CN111399489A - 用于生成信息的方法和装置 - Google Patents

用于生成信息的方法和装置 Download PDF

Info

Publication number
CN111399489A
CN111399489A CN201811530830.XA CN201811530830A CN111399489A CN 111399489 A CN111399489 A CN 111399489A CN 201811530830 A CN201811530830 A CN 201811530830A CN 111399489 A CN111399489 A CN 111399489A
Authority
CN
China
Prior art keywords
path
mobile robot
traveled
target mobile
information
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
CN201811530830.XA
Other languages
English (en)
Other versions
CN111399489B (zh
Inventor
李柏
陈建兴
刘懿
李雨倩
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.)
Beijing Jingbangda Trade Co Ltd
Beijing Jingdong Qianshi Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information 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 Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201811530830.XA priority Critical patent/CN111399489B/zh
Publication of CN111399489A publication Critical patent/CN111399489A/zh
Application granted granted Critical
Publication of CN111399489B publication Critical patent/CN111399489B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle

Abstract

本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：获取目标移动机器人待行驶的待行驶路径的路径信息作为待行驶路径信息；将待行驶路径信息输入至针对目标移动机器人预先建立的路径平滑模型，得到目标移动机器人待跟随的路径的路径信息作为平滑后路径信息，其中，路径平滑模型用于对输入的路径信息指示的路径进行平滑处理，以生成目标移动机器人待跟随的路径的路径信息。该实施方式提高了移动机器人对平滑处理后的路径的可跟随行驶的程度。

Description

用于生成信息的方法和装置
技术领域
本申请实施例涉及计算机技术领域，具体涉及用于生成信息的方法和装置。
背景技术
目前，自动导航逐渐成为研究热点。其核心技术包括路径规划、跟随控制等等。路径规划、路径跟随在很多领域都具有广泛的应用。例如，机器人的自主无碰行动、无人车的城市道路网规划导航等。
通常，在给定路径后，需要对移动机器人的行驶路径进行规划，以使移动机器人对规划后的路径进行跟踪行驶。
发明内容
本申请实施例提出了用于生成信息的方法和装置。
第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：获取目标移动机器人待行驶的待行驶路径的路径信息作为待行驶路径信息；将待行驶路径信息输入至针对目标移动机器人预先建立的路径平滑模型，得到目标移动机器人待跟随的路径的路径信息作为平滑后路径信息，其中，路径平滑模型用于对输入的路径信息指示的路径进行平滑处理，以生成目标移动机器人待跟随的路径的路径信息。
在一些实施例中，待行驶路径信息包括待行驶路径上的航途基准点集合的位置信息集合，位置信息与航途基准点一一对应，位置信息通过预先确定的坐标系中的横坐标和纵坐标表征航途基准点的位置。
在一些实施例中，路径平滑模型为最优控制模型。
在一些实施例中，最优控制模型是按照如下步骤建立的：将目标移动机器人在待行驶路径移动的终止时刻作为决策变量，以终止时刻取得最小值为优化目标，以预先确定的条件作为约束条件，构建最优控制模型。
在一些实施例中，平滑后路径信息包括对应航途基准点集合的位置信息集合，预先确定的条件包括以下至少一项：目标移动机器人在待行驶路径行驶的速率值小于等于预先确定的速率阈值；目标移动机器人在待行驶路径行驶的偏转角度小于等于预先确定的偏转角度阈值；目标移动机器人在待行驶路径行驶的线加速度值小于等于预先确定的线加速度阈值；目标移动机器人在待行驶路径行驶的角加速度值小于等于预先确定的角加速度阈值；平滑后路径信息包括的位置信息与待行驶路径信息包括的位置信息之间的距离小于等于预先确定的距离阈值。
在一些实施例中，目标移动机器安装有两前轮和两后轮，预先确定的条件还包括：目标移动机器人在待行驶路径行驶的状态下，两后轮的中点的纵坐标、目标移动机器人在待行驶路径行驶的速率、目标移动机器人在待行驶路径行驶的偏转角度的正切值、两前轮的中点和两后轮的中点之间的距离之间，满足预先确定的关系式。
在一些实施例中，预先确定的条件包括：目标移动机器人在待行驶路径行驶的线加速度值为预先确定的线加速度值。
第二方面，本申请实施例提供了一种用于生成信息的装置，该装置包括：获取单元，被配置成获取目标移动机器人待行驶的待行驶路径的路径信息作为待行驶路径信息；输入单元，被配置成将待行驶路径信息输入至针对目标移动机器人预先建立的路径平滑模型，得到目标移动机器人待跟随的路径的路径信息作为平滑后路径信息，其中，路径平滑模型用于对输入的路径信息指示的路径进行平滑处理，以生成目标移动机器人待跟随的路径的路径信息。
在一些实施例中，待行驶路径信息包括待行驶路径上的航途基准点集合的位置信息集合，位置信息与航途基准点一一对应，位置信息通过预先确定的坐标系中的横坐标和纵坐标表征航途基准点的位置。
在一些实施例中，路径平滑模型为最优控制模型。
在一些实施例中，最优控制模型是按照如下步骤建立的：将目标移动机器人在待行驶路径移动的终止时刻作为决策变量，以终止时刻取得最小值为优化目标，以预先确定的条件作为约束条件，构建最优控制模型。
在一些实施例中，平滑后路径信息包括对应航途基准点集合的位置信息集合，预先确定的条件包括以下至少一项：目标移动机器人在待行驶路径行驶的速率值小于等于预先确定的速率阈值；目标移动机器人在待行驶路径行驶的偏转角度小于等于预先确定的偏转角度阈值；目标移动机器人在待行驶路径行驶的线加速度值小于等于预先确定的线加速度阈值；目标移动机器人在待行驶路径行驶的角加速度值小于等于预先确定的角加速度阈值；平滑后路径信息包括的位置信息与待行驶路径信息包括的位置信息之间的距离小于等于预先确定的距离阈值。
在一些实施例中，目标移动机器安装有两前轮和两后轮，预先确定的条件还包括：目标移动机器人在待行驶路径行驶的状态下，两后轮的中点的纵坐标、目标移动机器人在待行驶路径行驶的速率、目标移动机器人在待行驶路径行驶的偏转角度的正切值、两前轮的中点和两后轮的中点之间的距离之间，满足预先确定的关系式。
在一些实施例中，预先确定的条件包括：目标移动机器人在待行驶路径行驶的线加速度值为预先确定的线加速度值。
第三方面，本申请实施例提供了一种用于生成信息的电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得该一个或多个处理器实现如上述用于生成信息的方法中任一实施例的方法。
第四方面，本申请实施例提供了一种用于生成信息的计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上述用于生成信息的方法中任一实施例的方法。
本申请实施例提供的用于生成信息的方法和装置，通过获取目标移动机器人待行驶的待行驶路径的路径信息作为待行驶路径信息,然后，将待行驶路径信息输入至针对目标移动机器人预先建立的路径平滑模型，得到目标移动机器人待跟随的路径的路径信息作为平滑后路径信息，其中，路径平滑模型用于对输入的路径信息指示的路径进行平滑处理，以生成目标移动机器人待跟随的路径的路径信息，从而提高了移动机器人对平滑处理后的路径的可跟随行驶的程度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本申请的用于生成信息的方法的一个实施例的流程图；
图3A是根据本实施例的用于生成信息的方法的应用场景的一个示意图；
图3B是根据本实施例的用于生成信息的方法的一个实施例的待行驶路径信息的一个示意图；
图3C是根据本实施例的用于生成信息的方法的一个实施例的平滑后路径信息的一个示意图；
图4是根据本申请的用于生成信息的方法的又一个实施例的流程图；
图5是根据本申请的用于生成信息的方法的一个实施例的坐标系示意图；
图6是根据本申请的用于生成信息的装置的一个实施例的结构示意图；
图7是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的用于生成信息的方法或用于生成信息的装置的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102，服务器103、网络104和移动机器人105、106。网络104用以在终端设备101、102、服务器103和移动机器人105、106之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102，服务器103，移动机器人105、106可以通过网络104进行交互，以接收或发送数据(例如移动机器人105、106可以将其待行驶的待行驶路径的路径信息，通过网络104发送至终端设备101、102或者服务器103)等。终端设备101、102上可以安装有各种通讯客户端应用，例如数据处理类应用、图像处理类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102可以是硬件，也可以是软件。当终端设备101、102为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。作为示例，终端设备101、102所安装的软件可以对接收到的数据(例如移动机器人105、106待行驶的待行驶路径的路径信息)进行处理，并将处理结果(例如，移动机器人105、106待跟随的路径的路径信息)反馈给移动机器人105、106。
服务器103可以是提供各种服务的服务器，例如对移动机器人105、106发送的数据进行处理的后台服务器。后台服务器可以对接收到的数据(例如移动机器人105、106待行驶的待行驶路径的路径信息)进行路径平滑等处理，并将处理结果(例如移动机器人105、106待跟随的路径的路径信息)反馈给移动机器人105、106。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
移动机器人105、106可以是各种可以运动(即移动)的机器装置。例如，移动机器人105、106可以包括但不限于以下任意一项：空中机器人(例如无人机)、轮式移动机器人(例如无人车)、步行移动机器人(单腿式、双腿式和多腿式移动机器人)、履带式移动机器人、爬行机器人、蠕动式机器人、游动式机器人、医疗机器人、军用机器人、助残机器人、清洁机器人等等。移动机器人105、106可以向终端设备101、102或者服务器103发送待行驶的待行驶路径的路径信息。此外，在移动机器人105、106接收到终端设备101、102或者服务器103发送的待跟随的路径的路径信息之后，移动机器人105、106可以按照经过平滑处理的路径信息指示的路径进行路径跟随。
需要说明的是，本申请实施例所提供的用于控制移动机器人的方法可以由服务器103执行，相应地，用于控制移动机器人的装置可以设置于服务器103中。此外，本申请实施例所提供的用于控制移动机器人的方法也可以由终端设备101、102执行，相应地，用于控制移动机器人的装置也可以设置于终端设备101、102中。可选的，本申请实施例所提供的用于控制移动机器人的方法还可以由移动机器人105、106执行，相应地，用于控制移动机器人的装置也可以设置于移动机器人105、106中。
应该理解，图1中的终端设备、网络、服务器和移动机器人的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络、服务器和移动机器人。当用于控制移动机器人的方法运行于其上的电子设备不需要与除移动机器人之外的其他电子设备进行数据传输时，该系统架构可以仅包括用于控制移动机器人的方法运行于其上的电子设备和移动机器人。
继续参考图2，示出了根据本申请的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法，包括以下步骤：
步骤201，获取目标移动机器人待行驶的待行驶路径的路径信息作为待行驶路径信息。
在本实施例中，用于生成信息的方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式获取目标移动机器人待行驶的待行驶路径的路径信息作为待行驶路径信息。
上述目标移动机器人可以是但不限于以下任意一项：空中机器人(例如无人机)、轮式移动机器人(例如无人车)、步行移动机器人(单腿式、双腿式和多腿式移动机器人)、履带式移动机器人、爬行机器人、蠕动式机器人、游动式机器人、医疗机器人、军用机器人、助残机器人、清洁机器人等等。
上述待行驶路径可以是上述目标移动机器人待行驶的路径。但需要说明的是，待行驶路径并非指目标移动机器人从未行驶过的路径。例如，目标移动机器人可能在历史时间段内行驶过甲路径，当前时刻，如果上述目标移动机器人需要再次行驶上述甲路径，那么在此应用场景下，待行驶路径可以为上述甲路径。
上述路径信息可以是上述待行驶路径的各种信息。例如，上述路径信息可以包括但不限于以下至少一项：待行驶路径的标识信息(用于指示待行驶路径)，待行驶路径的限速信息，待行驶路径的路况信息，待行驶路径上的障碍物的位置信息。
在本实施例的一些可选的实现方式中，待行驶路径信息可以包括上述待行驶路径上的航途基准点(waypoint)集合的位置信息集合。位置信息与航途基准点一一对应。位置信息通过预先确定的坐标系中的横坐标和纵坐标表征航途基准点的位置。
可以理解，通常，待行驶路径可以通过曲线来表征，当移动机器人(例如上述目标移动机器人)在待行驶路径上进行行驶时，该移动机器人可以从表征待行驶路径的曲线的起点行驶到终点。行驶过程中的任意一点(可以包括起点和终点)均可以作为航途基准点。由此，上述执行主体或者其他电子设备可以在上述表征待行驶路径的曲线上选取多个点，从而得到航途基准点集合。例如，上述执行主体可以每间隔固定距离(例如0.5米、1米)，从表征待行驶路径的曲线上选取一个点作为航途基准点，从而得到航途基准点集合。也可以随机选取多个点，从而得到航途基准点集合。
步骤202，将待行驶路径信息输入至针对目标移动机器人预先建立的路径平滑模型，得到目标移动机器人待跟随的路径的路径信息作为平滑后路径信息。
在本实施例中，上述执行主体可以将步骤201获取到的待行驶路径信息输入至针对目标移动机器人预先建立的路径平滑模型，得到目标移动机器人待跟随的路径的路径信息作为平滑后路径信息。其中，上述路径平滑模型可以用于对输入的路径信息指示的路径进行平滑处理，以生成目标移动机器人待跟随的路径的路径信息。上述路径平滑模型可以表征平滑处理前的路径的路径信息与平滑处理后的路径的路径信息之间的对应关系。
在本实施例的一些可选的实现方式中，路径平滑模型为最优控制模型。
可以理解，通过最优控制模型，可以通过给定的约束条件，在最接近优化目标的前提下，求得符合条件的最优解。
在本实施例的一些可选的实现方式中，最优控制模型是按照如下步骤建立的：将目标移动机器人在待行驶路径移动的终止时刻作为决策变量，以终止时刻取得最小值为优化目标，以预先确定的条件作为约束条件，构建最优控制模型。
可选的，上述最优控制模型也可以是按照如下步骤建立的：将目标移动机器人在待行驶路径移动的实际距离作为决策变量，以实际距离取得最小值为优化目标，以预先确定的条件作为约束条件，构建最优控制模型。
在这里，预先确定的条件可以是技术人员根据目标移动机器人的运动特点而确定的各种条件。例如，该条件可以包括：目标移动机器人的速度的速度值为正数。
在本实施例的一些可选的实现方式中，平滑后路径信息包括对应航途基准点集合的位置信息集合，预先确定的条件包括以下至少一项：
第一项，目标移动机器人在待行驶路径行驶的速率值小于等于预先确定的速率阈值。
第二项，目标移动机器人在待行驶路径行驶的偏转角度小于等于预先确定的偏转角度阈值。
第三项，目标移动机器人在待行驶路径行驶的线加速度值小于等于预先确定的线加速度阈值。
第四项，目标移动机器人在待行驶路径行驶的角加速度值小于等于预先确定的角加速度阈值。
第五项，平滑后路径信息包括的位置信息与待行驶路径信息包括的位置信息之间的距离小于等于预先确定的距离阈值。
在本实施例的一些可选的实现方式中，目标移动机器安装有两前轮和两后轮，预先确定的条件还包括：目标移动机器人在待行驶路径行驶的状态下，两后轮的中点的纵坐标、目标移动机器人在待行驶路径行驶的速率、目标移动机器人在待行驶路径行驶的偏转角度的正切值、两前轮的中点和两后轮的中点之间的距离之间，满足预先确定的关系式。
在这里，上述预先确定的关系式可以是技术人员根据目标移动机器人的运动特点而确定的各种关系式。例如上述关系式是可以包括如下关系式(包括公式(1)和公式(2))：
Figure BDA0001905609900000091
Figure BDA0001905609900000092
其中，上述公式(1)与公式(2)中相同的符号可以用于表征相同的含义。t可以用于标识时间，y(t)可以用于表征在t时刻目标移动机器人的两后轮的中点的纵坐标。
Figure BDA0001905609900000101
可以用于表征对y(t)进行求导。v(t)可以用于表征在t时刻目标移动机器人的速度。θ(t)可以用于表征在t时刻目标移动机器人的姿态角。φ(t)可以用于表征在t时刻目标移动机器人的偏转角度(通常指前轮偏转角度)。L可以用于表征目标移动机器人的两前轮的中点和两后轮的中点之间的距离。
Figure BDA0001905609900000102
可以用于表征对θ(t)进行求导。
可选的，上述关系式还可以包括如下关系式(包括公式(3)、公式(4)、公式(5)和公式(6))：
Figure BDA0001905609900000103
Figure BDA0001905609900000104
Figure BDA0001905609900000105
Figure BDA0001905609900000106
其中，上述公式(3)、公式(4)、公式(5)和公式(6)中相同的符号可以用于表征相同的含义。t可以用于标识时间，y(t)可以用于表征在t时刻目标移动机器人的两后轮的中点的纵坐标。
Figure BDA0001905609900000107
可以用于表征对y(t)进行求导。v(t)可以用于表征在t时刻目标移动机器人的速度。
Figure BDA0001905609900000108
可以用于表征对θ(t)进行求导。θ(t)可以用于表征在t时刻目标移动机器人的姿态角。φ(t)可以用于表征在t时刻目标移动机器人的偏转角度(通常指前轮偏转角度)。L可以用于表征目标移动机器人的两前轮的中点和两后轮的中点之间的距离。上述两前轮的中点可以是连接两前轮的车轴的中点。上述两后轮的中点可以是连接两后轮的车轴的中点。
Figure BDA0001905609900000109
可以用于表征对v(t)进行求导。a(t)可以用于表征在t时刻目标移动机器人的线加速度。
Figure BDA00019056099000001010
可以用于表征对φ(t)进行求导。ω(t)可以用于表征在t时刻目标移动机器人的角加速度。
在本实施例的一些可选的实现方式中，预先确定的条件包括：目标移动机器人在待行驶路径行驶的线加速度值为预先确定的线加速度值。
可选的，上述路径平滑模型也可以是存储有平滑处理前的路径的路径信息与平滑处理后的路径的路径信息的二维表或数据库。其中，平滑处理后的路径的路径信息，可以是技术人员采用各种方式(例如佛洛依德路径平滑算法(FLOYD)、Savitzky-Golay路径平滑算法等等)而得到的路径信息。
在一些使用情况下，如果上述目标移动机器人按照上述方式得到的路径信息指示的路径无法进行跟随(例如路径的角速度过大导致的上述目标移动机器人无法跟随、路径的曲率过大导致的上述目标移动机器人无法跟随等)，上述执行主体或者技术人员可以进一步针对上述无法跟随的路径段的路径信息进行进一步调整，以使得上述目标移动机器人可以跟随。由此，上述路径平滑模型还可以是存储有平滑处理前的路径的路径信息与平滑处理后的、目标移动机器人可跟随的路径的路径信息的二维表或数据库。其中，上述可跟随的路径可以表征路径的以下至少一项处于目标移动机器人可跟随的阈值范围内：曲率、转弯半径、曲率变化率。可以理解，通过对目标移动机器人进行测试，可以确定出该目标移动机器人可跟随的路径特征的阈值范围，上述路径特征可以包括以下至少一项：曲率、转弯半径、曲率变化率。
继续参见图3A，图3A是根据本实施例的用于生成信息的方法的应用场景的一个示意图。在图3A中，移动机器人301(图示中为无人车)将待行驶的待行驶路径的路径信息(即待行驶路径信息311)发送至服务器302。在这里，请参考图3B，其示出了根据本实施例的用于生成信息的方法的待行驶路径信息的一个示意图。如图3B所示，待行驶路径信息311包括位置信息集合(包括位置信息3111-3119)。其中，每个位置信息可以表征一个航途基准点的位置。位置信息集合指示的位置所构成的折线可以表征待行驶路径(即平滑处理前的路径)。之后，服务器302将待行驶路径信息311输入至针对上述移动机器人预先建立的路径平滑模型312，得到上述移动机器人待跟随的路径的路径信息(即平滑后路径信息)。其中，路径平滑模型312用于对输入的路径信息指示的路径进行平滑处理，以生成上述移动机器人待跟随的路径的路径信息。例如，路径平滑模型可以是最优控制模型。在这里，请参考图3C，其示出了根据本实施例的用于生成信息的方法的平滑后路径信息的一个示意图。如图3C所示，针对待行驶路径信息311包括的位置信息集合(包括位置信息3111-3119)，服务器302得到了如图所示的曲线，该曲线可以表征待跟随的路径(即平滑处理后的路径)。
本申请的上述实施例提供的方法，通过获取目标移动机器人待行驶的待行驶路径的路径信息作为待行驶路径信息，而后，将待行驶路径信息输入至针对目标移动机器人预先建立的最优控制模型，得到目标移动机器人待跟随的路径的路径信息作为平滑后路径信息，其中，路径平滑模型用于对输入的路径信息指示的路径进行平滑处理，以生成目标移动机器人待跟随的路径的路径信息，从而提高了移动机器人对平滑处理后的路径的可跟随行驶的程度。
进一步参考图4，其示出了用于生成信息的方法的又一个实施例的流程400。该用于生成信息的方法的流程400，包括以下步骤：
步骤401，将目标移动机器人在待行驶路径移动的终止时刻作为决策变量，以终止时刻取得最小值为优化目标，以预先确定的条件作为约束条件，构建最优控制模型。
在本实施例中，用于生成信息的方法的执行主体(例如图1所示的服务器或终端设备)可以将目标移动机器人在待行驶路径移动的终止时刻作为决策变量，以终止时刻取得最小值为优化目标，以预先确定的条件作为约束条件，构建最优控制模型。
上述目标移动机器人可以是具有两前轮和两后轮的无人车。
上述待行驶路径可以是上述目标移动机器人待行驶的路径。但需要说明的是，待行驶路径并非指目标移动机器人从未行驶过的路径。例如，目标移动机器人可能在历史时间段内行驶过甲路径，当前时刻，如果上述目标移动机器人需要再次行驶上述甲路径，那么在此应用场景下，待行驶路径可以为上述甲路径。
上述终止时刻可以用于表征目标移动机器人在待行驶路径移动完成的时间。
具体地，上述终止时刻可以采用tf来表征，即决策变量为tf。由此，上述优化目标可以表示为“min tf”，即终止时刻取得最小值为优化目标。上述约束条件可以包括如下公式(包括关系式(7)-(16))：
Figure BDA0001905609900000131
Figure BDA0001905609900000132
Figure BDA0001905609900000133
Figure BDA0001905609900000134
Figure BDA0001905609900000135
|φ(t)|≤φmax (12)
a(t)≤amax (13)
v(t)≤vconst (14)
|ω(t)|≤ωmax，t∈[0,tf] (15)
Figure BDA0001905609900000136
其中，上述关系式(7)-(16)中相同的符号可以用于表征相同的含义。t可以用于标识时间，t的取值范围为0到tf闭区间，tf可以用于表征上述终止时刻，即决策变量。x(t)可以用于表征在t时刻目标移动机器人的两后轮的中点的横坐标。
Figure BDA0001905609900000137
可以用于表征对x(t)进行求导。v(t)可以用于表征在t时刻目标移动机器人的速度。θ(t)可以用于表征在t时刻目标移动机器人的姿态角。y(t)可以用于表征在t时刻目标移动机器人的两后轮的中点的纵坐标。
Figure BDA0001905609900000138
可以用于表征对y(t)进行求导。φ(t)可以用于表征在t时刻目标移动机器人的偏转角度(通常指前轮偏转角度)。L可以用于表征目标移动机器人的两前轮的中点和两后轮的中点之间的距离。a(t)可以用于表征在t时刻目标移动机器人的线加速度。ω(t)可以用于表征在t时刻目标移动机器人的角加速度。φmax可以表征预先设置的最大允许目标移动机器人偏转的偏转角度值。amax可以表征预先设置的最大允许目标移动机器人具有的线加速度值。vconst可以表征预先设置的最大允许目标移动机器人具有的线速度值。ωmax可以表征预先设置的最大允许目标移动机器人具有的角速度值。Threshold可以是预先确定的参数，用于表征待跟随的路径(即经过平滑处理后的路径)上的对应航途基准点集合的多个采样点与给定的航途基准点集合之间的欧氏距离的允许偏差上限。N0表征航途基准点集合中的航途基准点的数量，i用于标识航途基准点，表征第i个航途基准点(航途基准点集合可以看作有路径的起点到终点的航途基准点序列)。x(τ)可以用于表征对应第i个航途基准点的采样点的横坐标。上述两相邻采样点之间的距离可以相等。x0_i可以用于表征第i个航途基准点的横坐标。y(τ)可以用于表征对应第i个航途基准点的采样点的纵坐标。y0_i可以用于表征第i个航途基准点的纵坐标。
Figure BDA0001905609900000141
可以用于表征对v(t)进行求导。
Figure BDA0001905609900000142
可以用于表征对φ(t)进行求导。
Figure BDA0001905609900000143
可以用于表征对θ(t)进行求导。上述两前轮的中点可以是连接两前轮的车轴的中点。上述两后轮的中点可以是连接两后轮的车轴的中点。作为示例，请参考图5，其示出了根据本申请的用于生成信息的方法的一个实施例的坐标系示意图。上述姿态角θ(t)，偏转角度φ(t)，两后轮中点的横坐标x(t)、纵坐标y(t)所表征的含义均可以参考图5。
步骤402，获取目标移动机器人待行驶的待行驶路径的路径信息作为待行驶路径信息。
在本实施例中，上述执行主体可以获取目标移动机器人待行驶的待行驶路径的路径信息作为待行驶路径信息。待行驶路径信息可以包括上述待行驶路径上的航途基准点集合的位置信息集合。位置信息与航途基准点一一对应。位置信息通过预先确定的坐标系(例如图5所示的坐标系)中的横坐标和纵坐标表征航途基准点的位置。
步骤403，将待行驶路径信息输入至最优控制模型，得到目标移动机器人待跟随的路径的路径信息作为平滑后路径信息。
在本实施例中，上述执行主体可以将上述步骤402得到的待行驶路径信息输入至最优控制模型，得到目标移动机器人待跟随的路径的路径信息作为平滑后路径信息。
可以理解，通过对上述最优控制为题进行求解，所得的最优解(例如，一组对应上述航途基准点集合的采样点集合的坐标)可以作为平滑后路径信息。
需要说明的是，采用上述方式所得到的平滑后路径信息可以为目标移动机器人跟随所用，由于上述所得到的平滑后路径信息满足目标移动机器人的跟随条件，因此，按照上述平滑后路径信息指示的方式进行跟随，可以提高目标移动机器人的跟随程度(通常是必然可以跟随的)。
从图4中可以看出，与图2对应的实施例相比，本实施例中的用于生成信息的方法的流程400突出了采用最用控制模型来对路径进行平滑处理的步骤。由此，本实施例描述的方案可以进一步提高移动机器人对平滑处理后的路径的可跟随行驶的程度。
进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种用于生成信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，除下面所记载的特征外，该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征。该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的用于生成信息的装置600包括：接收单元601和输入单元602。其中，接收单元601被配置成获取目标移动机器人待行驶的待行驶路径的路径信息作为待行驶路径信息；输入单元602被配置成将待行驶路径信息输入至针对目标移动机器人预先建立的路径平滑模型，得到目标移动机器人待跟随的路径的路径信息作为平滑后路径信息，其中，路径平滑模型用于对输入的路径信息指示的路径进行平滑处理，以生成目标移动机器人待跟随的路径的路径信息。
在本实施例中，用于生成信息的装置600的接收单元601可以通过有线连接方式或者无线连接方式获取目标移动机器人待行驶的待行驶路径的路径信息作为待行驶路径信息。
上述目标移动机器人可以是但不限于以下任意一项：空中机器人(例如无人机)、轮式移动机器人(例如无人车)、步行移动机器人(单腿式、双腿式和多腿式移动机器人)、履带式移动机器人、爬行机器人、蠕动式机器人、游动式机器人、医疗机器人、军用机器人、助残机器人、清洁机器人等等。
上述待行驶路径可以是上述目标移动机器人待行驶的路径。但需要说明的是，待行驶路径并非指目标移动机器人从未行驶过的路径。例如，目标移动机器人可能在历史时间段内行驶过甲路径，当前时刻，如果上述目标移动机器人需要再次行驶上述甲路径，那么在此应用场景下，待行驶路径可以为上述甲路径。
上述路径信息可以是上述待行驶路径的各种信息。例如，上述路径信息可以包括但不限于以下至少一项：待行驶路径的标识信息(用于指示待行驶路径)，待行驶路径的限速信息，待行驶路径的路况信息，待行驶路径上的障碍物的位置信息。
在本实施例中，上述输入单元602可以将接收单元601获取到的待行驶路径信息输入至针对目标移动机器人预先建立的路径平滑模型，得到目标移动机器人待跟随的路径的路径信息作为平滑后路径信息。其中，上述路径平滑模型可以用于对输入的路径信息指示的路径进行平滑处理，以生成目标移动机器人待跟随的路径的路径信息。上述路径平滑模型可以表征平滑处理前的路径的路径信息与平滑处理后的路径的路径信息之间的对应关系。
在本实施例的一些可选的实现方式中，待行驶路径信息包括待行驶路径上的航途基准点集合的位置信息集合，位置信息与航途基准点一一对应，位置信息通过预先确定的坐标系中的横坐标和纵坐标表征航途基准点的位置。
在本实施例的一些可选的实现方式中，路径平滑模型为最优控制模型。
在本实施例的一些可选的实现方式中，最优控制模型是按照如下步骤建立的：将目标移动机器人在待行驶路径移动的终止时刻作为决策变量，以终止时刻取得最小值为优化目标，以预先确定的条件作为约束条件，构建最优控制模型。
在本实施例的一些可选的实现方式中，平滑后路径信息包括对应航途基准点集合的位置信息集合，预先确定的条件包括以下至少一项：
第一项，目标移动机器人在待行驶路径行驶的速率值小于等于预先确定的速率阈值。
第二项，目标移动机器人在待行驶路径行驶的偏转角度小于等于预先确定的偏转角度阈值。
第三项，目标移动机器人在待行驶路径行驶的线加速度值小于等于预先确定的线加速度阈值。
第四项，目标移动机器人在待行驶路径行驶的角加速度值小于等于预先确定的角加速度阈值。
第五项，平滑后路径信息包括的位置信息与待行驶路径信息包括的位置信息之间的距离小于等于预先确定的距离阈值。
在本实施例的一些可选的实现方式中，目标移动机器安装有两前轮和两后轮，由此，上述预先确定的条件还包括：目标移动机器人在待行驶路径行驶的位置信息的纵坐标、目标移动机器人在待行驶路径行驶的速率、目标移动机器人在待行驶路径行驶的偏转角度的正切值、两前轮的中点和两后轮的中点之间的距离之间，满足预先确定的关系式。
在本实施例的一些可选的实现方式中，预先确定的条件包括：目标移动机器人在待行驶路径行驶的线加速度值为预先确定的线加速度值。
本申请的上述实施例提供的装置，通过获取单元601获取目标移动机器人待行驶的待行驶路径的路径信息作为待行驶路径信息，然后输入单元602将待行驶路径信息输入至针对目标移动机器人预先建立的最优控制模型，得到目标移动机器人待跟随的路径的路径信息作为平滑后路径信息，其中，路径平滑模型用于对输入的路径信息指示的路径进行平滑处理，以生成目标移动机器人待跟随的路径的路径信息，从而提高了移动机器人对平滑处理后的路径的可跟踪行驶的程度。
下面参考图7，其示出了适于用来实现本申请实施例的电子设备的计算机系统700的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如Python、Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元和输入单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取目标移动机器人待行驶的待行驶路径的路径信息的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标移动机器人待行驶的待行驶路径的路径信息作为待行驶路径信息；将待行驶路径信息输入至针对目标移动机器人预先建立的最优控制模型，得到目标移动机器人待跟随的路径的路径信息作为平滑后路径信息，其中，路径平滑模型用于对输入的路径信息指示的路径进行平滑处理，以生成目标移动机器人待跟随的路径的路径信息。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种用于生成信息的方法，包括：
获取目标移动机器人待行驶的待行驶路径的路径信息作为待行驶路径信息；
将所述待行驶路径信息输入至针对所述目标移动机器人预先建立的路径平滑模型，得到所述目标移动机器人待跟随的路径的路径信息作为平滑后路径信息，其中，所述路径平滑模型用于对输入的路径信息指示的路径进行平滑处理，以生成所述目标移动机器人待跟随的路径的路径信息。
2.根据权利要求1所述的方法，其中，所述待行驶路径信息包括所述待行驶路径上的航途基准点集合的位置信息集合，位置信息与航途基准点一一对应，位置信息通过预先确定的坐标系中的横坐标和纵坐标表征航途基准点的位置。
3.根据权利要求2所述的方法，其中，所述路径平滑模型为最优控制模型。
4.根据权利要求3所述的方法，其中，所述最优控制模型是按照如下步骤建立的：
将所述目标移动机器人在所述待行驶路径移动的终止时刻作为决策变量，以所述终止时刻取得最小值为优化目标，以预先确定的条件作为约束条件，构建最优控制模型。
5.根据权利要求4所述的方法，其中，所述平滑后路径信息包括对应所述航途基准点集合的位置信息集合，所述预先确定的条件包括以下至少一项：
所述目标移动机器人在所述待行驶路径行驶的速率值小于等于预先确定的速率阈值；
所述目标移动机器人在所述待行驶路径行驶的偏转角度小于等于预先确定的偏转角度阈值；
所述目标移动机器人在所述待行驶路径行驶的线加速度值小于等于预先确定的线加速度阈值；
所述目标移动机器人在所述待行驶路径行驶的角加速度值小于等于预先确定的角加速度阈值；
所述平滑后路径信息包括的位置信息与所述待行驶路径信息包括的位置信息之间的距离小于等于预先确定的距离阈值。
6.根据权利要求5所述的方法，其中，所述目标移动机器安装有两前轮和两后轮，所述预先确定的条件还包括：
所述目标移动机器人在所述待行驶路径行驶的状态下，所述两后轮的中点的纵坐标、所述目标移动机器人在所述待行驶路径行驶的速率、所述目标移动机器人在所述待行驶路径行驶的偏转角度的正切值、所述两前轮的中点和所述两后轮的中点之间的距离之间，满足预先确定的关系式。
7.根据权利要求4-6之一所述的方法，其中，所述预先确定的条件包括：
所述目标移动机器人在所述待行驶路径行驶的线加速度值为预先确定的线加速度值。
8.一种用于生成信息的装置，包括：
获取单元，被配置成获取目标移动机器人待行驶的待行驶路径的路径信息作为待行驶路径信息；
输入单元，被配置成将所述待行驶路径信息输入至针对所述目标移动机器人预先建立的路径平滑模型，得到所述目标移动机器人待跟随的路径的路径信息作为平滑后路径信息，其中，所述路径平滑模型用于对输入的路径信息指示的路径进行平滑处理，以生成所述目标移动机器人待跟随的路径的路径信息。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN201811530830.XA 2018-12-14 2018-12-14 用于生成信息的方法和装置 Active CN111399489B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811530830.XA CN111399489B (zh) 2018-12-14 2018-12-14 用于生成信息的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811530830.XA CN111399489B (zh) 2018-12-14 2018-12-14 用于生成信息的方法和装置

Publications (2)

Publication Number Publication Date
CN111399489A true CN111399489A (zh) 2020-07-10
CN111399489B CN111399489B (zh) 2023-08-04

Family

ID=71428229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811530830.XA Active CN111399489B (zh) 2018-12-14 2018-12-14 用于生成信息的方法和装置

Country Status (1)

Country Link
CN (1) CN111399489B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113110489A (zh) * 2021-04-30 2021-07-13 清华大学 一种轨迹规划方法、装置、电子设备和存储介质
WO2022075082A1 (ja) * 2020-10-09 2022-04-14 ソニーグループ株式会社 自律移動装置、制御方法、及びプログラム

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01296318A (ja) * 1988-05-25 1989-11-29 Toyota Central Res & Dev Lab Inc 無人搬送車の走行制御装置
JPH02179587A (ja) * 1988-12-29 1990-07-12 Nippon Yusoki Co Ltd 全方向車の走行・操舵制御方法
JP2007249631A (ja) * 2006-03-16 2007-09-27 Fujitsu Ltd 折線追従移動ロボットおよび折線追従移動ロボットの制御方法
CN102298391A (zh) * 2011-04-27 2011-12-28 哈尔滨工业大学 一种重载工业机器人操作空间内运动轨迹规划方法
CN103235513A (zh) * 2013-04-24 2013-08-07 武汉科技大学 一种基于遗传算法的移动机械臂轨迹规划优化方法
CN103732007A (zh) * 2014-01-22 2014-04-16 哈尔滨工业大学 基于四轴联动贴片机的贴装头运动路径优化方法
CN104062902A (zh) * 2014-05-15 2014-09-24 江南大学 Delta机器人时间最优轨迹规划方法
CN104834309A (zh) * 2015-04-10 2015-08-12 浙江工业大学 基于目标跟踪控制策略的单移动机器人最优巡回控制方法
CN104977933A (zh) * 2015-07-01 2015-10-14 吉林大学 一种自主驾驶车辆的区域型路径跟踪控制方法
CN105691388A (zh) * 2016-01-14 2016-06-22 南京航空航天大学 一种汽车主动避撞系统及其轨迹规划方法
US20160210863A1 (en) * 2015-01-19 2016-07-21 The Aerospace Corporation Autonomous nap-of-the-earth (anoe) flight path planning for manned and unmanned rotorcraft
CN107092266A (zh) * 2017-06-26 2017-08-25 东北大学 一种移动车轨迹跟踪控制方法
CN107491068A (zh) * 2017-08-29 2017-12-19 歌尔股份有限公司 移动机器人路径规划方法、装置及路径规划设备
CN107702723A (zh) * 2017-11-27 2018-02-16 安徽工程大学 一种机器人路径规划方法、存储介质及设备
US20180164827A1 (en) * 2018-02-09 2018-06-14 GM Global Technology Operations LLC Systems and methods for autonomous vehicle path follower correction
CN108180914A (zh) * 2018-01-09 2018-06-19 昆明理工大学 一种基于蚁群改进和尖峰平滑的移动机器人路径规划方法
CN108549321A (zh) * 2018-04-10 2018-09-18 广州启帆工业机器人有限公司 一种综合时间能量跃度的工业机器人轨迹生成方法及系统
CN108614563A (zh) * 2018-06-12 2018-10-02 北京康力优蓝机器人科技有限公司 一种通过定位导航实现移动机器人目标跟随的方法
CN108958293A (zh) * 2018-09-07 2018-12-07 济南大学 一种无人机路径规划方法
CN108981730A (zh) * 2017-05-31 2018-12-11 百度（美国）有限责任公司 用于为操作自动驾驶车辆生成参考路径的方法和系统

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01296318A (ja) * 1988-05-25 1989-11-29 Toyota Central Res & Dev Lab Inc 無人搬送車の走行制御装置
JPH02179587A (ja) * 1988-12-29 1990-07-12 Nippon Yusoki Co Ltd 全方向車の走行・操舵制御方法
JP2007249631A (ja) * 2006-03-16 2007-09-27 Fujitsu Ltd 折線追従移動ロボットおよび折線追従移動ロボットの制御方法
CN102298391A (zh) * 2011-04-27 2011-12-28 哈尔滨工业大学 一种重载工业机器人操作空间内运动轨迹规划方法
CN103235513A (zh) * 2013-04-24 2013-08-07 武汉科技大学 一种基于遗传算法的移动机械臂轨迹规划优化方法
CN103732007A (zh) * 2014-01-22 2014-04-16 哈尔滨工业大学 基于四轴联动贴片机的贴装头运动路径优化方法
CN104062902A (zh) * 2014-05-15 2014-09-24 江南大学 Delta机器人时间最优轨迹规划方法
US20160210863A1 (en) * 2015-01-19 2016-07-21 The Aerospace Corporation Autonomous nap-of-the-earth (anoe) flight path planning for manned and unmanned rotorcraft
CN104834309A (zh) * 2015-04-10 2015-08-12 浙江工业大学 基于目标跟踪控制策略的单移动机器人最优巡回控制方法
CN104977933A (zh) * 2015-07-01 2015-10-14 吉林大学 一种自主驾驶车辆的区域型路径跟踪控制方法
CN105691388A (zh) * 2016-01-14 2016-06-22 南京航空航天大学 一种汽车主动避撞系统及其轨迹规划方法
CN108981730A (zh) * 2017-05-31 2018-12-11 百度（美国）有限责任公司 用于为操作自动驾驶车辆生成参考路径的方法和系统
CN107092266A (zh) * 2017-06-26 2017-08-25 东北大学 一种移动车轨迹跟踪控制方法
CN107491068A (zh) * 2017-08-29 2017-12-19 歌尔股份有限公司 移动机器人路径规划方法、装置及路径规划设备
CN107702723A (zh) * 2017-11-27 2018-02-16 安徽工程大学 一种机器人路径规划方法、存储介质及设备
CN108180914A (zh) * 2018-01-09 2018-06-19 昆明理工大学 一种基于蚁群改进和尖峰平滑的移动机器人路径规划方法
US20180164827A1 (en) * 2018-02-09 2018-06-14 GM Global Technology Operations LLC Systems and methods for autonomous vehicle path follower correction
CN108549321A (zh) * 2018-04-10 2018-09-18 广州启帆工业机器人有限公司 一种综合时间能量跃度的工业机器人轨迹生成方法及系统
CN108614563A (zh) * 2018-06-12 2018-10-02 北京康力优蓝机器人科技有限公司 一种通过定位导航实现移动机器人目标跟随的方法
CN108958293A (zh) * 2018-09-07 2018-12-07 济南大学 一种无人机路径规划方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HAMZA KHAN等: "自主轮式移动机器人路径追踪的纵向与侧向滑动控制（英文）", 《信息与电子工程前沿(英文)》 *
史也等: "基于量子粒子群优化算法的空间", 《机械工程学报》 *
陈军等: "拖拉机沿曲线路径的跟踪控制", 《农业工程学报》 *
陈无畏等: "一种新的移动机器人跟踪控制方法", 《仪器仪表学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022075082A1 (ja) * 2020-10-09 2022-04-14 ソニーグループ株式会社 自律移動装置、制御方法、及びプログラム
CN113110489A (zh) * 2021-04-30 2021-07-13 清华大学 一种轨迹规划方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN111399489B (zh) 2023-08-04

Similar Documents

Publication Publication Date Title
CN106970629B (zh) 无人搬运车的控制方法和装置
CN111857152A (zh) 用于生成车辆控制信息的方法和装置
CN110654381B (zh) 用于控制车辆的方法和装置
CN107132843B (zh) 无人搬运车的控制方法和装置
CN112051864A (zh) 用于移动目标轨迹跟踪的方法及装置、设备和可读介质
CN115540896A (zh) 路径规划方法、装置、电子设备和计算机可读介质
CN111399489B (zh) 用于生成信息的方法和装置
CN113008258A (zh) 路径规划方法、装置、设备及存储介质
CN113306570B (zh) 用于控制自动驾驶车辆的方法、装置和自动驾驶配送车
CN113033925B (zh) 用于控制自动驾驶车辆行驶、装置、电子设备和介质
CN109189082B (zh) 用于控制移动机器人的方法、装置和控制系统
CN114771551A (zh) 自动驾驶车辆轨迹规划方法、装置和自动驾驶车辆
CN110780325A (zh) 运动对象的定位方法及装置、电子设备
CN116279596B (zh) 车辆控制方法、装置、电子设备和计算机可读介质
CN111380556B (zh) 用于自动驾驶车辆的信息处理方法和装置
CN109471437B (zh) 用于控制移动机器人的方法、装置和控制系统
CN114724116B (zh) 车辆通行信息生成方法、装置、设备和计算机可读介质
CN110370267B (zh) 用于生成模型的方法和装置
CN113761091B (zh) 闭环检测方法、装置、电子设备、系统和存储介质
CN115565374A (zh) 物流车驾驶优化方法、装置、电子设备及可读存储介质
CN111402148B (zh) 用于自动驾驶车辆的信息处理方法和装置
CN111976703B (zh) 一种无人驾驶控制方法和装置
CN112668371B (zh) 用于输出信息的方法和装置
Zhu et al. Research on AGV path tracking method based on global vision and reinforcement learning
CN113253608A (zh) 基于人工智能的无人驾驶行吊设备轨迹生成方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
TA01 Transfer of patent application right

Effective date of registration: 20210303

Address after: Room a1905, 19 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Beijing Jingdong Qianshi Technology Co.,Ltd.

Address before: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Applicant before: Beijing Jingbangda Trading Co.,Ltd.

Effective date of registration: 20210303

Address after: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Applicant after: Beijing Jingbangda Trading Co.,Ltd.

Address before: 100086 8th Floor, 76 Zhichun Road, Haidian District, Beijing

Applicant before: BEIJING JINGDONG SHANGKE INFORMATION TECHNOLOGY Co.,Ltd.

Applicant before: BEIJING JINGDONG CENTURY TRADING Co.,Ltd.

TA01 Transfer of patent application right
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant