CN110531762A - 一种基于改进人工势场法的机器人路径规划方法 - Google Patents
一种基于改进人工势场法的机器人路径规划方法 Download PDFInfo
- Publication number
- CN110531762A CN110531762A CN201910772237.4A CN201910772237A CN110531762A CN 110531762 A CN110531762 A CN 110531762A CN 201910772237 A CN201910772237 A CN 201910772237A CN 110531762 A CN110531762 A CN 110531762A
- Authority
- CN
- China
- Prior art keywords
- robot
- path planning
- target position
- barrier
- potential field
- 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
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
Abstract
本发明涉及一种基于改进人工势场法的机器人路径规划方法,在传统机器人路径规划算法,即人工势场法基础上,首先在引力函数与斥力函数之间引入比例因子,以调节合力中二者各自所占比例作用,有效解决了机器人靠近目标点附近出现的徘徊不定,目标不可达问题;当机器人陷入局部最小问题时,采用切线法选择最优逃逸力方向,使机器人能够及时跳出陷阱,另辟其它可行路径;最后机器人能够根据所处环境复杂度,自适应调节步长,有效降低与障碍物碰撞的可能性,减少路径规划步数,提高算法执行效率。
Description
技术领域
本发明涉及一种基于改进人工势场法的机器人路径规划方法,属于移动机器人技术领域。
背景技术
机器人在动态、未知环境中的自主导航是机器人研究的一个重要点,也是机器人广泛运用在生活、生产中最基本的功能,而路径规划是机器人自主导航的核心技术,其主要解决机器人在有固定或移动障碍物环境中如何行走问题,它的任务是搜索出一条从起点到目标点,安全无碰撞、最优或近乎最优的路径。
目前,广泛应用的规划方法有A*算法、人工势场法、神经网络算法、模糊算法、栅格法、蚁群算法、动态窗口算法等。人工势场法较其他算法而言,具有模型简单、实时性强、计算量小、对硬件平台要求不高等方面优势。但人工势场法存在目标不可达和局部最小点问题,易导致路径规划失败。而且,传统人工势场法往往采用等步长去规划路径,即每一步都行走相同长度的距离,但结合实际经验,在少障碍物或无障碍物的简单环境中,可适当增大移动步长,即增大移动速度,以提高路径规划效率;反之,在多障碍物的复杂环境中,可适当减小步长,即减小移动速度,降低碰撞的可能性。
发明内容
本发明所要解决的技术问题是提供一种基于改进人工势场法的机器人路径规划方法,能够有效解决人工势场法所规划路径存在目标不可达、局部极小点、以及机器人定步长行走效率低下等问题,提高机器人路径规划效率。
本发明为了解决上述技术问题采用以下技术方案:本发明设计了一种基于改进人工势场法的机器人路径规划方法,用于针对机器人向目标位置的移动过程,依序实现各次移动的路径规划,各次移动的路径规划,分别包括如下步骤:
步骤A.针对机器人面向目标位置方向、最大水平视角范围内的各个障碍物,获得各个障碍物分别基于人工势场法、针对机器人的斥力,并进一步获得该各个斥力所对应的合力斥力Frep,然后进入步骤B;
步骤B.获得目标位置基于人工势场法、针对机器人的引力Fattr,然后进入步骤C;
步骤C.根据如下公式:
Ftotal=α*Fattr+(1-α)*Frep
获得机器人基于人工势场法、所受到的当前合力,则机器人以当前合力作为当前次移动力,并根据当前次移动力、基于人工势场法实现当前次移动的路径规划;其中,α为比例调节因子,当机器人位置与目标位置之间的距离、大于预设机器人位置与目标位置之间的距离阈值d'时,则α=0.5;当机器人位置与目标位置之间的距离、不大于预设机器人位置与目标位置之间的距离阈值d'时,则α∈(0.5,1)。
作为本发明的一种优选技术方案:还包括如下步骤D至步骤J,所述步骤C中,获得机器人基于人工势场法、所受到的合力之后,进入步骤D;
步骤D.分别针对机器人面向目标位置方向、最大水平视角范围内的各个障碍物,以障碍物位置为圆心、预设碰撞半径,构成障碍物所对应的圆形碰撞区域,进而获得该各障碍物分别所对应的圆形碰撞区域,作为各个当前圆形碰撞区域,然后进入步骤E;
步骤E.以机器人位置为起点,选择对应当前圆形碰撞区域切线、且不与任意当前圆形碰撞区域相交的射线,作为各条当前待选移动方向,然后进入步骤F;
步骤F.判断当前合力的方向是否等于零,是则进入步骤G;否则进入步骤H;
步骤G.获得机器人位置与目标位置之间的连线,并在各条当前待选移动方向中,选择与该连线之间最小夹角所对应的当前待选移动方向,作为当前次移动力的方向,以及选择上一次移动路径规划中移动力的大小、作为当前次移动力的大小,构成当前次移动力,然后进入步骤J;
步骤H.判断当前合力方向上的射线是否与任意当前圆形碰撞区域相交,是则进入步骤I;否则将当前合力作为当前次移动力,并进入步骤J;
步骤I.在各条当前待选移动方向中,选择与当前合力方向之间最小夹角所对应的当前待选移动方向,作为当前次移动力的方向,以及选择当前合力的大小、作为当前次移动力的大小,构成当前次移动力,然后进入步骤J;
步骤J.机器人根据当前次移动力、基于人工势场法实现当前次移动的路径规划。
作为本发明的一种优选技术方案,按如下公式:
αk+1=αkβ
分别获得各次移动路径规划中的步长,其中,αk+1表示机器人下一次移动路径规划中的步长,αk表示机器人当前次移动路径规划中的步长,并且按如下公式:
获得变步长增益因子β,其中,θ表示当前次移动路径规划中移动力方向相对于预设坐标系的方向角,θold表示上一次移动路径规划中移动力方向相对于预设坐标系的方向角,|θ-θold|表示θ与θold之间的偏角。
作为本发明的一种优选技术方案:所述步骤E中,以机器人位置为起点,针对对应当前圆形碰撞区域切线、且不与任意当前圆形碰撞区域相交的所有射线,选择两侧最外围的两根射线,作为各条当前待选移动方向。
作为本发明的一种优选技术方案:所述步骤A中,分别针对机器人面向目标位置方向、最大水平视角范围内的各个障碍物,按如下公式:
获得障碍物基于人工势场法、针对机器人的斥力F'rep,其中,m表示预设斥力增益系数,d表示机器人位置与障碍物位置之间的距离,d0表示预设机器人位置与障碍物位置之间距离阈值;然后根据各个障碍物分别基于人工势场法、针对机器人的斥力F'rep,获得该各个斥力所对应的合力斥力Frep。
作为本发明的一种优选技术方案:所述步骤B中,按如下公式:
Fattr=-k||p-pg||
获得目标位置基于人工势场法、针对机器人的引力Fattr,其中,k表示预设引力增益系数,p表示机器人的位置,pg表示目标位置,||p-pg||表示机器人位置与目标位置之间的距离。
作为本发明的一种优选技术方案:所述步骤C中,当机器人位置与目标位置之间的距离、不大于预设机器人位置与目标位置之间的距离阈值d'时,则α=0.7。
本发明所述一种基于改进人工势场法的机器人路径规划方法,采用以上技术方案与现有技术相比,具有以下技术效果:
本发明所设计一种基于改进人工势场法的机器人路径规划方法,在传统机器人路径规划算法,即人工势场法基础上,首先在引力函数与斥力函数之间引入比例因子,以调节合力中二者各自所占比例作用,有效解决了机器人靠近目标点附近出现的徘徊不定,目标不可达问题;当机器人陷入局部最小问题时,采用切线法选择最优逃逸力方向,使机器人能够及时跳出陷阱,另辟其它可行路径;最后机器人能够根据所处环境复杂度,自适应调节步长,有效降低与障碍物碰撞的可能性,减少路径规划步数,提高算法执行效率。
附图说明
图1是本发明人工势场法下机器人受力情形示意图;
图2是本发明设计基于改进人工势场法的机器人路径规划方法的流程示意图;
图3是本发明切线路径规划实施例一示意图;
图4是本发明切线路径规划实施例二示意图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
如图1所示,人工势场法将机器人在环境中的运动视为虚拟受力场中的运动,其中目标点对物体产生引力,引导物体朝向其运动,障碍物对机器人产生排斥力,避免物体与之发生碰撞。引力和斥力所产生的合力作为机器人的加速力、来控制整个机器人向目标点移动。其中,目标点对机器人的引力随距离减少而降低,障碍物对机器人的斥力随距离减少而增加。
本发明设计了一种基于改进人工势场法的机器人路径规划方法,用于针对机器人向目标位置的移动过程,依序实现各次移动的路径规划,实际应用过程当中,如图2所示,各次移动的路径规划,分别具体包括如下步骤。
步骤A.分别针对机器人面向目标位置方向、最大水平视角范围内的各个障碍物,按如下公式:
获得障碍物基于人工势场法、针对机器人的斥力F'rep,其中,m表示预设斥力增益系数,d表示机器人位置与障碍物位置之间的距离,d0表示预设机器人位置与障碍物位置之间距离阈值;然后根据各个障碍物分别基于人工势场法、针对机器人的斥力F'rep,获得该各个斥力所对应的合力斥力Frep。
