CN112256040A - 一种基于改进a*算法的自主导航智能轮椅路径规划方法 - Google Patents
一种基于改进a*算法的自主导航智能轮椅路径规划方法 Download PDFInfo
- Publication number
- CN112256040A CN112256040A CN202011221914.2A CN202011221914A CN112256040A CN 112256040 A CN112256040 A CN 112256040A CN 202011221914 A CN202011221914 A CN 202011221914A CN 112256040 A CN112256040 A CN 112256040A
- Authority
- CN
- China
- Prior art keywords
- node
- algorithm
- path planning
- wheelchair
- expanded
- 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 68
- 238000005096 rolling process Methods 0.000 claims abstract description 36
- 238000009792 diffusion process Methods 0.000 claims abstract description 20
- 235000012907 honey Nutrition 0.000 claims abstract description 13
- 230000004888 barrier function Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 4
- 239000000796 flavoring agent Substances 0.000 claims description 3
- 235000019634 flavors Nutrition 0.000 claims description 3
- 239000003205 fragrance Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 235000013305 food Nutrition 0.000 description 6
- 230000003993 interaction Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010845 search algorithm 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
- G05D1/0212—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
- G05D1/0276—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)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于改进A*算法的自主导航智能轮椅路径规划方法。所述方法包括:将地图栅格化并确定起点、终点;利用蜜糖扩散法对地图每个栅格标记气味素值;通过A*算法进行全局路径规划,A*算法运行后,每个节点只向气味素值比自身大的方向进行扩展,与传统A*算法向周围8个方向扩展相比缩减了每一步的扩展方向数量;通过滚动窗口算法进行局部路径规划,当轮椅陷入局部极小点时跳出滚动窗口算法,采用障碍物边沿跟随模式摆脱障碍物。与传统A*算法相比,本算法计算量更小、实时性更高;并且可以实现遇到动态障碍物时的局部路径规划,使轮椅可以处理在行驶过程中遇到的突发状况。
Description
技术领域
本发明涉及一种基于改进A*算法的自主导航智能轮椅路径规划方法,尤其涉及一种将改进A*算法和滚动窗口算法相结合的路径规划方法。
背景技术
目前全球人口老龄化现象势不可挡,中国已经成为世界上老年人口最多的国家。我国还面临着较大的残疾人规模,且残疾人口数量逐年增加。轮椅是老年人和残疾患者日常出行中必不可少的移动工具。现有的智能轮椅具有多种人机交互方式,适用于多种人群,但对于高度残疾患者仍无法实现自主出行,且在使用过程中需用户频繁操作,自行判断是否到达目的地。若智能轮椅具有路径规划的功能,在前往终点的运动过程中可以实现轮椅的自主移动与避障,则可以让高度残疾患者实现自主出行,同时可极大降低用户的操作难度,不但在人机交互上更加友好,也使得轮椅的操作更加安全、便捷。
路径规划是运动规划的主要研究内容之一。连接起点位置和终点位置的序列点或曲线称之为路径,构成路径的策略称之为路径规划。路径规划分为全局路径规划及局部路径规划,全局路径规划是基于先验环境信息,根据起点规划出一条到终点的全局路径;局部路径规划是在沿着全局路径规划生成的可行驶路线行驶过程中,通过传感器感知周围局部环境,在遇到突发状况时可以制定出一条最优的可控行驶的局部路径。
