CN112241171A - 一种可绕障碍的轮式机器人直线轨迹跟踪方法 - Google Patents
一种可绕障碍的轮式机器人直线轨迹跟踪方法 Download PDFInfo
- Publication number
- CN112241171A CN112241171A CN202011072490.8A CN202011072490A CN112241171A CN 112241171 A CN112241171 A CN 112241171A CN 202011072490 A CN202011072490 A CN 202011072490A CN 112241171 A CN112241171 A CN 112241171A
- Authority
- CN
- China
- Prior art keywords
- robot
- obstacle
- speed
- linear
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004804 winding Methods 0.000 title abstract description 4
- 238000010586 diagram Methods 0.000 claims description 8
- 230000004888 barrier function Effects 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 3
- 241001465754 Metazoa Species 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000009795 derivation Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000011065 in-situ storage Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G05D1/0238—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
- G05D1/0212—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
- G05D1/0212—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
-
- 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
本发明公开了一种可绕障碍的轮式机器人直线轨迹跟踪方法,在全局地图使用人工规划路径后直线跟踪导航,能提高机器人移动的稳定性,且行走路径较为美观。为解决直线跟踪无法绕过障碍这一难题,本发明使用激光雷达实时监测障碍物,当检测到障碍物且存在大于2s,计算机器人当前位置和目标点位置的距离,若距离值大于谁当阈值,则采用DWA算法计算最优路径,实现绕障顺利达到目标点。本发明既可将人工规划路径的任务顺利完成,也可以在移动过程中实现对移动物体的避障,对原地图未出现的障碍及时绕行,具有智能化和实用化意义。
Description
技术领域
本发明涉及移动机器人导航领域,尤其是涉及一种可绕障碍的轮式机器人直线轨迹跟踪方法。
背景技术
随着人工智能相关科学技术的发展,移动机器人已经在各行各业中得到了广泛应用。在变电站复杂环境中,移动机器人可以将人从危险、繁重的工作环境中解放出来,自动巡检具有极大的优越性。其中机器人在完成任务时首先要知道自身当前位姿,通过激光雷达检测周围环境与已知地图实时匹配完成机器人定位;其次是要知道要去的终点,即当前任务的目标点位姿;最后机器人要分析计算如果从当前位姿移动到目标位姿。所以,机器人定位点与目标点之间的导航算法成为能否顺利完成任务的关键。
当前主要的导航方式有人工提前规划路径的轨迹跟踪方法和根据已知地图自动规划路径的导航方法。人工提前规划路径的轨迹跟踪方法的难点在于期望值随时间不断变化。现常用的方法有非线性状态反馈控制、滑模控制、自适应控制和智能控制方法。根据已知地图自动路径规划则有Dijkstra和A-Star等常用的全局路径规划法、DWA(DynamicWindow Approach)和TEB(Timed Elastic Band)等常用的局部路径规划法。
使用自动路径规划的方式导航,虽然能省去人工规划路径的局限性,在导航过程中也能实时避障、绕障,但是在变电站环境中,由于道路复杂且有些较为崎岖的道路不适应移动机器人经过,仅从激光雷达无法全面判断路况,需要人工辅助。使用人工规划路径后做轨迹跟踪的方式比较可靠,且行走轨迹较为美观可根据不用路况设置不用的行走方式,但是在机器人完成巡检任务时,只能根据规划好的路径绕行地图中已有的障碍物,无法做到实时绕障功能。
发明内容
本发明的目的在于提供一种可绕障的轮式机器人直线轨迹跟踪方法,该方法既可将人工规划路径的任务顺利完成,也可以在移动过程中实现对移动物体的避障,对原地图未出现的障碍及时绕行。
本发明的目的是这样实现的:
一种可绕障的轮式机器人直线轨迹跟踪方法,特征是:
步骤一:人工提前规划好各目标点间的路径,设起始点为B(xbegin,ybegin,θbegin),目标点为G(xgoal,ygoal,θgoal),机器人的实时位姿P(xcur,ycur,θcur),其中x、y为机器人二维平面内的横坐标、纵坐标,θ为当前机器人方向朝向的角度;
根据机器人差速驱动方式的运动学模型得到以下公式:VL为左轮速度,VR为右轮速度,r为驱动轮半径,L为轴间距;
机器人的线速度v即前进速度为:
机器人的角速度ω为:
由上式可得:
进一步计算机器人的左轮和右轮的线速度与机器人的角速度、前进速度之间的关系为:
vL=v-ωL
vR=v+ωL
联立可得:
根据上式可得在控制机器人移动时,机器人中的跟踪模块能实时发出v和ω的速度指令实现控制左右电机以指定角速度和线速度移动;
由于变电站特殊环境,路径均设置为两点间的直线。首先控制角速度使机器人在原地旋转,将朝向θ调整至直线方向,使机器人满足数学公式为:
|arctan((ygoal-ybegin)/(x2goal-xbegin))-θcur|<θerror;
步骤二:机器人方向调整至直线方向后,开始直线跟踪,使机器人沿着直线行走,但是由于车轮打滑、数据噪声这些因素,使得速度指令下发后不能严格地按直线行走,所以需要实时根据当前位姿控制角度和线速度使机器人朝着目标点移动,令(xcur,ycur,θcur)为机器人当前位姿,(xr,yr,θr)为机器人期望位姿,(xe,ye,θe)为机器人当前位姿与期望位姿的偏差;
计算角度误差时,引入sinθe/2,能够将θe的角度转化为(-1,1)内的单调函数,于是建立如下误差模型:
求导可得微分误差方程,针对误差方程构建如下线性表达式:
基于上述分析,需计算控制率使得误差微分方程趋于稳定,误差收敛到0,即可完成轨迹跟踪。
经计算可取如下控制率(以vr≠0的系统为例)
v=vrcosθe+k1xe
其中k1,k2,k3为控制参数,k1,k2,k3>0;
步骤三:在机器人直线跟踪移动时,通过激光雷达实时检测前方固定角度内的障碍物,如图2所示雷达扫面示意图,雷达一圈扫描点数为N,N为正整数,如图取正前方30°内的点实时监测,若满足下式2s,则系统判断前方有障碍阻挡;
其中d为设定的避障距离阈值,l是当前雷达检测到在(165°,195°)距离,n为满足(l<d)的点个数,之间的2s的时间限制是为了排除行人或者动物这些移动物体短暂经过机器人前导致误判断;
步骤四:如果确定前方出现障碍物,将导航任务交给DWA算法规划局部绕障路径。以差速前驱机器人为例:
1、设机器人可偏角的范围为(-π/2,π/2),间隔Δω取弧度值,最终有A个取值;
2、设机器人速度为(0,vmax)间隔Δvm/s取速度值,最终有B个取值;
3、仿真时长为ts;
4、构造DWA运动轨迹,即预测未来ts时间内的角度和速度组合下可能生成的所有运动轨迹,每条轨迹单独储存,则可以计算出A*B条运动轨迹;
5、一次对每一条轨迹做检测,如果与障碍物发生碰撞,则该轨迹删除
6、构造最终评价函数,在上述无碰撞的轨迹中,对机器人的速度、航向进行分析,选取最终的一组最优速度和角度组合作为机器人未来2s的移动轨迹,使机器人顺利绕过障碍物;
步骤五:机器人通过直线跟踪或者DWA路径规划运动满足如下数学公式时:
认为机器人x、y位置已经到,此时发送相应的ω控制指令,使其原地旋转满足如下数学公式:
|θcur-θgoal|<θerror
认为此次从B(xbegin,ybegin,θbegin)至目标点G(xgoal,ygoal,θgoal)导航到位。
本发明为一种可绕障的轮式机器人直线轨迹跟踪方法,在全局地图使用人工规划路径后直线跟踪导航,能提高机器人移动的稳定性,且行走路径较为美观。为解决直线跟踪无法绕过障碍这一难题,本发明使用激光雷达实时监测障碍物,引入DWA算法仿真最优轨迹实现绕障顺利达到目标点。本发明既可将人工规划路径的任务顺利完成,也可以在移动过程中实现对移动物体的避让,对原地图未出现的障碍及时绕行,具有智能化和实用化意义。
附图说明
图1是本发明的系统流程示意图;
图2是本发明的雷达扫面示意图;
图3是本发明的直线跟踪示意图;
图4是本发明的检测障碍示意图;
图5是本发明的绕行障碍示意图;
图6是本发明的到达目标点示意图。
具体实施方式:
下面结合实施例并对照附图对本发明作进一步详细说明。
本实施例提供一种可绕障的轮式机器人直线轨迹跟踪方法。本实施例使用机器人CSG-PIR-TS200进行算法演示,机器人搭载sick151二位激光雷达、运动控制模块、信息采集模块、轮式里程计、电源管理模块、工控机(处理器为i5-4300U)。
本实施例所用的栅格地图由谷歌开源算法cartographer生成,所测试地点为办公室和楼道。选择A作为起始点,B点作为目标点。规划直线路径,测试在路径图中有无障碍物观察机器人是否可以避障并且成功绕障。
经实验对比,本发明在路径没有障碍物时能进行直线跟踪至目标点;在路径中出现行人等移动无提示可暂停行走,待行人经过后继续直线跟踪至目标点;在路径中出现固定障碍物阻挡,能规划新的路径绕过局部障碍物至目标点。以下是具体操作步骤:
步骤一:将搭载二维激光雷达的机器人置于办公室中,正式开始定位前需加载已经建立好的办公室和楼道二维占据栅格地图,通过激光数据与地图信息实时匹配确定机器人当前位姿(xcur,ycur,θcur),基于机器人运动学模型,实时下发v和ω速度指令控制机器人的线速度和角速度选取C(xbegin,ybegin,θbegin)为起始点,D(xgoal,ygoal,θgoal)为目标点,如图3所示。令θerror=0.03通过下发合适的角速度使机器人原地旋转至满足如下公式:
|arctan((ygoal-ybegin)/(x2goal-xbegin))-θcur|<θerror;
步骤二:对AB直线跟踪导航,由于直线行走斜率一定,故选择以下2组控制律。
目标点较远时,距离大于0.5m:
v=0.5cosθe+0.2xe
目标点较近时,距离小于0.5m:
v=0.2cosθe+0.1xe
当其中v和ω同样受机器人最大速度限制;
步骤三:在机器人直线跟踪移动时,通过激光雷达实时检测前方固定角度内点云距离,如图4所示,设置避障距离阈值为1m,当激光雷达正前方30°点云距离大于1m点的个数大于N/36时,机器人认为前方有障碍物阻挡,将当前速度置为0,静止2s后如果仍然满足前方障碍物,且目标点距离大于车身长度和避障距离之和,则需要DWA规划路径绕障;
步骤四:确定在直线跟踪时检测到障碍物,DWA算法开始实时下发速度指令,根据机器人实际情况,设置仿真时间为2s,最大速度vmax为0.5m/s,如图所示行走路径至目标点实时下法角速度和线速度指令,直至绕过障碍物,如图5所示;
步骤五:令diserror=0.05m,θerror=0.03,机器人通过直线跟踪或者DWA路径规划运动满足如下数学公式时:
认为机器人x、y位置已经到位,此时发送相应的ω控制指令,使其原地旋转满足如下数学公式:
|θcur-θgoal|<θerror
此时机器人导航任务完成,如图6所示从起始点C移动至目标点D。
Claims (2)
1.一种可绕障的轮式机器人直线轨迹跟踪方法,其特征在于:
步骤一:人工提前规划好各目标点间的路径,设起始点为B(xbegin,ybegin,θbegin),目标点为G(xgoal,ygoal,θgoal),机器人的实时位姿P(xcur,ycur,θcur),其中x、y为机器人二维平面内的横坐标、纵坐标,θ为当前机器人方向朝向的角度;
根据机器人差速驱动方式的运动学模型得到以下公式:VL为左轮速度,VR为右轮速度,r为驱动轮半径,L为轴间距;
机器人的线速度v即前进速度为:
机器人的角速度ω为:
由上式可得:
进一步计算机器人的左轮和右轮的线速度与机器人的角速度、前进速度之间的关系为:
vL=v-ωL
vR=v+ωL
联立可得:
根据上式可得在控制机器人移动时,机器人中的跟踪模块能实时发出v和ω的速度指令实现控制左右电机以指定角速度和线速度移动;
由于变电站特殊环境,路径均设置为两点间的直线。首先控制角速度使机器人在原地旋转,将朝向θ调整至直线方向,使机器人满足数学公式为:
|arctan((ygoal-ybegin)/(x2goal-xbegin))-θcur|<θerror;
步骤二:机器人方向调整至直线方向后,开始直线跟踪,使机器人沿着直线行走,但是由于车轮打滑、数据噪声这些因素,使得速度指令下发后不能严格地按直线行走,所以需要实时根据当前位姿控制角度和线速度使机器人朝着目标点移动,令(xcur,ycur,θcur)为机器人当前位姿,(xr,yr,θr)为机器人期望位姿,(xe,ye,θe)为机器人当前位姿与期望位姿的偏差;
计算角度误差时,引入sinθe/2,能够将θe的角度转化为(-1,1)内的单调函数,于是建立如下误差模型:
求导可得微分误差方程,针对误差方程构建如下线性表达式:
基于上述分析,需计算控制率使得误差微分方程趋于稳定,误差收敛到0,即可完成轨迹跟踪。
经计算可取如下控制率(以vr≠0的系统为例)
v=vrcosθe+k1xe
其中k1,k2,k3为控制参数,k1,k2,k3>0;
步骤三:在机器人直线跟踪移动时,通过激光雷达实时检测前方固定角度内的障碍物,如图2所示雷达扫面示意图,雷达一圈扫描点数为N,N为正整数,如图取正前方30°内的点实时监测,若满足下式2s,则系统判断前方有障碍阻挡;
其中d为设定的障碍物最小距离阈值,l是当前雷达检测到在(165°,195°)距离,n为满足(l<d)的点个数,之间的2s的时间限制是为了排除行人或者动物这些移动物体短暂经过机器人前导致误判断;
步骤四:如果确定前方出现障碍物,将导航任务交给DWA算法规划局部绕障路径;
步骤五:机器人通过直线跟踪或者DWA路径规划运动满足如下数学公式时:
认为机器人x、y位置已经到,此时发送相应的ω控制指令,使其原地旋转满足如下数学公式:
|θcur-θgoal|<θerror
认为此次从B(xbegin,ybegin,θbegin)至目标点G(xgoal,ygoal,θgoal)导航到位。
2.根据权利要求1所述的可绕障的轮式机器人直线轨迹跟踪方法,其特征在于:在步骤四中:
(1)、设机器人可偏角的范围为(-π/2,π/2),间隔Δω取弧度值,最终有A个取值;
(2)、设机器人速度为(0,vmax)间隔Δvm/s取速度值,最终有B个取值;
(3)、仿真时长为ts;
(4)、构造DWA运动轨迹,即预测未来ts时间内的角度和速度组合下可能生成的所有运动轨迹,每条轨迹单独储存,则可以计算出A*B条运动轨迹;
(5)、一次对每一条轨迹做检测,如果与障碍物发生碰撞,则该轨迹删除
(6)、构造最终评价函数,在上述无碰撞的轨迹中,对机器人的速度、航向进行分析,选取最终的一组最优速度和角度组合作为机器人未来2s的移动轨迹,使机器人顺利绕过障碍物。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011072490.8A CN112241171A (zh) | 2020-10-09 | 2020-10-09 | 一种可绕障碍的轮式机器人直线轨迹跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011072490.8A CN112241171A (zh) | 2020-10-09 | 2020-10-09 | 一种可绕障碍的轮式机器人直线轨迹跟踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112241171A true CN112241171A (zh) | 2021-01-19 |
Family
ID=74168495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011072490.8A Pending CN112241171A (zh) | 2020-10-09 | 2020-10-09 | 一种可绕障碍的轮式机器人直线轨迹跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112241171A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112965495A (zh) * | 2021-02-10 | 2021-06-15 | 苏州清乐智能科技有限公司 | 消毒机器人及其自主导航方法 |
CN114043481A (zh) * | 2021-11-26 | 2022-02-15 | 上海景吾智能科技有限公司 | 自动避障的远程遥控方法及系统 |
CN115826588A (zh) * | 2023-02-14 | 2023-03-21 | 北京国安广传网络科技有限公司 | 基于lbs数据修正的健康管理机器人路径规划模块 |
CN116300969A (zh) * | 2023-05-16 | 2023-06-23 | 山东商业职业技术学院 | 一种移动机器人的路径跟踪方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455034A (zh) * | 2013-09-16 | 2013-12-18 | 苏州大学张家港工业技术研究院 | 一种基于最近距离向量场直方图的避障路径规划方法 |
WO2016045615A1 (zh) * | 2014-09-25 | 2016-03-31 | 科沃斯机器人有限公司 | 机器人静态路径规划方法 |
CN107065870A (zh) * | 2017-03-31 | 2017-08-18 | 深圳诺欧博智能科技有限公司 | 移动机器人自主导航系统及方法 |
CN107894773A (zh) * | 2017-12-15 | 2018-04-10 | 广东工业大学 | 一种移动机器人的导航方法、系统及相关装置 |
US20190094866A1 (en) * | 2017-09-22 | 2019-03-28 | Locus Robotics Corporation | Dynamic window approach using optimal reciprocal collision avoidance cost-critic |
CN109782756A (zh) * | 2018-12-29 | 2019-05-21 | 国网安徽省电力有限公司检修分公司 | 具有自主绕障行走功能的变电站巡检机器人 |
CN110716559A (zh) * | 2019-11-22 | 2020-01-21 | 河北工业大学 | 一种用于商场超市拣货机器人的综合控制方法 |
CN111337022A (zh) * | 2020-04-10 | 2020-06-26 | 深圳市银星智能科技股份有限公司 | 一种目标障碍物的检测方法、装置和机器人 |
CN111387887A (zh) * | 2020-05-15 | 2020-07-10 | 弗徕威智能机器人科技(上海)有限公司 | 一种避障方法、系统、存储介质及应用该方法的机器人 |
CN111459169A (zh) * | 2020-04-27 | 2020-07-28 | 四川智动木牛智能科技有限公司 | 基于轮式机器人的综合管廊巡检方法 |
-
2020
- 2020-10-09 CN CN202011072490.8A patent/CN112241171A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455034A (zh) * | 2013-09-16 | 2013-12-18 | 苏州大学张家港工业技术研究院 | 一种基于最近距离向量场直方图的避障路径规划方法 |
WO2016045615A1 (zh) * | 2014-09-25 | 2016-03-31 | 科沃斯机器人有限公司 | 机器人静态路径规划方法 |
CN107065870A (zh) * | 2017-03-31 | 2017-08-18 | 深圳诺欧博智能科技有限公司 | 移动机器人自主导航系统及方法 |
US20190094866A1 (en) * | 2017-09-22 | 2019-03-28 | Locus Robotics Corporation | Dynamic window approach using optimal reciprocal collision avoidance cost-critic |
CN107894773A (zh) * | 2017-12-15 | 2018-04-10 | 广东工业大学 | 一种移动机器人的导航方法、系统及相关装置 |
CN109782756A (zh) * | 2018-12-29 | 2019-05-21 | 国网安徽省电力有限公司检修分公司 | 具有自主绕障行走功能的变电站巡检机器人 |
CN110716559A (zh) * | 2019-11-22 | 2020-01-21 | 河北工业大学 | 一种用于商场超市拣货机器人的综合控制方法 |
CN111337022A (zh) * | 2020-04-10 | 2020-06-26 | 深圳市银星智能科技股份有限公司 | 一种目标障碍物的检测方法、装置和机器人 |
CN111459169A (zh) * | 2020-04-27 | 2020-07-28 | 四川智动木牛智能科技有限公司 | 基于轮式机器人的综合管廊巡检方法 |
CN111387887A (zh) * | 2020-05-15 | 2020-07-10 | 弗徕威智能机器人科技(上海)有限公司 | 一种避障方法、系统、存储介质及应用该方法的机器人 |
Non-Patent Citations (4)
Title |
---|
刘建聪: "轮式移动机器人的轨迹跟踪与自主避障研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
张瑞东: "轮式移动机器人控制系统研究与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
王化祥编著: "《现代传感技术及应用》", 30 June 2016, 天津:天津大学出版社 * |
高佳佳: "基于全局地图的移动机器人路径规划研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112965495A (zh) * | 2021-02-10 | 2021-06-15 | 苏州清乐智能科技有限公司 | 消毒机器人及其自主导航方法 |
CN112965495B (zh) * | 2021-02-10 | 2022-12-06 | 苏州清乐智能科技有限公司 | 消毒机器人及其自主导航方法 |
CN114043481A (zh) * | 2021-11-26 | 2022-02-15 | 上海景吾智能科技有限公司 | 自动避障的远程遥控方法及系统 |
CN115826588A (zh) * | 2023-02-14 | 2023-03-21 | 北京国安广传网络科技有限公司 | 基于lbs数据修正的健康管理机器人路径规划模块 |
CN115826588B (zh) * | 2023-02-14 | 2023-05-12 | 北京国安广传网络科技有限公司 | 基于lbs数据对健康管理机器人路径进行修正的规划模块 |
CN116300969A (zh) * | 2023-05-16 | 2023-06-23 | 山东商业职业技术学院 | 一种移动机器人的路径跟踪方法 |
CN116300969B (zh) * | 2023-05-16 | 2023-08-11 | 山东商业职业技术学院 | 一种移动机器人的路径跟踪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112241171A (zh) | 一种可绕障碍的轮式机器人直线轨迹跟踪方法 | |
Stahl et al. | Multilayer graph-based trajectory planning for race vehicles in dynamic scenarios | |
Sprunk et al. | An accurate and efficient navigation system for omnidirectional robots in industrial environments | |