即获得各个障碍物分别基于人工势场法、针对机器人的斥力,并进一步获得该各个斥力所对应的合力斥力Frep,然后进入步骤B。
步骤B.按如下公式:
Fattr=-k||p-pg||
获得目标位置基于人工势场法、针对机器人的引力Fattr,其中,k表示预设引力增益系数,p表示机器人的位置,pg表示目标位置,||p-pg||表示机器人位置与目标位置之间的距离;然后进入步骤C。
步骤C.根据如下公式:
Ftotal=α*Fattr+(1-α)*Frep
获得机器人基于人工势场法、所受到的当前合力,然后进入步骤D;其中,α为比例调节因子,当机器人位置与目标位置之间的距离、大于预设机器人位置与目标位置之间的距离阈值d'时,则α=0.5;当机器人位置与目标位置之间的距离、不大于预设机器人位置与目标位置之间的距离阈值d'时,则α∈(0.5,1),实际应用当中,可以定义α=0.7。
机器人的移动方向由合力决定,当在某点机器人所受合力方向与引力和斥力方向共线或者其所受合力为零时,机器人将出现碰撞到障碍物或者停止的情况,即陷入局部最小陷阱,为此,提出切线法来解决,即接下来的步骤。
步骤D.如图3和图4所示,分别针对机器人面向目标位置方向、最大水平视角范围内的各个障碍物,以障碍物位置为圆心、预设碰撞半径,构成障碍物所对应的圆形碰撞区域,进而获得该各障碍物分别所对应的圆形碰撞区域,作为各个当前圆形碰撞区域,然后进入步骤E。
步骤E.如图3和图4所示,以机器人位置为起点,选择对应当前圆形碰撞区域切线、且不与任意当前圆形碰撞区域相交的射线,作为各条当前待选移动方向,然后进入步骤F。
实际应用当中,针对上述步骤E,从减少计算量的角度出发,可以进一步设计为如下操作:
以机器人位置为起点,针对对应当前圆形碰撞区域切线、且不与任意当前圆形碰撞区域相交的所有射线,选择两侧最外围的两根射线,作为各条当前待选移动方向。
步骤F.如图4所示判断当前合力的方向是否等于零,是则进入步骤G;否则进入步骤H。
步骤G.获得机器人位置与目标位置之间的连线,并在各条当前待选移动方向中,选择与该连线之间最小夹角所对应的当前待选移动方向,作为当前次移动力的方向,以及选择上一次移动路径规划中移动力的大小、作为当前次移动力的大小,构成当前次移动力,然后进入步骤J。
步骤H.如图3所示,判断当前合力方向上的射线是否与任意当前圆形碰撞区域相交,是则进入步骤I;否则将当前合力作为当前次移动力,并进入步骤J。
步骤I.在各条当前待选移动方向中,选择与当前合力方向之间最小夹角所对应的当前待选移动方向,作为当前次移动力的方向,以及选择当前合力的大小、作为当前次移动力的大小,构成当前次移动力,然后进入步骤J。
步骤J.机器人根据当前次移动力、基于人工势场法实现当前次移动的路径规划。
传统人工势场法采用等步长去规划路径,探索性的去避开障碍物,但结合实际环境,在少障碍物或者无障碍物的环境中,可适当增加机器人的移动步长,即提高移动速度;反之,当环境中障碍物较多,可适当较小机器人的移动步长,降低移动的速度,减小碰到障碍物的可能性。
针对上述各次移动路径规划,其中,按如下公式:
αk+1=αkβ
分别获得各次移动路径规划中的步长,其中,αk+1表示机器人下一次移动路径规划中的步长,αk表示机器人当前次移动路径规划中的步长,并且按如下公式:
获得变步长增益因子β,其中,θ表示当前次移动路径规划中移动力方向相对于预设坐标系的方向角,θold表示上一次移动路径规划中移动力方向相对于预设坐标系的方向角,|θ-θold|表示θ与θold之间的偏角。
上述技术方案所设计一种基于改进人工势场法的机器人路径规划方法,在传统机器人路径规划算法,即人工势场法基础上,首先在引力函数与斥力函数之间引入比例因子,以调节合力中二者各自所占比例作用,有效解决了机器人靠近目标点附近出现的徘徊不定,目标不可达问题;当机器人陷入局部最小问题时,采用切线法选择最优逃逸力方向,使机器人能够及时跳出陷阱,另辟其它可行路径;最后机器人能够根据所处环境复杂度,自适应调节步长,有效降低与障碍物碰撞的可能性,减少路径规划步数,提高算法执行效率。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (7)
1.一种基于改进人工势场法的机器人路径规划方法,用于针对机器人向目标位置的移动过程,依序实现各次移动的路径规划,其特征在于,各次移动的路径规划,分别包括如下步骤:
步骤A.针对机器人面向目标位置方向、最大水平视角范围内的各个障碍物,获得各个障碍物分别基于人工势场法、针对机器人的斥力,并进一步获得该各个斥力所对应的合力斥力Frep,然后进入步骤B;
步骤B.获得目标位置基于人工势场法、针对机器人的引力Fattr,然后进入步骤C;
步骤C.根据如下公式:
Ftotal=α*Fattr+(1-α)*Frep
获得机器人基于人工势场法、所受到的当前合力,则机器人以当前合力作为当前次移动力,并根据当前次移动力、基于人工势场法实现当前次移动的路径规划;其中,α为比例调节因子,当机器人位置与目标位置之间的距离、大于预设机器人位置与目标位置之间的距离阈值d'时,则α=0.5;当机器人位置与目标位置之间的距离、不大于预设机器人位置与目标位置之间的距离阈值d'时,则α∈(0.5,1)。
2.根据权利要求1所述一种基于改进人工势场法的机器人路径规划方法,其特征在于:还包括如下步骤D至步骤J,所述步骤C中,获得机器人基于人工势场法、所受到的合力之后,进入步骤D;
步骤D.分别针对机器人面向目标位置方向、最大水平视角范围内的各个障碍物,以障碍物位置为圆心、预设碰撞半径,构成障碍物所对应的圆形碰撞区域,进而获得该各障碍物分别所对应的圆形碰撞区域,作为各个当前圆形碰撞区域,然后进入步骤E;
步骤E.以机器人位置为起点,选择对应当前圆形碰撞区域切线、且不与任意当前圆形碰撞区域相交的射线,作为各条当前待选移动方向,然后进入步骤F;
步骤F.判断当前合力的方向是否等于零,是则进入步骤G;否则进入步骤H;
步骤G.获得机器人位置与目标位置之间的连线,并在各条当前待选移动方向中,选择与该连线之间最小夹角所对应的当前待选移动方向,作为当前次移动力的方向,以及选择上一次移动路径规划中移动力的大小、作为当前次移动力的大小,构成当前次移动力,然后进入步骤J;
步骤H.判断当前合力方向上的射线是否与任意当前圆形碰撞区域相交,是则进入步骤I;否则将当前合力作为当前次移动力,并进入步骤J;
步骤I.在各条当前待选移动方向中,选择与当前合力方向之间最小夹角所对应的当前待选移动方向,作为当前次移动力的方向,以及选择当前合力的大小、作为当前次移动力的大小,构成当前次移动力,然后进入步骤J;
步骤J.机器人根据当前次移动力、基于人工势场法实现当前次移动的路径规划。
3.根据权利要求2所述一种基于改进人工势场法的机器人路径规划方法,其特征在于,按如下公式:
αk+1=αkβ
分别获得各次移动路径规划中的步长,其中,αk+1表示机器人下一次移动路径规划中的步长,αk表示机器人当前次移动路径规划中的步长,并且按如下公式:
获得变步长增益因子β,其中,θ表示当前次移动路径规划中移动力方向相对于预设坐标系的方向角,θold表示上一次移动路径规划中移动力方向相对于预设坐标系的方向角,|θ-θold|表示θ与θold之间的偏角。
4.根据权利要求2或3所述一种基于改进人工势场法的机器人路径规划方法,其特征在于:所述步骤E中,以机器人位置为起点,针对对应当前圆形碰撞区域切线、且不与任意当前圆形碰撞区域相交的所有射线,选择两侧最外围的两根射线,作为各条当前待选移动方向。
5.根据权利要求1所述一种基于改进人工势场法的机器人路径规划方法,其特征在于:所述步骤A中,分别针对机器人面向目标位置方向、最大水平视角范围内的各个障碍物,按如下公式:
获得障碍物基于人工势场法、针对机器人的斥力F'rep,其中,m表示预设斥力增益系数,d表示机器人位置与障碍物位置之间的距离,d0表示预设机器人位置与障碍物位置之间距离阈值;然后根据各个障碍物分别基于人工势场法、针对机器人的斥力F'rep,获得该各个斥力所对应的合力斥力Frep。
6.根据权利要求1所述一种基于改进人工势场法的机器人路径规划方法,其特征在于:所述步骤B中,按如下公式:
Fattr=-k||p-pg||
获得目标位置基于人工势场法、针对机器人的引力Fattr,其中,k表示预设引力增益系数,p表示机器人的位置,pg表示目标位置,||p-pg||表示机器人位置与目标位置之间的距离。
7.根据权利要求1所述一种基于改进人工势场法的机器人路径规划方法,其特征在于:所述步骤C中,当机器人位置与目标位置之间的距离、不大于预设机器人位置与目标位置之间的距离阈值d'时,则α=0.7。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910772237.4A CN110531762A (zh) | 2019-08-21 | 2019-08-21 | 一种基于改进人工势场法的机器人路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910772237.4A CN110531762A (zh) | 2019-08-21 | 2019-08-21 | 一种基于改进人工势场法的机器人路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110531762A true CN110531762A (zh) | 2019-12-03 |
Family
ID=68662327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910772237.4A Pending CN110531762A (zh) | 2019-08-21 | 2019-08-21 | 一种基于改进人工势场法的机器人路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110531762A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111123951A (zh) * | 2019-12-31 | 2020-05-08 | 深圳市优必选科技股份有限公司 | 一种双足机器人及其轨迹跟随方法和装置 |
CN111168675A (zh) * | 2020-01-08 | 2020-05-19 | 北京航空航天大学 | 一种家用服务机器人的机械臂动态避障运动规划方法 |
CN111207756A (zh) * | 2020-03-19 | 2020-05-29 | 重庆邮电大学 | 一种基于改进人工势场算法的移动机器人路径规划方法 |
CN111736611A (zh) * | 2020-07-06 | 2020-10-02 | 中国计量大学 | 一种基于a*算法和人工势场算法的移动机器人路径规划方法 |
CN111766784A (zh) * | 2020-07-10 | 2020-10-13 | 郑州大学 | 障碍物环境下多机器人图案构成的迭代优化方法 |
CN111897328A (zh) * | 2020-07-17 | 2020-11-06 | 武汉理工大学 | 一种基于改进人工势场法的路径规划方法、装置及设备 |
CN111984160A (zh) * | 2020-06-28 | 2020-11-24 | 中国科学院软件研究所 | 一种基于人工势能场的目标选择方法及电子装置 |
CN112344943A (zh) * | 2020-11-20 | 2021-02-09 | 安徽工程大学 | 一种改进人工势场算法的智能车路径规划方法 |
CN112678208A (zh) * | 2021-01-20 | 2021-04-20 | 哈尔滨工业大学 | 基于包含动态规避和阻尼特性人工势场法的卫星集群控制方法 |
CN112809682A (zh) * | 2021-01-27 | 2021-05-18 | 佛山科学技术学院 | 机械臂避障路径规划方法、系统及存储介质 |
CN113190001A (zh) * | 2021-04-30 | 2021-07-30 | 南京理工大学 | 一种送药机器人移动方法及装置 |
WO2021196977A1 (zh) * | 2020-03-31 | 2021-10-07 | 华为技术有限公司 | 路径规划的方法、装置、控制器及移动物体 |
CN113538683A (zh) * | 2021-07-28 | 2021-10-22 | 视伴科技(北京)有限公司 | 一种确定实体流线的规划位置的方法及装置 |
CN114625150A (zh) * | 2022-05-17 | 2022-06-14 | 南京汇与信息科技有限公司 | 基于危险指数和距离函数的快速蚁群无人艇动态避障方法 |
CN114839994A (zh) * | 2022-05-18 | 2022-08-02 | 哈尔滨理工大学 | 基于改进人工势场法的无人船航速自适应路径规划方法 |
CN115480591A (zh) * | 2022-10-20 | 2022-12-16 | 广东电网有限责任公司云浮供电局 | 一种配电网设备环境巡检无人机安全避障方法 |
CN115562291A (zh) * | 2022-10-19 | 2023-01-03 | 哈尔滨理工大学 | 基于人工势场法改进势场动力系数的路径规划方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016045615A1 (zh) * | 2014-09-25 | 2016-03-31 | 科沃斯机器人有限公司 | 机器人静态路径规划方法 |
CN105717929A (zh) * | 2016-04-29 | 2016-06-29 | 中国人民解放军国防科学技术大学 | 一种多分辨率障碍物环境下移动机器人混合路径规划方法 |
-
2019
