主移动的关键问题。移动机器人的自主导航是指机器人依靠自身携带的传感器在特定环境中，按时间路径最短或能耗最低等原则实现从起始位置到目标位置的无碰撞运动。
但是，即使根据起始位置和目标位置设定好预设轨迹，移动机器人在沿预设轨迹移动的过程中，仍然有可能遇到突然出现的障碍物挡住预设轨迹，因此，现有技术中提出了移动机器人的局部路径规划方法。
然而，本发明的发明人发现，现有技术中的局部路径规划方法通常采用固定时间来生成预测轨迹，导致预测轨迹之间的差别较大，特别是在移动速度较低时，容易出现机器人缓慢靠近障碍物甚至停止在障碍物面前的情况，而不会绕过障碍物，无法到达目的地。
发明内容
本发明实施方式的目的在于提供一种避障方法，使得移动机器人可以有效的绕过障碍物。
为解决上述技术问题，本发明的实施方式提供了一种避障方法，应用于移动机器人，包括：根据所述移动机器人的当前速度和多个预测加速度，获取多条大于预设长度的预测路径，所述预设长度大于或等于所述移动机器人与障碍物的距离，所述预测加速度包括预测角加速度；评估各个所述预测路径的评估得分、并获取评估得分最高的预测路径作为目标路径；控制所述移动机器人沿所述目标路径移动。
本发明的实施方式还提供了一种移动机器人，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如前述的避障方法。
本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现前述的避障方法。
本发明实施方式相对于现有技术而言，根据移动机器人的当前速度和多个预测加速度获取的多条预测路径的长度均大于预设长度，而预设长度大于或等于移动机器人与障碍物的距离，因此，多条预测路径均大于移动机器人与障碍物的距离，从而避免移动机器人停在障碍物前、而不绕过障碍物，使得移动机器人可以有效的绕过障碍物。此外，获取评估得分最高的预测路径作为目标路径，可以达到最优的行驶效果。
另外，所述获取多条大于预设长度的预测路径，具体包括：计算移动机器人以各个所述预测加速度运动预设时长后所处的多个第一预测位置和移动机器人的多个预测速度；连接所述移动机器人的当前位置和所述第一预测位置，形成多条第一预测路径；判断所述第一预测路径的长度是否大于所述预设长度；若是，将所述第一预测路径作为所述预测路径；若否，根据所述预测速度计算再次间隔所述预设时长后，所述移动机器人所处的位置作为第二预测位置，连接所述第二预测位置和所述第一预测路径形成新的第一预测路径，直至所述新的第一预测路径的长度大于预设长度后，将所述新的第一预测路径作为所述预测路径。每间隔预设时长即获取一次移动机器人的预测位置，并对比第一预测路径的长度与预设长度，从而避免第一预测路径的长度过长而与预设路径偏离过远，提升对预测路径进行得分评估时的准确性。
另外，所述评估各个所述预测路径的评估得分，具体包括：根据各个所述预测速度，评估各个所述预测路径的速度得分；根据所述速度得分计算得到所述评估得分。根据预测速度评估预测路径的速度得分，并根据速度得分计算评估得分，从而提升预测路径评估得分的准确性，提升目标路径的质量。
另外，所述评估各个所述预测路径的速度得分，具体包括：获取所述移动机器人的当前速度；计算所述预测速度与所述当前速度的速度差值；将所述速度差值与预设速度偏置系数的乘积作为所述速度得分，所述预设速度偏置系数为大于零的常量。
另外，所述评估各个所述预测路径的评估得分，具体包括：获取所述移动机器人沿当前路径行驶至目标位置时的姿态角作为目标姿态角；获取所述移动机器人沿各个所述预测路径移动至各个所述预测路径的终点位置时的姿态角作为预测姿态角；根据所述目标姿态角和所述预测姿态角评估所述评估得分。根据姿态角偏差评估预测路径的姿态角得分，并根据姿态角得分计算评估得分，从而进一步提升预测路径评估得分的准确性，提升目标路径的质量。
另外，所述根据所述目标姿态角和所述预测姿态角评估所述评估得分，具体包括：计算所述目标姿态角和所述预测姿态角的姿态角差值；将所述姿态角差值与预设姿态偏置系数的乘积作为姿态得分，所述预设姿态偏置系数为大于零的常量；根据所述姿态角得分计算得到所述评估得分。
