CN110595482A - 一种带避障权重的路径规划方法、装置及电子设备 - Google Patents

一种带避障权重的路径规划方法、装置及电子设备 Download PDF

Info

Publication number
CN110595482A
CN110595482A CN201911029783.5A CN201911029783A CN110595482A CN 110595482 A CN110595482 A CN 110595482A CN 201911029783 A CN201911029783 A CN 201911029783A CN 110595482 A CN110595482 A CN 110595482A
Authority
CN
China
Prior art keywords
grid
cost
passable
obstacle avoidance
queue
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.)
Granted
Application number
CN201911029783.5A
Other languages
English (en)
Other versions
CN110595482B (zh
Inventor
眭灵慧
刘敦浩
闫瑞君
刘鹏
林李泽
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.)
Shenzhen Silver Star Intelligent Group Co Ltd
Original Assignee
Shenzhen Silver Star Intelligent 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 Shenzhen Silver Star Intelligent Technology Co Ltd filed Critical Shenzhen Silver Star Intelligent Technology Co Ltd
Priority to CN201911029783.5A priority Critical patent/CN110595482B/zh
Publication of CN110595482A publication Critical patent/CN110595482A/zh
Application granted granted Critical
Publication of CN110595482B publication Critical patent/CN110595482B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas

Landscapes

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

Abstract

本发明涉及机器人技术领域，公开了一种带避障权重的路径规划方法、装置及电子设备，所述方法包括：获取栅格地图，确定所述移动机器人的起点栅格以及终点栅格；计算所述栅格地图的可通行栅格的栅格代价值，所述栅格代价值包括：从起点栅格到该可通行栅格的代价、该可通行栅格到终点栅格的代价、该可通行栅格的避障代价；基于带避障权重的A星算法进行路径规划，生成规划后的路径。本发明基于传统A星算法添加了避障权重、障碍判断动态缓存及跨步长的搜索策略，本发明能够解决目前A星算法规划过程中计算量大的技术问题，也能解决狭窄区域的路径难以规划的问题。

Description

一种带避障权重的路径规划方法、装置及电子设备
技术领域
本发明实施方式涉及机器人技术领域，特别是涉及一种带避障权重的路径规划方法、装置及电子设备。
背景技术
随着技术的发展和人们生活水平的提高，诸如清洁机器人、服务机器人、远程监控机器人、扫地机器人等移动机器人逐渐进入人们的生活中。
同步定位与建图技术(Simultaneous Localization and Mapping，SLAM)建立的栅格地图(Grid-based map)有一个最小分辨率，导致被标记为障碍物的栅格并不一定全是障碍物，机器人仍然有从该栅格边缘通过的可能，忽略该可能会导致狭窄区域(跟机器人半径相当)不能够通过。A*算法路径搜索会比较耗时，在主板计算效率有限的情况下，难以保持路径规划实时性。针对障碍物膨胀策略，在主板计算效率有限的情况下，如果地图分辨率过大，膨胀地图的计算量过大，过大的计算资源难以保持路径规划的实时性。
基于此，现有技术亟待改进。
发明内容
为了解决上述技术问题，本发明实施例提供一种带避障权重的路径规划方法、装置及电子设备，解决目前路径规划计算量大的技术问题，减少障碍物判断的计算量，提高路径规划的实时性。
为了解决上述技术问题，本发明实施例提供以下技术方案：
第一方面，本发明实施例提供一种带避障权重的路径规划方法，应用于移动机器人，包括：
获取栅格地图，确定所述移动机器人的起点栅格以及终点栅格；
计算所述栅格地图的可通行栅格的栅格代价值，所述栅格代价值包括：从起点栅格到该可通行栅格的代价、该可通行栅格到终点栅格的代价、该可通行栅格的避障代价；
基于带避障权重的A星算法进行路径规划，生成规划后的路径。
在一些实施例中，所述计算所述栅格地图的可通行栅格的栅格代价值，包括：
计算所述起点栅格到所述可通行栅格的代价；
计算所述可通行栅格的避障代价；
计算所述可通行栅格到所述终点栅格的代价；
根据所述起点栅格到所述可通行栅格的代价、所述可通行栅格的避障代价以及所述可通行栅格到所述终点栅格的代价，计算所述可通行栅格的栅格代价值。
在一些实施例中，假设所述移动机器人的半径占据所述栅格地图的数量为R，所述可通行栅格的避障代价包括：
若所述可通行栅格的R-1邻域内存在障碍栅格，则避障代价为无穷大；
若所述可通行栅格的R-1邻域内不存在障碍栅格，而R邻域内存在障碍栅格，则避障代价为碰撞风险值，其中，所述碰撞风险值设置为通过R邻域内不存在障碍栅格的可通行栅格的栅格代价值的预设倍数；
若R邻域内不存在障碍栅格，则避障代价为零。
在一些实施例中，所述方法还包括：
建立起点栅格的转移代价表；
根据所述转移代价表，确定已遍历栅格的栅格代价值。
在一些实施例中，所述方法还包括：
缓存所述转移代价表。
在一些实施例中，所述基于带避障权重的A星算法进行路径规划，生成规划后的路径，包括：
建立待检查队列和已检查队列；
确定预设步长，搜索以起点栅格为中心的预设步长的邻域内的自由栅格；
根据所述自由栅格的栅格代价值，结合所述终点栅格的位置，确定规划后的路径。
在一些实施例中，所述确定预设步长，搜索以起点栅格为中心的预设步长的邻域内的自由栅格，包括：
确定预设步长R，搜索以起点栅格为中心的R邻域内的自由栅格，并将其加入待检查队列，并将所述自由栅格的父节点指向起点栅格，同时将所述起点栅格加入已检查队列。
在一些实施例中，所述根据所述自由栅格的栅格代价值，结合所述终点栅格的位置，确定规划后的路径，包括：
判断所述待检查队列是否为空；
若所述待检查队列不为空，则在所述待检查队列中选取栅格代价值最小的栅格，将所述栅格代价值最小的栅格移出所述待检查队列，并加入所述已检查队列；
判断终点栅格是否位于以所述栅格代价值最小的栅格为中心的预设步长R为半径的范围内；
若终点栅格位于以所述栅格代价值最小的栅格为中心的预设步长R为半径的范围内，将终点栅格的父节点指向所述栅格代价值最小的栅格，返回规划后的路径；
若终点栅格不位于以所述栅格代价值最小的栅格为中心的预设步长R为半径的范围内，则基于跨步长搜索策略，查找自由栅格，并重复判断所述待检查队列是否为空及其之后的步骤。
在一些实施例中，所述基于跨步长搜索策略，查找自由栅格，包括：
搜索R-1邻域范围内的自由栅格，将R-1邻域范围内的自由栅格的父节点指向栅格代价值最小的栅格，并将R-1邻域范围内的自由栅格加入待检查队列，逐步递减，直至1邻域。
在一些实施例中，所述方法还包括：
若没有搜索到以起点栅格为中心的R邻域内的自由栅格，则确定返回路径规划失败。
在一些实施例中，所述方法还包括：
若判断所述待检查队列为空，则确定返回路径规划失败。
第二方面，本发明实施例提供一种带避障权重的路径规划装置，包括：
栅格地图单元，用于获取栅格地图，确定所述移动机器人的起点栅格以及终点栅格；
栅格代价值单元，用于计算所述栅格地图的可通行栅格的栅格代价值，所述栅格代价值包括：从起点栅格到该可通行栅格的代价、该可通行栅格到终点栅格的代价、该可通行栅格的避障代价；
规划路径单元，用于基于带避障权重的A星算法进行路径规划，生成规划后的路径。
在一些实施例中，所述栅格代价值单元，具体用于：
计算所述起点栅格到所述可通行栅格的代价；
计算所述可通行栅格的避障代价；
计算所述可通行栅格到所述终点栅格的代价；
根据所述起点栅格到所述可通行栅格的代价、所述可通行栅格的避障代价以及所述可通行栅格到所述终点栅格的代价，计算所述可通行栅格的栅格代价值。
在一些实施例中，所述装置还包括：
转移代价表单元，用于建立起点栅格的转移代价表；
根据所述转移代价表，确定已遍历栅格的栅格代价值。
在一些实施例中，所述装置还包括：
缓存单元，用于缓存所述转移代价表。
在一些实施例中，所述规划路径单元，具体用于：
建立待检查队列和已检查队列；
确定预设步长R，搜索以起点栅格为中心的R邻域内的自由栅格，并将其加入待检查队列，并将所述自由栅格的父节点指向起点栅格，同时将所述起点栅格加入已检查队列；
判断所述待检查队列是否为空；
若所述待检查队列不为空，则在所述待检查队列中选取栅格代价值最小的栅格，将所述栅格代价值最小的栅格移出所述待检查队列，并加入所述已检查队列；
判断终点栅格是否位于以所述栅格代价值最小的栅格为中心的预设步长R为半径的范围内；
若终点栅格位于以所述栅格代价值最小的栅格为中心的预设步长R为半径的范围内，将终点栅格的父节点指向所述栅格代价值最小的栅格，返回规划后的路径；
若终点栅格不位于以所述栅格代价值最小的栅格为中心的预设步长R为半径的范围内，则基于跨步长搜索策略，查找自由栅格，并重复判断所述待检查队列是否为空及其之后的步骤。
在一些实施例中，所述基于跨步长搜索策略，查找自由栅格，包括：
搜索R-1邻域范围内的自由栅格，将R-1邻域范围内的自由栅格的父节点指向栅格代价值最小的栅格，并将R-1邻域范围内的自由栅格加入待检查队列，逐步递减，直至1邻域。
在一些实施例中，若没有搜索到以起点栅格为中心的R邻域内的自由栅格，则确定返回路径规划失败。
在一些实施例中，若判断所述待检查队列为空，则确定返回路径规划失败。
第三方面，本发明实施例提供一种电子设备，包括：
至少一个处理器；和
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上述的带避障权重的路径规划方法。
第四方面，本发明实施例提供一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使电子设备执行上述的带避障权重的路径规划方法。
本发明实施方式的有益效果是：区别于现有技术的情况，本发明实施方式提供一种带避障权重的路径规划方法、装置及电子设备，所述方法包括：获取栅格地图，确定所述移动机器人的起点栅格以及终点栅格；计算所述栅格地图的可通行栅格的栅格代价值，所述栅格代价值包括：从起点栅格到该可通行栅格的代价、该可通行栅格到终点栅格的代价、该可通行栅格的避障代价；基于带避障权重的A星算法进行路径规划，生成规划后的路径。通过在栅格代价值中添加避障权重代价值，并基于带避障权重的A星算法进行路径规划，本发明能够解决解决目前路径规划计算量大的技术问题，减少障碍物判断的计算量，提高路径规划的实时性。
