CN112965485B - 一种基于二次区域划分的机器人全覆盖路径规划方法 - Google Patents
一种基于二次区域划分的机器人全覆盖路径规划方法 Download PDFInfo
- Publication number
- CN112965485B CN112965485B CN202110151982.4A CN202110151982A CN112965485B CN 112965485 B CN112965485 B CN 112965485B CN 202110151982 A CN202110151982 A CN 202110151982A CN 112965485 B CN112965485 B CN 112965485B
- Authority
- CN
- China
- Prior art keywords
- sub
- cell
- map
- adjacent
- region
- 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.)
- Active
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
- G05D1/0212—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 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
Abstract
本发明提出一种基于二次区域划分的机器人全覆盖路径规划方法。首先判断所给环境地图中间是否存在占据的物体,采用算法切换机制对地图进行区域划分,得到子区域。然后利用元胞自动机原理对子区域进行四边形网格划分,使子区域二次划分,定义元胞和相邻元胞集合模型,制定演化规则,得到子区域的覆盖路径,建立邻接路径,从而完成整个环境地图的规划路径。本发明降低了遍历重叠度,减少了转弯次数,增加了覆盖率,大大提高了路径规划效率,具有较大的可行性和实用推广价值。
Description
技术领域
本发明属于人工智能领域,涉及一种移动机器人全覆盖路径规划技术,具体涉及一种基于二次区域划分的机器人全覆盖路径规划方法。
背景技术
目前,人工智能领域对人类的生活生产方式产生巨大的改变,机器人作为近几年人工智能领域的代表产物,已经被应用到各行各业。室内移动机器人是机器人领域的一个大的分支,在生产生活中很为常见,而全覆盖路径规划是移动机器人研究领域的重要组成部分。
全覆盖路径规划——Complete Coverage Path Planning,即根据建图中获取的先验信息设计一条可以遍历环境中所有区域的路径,也就是常说的CCPP问题,全覆盖全局路径规划是移动机器人完成其他任务的前提,也是智能化的重要标志。
全覆盖路径规划算法主要分为3种:传统法,栅格法和单元分解法,它们被广泛用于各类移动机器人上,但这些算法会出现遍历重叠度高、会产生路径冗余,转弯次数多,划分区域模糊等问题,缺乏高效性和适用性。
对于室内移动机器人如何解决上述出现的问题,得到一条性能较优的全覆盖路径成为移动机器人研究的热点问题。
发明内容
本发明的目的在于提供一种基于二次区域划分的机器人全覆盖路径规划方法,在移动机器人获得先验地图的基础上,对地图进行区域划分,得到子区域,再对子区域进行二次划分,获得子区域的覆盖路径,建立邻接路径,从而完成整个环境地图的规划路径。
为了解决上述技术问题,本发明的技术方案是:
一种基于二次区域划分的机器人全覆盖路径规划方法,其特征在于,包括如下步骤:
步骤1、根据获得的先验地图判断所给环境地图中间是否存在占据的物体;
步骤2、根据是否物体占据采用算法切换机制对不同地图进行区域划分,得到子区域;
步骤3、然后利用元胞自动机原理对子区域进行四边形网格划分,使子区域二次划分,定义元胞和相邻元胞集合模型,制定演化规则,得到子区域的覆盖路径;
步骤4、建立邻接路径,从而完成整个环境地图的规划路径。
优选的,步骤1中,判断方法包含以下步骤:
步骤1.1、移动机器人获取的室内环境地图是由一个个单通道的像素点组成的,地图中边界位置像素点的像素值描述为:image.at<uchar>(i,j)=76,i、j为室内环境地图中像素的行列坐标;地图中边界以外区域的像素值为:image.at<uchar>(i,j)=255;而对于地图中边界以内的空白区域,即可通行区域,其像素值为:image.at<uchar>(i,j)=0;
步骤1.2、根据获得室内环境地图找出地图中边界的位置,即image.at<uchar>(i,j)=76的位置,在地图边界内判断同一列的像素值是否相同,如果像素值不变,则说明地图中无物体占据;如果发生变化,则说明地图中有物体占据。
优选的,步骤2中,如果环境地图中有物体占据,则采用BCD算法划分子区域,如果没有物体占据,则采用相邻分解算法划分子区域。
优选的,步骤2中,相邻分解算法划分子区域包含以下步骤:
步骤2.1.1、如果地图中没有物体占据,则利用相邻分解法计算地图中可通行区域内第i行中所有列像素值为0的列数αi与第i+1行即相邻行中所有列像素值为0的列数αi+1,并求出相邻行差值的绝对值|αi+1-αi|;
步骤2.1.2、设定一个阈值β,与阈值β对比,若|αi+1-αi|>β,则说明相邻行不在同一个子区域;若|αi+1-αi|≤β,则说明相邻行在同一子区域;
步骤2.1.3、不断重复计算相邻行像素值为0的列数,当相邻行差值的绝对值大于阈值时,产生新的子区域,标记索引为idex=a,(a=1,2,3…);a为子区域序号,如果相邻行差值的绝对值小于阈值则无新的子区域产生;
步骤2.1.4、不断重复步骤2.1.1至步骤2.1.3,直到子区域划分结束,根据子区域的产生顺序,标记索引为idex=a,(a=1,2,3…)。
优选的,步骤2中,BCD算法划分子区域包含以下步骤:
步骤2.2.1、如果室内环境地图中有物体占据,则采用BCD算法对室内中间物体被占据的环境进行区域分割,BCD算法包括IN事件和OUT事件,IN事件会使区域的连通性增加,会使当前子区域关闭,增加两个新的子区域;相反地事件为OUT事件,OUT事件是指区域连通性降低,原来的两个子区域关闭,一个新的子区域产生;
步骤2.2.2、即利用一条直线从左到右对物体占据的环境空间进行分割,当直线扫过所给环境空间即地图的第一列时,生成第一个子区域的列,该区域为有界空间且有上下边界;
步骤2.2.3、当直线继续向右移动逐渐增加第一个子区域的列空间,当直线遇到地图中间有障碍物的情况或者有其他物体的情况下,算法进入IN事件产生两个新的子区域,原来的子区域关闭;
步骤2.2.4、当直线扫过有障碍物的空间时IN事件结束,进入OUT事件,两个原来的子区域关闭,产生新的子区域;
步骤2.2.5、循环步骤2.2.2至步骤2.2.4,直到直线扫完所有的环境空间,即完成整个环境地图的区域划分,根据子区域的产生顺序,标记索引为idex=a,(a=1,2,3…)。
优选的,步骤3中的具体步骤如下:
步骤3.1、再用元胞自动机原理来对获得的子区域进行二次划分,用公式(1)表示为:
CA=(Ld,S,N,F) 公式(1)
其中Ld表示d维元胞空间,S表示元胞状态,N为相邻元胞集合数,F表示演化规则;
步骤3.2、对于移动机器人模型来说,其运动在二维空间;对于已经划分好的子区域,采用四边形网格继续划分,划分好的一个个小四边形也就是元胞,利用元胞的状态值描述当前元胞是否被移动机器人遍历,利用相邻元胞集合描述移动机器人的运动方向;
公式(2)中,S表示元胞的状态值;
步骤3.3、将当前元胞左、左上、上、右上、右、右下、下、左下八个方向上对应的相邻元胞设为领域,即机器人能向这个八个方向任意移动,用公式(3)表示如下:
{dk=(xk,yk)||xk-xc|≤R,|yi-yc|≤R,(xk,yk)∈Z2} 公式(3)
其中R表示元胞的边长,也是相邻元胞之间的距离,(xc,yc)表示当前元胞中心点位置,(xk,yk)表示相邻元胞中心点位置,角标k表示元胞的序数,dk表示相邻元胞集合数,Z表示坐标的集合空间;
步骤3.4、每一个元胞中心位置也就是室内移动机器人全覆盖路径规划中的子路径点,在移动机器人实际运动过程中能作为导航点使用,并且元胞的边长略小于机器人直径D,即R<D;
步骤3.5、以子区域的左上角的顶点元胞中心位置为起点,对子区域中的所有元胞进行遍历,根据上、左、右、下、左上、右上、右下、左下的运动顺序建立优先级,按照优先级选择下一个要遍历的元胞;
步骤3.6、遍历后的元胞状态值变为1,然后将已遍历的元胞作为当前元胞,按照优先级找出一个相邻元胞状态值为0的邻居;将按照优先级找出的相邻元胞状态值加1,更新当前元胞;当当前子区域的所有元胞状态值都为1时,停止演变,得到子区域的终点,即当前子区域覆盖路径规划结束;
步骤3.7、当子区域发生变化时,对元胞重新初始化;
步骤3.8、循环步骤3.5至步骤3.7,直到所有子区域的元胞值都为1,得到各个子区域的覆盖路径。
优选的,步骤4的具体方法如下:
步骤4.1、按照子区域的划分顺序,将相邻子区域进行连接,即将前一子区域的终点与当前子区域的起点直接相连得到子区域邻接路径;
步骤4.2、将采用Trajectory Rollout算法对两个子区域的邻接路径进行规划,完成整个环境地图的规划路径。
本发明有益效果是:
本发明通过采用算法切换机制对环境地图采取不同的划分方式,得到子区域,再利用元胞自动机原理对子区域进行四边形网格划分,使子区域二次划分,定义元胞和相邻元胞集合模型,制定演化规则,得到子区域的覆盖路径,建立邻接路径,得到全覆盖路径,从而降低了遍历重叠度,减少了转弯次数,增加了覆盖率,大大提高了路径规划效率。
附图说明
图1为本发明基于二次区域划分的机器人全覆盖路径规划方法的总流程图。
图2为本发明实施例中环境地图中无物体占据情况下的子区域划分示意图,图中各子区域用索引1、2、3表示。
图3为本发明实施例中利用BCD算法划分子区域的示意图,图中各子区域用索引1、2、3等数字表示。
图4为本发明实施例中对子区域进行二次划分的示意图,即利用四边形网格划分子区域。
图5为本发明实施例中相邻元胞集合示意图,当前元胞d的领域为左、左上、上、右上、右、右下、下、左下八个方向上对应的相邻元胞。
图6为本发明实施例中全覆盖路径规划示意图。
具体实施方式
下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例用于说明本发明,但不能用来限制本发明的范围。
如图1所示,一种基于二次区域划分的机器人全覆盖路径规划方法,包括如下步骤:
步骤1、根据获得的先验地图判断所给环境地图中间是否存在占据的物体;具体判断方法包含以下步骤:
步骤1.1、移动机器人获取的室内环境地图是由一个个单通道的像素点组成的,地图中边界位置像素点的像素值描述为:image.at<uchar>(i,j)=76,i、j为室内环境地图中像素的行列坐标;地图中边界以外区域的像素值为:image.at<uchar>(i,j)=255;而对于地图中边界以内的空白区域,即可通行区域,其像素值为:image.at<uchar>(i,j)=0;
步骤1.2、根据获得室内环境地图找出地图中边界的位置,即image.at<uchar>(i,j)=76的位置,在地图边界内判断同一列的像素值是否相同,如果像素值不变,则说明地图中无物体占据;如果发生变化,则说明地图中有物体占据。
步骤2、根据是否物体占据采用算法切换机制对不同地图进行区域划分,得到子区域;对机器人全覆盖路径规划来说,只需要对可通行区域进行规划,因此只需要对可通行区域按照一定的规则进行区域划分;机器人在拥有先验地图的前提下,判断建立的环境地图内部是否有障碍物或者其他物体占据内部空间,采用不同的区域划分方式。
步骤2.1.1、若环境地图中无物体占据,则通过相邻分解法计算地图中可通行区域内第i行中所有列像素值为0的列数αi与第i+1行即相邻行中所有列像素值为0的列数αi+1,并求出相邻行差值的绝对值|αi+1-αi|。
步骤2.1.2、设定一个阈值β,将相邻行差值的绝对值与阈值β对比。若|αi+1-αi|>β,则说明相邻行不在同一个子区域;若|αi+1-αi|≤β,则说明相邻行在同一子区域。
步骤2.1.3、不断重复计算相邻行像素值为0的列数,当相邻行的绝对值大于阈值时,产生新的子区域,标记索引为idex=a,(a=1,2,3…);如果相邻行的绝对值小于阈值则无新的子区域产生,如此反复,直到子区域划分结束,如图2所示,该环境地图被分为三块,索引分别为idex=1,idex=2,idex=3。
步骤2.2.1、如果有物体等占据环境空间,需要利用BCD算法将将室内环境地图分割成一个个互不重叠且相邻的子单元。BCD算法主要有两个事件:IN事件和OUT事件。IN事件会使区域的连通性增加,会使当前子区域关闭,增加两个新的子区域;相反地事件为OUT事件,OUT事件是指区域连通性降低,原来的两个子区域关闭,一个新的子区域产生。
步骤2.2.2、利用一条直线从左到右对所给环境空间进行分割,当直线扫过所给环境空间即地图的第一列时,生成第一个子区域的列,该区域为有界空间且有上下边界。
步骤2.2.3、当直线继续向右移动逐渐增加第一个子区域的列空间,当直线遇到地图中间有障碍物的情况或者有其他物体的情况下,算法进入IN事件产生两个新的子区域,原来的子区域关闭。
步骤2.2.4当直线扫过有障碍物的空间时IN事件结束,进入OUT事件,两个原来的子区域关闭,产生新的子区域。
步骤2.2.5、循环步骤2.2.2至步骤2.2.4,直至整个区域划分结束,整个环境地图划分过程如图3所示,直线与y轴平行,沿着x轴向右对地图进行分割,当遇到正方形的障碍物时,进入IN事件,区域1关闭,有新的区域产生;当离开障碍物后退出IN事件,进入OUT事件,区域2和区域3关闭,进入区域4;当遇到三角形障碍物时,区域4关闭,产生区域5和区域6;当离开障碍物时,退出IN事件,进入OUT事件,产生区域7;当直线扫过区域7的边界时,退出BCD算法,完成地图的区域划分。
步骤3、如图4所示,对于已经划分好的子区域,采用四边形网格二次划分,划分好的一个个小四边形也就是元胞;定义元胞和相邻元胞集合模型,制定演化规则,得到子区域的覆盖路径;具体步骤如下:
步骤3.1、再用元胞自动机原理来对获得的子区域进行二次划分,用公式(1)表示为:
CA=(Ld,S,N,F) 公式(1)
其中CA表示元胞自动机,Ld表示d维元胞空间,S表示元胞状态,N为相邻元胞集合数,F表示演化规则;
步骤3.2、对于移动机器人模型来说,其运动在二维空间;对于已经划分好的子区域,采用四边形网格继续划分,划分好的一个个小四边形也就是元胞,利用元胞的状态值描述当前元胞是否被移动机器人遍历,利用相邻元胞集合描述移动机器人的运动方向,元胞的状态值可以描述当前元胞是否被移动机器人遍历,如公式(2)所示;
公式(2)中,S表示元胞的状态值。
步骤3.3、如图5所示,机器人所在元胞为当前元胞,将当前元胞左、左上、上、右上、右、右下、下、左下八个方向上对应的相邻元胞设为领域,即机器人可以向这个八个方向任意移动。用公式(3)表示如下:
{dk=(xk,yk)||xk-xc|≤R,|yi-yc|≤R,(xk,yk)∈Z2} 公式(3)
其中R表示元胞的边长,也是相邻元胞之间的距离,(xc,yc)表示当前元胞中心点位置(即用像素行列表示的横纵坐标),(xk,yk)表示相邻元胞中心点位置,角标k表示元胞的序数,dk表示相邻元胞集合数,Z表示坐标的集合空间。
步骤3.4、每一个元胞中心位置也就是室内移动机器人全覆盖路径规划中的子路径点,在移动机器人实际运动过程中可以作为导航点使用,并且元胞的边长略小于机器人直径D,即R<D。
步骤3.5、以子区域的左上角的顶点元胞中心位置为起点,对子区域中的所有元胞进行遍历,根据上、左、右、下、左上、右上、右下、左下的运动顺序建立优先级,按照优先级选择下一个要遍历的元胞。
步骤3.6、遍历后的元胞状态值变为1,然后将已遍历的元胞作为当前元胞,按照优先级找出一个相邻元胞状态值为0的邻居;将按照优先级找出的相邻元胞状态值加1,更新当前元胞;当当前子区域的所有元胞状态值都为1时,停止演变,得到子区域的终点,即当前子区域覆盖路径规划结束。
步骤3.7、当子区域发生变化时,对元胞重新初始化。
步骤3.8、循环步骤3.5至步骤3.7,直到所有子区域的元胞值都为1,得到各个子区域的覆盖路径,如图6所示。
步骤4、建立邻接路径,从而完成整个环境地图的规划路径。
步骤4.1、按照子区域的划分顺序(即子区域的索引),将相邻子区域进行连接,即将前一子区域的终点与当前子区域的起点直接相连得到子区域邻接路径;
步骤4.2、为防止规划的路径直接穿过障碍物,在实际运动过程中,将采用Trajectory Rollout算法对两个子区域的邻接路径进行规划,该算法能够使机器人躲避障碍物,并一个较快的速度向目标位置运动,其通过对机器人当前的速度和角度采样,针对每个采样,计算轨迹,通过评价函数对轨迹打分,选出最优路径,Trajectory Rollout算法的评价函数表达式如下:
G(v,ω)=(α·heading(ν,ω)+β·dist(ν,ω)+γ·velocity(ν,ω)) 公式(4)
公式(4)中,heading(ν,ω)为方位角评价函数,表示机器人在当前的采样速度下,达到模拟轨迹目标位置时机器人的朝向与目标点的角度差距;dist(ν,ω)为空隙函数,表示该轨迹上机器人与距离最近的物体之间的距离;velocity(ν,ω)是速度函数,表示当前轨迹的速度大小;α,β,γ表示系数,为固定值,(ν,ω)是二维速度空间,ν代表前进速度,ω代表旋转速度。
以上实施方式仅用于说明本发明,而非对本发明的限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行各种组合、修改或者等同替换,都不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种基于二次区域划分的机器人全覆盖路径规划方法,其特征在于,包括如下步骤:
步骤1、根据获得的先验地图判断所给环境地图中间是否存在占据的物体;
步骤2、根据是否物体占据采用算法切换机制对不同地图进行区域划分,得到子区域;
步骤3、然后利用元胞自动机原理对子区域进行四边形网格划分,使子区域二次划分,定义元胞和相邻元胞集合模型,制定演化规则,得到子区域的覆盖路径;
步骤4、建立邻接路径,从而完成整个环境地图的规划路径;
步骤1中,判断方法包含以下步骤:
步骤1.1、移动机器人获取的室内环境地图是由一个个单通道的像素点组成的,地图中边界位置像素点的像素值描述为:image.at<uchar>(i,j)=76,i、j为室内环境地图中像素的行列坐标;地图中边界以外区域的像素值为:image.at<uchar>(i,j)=255;而对于地图中边界以内的空白区域,即可通行区域,其像素值为:image.at<uchar>(i,j)=0;
步骤1.2、根据获得室内环境地图找出地图中边界的位置,即image.at<uchar>(i,j)=76的位置,在地图边界内判断同一列的像素值是否相同,如果像素值不变,则说明地图中无物体占据;如果发生变化,则说明地图中有物体占据;
步骤2中,如果环境地图中有物体占据,则采用BCD算法划分子区域,如果没有物体占据,则采用相邻分解算法划分子区域;相邻分解算法划分子区域包含以下步骤:
步骤2.1.1、如果地图中没有物体占据,则计算地图中可通行区域内第i行中所有列像素值为0的列数αi与第i+1行即相邻行中所有列像素值为0的列数αi+1,并求出相邻行差值的绝对值|αi+1-αi|;
步骤2.1.2、设定一个阈值β,与阈值β对比,若|αi+1-αi|>β,则说明相邻行不在同一个子区域;若|αi+1-αi|≤β,则说明相邻行在同一子区域;
步骤2.1.3、不断重复计算相邻行像素值为0的列数,当相邻行差值的绝对值大于阈值时,产生新的子区域,标记索引为idex=a,a=1,2,3…;a为子区域序号,如果相邻行差值的绝对值小于阈值则无新的子区域产生;
步骤2.1.4、不断重复步骤2.1.1至步骤2.1.3,直到子区域划分结束,根据子区域的产生顺序,标记索引为idex=a,a=1,2,3…。
2.如权利要求1所述基于二次区域划分的机器人全覆盖路径规划方法,其特征在于,步骤2中,BCD算法划分子区域包含以下步骤:
步骤2.2.1、如果室内环境地图中有物体占据,则采用BCD算法对室内中间物体被占据的环境进行区域分割,BCD算法包括IN事件和OUT事件,IN事件会使区域的连通性增加,会使当前子区域关闭,增加两个新的子区域;相反地事件为OUT事件,OUT事件是指区域连通性降低,原来的两个子区域关闭,一个新的子区域产生;
步骤2.2.2、即利用一条直线从左到右对物体占据的环境空间进行分割,当直线扫过所给环境空间即地图的第一列时,生成第一个子区域的列,该区域为有界空间且有上下边界;
步骤2.2.3、当直线继续向右移动逐渐增加第一个子区域的列空间,当直线遇到地图中间有障碍物的情况或者有其他物体的情况下,算法进入IN事件产生两个新的子区域,原来的子区域关闭;
步骤2.2.4、当直线扫过有障碍物的空间时IN事件结束,进入OUT事件,两个原来的子区域关闭,产生新的子区域;
步骤2.2.5、循环步骤2.2.2至步骤2.2.4,直到直线扫完所有的环境空间,即完成整个环境地图的区域划分,根据子区域的产生顺序,标记索引为idex=a,a=1,2,3…。
3.如权利要求2所述基于二次区域划分的机器人全覆盖路径规划方法,其特征在于,步骤3中的具体步骤如下:
步骤3.1、再用元胞自动机原理来对获得的子区域进行二次划分,用公式(1)表示为:
CA=(Ld,S,N,F) 公式(1)
其中Ld表示d维元胞空间,S表示元胞状态,N为相邻元胞集合数,F表示演化规则;
步骤3.2、对于移动机器人模型来说,其运动在二维空间;对于已经划分好的子区域,采用四边形网格继续划分,划分好的一个个小四边形也就是元胞,利用元胞的状态值描述当前元胞是否被移动机器人遍历,利用相邻元胞集合描述移动机器人的运动方向;
公式(2)中,S表示元胞的状态值;
步骤3.3、将当前元胞左、左上、上、右上、右、右下、下、左下八个方向上对应的相邻元胞设为领域,即机器人能向这个八个方向任意移动,用公式(3)表示如下:
{dk=(xk,yk)||xk-xc|≤R,|yi-yc|≤R,(xk,yk)∈Z2} 公式(3)
其中R表示元胞的边长,也是相邻元胞之间的距离,(xc,yc)表示当前元胞中心点位置,(xk,yk)表示相邻元胞中心点位置,角标k表示元胞的序数,dk表示相邻元胞集合数,Z表示坐标的集合空间;
步骤3.4、每一个元胞中心位置也就是室内移动机器人全覆盖路径规划中的子路径点,在移动机器人实际运动过程中能作为导航点使用,并且元胞的边长略小于机器人直径D,即R<D;
步骤3.5、以子区域的左上角的顶点元胞中心位置为起点,对子区域中的所有元胞进行遍历,根据上、左、右、下、左上、右上、右下、左下的运动顺序建立优先级,按照优先级选择下一个要遍历的元胞;
步骤3.6、遍历后的元胞状态值变为1,然后将已遍历的元胞作为当前元胞,按照优先级找出一个相邻元胞状态值为0的邻居;将按照优先级找出的相邻元胞状态值加1,更新当前元胞;当当前子区域的所有元胞状态值都为1时,停止演变,得到子区域的终点,即当前子区域覆盖路径规划结束;
步骤3.7、当子区域发生变化时,对元胞重新初始化;
步骤3.8、循环步骤3.5至步骤3.7,直到所有子区域的元胞值都为1,得到各个子区域的覆盖路径。
4.如权利要求3所述基于二次区域划分的机器人全覆盖路径规划方法,其特征在于,步骤4的具体方法如下:
步骤4.1、按照子区域的划分顺序,将相邻子区域进行连接,即将前一子区域的终点与当前子区域的起点直接相连得到子区域邻接路径;
步骤4.2、将采用Trajectory Rollout算法对两个子区域的邻接路径进行规划,完成整个环境地图的规划路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110151982.4A CN112965485B (zh) | 2021-02-03 | 2021-02-03 | 一种基于二次区域划分的机器人全覆盖路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110151982.4A CN112965485B (zh) | 2021-02-03 | 2021-02-03 | 一种基于二次区域划分的机器人全覆盖路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112965485A CN112965485A (zh) | 2021-06-15 |
CN112965485B true CN112965485B (zh) | 2022-10-04 |
Family
ID=76274885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110151982.4A Active CN112965485B (zh) | 2021-02-03 | 2021-02-03 | 一种基于二次区域划分的机器人全覆盖路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112965485B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112147998B (zh) * | 2020-08-24 | 2021-12-07 | 同济大学 | 一种基于区域生长法的移动机器人路径规划方法 |
CN113570652B (zh) * | 2021-07-06 | 2023-03-10 | 中国地质大学(北京) | 基于sem图像的砂岩储层矿物晶间孔的定量分析方法 |
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 |
CN114442644B (zh) * | 2022-04-11 | 2022-07-15 | 季华实验室 | 多机器人避障方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016045618A2 (zh) * | 2014-09-25 | 2016-03-31 | 苏州宝时得电动工具有限公司 | 自动行走设备及其路径规划方法 |
CN106564054A (zh) * | 2016-10-20 | 2017-04-19 | 上海物景智能科技有限公司 | 一种机器人作业区域的动态分割方法及系统 |
CN108154265A (zh) * | 2017-12-22 | 2018-06-12 | 中国矿业大学 | 一种矿井火灾逃生路径的元胞自动机优化与引导方法 |
CN108981710A (zh) * | 2018-08-07 | 2018-12-11 | 北京邮电大学 | 一种移动机器人的全覆盖路径规划方法 |
CN108985516A (zh) * | 2018-07-24 | 2018-12-11 | 公安部第研究所 | 基于元胞自动机的室内路径规划方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107121142B (zh) * | 2016-12-30 | 2019-03-19 | 深圳市杉川机器人有限公司 | 移动机器人的拓扑地图创建方法及导航方法 |
CN107843262A (zh) * | 2017-10-30 | 2018-03-27 | 洛阳中科龙网创新科技有限公司 | 一种农用机械全覆盖运动路径规划的方法 |
-
2021
- 2021-02-03 CN CN202110151982.4A patent/CN112965485B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016045618A2 (zh) * | 2014-09-25 | 2016-03-31 | 苏州宝时得电动工具有限公司 | 自动行走设备及其路径规划方法 |
CN106564054A (zh) * | 2016-10-20 | 2017-04-19 | 上海物景智能科技有限公司 | 一种机器人作业区域的动态分割方法及系统 |
CN108154265A (zh) * | 2017-12-22 | 2018-06-12 | 中国矿业大学 | 一种矿井火灾逃生路径的元胞自动机优化与引导方法 |
CN108985516A (zh) * | 2018-07-24 | 2018-12-11 | 公安部第研究所 | 基于元胞自动机的室内路径规划方法 |
CN108981710A (zh) * | 2018-08-07 | 2018-12-11 | 北京邮电大学 | 一种移动机器人的全覆盖路径规划方法 |
Non-Patent Citations (4)
Title |
---|
David Michel ; Kenneth McIsaac.New path planning scheme for complete coverage of mapped areas by single and multiple robots.《2012 IEEE International Conference on Mechatronics and Automation》.2012, * |
Zhihua Song ; Han Zhang ; Xiaojie Zhang ; Fa Zhang.Unmanned Aerial Vehicle Coverage Path Planning Algorithm Based on Cellular Automata.《2019 15th International Conference on Computational Intelligence and Security (CIS)》.2020, * |
清洁机器人全覆盖路径规划研究;张月;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160615;正文第1-63页 * |
祝红芳 ; 王从庆.机器人路径规划的元胞自动机算法.《江西科学》.2009, * |
Also Published As
Publication number | Publication date |
---|---|
CN112965485A (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112965485B (zh) | 一种基于二次区域划分的机器人全覆盖路径规划方法 | |
CN107168305B (zh) | 路口场景下基于Bezier和VFH的无人车轨迹规划方法 | |
CN109947136B (zh) | 一种面向无人机群体快速目标搜索的协同主动感知方法 | |
CN112378408A (zh) | 一种实现轮式移动机器人实时避障的路径规划方法 | |
CN111610786B (zh) | 基于改进rrt算法的移动机器人路径规划方法 | |
CN107085437A (zh) | 一种基于eb‑rrt的无人机航迹规划方法 | |
CN113467456B (zh) | 一种未知环境下用于特定目标搜索的路径规划方法 | |
CN111324848B (zh) | 移动激光雷达测量系统车载轨迹数据优化方法 | |
CN112197778A (zh) | 基于改进a*算法的轮式机场巡界机器人路径规划方法 | |
CN112985408B (zh) | 一种路径规划优化方法及系统 | |
CN113485369A (zh) | 改进a*算法的室内移动机器人路径规划和路径优化方法 | |
CN110954124A (zh) | 一种基于a*-pso算法的自适应路径规划方法及系统 | |
Chen et al. | Multiagent path finding using deep reinforcement learning coupled with hot supervision contrastive loss | |
CN115903818A (zh) | 一种变电站巡检机器人路径规划方法 | |
CN116880497A (zh) | 一种自动化农业机械的全覆盖路径规划方法、装置和设备 | |
CN114967701A (zh) | 一种动态环境下移动机器人自主导航方法 | |
CN117249842A (zh) | 一种基于轨迹平滑优化的无人车混合轨迹规划方法 | |
CN116243724A (zh) | 基于A*算法与改进最小化snap的无人飞行器路径规划方法 | |
CN114882339B (zh) | 基于实时稠密点云地图的煤矿巷道孔眼自主识别方法 | |
Dang | Autonomous mobile robot path planning based on enhanced A* algorithm integrating with time elastic band | |
CN113741455B (zh) | 一种移动机器人可视范围覆盖路径规划方法 | |
CN115047871A (zh) | 动态目标的多无人车协同搜索方法、装置、设备及介质 | |
CN115092141A (zh) | 应用于自动驾驶车辆变道超车的轨迹规划方法及设备 | |
Zha et al. | Wind farm water area path planning algorithm based on A* and reinforcement learning | |
Chen et al. | GVD-Exploration: An Efficient Autonomous Robot Exploration Framework Based on Fast Generalized Voronoi Diagram Extraction |
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 |