另外，所述评估各个所述预测路径的评估得分，具体包括：获取各个预测轨迹与所述障碍物的最小距离；根据所述最小距离获取障碍得分；获取各个预测轨迹与目标位置的最小位置差值；根据所述最小位置差值获取位置得分；获取各个预测轨迹与预设轨迹的最小轨迹偏差；根据所述最小轨迹偏差获取轨迹得分；根据所述障碍得分、所述位置得分和所述轨迹得分中的一者或多者计算所述评估得分。
另外，所述根据所述最小障碍距离获取障碍得分，具体包括：将所述最小障碍距离与预设障碍偏置系数的乘积作为所述障碍得分，所述预设障碍偏置系数为大于零的常量；所述根据所述最小位置差值获取位置得分，具体包括：将所述最小位置差值与预设位置偏置系数的乘积作为所述位置得分，所述预设位置偏置系数为大于零的常量；所述根据所述最小轨迹偏差获取轨迹得分，具体包括：将所述最小轨迹偏差与预设轨迹偏置系数的乘积作为所述轨迹得分，所述预设轨迹偏置系数为大于零的常量。
附图说明
图1是本发明第一实施方式所提供的避障方法的程序流程图；
图2是本发明第一实施方式所提供的避障方法中获取预测路径的程序流程图；
图3是本发明第二实施方式所提供的移动机器人的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。
本发明的第一实施方式涉及一种避障方法。具体流程如图1所示，包括以下步骤：
步骤S101：根据所述移动机器人的当前速度和多个预测加速度，获取多条大于预设长度的预测路径。
具体的，在本实施方式中，如图2所示，包括以下步骤：
步骤S201：获取移动机器人的当前速度。
具体的，在本实施方式中，当前速度包括当前线速度和当前角速度。
步骤S202：获取移动机器人可达到的最大加速度。
具体的，在本实施方式中，最大加速度包括最大线加速度和最大角加速度。可以理解的是，最大加速度根据移动机器人驱动电机的物理性质决定。
步骤S203：根据预设规则获取多个小于或等于最大加速度的预测加速度。
具体的，预设加速度至少包括预设线加速度和预设角加速度。
进一步的，在本步骤中，预设规则为在移动机器人的加速度的可取值范围(即大于或等于零且小于或等于最大加速度)内按照预设间隔均匀采样，得到多个小于或等于最大加速度的预测加速度。可以理解的是，上述仅为本实施方式中预设规则的一种具体的举例说明，并不构成限定，在本发明的其它实施方式中，也可以是通过其它方法获取，如在加速度的可取值范围内随机取样等，在此不进行一一列举。
步骤S204：计算移动机器人以当前速度和各个预测加速度运动预设时长后所处的多个第一预测位置和多个预测速度。
具体的，在本步骤中，首先建立基于地图的绝对坐标系，根据移动机器人的当前线速度和预测线加速度求取预测线速度；根据移动机器人的当前角速度和预测角加速度求取预测角速度。
步骤S205：连接移动机器人的当前位置和各个第一预测位置，形成多条第一预测路径。
步骤S206：判断各个第一预测路径是否大于预设长度，若是，则执行步骤S207，若否，则执行步骤S208。
步骤S207：将第一预测路径作为预测路径。
步骤S208：根据预测速度计算再次间隔预设时长后，移动机器人所处的第二预测位置。
步骤S209：连接第一预测路径和第二预测位置，形成新的第一预测路径，并再次执行步骤S206。
具体的，在本步骤中，连接第一预测路径和第二预测位置，形成新的第一预测路径。从而根据预设时长逐渐延长第一预测路径的长度，直至第一预测路径大于预设长度。从而避免预测路径长度过长而对预测路径的评分产生干扰，提升预测路径评分的准确性，提升路径选择的质量。
步骤S102：评估各个所述预测路径的评估得分。
具体的，在本步骤中，获取各个预设轨迹与障碍物的最小距离，并根据最小距离获取各个预设轨迹对应的障碍得分。其中障碍得分等于最小距离与预设障碍偏置系数的乘积，预设障碍偏置系数为大于零的常量。根据障碍得分计算评估得分。
优选的，在本实施方式中，还可以获取各个预测轨迹与目标位置的最小位置差值，根据所述最小位置差值获取位置得分，其中，位置得分等于最小位置差值与预设位置偏置系数的乘积，预设位置偏置系数为大于零的常量。根据位置得分和障碍得分共同计算评估得分。
更优的，在本实施方式中，还可以获取各个预测轨迹与预设轨迹(即移动机器人检测到障碍物前的预设移动轨迹)的最小轨迹偏差，根据最小轨迹偏差获取轨迹得分，其中，轨迹得分等于最小轨迹偏差与预设轨迹偏置系数的乘积，预设轨迹偏置系数为大于零的常量。根据位置得分、障碍得分和轨迹得分共同计算评估得分。
