CN113358119A - 路径规划方法、装置、电子设备及存储介质 - Google Patents
路径规划方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113358119A CN113358119A CN202110610957.8A CN202110610957A CN113358119A CN 113358119 A CN113358119 A CN 113358119A CN 202110610957 A CN202110610957 A CN 202110610957A CN 113358119 A CN113358119 A CN 113358119A
- Authority
- CN
- China
- Prior art keywords
- node
- target
- constructing
- random
- random tree
- 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
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本公开提供一种路径规划方法,包括:确定待移动对象的起始位置及目标位置;以所述起始位置和所述目标位置中的至少之一为根节点构建随机树,以在自由空间中生成至少一个节点,得到移动路径;其中,所述构建随机树包括:设置目标偏置因子,其中,所述目标偏置因子用于在无障碍物的情况下引导所述节点移向所述目标位置,在有障碍物的情况下增加节点搜索的随机性;根据当前节点与随机采样节点的连线和当前节点与起始位置或目标位置的连线之间的夹角、所述目标偏置因子,计算下一节点在所述自由空间的位置。本公开还提供一种路径规划装置、电子设备及存储介质。
Description
技术领域
本公开涉及路径规划技术领域,具体涉及一种语路径规划方法、装置、电子设备及存储介质。
背景技术
自主移动设备(诸如移动机器人、无人机、机械臂等)技术的研发、制造以及应用成为衡量一个国家科技创新能力、国民经济现代化和智能化的重要标志。随着物联网、5G等高新技术的成熟,自主移动设备的应用场景也会越来越广阔。自主移动设备的导航系统是支撑自主移动设备高效完成各项任务的基础,导航系统的关键技术就在于路径规划。自主移动设备在复杂的空间中,利用自身的传感器对周围环境进行探测,构建环境地图信息。通过路径规划技术进行路径的规划与优化,最终通过运动控制达到目标位置完成导航任务。
目前,常采用基于单快速扩展随机树(Rapidly Exploring Random Tree,RRT)的路径规划算法,通过对状态空间中的采样点进行碰撞检测,避免了对空间的建模,虽然能够有效地解决高维空间和复杂约束的自主移动设备路径规划问题,但是在路径规划任务中RRT算法仍然存在搜索效率低,采样随机性大,易陷入局部极小点等问题。
公开内容
有鉴于此,本公开提供一方面提供一种路径规划方法,包括:确定待移动对象的起始位置及目标位置;以所述起始位置和所述目标位置中的至少之一为根节点构建随机树,以在自由空间中生成至少一个节点,得到移动路径;其中,所述构建随机树包括:设置目标偏置因子,其中,所述目标偏置因子用于在无障碍物的情况下引导所述节点移向所述目标位置,在有障碍物的情况下增加节点搜索的随机性;根据当前节点与随机采样节点的连线和当前节点与起始位置或目标位置的连线之间的夹角、所述目标偏置因子,计算下一节点在所述自由空间的位置。
根据本公开的实施例,所述构建随机树还包括:将所述目标偏置因子设为第一预设值,基于所述第一预设值构建随机树;在基于所述第一预设值构建随机树的过程中,进行碰撞检测;若没有发生碰撞,则继续基于第一预设值进行随机树构建,直至得到所述移动路径;若发生碰撞,则将所述目标偏置因子设为第二预设值,基于所述第二预设值构建随机树。
根据本公开的实施例,所述构建随机树还包括:在所述起始位置与所述目标位置之间选择中间节点;同时以所述中间节点、所述起始位置与所述目标位置为根节点构建随机树,直至各随机树相连,以得到所述移动路径。
根据本公开的实施例,所述同时以所述中间节点、所述起始位置与所述目标位置为根节点构建随机树包括:以起始位置为根节点,向所述中间节点方向构建随机树,以中间节点为根节点,向所述起始位置方向构建随机树,直至两随机树相连;以目标位置为根节点,向所述中间节点方向构建随机树,以中间节点为根节点,向所述目标位置方向构建随机树,直至两随机树相连。
根据本公开的实施例,所述在所述起始位置与所述目标位置之间选择中间节点包括:选择所述起始位置与所述目标位置连线的中点为初始中间节点;检测所述初始中点节点是否位于障碍物中,若否,则以所述初始中间节点作为所述中间节点;若是,则选择所述初始中间节点领域内未在障碍物中的其他节点作为所述中间节点。
根据本公开的实施例,所述根据当前节点与随机采样节点的连线和当前节点与起始位置或目标位置的连线之间的夹角、所述目标偏置因子,计算下一节点在所述自由空间的位置包括:建立自由空间中的平面坐标系;设置构建随机树的搜索步长;获取当前节点与随机采样节点的连线与X轴之间的第一夹角,以及当前节点与起始位置或目标位置的连线与X轴之间的第二夹角;根据所述当前节点的位置、所述搜索步长、所述目标偏置因子、所述第一夹角及所述第二夹角,来计算下一节点在所述自由空间的位置。
根据本公开的实施例,所述根据所述当前节点的位置、所述搜索步长、所述目标偏置因子、所述第一夹角及所述第二夹角,来计算下一节点在所述自由空间的位置包括:根据
计算下一节点在所述自由空间的位置,其中,(xnew.posX,xnew.posY)为下一节点在所述自由空间的位置,(xclosenode·posX,xclosenode·posY)为所述当前节点的位置,lstepsize为所述搜索步长,σ为所述目标偏置因子,θ为所述第一夹角,α为所述第二夹角。
根据本公开的实施例,所述第一预设值大于所述第二预设值。
