CN110645991A - 一种基于节点调节的路径规划方法、装置及服务器 - Google Patents

一种基于节点调节的路径规划方法、装置及服务器 Download PDF

Info

Publication number
CN110645991A
CN110645991A CN201911043660.7A CN201911043660A CN110645991A CN 110645991 A CN110645991 A CN 110645991A CN 201911043660 A CN201911043660 A CN 201911043660A CN 110645991 A CN110645991 A CN 110645991A
Authority
CN
China
Prior art keywords
path
grid
node
starting point
adjustment
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
CN201911043660.7A
Other languages
English (en)
Other versions
CN110645991B (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 CN201911043660.7A priority Critical patent/CN110645991B/zh
Publication of CN110645991A publication Critical patent/CN110645991A/zh
Application granted granted Critical
Publication of CN110645991B publication Critical patent/CN110645991B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

Landscapes

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

Abstract

本发明涉及移动机器人技术领域，公开了一种基于节点调节的路径规划方法、装置及服务器，所述基于节点调节的路径规划方法，包括：获取栅格地图，确定所述移动机器人的真实起点和真实终点；对所述真实起点进行起点调节，确定虚拟起点；对所述真实终点进行终点调节，确定虚拟终点；根据所述虚拟起点和虚拟终点，确定路径规划的初始路径；对所述初始路径进行节点调节，生成优化后的路径。一方面，通过起点调节和终点调节，确定初始路径，本发明能够提高路径规划的成功率，另一方面，通过对初始路径进行优化，本发明能够减少路径规划的节点数量，进一步完善了移动机器人的路径规划，以及提高了移动机器人路径执行的效率。

