CN112327828A - 路径规划方法、装置及计算机可读存储介质 - Google Patents

路径规划方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN112327828A
CN112327828A CN202011070348.XA CN202011070348A CN112327828A CN 112327828 A CN112327828 A CN 112327828A CN 202011070348 A CN202011070348 A CN 202011070348A CN 112327828 A CN112327828 A CN 112327828A
Authority
CN
China
Prior art keywords
robot
information
obstacle
path
passing
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
Application number
CN202011070348.XA
Other languages
English (en)
Inventor
顾震江
赖馨钻
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.)
Uditech Co Ltd
Original Assignee
Uditech 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 Uditech Co Ltd filed Critical Uditech Co Ltd
Priority to CN202011070348.XA priority Critical patent/CN112327828A/zh
Publication of CN112327828A publication Critical patent/CN112327828A/zh
Pending legal-status Critical Current

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
    • G05D1/0231—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 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
    • G05D1/0221—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 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
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • 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
    • G05D1/0257—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 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Abstract

本发明公开了一种路径规划方法、装置及计算机可读存储介质，属于人工智能技术领域。所述路径规划方法包括：获取第一机器人周围的环境信息，并获取第二机器人的障碍信息；根据所述环境信息及所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物；若所述初始路径存在通行障碍物，则控制所述第一机器人重新规划路径。本发明可及时得知其他环境的障碍信息，从而提前重新规划路径，以提高机器人路径规划效率。

Description

路径规划方法、装置及计算机可读存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种路径规划方法、装置及计算机可读存储介质。
背景技术
随着科技的快速发展，机器人已逐渐深入到人类生活的方方面面。目前，机器人在商场、餐厅、酒店、KTV等服务场所得到了广泛应用。通常，利用机器人进行迎宾、带领客人进入包厢、送餐和将物品送达包厢等服务，以节约人力成本。因此，当机器人执行一个任务时，需进行路径规划，以避开障碍物，并成功到达目的地。
目前，机器人规划路径只能依据机器人当前所检测出来的环境信息，而无法估计到其他环境信息。在复杂环境中，当其他环境中出现障碍物时，机器人无法及时得知障碍信息，从而无法及时规划新路径，导致机器人被障碍物阻挡后才重新规划路径，使得机器人路径规划效率低。
发明内容
本发明的主要目的在于提供一种路径规划方法、装置及计算机可读存储介质，旨在提高机器人路径规划效率。
为实现上述目的，本发明提供一种路径规划方法，所述路径规划方法包括以下步骤：
获取第一机器人周围的环境信息，并获取第二机器人的障碍信息；
根据所述环境信息及所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物；
若所述初始路径存在通行障碍物，则控制所述第一机器人重新规划路径。
可选地，所述若所述初始路径存在通行障碍物，则控制所述第一机器人重新规划路径的步骤包括：
若所述初始路径存在通行障碍物，则获取所述第一机器人所在区域的数字地图；
根据所述数字地图及所述环境信息，确定所述第一机器人的当前位置；
将所述环境信息及所述第二机器人的障碍信息进行结合，得到信息集合；
根据所述数字地图、所述当前位置及所述信息集合，控制所述第一机器人重新规划路径。
可选地，所述数字地图为栅格地图；
所述根据所述数字地图、所述当前位置及所述信息集合，控制所述第一机器人重新规划路径的步骤包括：
将所述信息集合转换为以所述数字地图为参考系的地图坐标；
根据所述地图坐标，建立障碍栅格地图；
将所述数字地图与所述障碍栅格地图进行合并，得到环境栅格地图；
根据所述当前位置及所述环境栅格地图，控制所述第一机器人利用最短路径搜索算法重新规划路径。
可选地，所述根据所述当前位置及所述环境栅格地图，控制所述第一机器人利用最短路径搜索算法重新规划路径的步骤包括：
将所述环境栅格地图的未知区域、障碍物区域及无障碍物区域分别进行赋值；
根据预设似然场构建公式及赋值后的环境栅格地图，构建地图似然场；
根据所述当前位置及所述地图似然场，控制所述第一机器人利用最短路径搜索算法重新规划路径。
可选地，所述获取第一机器人周围的环境信息，并获取第二机器人的障碍信息的步骤包括：
通过传感器获取第一机器人周围的环境信息；
通过预设交互方式获取第二机器人的障碍信息。
可选地，所述获取第一机器人周围的环境信息，并获取第二机器人的障碍信息的步骤之前，还包括：
构建第一机器人与第二机器人的无向拓扑图；
根据所述无向拓扑图，构建分布式的信息交互模型；
其中，所述通过预设交互方式获取第二机器人的障碍信息的步骤包括：
通过所述信息交互模型直接获取所述第二机器人发送的障碍信息。
可选地，所述根据所述环境信息及所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物的步骤包括：
根据所述环境信息，判断所述第一机器人周围是否存在通行障碍物；
若所述第一机器人周围存在通行障碍物，则获取所述第一机器人的障碍信息；
根据所述第一机器人的障碍信息及所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物；
若所述第一机器人周围不存在通行障碍物，则根据所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物。
可选地，所述路径规划方法还包括：
根据所述环境信息，判断所述第一机器人周围是否存在通行障碍物；
若所述第一机器人周围存在通行障碍物，则生成所述第一机器人的障碍信息以供传输至所述第二机器人。
此外，为实现上述目的，本发明还提供一种路径规划装置，所述路径规划装置包括：
信息获取模块，用于获取第一机器人周围的环境信息，并获取第二机器人的障碍信息；
障碍判断模块，用于根据所述环境信息及所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物；
路径规划模块，用于若所述初始路径存在通行障碍物，则控制所述第一机器人重新规划路径。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有路径规划程序，所述路径规划程序被处理器执行时实现如上所述的路径规划方法的步骤。
本发明提供一种路径规划方法、装置及计算机可读存储介质，获取第一机器人周围的环境信息，并获取第二机器人的障碍信息；根据环境信息及第二机器人的障碍信息，判断第一机器人的初始路径是否存在通行障碍物；若初始路径存在通行障碍物，则控制第一机器人重新规划路径。通过上述方式，本发明获取第一机器人周围的环境信息，即获取待规划路径机器人当前所检测出来的环境信息，并获取第二机器人的障碍信息，即获取其他机器人所处的其他环境信息中的障碍信息，然后，综合考虑第一机器人周围的环境信息及第二机器人的障碍信息，判断第一机器人的初始路径是否存在通行障碍物，以使机器人及时得知障碍信息，然后根据障碍信息，及时规划新路径。相比机器人被障碍物阻挡后才重新规划路径，本发明提前重新规划路径，以提高机器人路径规划效率。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的终端结构示意图；
图2为本发明路径规划方法第一实施例的流程示意图；
图3为本发明路径规划方法第二实施例的流程示意图；
图4为本发明路径规划方法第三实施例的流程示意图；
图5为本发明路径规划方法第四实施例的流程示意图；
图6为本发明路径规划方法第五实施例的流程示意图；
图7为本发明机器人避让装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端为路径规划设备，该路径规划设备可以为机器人、PC(personalcomputer，个人计算机)、笔记本电脑、服务器等具有处理功能的终端设备。
如图1所示，该终端可以包括：处理器1001，例如CPU(Central Processing Unit，中央处理器)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及路径规划程序。
在图1所示的终端中，处理器1001可以用于调用存储器1005中存储的路径规划程序，并执行以下操作：
获取第一机器人周围的环境信息，并获取第二机器人的障碍信息；
根据所述环境信息及所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物；
若所述初始路径存在通行障碍物，则控制所述第一机器人重新规划路径。
进一步地，处理器1001可以用于调用存储器1005中存储的路径规划程序，还执行以下操作：
若所述初始路径存在通行障碍物，则获取所述第一机器人所在区域的数字地图；
根据所述数字地图及所述环境信息，确定所述第一机器人的当前位置；
将所述环境信息及所述第二机器人的障碍信息进行结合，得到信息集合；
根据所述数字地图、所述当前位置及所述信息集合，控制所述第一机器人重新规划路径。
进一步地，所述数字地图为栅格地图，处理器1001可以用于调用存储器1005中存储的路径规划程序，还执行以下操作：
将所述信息集合转换为以所述数字地图为参考系的地图坐标；
根据所述地图坐标，建立障碍栅格地图；
将所述数字地图与所述障碍栅格地图进行合并，得到环境栅格地图；
根据所述当前位置及所述环境栅格地图，控制所述第一机器人利用最短路径搜索算法重新规划路径。
进一步地，处理器1001可以用于调用存储器1005中存储的路径规划程序，还执行以下操作：
将所述环境栅格地图的未知区域、障碍物区域及无障碍物区域分别进行赋值；
根据预设似然场构建公式及赋值后的环境栅格地图，构建地图似然场；
根据所述当前位置及所述地图似然场，控制所述第一机器人利用最短路径搜索算法重新规划路径。
进一步地，处理器1001可以用于调用存储器1005中存储的路径规划程序，还执行以下操作：
通过传感器获取第一机器人周围的环境信息；
通过预设交互方式获取第二机器人的障碍信息。
进一步地，处理器1001可以用于调用存储器1005中存储的路径规划程序，还执行以下操作：
构建第一机器人与第二机器人的无向拓扑图；
根据所述无向拓扑图，构建分布式的信息交互模型；
其中，所述通过预设交互方式获取第二机器人的障碍信息的步骤包括：
通过所述信息交互模型直接获取所述第二机器人发送的障碍信息。
进一步地，处理器1001可以用于调用存储器1005中存储的路径规划程序，还执行以下操作：
根据所述环境信息，判断所述第一机器人周围是否存在通行障碍物；
若所述第一机器人周围存在通行障碍物，则获取所述第一机器人的障碍信息；
根据所述第一机器人的障碍信息及所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物；
若所述第一机器人周围不存在通行障碍物，则根据所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物。
进一步地，处理器1001可以用于调用存储器1005中存储的路径规划程序，还执行以下操作：
根据所述环境信息，判断所述第一机器人周围是否存在通行障碍物；
若所述第一机器人周围存在通行障碍物，则生成所述第一机器人的障碍信息以供传输至所述第二机器人。
基于上述硬件结构，提出本发明路径规划方法各个实施例。
本发明提供一种路径规划方法。
参照图2，图2为本发明路径规划方法第一实施例的流程示意图。
在本实施例中，该路径规划方法包括以下步骤S10-S30：
步骤S10，获取第一机器人周围的环境信息，并获取第二机器人的障碍信息；
在本实施例中，该路径规划方法由路径规划设备实现，该路径规划设备可以为机器人、PC、笔记本电脑、服务器等具有处理功能的终端设备。该路径规划设备以机器人为例进行说明。
在本实施例中，获取第一机器人周围的环境信息，并获取第二机器人的障碍信息。其中，第一机器人为待规划路径的机器人，第二机器人可以包括1个或多个，第二机器人为第一机器人所处区域内的其他机器人。
需要说明的是，第一机器人周围的环境信息包括通行障碍物的障碍信息、通行道路信息，固定障碍物信息等信息。其中，通行障碍物为通行道路上的障碍物，该通行障碍物为动态障碍物，该动态障碍物为人、动物、机器人及被移动的物体；障碍信息包括通行障碍物的坐标等；通行道路信息包括通行道路的坐标等；固定障碍物信息包括墙壁的坐标、柱子的坐标、桌子的坐标等。上述坐标为以传感器为参考系的坐标，当然，该坐标还可以为以数字地图参考系的坐标，其中，数字地图是在一定坐标系统内具有确定的坐标和属性的地面要素和现象的离散数据，在计算机上为可识别的可存储介质上概括的、有序的集合，该数字地图包括但不仅仅限于栅格地图、矢量地图等。
此外，还需要说明的是，可通过激光雷达传感器、距离传感器等传感器获取第一机器人周围的环境信息，当然，还可以通过摄像头获取第一机器人周围的环境信息；可通过网络通信(WI-FI、4G、5G等)或短距离通信(蓝牙、ZigBee(紫蜂)等)获取第二机器人的障碍信息。其中，获取第二机器人的障碍信息，可通过构建信息交互模型，以使第一机器人可与第二机器人相互交互，当然，第二机器人还可以将障碍信息上传至服务器，再由服务器进行转发。
具体的，步骤S10包括以下步骤a11-a12：
步骤a11，通过传感器获取第一机器人周围的环境信息
在本实施例中，通过传感器获取第一机器人周围的环境信息。其中，传感器根据实际需要进行设定，例如激光雷达传感器、距离传感器等，此处不作具体限定。
步骤a12，通过预设交互方式获取第二机器人的障碍信息。
在本实施例中，通过预设交互方式获取第二机器人的障碍信息。其中，预设交互方式根据实际需要进行设定，例如WI-FI、4G、5G、蓝牙、ZigBee等通信方式，此处不作具体限定，在建立上述通信方式基础上，可以构建信息交互模型进行交互，以实现各个机器人之间的快速交互。
步骤S20，根据所述环境信息及所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物；
在本实施例中，根据环境信息及第二机器人的障碍信息，判断第一机器人的初始路径是否存在通行障碍物。具体的，先提取环境信息中第一机器人的障碍信息，然后将第一机器人的障碍信息与第二机器人的障碍信息进行合并，最后，根据合并后的障碍信息，判断第一机器人的初始路径是否存在通行障碍物。
需要说明的是，初始路径为第一机器人在无通行障碍物时，通过最短路径搜索算法规划的路径；通行障碍物为第一机器人通行道路上的物体，并且，该物体可阻挡第一机器人前进。
具体的，步骤S20包括以下步骤a21-a24：
步骤a21，根据所述环境信息，判断所述第一机器人周围是否存在通行障碍物；
在本实施例中，根据环境信息，判断第一机器人周围是否存在通行障碍物。具体的，查看环境信息中是否存在通行障碍物的障碍信息，若环境信息中存在通行障碍物的障碍信息，则判定第一机器人周围存在通行障碍物；若环境信息中不存在通行障碍物的障碍信息，则判定第一机器人周围不存在通行障碍物。
步骤a22，若所述第一机器人周围存在通行障碍物，则获取所述第一机器人的障碍信息；
在本实施例中，若第一机器人周围存在通行障碍物，则获取第一机器人的障碍信息。其中，第一机器人的障碍信息包括第一机器人周围通行障碍物的坐标等，该坐标为以传感器为参考系的坐标，当然，还可以选择其他参考系，此处不作赘述。
步骤a23，根据所述第一机器人的障碍信息及所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物；
在本实施例中，根据第一机器人的障碍信息及第二机器人的障碍信息，判断第一机器人的初始路径是否存在通行障碍物。具体的，若第一机器人的障碍信息或第二机器人的障碍信息中的一通行障碍物的坐标与第一机器人的初始路径坐标有重叠，则判定第一机器人的初始路径存在通行障碍物；若第一机器人的障碍信息或第二机器人的障碍信息中的任一通行障碍物的坐标与第一机器人的初始路径坐标均没有重叠，则判定第一机器人的初始路径不存在通行障碍物。
步骤a24，若所述第一机器人周围不存在通行障碍物，则根据所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物。
在本实施例中，若第一机器人周围不存在通行障碍物，则根据第二机器人的障碍信息，判断第一机器人的初始路径是否存在通行障碍物。具体的，若第二机器人的障碍信息中的一通行障碍物的坐标与第一机器人的初始路径坐标有重叠，则判定第一机器人的初始路径存在通行障碍物；第二机器人的障碍信息中的任一通行障碍物的坐标与第一机器人的初始路径坐标均没有重叠，则判定第一机器人的初始路径不存在通行障碍物。
可以理解，若第一机器人的环境信息中无障碍信息，则只需根据第二机器人的障碍信息，判断第一机器人的初始路径是否存在通行障碍物，从而进一步提高路径规划效率。
步骤S30，若所述初始路径存在通行障碍物，则控制所述第一机器人重新规划路径。
在本实施例中，若初始路径存在通行障碍物，则控制第一机器人重新规划路径。具体的，首先，根据第一机器人所在区域的数字地图及环境信息，确定第一机器人的当前位置，然后，根据当前位置、数字地图、环境信息、第二机器人的障碍信息及第一机器人的目标位置，控制第一机器人利用最短路径搜索算法重新规划路径。具体的执行过程如下第二实施例所述，此处不作赘述。
本发明实施例提供一种路径规划方法，获取第一机器人周围的环境信息，并获取第二机器人的障碍信息；根据环境信息及第二机器人的障碍信息，判断第一机器人的初始路径是否存在通行障碍物；若初始路径存在通行障碍物，则控制第一机器人重新规划路径。通过上述方式，本发明实施例获取第一机器人周围的环境信息，即获取待规划路径机器人当前所检测出来的环境信息，并获取第二机器人的障碍信息，即获取其他机器人所处的其他环境信息中的障碍信息，然后，综合考虑第一机器人周围的环境信息及第二机器人的障碍信息，判断第一机器人的初始路径是否存在通行障碍物，以使机器人及时得知障碍信息，然后根据障碍信息，及时规划新路径。相比机器人被障碍物阻挡后才重新规划路径，本发明实施例提前重新规划路径，以提高机器人路径规划效率。
进一步地，基于上述第一实施例，提出本发明路径规划方法的第二实施例。
参照图3，图3为本发明路径规划方法第二实施例的流程示意图。
在本实施例中，上述步骤S30包括以下步骤S31-S34：
步骤S31，若所述初始路径存在通行障碍物，则获取所述第一机器人所在区域的数字地图；
在本实施例中，若初始路径存在通行障碍物，则获取第一机器人所在区域的数字地图。其中，数字地图为机器人当前工作区域的地图，该数字地图上显示有通行道路及固定障碍物等。该数字地图可以为栅格地图或矢量图等。
需要说明的是，根据机器人当前工作区域的环境信息，将环境信息转换为以数字地图为参考系的坐标及属性，然后，根据坐标及属性，生成数字地图，最后，将该数字地图提前写入机器人，以供机器人进行定位。
步骤S32，根据所述数字地图及所述环境信息，确定所述第一机器人的当前位置；
在获取到数字地图之后，根据数字地图及环境信息，确定第一机器人的当前位置。具体的，将环境信息中的坐标与数字地图中的坐标进行匹配，然后，根据匹配结果，确定第一机器人的当前位置。其中，当前位置为第一机器人在数字地图上的位置。
需要说明的是，环境信息包括通行障碍物的障碍信息、通行道路信息，固定障碍物信息等信息。其中，通行障碍物为通行道路上的障碍物，该通行障碍物为动态障碍物，该动态障碍物为人、动物、机器人及被移动的物体；障碍信息包括通行障碍物的坐标等；通行道路信息包括通行道路的坐标等；固定障碍物信息包括墙壁的坐标、柱子的坐标、桌子的坐标等。上述坐标为以传感器为参考系的坐标，当然，该坐标还可以为以数字地图为参考系的坐标。
步骤S33，将所述环境信息及所述第二机器人的障碍信息进行结合，得到信息集合；
在本实施例中，将环境信息及第二机器人的障碍信息进行结合，得到信息集合。具体的，将环境信息中通行障碍物的障碍信息与第二机器人的障碍信息进行结合，得到的信息集合为第一机器人所在区域的所有障碍信息。
步骤S34，根据所述数字地图、所述当前位置及所述信息集合，控制所述第一机器人重新规划路径。
在本实施例中，根据数字地图、当前位置及信息集合，控制所述第一机器人重新规划路径。具体的，根据数字地图与信息集合，得到有通行障碍物的数字地图，然后，根据有通行障碍物的数字地图、当前位置及第一机器人的目标位置，控制第一机器人利用最短路径搜索算法重新规划路径。
具体的，步骤S34包括以下步骤a341-a344：
步骤a341，将所述信息集合转换为以所述数字地图为参考系的地图坐标；
在本实施例中，将信息集合转换为以数字地图为参考系的地图坐标。其中，本实施例的数字地图为栅格地图。
具体的，将信息集合中的坐标转换为以数字地图为参考系的地图坐标，其转换公式为a'＝Ra+t，其中a'为转换后的坐标，R为旋转矩阵，a为信息集合中的坐标，t为平移矩阵。为避免多次变换，可引入齐次坐标T，并把R和t融合到一个矩阵中，具体的公式为
Figure BDA0002715594180000121
为精简上述旋转矩阵，可根据下述线性方程为R＝cosθI+(1-COSθ)nnT+sinθn∧进行转换，其中，n为转换向量。
步骤a342，根据所述地图坐标，建立障碍栅格地图；
在转换得到地图坐标之后，根据地图坐标，建立障碍栅格地图。其中，障碍栅格地图为显示通行障碍物的栅格地图。
步骤a343，将所述数字地图与所述障碍栅格地图进行合并，得到环境栅格地图；
在得到障碍栅格地图之后，将数字地图与障碍栅格地图进行合并，得到环境栅格地图。其中，环境栅格地图为机器人当前所处环境的完整栅格地图。可以理解，环境栅格地图包括第一机器人周围的环境信息、其他环境信息等，因此环境栅格地图上可实时展现动态障碍物。
步骤a344，根据所述当前位置及所述环境栅格地图，控制所述第一机器人利用最短路径搜索算法重新规划路径。
在本实施例中，根据当前位置及环境栅格地图，控制第一机器人利用最短路径搜索算法重新规划路径。具体的，根据当前位置、环境栅格地图及第一机器人的目标位置，控制第一机器人利用最短路径搜索算法重新规划路径。其中，最短路径搜索算法可根据实际需要进行设定，例如D*(D Star)算法、A*(A Star)算法等算法，此处不作具体限定。
需要说明的是，还可以根据环境栅格地图，构建地图似然场，然后，根据地图似然场、当前位置及第一机器人的目标位置，控制第一机器人利用最短路径搜索算法重新规划路径。具体的执行过程如下第三实施例所述，此处不作赘述。
本实施例中，通过将第一机器人的环境信息与第二机器人的障碍信息进行结合，以使第一机器人所得知的信息为各机器人得知的信息之和，以使机器人可得知所在区域任意位置的障碍信息，从而根据该障碍信息及时规划新路径，以进一步提高机器人路径规划效率。
进一步地，基于上述第二实施例，提出本发明路径规划方法的第三实施例。
参照图4，图4为本发明路径规划方法第三实施例的流程示意图。
在本实施例中，上述步骤a344包括以下步骤S3441-S3443：
步骤S3441，将所述环境栅格地图的未知区域、障碍物区域及无障碍物区域分别进行赋值；
在本实施例中，将环境栅格地图的未知区域、障碍物区域及无障碍物区域分别进行赋值。具体的，将环境栅格地图的未知区域的值设定为-1，将环境栅格地图的障碍物区域的值设定为1，将环境栅格地图的无障碍物区域的值设定为0。当然，也可以设定为其他值，只要达到区分目的即可。
步骤S3442，根据预设似然场构建公式及赋值后的环境栅格地图，构建地图似然场；
在本实施例中，根据预设似然场构建公式及赋值后的环境栅格地图，构建地图似然场。其中，预设似然场构建公式为cost＝exp(-1.0*weight*value)。其中，weight为权重值，value为上述所设定的值。
需要说明的是，weight影响似然场的变化趋势，weight越大时，栅格地图的精度越高。在本实施例中，weight可根据实际需要进行设定，例如5、5.5、4.5等，此处不作具体限定。
步骤S3443，根据所述当前位置及所述地图似然场，控制所述第一机器人利用最短路径搜索算法重新规划路径。
在本实施例中，根据当前位置及地图似然场，控制第一机器人利用最短路径搜索算法重新规划路径。具体的，根据当前位置、地图似然场及第一机器人目标位置，控制第一机器人利用最短路径搜索算法重新规划路径。
需要说明的是，最短路径搜索算法可根据实际需要进行设定，例如D*(D Star)算法、A*(A Star)算法等算法，此处不作具体限定。
本实施例中，通过对环境栅格地图的未知区域、障碍物区域及无障碍物区域分别进行赋值，然后，通过预设似然场构建公式，构建地图似然场，以提高环境栅格地图的精度，从而提高机器人路径规划的准确率。
进一步地，基于上述第一实施例，提出本发明路径规划方法的第四实施例。
参照图5，图5为本发明路径规划方法第四实施例的流程示意图。
在本实施例中，在上述步骤S10之前，该路径规划方法还包括以下步骤S40-S50：
步骤S40，构建第一机器人与第二机器人的无向拓扑图；
在本实施例中，构建第一机器人与第二机器人的无向拓扑图。其中，无向拓扑图为机器人两两进行无方向连接的图形。
步骤S50，根据所述无向拓扑图，构建分布式的信息交互模型；
在构建完无向拓扑图之后，根据无向拓扑图，构建分布式的信息交互模型。需要说明的是，分布式的信息交互模型，机器人属于独立的自主体。
其中，所述通过预设交互方式获取第二机器人的障碍信息的步骤包括：
通过所述信息交互模型直接获取所述第二机器人发送的障碍信息。
在本实施例中，构建完分布式的信息交互模型之后，第一机器人可根据信息交互模型，直接获取第二机器人发送的障碍信息。
本实施例中，根据机器人之间的无向拓扑图，构建分布式的信息交互模型，以使机器人之间直接交互，无需中间服务器进行转发，可节约服务器成本，同时，使用该分布式的信息交互模型，在其中一台机器人宕机时，该宕机机器人的信息可通过其他机器人重新获取得到，从而防止机器人的信息丢失。
进一步地，基于上述第一实施例，提出本发明路径规划方法的第五实施例。
参照图6，图6为本发明路径规划方法第五实施例的流程示意图。
在本实施例中，本发明路径规划方法还包括以下步骤S60-S70：
步骤S60，根据所述环境信息，判断所述第一机器人周围是否存在通行障碍物；
在本实施例中，根据环境信息，判断第一机器人周围是否存在通行障碍物。具体的，查看环境信息中是否存在通行障碍物的障碍信息，若环境信息中存在通行障碍物的障碍信息，则判定第一机器人周围存在通行障碍物；若环境信息中不存在通行障碍物的障碍信息，则判定第一机器人周围不存在通行障碍物。
步骤S70，若所述第一机器人周围存在通行障碍物，则生成所述第一机器人的障碍信息以供传输至所述第二机器人；
在本实施例中，若第一机器人周围存在通行障碍物，则生成第一机器人的障碍信息。其中，第一机器人的障碍信息包括第一机器人周围通行障碍物的坐标等，该坐标为以传感器为参考系的坐标，当然，还可以选择其他参考系，此处不作赘述。
需要说明的是，当第二机器人需要获取第一机器人的障碍信息时，可通过网络通信(WI-FI、4G、5G等)或短距离通信(蓝牙、ZigBee(紫蜂)等)将第一机器人的障碍信息发送至第二机器人。其中，将第一机器人的障碍信息发送至第二机器人，可通过构建信息交互模型，以使第一机器人可与第二机器人相互交互，当然，还可以将障碍信息上传至服务器，再由服务器进行转发。
本实施例中，判断第一机器人周围是否存在通行障碍物，若第一机器人周围是否存在通行障碍物，则将第一机器人的障碍信息发送至第二机器人，以使第二机器人可及时得知第一机器人的障碍信息，从而及时规划新路径，可进一步提高机器人路径规划效率。
本发明还提供一种路径规划装置。
参照图7，图7为本发明路径规划装置第一实施例的功能模块示意图。
在本实施例中，所述路径规划装置包括：
信息获取模块10，用于获取第一机器人周围的环境信息，并获取第二机器人的障碍信息；
障碍判断模块20，用于根据所述环境信息及所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物；
路径规划模块30，用于若所述初始路径存在通行障碍物，则控制所述第一机器人重新规划路径。
其中，上述路径规划装置的各虚拟功能模块存储于图1所示路径规划设备的存储器1005中，用于实现路径规划程序的所有功能；各模块被处理器1001执行时，可实现路径规划功能。
进一步地，所述路径规划模块30包括：
地图获取单元，用于若所述初始路径存在通行障碍物，则获取所述第一机器人所在区域的数字地图；
位置确定单元，用于根据所述数字地图及所述环境信息，确定所述第一机器人的当前位置；
信息结合单元，用于将所述环境信息及所述第二机器人的障碍信息进行结合，得到信息集合；
路径规划单元，用于根据所述数字地图、所述当前位置及所述信息集合，控制所述第一机器人重新规划路径。
进一步地，所述数字地图为栅格地图，所述路径规划单元还用于：
将所述信息集合转换为以所述数字地图为参考系的地图坐标；根据所述地图坐标，建立障碍栅格地图；将所述数字地图与所述障碍栅格地图进行合并，得到环境栅格地图；根据所述当前位置及所述环境栅格地图，控制所述第一机器人利用最短路径搜索算法重新规划路径。
进一步地，所述路径规划单元还用于：
将所述环境栅格地图的未知区域、障碍物区域及无障碍物区域分别进行赋值；根据预设似然场构建公式及赋值后的环境栅格地图，构建地图似然场；根据所述当前位置及所述地图似然场，控制所述第一机器人利用最短路径搜索算法重新规划路径。
进一步地，所述信息获取模块10包括：
环境获取单元，用于通过传感器获取第一机器人周围的环境信息；
障碍获取单元，用于通过预设交互方式获取第二机器人的障碍信息。
进一步地，所述路径规划装置还包括：
拓扑构建模块，用于构建第一机器人与第二机器人的无向拓扑图；
模型构建模块，用于根据所述无向拓扑图，构建分布式的信息交互模型；
其中，所述通过预设交互方式获取第二机器人的障碍信息的步骤包括：
通过所述信息交互模型直接获取所述第二机器人发送的障碍信息。
进一步地，所述障碍判断模块20包括：
障碍判断单元，用于根据所述环境信息，判断所述第一机器人周围是否存在通行障碍物；
障碍获取单元，用于若所述第一机器人周围存在通行障碍物，则获取所述第一机器人的障碍信息；
障碍判断单元，还用于根据所述第一机器人的障碍信息及所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物；
障碍判断单元，还用于若所述第一机器人周围不存在通行障碍物，则根据所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物。
进一步地，所述路径规划装置还包括：
障碍判断模块20，还用于根据所述环境信息，判断所述第一机器人周围是否存在通行障碍物；
障碍获取模块，用于若所述第一机器人周围存在通行障碍物，则获取所述第一机器人的障碍信息以供传输至所述第二机器人；
其中，上述路径规划装置中各个模块的功能实现与上述路径规划方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质上存储有路径规划程序，所述路径规划程序被处理器执行时实现如以上任一项实施例所述的路径规划方法的步骤。
本发明计算机可读存储介质的具体实施例与上述路径规划方法各实施例基本相同，在此不作赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种路径规划方法，其特征在于，所述路径规划方法包括以下步骤：
获取第一机器人周围的环境信息，并获取第二机器人的障碍信息；
根据所述环境信息及所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物；
若所述初始路径存在通行障碍物，则控制所述第一机器人重新规划路径。
2.如权利要求1所述的路径规划方法，其特征在于，所述若所述初始路径存在通行障碍物，则控制所述第一机器人重新规划路径的步骤包括：
若所述初始路径存在通行障碍物，则获取所述第一机器人所在区域的数字地图；
根据所述数字地图及所述环境信息，确定所述第一机器人的当前位置；
将所述环境信息及所述第二机器人的障碍信息进行结合，得到信息集合；
根据所述数字地图、所述当前位置及所述信息集合，控制所述第一机器人重新规划路径。
3.如权利要求2所述的路径规划方法，其特征在于，所述数字地图为栅格地图；
所述根据所述数字地图、所述当前位置及所述信息集合，控制所述第一机器人重新规划路径的步骤包括：
将所述信息集合转换为以所述数字地图为参考系的地图坐标；
根据所述地图坐标，建立障碍栅格地图；
将所述数字地图与所述障碍栅格地图进行合并，得到环境栅格地图；
根据所述当前位置及所述环境栅格地图，控制所述第一机器人利用最短路径搜索算法重新规划路径。
4.如权利要求3所述的路径规划方法，其特征在于，所述根据所述当前位置及所述环境栅格地图，控制所述第一机器人利用最短路径搜索算法重新规划路径的步骤包括：
将所述环境栅格地图的未知区域、障碍物区域及无障碍物区域分别进行赋值；
根据预设似然场构建公式及赋值后的环境栅格地图，构建地图似然场；
根据所述当前位置及所述地图似然场，控制所述第一机器人利用最短路径搜索算法重新规划路径。
5.如权利要求1所述的路径规划方法，其特征在于，所述获取第一机器人周围的环境信息，并获取第二机器人的障碍信息的步骤包括：
通过传感器获取第一机器人周围的环境信息；
通过预设交互方式获取第二机器人的障碍信息。
6.如权利要求5所述的路径规划方法，其特征在于，所述获取第一机器人周围的环境信息，并获取第二机器人的障碍信息的步骤之前，还包括：
构建第一机器人与第二机器人的无向拓扑图；
根据所述无向拓扑图，构建分布式的信息交互模型；
其中，所述通过预设交互方式获取第二机器人的障碍信息的步骤包括：
通过所述信息交互模型直接获取所述第二机器人发送的障碍信息。
7.如权利要求1所述的路径规划方法，其特征在于，所述根据所述环境信息及所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物的步骤包括：
根据所述环境信息，判断所述第一机器人周围是否存在通行障碍物；
若所述第一机器人周围存在通行障碍物，则获取所述第一机器人的障碍信息；
根据所述第一机器人的障碍信息及所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物；
若所述第一机器人周围不存在通行障碍物，则根据所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物。
8.如权利要求1至7中任一项所述的路径规划方法，其特征在于，所述路径规划方法还包括：
根据所述环境信息，判断所述第一机器人周围是否存在通行障碍物；
若所述第一机器人周围存在通行障碍物，则生成所述第一机器人的障碍信息以供传输至所述第二机器人。
9.一种路径规划装置，其特征在于，所述路径规划装置包括：
信息获取模块，用于获取第一机器人周围的环境信息，并获取第二机器人的障碍信息；
障碍判断模块，用于根据所述环境信息及所述第二机器人的障碍信息，判断所述第一机器人的初始路径是否存在通行障碍物；
路径规划模块，用于若所述初始路径存在通行障碍物，则控制所述第一机器人重新规划路径。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有路径规划程序，所述路径规划程序被处理器执行时实现如权利要求1至8中任一项所述的路径规划方法的步骤。
CN202011070348.XA 2020-10-09 2020-10-09 路径规划方法、装置及计算机可读存储介质 Pending CN112327828A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011070348.XA CN112327828A (zh) 2020-10-09 2020-10-09 路径规划方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011070348.XA CN112327828A (zh) 2020-10-09 2020-10-09 路径规划方法、装置及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN112327828A true CN112327828A (zh) 2021-02-05

Family

ID=74314555

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011070348.XA Pending CN112327828A (zh) 2020-10-09 2020-10-09 路径规划方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112327828A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113296500A (zh) * 2021-04-30 2021-08-24 浙江吉利控股集团有限公司 一种局部路径规划方法及系统
CN113704963A (zh) * 2021-07-19 2021-11-26 深圳优地科技有限公司 机器人测试方法、系统及机器人
CN116358531A (zh) * 2023-06-01 2023-06-30 佛山云曼健康科技有限公司 地图构建方法、装置、机器人和存储介质
CN113704963B (zh) * 2021-07-19 2024-04-26 深圳优地科技有限公司 机器人测试方法、系统及机器人

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107491070A (zh) * 2017-08-31 2017-12-19 成都通甲优博科技有限责任公司 一种移动机器人路径规划方法及装置
CN107782311A (zh) * 2017-09-08 2018-03-09 珠海格力电器股份有限公司 可移动终端的移动路径规划方法及装置
CN108345306A (zh) * 2018-02-06 2018-07-31 达闼科技（北京）有限公司 路径规划方法、道路信息的更新方法、设备及存储介质
CN108698594A (zh) * 2016-02-29 2018-10-23 华为技术有限公司 自动驾驶的方法和装置
CN109300324A (zh) * 2018-11-30 2019-02-01 北京小马智行科技有限公司 一种无人驾驶汽车的环境信息获取方法及装置
CN109709945A (zh) * 2017-10-26 2019-05-03 深圳市优必选科技有限公司 一种基于障碍物分类的路径规划方法、装置及机器人
CN110083163A (zh) * 2019-05-20 2019-08-02 三亚学院 一种用于自动驾驶汽车的5g c-v2x车路云协同感知方法及系统
US20190286145A1 (en) * 2018-03-14 2019-09-19 Omron Adept Technologies, Inc. Method and Apparatus for Dynamic Obstacle Avoidance by Mobile Robots
CN111258320A (zh) * 2020-02-14 2020-06-09 广东博智林机器人有限公司 一种机器人避障的方法及装置、机器人、可读存储介质
CN111566583A (zh) * 2019-10-04 2020-08-21 香港应用科技研究院有限公司 自适应路径规划的系统和方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108698594A (zh) * 2016-02-29 2018-10-23 华为技术有限公司 自动驾驶的方法和装置
CN107491070A (zh) * 2017-08-31 2017-12-19 成都通甲优博科技有限责任公司 一种移动机器人路径规划方法及装置
CN107782311A (zh) * 2017-09-08 2018-03-09 珠海格力电器股份有限公司 可移动终端的移动路径规划方法及装置
CN109709945A (zh) * 2017-10-26 2019-05-03 深圳市优必选科技有限公司 一种基于障碍物分类的路径规划方法、装置及机器人
CN108345306A (zh) * 2018-02-06 2018-07-31 达闼科技（北京）有限公司 路径规划方法、道路信息的更新方法、设备及存储介质
US20190286145A1 (en) * 2018-03-14 2019-09-19 Omron Adept Technologies, Inc. Method and Apparatus for Dynamic Obstacle Avoidance by Mobile Robots
CN109300324A (zh) * 2018-11-30 2019-02-01 北京小马智行科技有限公司 一种无人驾驶汽车的环境信息获取方法及装置
CN110083163A (zh) * 2019-05-20 2019-08-02 三亚学院 一种用于自动驾驶汽车的5g c-v2x车路云协同感知方法及系统
CN111566583A (zh) * 2019-10-04 2020-08-21 香港应用科技研究院有限公司 自适应路径规划的系统和方法
CN111258320A (zh) * 2020-02-14 2020-06-09 广东博智林机器人有限公司 一种机器人避障的方法及装置、机器人、可读存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113296500A (zh) * 2021-04-30 2021-08-24 浙江吉利控股集团有限公司 一种局部路径规划方法及系统
CN113704963A (zh) * 2021-07-19 2021-11-26 深圳优地科技有限公司 机器人测试方法、系统及机器人
CN113704963B (zh) * 2021-07-19 2024-04-26 深圳优地科技有限公司 机器人测试方法、系统及机器人
CN116358531A (zh) * 2023-06-01 2023-06-30 佛山云曼健康科技有限公司 地图构建方法、装置、机器人和存储介质
CN116358531B (zh) * 2023-06-01 2023-09-01 佛山市星曼信息科技有限公司 地图构建方法、装置、机器人和存储介质

Similar Documents

Publication Publication Date Title
CN112859859B (zh) 一种基于三维障碍物体素对象映射的动态栅格地图更新方法
CN106292697B (zh) 一种移动设备的室内路径规划与导航方法
US10134293B2 (en) Systems and methods for autonomous drone navigation
CN111630460A (zh) 自主移动装置的路径规划
US20170031925A1 (en) Mapping dynamic spaces and way finding related to the mapping
US20140297090A1 (en) Autonomous Mobile Method and Autonomous Mobile Device
Chen et al. DroneTalk: An Internet-of-Things-based drone system for last-mile drone delivery
Pereira et al. Platform for controlling and getting data from network connected drones in indoor environments
CN110989633B (zh) 一种机器人控制方法、装置、计算机设备及存储介质
CN112327828A (zh) 路径规划方法、装置及计算机可读存储介质
WO2018076777A1 (zh) 机器人的定位方法和装置、机器人
CN110672089A (zh) 室内环境中导航的方法及设备
CN113657565A (zh) 机器人跨楼层移动方法、装置、机器人及云端服务器
KR20180047572A (ko) 이동 로봇을 통한 격자 지도 작성 방법
CN111637890A (zh) 一种结合终端增强现实技术的移动机器人导航方法
WO2021248856A1 (zh) 一种机器人控制方法、系统、存储介质及智能机器人
JP7160257B2 (ja) 情報処理装置、情報処理方法、およびプログラム
CN116506806B (zh) 基于蓝牙设备的定位方法、设备、存储介质及装置
CN112506187A (zh) 移动机器人监控方法、装置及存储介质
Hamledari et al. UAV mission planning using swarm intelligence and 4D BIMs in support of vision-based construction progress monitoring and as-built modeling
CN110631586A (zh) 基于视觉slam的地图构建的方法、导航系统及装置
Choi et al. Two tier search scheme using micro UAV swarm
Van de Wynckel et al. Indoor positioning using the OpenHPS framework
JP7431092B2 (ja) 制御プラットフォーム及び制御方法
US20220136836A1 (en) System and method for indoor navigation

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