CN112985405B - 一种机器人全覆盖路径规划方法、装置、设备及介质 - Google Patents
一种机器人全覆盖路径规划方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112985405B CN112985405B CN202110187698.2A CN202110187698A CN112985405B CN 112985405 B CN112985405 B CN 112985405B CN 202110187698 A CN202110187698 A CN 202110187698A CN 112985405 B CN112985405 B CN 112985405B
- Authority
- CN
- China
- Prior art keywords
- grid
- target
- area
- robot
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
Abstract
本申请公开了一种机器人全覆盖路径规划方法、装置、设备及介质。该方法包括:获取目标区域的栅格地图,根据所述栅格地图和预设最大面积划分规则对所述目标区域进行分割,得到多个分割后子区域;将机器人当前所在的分割后子区域作为目标子区域,对所述目标子区域开始路径规划,并对已规划栅格添加状态标记;所述状态标记包括已覆盖状态、边界状态和封闭状态;基于所述状态标记确定规划方向,并按照所述规划方向对所述目标子区域进行持续路径规划;当所述目标子区域覆盖完成后,选择所述机器人距离最近的分割后子区域进行路径规划。可以在复杂的环境中得到更加连续完整的规划路线,提高路径规划的覆盖率和规划效率。
Description
技术领域
本发明涉及机器人领域,特别涉及一种机器人全覆盖路径规划方法、装置、设备及介质。
背景技术
当前,对于清扫、除草等应用场景下的作业机器人通过全覆盖路径技术操作机器人进行作业,全覆盖路径规划是机器人的核心能力,全覆盖路径规划技术的目的是计算出一条无碰撞可通行的路线,该路线可以覆盖指定区域内的所有可通行区域。现有技术中,全覆盖路径规划主要包含未知地图的路径规划算法与已知的图的路径规划算法两种类型,其中,针对已知地图,通常根据地图障碍物信息基于栅格地图对路线进行整体规划,但对于边缘覆盖的能力较弱。因此,如何进一步提高全覆盖路径规划的覆盖率是当前亟需解决的问题。
发明内容
有鉴于此,本发明的目的在于提供一种机器人全覆盖路径规划方法、装置、设备及介质,能够提高路径规划的覆盖率。其具体方案如下:
第一方面,本申请公开了一种机器人全覆盖路径规划方法,包括:
获取目标区域的栅格地图,根据所述栅格地图和预设最大面积划分规则对所述目标区域进行分割,得到多个分割后子区域;
将机器人当前所在的分割后子区域作为目标子区域,对所述目标子区域开始路径规划,并对已规划栅格添加状态标记;所述状态标记包括已覆盖状态、边界状态和封闭状态;
基于所述状态标记确定规划方向,并按照所述规划方向对所述目标子区域进行持续路径规划;
当所述目标子区域覆盖完成后,选择所述机器人距离最近的分割后子区域进行路径规划。
可选的,所述根据所述栅格地图和预设最大面积划分规则对所述目标区域进行分割,得到多个分割后子区域,包括:
以所述栅格地图中障碍物为边界,根据最大面积优先原则将所述栅格地图中的可通行栅格划分为多个矩形区域;
将面积小于预设面积阈值的矩形区域与相邻的最大面积矩形区域进行合并,以得到所述分割后子区域。
可选的,所述将面积小于预设面积阈值的矩形区域与相邻的最大面积矩形区域进行合并,包括:
按照面积由大到小的顺序,依次将所述多个矩形区域中的矩形区域作为目标区域;
计算所述目标区域相邻的矩形区域的面积,并将面积小于预设面积阈值的矩形区域合并至所述目标区域;
当不存在面积小于所述预设面积阈值的矩形区域时结束合并。
可选的,所述对已规划栅格添加状态标记,包括:
根据所述机器人的占地面积,将所述机器人所在栅格标记为已覆盖状态;
将与已覆盖状态栅格相邻的栅格标记为边界状态;
将被障碍物和/或已覆盖状态栅格包围的栅格标记为封闭状态。
可选的,所述基于所述状态标记确定规划方向,并按照所述规划方向对所述目标子区域进行持续路径规划,包括:
按照栅格优先级确定出目标栅格,并移动所述机器人至所述目标栅格;
对所述目标栅格的周围区域进行路径规划,并对已规划栅格添加状态标记;
其中,所述栅格优先级为按照障碍物边界栅格、边界状态栅格、封闭状态栅格顺序排序的栅格优先级。
可选的,所述按照栅格优先级确定出目标栅格,并移动所述机器人至所述目标栅格,包括:
若所述机器人四周存在可通行障碍物边界栅格,则按照顺时针或逆时针顺序确定出障碍物边界栅格作为所述目标栅格;
若所述机器人四周不存在障碍物边界栅格,则按照顺时针或逆时针顺序从四周确定出边界状态栅格作为所述目标栅格;
若所述机器人四周不存在边界状态栅格,则利用Dijkstra算法确定出距离最近的封闭状态栅格作为所述目标栅格;
若未查找到封闭状态栅格,则利用Dijkstra算法确定出距离最近的边界状态栅格作为所述目标栅格。
第二方面,本申请公开了一种机器人全覆盖路径规划装置,包括:
区域划分模块,用于获取目标区域的栅格地图,根据所述栅格地图和预设最大面积划分规则对所述目标区域进行分割,得到多个分割后子区域;
状态标记模块,用于将机器人当前所在的分割后子区域作为目标子区域,对所述目标子区域开始路径规划,并对已规划栅格添加状态标记;所述状态标记包括已覆盖状态、边界状态和封闭状态;
路径规划模块,用于基于所述状态标记确定规划方向,并按照所述规划方向对所述目标子区域进行持续路径规划;
区域选择模块,用于当所述目标子区域覆盖完成后,选择所述机器人距离最近的分割后子区域进行路径规划。
可选的,所述区域划分模块,包括:
分割单元,用于以所述栅格地图中障碍物为边界,根据最大面积优先原则将所述栅格地图中的可通行栅格划分为多个矩形区域;
合并单元,用于将面积小于预设面积阈值的矩形区域与相邻的最大面积矩形区域进行合并,以得到所述分割后子区域。
第三方面,本申请公开了一种电子设备,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现前述的机器人全覆盖路径规划方法。
第四方面,本申请公开了一种计算机可读存储介质,用于存储计算机程序;其中计算机程序被处理器执行时实现前述的机器人全覆盖路径规划方法。
本申请中,获取目标区域的栅格地图,根据所述栅格地图和预设最大面积划分规则对所述目标区域进行分割,得到多个分割后子区域;将机器人当前所在的分割后子区域作为目标子区域,对所述目标子区域开始路径规划,并对已规划栅格添加状态标记;所述状态标记包括已覆盖状态、边界状态和封闭状态;基于所述状态标记确定规划方向,并按照所述规划方向对所述目标子区域进行持续路径规划;当所述目标子区域覆盖完成后,选择所述机器人距离最近的分割后子区域进行路径规划。可见,通过按照最大面积划分规则对目标区域进行分割,可以对目标区域中的所有区域进行划分,并且根据已覆盖状态、边界状态和封闭状态标记确定后续规划方向,可以在复杂的环境中得到更加连续完整的规划路线,提高路径规划的覆盖率和规划效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请提供的一种机器人全覆盖路径规划方法流程图;
图2为本申请提供的一种具体的机器人全覆盖路径规划方法流程图;
图3为本申请提供的一种栅格状态标记示意图;
图4为本申请提供的一种栅格状态标记示意图;
图5为本申请提供的一种具体的机器人全覆盖路径规划方法流程图;
图6为本申请提供的一种具体的机器人全覆盖路径规划方法流程图;
图7为本申请提供的一种栅格状态标记示意图;
图8为本申请提供的一种机器人全覆盖路径规划装置结构示意图;
图9为本申请提供的一种电子设备结构图。
具体实施方式
现有技术中,通常根据地图障碍物信息基于栅格地图对路线进行整体规划,但对于边缘覆盖的能力较弱。为克服上述技术问题,本申请提供一种机器人全覆盖路径规划方法,可以提高路径规划的覆盖率和规划效率。
本申请实施例公开了一种机器人全覆盖路径规划方法,参见图1所示,该方法可以包括以下步骤:
步骤S11:获取目标区域的栅格地图,根据所述栅格地图和预设最大面积划分规则对所述目标区域进行分割,得到多个分割后子区域。
本实施例中,在获取到目标区域的栅格地图后,基于上述栅格地图根据最大面积划分规则对上述目标区域进行分割,得到多个分割后子区域;其中,上述栅格地图是包含障碍物信息的地图。具体的,通过不断地从栅格地图的可通行栅格区域中框选出最大的矩形区域,并将小于预设面积矩形区域与邻近的最大的矩形区域合并,得到多个分割后子区域。
步骤S12:将机器人当前所在的分割后子区域作为目标子区域,对所述目标子区域开始路径规划,并对已规划栅格添加状态标记;所述状态标记包括已覆盖状态、边界状态和封闭状态。
本实施例中,区域划分完成后,选择机器人当前所在的分割后子区域作为目标子区域,并从该目标子区域开始路径规划,并对已规划栅格添加状态标记,具体的,对机器人已覆盖的栅格添加已覆盖状态标记,对含有已覆盖标记栅格相邻的栅格添加边界状态标记,对被障碍物和含有已覆盖状态标记栅格包围的栅格,添加封闭状态标记。可以理解的是,栅格的状态标记遵循由边界状态到封闭状态到已覆盖状态的变化,或由边界状态直接到已覆盖状态的变化。
步骤S13:基于所述状态标记确定规划方向,并按照所述规划方向对所述目标子区域进行持续路径规划。
本实施例中,机器人完成对自身四周栅格的状态标记后,可以通过查看周围栅格的状态,确定出下一个目标栅格地点,以便移动到该目标栅格继续进行路径规划,并通过不断循环上述操作直至完成对目标子区域的规划;由此一来,根据已覆盖状态、边界状态、封闭状态以及障碍物确定出机器人行走方向,可以避免重复规划和遗漏规划,提高了全覆盖路径规划的效率。
步骤S14:当所述目标子区域覆盖完成后,选择所述机器人距离最近的分割后子区域进行路径规划。
本实施例中,当上述目标子区域覆盖完成后,选择与机器人距离最近的分割后子区域重复上述步骤S12和步骤S13的步骤,直到所有分割后子区域规划完成后结束规划。通过对目标区域进行分割,并根据栅格状态确定规划方向,有序高效的实现对目标区域的全覆盖路径规划。
由上可见,通过获取目标区域的栅格地图,根据所述栅格地图和预设最大面积划分规则对所述目标区域进行分割,得到多个分割后子区域;然后,将机器人当前所在的分割后子区域作为目标子区域,对所述目标子区域开始路径规划,并对已规划栅格添加状态标记;所述状态标记包括已覆盖状态、边界状态和封闭状态;并基于所述状态标记确定规划方向,并按照所述规划方向对所述目标子区域进行持续路径规划;当所述目标子区域覆盖完成后,选择所述机器人距离最近的分割后子区域进行路径规划。可见,通过按照最大面积划分规则对目标区域进行分割,可以对目标区域中的所有区域进行划分,并且根据已覆盖状态、边界状态和封闭状态标记确定后续规划方向,可以在复杂的环境中得到更加连续完整的规划路线,提高路径规划的覆盖率和规划效率。
本申请实施例公开了一种具体的机器人全覆盖路径规划方法,参见图2所示,该方法可以包括以下步骤:
步骤S21:获取目标区域的栅格地图,以所述栅格地图中障碍物为边界,根据最大面积优先原则将所述栅格地图中的可通行栅格划分为多个矩形区域。
本实施例中,以栅格地图中障碍物为边界,根据最大面积优先原则将栅格地图中所有可通行栅格划分为若干矩形,即对任意一块区域,优先选择生成最大矩形区域,之后利用剩余栅格继续选择最大矩形,直至所有栅格划分完毕。
步骤S22:将面积小于预设面积阈值的矩形区域与相邻的最大面积矩形区域进行合并,以得到所述分割后子区域。
本实施例中,划分后将面积小于预设面积阈值的矩形区域与相邻的最大面积矩形区域进行合并,以得到分割后子区域。具体的,所述将面积小于预设面积阈值的矩形区域与相邻的最大面积矩形区域进行合并,可以包括:按照面积由大到小的顺序,依次将所述多个矩形区域中的矩形区域作为目标区域;计算所述目标区域相邻的矩形区域的面积,并将面积小于预设面积阈值的矩形区域合并至所述目标区域;当不存在面积小于所述预设面积阈值的矩形区域时结束合并。即根据预设面积阈值th对矩形区域进行合并,首先按面积由大到小依次选择矩形进行合并,例如,若矩形A有邻接矩形B、C、D,其中面积A>B>C>th>D,则将A、D合并生成新区域A*,然后选择B区域继续合并。直至所有区域均已合并完成。
步骤S23:将机器人当前所在的分割后子区域作为目标子区域,对所述目标子区域开始路径规划,并根据所述机器人的占地面积,将所述机器人所在栅格标记为已覆盖状态。
本实施例中,根据机器人所在位置,选择机器人当前所在分割后子区域开始规划。同时,对已规划栅格进行标记。例如图3所示,假设机器人大小为3*3格,即覆盖R0、R1、R2、R3、R4、R5、R6、R7、R8共9个栅格,则将上述9个栅格标记为已覆盖状态(COVERED),障碍物栅格用棚架纹表示,已覆盖状态栅格用横条纹表示。
步骤S24:将与已覆盖状态栅格相邻的栅格标记为边界状态;将被障碍物和/或已覆盖状态栅格包围的栅格标记为封闭状态。
例如图3所示,边界(EDGE)状态栅格用斜条纹表示,例如图4所示,封闭(CLOSED)状态栅格用点纹表示。且标记状态遵循由边界状态到封闭状态到已覆盖状态的变化,或由边界状态直接到已覆盖状态的变化。
步骤S25:基于所述状态标记确定规划方向,并按照所述规划方向对所述目标子区域进行持续路径规划。
步骤S26:当所述目标子区域覆盖完成后,选择所述机器人距离最近的分割后子区域进行路径规划。
其中,关于上述步骤S25、步骤S26的具体过程可以参考前述实施例公开的相应内容,在此不再进行赘述。
由上可见,本实施例中以所述栅格地图中障碍物为边界,根据最大面积优先原则将栅格地图中的可通行栅格划分为多个矩形区域,将面积小于预设面积阈值的矩形区域与相邻的最大面积矩形区域进行合并,以得到分割后子区域;并根据机器人的占地面积,将机器人所在栅格标记为已覆盖状态,将与已覆盖状态栅格相邻的栅格标记为边界状态;将被障碍物和/或已覆盖状态栅格包围的栅格标记为封闭状态。通过在区域分割过程中将小块区域进行合并,提高对边缘区域的覆盖,同时利用封闭状态来标记小块封闭区域,可以在复杂的环境中得到更加连续完整的规划路线,从而提高路径规划的覆盖效率。
本申请实施例公开了一种具体的机器人全覆盖路径规划方法,参见图5所示,该方法可以包括以下步骤:
步骤S31:获取目标区域的栅格地图,根据所述栅格地图和预设最大面积划分规则对所述目标区域进行分割,得到多个分割后子区域。
步骤S32:将机器人当前所在的分割后子区域作为目标子区域,对所述目标子区域开始路径规划,并对已规划栅格添加状态标记;所述状态标记包括已覆盖状态、边界状态和封闭状态。
步骤S33:按照栅格优先级确定出目标栅格,并移动所述机器人至所述目标栅格;对所述目标栅格的周围区域进行路径规划,并对已规划栅格添加状态标记。
本实施例中,上述栅格优先级为按照障碍物边界栅格、边界状态栅格、封闭状态栅格顺序排序的栅格优先级。
例如图6所示,本实施例中,所述按照栅格优先级确定出目标栅格,并移动所述机器人至所述目标栅格,可以包括:若所述机器人四周存在可通行障碍物边界栅格,则按照顺时针或逆时针顺序确定出障碍物边界栅格作为所述目标栅格;若所述机器人四周不存在障碍物边界栅格,则按照顺时针或逆时针顺序从四周确定出边界状态栅格作为所述目标栅格;若所述机器人四周不存在边界状态栅格,则利用Dijkstra算法确定出距离最近的封闭状态栅格作为所述目标栅格;若未查找到封闭状态栅格,则利用Dijkstra算法确定出距离最近的边界状态栅格作为所述目标栅格。
可以理解的是,若机器人附近有可供选择障碍物边界栅格,可以依照上、下、左、右顺序选择障碍物边界栅格作为目标栅格。如图7所示,假设机器人大小为3*3格,即覆盖R0-R8共9个栅格,以B3格为中心时机器人与障碍物栅格相接,所以B3格为障碍物边界,同理,B0-B6都为障碍物边界。此时机器人在B3格,附近有B2、B4格为障碍物边界栅格,而B2格对应区域已被完全覆盖,不应选择,故选择B4格作为目标,同时对B4相关栅格进行标记,结果如图3。
若此时机器人周围不存在障碍物边界,则可以依照上、下、左、右顺序依次判断是否该方向是否可以通行且有边界状态栅格。如图4所示,此时机器人在R0位置,由于此时上方没有边界状态栅格,而下方有边界状态栅格,因此可以选择R7作为目标栅格。
若此时机器人不在障碍物附近,利用Dijkstra算法搜索最邻近封闭状态栅格(设定最大搜索距离,如100格)。若找到栅格,将此栅格作为目标,沿Dijkstra算法所得轨迹移动到目标栅格。同时标记目标栅格对应周围区域。
若Dijkstra算法未能找到封闭状态栅格,利用Dijkstra算法搜索最邻近边界状态栅格。若找到栅格,将此栅格作为目标,沿Dijkstra算法所得轨迹移动到目标栅格。同时标记目标栅格对应周围区域。
步骤S34:当所述目标子区域覆盖完成后,选择所述机器人距离最近的分割后子区域进行路径规划。
其中,关于上述步骤S31、步骤S32、步骤S35的具体过程可以参考前述实施例公开的相应内容,在此不再进行赘述。
由上可见,本实施例中,通过按照栅格优先级确定出目标栅格,并移动所述机器人至所述目标栅格;对所述目标栅格的周围区域进行路径规划,并对已规划栅格添加状态标记,即根据障碍物边界栅格、四周边界状态栅格、四周封闭状态栅格、子区域内边界状态栅格到子区域内封闭状态栅格的顺序,选择目标栅格,有序高效的实现对目标区域的全覆盖路径规划,避免重复规划和遗漏规划,在复杂的环境中得到更加连续完整的规划路线,提高路径规划的覆盖效率。
相应的,本申请实施例还公开了一种机器人全覆盖路径规划装置,参见图8所示,该装置包括:
区域划分模块11,用于获取目标区域的栅格地图,根据所述栅格地图和预设最大面积划分规则对所述目标区域进行分割,得到多个分割后子区域;
状态标记模块12,用于将机器人当前所在的分割后子区域作为目标子区域,对所述目标子区域开始路径规划,并对已规划栅格添加状态标记;所述状态标记包括已覆盖状态、边界状态和封闭状态;
路径规划模块13,用于基于所述状态标记确定规划方向,并按照所述规划方向对所述目标子区域进行持续路径规划;
区域选择模块14,用于当所述目标子区域覆盖完成后,选择所述机器人距离最近的分割后子区域进行路径规划。
由上可见,通过获取目标区域的栅格地图,根据所述栅格地图和预设最大面积划分规则对所述目标区域进行分割,得到多个分割后子区域;然后,将机器人当前所在的分割后子区域作为目标子区域,对所述目标子区域开始路径规划,并对已规划栅格添加状态标记;所述状态标记包括已覆盖状态、边界状态和封闭状态;并基于所述状态标记确定规划方向,并按照所述规划方向对所述目标子区域进行持续路径规划;当所述目标子区域覆盖完成后,选择所述机器人距离最近的分割后子区域进行路径规划。可见,通过按照最大面积划分规则对目标区域进行分割,可以对目标区域中的所有区域进行划分,并且根据已覆盖状态、边界状态和封闭状态标记确定后续规划方向,可以在复杂的环境中得到更加连续完整的规划路线,提高路径规划的覆盖率和规划效率。
在一些具体实施例中,所述区域划分模块11具体可以包括:
分割单元,用于以所述栅格地图中障碍物为边界,根据最大面积优先原则将所述栅格地图中的可通行栅格划分为多个矩形区域;
合并单元,用于将面积小于预设面积阈值的矩形区域与相邻的最大面积矩形区域进行合并,以得到所述分割后子区域。
在一些具体实施例中,所述状态标记模块12具体可以包括:
已覆盖状态标记单元,用于根据所述机器人的占地面积,将所述机器人所在栅格标记为已覆盖状态;
边界状态标记单元,用于将与已覆盖状态栅格相邻的栅格标记为边界状态;
封闭状态标记单元,用于将被障碍物和/或已覆盖状态栅格包围的栅格标记为封闭状态。
在一些具体实施例中,所述路径规划模块13具体可以包括:
目标栅格确定单元,用于按照栅格优先级确定出目标栅格,并移动所述机器人至所述目标栅格;其中,所述栅格优先级为按照障碍物边界栅格、边界状态栅格、封闭状态栅格顺序排序的栅格优先级;
其中,所述目标栅格确定单元具体可以包括:
第一判定单元,用于若所述机器人四周存在可通行障碍物边界栅格,则按照顺时针或逆时针顺序确定出障碍物边界栅格作为所述目标栅格;
第二判定单元,用于若所述机器人四周不存在障碍物边界栅格,则按照顺时针或逆时针顺序从四周确定出边界状态栅格作为所述目标栅格;
第三判定单元,用于若所述机器人四周不存在边界状态栅格,则利用Dijkstra算法确定出距离最近的封闭状态栅格作为所述目标栅格;
第四判定单元,用于若未查找到封闭状态栅格,则利用Dijkstra算法确定出距离最近的边界状态栅格作为所述目标栅格。
进一步的,本申请实施例还公开了一种电子设备,参见图9所示,图中的内容不能被认为是对本申请的使用范围的任何限制。
图9为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20,具体可以包括:至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中,所述存储器22用于存储计算机程序,所述计算机程序由所述处理器21加载并执行,以实现前述任一实施例公开的机器人全覆盖路径规划方法中的相关步骤。
本实施例中,电源23用于为电子设备20上的各硬件设备提供工作电压;通信接口24能够为电子设备20创建与外界设备之间的数据传输通道,其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议,在此不对其进行具体限定;输入输出接口25,用于获取外界输入数据或向外界输出数据,其具体的接口类型可以根据具体应用需要进行选取,在此不进行具体限定。
另外,存储器22作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,其上所存储的资源包括操作系统221、计算机程序222及包括栅格地图在内的数据223等,存储方式可以是短暂存储或者永久存储。
其中,操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222,以实现处理器21对存储器22中海量数据223的运算与处理,其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的机器人全覆盖路径规划方法的计算机程序之外,还可以进一步包括能够用于完成其他特定工作的计算机程序。
进一步的,本申请实施例还公开了一种计算机存储介质,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现前述任一实施例公开的机器人全覆盖路径规划方法步骤。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种机器人全覆盖路径规划方法、装置、设备及介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种机器人全覆盖路径规划方法,其特征在于,包括:
获取目标区域的栅格地图,根据所述栅格地图和预设最大面积划分规则对所述目标区域进行分割,得到多个分割后子区域;
将机器人当前所在的分割后子区域作为目标子区域,对所述目标子区域开始路径规划,并对已规划栅格添加状态标记;所述状态标记包括已覆盖状态、边界状态和封闭状态;
基于所述状态标记确定规划方向,并按照所述规划方向对所述目标子区域进行持续路径规划;
当所述目标子区域覆盖完成后,选择所述机器人距离最近的分割后子区域进行路径规划;
其中,所述基于所述状态标记确定规划方向,并按照所述规划方向对所述目标子区域进行持续路径规划,包括:
按照栅格优先级确定出目标栅格,并移动所述机器人至所述目标栅格;
对所述目标栅格的周围区域进行路径规划,并对已规划栅格添加状态标记;
其中,所述栅格优先级为按照障碍物边界栅格、边界状态栅格、封闭状态栅格顺序排序的栅格优先级。
2.根据权利要求1所述的机器人全覆盖路径规划方法,其特征在于,所述根据所述栅格地图和预设最大面积划分规则对所述目标区域进行分割,得到多个分割后子区域,包括:
以所述栅格地图中障碍物为边界,根据最大面积优先原则将所述栅格地图中的可通行栅格划分为多个矩形区域;
将面积小于预设面积阈值的矩形区域与相邻的最大面积矩形区域进行合并,以得到所述分割后子区域。
3.根据权利要求2所述的机器人全覆盖路径规划方法,其特征在于,所述将面积小于预设面积阈值的矩形区域与相邻的最大面积矩形区域进行合并,包括:
按照面积由大到小的顺序,依次将所述多个矩形区域中的矩形区域作为目标区域;
计算所述目标区域相邻的矩形区域的面积,并将面积小于预设面积阈值的矩形区域合并至所述目标区域;
当不存在面积小于所述预设面积阈值的矩形区域时结束合并。
4.根据权利要求2所述的机器人全覆盖路径规划方法,其特征在于,所述对已规划栅格添加状态标记,包括:
根据所述机器人的占地面积,将所述机器人所在栅格标记为已覆盖状态;
将与已覆盖状态栅格相邻的栅格标记为边界状态;
将被障碍物和/或已覆盖状态栅格包围的栅格标记为封闭状态。
5.根据权利要求1所述的机器人全覆盖路径规划方法,其特征在于,所述按照栅格优先级确定出目标栅格,并移动所述机器人至所述目标栅格,包括:
若所述机器人四周存在可通行障碍物边界栅格,则按照顺时针或逆时针顺序确定出障碍物边界栅格作为所述目标栅格;
若所述机器人四周不存在障碍物边界栅格,则按照顺时针或逆时针顺序从四周确定出边界状态栅格作为所述目标栅格;
若所述机器人四周不存在边界状态栅格,则利用Dijkstra算法确定出距离最近的封闭状态栅格作为所述目标栅格;
若未查找到封闭状态栅格,则利用Dijkstra算法确定出距离最近的边界状态栅格作为所述目标栅格。
6.一种机器人全覆盖路径规划装置,其特征在于,包括:
区域划分模块,用于获取目标区域的栅格地图,根据所述栅格地图和预设最大面积划分规则对所述目标区域进行分割,得到多个分割后子区域;
状态标记模块,用于将机器人当前所在的分割后子区域作为目标子区域,对所述目标子区域开始路径规划,并对已规划栅格添加状态标记;所述状态标记包括已覆盖状态、边界状态和封闭状态;
路径规划模块,用于基于所述状态标记确定规划方向,并按照所述规划方向对所述目标子区域进行持续路径规划;
区域选择模块,用于当所述目标子区域覆盖完成后,选择所述机器人距离最近的分割后子区域进行路径规划;
其中,所述路径规划模块,还用于按照栅格优先级确定出目标栅格,并移动所述机器人至所述目标栅格;对所述目标栅格的周围区域进行路径规划,并对已规划栅格添加状态标记;其中,所述栅格优先级为按照障碍物边界栅格、边界状态栅格、封闭状态栅格顺序排序的栅格优先级。
7.根据权利要求6所述的机器人全覆盖路径规划装置,其特征在于,所述区域划分模块,包括:
分割单元,用于以所述栅格地图中障碍物为边界,根据最大面积优先原则将所述栅格地图中的可通行栅格划分为多个矩形区域;
合并单元,用于将面积小于预设面积阈值的矩形区域与相邻的最大面积矩形区域进行合并,以得到所述分割后子区域。
8.一种电子设备,其特征在于,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现如权利要求1至5任一项所述的机器人全覆盖路径规划方法。
9.一种计算机可读存储介质,其特征在于,用于存储计算机程序;其中计算机程序被处理器执行时实现如权利要求1至5任一项所述的机器人全覆盖路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110187698.2A CN112985405B (zh) | 2021-02-18 | 2021-02-18 | 一种机器人全覆盖路径规划方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110187698.2A CN112985405B (zh) | 2021-02-18 | 2021-02-18 | 一种机器人全覆盖路径规划方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112985405A CN112985405A (zh) | 2021-06-18 |
CN112985405B true CN112985405B (zh) | 2023-06-09 |
Family
ID=76393525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110187698.2A Active CN112985405B (zh) | 2021-02-18 | 2021-02-18 | 一种机器人全覆盖路径规划方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112985405B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114303581B (zh) * | 2021-12-06 | 2023-07-18 | 深圳市杉川机器人有限公司 | 一种智能割草机、行走路径规划方法、装置及存储介质 |
CN115049688B (zh) * | 2022-08-16 | 2022-11-18 | 之江实验室 | 基于强化学习思想的栅格地图区域划分方法及装置 |
CN116227407B (zh) * | 2022-12-23 | 2023-09-26 | 芯行纪科技有限公司 | 形成物理版图的模块边界的方法及相关设备 |
CN117553804B (zh) * | 2024-01-11 | 2024-04-09 | 深圳市普渡科技有限公司 | 路径规划方法、装置、计算机设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008050206A1 (de) * | 2008-10-01 | 2010-05-27 | Micro-Star International Co., Ltd., Jung-Ho City | Routenplanungsverfahren und Navigationsverfahren für eine mobile Robotervorrichtung |
CN108120441A (zh) * | 2016-11-28 | 2018-06-05 | 沈阳新松机器人自动化股份有限公司 | 全覆盖路径规划方法及系统 |
CN111380532A (zh) * | 2018-12-29 | 2020-07-07 | 深圳市优必选科技有限公司 | 路径规划方法、装置、终端及计算机存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107831773A (zh) * | 2017-11-30 | 2018-03-23 | 深圳市沃特沃德股份有限公司 | 扫地机器人全覆盖清扫的方法及扫地机器人 |
US10948918B2 (en) * | 2018-02-23 | 2021-03-16 | Tata Consultancy Services Limited | Context based path planning for vector navigation in hexagonal spatial maps |
CN109540155A (zh) * | 2019-02-01 | 2019-03-29 | 西安全志科技有限公司 | 一种扫地机器人的路径规划与导航方法、计算机装置以及计算机可读存储介质 |
CN109947114B (zh) * | 2019-04-12 | 2022-03-15 | 南京华捷艾米软件科技有限公司 | 基于栅格地图的机器人全覆盖路径规划方法、装置及设备 |
CN110332943B (zh) * | 2019-07-03 | 2023-05-09 | 浙江大学 | 一种快速遍历的机器人全覆盖路径规划方法 |
-
2021
- 2021-02-18 CN CN202110187698.2A patent/CN112985405B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008050206A1 (de) * | 2008-10-01 | 2010-05-27 | Micro-Star International Co., Ltd., Jung-Ho City | Routenplanungsverfahren und Navigationsverfahren für eine mobile Robotervorrichtung |
CN108120441A (zh) * | 2016-11-28 | 2018-06-05 | 沈阳新松机器人自动化股份有限公司 | 全覆盖路径规划方法及系统 |
CN111380532A (zh) * | 2018-12-29 | 2020-07-07 | 深圳市优必选科技有限公司 | 路径规划方法、装置、终端及计算机存储介质 |
Non-Patent Citations (1)
Title |
---|
基于生物激励神经网络的清洁机器人遍历路径规划算法的改进;张志远 等;《轻工学报》;第33卷(第4期);73-78、85 * |
Also Published As
Publication number | Publication date |
---|---|
CN112985405A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112985405B (zh) | 一种机器人全覆盖路径规划方法、装置、设备及介质 | |
US11385067B2 (en) | Route planning method for mobile vehicle | |
CN109976350B (zh) | 多机器人调度方法、装置、服务器及计算机可读存储介质 | |
CN111728535B (zh) | 一种生成清扫路径的方法、装置、电子设备及存储介质 | |
CN109540155A (zh) | 一种扫地机器人的路径规划与导航方法、计算机装置以及计算机可读存储介质 | |
EP3709231A1 (en) | Vehicle track planning method, device, computer device and computer-readable storage medium | |
CN109931942A (zh) | 机器人路径生成方法、装置、机器人和存储介质 | |
CN114543815B (zh) | 基于基因调控网络的多智能体导航控制方法、设备及介质 | |
EP4075305A1 (en) | Method for establishing map traversal block of global grid map, chip, and mobile robot | |
CN109341698B (zh) | 一种移动机器人的路径选择方法及装置 | |
CN114764239A (zh) | 清扫机器人控制方法、装置、计算机设备及存储介质 | |
Pineda et al. | Fast SSP solvers using short-sighted labeling | |
CN114281080B (zh) | 一种amr调度系统中解死锁的方法 | |
CN113932812A (zh) | 路径规划方法、装置、电子设备和存储介质 | |
CN112558611B (zh) | 一种路径规划方法、装置、计算机设备及存储介质 | |
CN110045723A (zh) | 一种引导无人设备到达目标位置的方法和系统 | |
CN117109596A (zh) | 自移动设备及其覆盖路径规划方法、装置和存储介质 | |
CN116009552A (zh) | 一种路径规划方法、装置、设备及存储介质 | |
EP3741516A1 (en) | Computer-implemented method and apparatus for planning a path or trajectory of an agent | |
JP2005088164A (ja) | ロボットの停止箇所決定方法及びロボットの停止箇所決定装置 | |
CN113673154A (zh) | 一种晶粒分选过程中的寻径方法、装置、设备及存储介质 | |
JP7294339B2 (ja) | 配置変更管理装置、配置変更管理方法、及び、配置変更管理プログラム | |
CN111912407B (zh) | 一种多机器人系统的路径规划方法 | |
CN117553804B (zh) | 路径规划方法、装置、计算机设备和存储介质 | |
Jun-Qi et al. | Obstacle Avoidance Path Planning Based on Target Heuristic and Repair Genetic Algorithms |
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 |