A*算法作为一种经典的全局路径规划算法,是在传统图搜索思维下的智能启发式算法,相比较传统图搜索算法具有搜索过程简单、规划路径简短等特点。但因其启发函数考虑维度简单导致A*算法的计算量较大,同时作为一种全局路径规划算法,A*算法不具有动态避障的功能,无法对轮椅移动过程中出现的动态障碍物进行规避。因此本发明将对传统A*算法进行改进,提出了一种基于改进A*算法的自主导航智能轮椅路径规划方法。
发明内容
本发明的目的在于公开一种基于改进A*算法的自主导航智能轮椅路径规划方法,使智能轮椅可完成起点至终点的路径规划并在移动过程中可自动规避动态障碍物。
一种基于改进A*算法的自主导航智能轮椅路径规划方法,包括:
步骤一、地图初始化:将地图栅格化并确定起点、终点;
步骤二、地图预处理:利用蜜糖扩散法对地图每个栅格标记气味素值;
步骤三、全局路径规划:通过A*算法进行全局路径规划,且A*算法运行后每个节点只向气味素值比自身大的方向进行扩展;
步骤四、局部路径规划:在轮椅移动过程中,若遇到动态障碍物,则通过滚动窗口算法进行局部路径规划,若未遇到则直接执行步骤六;
步骤五、若轮椅陷入局部极小点,进入障碍物边沿跟随模式绕过障碍物;
步骤六、完成路径规划。
步骤一中的地图栅格化是指将轮椅所处的地图空间分解成一个个独立的单元格,即栅格,并且栅格之间相互连接但不重叠。如果栅格中没有障碍物,那么轮椅在该栅格中可自由通行,反之,若栅格中存在障碍物则称为障碍栅格(对于障碍物仅占据部分空间的栅格同样视为障碍栅格),在蜜糖扩散法和A*算法运行时均不会对障碍栅格进行标记和扩展。
步骤二中的蜜糖扩散法是模仿气味从“食物”即源点往周围扩散的一种算法,假设在某一地点存放一带有浓烈气味的食物,食物的气味呈辐射状向周围扩展,距离越远味道越淡,处在相同距离的位置上的浓度则相差无几。
将路径规划的起点所在的栅格作为源点,气味的扩散是采用编号方式进行的,起点的编号是最小的,将其设置为1,逐点向外扩散气味,在气味扩散的过程中,将具有相同气味素值的栅格的集合称之为“等浓度集合”,气味的扩散是按照等浓度集合进行的,每扩散一次,气味素值加1,在扩散的过程中如果遇到已经标记有气味素值的栅格或者障碍物栅格则不进行标记,当地图中除障碍物外的所有栅格均标记气味素值后则标记结束。
步骤三中将蜜糖扩散法预处理后的地图中的每个栅格视为一个节点,利用A*算法进行全局路径规划,具体步骤为:
步骤三一、创建一个open list和一个close list,open list和close list初始状态均为空;
步骤三二、将起点视为当前节点,加入open list;
步骤三三、遍历open list,找到F值最小的节点并设为当前节点,将其加入closelist;
F值计算公式为:F=G+H,其中G值为起点、搜索过程中所选的父节点到当前节点过程中每两个相邻节点间的欧式距离和;H值为在无视障碍物的情况下从当前节点到终点的曼哈顿距离,即从当前节点到终点在水平方向和垂直方向上走过的距离和;
步骤三四、按下述a-c顺序判断气味素值比当前节点大且与当前节点相邻的所有待扩展节点:
a.若待扩展节点是障碍物所在节点或者已在close list中则忽略该待扩展节点;
b.若待扩展节点不是障碍物所在节点,也不在close list中,且不在open list中,并把当前节点设为其父节点,记录该待扩展节点的F、G和H值;
c.若待扩展节点已在open list中,当经过当前节点到达该待扩展节点的G值大于不经过当前节点直接到达该待扩展节点的G值,则将当前节点移出open list,并重新计算该待扩展节点的F、G和H值,然后将该待扩展节点设置为当前节点并将其加入close list;
步骤三五、重复步骤三三-步骤三四直至将终点加入open list;
步骤三六、将起点、搜索过程中所选的父节点及终点依次相连得到A*算法规划的全局路径。
步骤四中当轮椅在移动过程中遇到动态障碍物则会跳出A*算法进入滚动窗口算法进行局部路径规划。滚动窗口算法是基于预测控制理论的一种次优方法,其基本思想是依靠实时探测到的局部信息,以滚动的方式进行在线规划。在滚动的每一步,根据探测到的局部信息,用启发式方法生成局部子目标点,在当前滚动窗口内进行局部路径规划,随着滚动窗口的推进,不断取得新的环境信息,从而在滚动中实现优化与反馈的结合。
步骤五中在轮椅运动过程中面对凹型动态障碍物容易陷入局部极小点,为解决这一问题,本发明对传统滚动窗口算法进行改进:当检测到轮椅陷入局部极小点时将会跳出滚动窗口算法,采用障碍物边沿跟随模式以摆脱局部极小点,即令轮椅沿着障碍物边沿一直保持一定距离移动,直到完全绕开障碍物。设置当程序检测到轮椅移动方向连续发生两次接近180度的翻转时,则认定轮椅陷入局部极小点。
本发明的有益效果为:
本发明提出了一种基于改进A*算法的自主导航智能轮椅路径规划方法,将A*算法与滚动窗口算法相结合,使智能轮椅可完成起点至终点的路径规划,并在移动过程可自动规避动态障碍物。与传统A*算法相比,本算法计算量更小、实时性更高;并且可以实现对动态障碍物的局部路径规划,使轮椅在行驶过程中可以处理遇到的突发状况。