附图说明
一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是本发明实施例提供的一种应用环境的示意图；
图2是本发明实施例提供的一种带避障权重的路径规划方法的流程示意图；
图3是本发明实施例提供的一种带避障权重的路径规划方法的整体流程图；
图4是本发明实施例提供的一种邻域的示意图；
图5是本发明实施例提供的一种移动机器人的位置示意图；
图6是本发明实施例提供的一种带避障权重的路径规划装置的结构示意图；
图7是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为了便于理解本发明，下面结合附图和具体实施方式，对本发明进行更详细的说明。需要说明的是，当元件被表述“固定于”另一个元件，它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元件。当一个元件被表述“连接”另一个元件，它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
对本发明进行详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释。
1)栅格地图(Grid-based map)，表示的是一种二维空间描述方法，将二维空间以一个最小的分辨率划分为一个个子单元，如1m*1m的二维空间，经过分辨率5cm划分后的二维空间描述为20*20的栅格矩阵，栅格矩阵中每一个元素对应实际物理尺寸的大小是5cm*5cm。
2)自由栅格，指的是栅格地图中没有被障碍物占据的栅格。
3)障碍栅格，指的是栅格地图中被障碍物占据的栅格。
4)起点栅格，指的是移动机器人所处的起点位置所在的栅格。
5)终点栅格，指的是移动机器人将要到达的目标位置所处的栅格。
6)机器人半径，指的是假设机器人为圆形，机器人的半径。
7)栅格模型，指的是用于确定某一栅格是障碍栅格或自由栅格的模型。
在对本发明进行详细阐述之前，对A星算法进行简要介绍如下：
(1)A星算法简介：
A星搜索算法结合了基于广度搜索的Dijkstra算法和贪心思想的BFS最佳优先搜索的优点设计的最短路径算法，它可以用于含有障碍物的图算法之中。其思想是首先将节点的邻近节点加入待处理队列之中，但是并不是依次处理，而是通过一个评估函数，依据该函数有优先级地对待处理队列中的节点进行处理，从而快速地找到终点。
(2)A星算法思想：
首先要将节点分类，分为可通行节点，不可通行节点，起始节点和终点。然后节点应该还含有的参数是父节点的指针。
从起点开始，首先搜寻与起点相邻的节点，将其加入待检查队列OpenList中。然后进入循环，从OpenList中取出一个点，取出原则后面介绍，将该节点加入CloseList中。由于当前只有起点，因此取出的就是起点。然后将与起点相连的点(不加入路障点和在CloseList中的点)加入)OpenList中，并且在加入过程中，要计算每个点的评估函数值F，该值是作为前面提到的从openList中取点原则的依据(取F最小的点)。F＝G+H，其中G为从起始节点到该点所要花费的总的代价，H为该点到终点的预测代价。在加入点到OpenList的过程中，如果该点的父节点为空，则还要将加入点的父节点指定为当前节点；若父节点不为空(说明待加入点已经在OpenList之中了，此时要做到就是是否更新待加入点的状态)，则要比较从当前节点到待加入点的G值还是待加入点的已有G值大，若前者大，则将更新G值和待加入点的父节点，否则不改变待加入点的状态。循环以上操作直至终点加入到OpenList之中。最后，根据终点的父节点指针，依次找到起始节点。
下面结合附图对本发明进行详细说明：
请参阅图1，图1是本发明实施例提供的一种应用环境的示意图；
如图1所示，该应用环境100，包括：移动机器人平台10以及移动机器人20，其中，所述移动机器人平台10通信连接所述移动机器人20，所述移动机器人平台10包括多个电子设备11，所述电子设备11包括移动终端、服务器、基站等设备。
具体的，所述移动机器人平台10与移动机器人20通信连接，通过电子设备11完成移动机器人20的路径规划，例如：电子设备11对接移动机器人20，获取所述移动机器人20的位置信息，例如：所述移动机器人20所处的当前栅格，以及获取栅格地图的障碍栅格等信息，为所述移动机器人20规划路径。
在一些实施例中，所述电子设备11可以为服务器，所述服务器的数量为多个，多个电子设备11可构成服务器集群，例如：该服务器集群包括：第一服务器、第二服务器，…，第N服务器，或者，该服务器集群可以是一个云计算服务中心，该云计算服务中心包括若干台服务器。
在一些实施例中，移动机器人20的数量可以为一个，亦可以为多个，所述移动机器人20可以为清洁机器人、服务机器人、远程监控机器人、扫地机器人等移动机器人。
可以理解的是，本发明实施例中的栅格地图中的每一个栅格只要满足相应条件都可以作为路径节点中的节点。
在本发明实施例中，栅格模型表示如下式(1)所示：
其中，map[i][j]表示栅格地图中坐标为i,j的栅格，并且，若Occ函数的返回值为1，则表示该栅格被占据，该栅格是障碍栅格，若Occ函数的返回值为0，则表示为该栅格未被占据，该栅格自由栅格。
在本发明实施例中，栅格k邻域模型如下式(2)所示：
其中，栅格k邻域模型表示k邻域中满足行或者列中离栅格i,j至少一个为k的栅格集合，Neighbor函数的返回值为栅格集合，其中，k为正整数且k≥2。
在本发明实施例中，栅格k近邻模型如下式(3)表示：
式(3)：
Neighbors(map,i,j,k)＝{map[i-m][j-n]|(n∈[-k,k]∩Z),m∈[-k,k]∩Z)}
其中，k近邻模型表示距离栅格i,j行以及列均小于等于k的栅格集合，Neighbors函数的返回值为栅格集合，其中，k为正整数且k≥2。
在本发明实施例中，障碍栅格判断模型如下式(4)所示：
式(4)：
SumN(map,i,j,k)＝∑Occ(nm),nm∈{Neighbors(map,i,j,k),k∈N+}
其中，障碍栅格判断模型用于判断某一栅格是否为障碍栅格，其判断方式为：某一个栅格k近邻中若有栅格被占据，则该栅格被判断为障碍栅格，若没有栅格被占据，则该栅格被判断为自由栅格，SumN函数用于计算k领域的障碍栅格的个数，若SumN函数的计算结果为0，则代表k领域的障碍栅格的个数为0，此时表示周围没有障碍栅格，若SumN函数的计算结果不为0，则表示周围存在障碍栅格。
在本发明实施例中，栅格通行模型如下式(5)所示：
其中，faccess值为栅格通行标识值，用于确定某一栅格是否可通行；若faccess值为0，表示该栅格可通行，faccess值为1，则表示该栅格不可通行。
在本发明实施例中，节点通行模型如下式(6)所示：
式(6)：
其中，access值为节点通行标识值，用于确定两节点之间是否可通行；若access值为0，表示坐标为i,j的节点Nodei,j与坐标为m,n的节点Nodem,n之间的可以通行，access值为1，则表示两个节点间有障碍，导致不可通行。
请参阅图2，图2是本发明实施例提供的一种带避障权重的路径规划方法的流程示意图；
如图2所示，该带避障权重的路径规划方法，包括：
步骤S10：获取栅格地图，确定所述移动机器人的起点栅格以及终点栅格；
具体的，通过确定所述移动机器人的坐标，获取所述移动机器人位于所述栅格地图的位置，确定所述移动机器人的地点栅格；通过确定所述移动机器人需要到达的目标位置，根据所述移动机器人需要到达的目标位置的坐标，确定所述移动机器人的终点栅格。