- 2019-08-21 CN CN201910772237.4A patent/CN110531762A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016045615A1 (zh) * | 2014-09-25 | 2016-03-31 | 科沃斯机器人有限公司 | 机器人静态路径规划方法 |
CN105717929A (zh) * | 2016-04-29 | 2016-06-29 | 中国人民解放军国防科学技术大学 | 一种多分辨率障碍物环境下移动机器人混合路径规划方法 |
Non-Patent Citations (5)
Title |
---|
仇恒坦等: "改进人工势场法的移动机器人路径规划分析", 《机械设计与研究》 * |
刘洲洲: "基于改进人工势场法的智能无人车路径规划仿真研究", 《计算技术与自动化》 * |
张建英等: "基于人工势场法的机器人路径规划", 《哈尔滨工业大学学报》 * |
罗强 等: "改进人工势场法自主移动机器人路径规划", 《控制工程》 * |
胡志华等: "基于改进人工势场力的机器人路径规划", 《微计算机信息》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111123951B (zh) * | 2019-12-31 | 2024-02-06 | 深圳市优必选科技股份有限公司 | 一种双足机器人及其轨迹跟随方法和装置 |
CN111123951A (zh) * | 2019-12-31 | 2020-05-08 | 深圳市优必选科技股份有限公司 | 一种双足机器人及其轨迹跟随方法和装置 |
CN111168675B (zh) * | 2020-01-08 | 2021-09-03 | 北京航空航天大学 | 一种家用服务机器人的机械臂动态避障运动规划方法 |
CN111168675A (zh) * | 2020-01-08 | 2020-05-19 | 北京航空航天大学 | 一种家用服务机器人的机械臂动态避障运动规划方法 |
CN111207756A (zh) * | 2020-03-19 | 2020-05-29 | 重庆邮电大学 | 一种基于改进人工势场算法的移动机器人路径规划方法 |
CN111207756B (zh) * | 2020-03-19 | 2022-08-23 | 重庆邮电大学 | 一种基于改进人工势场算法的移动机器人路径规划方法 |
WO2021196977A1 (zh) * | 2020-03-31 | 2021-10-07 | 华为技术有限公司 | 路径规划的方法、装置、控制器及移动物体 |
CN111984160A (zh) * | 2020-06-28 | 2020-11-24 | 中国科学院软件研究所 | 一种基于人工势能场的目标选择方法及电子装置 |
CN111736611A (zh) * | 2020-07-06 | 2020-10-02 | 中国计量大学 | 一种基于a*算法和人工势场算法的移动机器人路径规划方法 |
CN111766784A (zh) * | 2020-07-10 | 2020-10-13 | 郑州大学 | 障碍物环境下多机器人图案构成的迭代优化方法 |
CN111897328A (zh) * | 2020-07-17 | 2020-11-06 | 武汉理工大学 | 一种基于改进人工势场法的路径规划方法、装置及设备 |
CN111897328B (zh) * | 2020-07-17 | 2022-02-15 | 武汉理工大学 | 一种基于改进人工势场法的路径规划方法、装置及设备 |
CN112344943B (zh) * | 2020-11-20 | 2022-09-06 | 安徽工程大学 | 一种改进人工势场算法的智能车路径规划方法 |
CN112344943A (zh) * | 2020-11-20 | 2021-02-09 | 安徽工程大学 | 一种改进人工势场算法的智能车路径规划方法 |
CN112678208A (zh) * | 2021-01-20 | 2021-04-20 | 哈尔滨工业大学 | 基于包含动态规避和阻尼特性人工势场法的卫星集群控制方法 |
CN112809682A (zh) * | 2021-01-27 | 2021-05-18 | 佛山科学技术学院 | 机械臂避障路径规划方法、系统及存储介质 |
CN113190001A (zh) * | 2021-04-30 | 2021-07-30 | 南京理工大学 | 一种送药机器人移动方法及装置 |
CN113538683A (zh) * | 2021-07-28 | 2021-10-22 | 视伴科技(北京)有限公司 | 一种确定实体流线的规划位置的方法及装置 |
CN114625150A (zh) * | 2022-05-17 | 2022-06-14 | 南京汇与信息科技有限公司 | 基于危险指数和距离函数的快速蚁群无人艇动态避障方法 |
CN114625150B (zh) * | 2022-05-17 | 2022-08-19 | 南京汇与信息科技有限公司 | 基于危险系数和距离函数的快速蚁群无人艇动态避障方法 |
CN114839994A (zh) * | 2022-05-18 | 2022-08-02 | 哈尔滨理工大学 | 基于改进人工势场法的无人船航速自适应路径规划方法 |
CN114839994B (zh) * | 2022-05-18 | 2022-11-15 | 哈尔滨理工大学 | 基于改进人工势场法的无人船航速自适应路径规划方法 |
CN115562291A (zh) * | 2022-10-19 | 2023-01-03 | 哈尔滨理工大学 | 基于人工势场法改进势场动力系数的路径规划方法 |
CN115562291B (zh) * | 2022-10-19 | 2023-12-12 | 哈尔滨理工大学 | 基于人工势场法改进势场动力系数的路径规划方法 |
CN115480591A (zh) * | 2022-10-20 | 2022-12-16 | 广东电网有限责任公司云浮供电局 | 一种配电网设备环境巡检无人机安全避障方法 |
CN115480591B (zh) * | 2022-10-20 | 2023-09-12 | 广东电网有限责任公司云浮供电局 | 一种配电网设备环境巡检无人机安全避障方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110531762A (zh) | 一种基于改进人工势场法的机器人路径规划方法 | |
CN105717929B (zh) | 一种多分辨率障碍物环境下移动机器人混合路径规划方法 | |
CN104298239B (zh) | 一种室内移动机器人增强地图学习路径规划方法 | |
CN108762264A (zh) | 基于人工势场与滚动窗口的机器人的动态避障方法 | |
JP7351920B2 (ja) | 方法及びロボット | |
CN106989748A (zh) | 一种基于云模型的农业移动机器人人机合作路径规划方法 | |
CN110502032A (zh) | 一种基于行为控制的无人机集群编队飞行方法 | |
CN103455034B (zh) | 一种基于最近距离向量场直方图的避障路径规划方法 | |
CN112013846B (zh) | 一种结合动态步长rrt*算法和势场法的路径规划方法 | |
CN112074383A (zh) | 使用2d和3d路径规划的机器人导航 | |
CN108896052A (zh) | 一种基于动态复杂环境下的移动机器人平滑路径规划方法 | |
CN107885209A (zh) | 一种基于动态窗口与虚拟目标点的避障方法 | |
CN109945873A (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 | |
CN108195383A (zh) | 一种基于改进rrt算法的地下无人铲运机路径规划方法 | |
CN106444769A (zh) | 一种室内移动机器人增量式环境信息采样的最优路径规划方法 | |
CN109540136A (zh) | 一种多无人艇协同路径规划方法 | |
CN107807643B (zh) | 机器人的行走预测和控制方法 | |
CN102520718A (zh) | 一种基于物理建模的机器人避障路径规划方法 | |
CN107357295B (zh) | 一种基于栅格地图的路径搜索方法和芯片及机器人 | |
CN106774425A (zh) | 一种无人机飞行导航的方法及系统 | |
CN107560620A (zh) | 一种路径导航方法和芯片及机器人 | |
CN104765371A (zh) | 基于滚动窗的深度搜索与模糊控制融合的路径规划方法 | |
CN103713640A (zh) | 一种移动无线传感器网络节点运动行为控制方法 | |
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 | |
CN116643572A (zh) | 针对室内复杂环境的局部路径规划方法、电子设备及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191203 |
|
RJ01 | Rejection of invention patent application after publication |