附图说明
图1为本发明涉及的一种基于改进A*算法的自主导航智能轮椅路径规划方法的实施例流程图。
图2为本发明涉及的一种基于改进A*算法的自主导航智能轮椅路径规划方法的地图栅格化效果图。
图3为本发明涉及的一种基于改进A*算法的自主导航智能轮椅路径规划方法的蜜糖扩散法扩散效果图。
图4为本发明涉及的一种基于改进A*算法的自主导航智能轮椅路径规划方法的A*算法进行全局路径规划的实施例流程图。
图5为本发明涉及的一种基于改进A*算法的自主导航智能轮椅路径规划方法的滚动窗口算法生成局部子目标点原理示意图。
图6为本发明涉及的一种基于改进A*算法的自主导航智能轮椅路径规划方法的陷入局部极小点的滚动窗口算法效果图。
具体实施方式
本发明提出了一种基于改进A*算法的自主导航智能轮椅路径规划方法。为了使本技术领域的人员更好地理解本发明实施例中的技术方案,并使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明中技术方案作进一步详细的说明:
具体实施方式一
本发明首先提供了一种基于改进A*算法的自主导航智能轮椅路径规划方法,如图1所示,具体方法如下:
步骤一、地图初始化:将地图栅格化并确定起点、终点;
步骤二、地图预处理:利用蜜糖扩散法对地图每个栅格标记气味素值;
步骤三、全局路径规划:通过A*算法进行全局路径规划,且A*算法运行后每个节点只向气味素值比自身大的方向进行扩展;
步骤四、局部路径规划:在轮椅移动过程中,若遇到动态障碍物,则通过滚动窗口算法进行局部路径规划,若未遇到则直接执行步骤六;
步骤五、若轮椅陷入局部极小点,进入障碍物边沿跟随模式绕过障碍物;
步骤六、完成路径规划。
具体实施方式二
在具体实施方式一的基础上,一种基于改进A*算法的自主导航智能轮椅路径规划方法所述的步骤一中地图栅格化的效果图如图2所示。地图栅格化是指将轮椅所处的地图空间分解成一个个独立的单元格,即栅格,并且栅格之间相互连接但不重叠。如果栅格中没有障碍物,那么轮椅在该栅格中可自由通行,反之,若栅格中存在障碍物则称为障碍栅格(对于障碍物仅占据部分空间的栅格同样视为障碍栅格),在蜜糖扩散法和A*算法运行时均不会对障碍栅格进行标记和扩展。
具体实施方式三
在具体实施方式一的基础上,一种基于改进A*算法的自主导航智能轮椅路径规划方法所述的步骤二中利用蜜糖扩散法对地图进行预处理的扩散效果图如图3所示,蜜糖扩散法是模仿气味从“食物”即源点往周围扩散的一种算法,假设在某一地点存放一带有浓烈气味的食物,食物的气味呈辐射状向周围扩展,距离越远味道越淡,处在相同距离的位置上的浓度则相差无几。
将路径规划的起点所在的栅格作为源点,气味的扩散是采用编号方式进行的,起点的编号是最小的,将其设置为1,逐点向外扩散气味,在气味扩散的过程中,将具有相同气味素值的栅格的集合称之为“等浓度集合”,气味的扩散是按照等浓度集合进行的,每扩散一次,气味素值加1,在扩散的过程中如果遇到已经标记有气味素值的栅格或者障碍物栅格则不进行标记,当地图中除障碍物外的所有栅格均标记气味素值后则标记结束。图2为以地图右上角顶点为源点扩散的扩散效果图。
具体实施方式四
在具体实施方式一的基础上,一种基于改进A*算法的自主导航智能轮椅路径规划方法所述的步骤三中利用A*算法进行全局路径规划的实施例流程图如图4所示,具体步骤为:
具体操作为:
步骤三一、创建一个open list和一个close list,open list和close list初始状态均为空;
步骤三二、将起点视为当前节点,加入open list;
步骤三三、遍历open list,找到F值最小的节点并设为当前节点,将其加入closelist;
F值计算公式为:F=G+H,其中G值为起点、搜索过程中所选的父节点到当前节点过程中每两个相邻节点间的欧式距离和;H值为在无视障碍物的情况下从当前节点到终点的曼哈顿距离,即从当前节点到终点在水平方向和垂直方向上走过的距离和;
步骤三四、按下述a-c顺序判断气味素值比当前节点大且与当前节点相邻的所有待扩展节点:
a.若待扩展节点是障碍物所在节点或者已在close list中则忽略该待扩展节点;
b.若待扩展节点不是障碍物所在节点,也不在close list中,且不在open list中,并把当前节点设为其父节点,记录该待扩展节点的F、G和H值;
c.若待扩展节点已在open list中,当经过当前节点到达该待扩展节点的G值大于不经过当前节点直接到达该待扩展节点的G值,则将当前节点移出open list,并重新计算该待扩展节点的F、G和H值,然后将该待扩展节点设置为当前节点并将其加入close list;
步骤三五、重复步骤三三-步骤三四直至将终点加入open list;
步骤三六、将起点、搜索过程中所选的父节点及终点依次相连得到A*算法规划的全局路径。
具体实施方式五
在具体实施方式一的基础上,一种基于改进A*算法的自主导航智能轮椅路径规划方法所述的步骤五中利用滚动窗口算法进行局部路径规划时生成局部子目标点原理示意图如图5所示。在具体应用中,轮椅在移动过程中利用携带的测距传感器检测周围环境,若检测到动态障碍物则跳出A*算法进入滚动窗口算法进行局部路径规划。