步骤S20：计算所述栅格地图的可通行栅格的栅格代价值，所述栅格代价值包括：从起点栅格到该可通行栅格的代价、该可通行栅格到终点栅格的代价、该可通行栅格的避障代价；
其中，所述可通行栅格为自由栅格，所述栅格代价值包括所述起点栅格到所述可通行栅格的代价、所述可通行栅格到终点栅格的代价以及所述可通行栅格的避障代价，所述栅格代价值为所述起点栅格到所述可通行栅格的代价、所述可通行栅格到终点栅格的代价以及所述可通行栅格的避障代价之和。
具体的，所述计算所述栅格地图的可通行栅格的栅格代价值，包括：
计算所述起点栅格到所述可通行栅格的代价；
计算所述可通行栅格的避障代价；
计算所述可通行栅格到所述终点栅格的代价；
根据所述起点栅格到所述可通行栅格的代价、所述可通行栅格的避障代价以及所述可通行栅格到所述终点栅格的代价，计算所述可通行栅格的栅格代价值。
在本发明实施例中，所述栅格地图的任一栅格的栅格代价值标记为F，所述起点栅格到任一栅格的距离值标记为G，所述任一栅格的避障权重代价值标记为O，所述终点栅格到任一栅格的距离值标记为H，则，所述栅格地图的任一栅格的栅格代价值的计算公式为：F＝G+H+O；
具体的，所述计算所述起点栅格到所述可通行栅格的代价，包括：计算所述起点栅格到所述可通行栅格的欧式距离，即从父节点到子节点的移动代价按照欧氏距离，考虑到机器人半径内无障碍物，因此可以使用查表的加速策略。
其中，所述查表的加速策略，包括：建立起点栅格的转移代价表；
具体的，所述转移代价表的计算方式为：INT(10*周围栅格到中心栅格的距离)，其中，INT函数为取整函数，通过取整以减少计算量，例如：栅格i+1，j+1到i,j的距离的计算方式为：10*sqrt(1+1)＝14。
其中，当前节点位于0处，后继节点可能是表格中的任意位置处，根据当前节点的位置，创建当前节点向后继节点的转移代价表，如下表1所示：
42 36 32 30 32 36 42
36 28 22 20 22 28 36
32 22 14 10 14 22 32
30 20 10 0 10 20 30
32 22 14 10 14 22 32
36 28 22 20 22 28 36
42 36 32 30 32 36 42
表1
根据所述转移代价表，确定已遍历栅格的栅格代价值。
具体的，所述转移代价表用于确定已遍历栅格的栅格代价值，当移动机器人计算所述栅格地图的可通行栅格的栅格代价值时，可以通过查表的加速策略，直接从所述转移代价表中获取任一可通行栅格的栅格代价值。
在本发明实施例中，所述方法还包括：缓存所述转移代价表，其中，所述转移代价表缓存在所述电子设备的内存中，例如：缓存在所述电子设备的高速缓存寄存器中，因此通过查表可以直接获取已遍历栅格的栅格代价值，从而不需要每次搜索都计算栅格代价值，进而提高计算效率。
在本发明实施例中，假设所述移动机器人的半径占据所述栅格地图的数量为R，所述可通行栅格的避障代价包括：
若所述可通行栅格的R-1邻域内存在障碍栅格，则避障代价为无穷大；
若所述可通行栅格的R-1邻域内不存在障碍栅格，而R邻域内存在障碍栅格，则避障代价为碰撞风险值，其中，所述碰撞风险值设置为通过R邻域内不存在障碍栅格的可通行栅格的栅格代价值的预设倍数；
若R邻域内不存在障碍栅格，则避障代价为零。
具体的，所述计算所述可通行栅格的避障代价，包括：
其中，移动机器人的半径为R，因此考虑距移动机器人中心距离R的栅格是可能的通行区域，因此避障代价O定义如下式(7)：
O(map[i][j])＝fcost(mi,j) (7)
其中，fcost的计算方式如下式(8)：
式(8)：
SumN(map,i,j,k)＝∑Occ(nm),nm∈{Neighbor(map,i,j,k),k∈N+}
其中，障碍栅格判断模型SumN由上述的式(4)定义：
SumN(map,i,j,k)＝∑Occ(nm),nm∈{Neighbors(map,i,j,k),k∈N+}
其中，障碍栅格判断模型用于判断某一栅格是否为障碍栅格，其判断方式为：某一个栅格k近邻中若有栅格被占据，则该栅格被判断为障碍栅格，若没有栅格被占据，则该栅格被判断为自由栅格，SumN函数用于计算k领域的障碍栅格的个数，若SumN函数的计算结果为0，则代表k领域的障碍栅格的个数为0，此时表示周围没有障碍栅格，若SumN函数的计算结果不为0，则表示周围存在障碍栅格。
计算某一个栅格i,j的代价fcost时，如果该栅格R领域内没有occupied栅格，即障碍栅格，那么代价设置为0，表示不会有碰撞风险，当R-1领域内有occupied栅格，即障碍栅格时，则表示会发生碰撞，将fcost设置为无穷大，表示该栅格不可通行，如果R-1邻域内没有occupied栅格，而R邻域内有occupied栅格，那么就设置fcost为OCost，所述OCost为碰撞风险值，表示该栅格可能通行，但是会有碰撞的风险，在本发明实施例中，所述碰撞风险值OCost设置为5*sqrt(3*3+3*3)*10,即要通过该存在碰撞风险的栅格的代价是通过正常栅格代价的5倍。
可以理解的是，OCost为栅格1至R-1邻域内没有障碍，R邻域有障碍的代价值，对自由栅格的代价值不为无穷大，即O(map[i][j])≠∞，对障碍栅格的代价值为无穷大，即O(map[i][j])＝∞。
具体的，所述计算所述可通行栅格到所述终点栅格的代价，包括：
计算终点栅格到任一栅格的曼哈顿距离，将所述曼哈顿距离确定为所述可通行栅格到所述终点栅格的代价。
在本发明实施例中，通过在栅格代价值中携带避障权重，有效的解决了narrowspace狭窄区域，即与移动机器人半径相当的区域规划失败的问题，即狭窄空间的问题，并且还会选择尽可能远离障碍的栅格作为路径节点，可以达到有效的避免碰撞的效果。
步骤S30：基于带避障权重的A星算法进行路径规划，生成规划后的路径。
具体的，请再参阅图3，图3是本发明实施例提供的一种带避障权重的路径规划方法的整体流程图；
如图3所示，所述基于带避障权重的A星算法进行路径规划，生成规划后的路径，包括：
步骤S301：建立待检查队列和已检查队列；
具体的，将待检查队列标记为OpenList，将已检查队列标记为CloseList。
步骤S302：确定预设步长R，搜索以起点栅格为中心的R邻域内的自由栅格，并将其加入待检查队列，并将所述自由栅格的父节点指向起点栅格，同时将所述起点栅格加入已检查队列；
具体的，通过搜索以移动机器人的起点栅格S为中心R邻域的自由栅格，并将其加入到待检查队列OpenList，即计算fcost不为∞的栅格，将自由栅格的父节点指向机器人起点栅格S，并将起点栅格S加入已检查队列CloseList，如果没有找到自由栅格，则直接返回路径规划失败；
可以理解的是，没有找到自由栅格表示机器人起点栅格S陷入障碍中，周围没有自由栅格；若终点在1至R-1领域内，说明机器人已经在终点范围内了，再做规划前，通过对起点和终点距离进行判断，小于一定阈值，直接返回起点与终点两个节点作为路径。
步骤S303：判断待检查队列是否为空；
具体的，若待检查队列为空，则说明没有找到自由栅格，即没有搜索到以起点栅格为中心的R邻域内的自由栅格，则进入步骤S3031：路径规划失败，即确定返回路径规划失败。
步骤S304：在所述待检查队列中选取栅格代价值最小的栅格，将所述栅格代价值最小的栅格移出所述待检查队列，并加入所述检查队列；
具体的，在待检查队列OpenList中选取栅格代价值，即F值最小的栅格Nmin，将栅格Nmin移出待检查队列OpenList，再将栅格Nmin放到已检查队列CloseList中。
步骤S305：判断终点栅格是否位于以所述栅格代价值最小的栅格为中心的预设步长R为半径的范围内；
具体的，判断终点栅格是否位于以所述栅格代价值最小的栅格为中心的预设步长R为半径的范围内，若是，则进入步骤S306：将终点栅格的父节点指向所述栅格代价值最小的栅格，返回规划后的路径；若否，则进入步骤S307：基于跨步长搜索策略，查找自由栅格；