Belkhouche | Reactive path planning in a dynamic environment | |
CN112518739B (zh) | 履带式底盘机器人侦察智能化自主导航方法 | |
Júnior et al. | EKF-LOAM: An adaptive fusion of LiDAR SLAM with wheel odometry and inertial data for confined spaces with few geometric features | |
CN110502010B (zh) | 一种基于贝塞尔曲线的移动机器人室内自主导航控制方法 | |
CN109900273B (zh) | 一种室外移动机器人导引方法及导引系统 | |
Vilca et al. | A novel safe and flexible control strategy based on target reaching for the navigation of urban vehicles | |
Wang et al. | Path planning combining improved rapidly-exploring random trees with dynamic window approach in ROS | |
Schmidt et al. | Construction site navigation for the autonomous excavator Thor | |
Song et al. | A new hybrid method in global dynamic path planning of mobile robot | |
Low et al. | Integrated planning and control of mobile robot with self-organizing neural network | |
CN113867341A (zh) | 一种高精度循迹和控制的巡逻车路径规划及跟踪算法 | |
KR101440565B1 (ko) | 무인운반차 및 이동로봇의 무선유도 제어방법 | |
Hurni et al. | A pseudospectral optimal motion planner for autonomous unmanned vehicles | |
Potiris et al. | Terrain-based path planning and following for an experimental mars rover | |
Adouane | Toward fully autonomous vehicle navigation: From behavioral to hybrid multi-controller architectures | |
Hentschel et al. | A hybrid feedback controller for car-like robots–combining reactive obstacle avoidance and global replanning | |
Vilca et al. | An overall control strategy based on target reaching for the navigation of an urban electric vehicle | |
Piccinelli et al. | Hybrid motion planner integrating global voronoi diagrams and local velocity obstacle method | |
Najim et al. | Omnidirectional mobil robot with navigation using SLAM | |
Luo et al. | An effective search and navigation model to an auto-recharging station of driverless vehicles | |
Luo et al. | Planning optimal trajectory for histogram-enabled mapping and navigation by an efficient PSO algorithm | |
Kim | Underwater surface scan utilizing an unmanned underwater vehicle with sampled range information |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210119 |
|
WD01 | Invention patent application deemed withdrawn after publication |