CN113467483A - 动态环境中基于时空栅格地图的局部路径规划方法及装置 - Google Patents
动态环境中基于时空栅格地图的局部路径规划方法及装置 Download PDFInfo
- Publication number
- CN113467483A CN113467483A CN202110969302.XA CN202110969302A CN113467483A CN 113467483 A CN113467483 A CN 113467483A CN 202110969302 A CN202110969302 A CN 202110969302A CN 113467483 A CN113467483 A CN 113467483A
- Authority
- CN
- China
- Prior art keywords
- unmanned platform
- space
- path
- grid map
- time
- 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 35
- 230000003068 static effect Effects 0.000 claims abstract description 27
- 230000004888 barrier function Effects 0.000 claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims description 33
- 238000005070 sampling Methods 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 3
- 230000002411 adverse Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G05D1/0212—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
- G05D1/0276—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)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种动态环境中基于时空栅格地图的局部路径规划方法及装置,通过构建时空栅格地图,在所述时空栅格地图上对所述无人平台进行路径规划,得到无人平台的时空路径;将所述无人平台的时空路径向x‑y平面投影得到无人平台的二维规划路径并输出。本发明基于静态局部栅格地图和动态障碍物运动状态建立的时空栅格地图,能够统一整合局部地图中的静态障碍物和动态障碍物,将二维动态环境转化为三维静态环境,降低了动态环境中路径规划的复杂性。同时能够充分利用动态障碍物的运动信息,有效避免了动态障碍物对路径规划的不利影响。
Description
技术领域
本发明无人平台路径规划技术领域,尤其是涉及一种动态环境中基于时空栅格地图的局部路径规划方法及装置。
背景技术
近年来,无人平台被广泛应用于各类服务机器人,与机械臂等固定的工业机器人不同,无人平台需在特定环境中实现自主导航,即能够在与障碍物不发生碰撞的条件下安全到达目标点,而路径规划是现自主导航的关键技术。目前,根据环境信息的不同,无人平台的路径规划分为已知环境下的全局路径规划和未知环境下的局部路径规划。
全局路径规划有利于求取全局最优路径,但其计算量相对较大,实时性较差,而且只能应用于静态环境中。局部路径规划则是根据传感数据构建的环境模型进行路径求取的,故有较好的实时性和应对动态环境的能力。此外,局部路径规划求取的路径较为光滑,利于无人平台的运动控制。
应用于智能车间场景下的无人平台既需要多平台之间的协作,又需要平台和人员之间的协作,因此路径冲突和动态障碍物问题不可避免。而现有的局部路径规划方法虽能够在一定程度上适应动态环境和规避动态障碍物,但应用在智能车间场景下时,安全避障问题仍然无法解决,故难以满足智能车间工业生产的要求。
发明内容
本发明要解决的技术问题是怎样提高无人平台在动态环境中规避静态和动态障碍物的能力,获取更优的路径,提出了一种动态环境中基于时空栅格地图的局部路径规划方法及装置。
为解决上述技术问题,本发明所采用的技术方案是:
一种动态环境中基于时空栅格地图的局部路径规划方法,包括以下步骤:
步骤1:获取无人平台当前位置的二维静态局部栅格地图以及动态障碍物和无人平台的运动状态信息,构建时空栅格地图;
步骤2:在所述时空栅格地图上对所述无人平台进行路径规划,得到无人平台的时空路径;
步骤3:将所述无人平台的时空路径向x-y平面投影得到无人平台的二维规划路径并输出。
进一步地,步骤1中所述构建时空栅格地图的方法是:
步骤1.1:将所述动态障碍物的初始位置添加到二维静态局部栅格地图中;
步骤1.2:根据动态障碍物的运动状态推算动态障碍物的运动轨迹;
步骤1.3:根据所述动态障碍物的运动轨迹改变动态障碍物在静态二维栅格地图中的位置;
步骤1.4:按照时间顺序依次堆叠不同时刻的静态二维栅格地图,建立时空栅格地图。
进一步地,步骤2中在所述时空栅格地图上对所述无人平台进行路径规划,得到无人平台的时空路径的方法是:
步骤2.1:根据无人平台的运动状态信息确定所述无人平台的速度动态窗口;
步骤2.2:根据无人平台的线速度分辨率dv和角速度分辨率dω对所述动态窗口进行遍历采样,推算出无人平台处于不同运动状态下的m条轨迹;
步骤2.3:判断所述m条轨迹是否满足碰撞制动条件;
步骤2.4:对满足碰撞制动条件要求的n条轨迹进行评价,n≤m;
步骤2.5:将评价值最高的轨迹作为最优路径输出,并判断此路径是否到达目标点。
进一步地,步骤2.1中根据无人平台的运动状态确定所述无人平台的速度动态窗口的方法是:
va为无人平台当前线速度,为线加速度,ωa为无人平台当前角速度,为角加速度,dt为时间间隔,vmin和vmax为无人平台的最小线速度和最大线速度,ωmin和ωmax为无人平台的最小角速度和最大角速度。
进一步地,步骤2.4中对满足碰撞制动条件要求的n条轨迹进行评价的方法是:
评价函数为:
G(v,ω,tini)=σ·head(v,ω)+β·dist(v,ω,tini)+γ·velocity(v,ω)
其中,v为采样线速度,ω为采样角速度,tini为采样初始时间,σ、β和γ为评价系数,head(v,ω)为方位角评价函数,dist(v,ω,tini)为障碍物距离评价函数,velocity(v,ω)为速度评价函数,velocity(v,ω)=v;
方位角评价函数:
head(v,ω)=180-θtarget(v,ω)=180-|θgoal(v,ω)-θ(v,ω)|;
θtarget(v,ω)为无人平台在(v,ω)下朝向与目标点之间夹角,θgoal(v,ω)为目标点相对于无人平台的方位角,θ(v,ω)为无人平台在(v,ω)下无人平台的姿态角;
障碍物距离评价函数:
dist(v,ω,tini)=min(pdist(obs(t),traj(v,ω,t))|t=tini:dt:tini+Δt)-R;
obs(t)为时空栅格地图中不同时刻t对应的障碍物位置,traj(v,ω,t)为时空栅格地图中无人平台的轨迹点,pdist()为两点的欧拉距离,dt为轨迹点时间间隔,Δt为整条轨迹的时长,R为障碍物膨胀半径。
进一步地,在对每条轨迹进行评价前,各项评价指标加权之前对每项评价指标进行归一化处理。
本发明还提供了一种动态环境中基于时空栅格地图的局部路径规划装置,其特征在于,包括以下模块:
时空地图构建模块:用于获取无人平台当前位置的二维静态局部栅格地图以及动态障碍物和无人平台的运动状态信息,构建时空栅格地图;
时空路径获取模块:用于在所述时空栅格地图上对所述无人平台进行路径规划,得到无人平台的时空路径;
路径规划输出模块:用于将所述无人平台的时空路径向x-y平面投影得到无人平台的二维规划路径并输出。
采用上述技术方案,本发明具有如下有益效果:
本发明提供的一种动态环境中基于时空栅格地图的局部路径规划方法及装置,基于静态局部栅格地图和动态障碍物运动状态建立的时空栅格地图,能够统一整合局部地图中的静态障碍物和动态障碍物,将二维动态环境转化为三维静态环境,降低了动态环境中路径规划的复杂性。同时能够充分利用动态障碍物的运动信息,有效避免了动态障碍物对路径规划的不利影响。
附图说明
图1为本发明的整体流程框图;
图2为本发明的静态栅格地图;
图3为本发明的时空栅格地图;
图4为本发明的路径规划方法实现方案;
图5为本发明的轨迹递推模型;
图6为本发明的路径规划过程;
图7为本发明的由时空路径投影为二维空间路径;
图8为本发明的路径规划过程中速度变化。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1至图8示出了本发明一种动态环境中基于时空栅格地图的局部路径规划方法的一种具体实施例,如图1所示,包括以下步骤:
步骤1:获取无人平台当前位置的二维静态局部栅格地图以及动态障碍物和无人平台的运动状态信息,构建时空栅格地图。
本实施例中,所述构建时空栅格地图的方法是:
步骤1.1:将所述动态障碍物的初始位置添加到二维静态局部栅格地图中;
步骤1.2:根据动态障碍物的运动状态推算动态障碍物的运动轨迹;
步骤1.3:根据所述动态障碍物的运动轨迹改变动态障碍物在静态二维栅格地图中的位置;
步骤1.4按照时间顺序依次堆叠不同时刻的静态二维栅格地图,建立时空栅格地图。
本实施例中的静态局部栅格地图如图2所示,地图尺寸为20×20,其中含有尺寸为4×5的静态障碍物。动态障碍物的尺寸为1×1,起点为(12,1),运动线速度v=0.5,角速度ω=0。构建的时空栅格地图如图3所示,将二维栅格地图按照时间顺序进行堆叠,地图时间分辨率map_dt=1s。
步骤2:在所述时空栅格地图上对所述无人平台进行路径规划,得到无人平台的时空路径,如图4所示;
步骤2.1:根据无人平台的运动状态确定所述无人平台的速度动态窗口。本实施例中确定所述无人平台的速度动态窗口的方法是:
本实施例中,va为无人平台当前线速度,为线加速度,ωa为无人平台当前角速度,为角加速度,无人平台最大线速度vmax=4,最大角速度ωmax=0.35rad/s,最大线加速度最大角加速度时间间隔dt=0.1s。
步骤2.2:根据无人平台的线速度分辨率dv和角速度分辨率dω对所述动态窗口进行遍历采样,推算出无人平台处于不同运动状态下的m条轨迹。本实施例中,无人平台速度分辨率dv=0.01,角速度分辨率dω=0.0175rad/s。
无人平台的轨迹推算模型如图5所示,无人平台的轨迹由多段圆弧组成,一对线速度和角速度(v,ω)就代表了一段圆弧轨迹:
当轨迹预测的时间间隔dt=0.1s时,轨迹推算公式为:
步骤2.3:判断所述m条轨迹是否满足碰撞制动条件;
步骤2.4:对满足碰撞制动条件要求的n条轨迹进行评价,n≤m;
评价函数为:
G(v,ω,tini)=σ·head(v,ω)+β·dist(v,ω,tini)+γ·velocity(v,ω)
其中v为采样线速度,ω为采样角速度,tini为采样初始时间,σ、β和γ为评价系数,head(v,ω)为方位角评价函数,dist(v,ω,tini)为障碍物距离评价函数,velocity(v,ω)为速度评价函数,velocity(v,ω)=v;
方位角评价函数:
head(v,ω)=180-θtarget(v,ω)=180-|θgoal(v,ω)-θ(v,ω)|;
θtarget(v,ω)为无人平台在(v,ω)下朝向与目标点之间夹角,θgoal(v,ω)为目标点相对于无人平台的方位角,θ(v,ω)为无人平台在(v,ω)下无人平台的姿态角;
障碍物距离评价函数:
dist(v,ω,tini)=min(pdist(obs(t),traj(v,ω,t))|t=tini:dt:tini+Δt)-R;
obs(t)为时空栅格地图中不同时刻t对应的障碍物位置,traj(v,ω,t)为时空栅格地图中无人平台的轨迹点,pdist()为两点的欧拉距离,dt为轨迹点时间间隔,Δt为整条轨迹的时长,R为障碍物膨胀半径。本实施例中,膨胀半径是指为避免无人平台撞上障碍物,将障碍物沿垂直切线方向向外膨胀一定距离,并将此部分也看作障碍物。
本实施例中,每条轨迹的各项评价指标加权之前需对每项指标进行归一化处理,以防止单项指标太占优势。归一化方式为每一项除以每一项的总和:
其中,head(i)、dist(i)和velocity(i)分别为同一动态窗口内第i条轨迹的方位角评分、障碍物距离评分和速度评分,nor_head(i)、nor_dist(i)和nor_velocity(i)分别为同一动态窗口内第i条轨迹的归一化方位角评分、归一化障碍物距离评分和归一化速度评分。
评价函数各系数分别取σ=0.045,β=0.1,γ=0.1,所以评价函数为:
G(v,ω,tini)=0.045·norhead(v,ω)+0.1·nordist(v,ω,tini)+0.1·norvelocity(v,ω)
步骤2.5:将评价值最高的轨迹作为最优路径输出,并判断此路径是否到达目标点。
本实施例中,判断路径是否到达目标点的距离阈值L=0.25,并通过使用评价函数,选择评价值最高的轨迹作为最优路径,提高了动态环境中路径规划的成功率,获得了更为优秀的动态避障路径。
图6为时空路径规划过程,黑色栅格为障碍物,黑色星号为目标点,灰色曲线为当前动态窗口所有采样速度对应的轨迹,黑色曲线为已规划的最优路径。本发明所述的时空路径除了能够观察到无人平台的避障路径,还可通过路径t方向的斜率直观判断无人平台的速度变化(斜率越大表示无人平台速度越慢),便于分析无人平台的避障状态。
步骤3:将所述无人平台的时空路径向x-y平面投影得到无人平台的二维规划路径并输出。
图7为本实施例中的时空路径和二维空间路径,由图7可见,此路径规划方法能在到达目标点的基础上较为优秀地避开所有动态障碍物和静态障碍物。图8为路径规划过程中的速度变化过程,实线为无人平台线速度(v),虚线为无人平台角速度(ω),其中线速度有两次较为明显的减速,第一次减速在2s~5s时间段内,此时受到动态障碍物的影响,无人平台主动降低速度以避开动态障碍物,从图7中也可以看出,此段时间内时空路径的t方向斜率也是在增加的,与图8减速过程相吻合;第二次减速在15s~20s时间段内,当靠近目标点时,无人平台降低速度以准确地到达目标点位置,同样的,图7中时空路径此时间段内t方向斜率也是在增加的。
本发明还提供了一种动态环境中基于时空栅格地图的局部路径规划装置,包括以下模块:
时空地图构建模块:用于获取无人平台当前位置的二维静态局部栅格地图以及动态障碍物和无人平台的运动状态信息,构建时空栅格地图;
时空路径获取模块:用于在所述时空栅格地图上对所述无人平台进行路径规划,得到无人平台的时空路径;
路径规划输出模块:用于将所述无人平台的时空路径向x-y平面投影得到无人平台的二维规划路径并输出。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种动态环境中基于时空栅格地图的局部路径规划方法,其特征在于,包括以下步骤:
步骤1:获取无人平台当前位置的二维静态局部栅格地图以及动态障碍物和无人平台的运动状态信息,构建时空栅格地图;
步骤2:在所述时空栅格地图上对所述无人平台进行路径规划,得到无人平台的时空路径;
步骤3:将所述无人平台的时空路径向x-y平面投影得到无人平台的二维规划路径并输出。
2.根据权利要求1所述的局部路径规划方法,其特征在于,步骤1中所述构建时空栅格地图的方法是:
步骤1.1:将所述动态障碍物的初始位置添加到二维静态局部栅格地图中;
步骤1.2:根据动态障碍物的运动状态推算动态障碍物的运动轨迹;
步骤1.3:根据所述动态障碍物的运动轨迹改变动态障碍物在静态二维栅格地图中的位置;
步骤1.4:按照时间顺序依次堆叠不同时刻的静态二维栅格地图,建立时空栅格地图。
3.根据权利要求2所述的局部路径规划方法,其特征在于,步骤2中在所述时空栅格地图上对所述无人平台进行路径规划,得到无人平台的时空路径的方法是:
步骤2.1:根据无人平台的运动状态信息确定所述无人平台的速度动态窗口;
步骤2.2:根据无人平台的线速度分辨率dv和角速度分辨率dω对所述动态窗口进行遍历采样,推算出无人平台处于不同运动状态下的m条轨迹;
步骤2.3:判断所述m条轨迹是否满足碰撞制动条件;
步骤2.4:对满足碰撞制动条件要求的n条轨迹进行评价,n≤m;
步骤2.5:将评价值最高的轨迹作为最优路径输出,并判断此路径是否到达目标点。
5.根据权利要求4所述的局部路径规划方法,其特征在于,步骤2.4中对满足碰撞制动条件要求的n条轨迹进行评价的方法是:
评价函数为:
G(v,ω,tini)=σ·head(v,ω)+β·dist(v,ω,tini)+γ·velocity(v,ω)
其中,v为采样线速度,ω为采样角速度,tini为采样初始时间,σ、β和γ为评价系数,head(v,ω)为方位角评价函数,dist(v,ω,tini)为障碍物距离评价函数,velocity(v,ω)为速度评价函数,velocity(v,ω)=v;
方位角评价函数:
head(v,ω)=180-θtarget(v,ω)=180-|θgoal(v,ω)-θ(v,ω)|;
θtarget(v,ω)为无人平台在(v,ω)下朝向与目标点之间夹角,θgoal(v,ω)为目标点相对于无人平台的方位角,θ(v,ω)为无人平台在(v,ω)下无人平台的姿态角;
障碍物距离评价函数:
dist(v,ω,tini)=min(pdist(obs(t),traj(v,ω,t))|t=tini:dt:tini+Δt)-R;
obs(t)为时空栅格地图中不同时刻t对应的障碍物位置,traj(v,ω,t)为时空栅格地图中无人平台的轨迹点,pdist()为两点的欧拉距离,dt为轨迹点时间间隔,Δt为整条轨迹的时长,R为障碍物膨胀半径。
6.根据权利要求5所述的局部路径规划方法,其特征在于,在对每条轨迹进行评价前,各项评价指标加权之前对每项评价指标进行归一化处理。
7.一种动态环境中基于时空栅格地图的局部路径规划装置,其特征在于,包括以下模块:
时空地图构建模块:用于获取无人平台当前位置的二维静态局部栅格地图以及动态障碍物和无人平台的运动状态信息,构建时空栅格地图;
时空路径获取模块:用于在所述时空栅格地图上对所述无人平台进行路径规划,得到无人平台的时空路径;
路径规划输出模块:用于将所述无人平台的时空路径向x-y平面投影得到无人平台的二维规划路径并输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110969302.XA CN113467483B (zh) | 2021-08-23 | 2021-08-23 | 动态环境中基于时空栅格地图的局部路径规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110969302.XA CN113467483B (zh) | 2021-08-23 | 2021-08-23 | 动态环境中基于时空栅格地图的局部路径规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113467483A true CN113467483A (zh) | 2021-10-01 |
CN113467483B CN113467483B (zh) | 2022-07-26 |
Family
ID=77866993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110969302.XA Active CN113467483B (zh) | 2021-08-23 | 2021-08-23 | 动态环境中基于时空栅格地图的局部路径规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113467483B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113815651A (zh) * | 2021-10-29 | 2021-12-21 | 北京触达无界科技有限公司 | 一种无人设备控制方法、装置、设备及存储介质 |
CN114442671A (zh) * | 2022-02-15 | 2022-05-06 | 中国民航工程咨询有限公司 | 一种应急路径规划方法及装置 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107065885A (zh) * | 2017-05-19 | 2017-08-18 | 华中科技大学 | 一种机器人变栅格地图路径规划优化方法和系统 |
CN107491070A (zh) * | 2017-08-31 | 2017-12-19 | 成都通甲优博科技有限责任公司 | 一种移动机器人路径规划方法及装置 |
CN108444482A (zh) * | 2018-06-15 | 2018-08-24 | 东北大学 | 一种无人机自主寻路避障方法及系统 |
CN108733038A (zh) * | 2017-04-18 | 2018-11-02 | 深圳市丰巨泰科电子有限公司 | 机器人局部动态路径规划方法 |
CN108908330A (zh) * | 2018-06-28 | 2018-11-30 | 中国人民解放军国防科技大学 | 一种基于虚拟现实的机器人行为控制方法 |
CN108958282A (zh) * | 2018-06-21 | 2018-12-07 | 浙江大学 | 基于动态球形窗口的三维空间路径规划方法 |
CN109116858A (zh) * | 2018-11-07 | 2019-01-01 | 上海木木聚枞机器人科技有限公司 | 一种在指定路径上的绕障路径规划方法及系统 |
US20190132709A1 (en) * | 2018-12-27 | 2019-05-02 | Ralf Graefe | Sensor network enhancement mechanisms |
CN109814557A (zh) * | 2019-01-23 | 2019-05-28 | 西北工业大学 | 一种全局规划器主导的机器人路径规划方法 |
US10571925B1 (en) * | 2016-08-29 | 2020-02-25 | Trifo, Inc. | Autonomous platform guidance systems with auxiliary sensors and task planning |
US20200125105A1 (en) * | 2017-04-11 | 2020-04-23 | Amicro Semiconductor Co., Ltd. | Method for Creating Grid Map of Intelligent Robot |
CN111462323A (zh) * | 2020-05-06 | 2020-07-28 | 中国人民解放军国防科技大学 | 一种面向三维空间的动态欺骗路径规划方法及系统 |
CN112325884A (zh) * | 2020-10-29 | 2021-02-05 | 广西科技大学 | 一种基于dwa的ros机器人局部路径规划方法 |
CN112432648A (zh) * | 2020-11-17 | 2021-03-02 | 中山大学 | 一种移动型机器人安全运动轨迹的实时规划方法 |
CN112859859A (zh) * | 2021-01-13 | 2021-05-28 | 中南大学 | 一种基于三维障碍物体素对象映射的动态栅格地图更新方法 |
CN113110517A (zh) * | 2021-05-24 | 2021-07-13 | 郑州大学 | 未知环境下基于生物启发的多机器人协作搜索方法 |
-
2021
- 2021-08-23 CN CN202110969302.XA patent/CN113467483B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10571925B1 (en) * | 2016-08-29 | 2020-02-25 | Trifo, Inc. | Autonomous platform guidance systems with auxiliary sensors and task planning |
US20200125105A1 (en) * | 2017-04-11 | 2020-04-23 | Amicro Semiconductor Co., Ltd. | Method for Creating Grid Map of Intelligent Robot |
CN108733038A (zh) * | 2017-04-18 | 2018-11-02 | 深圳市丰巨泰科电子有限公司 | 机器人局部动态路径规划方法 |
CN107065885A (zh) * | 2017-05-19 | 2017-08-18 | 华中科技大学 | 一种机器人变栅格地图路径规划优化方法和系统 |
CN107491070A (zh) * | 2017-08-31 | 2017-12-19 | 成都通甲优博科技有限责任公司 | 一种移动机器人路径规划方法及装置 |
CN108444482A (zh) * | 2018-06-15 | 2018-08-24 | 东北大学 | 一种无人机自主寻路避障方法及系统 |
CN108958282A (zh) * | 2018-06-21 | 2018-12-07 | 浙江大学 | 基于动态球形窗口的三维空间路径规划方法 |
CN108908330A (zh) * | 2018-06-28 | 2018-11-30 | 中国人民解放军国防科技大学 | 一种基于虚拟现实的机器人行为控制方法 |
CN109116858A (zh) * | 2018-11-07 | 2019-01-01 | 上海木木聚枞机器人科技有限公司 | 一种在指定路径上的绕障路径规划方法及系统 |
US20190132709A1 (en) * | 2018-12-27 | 2019-05-02 | Ralf Graefe | Sensor network enhancement mechanisms |
CN109814557A (zh) * | 2019-01-23 | 2019-05-28 | 西北工业大学 | 一种全局规划器主导的机器人路径规划方法 |
CN111462323A (zh) * | 2020-05-06 | 2020-07-28 | 中国人民解放军国防科技大学 | 一种面向三维空间的动态欺骗路径规划方法及系统 |
CN112325884A (zh) * | 2020-10-29 | 2021-02-05 | 广西科技大学 | 一种基于dwa的ros机器人局部路径规划方法 |
CN112432648A (zh) * | 2020-11-17 | 2021-03-02 | 中山大学 | 一种移动型机器人安全运动轨迹的实时规划方法 |
CN112859859A (zh) * | 2021-01-13 | 2021-05-28 | 中南大学 | 一种基于三维障碍物体素对象映射的动态栅格地图更新方法 |
CN113110517A (zh) * | 2021-05-24 | 2021-07-13 | 郑州大学 | 未知环境下基于生物启发的多机器人协作搜索方法 |
Non-Patent Citations (4)
Title |
---|
BOWEN YANG: "A Novel Heuristic Emergency Path Planning Method Based on Vector Grid Map", 《JOURNALS IJGI》 * |
MARIJA SEDER: "Dynamic window based approach to mobile robot motion control in the presence of moving obstacles", 《PROCEEDINGS 2007 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION》 * |
刘正锋: "环境地图的格栅化及路径规划研究", 《舰船科学技术》 * |
岳高峰: "移动机器人导航规划的双向平滑A-star算法", 《中国科学:技术科学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113815651A (zh) * | 2021-10-29 | 2021-12-21 | 北京触达无界科技有限公司 | 一种无人设备控制方法、装置、设备及存储介质 |
CN114442671A (zh) * | 2022-02-15 | 2022-05-06 | 中国民航工程咨询有限公司 | 一种应急路径规划方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113467483B (zh) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107562048B (zh) | 一种基于激光雷达的动态避障控制方法 | |
CN113467483B (zh) | 动态环境中基于时空栅格地图的局部路径规划方法及装置 | |
Sato et al. | Multilayer lidar-based pedestrian tracking in urban environments | |
AU2021266203B2 (en) | Semantic laser-based multilevel obstacle avoidance system and method for mobile robot | |
Tan et al. | Coordination control for multiple unmanned surface vehicles using hybrid behavior-based method | |
CN109765892A (zh) | 一种无人船集群的碰撞自规避编队控制器结构及设计方法 | |
CN113189984B (zh) | 一种基于改进人工势场法的无人船路径规划方法 | |
Saripalli et al. | Detection and tracking of external features in an urban environment using an autonomous helicopter | |
Chen et al. | Tracking with UAV using tangent-plus-Lyapunov vector field guidance | |
CN113296523A (zh) | 一种移动机器人避障路径规划方法 | |
CN112363527B (zh) | 基于最优控制理论的多飞行器协同围捕方法及系统 | |
WO2022213729A1 (zh) | 对目标的运动信息进行检测的方法和装置、设备和介质 | |
CN110609559B (zh) | 用于无人船路径跟随和避障的改进dwa动态窗口法 | |
Kim | Control laws to avoid collision with three dimensional obstacles using sensors | |
CN110940985B (zh) | 一种多uuv跟踪围捕系统及围捕方法 | |
CN112484726B (zh) | 一种基于三维模型的无人机路径规划方法 | |
CN116719247B (zh) | 一种数字太空仿真系统及方法 | |
CN117369441A (zh) | 一种考虑船舶运动学和CORLEGs的自适应智能船舶路径规划方法 | |
CN208061025U (zh) | 一种基于Dubins路径的无人驾驶车辆避障控制装置 | |
CN114879694A (zh) | 一种基于概率博弈论框架的无人艇自动避碰方法 | |
CN114545971A (zh) | 一种通讯约束下多智能体分布式可飞路径规划方法、系统、计算机设备及介质 | |
CN113359773A (zh) | 一种无人船航行路径决策方法及系统 | |
Lin et al. | Autonomous Landing of a VTOL UAV on a Ship based on Tau Theory | |
CN114167856A (zh) | 一种基于人工情感的服务机器人局部路径规划方法 | |
Liao et al. | Motion planning of UAV platooning in unknown cluttered environment |
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 |