滚动窗口算法在滚动的每一步,根据探测到的局部信息,用启发式方法生成局部子目标点,在当前滚动窗口内进行局部路径规划,随着滚动窗口的推进,不断取得新的环境信息,在不断更新的滚动窗口中,局部子目标点P可以看作路径规划终点在滚动窗口内的映射。在t时刻,当前滚动窗口记为W(t),局部子目标点的产生规则如公式(1)所示:
若终点K在当前滚动窗口内,则当前窗口的局部子目标点P即为K;若全局终点K不在当前滚动窗口内,则选取使f(P1)最小的节点作为子目标点P。当确定当前窗口的局部子目标点P后,则更改轮椅行进方向,使轮椅朝向局部子目标点进行移动,到达局部子目标点P后更新滚动窗口,生成新的局部子目标点,不断重复上述过程直至绕过障碍物。
f(P)的计算公式如公式(2)所示,其计算方式借鉴了A*算法的启发式函数计算方法。
f(P1)=g(P1)+h(P1) (2)
式中g(P1)为轮椅由当前位置P行进到P1的代价;h(P1)为轮椅由P1行进到终点K的代价。
g(P1)的取值方法以P1是否属于可达区域来确定,即若P1点在可达区域内,则g(P1)=0;若P1点在不可达区域内,则g(P1)=+∞。h(P1)采用从P1点行进至终点K的欧式距离计算。
具体实施方式六
在具体实施方式一的基础上,一种基于改进A*算法的自主导航智能轮椅路径规划方法所述的步骤六中轮椅运动过程中面对凹型动态障碍物容易陷入局部极小点,陷入局部极小点的滚动窗口算法效果图如图6所示。
为解决这一问题,本发明对传统滚动窗口算法进行改进:当检测到轮椅陷入局部极小点时将会跳出滚动窗口算法,采用障碍物边沿跟随模式以摆脱局部极小点,在具体应用中即通过测距传感器令轮椅沿着障碍物边沿一直保持一定距离移动,直到完全绕开障碍物。设置当程序检测到轮椅移动方向连续发生两次接近180度的翻转时,则认定轮椅陷入局部极小点。
Claims (5)
1.一种基于改进A*算法的自主导航智能轮椅路径规划方法,其特征在于:通过以下步骤实现:
步骤一、地图初始化:将地图栅格化并确定起点、终点;
步骤二、地图预处理:利用蜜糖扩散法对地图每个栅格标记气味素值;
步骤三、全局路径规划:通过A*算法进行全局路径规划,且A*算法运行后每个节点只向气味素值比自身大的方向进行扩展;
步骤四、局部路径规划:在轮椅移动过程中,若遇到动态障碍物,则通过滚动窗口算法进行局部路径规划,若未遇到则直接执行步骤六;
步骤五、若轮椅陷入局部极小点,进入障碍物边沿跟随模式绕过障碍物;
步骤六、完成路径规划。
2.根据权利要求1所述的基于改进A*算法的自主导航智能轮椅路径规划方法,其特征在于:所述的步骤二中利用蜜糖扩散法对地图每个栅格标记气味素值通过以下步骤实现:
步骤二一、将路径规划起点所在的栅格作为源点,并将其气味素值设置为1;
步骤二二、采用8邻域扩展方式向外扩散气味,每扩散一次,气味素值加1;
步骤二三、在扩散的过程中如果遇到已经标记有气味素值的栅格或者障碍物栅格则不进行标记;
步骤二四、当地图中除障碍物外的所有栅格均标记气味素值后则标记结束。
3.根据权利要求1所述的基于改进A*算法的自主导航智能轮椅路径规划方法,其特征在于:所述步骤三中将蜜糖扩散法预处理后的地图中的每个栅格视为一个节点,采用A*算法进行全局路径规划,具体步骤为:
步骤三一、创建一个open list和一个close list,open list和close list初始状态均为空;
步骤三二、将起点视为当前节点,加入open list;
步骤三三、遍历open list,找到F值最小的节点并设为当前节点,将其加入closelist;
F值计算公式为:F=G+H,其中G值为起点、搜索过程中所选的父节点到当前节点过程中每两个相邻节点间的欧式距离和;H值为在无视障碍物的情况下从当前节点到终点的曼哈顿距离,即从当前节点到终点在水平方向和垂直方向上走过的距离和;
步骤三四、按下述a-c顺序判断气味素值比当前节点大且与当前节点相邻的所有待扩展节点:
a.若待扩展节点是障碍物所在节点或者已在close list中则忽略该待扩展节点;
b.若待扩展节点不是障碍物所在节点,也不在close list中,且不在open list中,则将其加入open list,并把当前节点设为其父节点,记录该待扩展节点的F、G和H值;
c.若待扩展节点已在open list中,当经过当前节点到达该待扩展节点的G值大于不经过当前节点直接到达该待扩展节点的G值,则将当前节点移出open list,并重新计算该待扩展节点的F、G和H值,然后将该待扩展节点设置为当前节点并将其加入close list;
步骤三五、重复步骤三三-步骤三四直至将终点加入open list;
步骤三六、将起点、搜索过程中所选的父节点及终点依次相连得到A*算法规划的全局路径。
4.根据权利要求1所述的基于改进A*算法的自主导航智能轮椅路径规划方法,通过滚动窗口算法进行局部路径规划,其特征在于:
在轮椅移动过程中,若遇到动态障碍物,通过滚动窗口算法进行局部路径规划,当检测到轮椅陷入局部极小点时则跳出滚动窗口算法,采用障碍物边沿跟随模式以摆脱局部极小点,即令轮椅沿着障碍物边沿一直保持一定距离移动,直到完全绕开障碍物。
