CN111006666A - 机器人路径规划方法、装置、存储介质和机器人 - Google Patents
机器人路径规划方法、装置、存储介质和机器人 Download PDFInfo
- Publication number
- CN111006666A CN111006666A CN201911151039.2A CN201911151039A CN111006666A CN 111006666 A CN111006666 A CN 111006666A CN 201911151039 A CN201911151039 A CN 201911151039A CN 111006666 A CN111006666 A CN 111006666A
- Authority
- CN
- China
- Prior art keywords
- grid
- cost
- obstacle
- track
- cost value
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- 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
- 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)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本申请适用于路径规划技术领域,提供了一种机器人路径规划方法、装置、存储介质和机器人,包括:获取栅格地图以及所述栅格地图中障碍物的位置与轨道的位置;根据所述障碍物的位置与所述轨道的位置,确定所述栅格地图中栅格的代价值,所述代价值用于表示所述栅格地图中栅格的路径权重;根据所述栅格的代价值与所述栅格地图,生成栅格代价地图,所述栅格代价地图为标记有栅格路径权重的地图;基于所述栅格代价地图,规划机器人从当前位置到目的地位置的全局路径。本申请可将自由导航与轨道导航有效融合,提高机器人避障灵活性的同时保障避障安全性。
Description
技术领域
本申请属于路径规划技术领域,尤其涉及一种机器人路径规划方法、装置、存储介质和机器人。
背景技术
自主导航是智能移动机器人必备的核心技能之一,路径规划又是实现自主导航的前提条件,机器人要实现从起点导航到终点,就必须要能预先规划出一条可行的导航路径。按照导航路线的不同,自主导航可以分为自由导航和轨道导航两种。自由导航要求机器人可以在所有可通行区域寻找到一条从起点到终点的最优路径,轨道导航是指用户已经预先在地图上画好了虚拟轨道,要求机器人可以在所有的轨道网络中寻找到一条最优的轨道路径。
为了让机器人的导航既灵活又安全,可以将自由导航与轨道导航这两种导航进行融合。比如当轨道上没有障碍物的时候,机器人严格按照轨道规划路径行走;当轨道上有障碍物时,切换为自由导航规划路径进行绕障,绕障完成后,又切换为轨道导航继续沿着轨道行走。然而,结合两种导航方法进行路径规划虽然一定程度上可以优势互补,但是,导航方法切换瞬间的速度跳变会导致机器人抖动甚至停顿,机器人行进不连贯,避障灵活性降低导致避障的安全性降低。
发明内容
本申请实施例提供了一种机器人路径规划方法、装置、存储介质和机器人,可以解决现有技术中,导航方法切换瞬间的速度跳变会导致机器人抖动甚至停顿,机器人行进不连贯,避障灵活性降低导致避障的安全性降低的问题。
第一方面,本申请实施例提供了一种机器人路径规划方法,包括:
获取栅格地图以及所述栅格地图中障碍物的位置与轨道的位置;
根据所述障碍物的位置与所述轨道的位置,确定所述栅格地图中栅格的代价值,所述代价值用于表示所述栅格地图中栅格的路径权重;
根据所述栅格的代价值与所述栅格地图,生成栅格代价地图,所述栅格代价地图为标记有栅格路径权重的地图;
基于所述栅格代价地图,规划机器人从当前位置到目的地位置的全局路径。
在第一方面的一种可能的实现方式中,所述根据所述障碍物的位置与所述轨道的位置,确定所述栅格地图中栅格的代价值的步骤,包括:
获取所述栅格地图中栅格的初始代价值;
根据所述栅格的初始代价值与所述障碍物的位置,确定所述栅格地图中栅格的障碍物代价值,所述障碍物代价值是指根据所述障碍物的位置计算的所述栅格地图中栅格的代价值;
根据所述栅格的初始代价值与所述轨道的位置,确定所述栅格地图中栅格的轨道代价值,所述轨道代价值是指根据所述轨道的位置计算的所述栅格地图中栅格的代价值;
根据所述障碍物代价值及其预设障碍物代价权重,以及所述轨道代价值及其预设轨道代价权重,确定所述栅格地图中栅格的代价值。
在第一方面的一种可能的实现方式中,所述根据所述栅格的初始代价值与所述障碍物的位置,确定所述栅格地图中栅格的障碍物代价值的步骤,包括:
根据所述障碍物的位置,获取所述栅格地图中栅格与所述障碍物之间的第一距离;
获取所述机器人的物理半径与所述障碍物的预设障碍物代价阈值;
根据所述栅格的初始代价值、所述第一距离、所述机器人的物理半径以及所述障碍物的预设障碍物代价阈值,确定所述栅格地图中栅格的障碍物代价值。
在第一方面的一种可能的实现方式中,所述障碍物的预设障碍物代价阈值包括第一障碍物预设代价阈值和第二障碍物预设代价阈值,所述根据所述栅格的初始代价值、所述第一距离、所述机器人的物理半径以及所述障碍物的预设障碍物代价阈值,确定所述栅格地图中栅格的障碍物代价值的步骤,包括:
根据下式确定所述栅格地图中每一栅格的障碍物代价值:
Obstacle-costi表示所述栅格地图中栅格i的障碍物代价值,xi为栅格i与障碍物之间的第一距离,Radius为机器人的物理半径,ε为障碍物的第一障碍物预设代价阈值,δ为第二障碍物预设代价阈值,b为栅格i的初始代价值,weight为调整系数。
在第一方面的一种可能的实现方式中,所述根据所述栅格的初始代价值与所述轨道的位置,确定所述栅格地图中栅格的轨道代价值的步骤,包括:
根据所述轨道的位置,获取所述栅格地图中栅格与所述轨道之间的第二距离;
获取所述轨道的预设代价阈值与所述轨道的可行区域范围阈值;
根据所述栅格的初始代价值、所述第二距离、所述轨道的预设代价阈值以及所述轨道的可行区域范围阈值,计算所述栅格地图中栅格的轨道代价值。
在第一方面的一种可能的实现方式中,所述根据所述栅格的初始代价值、所述第二距离、所述轨道的预设代价阈值以及所述轨道的可行区域范围阈值,计算所述栅格地图中栅格的轨道代价值的步骤,包括:
根据下式确定所述栅格地图中每一栅格的轨道代价值:
其中,Track-costi表示所述栅格地图中栅格i的轨道代价值,yi为栅格i与轨道之间的第二距离,τ为轨道的预设代价阈值,b为栅格i的初始代价值,λ为轨道的可行区域范围阈值,weight为调整系数,p为用于表示曲线弯曲程度的自定义参数。
在第一方面的一种可能的实现方式中,所述根据所述障碍物代价值及其预设障碍物代价权重,以及所述轨道代价值及其预设轨道代价权重,确定所述栅格地图中栅格的代价值的步骤,包括:
获取第一预设代价阈值与第二预设代价阈值;
根据下式确定所述栅格地图中栅格的代价值:
其中,Costi表示所述栅格地图中栅格i的代价值,xi为栅格i与障碍物之间的第一距离,yi为栅格i与轨道之间的第二距离,Radius为机器人的物理半径,λ为轨道的可行区域范围阈值,k为第一预设代价阈值,σ为第二预设代价阈值,b为栅格i的初始代价值,weight为调整系数,p为用于表示曲线弯曲程度的自定义参数,η为预设障碍物代价权重,ω为预设轨道代价权重。
第二方面,本申请实施例提供了一种机器人路径规划装置,包括:
位置获取单元,用于获取栅格地图以及所述栅格地图中障碍物的位置与轨道的位置;
代价值确定单元,用于根据所述障碍物的位置与所述轨道的位置,确定所述栅格地图中栅格的代价值,所述代价值用于表示所述栅格地图中栅格的路径权重;
代价地图生成单元,用于根据所述栅格的代价值与所述栅格地图,生成栅格代价地图,所述栅格代价地图为标记有栅格路径权重的地图;
路径规划单元,用于基于所述栅格代价地图,规划机器人从当前位置到目的地位置的全局路径。
第三方面,本申请实施例提供了一种机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的机器人路径规划方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的机器人路径规划方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在机器人上运行时,使得机器人执行如上述第一方面所述的机器人路径规划方法。
本申请实施例中,通过获取栅格地图以及所述栅格地图中障碍物的位置与轨道的位置,根据所述障碍物的位置与所述轨道的位置,确定所述栅格地图中栅格的代价值,所述代价值用于表示所述栅格地图中栅格的路径权重,然后根据所述栅格的代价值与所述栅格地图,生成栅格代价地图,所述栅格代价地图为标记有栅格路径权重的地图,最后基于所述栅格代价地图,规划机器人从当前位置到目的地位置的全局路径,本方案将自由导航与轨道导航有效融合,机器人在行进之前可确定是采用自由导航还是轨道导航,可使得机器人行进连贯,提高机器人避障灵活性的同时保障避障安全性,从而可提高导航的有效性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的机器人路径规划方法的实现流程图;
图2是本发明实施例提供的机器人路径规划方法中栅格代价值确定的具体实现流程图;
图3是本发明实施例提供的机器人路径规划方法S202的具体实现流程图;
图4是本发明实施例提供的机器人路径规划方法S203的具体实现流程图;
图5是本发明实施例提供的机器人路径规划方法中栅格代价值的变化趋势示意图;
图6是本发明实施例提供的机器人路径规划装置的结构框图;
图7是本发明实施例提供的机器人的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请实施例中的机器人路径规划方法应用于智能机器人,具体应用于智能机器人导航。
图1示出了本申请实施例提供的机器人路径规划方法的实现流程,该方法流程包括步骤S101至S104。各步骤的具体实现原理如下:
S101:获取栅格地图以及所述栅格地图中障碍物的位置与轨道的位置。
机器人学中地图的表示方法包括特征地图、拓扑地图、栅格地图以及直接表征法。其中,栅格地图是指把环境划分成一系列栅格,其中每一栅格给定一个可能值,表示该栅格被占据的概率。在本申请实施例中,在为机器人进行路径规划之前,获取栅格地图以及所述栅格地图中障碍物的位置与轨道的位置。
具体地,本申请实施例中是结合自由导航与轨道导航为机器人进行路径规划,自由导航是指机器人根据当前位置与目的地位置在地图中自行规划路径;轨道导航是指地图中预先画好了虚拟轨道,导航时,机器人需在轨道上行走。在所述栅格地图中标记有障碍物的位置以及轨道的位置。
可选地,所述障碍物包括静态的障碍物和动态的障碍物。所述静态的障碍物是指建立环境地图时,被永久性地添加到地图中的障碍物;所述动态障碍物是指初始的环境地图中没有、通过刷新环境地图临时出现的障碍物。在本申请实施例中,当所述栅格地图中存在动态障碍物时,动态刷新所述栅格地图,即实时或者按指定周期更新获取栅格地图及所述栅格地图中障碍物的位置与轨道位置,有效确认障碍物的位置,从而使得规划的路径避障的有效性提高。
S102:根据所述障碍物的位置与所述轨道的位置,确定所述栅格地图中栅格的代价值,所述代价值用于表示所述栅格地图中栅格的路径权重。
具体地,所述栅格地图中栅格的代价值,根据距离该栅格最近的障碍物的位置以及轨道的位置确定。
可选地,作为本申请的一个实施例,图2示出了本申请实施例提供的机器人路径规划方法中栅格代价值确定的具体实现流程,详述如下:
S201:获取所述栅格地图中栅格的初始代价值。所述栅格地图中每一栅格都标记有初始代价值。
具体地,栅格地图中每个栅格的代价值由一个字节(unsigned char类型)来存储。示例性地,一个字节表示的数值范围是0-255,可用255表示未知区域的代价值,用254表示栅格的初始代价值。
S202:根据所述栅格的初始代价值与所述障碍物的位置,确定所述栅格地图中栅格的障碍物代价值,所述障碍物代价值是指根据所述障碍物的位置计算的所述栅格地图中栅格的代价值。
具体地,根据所述栅格的初始代价值与所述障碍物的位置,结合预设代价值计算方法,确定所述栅格地图中栅格的障碍物代价值。
可选地,作为本申请的一个实施例,如图3所示,上述S202步骤具体包括:
A1:根据所述障碍物的位置,获取所述栅格地图中栅格与所述障碍物之间的第一距离。具体地,所述栅格是指待计算障碍物代价值的目标栅格,并确定距离该目标栅格最近的障碍物的位置,根据所述障碍物的位置,获取所述栅格地图中目标栅格与所述障碍物之间的第一距离。
A2:获取所述机器人的物理半径与所述障碍物的预设障碍物代价阈值。可选地,所述障碍物的预设障碍物代价阈值可根据所述障碍物的类型或尺寸预先建立第一代价值对照表,在获取所述栅格地图中障碍物的位置之后,先确定所述障碍物的类型或者尺寸,再根据所述障碍物的类型或者尺寸,从所述代价值对照表中查找所述障碍物的类型或者尺寸对应的预设代价阈值。
A3:根据所述栅格的初始代价值、所述第一距离、所述机器人的物理半径以及所述障碍物的预设障碍物代价阈值,确定所述栅格地图中栅格的障碍物代价值。
在本申请实施例中,所述障碍物的预设障碍物代价阈值包括第一障碍物预设代价阈值和第二障碍物预设代价阈值,上述步骤A3具体包括:
根据下式(1)确定所述栅格地图中每一栅格的障碍物代价值:
其中,Obstacle-costi表示所述栅格地图中栅格i的障碍物代价值,xi为栅格i与障碍物之间的第一距离,Radius为机器人的物理半径,ε为障碍物的第一障碍物预设代价阈值,δ为第二障碍物预设代价阈值,b为栅格i的初始代价值,weight为调整系数。
在本申请实施例中,根据上式(1)可有效快速的确定栅格的障碍物代价值,栅格的障碍物代价值随着与障碍物的距离增加而变小,随着与障碍物的距离靠近而变大,从而使障碍物上的栅格代价值最高。具体地,栅格i即为待计算障碍物代价值的目标栅格。当栅格i与障碍物之间的第一距离xi为0时,所述栅格i的障碍物代价值为第一障碍物预设代价阈值ε,ε的值可为254;当所述栅格i与障碍物的第一距离xi小于或等于机器人的物理半径Radius时,所述栅格i的障碍物代价值为第二障碍物预设代价阈值δ,δ的值可为253;所述栅格i的初始代价b的值可为252,当所述栅格i与障碍物的第一距离xi大于机器人的物理半径Radius时,根据确定所述栅格i的障碍物代价值。在本申请实施例中,栅格i距离障碍物越近,障碍物代价值越高,距离障碍物越远,障碍物代价值越低。
S203:根据所述栅格的初始代价值与所述轨道的位置,确定所述栅格地图中栅格的轨道代价值,所述轨道代价值是指根据所述轨道的位置计算的所述栅格地图中栅格的代价值。
具体地,根据所述栅格的初始代价值与所述轨道的位置,结合预设代价值计算方法,确定所述栅格地图中栅格的轨道代价值。
可选地,作为本申请的一个实施例,如图4所示,上述S203步骤具体包括:
B1:根据所述轨道的位置,获取所述栅格地图中栅格与所述轨道之间的第二距离。具体地,所述栅格是指待计算轨道代价值的目标栅格,并确定距离该目标栅格最近的轨道的位置,根据所述轨道的位置,获取所述栅格地图中目标栅格与所述轨道之间的第一距离。
B2:获取所述轨道的预设代价阈值与所述轨道的可行区域范围阈值。可选地,所述轨道的预设代价阈值可根据所述轨道的可行驶宽度预先建立第二代价值对照表,在获取所述栅格地图中轨道的位置之后,先获取所述轨道的可行驶宽度,再根据所述轨道的可行驶宽度,从所述第二代价值对照表中查找所述轨道的可行驶宽度对应的预设代价阈值。所述可行区域阈值是指轨道附近的可行区域距离,例如,1.5米,在1.5米以外的区域,设定为不可通行区域。
B3:根据所述栅格的初始代价值、所述第二距离、所述轨道的预设代价阈值以及所述轨道的可行区域范围阈值,计算所述栅格地图中栅格的轨道代价值。
在本申请实施例中,上述步骤B3具体包括:
根据下式(2)确定所述栅格地图中每一栅格的轨道代价值:
其中,Track-costi表示所述栅格地图中栅格i的轨道代价值,yi为栅格i与轨道之间的第二距离,τ为轨道的预设代价阈值,b为栅格i的初始代价值,λ为轨道的可行区域范围阈值,weight为调整系数,p为用于表示曲线弯曲程度的自定义参数。
在本申请实施例中,根据上式(2)可有效快速的确定栅格的轨道代价值,栅格的轨道代价值随着与轨道的距离增加而增加,随着与轨道的距离靠近而降低,从而使轨道上的栅格代价值最低。具体地,栅格i即为待计算轨道代价值的目标栅格。当栅格i与轨道之间的第二距离yi大于或等于轨道的预设代价阈值λ时,所述栅格i的轨道代价值为轨道的预设代价阈值τ,τ的值可为254;所述栅格i的初始代价b的值可为252,当所述栅格i与轨道的距离大于0且小于轨道的预设代价阈值λ时,根据确定所述栅格i的轨道代价值,λ的值可为1.5米。在本申请实施例中,栅格i距离轨道越近,轨道代价值越低,距离轨道越远,轨道代价值越高。
S204:根据所述障碍物代价值及其预设障碍物代价权重,以及所述轨道代价值及其预设轨道代价权重,确定所述栅格地图中栅格的代价值。
具体地,可根据所述栅格地图中出现的障碍物的数量或者类型,确定所述障碍物的预设障碍物代价权重,所述预设障碍物代价权重与所述预设轨道代价权重之和为1。在本申请实施例中,根据所述障碍物代价值及其预设障碍物代价权重,以及所述轨道代价值及其预设轨道代价权重,确定所述栅格地图中栅格的代价值。
可选地,作为本申请的一个实施例,上述步骤S204具体包括:
C1:获取第一预设代价阈值与第二预设代价阈值。所述第一预设代价阈值与所述第二预设代价阈值均为预先定义的在指定条件下栅格对应的代价值。例如,所述第一预设代价阈值可以为254,所述第二预设代价阈值可以为253
C2:根据下式(3)确定所述栅格地图中栅格的代价值:
其中,Costi表示所述栅格地图中栅格i的代价值,xi为栅格i与障碍物之间的第一距离,yi为栅格i与轨道之间的第二距离,Radius为机器人的物理半径,λ为轨道的可行区域范围阈值,k为第一预设代价阈值,σ为第二预设代价阈值,b为栅格i的初始代价值,weight为调整系数,p为用于表示曲线弯曲程度的自定义参数,η为预设障碍物代价权重,ω为预设轨道代价权重。
在本申请实施例中,根据上式(3)可有效快速的确定栅格的代价值,栅格的代价值与栅格与障碍物之间的第一距离以及栅格与轨道之间的第二距离相关,具体地,栅格i即为待计算代价值的目标栅格。当栅格i与障碍物之间的第一距离为xi时,或者,栅格i与轨道之间的第二距离yi大于或等于轨道的预设代价阈值λ时,所述栅格i的代价值为第一预设代价阈值k,k的值可为254;当所述栅格i与障碍物的第一距离xi小于或等于机器人的物理半径Radius,且所述栅格i与轨道的距离大于0且小于轨道的预设代价阈值λ时,所述栅格i的代价值为第二预设代价阈值σ,λ的值可为1.5米,所述栅格i的初始代价b的值可为252,当所述栅格i与障碍物的第一距离xi大于机器人的物理半径Radius,且所述栅格i与轨道的距离大于0且小于轨道的预设代价阈值λ时,根据确定栅格i的代价值,η与ω之和为1,例如,η为2/3,ω为1/3。
S103:根据所述栅格的代价值与所述栅格地图,生成栅格代价地图,所述栅格代价地图为标记有栅格路径权重的地图。
在本申请实施例中,通过所述栅格代价地图表示加权有向图。具体地,通过计算所述栅格地图中每一栅格的代价值,对所述栅格地图中的每一栅格标记代价值,可得到一张完整的栅格代价地图。
S104:基于所述栅格代价地图,规划机器人从当前位置到目的地位置的全局路径。
具体地,根据Dijkstra迪杰斯特拉算法,在上述栅格代价地图中,为机器人规划一条从当前位置到目的地位置代价值最低的路径。在本实施例中,由于距离障碍物越远,代价值越小,所以该路径必然会远离障碍物,即具有绕障功能;距离轨道越近,代价值越小,在没有障碍物的时候,机器人尽量按轨道走,可提行保障高安全性的同时提高机器人的行进速度。
示例性地,以一个应用场景为例,图5示出了当轨道上有障碍物挡住时,周围栅格代价值的变化趋势。在(0,0.5)区间段,因为靠近障碍物,栅格的代价值主要受障碍物影响,距离障碍物越近,代价值越高,进行全局路径规划时可以远离障碍物;在(0.5,1.5)区间段,栅格代价值主要受与轨道的距离影响,距离轨道越远,代价值越高,进行全局路径规划时可以尽量靠近轨道。本实施例中,将上述自由导航与轨道进行融合,当轨道上没有障碍物的时候,机器人严格按照轨道行走;当轨道上有障碍物时,机器人会在绕开障碍物的同时,尽量靠近轨道,在绕障完成之后,机器人又继续按照轨道行走。
在本申请实施例中,通过获取栅格地图以及所述栅格地图中障碍物的位置与轨道的位置,根据所述障碍物的位置与所述轨道的位置,确定所述栅格地图中栅格的代价值,所述代价值用于表示所述栅格地图中栅格的路径权重,然后根据所述栅格的代价值与所述栅格地图,生成栅格代价地图,所述栅格代价地图为标记有栅格路径权重的地图,最后基于所述栅格代价地图,规划机器人从当前位置到目的地位置的全局路径,本方案将自由导航与轨道导航有效融合,机器人在行进之前可确定是采用自由导航还是轨道导航,可使得机器人行进连贯,提高机器人避障灵活性的同时保障避障安全性,从而可提高导航的有效性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的机器人路径规划方法,图6示出了本申请实施例提供的机器人路径规划装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图6,该机器人路径规划装置包括:位置获取单元61,代价值确定单元62,代价地图生成单元63,路径规划单元64,其中:
位置获取单元61,用于获取栅格地图以及所述栅格地图中障碍物的位置与轨道的位置;
代价值确定单元62,用于根据所述障碍物的位置与所述轨道的位置,确定所述栅格地图中栅格的代价值,所述代价值用于表示所述栅格地图中栅格的路径权重;
代价地图生成单元63,用于根据所述栅格的代价值与所述栅格地图,生成栅格代价地图,所述栅格代价地图为标记有栅格路径权重的地图;
路径规划单元64,用于基于所述栅格代价地图,规划机器人从当前位置到目的地位置的全局路径。
可选地,所述代价值确定单元62包括:
初始代价值获取模块,用于获取所述栅格地图中栅格的初始代价值;
障碍物代价值确定模块,用于根据所述栅格的初始代价值与所述障碍物的位置,确定所述栅格地图中栅格的障碍物代价值,所述障碍物代价值是指根据所述障碍物的位置计算的所述栅格地图中栅格的代价值;
轨道代价值确定模块,用于根据所述栅格的初始代价值与所述轨道的位置,确定所述栅格地图中栅格的轨道代价值,所述轨道代价值是指根据所述轨道的位置计算的所述栅格地图中栅格的代价值;
栅格代价值确定模块,用于根据所述障碍物代价值及其预设障碍物代价权重,以及所述轨道代价值及其预设轨道代价权重,确定所述栅格地图中栅格的代价值。
可选地,所述障碍物代价值确定模块具体包括:
第一距离确定子模块,用于根据所述障碍物的位置,获取所述栅格地图中栅格与所述障碍物之间的第一距离;
第一数据获取子模块,用于获取所述机器人的物理半径与所述障碍物的预设障碍物代价阈值;
障碍物代价值确定子模块,用于根据所述栅格的初始代价值、所述第一距离、所述机器人的物理半径以及所述障碍物的预设障碍物代价阈值,确定所述栅格地图中栅格的障碍物代价值。
可选地,所述障碍物的预设障碍物代价阈值包括第一障碍物预设代价阈值和第二障碍物预设代价阈值,所述障碍物代价值确定子模块具体包括:
第一代价值计算子模块,用于根据下式确定所述栅格地图中每一栅格的障碍物代价值:
Obstacle-costi表示所述栅格地图中栅格i的障碍物代价值,xi为栅格i与障碍物之间的第一距离,Radius为机器人的物理半径,ε为障碍物的第一障碍物预设代价阈值,δ为第二障碍物预设代价阈值,b为栅格i的初始代价值,weight为调整系数。
可选地,所述轨道代价值确定模块具体包括:
第二距离确定子模块,用于根据所述轨道的位置,获取所述栅格地图中栅格与所述轨道之间的第二距离;
第二数据获取子模块,用于获取所述轨道的预设代价阈值与所述轨道的可行区域范围阈值;
轨道代价值确定子模块,用于根据所述栅格的初始代价值、所述第二距离、所述轨道的预设代价阈值以及所述轨道的可行区域范围阈值,计算所述栅格地图中栅格的轨道代价值。
可选地,所述轨道代价值确定子模块具体包括:
第二代价值计算子模块,用于根据下式确定所述栅格地图中每一栅格的轨道代价值:
其中,Track-costi表示所述栅格地图中栅格i的轨道代价值,yi为栅格i与轨道之间的第二距离,τ为轨道的预设代价阈值,b为栅格i的初始代价值,λ为轨道的可行区域范围阈值,weight为调整系数,p为用于表示曲线弯曲程度的自定义参数。
可选地,所述栅格代价值确定模块具体包括:
第三数据获取子模块,用于获取第一预设代价阈值与第二预设代价阈值;
第三代价值计算子模块,用于根据下式确定所述栅格地图中栅格的代价值:
其中,Costi表示所述栅格地图中栅格i的代价值,xi为栅格i与障碍物之间的第一距离,yi为栅格i与轨道之间的第二距离,Radius为机器人的物理半径,λ为轨道的可行区域范围阈值,k为第一预设代价阈值,σ为第二预设代价阈值,b为栅格i的初始代价值,weight为调整系数,p为用于表示曲线弯曲程度的自定义参数,η为预设障碍物代价权重,ω为预设轨道代价权重。
在本申请实施例中,通过获取栅格地图以及所述栅格地图中障碍物的位置与轨道的位置,根据所述障碍物的位置与所述轨道的位置,确定所述栅格地图中栅格的代价值,所述代价值用于表示所述栅格地图中栅格的路径权重,然后根据所述栅格的代价值与所述栅格地图,生成栅格代价地图,所述栅格代价地图为标记有栅格路径权重的地图,最后基于所述栅格代价地图,规划机器人从当前位置到目的地位置的全局路径,本方案将自由导航与轨道导航有效融合,机器人在行进之前可确定是采用自由导航还是轨道导航,可使得机器人行进连贯,提高机器人避障灵活性的同时保障避障安全性,从而可提高导航的有效性。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如图1至图5表示的任意一种机器人路径规划方法的步骤。
本申请实施例还提供一种机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,所述处理器执行所述计算机可读指令时实现如图1至图5表示的任意一种机器人路径规划方法的步骤。
本申请实施例还提供一种计算机程序产品,当该计算机程序产品在服务器上运行时,使得服务器执行实现如图1至图5表示的任意一种机器人路径规划方法的步骤。
图7是本申请一实施例提供的机器人的示意图。如图7所示,该实施例的机器人7包括:处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机可读指令72。所述处理器70执行所述计算机可读指令72时实现上述各个机器人路径规划方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,所述处理器70执行所述计算机可读指令72时实现上述各装置实施例中各模块/单元的功能,例如图6所示单元61至64的功能。
示例性的,所述计算机可读指令72可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器71中,并由所述处理器70执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该指令段用于描述所述计算机可读指令72在所述机器人7中的执行过程。
所述机器人7可以是智能机器人。所述机器人7可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是机器人7的示例,并不构成对机器人7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述机器人7还可以包括输入输出设备、网络接入设备、总线等。
所述处理器70可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignaL 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71可以是所述机器人7的内部存储单元,例如机器人7的硬盘或内存。所述存储器71也可以是所述机器人7的外部存储设备,例如所述机器人7上配备的插接式硬盘,智能存储卡(Smart Media 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71还可以既包括所述机器人7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机可读指令以及所述机器人所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
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。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种机器人路径规划方法,其特征在于,包括:
获取栅格地图以及所述栅格地图中障碍物的位置与轨道的位置;
根据所述障碍物的位置与所述轨道的位置,确定所述栅格地图中栅格的代价值,所述代价值用于表示所述栅格地图中栅格的路径权重;
根据所述栅格的代价值与所述栅格地图,生成栅格代价地图,所述栅格代价地图为标记有栅格路径权重的地图;
基于所述栅格代价地图,规划机器人从当前位置到目的地位置的全局路径。
2.如权利要求1所述的机器人路径规划方法,其特征在于,所述根据所述障碍物的位置与所述轨道的位置,确定所述栅格地图中栅格的代价值的步骤,包括:
获取所述栅格地图中栅格的初始代价值;
根据所述栅格的初始代价值与所述障碍物的位置,确定所述栅格地图中栅格的障碍物代价值,所述障碍物代价值是指根据所述障碍物的位置计算的所述栅格地图中栅格的代价值;
根据所述栅格的初始代价值与所述轨道的位置,确定所述栅格地图中栅格的轨道代价值,所述轨道代价值是指根据所述轨道的位置计算的所述栅格地图中栅格的代价值;
根据所述障碍物代价值及其预设障碍物代价权重,以及所述轨道代价值及其预设轨道代价权重,确定所述栅格地图中栅格的代价值。
3.如权利要求2所述的机器人路径规划方法,其特征在于,所述根据所述栅格的初始代价值与所述障碍物的位置,确定所述栅格地图中栅格的障碍物代价值的步骤,包括:
根据所述障碍物的位置,获取所述栅格地图中栅格与所述障碍物之间的第一距离;
获取所述机器人的物理半径与所述障碍物的预设障碍物代价阈值;
根据所述栅格的初始代价值、所述第一距离、所述机器人的物理半径以及所述障碍物的预设障碍物代价阈值,确定所述栅格地图中栅格的障碍物代价值。
5.如权利要求2所述的机器人路径规划方法,其特征在于,所述根据所述栅格的初始代价值与所述轨道的位置,确定所述栅格地图中栅格的轨道代价值的步骤,包括:
根据所述轨道的位置,获取所述栅格地图中栅格与所述轨道之间的第二距离;
获取所述轨道的预设代价阈值与所述轨道的可行区域范围阈值;
根据所述栅格的初始代价值、所述第二距离、所述轨道的预设代价阈值以及所述轨道的可行区域范围阈值,计算所述栅格地图中栅格的轨道代价值。
7.如权利要求2所述的机器人路径规划方法,其特征在于,所述根据所述障碍物代价值及其预设障碍物代价权重,以及所述轨道代价值及其预设轨道代价权重,确定所述栅格地图中栅格的代价值的步骤,包括:
获取第一预设代价阈值与第二预设代价阈值;
根据下式确定所述栅格地图中栅格的代价值:
其中,Costi表示所述栅格地图中栅格i的代价值,xi为栅格i与障碍物之间的第一距离,yi为栅格i与轨道之间的第二距离,Radius为机器人的物理半径,λ为轨道的可行区域范围阈值,k为第一预设代价阈值,σ为第二预设代价阈值,b为栅格i的初始代价值,weight为调整系数,p为用于表示曲线弯曲程度的自定义参数,η为预设障碍物代价权重,ω为预设轨道代价权重。
8.一种机器人路径规划装置,其特征在于,包括:
位置获取单元,用于获取栅格地图以及所述栅格地图中障碍物的位置与轨道的位置;
代价值确定单元,用于根据所述障碍物的位置与所述轨道的位置,确定所述栅格地图中栅格的代价值,所述代价值用于表示所述栅格地图中栅格的路径权重;
代价地图生成单元,用于根据所述栅格的代价值与所述栅格地图,生成栅格代价地图,所述栅格代价地图为标记有栅格路径权重的地图;
路径规划单元,用于基于所述栅格代价地图,规划机器人从当前位置到目的地位置的全局路径。
9.一种机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的机器人路径规划方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的机器人路径规划方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911151039.2A CN111006666B (zh) | 2019-11-21 | 2019-11-21 | 机器人路径规划方法、装置、存储介质和机器人 |
US16/734,402 US11161246B2 (en) | 2019-11-21 | 2020-01-05 | Robot path planning method and apparatus and robot using the same |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911151039.2A CN111006666B (zh) | 2019-11-21 | 2019-11-21 | 机器人路径规划方法、装置、存储介质和机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111006666A true CN111006666A (zh) | 2020-04-14 |
CN111006666B CN111006666B (zh) | 2021-10-29 |
Family
ID=70113792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911151039.2A Active CN111006666B (zh) | 2019-11-21 | 2019-11-21 | 机器人路径规划方法、装置、存储介质和机器人 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11161246B2 (zh) |
CN (1) | CN111006666B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111750862A (zh) * | 2020-06-11 | 2020-10-09 | 深圳优地科技有限公司 | 基于多区域的机器人路径规划方法、机器人及终端设备 |
CN112033423A (zh) * | 2020-09-09 | 2020-12-04 | 上海有个机器人有限公司 | 一种基于道路共识的机器人路径规划方法、装置和机器人 |
CN112137529A (zh) * | 2020-09-28 | 2020-12-29 | 珠海市一微半导体有限公司 | 一种基于密集障碍物的清扫控制方法 |
CN112549032A (zh) * | 2020-12-09 | 2021-03-26 | 深圳市优必选科技股份有限公司 | 一种机器人的控制方法、装置、设备及存储介质 |
CN113022553A (zh) * | 2020-11-20 | 2021-06-25 | 安徽海博智能科技有限责任公司 | 一种矿区无人驾驶车辆的泊车方法及系统 |
CN113359720A (zh) * | 2021-05-31 | 2021-09-07 | 上海高仙自动化科技发展有限公司 | 移动设备避障方法、装置、电子设备及计算机可读存储介质 |
CN113607171A (zh) * | 2021-08-04 | 2021-11-05 | 清华大学建筑设计研究院有限公司 | 一种疏散路径规划方法、装置、设备及存储介质 |
CN113997286A (zh) * | 2021-10-28 | 2022-02-01 | 深圳优地科技有限公司 | 一种机器人避障方法、机器人及计算机可读存储介质 |
CN115016451A (zh) * | 2021-03-05 | 2022-09-06 | 广东博智林机器人有限公司 | 机器人作业轨迹规划方法、装置、计算机设备和存储介质 |
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 |
WO2023207803A1 (zh) * | 2022-04-25 | 2023-11-02 | 汕头大学 | 基于基因调控网络的多智能体导航控制方法、设备及介质 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108012326B (zh) * | 2017-12-07 | 2019-06-11 | 珠海市一微半导体有限公司 | 基于栅格地图的机器人监视宠物的方法及芯片 |
US11467584B2 (en) * | 2019-12-27 | 2022-10-11 | Baidu Usa Llc | Multi-layer grid based open space planner |
KR20220138438A (ko) * | 2021-02-26 | 2022-10-13 | 현대자동차주식회사 | 이동 로봇의 다중 경로 생성 장치 및 방법 |
CN113741439B (zh) * | 2021-08-23 | 2024-05-24 | 深圳优地科技有限公司 | 路径规划方法、装置、机器人和存储介质 |
CN113848809B (zh) * | 2021-09-24 | 2023-07-18 | 中建三局集团有限公司 | 基于数字滤波的轨迹规划方法 |
CN114115241B (zh) * | 2021-11-04 | 2023-08-08 | 云鲸智能(深圳)有限公司 | 障碍物检测方法、基于障碍物的导航方法、装置和机器人 |
CN114415678B (zh) * | 2021-12-31 | 2024-01-16 | 深圳市普渡科技有限公司 | 机器人的路径规划方法、装置、机器人和存储介质 |
CN114510045B (zh) * | 2022-01-27 | 2024-06-25 | 北京信息科技大学 | 一种基于安全圈的机器人全局路径规划a*改进方法 |
CN114543814A (zh) * | 2022-02-24 | 2022-05-27 | 北京化工大学 | 一种应用于三维环境中的机器人自主定位与导航的方法 |
CN116380110B (zh) * | 2023-06-07 | 2023-08-04 | 上海伯镭智能科技有限公司 | 一种基于大数据无人驾驶车辆实时路径规划方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106774347A (zh) * | 2017-02-24 | 2017-05-31 | 安科智慧城市技术(中国)有限公司 | 室内动态环境下的机器人路径规划方法、装置和机器人 |
WO2019045284A1 (ko) * | 2017-08-30 | 2019-03-07 | 엘지전자 주식회사 | 객체와 간격을 유지하며 로봇을 이동시키는 방법 및 이를 구현하는 로봇 |
CN109974702A (zh) * | 2017-12-27 | 2019-07-05 | 深圳市优必选科技有限公司 | 一种机器人导航方法、机器人及存储装置 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5748199A (en) * | 1995-12-20 | 1998-05-05 | Synthonics Incorporated | Method and apparatus for converting a two dimensional motion picture into a three dimensional motion picture |
DE19804195A1 (de) * | 1998-02-03 | 1999-08-05 | Siemens Ag | Bahnplanungsverfahren für eine mobile Einheit zur Flächenbearbeitung |
US6259988B1 (en) * | 1998-07-20 | 2001-07-10 | Lockheed Martin Corporation | Real-time mission adaptable route planner |
US6167332A (en) * | 1999-01-28 | 2000-12-26 | International Business Machines Corporation | Method and apparatus suitable for optimizing an operation of a self-guided vehicle |
JP3994950B2 (ja) * | 2003-09-19 | 2007-10-24 | ソニー株式会社 | 環境認識装置及び方法、経路計画装置及び方法、並びにロボット装置 |
KR100745975B1 (ko) * | 2004-12-30 | 2007-08-06 | 삼성전자주식회사 | 그리드 맵을 사용하여 최소 이동 경로로 이동하는 방법 및장치 |
US20080059007A1 (en) * | 2006-06-09 | 2008-03-06 | Whittaker William L | System and method for autonomously convoying vehicles |
JP4661838B2 (ja) * | 2007-07-18 | 2011-03-30 | トヨタ自動車株式会社 | 経路計画装置及び方法、コスト評価装置、並びに移動体 |
KR101633889B1 (ko) * | 2009-02-18 | 2016-06-28 | 삼성전자주식회사 | 격자지도를 이용한 경로 생성 장치 및 방법 |
KR101761313B1 (ko) * | 2010-12-06 | 2017-07-25 | 삼성전자주식회사 | 로봇 및 로봇의 경로생성방법 |
US8861506B2 (en) * | 2011-12-27 | 2014-10-14 | Apple Inc. | Shortest path determination for large graphs |
US10394244B2 (en) * | 2016-05-26 | 2019-08-27 | Korea University Research And Business Foundation | Method for controlling mobile robot based on Bayesian network learning |
EP3537248A1 (en) * | 2016-06-10 | 2019-09-11 | Duke University | Motion planning for autonomous vehicles and reconfigurable motion planning processors |
US10606270B2 (en) * | 2017-10-18 | 2020-03-31 | Luminar Technologies, Inc. | Controlling an autonomous vehicle using cost maps |
KR20200084423A (ko) * | 2018-12-24 | 2020-07-13 | 삼성전자주식회사 | 기계 학습 기반의 로컬 모션 생성 방법 및 장치 |
KR20200099264A (ko) * | 2019-02-14 | 2020-08-24 | 한화디펜스 주식회사 | 장애물 지도 생성 방법 및 그 장치 |
-
2019
- 2019-11-21 CN CN201911151039.2A patent/CN111006666B/zh active Active
-
2020
- 2020-01-05 US US16/734,402 patent/US11161246B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106774347A (zh) * | 2017-02-24 | 2017-05-31 | 安科智慧城市技术(中国)有限公司 | 室内动态环境下的机器人路径规划方法、装置和机器人 |
WO2019045284A1 (ko) * | 2017-08-30 | 2019-03-07 | 엘지전자 주식회사 | 객체와 간격을 유지하며 로봇을 이동시키는 방법 및 이를 구현하는 로봇 |
CN109974702A (zh) * | 2017-12-27 | 2019-07-05 | 深圳市优必选科技有限公司 | 一种机器人导航方法、机器人及存储装置 |
Non-Patent Citations (2)
Title |
---|
ENRIC GALCERAN: ""A survey on coverage path planning for robotics"", 《ROBOTICS AND AUTONOMOUS SYSTEMS 61(2013)》 * |
赵健: ""基于典型栅格地图的代价地图改进方法"", 《机械与电子》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111750862A (zh) * | 2020-06-11 | 2020-10-09 | 深圳优地科技有限公司 | 基于多区域的机器人路径规划方法、机器人及终端设备 |
CN112033423B (zh) * | 2020-09-09 | 2022-09-13 | 上海有个机器人有限公司 | 一种基于道路共识的机器人路径规划方法、装置和机器人 |
CN112033423A (zh) * | 2020-09-09 | 2020-12-04 | 上海有个机器人有限公司 | 一种基于道路共识的机器人路径规划方法、装置和机器人 |
CN112137529A (zh) * | 2020-09-28 | 2020-12-29 | 珠海市一微半导体有限公司 | 一种基于密集障碍物的清扫控制方法 |
CN112137529B (zh) * | 2020-09-28 | 2021-08-24 | 珠海市一微半导体有限公司 | 一种基于密集障碍物的清扫控制方法 |
CN113022553A (zh) * | 2020-11-20 | 2021-06-25 | 安徽海博智能科技有限责任公司 | 一种矿区无人驾驶车辆的泊车方法及系统 |
CN113022553B (zh) * | 2020-11-20 | 2022-07-12 | 安徽海博智能科技有限责任公司 | 一种矿区无人驾驶车辆的泊车方法及系统 |
CN112549032A (zh) * | 2020-12-09 | 2021-03-26 | 深圳市优必选科技股份有限公司 | 一种机器人的控制方法、装置、设备及存储介质 |
CN115016451A (zh) * | 2021-03-05 | 2022-09-06 | 广东博智林机器人有限公司 | 机器人作业轨迹规划方法、装置、计算机设备和存储介质 |
CN113359720A (zh) * | 2021-05-31 | 2021-09-07 | 上海高仙自动化科技发展有限公司 | 移动设备避障方法、装置、电子设备及计算机可读存储介质 |
CN113359720B (zh) * | 2021-05-31 | 2024-05-24 | 上海高仙自动化科技发展有限公司 | 移动设备避障方法、装置、电子设备及计算机可读存储介质 |
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 |
CN113607171B (zh) * | 2021-08-04 | 2023-05-26 | 清华大学建筑设计研究院有限公司 | 一种疏散路径规划方法、装置、设备及存储介质 |
CN113607171A (zh) * | 2021-08-04 | 2021-11-05 | 清华大学建筑设计研究院有限公司 | 一种疏散路径规划方法、装置、设备及存储介质 |
CN113997286A (zh) * | 2021-10-28 | 2022-02-01 | 深圳优地科技有限公司 | 一种机器人避障方法、机器人及计算机可读存储介质 |
WO2023207803A1 (zh) * | 2022-04-25 | 2023-11-02 | 汕头大学 | 基于基因调控网络的多智能体导航控制方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
US20210154835A1 (en) | 2021-05-27 |
US11161246B2 (en) | 2021-11-02 |
CN111006666B (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111006666B (zh) | 机器人路径规划方法、装置、存储介质和机器人 | |
CN110989636B (zh) | 一种障碍物的轨迹预测方法及装置 | |
CN111079721B (zh) | 一种障碍物的轨迹预测方法及装置 | |
CN110955242B (zh) | 机器人导航方法、系统、机器人及存储介质 | |
CN111190427B (zh) | 一种轨迹规划的方法及装置 | |
CN112766468B (zh) | 一种轨迹预测方法、装置、存储介质及电子设备 | |
CN108645411B (zh) | 基于粒子群算法的机器人路径规划方法、装置及终端设备 | |
KR20220087561A (ko) | 궤적 예측 | |
CN112595337B (zh) | 避障路径规划方法、装置、电子装置、车辆及存储介质 | |
CN111126362B (zh) | 一种预测障碍物轨迹的方法及装置 | |
EP2666154A1 (en) | Trajectory planning | |
CN107192399B (zh) | 导航方法、装置、存储介质及终端 | |
CN113419547B (zh) | 一种多车协同控制方法及装置 | |
CN109683617A (zh) | 一种自动驾驶方法、装置及电子设备 | |
CN112677993A (zh) | 一种模型训练的方法及装置 | |
CN114495554A (zh) | 一种用于智能驾驶的路口引导信息构建方法和系统 | |
CN112949756B (zh) | 一种模型训练以及轨迹规划的方法及装置 | |
CN113324557A (zh) | 路径规划方法、装置、电子设备与存储介质 | |
CN113343425B (zh) | 一种仿真测试的方法及装置 | |
CN113074748B (zh) | 一种无人驾驶设备的路径规划方法及装置 | |
JP2020042792A (ja) | 統計に基づく障害物位置シミュレーション方法、装置及び端末 | |
CN112731447B (zh) | 一种障碍物跟踪方法、装置、存储介质及电子设备 | |
CN115328118A (zh) | 路径确定方法、装置、可读存储介质及电子设备 | |
CN112734810B (zh) | 一种障碍物追踪方法及装置 | |
CN114964293A (zh) | 车辆的路径规划方法、装置及电子设备、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 |