CN111880550B - 一种agv小车的平滑路径规划方法 - Google Patents
一种agv小车的平滑路径规划方法 Download PDFInfo
- Publication number
- CN111880550B CN111880550B CN202010980591.9A CN202010980591A CN111880550B CN 111880550 B CN111880550 B CN 111880550B CN 202010980591 A CN202010980591 A CN 202010980591A CN 111880550 B CN111880550 B CN 111880550B
- Authority
- CN
- China
- Prior art keywords
- route
- bezier curve
- grids
- grid
- agv trolley
- 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
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
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种AGV小车的平滑路径规划方法，该方法先生成具有区域网状栅格的数字地图，对栅格进行编号，无用栅格删除，标点，建立栅格编号行驶路线，生成多条贝塞尔曲线路径，利用杜宾路径算法实现路径转换避规，实现避规动作然后到达目标站点。本发明通过将有障碍物的栅格进行删除，节省后续AGV小车路径规划的判断效率及时间，提高路径规划生成的效率，并且实现路径的自动生成，降低工作量，提高灵活性，降低路径规划效率，提高精确度。本发明通过A*算法计算可生成栅格编号行驶路线，通过多个控制点的构成多条贝塞尔曲线路径，可以根据不同环境需要进行格编号行驶路线或贝塞尔曲线路径的选择，提高适用性。
Description
技术领域
本发明涉及AGV小车路径规划的技术领域，具体涉及一种AGV小车的平滑路径规划方法。
背景技术
AGV是(Automated Guided Vehicle)的缩写，意即“自动导引运输车”， 是指装备有电磁或光学等自动导引装置以充电电池为动力的运输车，它能够沿规定的导引路径实现无人驾驶的自动化车辆。这种AGV小车按路径规划和作业要求，精确行走并停靠到指定的地点，完成一系列的作业任务如取货、送货、充电等。
由于现有的AGV小车往往按照既定轨道行驶，所以需要一个路径规划路线供AGV小车进行运行，目前的AGV小车的路径规划方式采用人工进行现场绘制，其所使用的路径规划方式一般在现场根据情况，然后再进行人工绘制路径，路径绘制好后只能沿着设定好的路线行驶，人工绘制路径效率低，精确度低，而且人工绘制的曲线弧度或线与线之间连接产生的角度不适应AGV小车行驶引发脱轨或脱离规定路径，导致出现碰撞的情况出现，现有的AGV小车路径规划方式路径不够平滑，灵活性差，操作的工作量大，影响规划效率。现有的AGV小车使用的路线由多个栅格构成的栅格路线进行规划行驶，行驶路线规划单一，使得AGV小车行驶路线的选择性少，且当栅格路线中的一个栅格出现障碍物时，现有的运行方法是AGV小车退回到起始点，然后需要重新计算、规划新的栅格路径进行运行，影响AGV小车的运行效率。
发明内容
本项发明是针对现在的技术不足，提供一种AGV小车的平滑路径规划方法。
本发明为实现上述目的所采用的技术方案是：
一种AGV小车的平滑路径规划方法，包括如下步骤：
步骤一：对场地空间范围和已知障碍物的大小和位置进行测量，利用地图生成器的栅格法将场地空间范围进行单元化分隔，划分出的多个栅格，生成具有区域网状栅格的数字地图；
步骤2：在数字地图的基础上对划分出的多个栅格进行编号，得到编号栅格；
步骤3：对已知障碍物占据的编号栅格进行筛选删除；
步骤4：对保留下来的编号栅格采用分区法进行划分标点；
步骤5：根据实际需求规划AGV小车的设定起始点和目标站点位置；
步骤6：利用A*算法计算在剩下的编号栅格中选择安全位置集中的若干个编号栅格，并结合起始点和目标站点建立AGV小车的栅格编号行驶路线；
步骤7：利用所述栅格编号行驶路线上的若干个编号栅格的标点作为贝塞尔曲线的控制点，并结合起始点和目标站点，生成多条贝塞尔曲线路径；
步骤8：利用杜宾路径算法对相邻的控制点之间的贝塞尔曲线路径进行路径平滑；并实现路径转换避规；
步骤9：所述AGV小车设有测距激光扫描器进行周围环境信息的收集，所述AGV小车还设有路线选择模块，所述路线选择模块内设有tensorflow深度学习框架，测距激光扫描器判断是否有突发障碍物，如果没有，则AGV小车按照栅格编号行驶路线或多条贝塞尔曲线路径其中的一条路径正常移动；如果有突发障碍物，将栅格编号行驶路线通过路线选择模块转换成贝塞尔曲线路径，利用杜宾路径算法重新调整相邻的控制点之间的路径，从而构成连接路径，实现转换；并由AGV小车的位置以及AGV小车与突发障碍物之间的位置关系生成偏转指令，偏转指令转化为AGV小车的控制输入，实现避规动作。
作进一步改进，所述步骤4中的编号栅格的分区标点方法为：
步骤4.1：所述编号栅格为每条相同长度的边构成的正方形框架，并设定好每条边的长度尺寸；
步骤4.2：在每条边的中间位置可以生成为一个标点一，四个标点一的坐标分别为(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)；
步骤4.3：将平行的边上的中点相连接构成连线一及连线二，以及正方形的对角点相连接构成连线三及连线四，所述连接线一、连线二、连接线三及连接线四相交的点为中心点；
步骤4.4：所述中心点的坐标为((x1+x2+x3+x4)/4,(y1+y2+y3+y4)/4),每个编号栅格生成贝塞尔曲线所需要的控制点。
作进一步改进，所述步骤5的具体方法为：沿起始点速度方向的顺时针和逆时针以AGV小车的最小转弯半径为半径做起始点速度方向的两个切圆N、N′；根据目标站点的坐标，找出与切圆N/N′相切且过目标站点的直线，从而找到两切圆上的切点；根据切点的坐标、目标站点的坐标、切圆的半径，利用余弦定理计算目标站点与切点之间的距离，选择与目标站点距离最短的切点H；按顺序连接起点、切点H、目标站点，从而构成一条由圆弧-直线组成的平滑路径，根据该路径在空间的导数生成目标站点的目标站点速度方向，将该目标站点速度方向作为下一个起始点的起始点速度方向。
作进一步改进，所述步骤8中的AGV小车还设有中控系统及深度学习模块，所述深度学习模块的方法包括以下步骤：
步骤8.1：深度学习模块记录使用较少的贝塞尔曲线路径及栅格编号行驶路线；
步骤8.2：将记录的较少的贝塞尔曲线路径及栅格编号行驶路线反馈给中控系统，中控系统将记录的较少的贝塞尔曲线路径及栅格编号行驶路线划入禁行路径，保留使用较多的贝塞尔曲线路径及栅格编号行驶路线；
步骤8.3：AGV小车执行行驶使用较多的贝塞尔曲线路径及栅格编号行驶路线，直至到达目标站点。
与现有技术相比，本发明还具有以下优点：
（1）本发明所提供的AGV小车的平滑路径规划方法通过将有障碍物的栅格进行删除，节省后续AGV小车路径规划的判断效率及时间，提高路径规划生成的效率；
（2）本发明通过A*算法计算可生成栅格编号行驶路线，通过多个控制点的构成多条贝塞尔曲线路径，从而可以根据不同环境需要进行格编号行驶路线或贝塞尔曲线路径的选择，实现多种类路线的选择，提高适用性，并且所述贝塞尔曲线路径使得路径更平滑，保证AGV小车的运动效率；
（3）本发明通过实现路径的自动生成，降低工作量，提高灵活性，降低路径规划效率，提高精确度等，防止曲线弧度或线与线之间连接产生的角度不适应导致AGV小车行驶引发生脱轨或脱离规定路径等情况的出现，导致出现碰撞的情况出现；
（4）通过设置AGV小车设有测距激光扫描器进行周围环境信息的收集，设置路线选择模块，并利用杜宾路径算法重新调整相邻的控制点之间的路径，从而构成连接路径，实现快速转换，实现AGV小车的避规动作，满足面对突发障碍的实时避障要求。
（5）本发明还设有深度学习模块用于记录贝塞尔曲线路径及栅格编号行驶路线的使用状况，从而实现多条路径的规避，提高AGV小车的运输效率。
下面结合附图与具体实施方式，对本发明进一步说明。
附图说明
图1为本实施例的AGV小车的平滑路径规划方法流程示意图；
图2为本实施例的场地规划示意图；
图3为本实施例的栅格编号示意图；
图4为本实施例的障碍物占据的编号删除示意图；
图5为本实施例的步骤5标点示意图；
图6为本实施例的起始点与目标站点标示示意图；
图7为本实施例的第一种栅格编号行驶路线示意图；
图8为本实施例的第二种栅格编号行驶路线示意图；
图9为本实施例的贝塞尔曲线路径示意图。
具体实施方式
以下所述仅为本发明的较佳实施例，并不因此而限定本发明的保护范围。
实施例，参见附图1~图9，一种AGV小车的平滑路径规划方法，包括如下步骤：
步骤一：对场地空间范围和已知障碍物的大小和位置进行测量，利用地图生成器的栅格法将场地空间范围进行单元化分隔，划分出的多个栅格，生成具有区域网状栅格的数字地图；
步骤2：在数字地图的基础上对划分出的多个栅格进行编号，得到编号栅格；
步骤3：对已知障碍物占据的编号栅格进行筛选删除；
步骤4：对保留下来的编号栅格采用分区法进行划分标点；
步骤5：根据实际需求规划AGV小车的设定起始点和目标站点位置；
步骤6：利用A*算法计算在剩下的编号栅格中选择安全位置集中的若干个编号栅格，并结合起始点和目标站点建立AGV小车的栅格编号行驶路线；
步骤7：利用所述栅格编号行驶路线上的若干个编号栅格的标点作为贝塞尔曲线的控制点，并结合起始点和目标站点，生成多条贝塞尔曲线路径；
步骤8：利用杜宾路径算法对相邻的控制点之间的贝塞尔曲线路径进行路径平滑；并实现路径转换避规；
步骤9：所述AGV小车设有测距激光扫描器进行周围环境信息的收集，所述AGV小车还设有路线选择模块，所述路线选择模块内设有tensorflow深度学习框架，测距激光扫描器判断是否有突发障碍物，如果没有，则AGV小车按照栅格编号行驶路线或多条贝塞尔曲线路径其中的一条路径正常移动；如果有突发障碍物，将栅格编号行驶路线通过路线选择模块转换成贝塞尔曲线路径，利用杜宾路径算法重新调整相邻的控制点之间的路径，从而构成连接路径，实现转换；并由AGV小车的位置以及AGV小车与突发障碍物之间的位置关系生成偏转指令，偏转指令转化为AGV小车的控制输入，实现避规动作。
作进一步改进，所述步骤4中的编号栅格的分区标点方法为：
步骤4.1：所述编号栅格为每条相同长度的边构成的正方形框架，并设定好每条边的长度尺寸；
步骤4.2：在每条边的中间位置可以生成为一个标点一，四个标点一的坐标分别为(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)；
步骤4.3：将平行的边上的中点相连接构成连线一及连线二，以及正方形的对角点相连接构成连线三及连线四，所述连接线一、连线二、连接线三及连接线四相交的点为中心点；
步骤4.4：所述中心点的坐标为((x1+x2+x3+x4)/4,(y1+y2+y3+y4)/4),每个编号栅格生成贝塞尔曲线所需要的控制点。
作进一步改进，所述步骤5的具体方法为：沿起始点速度方向的顺时针和逆时针以AGV小车的最小转弯半径为半径做起始点速度方向的两个切圆N、N′；根据目标站点的坐标，找出与切圆N/N′相切且过目标站点的直线，从而找到两切圆上的切点；根据切点的坐标、目标站点的坐标、切圆的半径，利用余弦定理计算目标站点与切点之间的距离，选择与目标站点距离最短的切点H；按顺序连接起点、切点H、目标站点，从而构成一条由圆弧-直线组成的平滑路径，根据该路径在空间的导数生成目标站点的目标站点速度方向，将该目标站点速度方向作为下一个起始点的起始点速度方向。
作进一步改进，所述步骤8中的AGV小车还设有中控系统及深度学习模块，所述深度学习模块的方法包括以下步骤：
步骤8.1：深度学习模块记录使用较少的贝塞尔曲线路径及栅格编号行驶路线；
步骤8.2：将记录的较少的贝塞尔曲线路径及栅格编号行驶路线反馈给中控系统，中控系统将记录的较少的贝塞尔曲线路径及栅格编号行驶路线划入禁行路径，保留使用较多的贝塞尔曲线路径及栅格编号行驶路线；
步骤8.3：AGV小车执行行驶使用较多的贝塞尔曲线路径及栅格编号行驶路线，直至到达目标站点。
本发明所提供的AGV小车的平滑路径规划方法通过将有障碍物的栅格进行删除，节省后续AGV小车路径规划的判断效率及时间，提高路径规划生成的效率；本发明通过A*算法计算可生成栅格编号行驶路线，通过多个控制点的构成多条贝塞尔曲线路径，从而可以根据不同环境需要进行格编号行驶路线或贝塞尔曲线路径的选择，提高适用性，并且所述贝塞尔曲线路径使得路径更平滑，保证AGV小车的运动效率；本发明通过实现路径的自动生成，降低工作量，提高灵活性，降低路径规划效率，提高精确度等，防止曲线弧度或线与线之间连接产生的角度不适应导致AGV小车行驶引发生脱轨或脱离规定路径等情况的出现，导致出现碰撞的情况出现；通过设置AGV小车设有测距激光扫描器进行周围环境信息的收集，设置路线选择模块，并利用杜宾路径算法重新调整相邻的控制点之间的路径，从而构成连接路径，实现快速转换，实现AGV小车的避规动作，满足面对突发障碍的实时避障要求；本发明还设有深度学习模块用于记录贝塞尔曲线路径及栅格编号行驶路线的使用状况，从而实现多条路径的规避，提高AGV小车的运输效率。
本发明并不限于上述实施方式，采用与本发明上述实施例相同或近似结构、装置、工艺或方法，而得到的其他用于AGV小车的平滑路径规划方法，均在本发明的保护范围之内。
Claims (4)
1.一种AGV小车的平滑路径规划方法，其特征在于，包括如下步骤：
步骤一：对场地空间范围和已知障碍物的大小和位置进行测量，利用地图生成器的栅格法将场地空间范围进行单元化分隔，划分出的多个栅格，生成具有区域网状栅格的数字地图；
步骤2：在数字地图的基础上对划分出的多个栅格进行编号，得到编号栅格；
步骤3：对已知障碍物占据的编号栅格进行筛选删除；
步骤4：对保留下来的编号栅格采用分区法进行划分标点；
步骤5：根据实际需求规划AGV小车的设定起始点和目标站点位置；
步骤6：利用A*算法计算在剩下的编号栅格中选择安全位置集中的若干个编号栅格，并结合起始点和目标站点建立AGV小车的栅格编号行驶路线；
步骤7：利用所述栅格编号行驶路线上的若干个编号栅格的标点作为贝塞尔曲线的控制点，并结合起始点和目标站点，生成多条贝塞尔曲线路径；
步骤8：利用杜宾路径算法对相邻的控制点之间的贝塞尔曲线路径进行路径平滑；并实现路径转换避规；
步骤9：所述AGV小车设有测距激光扫描器进行周围环境信息的收集，所述AGV小车还设有路线选择模块，所述路线选择模块内设有tensorflow深度学习框架，测距激光扫描器判断是否有突发障碍物，如果没有，则AGV小车按照栅格编号行驶路线或多条贝塞尔曲线路径其中的一条路径正常移动；如果有突发障碍物，将栅格编号行驶路线通过路线选择模块转换成贝塞尔曲线路径，利用杜宾路径算法重新调整相邻的控制点之间的路径，从而构成连接路径，实现转换；并由AGV小车的位置以及AGV小车与突发障碍物之间的位置关系生成偏转指令，偏转指令转化为AGV小车的控制输入，实现避规动作。
2.根据权利要求1所述的AGV小车的平滑路径规划方法，其特征在于：所述步骤4中的编号栅格的分区标点方法为：
步骤4.1：所述编号栅格为每条相同长度的边构成的正方形框架，并设定好每条边的长度尺寸；
步骤4.2：在每条边的中间位置可以生成为一个标点一，四个标点一的坐标分别为(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)；
步骤4.3：将平行的边上的中点相连接构成连线一及连线二，以及正方形的对角点相连接构成连线三及连线四，所述连接线一、连线二、连接线三及连接线四相交的点为中心点；
步骤4.4：所述中心点的坐标为((x1+x2+x3+x4)/4,(y1+y2+y3+y4)/4),每个编号栅格生成贝塞尔曲线所需要的控制点。
3.根据权利要求2所述的AGV小车的平滑路径规划方法，其特征在于：所述步骤5的具体方法为：沿起始点速度方向的顺时针和逆时针以AGV小车的最小转弯半径为半径做起始点速度方向的两个切圆N、N′；根据目标站点的坐标，找出与切圆N/N′相切且过目标站点的直线，从而找到两切圆上的切点；根据切点的坐标、目标站点的坐标、切圆的半径，利用余弦定理计算目标站点与切点之间的距离，选择与目标站点距离最短的切点H；按顺序连接起点、切点H、目标站点，从而构成一条由圆弧-直线组成的平滑路径，根据该路径在空间的导数生成目标站点的目标站点速度方向，将该目标站点速度方向作为下一个起始点的起始点速度方向。
4.根据权利要求3所述的AGV小车的平滑路径规划方法，其特征在于：所述步骤8中的AGV小车还设有中控系统及深度学习模块，所述深度学习模块的方法包括以下步骤：
步骤8.1：深度学习模块记录使用较少的贝塞尔曲线路径及栅格编号行驶路线；
步骤8.2：将记录的较少的贝塞尔曲线路径及栅格编号行驶路线反馈给中控系统，中控系统将记录的较少的贝塞尔曲线路径及栅格编号行驶路线划入禁行路径，保留使用较多的贝塞尔曲线路径及栅格编号行驶路线；
步骤8.3：AGV小车执行行驶使用较多的贝塞尔曲线路径及栅格编号行驶路线，直至到达目标站点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010980591.9A CN111880550B (zh) | 2020-09-17 | 2020-09-17 | 一种agv小车的平滑路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010980591.9A CN111880550B (zh) | 2020-09-17 | 2020-09-17 | 一种agv小车的平滑路径规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111880550A CN111880550A (zh) | 2020-11-03 |
| CN111880550B true CN111880550B (zh) | 2023-10-10 |
Family
ID=73200044
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010980591.9A Active CN111880550B (zh) | 2020-09-17 | 2020-09-17 | 一种agv小车的平滑路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111880550B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112631232B (zh) * | 2020-12-28 | 2022-04-22 | 北京星航机电装备有限公司 | 基于openTCS实现对自动导引车调度控制方法及系统 |
| CN112783161B (zh) * | 2020-12-29 | 2023-04-25 | 广东嘉腾机器人自动化有限公司 | 一种基于贝塞尔曲线的agv避障方法 |
| CN112863214A (zh) * | 2020-12-29 | 2021-05-28 | 广东嘉腾机器人自动化有限公司 | 一种多转向运行模式的交通管制方法 |
| CN113751330B (zh) * | 2021-01-18 | 2023-06-23 | 北京京东乾石科技有限公司 | 物品分拣方法、系统、设备和存储介质 |
| CN113031592A (zh) * | 2021-02-25 | 2021-06-25 | 杭州国辰机器人科技有限公司 | 一种基于五阶贝塞尔曲线的机器人路径平滑方法及系统 |
| CN113219973B (zh) * | 2021-05-08 | 2022-06-24 | 浙江工业大学 | 一种移动机器人的局部路径控制方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101063302B1 (ko) * | 2010-10-05 | 2011-09-07 | 국방과학연구소 | 무인차량의 자율주행 제어 장치 및 방법 |
| CN107085437A (zh) * | 2017-03-20 | 2017-08-22 | 浙江工业大学 | 一种基于eb‑rrt的无人机航迹规划方法 |
| CN110320933A (zh) * | 2019-07-29 | 2019-10-11 | 南京航空航天大学 | 一种巡航任务下无人机避障运动规划方法 |
| CN110333714A (zh) * | 2019-04-09 | 2019-10-15 | 武汉理工大学 | 一种无人驾驶汽车路径规划方法和装置 |
-
2020
- 2020-09-17 CN CN202010980591.9A patent/CN111880550B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101063302B1 (ko) * | 2010-10-05 | 2011-09-07 | 국방과학연구소 | 무인차량의 자율주행 제어 장치 및 방법 |
| CN107085437A (zh) * | 2017-03-20 | 2017-08-22 | 浙江工业大学 | 一种基于eb‑rrt的无人机航迹规划方法 |
| CN110333714A (zh) * | 2019-04-09 | 2019-10-15 | 武汉理工大学 | 一种无人驾驶汽车路径规划方法和装置 |
| CN110320933A (zh) * | 2019-07-29 | 2019-10-11 | 南京航空航天大学 | 一种巡航任务下无人机避障运动规划方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张豫南;闫永宝.基于平滑A*算法的6×6轮式车最优路径规划.制造业自动化.2012,(第13期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111880550A (zh) | 2020-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111880550B (zh) | 一种agv小车的平滑路径规划方法 | |
| WO2021136130A1 (zh) | 一种轨迹规划方法及装置 | |
| CN104819724B (zh) | 一种基于gis的无人地面车辆自主行驶辅助系统 | |
| CN106595688A (zh) | 一种多agv导向和动态路径规划方法 | |
| CN108011947A (zh) | 一种车辆协作式编队行驶系统 | |
| CN107798861A (zh) | 一种车辆协作式编队行驶方法及系统 | |
| CN104897168B (zh) | 基于道路危险评估的智能车路径搜索方法及系统 | |
| CN112284393B (zh) | 一种智能移动机器人全局路径规划方法和系统 | |
| CN109709943B (zh) | 一种自动驾驶公交车进站停靠点的选取方法 | |
| CN111006667B (zh) | 高速场景下的自动驾驶轨迹生成系统 | |
| Kala et al. | Planning of multiple autonomous vehicles using RRT | |
| CN107092257A (zh) | 一种agv小车的车载控制系统 | |
| CN115079702B (zh) | 一种混合道路场景下的智能车辆规划方法和系统 | |
| CN111137298A (zh) | 一种车辆自动驾驶方法、装置、系统和存储介质 | |
| CN115116220A (zh) | 一种用于矿区装卸场景的无人驾驶多车协同控制方法 | |
| CN112327887B (zh) | 基于迭代改进apf的无人驾驶汽车避碰路径规划方法与系统 | |
| CN112947491A (zh) | 一种无人车快速轨迹规划方法 | |
| CN113515111B (zh) | 一种车辆避障路径规划方法及装置 | |
| CN113525375B (zh) | 一种基于人工势场法的车辆换道方法及装置 | |
| CN114460933B (zh) | 一种面向动态环境的移动机器人局部路径规划算法 | |
| CN116048095A (zh) | 应用于多种类型agv的协同调度控制方法 | |
| Velenis et al. | Optimal velocity profile generation for given acceleration limits: Receding horizon implementation | |
| CN114594767A (zh) | 一种基于空地协同的无人车路径重规划方法 | |
| CN104574943B (zh) | 突发事件发生时能精准完成多车队指挥调度的方法及系统 | |
| CN114326713A (zh) | 基于二维码导航的多agv移动机器人路径优化方法 |
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 |