CN110567477A - 基于改进a*算法的路径规划方法、装置及机器人 - Google Patents
基于改进a*算法的路径规划方法、装置及机器人 Download PDFInfo
- Publication number
- CN110567477A CN110567477A CN201910924466.3A CN201910924466A CN110567477A CN 110567477 A CN110567477 A CN 110567477A CN 201910924466 A CN201910924466 A CN 201910924466A CN 110567477 A CN110567477 A CN 110567477A
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- expansion
- path
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于改进A*算法的路径规划方法、装置及机器人,其中路径规划方法包括初始化步骤、扩展步骤、搜索步骤、判断步骤和路径生成步骤;在扩展步骤中采用24邻域进行扩展,在搜索步骤中依据24邻域进行搜索,在路径生成步骤中采用消除共线节点和消除冗余转折点的方法使路径优化;减少了路径代价,减小搜索时间,加快路径规划进程,且使最终路径更平滑。
Description
技术领域
本发明涉及自动机器人领域,特别是基于改进A*算法的路径规划方法、装置及机器人。
背景技术
A*算法本质上是一种具有启发式特征的搜索算法,兼具灵活性和对适应不同路况的能力,在路径规划搜索中非常流行。但A*算法在节点选取时固定采用8邻域扩展方式,周围至多只能选择8个运动方向,且运动角度限制为π/4的整数倍,不利于机器人转向,导致产生更多冗余节点,且无对冗余节点进行优化,使最终路径转折点多、不平滑。
发明内容
本发明的目的在于至少解决现有技术中存在的技术问题之一,提供基于改进A*算法的路径规划方法、装置及机器人。
本发明解决其问题所采用的技术方案是:
本发明的第一方面,基于改进A*算法的路径规划方法,包括以下步骤:
初始化步骤:建立OPEN表和CLOSE表,将起始节点纳入所述OPEN表;
扩展步骤:将OPEN表中具有最小f值的节点作为当前节点向周围扩展得到两层扩展节点,处于内圈的扩展节点共8个,处于外圈的扩展节点共16个;
搜索步骤:先判断处于内圈的扩展节点是否为障碍节点,若不是则向外圈扩展;判断处于外圈的扩展节点是否为障碍节点和当前节点至扩展节点途径的途经点是否在CLOSE表中,若判断失败则将该扩展节点纳入OPEN表中;以当前节点作为父节点更新OPEN表中的所有节点的g值;
判断步骤:将OPEN表中g值变小的节点作为当前节点执行扩展步骤,将扩展节点纳入CLOSE表,然后判断OPEN表中的所有节点是否包含目标节点,若不包含则执行搜索步骤,若包含则执行路径生成步骤;
路径生成步骤:将起始节点、搜索步骤中得到的父节点和目标节点依次经消除共线节点和消除冗余转折点后相连得到最优路径。
根据本发明的第一方面,所述消除共线节点具体为:对于依次相连的三个节点S1、S2和S3,计算S1与S2连线的斜率KS1S2和S2与S3连线的斜率KS2S3,若KS1S2=KS2S3,则消除节点S2。
根据本发明的第一方面,所述消除冗余转折点具体为:对于依次相连的三个节点P1、P2和P3,若P1和P3间的连线无经过障碍节点,则消除节点P2。
根据本发明的第一方面,f值为始节点至终节点的总代价,g值为始节点至现节点的真实代价,满足f=g+h,其中h值为现节点至终节点的预估代价。
本发明的第二方面,基于改进A*算法的路径规划装置,包括:
初始化模块,用于建立OPEN表和CLOSE表,将起始节点纳入所述OPEN表;
扩展模块,用于将OPEN表中具有最小f值的节点作为当前节点向周围扩展得到两层扩展节点,处于内圈的扩展节点共8个,处于外圈的扩展节点共16个;
搜索模块,用于判断处于内圈的扩展节点是否为障碍节点,若不是则向外圈扩展,判断处于外圈的扩展节点是否为障碍节点和当前节点至扩展节点途径的途经点是否在CLOSE表中,若判断失败则将该扩展节点纳入OPEN表中,以当前节点作为父节点更新OPEN表中的所有节点的g值;
判断模块,用于将OPEN表中g值变小的节点作为当前节点执行扩展步骤,将扩展节点纳入CLOSE表,然后判断OPEN表中的所有节点是否包含目标节点,若不包含则执行搜索模块,若包含则执行路径生成模块;
路径生成模块,用于将起始节点、搜索步骤中得到的父节点和目标节点依次经消除共线节点和消除冗余转折点后相连得到最优路径。
根据本发明的第二方面,所述路径生成模块包括第一消除模块,所述第一消除模块用于消除共线节点;所述消除共线节点具体为:对于依次相连的三个节点S1、S2和S3,计算S1与S2连线的斜率KS1S2和S2与S3连线的斜率KS2S3,若KS1S2=KS2S3,则消除节点S2。
根据本发明的第二方面,所述路径生成模块包括第二消除模块,所述第二消除模块用于消除冗余转折点;所述消除冗余转折点具体为:对于依次相连的三个节点P1、P2和P3,若P1和P3间的连线无经过障碍节点,则消除节点P2。
根据本发明的第二方面,f值为始节点至终节点的总代价,g值为始节点至现节点的真实代价,满足f=g+h,其中h值为现节点至终节点的预估代价。
本发明的第三方面,一种机器人,执行如本发明第一方面所述的基于改进A*算法的路径规划方法得到最优路径,并按照最优路径行走。
上述的技术方案至少具有以下的有益效果:在传统的8邻域扩展搜索方式上进行扩展增至24邻域,增加了对路径方向的选择性,减少了路径代价,减小搜索时间,加快路径规划进程;同时通过消除共线节点和消除冗余转折点的方式进一步减少冗余的节点,使路径进一步优化,更平滑。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
下面结合附图和实例对本发明作进一步说明。
图1是本发明实施例基于改进A*算法的路径规划方法的步骤图;
图2是消除共线节点的原理图;
图3是消除冗余转折点的原理图。
具体实施方式
本部分将详细描述本发明的具体实施例,本发明之较佳实施例在附图中示出,附图的作用在于用图形补充说明书文字部分的描述,使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案,但其不能理解为对本发明保护范围的限制。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
参照图1,本发明的实施例,基于改进A*算法的路径规划方法,包括以下步骤:
步骤S10、初始化步骤:建立OPEN表和CLOSE表,将起始节点纳入所述OPEN表;
步骤S20、扩展步骤:将OPEN表中具有最小f值的节点作为当前节点向周围扩展得到两层扩展节点,处于内圈的扩展节点共8个,处于外圈的扩展节点共16个;
步骤S30、搜索步骤:先判断处于内圈的扩展节点是否为障碍节点,若不是则向外圈扩展;判断处于外圈的扩展节点是否为障碍节点和当前节点至扩展节点途径的途经点是否在CLOSE表中,若判断失败则将该扩展节点纳入OPEN表中;以当前节点作为父节点更新OPEN表中的所有节点的g值;
步骤S40、判断步骤:将OPEN表中g值变小的节点作为当前节点执行扩展步骤,将扩展节点纳入CLOSE表,然后判断OPEN表中的所有节点是否包含目标节点,若不包含则执行搜索步骤,若包含则执行路径生成步骤;
步骤S50、路径生成步骤:将起始节点、搜索步骤中得到的父节点和目标节点依次经消除共线节点和消除冗余转折点后相连得到最优路径。
在该实施例中,以栅格路径规划为基础,将整体要规划的地图划分为多个小栅格,通过评估各节点间的代价值寻找到最优路径。在传统的8邻域扩展搜索方式上进行扩展增至24邻域,在搜索步骤针对24邻域提出新的搜索方式,增加了对路径方向的选择性,减少了路径代价,减小搜索时间,加快路径规划进程;同时通过消除共线节点和消除冗余转折点的方式进一步减少冗余的节点,使路径进一步优化,更平滑。
另外,在初始化步骤中,OPEN表的作用是保存搜索过程中遇到的扩展节点,同时将这些节点按代价值进行排序;CLOSE表的作用是保存OPEN表中代价值变化的可扩展节点。
需要说明的是,每个节点位于栅格的中心位置。障碍节点用0表示,非障碍节点用1表示,非障碍节点表示该节点所在的栅格可通行。
参照图2,进一步,所述消除共线节点具体为:对于依次相连的三个节点S1、S2和S3,计算S1与S2连线的斜率KS1S2和S2与S3连线的斜率KS2S3,若KS1S2=KS2S3,则消除节点S2。
在该实施例中,节点用坐标表示,S1的坐标为(x1,y1),S2的坐标为(x2,y2),则斜率KS1S2=(y2-y1)/(x2-x1)。当KS1S2=KS2S3,表示S1、S2和S3三点共线,则S2为多余的共线节点,应当被消除,使路径S1-S2-S3变成路径S1-S3,减少节点的数目,能有效加快路径规划进程。
参照图3,进一步,所述消除冗余转折点具体为:对于依次相连的三个节点P1、P2和P3,若P1和P3间的连线无经过障碍节点,则消除节点P2。
在删除共线节点后,路径中仍存在冗余转折点,通过对路径上除起始节点和目标节点外的其他父节点进行判断,当一个父节点的上一节点和下一节点的连线无经过障碍节点和障碍节点所处的障碍栅格,则该父节点为冗余转折点,应当被消除。进一步减少节点的数目,能有效加快路径规划进程,使路径更平滑。
