CN111288995B - 移动机器人的路径规划方法、路径规划装置及终端设备 - Google Patents
移动机器人的路径规划方法、路径规划装置及终端设备 Download PDFInfo
- Publication number
- CN111288995B CN111288995B CN202010169199.6A CN202010169199A CN111288995B CN 111288995 B CN111288995 B CN 111288995B CN 202010169199 A CN202010169199 A CN 202010169199A CN 111288995 B CN111288995 B CN 111288995B
- Authority
- CN
- China
- Prior art keywords
- path
- sub
- position information
- local
- local path
- 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
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)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请适用于机器人技术领域,提供了一种移动机器人的路径规划方法,其特征在于,包括:获取第一局部路径参数集合,并将所述第一局部路径参数集合中的每组局部路径参数对应生成一组待选局部路径位置信息;获取当前的路径规划周期对应的全局路径中的路径线段和所述移动机器人当前的运动状态,并根据所述路径线段和所述移动机器人当前的运动状态从生成的各组待选局部路径位置信息中确定出一组目标局部路径位置信息;根据所述移动机器人当前的运动状态和所述目标局部路径位置信息,确定所述当前的路径规划周期对应的目标局部路径。通过上述方法,能够有效增强全局路径规划方法的鲁棒性。
Description
技术领域
本申请属于机器人技术领域,尤其涉及一种移动机器人的路径规划方法、路径规划装置及终端设备。
背景技术
在对移动机器人进行路径规划时,为了找到一条最优路径,通常采用全局路径规划方法。该方法通过获取已知的环境,建立环境模型,然后根据环境模型为机器人规划一条最优路径。全局路径规划方法虽然可以找到最优路径,但是需要预先知道环境的准确信息,当环境发生变化(如出现未知障碍物)时,该方法就无能为力了。因此,现有的全局路径规划方法无法应对环境的变化,鲁棒性较差。
发明内容
本申请实施例提供了一种移动机器人的路径规划方法、路径规划装置及终端设备,可以解决现有的移动机器人全局路径规划方法无法应对环境的变化、鲁棒性差的问题。
第一方面,本申请实施例提供了一种移动机器人的路径规划方法,包括:
获取第一局部路径参数集合,并将所述第一局部路径参数集合中的每组局部路径参数对应生成一组待选局部路径位置信息;
获取当前的路径规划周期对应的全局路径中的路径线段和所述移动机器人当前的运动状态,并根据所述路径线段和所述移动机器人当前的运动状态从生成的各组待选局部路径位置信息中确定出一组目标局部路径位置信息;
根据所述移动机器人当前的运动状态和所述目标局部路径位置信息,确定所述当前的路径规划周期对应的目标局部路径。
在第一方面的一种可能的实现方式中,每组局部路径参数包括M组子路径参数,其中,所述M为正整数;
所述将所述第一局部路径参数集合中的每组局部路径参数对应生成一组待选局部路径位置信息,包括:
对于每组局部路径参数,将所述局部路径参数中的每组子路径参数对应生成一组子路径位置信息;
根据生成的M组子路径位置信息,确定所述局部路径参数对应的待选局部路径位置信息。
在第一方面的一种可能的实现方式中,每组子路径参数包括子路径轨迹半径和子路径时间参数,其中,所述子路径时间参数包括多个运动时刻;
所述将所述局部路径参数中的每组子路径参数对应生成一组子路径位置信息,包括:
对于每组子路径参数,确定所述子路径参数中的子路径轨迹半径对应的子路径终点线速度和子路径终点角速度;
根据所述子路径终点线速度和所述子路径终点角速度,计算所述子路径参数中所述子路径时间参数包含的每个运动时刻对应的瞬时线速度和瞬时角速度;
将所述子路径终点线速度、所述子路径终点角速度、所述瞬时线速度和所述瞬时角速度记为所述子路径参数对应的一组子路径位置信息。
在第一方面的一种可能的实现方式中,所述根据所述路径线段和所述移动机器人当前的运动状态从生成的各组待选局部路径位置信息中确定出一组目标局部路径位置信息,包括:
根据所述路径线段和所述移动机器人当前的运动状态分别计算每组待选局部路径位置信息对应的评价值;
根据所述评价值从所述各组待选局部路径位置信息中确定出一组目标局部路径位置信息。
在第一方面的一种可能的实现方式中,在所述根据所述路径线段和所述移动机器人当前的运动状态分别计算每组待选局部路径位置信息对应的评价值的步骤中,任意一组待选局部路径位置信息对应的评价值的计算方式包括:
根据所述移动机器人当前的运动状态,计算所述待选局部路径位置信息和所述路径线段之间的重合度误差;
计算所述待选局部路径位置信息对应的平滑度;
根据所述移动机器人当前的运动状态,确定所述待选局部路径位置信息对应的障碍物系数;
根据所述重合度误差、所述平滑度和所述障碍物系数计算所述待选局部路径位置信息对应的评价值。
在第一方面的一种可能的实现方式中,所述根据所述评价值从所述各组待选局部路径位置信息中确定出一组目标局部路径位置信息,包括:
确定计算出的评价值中的最小评价值,为候选评价值;
将所述候选评价值对应的待选局部路径位置信息确定为所述目标局部路径位置信息。
在第一方面的一种可能的实现方式中,在将所述候选评价值对应的待选局部路径位置信息确定为所述目标局部路径位置信息之后,所述方法还包括:
在所述候选评价值对应的局部路径参数的预设范围内,重新获取第二局部路径参数集合;
继续确定所述第二局部路径集合对应的候选评价值,直到确定出N个候选评价值,并将所述目标局部路径位置信息更新为第N次确定出的候选评价值对应的局部路径参数。
第二方面,本申请实施例提供了一种移动机器人的路径规划装置,包括:
参数获取单元,用于获取第一局部路径参数集合,并将所述第一局部路径参数集合中的每组局部路径参数对应生成一组待选局部路径位置信息;
位置信息确定单元,用于获取当前的路径规划周期对应的全局路径中的路径线段和所述移动机器人当前的运动状态,并根据所述路径线段和所述移动机器人当前的运动状态从生成的各组待选局部路径位置信息中确定出一组目标局部路径位置信息;
局部路径确定单元,用于根据所述移动机器人当前的运动状态和所述目标局部路径位置信息,确定所述当前的路径规划周期对应的目标局部路径。第三方面,本申请实施例提供了一种终端设备,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上述第一方面中任一项所述的移动机器人的路径规划方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,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,其特征在于,所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的移动机器人的路径规划方法。
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终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的移动机器人的路径规划方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
本申请实施例与现有技术相比存在的有益效果是:
本申请实施例在移动机器人的全局路径已知的前提下,根据当前的路径规划周期对应的全局路径中的路径线段以及移动机器人当前的运动状态,确定一组目标局部路径位置信息,并根据移动机器人当前的运动状态确定出当前的路径规划周期对应的目标局部路径。通过上述方法,在获得全局路径(即最优路径)的同时,还能够实时调整全局路径中的局部路径,使得移动机器人不仅能够沿着最优路径移动,还能够在移动过程中及时应对环境的变化,有效增强了路径规划方法的鲁棒性。
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是本申请一实施例提供的移动机器人的结构示意图;
图2是本申请一实施例提供的移动机器人的路径规划方法的流程示意图;
图3是本申请一实施例提供的移动机器人的路径规划装置的结构示意图;
图4是本申请一实施例提供终端设备的结构示意图。
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。
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。
参见图1,为本申请实施例提供的移动机器人的结构示意图。如图1所示,移动机器人包括机器人本体101和终端设备102。其中,终端设备可以是内置于机器人本体内的控制器、处理器等设备,也可以是外置的电脑、手机、服务器等具有数据处理功能等设备。当终端设备外置于机器人本体时,终端设备可以通过有线或无线当方式与机器人本体通信连接。
下面介绍本申请实施例的一个应用场景。将移动机器人的全局路径对应的运动时间划分为多个路径规划周期。示例性的,在第一个路径规划周期的初始时刻,终端设备利用本申请实施例中的移动机器人的路径规划方法确定出第一个的路径规划周期对应的第一个目标局部路径,然后向移动机器人发送控制指令,以使移动机器人沿着第一个目标局部路径移动。当移动机器人移动到第一个目标局部路径的末端(对应第一个路径规划周期的截止时刻,同时对应第二个路径规划周期的初始时刻)时,终端设备利用本申请实施例中的移动机器人的路径规划方法确定出第二个路径规划周期对应的第二个目标局部路径,然后向移动机器人发送控制指令,以使移动机器人沿着第二个目标局部路径移动。以此类推,直到移动机器人到达全局路径的终点。
图2示出了本申请一实施例提供的移动机器人的路径规划方法的流程示意图,作为示例而非限定,所述方法可以包括以下步骤:
S201,获取第一局部路径参数集合,并将所述第一局部路径参数集合中的每组局部路径参数对应生成一组待选局部路径位置信息。
局部路径参数集合可以是预先存储的,也可以是随机生成的。局部路径参数中包括多组局部路径参数。一组局部路径参数可以用来对应生成一条局部路径。
可选的,每组局部路径参数包括M组子路径参数,M为正整数。一组子路径参数可以用来对应生成一条子路径。当M=1时,说明一条局部路径只包含一条子路径,即该子路径就是一条局部路径;当M大于1时,说明一条局部路径中包含了多条子路径,即多条子路径组合成一条局部路径。可见,M值越大,将局部路径划分成的子路径越多,生成的局部路径越平滑,但是计算量也越大。在实际应用中,优选的,令M等于2,即每条局部路径由两条子路径组成。
相应的,在一个实施例中,将一组局部路径参数对应生成一组待选局部路径位置信息的方法,可以包括以下步骤:
S11,对于每组局部路径参数,将所述局部路径参数中的每组子路径参数对应生成一组子路径位置信息。
其中,每组子路径参数包括子路径轨迹半径和子路径时间参数。
实际应用中,各组子路径参数中的子路径轨迹半径可以通过斐波那契数列采样生成。子路径时间参数还可以包括子路径对应的时间。
示例性的,一组局部路径参数包括2组子路径参数,分别为(r1,t1)和(r2,t2)。其中,r1、r2为子路径轨迹半径,t1、t2为子路径对应的时间,t1+t2=tconst,tconst为路径规划周期。
可选的,将一组子路径参数对应生成一组子路径位置信息,可以包括以下步骤:
S111,对于每组子路径参数,确定所述子路径参数中的子路径轨迹半径对应的子路径终点线速度和子路径终点角速度。
可以根据以下公式确定子路径轨迹半径对应的子路径终点线速度和子路径终点角速度。
其中,v表示子路径终点线速度,w表示子路径终点角速度,r是子路径轨迹半径,vconst是预设的速度限值,wconst是预设的角速度限值。
示例性的,有2组子路径参数,第一组子路径参数中的子路径半径为r1,第二组子路径参数中的子路径半径为r2。那么第一组子路径参数对应的子路径终点线速度v1和子路径终点角速度w1为:
第二组子路径参数对应的子路径终点线速度v2和子路径终点角速度w2为:
实际应用中,移动机器人的移动速度不可能突变到上述到子路径终点线速度,应该是逐步变化的。为了保证移动机器人速度变化的较平顺,可选的,所述子路径时间参数包括多个运动时刻。可以限制每个运动时刻对应的瞬时线速度和瞬时角速度。
可选的,可以设置时间间隔,利用时间间隔和子路径对应的时间就可以将每条子路径划分为多个运动时刻。
S112,根据所述子路径终点线速度和所述子路径终点角速度,计算所述子路径参数中所述子路径时间参数包含的每个运动时刻对应的瞬时线速度和瞬时角速度。
可以根据以下公式计算子路径时间参数包含的每个运动时刻对应的瞬时线速度和瞬时角速度:
S113,将所述子路径终点线速度、所述子路径终点角速度、所述瞬时线速度和所述瞬时角速度记为所述子路径参数对应的一组子路径位置信息。
换句话说,一组子路径位置信息中包括了一条子路径中多个位置点的瞬时角速度和瞬时线速度,还包括了一条子路径终点的角速度和线速度。根据这些信息和初始状态,就可以确定一条子路径。
S12,根据生成的M组子路径位置信息,确定所述局部路径参数对应的待选局部路径位置信息。
由于每组子路径参数都包含子路径时间参数,所以各组子路径参数之间是有时间上的先后顺序的。根据时间上的先后顺序,将各组子路径参数对应的子路径位置信息组合成待选局部路径位置信息。
一组局部路径参数可以用来对应生成一条局部路径,所以多组局部路径参数可以生成多条局部路径。但实际应用中,只需找到最优的那一条局部路径即可。确定最优的局部路径的方法如下所示。
S202,获取当前的路径规划周期对应的全局路径中的路径线段和所述移动机器人当前的运动状态,并根据所述路径线段和所述移动机器人当前的运动状态从生成的各组待选局部路径位置信息中确定出一组目标局部路径位置信息。
其中,移动机器人当前的运动状态可以包括:移动机器人当前的运动速度和移动机器人当前的位置。
移动机器人移动通过一段全局路径所需的时间即为这段全局路径对应的运动时间,将全局路径对应的运动时间划分为多个时间段,每个时间段为一个路径规划周期,每个时间段也对应全局路径中的一条路径线段。
对于每个路径规划周期,需要做的是,找到当前的路径规划周期对应的一条局部路径,这条局部路径不仅和当前的路径规划周期对应的全局路径中的路径线段有较高的吻合度,而且能够躲避障碍物,那么这条局部路径即为目标局部路径。而要确定目标局部路径,首先要确定目标局部路径位置信息。
在一个实施例中,目标局部路径位置信息的确定方法,可以包括以下步骤:
S21,根据所述路径线段和所述移动机器人当前的运动状态分别计算每组待选局部路径位置信息对应的评价值。
评价值用来反映待选局部路径位置信息的优劣。
可选的,任意一组待选局部路径位置信息对应的评价值的计算方式包括:
A、根据所述移动机器人当前的运动状态,计算所述待选局部路径位置信息和所述路径线段之间的重合度误差。
待选局部路径位置信息中包括多个运动时刻以及每个运动时刻对应的瞬时线速度和瞬时角速度,可以选取待选路径位置信息中的几个运动时刻,然后根据移动机器人当前的位置和运动速度、以及每个运动时刻对应的瞬时线速度和瞬时角速度,分别计算出上述几个运动时刻各自对应的位置(记为预测位置)。然后在路径线段中找到上述几个运动时刻对应的位置(记为实际位置),将预测位置和对应的实际位置进行比较,计算位置误差。将各个运动时刻对应的位置误差进行加权求和,得到重合度误差。
B、计算所述待选局部路径位置信息对应的平滑度。
以2组子路径参数为例,可以通过以下公式计算平滑度:
其中,β和γ为预设权重。
C、根据所述移动机器人当前的运动状态,确定所述待选局部路径位置信息对应的障碍物系数。
根据移动机器人当前的运动速度、位置和待选局部路径位置信息,就可以得到一系列位置点(这些位置点可以连成一条待选局部路径)。通过判断这些位置点与障碍物所在位置之间的距离,就可以确定这些位置点连成的待选局部路径是否经过障碍物。当待选局部路径经过障碍物时,令障碍物系数为第一预设值;当待选局部路径未经过障碍物时,令障碍物系数为第二预设值。
D、根据所述重合度误差、所述平滑度和所述障碍物系数计算所述待选局部路径位置信息对应的评价值。
可以将重合度误差、平滑度和障碍物系数进行加权求和,得到评价值。
S22,根据所述评价值从所述各组待选局部路径位置信息中确定出一组目标局部路径位置信息。
可选的,可以确定计算出的评价值中的最小评价值,为候选评价值;将所述候选评价值对应的待选局部路径位置信息确定为所述目标局部路径位置信息。
由于第一局部路径参数集合可能是随机生成的,所以根据这个局部路径参数集合确定出的目标局部路径位置信息可能不是最优的。为了找到最优的,可以设置评价值的阈值。如果候选评价值满足阈值,说明该候选评价值对应的目标局部路径位置信息为最优的;如果候选评价值不满足阈值,则在该候选评价值对应的局部路径参数的预设范围内,重新获取第二局部路径参数集合;并继续确定第二局部路径集合对应的候选评价值,直到确定出的候选评价值满足阈值。
可选的,还可以设置循环次数,具体的:
I、在将候选评价值对应的待选局部路径位置信息确定为目标局部路径位置信息之后,在候选评价值对应的局部路径参数的预设范围内,重新获取第二局部路径参数集合。
II、继续确定第二局部路径集合对应的候选评价值,直到确定出N个候选评价值,并将目标局部路径位置信息更新为第N次确定出的候选评价值对应的局部路径参数。
其中,局部路径参数的预设范围可以是包含局部路径参数的某个数值范围。示例性的,局部路径参数为(r1=1,t1=1)、(r2=2,t2=1),设置预设绝对差值为1。那么局部路径参数的预设范围分别为:r1[0,2],r2[1,3],t1[0,2],t1[0,2]。第二局部路径参数集合中的每组局部路径参数,都要满足上述预设范围。
通过上述方法,能够逐步缩小局部路径参数的范围,进而找到最优的目标局部路径位置信息。
S203,根据所述移动机器人当前的运动状态和所述目标局部路径位置信息,确定所述当前的路径规划周期对应的目标局部路径。
确定出目标局部路径后,可以将目标局部路径对应的运动时间划分为多个控制时刻,然后根据目标局部路径对应的目标局部路径位置信息,计算每个控制时刻对应的瞬时线速度和瞬时角速度(计算方法可参见S112中的描述);在每个控制时刻,将该控制时刻对应的瞬时线速度和瞬时角速度作为控制指令发送给移动机器人,以使移动机器人按照目部局部路径移动。
本申请实施例在移动机器人的全局路径已知的前提下,根据当前的路径规划周期对应的全局路径中的路径线段以及移动机器人当前的运动状态,确定一组目标局部路径位置信息,并根据移动机器人当前的运动状态确定出当前的路径规划周期对应的目标局部路径。通过上述方法,在获得全局路径(即最优路径)的同时,还能够实时调整全局路径中的局部路径,使得移动机器人不仅能够沿着最优路径移动,还能够在移动过程中及时应对环境的变化,有效增强了路径规划方法的鲁棒性。
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方法,图3示出了本申请实施例提供的移动机器人的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3,该装置包括:
参数获取单元31,用于获取第一局部路径参数集合,并将所述第一局部路径参数集合中的每组局部路径参数对应生成一组待选局部路径位置信息;
位置信息确定单元32,用于获取当前的路径规划周期对应的全局路径中的路径线段和所述移动机器人当前的运动状态,并根据所述路径线段和所述移动机器人当前的运动状态从生成的各组待选局部路径位置信息中确定出一组目标局部路径位置信息;
局部路径确定单元33,用于根据所述移动机器人当前的运动状态和所述目标局部路径位置信息,确定所述当前的路径规划周期对应的目标局部路径。
可选的,每组局部路径参数包括M组子路径参数,其中,所述M为正整数。
可选的,参数获取单元31包括:
生成模块,用于对于每组局部路径参数,将所述局部路径参数中的每组子路径参数对应生成一组子路径位置信息。
确定模块,用于根据生成的M组子路径位置信息,确定所述局部路径参数对应的待选局部路径位置信息。
可选的,每组子路径参数包括子路径轨迹半径和子路径时间参数,其中,所述子路径时间参数包括多个运动时刻。
可选的,生成模块包括:
终点速度确定子模块,用于对于每组子路径参数,确定所述子路径参数中的子路径轨迹半径对应的子路径终点线速度和子路径终点角速度。
瞬时速度确定子模块,用于根据所述子路径终点线速度和所述子路径终点角速度,计算所述子路径参数中所述子路径时间参数包含的每个运动时刻对应的瞬时线速度和瞬时角速度。
位置信息确定子模块,用于将所述子路径终点线速度、所述子路径终点角速度、所述瞬时线速度和所述瞬时角速度记为所述子路径参数对应的一组子路径位置信息。
可选的,位置信息确定单元32包括:
计算模块,用于根据所述路径线段和所述移动机器人当前的运动状态分别计算每组待选局部路径位置信息对应的评价值。
选取模块,用于根据所述评价值从所述各组待选局部路径位置信息中确定出一组目标局部路径位置信息。
可选的,计算模块包括:
重合度误差计算子模块,用于根据所述移动机器人当前的运动状态,计算所述待选局部路径位置信息和所述路径线段之间的重合度误差。
平滑度计算子模块,用于计算所述待选局部路径位置信息对应的平滑度。
障碍物系数子模块,用于根据所述移动机器人当前的运动状态,确定所述待选局部路径位置信息对应的障碍物系数。
评价值计算子模块,用于根据所述重合度误差、所述平滑度和所述障碍物系数计算所述待选局部路径位置信息对应的评价值。
可选的,选取模块还用于,确定计算出的评价值中的最小评价值,为候选评价值;将所述候选评价值对应的待选局部路径位置信息确定为所述目标局部路径位置信息。
可选的,装置3还包括:
参数获取单元31,还用于在将所述候选评价值对应的待选局部路径位置信息确定为所述目标局部路径位置信息之后,在所述候选评价值对应的局部路径参数的预设范围内,重新获取第二局部路径参数集合。
位置信息确定单元32,还用于继续确定所述第二局部路径集合对应的候选评价值,直到确定出N个候选评价值,并将所述目标局部路径位置信息更新为第N次确定出的候选评价值对应的局部路径参数。
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。
另外,图3所示的装置可以是内置于现有的终端设备内的软件单元、硬件单元、或软硬结合的单元,也可以作为独立的挂件集成到所述终端设备中,还可以作为独立的终端设备存在。
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。
图4为本申请一实施例提供的终端设备的结构示意图。如图4所示,该实施例的终端设备4包括:至少一个处理器40(图4中仅示出一个)处理器、存储器41以及存储在所述存储器41中并可在所述至少一个处理器40上运行的计算机程序42,所述处理器40执行所述计算机程序42时实现上述任意各个移动机器人的路径规划方法实施例中的步骤。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,图4仅仅是终端设备4的举例,并不构成对终端设备4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,例如还可以包括输入输出设备、网络接入设备等。
所称处理器40可以是中央处理单元(Central Processing Unit,CPU),该处理器40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41在一些实施例中可以是所述终端设备4的内部存储单元,例如终端设备4的硬盘或内存。所述存储器41在另一些实施例中也可以是所述终端设备4的外部存储设备,例如所述终端设备4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41还可以既包括所述终端设备4的内部存储单元也包括外部存储设备。所述存储器41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41还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还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可实现上述各个方法实施例中的步骤。
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移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
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,Random AccessMemory)、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。
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。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
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 (8)
1.一种移动机器人的路径规划方法,其特征在于,包括:
获取第一局部路径参数集合,并将所述第一局部路径参数集合中的每组局部路径参数对应生成一组待选局部路径位置信息;
获取当前的路径规划周期对应的全局路径中的路径线段和所述移动机器人当前的运动状态,并根据所述路径线段和所述移动机器人当前的运动状态从生成的各组待选局部路径位置信息中确定出一组目标局部路径位置信息;
根据所述移动机器人当前的运动状态和所述目标局部路径位置信息,确定所述当前的路径规划周期对应的目标局部路径;
每组局部路径参数包括M组子路径参数,其中,所述M为正整数;
所述将所述第一局部路径参数集合中的每组局部路径参数对应生成一组待选局部路径位置信息,包括:
对于每组局部路径参数,将所述局部路径参数中的每组子路径参数对应生成一组子路径位置信息;
根据生成的M组子路径位置信息,确定所述局部路径参数对应的待选局部路径位置信息;
每组子路径参数包括子路径轨迹半径和子路径时间参数,其中,所述子路径半径通过斐波那契数列采样生成,所述子路径时间参数包括子路径对应的时间和多个运动时刻,所述多个运动时刻根据预设的时间间隔和所述子路径对应的时间确定;
所述将所述局部路径参数中的每组子路径参数对应生成一组子路径位置信息,包括:
对于每组子路径参数,根据公式确定所述子路径参数中的子路径轨迹半径对应的子路径终点线速度和子路径终点角速度,其中,所述v表示子路径终点线速度,所述w表示子路径终点角速度,所述r是子路径轨迹半径,所述vconst是预设的速度限值,所述wconst是预设的角速度限值;
根据所述子路径终点线速度和所述子路径终点角速度,计算所述子路径参数中所述子路径时间参数包含的每个运动时刻对应的瞬时线速度和瞬时角速度;
将所述子路径终点线速度、所述子路径终点角速度、所述瞬时线速度和所述瞬时角速度记为所述子路径参数对应的一组子路径位置信息。
2.如权利要求1所述的移动机器人的路径规划方法,其特征在于,所述根据所述路径线段和所述移动机器人当前的运动状态从生成的各组待选局部路径位置信息中确定出一组目标局部路径位置信息,包括:
根据所述路径线段和所述移动机器人当前的运动状态分别计算每组待选局部路径位置信息对应的评价值;
根据所述评价值从所述各组待选局部路径位置信息中确定出一组目标局部路径位置信息。
3.如权利要求2所述的移动机器人的路径规划方法,其特征在于,在所述根据所述路径线段和所述移动机器人当前的运动状态分别计算每组待选局部路径位置信息对应的评价值的步骤中,任意一组待选局部路径位置信息对应的评价值的计算方式包括:
根据所述移动机器人当前的运动状态,计算所述待选局部路径位置信息和所述路径线段之间的重合度误差;
计算所述待选局部路径位置信息对应的平滑度;
根据所述移动机器人当前的运动状态,确定所述待选局部路径位置信息对应的障碍物系数;
根据所述重合度误差、所述平滑度和所述障碍物系数计算所述待选局部路径位置信息对应的评价值。
4.如权利要求2所述的移动机器人的路径规划方法,其特征在于,所述根据所述评价值从所述各组待选局部路径位置信息中确定出一组目标局部路径位置信息,包括:
确定计算出的评价值中的最小评价值,为候选评价值;
将所述候选评价值对应的待选局部路径位置信息确定为所述目标局部路径位置信息。
5.如权利要求4所述的移动机器人的路径规划方法,其特征在于,在将所述候选评价值对应的待选局部路径位置信息确定为所述目标局部路径位置信息之后,所述方法还包括:
在所述候选评价值对应的局部路径参数的预设范围内,重新获取第二局部路径参数集合;
继续确定所述第二局部路径集合对应的候选评价值,直到确定出N个候选评价值,并将所述目标局部路径位置信息更新为第N次确定出的候选评价值对应的局部路径参数。
6.一种移动机器人的路径规划装置,其特征在于,包括:
参数获取单元,用于获取第一局部路径参数集合,并将所述第一局部路径参数集合中的每组局部路径参数对应生成一组待选局部路径位置信息;
位置信息确定单元,用于获取当前的路径规划周期对应的全局路径中的路径线段和所述移动机器人当前的运动状态,并根据所述路径线段和所述移动机器人当前的运动状态从生成的各组待选局部路径位置信息中确定出一组目标局部路径位置信息;
局部路径确定单元,用于根据所述移动机器人当前的运动状态和所述目标局部路径位置信息,确定所述当前的路径规划周期对应的目标局部路径;
每组局部路径参数包括M组子路径参数,其中,所述M为正整数;每组子路径参数包括子路径轨迹半径和子路径时间参数,其中,所述子路径时间参数包括多个运动时刻;
所述参数获取单元包括:
生成模块,用于对于每组局部路径参数,将所述局部路径参数中的每组子路径参数对应生成一组子路径位置信息;
确定模块,用于根据生成的M组子路径位置信息,确定所述局部路径参数对应的待选局部路径位置信息;
所述生成模块包括:
终点速度确定子模块,用于对于每组子路径参数,确定所述子路径参数中的子路径轨迹半径对应的子路径终点线速度和子路径终点角速度;
瞬时速度确定子模块,用于根据所述子路径终点线速度和所述子路径终点角速度,计算所述子路径参数中所述子路径时间参数包含的每个运动时刻对应的瞬时线速度和瞬时角速度;
位置信息确定子模块,用于将所述子路径终点线速度、所述子路径终点角速度、所述瞬时线速度和所述瞬时角速度记为所述子路径参数对应的一组子路径位置信息。
7.一种终端设备,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5任一项所述的方法。
8.一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5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010169199.6A CN111288995B (zh) | 2020-03-12 | 2020-03-12 | 移动机器人的路径规划方法、路径规划装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010169199.6A CN111288995B (zh) | 2020-03-12 | 2020-03-12 | 移动机器人的路径规划方法、路径规划装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111288995A CN111288995A (zh) | 2020-06-16 |
CN111288995B true CN111288995B (zh) | 2022-05-13 |
Family
ID=71027441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010169199.6A Active CN111288995B (zh) | 2020-03-12 | 2020-03-12 | 移动机器人的路径规划方法、路径规划装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111288995B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962138B (zh) * | 2020-07-21 | 2023-11-03 | 腾讯科技(深圳)有限公司 | 移动平台的参数值确定方法、装置、设备及存储介质 |
CN113091750B (zh) * | 2021-04-12 | 2023-04-07 | 京东科技信息技术有限公司 | 局部路径规划方法、装置、计算机设备和存储介质 |
CN113485430A (zh) * | 2021-07-23 | 2021-10-08 | 中国科学院地理科学与资源研究所 | 一种无人机的路径规划方法和系统 |
CN114035608A (zh) * | 2021-11-10 | 2022-02-11 | 广东电网能源发展有限公司 | 基于无人机的巡检培训方法、系统、培训终端和存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011129095A (ja) * | 2009-12-18 | 2011-06-30 | Korea Electronics Telecommun | 自律走行ロボットを利用した地図生成方法、これを利用した最適走行経路算出方法およびこれらを遂行するロボット制御装置 |
CN106325275B (zh) * | 2016-09-14 | 2019-08-20 | 广州今甲智能科技有限公司 | 一种机器人导航的系统、方法及装置 |
CN107643752B (zh) * | 2017-05-09 | 2020-12-08 | 清研华宇智能机器人(天津)有限责任公司 | 基于行人轨迹预测的全向移动机器人路径规划算法 |
CN107861508B (zh) * | 2017-10-20 | 2021-04-20 | 纳恩博(北京)科技有限公司 | 一种移动机器人局部运动规划方法及装置 |
CN109814557A (zh) * | 2019-01-23 | 2019-05-28 | 西北工业大学 | 一种全局规划器主导的机器人路径规划方法 |
CN110262488B (zh) * | 2019-06-18 | 2021-11-30 | 重庆长安汽车股份有限公司 | 自动驾驶的局部路径规划方法、系统及计算机可读存储介质 |
-
2020
- 2020-03-12 CN CN202010169199.6A patent/CN111288995B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111288995A (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111288995B (zh) | 移动机器人的路径规划方法、路径规划装置及终端设备 | |
CN110955242B (zh) | 机器人导航方法、系统、机器人及存储介质 | |
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 | |
US20210154835A1 (en) | Robot path planning method and apparatus and robot using the same | |
Godoy et al. | Implicit coordination in crowded multi-agent navigation | |
CN110471409B (zh) | 机器人巡检方法、装置、计算机可读存储介质及机器人 | |
CN111319041B (zh) | 一种机器人位姿确定方法、装置、可读存储介质及机器人 | |
CN110657799B (zh) | 一种空间实时定位方法、计算机装置及计算机可读存储介质 | |
CN110955241A (zh) | 移动机器人避障方法、装置、移动机器人及存储介质 | |
CN109648560A (zh) | 工业机器人的空间轨迹过渡方法、系统及机器人 | |
CN111123934A (zh) | 轨迹评估方法、轨迹评估装置及移动机器人 | |
CN112540609B (zh) | 路径规划方法、装置、终端设备及存储介质 | |
CN111177295A (zh) | 建图重影消除方法、装置、计算机可读存储介质及机器人 | |
CN111857037A (zh) | 一种过渡轨迹的生成方法、机器人及计算机可读存储介质 | |
CN111829525A (zh) | Uwb室内外一体智能导航定位方法和系统 | |
CN112415558A (zh) | 行进轨迹的处理方法及相关设备 | |
CN111505570A (zh) | 基于线性搜索的超宽带二维定位方法 | |
CN112147994A (zh) | 一种机器人及其回充控制方法和装置 | |
CN113763434B (zh) | 一种基于卡尔曼滤波多运动模型切换的目标轨迹预测方法 | |
CN112597612B (zh) | 机器人优化方法、装置、终端设备及计算机可读存储介质 | |
CN110794849A (zh) | 路径的处理方法、装置、机器人、计算机设备和存储介质 | |
CN111390905B (zh) | 机器人多任务控制方法、控制装置及终端设备 | |
CN111185908B (zh) | 识别摩擦力的机器人控制方法、装置、机器人及存储介质 | |
CN111854751A (zh) | 导航目标位置确定方法、装置、可读存储介质及机器人 | |
KR20190042540A (ko) | 인공 신경망을 이용한 자기장 기반 위치 추정 모델 생성 장치 및 방법 |
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 |