CN113432610A - 机器人通行规划方法、装置、机器人及存储介质 - Google Patents
机器人通行规划方法、装置、机器人及存储介质 Download PDFInfo
- Publication number
- CN113432610A CN113432610A CN202110663930.5A CN202110663930A CN113432610A CN 113432610 A CN113432610 A CN 113432610A CN 202110663930 A CN202110663930 A CN 202110663930A CN 113432610 A CN113432610 A CN 113432610A
- Authority
- CN
- China
- Prior art keywords
- grid
- obstacle
- robot
- planning
- map
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000004888 barrier function Effects 0.000 claims abstract description 43
- 238000001514 detection method Methods 0.000 claims abstract description 34
- 230000006870 function Effects 0.000 claims description 40
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000004140 cleaning Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本申请公开了一种机器人通行规划方法、装置、机器人及存储介质，其中方法包括：构建障碍物栅格地图，障碍物栅格地图由栅格组成，栅格携带栅格内容，栅格内容至少包括以下至少一种：障碍物类型、栅格类型或高度检测数据；根据障碍物栅格地图中栅格内容规划机器人的行走路径。本申请能够结合各栅格内容规划行走路径，有利于提高机器人的通行成功率。
Description
技术领域
本申请涉及机器人通行技术领域，尤其涉及机器人通行规划方法、装置、机器人及存储介质。
背景技术
随着科技水平的快速发展以及人们生活水平的不断提高，机器人正越来越多了走进人们的生活和工作中，比如清洁机器人凭借一定的人工智能，能自动在房间内完成地板清洁工作。然而目前的机器人在通行时仅是简单地对地图进行障碍物有无的分析，并且在路径规划过程中，对于障碍物区域直接不列入规划，但事实上有些障碍物可以通行的，比如门槛，某些洼地等，因此，未对障碍物进行难易程度的评估，直接将障碍物区域直接不列入规划，容易出现忽略一些可通行路径的现象，导致机器人的通行成功率较低。
发明内容
本申请的目的是为解决上述技术问题的不足而提供一种机器人通行规划方法、装置、机器人及存储介质，能够提高机器人的通行成功率。
为了实现上述目的，本申请公开了一种机器人通行规划方法，其包括：
构建障碍物栅格地图，所述障碍物栅格地图由栅格组成，所述栅格携带栅格内容，所述栅格内容至少包括以下至少一种：障碍物类型、栅格类型或高度检测数据；
根据所述障碍物栅格地图中栅格内容规划所述机器人的行走路径。
可选地，所述根据所述障碍物栅格地图中栅格内容规划所述机器人的行走路径，包括：
若所述栅格类型为非顺畅通行栅格，根据所述高度检测数据和路径规划代价函数确定栅格的路径代价；
根据所述栅格的路径代价规划生成所述机器人的行走路径。
可选地，所述方法还包括：
获取预设寻路算法函数和障碍物代价函数；
根据所述预设寻路算法函数、所述障碍物代价函数和所述预设寻路算法函数对应的第一权值、所述障碍物代价函数对应的第二权值确定所述路径规划代价函数。
可选地，所述构建障碍物栅格地图，包括：
获取障碍物点云数据；
根据所述障碍物点云数据构建局部栅格障碍物地图；
根据所述局部栅格障碍物地图生成所述障碍物栅格地图。
可选地，所述点云数据还包括栅格的障碍物标签，所述障碍物标签用于表示障碍物的类型；
所述障碍物栅格地图的栅格根据所述障碍物标签和所述高度检测数据被划分为以下至少一种类型：顺畅通行栅格、禁止通行栅格和非顺畅通行栅格。
可选地，所述障碍物标签包括地面型障碍物、凸起或凹陷障碍物和悬挂型障碍物中的至少一者；
所述障碍物标签为地面型障碍物的栅格被划分为顺畅通行栅格；
所述障碍物标签为凸起或凹陷障碍物的栅格根据对应的障碍物最大高度被划分为非顺畅通行栅格和禁止通行栅格中的一者；
所述障碍物标签为悬挂型障碍物的栅格根据对应的障碍物最小高度被划分为顺畅通行栅格和禁止通行栅格中的一者。
可选地，在所述根据所述障碍物栅格地图中栅格的栅格类型和/或高度检测数据规划所述机器人的行走路径之后，所述方法还包括：
若根据所述行走路径预估到即将到达障碍物位置，则执行第一越障操作；或者，
若机器人到达所述障碍物位置，且所述机器人触发打滑，则执行第二越障操作；
所述第一越障操作为所述清洁机器人以大于或等于当前速度的速度跨越所述目标障碍物；所述第二越障操作包括第一子操作和/或第二子操作，所述第一子操作为所述清洁机器人后退之后以大于或等于目标速度阈值的速度前进，所述第二子操作为所述清洁机器人一边转向一边前进跨越所述目标障碍物。
为了实现上述目的，本申请还公开一种机器人通行规划的装置，其包括：
构建模块，所述构建模块用于构建障碍物栅格地图，所述障碍物栅格地图由栅格组成，所述栅格携带栅格内容，所述栅格内容至少包括以下至少一种：障碍物类型、栅格类型或高度检测数据；
规划模块，所述规划模块用于根据所述障碍物栅格地图中栅格内容规划所述机器人的行走路径。
为了实现上述目的，本申请还公开一种机器人，其特征在于，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行如上所述的机器人通行规划方法。
为了实现上述目的，本申请还公开一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的机器人通行规划方法。
本申请在进行机器人的行走路径规划时，会结合障碍物栅格地图中体现障碍物类型、栅格类型或高度检测数据的至少一种栅格内容进行规划，因此，有利于提高机器人的通行成功率。
附图说明
图1为本申请实施例机器人通行规划方法的流程示意图。
图2为本申请实施例机器人通行规划装置的示意框图。
图3为本申请实施例机器人的示意框图。
具体实施方式
为详细说明本申请的技术内容、结构特征、实现原理及所实现目的及效果，以下结合实施方式并配合附图详予说明。
请参阅图1，本申请实施例公开了一种机器人通行规划方法，其包括：
101、构建障碍物栅格地图，障碍物栅格地图由栅格组成，栅格携带栅格内容，栅格内容至少包括以下至少一种：障碍物类型、栅格类型或高度检测数据。
其中，栅格类型用于表示该栅格的通行难度级别。具体地，栅格类型可以包括顺畅通行栅格、禁止通行栅格和非顺畅通行栅格中的至少一者。其中顺畅通行栅格表示通行难度低，该类型栅格不具有障碍物或者障碍物对通行的影响较小；禁止通行栅格表示通行难度高，该类型栅格具有障碍物，且机器人难以通过或超出了机器人的通行能力；非顺畅通行栅格表示通行难度中等，该类型栅格存在障碍物，机器人能够通过，但该类型栅格的障碍物需要存在可跨越的障碍物，例如门槛，或者无障碍物，但是使路况不平整的洼地等。
具体地，各栅格可以根据高度检测数据划分为不同的通行难度级别。但并不限于此。
当然，栅格类型并不局限为上述分类方式。比如，按照通行难度级别，可以设置更多的栅格类型。
在本申请的具体实施方式中，障碍物类型包括地面型障碍物(高度接近地面)、凸起或凹陷障碍物以及悬挂型障碍物(比如，沙发等)，可以直接根据高度检测数据进行分类，还可以通过传感器检测到的障碍物轮廓进行分类，在此不做限定。
在本申请的具体实施方式中，高度检测数据可以是检测到的实际高度，但不限于此，比如，也可以是根据实际高度数据划分的多个高度区间。
在一些实施方式中，上述构建障碍物栅格地图，包括：
获取障碍物点云数据；
根据障碍物点云数据构建局部栅格障碍物地图；
根据局部栅格障碍物地图生成障碍物栅格地图。
当然，“障碍物栅格地图”并不局限于上述生成方式。只要是根据“障碍物栅格地图”能够执行本申请机器人通行规划方法即可。
具体地，障碍物点云数据包括栅格的坐标和高度检测数据。
更具体地，障碍物点云数据还包括栅格的障碍物标签，障碍物标签用于表示障碍物类型；障碍物栅格地图的栅格根据障碍物标签和高度检测数据被划分为以下至少一种类型：顺畅通行栅格、禁止通行栅格和非顺畅通行栅格。
由于障碍物栅格地图的栅格可以被划分为顺畅通行栅格、禁止通行栅格和非顺畅通行栅格中的至少一者，因此更加便于对机器人的行走路径进行规划。
在一些实施方式中，障碍物标签包括地面型障碍物、凸起或凹陷障碍物和悬挂型障碍物中的至少一者。地面型障碍物指障碍物(凸起或凹陷)的高度接近地面。凸起或凹陷障碍物指的是除掉高度接近地面之外的凸起障碍物或者凹陷障碍物。悬挂型障碍物指的是沙发等具有悬设在地面之上结构的障碍物。
障碍物标签为地面型障碍物的栅格被划分为顺畅通行栅格。
障碍物标签为凸起或凹陷障碍物的栅格根据对应的障碍物最大高度被划分为非顺畅通行栅格和禁止通行栅格(超出机器人通行能力)中的一者。其中，对于凹陷障碍物而言，障碍物最大高度对应的是其深度。
障碍物标签为悬挂型障碍物的栅格根据对应的障碍物最小高度被划分为顺畅通行栅格和禁止通行栅格中的一者。对于悬挂型障碍物，障碍物最小高度指的是对应栅格内悬挂型障碍物的最低点到地面的距离，若障碍物最小高度低于机器人的通行高度，则将该栅格划分为禁止通行栅格，否则该栅格划分为顺畅通行栅格。
通过上述方式，能较好地将栅格根据障碍物标签和高度检测数据进行栅格类型的划分。
具体地，上述方法还包括：
根据障碍物栅格地图的点云数据构建以机器人的当前位姿为中心的局部障碍物高程地图，局部障碍物高程地图的栅格根据该点云数据被划分为不同的栅格类型；
将局部障碍物高程地图中各栅格的栅格类型对应标记至障碍物栅格地图。
需要注意的是，局部障碍物高程地图与上述的局部栅格障碍物地图并非同一概念。局部栅格障碍物地图用于融合形成障碍物栅格地图，而局部障碍物高程地图则是利用障碍物栅格地图的点云数据构建的以机器人的当前位姿为中心的局部地图。
借由局部障碍物高程地图的构建，在机器人行走时，可直接查询机器人当前所处位置对应的局部障碍物高程地图，而无需查询整个障碍物栅格地图，有利于减少机器人的运算量，提高机器人的效率。
102、根据障碍物栅格地图中栅格内容规划机器人的行走路径。
具体实施中，障碍物栅格地图的栅格内容至少包括以下至少一种：障碍物类型、栅格类型或高度检测数据，通过根据障碍物栅格地图中栅格内容进行路径规划，可规划出更准确的行走路径，使机器人能够更好地对障碍物进行避障，更顺畅地进行行走。
在一些实施方式中，根据障碍物栅格地图中栅格内容规划机器人的行走路径，包括：
若栅格类型为非顺畅通行栅格，根据高度检测数据和路径规划代价函数确定栅格的路径代价；
根据栅格的路径代价规划生成机器人的行走路径。
通过将非顺畅通行栅格引入行走路径的规划之中，机器人可以有更多的栅格可供选择，有利于规划出更优的行走路径，减少机器人的通行时间，降低某些区域因为可供通行的栅格较少而出现通行困难的情况发生。
关于“非顺畅通行栅格”可以参见以上的描述，这里不再赘述。
通过根据高度检测数据和路径规划代价函数确定栅格的路径代价，可以确定机器人行走经过该栅格的代价，根据栅格的路径代价规划生成机器人的行走路径，从而可选取代价更小的栅格进行通行，具体地，机器人从任一位置到达目的地，可供选择的栅格可包括一个以上，机器人可选取当前位置行走到下一步代价更小的栅格，从而可确定机器人每一步行走时代价更小的栅格，例如，机器人从起始位置所在栅格A到达目的地所在栅格P，机器人从栅格A行走的下一步栅格，可以是与栅格A相邻的栅格B1、栅格B2、栅格B3或栅格B4，可根据高度检测数据和路径规划代价函数确定机器人从栅格A出发，分别经过栅格B1、栅格B2、栅格B3、栅格B4的路径代价，根据栅格B1、栅格B2、栅格B3、栅格B4分别对应的路径代价确定选取栅格B1、栅格B2、栅格B3、栅格B4中的一个栅格规划至行走路径，作为栅格A的下一步栅格，以此类推，可以选取后面每一步代价更小的目标栅格，生成机器人的行走路径。
在一些实施方式中，机器人通行规划方法还包括：
获取预设寻路算法函数和障碍物代价函数；
根据预设寻路算法函数、障碍物代价函数和预设寻路算法函数对应的第一权值、障碍物代价函数对应的第二权值确定路径规划代价函数。
通过上述方式，在利用路径规划代价函数进行路径规划时，能够同时将距离因素和障碍物因素考虑在内，有利于为机器人提供更优的路径规划方案。
具体地，预设寻路算法函数涉及的预设寻路算法可以选择A*寻路算法，预设寻路算法函数例如可以是f(n)＝g(n)+h(n)，g(n)表示从起点(0,0)到当前的目标栅格的移动距离(例如，欧氏距离)，h(n)表示目标栅格到目的地的移动距离(例如，欧氏距离)，f(n)表示机器人从当前栅格到目标栅格的代价值，可在确定了起点和终点的情况下，从起点，每移动一栅格都选择距离代价最小的栅格，一直延续到达到终点。障碍物代价函数指的是当栅格存在障碍物时，通过该栅格的障碍物代价。
障碍物代价函数是指跨越对应障碍物高度的目标栅格的代价函数。
在本申请的具体实施方式中，路径规划代价函数可以为：
f(n)＝g(n)+alpha*h(n)+beta*V(n)；
其中，alpha为第一权值，beta为第二权值，第一权值与第二权值之和为1；V(n)是障碍物代价函数，表示高度检测数据与跨越对应障碍物高度的目标栅格的代价的函数关系；g(n)表示从起点(0,0)到目标栅格的移动距离(例如，欧氏距离)；h(n)表示目标栅格到目的地的移动距离(例如，欧氏距离)；f(n)表示当前栅格到达目标栅格的代价值。具体实施时，通过分别计算当前栅格到前、后、左、右栅格的f(n)，并选择最小的f(n)对应的栅格作为下一目标栅格，从而可生成机器人的行走路径。当然，路径规划代价函数并不限定为上述具体形式。
上述路径规划代价函数相比于传统的A*寻路算法，将障碍物的高度检测数据纳入计算路径代价的影响因素，引入了障碍物代价函数V(n)，从而可针对不同高度的障碍物更加准确地进行路径规划。
其中，障碍物代价函数V(n)可以是一个关于高度检测数据的分段函数。比如：
当高度检测数据N大于1CM时，V(n)＝X；
当高度检测数据N介于1CM与-1CM之间时，V(n)＝Y；
当高度检测数据N小于-1CM时，V(n)＝Z；
X、Y、Z均为常数。
障碍物代价函数V(n)还可以是其他表达方式，本申请不做限制。
在一些实施方式中，在根据障碍物栅格地图中栅格的栅格类型和/或高度检测数据规划机器人的行走路径之后，方法还包括：
若根据行走路径预估到即将到达障碍物位置，则执行第一越障操作；或者，
若机器人到达障碍物位置，且机器人触发打滑，则执行第二越障操作；
第一越障操作为清洁机器人以大于或等于当前速度的速度跨越目标障碍物；第二越障操作包括第一子操作和/或第二子操作，第一子操作为清洁机器人后退之后以大于或等于目标速度阈值的速度前进，第二子操作为清洁机器人一边转向一边前进跨越目标障碍物。
通过上述方式，可以在机器人即将到达障碍物位置时，以不减速的方式进行主动越障，在机器人到达障碍物位置，且发生打滑时，以后退向前冲的方式和/或转向扭动前进的方式进行被动越障，从而能够根据是否预估到机器人即将到达障碍物位置，选择性地执行不同的越障操作，有利于提高机器人的通行成功率。
本申请在进行机器人的行走路径规划时，会结合障碍物栅格地图中体现障碍物类型、栅格类型或高度检测数据的至少一种栅格内容进行规划，因此，有利于提高机器人的通行成功率。
请参阅图2，本申请实施例还公开了一种机器人通行规划装置，其包括：
构建模块10，构建模块10用于构建障碍物栅格地图，障碍物栅格地图由栅格组成，栅格携带栅格内容，栅格内容至少包括以下至少一种：障碍物类型、栅格类型或高度检测数据；
规划模块11，规划模块11用于根据障碍物栅格地图中栅格内容规划机器人的行走路径。
本申请在进行机器人的行走路径规划时，会结合障碍物栅格地图中体现障碍物类型、栅格类型或高度检测数据的至少一种栅格内容进行规划，因此，有利于提高机器人的通行成功率。
请参阅图3，本申请实施例还公开一种机器人，其包括：
处理器21；
存储器20，其中存储有处理器21的可执行指令；
其中，处理器21配置为经由执行可执行指令来执行上述的机器人通行规划方法。
本申请实施例还公开一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的机器人通行规划方法。
本申请实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该电子设备执行上述机器人通行规划方法。
应当理解，在本申请实施例中，所称处理器可以是中央处理模块(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所揭露的仅为本申请的较佳实例而已，不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，均属于本申请所涵盖的范围。
Claims (10)
1.一种机器人通行规划方法，其特征在于，包括：
构建障碍物栅格地图，所述障碍物栅格地图由栅格组成，所述栅格携带栅格内容，所述栅格内容至少包括以下至少一种：障碍物类型、栅格类型或高度检测数据；
根据所述障碍物栅格地图中栅格内容规划所述机器人的行走路径。
2.如权利要求1所述的机器人通行规划方法，其特征在于，所述根据所述障碍物栅格地图中栅格内容规划所述机器人的行走路径，包括：
若所述栅格类型为非顺畅通行栅格，根据所述高度检测数据和路径规划代价函数确定栅格的路径代价；
根据所述栅格的路径代价规划生成所述机器人的行走路径。
3.如权利要求1所述的机器人通行规划方法，其特征在于，所述方法还包括：
获取预设寻路算法函数和障碍物代价函数；
根据所述预设寻路算法函数、所述障碍物代价函数和所述预设寻路算法函数对应的第一权值、所述障碍物代价函数对应的第二权值确定所述路径规划代价函数。
4.如权利要求1-3任一项所述的机器人通行规划方法，其特征在于，所述构建障碍物栅格地图，包括：
获取障碍物点云数据；
根据所述障碍物点云数据构建局部栅格障碍物地图；
根据所述局部栅格障碍物地图生成所述障碍物栅格地图。
5.如权利要求4所述的机器人通行规划方法，其特征在于，
所述点云数据还包括栅格的障碍物标签，所述障碍物标签用于表示障碍物的类型；
所述障碍物栅格地图的栅格根据所述障碍物标签和所述高度检测数据被划分为以下至少一种类型：顺畅通行栅格、禁止通行栅格和非顺畅通行栅格。
6.如权利要求5所述的机器人通行规划方法，其特征在于，所述障碍物标签包括地面型障碍物、凸起或凹陷障碍物和悬挂型障碍物中的至少一者；
所述障碍物标签为地面型障碍物的栅格被划分为顺畅通行栅格；
所述障碍物标签为凸起或凹陷障碍物的栅格根据对应的障碍物最大高度被划分为非顺畅通行栅格和禁止通行栅格中的一者；
所述障碍物标签为悬挂型障碍物的栅格根据对应的障碍物最小高度被划分为顺畅通行栅格和禁止通行栅格中的一者。
7.如权利要求6所述的机器人通行规划方法，其特征在于，在所述根据所述障碍物栅格地图中栅格的栅格类型和/或高度检测数据规划所述机器人的行走路径之后，所述方法还包括：
若根据所述行走路径预估到即将到达障碍物位置，则执行第一越障操作；或者，
若机器人到达所述障碍物位置，且所述机器人触发打滑，则执行第二越障操作；
所述第一越障操作为所述清洁机器人以大于或等于当前速度的速度跨越所述目标障碍物；所述第二越障操作包括第一子操作和/或第二子操作，所述第一子操作为所述清洁机器人后退之后以大于或等于目标速度阈值的速度前进，所述第二子操作为所述清洁机器人一边转向一边前进跨越所述目标障碍物。
8.一种机器人通行规划的装置，其特征在于，包括：
构建模块，所述构建模块用于构建障碍物栅格地图，所述障碍物栅格地图由栅格组成，所述栅格携带栅格内容，所述栅格内容至少包括以下至少一种：障碍物类型、栅格类型或高度检测数据；
规划模块，所述规划模块用于根据所述障碍物栅格地图中栅格内容规划所述机器人的行走路径。
9.一种机器人，其特征在于，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的机器人通行规划方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的机器人通行规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110663930.5A CN113432610B (zh) | 2021-06-15 | 2021-06-15 | 机器人通行规划方法、装置、机器人及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110663930.5A CN113432610B (zh) | 2021-06-15 | 2021-06-15 | 机器人通行规划方法、装置、机器人及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113432610A true CN113432610A (zh) | 2021-09-24 |
| CN113432610B CN113432610B (zh) | 2024-07-02 |
Family
ID=77756102
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110663930.5A Active CN113432610B (zh) | 2021-06-15 | 2021-06-15 | 机器人通行规划方法、装置、机器人及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113432610B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023160606A1 (zh) * | 2022-02-24 | 2023-08-31 | 苏州科瓴精密机械科技有限公司 | 基于栅格地图的机器人寻路方法、装置、机器人及存储介质 |
| WO2024141057A1 (zh) * | 2022-12-30 | 2024-07-04 | 华为技术有限公司 | 一种路径规划方法及相关装置 |
| CN118425980A (zh) * | 2024-07-05 | 2024-08-02 | 深圳市普渡科技有限公司 | 沿边路径确定方法、装置、机器人和存储介质 |
| WO2024183314A1 (zh) * | 2023-03-06 | 2024-09-12 | 北京京东乾石科技有限公司 | 路径规划方法及其装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105866790A (zh) * | 2016-04-07 | 2016-08-17 | 重庆大学 | 一种考虑激光发射强度的激光雷达障碍物识别方法及系统 |
| US20180174472A1 (en) * | 2016-12-16 | 2018-06-21 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Autonomous Airborne Vehicle Controlled by Millimeter Wave Radar |
| CN110403539A (zh) * | 2019-08-16 | 2019-11-05 | 云鲸智能科技（东莞）有限公司 | 清洁机器人的清洁控制方法、清洁机器人以及存储介质 |
| CN110989630A (zh) * | 2019-12-30 | 2020-04-10 | 科沃斯机器人股份有限公司 | 自移动机器人控制方法、装置、自移动机器人和存储介质 |
| CN111046846A (zh) * | 2019-12-27 | 2020-04-21 | 长安大学 | 一种机器人前方障碍通过性判断的方法 |
| CN111067439A (zh) * | 2019-12-31 | 2020-04-28 | 深圳飞科机器人有限公司 | 障碍物处理方法以及清洁机器人 |
| CN111399516A (zh) * | 2020-03-31 | 2020-07-10 | 深圳市银星智能科技股份有限公司 | 一种机器人路径规划方法、装置以及机器人 |
| CN111429520A (zh) * | 2020-03-02 | 2020-07-17 | 广州视源电子科技股份有限公司 | 负障碍物检测方法、装置、终端设备和存储介质 |
| CN111481113A (zh) * | 2019-01-29 | 2020-08-04 | 北京奇虎科技有限公司 | 一种判断扫地机器人打滑的方法和装置 |
| CN112000754A (zh) * | 2020-08-11 | 2020-11-27 | 珠海格力电器股份有限公司 | 地图构建方法、装置、存储介质及计算机设备 |
| CN112947415A (zh) * | 2021-01-26 | 2021-06-11 | 同济大学 | 一种基于障碍物语义信息的室内路径规划方法 |
-
2021
- 2021-06-15 CN CN202110663930.5A patent/CN113432610B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105866790A (zh) * | 2016-04-07 | 2016-08-17 | 重庆大学 | 一种考虑激光发射强度的激光雷达障碍物识别方法及系统 |
| US20180174472A1 (en) * | 2016-12-16 | 2018-06-21 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Autonomous Airborne Vehicle Controlled by Millimeter Wave Radar |
| CN111481113A (zh) * | 2019-01-29 | 2020-08-04 | 北京奇虎科技有限公司 | 一种判断扫地机器人打滑的方法和装置 |
| CN110403539A (zh) * | 2019-08-16 | 2019-11-05 | 云鲸智能科技（东莞）有限公司 | 清洁机器人的清洁控制方法、清洁机器人以及存储介质 |
| CN111046846A (zh) * | 2019-12-27 | 2020-04-21 | 长安大学 | 一种机器人前方障碍通过性判断的方法 |
| CN110989630A (zh) * | 2019-12-30 | 2020-04-10 | 科沃斯机器人股份有限公司 | 自移动机器人控制方法、装置、自移动机器人和存储介质 |
| CN111067439A (zh) * | 2019-12-31 | 2020-04-28 | 深圳飞科机器人有限公司 | 障碍物处理方法以及清洁机器人 |
| CN111429520A (zh) * | 2020-03-02 | 2020-07-17 | 广州视源电子科技股份有限公司 | 负障碍物检测方法、装置、终端设备和存储介质 |
| CN111399516A (zh) * | 2020-03-31 | 2020-07-10 | 深圳市银星智能科技股份有限公司 | 一种机器人路径规划方法、装置以及机器人 |
| CN112000754A (zh) * | 2020-08-11 | 2020-11-27 | 珠海格力电器股份有限公司 | 地图构建方法、装置、存储介质及计算机设备 |
| CN112947415A (zh) * | 2021-01-26 | 2021-06-11 | 同济大学 | 一种基于障碍物语义信息的室内路径规划方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023160606A1 (zh) * | 2022-02-24 | 2023-08-31 | 苏州科瓴精密机械科技有限公司 | 基于栅格地图的机器人寻路方法、装置、机器人及存储介质 |
| WO2024141057A1 (zh) * | 2022-12-30 | 2024-07-04 | 华为技术有限公司 | 一种路径规划方法及相关装置 |
| WO2024183314A1 (zh) * | 2023-03-06 | 2024-09-12 | 北京京东乾石科技有限公司 | 路径规划方法及其装置 |
| CN118425980A (zh) * | 2024-07-05 | 2024-08-02 | 深圳市普渡科技有限公司 | 沿边路径确定方法、装置、机器人和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113432610B (zh) | 2024-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113432610A (zh) | 机器人通行规划方法、装置、机器人及存储介质 | |
| CN109839935B (zh) | 多agv的路径规划方法及设备 | |
| CN112650229B (zh) | 一种基于改进蚁群算法的移动机器人路径规划方法 | |
| KR20210068446A (ko) | 지형 인식 스텝 플래닝 시스템 | |
| CN112000754A (zh) | 地图构建方法、装置、存储介质及计算机设备 | |
| CN113156886A (zh) | 一种智能物流路径规划方法及系统 | |
| CN107092264A (zh) | 面向银行厅堂环境的服务机器人自主导航与自动充电方法 | |
| KR20220083666A (ko) | 제약된 이동성 매핑 | |
| CN103278164A (zh) | 一种复杂动态场景下机器人仿生路径规划方法及仿真平台 | |
| CN107690605A (zh) | 一种航线编辑方法、装置及控制设备 | |
| CN111694356A (zh) | 一种行驶控制方法、装置、电子设备及存储介质 | |
| KR20200109275A (ko) | 차량 궤적 계획 방법, 장치, 컴퓨터 장치, 컴퓨터 저장 매체 | |
| CN110705385B (zh) | 一种障碍物角度的检测方法、装置、设备及介质 | |
| CN110986945A (zh) | 基于语义高度地图的局部导航方法和系统 | |
| CN117246425A (zh) | 四足机器人导航避障与攀爬楼梯方法及系统 | |
| Wooden | Graph-based path planning for mobile robots | |
| CN113485378B (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 | |
| CN103631261B (zh) | 信息处理方法和装置 | |
| CN116764225B (zh) | 一种高效寻路的处理方法、装置、设备及介质 | |
| CN113358118A (zh) | 非结构环境中端到端的室内移动机器人自主导航方法 | |
| CN112987709B (zh) | 一种路径规划方法、系统及作业机器人 | |
| CN112925313A (zh) | 机器人的避让处理方法、装置、电子设备和介质 | |
| US20220196410A1 (en) | Vehicle navigation | |
| Luo et al. | Topological map generation for intrinsic visual navigation of an intelligent service robot | |
| CN114564048A (zh) | 一种面向农用四旋翼无人机航迹规划改进方法 |
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 |