步骤S306：将终点栅格的父节点指向所述栅格代价值最小的栅格，返回规划后的路径；
具体的，如果终点在栅格Nmin为中心R为半径范围内，将终点G的父节点指向栅格Nmin，返回搜索路径，规划结束。
步骤S307：基于跨步长搜索策略，查找自由栅格；
请参阅图4，图4是本发明实施例提供的一种邻域的示意图；
如图4所示，该栅格的邻域包括一邻域、二邻域以及三邻域。
具体的，所述基于跨步长搜索策略，查找自由栅格，包括：
确定预设步长R，优先搜索R邻域范围内的栅格，若存在自由栅格，则停止搜索，若不存在，则搜索R-1邻域范围内的自由栅格，直至搜索1邻域范围内的自由栅格；
其中，使用跨步长的搜索策略查找Nmin为中心R-1邻域的自由栅格，将自由栅格的父节点指向栅格Nmin，然后将自由栅格加入到待检测队列OpenList中，返回步骤S303：判断待检查队列是否为空。
请再参阅图5，图5是本发明实施例提供的一种移动机器人的位置示意图；
如图5所示，移动机器人位于圆圈所在位置，假设机器人半径为0.75cm，一个栅格的边长是0.5cm，那么移动机器人占据的栅格R＝0.75/0.5＝1.5，栅格为整数，基于带避障权重的A星算法会将机器人设置为R＝2，图中的栅格1,2,3,5,7,8,9为自由栅格，栅格4,6为障碍栅格，其中，深色部分是障碍物真实占据情况，在传统路径规划中，4,6被占据，移动机器人半径又为2，规划的时候会认为栅格5不可通行，如果移动机器人必须通过栅格5才能到达目标点，那么会由于栅格5被判断为不可通行而导致路径规划失败，而在本基于带避障权重的A星算法中，则会考虑栅格5可以通行，但会加上一个避障权重，规划出路径后会使得机器人尝试从栅格5这里出去。因此，本发明能够更好地匹配真实情况。
由于原始A星算法，障碍物影响范围设置过小，则规划出来的路径有较大碰撞风险，若在障碍物影响半径为R的情况下搜不出来路径，再以R-1去搜索则搜索量过大且有较大碰撞风险，而本发明通过引入避障权重，达到障碍物影响半径动态调整的效果，使得规划出来的路径在障碍物影响半径为R到R-1之间动态调整，使得规划出来的路径更为合理，通过跨步长搜索及障碍物动态识别的策略可以极大减少路径规划过程中障碍识别的计算量，即使在低计算资源的平台下也能够达到实时规划的效果，因此该方法可以用在移动机器人路径规划领域，达到更好的路径规划效果。
在本发明实施例中，通过提供一种带避障权重的路径规划方法，所述方法包括：获取栅格地图，确定所述移动机器人的起点栅格以及终点栅格；计算所述栅格地图的可通行栅格的栅格代价值，所述栅格代价值包括：从起点栅格到该可通行栅格的代价、该可通行栅格到终点栅格的代价、该可通行栅格的避障代价；基于带避障权重的A星算法进行路径规划，生成规划后的路径。本发明基于传统A星算法添加了避障权重、障碍判断动态缓存及跨步长的搜索策略，本发明能够解决目前A星算法规划过程中计算量大的技术问题，也能解决狭窄区域的路径难以规划的问题，提高路径规划的实时性。
请再参阅图6，图6是本发明实施例提供的一种带避障权重的路径规划装置的结构示意图；
如图6所示，该带避障权重的路径规划装置60，包括：
栅格地图单元61，用于获取栅格地图，确定所述移动机器人的起点栅格以及终点栅格；
栅格代价值单元62，用于计算所述栅格地图的可通行栅格的栅格代价值，所述栅格代价值包括：从起点栅格到该可通行栅格的代价、该可通行栅格到终点栅格的代价、该可通行栅格的避障代价；
规划路径单元63，用于基于带避障权重的A星算法进行路径规划，生成规划后的路径。
在本发明实施例中，所述栅格代价值单元62，具体用于：
计算所述起点栅格到所述可通行栅格的代价；
计算所述可通行栅格的避障代价；
计算所述可通行栅格到所述终点栅格的代价；
根据所述起点栅格到所述可通行栅格的代价、所述可通行栅格的避障代价以及所述可通行栅格到所述终点栅格的代价，计算所述可通行栅格的栅格代价值。
在本发明实施例中，假设所述移动机器人的半径占据所述栅格地图的数量为R，所述可通行栅格的避障代价包括：
若所述可通行栅格的R-1邻域内存在障碍栅格，则避障代价为无穷大；
若所述可通行栅格的R-1邻域内不存在障碍栅格，而R邻域内存在障碍栅格，则避障代价为碰撞风险值，其中，所述碰撞风险值设置为通过R邻域内不存在障碍栅格的可通行栅格的栅格代价值的预设倍数；
若R邻域内不存在障碍栅格，则避障代价为零。
在本发明实施例中，所述装置还包括：
转移代价表单元(图未示)，用于建立起点栅格的转移代价表；
根据所述转移代价表，确定已遍历栅格的栅格代价值。
在本发明实施例中，所述装置还包括：
缓存单元(图未示)，用于缓存所述转移代价表。
在本发明实施例中，所述规划路径单元63，具体用于：
建立待检查队列和已检查队列；
确定预设步长R，搜索以起点栅格为中心的R邻域内的自由栅格，并将其加入待检查队列，并将所述自由栅格的父节点指向起点栅格，同时将所述起点栅格加入已检查队列；
判断所述待检查队列是否为空；
若所述待检查队列不为空，则在所述待检查队列中选取栅格代价值最小的栅格，将所述栅格代价值最小的栅格移出所述待检查队列，并加入所述已检查队列；
判断终点栅格是否位于以所述栅格代价值最小的栅格为中心的预设步长R为半径的范围内；
若终点栅格位于以所述栅格代价值最小的栅格为中心的预设步长R为半径的范围内，将终点栅格的父节点指向所述栅格代价值最小的栅格，返回规划后的路径；
若终点栅格不位于以所述栅格代价值最小的栅格为中心的预设步长R为半径的范围内，则基于跨步长搜索策略，查找自由栅格，并重复判断所述待检查队列是否为空及其之后的步骤。
在本发明实施例中，所述基于跨步长搜索策略，查找自由栅格，包括：
搜索R-1邻域范围内的自由栅格，将R-1邻域范围内的自由栅格的父节点指向栅格代价值最小的栅格，并将R-1邻域范围内的自由栅格加入待检查队列，逐步递减，直至1邻域。
在本发明实施例中，若没有搜索到以起点栅格为中心的R邻域内的自由栅格，则确定返回路径规划失败。
在本发明实施例中，若判断所述待检查队列为空，则确定返回路径规划失败。
在本发明实施例中，通过提供一种带避障权重的路径规划装置，包括：栅格地图单元，用于获取栅格地图，确定所述移动机器人的起点栅格以及终点栅格；栅格代价值单元，用于计算所述栅格地图的可通行栅格的栅格代价值，所述栅格代价值包括：从起点栅格到该可通行栅格的代价、该可通行栅格到终点栅格的代价、该可通行栅格的避障代价；规划路径单元，用于基于带避障权重的A星算法进行路径规划，生成规划后的路径。本发明基于传统A星算法添加了避障权重、障碍判断动态缓存及跨步长的搜索策略，本发明能够解决目前A星算法规划过程中计算量大的技术问题，也能解决狭窄区域的路径难以规划的问题，提高路径规划的实时性。
请再参阅图7，图7是本发明实施例提供的一种电子设备的结构示意图；
如图7所示，该电子设备70包括一个或多个处理器71以及存储器72。其中，图7中以一个处理器71为例。
处理器71和存储器72可以通过总线或者其他方式连接，图7中以通过总线连接为例。
存储器72作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的一种数字货币的聚合支付方法对应的单元(例如，图6所述的各个单元)。处理器71通过运行存储在存储器72中的非易失性软件程序、指令以及模块，从而执行带避障权重的路径规划方法的各种功能应用以及数据处理，即实现上述方法实施例的带避障权重的路径规划方法以及上述装置实施例的各个模块和单元的功能。
存储器72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，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器72可选包括相对于处理器71远程设置的存储器，这些远程存储器可以通过网络连接至处理器71。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述模块存储在所述存储器72中，当被所述一个或者多个处理器71执行时，执行上述任意方法实施例中的基于节点调节的路径规划方法，例如，执行以上描述的图2所示的各个步骤；也可实现图6所述的各个模块或单元的功能。