5.根据权利要求4所述的基于改进A*算法的自主导航智能轮椅路径规划方法,其特征在于:判断轮椅陷入局部极小点的方法为:
当程序检测到轮椅移动方向连续发生两次接近180度的翻转时,则认定轮椅陷入局部极小点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011221914.2A CN112256040A (zh) | 2020-11-05 | 2020-11-05 | 一种基于改进a*算法的自主导航智能轮椅路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011221914.2A CN112256040A (zh) | 2020-11-05 | 2020-11-05 | 一种基于改进a*算法的自主导航智能轮椅路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112256040A true CN112256040A (zh) | 2021-01-22 |
Family
ID=74268199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011221914.2A Pending CN112256040A (zh) | 2020-11-05 | 2020-11-05 | 一种基于改进a*算法的自主导航智能轮椅路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112256040A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113075927A (zh) * | 2021-03-22 | 2021-07-06 | 哈尔滨理工大学 | 基于预约表的仓储潜伏式多agv路径规划方法 |
CN113341978A (zh) * | 2021-06-10 | 2021-09-03 | 西北工业大学 | 一种基于梯型障碍物的智能小车路径规划方法 |
CN113362923A (zh) * | 2021-06-03 | 2021-09-07 | 南通市第一人民医院 | 一种骨质疏松患者的路径智能规划方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105955262A (zh) * | 2016-05-09 | 2016-09-21 | 哈尔滨理工大学 | 一种基于栅格地图的移动机器人实时分层路径规划方法 |
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 |
-
2020
- 2020-11-05 CN CN202011221914.2A patent/CN112256040A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105955262A (zh) * | 2016-05-09 | 2016-09-21 | 哈尔滨理工大学 | 一种基于栅格地图的移动机器人实时分层路径规划方法 |
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 |
Non-Patent Citations (4)
Title |
---|
张琦: "移动机器人的路径规划与定位技术研究", 《中国优秀博硕士学位论文全文数据库信息科技辑》 * |
段锁林,等: "智能轮椅路径规划优化问题的研究", 《计算机仿真》 * |
袁源强: "智能轮椅室内建图及自主导航技术研究", 《中国优秀博硕士学位论文全文数据库工程科技II辑》 * |
陈孟元: "《移动机器人SLAM、目标跟踪及路径规划》", 31 May 2018 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113075927A (zh) * | 2021-03-22 | 2021-07-06 | 哈尔滨理工大学 | 基于预约表的仓储潜伏式多agv路径规划方法 |
CN113362923A (zh) * | 2021-06-03 | 2021-09-07 | 南通市第一人民医院 | 一种骨质疏松患者的路径智能规划方法及系统 |
CN113362923B (zh) * | 2021-06-03 | 2022-05-13 | 南通市第一人民医院 | 一种骨质疏松患者的路径智能规划方法及系统 |
CN113341978A (zh) * | 2021-06-10 | 2021-09-03 | 西北工业大学 | 一种基于梯型障碍物的智能小车路径规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112256040A (zh) | 一种基于改进a*算法的自主导航智能轮椅路径规划方法 | |
CN106970614A (zh) | 改进的栅格拓扑语义环境地图的构建方法 | |