具体地,f值为始节点至终节点的总代价,g值为始节点至现节点的真实代价,满足f=g+h,其中h值为现节点至终节点的预估代价。
表1路径规划对比表
从表1可以看出,本发明采用的基于改进A*算法的路径规划方法相对于常规的24邻域A*方法在路径长度上最大提升了4.4%,最小提升了2.3%;相对于常规的8邻域搜索方式的A*算法,算法运行效率上最大提升了13.1%,最小提升了7.4%,在路经长度上最大提升了9.4%,最小提升了6.8%。综上,本发明采用的基于改进A*算法的路径规划方法在各方面具有明显的提升效果。
本发明的另一个实施例,提供了基于改进A*算法的路径规划装置,执行上述的基于改进A*算法的路径规划方法;该路径规划装置包括:
初始化模块,用于建立OPEN表和CLOSE表,将起始节点纳入所述OPEN表;
扩展模块,用于将OPEN表中具有最小f值的节点作为当前节点向周围扩展得到两层扩展节点,处于内圈的扩展节点共8个,处于外圈的扩展节点共16个;
搜索模块,用于判断处于内圈的扩展节点是否为障碍节点,若不是则向外圈扩展,判断处于外圈的扩展节点是否为障碍节点和当前节点至扩展节点途径的途经点是否在CLOSE表中,若判断失败则将该扩展节点纳入OPEN表中,以当前节点作为父节点更新OPEN表中的所有节点的g值;
判断模块,用于将OPEN表中g值变小的节点作为当前节点执行扩展步骤,将扩展节点纳入CLOSE表,然后判断OPEN表中的所有节点是否包含目标节点,若不包含则执行搜索模块,若包含则执行路径生成模块;
路径生成模块,用于将起始节点、搜索步骤中得到的父节点和目标节点依次经消除共线节点和消除冗余转折点后相连得到最优路径。
进一步,所述路径生成模块包括第一消除模块,所述第一消除模块用于消除共线节点;所述消除共线节点具体为:对于依次相连的三个节点S1、S2和S3,计算S1与S2连线的斜率KS1S2和S2与S3连线的斜率KS2S3,若KS1S2=KS2S3,则消除节点S2。
进一步,所述路径生成模块包括第二消除模块,所述第二消除模块用于消除冗余转折点;所述消除冗余转折点具体为:对于依次相连的三个节点P1、P2和P3,若P1和P3间的连线无经过障碍节点,则消除节点P2。
进一步,f值为始节点至终节点的总代价,g值为始节点至现节点的真实代价,满足f=g+h,其中h值为现节点至终节点的预估代价。
本发明的另一个实施例,提供了一种机器人,执行如上述的基于改进A*算法的路径规划方法得到最优路径,并按照最优路径行走。
在该实施例中,机器人通过该路径规划方法行进的路径更短且更平滑,使机器人具有更高的智能化。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,都应属于本发明的保护范围。
Claims (9)
1.基于改进A*算法的路径规划方法,其特征在于,包括以下步骤:
初始化步骤:建立OPEN表和CLOSE表,将起始节点纳入所述OPEN表;
扩展步骤:将OPEN表中具有最小f值的节点作为当前节点向周围扩展得到两层扩展节点,处于内圈的扩展节点共8个,处于外圈的扩展节点共16个;
搜索步骤:先判断处于内圈的扩展节点是否为障碍节点,若不是则向外圈扩展;判断处于外圈的扩展节点是否为障碍节点和当前节点至扩展节点途径的途经点是否在CLOSE表中,若判断失败则将该扩展节点纳入OPEN表中;以当前节点作为父节点更新OPEN表中的所有节点的g值;
判断步骤:将OPEN表中g值变小的节点作为当前节点执行扩展步骤,将扩展节点纳入CLOSE表,然后判断OPEN表中的所有节点是否包含目标节点,若不包含则执行搜索步骤,若包含则执行路径生成步骤;
路径生成步骤:将起始节点、搜索步骤中得到的父节点和目标节点依次经消除共线节点和消除冗余转折点后相连得到最优路径。
2.根据权利要求1所述的基于改进A*算法的路径规划方法,其特征在于,所述消除共线节点具体为:对于依次相连的三个节点S1、S2和S3,计算S1与S2连线的斜率KS1S2和S2与S3连线的斜率KS2S3,若KS1S2=KS2S3,则消除节点S2。
3.根据权利要求1所述的基于改进A*算法的路径规划方法,其特征在于,所述消除冗余转折点具体为:对于依次相连的三个节点P1、P2和P3,若P1和P3间的连线无经过障碍节点,则消除节点P2。
4.根据权利要求1至3任一项所述的基于改进A*算法的路径规划方法,其特征在于,f值为始节点至终节点的总代价,g值为始节点至现节点的真实代价,满足f=g+h,其中h值为现节点至终节点的预估代价。
5.基于改进A*算法的路径规划装置,其特征在于,包括:
初始化模块,用于建立OPEN表和CLOSE表,将起始节点纳入所述OPEN表;
扩展模块,用于将OPEN表中具有最小f值的节点作为当前节点向周围扩展得到两层扩展节点,处于内圈的扩展节点共8个,处于外圈的扩展节点共16个;
搜索模块,用于判断处于内圈的扩展节点是否为障碍节点,若不是则向外圈扩展,判断处于外圈的扩展节点是否为障碍节点和当前节点至扩展节点途径的途经点是否在CLOSE表中,若判断失败则将该扩展节点纳入OPEN表中,以当前节点作为父节点更新OPEN表中的所有节点的g值;
判断模块,用于将OPEN表中g值变小的节点作为当前节点执行扩展步骤,将扩展节点纳入CLOSE表,然后判断OPEN表中的所有节点是否包含目标节点,若不包含则执行搜索模块,若包含则执行路径生成模块;
路径生成模块,用于将起始节点、搜索步骤中得到的父节点和目标节点依次经消除共线节点和消除冗余转折点后相连得到最优路径。
6.根据权利要求5所述的基于改进A*算法的路径规划装置,其特征在于,所述路径生成模块包括第一消除模块,所述第一消除模块用于消除共线节点;所述消除共线节点具体为:对于依次相连的三个节点S1、S2和S3,计算S1与S2连线的斜率KS1S2和S2与S3连线的斜率KS2S3,若KS1S2=KS2S3,则消除节点S2。
7.根据权利要求5所述的基于改进A*算法的路径规划装置,其特征在于,所述路径生成模块包括第二消除模块,所述第二消除模块用于消除冗余转折点;所述消除冗余转折点具体为:对于依次相连的三个节点P1、P2和P3,若P1和P3间的连线无经过障碍节点,则消除节点P2。
8.根据权利要求5-7任一项所述的基于改进A*算法的路径规划装置,其特征在于,f值为始节点至终节点的总代价,g值为始节点至现节点的真实代价,满足f=g+h,其中h值为现节点至终节点的预估代价。
9.一种机器人,其特征在于,所述机器人执行如权利要求1至4任一项所述的基于改进A*算法的路径规划方法得到最优路径,并按照最优路径行走。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910924466.3A CN110567477A (zh) | 2019-09-27 | 2019-09-27 | 基于改进a*算法的路径规划方法、装置及机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910924466.3A CN110567477A (zh) | 2019-09-27 | 2019-09-27 | 基于改进a*算法的路径规划方法、装置及机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110567477A true CN110567477A (zh) | 2019-12-13 |
Family
ID=68782825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910924466.3A Pending CN110567477A (zh) | 2019-09-27 | 2019-09-27 | 基于改进a*算法的路径规划方法、装置及机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110567477A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111174798A (zh) * | 2020-01-17 | 2020-05-19 | 长安大学 | 一种足式机器人路径规划方法 |
CN111693049A (zh) * | 2020-05-20 | 2020-09-22 | 五邑大学 | 一种无人船覆盖投食的动态路径规划方法及设备 |
CN111880534A (zh) * | 2020-07-17 | 2020-11-03 | 桂林电子科技大学 | 一种基于栅格地图的二次路径规划方法 |
CN112327856A (zh) * | 2020-11-13 | 2021-02-05 | 云南电网有限责任公司保山供电局 | 一种基于改进A-star算法的机器人路径规划方法 |
CN112683278A (zh) * | 2021-01-08 | 2021-04-20 | 东南大学 | 一种基于改进a*算法和贝塞尔曲线的全局路径规划方法 |
CN112882468A (zh) * | 2021-01-13 | 2021-06-01 | 安徽理工大学 | 一种改进a*算法的药房机器人路径规划方法 |
CN112985408A (zh) * | 2021-02-25 | 2021-06-18 | 南京航空航天大学 | 一种路径规划优化方法及系统 |
CN113608531A (zh) * | 2021-07-26 | 2021-11-05 | 福州大学 | 基于安全a*引导点的动态窗口的无人车实时全局路径规划方法 |
CN114313667A (zh) * | 2021-12-20 | 2022-04-12 | 五邑大学 | 运输液罐及液罐车 |
WO2022237321A1 (zh) * | 2021-05-08 | 2022-11-17 | 珠海一微半导体股份有限公司 | 一种通行区域的路径融合规划方法、机器人及芯片 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104914862A (zh) * | 2015-04-21 | 2015-09-16 | 电子科技大学 | 基于目标方向约束的路径规划算法 |
CN108508893A (zh) * | 2018-03-23 | 2018-09-07 | 西安电子科技大学 | 一种基于改进a算法的机器人能效最优路径规划方法 |
CN108983789A (zh) * | 2018-08-20 | 2018-12-11 | 广东华中科技大学工业技术研究院 | 一种无人艇的路径规划和布放调度方法 |
-
2019
- 2019-09-27 CN CN201910924466.3A patent/CN110567477A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104914862A (zh) * | 2015-04-21 | 2015-09-16 | 电子科技大学 | 基于目标方向约束的路径规划算法 |
CN108508893A (zh) * | 2018-03-23 | 2018-09-07 | 西安电子科技大学 | 一种基于改进a算法的机器人能效最优路径规划方法 |
CN108983789A (zh) * | 2018-08-20 | 2018-12-11 | 广东华中科技大学工业技术研究院 | 一种无人艇的路径规划和布放调度方法 |
Non-Patent Citations (4)
Title |
---|
崔宝侠等: "基于可搜索24邻域的A~*算法路径规划", 《沈阳工业大学学报》 * |
王淼弛: "基于A*算法的移动机器人路径规划", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
赵江等: "对AGV路径规划A星算法的改进与验证", 《计算机工程与应用》 * |
郭强: "基于改进A~*算法的仿生机器鱼全局路径规划", 《西华大学学报(自然科学版)》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111174798A (zh) * | 2020-01-17 | 2020-05-19 | 长安大学 | 一种足式机器人路径规划方法 |
CN111693049A (zh) * | 2020-05-20 | 2020-09-22 | 五邑大学 | 一种无人船覆盖投食的动态路径规划方法及设备 |
CN111693049B (zh) * | 2020-05-20 | 2022-02-11 | 五邑大学 | 一种无人船覆盖投食的动态路径规划方法及设备 |
CN111880534A (zh) * | 2020-07-17 | 2020-11-03 | 桂林电子科技大学 | 一种基于栅格地图的二次路径规划方法 |
CN112327856B (zh) * | 2020-11-13 | 2022-12-06 | 云南电网有限责任公司保山供电局 | 一种基于改进A-star算法的机器人路径规划方法 |
CN112327856A (zh) * | 2020-11-13 | 2021-02-05 | 云南电网有限责任公司保山供电局 | 一种基于改进A-star算法的机器人路径规划方法 |
CN112683278A (zh) * | 2021-01-08 | 2021-04-20 | 东南大学 | 一种基于改进a*算法和贝塞尔曲线的全局路径规划方法 |
CN112683278B (zh) * | 2021-01-08 | 2024-01-30 | 东南大学 | 一种基于改进a*算法和贝塞尔曲线的全局路径规划方法 |
CN112882468A (zh) * | 2021-01-13 | 2021-06-01 | 安徽理工大学 | 一种改进a*算法的药房机器人路径规划方法 |
CN112985408A (zh) * | 2021-02-25 | 2021-06-18 | 南京航空航天大学 | 一种路径规划优化方法及系统 |
WO2022237321A1 (zh) * | 2021-05-08 | 2022-11-17 | 珠海一微半导体股份有限公司 | 一种通行区域的路径融合规划方法、机器人及芯片 |
CN113608531B (zh) * | 2021-07-26 | 2023-09-12 | 福州大学 | 基于安全a*引导点的无人车实时全局路径规划方法 |
CN113608531A (zh) * | 2021-07-26 | 2021-11-05 | 福州大学 | 基于安全a*引导点的动态窗口的无人车实时全局路径规划方法 |
CN114313667A (zh) * | 2021-12-20 | 2022-04-12 | 五邑大学 | 运输液罐及液罐车 |
CN114313667B (zh) * | 2021-12-20 | 2023-06-13 | 五邑大学 | 运输液罐及液罐车 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110567477A (zh) | 基于改进a*算法的路径规划方法、装置及机器人 | |
CN109976350B (zh) | 多机器人调度方法、装置、服务器及计算机可读存储介质 | |
CN110772791B (zh) | 三维游戏场景的路线生成方法、装置和存储介质 | |
US9116523B2 (en) | Apparatus and method of cell-based path planning for mobile body | |
CN111060103B (zh) | 一种局部动态寻优避障的路径规划方法 | |
WO2020079074A3 (en) | Autonomous vehicle planning | |
CN104156459B (zh) | 一种基于相同开销网格的高效寻路的方法及系统 | |
EP1335315A2 (en) | Dual Dijkstra search for planning multiple paths | |
CN108413963B (zh) | 基于自学习蚁群算法的条形机器人路径规划方法 | |
CN112947489B (zh) | 复杂环境下焊接机器人无碰撞路径规划方法及装置 | |
US20110010083A1 (en) | Path search method | |
CN110487290B (zh) | 基于变步长a星搜索的无人驾驶汽车局部路径规划方法 | |
WO2022142893A1 (zh) | 双足机器人路径规划方法、装置和双足机器人 | |
CN112356033B (zh) | 一种融合低差异序列与rrt算法的机械臂路径规划方法 | |
CN115167398A (zh) | 一种基于改进a星算法的无人船路径规划方法 | |
Zhou et al. | Enhanced ant colony optimization algorithm for global path planning of mobile robots | |
Chen et al. | Global path planning method by fusion of A-star algorithm and sparrow search algorithm | |
CN113188555A (zh) | 一种移动机器人路径规划方法 | |
CN112857384A (zh) | 基于改进启发函数的a*算法的移动机器人路径规划方法 | |
CN114564023B (zh) | 一种动态场景下的跳点搜索路径规划方法 | |
CN115562356A (zh) | 一种飞行车辆图搜索路径规划方法、终端设备和介质 | |
CN113358129B (zh) | 基于Voronoi图的避障最短路径规划方法 | |
CN114545971A (zh) | 一种通讯约束下多智能体分布式可飞路径规划方法、系统、计算机设备及介质 | |
Liu et al. | Optimal relay node placement for connectivity recovery in underwater acoustic sensor networks | |
CN114353814A (zh) | 基于Angle-Propagation Theta*算法改进的JPS路径优化方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191213 |