此外，在本实施方式中，还可以根据各个预测速度评估各个预测路径的速度得分，根据速度得分计算评估得分。其中，速度得分等于预测速度与当前速度的速度差值、与预设速度偏置系数的乘积，预设速度偏置系数为大于零的常量。根据位置得分、障碍得分、轨迹得分和速度得分共同计算评估得分。
进一步的，在本实施方式中，还可以获取移动机器人沿当前路径行驶至目标位置时的姿态角作为目标姿态角。获取移动机器人沿各个预测路径移动至各个预测路径的终点位置时的姿态角作为预测姿态角。计算目标姿态角和预测姿态角的姿态角差值；将姿态角差值与预设姿态偏置系数的乘积作为姿态得分，预设姿态偏置系数为大于零的常量；根据位置得分、障碍得分、轨迹得分、速度得分和姿态得分共同计算评估得分。其中，姿态角即为移动机器人的朝向与绝对坐标系横轴正向的夹角。
可以理解的是，上述根据位置得分、障碍得分、轨迹得分、速度得分和姿态得分共同计算评估得分仅为本实施方式中的一种具体的举例说明，并不构成限定，在本发明的其他实施方式中，也可以是根据其中的任意一者或多者计算评估得分，或者是根据其它的参数计算评估得分，在此不进行一一列举。
其中，根据位置得分、障碍得分、轨迹得分、速度得分和姿态得分共同计算评估得分的公示表示如下：
其中，cost为预设路径的成本，costpathDis为轨迹得分、costgoalDis为位置得分、costoccdist为障碍得分、costvel为速度得分、costangle为姿态得分，pathBias为预设轨迹偏置系数、goalBias为预设位置偏置系数、occBias为预设障碍偏置系数、velBias为预设速度偏置系数、angleBias为预设姿态偏置系数，pathDis为各个预测轨迹与预设轨迹的最小轨迹偏差、goalDis为各个预测轨迹与目标位置的最小位置差值、occdist为各个预测轨迹与障碍物的最小距离，anglegloble为目标姿态角、angleplanner为预测姿态角，velmax为预测速度、vel当前速度。最后根据cost确定各个预测路径的评估得分，cost越低则评估得分越高。
步骤S103：获取评估得分最高的预测路径作为目标路径。
步骤S104：控制所述移动机器人沿目标路径移动。
具体的，在本步骤中，将目标路径对应的预测速度发送至移动机器人的控制器，控制器根据预测速度控制电机、使移动机器人沿目标路径移动。
与现有技术相比，本发明第一实施方式所提供的避障方法根据移动机器人的当前速度和多个预测加速度获取的多条预测路径的长度均大于预设长度，而预设长度大于或等于移动机器人与障碍物的距离，因此，多条预测路径均大于移动机器人与障碍物的距离，从而避免移动机器人停在障碍物前、而不绕过障碍物，使得移动机器人可以有效的绕过障碍物。此外，获取评估得分最高的预测路径作为目标路径，可以达到最优的行驶效果。此外，在进行预测路径的评估得分的过程中，加入速度得分和姿态得分进行评估，从而有效的提升了得分评估的准确性，进而提升路径选择的质量。
本发明第二实施方式涉及一种移动机器人，如图3所示，包括：至少一个处理器301；以及，与至少一个处理器301通信连接的存储器302；其中，存储器302存储有可被至少一个处理器301执行的指令，指令被至少一个处理器301执行，以使至少一个处理器301能够执行如上述的避障方法。
其中，存储器302和处理器301采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器301和存储器302的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器301处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器301。
处理器301负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器302可以被用于存储处理器301在执行操作时所使用的数据。
本发明第五实施方式涉及一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (9)

1.一种避障方法，其特征在于，应用于局部路径规划方法的移动机器人，包括：
根据所述移动机器人的当前速度和多个预测加速度，获取多条大于预设长度的预测路径，所述预设长度大于或等于所述移动机器人与障碍物的距离；
评估各个所述预测路径的评估得分、并获取评估得分最高的预测路径作为目标路径；
控制所述移动机器人沿所述目标路径移动；
所述获取多条大于预设长度的预测路径，具体包括：
计算移动机器人以各个所述预测加速度运动预设时长后所处的多个第一预测位置和移动机器人的多个预测速度；
连接所述移动机器人的当前位置和所述第一预测位置，形成多条第一预测路径；
判断所述第一预测路径的长度是否大于所述预设长度；
若是，将所述第一预测路径作为所述预测路径；
若否，根据所述预测速度计算再次间隔所述预设时长后，所述移动机器人所处的位置作为第二预测位置，连接所述第二预测位置和所述第一预测路径形成新的第一预测路径，直至所述新的第一预测路径的长度大于预设长度后，将所述新的第一预测路径作为所述预测路径；
所述评估各个所述预测路径的评估得分根据障碍得分计算评估得分，或根据障碍得分和位置得分、轨迹得分、速度得分、姿态得分中的任意一者或多者共同计算评估得分。
2.根据权利要求1所述的避障方法，其特征在于，所述评估各个所述预测路径的评估得分，具体包括：
根据各个所述预测速度，评估各个所述预测路径的速度得分；
根据所述速度得分计算得到所述评估得分。
3.根据权利要求2所述的避障方法，其特征在于，所述评估各个所述预测路径的速度得分，具体包括：
获取所述移动机器人的当前速度；
计算所述预测速度与所述当前速度的速度差值；
将所述速度差值与预设速度偏置系数的乘积作为所述速度得分，所述预设速度偏置系数为大于零的常量。
4.根据权利要求1至3中任一项所述的避障方法，其特征在于，所述评估各个所述预测路径的评估得分，具体包括：
获取所述移动机器人沿当前路径行驶至目标位置时的姿态角作为目标姿态角；
获取所述移动机器人沿各个所述预测路径移动至各个所述预测路径的终点位置时的姿态角作为预测姿态角；
根据所述目标姿态角和所述预测姿态角评估所述评估得分。
5.根据权利要求4所述的避障方法，其特征在于，所述根据所述目标姿态角和所述预测姿态角评估所述评估得分，具体包括：
计算所述目标姿态角和所述预测姿态角的姿态角差值；
将所述姿态角差值与预设姿态偏置系数的乘积作为姿态得分，所述预设姿态偏置系数为大于零的常量；
根据所述姿态角得分计算得到所述评估得分。
6.根据权利要求1至5中任一项所述的避障方法，其特征在于，所述评估各个所述预测路径的评估得分，具体包括：
获取各个预测轨迹与所述障碍物的最小距离；
根据所述最小距离获取障碍得分；
获取各个预测轨迹与目标位置的最小位置差值；
根据所述最小位置差值获取位置得分；
获取各个预测轨迹与预设轨迹的最小轨迹偏差；
根据所述最小轨迹偏差获取轨迹得分；
根据所述障碍得分、所述位置得分和所述轨迹得分中的一者或多者计算所述评估得分。
7.根据权利要求6所述的避障方法，其特征在于，所述根据所述最小距离获取障碍得分，具体包括：
将所述最小距离与预设障碍偏置系数的乘积作为所述障碍得分，所述预设障碍偏置系数为大于零的常量；
所述根据所述最小位置差值获取位置得分，具体包括：
将所述最小位置差值与预设位置偏置系数的乘积作为所述位置得分，所述预设位置偏置系数为大于零的常量；
根据所述最小轨迹偏差获取轨迹得分，具体包括：
将所述最小轨迹偏差与预设轨迹偏置系数的乘积作为所述轨迹得分，所述预设轨迹偏置系数为大于零的常量。
8.一种移动机器人，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一所述的避障方法。
9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的避障方法。
CN201910833912.XA 2019-09-04 2019-09-04 避障方法、移动机器人及计算机可读存储介质 Active CN110488843B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910833912.XA CN110488843B (zh) 2019-09-04 2019-09-04 避障方法、移动机器人及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910833912.XA CN110488843B (zh) 2019-09-04 2019-09-04 避障方法、移动机器人及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN110488843A CN110488843A (zh) 2019-11-22
CN110488843B true CN110488843B (zh) 2023-12-05

Family

ID=68556536

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910833912.XA Active CN110488843B (zh) 2019-09-04 2019-09-04 避障方法、移动机器人及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110488843B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110850883A (zh) * 2019-11-29 2020-02-28 上海有个机器人有限公司 一种机器人的移动控制方法、介质、终端和装置
CN111045428B (zh) * 2019-12-27 2023-12-12 达闼机器人股份有限公司 避障方法、移动机器人及计算机可读存储介质
CN111142530B (zh) * 2019-12-31 2023-03-17 达闼机器人股份有限公司 一种机器人运行轨迹的确定方法、机器人和存储介质
CN111290385B (zh) * 2020-02-19 2023-10-03 达闼机器人股份有限公司 一种机器人路径规划方法、机器人、电子设备及存储介质
CN111618908B (zh) * 2020-05-11 2023-08-15 中国科学院合肥物质科学研究院 基于任务的机器人平台自主能力测试装置及测试方法
CN112214018B (zh) * 2020-09-10 2024-08-20 深圳优地科技有限公司 机器人路径规划方法及装置
CN112327848B (zh) * 2020-11-05 2024-09-20 北京京东乾石科技有限公司 机器人避障方法及装置、存储介质和电子设备
CN114578808A (zh) * 2022-01-10 2022-06-03 美的集团(上海)有限公司 路径规划方法、电子设备、计算机程序产品及存储介质
CN115877363B (zh) * 2023-02-28 2023-05-16 济宁安泰矿山设备制造有限公司 一种机器人避障评估方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108733044A (zh) * 2017-09-29 2018-11-02 北京猎户星空科技有限公司 避障方法、装置、机器人和计算机可读存储介质
CN109116867A (zh) * 2018-09-28 2019-01-01 拓攻（南京）机器人有限公司 一种无人机飞行避障方法、装置、电子设备及存储介质
CN109976343A (zh) * 2019-03-26 2019-07-05 电子科技大学 一种基于动态窗口法的主动避障方法
CN109990783A (zh) * 2017-12-29 2019-07-09 深圳市优必选科技有限公司 一种机器人运动路径规划方法、机器人及存储介质
CN109991963A (zh) * 2017-12-29 2019-07-09 深圳市优必选科技有限公司 速度规划方法及终端设备

