CN113485328A - 一种全覆盖路径规划方法、装置、电子设备和存储介质 - Google Patents
一种全覆盖路径规划方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113485328A CN113485328A CN202110739381.5A CN202110739381A CN113485328A CN 113485328 A CN113485328 A CN 113485328A CN 202110739381 A CN202110739381 A CN 202110739381A CN 113485328 A CN113485328 A CN 113485328A
- Authority
- CN
- China
- Prior art keywords
- grid
- neighbor
- robot
- grid unit
- algorithm
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 75
- 230000004888 barrier function Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000006872 improvement Effects 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 29
- 230000000694 effects Effects 0.000 description 13
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 241000283690 Bos taurus Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010408 sweeping 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
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
本发明实施例公开了一种全覆盖路径规划方法、装置、设备和介质，该方法包括：以始发点为基准，基于改进的向西优先移动WMF算法确定机器人的移动方向；若机器人陷入死区，基于改进的theta*算法脱离死区。通过本发明实施例的技术方案，节省了路径遍历所消耗的总时长，降低了重复遍历率。
Description
技术领域
本发明实施例涉及路径规划技术领域，尤其涉及一种全覆盖路径规划方法、装置、电子设备和存储介质。
背景技术
路径规划是机器人的主要研究方向之一，路径规划是指机器人通过对环境感知的信息和利用构建的地图信息或先验信息，自主规划出一条避开所有障碍物而到达目的地的运行路线。路径规划的目标主要有两个，其一是一种点对点的路径规划，其二是全覆盖路径规划。全覆盖路径规划是一种特殊的路径规划，其往往在重复遍历最少、耗时最少等前提下，寻找一条覆盖整个地图的连续路径。无论是在日常扫地机器人，亦或是在工业探伤机器人，全覆盖路径规划都有广泛的应用。
但是，由于地图大小与环境的千差万别以及障碍物的种类多样，全覆盖路径规划算法并不能一劳永逸地适用于所有情景，且覆盖的效率仍有很大的提升空间。
发明内容
本发明实施例提供了一种全覆盖路径规划方法、装置、电子设备和存储介质，节省了路径遍历所消耗的总时长，降低了重复遍历率。
第一方面，本发明实施例提供了一种全覆盖路径规划方法，包括：
以始发点为基准，基于改进的向西优先移动WMF算法确定机器人的移动方向；
若机器人陷入死区，基于改进的theta*算法脱离死区。
第二方面，本发明实施例还提供了一种全覆盖路径规划装置，包括：
确定模块，用于以始发点为基准，基于改进的向西优先移动WMF算法确定机器人的移动方向；
脱离模块，用于若机器人陷入死区，基于改进的theta*算法脱离死区。
第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所提供的全覆盖路径规划方法步骤。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的全覆盖路径规划方法步骤。
上述发明中的实施例具有如下优点或有益效果：
通过以始发点为基准，基于改进的向西优先移动WMF算法确定机器人的移动方向；若机器人陷入死区，基于改进的theta*算法脱离死区的技术手段，节省了路径遍历所消耗的总时长，降低了重复遍历率。
附图说明
图1是本发明实施例一提供的一种全覆盖路径规划方法的流程图；
图2是本发明实施例一所涉及的一种遍历路径的示意图；
图3是本发明实施例一提供的一种通过四方向的WMF算法进行路径规划的示意图；
图4是本发明实施例一提供的一种通过八方向的改进的WMF算法进行路径规划的示意图；
图5是本发明实施例一提供的一种北north与南south方向的优先级不同时的路径规划示意图；
图6是本发明实施例一提供的一种北north与南south方向的优先级相同时的路径规划示意图；
图7是本发明实施例一提供的一种进入死区的示意图；
图8是本发明实施例一提供的一种脱离死区的路径示意图；
图9是本发明实施例一提供的另一种脱离死区的路径示意图；
图10是本发明实施例一提供的一种针对右凹型障碍物的遍历效果示意图；
图11是本发明实施例一提供的一种针对上凹型障碍物的遍历效果示意图；
图12是本发明实施例一提供的一种针对下凹型障碍物的遍历效果示意图；
图13是本发明实施例一提供的一种针对左凹型障碍物的遍历效果示意图；
图14是本发明实施例一提供的一种左凹型的角点栅格的示意图；
图15是本发明实施例一提供的一种入口栅格的示意图；
图16是本发明实施例一提供的一种左凹槽填充遍历的效果示意图；
图17是本发明实施例一提供的一种左凹槽填充遍历的流程示意图；
图18是本发明实施例二提供的一种全覆盖路径规划装置的结构示意图；
图19是本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种全覆盖路径规划方法的流程图。该方法可以由全覆盖路径规划装置来执行，该装置可以由软件和/或硬件的方式来实现，并集成于电子设备中，比如电脑。
如图1所示，该方法具体包括以下步骤：
步骤110、以始发点为基准，基于改进的向西优先移动WMF算法确定机器人的移动方向。
其中，路径规划通常以所建场景的地图为计算基础，构建地图后可先将地图进行栅格化处理，每个栅格单元的大小可以为机器人的检测范围的大小或者机器人所占面积的大小。对于每个栅格单元，可根据实际的物理空间对每个栅格单元的状态进行标记，例如“0”表示自由栅格，即机器人可以行走的物理区域，“1”表示已经遍历的栅格，即机器人已经走过的物理区域，“∞”表示障碍栅格，即被障碍物占据的物理区域，其中，状态为“1”和“∞”的栅格可以理解为是非自由栅格。当地图矩阵中所有栅格单元的状态均为非0时，表示完全遍历，即全覆盖。
WMF(West－Move First，向西优先移动)算法是实现局部区域覆盖的算法，其核心原理是提出了设置四个不同的移动方向，每个移动方向对应不同的优先级，其优先级从高到低依次：西west(左)、南south(下)、北north(上)、东east(右)。例如当机器人的起始点位于地图最西边(左)时，当机器人使用WMF算法进行遍历时，首先会依次按优先级检测对应方向的栅格单元是否是自由栅格，若是自由栅格，则往其中优先级最高的方向移动。例如机器人会首先检测西west方向，若是自由栅格，机器人会朝西west方向移动，直到西west方向无法行进。这时机器人才会开始检测南south方向，若该方向没有障碍，机器人就会如之前一样向南south移动。但每移动一步，机器人都会优先检测西west方向的栅格是否是自由栅格，若西west方向不存在障碍，机器人则会中断继续向南south方向的行进，转而继续朝西west方向移动，依此优先级类推，直到进入死区。总的来说，机器人在进行遍历的过程中，会按优先级进行遍历，但在满足更高优先级行走条件下，又可以抢断低优先级。如图2所示的一种遍历路径的示意图，使用WMF算法能很好地减少遍历时划分的区域。
通过图2可以看出，使用WMF算法会使机器人主要沿着障碍物或地图的边缘来移动。与牛耕分解算法相比，使原本要分成三个的区域合并为一个，这将减少机器人陷入死区的次数并且将减少重复遍历率。但WMF算法同样存在缺陷。第一，其移动方向只有四个，缺少斜向移动。增加斜向移动后，可减少机器人遍历过程的转向次数，即遍历的耗时。第二，北north与南south方向的优先级应该是相等，不然会导致不必要的重复遍历。因此，本实施例对WMF算法提出了改进。第一点，移动方向从四个增加到八个。经过多次实验，效果较好的优先级从高到低的设置是：西west(左)、西北north-west(左上)、西南south-west(左下)、北north(上)和南south(下)、东east(右)、东北north-east(右上)、东南south-east(右下)。如图3所示的一种通过四方向的WMF算法进行路径规划的示意图以及如图4所示的一种通过八方向的改进的WMF算法进行路径规划的示意图。从图3和图4可以看出，改进的WMF算法(即八方向)可以较好的减少部分不必要的转向，达到了节省遍历耗时的目的。
第二点，北north与南south方向的优先级应该相等，否则容易出现如图5所示的重复遍历较多的问题。其中，图5为北north与南south方向的优先级不同时的路径规划示意图，图6为北north与南south方向的优先级相同时的路径规划示意图，其中，标号510和610分别表示重复遍历的路径，从图5和图6可以看出，当设定北north方向的优先级高于南south方向时，将造成较多重复遍历。
示例性的，所述改进的向西优先移动WMF算法的移动方向包括西、西北、西南、北、南、东、东北和东南。
所述移动方向中西、西北、西南、北、东、东北和东南的优先级依次降低；
其中，向北移动的优先级与向南移动的优先级相同。
示例性的，所述以始发点为基准，基于改进的向西优先移动WMF算法确定机器人的移动方向，包括：
以所述始发点为中心，根据所述移动方向的优先级依次检测所述中心周围的各栅格单元的状态；
根据各栅格单元的状态确定机器人的移动方向。
示例性的，所述以所述始发点为中心，根据所述移动方向的优先级依次检测所述中心周围的各栅格单元的状态，包括：
首先检测所述中心西侧的西邻居栅格单元的状态；
若所述西邻居栅格单元的状态为自由栅格，则控制机器人移动至所述西邻居栅格单元，将所述西邻居栅格单元更新为所述中心，重复上述操作；
若所述西邻居栅格单元的状态为非自由栅格，则检测所述中心西北侧的西北邻居栅格单元的状态；
若所述西北邻居栅格单元的状态为自由栅格，则控制机器人移动至所述西北邻居栅格单元，将所述西北邻居栅格单元更新为所述中心，重复上述操作；
若所述西北邻居栅格单元的状态为非自由栅格，则检测所述中心西南侧的西南邻居栅格单元的状态；
若所述西南邻居栅格单元的状态为自由栅格，则控制机器人移动至所述西南邻居栅格单元，将所述西南邻居栅格单元更新为所述中心，重复上述操作；
若所述西南邻居栅格单元的状态为非自由栅格，则检测所述中心南侧或北侧邻居栅格单元的状态，并根据所述中心南侧或北侧邻居栅格单元的状态控制机器人移动；
若所述中心南侧或北侧邻居栅格单元的状态均为非自由栅格，则检测所述中心东侧的东邻居栅格单元的状态；
若所述东邻居栅格单元的状态为自由栅格，则控制机器人移动至所述东邻居栅格单元，将所述东邻居栅格单元更新为所述中心，重复上述操作；
若所述东邻居栅格单元的状态均为非自由栅格，则检测所述中心东北侧的东北邻居栅格单元的状态；
若所述东北邻居栅格单元的状态为自由栅格，则控制机器人移动至所述东北邻居栅格单元，将所述东北邻居栅格单元更新为所述中心，重复上述操作；
若所述东北邻居栅格单元的状态均为非自由栅格，则检测所述中心东南侧的东南邻居栅格单元的状态；
若所述东南邻居栅格单元的状态为自由栅格，则控制机器人移动至所述东南邻居栅格单元，将所述东南邻居栅格单元更新为所述中心，重复上述操作。
示例性的，所述若所述西南邻居栅格单元的状态为非自由栅格，则检测所述中心南侧或北侧邻居栅格单元的状态，并根据所述中心南侧或北侧邻居栅格单元的状态控制机器人移动，包括：
若所述中心南侧的南邻居栅格单元和所述中心北侧的北邻居栅格单元的状态均为自由栅格，则按照各移动方向的优先级分别向北和向南进行预行走；
选取预行走栅格数较小者对应的方向为最终行走方向；
控制机器人沿所述最终行走方向移动。
步骤120、若机器人陷入死区，基于改进的theta*算法脱离死区。
由于没有像牛耕分解法一样根据是否有障碍将地图分解为若干区域，因此机器人只会依据现有行走优先级在整个地图中行走，在使用WMF算法实现遍历时，会很容易陷入周围栅格都已遍历或不能行走的情况，即进入了死区，如图7所示的一种进入死区的示意图。解决死区问题，传统方法是寻找最近的未遍历栅格，再用A*或theta*算法进行逃脱。但使用传统的theta*算法脱离死区会有大量的栅格间的可见性的判定，因此对于地图较大的环境，将会导致大量的计算，影响运算效率，因此针对大地图需要对theta*算法进行优化，以减少计算量。
本实施例对theta*算法的主要优化如下：首先，使用lazy theta*算法代替传统的theta*算法。两者算法的主要差别在判断栅格可见性的时间节点不同。对于theta*算法，每次会在栅格进入open列表时判断与父节点的可见性，但对于lazy theta*算法，其判断可见性的时间节点延后至使用(打开)该节点时，即最后从终点按父节点回溯寻找起点时。这样将减少大量不必要的open列表中栅格的可见性判断，使运行效率大幅增加。其次，在设计脱离死区算法时，往往会选择与所在栅格最近的未遍历栅格为脱离死区的目标区域。这在大多数情况下是最优的逃脱死区目标点，但对于如图8所示的情况，当障碍物完全阻隔路径时，往往会造成大量不必要的遍历。对于此类问题，可把脱离死区的目标点设置为动态目标点。即使用theta*算法脱离死区时，其目标点不再固定，当机器人按原目标点脱离时，如果有遇到第一个未遍历栅格时，则把目标点更新为此栅格，并中断theta*算法，最后按原theta*算法回溯路径。其效果如图9所示，这样将减少不必要的脱离路径，并且防止割裂未遍历区域。其中，标号810和910分别表示脱离路径。
示例性的，所述若机器人陷入死区，基于改进的theta*算法脱离死区，包括：
基于lazy theta*算法确定脱离目标栅格单元；
当机器人从所述目标栅格单元脱离时，将遇到的第一个自由状态的栅格单元更新为所述目标栅格单元；
基于更新后的目标栅格单元通过theta*算法回溯脱离路径；
基于回溯的脱离路径脱离死区。
进一步的，基于改进的向西优先移动WMF算法确定机器人的移动方向之前，还包括：
识别地图中的左凹型障碍物，并标记左凹角点栅格和入口栅格。
示例性的，所述基于改进的向西优先移动WMF算法确定机器人的移动方向，包括：
若机器人在行走过程中达到任意一个入口栅格，则暂停当前的规划逻辑，开始进行左凹型障碍物的填充遍历。
示例性的，所述进行左凹型障碍物的填充遍历，包括：
以所述入口栅格为基准，使用lazy theta*算法寻路至对应的目标左凹角点栅格；
首先检测所述目标左凹角点栅格东侧的东邻居栅格单元是否满足预设条件，如果满足预设条件，则控制机器人移动至所述目标左凹角点栅格；
否则依次检测所述目标左凹角点栅格北侧的北邻居栅格单元、所述目标左凹角点栅格南侧的南邻居栅格单元、所述目标左凹角点栅格西侧的西邻居栅格单元是否满足预设条件；
若所述东邻居栅格单元、北邻居栅格单元、南邻居栅格单元以及西邻居栅格单元均不满足预设条件，则从左凹角点栅格列表中寻找是否存在位于所述入口栅格右侧且两点间可见的左凹角点栅格，若存在，则控制机器人移动至该栅格，否则控制机器人往左移动一个栅格，直至往左退回到与所述入口栅格对应的同一列，此时左凹型障碍物的填充遍历结束。
考虑到障碍物形状多样，因此本实施例的覆盖路径规划算法考虑了存在凹形障碍物的地图环境。这同时也是遍历路径规划算法中经常被忽略的一部分和WMF算法中仍然存在缺陷的一部分。
凹型障碍填充遍历现存问题：
由于WMF算法对于不同方向设置了行走的优先级，且向右的优先级最低，虽然对于上、下、右凹型障碍物能正常完成遍历(具体可以参见如图10所示的针对右凹型障碍物的遍历效果示意图、如图11所示的针对上凹型障碍物的遍历效果示意图以及如图12所示的针对下凹型障碍物的遍历效果示意图)，但却不能完成左凹型障碍的遍历，造成大量重复遍历，如图13所示的针对左凹型障碍物的遍历效果示意图，其中标号1310表示重复遍历路径。由图13所示，由于不会主动往右行走，导致左凹型的部分成为最后遍历目标，此时将造成大量的重复遍历。对于此类问题，本实施例提出一种左凹型障碍物的识别算法，并在识别出左凹型障碍物后能优先遍历凹槽部分，减少重复遍历与时间。
左凹型障碍物识别：
要解决左凹型障碍物的区域填充问题，首先需要对地图中左凹型障碍物进行识别，本实施例提出一种思路用于解决全局路径规划中的凹型障碍物识别问题。首先，在机器人行走之前，会在全局地图中寻找左凹型的角点，如图14所示，其角点特征是自身栅格1410或1420为自由栅格，而其右侧栅格为障碍栅格且上或下栅格也同时为障碍栅格。此类栅格则为左凹角点栅格。对于每一个左凹角点栅格，不断向左查询，若自身栅格为障碍栅格则中断查找，记为查找失败，若没失败则直到查找至自身与其上或下栅格都不为障碍栅格时停止。如图15所示，此时点1510和1520即为停止点，称此类栅格为入口栅格1510和1520。若入口栅格不存在，则删去对应的角点。记录剩下的左凹角点栅格和与之唯一对应的入口栅格。存在入口栅格的地方则被判定为左凹障碍物处，实现了对左凹型障碍物的识别。
左凹型区域填充遍历：
机器人若在行走过程中到达任一入口栅格，则表示遇到左凹型障碍物，此时，若其对应的左凹角点栅格未被遍历，则会开始处理左凹型障碍物的凹槽填充遍历问题。其遍历原理如下：首先，机器人会从入口栅格使用lazy theta*算法寻路至对应的左凹角点栅格。此时，会改变原本行走的优先级，优先级从高到低变更为：东east(右)、北north和南south(上与下)、西west(左)。同时，其行走条件不再只是要求是自由栅格，行走前还需要判断该栅格是否为左凹角点栅格(其右侧栅格为非自由栅格、且上或下栅格也同时为非自由栅格)。按所设优先级顺序进行判断，若同时满足两个条件，则行走。若北north(上)、南south(下)、东east(右)栅格都无满足条件的栅格，从左凹角点列表中寻找是否存在位于右侧且两点间可见(可见性判断)的左凹角点栅格，若存在则移动至该栅格，否则往左移动一格，直至往左退回到入口栅格对应的同一列，此时左凹槽遍历结束。遍历效果图如图16所示，遍历流程如图17所示。运用此算法，可使机器人在经过左凹型障碍物时，优先遍历左凹型障碍物内侧凹槽，且此算法对于L型左凹障碍物、紧靠边界的左凹型障碍物等特殊左凹型障碍物均有较好的遍历效果，大大减少了由于WMF算法而导致的大量重复遍历问题。
本实施例的技术方案，设计了一种改进的WMF与lazy theta*结合遍历路径规划方法，解决了WMF算法使机器人陷入死区的问题，降低了全覆盖路径规划的重复覆盖率，设计了一种解决含有凹形障碍物地图的全覆盖解决方案，提高了整个算法的普适性。
实施例二
图18为本发明实施例二提供的一种全覆盖路径规划装置的结构示意图，该装置具体包括：确定模块1810和脱离模块1820。
其中，确定模块1810，用于以始发点为基准，基于改进的向西优先移动WMF算法确定机器人的移动方向；脱离模块1820，用于若机器人陷入死区，基于改进的theta*算法脱离死区。
本发明实施例所提供的全覆盖路径规划装置可执行本发明任意实施例所提供的全覆盖路径规划方法，具备执行全覆盖路径规划方法相应的功能模块和有益效果。
实施例三
图19为本发明实施例三提供的一种电子设备的结构示意图。图19示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图19显示的电子设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图19所示，电子设备12以通用计算电子设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图19未显示，通常称为“硬盘驱动器”)。尽管图19中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及全覆盖路径规划，例如实现本发实施例所提供的一种全覆盖路径规划方法步骤，该方法包括：
以始发点为基准，基于改进的向西优先移动WMF算法确定机器人的移动方向；
若机器人陷入死区，基于改进的theta*算法脱离死区。
当然，本领域技术人员可以理解，处理器还可以实现本发明任意实施例所提供的全覆盖路径规划方法的技术方案。
实施例四
本实施例四提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的全覆盖路径规划方法步骤，该方法包括：
以始发点为基准，基于改进的向西优先移动WMF算法确定机器人的移动方向；
若机器人陷入死区，基于改进的theta*算法脱离死区。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、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。在本文件中，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。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (13)
1.一种全覆盖路径规划方法，其特征在于，包括：
以始发点为基准，基于改进的向西优先移动WMF算法确定机器人的移动方向；
若机器人陷入死区，基于改进的theta*算法脱离死区。
2.根据权利要求1所述的方法，其特征在于，所述改进的向西优先移动WMF算法的移动方向包括西、西北、西南、北、南、东、东北和东南。
3.根据权利要求2所述的方法，其特征在于，所述移动方向中西、西北、西南、北、东、东北和东南的优先级依次降低；
其中，向北移动的优先级与向南移动的优先级相同。
4.根据权利要求3所述的方法，其特征在于，所述以始发点为基准，基于改进的向西优先移动WMF算法确定机器人的移动方向，包括：
以所述始发点为中心，根据所述移动方向的优先级依次检测所述中心周围的各栅格单元的状态；
根据各栅格单元的状态确定机器人的移动方向。
5.根据权利要求4所述的方法，其特征在于，所述以所述始发点为中心，根据所述移动方向的优先级依次检测所述中心周围的各栅格单元的状态，包括：
首先检测所述中心西侧的西邻居栅格单元的状态；
若所述西邻居栅格单元的状态为自由栅格，则控制机器人移动至所述西邻居栅格单元，将所述西邻居栅格单元更新为所述中心，重复上述操作；
若所述西邻居栅格单元的状态为非自由栅格，则检测所述中心西北侧的西北邻居栅格单元的状态；
若所述西北邻居栅格单元的状态为自由栅格，则控制机器人移动至所述西北邻居栅格单元，将所述西北邻居栅格单元更新为所述中心，重复上述操作；
若所述西北邻居栅格单元的状态为非自由栅格，则检测所述中心西南侧的西南邻居栅格单元的状态；
若所述西南邻居栅格单元的状态为自由栅格，则控制机器人移动至所述西南邻居栅格单元，将所述西南邻居栅格单元更新为所述中心，重复上述操作；
若所述西南邻居栅格单元的状态为非自由栅格，则检测所述中心南侧或北侧邻居栅格单元的状态，并根据所述中心南侧或北侧邻居栅格单元的状态控制机器人移动；
若所述中心南侧或北侧邻居栅格单元的状态均为非自由栅格，则检测所述中心东侧的东邻居栅格单元的状态；
若所述东邻居栅格单元的状态为自由栅格，则控制机器人移动至所述东邻居栅格单元，将所述东邻居栅格单元更新为所述中心，重复上述操作；
若所述东邻居栅格单元的状态均为非自由栅格，则检测所述中心东北侧的东北邻居栅格单元的状态；
若所述东北邻居栅格单元的状态为自由栅格，则控制机器人移动至所述东北邻居栅格单元，将所述东北邻居栅格单元更新为所述中心，重复上述操作；
若所述东北邻居栅格单元的状态均为非自由栅格，则检测所述中心东南侧的东南邻居栅格单元的状态；
若所述东南邻居栅格单元的状态为自由栅格，则控制机器人移动至所述东南邻居栅格单元，将所述东南邻居栅格单元更新为所述中心，重复上述操作。
6.根据权利要求5所述的方法，其特征在于，所述若所述西南邻居栅格单元的状态为非自由栅格，则检测所述中心南侧或北侧邻居栅格单元的状态，并根据所述中心南侧或北侧邻居栅格单元的状态控制机器人移动，包括：
若所述中心南侧的南邻居栅格单元和所述中心北侧的北邻居栅格单元的状态均为自由栅格，则按照各移动方向的优先级分别向北和向南进行预行走；
选取预行走栅格数较小者对应的方向为最终行走方向；
控制机器人沿所述最终行走方向移动。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述若机器人陷入死区，基于改进的theta*算法脱离死区，包括：
基于lazy theta*算法确定脱离目标栅格单元；
当机器人从所述目标栅格单元脱离时，将遇到的第一个自由状态的栅格单元更新为所述目标栅格单元；
基于更新后的目标栅格单元通过theta*算法回溯脱离路径；
基于回溯的脱离路径脱离死区。
8.根据权利要求1-6任一项所述的方法，其特征在于，基于改进的向西优先移动WMF算法确定机器人的移动方向之前，还包括：
识别地图中的左凹型障碍物，并标记左凹角点栅格和入口栅格。
9.根据权利要求8所述的方法，其特征在于，所述基于改进的向西优先移动WMF算法确定机器人的移动方向，包括：
若机器人在行走过程中达到任意一个入口栅格，则暂停当前的规划逻辑，开始进行左凹型障碍物的填充遍历。
10.根据权利要求9所述的方法，其特征在于，所述进行左凹型障碍物的填充遍历，包括：
以所述入口栅格为基准，使用lazy theta*算法寻路至对应的目标左凹角点栅格；
首先检测所述目标左凹角点栅格东侧的东邻居栅格单元是否满足预设条件，如果满足预设条件，则控制机器人移动至所述目标左凹角点栅格；
否则依次检测所述目标左凹角点栅格北侧的北邻居栅格单元、所述目标左凹角点栅格南侧的南邻居栅格单元、所述目标左凹角点栅格西侧的西邻居栅格单元是否满足预设条件；
若所述东邻居栅格单元、北邻居栅格单元、南邻居栅格单元以及西邻居栅格单元均不满足预设条件，则从左凹角点栅格列表中寻找是否存在位于所述入口栅格右侧且两点间可见的左凹角点栅格，若存在，则控制机器人移动至该栅格，否则控制机器人往左移动一个栅格，直至往左退回到与所述入口栅格对应的同一列，此时左凹型障碍物的填充遍历结束。
11.一种全覆盖路径规划装置，其特征在于，包括：
确定模块，用于以始发点为基准，基于改进的向西优先移动WMF算法确定机器人的移动方向；
脱离模块，用于若机器人陷入死区，基于改进的theta*算法脱离死区。
12.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一项所述的全覆盖路径规划方法步骤。
13.一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，该程序被处理器执行时实现如权利要求1-10中任一项所述的全覆盖路径规划方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110739381.5A CN113485328A (zh) | 2021-06-30 | 2021-06-30 | 一种全覆盖路径规划方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110739381.5A CN113485328A (zh) | 2021-06-30 | 2021-06-30 | 一种全覆盖路径规划方法、装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113485328A true CN113485328A (zh) | 2021-10-08 |
Family
ID=77937129
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110739381.5A Pending CN113485328A (zh) | 2021-06-30 | 2021-06-30 | 一种全覆盖路径规划方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113485328A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114035581A (zh) * | 2021-11-15 | 2022-02-11 | 上海交通大学宁波人工智能研究院 | 一种对含凹形障碍地图的探伤机器人的遍历路径规划方法 |
| CN116754578A (zh) * | 2023-08-18 | 2023-09-15 | 国镓芯科(成都)半导体科技有限公司 | 一种用于晶圆划痕的检测系统及该系统的检测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050192749A1 (en) * | 2003-10-07 | 2005-09-01 | Flann Nicholas S. | Point -to-point path planning |
| CN111562788A (zh) * | 2020-06-04 | 2020-08-21 | 哈尔滨理工大学 | 一种室内智能清扫机器人的路径规划与避障方法 |
| CN114035581A (zh) * | 2021-11-15 | 2022-02-11 | 上海交通大学宁波人工智能研究院 | 一种对含凹形障碍地图的探伤机器人的遍历路径规划方法 |
-
2021
- 2021-06-30 CN CN202110739381.5A patent/CN113485328A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050192749A1 (en) * | 2003-10-07 | 2005-09-01 | Flann Nicholas S. | Point -to-point path planning |
| CN111562788A (zh) * | 2020-06-04 | 2020-08-21 | 哈尔滨理工大学 | 一种室内智能清扫机器人的路径规划与避障方法 |
| CN114035581A (zh) * | 2021-11-15 | 2022-02-11 | 上海交通大学宁波人工智能研究院 | 一种对含凹形障碍地图的探伤机器人的遍历路径规划方法 |
Non-Patent Citations (12)
| Title |
|---|
| 傅思程等: "清扫机器人的新型田埂式路径规划方法", 《电子技术与软件工程》 * |
| 傅思程等: "清扫机器人的新型田埂式路径规划方法", 《电子技术与软件工程》, no. 20, 26 October 2016 (2016-10-26) * |
| 刘小罗: "玻璃幕墙清洗机器人控制系统设计", 中国优秀硕士学位论文全文数据库 信息科技辑, pages 140 - 352 * |
| 唐东林等: "储罐检测爬壁机器人全遍历路径规划", 《工程设计学报》 * |
| 唐东林等: "储罐检测爬壁机器人全遍历路径规划", 《工程设计学报》, no. 02, 30 April 2020 (2020-04-30) * |
| 沈润杰: "适用于喷涂的全覆盖路径规划", 2020中国自动化大会(CAC2020)论文集, pages 594 - 600 * |
| 郭小勤: "未知环境下移动机器人遍历路径规划", 《计算机工程与设计》 * |
| 郭小勤: "未知环境下移动机器人遍历路径规划", 《计算机工程与设计》, no. 01, 16 January 2010 (2010-01-16), pages 2 * |
| 钟雨轩等: "无人水面艇岛礁海域完全遍历路径规划", 《上海大学学报(自然科学版)》 * |
| 钟雨轩等: "无人水面艇岛礁海域完全遍历路径规划", 《上海大学学报(自然科学版)》, no. 01, 28 February 2017 (2017-02-28) * |
| 陈梦林: "全覆盖路径规划算法的研究", 《华中科技大学硕士论文》 * |
| 陈梦林: "全覆盖路径规划算法的研究", 《华中科技大学硕士论文》, 3 June 2020 (2020-06-03), pages 3 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114035581A (zh) * | 2021-11-15 | 2022-02-11 | 上海交通大学宁波人工智能研究院 | 一种对含凹形障碍地图的探伤机器人的遍历路径规划方法 |
| CN116754578A (zh) * | 2023-08-18 | 2023-09-15 | 国镓芯科(成都)半导体科技有限公司 | 一种用于晶圆划痕的检测系统及该系统的检测方法 |
| CN116754578B (zh) * | 2023-08-18 | 2023-11-03 | 国镓芯科(成都)半导体科技有限公司 | 一种用于晶圆划痕的检测系统及该系统的检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7005794B2 (ja) | ロボットスケジューリング、ロボットの経路制御方法、サーバーおよび記憶媒体 | |
| CN107167154B (zh) | 一种基于时间代价函数的时间窗路径规划冲突解决方法 | |
| CN108960506B (zh) | 一种机器人调度方法、装置、服务器和存储介质 | |
| CN113485328A (zh) | 一种全覆盖路径规划方法、装置、电子设备和存储介质 | |
| CN112644480B (zh) | 一种障碍物检测方法、检测系统、计算机设备和存储介质 | |
| JP2021054393A (ja) | 車両のｕターン経路を決定する方法、装置、デバイスおよび媒体 | |
| WO2019141223A1 (zh) | 移动机器人的路径规划方法及系统 | |
| CN107913039A (zh) | 用于清洁机器人的区块选择方法、装置及机器人 | |
| CN111724015B (zh) | 一种搬运任务切换方法、装置、设备和存储介质 | |
| JP7312728B2 (ja) | 車両を制御する方法、装置、機器及び記憶媒体 | |
| CN112068544B (zh) | 一种自主移动装置的调度方法、装置、设备及存储介质 | |
| US11255687B2 (en) | Method for trajectory planning of a movable object | |
| CN112824198B (zh) | 一种轨迹决策方法、装置、设备和存储介质 | |
| CN113899383B (zh) | 基于短路径的多车防死锁方法、系统、设备及存储介质 | |
| CN113532443B (zh) | 路径规划方法、装置、电子设备及介质 | |
| CN113733086B (zh) | 一种机器人的出行方法、装置、设备及存储介质 | |
| CN118258406A (zh) | 一种基于视觉语言模型的自动导引车导航方法及装置 | |
| CN113156950A (zh) | 多机器人智能交通控制方法及装置 | |
| CN113534702B (zh) | 一种控制方法、装置、设备及存储介质 | |
| CN116560360A (zh) | 面向复杂动态场景的医用护理机器人实时动态路径规划方法及系统 | |
| CN113124849B (zh) | 一种室内路径规划方法、装置、电子设备及存储介质 | |
| US20220300002A1 (en) | Methods and systems for path planning in a known environment | |
| Bigaj et al. | A memetic algorithm based procedure for a global path planning of a movement constrained mobile robot | |
| CN113171041A (zh) | 一种目标路径生成方法、装置、设备及存储介质 | |
| CN112764413A (zh) | 一种机器人路径规划方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211008 |
|
| RJ01 | Rejection of invention patent application after publication |