Description

一种基于节点调节的路径规划方法、装置及服务器
技术领域
本发明实施方式涉及移动机器人技术领域，特别是涉及一种基于节点调节的路径规划方法、装置及服务器。
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。而路径规划作为移动机器人重要的操作，决定着移动机器人的行动。
由传统路径规划方法规划出来的路径都会以规划距离、避障作为路径衡量指标，导致规划出来的路径不够平滑，且过多的路径节点也会使机器人在导航过程中多余动作过多。
由于人为地图标注(人为设置障碍)不合理或者是机器人定位不太准确使得机器人中心为起点，机器人半径范围内出现障碍栅格，使得路径难以规划出来，当前的普遍做法是对机器人起点半径范围内进行清障，这一行为会引起消除机器人周围潜在障碍的风险(真实情况可能就是在机器人周围有障碍物，由于定位不准或地图不准等原因导致对该障碍的标识有误)。
由于目标设置在障碍区域(目标点离障碍的距离小于机器人半径)，使得路径规划不成功。
有鉴于此，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基于节点调节的路径规划方法、装置及服务器，解决目前存在障碍栅格导致路径规划困难的技术问题，提高移动机器人路径执行的效率。
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基于节点调节的路径规划方法，应用于移动机器人，所述方法包括：
获取栅格地图，确定所述移动机器人的真实起点和真实终点；
对所述真实起点进行起点调节，确定虚拟起点；
对所述真实终点进行终点调节，确定虚拟终点；
根据所述虚拟起点和虚拟终点，确定路径规划的初始路径；
对所述初始路径进行节点调节，生成优化后的路径。
在一些实施例中，所述栅格地图包括：障碍栅格和自由栅格，所述对所述真实起点进行起点调节，确定虚拟起点，包括：
根据移动机器人所处的当前栅格相邻的障碍栅格的位置，确定搜索方向以及节点调节方向；
根据所述搜索方向以及节点调节方向，基于预设搜索策略进行搜索。
在一些实施例中，所述根据移动机器人所处的当前栅格相邻的障碍栅格的位置，确定搜索方向以及节点调节方向，包括：
根据当前栅格相邻的障碍栅格的位置，确定当前栅格相邻的自由栅格的搜索优先级；
根据所述搜索优先级，确定搜索方向；
根据所述搜索方向，确定所述节点调节方向。
在一些实施例中，所述根据所述搜索方向以及节点调节方向，基于预设搜索策略进行搜索，包括：
根据所述节点调节方向，对所述节点调节方向的栅格进行遍历，直至到达方向搜索结束栅格；
若所述方向搜索结束栅格为障碍栅格或地图边界，则确定所述节点调节方向搜索失败；
若所述方向搜索结束栅格为自由栅格，则返回所述方向搜索结束栅格，搜索结束；
遍历所有搜索方向，若所有搜索方向均搜索失败，则确定起点调节失败；
若有节点返回，则返回调节后的节点，以调节后的节点为起点。
在一些实施例中，所述对所述初始路径进行节点调节，生成优化后的路径，包括：
制作路径可达表；
基于广度优先搜索策略，结合所述路径可达表，计算规划节点个数最少的路径。
在一些实施例中，所述对所述初始路径进行节点调节，生成优化后的路径，还包括：
对所述路径进行路径平直调整，生成调整后的路径，将调整后的路径作为所述优化后的路径。
在一些实施例中，所述对所述路径进行路径平直调整，包括：
预先设置迭代次数阈值；
多次迭代调节相邻节点之间的位置关系；
若当前迭代次数等于所述迭代次数阈值，或者，所述虚拟起点到所述虚拟终点的距离小于预设步长，则调整结束，生成调整后的路径。
在一些实施例中，若所述虚拟起点到所述虚拟终点的距离不小于预设步长，则使用规划节点个数最少的路径作为所述优化后的路径。
第二方面，本发明实施例提供一种基于节点调节的路径规划装置，应用于移动机器人，所述装置包括：
栅格地图单元，用于获取栅格地图，确定所述移动机器人的真实起点和真实终点；
虚拟起点确定单元，用于对所述真实起点进行起点调节，确定虚拟起点；
虚拟终点确定单元，用于对所述真实终点进行终点调节，确定虚拟终点；
初始路径规划单元，用于根据所述虚拟起点和虚拟终点，确定路径规划的初始路径；
路径优化单元，用于对所述初始路径进行节点调节，生成优化后的路径。
在一些实施例中，所述栅格地图包括：障碍栅格和自由栅格，所述虚拟起点确定单元，包括：
方向确定模块，用于根据移动机器人所处的当前栅格相邻的障碍栅格的位置，确定搜索方向以及节点调节方向；
搜索模块，用于根据所述搜索方向以及节点调节方向，基于预设搜索策略进行搜索。
在一些实施例中，所述方向确定模块，具体用于：
根据当前栅格相邻的障碍栅格的位置，确定当前栅格相邻的自由栅格的搜索优先级；
根据所述搜索优先级，确定搜索方向；
根据所述搜索方向，确定所述节点调节方向。
在一些实施例中，所述搜索模块，具体用于：
根据所述节点调节方向，对所述节点调节方向的栅格进行遍历，直至到达方向搜索结束栅格；
若所述方向搜索结束栅格为障碍栅格或地图边界，则确定所述节点调节方向搜索失败；
若所述方向搜索结束栅格为自由栅格，则返回所述方向搜索结束栅格，搜索结束；
遍历所有搜索方向，若所有搜索方向均搜索失败，则确定起点调节失败；
若有节点返回，则返回调节后的节点，以调节后的节点为起点。
在一些实施例中，所述路径优化单元，包括：
路径可达表制作模块，用于制作路径可达表；
规划节点个数最少的路径计算模块，用于基于广度优先搜索策略，结合所述路径可达表，计算规划节点个数最少的路径。
在一些实施例中，所述路径优化单元，还包括：
路径平直调整模块，用于对所述路径进行路径平直调整，生成调整后的路径，将调整后的路径作为所述优化后的路径。
在一些实施例中，所述路径平直调整模块，具体用于：
预先设置迭代次数阈值；
多次迭代调节相邻节点之间的位置关系；
若当前迭代次数等于所述迭代次数阈值，或者，所述虚拟起点到所述虚拟终点的距离小于预设步长，则调整结束，生成调整后的路径。
在一些实施例中，若所述虚拟起点到所述虚拟终点的距离不小于预设步长，则使用规划节点个数最少的路径作为所述优化后的路径。
第三方面，本发明实施例提供一种服务器，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基于节点调节的路径规划方法。
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服务器执行上述的基于节点调节的路径规划方法。
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基于节点调节的路径规划方法、装置及服务器，所述基于节点调节的路径规划方法，包括：获取栅格地图，确定所述移动机器人的真实起点和真实终点；对所述真实起点进行起点调节，确定虚拟起点；对所述真实终点进行终点调节，确定虚拟终点；根据所述虚拟起点和虚拟终点，确定路径规划的初始路径；对所述初始路径进行节点调节，生成优化后的路径。一方面，通过起点调节和终点调节，确定初始路径，本发明能够提高路径规划的成功率，另一方面，通过对初始路径进行优化，本发明能够减少路径规划的节点数量，进一步完善了移动机器人的路径规划，以及提高了移动机器人路径执行的效率。
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基于节点调节的路径规划方法的流程示意图；
图3a是本发明实施例提供的第一种障碍栅格的示意图；
图3b是本发明实施例提供的第二种障碍栅格的示意图；
图3c是本发明实施例提供的第三种障碍栅格的示意图；
图3d是本发明实施例提供的第四种障碍栅格的示意图；
图4是图2中的步骤S20的细化流程图；
图5是图4中的步骤S21的细化流程图；
图6是本发明实施例提供的预设搜索策略的流程示意图；
图7是本发明实施例提供的一种终点栅格的示意图；
图8是本发明实施例提供的一种邻域的示意图；
图9是本发明实施例提供的一种终点节点调节的流程示意图；
图10是本发明实施例提供的一种节点平直调整的示意图；
图11是本发明实施例提供的一种基于节点调节的路径规划装置的结构示意图；
图12是本发明实施例提供的一种服务器的结构示意图。
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。
由传统路径规划方法规划出来的路径都会以规划距离、避障作为路径衡量指标，导致规划出来的路径不够平滑，且过多的路径节点也会使机器人在导航过程中多余动作过多。
由于人为地图标注(人为设置障碍)不合理或者是机器人定位不太准确使得机器人中心为起点，机器人半径范围内出现障碍栅格，使得路径难以规划出来，当前的普遍做法是对机器人起点半径范围内进行清障，这一行为会引起消除机器人周围潜在障碍的风险(真实情况可能就是在机器人周围有障碍物，由于定位不准或地图不准等原因导致对该障碍的标识有误)。
由于目标设置在障碍区域(目标点离障碍的距离小于机器人半径)，使得路径规划不成功。
针对上述问题，本发明提出一种全新的路径规划方案。
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，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。
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以及服务器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可以包括多个服务器11。
具体的，所述移动机器人平台10与移动机器人20通信连接，通过服务器11完成移动机器人20的路径规划，例如：服务器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。
可以理解的是，所述移动机器人20本身可以作为路径规划的执行主体，即所述移动机器人20可以相当于一台服务器，用于执行本发明实施例中的基于节点调节的路径规划方法。
在一些实施例中，所述服务器11的数量为多个，多个服务器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。
请参阅图2，图2是本发明实施例提供的一种路径规划方法的流程示意图；
如图2所示，该路径规划方法，包括：
步骤S10：获取栅格地图，确定所述移动机器人的真实起点和真实终点；
具体的，假设所述移动机器人所处的栅格地图map，起点S，终点G，机器人半径为R。
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，例如所述相应条件包括：所述栅格地图中的节点不是障碍栅格，或者，所述栅格地图中的节点的1邻域内不存在障碍栅格，则所述栅格地图中的障碍栅格为满足相应条件的栅格，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：
Figure BDA0002253535180000091
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：
Figure BDA0002253535180000092
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邻域的自由栅格的数目。
在本发明实施例中，栅格通行模型如下式(5)所示：
Figure BDA0002253535180000093
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。
步骤S20：对所述真实起点进行起点调节，确定虚拟起点；
其中，若机器人真实起点的周围1邻域内有障碍物，则对所述真实起点进行起点调节，确定虚拟起点；
具体的，请一并参阅图3a至图3d，其中，图中的S表示机器人真实起点，O表示障碍物，即实际的障碍栅格被标识为O，由于障碍标识也存在一定的误差，因此，为减少碰撞风险，将离所述障碍栅格最近的两个相连栅格也标识为不可通行的栅格，即根据所述障碍栅格，将与所述障碍栅格相连的栅格标识为不可通行的栅格；
