CN113009922A - 一种机器人行走路径的调度管理方法 - Google Patents
一种机器人行走路径的调度管理方法 Download PDFInfo
- Publication number
- CN113009922A CN113009922A CN202110442972.6A CN202110442972A CN113009922A CN 113009922 A CN113009922 A CN 113009922A CN 202110442972 A CN202110442972 A CN 202110442972A CN 113009922 A CN113009922 A CN 113009922A
- Authority
- CN
- China
- Prior art keywords
- robot
- path
- point
- patrol
- shortest
- 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
- 238000007726 management method Methods 0.000 title abstract description 16
- 230000004888 barrier function Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 49
- 230000008569 process Effects 0.000 claims description 16
- 230000007547 defect Effects 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 102000008297 Nuclear Matrix-Associated Proteins Human genes 0.000 description 1
- 108010035916 Nuclear Matrix-Associated Proteins Proteins 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000000299 nuclear matrix Anatomy 0.000 description 1
- 230000000007 visual effect Effects 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
-
- 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)
- 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)
- Manipulator (AREA)
Abstract
本发明公开了一种机器人行走路径的调度管理方法,属于机器人调度管理技术领域,它包括获取空间场景信息并将空间划分为安全区、非安全区和禁行区;根据安全区生成巡逻路径,机器人根据巡逻路径进行移动,当机器人遇到障碍物时,机器人在安全区和/或非安全区生成临时路径;若机器人根据临时路径绕过障碍物,则机器人根据巡逻路径继续移动至终点,之后机器人移动至休息区并结束巡逻任务;若无法绕过障碍物,则将剩余的巡逻路径设为障碍路段,且机器人移动至休息区并结束巡逻任务。针对现有技术中的机器人巡逻安全性和巡逻效率低的不足,本发明可以在保证机器人安全性情况下,高效实现对动态障碍物的避障操作,进一步提高了机器人的巡逻效率。
Description
技术领域
本发明属于机器人调度管理技术领域,更具体地说,涉及一种机器人行走路径的调度管理方法。
背景技术
随着人工智能、大数据、云计算等新一代信息技术的飞速发展,高速、移动、安全、泛在的新一代信息基础设施进一步完善构建,逐步形成万物互联、人机交互、天地一体的网络空间,为机器人在巡逻、安保、运输等各种服务场景下的普及应用提供了丰富的想象空间,提高了服务的高效化、智能化、信息化、标准化水平,大幅节省了人力资源成本。特别地,在平层车库无人化巡逻应用场景中,机器人需要应对复杂的路径结构,和避开移动和静止的障碍物,为保障安全性和提高巡逻效率,机器人行走路径的调度管理成为关键性技术问题。
针对机器人行走路径的调度管理,现有专利技术也提出了一些解决方案,例如发明创造名称为:一种非规则形状移动机器人的路径规划方法(申请日:2020年3月9日;申请号:CN202010157313.3),本发明涉及移动机器人路径规划技术领域,提供了一种非规则形状移动机器人的路径规划方法,将机器人的二维拓扑工作空间进行生物神经动力学迭代计算,构成工作空间的生物神经网络;根据移动机器人的形状特征构成核矩阵;将核矩阵与工作空间的生物神经网络进行卷积计算,获得机器人在网络节点的移动状态矩阵和转动状态矩阵;以机器人在工作空间初始位置和方向为初始条件,逐步迭代搜索,获得机器人的规划路径,并在卷积计算中增加安全系数因子,控制规划路径与障碍物之间的距离,调节行使路径的安全性。
此外,还有发明创造名称为:一种机器人行走路径规划方法(申请日:2020年07月31日;申请号:CN202010757272.1),该发明涉及图像处理和机器视觉技术领域,公开了一种机器人行走路径规划方法,通过指定物件的特征标签来判断当前机器人相对于指定物件的具体位置;通过距离逼近的方法获取视野里指定物件上特征标签的大小,计算出当前机器人与指定物件的距离,再向指定物件进行相应的移动。该发明降低了计算量和程序运行时间,并提高了路径规划精度。
上述方案主要针对静态网络和障碍物进行路径规划调度和避障操作,而面向停车场地形复杂、人和车辆频繁进出移动的避障安全等需求,如何在保障巡逻效率和服务水平的基础上,实现机器人的调度管理,是现有技术亟需解决的问题。
发明内容
1.要解决的问题
针对现有技术中的机器人巡逻安全性较低且巡逻效率低的不足,提供了一种机器人行走路径的调度管理方法,可以在保证机器人安全性情况下,高效实现对动态障碍物的避障操作,进而高效实现机器人的路径调度管理,进一步提高了机器人的巡逻效率。
2.技术方案
为了解决上述问题,本发明所采用的技术方案如下:
本发明的一种机器人行走路径的调度管理方法,包括获取空间场景信息,根据空间场景信息将空间划分为安全区、非安全区和禁行区;根据安全区生成巡逻路径,机器人根据巡逻路径进行移动,当机器人在移动过程中遇到障碍物时,机器人在安全区和/或非安全区生成临时路径;若机器人根据临时路径绕过障碍物,则机器人根据巡逻路径继续移动,直至到达巡逻路径的终点,之后机器人移动至休息区并结束巡逻任务;若机器人根据临时路径无法绕过障碍物,则将剩余的巡逻路径设为障碍路段,且机器人移动至休息区并结束巡逻任务。
本发明中机器人根据临时路径绕过障碍物的具体实施步骤包括两种不同的技术方案,其中一种机器人根据临时路径绕过障碍物的具体过程为:
步骤一:当机器人绕行障碍物且必须离开所在路径时,设定离开所在路径的位置为a点,并判断机器人沿前进方向在a点前方是否标定得到b点;
若机器人沿前进方向在a点前方标定得到b点,则执行步骤二:设定机器人在非安全区内的单次移动长度的阈值为K,机器人根据b点生成最短绕行路径,并判断该最短绕行路径中在非安全区内的移动长度是否小于等于K;
若该最短绕行路径中在非安全区内的移动长度小于等于K,则执行步骤三:机器人根据最短绕行路径移动至b点。
作为本发明更进一步地改进,若该最短绕行路径中在非安全区内的移动长度大于K,则执行步骤四:根据b点在安全区内生成最短绕行路径,机器人根据安全区内的最短绕行路径行至b点,其中,该b点为巡逻路径上标定的b点。
作为本发明更进一步地改进,若机器人沿前进方向在a点前方无法标定得到b点,则执行步骤五:判断机器人当前位于临时路径上或巡逻路径上,若机器人位于临时路径上,则执行步骤四;若机器人位于巡逻路径上,则将剩余的巡逻路径设为障碍路段,并根据当前位置生成最短路径回到休息区位置。
作为本发明更进一步地改进,若根据巡逻路径上标定的b点在安全区内无法生成最短绕行路径,则将剩余的巡逻路径设为障碍路段,且根据休息区位置生成最短路径,机器人根据最短路径移动至休息区。
本发明另一种机器人根据临时路径绕过障碍物的具体过程为:
步骤一:当机器人绕行障碍物必须离开所在路径时,设定离开所在路径的位置为a点,并判断机器人沿前进方向在a点前方n厘米内是否标定得到b点;
若机器人沿前进方向在a点前方n厘米处标定得到b点,则执行步骤二:先设定机器人在非安全区内的单次移动长度的阈值为K,机器人根据b点生成最短绕行路径,并预先判断该最短绕行路径中在非安全区内的移动长度是否小于等于K;
若最短绕行路径中在非安全区内的移动长度小于等于K,则执行步骤三:机器人根据最短绕行路径进行移动并判断是否达到b点;若机器人根据最短绕行路径移动到b点,则执行步骤四:机器人根据临时路径或者巡逻路径继续移动;若机器人根据最短绕行路径不能移动到b点,则将b点更新为a点并执行步骤一中的判断;
若最短绕行路径中在非安全区内的移动长度大于K,则执行步骤六:根据巡逻路径上标定的b点在安全区内生成最短绕行路径,机器人根据该最短绕行路径移动至巡逻路径上标定的b点。
作为本发明更进一步地改进,若机器人沿前进方向在a点前方n厘米处不能标定得到b点,则执行步骤五:判断机器人当前位于临时路径或巡逻路径上,若机器人位于临时路径上,则执行步骤六;若机器人位于巡逻路径上,将剩余的巡逻路径设为障碍路段,并根据休息区位置生成最短路径,机器人根据最短路径回到休息区。
作为本发明更进一步地改进,若机器人根据最短绕行路径进行移动并判断无法达到b点,则执行步骤七:将b点更新为a点,机器人执行步骤一的判断,若机器人沿前进方向在a点前方标定得到b点,则执行步骤二,机器人根据新的b点生成最短绕行路径,且若预先判断得到最短绕行路径中在非安全区内的移动长度小于等于K,则执行步骤三。
作为本发明更进一步地改进,若预先判断得到最短绕行路径中在非安全区内的移动长度大于K,则执行步骤八:根据初始a点生成最短回归路径,并判断最短回归路径长度与最短绕行路径在非安全区内的移动长度的关系。
作为本发明更进一步地改进,若最短回归路径长度大于最短绕行路径在非安全区内的移动长度,则执行步骤三。
3.有益效果
相比于现有技术,本发明的有益效果为:
本发明的一种机器人行走路径的调度管理方法,通过将空间划分为安全区、非安全区和禁行区,可以有效地实现机器人的避障效率以及巡逻安全性,进一步通过生成不同情况下的巡逻机器人的绕行路径,从而可以大大提高机器人的巡逻效率,并且可以进一步保障机器人的安全,进而高效实现了机器人的路径调度管理。
附图说明
图1为本发明的方法流程示意图;
图2为实施例3的方法流程示意图;
图3为实施例4的方法流程示意图;
图4为实施例5的方法流程示意图;