本申请实施例的电子设备以多种形式存在，在执行以上描述的图2所示的各个步骤；也可实现图6所述的各个单元的功能时，包括但不限于：
(1)塔式服务器
一般的塔式服务器机箱和我们常用的PC机箱差不多，而大型的塔式机箱就要粗大很多，总的来说外形尺寸没有固定标准。
(2)机架式服务器
机架式服务器是由于满足企业的密集部署，形成的以19英寸机架作为标准宽度的服务器类型，高度则从1U到数U。将服务器放置到机架上，并不仅仅有利于日常的维护及管理，也可能避免意想不到的故障。首先，放置服务器不占用过多空间。机架服务器整齐地排放在机架中，不会浪费空间。其次，连接线等也能够整齐地收放到机架里。电源线和LAN线等全都能在机柜中布好线，可以减少堆积在地面上的连接线，从而防止脚踢掉电线等事故的发生。规定的尺寸是服务器的宽(48.26cm＝19英寸)与高(4.445cm的倍数)。由于宽为19英寸，所以有时也将满足这一规定的机架称为“19英寸机架”。
(3)刀片式服务器
刀片服务器是一种HAHD(High Availability High Density，高可用高密度)的低成本服务器平台，是专门为特殊应用行业和高密度计算机环境设计的，其中每一块“刀片”实际上就是一块系统母板，类似于一个个独立的服务器。在这种模式下，每一个母板运行自己的系统，服务于指定的不同用户群，相互之间没有关联。不过可以使用系统软件将这些母板集合成一个服务器集群。在集群模式下，所有的母板可以连接起来提供高速的网络环境，可以共享资源，为相同的用户群服务。
(4)云服务器
云服务器(Elastic Compute Service,ECS)是一种简单高效、安全可靠、处理能力可弹性伸缩的计算服务。其管理方式比物理服务器更简单高效，用户无需提前购买硬件，即可迅速创建或释放任意多台云服务器。云服务器的分布式存储用于将大量服务器整合为一台超级计算机，提供大量的数据存储和处理服务。分布式文件系统、分布式数据库允许访问共同存储资源，实现应用数据文件的IO共享。虚拟机可以突破单个物理机的限制，动态的资源调整与分配消除服务器及存储设备的单点故障,实现高可用性。
需要说明的是，本发明的说明书及其附图中给出了本发明的较佳的实施方式，但是，本发明可以通过许多不同的形式来实现，并不限于本说明书所描述的实施方式，这些实施方式不作为对本发明内容的额外限制，提供这些实施方式的目的是使对本发明的公开内容的理解更加透彻全面。并且，上述各技术特征继续相互组合，形成未在上面列举的各种实施方式，均视为本发明说明书记载的范围；进一步地，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种带避障权重的路径规划方法，应用于移动机器人，其特征在于，包括：
获取栅格地图，确定所述移动机器人的起点栅格以及终点栅格；
计算所述栅格地图的可通行栅格的栅格代价值，所述栅格代价值包括：从起点栅格到该可通行栅格的代价、该可通行栅格到终点栅格的代价、该可通行栅格的避障代价；
基于带避障权重的A星算法进行路径规划，生成规划后的路径。
2.根据权利要求1所述的方法，其特征在于，假设所述移动机器人的半径占据所述栅格地图的数量为R，所述可通行栅格的避障代价包括：
若所述可通行栅格的R-1邻域内存在障碍栅格，则避障代价为无穷大；
若所述可通行栅格的R-1邻域内不存在障碍栅格，而R邻域内存在障碍栅格，则避障代价为碰撞风险值，其中，所述碰撞风险值设置为通过R邻域内不存在障碍栅格的可通行栅格的栅格代价值的预设倍数；
若R邻域内不存在障碍栅格，则避障代价为零。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
建立起点栅格的转移代价表；
根据所述转移代价表，确定已遍历栅格的栅格代价值。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述基于带避障权重的A星算法进行路径规划，生成规划后的路径，包括：
建立待检查队列和已检查队列；
确定预设步长，搜索以起点栅格为中心的预设步长的邻域内的自由栅格；
根据所述自由栅格的栅格代价值，结合所述终点栅格的位置，确定规划后的路径。
5.根据权利要求4所述的方法，其特征在于，所述确定预设步长，搜索以起点栅格为中心的预设步长的邻域内的自由栅格，包括：
确定预设步长R，搜索以起点栅格为中心的R邻域内的自由栅格，并将其加入待检查队列，并将所述自由栅格的父节点指向起点栅格，同时将所述起点栅格加入已检查队列。
6.根据权利要求5所述的方法，其特征在于，所述根据所述自由栅格的栅格代价值，结合所述终点栅格的位置，确定规划后的路径，包括：
判断所述待检查队列是否为空；
若所述待检查队列不为空，则在所述待检查队列中选取栅格代价值最小的栅格，将所述栅格代价值最小的栅格移出所述待检查队列，并加入所述已检查队列；
判断终点栅格是否位于以所述栅格代价值最小的栅格为中心的预设步长R为半径的范围内；
若终点栅格位于以所述栅格代价值最小的栅格为中心的预设步长R为半径的范围内，将终点栅格的父节点指向所述栅格代价值最小的栅格，返回规划后的路径；
若终点栅格不位于以所述栅格代价值最小的栅格为中心的预设步长R为半径的范围内，则基于跨步长搜索策略，查找自由栅格，并重复判断所述待检查队列是否为空及其之后的步骤。
7.根据权利要求6所述的方法，其特征在于，所述基于跨步长搜索策略，查找自由栅格，包括：
搜索R-1邻域范围内的自由栅格，将R-1邻域范围内的自由栅格的父节点指向栅格代价值最小的栅格，并将R-1邻域范围内的自由栅格加入待检查队列，逐步递减，直至1邻域。
8.根据权利要求5-7任一项所述的方法，其特征在于，所述方法还包括：
若没有搜索到以起点栅格为中心的R邻域内的自由栅格，则确定返回路径规划失败。
9.一种带避障权重的路径规划装置，其特征在于，包括：
栅格地图单元，用于获取栅格地图，确定所述移动机器人的起点栅格以及终点栅格；
栅格代价值单元，用于计算所述栅格地图的可通行栅格的栅格代价值，所述栅格代价值包括：从起点栅格到该可通行栅格的代价、该可通行栅格到终点栅格的代价、该可通行栅格的避障代价；
规划路径单元，用于基于带避障权重的A星算法进行路径规划，生成规划后的路径。
10.一种电子设备，其特征在于，包括：
至少一个处理器；和
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1-8任一项所述的带避障权重的路径规划方法。
CN201911029783.5A 2019-10-28 2019-10-28 一种带避障权重的路径规划方法、装置及电子设备 Active CN110595482B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911029783.5A CN110595482B (zh) 2019-10-28 2019-10-28 一种带避障权重的路径规划方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911029783.5A CN110595482B (zh) 2019-10-28 2019-10-28 一种带避障权重的路径规划方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN110595482A true CN110595482A (zh) 2019-12-20
CN110595482B CN110595482B (zh) 2020-11-13