本公开另一方面提供一种路径规划装置,包括:确定模块,用于确定待移动对象的起始位置及目标位置;构建模块,用于以所述起始位置和所述目标位置中的至少之一为根节点构建随机树,以在自由空间中生成至少一个节点,得到移动路径;其中,所述构建随机树包括:设置目标偏置因子,其中,所述目标偏置因子用于在无障碍物的情况下引导所述节点移向所述目标位置,在有障碍物的情况下增加节点搜索的随机性;根据当前节点与随机采样节点的连线和当前节点与起始位置或目标位置的连线之间的夹角、所述目标偏置因子,计算下一节点在所述自由空间的位置。
根据本公开的实施例,所述构建模块构建随机树还包括:将所述目标偏置因子设为第一预设值,基于所述第一预设值构建随机树;在基于所述第一预设值构建随机树的过程中,进行碰撞检测;若没有发生碰撞,则继续基于第一预设值进行随机树构建,直至得到所述移动路径;若发生碰撞,则将所述目标偏置因子设为第二预设值,基于所述第二预设值构建随机树。
根据本公开的实施例,所述构建模块构建随机树还包括:在所述起始位置与所述目标位置之间选择中间节点;同时以所述中间节点、所述起始位置与所述目标位置为根节点构建随机树,直至各随机树相连,以得到所述移动路径。
根据本公开的实施例,所述构建模块同时以所述中间节点、所述起始位置与所述目标位置为根节点构建随机树包括:以起始位置为根节点,向所述中间节点方向构建随机树,以中间节点为根节点,向所述起始位置方向构建随机树,直至两随机树相连;以目标位置为根节点,向所述中间节点方向构建随机树,以中间节点为根节点,向所述目标位置方向构建随机树,直至两随机树相连。
根据本公开的实施例,所述在所述起始位置与所述目标位置之间选择中间节点包括:选择所述起始位置与所述目标位置连线的中点为初始中间节点;检测所述初始中点节点是否位于障碍物中,若否,则以所述初始中间节点作为所述中间节点;若是,则选择所述初始中间节点领域内未在障碍物中的其他节点作为所述中间节点。
根据本公开的实施例,所述构建模块根据当前节点与随机采样节点的连线和当前节点与起始位置或目标位置的连线之间的夹角、所述目标偏置因子,计算下一节点在所述自由空间的位置包括:建立自由空间中的平面坐标系;设置构建随机树的搜索步长;获取当前节点与随机采样节点的连线与X轴之间的第一夹角,以及当前节点与起始位置或目标位置的连线与X轴之间的第二夹角;根据所述当前节点的位置、所述搜索步长、所述目标偏置因子、所述第一夹角及所述第二夹角,来计算下一节点在所述自由空间的位置。
根据本公开的实施例,所述构建模块根据所述当前节点的位置、所述搜索步长、所述目标偏置因子、所述第一夹角及所述第二夹角,来计算下一节点在所述自由空间的位置包括:根据
计算下一节点在所述自由空间的位置,其中,(xnew·posX,xnew·posY)为下一节点在所述自由空间的位置,(xclosenode·posX,xclosenode·posY)为所述当前节点的位置,lstepsize为所述搜索步长,σ为所述目标偏置因子,θ为所述第一夹角,α为所述第二夹角。
根据本公开的实施例,所述第一预设值大于所述第二预设值。
本公开的另一个方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上所述的方法。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
附图说明
图1示意性示出了根据本公开实施例的路径规划方法及装置的系统架构100;
图2示意性示出了根据本公开一实施例的路径规划方法的流程图;
图3示意性示出了根据本公开实施例的计算下一节点位置的方法流程图;
图4示意性示出了根据本公开实施例的下一节点的扩展示意图;
图5示意性示出了根据本公开又一实施例的随机树构建方法的流程图;
图6示意性示出了根据本公开又一实施例的随机树构建方法的流程图;
图7示意性示出了根据本公开实施例的中间节点的选方法流程图;
图8示意性示出了根据本公开实施例的中间节点的平面结构图;
图9示意性示出了根据本公开实施例的同时以中间节点、起始位置与目标位置为根节点构建随机树方向流程图;
图10示意性示出了根据本公开实施例的同时以中间节点、起始位置与目标位置为根节点构建随机树的扩展图;
图11示意性示出了根据本公开实施例的路径规划装置的框图;
图12示意性示出了根据本公开一实施例的构建模块的框图;
图13示意性示出了根据本公开又一实施例的构建模块的框图;
图14示意性示出了根据本公开又一实施例的构建模块的框图;
图15示意性示出了根据本公开实施例的计算单元的框图;
图16示意性示出了根据本公开实施例的选择单元的框图;
图17示意性示出了根据本公开实施例的第三构建单元的框图;
图18示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
附图中示出了一些方框图和/或流程图。应理解,方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外,本公开的技术可以采取存储有指令的计算机可读存储介质上的计算机程序产品的形式,该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。
本公开的实施例提供一种路径规划方法,包括:确定待移动对象的起始位置及目标位置。以起始位置和目标位置中的至少之一为根节点构建随机树,以在自由空间中生成至少一个节点,得到移动路径。其中,构建随机树包括:设置目标偏置因子,其中,目标偏置因子用于在无障碍物的情况下引导节点移向目标位置,在有障碍物的情况下增加节点搜索的随机性。根据当前节点与随机采样节点的连线和当前节点与起始位置或目标位置的连线之间的夹角、目标偏置因子,计算下一节点在自由空间的位置。
图1示意性示出了根据本公开实施例的路径规划方法及装置的系统架构100。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括自主移动设备101,网络102及服务器103。网络102用于在自主移动设备101和服务器103之间提供通信链路。