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
CN108733044A (zh) * 2017-09-29 2018-11-02 北京猎户星空科技有限公司 避障方法、装置、机器人和计算机可读存储介质
CN109990783A (zh) * 2017-12-29 2019-07-09 深圳市优必选科技有限公司 一种机器人运动路径规划方法、机器人及存储介质
CN109991963A (zh) * 2017-12-29 2019-07-09 深圳市优必选科技有限公司 速度规划方法及终端设备
CN109116867A (zh) * 2018-09-28 2019-01-01 拓攻（南京）机器人有限公司 一种无人机飞行避障方法、装置、电子设备及存储介质
CN109976343A (zh) * 2019-03-26 2019-07-05 电子科技大学 一种基于动态窗口法的主动避障方法

Also Published As

Publication number Publication date
CN110488843A (zh) 2019-11-22

Similar Documents

Publication Publication Date Title
CN110488843B (zh) 避障方法、移动机器人及计算机可读存储介质
CN110262495B (zh) 可实现移动机器人自主导航与精确定位的控制系统及方法
US20220362932A1 (en) Determination of robotic step path
US9995589B2 (en) Path plan generating apparatus for mobile body
CN108762264B (zh) 基于人工势场与滚动窗口的机器人的动态避障方法
US10012984B2 (en) System and method for controlling autonomous vehicles
KR101475826B1 (ko) 백스테핑 기법을 이용한 선도 추종자 대형제어 장치, 방법 및 이동로봇
US20200285202A1 (en) Control device, unmanned system, control method, and program
CN110524544A (zh) 一种机械臂运动的控制方法、终端和可读存储介质
CN110316193A (zh) 预瞄距离的设置方法、装置、设备及计算机可读存储介质
KR101450843B1 (ko) 군집 로봇 시스템 및 그 제어 방법
JP2019113926A (ja) モデル予測制御装置
WO2017167387A1 (en) Method for predicting a motion of an object
WO2020000127A1 (zh) 一种导航路径跟踪控制方法、设备、移动机器人及系统
CN112882053A (zh) 一种主动标定激光雷达和编码器外参的方法
CN111045428B (zh) 避障方法、移动机器人及计算机可读存储介质
CN115617052B (zh) 流速下的无人船入库方法、装置、计算机设备及存储介质
JP7047576B2 (ja) 地図作成装置
CN109857134A (zh) 基于A*/minimum_snap算法的无人机轨迹控制系统和方法
CN114274147B (zh) 目标跟踪控制方法及装置、机械臂控制设备和存储介质
CN118092451A (zh) 一种厂房机器人目标搜索过程的位置补偿方法
US20200080850A1 (en) Self-propelled device, and method and travel control computer program of controlling traveling of self-propelled device
US11789444B2 (en) Moving control method, moving control device, moving control system, program, and storage medium for multi-vehicle
CN116576847A (zh) 一种移动机器人的自动导航系统、导航方法、设备及介质
CN115168787B (zh) 一种基于推测计算的飞行轨迹关联跟踪方法

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
TA01 Transfer of patent application right

Effective date of registration: 20210219

Address after: 200245 2nd floor, building 2, no.1508, Kunyang Road, Minhang District, Shanghai

Applicant after: Dalu Robot Co.,Ltd.

Address before: 518000 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.)

Applicant before: CLOUDMINDS (SHENZHEN) ROBOTICS SYSTEMS Co.,Ltd.

TA01 Transfer of patent application right
CB02 Change of applicant information

Address after: 200245 Building 8, No. 207, Zhongqing Road, Minhang District, Shanghai

Applicant after: Dayu robot Co.,Ltd.

Address before: 200245 2nd floor, building 2, no.1508, Kunyang Road, Minhang District, Shanghai

Applicant before: Dalu Robot Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant