CN113253717B - 一种基于动态障碍物的室内移动机器人局部路径规划方法 - Google Patents
一种基于动态障碍物的室内移动机器人局部路径规划方法 Download PDFInfo
- Publication number
- CN113253717B CN113253717B CN202110285647.3A CN202110285647A CN113253717B CN 113253717 B CN113253717 B CN 113253717B CN 202110285647 A CN202110285647 A CN 202110285647A CN 113253717 B CN113253717 B CN 113253717B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- laser
- dynamic
- robot
- straight line
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000004888 barrier function Effects 0.000 title claims abstract description 10
- 230000003068 static effect Effects 0.000 claims abstract description 7
- 230000011218 segmentation Effects 0.000 claims abstract description 5
- 230000008859 change Effects 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims abstract description 3
- 238000012545 processing Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract 1
- 230000001052 transient effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
- G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
-
- 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
- G05D1/0212—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, 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- 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)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Optics & Photonics (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种基于动态障碍物运动信息的室内移动机器人局部路径规划方法,其特征在于:在结合AMCL算法基础上通过单线激光雷达获取所有障碍物点云的位置信息,再对所有激光点云进行分割与直线拟合并去除地图中已知的障碍,并用合适大小的圆圈标记新出现的可能的动态障碍,再通过圆圈圆心坐标变化进行动态障碍物检测,不断获取动态障碍的圆心坐标并利用最小二乘求解其运动方程,最后扩大动态障碍物速度方向代价地图,通过结合DWA算法实现安全避开动态障碍。针对目前的局部路径规划算法在躲避动障碍物时都是将其当成瞬时的静态障碍物进行避障,缺乏主动性与安全性,利用本发明方法能够更安全的避障。
Description
技术领域
本发明属于移动机器人局部路径规划领域,具体涉及一种基于动态障碍物运动信息的移动机器人局部路径规划方法。
背景技术
随着移动机器人产业的飞速发展,人们对其智能化水平要求越来越高,而路径规划技术是移动机器人的关键技术,特别是对于局部路径规划,它决定着机器人是否能够避开已知环境中的未知障碍物。
目前主流的局部路径规划算法有TEB算法、人工势场法、DWA算法,它们被广泛用于各类移动机器人上,且能很好的避开环境中新出现的静态障碍,但这些算法在躲避动态障碍物时,都是将其当做瞬时的静态障碍处理,缺乏主动性与安全性。
对于室内移动机器人无法通过GPS进行精确定位,只能通过机器人所带的传感器进行环境感知从而估计自身位姿,这使机器人判断动态物体十分困难,所以如何引导移动机器人在导航过程中安全避开动态障碍物成为一个热点、难点问题。
发明内容
针对现有技术存在的问题,本发明为解决现有技术中存在的问题采用的技术方案如下:
一种基于动态障碍物运动信息的室内移动机器人局部路径规划方法,其特征在于:在结合AMCL(Adaptive Monte Carlo Localization)算法基础上通过单线激光雷达获取所有障碍物点云的位置信息,再对所有激光点云进行分割与直线拟合并去除地图中已知的障碍,并用合适大小的圆圈标记新出现的可能的动态障碍,再通过圆圈圆心坐标变化进行动态障碍物检测,不断获取动态障碍的圆心坐标并利用最小二乘求解其运动方程,最后扩大动态障碍物速度方向代价地图,通过结合DWA算法(Dynamic Window Approach,动态窗口法)实现安全避开动态障碍。
所述一种基于动态障碍物运动信息的室内移动机器人局部路径规划方法,具体包括如下步骤:
步骤1、使用AMCL算法实现机器人定位,得到机器人的初始位姿(Xrobot,Yrobot,σrobot);
步骤2、设打在障碍物上激光点云数据为(ρi,θi)(i=1,2,...,n),其中ρi代表第i条激光点的距离,θi代表第i条激光的角度,在得到机器人自身位姿估计后,根据激光雷达返回的信息,计算障碍物的绝对位置信息(Xobs,Yobs),计算公式如式(1),其中Xrobot为机器人在全局地图中的横坐标值,Yrobot为机器人纵坐标值,σrobot为机器人的方位角,
步骤3、由于激光点距离越大,激光越稀疏,可保留所有阈值范围内的激光点形成激光点云其中m为符合要求激光点的总个数,遍历所有激光数据,求相邻激光坐标距离的平方其中表示第k与第k-1个激光点之间距离的平方;
步骤4、设置距离阈值为其中r为阈值常量,p为比例常量,ρk为第k个激光数据(ρk,θk)的距离极值,若:则初次判断第k个激光数据为断点,遍历所有数据,将所有激光点根据断点进行分开,设置每组数据点个数最少为Pmin,去除激光点数小于Pmin的激光组;
去掉所拟合直线上首尾两端点,计算该组数据中间k-3个激光点到直线的距离,设第n 个点距直线的距离为设置距离阈值其中β为第二次分割的阈值常量,p为比例常量(同上),ρn为第n个激光数据(ρn,θn)的距离极值,若则判断第n个激光数据为断点;
步骤6、循环步骤3-步骤5至所有激光数据被分组,利用最小二乘求解每组数据的直线方程;
步骤8、比较直线Lm与Lm+1,若|am-am+1|<amax且|bm-bm+1|<bmax且则判断Lm、Lm+1为同一条直线并进行合并,反之,不进行处理,其中amax为斜率阈值,bmax为截距阈值,为距离阈值,r为阈值常量,p为比例常量,为直线Lm+1中第一个激光数据的距离极值;
步骤9、将拟合得到的直线与二维栅格地图进行对比,若直线在栅格地图上,则不再对这些直线进行处理。假设障碍物为圆形,设每条直线为圆的内接等边三角形的一边,若有直线Lj:Y=aj*X+bj,其两个端点分别为根据式(3)可求圆的半径R1:
为了保证障碍物被完全包含,设置附加边界Br,则最终圆的半径R根据式(4)求得,并用圆圈进行标记:
滤除环境中一些过大的非动态障碍,设置圆的最大容许半径为Rmax,若R<Rmax,根据(5) 式求该圆的圆心坐标:
设置速度阈值为Vmax,若Vi<Vmax,判断其为静态障碍物,不做处理;若Vi>Vmax,判断其为动态障碍物;
步骤11、不断更新动态障碍物前G(G>0)个坐标点,利用最小二乘实现直线拟合Ycenter=ac*Xcenter+b,用此方程作为动态障碍的运动状态方程;
步骤12、利用DWA局部路径规划算法实现避障,根据机器人速度限制、加速度限制、离障碍物距离限制对速度(vrobot,ωrobot)进行采样,设计评价函数对每组采样数据进行评分,最后选择评分最高的速度组合;
步骤13、机器人在导航过程中,会对环境地图以及所有出现的障碍物进行一个安全距离的膨胀处理,称为代价地图,为了让DWA局部路径规划器更好的实现动态避障,在得到障碍物的运动状态后,扩大动态障碍物速度方向的膨胀区域,膨胀规则(相当于给障碍物增大一个安全距离)是用一个更大的等腰三角形重叠原始膨胀区域,求得障碍物的运动直线方程后,以障碍物运动方向为等腰三角形区域的上顶点,三角形的大小可以根据障碍物的移动速度进行调整,计算出三角形三边的直线方程,再取三角形三边上及内部点若干作为膨胀位置,用来模拟人工膨胀区域;
步骤14、通过扩大动态障碍物速度方向的代价地图后,增大了DWA算法所规划的路径与动态障碍物之间的距离,能够使机器人更安全的避开动态障碍物,为室内移动机器人适应高动态环境提供了理论基础。
针对目前的局部路径规划算法在躲避动障碍物时都是将其当成瞬时的静态障碍物进行避障,缺乏主动性与安全性,而本发明方法能够更安全的避障,具体优点如下:
(1)利用单个二维激光雷达就识别、判断了动态障碍物,并且计算出了动态障碍物的运动方程;(2)在判断计算出动态障碍物的运动方程之后,创新性的扩大了动态障碍速度方向的代价地图,再结合DWA算法用于局部动态避障,这样的避障效果更好。
附图说明
图1为障碍物点云位置计算原理图,机器人初始位姿(Xrobot,Yrobot,σrobot)由AMCL算法估计得出,利用坐标变换可求得障碍物点云坐标(Xobs,Yobs);
图2为第二次寻找断点的示意图,将原本的折线在拐点处分开;
图3为激光点云拟合成直线、标记新出现障碍物的过程;
图4为动态障碍物代价地图扩大规则,其中左边为原始代价地图,右边为扩大之后的代价地图;
图5为本发明的总体流程图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明,机器人在拥有先验地图的前提下,通过AMCL定位算法获取到机器人的初始位姿(Xrobot,Yrobot,σrobot)。机器人上的激光雷达获取到激光点云数据为(ρi,θi)(i=1,2,...,n),其中ρi代表第i条激光点的距离,θi代表第i条激光的角度。根据式(1)容易计算得到每个激光点的绝对位置,也就是障碍物绝对位置信息(Xobs,Yobs),如图1所示为障碍物点云位置计算原理图。
循环以上三个步骤直至所有激光数据均被处理并求解每组数据的直线方程。如果有相邻直线Lm、Lm+1,其中直线Lm的方程为:Y=am*X+bm,直线上最后一点为直线Lm+1方程为:Y=am+1*X+bm+1,直线上第一个点为
不断获取圆心坐标与对应时间,设可能的动态障碍物在T1时刻的圆心坐标为T2时刻的圆心坐标为根据式(6)计算其瞬时速度Vi,若 Vi<Vmax,判断其为静态障碍物,不做处理;若Vi>Vmax,判断其为动态障碍物。
不断更新动态障碍物前G(G>0)个坐标点,利用最小二乘求解得到直线 Ycenter=ac*Xcenter+bc,用此方程作为动态障碍的运动状态方程。
扩大动态障碍物速度方向的膨胀区域,用一个更大的等腰三角形重叠原始膨胀区域。如图4所示,求得障碍物的运动直线方程后,以障碍物运动方向为等腰三角形区域的上顶点,三角形的大小可以根据障碍物的移动速度进行调整,计算出三角形三边的直线方程,再取三角形三边上及内部点若干作为膨胀位置,用来模拟人工膨胀区域。
通过扩大动态障碍物速度方向的代价地图后,结合DWA算法实现动态避障,增大了DWA 算法所规划的路径与动态障碍物之间的距离,能够使机器人更安全的避开动态障碍物,本发明方法不断获取障碍物上的点云位置信息,再根据点云特征对其进行分割分组,利用最小二乘对每组激光数据进行直线拟合,最后与环境地图进行比对,去除了已知障碍,同时用圆圈标记新加入障碍物,通过其圆心的实时变化判断了动态障碍物,试验结果表明了该方法的可行性。
本发明的保护范围并不限于上述的实施例,显然,本领域的技术人员可以对本发明进行各种改动和变形而不脱离本发明的范围和精神。倘若这些改动和变形属于本发明权利要求及其等同技术的范围内,则本发明的意图也包含这些改动和变形在内。
Claims (2)
1.一种基于动态障碍物运动信息的室内移动机器人局部路径规划方法,其特征在于:在结合AMCL算法基础上通过单线激光雷达获取所有障碍物点云的位置信息,再对所有激光点云进行分割与直线拟合并去除地图中已知的障碍,并用合适大小的圆圈标记新出现的可能的动态障碍,再通过圆圈圆心坐标变化进行动态障碍物检测,不断获取动态障碍的圆心坐标并利用最小二乘求解其运动方程,最后扩大动态障碍物速度方向代价地图,通过结合DWA算法实现安全避开动态障碍,具体包括如下步骤:
步骤1、使用AMCL算法实现机器人定位,得到机器人的初始位姿(Xrobot,Yrobot,σrobot);
步骤2、设打在障碍物上激光点云数据为(ρi,θi),i=1,2,...,n,其中ρi代表第i条激光点的距离,θi代表第i条激光的角度,在得到机器人自身位姿估计后,根据激光雷达返回的信息,计算障碍物的绝对位置信息(Xobs,Yobs),计算公式如式(1),其中Xrobot为机器人在全局地图中的横坐标值,Yrobot为机器人纵坐标值,σrobot为机器人的方位角,
步骤3、由于激光点距离越大,激光越稀疏,可保留所有阈值范围内的激光点形成激光点云i=1,2,...,m,其中m为符合要求激光点的总个数,遍历所有激光数据,求相邻激光坐标距离的平方其中表示第k与第k-1个激光点之间距离的平方;
步骤4、设置距离阈值为其中r为阈值常量,p为比例常量,ρk为第k个激光数据(ρk,θk)的距离极值,若:则初次判断第k个激光数据为断点,遍历所有数据,将所有激光点根据断点进行分开,设置每组数据点个数最少为Pmin,去除激光点数小于Pmin的激光组;
去掉所拟合直线上首尾两端点,计算该组数据中间k-3个激光点到直线的距离,设第n个点距直线的距离为设置距离阈值其中β为第二次分割的阈值常量,p为比例常量,ρn为第n个激光数据(ρn,θn)的距离极值,若则判断第n个激光数据为断点;
步骤6、循环步骤3-步骤5至所有激光数据被分组,利用最小二乘求解每组数据的直线方程;
步骤8、比较直线Lm与Lm+1,若|am-am+1|<amax且|bm-bm+1|<bmax且则判断Lm、Lm+1为同一条直线并进行合并,反之,不进行处理,其中amax为斜率阈值,bmax为截距阈值,为距离阈值,r为阈值常量,p为比例常量,为直线Lm+1中第一个激光数据的距离极值;
步骤9、将拟合得到的直线与二维栅格地图进行对比,若直线在栅格地图上,则不再对这些直线进行处理,假设障碍物为圆形,设每条直线为圆的内接等边三角形的一边,若有直线Lj:T=aj*X+bj,其两个端点分别为根据式(3)可求圆的半径R1:
为了保证障碍物被完全包含,设置附加边界Br,则最终圆的半径R根据式(4)求得,并用圆圈进行标记:
滤除环境中一些过大的非动态障碍,设置圆的最大容许半径为Rmax,若R<Rmax,根据(5)式求该圆的圆心坐标:
设置速度阈值为Vmax,若Vi<Vmax,判断其为静态障碍物,不做处理;若Vi>Vmax,判断其为动态障碍物;
步骤11、不断更新动态障碍物前G个坐标点,G>0,利用最小二乘实现直线拟合Ycenter=ac*Xcenter+bc,用此方程作为动态障碍的运动状态方程;
步骤12、利用DWA局部路径规划算法实现避障,根据机器人速度限制、加速度限制、离障碍物距离限制对速度(vrobot,ωrobot)进行采样,设计评价函数对每组采样数据进行评分,最后选择评分最高的速度组合;
步骤13、机器人在导航过程中,会对环境地图以及所有出现的障碍物进行一个安全距离的膨胀处理,称为代价地图,为了让DWA局部路径规划器更好的实现动态避障,在得到障碍物的运动状态后,扩大动态障碍物速度方向的膨胀区域;
步骤14、通过扩大动态障碍物速度方向的代价地图后,增大了DWA算法所规划的路径与动态障碍物之间的距离,能够使机器人更安全的避开动态障碍物,为室内移动机器人适应高动态环境提供了理论基础。
2.如权利要求1所述的一种基于动态障碍物运动信息的室内移动机器人局部路径规划方法,其特征在于:所述步骤13膨胀区域的膨胀规则是用一个更大的等腰三角形重叠原始膨胀区域,求得障碍物的运动直线方程后,以障碍物运动方向为等腰三角形区域的上顶点,三角形的大小可以根据障碍物的移动速度进行调整,计算出三角形三边的直线方程,再取三角形三边上及内部点若干作为膨胀位置,用来模拟人工膨胀区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110285647.3A CN113253717B (zh) | 2021-03-17 | 2021-03-17 | 一种基于动态障碍物的室内移动机器人局部路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110285647.3A CN113253717B (zh) | 2021-03-17 | 2021-03-17 | 一种基于动态障碍物的室内移动机器人局部路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113253717A CN113253717A (zh) | 2021-08-13 |
CN113253717B true CN113253717B (zh) | 2022-10-11 |
Family
ID=77181421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110285647.3A Active CN113253717B (zh) | 2021-03-17 | 2021-03-17 | 一种基于动态障碍物的室内移动机器人局部路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113253717B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113741480B (zh) * | 2021-09-16 | 2024-06-28 | 中科南京软件技术研究院 | 一种基于动态障碍物提取与代价地图相结合的避障方法 |
CN114047759B (zh) * | 2021-11-08 | 2023-09-26 | 航天科工微电子系统研究院有限公司 | 一种基于dwa与人工势场融合的局部路径规划方法 |
CN114111825B (zh) * | 2021-11-19 | 2024-06-28 | 广西柳工机械股份有限公司 | 路径规划方法、装置、电子设备、工程机械和存储介质 |
CN115711624A (zh) * | 2022-10-18 | 2023-02-24 | 中国科学院半导体研究所 | 运动代价地图构建方法、装置、无人设备及存储介质 |
CN116382308B (zh) * | 2023-06-05 | 2023-09-05 | 华侨大学 | 智能化移动机械自主寻径与避障方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111457929A (zh) * | 2019-12-31 | 2020-07-28 | 南京工大数控科技有限公司 | 一种基于地理信息系统的物流车辆自主路径规划与导航方法 |
CN111511620A (zh) * | 2017-09-22 | 2020-08-07 | 轨迹机器人公司 | 使用最优交互避碰代价评估的动态窗口方法 |
CN111522339A (zh) * | 2020-04-20 | 2020-08-11 | 北京农业信息技术研究中心 | 畜禽舍巡检机器人自动路径规划与定位方法及装置 |
CN111736599A (zh) * | 2020-06-09 | 2020-10-02 | 上海欣巴自动化科技股份有限公司 | 基于多激光雷达的agv导航避障系统、方法、设备 |
CN112013841A (zh) * | 2020-08-26 | 2020-12-01 | 南京工业大学 | 一种室内动态环境下的语义slam服务机器人导航方法 |
CN112130559A (zh) * | 2020-08-21 | 2020-12-25 | 同济大学 | 一种基于uwb与激光雷达的室内行人跟随与避障方法 |
-
2021
- 2021-03-17 CN CN202110285647.3A patent/CN113253717B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111511620A (zh) * | 2017-09-22 | 2020-08-07 | 轨迹机器人公司 | 使用最优交互避碰代价评估的动态窗口方法 |
CN111457929A (zh) * | 2019-12-31 | 2020-07-28 | 南京工大数控科技有限公司 | 一种基于地理信息系统的物流车辆自主路径规划与导航方法 |
CN111522339A (zh) * | 2020-04-20 | 2020-08-11 | 北京农业信息技术研究中心 | 畜禽舍巡检机器人自动路径规划与定位方法及装置 |
CN111736599A (zh) * | 2020-06-09 | 2020-10-02 | 上海欣巴自动化科技股份有限公司 | 基于多激光雷达的agv导航避障系统、方法、设备 |
CN112130559A (zh) * | 2020-08-21 | 2020-12-25 | 同济大学 | 一种基于uwb与激光雷达的室内行人跟随与避障方法 |
CN112013841A (zh) * | 2020-08-26 | 2020-12-01 | 南京工业大学 | 一种室内动态环境下的语义slam服务机器人导航方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113253717A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113253717B (zh) | 一种基于动态障碍物的室内移动机器人局部路径规划方法 | |
CN108958282B (zh) | 基于动态球形窗口的三维空间路径规划方法 | |
CN110703762B (zh) | 一种复杂环境下水面无人艇混合路径规划方法 | |
CN106708054B (zh) | 结合地图栅格与势场法避障的巡检机器人路径规划方法 | |
WO2020114466A1 (zh) | 一种隧道点云数据分析方法及系统 | |
CN104267728B (zh) | 一种基于可达区域质心矢量的移动机器人避障方法 | |
JP6756124B2 (ja) | 物体検出装置および物体検出プログラム | |
CN110412877A (zh) | 一种基于nsp算法的舰载机甲板路径规划最优控制方法 | |
CN109657863B (zh) | 一种基于萤火虫算法的无人船全局路径动态优化方法 | |
CN105045260A (zh) | 一种未知动态环境下的移动机器人路径规划方法 | |
CN111368607A (zh) | 一种机器人、障碍物的检测方法及检测装置 | |
CN104573190B (zh) | 一种基于交互式多模型的目标跟踪方法 | |
CN110146087B (zh) | 一种基于动态规划思想的船舶路径规划方法 | |
WO2016067640A1 (ja) | 自律移動装置 | |
CN111508282B (zh) | 低空无人机农田作业飞行障碍物冲突检测方法 | |
CN113050684A (zh) | 一种面向突发威胁的无人机航迹规划算法 | |
CN115342821A (zh) | 一种复杂未知环境下的无人车导航代价地图构建方法 | |
CN111652071B (zh) | 一种快速的跑道截断分析方法 | |
He et al. | Real-time track obstacle detection from 3D LIDAR point cloud | |
CN114137562B (zh) | 一种基于改进全局最邻近的多目标跟踪方法 | |
CN104777465B (zh) | 基于b样条函数任意扩展目标形状及状态估计方法 | |
CN107356932A (zh) | 机器人激光定位方法 | |
Liu et al. | A localizability estimation method for mobile robots based on 3d point cloud feature | |
WO2018210303A1 (zh) | 道路模型的构建 | |
CN110231035B (zh) | 攀爬移动机器人路径引导方法 |
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 |