自主移动设备101例如可以是移动机器人、无人机、机械臂等。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。服务器103可以是能够对自主移动设备进行路径规划的服务器。根据本公开实施例,在路径规划的过程中,服务器103通过网络102获取自主移动设备移动的起始位置及目标位置,以起始位置和目标位置中的至少之一为根节点构建随机树,以在自由空间中生成至少一个节点,得到移动路径。再将该移动路径通过网络102发送至自主移动设备101,以使得自主移动设备101根据移动路径从起始位置移动快速移动到目标位置。
需要说明的是,本公开实施例所提供的路径规划方法可以由服务器103执行。相应地,本公开实施例所提供的路径规划装置可以设置于服务器103中。或者,本公开实施例所提供的路径规划方法也可以由不同于服务器103且能够与自主移动设备101和/或服务器103通信的服务器或服务器集群执行。相应地,本公开实施例所提供的路径规划装置也可以设置于不同于服务器103且能够与自主移动设备101和/或服务器103通信的服务器或服务器集群中。或者,本公开实施例所提供的路径规划方法也可以部分由服务器103执行,部分由自主移动设备101执行。相应的,本公开实施例所提供的路径规划装置也可以部分设置于服务器103中,部分设置于自主移动设备101中。
应该理解,图1中的自主移动设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的自主移动设备、网络和服务器。
本公开实施例提供的路径规划方法,可以应用于金融服务领域,以银行为例,在银行网点中,用户可以通过移动机器人直接办理部分的金融服务,能够避免过多的用户到人工柜台办理业务,降低柜台人员的工作量,提供了用户办理业务的效率。
然而,利用现有技术中的基于RRT的路径规划算法进行路径规划过程中,下一节点xnew的生成只由随机采样节点xsample位置决定,采样点是完全随机性的,因此,搜索具有很大的盲目性,搜索过程中会生成很多无价值的分支树,造成搜索效率低,收敛速度慢的问题,易陷入局部极小点等问题,而且容易陷入U型障碍物中造成规划任务失败。移动机器人有可能不能快速准确的定位用户所处的位置,而且在发现用户所处的位置后不能及时的向用户进行移动,需要用户在网点中花费时间去寻找到机器人,降低了用户的业务办理效率。基于本公开实施例提供的路径规划方法,便可至少部分解决上述技术问题。
本公开实施例提供的路径规划方法,还可以应用于机械制造领域。以半导体显示器件制造为例,在制造液晶面板时,需要通过机械臂从卡夹中取出面板,并移动至测试平台进行面板性能参数的测试,此时,机械臂需要能够准确的规避卡夹、测试平台,以免发生碰撞损坏面板、卡夹及测试平台,并且,机械臂也需要快速移动至相应的位置执行对应的动作。然而,利用现有技术中的基于RRT的路径规划算法,搜索效率低,采样随机性大,易陷入局部极小点等问题,机械臂有可能不能快速准确移动至相应的位置。基于本公开实施例提供的路径规划方法,便可至少部分解决上述技术问题。
应当理解是,本公开实施例提供的路径规划方法不仅限于应用于金融服务技术领域及机械制造领域,上述描述只是示例性的,对于其路径规划的领域,例如无人机相关领域等,都可以应用本公开实施例的路径规划方法进行路径规划。
图2示意性示出了根据本公开一实施例的路径规划方法的流程图。
如图2所示,该路径规划方法例如可以包括操作S201~S202。
在操作S201,确定待移动对象的起始位置及目标位置。
在操作S202,设置目标偏置因子,以起始位置和目标位置中的至少之一为根节点,基于目标偏置因子构建随机树,以在自由空间中生成至少一个节点,得到移动路径。其中,目标偏置因子用于在无障碍物的情况下引导节点移向目标位置,在有障碍物的情况下增加节点搜索的随机性。
在本公开一实施例中,基于目标偏置因子构建随机树,以在自由空间中生成至少一个节点可以包括:根据当前节点与随机采样节点的连线和当前节点与起始位置或目标位置的连线之间的夹角、目标偏置因子,计算下一节点在自由空间的位置。
由此,通过本公开实施例提供的路径规划方法,在进行随机树构建搜索采样节点得到移动路径的过程中,通过设置目标偏置因子,以控制自由空间中下一节点位置的计算,使得在无障碍物的情况下引导节点移向目标位置,在有障碍物的情况下增加节点搜索的随机性,既可以提高路径的探索效率,又可以避免过于趋向目标点而落入局部极小区域,从而可以在短时间内得到准确地的移动路径,使得自主移动设备快速准确地从起始位置移动到目标位置。
下面结合附图,对图2所示的方法进行进一步介绍。
图3示意性示出了根据本公开实施例的计算下一节点位置的方法流程图。
图4示意性示出了根据本公开实施例的下一节点的扩展示意图。
如图3所示,该计算方法例如可以包括操作S301~操作S304。
在操作S301,建立自由空间中的平面坐标系。
在操作S302,设置构建随机树的搜索步长。
在本公开一实施例中,搜索步长lstepsize例如可以根据自主移动设备所处的空间大小或空间中障碍物的位置及数量而设定。
在操作S303,获取当前节点与随机采样节点的连线与X轴之间的第一夹角,以及当前节点与起始位置或目标位置的连线与X轴之间的第二夹角。
在本公开实施例中,如图4所示,xsource可以代表起始位置,xgoal可以代表目标位置,xclosenode可以代表当前节点,xsample可以代表随机采样节点,xnew可以代表下一节点位置,θ为第一夹角,α为第二夹角。
在操作S304,根据当前节点的位置、搜索步长、目标偏置因子、第一夹角及第二夹角,来计算下一节点在自由空间的位置。
在RRT算法中,下一节点xnew的生成只有随机采样节点xsample位置决定,与目标位置xgoal没有关系。然而,在本公开实施例提出的路径规划方法中,继续参阅图4,通过设置目标偏置因子,以控制第一夹角及第二夹角的实际大小,也即在无障碍物的情况下引导下一节点xnew的位置移向目标位置xgoal,在有障碍物的情况下增加节点搜索的随机性,以避免下一节点陷入局部xnew极小点。
在本公开一实施例中,一种计算下一节点位置的可行方式例如可以为为:根据
计算下一节点在自由空间的位置,其中,(xnew.posX,xnew.posY)为下一节点在自由空间的位置,(xclosenode.posX,xclosenode.posY)为当前节点的位置,lstepsize为搜索步长,σ为目标偏置因子,θ为第一夹角,α为第二夹角。
基于上述计算方式可以明显的看出,例如,在当前节点xclosenode与目标节点xgoal之间没有障碍物时,通过调节偏置因子的大小以控制下一节点xnew与当前节点xclosenode的连线和当前节点xclosenode与目标节点xgoal的连线之间的夹角大小、下一节点xnew与当前节点xclosenode的连线和当前节点xclosenode与采样节点xsample的连线之间的夹角大小,使下一节点xnew快速靠近目标节点xgoal。在当前节点xclosenode与目标节点xgoal之间存在障碍物时,通过调节偏置因子的大小以控制下一节点xnew与当前节点xclosenode的连线和当前节点xclosenode与目标节点xgoal的连线之间的夹角大小、下一节点xnew与当前节点xclosenode的连线和当前节点xclosenode与采样节点xsample的连线之间的夹角大小为任意值,以增加下一节点搜索的随机性。
基于该方法,在缩短路径规划时间的前提下,可以进一步保证路径规划的准确性。
进一步地,在前述构建随机树方法的基础上,本公开实施例还提供一种随机树构建方法,该方法在随机树的构建过程中增加了自适应调整策略。
图5示意性示出了根据本公开又一实施例的随机树构建方法的流程图。
如图5所示,该随机树构建方法例如包括操作S501~操作S504。
在操作S501,将目标偏置因子设为第一预设值,基于第一预设值构建随机树。
在操作S502,在基于第一预设值构建随机树的过程中,进行碰撞检测。
若没有发生碰撞,则执行操作S503,若发生碰撞,则执行操作S504。
在操作S503,继续基于第一预设值进行随机树构建,直至得到移动路径。
在操作S504,将目标偏置因子设为第二预设值,基于第二预设值构建随机树。
在搜索步长lstepsize确定的情况下,RRT算法中下一节点的生成仅由随机采样节点决定,采样的随机性虽然可以一定程度的避免了局部极小点的出现,但是这严重增加了搜索的盲目性,限制了随机树的规划效率。而在本公开实施例中,通过在不同搜索时段设置不同大小的目标偏置因子,以实现路径的自适应搜索,一般情况下,第一预设值大于第二预设值。例如,随机树初始时刻目标偏置因子σ取0.1(第一预设值),向目标方向扩展下一节点,如果下一节点没有与障碍物发生碰撞且没有与其他树相连则随机树将继续以σ=0.1进行下一节点扩展,以此类推,当发生碰撞下一节点无效时,则将σ置0,增加下一节点的随机性。
本公开实施例提供的随机数构建方法,基于目标偏置因子可实现路径的自适应搜索调整,使得下一节点在空闲空间时将快速移向目标点,提高路径规划效率,下一节点在多障碍物空间时可增加自已的随机性,有助于逃离局部极小点,进一步既避免了下一节点陷入局部极小点又提高了随机树的搜索效率,减少冗余搜索。
更进一步地,在前述构建随机树方法的基础上,本公开实施例还提供一种随机树构建方法,该方法在随机树的构建过程中增加了多随机树构建策略。
图6示意性示出了根据本公开又一实施例的随机树构建方法的流程图。
如图6所示,该方法例如可以包括操作S601~操作S602。
在操作S601,在起始位置与目标位置之间选择中间节点。
在操作S602,同时以中间节点、起始位置与目标位置为根节点构建随机树,直至各随机树相连,以得到移动路径。
根据本公开实施例提供的随机数构建方法,通过中间节点作为第三根节点进行随机数的构建,结合起始位置与目标位置,三者同时进行采样点搜索,进一步提高节点所搜效率,降低冗余搜索,进而提高路径规划的效率。
下面结合附图对图6所示的方法进行进一步介绍。
图7示意性示出了根据本公开实施例的中间节点的选方法流程图。
图8示意性示出了根据本公开实施例的中间节点的平面结构图。
如图7所示,该中间节点选择方法例如可以包括操作S701~操作S704。
在操作S701,选择起始位置与目标位置连线的中点为初始中间节点。
在操作S702,检测初始中间节点是否位于障碍物中。
若否,则执行操作S703,若是,则执行操作S704。
在操作S703,选择初始中间节点作为中间节点。
在操作S704,选择初始中间节点邻域内未在障碍物中的其它节点作为中间节点。
如图8所示,在本公开实施例中,为了降低路径规划的复杂度,可以选择起始位置与目标位置连线的中点xmed为初始中间节点(中间节点的候选点),其坐标位置可以为:
其中,(xsource.posX,xsource.posY)为起始位置的坐标,(xgoal.posX,xgoal.posY)为目标位置的坐标,xmed.posX,xmed.posY)为起始位置与目标位置连线的中点的坐标。
检测中点xmed是否预障碍物发生碰撞,没有则以xmed作为第三中间节点构建随机树,若发生碰撞则依次判断xmed的邻域xmed1,xmed2,xmed3,xmed4是否位于障碍物中,其对应的位置坐标可以:
其中,δ为一预设常数,可根据自主移动设备需要移动的空间对应的地图大小设定。例如,选用像素大小的地图,对应的δ值可以取80。
图9示意性示出了根据本公开实施例的同时以中间节点、起始位置与目标位置为根节点构建随机树方法流程图。
图10示意性示出了根据本公开实施例的同时以中间节点、起始位置与目标位置为根节点构建随机树的扩展图。
如图9所示,该随机树构建方法例如可以包括操作S901~操作S902。
在操作S901,以起始位置为根节点,向中间节点方向构建随机树,以中间节点为根节点,向起始位置方向构建随机树,直至两随机树相连。
在操作S902,以目标位置为根节点,向中间节点方向构建随机树,以中间节点为根节点,向目标位置方向构建随机树,直至两随机树相连。
如图10所示,在本公开实施例中,起始位置xsource、目标位置xgoal为随机树T1,T4的根节点,中间节点xmed为T2,T3的根节点,以起始位置xsource为根节点,向中间节点xmed方向生长,构建随机树,即可得到随机树T1,以中间节点xmed为根节点,向起始位置xsource方向生长,即可得到随机树T2,以中间节点xmed为根节点,向目标位置xgoal方向生长,即可得到随机树T3,以目标位置xgoal为根节点,向中间节点xmed方向生长,即可得到随机树T4,也即T1,T2,T3,T4四颗随机树同时生长,T1,T2相向生长,T3,T4相向生长,以在自由空间中生成采样节点。当T1,T2相连表示起始位置xsource与中间节点xmed之间的路径规划成功,当T3,T4相连表示目标位置xgoal与中间节点xmed之间的路径规划成功,此时,起始位置xsource与目标位置xgoal之间的路径规划成功。
应当理解,若起始位置与目标位置连线的中点在障碍物范围内,且该中点邻域范围内均很难找到不存在障碍物中的节点(例如xmed1,xmed2,xmed3,xmed4均处于在障碍物范围中),则可以舍弃中间节点的选取,以起始位置与目标位置为根节点进行双向随机树构建,进行路径规划。
综上所述,本公开实施例提供的路径规划方法至少具备以下优点:通过设置目标偏置因子,以控制自由空间中下一节点位置的计算,使得在无障碍物的情况下引导节点移向目标位置,在有障碍物的情况下增加节点搜索的随机性,既可以提高路径的探索效率,又可以避免过于趋向目标点而落入局部极小区域,从而可以在短时间内得到准确地的移动路径,使得自主移动设备快速准确地从起始位置移动到目标位置。在随机树的构建过程中增加了自适应调整策略,进一步既避免了下一节点陷入局部极小点又提高了随机树的搜索效率,减少冗余搜索。在随机树的构建过程中增加了多随机树构建策略,进一步提高节点所搜效率,降低冗余搜索,进而提高路径规划的效率。
图11示意性示出了根据本公开实施例的路径规划装置的框图。
如图11所示,路径规划装置1100例如可以包括确定模块1110及构建模块1120。
确定模块1110,用于确定待移动对象的起始位置及目标位。
构建模块1120,用于以起始位置和目标位置中的至少之一为根节点,基于预设的目标偏置因子构建随机树,以在自由空间中生成至少一个节点,得到移动路径。
图12示意性示出了根据本公开一实施例的构建模块的框图。
如图12所示,该构建模块1120例如可以包括设置单元1121,计算单元1122。
设置单元1121,用于设置目标偏置因子,其中,目标偏置因子用于在无障碍物的情况下引导节点移向目标位置,在有障碍物的情况下增加节点搜索的随机性。
计算单元1122,用于根据当前节点与随机采样节点的连线和当前节点与起始位置或目标位置的连线之间的夹角、目标偏置因子,计算下一节点在自由空间的位置。
图13示意性示出了根据本公开又一实施例的构建模块的框图。
如图13所示,该构建模块1120例如还可以包括第一设置单元1123、第一构建单元1124、检测单元1125、第二设置单元1126及第二构建单元1127。
第一设置单元1123,用于将目标偏置因子设为第一预设值。
第一构建单元1124,用于基于第一预设值构建随机树。
检测单元1125,用于在第一构建单元1124基于第一预设值构建随机树的过程中,进行碰撞检测。
第一构建单元1124,还用于在没有发生碰撞的情况下,则继续基于第一预设值进行随机树构建,直至得到移动路径。
第二设置单元1126,用于在发生碰撞的情况下,将目标偏置因子设为第二预设值。
第二构建单元1127,用于基于第二预设值构建随机树。
图14示意性示出了根据本公开又一实施例的构建模块的框图。
如图14所示,该构建模块1120例如还可以包括选择单元1128及第三构建单元1129。
选择单元1128,用于在起始位置与目标位置之间选择中间节点。
第三构建单元1129,用于同时以中间节点、起始位置与目标位置为根节点构建随机树,直至各随机树相连,以得到移动路径。
图15示意性示出了根据本公开实施例的计算单元的框图。
如图15所示,该计算单元1122例如可以包括建立子单元11221、设置子单元11222、获取子单元11223及计算子单元11224。
建立子单元11221,用于建立自由空间中的坐标系。
设置子单元11222,用于设置构建随机树的搜索步长。
获取子单元11223,用于获取当前节点与随机采样节点的连线与X轴之间的第一夹角,以及当前节点与起始位置或目标位置的连线与X轴之间的第二夹角。
计算子单元11224,用于根据当前节点的位置、搜索步长、目标偏置因子、第一夹角及第二夹角,来计算下一节点在自由空间的位置。
其中,
图16示意性示出了根据本公开实施例的选择单元的框图。
如图16所示,选择单元1128例如可以包括选择子单元11281及检测子单元11282。
选择子单元11281,用于选择起始位置与目标位置连线的中点为初始中间节点。
检测子单元11282,用于检测初始中点节点是否位于障碍物中,若否,则以初始中间节点作为所述中间节点;若是,则选择初始中间节点邻域内未在障碍物中的其他节点作为中间节点。
图17示意性示出了根据本公开实施例的第三构建单元的框图。
如图17所示,第三构建单元1129例如可以包括第一构建子单元11291及第二构建子单元11292。
第一构建子单元11291,用于以起始位置为根节点,向中间节点方向构建随机树,以中间节点为根节点,向起始位置方向构建随机树,直至两随机树相连。
第二构建子单元11292,用于以目标位置为根节点,向中间节点方向构建随机树,以中间节点为根节点,向目标位置方向构建随机树,直至两随机树相连。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,确定模块1110及构建模块1120中的任意多个可以合并在一个模块/单元/子单元中实现,或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者,这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合,并在一个模块/单元/子单元中实现。根据本公开的实施例,确定模块1110及构建模块1120中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,确定模块1110及构建模块1120中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
需要说明的是,本公开的实施例中路径规划装置部分与本公开的实施例中路径规划方法部分是相对应的,其具体实施细节及带来的技术效果也是相同的,在此不再赘述。
图18示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。图18示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图18所示,根据本公开实施例的电子设备1800包括处理器1801,其可以根据存储在只读存储器(ROM)1802中的程序或者从存储部分1808加载到随机访问存储器(RAM)1803中的程序而执行各种适当的动作和处理。处理器1801例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器1801还可以包括用于缓存用途的板载存储器。处理器1801可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1803中,存储有电子设备1800操作所需的各种程序和数据。处理器1801、ROM 1802以及RAM1803通过总线1804彼此相连。处理器1801通过执行ROM 1802和/或RAM1803中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM1802和RAM 1803以外的一个或多个存储器中。处理器1801也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备1800还可以包括输入/输出(I/O)接口1805,输入/输出(I/O)接口1805也连接至总线1804。电子设备1800还可以包括连接至I/O接口1805的以下部件中的一项或多项:包括键盘、鼠标等的输入部分1806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1807;包括硬盘等的存储部分1808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1809。通信部分1809经由诸如因特网的网络执行通信处理。驱动器1810也根据需要连接至I/O接口1805。可拆卸介质1811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1810上,以便于从其上读出的计算机程序根据需要被安装入存储部分1808。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1809从网络上被下载和安装,和/或从可拆卸介质1811被安装。在该计算机程序被处理器1801执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM1802和/或RAM 1803和/或ROM 1802和RAM 1803以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
Claims (18)
1.一种路径规划方法,包括:
确定待移动对象的起始位置及目标位置;
以所述起始位置和所述目标位置中的至少之一为根节点构建随机树,以在自由空间中生成至少一个节点,得到移动路径;
其中,所述构建随机树包括:
设置目标偏置因子,其中,所述目标偏置因子用于在无障碍物的情况下引导所述节点移向所述目标位置,在有障碍物的情况下增加节点搜索的随机性;
根据当前节点与随机采样节点的连线和当前节点与起始位置或目标位置的连线之间的夹角、所述目标偏置因子,计算下一节点在所述自由空间的位置。
2.根据权利要求1所述的路径规划方法,其中,所述构建随机树还包括:
将所述目标偏置因子设为第一预设值,基于所述第一预设值构建随机树;
在基于所述第一预设值构建随机树的过程中,进行碰撞检测;
若没有发生碰撞,则继续基于所述第一预设值进行随机树构建,直至得到所述移动路径;
若发生碰撞,则将所述目标偏置因子设为第二预设值,基于所述第二预设值构建随机树。
3.根据权利要求1所述的路径规划方法,其中,所述构建随机树还包括:
在所述起始位置与所述目标位置之间选择中间节点;
同时以所述中间节点、所述起始位置与所述目标位置为根节点构建随机树,直至各随机树相连,以得到所述移动路径。
4.根据权利要求3所述的路径规划方法,其中,所述同时以所述中间节点、所述起始位置与所述目标位置为根节点构建随机树包括:
以起始位置为根节点,向所述中间节点方向构建随机树,以中间节点为根节点,向所述起始位置方向构建随机树,直至两随机树相连;
以目标位置为根节点,向所述中间节点方向构建随机树,以中间节点为根节点,向所述目标位置方向构建随机树,直至两随机树相连。
5.根据权利要求3所述的路径规划方法,其中,所述在所述起始位置与所述目标位置之间选择中间节点包括:
选择所述起始位置与所述目标位置连线的中点为初始中间节点;
检测所述初始中点节点是否位于障碍物中,若否,则以所述初始中间节点作为所述中间节点;
若是,则选择所述初始中间节邻域内未在障碍物中的其他节点作为所述中间节点。
6.根据权利要求1所述的路径规划方法,其中,所述根据当前节点与随机采样节点的连线和当前节点与起始位置或目标位置的连线之间的夹角、所述目标偏置因子,计算下一节点在所述自由空间的位置包括:
建立自由空间中的坐标系;
设置构建随机树的搜索步长;
获取当前节点与随机采样节点的连线与X轴之间的第一夹角,以及当前节点与起始位置或目标位置的连线与X轴之间的第二夹角;
根据所述当前节点的位置、所述搜索步长、所述目标偏置因子、所述第一夹角及所述第二夹角,来计算下一节点在所述自由空间的位置。
8.根据权利要2所述的路径规划方法,其中,所述第一预设值大于所述第二预设值。
9.一种路径规划装置,包括:
确定模块,用于确定待移动对象的起始位置及目标位置;
构建模块,用于以所述起始位置和所述目标位置中的至少之一为根节点构建随机树,以在自由空间中生成至少一个节点,得到移动路径;
其中,所述构建随机树包括:
设置目标偏置因子,其中,所述目标偏置因子用于在无障碍物的情况下引导所述节点移向所述目标位置,在有障碍物的情况下增加节点搜索的随机性;
根据当前节点与随机采样节点的连线和当前节点与起始位置或目标位置的连线之间的夹角、所述目标偏置因子,计算下一节点在所述自由空间的位置。
10.根据权利要求9所述的路径规划装置,其中,所述构建模块构建随机树还包括:
将所述目标偏置因子设为第一预设值,基于所述第一预设值构建随机树;
在基于所述第一预设值构建随机树的过程中,进行碰撞检测;
若没有发生碰撞,则继续基于所述第一预设值进行随机树构建,直至得到所述移动路径;
若发生碰撞,则将所述目标偏置因子设为第二预设值,基于所述第二预设值构建随机树。
11.根据权利要求9所述的路径规划装置,其中,所述构建模块构建随机树还包括:
在所述起始位置与所述目标位置之间选择中间节点;
同时以所述中间节点、所述起始位置与所述目标位置为根节点构建随机树,直至各随机树相连,以得到所述移动路径。
12.根据权利要求11所述的路径规划装置,其中,所述构建模块同时以所述中间节点、所述起始位置与所述目标位置为根节点构建随机树包括:
以起始位置为根节点,向所述中间节点方向构建随机树,以中间节点为根节点,向所述起始位置方向构建随机树,直至两随机树相连;
以目标位置为根节点,向所述中间节点方向构建随机树,以中间节点为根节点,向所述目标位置方向构建随机树,直至两随机树相连。
13.根据权利要求11所述的路径规划装置,其中,所述在所述起始位置与所述目标位置之间选择中间节点包括:
选择所述起始位置与所述目标位置连线的中点为初始中间节点;
检测所述初始中点节点是否位于障碍物中,若否,则以所述初始中间节点作为所述中间节点;
若是,则选择所述初始中间节点邻域内未在障碍物中的其他节点作为所述中间节点。
14.根据权利要求9所述的路径规划装置,其中,所述构建模块根据当前节点与随机采样节点的连线和当前节点与起始位置或目标位置的连线之间的夹角、所述目标偏置因子,计算下一节点在所述自由空间的位置包括:
建立自由空间中的坐标系;
设置构建随机树的搜索步长;
获取当前节点与随机采样节点的连线与X轴之间的第一夹角,以及当前节点与起始位置或目标位置的连线与X轴之间的第二夹角;
根据所述当前节点的位置、所述搜索步长、所述目标偏置因子、所述第一夹角及所述第二夹角,来计算下一节点在所述自由空间的位置。
16.根据权利要10所述的路径规划装置,其中,所述第一预设值大于所述第二预设值。
17.一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至8中任一项所述的方法。
18.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110610957.8A CN113358119B (zh) | 2021-06-01 | 2021-06-01 | 路径规划方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110610957.8A CN113358119B (zh) | 2021-06-01 | 2021-06-01 | 路径规划方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113358119A true CN113358119A (zh) | 2021-09-07 |
CN113358119B CN113358119B (zh) | 2023-03-24 |
Family
ID=77531049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110610957.8A Active CN113358119B (zh) | 2021-06-01 | 2021-06-01 | 路径规划方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113358119B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114700937A (zh) * | 2022-01-13 | 2022-07-05 | 深圳市越疆科技有限公司 | 机械臂及其运动路径规划方法、控制系统、介质及机器人 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108983780A (zh) * | 2018-07-24 | 2018-12-11 | 武汉理工大学 | 一种基于改进rrt*算法的移动机器人路径规划方法 |
US20200097014A1 (en) * | 2018-09-25 | 2020-03-26 | Mitsubishi Electric Research Laboratories, Inc. | Deterministic path planning for controlling vehicle movement |
CN110962130A (zh) * | 2019-12-24 | 2020-04-07 | 中国人民解放军海军工程大学 | 基于目标偏向寻优的启发式rrt机械臂运动规划方法 |
CN112356033A (zh) * | 2020-11-09 | 2021-02-12 | 中国矿业大学 | 一种融合低差异序列与rrt算法的机械臂路径规划方法 |
-
2021
- 2021-06-01 CN CN202110610957.8A patent/CN113358119B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108983780A (zh) * | 2018-07-24 | 2018-12-11 | 武汉理工大学 | 一种基于改进rrt*算法的移动机器人路径规划方法 |
US20200097014A1 (en) * | 2018-09-25 | 2020-03-26 | Mitsubishi Electric Research Laboratories, Inc. | Deterministic path planning for controlling vehicle movement |
CN110962130A (zh) * | 2019-12-24 | 2020-04-07 | 中国人民解放军海军工程大学 | 基于目标偏向寻优的启发式rrt机械臂运动规划方法 |
CN112356033A (zh) * | 2020-11-09 | 2021-02-12 | 中国矿业大学 | 一种融合低差异序列与rrt算法的机械臂路径规划方法 |
Non-Patent Citations (2)
Title |
---|
朱宏辉等: "基于改进RRT~*算法的路径规划", 《武汉理工大学学报》 * |
辛亭等: "一种改进的快速扩展随机树航迹规划算法", 《航空电子技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114700937A (zh) * | 2022-01-13 | 2022-07-05 | 深圳市越疆科技有限公司 | 机械臂及其运动路径规划方法、控制系统、介质及机器人 |
CN114700937B (zh) * | 2022-01-13 | 2024-02-13 | 深圳市越疆科技有限公司 | 机械臂及其运动路径规划方法、控制系统、介质及机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN113358119B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3435035B1 (en) | Route-deviation recognition method, terminal and storage medium | |
WO2018018994A1 (zh) | 室内定位方法及定位系统 | |
US11625044B2 (en) | Method and system for real-time path planning | |
CN111209978B (zh) | 三维视觉重定位方法、装置及计算设备、存储介质 | |
EP3892423B1 (en) | Transfer robot-based control method and device | |
CN111680747B (zh) | 用于占据栅格子图的闭环检测的方法和装置 | |
KR20220054861A (ko) | 신경망 모델의 트레이닝 방법 및 관련 제품 | |
US20220019866A1 (en) | Controlling robots using entropy constraints | |
CN109974699B (zh) | 一种机器人及其地图自主探索方法和装置 | |
Ng et al. | Adaptive path finding algorithm in dynamic environment for warehouse robot | |
CN112884837B (zh) | 道路定位方法、装置、设备及存储介质 | |
US11620755B2 (en) | Method and system for tracking trajectory based on visual localization and odometry | |
CN113358119B (zh) | 路径规划方法、装置、电子设备及存储介质 | |
US9081091B2 (en) | Method and device for tracking the path of motion of a moving object as well as computer program and data storage media | |
US20230341228A1 (en) | Global position and orientation correction method | |
CN111401779A (zh) | 机器人的定位部署方法、装置、设备及存储介质 | |
US20230139187A1 (en) | Method and apparatus for determining information, electronic device and storage medium | |
CN111055274B (zh) | 一种机器人路径的平滑方法及机器人 | |
CN114547223A (zh) | 轨迹预测方法、轨迹预测模型的训练方法及装置 | |
Sarmiento et al. | An efficient strategy for rapidly finding an object in a polygonal world | |
US11607806B2 (en) | Techniques for generating controllers for robots | |
US20230123671A1 (en) | Localization and mapping | |
WO2017101437A1 (zh) | 一种惯导协作定位方法及定位设备 | |
Yan et al. | A comprehensive survey and analysis on path planning algorithms and heuristic functions | |
US20230001920A1 (en) | Method and system for narrow passage path sampling based on levy flight |
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 |