CN113172631B - 一种基于改进式rrt算法的机械臂自主避障方法 - Google Patents
一种基于改进式rrt算法的机械臂自主避障方法 Download PDFInfo
- Publication number
- CN113172631B CN113172631B CN202110509453.7A CN202110509453A CN113172631B CN 113172631 B CN113172631 B CN 113172631B CN 202110509453 A CN202110509453 A CN 202110509453A CN 113172631 B CN113172631 B CN 113172631B
- Authority
- CN
- China
- Prior art keywords
- point
- mechanical arm
- distance
- obstacle
- node
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
- B25J9/1666—Avoiding collision or forbidden zones
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于改进式RRT算法的机械臂自主避障方法，包括：S1:利用D‑H法对六轴机械臂位姿进行建模；S2：建立基于gazebo的六轴机械臂工作环境，工作环境中随机生成形状不规则障碍物；S3：利用改进式RRT算法完成机械臂的运动规划；S4：最后对所得的路径利用三次Hermite曲线平滑处理。本发明优点是：能够提高采样点的方向性、增加路径的平滑度、减少空间区域的无用搜索、节省搜索时间。
Description
技术领域
本发明涉及机械臂运动规划技术领域，涉及到机械臂避障环节中的运动规划方法，具体为一种基于改进式RRT算法的机械臂自主避障方法。
背景技术
随着我国国民经济的快速发展，对社会物流的需求也在日益增加，然而随着中国适龄劳动力的下降，作为劳动密集型产业的物流行业受到了劳动力成本激增的巨大影响。
作为一款具有搬运功能的机器人，机械臂逐渐被物流企业关注。当机械臂工作环境发生变化时，固定运动轨迹无法帮助机械臂适应环境变化，从而给工业生产埋下了安全隐患。此时需要机械臂根据环境实时规划路径，确保到达目标位姿执行任务，且在运行过程中避开所有动静态障碍物。
目前国内外学者针对二自由度的移动机器人，提出了图搜索(可视图、Dijk stra、A*)、蚁群、人工势场、随机采样(RRT、PRM)等路径规划算法。
但由于机械臂的自主避障涉及高维空间的运动规划，其自由度越高，规划空间(构形空间)维度越高，因此传统路径规划算法存在一定的弊端。图搜索法需要构建完整的工作空间，此方法在高维空间中其计算量随着空间维度呈几何倍数增加；蚁群算法在高维空间中收敛慢，多是局部最优；人工势场法在高维空间中势场不易建立，并且容易陷入局部最优；而快速扩展随机树法，通过对状态空间随机采样，并对采样点进行碰撞检测，从而实现对机械臂的构形空间进行快速搜索，该方法规划速度快，应用广，但存在节点扩展缺乏记忆性、所得路径不能直接被机器人使用、计算量大等问题。
本发明所涉及的缩略词定义
RRT：快速搜索随机树算法(Rapidly-exploring Random Tree，RRT)由Lav alle提出，是一种采用增量方式增长的随机采样算法。
RRT-Connect：RRT-Connect算法基于RRT搜索空间的盲目性，节点拓展环节缺乏记忆性的缺点，为了提高空间内的搜索速。在RRT算法的基础上加上了两棵树双向抖索的引导策略，并且在生长方式的基础上加上了贪婪策略加快了搜索速度，并且减少了空白区域的无用搜索，节省了搜索时间。
RRT-Star：渐进最优快速随机搜索树(RRT-Star)算法在原有的RRT算法上，改进了父节点选择的方式，采用代价函数来选取拓展节点领域内最小代价的节点为父节点，同时，每次迭代后都会重新连接现有树上的节点，从而保证计算的复杂度和渐进最优解。
发明内容
本发明针对现有技术的缺陷，提供了一种基于改进式RRT算法的机械臂自主避障方法，解决了现有技术中存在的缺陷。
为了实现以上发明目的，本发明采取的技术方案如下：
一种基于改进式RRT算法的机械臂自主避障方法，包括以下步骤：
S1:利用D-H法对六轴机械臂位姿进行建模；
S2：建立基于gazebo的六轴机械臂工作环境，工作环境中随机生成形状不规则障碍物；
S3：利用改进式RRT算法完成机械臂的运动规划；
S4：最后对所得的路径利用三次Hermite曲线平滑处理。
进一步地，S3：利用改进式RRT算法完成机械臂的运动规划，具体步骤如下：
S31：确定机械臂工作起点、目标点、障碍物位置。
S32：设初始随机树G1，G2；
初始G1：以起点作为G1根节点及父节点；
初始G2：以终点作为G2根节点及父节点。
S33：确定搜索时长或者最大搜索次数，搜索步长；
搜索步长选取公式：r＝γ[(logn)/n]1/d
其中：d表示状态空间的维度，n表示树中节点个数，γ是由环境确定的常数。
S34：在无障碍物状态空间中确定固定采样点；
在起点与目标点间引入采样固定点pfix，分为两种情况：
第一种情况：当起点和目标点有障碍物时；
pinit(xi,yi,zi)与pgoal(xg,yg,zg)连线中点有障碍物时，以中点为圆心，
为初始半径画圆，并画一条垂直于pinit与pgoal连线的直线求圆与直线的交点。将得到的两个交点进行碰撞检测，若仍碰撞则增加半径长度，直至某一交点碰撞检测通过，则将该交点作为采样固定点，其中xi，yi，zi表示起点p init的xyz轴，i是起点的索引单位，g是目标点的索引单位。
第二种情况：当起点和目标点无障碍物时；
pinit(xi,yi,zi)与pgoal(xg,yg,zg)连线中点无障碍物时，中点位置为采样固定点
S35：从G1中找到距离采集点最近的节点；
遍历G1所有节点，找到与采集点的欧氏距离最短的节点qnearest
其中Distant表示欧式距离；
S36：从qnearest向采集点扩展一段距离；
当距离大于步长时：从最近点出发，向采集点延申一个步长的距离；
当距离小于步长时：采集点为扩展点。
S37：碰撞检测；
S371：使用长方体包络障碍物，并得到包络后的解析函数描述；
S372：使用机械臂最大直径膨胀障碍物；
S373：将机械臂骨架化；
S374：将膨胀后的障碍物表面的点和机械臂位置关系表示为函数形式进行碰撞检测。
S38：将检测通过的点，纳入G1中，并重复S35至S38。若检测不通过，则以 qnearest(xn，yn，zn)为中点，以2r两倍步长的距离为直径画圆，以45°为间隔在z ＝zn的圆域边上采集8个节点，其中节点的坐标为：
xe＝xn+rcosθ
ye＝yn+rsinθ
ze＝zn
其中e为圆域边上节点的索引，n为最近点qnearest的索引；圆域节点如图5所示。
然后分别对8个节点进行碰撞检测，选择无碰撞且距离pfix最近的点作为下一步的扩展方向，并向前扩展一步至qnew。当算法扩展至qnew后，重复S35至S38，直到G1子节点与pfix距离小于某个阈值，结束G1的扩展。
S39：进行G2的扩展，G2与G1扩展步骤相同。
与现有技术相比，本发明的优点在于：
能够提高采样点的方向性、增加路径的平滑度、减少空间区域的无用搜索、节省搜索时间。通过引入固定采样函数取代随机采样函数，来确定算法的扩展方向，在无障碍空间中快速朝向目标点扩展，在扩展中更具方向性，生成路径更平直。当扩展中遇到障碍时，可以使路径达到渐进最优的效果。
附图说明
图1是本发明实施例改进式RRT算法完成机械臂的运动规划流程图；
图2是本发明实施例仿真地图，图2(a)为中心无障碍物地图，图2(b)为中心有障碍物地图；
图3是现有技术三种算法在中心无障碍物地图中的仿真结果图，图3(a)为传统RRT算法，图3(b)为RRT-connect，图3(c)为RRT-star；
图4是本发明实施例改进式RRT算法在地图中的仿真结果；图4(a)为中心无障碍物仿真结果，图4(b)为中心有障碍物仿真结果。
图5是本发明实施例圆域节点坐标示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下根据附图并列举实施例，对本发明做进一步详细说明。
一种基于改进式RRT算法的机械臂自主避障方法，包括以下步骤：
S1:利用D-H法对六轴机械臂位姿进行建模；
原理：传统六轴机械臂位姿建模是通过在每个关节上建立坐标系，通过齐次坐标变换来实现多个关节坐标的转换，这种方法需要六个参数才能唯一表示机械臂位姿。而D-H法通过对每个连杆建立坐标系，利用齐次变化矩阵实现对多个串联连杆的坐标转换。
步骤S1为本领域公知技术，这里不再赘述。
S2：建立基于gazebo的六轴机械臂工作环境，工作环境中随机生成形状不规则障碍物；步骤S2为本领域公知技术，这里不再赘述。
S3：利用改进式RRT算法完成机械臂的运动规划，具体步骤如下：
S31：确定机械臂工作起点、目标点、障碍物位置。
S32：设初始随机树G1，G2；
初始G1：以起点作为G1根节点及父节点；
初始G2：以终点作为G2根节点及父节点。
S33：确定搜索时长或者最大搜索次数，搜索步长；
搜索步长选取公式：r＝γ[(logn)/n]1/d
其中：d表示状态空间的维度，n表示树中节点个数，γ是由环境确定的常数。
S34：在无障碍物状态空间中确定固定采样点；
在起点与目标点间引入采样固定点pfix，分为两种情况：
第一种情况：当起点和目标点有障碍物时；
pinit(xi,yi,zi)与pgoal(xg,yg,zg)连线中点有障碍物时，以中点为圆心，
为初始半径画圆，并画一条垂直于pinit与pgoal连线的直线求圆与直线的交点。将得到的两个交点进行碰撞检测，若仍碰撞则增加半径长度，直至某一交点碰撞检测通过，则将该交点作为采样固定点，其中xi，yi，zi表示起点p init的xyz轴，i是起点的索引单位，g是目标点的索引单位。
第二种情况：当起点和目标点无障碍物时；
pinit(xi,yi,zi)与pgoal(xg,yg,zg)连线中点无障碍物时，中点位置为采样固定点
S35：从G1中找到距离采集点最近的节点；
遍历G1所有节点，找到与采集点的欧氏距离最短的节点qnearest
其中Distant表示欧式距离；
S36：从qnearest向采集点扩展一段距离；
当距离大于步长时：从最近点出发，向采集点延申一个步长的距离；
当距离小于步长时：采集点为扩展点。
S37：碰撞检测；
S371：使用长方体包络障碍物，并得到包络后的解析函数描述；
S372：使用机械臂最大直径膨胀障碍物；
S373：将机械臂骨架化；
S374：将膨胀后的障碍物表面的点和机械臂位置关系表示为函数形式进行碰撞检测。
S38：将检测通过的点，纳入G1中，并重复S35至S38。若检测不通过，则以 qnearest(xn，yn，zn)为中点，以2r两倍步长的距离为直径画圆，以45°为间隔在z ＝zn的圆域边上采集8个节点，其中节点的坐标为：
xe＝xn+rcosθ
ye＝yn+rsinθ
ze＝zn
其中e为圆域边上节点的索引，n为最近点qnearest的索引；圆域节点如图5所示。
然后分别对8个节点进行碰撞检测，选择无碰撞且距离pfix最近的点作为下一步的扩展方向，并向前扩展一步至qnew。当算法扩展至qnew后，重复S35至S38，直到G1子节点与pfix距离小于某个阈值，结束G1的扩展。
S39：进行G2的扩展，G2与G1扩展步骤相同。
S4：最后对所得的路径利用三次Hermite曲线平滑处理，确保路径不因为运动学因素而被机械臂不可执行。利用三次Hermite曲线平滑处理为本领域公知技术，这里不再赘述。
仿真准备
为验证改进式算法较传统RRT算法在起点和终点有障碍物和无障碍物两种环境的采样点的方向性、搜索时间和迭代次数等的优越性，本实施例采用IntelCor ei5-7200UCPU作为硬件仿真平台，利用Python语言以图2所示的地图作为路径规划的环境背景，分为中心有、无障碍物地图，其中灰色区域为无障碍物空间。具体来说地图以左上方为坐标原点，窗口大小为100×100，即X轴坐标范围是[0， 100]，Y轴坐标范围是[0，100]，图中左下方黑色圆点为起始点，坐标为(0，0)，右上方黑色圆点为目标点，坐标为(100，100)黑色区域为障碍物空间，灰色区域为无障碍物空间。
并将本发明改进式RRT算法效果与基本RRT、RRT-STAR以及RRT-connect算法进行比较，验证该算法的优势。
仿真结果分析
利用Python3.8对上述四种算法在中心无障碍物和中心有障碍物时就采样点方向性、搜索时间和迭代次数进行仿真。仿真中，随机树扩展步长为4，搜索半径设置为8，碰撞检查时沿边采样点的分辨率为0.1，最大迭代次数设置为2000 次，随机树节点距离目标点小于0.1判断为找到路径。
采样点方向性
由图3和4可知，现有的三种RRT算法由于随机采样函数的存在，使得生成路径较为曲折，虽然RRT-star加入了回溯过程，但其仍不能很好地平滑所生成路径。而相对于现有的三种算法，改进式RRT算法通过引入固定采样函数取代随机采样函数，来确定算法的扩展方向，在无障碍空间中快速朝向目标点扩展，使算法在扩展中更具方向性，生成路径更平直。当算法扩展中遇到障碍时，调用改进后扩展算法，可以使路径达到渐进最优的效果。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (1)
1.一种基于改进式RRT算法的机械臂自主避障方法，其特征在于，包括以下步骤：
S1:利用D-H法对六轴机械臂位姿进行建模；
S2：建立基于gazebo的六轴机械臂工作环境，工作环境中随机生成形状不规则障碍物；
S3：利用改进式RRT算法完成机械臂的运动规划；
S4：最后对所得的路径利用三次Hermite曲线平滑处理；
所述S3利用改进式RRT算法完成机械臂的运动规划，具体步骤如下：
S31：确定机械臂工作起点、目标点、障碍物位置；
S32：设初始随机树G1，G2；
初始G1：以起点作为G1根节点及父节点；
初始G2：以终点作为G2根节点及父节点；
S33：确定搜索时长或者最大搜索次数，搜索步长；
搜索步长选取公式：r＝γ[(logn)/n]1/d
其中：d表示状态空间的维度，n表示树中节点个数，γ是由环境确定的常数；
S34：在无障碍物状态空间中确定固定采样点；
在起点与目标点间引入采样固定点pfix，分为两种情况：
第一种情况：当起点和目标点有障碍物时；
pinit(xi,yi,zi)与pgoal(xg,yg,zg)连线中点有障碍物时，以中点为圆心，
为初始半径画圆，并画一条垂直于pinit与pgoal连线的直线求圆与直线的交点；将得到的两个交点进行碰撞检测，若仍碰撞则增加半径长度，直至某一交点碰撞检测通过，则将该交点作为采样固定点，其中xi，yi，zi表示起点pinit的xyz轴，i是起点的索引单位，g是目标点的索引单位；
第二种情况：当起点和目标点无障碍物时；
pinit(xi,yi,zi)与pgoal(xg,yg,zg)连线中点无障碍物时，中点位置为采样固定点
S35：从G1中找到距离采集点最近的节点；
遍历G1所有节点，找到与采集点的欧氏距离最短的节点qnearest
其中Distant表示欧式距离；
S36：从qnearest向采集点扩展一段距离；
当距离大于步长时：从最近点出发，向采集点延申一个步长的距离；
当距离小于步长时：采集点为扩展点；
S37：碰撞检测；
S371：使用长方体包络障碍物，并得到包络后的解析函数描述；
S372：使用机械臂最大直径膨胀障碍物；
S373：将机械臂骨架化；
S374：将膨胀后的障碍物表面的点和机械臂位置关系表示为函数形式进行碰撞检测；
S38：将检测通过的点，纳入G1中，并重复S35至S38；若检测不通过，则以qnearest(xn，yn，zn)为中点，以2r两倍步长的距离为直径画圆，以45°为间隔在z＝zn的圆域边上采集8个节点，其中节点的坐标为：
xe＝xn+rcosθ
ye＝yn+rsinθ
ze＝zn
其中e为圆域边上节点的索引，n为最近点qnearest的索引；
然后分别对8个节点进行碰撞检测，选择无碰撞且距离pfix最近的点作为下一步的扩展方向，并向前扩展一步至qnew；当算法扩展至qnew后，重复S35至S38，直到G1子节点与pfix距离小于某个阈值，结束G1的扩展；
S39：进行G2的扩展，G2与G1扩展步骤相同。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110509453.7A CN113172631B (zh) | 2021-05-11 | 2021-05-11 | 一种基于改进式rrt算法的机械臂自主避障方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110509453.7A CN113172631B (zh) | 2021-05-11 | 2021-05-11 | 一种基于改进式rrt算法的机械臂自主避障方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113172631A CN113172631A (zh) | 2021-07-27 |
| CN113172631B true CN113172631B (zh) | 2023-01-24 |
Family
ID=76928722
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110509453.7A Active CN113172631B (zh) | 2021-05-11 | 2021-05-11 | 一种基于改进式rrt算法的机械臂自主避障方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113172631B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113534844B (zh) * | 2021-08-18 | 2024-02-27 | 广东电网有限责任公司 | 一种未知环境下的旋翼飞行器输电线路巡检方法及装置 |
| CN113448336B (zh) * | 2021-08-30 | 2022-01-14 | 天津施格机器人科技有限公司 | 3d避障路径规划方法 |
| CN114407030B (zh) * | 2021-11-12 | 2024-07-19 | 山东大学 | 一种自主导航配网带电作业机器人及其工作方法 |
| CN114654471A (zh) * | 2022-04-29 | 2022-06-24 | 中国煤炭科工集团太原研究院有限公司 | 基于激光扫描仪的锚护机械臂避障系统和方法 |
| CN114918923B (zh) * | 2022-06-20 | 2023-09-22 | 山东大学 | 一种近距人机协作环境下机械臂规避人体方法及系统 |
| CN115657681A (zh) * | 2022-11-04 | 2023-01-31 | 中国船舶集团有限公司第七一六研究所 | 艇运动学约束下的无人艇局部避障规划方法、系统、设备及介质 |
| CN116784975A (zh) * | 2023-04-26 | 2023-09-22 | 安徽医科大学 | 基于改进Bi-RRT算法的柔性穿刺针路径规划方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106695802A (zh) * | 2017-03-19 | 2017-05-24 | 北京工业大学 | 基于多自由度机械臂的改进式rrt*的避障运动规划方法 |
| CN112179351A (zh) * | 2020-09-30 | 2021-01-05 | 上海电机学院 | 一种基于预规划路径优化rrt算法的三维避障航迹规划方法 |
| CN112338916A (zh) * | 2020-10-29 | 2021-02-09 | 深圳市大象机器人科技有限公司 | 基于快速扩展随机树的机械臂避障路径规划方法及系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101667030B1 (ko) * | 2009-08-10 | 2016-10-17 | 삼성전자 주식회사 | 로봇의 경로 계획 장치 및 그 방법 |
| DE102017129665B3 (de) * | 2017-12-12 | 2019-01-24 | Pilz Gmbh & Co. Kg | Kollisionsfreie Bewegungsplanung bei geschlossener Kinematik |
| CN108818530B (zh) * | 2018-06-12 | 2020-05-15 | 西安交通大学 | 基于改进rrt算法的机械臂抓取散乱堆放活塞运动规划方法 |
| CN110228069B (zh) * | 2019-07-17 | 2022-04-01 | 东北大学 | 一种机械臂在线避障运动规划方法 |
| CN110497403A (zh) * | 2019-08-05 | 2019-11-26 | 上海大学 | 一种改进双向rrt算法的机械臂运动规划方法 |
| CN112677153B (zh) * | 2020-12-16 | 2022-09-06 | 东北林业大学 | 一种改进的rrt算法及工业机器人路径避障规划方法 |
-
2021
- 2021-05-11 CN CN202110509453.7A patent/CN113172631B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106695802A (zh) * | 2017-03-19 | 2017-05-24 | 北京工业大学 | 基于多自由度机械臂的改进式rrt*的避障运动规划方法 |
| CN112179351A (zh) * | 2020-09-30 | 2021-01-05 | 上海电机学院 | 一种基于预规划路径优化rrt算法的三维避障航迹规划方法 |
| CN112338916A (zh) * | 2020-10-29 | 2021-02-09 | 深圳市大象机器人科技有限公司 | 基于快速扩展随机树的机械臂避障路径规划方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113172631A (zh) | 2021-07-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113172631B (zh) | 一种基于改进式rrt算法的机械臂自主避障方法 | |
| CN109945873B (zh) | 一种用于室内移动机器人运动控制的混合路径规划方法 | |
| CN112677153B (zh) | 一种改进的rrt算法及工业机器人路径避障规划方法 | |
| CN104155974B (zh) | 一种用于机器人快速避碰的路径规划方法及设备 | |
| Shkolnik et al. | Reachability-guided sampling for planning under differential constraints | |
| CN110609547B (zh) | 一种基于可视图引导的移动机器人规划方法 | |
| CN112223291B (zh) | 一种基于三维任务空间约束的机械臂避障方法及装置 | |
| CN108444490B (zh) | 基于可视图和a*算法深度融合的机器人路径规划方法 | |
| CN113799141B (zh) | 六自由度机械臂避障路径规划方法 | |
| CN112809665B (zh) | 一种基于改进rrt算法的机械臂运动规划方法 | |
| CN113189988B (zh) | 一种基于Harris算法与RRT算法复合的自主路径规划方法 | |
| CN113442140B (zh) | 一种基于Bezier寻优的笛卡尔空间避障规划方法 | |
| CN112338916A (zh) | 基于快速扩展随机树的机械臂避障路径规划方法及系统 | |
| CN111216132A (zh) | 基于改进rrt算法的六自由度机械臂路径规划方法 | |
| Zhang et al. | A-star algorithm for expanding the number of search directions in path planning | |
| CN115958590A (zh) | 一种基于rrt的机械臂深框避障运动规划方法及装置 | |
| CN113848911B (zh) | 基于Q-learning和RRT*的移动机器人全局路径规划方法 | |
| Cheng et al. | An improved RRT-Connect path planning algorithm of robotic arm for automatic sampling of exhaust emission detection in Industry 4.0 | |
| CN115129064A (zh) | 基于改进萤火虫算法与动态窗口法融合的路径规划方法 | |
| CN104331080B (zh) | 用于移动式机器人的定点跟踪路径规划方法 | |
| CN113721622A (zh) | 一种机器人路径规划方法 | |
| CN114995391B (zh) | 一种改进a*算法的4阶b样条曲线路径规划方法 | |
| CN116852367A (zh) | 一种基于改进RRTstar的六轴机械臂避障路径规划方法 | |
| Zhu et al. | Online motion generation using accumulated swept volumes | |
| CN115328111A (zh) | 一种用于自动驾驶车辆的避障路径规划方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |