CN110850871B - 一种机器路径规划方法及移动机器人 - Google Patents
一种机器路径规划方法及移动机器人 Download PDFInfo
- Publication number
- CN110850871B CN110850871B CN201911001887.5A CN201911001887A CN110850871B CN 110850871 B CN110850871 B CN 110850871B CN 201911001887 A CN201911001887 A CN 201911001887A CN 110850871 B CN110850871 B CN 110850871B
- Authority
- CN
- China
- Prior art keywords
- path
- map
- area
- skeleton
- planning method
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000010586 diagram Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000004888 barrier function Effects 0.000 claims description 11
- 230000003628 erosive effect Effects 0.000 claims description 11
- 238000005260 corrosion Methods 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
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
- 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
-
- 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种机器路径规划方法及移动机器人，所述方法通过搜索原始栅格地图上的待处理区域，并对所述待处理区域进行腐蚀以获得第一地图，然后通过第一预处理方式对所述第一地图进行处理以获得所述第二地图，所述第二地图包括骨架路径图，最后确定机器当前位置、终点位置，并结合第一搜索规则和所述骨架路径图获得规划路径。本申请所公开的技术方案，通过对原始栅格地图上的障碍物区域进行处腐蚀，提取地图的骨架路径图，并通过所述第一搜索规则结合骨架路径图获得所述规划路径，通过优化软件算法使得移动机器人在行走中避开障碍物，提高了移动机器人的行走安全性，则移动机器人建立的地图更加稳定，改善了用户体验。
Description
技术领域
本发明涉及机器人领域，尤其涉及一种机器路径规划方法及移动机器人。
背景技术
移动机器人在工业生产、生活服务、环境探测等多个领域都有着广泛的应用，其中路径规划是众多本领域技术人员的重点研究方向，现有技术通常的通过A星算法在栅格地图的基础上，进行路径规划然而，当地图较大时，将导致A星算法在搜索路径的时候对规模不断增加的数组或链表进行非常频繁的排序操作，导致计算量增大，路径规划所需时间加长。此外当地图中有较多的障碍物时，A星算法所规划的路径会使得机器人与障碍物距离过小，使得机器人行走时安全性不高，甚至可能会被陷阱困住，因此，需要对机器人进行改进。
发明内容
本发明至少在一定程度上解决上述技术问题之一，本发明提供了一种机器路径规划方法及移动机器人，通过对障碍物地图进行预处理，使得移动机器人避开障碍物提高了移动机器人的行走安全性。
本发明提供一种机器路径规划方法，包括以下步骤：
搜索原始栅格地图上的待处理区域，并对所述待处理区域进行腐蚀以获得第一地图；
通过第一预处理方式对所述第一地图进行处理以获得所述第二地图，所述第二地图包括骨架路径图；
确定机器当前位置、终点位置，通过第一搜索规则和所述骨架路径图获得规划路径。
在一些实施例中，所述搜索原始栅格地图上的待处理区域，并对所述待处理区域进行腐蚀以获得第一地图包括：
所述原始栅格地图包括障碍物区域和空白区域，遍历式搜索占据栅格面积小于第一预设值的障碍物区域，进行第一标记；
将所述第一标记对应的障碍物区域以及临近栅格区域进行腐蚀处理，所述临近栅格区域为障碍物区域的相邻栅格区域。
在一些实施例中，所述搜索原始栅格地图上的待处理区域，并对所述待处理区域进行腐蚀以获得第一地图包括：
遍历式搜索栅格宽度值小于第二预设值的空白区域，进行第二标记；
将所述第二标记对应的空白区域腐蚀处理，所述第二预设值与所述机器的尺寸相关。
在一些实施例中，搜索原始栅格地图上的待处理区域，并对所述待处理区域进行腐蚀以获得第一地图包括：
通过对所述原始栅格地图二值化处理，原始栅格地图形成两种灰度图像区域，所述两种灰度图像区域至少对应于所述障碍物区域和空白区域。
在一些实施例中，所述通过第一预处理方式对所述第一地图进行处理以获得所述第二地图包括通过骨架提取法获得所述骨架路径图。
在一些实施例中，所述确定机器当前位置、终点位置，通过第一搜索规则和所述骨架路径图获得规划路径包括：
以机器当前位置为中心建立搜索模型，所述搜索模型为N*N型搜索模型，其中N大于等于3；
通过所述搜索模型寻找第一连接点和第二连接点，所述第一连接点为骨架路径图上与机器当前位置最近的关键点，所述第二连接点为骨架路径图上与所述终点位置最近的关键点。
在一些实施例中，所述路径规划方法包括：若当前搜索模型无法搜索到骨架路径图上的关键点，则将N替换为N+1扩大搜索区域，其中N、N+1代表栅格数；
若二次搜索依然无法搜索到骨架路径图上的关键点，则重复上述步骤直至搜索到所述骨架路径图上的关键点。
在一些实施例中，所述路径规划方法包括：建立链表路径，通过所述链表路径记录所述第一连接点、所述第二连接点、以及所述第一连接点和所述第二连接点之间的栅格位置信息；
结合机器当前位置、终点位置以及所述链表路径获得所述规划路径；
在一些实施例中，所述路径规划方法包括：判断所述链表路径中是否存在闭合路径，若存在闭合路径则对所述链表路径进行简化处理。
在一些实施例中，删除冗余骨架路径，所述冗余骨架路径为所述链表路径与骨架路径图不相交部分。
本发明第二个目的在于提出一种移动机器人，所述移动机器人包括处理器和存储器，所述处理器和存储器通信连接，所述存储器储存有若干指令，处理器通过执行所述若干指令使得移动机器人实现上述实施例中任一项所述的路径规划方法。
本发明与现有技术相比至少具有以下有益效果：本发明提供一种机器路径规划方法，所述方法通过搜索原始栅格地图上的待处理区域，并对所述待处理区域进行腐蚀以获得第一地图，然后通过第一预处理方式对所述第一地图进行处理以获得所述第二地图，所述第二地图包括骨架路径图，最后确定机器当前位置、终点位置，并结合第一搜索规则和所述骨架路径图获得规划路径。本申请所公开的技术方案，通过对原始栅格地图上的障碍物区域进行处腐蚀，提取地图的骨架路径图，并通过所述第一搜索规则结合骨架路径图获得所述规划路径，通过优化软件算法使得移动机器人在行走中避开障碍物，提高了移动机器人的行走安全性，则移动机器人建立的地图更加稳定，改善了用户体验。
附图说明
图1为本发明实施例提供的原始栅格地图的示意图；
图2为本发明实施例提供的对原始栅格地图腐蚀后得到的地图；
图3为本发明实施例提供的第一地图的示意图；
图4为本发明实施例提供的骨架路径图的示意图；
图5为本发明实施例提供的包含路径节点的骨架路径图；
图6为本发明实施例提供的简化路径节点后的路径骨架图；
图7为本发明实施例提供的路径规划示意图；
图8为本发明实施例提供的路径规划流程示意图；
图9为本发明实施例提供的移动机器人的示意图；
图10为本发明实施例提供的移动机器人的硬件结构示意图。
具体实施方式
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“横向”、“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“顺时针”、“逆时针”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。
此外，术语“第一”、“第二”仅用于描述目的，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。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个、三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
下面结合附图及实施例对本发明做进一步描述。
本发明提供一种机器路径规划方法，请参考图8，图8为本发明实施例提供的路径规划流程示意图，所述路径规划方法包括以下步骤：
步骤S100，搜索原始栅格地图上的待处理区域，并对所述待处理区域进行腐蚀以获得第一地图；
步骤S200，通过第一预处理方式对所述第一地图进行处理以获得所述第二地图，所述第二地图包括骨架路径图；
步骤S300，确定机器当前位置、终点位置，通过第一搜索规则和所述骨架路径图获得规划路径。
本申请提出一种机器路径规划方法，通过对原始栅格地图上的障碍物区域进行处腐蚀，提取地图的骨架路径图，并通过所述第一搜索规则结合骨架路径图获得所述规划路径，通过优化软件算法使得移动机器人10在行走中避开障碍物，提高了移动机器人10的行走安全性，则移动机器人10建立的地图更加稳定，改善了用户体验。
具体而言搜索原始栅格地图上的待处理区域上的具有预定特征的部位，并对所述待处理区域进行腐蚀以获得第一地图包括：通过对所述原始栅格地图二值化处理，原始栅格地图形成两种灰度图像区域，所述两种灰度图像区域至少对应于所述障碍物区域和空白区域。详细的请参考图1，图1为本发明实施例提供的原始栅格地图的示意图，图1中黑色区域为障碍物区域，白色区域为可通行区域，所述腐蚀具体是指将白色区域的灰度修改为黑色，其中黑色对应的像素值为0，白色对应的像素值为255，因此具体修改时只需通过软件算法修改其像素值，即可实现对所述待处理区域的腐蚀。
本申请通过搜索原始栅格地图上的待处理区域上的具有预定特征的部位，所述预定特征的部位包括面积小于第一预设值的区域和障碍物之间缝隙宽度小于第二预设值的区域，基于以上规则搜索预定特征的部位进行腐蚀。其中对所述待处理区域的具有预定特征的部位腐蚀分为两个实施步骤，实施步骤一如下：
所述原始栅格地图包括障碍物区域和空白区域，遍历式搜索占据栅格面积小于第一预设值的障碍物区域，进行第一标记，将所述第一标记对应的障碍物区域以及临近栅格区域进行腐蚀处理，所述临近栅格区域为障碍物区域的相邻栅格区域，具体而言，若障碍物区域为单个栅格，则腐蚀后得到障碍区域为3*3的栅格区域，若障碍物区域为N*M的区域，则腐蚀后得到障碍区域为(N+2)*(M+2)的栅格区域,即对障碍物区域进行腐蚀膨胀处理。通过搜索占据栅格面积小于第一预设值的障碍物区域，遍历出栅格地图中一些面积较小的障碍物，具体实现过程请查看图1和图2，在图1基础上对原始栅格地图进行腐蚀得到图2所示的栅格地图，该方案将一些零散分布的障碍物区域经过腐蚀融合成一体，使得移动机器人10在行走过程中不会从障碍物中间行走，从而使得移动机器人10远离这些障碍物，提高移动机器人10行走的安全性。
进一步的，实施步骤二如下：
所述搜索原始栅格地图上的待处理区域，并对所述待处理区域进行腐蚀以获得第一地图包括：遍历式搜索栅格宽度值小于第二预设值的空白区域，进行第二标记，将所述第二标记对应的空白区域腐蚀处理，所述第二预设值与所述机器的尺寸相关，设定测量缩所得的所述空白区域宽度D,机器的机身宽度为d，若D小于等于n*d,其中1.5≥n≥1。具体而言，请参考图2和图3，图3为本发明实施例提供的第一地图的示意图，经过实施步骤二得到图2所示的栅格地图，通过搜索栅格宽度值小于第二预设值的空白区域，搜寻到障碍物之间缝隙，当障碍物之间缝隙宽度小于第二预设值时，对所述空白区域进行第二标记，并将所述空白区域腐蚀使之变为黑色的障碍物区域，腐蚀后得到的地图请参考图3，移动机器人10识别出黑色的障碍物区域后主动避开该区域，避免移动机器人10进入陷阱或困境，通过优化软件算法使得移动机器人10在行走中避开障碍物，提高了移动机器人10的行走安全性，则移动机器人10建立的地图更加稳定，改善了用户体验。
请参考图4，图4为本发明实施例提供的骨架路径图的示意图，即所述第二地图的示意图，所述通过第一预处理方式对所述第一地图进行处理以获得所述第二地图包括通过骨架提取法获得所述骨架路径图，所述骨架提取法优选采用zhang-suen骨架提取法。
在一些实施例中，所述确定机器当前位置、终点位置，通过第一搜索规则和所述骨架路径图获得规划路径包括：以机器当前位置为中心建立搜索模型，所述搜索模型为N*N型搜索模型，其中N大于等于3；具体而言，建立3*3九宫格搜索模型，其中机器当前位置处于九宫格中心，其周围八个栅格以顺时针方向，依次标记为0至7，获得如下所示的表格，其中P为机器当前位置。
| 5 | 6 | 7 |
| 4 | P | 0 |
| 3 | 2 | 1 |
根据所述第一搜索规则结合上述表格，按照顺时针方向依次搜P点周围的八个栅格，具体的依次搜索7-0-1-2-3-4-5-6八个栅格，以搜索到所述骨架路径图上的关键点，所述关键点包括第一连接点和第二连接点。通过所述搜索模型寻找第一连接点和第二连接点，所述第一连接点为骨架路径图上与机器当前位置最近的关键点，所述第二连接点为骨架路径图上与所述终点位置最近的关键点。
在一些实施例中，所述路径规划方法包括：若当前搜索模型无法搜索到骨架路径图上的关键点，则将N替换为N+1扩大搜索区域，其中N、N+1均代表栅格数；若二次搜索依然无法搜索到骨架路径图上的关键点，则重复上述步骤直至搜索到所述骨架路径图上的关键点。
请参考图5，图5为本发明实施例提供的包含路径节点的骨架路径图，所述路径规划方法包括：建立链表路径，通过所述链表路径记录所述第一连接点、所述第二连接点、以及所述第一连接点和所述第二连接点之间的栅格位置信息；
结合机器当前位置、终点位置以及所述链表路径获得所述规划路径；
通过上述步骤，在骨架路径图基础上引入链表路径，如图5所示，路径骨架图中包含有所述链表路径，所述链表路径通过上述建立搜索模型获得。
进一步的，请参考图6和图5，图6为本发明实施例提供的简化路径节点后的路径骨架图，所述路径规划方法还包括：判断所述链表路径中是否存在闭合路径，若存在闭合路径则对所述链表路径进行简化处理。在图5所示的实施中，显然链表路径中存在闭合路径，因此需要删除闭合路径。在确定移动机器人10当前位置和终点位置时，结合优化后的链表路径，可获得图6所示的预规划路径，最终经过处理获得图7所示的规划路径。在一些实施例中，删除冗余骨架路径，所述冗余骨架路径为所述链表路径与骨架路径图不相交部分。最终获得图7所示的规划路径。
本发明第二个目的在于提出一种移动机器人10，请参考图9，图9为本发明实施例提供的移动机器人10的示意图，所述移动机器人10包括机器人主体100、设置于所述机器人主体100上的感测装置140、以及处理器110和存储器120，所述感测装置14被配置为感测外部环境，所述感测装置140包括激光雷达、视觉传感器。请参看图10，图10为本发明实施例提供的移动机器人10的硬件结构示意图，所述处理器110和存储器120通信连接，所述存储器120储存有若干指令，处理器110通过执行所述若干指令使得移动机器人10实现上述实施例中任一项所述的路径规划方法。
该移动机器人10可包括但不仅限于处理器110、存储器120，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器110可以是中央处理单元(Central Processing Unit，CPU)，该处理器110还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器120在一些实施例中可以是所述移动机器人10的内部存储单元，例如移动机器人10的硬盘或内存。所述存储器120在另一些实施例中也可以是所述移动机器人10的外部存储设备，例如所述移动机器人10上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器120还可以既包括所述移动机器人10的内部存储单元也包括外部存储设备。所述存储器120用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器120还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
Claims (11)
1.一种机器路径规划方法，其特征在于，包括以下步骤：
搜索原始栅格地图上的待处理区域，并对所述待处理区域进行腐蚀以获得第一地图，所述腐蚀是指将白色区域的灰度修改为黑色；
通过第一预处理方式对所述第一地图进行处理以获得第二地图，所述第二地图包括骨架路径图；
确定机器当前位置、终点位置，通过第一搜索规则和所述骨架路径图获得规划路径。
2.根据权利要求1所述的路径规划方法，其特征在于，所述搜索原始栅格地图上的待处理区域，并对所述待处理区域进行腐蚀以获得第一地图包括：
所述原始栅格地图包括障碍物区域和空白区域，遍历式搜索占据栅格面积小于第一预设值的障碍物区域，进行第一标记；
将所述第一标记对应的障碍物区域以及临近栅格区域进行腐蚀处理，所述临近栅格区域为障碍物区域的相邻栅格区域。
3.根据权利要求2所述的路径规划方法，其特征在于，所述搜索原始栅格地图上的待处理区域，并对所述待处理区域进行腐蚀以获得第一地图包括：
遍历式搜索栅格宽度值小于第二预设值的空白区域，进行第二标记；
将所述第二标记对应的空白区域腐蚀处理，所述第二预设值与所述机器的尺寸相关。
4.根据权利要求2所述的路径规划方法，其特征在于，搜索原始栅格地图上的待处理区域，并对所述待处理区域进行腐蚀以获得第一地图包括：
通过对所述原始栅格地图二值化处理，原始栅格地图形成两种灰度图像区域，所述两种灰度图像区域至少对应于所述障碍物区域和空白区域。
5.根据权利要求1所述的路径规划方法，其特征在于，所述通过第一预处理方式对所述第一地图进行处理以获得所述第二地图包括通过骨架提取法获得所述骨架路径图。
6.根据权利要求1所述的路径规划方法，其特征在于，所述确定机器当前位置、终点位置，通过第一搜索规则和所述骨架路径图获得规划路径包括：
以机器当前位置为中心建立搜索模型，所述搜索模型为N*N型搜索模型，其中N大于等于3；
通过所述搜索模型寻找第一连接点和第二连接点，所述第一连接点为骨架路径图上与机器当前位置最近的关键点，所述第二连接点为骨架路径图上与所述终点位置最近的关键点。
7.根据权利要求6所述的路径规划方法，其特征在于，所述路径规划方法包括：
若当前搜索模型无法搜索到骨架路径图上的关键点，则将N替换为N+1扩大搜索区域，其中N、N+1代表栅格数；
若二次搜索依然无法搜索到骨架路径图上的关键点，则重复上述步骤直至搜索到所述骨架路径图上的关键点。
8.根据权利要求6所述的路径规划方法，其特征在于，所述路径规划方法包括：
建立链表路径，通过所述链表路径记录所述第一连接点、所述第二连接点、以及所述第一连接点和所述第二连接点之间的栅格位置信息；
结合机器当前位置、终点位置以及所述链表路径获得所述规划路径。
9.根据权利要求8所述的路径规划方法，其特征在于，所述路径规划方法包括：
判断所述链表路径中是否存在闭合路径，若存在所述闭合路径则对所述链表路径进行简化处理。
10.根据权利要求8所述的路径规划方法，其特征在于，所述路径规划方法包括：
删除冗余骨架路径，所述冗余骨架路径为所述链表路径与骨架路径图不相交部分。
11.一种移动机器人，其特征在于，所述移动机器人包括处理器和存储器，所述处理器和存储器通信连接，所述存储器储存有若干指令，处理器通过执行所述若干指令使得移动机器人实现权利要求1至10任一项所述的路径规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911001887.5A CN110850871B (zh) | 2019-10-21 | 2019-10-21 | 一种机器路径规划方法及移动机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911001887.5A CN110850871B (zh) | 2019-10-21 | 2019-10-21 | 一种机器路径规划方法及移动机器人 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110850871A CN110850871A (zh) | 2020-02-28 |
| CN110850871B true CN110850871B (zh) | 2020-07-17 |
Family
ID=69597153
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911001887.5A Active CN110850871B (zh) | 2019-10-21 | 2019-10-21 | 一种机器路径规划方法及移动机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110850871B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111329398A (zh) * | 2020-03-27 | 2020-06-26 | 上海高仙自动化科技发展有限公司 | 机器人控制方法、机器人、电子设备和可读存储介质 |
| CN111474927B (zh) * | 2020-04-01 | 2023-04-18 | 北京智行者科技股份有限公司 | 距离变换的预处理方法及装置 |
| CN111561931A (zh) * | 2020-05-09 | 2020-08-21 | 深圳拓邦股份有限公司 | 移动机器人的路径规划方法、装置及计算机可读存储介质 |
| CN112444263B (zh) * | 2020-09-22 | 2023-05-23 | 北京智行者科技股份有限公司 | 全局路径规划方法及装置 |
| CN114543802B (zh) * | 2020-11-24 | 2023-08-15 | 追觅创新科技(苏州)有限公司 | 可通行区域的探索方法、装置、存储介质及电子装置 |
| CN113325867B (zh) * | 2021-05-21 | 2022-04-22 | 华中科技大学 | 一种无人航行器搜寻的路径规划方法、装置和无人航行器 |
| CN113720344B (zh) * | 2021-08-30 | 2024-06-04 | 深圳银星智能集团股份有限公司 | 路径搜寻方法、装置、智能设备及存储介质 |
| CN114281076B (zh) * | 2021-12-13 | 2024-02-09 | 烟台杰瑞石油服务集团股份有限公司 | 机器人的覆盖移动作业方法 |
| CN114545923A (zh) * | 2021-12-28 | 2022-05-27 | 美的集团(上海)有限公司 | 机器人的建图方法、电子设备及计算机存储介质 |
| CN114397893B (zh) * | 2021-12-28 | 2024-02-02 | 深圳银星智能集团股份有限公司 | 路径规划方法、机器人清扫方法及相关设备 |
| CN114527748A (zh) * | 2022-01-19 | 2022-05-24 | 广东博智林机器人有限公司 | 路径规划方法、施工方法及装置、机器人、存储介质 |
| CN114442629B (zh) * | 2022-01-25 | 2022-08-09 | 吉林大学 | 一种基于图像处理的移动机器人路径规划方法 |
| CN114639088A (zh) * | 2022-03-23 | 2022-06-17 | 姜妹英 | 大数据自动导航方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8078399B2 (en) * | 2008-03-10 | 2011-12-13 | Honeywell International Inc. | Method and device for three-dimensional path planning to avoid obstacles using multiple planes |
| CN103744428A (zh) * | 2014-01-17 | 2014-04-23 | 哈尔滨工程大学 | 一种基于邻域智能水滴算法的水面无人艇路径规划方法 |
| CN106354161A (zh) * | 2016-09-26 | 2017-01-25 | 湖南晖龙股份有限公司 | 机器人运动路径规划方法 |
| CN107992036A (zh) * | 2017-11-20 | 2018-05-04 | 汕头大学 | 一种智能停车库中存取车路径规划方法、装置及存储介质 |
| CN108008728A (zh) * | 2017-12-12 | 2018-05-08 | 深圳市银星智能科技股份有限公司 | 清洁机器人以及基于清洁机器人的最短路径规划方法 |
| CN109472416A (zh) * | 2018-11-15 | 2019-03-15 | 索奇智能科技（北京）有限公司 | 基于自动路网数据提取的室内路径规划方法及装置、客户端 |
| CN109540155A (zh) * | 2019-02-01 | 2019-03-29 | 西安全志科技有限公司 | 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 |
-
2019
- 2019-10-21 CN CN201911001887.5A patent/CN110850871B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8078399B2 (en) * | 2008-03-10 | 2011-12-13 | Honeywell International Inc. | Method and device for three-dimensional path planning to avoid obstacles using multiple planes |
| CN103744428A (zh) * | 2014-01-17 | 2014-04-23 | 哈尔滨工程大学 | 一种基于邻域智能水滴算法的水面无人艇路径规划方法 |
| CN106354161A (zh) * | 2016-09-26 | 2017-01-25 | 湖南晖龙股份有限公司 | 机器人运动路径规划方法 |
| CN107992036A (zh) * | 2017-11-20 | 2018-05-04 | 汕头大学 | 一种智能停车库中存取车路径规划方法、装置及存储介质 |
| CN108008728A (zh) * | 2017-12-12 | 2018-05-08 | 深圳市银星智能科技股份有限公司 | 清洁机器人以及基于清洁机器人的最短路径规划方法 |
| CN109472416A (zh) * | 2018-11-15 | 2019-03-15 | 索奇智能科技（北京）有限公司 | 基于自动路网数据提取的室内路径规划方法及装置、客户端 |
| CN109540155A (zh) * | 2019-02-01 | 2019-03-29 | 西安全志科技有限公司 | 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 |
Non-Patent Citations (4)
| Title |
|---|
| Orienteering-based informative path planning for environmental monitoring;Lorenzo Bottarelli，等;《Engineering Applications of Artificial Intelligence》;20181009;第77卷;第46-58页 * |
| 一种骨架提取的无人机航迹规划法;袁操，等;《电光与控制》;20120630;第19卷(第6期);第5-7页 * |
| 基于栅格地图的分层式机器人路径规划算法;余翀，邱其文;《中国科学院大学学报》;20130731;第30卷(第4期);第528-538页 * |
| 基于距离变换与路径规划的骨架提取算法;张超，等;《北京生物医学工程》;20121231;第31卷(第6期);第551-555页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110850871A (zh) | 2020-02-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110850871B (zh) | 一种机器路径规划方法及移动机器人 | |
| DE112017008137T5 (de) | Kartieren einer rasterbelegung unter verwendung einer fehlerbereichsverteilung | |
| CN110967028A (zh) | 导航地图构建方法、装置、机器人及存储介质 | |
| CN111380532B (zh) | 路径规划方法、装置、终端及计算机存储介质 | |
| CN111695389B (zh) | 一种车道线聚类方法及装置 | |
| CN113804100B (zh) | 确定目标对象的空间坐标的方法、装置、设备和存储介质 | |
| US20150006105A1 (en) | Prediction of a focal plane with progressive through-focus scans | |
| CN111113422B (zh) | 机器人定位方法、装置、计算机可读存储介质及机器人 | |
| Dziubenko et al. | Algorithm for solving optimal sensor devices placement problem in areas with natural obstacles | |
| CN110967019A (zh) | 一种规划机器人局部路径的方法及机器人 | |
| JP2020042793A (ja) | 確率プロットに基づく障害物分布シミュレーション方法、装置及び端末 | |
| CN111104861B (zh) | 用于确定电线位置的方法和设备以及存储介质 | |
| CN117809297B (zh) | 基于三维重建的输电线路危险源智能识别方法 | |
| CN111462119A (zh) | 一种基于机器视觉的宽厚板剪切排样方法 | |
| CN115760725A (zh) | 基于激光雷达的输电线外力入侵监测方法、介质及设备 | |
| CN113096181A (zh) | 设备位姿的确定方法、装置、存储介质及电子装置 | |
| CN111427341A (zh) | 一种基于概率地图的机器人最短预期时间目标搜索方法 | |
| CN111414804B (zh) | 识别框确定方法、装置、计算机设备、车辆和存储介质 | |
| CN115982592A (zh) | 轨迹相似度计算方法、轨迹相似度计算装置以及存储介质 | |
| CN115115919A (zh) | 一种电网设备热缺陷识别方法及装置 | |
| CN111507287A (zh) | 一种航空影像中道路斑马线角点提取方法及系统 | |
| Lourenço et al. | A volumetric representation for obstacle detection in vegetated terrain | |
| CN111047617A (zh) | 一种矩形识别优化方法、装置及设备 | |
| CN114862808B (zh) | 虚线框精度的确定方法、装置、设备及存储介质 | |
| CN115205421A (zh) | 农田地图构建方法、装置、计算机终端及存储介质 |
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: 518110 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: 518110 Building A1, Yinxing Hi-tech Industrial Park, Guanlan Street Sightseeing Road, Longhua District, Shenzhen City, Guangdong Province Patentee before: Shenzhen Silver Star Intelligent Technology Co.,Ltd. |