图5为实施例6的方法流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例;而且,各个实施例之间不是相对独立的,根据需要可以相互组合,从而达到更优的效果。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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,都属于本发明保护的范围。
为进一步了解本发明的内容,结合附图和实施例对本发明作详细描述。
实施例1
结合图1所示,本发明的一种机器人行走路径的调度管理方法,包括以下步骤:
1)划分区域
获取空间场景信息,根据空间场景信息将空间划分为安全区、非安全区和禁行区;值得说明的是,安全区用于机器人进行巡逻使用,非安全区用于机器人绕行障碍时使用,且机器人禁止在禁行区内移动。
2)生成巡逻路径
根据安全区生成巡逻路径,具体地,根据巡逻目的在安全区内生成巡逻路径。而后机器人根据巡逻路径进行移动,即机器人在安全区内进行巡逻,从而可以在保障安全的情况下实现巡逻目的。
3)障碍物绕行
机器人在巡逻路径上移动过程中遇到障碍物时,机器人在安全区和/或非安全区生成临时路径,机器人根据临时路径进行移动,从而可以实现障碍物的绕行,值得说明的是,若机器人根据临时路径绕过障碍物,则机器人根据巡逻路径继续移动,直至到达巡逻路径的终点,之后机器人移动至休息区并结束巡逻任务;若机器人根据临时路径无法绕过障碍物,则将剩余的巡逻路径设为障碍路段,且机器人移动至休息区并结束巡逻任务。下面给出障碍物绕行示例一,该示例中机器人先获取判断信息再进行相应移动,具体地,按照以下步骤实现障碍物的绕行:
步骤一:当机器人绕行障碍物且必须离开所在路径时,设定离开所在路径的位置为a点,并判断机器人是否可以沿前进方向在a点前方取点,即判断机器人是否可以在a点前方标定得到b点。
进一步地,若机器人沿前进方向在a点前方标定得到b点,则执行步骤二,步骤二具体过程为:
先设定机器人在非安全区内的单次移动长度的阈值为K,即机器人将在非安全区内单次的移动长度小于等于K时,才允许机器人在非安全区内移动。而后机器人根据b点生成最短绕行路径,并判断该最短绕行路径中在非安全区内的移动长度是否小于等于K。需要说明的是,本实施例中采用A*算法生成最短绕行路径,该最短绕行路径为临时路径。
进一步地,若该最短绕行路径中在非安全区内的移动长度小于等于K,则执行步骤三,步骤三的具体过程为:机器人根据最短绕行路径移动至b点,即机器人绕过了障碍物,之后机器人沿所在路径继续移动。
若该最短绕行路径中在非安全区内的移动长度大于K,则执行步骤四,根据巡逻路径所标定的b点在安全区内生成最短绕行路径,机器人根据安全区内的最短绕行路径行至巡逻路径所标定的b点;若根据巡逻路径所标定的b点无法在安全区内生成最短绕行路径,则将巡逻路径剩余的路径设为障碍路段,且根据休息区位置生成最短路径,机器人根据最短路径移动至休息区并结束巡逻任务。
此外,在步骤一中若机器人沿前进方向在a点前方无法标定得到b点,此时机器人执行步骤五:判断机器人当前位于临时路径上或巡逻路径上,若机器人位于临时路径上,则执行步骤四,即根据巡逻路径所标定的b点在安全区内生成最短绕行路径,机器人根据安全区内的最短绕行路径行至巡逻路径所标定的b点;若机器人位于巡逻路径上,则将剩余的巡逻路径设为障碍路段,将剩余的巡逻路径设为障碍路段,并根据当前位置生成最短路径回到休息区位置,当机器人回到休息区位置,则表明机器人完成巡逻任务。
值得说明的是,上述步骤中生成的最短绕行路径均为临时路径,且上述步骤示例针对的场景为:机器人结合空间场景信息在进行逻辑判断之后再进行相应的移动。本发明不仅限于此,本发明的机器人在遇到障碍物时,可以在移动过程中进行相应的判断,下面给出障碍物绕行方法示例二,具体步骤如下:
步骤一:当机器人绕行障碍物必须离开所在路径时,设定离开所在路径的位置为a点,并判断机器人是否可以沿前进方向在a点前方且在巡逻精度内于所在路径上取点,值得说明的是,本发明的巡逻精度设定为n厘米,即判断机器人是否可以在a点前方n厘米处标定得到b点。
若机器人沿前进方向在a点前方n厘米处标定得到b点,则执行步骤二,步骤二具体过程为:
先设定机器人在非安全区内的单次移动长度的阈值为K,即机器人将在非安全区内单次的移动长度小于等于K时,才允许机器人在非安全区内移动。而后机器人根据b点生成最短绕行路径,并预先判断该最短绕行路径中在非安全区内的移动长度是否小于等于K。需要说明的是,本实施例中采用Dijkstra算法生成最短绕行路径,需要进一步说明的是,本示例中无论是经过非安全区的最短绕行路径还是只在安全区内移动的最短绕行路径均为临时路径。此外需要说明的是,通过设定机器人动态避障灵活度的安全阈值,允许但控制其在预设巡场路径以外的非安全区的走行距离,从而可以动态调节机器人的空间走行自由度,带来绕行效率的提高。
进一步地,若预先判断得到最短绕行路径中在非安全区内的移动长度小于等于K,则执行步骤三,步骤三的具体过程为:机器人根据最短绕行路径进行移动并判断是否达到b点,若机器人根据最短绕行路径移动到b点,表明机器人绕过障碍物,然后机器人执行步骤四:机器人根据所在路径继续移动。值得说明的是,若机器人根据最短绕行路径进行移动不能达到b点,则将b点更新为a点,并执行步骤一中的判断。
值得进一步说明的是,在步骤一的判断中,若机器人沿前进方向在a点前方n厘米处不能标定得到b点,此时机器人执行步骤五:判断机器人当前位于临时路径或巡逻路径上,若机器人位于临时路径上,则根据巡逻路径上标定的b点生成在安全区内的最短绕行路径,机器人根据在安全区内的最短绕行路径移动至b点;若机器人位于巡逻路径上,则将剩余的巡逻路径设为障碍路段,并根据休息区位置生成最短路径,机器人根据最短路径回到休息区位置,则表明机器人完成巡逻任务。
进一步地,在步骤二的判断中,若预先判断得到最短绕行路径中在非安全区内的移动长度大于K,则机器人执行步骤六:根据巡逻路径上标定的b点在安全区内生成最短绕行路径,机器人根据该最短绕行路径移动至巡逻路径上标定的b点。
此外,在步骤三的判断中,若机器人根据最短绕行路径进行移动并判断无法达到b点,表明b点位于初始遇到的障碍物内或者另一障碍物内部,此时机器人执行步骤七:将b点更新为a点,即该a点与初始a点不同,且后续根据a点取点得到的b点也为新取点。而后机器人执行步骤一的判断,若机器人沿前进方向在a点前方标定得到b点,则执行步骤二,机器人根据新的b点生成最短绕行路径,且若预先判断得到最短绕行路径中在非安全区内的移动长度小于等于K,则执行步骤三。若预先判断得到最短绕行路径中在非安全区内的移动长度大于K,则执行步骤八:根据初始a点生成最短回归路径,并判断最短回归路径长度与最短绕行路径在非安全区内的移动长度的关系。
在步骤八中,若最短回归路径长度大于最短绕行路径在非安全区内的移动长度,则执行步骤三。若最短回归路径剩余长度小于在非安全区内的移动长度,则执行步骤九:回归到初始a点,并判断是否可以根据巡逻路径上标定的b点在安全区内生成最短绕行路径,若根据巡逻路径上标定的b点在安全区内生成最短绕行路径,机器人根据该最短绕行路径移动至巡逻路径上标定的b点。若根据巡逻路径上标定的b点不能在安全区内生成最短绕行路径,则执行步骤五:将剩余的巡逻路径设为障碍路段,并根据当前位置生成最短路径回到休息区位置,当机器人回到休息区位置,则表明机器人完成巡逻任务。
本发明的一种机器人行走路径的调度管理方法,通过将空间划分为安全区、非安全区、禁行区以及在非安全区的移动阈值,从而提高了机器人的环境适应性,并且可以有效地实现机器人的避障效率以及巡逻安全性,进一步通过生成不同情况下的巡逻机器人的绕行路径,从而可以大大提高机器人的巡逻效率,并且可以进一步保障机器人的安全,进而高效实现了机器人的路径调度管理。
实施例2
本实施例与实施例1示例二的内容基本相同,不同之处在于:在步骤三的判断中,若机器人根据最短绕行路径进行移动并判断无法达到b点,表明b点位于初始遇到的障碍物内或者另一障碍物内部,此时机器人执行步骤七:将b点更新为a点,即该a点与初始a点不同,且后续根据a点取点得到的b点也为新取点。而后机器人执行步骤一的判断,若机器人沿前进方向在a点前方标定得到b点,则执行步骤二,机器人根据新的b点生成最短绕行路径,且若预先判断得到最短绕行路径中在非安全区内的移动长度小于等于K,则执行步骤三。
需要说明的是,本实施例中最短绕行路径中在非安全区内的移动长度为此次障碍物绕行所生成的所有最短绕行路径中在非安全区内的移动长度之和,例如:本实施例设定机器人在非安全区内的单次移动长度的阈值K为500厘米,机器人在遇到障碍物Z第一次生成的最短绕行路径在非安全区内的移动长度为200厘米,则此时机器人根据最短绕行路径进行移动并判断是否达到b点,本实施例中机器人根据第一次生成的最短绕行路径无法达到b点,然后机器人将b点更新为a点,且沿前进方向在a点前方标定得到新的b点,此时机器人第二次生成的最短绕行路径,本实施例中第二次生成的最短绕行路径在非安全区内的移动长度为400厘米,此时则判断第一次生成的最短绕行路径和第二次生成的最短绕行路径在非安全区内的移动长度总和是否小于等于在非安全区内的单次移动长度的阈值,而不是实施例1的示例二中判断第二次生成的最短绕行路径在非安全区内的移动长度与阈值的关系。
进一步地,若预先判断得到最短绕行路径中在非安全区内的移动长度大于K,则执行步骤八:根据初始a点生成最短回归路径,并判断最短回归路径长度与非安全区内剩余的移动长度的关系。在该步骤中,非安全区内剩余的移动长度指的是阈值和绕行此次障碍物过程中生成的所有的最短绕行路径在非安全区内的移动长度之和的差值。
在本实施例通过严格限制机器人在非安全区内的移动长度,进一步提高了机器人巡逻的安全性。
实施例3
本实施例与实施例1示例二的内容基本相同,本实施例以最短绕行路径中在非安全区内的移动长度小于等于阈值K为例,具体地,结合图2所示,当机器人移动至位置A时,遇到障碍物,机器人执行步骤一:设定离开所在路径的位置为a点,即该位置A即为a点,然后判断机器人是否可以在a点前方n厘米处标定得到b点,本实施例n为100。
进一步地,本实施例中机器人在a点前方100厘米处标定得到b点,则执行步骤二,步骤二具体过程为:本实施例设定机器人在非安全区内的单次移动长度的阈值K为500厘米,本实施例中机器人根据b点生成最短绕行路径,并判断该最短绕行路径中在非安全区内的移动长度是否小于等于500厘米。需要说明的是,本实施例中采用Floyd算法生成最短绕行路径。
本实施例中最短绕行路径中在非安全区内的移动长度为320厘米,由于在非安全区内的移动长度小于阈值,机器人执行步骤三,机器人根据最短绕行路径进行移动并判断是否达到b点,本实施例中机器人根据最短绕行路径移动到b点,则表明机器人绕过障碍物,则执行步骤四:机器人根据所在路径继续移动,本实施例中机器人所在路径为巡逻路径,机器人在巡逻路径的剩余路径上移动。
实施例4
本实施例与实施例1示例一的内容基本相同,本实施例以最短绕行路径中在非安全区内的移动长度大于阈值K为例,具体地,结合图3所示,当机器人移动至位置A时,遇到障碍物,机器人执行步骤一:设定离开所在路径的位置为a点,即该位置A即为a点,然后并判断机器人是否可以在a点前方标定得到b点,。
进一步地,本实施例中机器人在a点前方300厘米处标定得到b点,而后,则执行步骤二,步骤二具体过程为:本实施例设定机器人在非安全区内的单次移动长度的阈值K为500厘米,本实施例中机器人根据b点生成最短绕行路径,并判断该最短绕行路径中在非安全区内的移动长度是否小于等于500厘米。需要说明的是,本实施例中采用Floyd算法生成最短绕行路径。
本实施例中最短绕行路径中在非安全区内的移动长度为520厘米,由于在非安全区内的移动长度大于阈值,此时机器人执行步骤四:机器人根据巡逻路径上的b点在安全区内生成最短绕行路径,机器人根据安全区内的最短绕行路径行至b点。值得说明的是,若机器人无法在安全区内生成最短绕行路径,则判断机器人当前位于巡逻路径上还是临时路径上,若机器人位于临时路径,则执行步骤四,即根据巡逻路径所标定的b点在安全区内生成最短绕行路径,机器人根据安全区内的最短绕行路径行至巡逻路径所标定的b点;若机器人位于巡逻路径上,则将剩余的巡逻路径设为障碍路段,将剩余的巡逻路径设为障碍路段,并根据当前位置生成最短路径回到休息区位置,当机器人回到休息区位置,则表明机器人完成巡逻任务。
实施例5
结合图4所示,本实施例与实施例4的内容基本相同,不同之处在于:当机器人根据安全区生成最短绕行路径到巡逻路径上标定的b点,且机器人根据生成的最短绕行路径进行移动,当机器人在最短绕行路径遇到障碍物时,机器人则重新执行临时路径步骤,先执行步骤一,本实施例中机器人可以在a点(图4示为a’)前方标定得到b点(图4示为b’),然后执行步骤二,本实施例中机器人根据临时路径上的b点(图4示为b’)生成最短绕行路径,本实施例中最短绕行路径中在非安全区内的移动长度大于阈值,机器人执行步骤三:此时机器人根据安全区以临时路径上的a点(图4示为a’)为起始点,巡逻路径上的b点为终点重新生成最短绕行路径,机器人根据最短绕行路径到达b点,从而实现对巡逻路径中所遇障碍物的绕行。
实施例6
结合图5所示,本实施例与实施例1中示例二的内容基本相同,本实施例中机器人根据最短绕行路径无法移动至b点且后续生成的最短绕行路径中在非安全区内的移动长度大于阈值为例,具体如下:
当机器人移动至位置A时,遇到障碍物,机器人执行步骤一:设定离开所在路径的位置为a点,即该位置A即为a点,然后并判断机器人是否可以在a点前方n厘米处标定得到b点,本实施例n为100。
进一步地,本实施例中机器人在a点前方100厘米标定得到b点,然后执行步骤二,步骤二具体过程为:本实施例设定机器人在非安全区内的单次移动长度的阈值K为500厘米,本实施例中机器人根据b点生成最短绕行路径,并判断该最短绕行路径中在非安全区内的移动长度是否小于等于500厘米。需要说明的是,本实施例中采用SPFA算法生成最短绕行路径。
本实施例中最短绕行路径中在非安全区内的移动长度为320厘米,由于在非安全区内的移动长度小于阈值,机器人执行步骤三,机器人根据最短绕行路径进行移动并判断是否达到b点,本实施例中机器人根据最短绕行路径进行移动并判断无法达到b点,表明b点位于初始遇到的障碍物内或者另一障碍物内部,此时机器人执行步骤七:将b点更新为a点,而后机器人执行步骤一,若机器人沿前进方向在a点前方标定得到b点,且则执行步骤二,机器人根据新的b点生成最短绕行路径,且若预先判断得到最短绕行路径中在非安全区内的移动长度小于等于K,本实施例中预先判断得到最短绕行路径中在非安全区内的移动长度大于K,此时机器人执行步骤八:根据初始a点生成最短回归路径,并判断最短回归路径长度与在非安全区内的移动长度的关系。
本实施例的最短回归路径剩余长度小于在非安全区内的移动长度,此时机器人执行步骤九:回归到初始a点,并判断是否可以根据巡逻路径上标定的b点在安全区内生成最短绕行路径。进一步地,本实施例根据巡逻路径上标定的b点在安全区内生成最短绕行路径,而后机器人根据该最短绕行路径移动至巡逻路径上标定的b点。
在上文中结合具体的示例性实施例详细描述了本发明。但是,应当理解,可在不脱离由所附权利要求限定的本发明的范围的情况下进行各种修改和变型。详细的描述和附图应仅被认为是说明性的,而不是限制性的,如果存在任何这样的修改和变型,那么它们都将落入在此描述的本发明的范围内。此外,背景技术旨在为了说明本技术的研发现状和意义,并不旨在限制本发明或本申请和本发明的应用领域。
Claims (10)
1.一种机器人行走路径的调度管理方法,其特征在于,包括
获取空间场景信息,根据空间场景信息将空间划分为安全区、非安全区和禁行区;
根据安全区生成巡逻路径,机器人根据巡逻路径进行移动,当机器人在移动过程中遇到障碍物时,机器人在安全区和/或非安全区生成临时路径;
若机器人根据临时路径绕过障碍物,则机器人根据巡逻路径继续移动,直至到达巡逻路径的终点,之后机器人移动至休息区并结束巡逻任务;
若机器人根据临时路径无法绕过障碍物,则将剩余的巡逻路径设为障碍路段,且机器人移动至休息区并结束巡逻任务。
2.根据权利要求1所述的一种机器人行走路径的调度管理方法,其特征在于,机器人根据临时路径绕过障碍物的具体过程为:
步骤一:当机器人绕行障碍物且必须离开所在路径时,设定离开所在路径的位置为a点,并判断机器人沿前进方向在a点前方是否标定得到b点;
若机器人沿前进方向在a点前方标定得到b点,则执行步骤二:设定机器人在非安全区内的单次移动长度的阈值为K,机器人根据b点生成最短绕行路径,并判断该最短绕行路径中在非安全区内的移动长度是否小于等于K;
若该最短绕行路径中在非安全区内的移动长度小于等于K,则执行步骤三:机器人根据最短绕行路径移动至b点。
3.根据权利要求2所述的一种机器人行走路径的调度管理方法,其特征在于,若该最短绕行路径中在非安全区内的移动长度大于K,则执行步骤四:根据b点在安全区内生成最短绕行路径,机器人根据安全区内的最短绕行路径行至b点,其中,b点为巡逻路径上标定的b点。
4.根据权利要求3所述的一种机器人行走路径的调度管理方法,其特征在于,若机器人沿前进方向在a点前方无法标定得到b点,则执行步骤五:判断机器人当前位于临时路径上或巡逻路径上,若机器人位于临时路径上,则执行步骤四;若机器人位于巡逻路径上,则将剩余的巡逻路径设为障碍路段,并根据当前位置生成最短路径回到休息区位置。
5.根据权利要求3或4所述的一种机器人行走路径的调度管理方法,其特征在于,若根据巡逻路径上标定的b点在安全区内无法生成最短绕行路径,则将剩余的巡逻路径设为障碍路段,且根据休息区位置生成最短路径,机器人根据最短路径移动至休息区。
6.根据权利要求1所述的一种机器人行走路径的调度管理方法,其特征在于,机器人根据临时路径绕过障碍物的具体过程为:
步骤一:当机器人绕行障碍物必须离开所在路径时,设定离开所在路径的位置为a点,并判断机器人沿前进方向在a点前方n厘米内是否标定得到b点;
若机器人沿前进方向在a点前方n厘米处标定得到b点,则执行步骤二:先设定机器人在非安全区内的单次移动长度的阈值为K,机器人根据b点生成最短绕行路径,并预先判断该最短绕行路径中在非安全区内的移动长度是否小于等于K;
若最短绕行路径中在非安全区内的移动长度小于等于K,则执行步骤三:机器人根据最短绕行路径进行移动并判断是否达到b点;若机器人根据最短绕行路径移动到b点,则执行步骤四:机器人根据临时路径或者巡逻路径继续移动;若机器人根据最短绕行路径不能移动到b点,则将b点更新为a点并执行步骤一中的判断;
若最短绕行路径中在非安全区内的移动长度大于K,则执行步骤六:根据巡逻路径上标定的b点在安全区内生成最短绕行路径,机器人根据该最短绕行路径移动至巡逻路径上标定的b点。
7.根据权利要求6所述的一种机器人行走路径的调度管理方法,其特征在于,若机器人沿前进方向在a点前方n厘米处不能标定得到b点,则执行步骤五:判断机器人当前位于临时路径或巡逻路径上,若机器人位于临时路径上,则执行步骤六;若机器人位于巡逻路径上,将剩余的巡逻路径设为障碍路段,并根据休息区位置生成最短路径,机器人根据最短路径回到休息区。
8.根据权利要求6所述的一种机器人行走路径的调度管理方法,其特征在于,若机器人根据最短绕行路径进行移动并判断无法达到b点,则执行步骤七:将b点更新为a点,机器人执行步骤一的判断,若机器人沿前进方向在a点前方标定得到b点,则执行步骤二,机器人根据新的b点生成最短绕行路径,且若预先判断得到最短绕行路径中在非安全区内的移动长度小于等于K,则执行步骤三。
9.根据权利要求8所述的一种机器人行走路径的调度管理方法,其特征在于,若预先判断得到最短绕行路径中在非安全区内的移动长度大于K,则执行步骤八:根据初始a点生成最短回归路径,并判断最短回归路径长度与最短绕行路径在非安全区内的移动长度的关系。
10.根据权利要求9所述的一种机器人行走路径的调度管理方法,其特征在于,若最短回归路径长度大于最短绕行路径在非安全区内的移动长度,则执行步骤三。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110442972.6A CN113009922B (zh) | 2021-04-23 | 2021-04-23 | 一种机器人行走路径的调度管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110442972.6A CN113009922B (zh) | 2021-04-23 | 2021-04-23 | 一种机器人行走路径的调度管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113009922A true CN113009922A (zh) | 2021-06-22 |
CN113009922B CN113009922B (zh) | 2024-03-26 |
Family
ID=76389095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110442972.6A Active CN113009922B (zh) | 2021-04-23 | 2021-04-23 | 一种机器人行走路径的调度管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113009922B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113342001A (zh) * | 2021-06-30 | 2021-09-03 | 元通智能技术(南京)有限公司 | 一种机器人行走路径的规划方法 |
CN114399125A (zh) * | 2022-03-24 | 2022-04-26 | 清华大学 | 车队最优轨迹控制方法、装置、电子设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104516354A (zh) * | 2014-12-25 | 2015-04-15 | 中国人民解放军总参谋部第六十研究所 | 一种无人直升机电力巡线智能返航路径控制方法 |
CN106845716A (zh) * | 2017-01-25 | 2017-06-13 | 东南大学 | 一种基于导航误差约束的水面无人艇局部分层路径规划方法 |
WO2017101882A1 (zh) * | 2015-12-17 | 2017-06-22 | 苏州宝时得电动工具有限公司 | 自移动机器人系统 |
US20170368690A1 (en) * | 2016-06-27 | 2017-12-28 | Dilili Labs, Inc. | Mobile Robot Navigation |
DE102017126021A1 (de) * | 2016-11-09 | 2018-05-09 | GM Global Technology Operations LLC | Prozessor-implementierte systeme und verfahren zum automatisierten fahren |
CN110220524A (zh) * | 2019-04-23 | 2019-09-10 | 炬星科技(深圳)有限公司 | 路径规划方法、电子设备、机器人及计算机可读存储介质 |
CN110320919A (zh) * | 2019-07-31 | 2019-10-11 | 河海大学常州校区 | 一种未知地理环境中的巡回机器人路径优化方法 |
CN110703781A (zh) * | 2019-10-30 | 2020-01-17 | 中国船舶重工集团公司第七一六研究所 | 安保巡逻机器人的路径控制方法 |
WO2020258721A1 (zh) * | 2019-06-27 | 2020-12-30 | 广东利元亨智能装备股份有限公司 | 智能巡航车导航方法及系统 |
CN112269380A (zh) * | 2020-10-15 | 2021-01-26 | 许继电源有限公司 | 一种变电站巡检机器人遇障控制方法及系统 |
KR102223378B1 (ko) * | 2020-04-08 | 2021-03-04 | 윤여선 | 학습기반으로 경비관리지역에 대한 최적의 순찰인원을 결정하여 순찰을 배정하는 경비관리 지원서버 |
-
2021
- 2021-04-23 CN CN202110442972.6A patent/CN113009922B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104516354A (zh) * | 2014-12-25 | 2015-04-15 | 中国人民解放军总参谋部第六十研究所 | 一种无人直升机电力巡线智能返航路径控制方法 |
WO2017101882A1 (zh) * | 2015-12-17 | 2017-06-22 | 苏州宝时得电动工具有限公司 | 自移动机器人系统 |
US20170368690A1 (en) * | 2016-06-27 | 2017-12-28 | Dilili Labs, Inc. | Mobile Robot Navigation |
DE102017126021A1 (de) * | 2016-11-09 | 2018-05-09 | GM Global Technology Operations LLC | Prozessor-implementierte systeme und verfahren zum automatisierten fahren |
CN106845716A (zh) * | 2017-01-25 | 2017-06-13 | 东南大学 | 一种基于导航误差约束的水面无人艇局部分层路径规划方法 |
CN110220524A (zh) * | 2019-04-23 | 2019-09-10 | 炬星科技(深圳)有限公司 | 路径规划方法、电子设备、机器人及计算机可读存储介质 |
WO2020258721A1 (zh) * | 2019-06-27 | 2020-12-30 | 广东利元亨智能装备股份有限公司 | 智能巡航车导航方法及系统 |
CN110320919A (zh) * | 2019-07-31 | 2019-10-11 | 河海大学常州校区 | 一种未知地理环境中的巡回机器人路径优化方法 |
CN110703781A (zh) * | 2019-10-30 | 2020-01-17 | 中国船舶重工集团公司第七一六研究所 | 安保巡逻机器人的路径控制方法 |
KR102223378B1 (ko) * | 2020-04-08 | 2021-03-04 | 윤여선 | 학습기반으로 경비관리지역에 대한 최적의 순찰인원을 결정하여 순찰을 배정하는 경비관리 지원서버 |
CN112269380A (zh) * | 2020-10-15 | 2021-01-26 | 许继电源有限公司 | 一种变电站巡检机器人遇障控制方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113342001A (zh) * | 2021-06-30 | 2021-09-03 | 元通智能技术(南京)有限公司 | 一种机器人行走路径的规划方法 |
CN114399125A (zh) * | 2022-03-24 | 2022-04-26 | 清华大学 | 车队最优轨迹控制方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113009922B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10861183B2 (en) | Method and device for short-term path planning of autonomous driving through information fusion by using V2X communication and image processing | |
Schwesinger et al. | Automated valet parking and charging for e-mobility | |
CN113009922A (zh) | 一种机器人行走路径的调度管理方法 | |
CN111768647A (zh) | 一种基于移动边缘计算的自主泊车方法和装置 | |
CN108415413A (zh) | 一种基于圆形有用域的智能叉车局部避障路径规划方法 | |
CN114111825B (zh) | 路径规划方法、装置、电子设备、工程机械和存储介质 | |
CN110440811A (zh) | 一种通用型自主导航控制方法、装置及设备终端 | |
Jingnan et al. | Data logic structure and key technologies on intelligent high-precision map | |
CN114460965B (zh) | 一种基于改进人工势场法的无人机三维避障方法 | |
CN111176276A (zh) | 一种智能仓储机器人的开发及应用 | |
CN116105742B (zh) | 复合场景巡检导航方法、系统及相关设备 | |
CN112835364A (zh) | 一种基于冲突检测的多机器人路径规划方法 | |
Song et al. | Cooperative vehicle localisation method based on the fusion of GPS, inter‐vehicle distance, and bearing angle measurements | |
CN116501056A (zh) | 车辆轨迹跟踪控制方法和装置、无人车和存储介质 | |
Meng et al. | Improved hybrid A-star algorithm for path planning in autonomous parking system based on multi-stage dynamic optimization | |
CN116958316B (zh) | 拓扑图生成方法、装置、计算机设备及存储介质 | |
CN109556623A (zh) | 融合触须算法与切线图法的迭代式路径规划算法 | |
CN117032201A (zh) | 一种基于车路协同的矿井下自动驾驶车辆协调规划方法 | |
Ma et al. | DeepGoal: Learning to drive with driving intention from human control demonstration | |
Zeng et al. | A steerable curvature approach for efficient executable path planning for on-road autonomous vehicle | |
CN113741425B (zh) | 一种全覆盖路径规划方法及导航系统 | |
Ren et al. | Intelligent path planning and obstacle avoidance algorithms for autonomous vehicles based on enhanced rrt algorithm | |
Hongbo et al. | Relay navigation strategy study on intelligent drive on urban roads | |
CN113485378A (zh) | 基于交通规则的移动机器人路径规划方法、系统及存储介质 | |
Li et al. | A Tightly Coupled Bi-Level Coordination Framework for CAVs at Road Intersections |
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 |