CN112882468A - 一种改进a*算法的药房机器人路径规划方法 - Google Patents

一种改进a*算法的药房机器人路径规划方法 Download PDF

Info

Publication number
CN112882468A
CN112882468A CN202110042125.0A CN202110042125A CN112882468A CN 112882468 A CN112882468 A CN 112882468A CN 202110042125 A CN202110042125 A CN 202110042125A CN 112882468 A CN112882468 A CN 112882468A
Authority
CN
China
Prior art keywords
node
pharmacy
robot
path
path planning
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
CN202110042125.0A
Other languages
English (en)
Inventor
王月
马国栋
鲍明
王修驹
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.)
Anhui University of Science and Technology
Original Assignee
Anhui University of Science and Technology
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 Anhui University of Science and Technology filed Critical Anhui University of Science and Technology
Priority to CN202110042125.0A priority Critical patent/CN112882468A/zh
Publication of CN112882468A publication Critical patent/CN112882468A/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, 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
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
    • 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

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

本发明公开了一种改进A*算法的药房机器人路径规划方法，属于智能机器人领域。一种改进A*算法的药房机器人路径规划方法，包括以下步骤：采用栅格法搭建自动化药房的地图模型；在地图模型中，针对实际自动化药房中存在的障碍物对其进行膨胀处理；同时改进A*算法的评价函数，结合几何代数方法来剔除路径规划中多余的冗余点，进而在保证搜索效率的前提下得到最优路径。本发明不仅解决了取药机器人在进行路径规划时与药架等障碍物发生碰撞的问题，同时解决了取药机器人在进行路径规划时容易产生多余冗余点的问题。

Description

一种改进A*算法的药房机器人路径规划方法
技术领域
本发明涉及智能机器人领域，具体涉及一种改进A*算法的药房机器人路径规划方法。
背景技术
随着各大医院逐渐引入自动化药房系统，传统的人工取药工作被取药机器人所替代，其中取药机器人路径规划一直是研究的重点。路径规划算法主要包括Floyd算法、人工势场法、蚁群算法、RRT算法等。而A*算法因具备计算量小、路径规划搜索效率高等优点一直被广泛的研究。传统A*算法在进行路径规划过程中忽略了路径的搜索效率、安全性。针对这些问题，基于改进A*算法设计一种新的药房机器人路径规划显得十分重要。
发明内容
针对现有技术的不足，本发明提出了一种改进A*算法的药房机器人路径规划方法，解决现有路径规划过程中忽略路径的搜索效率、安全性问题。
本发明的目的可以通过以下技术方案实现：
一种改进A*算法的药房机器人路径规划方法，包括以下步骤：采用栅格法搭建自动化药房的地图模型；在地图模型中，针对实际自动化药房中存在的障碍物对其进行膨胀处理；同时改进A*算法的评价函数，结合代数方法来剔除路径规划中多余的冗余点，进而在保证搜索效率的前提下得到最优路径。
进一步地，所述采用栅格法搭建自动化药房的地图模型包括：搭建平面栅格地图模型时构建N*M的栅格地图，地图中含有各取药机器人起始位置和目标位置信息，障碍物占据栅格地图的信息。
进一步地，所述在地图模型中，针对实际自动化药房中存在的障碍物对其进行膨胀处理包括：将药架膨胀半径设定为机器人宽度的一半左右，这样机器人在药房过道中规划出的路径与障碍物的最小距离大于机器人宽度的一半，这样能够保证取药机器人本体的宽度小于两个药架之间可通行的区域。
进一步地，所述改进A*算法的评价函数，结合代数方法来剔除路径规划中多余的冗余点包括：
改进A*算法的评价函数：
Figure BDA0002896306020000021
其中：(x,y)为当前被搜索节点，f(x,y)为估计成本，g(x,y)为实际成本，h(x,y)为启发函数，A为当前点到目标点的距离，a为起始点到目标点的距离，n为药架占总栅格的总数，L为机器人自身所占栅格的数目，N*M为总栅格数量，γ为安全因子。
进一步地，所述结合代数方法来剔除路径规划中多余的冗余点包括：采用三阶行列式面积法解决路径中三点共线的问题；
Figure BDA0002896306020000022
其中：节点A用坐标(x0,y0)表示，节点B用坐标(x1,y1)表示，节点C用坐标(x2,y2)表示。如果SΔ等于零时，说明A、B、C三点共线，那么节点B为冗余点，需剔除，路径由A到B再到C直接变为由A到C。
进一步地，所述结合代数方法来剔除路径规划中多余的冗余点还包括：采用角平分线判别法对路径中不必要的转折点进行处理；
Figure BDA0002896306020000031
Figure BDA0002896306020000032
Figure BDA0002896306020000033
Figure BDA0002896306020000034
其中：节点C用坐标(x0,y0)来表示，节点C的后一节点D用坐标(x1,y1)来表示，节点D的后一节点E用坐标(x2,y2)来表示，障碍物的三个顶点由坐标F(x3,y3)、G(x4,y4)、H(x5,y5)分别表示，其中一条角平分线对应的坐标由I(x6,y6)表示，向量
Figure BDA0002896306020000035
由C指向E，向量
Figure BDA0002896306020000036
由C指向I，向量
Figure BDA0002896306020000037
由C指向F，向量
Figure BDA0002896306020000038
由F指向I，向量
Figure BDA0002896306020000039
由F指向C，向量
Figure BDA00028963060200000310
由F指向E。如果μ1·μ2<0，且μ3·μ4<0，则表示角平分线FI与线段CE相交，反之表示线段CE与角平分线不相交，其余两条角平分线与线段CE是否相交也可根据此原理判断。只要三条角平分线中的任意一条与线段CE相交，则代表节点C与节点E之间有障碍物，路径仍然是由C到D再到E(不改变其路径)；反之如果三条角平分线和线段CE都没有相交，则代表节点C与节点E之间并无障碍物，连接节点C与节点E，去除冗余节点D，路径由C到D再到E直接变为由C到E。
本发明的有益效果：
本发明的改进A*算法的药房机器人路径规划通过在搭建好的栅格地图上，对自动化药房中的障碍物进行膨胀处理，在改进A*算法的评价函数基础之上，结合代数法来剔除路径中多余的冗余点，从而能够保证取药机器人在进行路径规划时的搜索效率，同时保障了取药机器人在寻路过程中安全性的问题。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本申请改进A*算法的药房机器人路径规划一个实施例的栅格地图；
图2为本申请改进A*算法的药房机器人路径规划一个实施例的未进行安全性考虑的路径图；
图3为本申请改进A*算法的药房机器人路径规划一个实施例的进行安全性考虑的路径图；
图4为本申请改进A*算法的药房机器人路径规划一个实施例的冗余节点判别图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
传统A*算法在进行路径规划时，一般考虑的质点问题只是机器人本体，而像机器人的长、宽、高等外部特征没有考虑在内，且自动化药房中存在很多排药架，药架上也摆满了药物，取药机器人作为特殊的运动体，假如取药机器人在前进的过程中与药架或者其它障碍物没有保持一定的安全距离时，那取药机器人在实际运行中难免与药架等障碍物发生碰撞，严重的话不仅会损坏机器人本体，还会导致药架上的药盒跌落。本发明实施例提出一种改进A*算法的药房机器人路径规划方法，针对实际自动化药房中存在的障碍物对其进行膨胀处理；同时改进A*算法的评价函数，结合几何代数方法来剔除路径规划中多余的冗余点，进而在保证搜索效率的前提下得到最优路径。
如图1所示，在搭建自动化药房的栅格地图时，需要根据自动化药房的实际尺寸地图构建N*M的栅格地图，且所搭建的地图中含有取药机器人起始位置和目标位置信息，障碍物占据栅格地图的信息。
如图2-3所示，对自动化药房中存在的障碍物对其进行膨胀处理，使机器人能够安全的在药房中前行。
如图4所示，本申请改进A*算法的药房机器人路径规划一个实施例的冗余节点判别图。
如图1-4所示，本发明的一种改进A*算法的药房机器人路径规划方法，包括以下步骤：采用栅格法搭建自动化药房的地图模型；在地图模型中，针对实际自动化药房中存在的障碍物对其进行膨胀处理；同时改进A*算法的评价函数，结合代数方法来剔除路径规划中多余的冗余点，进而在保证搜索效率的前提下得到最优路径。
所述采用栅格法搭建自动化药房的地图模型包括：搭建平面栅格地图模型时构建N*M的栅格地图，地图中含有各取药机器人起始位置和目标位置信息，障碍物占据栅格地图的信息。
所述在地图模型中，针对实际自动化药房中存在的障碍物对其进行膨胀处理包括：将药架膨胀半径设定为机器人宽度的一半左右，这样机器人在药房过道中规划出的路径与障碍物的最小距离大于机器人宽度的一半，这样能够保证取药机器人本体的宽度小于两个药架之间可通行的区域。
所述改进A*算法的评价函数，结合代数方法来剔除路径规划中多余的冗余点包括：改进A*算法的评价函数。其中：(x,y)为当前被搜索节点，f(x,y)为估计成本，g(x,y)为实际成本，h(x,y)为启发函数，A为当前点到目标点的距离，a为起始点到目标点的距离，n为药架占总栅格的总数，L为机器人自身所占栅格的数目，N*M为总栅格数量，γ为安全因子。
所述结合代数方法来剔除路径规划中多余的冗余点包括：采用三阶行列式面积法解决路径中三点共线的问题；其中：节点A用坐标(x0,y0)表示，节点B用坐标(x1,y1)表示，节点C用坐标(x2,y2)表示。如果SΔ等于零时，说明A、B、C三点共线，那么节点B为冗余点，需剔除，路径由A到B再到C直接变为由A到C。
其中：节点A用坐标(x0,y0)表示，节点B用坐标(x1,y1)表示，节点C用坐标(x2,y2)表示。如果SΔ等于零时，说明A、B、C三点共线，那么节点B为冗余点，需剔除，路径由A到B再到C直接变为由A到C。其中：节点C用坐标(x0,y0)来表示，节点C的后一节点D用坐标(x1,y1)来表示，节点D的后一节点E用坐标(x2,y2)来表示，障碍物的三个顶点由坐标F(x3,y3)、G(x4,y4)、H(x5,y5)分别表示，其中一条角平分线对应的坐标由I(x6,y6)表示，向量
Figure BDA0002896306020000071
由C指向E，向量
Figure BDA0002896306020000072
由C指向I，向量
Figure BDA0002896306020000073
由C指向F，向量
Figure BDA0002896306020000074
由F指向I，向量
Figure BDA0002896306020000075
由F指向C，向量
Figure BDA0002896306020000076
由F指向E。如果μ1·μ2<0，且μ3·μ4<0，则表示角平分线FI与线段CE相交，反之表示线段CE与角平分线不相交，其余两条角平分线与线段CE是否相交也可根据此原理判断。只要三条角平分线中的任意一条与线段CE相交，则代表节点C与节点E之间有障碍物，路径仍然是由C到D再到E(不改变其路径)；反之如果三条角平分线和线段CE都没有相交，则代表节点C与节点E之间并无障碍物，连接节点C与节点E，去除冗余节点D，路径由C到D再到E直接变为由C到E。
本实施例中，如图1所示，便是采用栅格法搭建自动化药房的地图模型，在地图模型中，针对现有的药房中存在的障碍物进行膨胀处理，如黑块所示。
如图2所示，为本实施例中的药房机器人原始的移动路径，该药房机器人路径规划中，未进行安全性的考虑，导致撞到了5次障碍物的情况，该种情况下便可导致小车在行驶过程中倾倒，同样也导致了取药的周期变长，药房机器人需要变动接近10次才可到达取药窗口，并不利于取药。
如图3所示，为本实施例中的药房机器人通过安全性考虑的新的移动路径，该药房机器人在路径规划中，考虑到了安全性的问题，将所需移动的路径规划为了5个变动，每次变动的距离均采用“两点之间直线最短”的考虑因素，变动次数相比原始路径较少，同时也在合理规避障碍物，降低与障碍物碰撞的可能性，保证了送药图中的送药安全性。
如图4所示，为本实施例中的药房机器人路径规划的冗余节点判别图，其中，只要三条角平分线中的任意一条与线段CE相交，则代表节点C与节点E之间有障碍物，路径仍然是由C到D再到E(不改变其路径)；反之如果三条角平分线和线段CE都没有相交，则代表节点C与节点E之间并无障碍物，连接节点C与节点E，去除冗余节点D，路径由C到D再到E直接变为由C到E，在不断的改变行走路径的同时，只为保证合理规避障碍物，同时提高送药安全性。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (6)

1.一种改进A*算法的药房机器人路径规划方法，其特征在于，包括以下步骤：采用栅格法搭建自动化药房的地图模型；在地图模型中，针对实际自动化药房中存在的障碍物对其进行膨胀处理；同时改进A*算法的评价函数，结合代数方法来剔除路径规划中多余的冗余点，进而在保证搜索效率的前提下得到最优路径。
2.根据权利要求1所述的一种改进A*算法的药房机器人路径规划方法，其特征在于，所述采用栅格法搭建自动化药房的地图模型包括：搭建平面栅格地图模型时构建N*M的栅格地图，地图中含有各取药机器人起始位置和目标位置信息，障碍物占据栅格地图的信息。
3.根据权利要求1所述的一种改进A*算法的药房机器人路径规划方法，其特征在于，所述在地图模型中，针对实际自动化药房中存在的障碍物对其进行膨胀处理包括：将药架膨胀半径设定为机器人宽度的一半左右，这样机器人在药房过道中规划出的路径与障碍物的最小距离大于机器人宽度的一半，这样能够保证取药机器人本体的宽度小于两个药架之间可通行的区域。
4.根据权利要求1所述的一种改进A*算法的药房机器人路径规划方法，其特征在于，所述改进A*算法的评价函数，结合代数方法来剔除路径规划中多余的冗余点包括：
改进A*算法的评价函数：
Figure FDA0002896306010000011
其中：(x,y)为当前被搜索节点，f(x,y)为估计成本，g(x,y)为实际成本，h(x,y)为启发函数，A为当前点到目标点的距离，a为起始点到目标点的距离，n为药架占总栅格的总数，L为机器人自身所占栅格的数目，N*M为总栅格数量，γ为安全因子。
5.根据权利要求4所述的一种改进A*算法的药房机器人路径规划方法，其特征在于，所述结合代数方法来剔除路径规划中多余的冗余点包括：采用三阶行列式面积法解决路径中三点共线的问题；
Figure FDA0002896306010000021
其中：节点A用坐标(x0,y0)表示，节点B用坐标(x1,y1)表示，节点C用坐标(x2,y2)表示。如果SΔ等于零时，说明A、B、C三点共线，那么节点B为冗余点，需剔除，路径由A到B再到C直接变为由A到C。
6.根据权利要求4所述的一种改进A*算法的药房机器人路径规划方法，其特征在于，所述结合几何代数方法来剔除路径规划中多余的冗余点还包括：采用角平分线判别法对路径中不必要的转折点进行处理；
Figure FDA0002896306010000022
Figure FDA0002896306010000023
Figure FDA0002896306010000024
Figure FDA0002896306010000031
其中：节点C用坐标(x0,y0)来表示，节点C的后一节点D用坐标(x1,y1)来表示，节点D的后一节点E用坐标(x2,y2)来表示，障碍物的三个顶点由坐标F(x3,y3)、G(x4,y4)、H(x5,y5)分别表示，其中一条角平分线对应的坐标由I(x6,y6)表示，向量
Figure FDA0002896306010000032
由C指向E，向量
Figure FDA0002896306010000033
由C指向I，向量
Figure FDA0002896306010000034
由C指向F，向量
Figure FDA0002896306010000035
由F指向I，向量
Figure FDA0002896306010000036
由F指向C，向量
Figure FDA0002896306010000037
由F指向E。如果μ1·μ2<0，且μ3·μ4<0，则表示角平分线FI与线段CE相交，反之表示线段CE与角平分线不相交，其余两条角平分线与线段CE是否相交也可根据此原理判断。只要三条角平分线中的任意一条与线段CE相交，则代表节点C与节点E之间有障碍物，路径仍然是由C到D再到E(不改变其路径)；反之如果三条角平分线和线段CE都没有相交，则代表节点C与节点E之间并无障碍物，连接节点C与节点E，去除冗余节点D，路径由C到D再到E直接变为由C到E。
CN202110042125.0A 2021-01-13 2021-01-13 一种改进a*算法的药房机器人路径规划方法 Pending CN112882468A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110042125.0A CN112882468A (zh) 2021-01-13 2021-01-13 一种改进a*算法的药房机器人路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110042125.0A CN112882468A (zh) 2021-01-13 2021-01-13 一种改进a*算法的药房机器人路径规划方法

Publications (1)

Publication Number Publication Date
CN112882468A true CN112882468A (zh) 2021-06-01

Family

ID=76045284

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110042125.0A Pending CN112882468A (zh) 2021-01-13 2021-01-13 一种改进a*算法的药房机器人路径规划方法

Country Status (1)

Country Link
CN (1) CN112882468A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114199270A (zh) * 2021-12-14 2022-03-18 安徽理工大学 融合双向搜索机制与改进a*算法的机器人路径规划方法
CN114489065A (zh) * 2022-01-20 2022-05-13 华中科技大学同济医学院附属同济医院 手术室医疗物资配送多机器人协同路径规划方法及其应用

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110567477A (zh) * 2019-09-27 2019-12-13 五邑大学 基于改进a*算法的路径规划方法、装置及机器人
CN111174798A (zh) * 2020-01-17 2020-05-19 长安大学 一种足式机器人路径规划方法
CN111708364A (zh) * 2020-06-19 2020-09-25 南京理工大学 一种基于a*算法改进的agv路径规划方法
CN112034836A (zh) * 2020-07-16 2020-12-04 北京信息科技大学 一种改进a*算法的移动机器人路径规划方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110567477A (zh) * 2019-09-27 2019-12-13 五邑大学 基于改进a*算法的路径规划方法、装置及机器人
CN111174798A (zh) * 2020-01-17 2020-05-19 长安大学 一种足式机器人路径规划方法
CN111708364A (zh) * 2020-06-19 2020-09-25 南京理工大学 一种基于a*算法改进的agv路径规划方法
CN112034836A (zh) * 2020-07-16 2020-12-04 北京信息科技大学 一种改进a*算法的移动机器人路径规划方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吴家钦 等: "《平面解析几何底版》", 31 October 1982, 上海科学技术出版社 *
马泽文: "地面机器人定位方法与避障技术的研究", 《中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑》 *
黄群军 等: "改进 A*算法的麦克纳姆轮 AGV 路径规划", 《机械科学与技术》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114199270A (zh) * 2021-12-14 2022-03-18 安徽理工大学 融合双向搜索机制与改进a*算法的机器人路径规划方法
CN114489065A (zh) * 2022-01-20 2022-05-13 华中科技大学同济医学院附属同济医院 手术室医疗物资配送多机器人协同路径规划方法及其应用
CN114489065B (zh) * 2022-01-20 2023-08-25 华中科技大学同济医学院附属同济医院 手术室医疗物资配送多机器人协同路径规划方法及其应用

Similar Documents

Publication Publication Date Title
CN112882468A (zh) 一种改进a*算法的药房机器人路径规划方法
CN106527448B (zh) 适用于仓库环境的改进a*机器人最优路径规划方法
CN108775902A (zh) 基于障碍物虚拟膨胀的伴随机器人路径规划方法及系统
CN112068588A (zh) 一种基于飞行走廊和贝塞尔曲线的无人飞行器轨迹生成方法
CN111811514A (zh) 一种基于正六边形栅格跳点搜索算法的路径规划方法
CN115328165B (zh) 一种基于安全调运走廊的航母舰载机甲板滑行轨迹规划方法
CN113515129B (zh) 一种基于边界查找的双向跳点搜索无人车路径规划方法
CN110763247A (zh) 基于可视图和贪心算法结合的机器人路径规划方法
Wang et al. A hybrid genetic tabu search algorithm for mobile robot to solve AS/RS path planning
CN113741454A (zh) 一种基于搜索的多智能体路径规划方法及系统
CN115729266A (zh) 一种有效跟踪预设航线的无人机避障方法
CN110412984B (zh) 一种群集安全一致性控制器及其控制方法
Chang et al. Skeleton extraction and greedy-algorithm-based path planning and its application in UAV trajectory tracking
CN105137979A (zh) 双核中速六轮微微鼠冲刺控制器及其控制方法
Xin et al. A new occupancy grid of the dynamic environment for autonomous vehicles
CN113418522B (zh) Agv路径规划方法、跟随方法、装置、设备及存储介质
Guo et al. Optimal trajectory generation for nonholonomic robots in dynamic environments
García et al. Vodec: A fast Voronoi algorithm for car-like robot path planning in dynamic scenarios
Wang et al. A multi-RRT based hierarchical path planning method
Ögren et al. A provably convergent dynamic window approach to obstacle avoidance
Junyi et al. Path planning for USV with FG-DA-RRT algorithm
Doi et al. Search by a metamorphic robotic system in a finite 2D square Grid
Khanal et al. Guided Sampling-Based Motion Planning with Dynamics in Unknown Environments
CN110986981B (zh) 面向多机器人路径规划的增设路径障碍方法
Zhu et al. Visible RRT*: Asymptotically Optimal Random Search Tree for Visual Servo Tasks with the FOV Constraint

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210601