CN112612273A - 一种巡检机器人避障路径规划方法、系统、设备和介质 - Google Patents
一种巡检机器人避障路径规划方法、系统、设备和介质 Download PDFInfo
- Publication number
- CN112612273A CN112612273A CN202011519590.0A CN202011519590A CN112612273A CN 112612273 A CN112612273 A CN 112612273A CN 202011519590 A CN202011519590 A CN 202011519590A CN 112612273 A CN112612273 A CN 112612273A
- Authority
- CN
- China
- Prior art keywords
- path
- inspection
- inspection robot
- preset
- points
- 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.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 232
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000004590 computer program Methods 0.000 claims description 8
- 230000004888 barrier function Effects 0.000 claims description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G05D1/0257—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)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开了一种巡检机器人避障路径规划方法、系统、设备和介质，在由若干个预设位置点和若干个预设位置点的连接路径组成的位置点路网上确定包含任务点的最优巡检路径，然后，按照最优巡检路径行走过程中，搜索无障碍物的路径，从而确定避障路径，从而使巡检机器人可以实现自由路径规划，并可以实现最优路径规划及遇到障碍物时的路径规划。
Description
技术领域
本申请涉及巡检机器人技术领域，尤其涉及一种巡检机器人避障路径规划方法、系统、设备和介质。
背景技术
在变电站巡检机器人领域，在部署巡检机器人巡检之前，应根据巡检的需要部署巡检位置点，该巡检位置点可以是巡检机器人巡检任务的定位点，也可以是巡检机器人需要停靠的定位点。
巡检机器人在部署巡检位置点完毕后，巡检机器人将根据下发任务的情况，对当前的任务对应的巡检位置点进行路径规划，从而根据路径规划依次完成巡检位置点的巡检任务或停靠。同时，在巡检机器人实际巡检中，巡检机器人还需要根据遇到的障碍物情况完成避障动作，从而顺利完成巡检任务动作。
目前，变电站巡检机器人的避障路径规划方法主要有：
一是依靠地图栅格方法来完成避障路径规划，具体通过巡检机器人从起始位置开始，根据地图预先标注的栅格特征计算出规划路径，然后，巡检机器人按照规划路径和栅格数据完成规划和避障的动作。但是，巡检机器人在实际应用中，巡检路径通常会因为下方任务的需要进行固定，同时，巡检路径较短，导致无法依据栅格的方法完全实现自由路径规划。
二是依据路径遍历方法来完成径规划及避障，具体是将巡检点和路径综合简化为连通图关系，通过遍历搜索算法完成相应的路径规划。但是，其方法处理只是完成从初始点到目标点的路径规划，却没有考虑到最优路径及遇到障碍物时路径规划的策略。
发明内容
本申请提供了一种巡检机器人避障路径规划方法、系统、设备和介质，用于解决现有的巡检机器人无法实现自由路径规划、和未实现最优路径规划及遇到障碍物时的路径规划的技术问题。
有鉴于此，本申请第一方面提供了一种巡检机器人避障路径规划方法，包括以下步骤：
在预先建立的位置点路网上规划巡检机器人的最优巡检路径，所述最优巡检路径由预先设定的任务点组成；所述预先建立的位置点路网由若干个预设位置点和所述若干个预设位置点的连接路径组成，所述预先设定的任务点为具有巡检任务的预设位置点；
在所述巡检机器人按照所述最优巡检路径行走过程中，搜索无障碍物的路径，从而确定具有所述预先设定的任务点的避障路径。
优选地，在预先建立的位置点路网上规划巡检机器人的最优巡检路径之前包括：
在预先建立的巡检地图上设置若干个位置点、所述若干个位置点的坐标以及对应的巡检机器人位姿；
将所述巡检机器人依次开至所述若干个位置点进行任务部署；
按照预设的巡检路径依次连接所述若干个位置点从而形成位置点路网。
优选地，所述在预先建立的位置点路网上规划巡检机器人的最优巡检路径具体包括：
根据所述巡检机器人的当前任务点的坐标和未遍历的任务点坐标计算所述当前任务点和所述未遍历的任务点的距离值；
根据所述距离值确定相对于所述当前任务点的最近未遍历的任务点；
根据所述若干个预设位置点的各个连接路径的长度设置相应的权重；
根据所述若干个预设位置点的各个连接路径及其相应的权重，确定所述当前任务点至所述最近未遍历的任务点的最近连接路径；
通过所述巡检机器人沿所述最近连接路径从所述当前任务点至所述最近未遍历的任务点；
重复上述操作直至遍历所有的所述预先设定的任务点，从而完成所述最优巡检路径的规划，所述最优巡检路径包括所有的所述预先设定的任务点的优先巡检序列。
优选地，所述在预先建立的位置点路网上规划巡检机器人的最优巡检路径具体包括：
根据预先下发的巡检任务确定目标任务点；
根据所述若干个预设位置点的各个连接路径的长度设置相应的权重；
根据所述若干个预设位置点的各个连接路径及其相应的权重，确定所述巡检机器人的当前任务点至所述目标任务点的最短连接路径，从而完成所述最优巡检路径的规划。
优选地，所述在所述巡检机器人按照所述最优巡检路径行走过程中，搜索无障碍物的路径，从而确定具有所述预先设定的任务点的避障路径具体包括：
在所述巡检机器人按照所述最优巡检路径行走过程中，当检测到有障碍物时，则根据所述障碍物的持续时间与预设的持续时间对比情况，判断是否重新规划行走路径；
当所述障碍物的持续时间大于预设的持续时间时，则调整所述若干个预设位置点的各个连接路径相应的权重，从而重新规划行走路径以避免行走过程出现障碍物，进而确定具有所述预先设定的任务点的避障路径。
优选地，所述在所述巡检机器人按照所述最优巡检路径行走过程中，搜索无障碍物的路径，从而确定具有所述预先设定的任务点的避障路径具体包括：
在所述巡检机器人按照所述最优巡检路径行走过程中，基于所述巡检机器人的预设膨胀系数为基准，根据所述巡检机器人预先获得的障碍物点云数据在预先建立的点云地图上规划所述预先设定的任务点的避障路径，所述预先建立的点云地图包括所述预先建立的位置点路网的点云数据。
第二方面，本申请还提供了一种巡检机器人避障路径规划系统，包括：
规划模块，用于在预先建立的位置点路网上规划巡检机器人的最优巡检路径，所述最优巡检路径由预先设定的任务点组成；所述预先建立的位置点路网由若干个预设位置点和所述若干个预设位置点的连接路径组成，所述预先设定的任务点为具有巡检任务的预设位置点；
确定模块，用于在所述巡检机器人按照所述最优巡检路径行走过程中，搜索无障碍物的路径，从而确定具有所述预先设定的任务点的避障路径。
第三方面，本申请还提供了一种电子设备，包括：处理器和存储器，所述存储器用于存储程序指令，所述处理器用于执行所述存储器中存储的计算机程序时实现如上述的巡检机器人避障路径规划方法的步骤。
第四方面，本申请还提供了一种存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上述的巡检机器人避障路径规划方法的步骤。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请实施例提供的一种巡检机器人避障路径规划方法，在由若干个预设位置点和若干个预设位置点的连接路径组成的位置点路网上确定包含任务点的最优巡检路径，然后，按照最优巡检路径行走过程中，搜索无障碍物的路径，从而确定避障路径，从而使巡检机器人可以实现自由路径规划，并可以实现最优路径规划及遇到障碍物时的路径规划。
附图说明
图1为本申请实施例提供的一种巡检机器人避障路径规划方法的流程图；
图2为本申请另一实施例提供的一种巡检机器人避障路径规划方法的流程图；
图3为本申请实施例提供的一种巡检机器人避障路径规划系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了便于理解，请参阅图1，本申请提供的一种巡检机器人避障路径规划方法，包括以下步骤：
S1：在预先建立的位置点路网上规划巡检机器人的最优巡检路径，最优巡检路径由预先设定的任务点组成；
需要说明的是，预先建立的位置点路网由若干个预设位置点和若干个预设位置点的连接路径组成，预先设定的任务点为具有巡检任务的预设位置点；
S2：在巡检机器人按照最优巡检路径行走过程中，搜索无障碍物的路径，从而确定具有预先设定的任务点的避障路径。
本实施例中，预先建立的位置点路网由若干个预设位置点和若干个预设位置点的连接路径组成，也即通过预先建立的位置点路网可以有很多个可行路径方案，在可行路径方案确定包含任务点的最优巡检路径，然后，按照最优巡检路径行走过程中，搜索无障碍物的路径，从而确定避障路径，从而使巡检机器人可以实现自由路径规划，并可以实现最优路径规划及遇到障碍物时的路径规划。
以上为本发明提供的一种巡检机器人避障路径规划方法的一个实施例的详细描述，以下为本发明提供的一种巡检机器人避障路径规划方法的另一个实施例的详细描述。
为了方便理解，请参阅图2，本申请提供的一种巡检机器人避障路径规划方法，包括以下步骤：
S101：在预先建立的巡检地图上设置若干个位置点、若干个位置点的坐标以及对应的巡检机器人位姿；
需要说明的是，若干个位置点的坐标是以预先建立的巡检地图上的坐标系为参考。
S102：将巡检机器人依次开至若干个位置点进行任务部署；
需要说明的是，任务部署的内容包括巡检机器人的位姿。
S103：按照预设的巡检路径依次连接若干个位置点从而形成位置点路网。
需要说明的是，预设的巡检路径是巡检机器人根据巡检任务提前设定好的。
通过步骤S101～S103可以实现对巡检机器人初始化处理，从而建立位置点路网以及保证巡检机器人定位和位姿无误。
S104：在位置点路网上规划巡检机器人的最优巡检路径，最优巡检路径由预先设定的任务点组成。
其中，位置点路网由若干个位置点和若干个位置点的连接路径组成，预先设定的任务点为具有巡检任务的位置点；
需要说明的是，由于巡检机器人的巡检任务不同，则巡检方式根据巡检任务一般分为多点连续巡检方式和单点巡检方式；
在多点连续巡检方式中，当下发巡检任务后，在位置点路网上规划巡检机器人的最优巡检路径的步骤如下：
S1141：根据巡检机器人的当前任务点的坐标和未遍历的任务点坐标计算当前任务点和未遍历的任务点的距离值；
需要说明的是，当前任务点和未遍历的任务点的坐标是预先设定好的，根据坐标值可以计算不同未遍历的任务点和当前任务点之间的距离。
S1142：根据距离值确定相对于当前任务点的最近未遍历的任务点；
可以理解的是，相对当前任务点的距离值最小的未遍历的任务点即为最近未遍历的任务点。
S1143：根据若干个预设位置点的各个连接路径的长度设置相应的权重；
可以理解的是，在确定最近未遍历的任务点后，需要由当前任务点到达最近未遍历的任务点的连接路径很多，因此，需要根据连接路径的长度设置相应的权重，以便以最短的连接路径到达最近未遍历的任务点。
S1144：根据若干个预设位置点的各个连接路径及其相应的权重，确定当前任务点至最近未遍历的任务点的最近连接路径；
S1145：通过巡检机器人沿最近连接路径从当前任务点至最近未遍历的任务点；
S1146：重复上述操作直至遍历所有的预先设定的任务点，从而完成最优巡检路径的规划，最优巡检路径包括所有的预先设定的任务点的优先巡检序列。
当下发巡检任务后，巡检机器人会确定初始任务点后，从初始任务点出发，根据上述步骤S1141～S1145就可以达到最近的第二个任务点，并根据当前的实时任务点进行变化行走路径和未遍历的任务点，从而遍历全部的任务点，完成最优巡检路径的规划。
在单点巡检方式中，当下发巡检任务后，需要从当前任务点到特定的目标任务点，在位置点路网上规划巡检机器人的最优巡检路径的步骤如下：
S1241：根据预先下发的巡检任务确定目标任务点；
可以理解的是，在步骤S102时，对所有位置点做过任务部署，因此，很容易根据巡检任务确定目标任务点。
S1242：根据若干个预设位置点的各个连接路径的长度设置相应的权重；
可以理解的是，由于目标任务点确定后，即需要搜索最短到达目标任务点的连接路径，因此，根据若干个预设位置点的各个连接路径的长度设置相应的权重。
S1243：根据若干个预设位置点的各个连接路径及其相应的权重，确定巡检机器人的当前任务点至目标任务点的最短连接路径，从而完成最优巡检路径的规划。
S105：在巡检机器人按照最优巡检路径行走过程中，搜索无障碍物的路径，从而确定具有预先设定的任务点的避障路径。
需要说明的是，在本实施例中，巡检机器人导航路线有两种导航方式；
第一种是沿预设路线循迹导航，相应的，确定具有预先设定的任务点的避障路径具体包括：
S1151：在巡检机器人按照最优巡检路径行走过程中，当检测到有障碍物时，则根据障碍物的持续时间与预设的持续时间对比情况，判断是否重新规划行走路径；
需要说明的是，检测障碍物可以通过巡检机器人预设的激光雷达传感器进行检测后，利用获取的点云数据进行聚类计算，以静态和动态相结合的判别方式判断是否为障碍物。
由于障碍物可以为动态障碍物，这就需要检测到障碍物的持续时间后，与预设的持续时间进行对比，在本实施例中，预设的持续时间为30s。
S1152：当障碍物的持续时间大于预设的持续时间时，则调整若干个预设位置点的各个连接路径相应的权重，从而重新规划行走路径以避免行走过程出现障碍物，进而确定具有预先设定的任务点的避障路径。
需要说明的是，当巡检机器人按照最优巡检路径从当前任务点到达下一个任务点的过程中，当检测到障碍物的持续时间大于预设的持续时间时，则巡检机器人启动重新规划路线，重新赋予若干个预设位置点的各个连接路径相应的权重后，增加检测到有障碍物的连接路径的权重，使得重新规划前往下一个任务点的行走路径，以避免行走过程中，遇到障碍物。
第二种则是自由导航，相应的，确定具有预先设定的任务点的避障路径具体包括：
在巡检机器人按照最优巡检路径行走过程中，基于巡检机器人的预设膨胀系数为基准，根据巡检机器人预先获得的障碍物点云数据在预先建立的点云地图上规划预先设定的任务点的避障路径，预先建立的点云地图包括预先建立的位置点路网的点云数据。
需要说明的是，根据巡检机器人预先获得的障碍物点云数据在预先建立的点云地图上可以匹配到障碍物及对应的路段，再根据巡检机器人的预设膨胀系数判断巡检机器人是否可以通过有障碍物的路段，如果判断不能通过，则选择其他路径，从而可以规划避障路径。
可以理解的是，在自由导航所规划的避障路径有若干个种方式，从而实现巡检机器人的自由路径行走。
以上为本发明提供的一种巡检机器人避障路径规划方法的另一个实施例的详细描述，以上为本发明提供的一种巡检机器人避障路径规划系统的一个实施例的详细描述。
为了方便理解，请参考图3，本申请提供的一种巡检机器人避障路径规划系统，包括：
规划模块100，用于在预先建立的位置点路网上规划巡检机器人的最优巡检路径，最优巡检路径由预先设定的任务点组成；预先建立的位置点路网由若干个预设位置点和若干个预设位置点的连接路径组成，预先设定的任务点为具有巡检任务的预设位置点；
确定模块200，用于在巡检机器人按照最优巡检路径行走过程中，搜索无障碍物的路径，从而确定具有预先设定的任务点的避障路径。
进一步地，该系统还包括：
设置模块，用于在预先建立的巡检地图上设置若干个位置点、若干个位置点的坐标以及对应的巡检机器人位姿；
部署模块，用于将巡检机器人依次开至若干个位置点进行任务部署；
构建模块，用于按照预设的巡检路径依次连接若干个位置点从而形成位置点路网。
进一步地，该系统还包括：
第一计算模块，用于根据巡检机器人的当前任务点的坐标和未遍历的任务点坐标计算当前任务点和未遍历的任务点的距离值；
第二确定模块，用于根据距离值确定相对于当前任务点的最近未遍历的任务点；
第一权重模块，用于根据若干个预设位置点的各个连接路径的长度设置相应的权重；
第三确定模块，用于根据若干个预设位置点的各个连接路径及其相应的权重，确定当前任务点至最近未遍历的任务点的最近连接路径；
导航模块，用于控制巡检机器人沿最近连接路径从当前任务点至最近未遍历的任务点。
进一步地，该系统还包括：
第四确定模块，用于根据预先下发的巡检任务确定目标任务点；
第二权重模块，用于根据若干个预设位置点的各个连接路径的长度设置相应的权重；
第二规划模块，用于根据若干个预设位置点的各个连接路径及其相应的权重，确定巡检机器人的当前任务点至目标任务点的最短连接路径，从而完成最优巡检路径的规划。
进一步地，该系统还包括：
判断模块，用于在巡检机器人按照最优巡检路径行走过程中，当检测到有障碍物时，则根据障碍物的持续时间与预设的持续时间对比情况，判断是否重新规划行走路径；
第三规划模块，用于当障碍物的持续时间大于预设的持续时间时，则调整若干个预设位置点的各个连接路径相应的权重，从而重新规划行走路径以避免行走过程出现障碍物，进而确定具有预先设定的任务点的避障路径。
进一步地，该系统还包括：
第四规划模块，用于在巡检机器人按照最优巡检路径行走过程中，基于巡检机器人的预设膨胀系数为基准，根据巡检机器人预先获得的障碍物点云数据在预先建立的点云地图上规划预先设定的任务点的避障路径，预先建立的点云地图包括预先建立的位置点路网的点云数据。
本发明还提供了一种电子设备，包括：处理器和存储器，存储器用于存储程序指令，处理器用于执行存储器中存储的计算机程序时实现如上述实施例的巡检机器人避障路径规划方法的步骤。
本发明还提供了一种存储介质，其存储有计算机程序，计算机程序被处理器执行时实现上述实施例的巡检机器人避障路径规划方法的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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一个存储介质中，包括若干指令用以通过一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：RandomAccess Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (9)
1.一种巡检机器人避障路径规划方法，其特征在于，包括以下步骤：
在预先建立的位置点路网上规划巡检机器人的最优巡检路径，所述最优巡检路径由预先设定的任务点组成；所述预先建立的位置点路网由若干个预设位置点和所述若干个预设位置点的连接路径组成，所述预先设定的任务点为具有巡检任务的预设位置点；
在所述巡检机器人按照所述最优巡检路径行走过程中，搜索无障碍物的路径，从而确定具有所述预先设定的任务点的避障路径。
2.根据权利要求1所述的巡检机器人避障路径规划方法，其特征在于，在预先建立的位置点路网上规划巡检机器人的最优巡检路径之前包括：
在预先建立的巡检地图上设置若干个位置点、所述若干个位置点的坐标以及对应的巡检机器人位姿；
将所述巡检机器人依次开至所述若干个位置点进行任务部署；
按照预设的巡检路径依次连接所述若干个位置点从而形成位置点路网。
3.根据权利要求2所述的巡检机器人避障路径规划方法，其特征在于，所述在预先建立的位置点路网上规划巡检机器人的最优巡检路径具体包括：
根据所述巡检机器人的当前任务点的坐标和未遍历的任务点坐标计算所述当前任务点和所述未遍历的任务点的距离值；
根据所述距离值确定相对于所述当前任务点的最近未遍历的任务点；
根据所述若干个预设位置点的各个连接路径的长度设置相应的权重；
根据所述若干个预设位置点的各个连接路径及其相应的权重，确定所述当前任务点至所述最近未遍历的任务点的最近连接路径；
通过所述巡检机器人沿所述最近连接路径从所述当前任务点至所述最近未遍历的任务点；
重复上述操作直至遍历所有的所述预先设定的任务点，从而完成所述最优巡检路径的规划，所述最优巡检路径包括所有的所述预先设定的任务点的优先巡检序列。
4.根据权利要求1所述的巡检机器人避障路径规划方法，其特征在于，所述在预先建立的位置点路网上规划巡检机器人的最优巡检路径具体包括：
根据预先下发的巡检任务确定目标任务点；
根据所述若干个预设位置点的各个连接路径的长度设置相应的权重；
根据所述若干个预设位置点的各个连接路径及其相应的权重，确定所述巡检机器人的当前任务点至所述目标任务点的最短连接路径，从而完成所述最优巡检路径的规划。
5.根据权利要求3或4所述的巡检机器人避障路径规划方法，其特征在于，所述在所述巡检机器人按照所述最优巡检路径行走过程中，搜索无障碍物的路径，从而确定具有所述预先设定的任务点的避障路径具体包括：
在所述巡检机器人按照所述最优巡检路径行走过程中，当检测到有障碍物时，则根据所述障碍物的持续时间与预设的持续时间对比情况，判断是否重新规划行走路径；
当所述障碍物的持续时间大于预设的持续时间时，则调整所述若干个预设位置点的各个连接路径相应的权重，从而重新规划行走路径以避免行走过程出现障碍物，进而确定具有所述预先设定的任务点的避障路径。
6.根据权利要求1～4中任一项所述的巡检机器人避障路径规划方法，其特征在于，所述在所述巡检机器人按照所述最优巡检路径行走过程中，搜索无障碍物的路径，从而确定具有所述预先设定的任务点的避障路径具体包括：
在所述巡检机器人按照所述最优巡检路径行走过程中，基于所述巡检机器人的预设膨胀系数为基准，根据所述巡检机器人预先获得的障碍物点云数据在预先建立的点云地图上规划所述预先设定的任务点的避障路径，所述预先建立的点云地图包括所述预先建立的位置点路网的点云数据。
7.一种巡检机器人避障路径规划系统，其特征在于，包括：
规划模块，用于在预先建立的位置点路网上规划巡检机器人的最优巡检路径，所述最优巡检路径由预先设定的任务点组成；所述预先建立的位置点路网由若干个预设位置点和所述若干个预设位置点的连接路径组成，所述预先设定的任务点为具有巡检任务的预设位置点；
确定模块，用于在所述巡检机器人按照所述最优巡检路径行走过程中，搜索无障碍物的路径，从而确定具有所述预先设定的任务点的避障路径。
8.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器用于存储程序指令，所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1～6中任一项所述的巡检机器人避障路径规划方法的步骤。
9.一种存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1～6中任一项所述的巡检机器人避障路径规划方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011519590.0A CN112612273B (zh) | 2020-12-21 | 2020-12-21 | 一种巡检机器人避障路径规划方法、系统、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011519590.0A CN112612273B (zh) | 2020-12-21 | 2020-12-21 | 一种巡检机器人避障路径规划方法、系统、设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112612273A true CN112612273A (zh) | 2021-04-06 |
| CN112612273B CN112612273B (zh) | 2021-08-24 |
Family
ID=75244332
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011519590.0A Active CN112612273B (zh) | 2020-12-21 | 2020-12-21 | 一种巡检机器人避障路径规划方法、系统、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112612273B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113190019A (zh) * | 2021-05-26 | 2021-07-30 | 立得空间信息技术股份有限公司 | 一种基于虚拟仿真的巡检机器人任务点布置方法及系统 |
| CN113808145A (zh) * | 2021-09-30 | 2021-12-17 | 深圳市优必选科技股份有限公司 | 巡检移动装置的巡检路网获取方法及巡检移动装置 |
| CN114089770A (zh) * | 2021-11-23 | 2022-02-25 | 广东电网有限责任公司 | 一种变电站巡检机器人的巡检点位生成方法及相关装置 |
| CN114115286A (zh) * | 2021-12-06 | 2022-03-01 | 国网山东省电力公司汶上县供电公司 | 变电站机器人巡检系统与方法 |
| CN114237246A (zh) * | 2021-12-16 | 2022-03-25 | 东软集团股份有限公司 | 最优巡检路径确定方法、装置、介质和设备 |
| CN114362357A (zh) * | 2021-12-10 | 2022-04-15 | 深圳供电局有限公司 | 变电站的监控方法 |
| CN114489068A (zh) * | 2022-01-24 | 2022-05-13 | 上海利淘豪斯机器人有限公司 | 一种复杂路径下的巡检机器人巡检任务路径规划方法及装置 |
| CN114964142A (zh) * | 2022-05-20 | 2022-08-30 | 合肥工业大学 | 一种铁路信号机械室巡检机器人的视觉导航方法 |
| WO2022262743A1 (zh) * | 2021-06-18 | 2022-12-22 | 北京盈迪曼德科技有限公司 | 机器人任务执行方法、装置、机器人及存储介质 |
| CN115560767A (zh) * | 2022-12-01 | 2023-01-03 | 深圳市智绘科技有限公司 | 机器人路径的生成方法及装置、存储介质、电子设备 |
| CN116787450A (zh) * | 2023-08-28 | 2023-09-22 | 南方电网电力科技股份有限公司 | 一种多足机器人楼梯行走的控制方法、装置和设备 |
Citations (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103198366A (zh) * | 2013-04-09 | 2013-07-10 | 北京理工大学 | 一种考虑目标节点时效性的多目标路径规划方法 |
| CN103365293A (zh) * | 2013-05-08 | 2013-10-23 | 北京大学深圳研究生院 | 一种基于动态区域划分的机器人安全路径规划方法 |
| CN103661399A (zh) * | 2012-09-03 | 2014-03-26 | 罗伯特·博世有限公司 | 用于确定用于机动车的避让轨迹的方法以及安全装置或安全系统 |
| CN103777629A (zh) * | 2013-09-05 | 2014-05-07 | 武汉汉迪机器人科技有限公司 | 自导向运载平台及该运载平台导航控制方法 |
| JP2014130495A (ja) * | 2012-12-28 | 2014-07-10 | Mitsubishi Heavy Ind Ltd | 移動制御装置、移動制御方法及びプログラム |
| CN104850011A (zh) * | 2015-05-22 | 2015-08-19 | 上海电力学院 | 一种障碍物环境中tsp避障最优路径规划方法 |
| CN105425803A (zh) * | 2015-12-16 | 2016-03-23 | 纳恩博（北京）科技有限公司 | 自主避障方法、装置和系统 |
| CN105955280A (zh) * | 2016-07-19 | 2016-09-21 | Tcl集团股份有限公司 | 移动机器人路径规划和避障方法及系统 |
| CN106054876A (zh) * | 2016-06-02 | 2016-10-26 | 西北工业大学 | 一种针对空间多任务的避障路径最优逐次操作规划方法 |
| CN106382944A (zh) * | 2016-10-08 | 2017-02-08 | 浙江国自机器人技术有限公司 | 一种移动机器人的路线规划方法 |
| US20170043484A1 (en) * | 2014-07-16 | 2017-02-16 | X Development Llc | Virtual Safety Cages For Robotic Devices |
| CN106708054A (zh) * | 2017-01-24 | 2017-05-24 | 贵州电网有限责任公司电力科学研究院 | 结合地图栅格与势场法避障的巡检机器人路径规划方法 |
| CN106843225A (zh) * | 2017-03-15 | 2017-06-13 | 宜宾学院 | 一种变电站巡检机器人路径规划系统 |
| CN106931970A (zh) * | 2015-12-30 | 2017-07-07 | 北京雷动云合智能技术有限公司 | 一种动态环境中机器人安全自主规划导航方法 |
| CN107703959A (zh) * | 2017-10-31 | 2018-02-16 | 成都意町工业产品设计有限公司 | 一种基于无人机的巡检机器人控制系统及方法 |
| DE102017205518A1 (de) * | 2016-11-11 | 2018-05-17 | Hyundai Motor Company | Streckenermittlungsvorrichtung für ein autonomes Fahrzeug und Streckenermittlungsverfahren |
| CN108195380A (zh) * | 2017-12-26 | 2018-06-22 | 广东嘉腾机器人自动化有限公司 | 一种基于最短路径的agv最优路径选择方法 |
| CN108803659A (zh) * | 2018-06-21 | 2018-11-13 | 浙江大学 | 基于魔方模型的多窗口启发式三维空间路径规划方法 |
| CN108830453A (zh) * | 2018-05-07 | 2018-11-16 | 中国科学院力学研究所 | 一种远程操作效果的评估方法及系统 |
| CN109141430A (zh) * | 2018-09-04 | 2019-01-04 | 南京理工大学 | 基于模拟退火蚁群算法的电力巡检机器人路径规划方法 |
| WO2019028356A1 (en) * | 2017-08-04 | 2019-02-07 | Walmart Apollo, Llc | SYSTEMS, DEVICES AND METHODS FOR GENERATING ROUTES IN LIMITED LIMITS |
| CN109599945A (zh) * | 2018-11-30 | 2019-04-09 | 武汉大学 | 一种智慧电厂自主巡检机器人巡检系统及方法 |
| CN109799822A (zh) * | 2019-01-30 | 2019-05-24 | 中国石油大学(华东) | 移动机器人全局平滑路径规划方法 |
| CN110009761A (zh) * | 2019-03-20 | 2019-07-12 | 华南理工大学 | 智能设备自动巡检路径规划方法及系统 |
| US20200029496A1 (en) * | 2019-09-04 | 2020-01-30 | Lg Electronics Inc. | Mobile robot and method for operating the same |
| CN110861094A (zh) * | 2019-12-09 | 2020-03-06 | 上海高仙自动化科技发展有限公司 | 机器人控制方法、机器人和可读存储介质 |
| CN111026131A (zh) * | 2019-12-30 | 2020-04-17 | 深圳前海达闼云端智能科技有限公司 | 一种膨胀区域的确定方法、确定装置、机器人和存储介质 |
| CN111338352A (zh) * | 2020-03-24 | 2020-06-26 | 云南和富科技有限公司 | 一种机器人自主路径规划的方法 |
| CN111426326A (zh) * | 2020-01-17 | 2020-07-17 | 深圳市镭神智能系统有限公司 | 一种导航方法、装置、设备、系统及存储介质 |
| US20200229344A1 (en) * | 2019-01-21 | 2020-07-23 | Aukey Technology Co., Ltd | Visual obstacle avoidance method for robot mower, robot, control device, and storage medium |
| CN111982125A (zh) * | 2020-08-31 | 2020-11-24 | 长春工业大学 | 一种基于改进蚁群算法的路径规划方法 |
-
2020
- 2020-12-21 CN CN202011519590.0A patent/CN112612273B/zh active Active
Patent Citations (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103661399A (zh) * | 2012-09-03 | 2014-03-26 | 罗伯特·博世有限公司 | 用于确定用于机动车的避让轨迹的方法以及安全装置或安全系统 |
| JP2014130495A (ja) * | 2012-12-28 | 2014-07-10 | Mitsubishi Heavy Ind Ltd | 移動制御装置、移動制御方法及びプログラム |
| CN103198366A (zh) * | 2013-04-09 | 2013-07-10 | 北京理工大学 | 一种考虑目标节点时效性的多目标路径规划方法 |
| CN103365293A (zh) * | 2013-05-08 | 2013-10-23 | 北京大学深圳研究生院 | 一种基于动态区域划分的机器人安全路径规划方法 |
| CN103777629A (zh) * | 2013-09-05 | 2014-05-07 | 武汉汉迪机器人科技有限公司 | 自导向运载平台及该运载平台导航控制方法 |
| US20170043484A1 (en) * | 2014-07-16 | 2017-02-16 | X Development Llc | Virtual Safety Cages For Robotic Devices |
| CN104850011A (zh) * | 2015-05-22 | 2015-08-19 | 上海电力学院 | 一种障碍物环境中tsp避障最优路径规划方法 |
| CN105425803A (zh) * | 2015-12-16 | 2016-03-23 | 纳恩博（北京）科技有限公司 | 自主避障方法、装置和系统 |
| CN106931970A (zh) * | 2015-12-30 | 2017-07-07 | 北京雷动云合智能技术有限公司 | 一种动态环境中机器人安全自主规划导航方法 |
| CN106054876A (zh) * | 2016-06-02 | 2016-10-26 | 西北工业大学 | 一种针对空间多任务的避障路径最优逐次操作规划方法 |
| CN105955280A (zh) * | 2016-07-19 | 2016-09-21 | Tcl集团股份有限公司 | 移动机器人路径规划和避障方法及系统 |
| CN106382944A (zh) * | 2016-10-08 | 2017-02-08 | 浙江国自机器人技术有限公司 | 一种移动机器人的路线规划方法 |
| DE102017205518A1 (de) * | 2016-11-11 | 2018-05-17 | Hyundai Motor Company | Streckenermittlungsvorrichtung für ein autonomes Fahrzeug und Streckenermittlungsverfahren |
| CN106708054A (zh) * | 2017-01-24 | 2017-05-24 | 贵州电网有限责任公司电力科学研究院 | 结合地图栅格与势场法避障的巡检机器人路径规划方法 |
| CN106843225A (zh) * | 2017-03-15 | 2017-06-13 | 宜宾学院 | 一种变电站巡检机器人路径规划系统 |
| WO2019028356A1 (en) * | 2017-08-04 | 2019-02-07 | Walmart Apollo, Llc | SYSTEMS, DEVICES AND METHODS FOR GENERATING ROUTES IN LIMITED LIMITS |
| CN107703959A (zh) * | 2017-10-31 | 2018-02-16 | 成都意町工业产品设计有限公司 | 一种基于无人机的巡检机器人控制系统及方法 |
| CN108195380A (zh) * | 2017-12-26 | 2018-06-22 | 广东嘉腾机器人自动化有限公司 | 一种基于最短路径的agv最优路径选择方法 |
| CN108830453A (zh) * | 2018-05-07 | 2018-11-16 | 中国科学院力学研究所 | 一种远程操作效果的评估方法及系统 |
| CN108803659A (zh) * | 2018-06-21 | 2018-11-13 | 浙江大学 | 基于魔方模型的多窗口启发式三维空间路径规划方法 |
| CN109141430A (zh) * | 2018-09-04 | 2019-01-04 | 南京理工大学 | 基于模拟退火蚁群算法的电力巡检机器人路径规划方法 |
| CN109599945A (zh) * | 2018-11-30 | 2019-04-09 | 武汉大学 | 一种智慧电厂自主巡检机器人巡检系统及方法 |
| US20200229344A1 (en) * | 2019-01-21 | 2020-07-23 | Aukey Technology Co., Ltd | Visual obstacle avoidance method for robot mower, robot, control device, and storage medium |
| CN109799822A (zh) * | 2019-01-30 | 2019-05-24 | 中国石油大学(华东) | 移动机器人全局平滑路径规划方法 |
| CN110009761A (zh) * | 2019-03-20 | 2019-07-12 | 华南理工大学 | 智能设备自动巡检路径规划方法及系统 |
| US20200029496A1 (en) * | 2019-09-04 | 2020-01-30 | Lg Electronics Inc. | Mobile robot and method for operating the same |
| CN110861094A (zh) * | 2019-12-09 | 2020-03-06 | 上海高仙自动化科技发展有限公司 | 机器人控制方法、机器人和可读存储介质 |
| CN111026131A (zh) * | 2019-12-30 | 2020-04-17 | 深圳前海达闼云端智能科技有限公司 | 一种膨胀区域的确定方法、确定装置、机器人和存储介质 |
| CN111426326A (zh) * | 2020-01-17 | 2020-07-17 | 深圳市镭神智能系统有限公司 | 一种导航方法、装置、设备、系统及存储介质 |
| CN111338352A (zh) * | 2020-03-24 | 2020-06-26 | 云南和富科技有限公司 | 一种机器人自主路径规划的方法 |
| CN111982125A (zh) * | 2020-08-31 | 2020-11-24 | 长春工业大学 | 一种基于改进蚁群算法的路径规划方法 |
Non-Patent Citations (5)
| Title |
|---|
| AYOMOH, M.K.等: "Robot navigation model in a multi-target domain amidst static and dynamic obstacles", 《IASTED INTERNATIONAL CONFERENCE MODELLING, SIMULATION AND IDENTIFICATION》 * |
| JISHAD, T.K.M.等: "Obstacle Avoidance Mechanism for Transmission Line Inspection Robot", 《2019 2ND INTERNATIONAL CONFERENCE ON INTELLIGENT COMPUTING, INSTRUMENTATION AND CONTROL TECHNOLOGIES》 * |
| MYONGCHOL TOKGO等: "A Method for Trajectory Planning of Mobile Robot in Random Obstacles Environment", 《2014 SIXTH INTERNATIONAL CONFERENCE ON INTELLIGENT HUMAN-MACHINE SYSTEMS AND CYBERNETICS》 * |
| 张超: "智能清扫机器人设计及其路径规划的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 柳洋: "配电线路维护机器人运动规划与实验研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113190019B (zh) * | 2021-05-26 | 2023-05-16 | 立得空间信息技术股份有限公司 | 一种基于虚拟仿真的巡检机器人任务点布置方法及系统 |
| CN113190019A (zh) * | 2021-05-26 | 2021-07-30 | 立得空间信息技术股份有限公司 | 一种基于虚拟仿真的巡检机器人任务点布置方法及系统 |
| WO2022262743A1 (zh) * | 2021-06-18 | 2022-12-22 | 北京盈迪曼德科技有限公司 | 机器人任务执行方法、装置、机器人及存储介质 |
| CN113808145A (zh) * | 2021-09-30 | 2021-12-17 | 深圳市优必选科技股份有限公司 | 巡检移动装置的巡检路网获取方法及巡检移动装置 |
| CN113808145B (zh) * | 2021-09-30 | 2023-09-26 | 深圳市优必选科技股份有限公司 | 巡检移动装置的巡检路网获取方法及巡检移动装置 |
| CN114089770A (zh) * | 2021-11-23 | 2022-02-25 | 广东电网有限责任公司 | 一种变电站巡检机器人的巡检点位生成方法及相关装置 |
| CN114089770B (zh) * | 2021-11-23 | 2024-04-12 | 广东电网有限责任公司 | 一种变电站巡检机器人的巡检点位生成方法及相关装置 |
| CN114115286A (zh) * | 2021-12-06 | 2022-03-01 | 国网山东省电力公司汶上县供电公司 | 变电站机器人巡检系统与方法 |
| CN114115286B (zh) * | 2021-12-06 | 2024-03-19 | 国网山东省电力公司汶上县供电公司 | 变电站机器人巡检系统与方法 |
| CN114362357A (zh) * | 2021-12-10 | 2022-04-15 | 深圳供电局有限公司 | 变电站的监控方法 |
| CN114237246A (zh) * | 2021-12-16 | 2022-03-25 | 东软集团股份有限公司 | 最优巡检路径确定方法、装置、介质和设备 |
| CN114237246B (zh) * | 2021-12-16 | 2024-05-24 | 东软集团股份有限公司 | 最优巡检路径确定方法、装置、介质和设备 |
| CN114489068A (zh) * | 2022-01-24 | 2022-05-13 | 上海利淘豪斯机器人有限公司 | 一种复杂路径下的巡检机器人巡检任务路径规划方法及装置 |
| CN114964142A (zh) * | 2022-05-20 | 2022-08-30 | 合肥工业大学 | 一种铁路信号机械室巡检机器人的视觉导航方法 |
| CN115560767B (zh) * | 2022-12-01 | 2023-03-10 | 深圳市智绘科技有限公司 | 机器人路径的生成方法及装置、存储介质、电子设备 |
| CN115560767A (zh) * | 2022-12-01 | 2023-01-03 | 深圳市智绘科技有限公司 | 机器人路径的生成方法及装置、存储介质、电子设备 |
| CN116787450A (zh) * | 2023-08-28 | 2023-09-22 | 南方电网电力科技股份有限公司 | 一种多足机器人楼梯行走的控制方法、装置和设备 |
| CN116787450B (zh) * | 2023-08-28 | 2023-10-31 | 南方电网电力科技股份有限公司 | 一种多足机器人楼梯行走的控制方法、装置和设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112612273B (zh) | 2021-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112612273B (zh) | 一种巡检机器人避障路径规划方法、系统、设备和介质 | |
| US11161246B2 (en) | Robot path planning method and apparatus and robot using the same | |
| CN109724612B (zh) | 一种基于拓扑地图的agv路径规划方法及设备 | |
| Vivaldini et al. | Robotic forklifts for intelligent warehouses: Routing, path planning, and auto-localization | |
| CN111596654B (zh) | 基于改进d星路径规划算法的电缆沟机器人导航避障方法 | |
| CN113031603A (zh) | 一种基于任务优先级的多物流机器人协同路径规划方法 | |
| CN112344945B (zh) | 室内配送机器人路径规划方法、系统及室内配送机器人 | |
| US20220203534A1 (en) | Path planning method and biped robot using the same | |
| CN110858075A (zh) | 一种移动机器人跨区域方法、装置、调度系统 | |
| KR20130108898A (ko) | 휴리스틱 함수의 학습을 이용한 고속 경로를 탐색을 위한 장치 및 그 방법 | |
| CN114510057A (zh) | 一种室内环境中基于ros的移动机器人自主导航方法 | |
| CN113867347A (zh) | 机器人路径规划方法、装置、管理系统及计算机存储介质 | |
| Pan et al. | Research for path planning based on improved astart algorithm | |
| CN116700344A (zh) | 一种无人机自主避障方法、执飞方法及系统 | |
| Klaas et al. | Simulation aided, knowledge based routing for AGVs in a distribution warehouse | |
| CN113867356A (zh) | 机器人路径规划方法、装置及机器人 | |
| CN113848893A (zh) | 机器人导航方法、装置、设备及存储介质 | |
| CN113759894A (zh) | 信息处理装置、信息处理方法、信息处理系统以及计算机程序 | |
| US20220300002A1 (en) | Methods and systems for path planning in a known environment | |
| Zhi et al. | Research on path planning of mobile robot based on A* algorithm | |
| Abi-Char et al. | A collision-free path planning algorithm for non-complex ASRS using heuristic functions | |
| Yakovlev et al. | On the Application of Safe-Interval Path Planning to a Variant of the Pickup and Delivery Problem. | |
| CN111912407B (zh) | 一种多机器人系统的路径规划方法 | |
| de Carvalho Santos et al. | A hybrid ga-ann approach for autonomous robots topological navigation | |
| CN118310508A (zh) | 一种货物搬运机器路径规划系统及路径规划方法 |
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 |