Amigoni et al. | A multi-objective exploration strategy for mobile robots | |
Zhu et al. | DSVP: Dual-stage viewpoint planner for rapid exploration by dynamic expansion | |
Gomez et al. | Hybrid topological and 3d dense mapping through autonomous exploration for large indoor environments | |
Panda et al. | An effective path planning of mobile robot using genetic algorithm | |
CN110006429A (zh) | 一种基于深度优化的无人船航迹规划方法 | |
Kiesel et al. | Abstraction-guided sampling for motion planning | |
Qian et al. | Robot path planning optimization method based on heuristic multi-directional rapidly-exploring tree | |
Rufli et al. | Smooth path planning in constrained environments | |
García et al. | An efficient multi-robot path planning solution using A* and coevolutionary algorithms | |
Hirakawa et al. | Scene context-aware rapidly-exploring random trees for global path planning | |
Wang et al. | Path Planning for Mobile Robots Based on Improved A* Algorithm | |
Basilico et al. | Exploration Strategies based on Multi-Criteria Decision Making for an Autonomous Mobile Robot. | |
Brown et al. | The constriction decomposition method for coverage path planning | |
CN113124875A (zh) | 一种路径导航方法 | |
CN115826586B (zh) | 一种融合全局算法和局部算法的路径规划方法及系统 | |
Parque et al. | Optimization of route bundling via differential evolution with a convex representation | |
Kala | Sampling based mission planning for multiple robots | |
Phridviraj et al. | Internet of things (IoT) based shortest route between departments within a university by applying nature inspired computing (NIC) algorithm | |
Korkmaz | Human-aware dynamic path planning | |
Muntean | Mobile robot navigation on partially known maps using a fast a star algorithm version | |
Scerri et al. | Towards an understanding of the impact of autonomous path planning on victim search in USAR | |
Abraham et al. | A topological approach of path planning for autonomous robot navigation in dynamic environments | |
Gasser et al. | Voxplan: A 3d global planner using signed distance function submaps |
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: 20210122 |
|
WD01 | Invention patent application deemed withdrawn after publication |