CN111427346B - 适用于车型机器人的局部路径规划与追踪方法 - Google Patents
适用于车型机器人的局部路径规划与追踪方法 Download PDFInfo
- Publication number
- CN111427346B CN111427346B CN202010158014.1A CN202010158014A CN111427346B CN 111427346 B CN111427346 B CN 111427346B CN 202010158014 A CN202010158014 A CN 202010158014A CN 111427346 B CN111427346 B CN 111427346B
- Authority
- CN
- China
- Prior art keywords
- type robot
- vehicle
- path
- point
- tracking
- 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 26
- 230000002093 peripheral effect Effects 0.000 claims abstract description 7
- 238000005070 sampling Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
- G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
-
- 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
-
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Optics & Photonics (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种适用于车型机器人的局部路径规划与追踪方法,其包括:(1)选择待执行的参考路径,定位车型机器人并感知其周边障碍物,得到相应的参考信息;(2)结合参考信息,选取局部路径,规划连接局部路径的起点和终点,得到安全路径;(3)拟合安全路径,得到平滑的最终路径;(4)沿着最终路径依次选取追踪点,并分别计算车型机器人对应于每个追踪点的转向角度,根据相应的转向角度控制车型机器人的行进方向,实现对最终路径的追踪。本发明的局部路径规划与追踪方法,充分考虑了车型机器人的车身运动约束及障碍物约束,对参考路径进行局部规划与追踪,使得车型机器人能够在行进过程中有效的躲避障碍物并追踪安全路径。
Description
技术领域
本发明涉及自动化清洁领域,具体涉及一种适用于车型机器人的局部路径规划与追踪方法。
背景技术
在自动化清洁应用领域,室内无人驾驶扫地/洗地机因其高效的清洁效率,高自动化作业方式,开始受到众多大型室内场景环卫需求方的青睐。但是,目前的扫地/洗地机器人产品中,大多是面向小型化室内场景,终端用户以家庭为主,故其所选机器人型号多以圆盘型小型机器人为主。事实上,在更大型的场馆,如机场、高铁站、球馆等场景下,该类机器人存在清洁效率低下、清洁能力不足的问题,因此针对此类场景,需要改用清洁能力更强的车型机器人,以克服圆盘型机器人的不足。
对于清洁机器人而言,路径追踪与避障是指其在参考路径的指引下,追踪路径并实现障碍物躲避的技术。对于车型机器人而言,由于其运动灵活性不如圆盘型机器人,因此针对圆盘型机器人的局部路径规划与追踪无法直接适用于车型机器人,这就需要针对车型机器人重新设计一套局部路径规划与追踪方法。
发明内容
本发明的目的是克服现有技术的不足,提供一种适用于车型机器人的局部路径规划与追踪方法。
为达到上述目的,本发明采用的技术方案是:
一种适用于车型机器人的局部路径规划与追踪方法,其包括如下步骤:
(1)在待清洁区域内选择待执行的参考路径,定位车型机器人并感知其周边障碍物,得到相应的参考信息;
(2)结合所述参考信息,在所述参考路径上选取局部路径,规划连接所述局部路径的起点和终点,得到避开障碍物的安全路径;
(3)对所述安全路径进行拟合,得到平滑的最终路径;
(4)沿着所述最终路径依次选取追踪点,并分别计算所述车型机器人对应于每个所述追踪点的转向角度,根据相应的转向角度控制所述车型机器人的行进方向,从而实现对所述的最终路径的追踪。
优选地,在所述步骤(1)中,利用cartographer算法实现所述车型机器人的定位。
优选地,在所述步骤(1)中,通过单线激光雷达对所述车型机器人的周边障碍物进行感知。
优选地,在所述步骤(2)中,所述局部路径的规划连接通过A*算法实现,所述A*算法包括如下步骤:
A1、建立所述待清洁区域的搜索图,将所述局部路径的起点放入开集作为初始节点;
A2、在所述开集中寻找所述初始节点的周围可达节点,并跳过存在于闭集中的节点,将所述初始节点标记为其可达节点的父节点;
A3、计算所述初始节点至其可达节点的损失值F,将F的最小值所对应的所述可达节点作为新初始节点,并将所述的新初始节点从开集删除后加入闭集;
A4、对所述的新初始节点进行判断,若所述的新初始节点与所述局部路径的终点不相重合,则重复步骤A2和步骤A3;若所述的新初始节点与所述局部路径的终点相重合,则回溯所有的父节点,并得到所述的安全路径。
进一步优选地,所述的损失值F的计算公式为:F=h+C,其中h为启发式函数,C为累积路径损失值。
优选地,在所述步骤(3)中,所述的拟合包括如下步骤:
B1、在所述的安全路径内采样锚点,其中所述锚点的个数为n;
B2、在所述待清洁区域所在平面内建立坐标系,并分别利用拟合函数参数化拟合所述锚点的横坐标和纵坐标,得到采样参数;
B3、将所述采样参数代入拟合函数回算横坐标和纵坐标,随后根据多个所述的横坐标和纵坐标得到平滑曲线,所述的平滑曲线即为所述的最终路径。
进一步优选地,所述的参数化拟合包括如下步骤:
C1、将每个锚点的参数u分别设定为1/n,根据每个锚点对应的参数u分别拟合所述锚点的横坐标X和纵坐标Y的值;
C2、对所述的横坐标X和所述的纵坐标Y进行迭代拟合,并计算当前迭代的损失值;
C3、判断前后两次迭代的损失值之差,当所述损失值之差大于期望阈值时,重复所述步骤C2,继续进行迭代拟合;当所述损失值之差小于期望阈值时,结束迭代,将当前的参数u输出并作为所述锚点的采样参数;
其中,所述拟合函数的具体公式为:
X=a*u+b*u*u+c*u*u*u;
Y=a*u+b*u*u+c*u*u*u。
更进一步优选地,所述的期望阈值为10-3。
优选地,在所述步骤(4)中,所述追踪点的选取包括如下步骤:
D1、确定所述车型机器人的预瞄距离;
D2、在所述最终路径上选择与所述车型机器人的后轮轴中心点之间距离相对最小的点作为目标点;
D3、对所述目标点进行判断,若所述车型机器人的后轮轴中心点至所述目标点的距离不小于所述的预瞄距离,则选定所述目标点为所述的追踪点;若所述车型机器人的后轮轴中心点至所述目标点的距离小于所述的预瞄距离,则重复所述步骤D2,直至得到所述的追踪点。
优选地,在所述步骤(4)中,所述转向角度的计算公式如下:
其中,α为所述的转向角度,d为所述车型机器人的前轮轴中心点与后轮轴中心点之间的距离,L为所述车型机器人的预瞄距离,β为所述车型机器人的后轮轴中心点与所述追踪点之间的连线以及所述车型机器人的前轮轴中心点与后轮轴中心点之间的连线这两者所形成的夹角。
由于上述技术方案的运用,本发明与现有技术相比具有下列优点:
(1)能够充分考虑车型机器人的车身运动约束及障碍物约束,对参考路径进行局部的规划与追踪,使得车型机器人能够在行进过程中有效的躲避障碍物并追踪安全路径。
(2)基于几何关系的路径追踪不仅能够分别实现车型机器人的前进与后退,同时能够实现狭窄空间的掉头,提高了车型机器人清洁作业的灵活性。
附图说明
附图1为本发明的具体实施例中的局部路径规划与追踪方法的流程示意图;
附图2为本发明的具体实施例中的A*算法的流程示意图;
附图3为本发明的具体实施例中的拟合流程示意图;
附图4为本发明的具体实施例中的参数化拟合的流程示意图;
附图5为本发明的具体实施例中的追踪点的选取流程示意图;
附图6为本发明的具体实施例中的计算转向角度的几何原理示意图。
具体实施方式
下面结合附图来对本发明的技术方案作进一步的阐述。
本发明涉及对清洁机器人的局部路径规划与追踪方法的改进,改进后的局部路径规划与追踪方法,能够很好的适用于车型机器人,以克服圆盘型机器人在大场景内清洁能力不足、清洁效率低下的问题。
具体地,如图1所示,本发明公开的该种适用于车型机器人的局部路径规划与追踪方法,其包括如下步骤:
(1)在待清洁区域内选择待执行的参考路径,定位车型机器人并感知其周边障碍物,得到相应的参考信息。
在本实施例中,参考路径为根据现有规划算法得出的待清洁区域的全局覆盖路径,只要能够得出区域全局覆盖路径的规划算法均可应用于本发明中。同时利用cartographer算法实现车型机器人的定位,并通过单线激光雷达对车型机器人的周边障碍物进行感知。这里的单线激光雷达以及cartographer算法均为现有技术,具体结构及原理不再赘述。
(2)结合参考信息,在参考路径上选取局部路径,规划连接局部路径的起点和终点,得到避开障碍物的安全路径。在这里,参考信息为车型机器人的位置信息、周边障碍物信息以及选取的参考路径。
在本实施例中,局部路径的规划连接通过A*算法实现,如图2所示,A*算法包括如下步骤:
A1、建立待清洁区域的搜索图,将局部路径的起点放入开集作为初始节点。在这里,搜索图为根据区域地图及周边障碍物建立的区域节点图,能够有效的将区域中的各种因素考虑在内,以供A*算法得出一条最佳路径。
A2、在开集中寻找初始节点的周围可达节点,并跳过存在于闭集中的节点,将初始节点标记为其可达节点的父节点。
A3、计算初始节点至其可达节点的损失值F,将F的最小值所对应的可达节点作为新初始节点,并将新初始节点从开集删除后加入闭集。这里的损失值F的计算公式为:F=h+C,其中h为启发式函数,C为累积路径损失值。
A4、对新初始节点进行判断,若新初始节点与局部路径的终点不相重合,则重复步骤A2和步骤A3;若新初始节点与局部路径的终点相重合,则回溯所有的父节点,并得到安全路径。这里得到的安全路径即为根据A*算法计算出的起点到终点的最短避障路径。
(3)对安全路径进行拟合,得到平滑的最终路径。
在本实施例中,如图3所示,拟合包括如下步骤:
B1、在安全路径内采样锚点,其中锚点的个数为n。
B2、在待清洁区域所在平面内建立坐标系,并分别利用拟合函数参数化拟合锚点的横坐标和纵坐标,得到采样参数。
其中,拟合函数的具体公式为:
X=a*u+b*u*u+c*u*u*u;
Y=a*u+b*u*u+c*u*u*u。
如图4所示,具体的参数化拟合包括如下步骤:
C1、将每个锚点的参数u分别设定为1/n,根据每个锚点对应的参数u分别拟合锚点的横坐标X和纵坐标Y的值。
C2、对横坐标X和纵坐标Y进行迭代拟合,并计算当前迭代的损失值。
C3、判断前后两次迭代的损失值之差,当损失值之差大于期望阈值时,重复步骤C2,继续进行迭代拟合;当损失值之差小于期望阈值时,结束迭代,将当前的参数u输出并作为锚点的采样参数。这里的期望阈值为10-3。
B3、将采样参数代入拟合函数回算横坐标和纵坐标,随后根据多个横坐标和纵坐标得到平滑曲线,该平滑曲线即为最终路径。这里得到的最终路径便于车型机器人追踪,符合车辆的运动规律,提高了车型机器人的适应性。
(4)沿着最终路径依次选取追踪点,并分别计算车型机器人对应于每个追踪点的转向角度,根据相应的转向角度控制车型机器人的行进方向,从而实现对最终路径的追踪。这里的转向角度即为车型机器人的方向盘转过角度,能够体现车型机器人的行进方向。
在本实施例中,如图5所示,追踪点的选取包括如下步骤:
D1、确定车型机器人的预瞄距离。在这里,预瞄距离为结合车型机器人的自身车辆参数以及运动约束条件得出的能够实现车辆追踪的最短距离,本实施例中的预瞄距离为0.5~1m。
D2、在最终路径上选择与车型机器人的后轮轴中心点之间距离相对最小的点作为目标点。在这里,车型机器人前轮转向,后轮驱动,因此通过后轮轴中心点作为车型机器人的定位点。其中前轮轴中心点表示两前轮的对称中心,后轮轴中心点表示两后轮的对称中心。
D3、对该目标点进行判断,若车型机器人的后轮轴中心点至该目标点的距离不小于预瞄距离,则选定该目标点为追踪点;若车型机器人的后轮轴中心点至该目标点的距离小于预瞄距离,则重复步骤D2,直至得到追踪点。如车型机器人需要向前行进,则向前选取目标点;如需向后行进,则向后选取目标点。
在这里,若车型机器人的后轮轴中心点至该目标点的距离不小于预瞄距离,则表示考虑到车型机器人的运动约束,该目标点能够作为车型机器人的追踪点来行进转向;若车型机器人的后轮轴中心点至该目标点的距离小于预瞄距离,则表示考虑到车型机器人的运动约束,该目标点不能作为车型机器人的追踪点来行进转向,需要重新寻找其他目标点。当得到追踪点后,车型机器人能够以该追踪点为目标行进转向,当行进至该追踪点与后轮轴中心点之间的距离小于预瞄距离的位置后,此时考虑到车型机器人的运动约束,该追踪点无法继续追踪,需要依照前述方法重新选择新的追踪点,并以该新追踪点为目标继续行进,以实现对局部路径的完整追踪。
本实施例中的具体的转向角度的计算公式如下:
其中,α为转向角度,d为车型机器人的前轮轴中心点与后轮轴中心点之间的距离,L为车型机器人的预瞄距离,β为车型机器人的后轮轴中心点与追踪点之间的连线以及车型机器人的前轮轴中心点与后轮轴中心点之间的连线这两者所形成的夹角。
在本实施例中,如图6所示,上述的转向角度的计算公式为根据车型机器人与追踪点之间的几何关系得出,其包括前进转向角度以及后退转向角度:
其中,①为车型机器人前进时的转向角度计算公式,②为车型机器人后退时的转向角度计算公式。
具体的,如图6所示,其中A为车型机器人的前轮;B为车型机器人的后轮;G_f G_b曲线为通过前述A*算法得到的最终路径曲线;O点为车型机器人的后轮轴中心点;L_f和L_b分别为车型机器人相对于前进目标点G_f和后退目标点G_b的预瞄距离;β_f为在前进方向上,后轮轴中心点与追踪点之间的连线以及车型机器人的前轮轴中心点与后轮轴中心点之间的连线这两者所形成的夹角;β_b为在后退方向上,后轮轴中心点与追踪点之间的连线以及车型机器人的前轮轴中心点与后轮轴中心点之间的连线这两者所形成的夹角;曲线s1和曲线s2分别为根据前进转向角度和后退转向角度得到的车型机器人的前进曲线及后退曲线;O_f和O_b分别为前进和后退的车体旋转中心点。
具体的前进的转向角度的推导步骤如下:
在上述的推导过程中,R_f为车型机器人前进过程中的运动半径,用以辅助推导转向角度。
上述的基于几何关系的路径追踪不仅能够分别实现车型机器人的前进与后退,同时能够通过对车型机器人的前进与后退的控制实现狭窄空间的掉头。
根据计算出的上述的转向角度,实现车型机器人的路径追踪,从而车型机器人能够根据追踪的路径行进。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并加以实施,并不能以此限制本发明的保护范围,凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围内。
Claims (5)
1.一种适用于车型机器人的局部路径规划与追踪方法,其特征在于:其包括如下步骤:
(1)在待清洁区域内选择待执行的参考路径,定位车型机器人并感知其周边障碍物,得到相应的参考信息;
(2)结合所述参考信息,在所述参考路径上选取局部路径,规划连接所述局部路径的起点和终点,得到避开障碍物的安全路径;
(3)对所述安全路径进行拟合,得到平滑的最终路径;
(4)沿着所述最终路径依次选取追踪点,并分别计算所述车型机器人对应于每个所述追踪点的转向角度,根据相应的转向角度控制所述车型机器人的行进方向,从而实现对所述的最终路径的追踪;
在所述步骤(2)中,所述局部路径的规划连接通过A*算法实现,所述A*算法包括如下步骤:
A1、建立所述待清洁区域的搜索图,将所述局部路径的起点放入开集作为初始节点;
A2、在所述开集中寻找所述初始节点的周围可达节点,并跳过存在于闭集中的节点,将所述初始节点标记为其可达节点的父节点;
A3、计算所述初始节点至其可达节点的损失值F,将F的最小值所对应的所述可达节点作为新初始节点,并将所述的新初始节点从开集删除后加入闭集;
A4、对所述的新初始节点进行判断,若所述的新初始节点与所述局部路径的终点不相重合,则重复步骤A2和步骤A3;若所述的新初始节点与所述局部路径的终点相重合,则回溯所有的父节点,并得到所述的安全路径;
所述的损失值F的计算公式为:F=h+C,其中h为启发式函数,C为累积路径损失值;
在所述步骤(3)中,所述的拟合包括如下步骤:
B1、在所述的安全路径内采样锚点,其中所述锚点的个数为n;
B2、在所述待清洁区域所在平面内建立坐标系,并分别利用拟合函数参数化拟合所述锚点的横坐标和纵坐标,得到采样参数;
B3、将所述采样参数代入拟合函数回算横坐标和纵坐标,随后根据多个所述的横坐标和纵坐标得到平滑曲线,所述的平滑曲线即为所述的最终路径;
所述的参数化拟合包括如下步骤:
C1、将每个锚点的参数u分别设定为1/n,根据每个锚点对应的参数u分别拟合所述锚点的横坐标X和纵坐标Y的值;
C2、对所述的横坐标X和所述的纵坐标Y进行迭代拟合,并计算当前迭代的损失值;
C3、判断前后两次迭代的损失值之差,当所述损失值之差大于期望阈值时,重复所述步骤C2,继续进行迭代拟合;当所述损失值之差小于期望阈值时,结束迭代,将当前的参数u输出并作为所述锚点的采样参数;
其中,所述拟合函数的具体公式为:
X=a*u+b*u*u+c*u*u*u;
Y=a*u+b*u*u+c*u*u*u;
所述的期望阈值为10-3。
2.根据权利要求1所述的适用于车型机器人的局部路径规划与追踪方法,其特征在于:在所述步骤(1)中,利用cartographer算法实现所述车型机器人的定位。
3.根据权利要求1所述的适用于车型机器人的局部路径规划与追踪方法,其特征在于:在所述步骤(1)中,通过单线激光雷达对所述车型机器人的周边障碍物进行感知。
4.根据权利要求1所述的适用于车型机器人的局部路径规划与追踪方法,其特征在于:在所述步骤(4)中,所述追踪点的选取包括如下步骤:
D1、确定所述车型机器人的预瞄距离;
D2、在所述最终路径上选择与所述车型机器人的后轮轴中心点之间距离相对最小的点作为目标点;
D3、对所述目标点进行判断,若所述车型机器人的后轮轴中心点至所述目标点的距离不小于所述的预瞄距离,则选定所述目标点为所述的追踪点;若所述车型机器人的后轮轴中心点至所述目标点的距离小于所述的预瞄距离,则重复所述步骤D2,直至得到所述的追踪点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010158014.1A CN111427346B (zh) | 2020-03-09 | 2020-03-09 | 适用于车型机器人的局部路径规划与追踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010158014.1A CN111427346B (zh) | 2020-03-09 | 2020-03-09 | 适用于车型机器人的局部路径规划与追踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111427346A CN111427346A (zh) | 2020-07-17 |
CN111427346B true CN111427346B (zh) | 2023-07-14 |
Family
ID=71547689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010158014.1A Active CN111427346B (zh) | 2020-03-09 | 2020-03-09 | 适用于车型机器人的局部路径规划与追踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111427346B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116974286A (zh) * | 2023-08-25 | 2023-10-31 | 上海木蚁机器人科技有限公司 | 调整无人车跟随控制点的避障方法、装置、设备和介质 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3892551B2 (ja) * | 1997-10-21 | 2007-03-14 | 富士重工業株式会社 | 車両運動制御装置 |
CN108725585B (zh) * | 2017-04-14 | 2021-05-25 | 上海汽车集团股份有限公司 | 车辆自主泊车的轨迹跟踪控制方法及装置 |
CN107402018B (zh) * | 2017-09-21 | 2019-09-17 | 北京航空航天大学 | 一种基于连续帧的导盲仪组合路径规划方法 |
CN108116497B (zh) * | 2017-12-08 | 2019-09-17 | 驭势科技(北京)有限公司 | 用于智能驾驶的转向预瞄点、转向角的确定方法及装置 |
CN108253984A (zh) * | 2017-12-19 | 2018-07-06 | 昆明理工大学 | 一种基于改进a星算法的移动机器人路径规划方法 |
CN107990903B (zh) * | 2017-12-29 | 2021-01-05 | 东南大学 | 一种基于改进a*算法的室内agv路径规划方法 |
CN110006419B (zh) * | 2018-01-04 | 2021-11-19 | 郑州宇通客车股份有限公司 | 一种基于预瞄的车辆轨迹跟踪点确定方法 |
CN108444488B (zh) * | 2018-02-05 | 2021-09-28 | 天津大学 | 基于等步采样a*算法的无人驾驶局部路径规划方法 |
CN108549385B (zh) * | 2018-05-22 | 2021-05-04 | 东南大学 | 一种结合a*算法和vfh避障算法的机器人动态路径规划方法 |
CN108958237A (zh) * | 2018-05-24 | 2018-12-07 | 奇瑞汽车股份有限公司 | 用于无人驾驶的移动终端、车辆及无人驾驶系统 |
CN110361013B (zh) * | 2019-07-22 | 2023-05-26 | 上海应用技术大学 | 一种用于车辆模型的路径规划系统及方法 |
CN110316249B (zh) * | 2019-07-25 | 2020-06-26 | 北京智行者科技有限公司 | 横向控制方法及装置 |
-
2020
- 2020-03-09 CN CN202010158014.1A patent/CN111427346B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111427346A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111307152B (zh) | 一种自主泊车路径反向生成规划方法 | |
CN109927716B (zh) | 基于高精度地图的自主垂直泊车方法 | |
CN111174798A (zh) | 一种足式机器人路径规划方法 | |
WO2018176593A1 (zh) | 一种面向无人自行车的局部避障路径规划方法 | |
CN109933057B (zh) | 拖拉机自动驾驶系统的局部引导轨迹规划方法及装置 | |
CN109270933A (zh) | 基于圆锥曲线的无人驾驶避障方法、装置、设备及介质 | |
CN111006667A (zh) | 高速场景下的自动驾驶轨迹生成系统 | |
CN111238518B (zh) | 一种基于改进rrt算法的智能农业车辆路径规划方法 | |
CN105278533A (zh) | 一种全向移动平台导航方法 | |
CN116185014A (zh) | 一种基于动态规划的智能车全局最优轨迹规划方法与系统 | |
CN111896004A (zh) | 一种狭窄通道车辆轨迹规划方法及系统 | |
CN111427346B (zh) | 适用于车型机器人的局部路径规划与追踪方法 | |
CN113137969B (zh) | 一种移动机器人的局部路径优化方法 | |
CN114779772B (zh) | 一种融合全局及局部算法的路径规划方法及装置 | |
CN112519783B (zh) | 一种智能驾驶的自底向上平滑轨迹生成方法及系统 | |
CN111857148A (zh) | 一种非结构化道路车辆路径规划方法 | |
CN117249842A (zh) | 一种基于轨迹平滑优化的无人车混合轨迹规划方法 | |
Fan et al. | Integrated planning and control of large tracked vehicles in open terrain | |
CN111307156B (zh) | 适用于车型机器人的覆盖路径规划方法 | |
Narula et al. | Two-level hierarchical planning in a known semi-structured environment | |
CN112363504B (zh) | 一种农机无人驾驶调头方法 | |
CN115097826A (zh) | 一种车辆掉头轨迹规划方法及装置 | |
CN110954123B (zh) | 一种基于阿克曼约束的路径规划方法 | |
CN112762950B (zh) | 基于人工势场引导的Hybrid A*自主泊车路径规划方法 | |
Xie et al. | An optimal path-planning algorithm for unmanned rollers with constraints on roller attitude |
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 |