CN113110503A - 一种基于移动机器人的多检测目标最短路径计算方法 - Google Patents

一种基于移动机器人的多检测目标最短路径计算方法 Download PDF

Info

Publication number
CN113110503A
CN113110503A CN202110515913.7A CN202110515913A CN113110503A CN 113110503 A CN113110503 A CN 113110503A CN 202110515913 A CN202110515913 A CN 202110515913A CN 113110503 A CN113110503 A CN 113110503A
Authority
CN
China
Prior art keywords
path
points
detection
shortest path
calculating
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
CN202110515913.7A
Other languages
English (en)
Inventor
王淮卿
张义杰
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.)
Shenzhen Qiancheng Robot Co ltd
Original Assignee
Shenzhen Qiancheng Robot Co ltd
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 Shenzhen Qiancheng Robot Co ltd filed Critical Shenzhen Qiancheng Robot Co ltd
Priority to CN202110515913.7A priority Critical patent/CN113110503A/zh
Publication of CN113110503A publication Critical patent/CN113110503A/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
    • G05D1/0221—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)
  • Manipulator (AREA)

Abstract

本发明提供一种基于移动机器人的多检测目标最短路径计算方法，包括以下步骤：基于检测范围内所有路径点和路线设置路径网；获取检测任务点，计算任务点在路径网中所在的路径，并基于路径从Floyd算法得到任意两个任务点的预估距离，形成数据表；随机初始化生成10组任意的任务点排序，根据数据表计算每一组的整体轨迹长度；利用遗传算法来淘汰轨迹长的，保留轨迹最短的10条路径；将保留轨迹最短的10条路径，经多次迭代之后将当前的最短路径作为输出。

Description

一种基于移动机器人的多检测目标最短路径计算方法
技术领域
本发明涉及一种基于移动机器人的多检测目标最短路径计算方法。
背景技术
现在技术中，通常会采用巡检型轮式移动机器人携带云台设备，对室外变电站的设备进行巡检。当机器人在一个场所进行巡检的时候，机器人需要自动行驶到10～100个预先设置的位置上去，然后使用携带的云台设备进行拍照等巡检作业。
当前，对于只需要检测一个目标时，机器人可以很容易在路线网找到最短的路径。但是，对于存在多个目标情况下，机器人往往难以得出一个最短路径。
发明内容
为解决以上技术问题，本发明提供以下技术方案：
本发明提供一种基于移动机器人的多检测目标最短路径计算方法，包括以下步骤：
S1：基于检测范围内所有路径点和路线设置路径网；
S2：获取检测任务点，计算任务点在路径网中所在的路径，并基于路径从Floyd算法得到任意两个任务点的预估距离，形成数据表；
S3:随机初始化生成10组任意的任务点排序，根据数据表计算每一组的整体轨迹长度；
S4:利用遗传算法来淘汰轨迹长的，保留轨迹最短的10条路径；
S5:将保留轨迹最短的10条路径，经多次迭代之后将当前的最短路径作为输出。
本发明的有益效果是：本发明的方法中，基于路网的Floyd算法，计算任意路网区域内多个点中，任意两点的距离，得到任意两点距离之后，依据遗传算法进行迭代优化使用迭代的方法来保证每时每刻都有一个当前最优的结果可以采用，这样的方式既发挥了硬件资源，同时又保证了算法的实时性。
附图说明
图1是本发明动态巡检方法流程图。
具体实施方式
见图1，本发明提供一种基于移动机器人的多检测目标最短路径计算方法，包括以下步骤：
S1：基于检测范围内所有路径点和路线设置路径网；
S2：获取检测任务点，计算任务点在路径网中所在的路径，并基于路径从Floyd算法得到任意两个任务点的预估距离，形成数据表；
S3:随机初始化生成10组任意的任务点排序，根据数据表计算每一组的整体轨迹长度；
S4:利用遗传算法来淘汰轨迹长的，保留轨迹最短的10条路径；
S5:将保留轨迹最短的10条路径，经多次迭代之后将当前的最短路径作为输出。
本发明的方法中，基于路网的Floyd算法，计算任意路网区域内多个点中，任意两点的距离，得到任意两点距离之后，依据遗传算法进行迭代优化使用迭代的方法来保证每时每刻都有一个当前最优的结果可以采用，这样的方式既发挥了硬件资源，同时又保证了算法的实时性。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于移动机器人的多检测目标最短路径计算方法，其特征在于，包括以下步骤：
S1：基于检测范围内所有路径点和路线设置路径网；
S2：获取检测任务点，计算任务点在路径网中所在的路径，并基于路径从Floyd算法得到任意两个任务点的预估距离，形成数据表；
S3:随机初始化生成10组任意的任务点排序，根据数据表计算每一组的整体轨迹长度；
S4:利用遗传算法来淘汰轨迹长的，保留轨迹最短的10条路径；
S5:将保留轨迹最短的10条路径，经多次迭代之后将当前的最短路径作为输出。
CN202110515913.7A 2021-05-12 2021-05-12 一种基于移动机器人的多检测目标最短路径计算方法 Pending CN113110503A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110515913.7A CN113110503A (zh) 2021-05-12 2021-05-12 一种基于移动机器人的多检测目标最短路径计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110515913.7A CN113110503A (zh) 2021-05-12 2021-05-12 一种基于移动机器人的多检测目标最短路径计算方法

Publications (1)

Publication Number Publication Date
CN113110503A true CN113110503A (zh) 2021-07-13

Family

ID=76721962

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110515913.7A Pending CN113110503A (zh) 2021-05-12 2021-05-12 一种基于移动机器人的多检测目标最短路径计算方法

Country Status (1)

Country Link
CN (1) CN113110503A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106500704A (zh) * 2016-12-30 2017-03-15 亿嘉和科技股份有限公司 一种基于改进遗传算法的机器人路径规划方法
CN107784380A (zh) * 2016-08-30 2018-03-09 上海创和亿电子科技发展有限公司 一种巡检最短路径的优化方法及优化系统
CN109032145A (zh) * 2018-08-29 2018-12-18 广州市君望机器人自动化有限公司 对多机器人路径的调度方法及装置
CN110442125A (zh) * 2019-07-15 2019-11-12 电子科技大学 一种移动机器人的动态路径规划方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107784380A (zh) * 2016-08-30 2018-03-09 上海创和亿电子科技发展有限公司 一种巡检最短路径的优化方法及优化系统
CN106500704A (zh) * 2016-12-30 2017-03-15 亿嘉和科技股份有限公司 一种基于改进遗传算法的机器人路径规划方法
CN109032145A (zh) * 2018-08-29 2018-12-18 广州市君望机器人自动化有限公司 对多机器人路径的调度方法及装置
CN110442125A (zh) * 2019-07-15 2019-11-12 电子科技大学 一种移动机器人的动态路径规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杜吉梁等: "基于插点算法的巡检排班模型", 《兰州石化职业技术学院学报》 *
王锐等: "基于遗传算法的变电站巡检机器人任务路径规划方法研究", 《计算机测量与控制》 *

Similar Documents

Publication Publication Date Title
CN106525047B (zh) 一种基于floyd算法的无人机路径规划方法
CN107276896B (zh) 改进迪杰斯特拉算法的两点间最短路径搜索方法
CN110967028A (zh) 导航地图构建方法、装置、机器人及存储介质
CN110109055B (zh) 一种基于rssi测距的室内定位方法
CN110326323B (zh) 一种获取发射概率、转移概率以及序列定位的方法和装置
CN110989352A (zh) 一种基于蒙特卡洛树搜索算法的群体机器人协同搜索方法
CN105068550A (zh) 一种基于拍卖模式的水下机器人多目标选择策略
CN108924925A (zh) 一种施工人员定位方法及其定位系统
CN105203994B (zh) 一种电子标签定位方法、装置、服务器及系统
CN103678860A (zh) 一种派工优化方法和装置
CN109211242A (zh) 一种融合rrt与蚁群算法的三维空间多目标路径规划方法
CN106454751A (zh) 一种基于地理位置信息的网络数据通信方法
CN106569176A (zh) 一种无线传感器网络立体定位方法
CN113110503A (zh) 一种基于移动机器人的多检测目标最短路径计算方法
CN105335622B (zh) 一种基于泛网格化机场感知的航空噪声插值方法
Luo et al. Energy-based target localization in multi-hop wireless sensor networks
CN116070807B (zh) 一种基于空间关系的电站巡检路径规划方法及装置
CN108469600A (zh) 一种动态网络相对定位方法
CN108227718A (zh) 一种自适应切换的自动搬运小车路径规划方法
Kuruvila et al. Progress based localized power and cost aware routing algorithms for ad hoc and sensor wireless networks
Sivakumar et al. Performance evaluation of hybrid evolutionary algorithms in minimizing localization error for wireless sensor networks
JP2009043241A (ja) 移動中のエンティティを追跡するための方法
Baidar et al. A hybrid Harrison Hawk optimization based on differential evolution for the node localization problem in IoT networks
CN105865457A (zh) 一种基于文化算法的动态环境下航迹规划方法
CN103414788B (zh) 一种基于层次对等网络的配电网数据处理系统及方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210713