请再参阅图4，图4是图2中的步骤S20的细化流程图，所述起点调节，包括：
步骤S21：根据移动机器人所处的当前栅格相邻的障碍栅格的位置，确定搜索方向以及节点调节方向；
具体的，所述移动机器人所处的当前栅格相邻的障碍栅格，即所述当前栅格的1邻域内的障碍栅格，请再参阅图5，图5是图4中的步骤S21的细化流程图，如图5所示，步骤S21：所述根据移动机器人所处的当前栅格相邻的障碍栅格的位置，确定节点调节方向，包括：
步骤S211：根据当前栅格相邻的障碍栅格的位置，确定当前栅格相邻的自由栅格的搜索优先级；
具体的，障碍栅格的位置与数量不同，所述当前栅格相邻的自由栅格的搜索优先级也不同，其中，根据所述障碍栅格和当前栅格的相对位置，结合所述障碍栅格相邻的栅格的位置，确定所述当前栅格相邻的自由栅格的搜索优先级，本发明提供四种不同的障碍栅格的情形进行参考：
一并参阅图3a至图3d，其中，机器人1邻域障碍物影响范围为三个相邻栅格，灰色部分表示障碍物影响部分，即节点调节不可调节的方向，S表示机器人起点，O表示障碍物。
(1)第一种：请参阅图3a，图3a是本发明实施例提供的第一种障碍栅格的示意图；
如图3a所示，机器人起点周围只有1个障碍，搜索方向则会按照下面有数字的栅格进行搜索，数字1表示最先优先搜索的方向，即第一优先级，数字2表示第二优先级，次于所述第一优先级，数字2表示第三优先级，次于所述第二优先级，即搜索优先级随数字增大而减小。
其中，实际的障碍栅格被标识成O，由于障碍标识也存在一定误差，为减少碰撞风险将离障碍栅格最近的两个相连栅格也标识为不可通行，由于需要减少碰撞风险，因此优先往障碍物的反方向搜索，所述最先优先搜索的方向为越快远离所述障碍栅格的方向，即越快远离所述障碍栅格的方向的搜索优先级越高。
(2)第二种：请参阅图3b，图3b是本发明实施例提供的第二种障碍栅格的示意图；
如图3b所示，机器人起点栅格S周围有两个障碍栅格，但仍有可调节的节点方向，确定所述起点栅格S周围的自由栅格，并确定所述自由栅格的搜索优先级，对所述自由栅格进行优先级标识，例如：标识1、2。
(3)第三种：请参阅图3c，图3c是本发明实施例提供的第三种障碍栅格的示意图；
如图3c所示，机器人起点栅格S周围有三个障碍栅格，但仍有可调节的节点方向，确定所述起点栅格S周围的自由栅格，并确定所述自由栅格的搜索优先级，对所述自由栅格进行优先级标识，例如：标识1、2。
(4)第四种：请参阅图3d，图3d是本发明实施例提供的第四种障碍栅格的示意图；
如图3d所示，机器人起点栅格S周围有四个障碍栅格，即所述机器人被障碍栅格完全包围，此时机器人没有可以调节的方向，此时直接返回调节失败，机器人陷入障碍，路径规划失败。
步骤S212：根据所述搜索优先级，确定搜索方向；
具体的，根据所述机器人的当前栅格或起点栅格S的搜索优先级，确定搜索方向，所述搜索方向即为所述搜索优先级对应的自由栅格的方向。
步骤S213：根据所述搜索方向，确定所述节点调节方向。
具体的，根据所述搜索方向对应的搜索优先级，确定所述搜索方向的先后顺序，将排序最前的搜索方向确定为最优搜索方向，将搜索优先级最高的搜索方向确定为最优搜索方向，将所述最优搜索方向确定为所述节点调节方向。
在本发明实施例中，所述方法还包括：
遍历全部搜索方向，若不存在搜索方向，则路径规划失败。
具体的，若不存在搜索方向，则证明所述机器人被障碍栅格全部包围，此时机器人陷入障碍，路径规划失败。
步骤S22：根据所述搜索方向以及节点调节方向，基于预设搜索策略进行搜索；
具体的，请再参阅图6，图6是本发明实施例提供的预设搜索策略的流程示意图；
如图6所示，该预设搜索策略，包括：
步骤S221：确定搜索方向；
具体的，通过搜索优先级，确定搜索方向，搜索方向从搜索优先级从高到低，即从第一优先级、第二优先级、第三优先级依次进行搜索。
步骤S222：对所述搜索方向进行搜索，直至达到某一栅格；
具体的，对所述搜索方向进行搜索，确定所述搜索方向的自由栅格，直至到达某一栅格，该栅格不能再继续进行搜索，即该栅格为方向搜索结束栅格，没有相邻的自由栅格可以继续搜索，此时进入步骤S223。
步骤S223：判断所述栅格是否为终点栅格或地图边界；
具体的，判断所述栅格，即所述方向结束栅格是否为移动机器人的终点栅格，或者，所述方向结束栅格是否为所述栅格地图的地图边界，若是，则返回起点调节失败，即方向搜索失败。
步骤S224：SumN(map,i,j,R-1)＝0，返回调节后的节点；
具体的，通过障碍栅格判断模型确定坐标为i,j的节点的R-1邻域是否存在自由栅格，即当前节点的R-1邻域内是否存在自由栅格，该障碍栅格判断模型如下：
SumN(map,i,j,k)＝∑Occ(nm),nm∈{Neighbors(map,i,j,k),k∈N+}
若当前节点的R-1邻域内存在自由栅格，即SumN(map，i，j,R-1)＝0，此时返回该节点，将该节点作为调节后的节点，并且，进入步骤S225；
步骤S225：将调节后的节点作为虚拟起点，将真实起点加入路径节点中；
具体的，在进行路径规划时以该节点作为起点，即将调节后的节点作为虚拟起点，并将真实起点，即起点栅格加入路径节点中。
可以理解的是，后续的方向搜索将以虚拟起点作为搜索的起点栅格，并循环以确定全部的路径节点，多个路径节点组成规划路径。
步骤S226：是否遍历全部搜索方向；
具体的，判断是否遍历全部搜索方向，若是，并且所有方向都搜索失败，则返回起点调节失败，机器人陷入障碍。
步骤S227：返回起点调节失败；
步骤S30：对所述真实终点进行终点调节，确定虚拟终点；
具体的，请参阅图7，图7是本发明实施例提供的一种终点栅格的示意图；
如图7所示，假设终点栅格为G，以终点栅格G为中心，机器人半径为R，假设R为3个栅格，若以R为半径范围内有障碍物，则进行终点调整，即对真实终点进行终点调节。
请再参阅图8，图8是本发明实施例提供的一种邻域的示意图；
如图8所示，终点栅格包含一邻域、二邻域以及三邻域。
请再参参阅图9，图9是本发明实施例提供的一种终点节点调节的流程示意图；
如图9所示，该终点节点调节，包括：
步骤S901：搜索以终点栅格为中心，i邻域内的所有栅格，其中，i从1开始；
具体的，搜索以终点栅格为中心，R为半径范围内的所有栅格，按照查找优先级的顺序进行查找，其中，查找优先级为一邻域到二邻域，二邻域到三邻域，即从i＝1逐渐递增到i＝R，R为移动机器人的半径。
步骤S902：判断是否存在栅格G’，使得faccess(G’)＝0；
具体的，faccess为栅格通行模型，如下：
Figure BDA0002253535180000141
其中，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。
通过判断是否存在栅格G’，使得faccess(G’)＝0，即判断i邻域内是否存在可通行栅格，若是，则进入步骤S903；若否，则对i进行i+1，返回步骤S901，其中，i≤R；
步骤S903：将该栅格设置为虚拟终点，返回该节点；
具体的，若R邻域内存在可通行栅格，则将该栅格设置为虚拟终点，返回该节点，进行路径规划时以该节点为终点，并且，将真实终点加入路径节点中；
其中，一次规划最多只会设置一个虚拟终点，若同时存在多个满足栅格通行模型的栅格，则优选选取离真实终点最近的栅格作为虚拟终点。此时，通过欧氏距离计算该栅格距离真实终点的距离，从而确定距离真实终点最近的栅格。
可以理解的是，如果所有邻域都遍历完之后，均没有找到有效虚拟终点，则返回终点不可达。
步骤S904：调节结束；
步骤S40：根据所述虚拟起点和虚拟终点，确定路径规划的初始路径；
具体的，在进行起点调节和终点调节之后，获取路径规划的路径π(N1，N2，…，Nk)，由于进行起点调节和终点调节之后，并不能保证路径节点的数量。
可以理解的是，所述规划后的路径包括多个路径节点，若路径节点越多，则移动机器人执行的转弯操作就会越多，此时在移动机器人运行过程中就会表现出过多的多余动作，从而影响客户体验，因此，有必要减少规划的路径节点的数量。
步骤S50：对所述初始路径进行节点调节，生成优化后的路径。
具体的，对所述初始路径进行节点调节，生成优化后的路径，包括：
制作路径可达表，其中，所述路径可达表用于确定任意两个节点，即任意两个栅格之间是否可通行，如下表1所示：
Figure BDA0002253535180000151
表1
基于广度优先搜索策略，结合所述路径可达表，计算规划节点个数最少的路径。
在本发明实施例中，所述规划节点个数最少的路径如下式(7)表示：
Figure BDA0002253535180000152
具体的，所述广度优先搜索策略，包括如下步骤：
(1)将N1节点放到List中，然后查找所有access(N1,Ni)＝1,i∈[2,k]的节点，并将节点的父节点指向N1，再将N1移出List，如果终点Nk在List中，则直接返回π(N1,Nk)，否则进入步骤(2)；
(2)遍历List中所有节点，对于遍历的节点Nm(m<k)，将所有access(Nm,Ni)＝1,i∈[m+1,k]的节点添加到TempList中，如果TempList中存在Nk，则对Nk的父节点进行回溯，返回回溯路径，否则，对TempList中的元素执行步骤(2)直至找到Nk。
通过基于广度优先搜索策略，结合所述路径可达表，计算规划节点个数最少的路径，并将所述规划节点个数最少的路径更新为优化后的路径，能够大大减少规划的节点，使得机器人在导航过程中运行更为顺畅。
在本发明实施例中，所述对所述初始路径进行节点调节，生成优化后的路径，还包括：
对所述路径进行路径平直调整，生成调整后的路径，将调整后的路径作为所述优化后的路径。
可以理解的是，对于移动机器人，尤其是扫地机器人而言，在路径上多行走一些距离不会引起过多时间效率问题，而且平直的路径更为美观，更加容易被客户所接受，因此对所述扫地机器人的路径进行节点调整策略也是优化扫地机的一个很好的策略。
具体的，对所述路径进行路径平直调整，包括：
预先设置迭代次数阈值；
具体的，预先设置迭代次数阈值为m，当前迭代次数为i；
多次迭代调节相邻节点之间的位置关系；
具体的，请再参阅图10，图10是本发明实施例提供的一种节点平直调整的示意图；
如图10所示，通过遍历所有节点Ni(1＜i＜k)，对于某一节点设置6个备选节点，每个备选节点对应相应的优先级，分别通过1-6表示其优先级，1-6分别对应第一优先级到第六优先级，对应调节的先后顺序，其中，优先级与数字大小成反比；
具体的，假设当前待调节节点为Ni[r1][c1]，前节点为Ni-1[r0][c0]，后继节点为Ni+1[r2][c2]，那么6个候选节点表示为：N1’[r2][c0],N2’[r0][c2],N3’[r2][c1],N4’[r1][c0],N5’[r1][c2],N6’[r1][c0]，遍历6个候选节点如果满足access(Ni-1,Nn’)＝1,n∈[1,6]，那么将节点Ni替换成优化后的节点Nn’，然后进行下一个节点优化。
其中，路径平直调整即为节点平直调整，通过优先九十度路径调整，如图10所示，优先九十度路径调整确定栅格1和栅格2为最先调节顺序，3-6的优先级一致，从而实现将Ni-1，Ni，Ni+1调整成Ni-1,1，Ni+1，满足优先九十度路径调整。
若当前迭代次数等于所述迭代次数阈值，或者，所述虚拟起点到所述虚拟终点的距离小于预设步长，则调整结束，生成调整后的路径。
其中，在所有的候选节点均优化完成后，生成优化后路径πadjust，并返回步骤：若当前迭代次数等于所述迭代次数阈值，或者，所述虚拟起点到所述虚拟终点的距离小于预设步长，则调整结束，生成调整后的路径，即判断当前迭代次数达到迭代次数阈值(i＝m)或者LenNode(π)＝2，若当前迭代次数达到迭代次数阈值(i＝m)或者LenNode(π)＝2，则调整结束，生成调整后的路径。
可以理解的是，LenNode(π)＝2表示节点个数为2个，此时代表只有起点和终点，则移动机器人直接从起点运行到终点即可。
由于扫地机器人是有清扫主方向的(保证地图是平直)，而大多数房子也都是方正的，因此规划出来的路径也是考虑平直和方正，这样清扫路径会更为美观，能够提高用户体验。
在本发明实施例中，所述方法还包括：若所述虚拟起点到所述虚拟终点的距离不小于预设步长，则使用规划节点个数最少的路径作为所述优化后的路径。
在本发明实施例中，通过提供一种基于节点调节的路径规划方法、装置及服务器，所述基于节点调节的路径规划方法，包括：获取栅格地图，确定所述移动机器人的真实起点和真实终点；对所述真实起点进行起点调节，确定虚拟起点；对所述真实终点进行终点调节，确定虚拟终点；根据所述虚拟起点和虚拟终点，确定路径规划的初始路径；对所述初始路径进行节点调节，生成优化后的路径。一方面，通过起点调节和终点调节，确定初始路径，本发明能够提高路径规划的成功率，另一方面，通过对初始路径进行优化，本发明能够减少路径规划的节点数量，进一步完善了移动机器人的路径规划。
请再参阅图11，图11是本发明实施例提供的一种基于节点调节的路径规划装置的结构示意图；
如图11所示，该基于节点调节的路径规划装置110，应用于移动机器人，包括：
栅格地图单元111，用于获取栅格地图，确定所述移动机器人的真实起点和真实终点；
虚拟起点确定单元112，用于对所述真实起点进行起点调节，确定虚拟起点；
虚拟终点确定单元113，用于对所述真实终点进行终点调节，确定虚拟终点；
初始路径规划单元114，用于根据所述虚拟起点和虚拟终点，确定路径规划的初始路径；
路径优化单元115，用于对所述初始路径进行节点调节，生成优化后的路径。
在本发明实施例中，所述栅格地图包括：障碍栅格和自由栅格，所述虚拟起点确定单元112，包括：
方向确定模块1121，用于根据移动机器人所处的当前栅格相邻的障碍栅格的位置，确定搜索方向以及节点调节方向；
搜索模块1122，用于根据所述搜索方向以及节点调节方向，基于预设搜索策略进行搜索。
在本发明实施例中，所述方向确定模块1121，具体用于：
根据当前栅格相邻的障碍栅格的位置，确定当前栅格相邻的自由栅格的搜索优先级；
根据所述搜索优先级，确定搜索方向；
根据所述搜索方向，确定所述节点调节方向。
在本发明实施例中，所述搜索模块1122，具体用于：
根据所述节点调节方向，对所述节点调节方向的栅格进行遍历，直至到达方向搜索结束栅格；
若所述方向搜索结束栅格为障碍栅格或地图边界，则确定所述节点调节方向搜索失败；
若所述方向搜索结束栅格为自由栅格，则返回所述方向搜索结束栅格，搜索结束；
遍历所有搜索方向，若所有搜索方向均搜索失败，则确定起点调节失败；
若有节点返回，则返回调节后的节点，以调节后的节点为起点。
在本发明实施例中，所述路径优化单元115，包括：
路径可达表制作模块1151，用于制作路径可达表；
规划节点个数最少的路径计算模块1152，用于基于广度优先搜索策略，结合所述路径可达表，计算规划节点个数最少的路径。
在本发明实施例中，所述路径优化单元115，还包括：
路径平直调整模块1153，用于对所述路径进行路径平直调整，生成调整后的路径，将调整后的路径作为所述优化后的路径。
在本发明实施例中，所述路径平直调整模块1153，具体用于：
预先设置迭代次数阈值；
多次迭代调节相邻节点之间的位置关系；
若当前迭代次数等于所述迭代次数阈值，或者，所述虚拟起点到所述虚拟终点的距离小于预设步长，则调整结束，生成调整后的路径。
在本发明实施例中，若所述虚拟起点到所述虚拟终点的距离不小于预设步长，则使用规划节点个数最少的路径作为所述优化后的路径。
在本发明实施例中，通过提供一种基于节点调节的路径规划装置，应用于移动机器人，所述装置包括：栅格地图单元，用于获取栅格地图，确定所述移动机器人的真实起点和真实终点；虚拟起点确定单元，用于对所述真实起点进行起点调节，确定虚拟起点；虚拟终点确定单元，用于对所述真实终点进行终点调节，确定虚拟终点；初始路径规划单元，用于根据所述虚拟起点和虚拟终点，确定路径规划的初始路径；路径优化单元，用于对所述初始路径进行节点调节，生成优化后的路径。一方面，通过起点调节和终点调节，确定初始路径，本发明能够提高路径规划的成功率，另一方面，通过对初始路径进行优化，本发明能够减少路径规划的节点数量，进一步完善了移动机器人的路径规划，以及提高了移动机器人路径执行的效率。
请再参阅图12，图12是本发明实施例提供的一种服务器的结构示意图；
如图12所示，该服务器120包括一个或多个处理器121以及存储器122。其中，图12中以一个处理器121为例。
处理器121和存储器122可以通过总线或者其他方式连接，图12中以通过总线连接为例。
存储器122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11所述的各个单元)。处理器121通过运行存储在存储器122中的非易失性软件程序、指令以及模块，从而执行基于节点调节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基于节点调节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122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122可选包括相对于处理器121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121。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122中，当被所述一个或者多个处理器121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11所述的各个模块或单元的功能。
本申请实施例的边缘服务器以多种形式存在，在执行以上描述的图2所示的各个步骤；也可实现图11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)

1.一种基于节点调节的路径规划方法，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真实起点和真实终点；
对所述真实起点进行起点调节，确定虚拟起点；
对所述真实终点进行终点调节，确定虚拟终点；
根据所述虚拟起点和虚拟终点，确定路径规划的初始路径；
对所述初始路径进行节点调节，生成优化后的路径。
2.根据权利要求1所述的方法，其特征在于，所述栅格地图包括：障碍栅格和自由栅格，所述对所述真实起点进行起点调节，确定虚拟起点，包括：
根据移动机器人所处的当前栅格相邻的障碍栅格的位置，确定搜索方向以及节点调节方向；
根据所述搜索方向以及节点调节方向，基于预设搜索策略进行搜索。
3.根据权利要求2所述的方法，其特征在于，所述根据移动机器人所处的当前栅格相邻的障碍栅格的位置，确定搜索方向以及节点调节方向，包括：
根据当前栅格相邻的障碍栅格的位置，确定当前栅格相邻的自由栅格的搜索优先级；
根据所述搜索优先级，确定搜索方向；
根据所述搜索方向，确定所述节点调节方向。
4.根据权利要求2或3所述的方法，其特征在于，所述根据所述搜索方向以及节点调节方向，基于预设搜索策略进行搜索，包括：
根据所述节点调节方向，对所述节点调节方向的栅格进行遍历，直至到达方向搜索结束栅格；
若所述方向搜索结束栅格为障碍栅格或地图边界，则确定所述节点调节方向搜索失败；
若所述方向搜索结束栅格为自由栅格，则返回所述方向搜索结束栅格，搜索结束；
遍历所有搜索方向，若所有搜索方向均搜索失败，则确定起点调节失败；
若有节点返回，则返回调节后的节点，以调节后的节点为起点。
5.根据权利要求1所述的方法，其特征在于，所述对所述初始路径进行节点调节，生成优化后的路径，包括：
制作路径可达表；
基于广度优先搜索策略，结合所述路径可达表，计算规划节点个数最少的路径。
6.根据权利要求5所述的方法，其特征在于，所述对所述初始路径进行节点调节，生成优化后的路径，还包括：
对所述路径进行路径平直调整，生成调整后的路径，将调整后的路径作为所述优化后的路径。
7.根据权利要求6所述的方法，其特征在于，所述对所述路径进行路径平直调整，包括：
预先设置迭代次数阈值；
多次迭代调节相邻节点之间的位置关系；
若当前迭代次数等于所述迭代次数阈值，或者，所述虚拟起点到所述虚拟终点的距离小于预设步长，则调整结束，生成调整后的路径。
8.根据权利要求7所述的方法，其特征在于，若所述虚拟起点到所述虚拟终点的距离不小于预设步长，则使用规划节点个数最少的路径作为所述优化后的路径。
9.一种基于节点调节的路径规划装置，其特征在于，所述装置包括：
栅格地图单元，用于获取栅格地图，确定所述移动机器人的真实起点和真实终点；
虚拟起点确定单元，用于对所述真实起点进行起点调节，确定虚拟起点；
虚拟终点确定单元，用于对所述真实终点进行终点调节，确定虚拟终点；
初始路径规划单元，用于根据所述虚拟起点和虚拟终点，确定路径规划的初始路径；
路径优化单元，用于对所述初始路径进行节点调节，生成优化后的路径。
10.一种服务器，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任一项所述的基于节点调节的路径规划方法。
CN201911043660.7A 2019-10-30 2019-10-30 一种基于节点调节的路径规划方法、装置及服务器 Active CN110645991B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911043660.7A CN110645991B (zh) 2019-10-30 2019-10-30 一种基于节点调节的路径规划方法、装置及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911043660.7A CN110645991B (zh) 2019-10-30 2019-10-30 一种基于节点调节的路径规划方法、装置及服务器

Publications (2)

Publication Number Publication Date
CN110645991A true CN110645991A (zh) 2020-01-03
CN110645991B CN110645991B (zh) 2020-09-22

Family

ID=69013860

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911043660.7A Active CN110645991B (zh) 2019-10-30 2019-10-30 一种基于节点调节的路径规划方法、装置及服务器

Country Status (1)

Country Link
CN (1) CN110645991B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111998859A (zh) * 2020-09-16 2020-11-27 杭州海康消防科技有限公司 一种路径规划方法、装置、电子设备及路径指示系统
CN112419779A (zh) * 2020-11-09 2021-02-26 北京京东乾石科技有限公司 无人车停靠点的选取方法及装置、存储介质及电子设备
CN112504276A (zh) * 2020-11-20 2021-03-16 广州极飞科技有限公司 路径规划方法、装置、无人设备及存储介质
WO2021203852A1 (zh) * 2020-04-08 2021-10-14 炬星科技（深圳）有限公司 机器人建图方法、设备及存储介质
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
CN114053713A (zh) * 2021-11-11 2022-02-18 北京字跳网络技术有限公司 寻路方法、装置、电子设备及可读存储介质
WO2022110452A1 (zh) * 2020-11-30 2022-06-02 深圳市优必选科技股份有限公司 机器人运动规划方法、装置、可移动机器人及存储介质
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 (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9182762B2 (en) * 2008-02-07 2015-11-10 Toyota Jidosha Kabushiki Kaisha Autonomous moving body, its control method, and control system
CN107357293A (zh) * 2017-07-31 2017-11-17 上海应用技术大学 移动机器人路径规划方法和系统
CN108508449A (zh) * 2018-02-09 2018-09-07 意诺科技有限公司 一种定位的方法及装置
CN108680163A (zh) * 2018-04-25 2018-10-19 武汉理工大学 一种基于拓扑地图的无人艇路径搜索系统及方法
CN108731678A (zh) * 2017-04-18 2018-11-02 深圳市丰巨泰科电子有限公司 机器人全局路径规划方法
CN109059924A (zh) * 2018-07-25 2018-12-21 齐鲁工业大学 基于a*算法的伴随机器人增量路径规划方法及系统
CN109341698A (zh) * 2018-11-29 2019-02-15 深圳市银星智能科技股份有限公司 一种移动机器人的路径选择方法及装置
CN109363585A (zh) * 2018-12-17 2019-02-22 深圳市银星智能科技股份有限公司 分区遍历方法、清扫方法及其扫地机器人
CN109459026A (zh) * 2018-11-08 2019-03-12 北京理工大学 一种多运动体协同全覆盖路径规划方法
CN109506655A (zh) * 2018-10-19 2019-03-22 哈尔滨工业大学（威海） 基于非均匀建模的改进蚁群路径规划算法
CN109931942A (zh) * 2019-03-13 2019-06-25 浙江大华技术股份有限公司 机器人路径生成方法、装置、机器人和存储介质
CN109946715A (zh) * 2019-04-09 2019-06-28 云鲸智能科技（东莞）有限公司 探测方法、装置、移动机器人及存储介质
CN109974705A (zh) * 2019-03-08 2019-07-05 桂林电子科技大学 一种扫地机器人的清扫路径的优化方法及系统
CN110221604A (zh) * 2019-05-16 2019-09-10 浙江工业大学 一种基于遗传算法的快速全局路径规划方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9182762B2 (en) * 2008-02-07 2015-11-10 Toyota Jidosha Kabushiki Kaisha Autonomous moving body, its control method, and control system
CN108731678A (zh) * 2017-04-18 2018-11-02 深圳市丰巨泰科电子有限公司 机器人全局路径规划方法
CN107357293A (zh) * 2017-07-31 2017-11-17 上海应用技术大学 移动机器人路径规划方法和系统
CN108508449A (zh) * 2018-02-09 2018-09-07 意诺科技有限公司 一种定位的方法及装置
CN108680163A (zh) * 2018-04-25 2018-10-19 武汉理工大学 一种基于拓扑地图的无人艇路径搜索系统及方法
CN109059924A (zh) * 2018-07-25 2018-12-21 齐鲁工业大学 基于a*算法的伴随机器人增量路径规划方法及系统
CN109506655A (zh) * 2018-10-19 2019-03-22 哈尔滨工业大学（威海） 基于非均匀建模的改进蚁群路径规划算法
CN109459026A (zh) * 2018-11-08 2019-03-12 北京理工大学 一种多运动体协同全覆盖路径规划方法
CN109341698A (zh) * 2018-11-29 2019-02-15 深圳市银星智能科技股份有限公司 一种移动机器人的路径选择方法及装置
CN109363585A (zh) * 2018-12-17 2019-02-22 深圳市银星智能科技股份有限公司 分区遍历方法、清扫方法及其扫地机器人
CN109974705A (zh) * 2019-03-08 2019-07-05 桂林电子科技大学 一种扫地机器人的清扫路径的优化方法及系统
CN109931942A (zh) * 2019-03-13 2019-06-25 浙江大华技术股份有限公司 机器人路径生成方法、装置、机器人和存储介质
CN109946715A (zh) * 2019-04-09 2019-06-28 云鲸智能科技（东莞）有限公司 探测方法、装置、移动机器人及存储介质
CN110221604A (zh) * 2019-05-16 2019-09-10 浙江工业大学 一种基于遗传算法的快速全局路径规划方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021203852A1 (zh) * 2020-04-08 2021-10-14 炬星科技（深圳）有限公司 机器人建图方法、设备及存储介质
CN111998859A (zh) * 2020-09-16 2020-11-27 杭州海康消防科技有限公司 一种路径规划方法、装置、电子设备及路径指示系统
CN111998859B (zh) * 2020-09-16 2022-08-05 杭州海康消防科技有限公司 一种路径规划方法、装置、电子设备及路径指示系统
CN112419779A (zh) * 2020-11-09 2021-02-26 北京京东乾石科技有限公司 无人车停靠点的选取方法及装置、存储介质及电子设备
CN112419779B (zh) * 2020-11-09 2022-04-12 北京京东乾石科技有限公司 无人车停靠点的选取方法及装置、存储介质及电子设备
CN112504276A (zh) * 2020-11-20 2021-03-16 广州极飞科技有限公司 路径规划方法、装置、无人设备及存储介质
CN112504276B (zh) * 2020-11-20 2023-07-18 广州极飞科技股份有限公司 路径规划方法、装置、无人设备及存储介质
WO2022110452A1 (zh) * 2020-11-30 2022-06-02 深圳市优必选科技股份有限公司 机器人运动规划方法、装置、可移动机器人及存储介质
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
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
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
CN114053713A (zh) * 2021-11-11 2022-02-18 北京字跳网络技术有限公司 寻路方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
CN110645991B (zh) 2020-09-22

Similar Documents

Publication Publication Date Title
CN110645991B (zh) 一种基于节点调节的路径规划方法、装置及服务器
CN110595482B (zh) 一种带避障权重的路径规划方法、装置及电子设备
CN109540142B (zh) 一种机器人定位导航的方法、装置、计算设备
US20210374298A1 (en) Generative design pipeline for urban and neighborhood planning
US9500487B2 (en) Shortest path determination for large graphs
US20210203557A1 (en) System and method for generating and using physical roadmaps in network synthesis
US8514283B2 (en) Automatic vision sensor placement apparatus and method
CN109540155A (zh) 一种扫地机器人的路径规划与导航方法、计算机装置以及计算机可读存储介质
JP2019512668A (ja) ルート逸脱認識方法、端末、および記憶媒体
US20200125115A1 (en) Methods and systems of distributing task regions for a plurality of cleaning devices
US11341297B2 (en) Obstacle distribution simulation method, device and terminal based on a probability graph
US10515177B1 (en) Method, system, and computer program product for implementing routing aware placement or floor planning for an electronic design
CN109341698B (zh) 一种移动机器人的路径选择方法及装置
CN113741453A (zh) 一种非结构化环境的路径规划方法、装置、设备和介质
CN109974699A (zh) 一种机器人及其地图自主探索方法和装置
CN108647910A (zh) 城市公交站点的设置方法、装置、终端及计算机存储介质
US20160019248A1 (en) Methods for processing within-distance queries
CN114063612A (zh) 一种路径规划方法、路径规划装置及电子设备
US20230237795A1 (en) Object placement verification
CN113108806B (zh) 路径规划方法、装置、设备及介质
CN114329706A (zh) 自动布线方法及装置
US11960302B2 (en) Enhanced robot fleet navigation and control
US20100205570A1 (en) Method For Reading Polygon Data Into An Integrated Circuit Router
CN116614392B (zh) 路由开销确定方法、路由开销监控方法及装置
CN109002044A (zh) 机器人排队方法、装置、后台服务端及存储介质

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
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.