Family

ID=68851776

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911029783.5A Active CN110595482B (zh) 2019-10-28 2019-10-28 一种带避障权重的路径规划方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN110595482B (zh)

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111290385A (zh) * 2020-02-19 2020-06-16 深圳前海达闼云端智能科技有限公司 一种机器人路径规划方法、机器人、电子设备及存储介质
CN111399516A (zh) * 2020-03-31 2020-07-10 深圳市银星智能科技股份有限公司 一种机器人路径规划方法、装置以及机器人
CN111781925A (zh) * 2020-06-22 2020-10-16 北京海益同展信息科技有限公司 路径规划方法、装置、机器人及存储介质
CN113009911A (zh) * 2021-02-20 2021-06-22 大陆智源科技（北京）有限公司 清洁路径的生成方法、装置和自移动设备
CN113124849A (zh) * 2019-12-30 2021-07-16 广东博智林机器人有限公司 一种室内路径规划方法、装置、电子设备及存储介质
CN113156970A (zh) * 2021-05-08 2021-07-23 珠海市一微半导体有限公司 一种通行区域的路径融合规划方法、机器人及芯片
CN113219975A (zh) * 2021-05-08 2021-08-06 珠海市一微半导体有限公司 一种路线优化方法、路径规划方法、芯片及机器人
CN113405557A (zh) * 2021-08-18 2021-09-17 科大讯飞(苏州)科技有限公司 路径规划方法及相关装置、电子设备、存储介质
CN113485337A (zh) * 2021-07-08 2021-10-08 深圳拓邦股份有限公司 避障碍物路径的搜索方法、装置、移动机器人
CN113589809A (zh) * 2021-07-26 2021-11-02 江苏徐工工程机械研究院有限公司 可避障的挖掘机工作装置作业轨迹规划方法及装置
CN113792109A (zh) * 2021-11-18 2021-12-14 上海景吾智能科技有限公司 路径规划方法、路径规划系统、机器人及存储介质
CN113885531A (zh) * 2021-11-05 2022-01-04 上海肇观电子科技有限公司 用于移动机器人的方法、移动机器人、电路、介质和程序
CN113917912A (zh) * 2020-07-08 2022-01-11 珠海格力电器股份有限公司 一种全局路径规划方法、装置、终端及可读存储介质
CN113970321A (zh) * 2021-10-21 2022-01-25 北京房江湖科技有限公司 一种户型动线的计算方法及装置
CN114152263A (zh) * 2021-11-11 2022-03-08 上海应用技术大学 路径规划方法、系统、电子设备及存储介质
CN114859891A (zh) * 2022-04-02 2022-08-05 中国人民解放军国防科技大学 多机器人持续监控方法和非临时性计算机可读存储介质
CN114967711A (zh) * 2022-07-04 2022-08-30 江苏集萃清联智控科技有限公司 一种基于动态加权地图的多agv协同路径规划方法及系统
CN115509216A (zh) * 2021-06-21 2022-12-23 广州视源电子科技股份有限公司 路径规划方法、装置、计算机设备和存储介质
WO2023169265A1 (zh) * 2022-03-10 2023-09-14 苏州科瓴精密机械科技有限公司 机器人寻路方法、寻路装置、设备和计算机可读存储介质
CN116822774A (zh) * 2023-08-31 2023-09-29 中国电子科技集团公司第十五研究所 一种基于改进Dijkstra算法的路径规划方法
CN117093012A (zh) * 2023-08-04 2023-11-21 广东工业大学 一种面向海洋环境改进a*算法的水下机器人路径规划方法
CN117109597A (zh) * 2023-10-23 2023-11-24 北京卓翼智能科技有限公司 基于改进a星算法的无人机路径规划方法和装置
WO2024015030A1 (en) * 2022-07-11 2024-01-18 Delivers Ai Robotik Otonom Surus Bilgi Teknolojileri A.S. A delivery system and method for a delivery robot
CN118229166A (zh) * 2024-03-12 2024-06-21 南京我乐家居股份有限公司 一种家具数字化物流管理方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111422740A (zh) * 2020-03-24 2020-07-17 苏州西弗智能科技有限公司 一种基于防摇的桥式起重机路径规划方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050005123A (ko) * 2003-07-03 2005-01-13 주식회사 우리기술 A 스타 알고리즘을 이용한 이동로봇의 주행 방법
CN106441303A (zh) * 2016-09-30 2017-02-22 哈尔滨工程大学 一种基于可搜索连续邻域a*算法的路径规划方法
CN107687859A (zh) * 2017-09-06 2018-02-13 电子科技大学 基于a星算法的最短寻路方法
CN108241369A (zh) * 2017-12-20 2018-07-03 北京理工华汇智能科技有限公司 机器人躲避静态障碍的方法及装置
CN108444488A (zh) * 2018-02-05 2018-08-24 天津大学 基于等步采样a*算法的无人驾驶局部路径规划方法
CN108983780A (zh) * 2018-07-24 2018-12-11 武汉理工大学 一种基于改进rrt*算法的移动机器人路径规划方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050005123A (ko) * 2003-07-03 2005-01-13 주식회사 우리기술 A 스타 알고리즘을 이용한 이동로봇의 주행 방법
CN106441303A (zh) * 2016-09-30 2017-02-22 哈尔滨工程大学 一种基于可搜索连续邻域a*算法的路径规划方法
CN107687859A (zh) * 2017-09-06 2018-02-13 电子科技大学 基于a星算法的最短寻路方法
CN108241369A (zh) * 2017-12-20 2018-07-03 北京理工华汇智能科技有限公司 机器人躲避静态障碍的方法及装置
CN108444488A (zh) * 2018-02-05 2018-08-24 天津大学 基于等步采样a*算法的无人驾驶局部路径规划方法
CN108983780A (zh) * 2018-07-24 2018-12-11 武汉理工大学 一种基于改进rrt*算法的移动机器人路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
彭澎: "基于A*算法的路径规划算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113124849A (zh) * 2019-12-30 2021-07-16 广东博智林机器人有限公司 一种室内路径规划方法、装置、电子设备及存储介质
CN113124849B (zh) * 2019-12-30 2023-11-14 广东博智林机器人有限公司 一种室内路径规划方法、装置、电子设备及存储介质
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
CN111290385A (zh) * 2020-02-19 2020-06-16 深圳前海达闼云端智能科技有限公司 一种机器人路径规划方法、机器人、电子设备及存储介质
CN111399516A (zh) * 2020-03-31 2020-07-10 深圳市银星智能科技股份有限公司 一种机器人路径规划方法、装置以及机器人
CN111399516B (zh) * 2020-03-31 2021-07-02 深圳市银星智能科技股份有限公司 一种机器人路径规划方法、装置以及机器人
WO2021259192A1 (zh) * 2020-06-22 2021-12-30 京东科技信息技术有限公司 路径规划方法、装置、机器人及存储介质
CN111781925A (zh) * 2020-06-22 2020-10-16 北京海益同展信息科技有限公司 路径规划方法、装置、机器人及存储介质
CN113917912A (zh) * 2020-07-08 2022-01-11 珠海格力电器股份有限公司 一种全局路径规划方法、装置、终端及可读存储介质
CN113009911A (zh) * 2021-02-20 2021-06-22 大陆智源科技（北京）有限公司 清洁路径的生成方法、装置和自移动设备
CN113009911B (zh) * 2021-02-20 2022-11-01 大陆智源科技（北京）有限公司 清洁路径的生成方法、装置和自移动设备
CN113219975A (zh) * 2021-05-08 2021-08-06 珠海市一微半导体有限公司 一种路线优化方法、路径规划方法、芯片及机器人
CN113219975B (zh) * 2021-05-08 2024-04-05 珠海一微半导体股份有限公司 一种路线优化方法、路径规划方法、芯片及机器人
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
CN113156970B (zh) * 2021-05-08 2023-06-09 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
CN113156970A (zh) * 2021-05-08 2021-07-23 珠海市一微半导体有限公司 一种通行区域的路径融合规划方法、机器人及芯片
CN115509216A (zh) * 2021-06-21 2022-12-23 广州视源电子科技股份有限公司 路径规划方法、装置、计算机设备和存储介质
CN113485337B (zh) * 2021-07-08 2024-04-02 深圳拓邦股份有限公司 避障碍物路径的搜索方法、装置、移动机器人
CN113485337A (zh) * 2021-07-08 2021-10-08 深圳拓邦股份有限公司 避障碍物路径的搜索方法、装置、移动机器人
CN113589809A (zh) * 2021-07-26 2021-11-02 江苏徐工工程机械研究院有限公司 可避障的挖掘机工作装置作业轨迹规划方法及装置
CN113589809B (zh) * 2021-07-26 2024-04-05 江苏徐工工程机械研究院有限公司 可避障的挖掘机工作装置作业轨迹规划方法及装置
CN113405557A (zh) * 2021-08-18 2021-09-17 科大讯飞(苏州)科技有限公司 路径规划方法及相关装置、电子设备、存储介质
CN113970321A (zh) * 2021-10-21 2022-01-25 北京房江湖科技有限公司 一种户型动线的计算方法及装置
CN113885531A (zh) * 2021-11-05 2022-01-04 上海肇观电子科技有限公司 用于移动机器人的方法、移动机器人、电路、介质和程序
CN114152263A (zh) * 2021-11-11 2022-03-08 上海应用技术大学 路径规划方法、系统、电子设备及存储介质
CN114152263B (zh) * 2021-11-11 2024-04-16 上海应用技术大学 路径规划方法、系统、电子设备及存储介质
CN113792109A (zh) * 2021-11-18 2021-12-14 上海景吾智能科技有限公司 路径规划方法、路径规划系统、机器人及存储介质
WO2023169265A1 (zh) * 2022-03-10 2023-09-14 苏州科瓴精密机械科技有限公司 机器人寻路方法、寻路装置、设备和计算机可读存储介质
CN114859891A (zh) * 2022-04-02 2022-08-05 中国人民解放军国防科技大学 多机器人持续监控方法和非临时性计算机可读存储介质
CN114967711A (zh) * 2022-07-04 2022-08-30 江苏集萃清联智控科技有限公司 一种基于动态加权地图的多agv协同路径规划方法及系统
WO2024015030A1 (en) * 2022-07-11 2024-01-18 Delivers Ai Robotik Otonom Surus Bilgi Teknolojileri A.S. A delivery system and method for a delivery robot
CN117093012B (zh) * 2023-08-04 2024-02-02 广东工业大学 一种面向海洋环境改进a*算法的水下机器人路径规划方法
CN117093012A (zh) * 2023-08-04 2023-11-21 广东工业大学 一种面向海洋环境改进a*算法的水下机器人路径规划方法
CN116822774A (zh) * 2023-08-31 2023-09-29 中国电子科技集团公司第十五研究所 一种基于改进Dijkstra算法的路径规划方法
CN117109597B (zh) * 2023-10-23 2023-12-29 北京卓翼智能科技有限公司 基于改进a星算法的无人机路径规划方法和装置
CN117109597A (zh) * 2023-10-23 2023-11-24 北京卓翼智能科技有限公司 基于改进a星算法的无人机路径规划方法和装置
CN118229166A (zh) * 2024-03-12 2024-06-21 南京我乐家居股份有限公司 一种家具数字化物流管理方法

Also Published As

Publication number Publication date
CN110595482B (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
CN110595482B (zh) 一种带避障权重的路径规划方法、装置及电子设备
CN110645991B (zh) 一种基于节点调节的路径规划方法、装置及服务器
US10467042B1 (en) Optimized deployment based upon customer locality
Deveci et al. Exploiting geometric partitioning in task mapping for parallel computers
US10284623B2 (en) Optimized browser rendering service
US20100077449A1 (en) Calculating multi-tenancy resource requirements and automated tenant dynamic placement in a multi-tenant shared environment
US20120069190A1 (en) Automatic vision sensor placement apparatus and method
CN101370025A (zh) 地理信息数据的存储方法、调度方法及管理系统
CN104298541A (zh) 云存储系统的数据分布算法及其装置
CN103970879B (zh) 一种调整数据块存储位置的方法及系统
Ray et al. Prioritized fault recovery strategies for multi-access edge computing using probabilistic model checking
CN111859027A (zh) 图计算方法及装置
Eyckerman et al. Requirements for distributed task placement in the fog
US10506031B1 (en) Scalable network for processing virtual environments
CN113806017A (zh) 云计算中虚拟机初始部署的方法、系统、设备和存储介质
CN103634167B (zh) 云环境中对目标主机进行安全配置检查的方法和系统
CN113361739B (zh) 一种生成拣货路径的方法和装置
Bin Khunayn et al. Exploiting data dependency to mitigate stragglers in distributed spatial simulation
JP6425247B2 (ja) 仮想化基盤選択装置及び方法、並びに、プログラム
CN114339155A (zh) 抓拍漏洞路线确定方法和相关装置
US20150127302A1 (en) Method and apparatus for optimized routing
CN110958144B (zh) 获取网络的方法及装置
EP3096227A1 (en) Resource allocation method in distributed clouds
WO2021117026A1 (en) Interest-based distributed simulation system
US10712948B1 (en) Predictive storage expansion

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
CP03 Change of name, title or address

Address after: 518000 1701, building 2, Yinxing Zhijie, No. 1301-72, sightseeing Road, Xinlan community, Guanlan street, Longhua District, Shenzhen, Guangdong Province

Patentee after: Shenzhen Yinxing Intelligent Group Co.,Ltd.

Address before: 518000 building A1, Yinxing hi tech Industrial Park, Guanlan street, Longhua District, Shenzhen City, Guangdong Province

Patentee before: Shenzhen Silver Star Intelligent Technology Co.,Ltd.