CN113568401B - 一种机器人禁行区域规划方法、系统及机器人 - Google Patents
一种机器人禁行区域规划方法、系统及机器人 Download PDFInfo
- Publication number
- CN113568401B CN113568401B CN202110596136.3A CN202110596136A CN113568401B CN 113568401 B CN113568401 B CN 113568401B CN 202110596136 A CN202110596136 A CN 202110596136A CN 113568401 B CN113568401 B CN 113568401B
- Authority
- CN
- China
- Prior art keywords
- forbidden
- map
- cost
- robot
- planning
- 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 27
- 230000004888 barrier function Effects 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G05D1/0214—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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (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)
- Manipulator (AREA)
Abstract
本发明公开了一种机器人禁行区域规划方法、系统及机器人,本发明方法包括如下步骤:S1、创建全局规划地图;S2、在创建的全局规划地图上新增代价地图,并在代价地图上创建禁行图层;S3、在禁行图层上添加禁行线,该禁行线与其他障碍物或其他禁行线形成禁行区域。本发明的系统包括全局地图规划模块和代价规划地图规划。本发明通过自定义添加进行区域的方式,无需借助物理禁行元件就可以实现对机器人活动区域的限制,简约方便,使用成本更低。
Description
技术领域
本发明涉及人工智能技术领域,具体地说是一种机器人禁行区域规划方法、系统及机器人。
背景技术
ROS平台是目前机器人领域上较为成熟且实用的机器人操作系统,他将机器人的底层硬件和上层软件通过rosmaster进行维护,把复杂的传感器驱动、定位功能、导航决策及路径规划功能以及底层控制均封装成为基于rosmaster 的易于维护的节点,现在的机器人在路径规划过程中,会基于创建好的地图创建代价地图,在机器人自主导航的过程中,许多人眼能够明显识别的障碍物由于传感器的局限性导致机器人直接进行碰撞,不断的增加传感器数量又会导致成本增加,而且也增加了计算力负担。
发明内容
本发明的目的是针对以上不足,提供一种机器人禁行区域规划方法,提高机器人自助导航的安全性,并且减小机器人到岗的计算量,还提供一种用于实现上述方法的机器人进行区域的规划系统,还提供一种带上述系统的机器人。
本发明所采用技术方案是:
一种机器人禁行区域规划方法,包括如下步骤:
S1、创建全局规划地图;
S2、在创建的全局规划地图上新增代价地图,并在代价地图上创建禁行图层;
S3、在禁行图层上添加禁行线,该禁行线与其他障碍物或其他禁行线形成禁行区域。
作为对本发明方法的进一步的优化,本发明步骤S2,在创建禁行图层之前,需要确认所创建的代价地图禁行原点坐标、宽度、高度和分辨率。
作为对本发明方法的进一步的优化,本发明步骤S3中,所述在禁行图层上添加禁行线的过程包括:
S301、添加禁行线段,并确定禁行线段的第一端点在代价地图上的坐标和第二端点在代价地图上的坐标;
S302、根据第一端点的坐标和第二端点的坐标,并采用直线扫描算法确定该线段在所述代价地图上的所有坐标点;
S303、将计算获得的所有坐标点确定其在代价地图上的位置,并将坐标点所代表的地图位置的代价值标记为代表障碍物的代价值。
作为对本发明方法的进一步的优化,本发明步骤S302中,所述坐标直线扫描算法采用bresenham画线算法。
作为对本发明方法的进一步的优化,本发明步骤S303中,将计算获得的所有坐标点确定在代价地图上的位置的公式为:index=y*w+x;其中:w为代价地图的宽度。
本发明还提供一种机器人禁行区域规划系统,包括全局地图规划模块和代价规划地图规划,其中:
所述全局地图规划模块用于使机器人创建全局规划地图,进行机器人活动范围的限制;
所述代价地图规划模块用于机器人创建代价地图,用于实现障碍物的检测,并实现避障功能;
且,通过在代价地图上创建禁行图层,并在禁行图层上添加禁行线,禁行线与障碍物或其他禁行线组成禁行区域。
作为对本发明系统的进一步的优化,本发明在代价地图规划模块中添加禁行线的过程包括:
在创建好的代价地图上确定地图的原点坐标,并确定地图的宽度、高度、分辨率;
添加禁行线段,并确定禁行线段的第一端点在代价地图上的坐标和第二端点在代价地图上的坐标;
根据第一端点的坐标和第二端点的坐标直线扫描算法确定该线段在所述代价地图上的所有坐标点;
将计算获得的所有坐标点确定其在代价地图上的位置,并将坐标点所代表的地图位置的代价值标记为代表障碍物的代价值。
作为对本发明系统的进一步的优化,本发明作为对本发明系统的进一步的优化,本发明所述坐标直线扫描算法采用bresenham画线算法。
作为对本发明系统的进一步的优化,本发明将计算获得的所有坐标点确定在代价地图上的位置的公式为:index=y*w+x;其中:w为代价地图的宽度。
本发明还提供一种机器人,包括上述所述的机器人进行区域规划系统。
本发明具有以下优点:
1、本发明通过自定义添加进行区域的方式,无需借助物理禁行元件就可以实现对机器人活动区域的限制,简约方便,使用成本更低;
2、本发明能够对机器人的活动范围进行自定义禁行限制,提高了自助导航的安全性,避免机器人出现碰撞障碍物的情况发生,而且减少了机器人的行驶面积,降低了机器人自身的计算量。
具体实施方式
下面具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互结合。
需要理解的是,在本发明实施例的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。在本发明实施例中的“多个”,是指两个或两个以上。
本发明实施例中的属于“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,单独存在B,同时存在A和B这三种情况。另外,本文中字符“/”一般表示前后关联对象是一种“或”关系。
本实施例提供一种机器人禁行区域规划方法,包括如下步骤:
S1、创建全局规划地图;
S2、在创建的全局规划地图上新增代价地图,并在代价地图上创建禁行图层,并确认所创建的代价地图禁行原点坐标、宽度、高度和分辨率,所述坐标原点可以设置在地图的左下角,所述宽度和高度是根据实际场景等比例缩小后决定的,所述分辨率为实际场景到地图的缩小比例;
代价地图,顾名思义就是将整张地图根据算法划分为不同代价值的地图,不同代价值代表着机器人的通过性,障碍物所在地通常为最高值,为100,可以通过的区域的代价值一直设置为1,机器人在使用时,由于机器人本身有一定的体积为了避免机器人过去靠近障碍物,通常会以障碍物周围一定范围内划分为100-1的阶梯性递减的代价区间,然后使用A*或者D*算法进行全局路径规划,然后会根据不同的传感器,如激光雷达、摄像头、超声波等进行实时更新障碍数据,然后根据障碍物数据实时的更新局部路径规划;
S3、在禁行图层上添加禁行线,该禁行线与其他障碍物或其他禁行线形成禁行区域;
代价地图上可以扩展多个图层,如静态层、障碍层、膨胀层等,在代价地图上添加进行图层,并创建禁行线,且所述禁行线的过程如下:
S301、添加禁行线段,并确定禁行线段的第一端点在代价地图上的坐标和第二端点在代价地图上的坐标;
S302、根据第一端点的坐标和第二端点的坐标,采用bresenham画线算法确定该线段在所述代价地图上的所有坐标点;
S303、将计算获得的所有坐标点确定其在代价地图上的位置,并将坐标点所代表的地图位置的代价值标记为代表障碍物的代价值,所述计算公式为: index=y*w+x;其中:w为代价地图的宽度,x和y分别为确定的坐标点的坐标,该公式旨在对坐标点做对应的像素点,即将所有像素点按顺序进行排序后,通过坐标定位相应的像素点的位置,并将该像素点的代价值调整为代表障碍物的代价值,即代价值为100,并考虑到机器人的体积,将禁行线的活动区域侧划分100-1的梯度代价值。
本实施例还提供一种机器人禁行区域规划系统,包括全局地图规划模块和代价规划地图规划,其中:
所述全局地图规划模块用于使机器人创建全局规划地图,进行机器人实现全局机器人路径规划;
所述代价地图规划模块用于机器人创建代价地图,用于实现障碍物的检测,并实现避障功能;
且,通过在代价地图上创建禁行图层,并在禁行图层上添加禁行线,禁行线与障碍物或其他禁行线组成禁行区域,且在代价地图规划模块中添加禁行线的过程包括:
在创建好的代价地图上确定地图的原点坐标,并确定地图的宽度、高度、分辨率;
添加禁行线段,并确定禁行线段的第一端点在代价地图上的坐标和第二端点在代价地图上的坐标;
根据第一端点的坐标和第二端点的坐标,采用bresenham画线算法确定该线段在所述代价地图上的所有坐标点;
将计算获得的所有坐标点确定其在代价地图上的位置,并将坐标点所代表的地图位置的代价值标记为代表障碍物的代价值,该过程主要是将计算获得的坐标点对应代价地图上的像素点,其计算公式为index=y*w+x;其中:w为代价地图的宽度,x和y分别为确定的坐标点的坐标,该公式旨在对坐标点做对应的像素点,即将所有像素点按顺序进行排序后,通过坐标定位相应的像素点的位置,并将该像素点的代价值调整为代表障碍物的代价值,即代价值为100,并考虑到机器人的体积,将禁行线的活动区域侧划分100-1的梯度代价值。
本实施例还提供一种机器人,包括上述所述的机器人进行区域规划系统。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (5)
1.一种机器人禁行区域规划方法,其特征在于:包括如下步骤:
S1、创建全局规划地图;
S2、在创建的全局规划地图上新增代价地图,并在代价地图上创建禁行图层;
步骤S2,在创建禁行图层之前,需要确认所创建的代价地图禁行原点坐标、宽度、高度和分辨率;
S3、在禁行图层上添加禁行线,该禁行线与其他障碍物或其他禁行线形成禁行区域;
步骤S3中,所述在禁行图层上添加禁行线的过程包括:
S301、添加禁行线段,并确定禁行线段的第一端点在代价地图上的坐标和第二端点在代价地图上的坐标;
S302、根据第一端点的坐标和第二端点的坐标,并采用直线扫描算法确定该线段在所述代价地图上的所有坐标点;
S303、将计算获得的所有坐标点确定其在代价地图上的位置,并将坐标点所代表的地图位置的代价值标记为代表障碍物的代价值;
步骤S303中,将计算获得的所有坐标点确定在代价地图上的位置的公式为:index=y*w+x;其中:w为代价地图的宽度,x和y分别为确定的坐标点的坐标。
2.根据权利要求1所述的方法,其特征在于:
步骤S302中,所述坐标直线扫描算法采用bresenham画线算法。
3.一种机器人禁行区域规划系统,其特征在于:包括全局地图规划模块和代价规划地图规划,其中:
所述全局地图规划模块用于使机器人创建全局规划地图,进行机器人活动范围的限制;
所述代价地图规划模块用于机器人创建代价地图,用于实现障碍物的检测,并实现避障功能;
且,通过在代价地图上创建禁行图层,并在禁行图层上添加禁行线,禁行线与障碍物或其他禁行线组成禁行区域;
在代价地图规划模块中添加禁行线的过程包括:
在创建好的代价地图上确定地图的原点坐标,并确定地图的宽度、高度、分辨率;
添加禁行线段,并确定禁行线段的第一端点在代价地图上的坐标和第二端点在代价地图上的坐标;
根据第一端点的坐标和第二端点的坐标直线扫描算法确定该线段在所述代价地图上的所有坐标点;
将计算获得的所有坐标点确定其在代价地图上的位置,并将坐标点所代表的地图位置的代价值标记为代表障碍物的代价值;将计算获得的所有坐标点确定在代价地图上的位置的公式为:index=y*w+x;其中:w为代价地图的宽度,x和y分别为确定的坐标点的坐标。
4.根据权利要求3所述的系统,其特征在于:所述坐标直线扫描算法采用bresenham画线算法。
5.一种机器人,其特征在于:包括如权利要求3-4所述的机器人进行区域规划系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110596136.3A CN113568401B (zh) | 2021-05-30 | 2021-05-30 | 一种机器人禁行区域规划方法、系统及机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110596136.3A CN113568401B (zh) | 2021-05-30 | 2021-05-30 | 一种机器人禁行区域规划方法、系统及机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113568401A CN113568401A (zh) | 2021-10-29 |
CN113568401B true CN113568401B (zh) | 2024-04-16 |
Family
ID=78161606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110596136.3A Active CN113568401B (zh) | 2021-05-30 | 2021-05-30 | 一种机器人禁行区域规划方法、系统及机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113568401B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009157430A (ja) * | 2007-12-25 | 2009-07-16 | Toyota Motor Corp | 座標補正方法、座標補正プログラム、及び自律移動ロボット |
CN109709945A (zh) * | 2017-10-26 | 2019-05-03 | 深圳市优必选科技有限公司 | 一种基于障碍物分类的路径规划方法、装置及机器人 |
CN110514204A (zh) * | 2018-05-21 | 2019-11-29 | 北京京东尚科信息技术有限公司 | 航迹规划方法、装置、飞行器和计算机可读存储介质 |
CN111781936A (zh) * | 2020-08-07 | 2020-10-16 | 深圳中智永浩机器人有限公司 | 机器人路径规划方法、装置、机器人及计算机可读存储介质 |
CN111874007A (zh) * | 2020-08-06 | 2020-11-03 | 中国科学院自动化研究所 | 基于知识与数据驱动的无人车分层决策方法、系统、装置 |
CN112353303A (zh) * | 2020-10-29 | 2021-02-12 | 广东杜尼智能机器人工程技术研究中心有限公司 | 代价地图限制通行区域设置方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190286145A1 (en) * | 2018-03-14 | 2019-09-19 | Omron Adept Technologies, Inc. | Method and Apparatus for Dynamic Obstacle Avoidance by Mobile Robots |
-
2021
- 2021-05-30 CN CN202110596136.3A patent/CN113568401B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009157430A (ja) * | 2007-12-25 | 2009-07-16 | Toyota Motor Corp | 座標補正方法、座標補正プログラム、及び自律移動ロボット |
CN109709945A (zh) * | 2017-10-26 | 2019-05-03 | 深圳市优必选科技有限公司 | 一种基于障碍物分类的路径规划方法、装置及机器人 |
CN110514204A (zh) * | 2018-05-21 | 2019-11-29 | 北京京东尚科信息技术有限公司 | 航迹规划方法、装置、飞行器和计算机可读存储介质 |
CN111874007A (zh) * | 2020-08-06 | 2020-11-03 | 中国科学院自动化研究所 | 基于知识与数据驱动的无人车分层决策方法、系统、装置 |
CN111781936A (zh) * | 2020-08-07 | 2020-10-16 | 深圳中智永浩机器人有限公司 | 机器人路径规划方法、装置、机器人及计算机可读存储介质 |
CN112353303A (zh) * | 2020-10-29 | 2021-02-12 | 广东杜尼智能机器人工程技术研究中心有限公司 | 代价地图限制通行区域设置方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113568401A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107390681A (zh) | 一种基于激光雷达与地图匹配的移动机器人实时定位方法 | |
CN106325280B (zh) | 一种多机器人防碰撞方法及系统 | |
CN102915465B (zh) | 一种基于移动生物刺激神经网络的多机器人联合编队方法 | |
CN110081894A (zh) | 一种基于道路结构权值融合的无人车轨迹实时规划方法 | |
CN109987092A (zh) | 一种车辆避障换道时机的确定方法及避障换道的控制方法 | |
CN110471427A (zh) | 一种基于路径规划与人工势场法的船舶编队智能避碰方法 | |
CN106909145A (zh) | 无人航道测量船障碍物实时感知避障系统与方法 | |
CN107036594A (zh) | 智能电站巡检智能体的定位与多粒度环境感知技术 | |
CN107330377B (zh) | 一种桥梁防撞系统中的虚拟航道构建与船舶偏航检测方法 | |
JP2023522262A (ja) | 地図生成方法、装置、記憶媒体及びプロセッサ | |
CN111949032A (zh) | 一种基于强化学习的3d避障导航系统及方法 | |
CN115774444B (zh) | 一种基于稀疏导航地图的路径规划优化方法 | |
CN115143964A (zh) | 一种基于2.5d代价地图的四足机器人自主导航方法 | |
Andersen et al. | Trajectory optimization and situational analysis framework for autonomous overtaking with visibility maximization | |
CN111830983A (zh) | 动态环境下的多智能体群系统导航与避障方法及装置 | |
CN113009912A (zh) | 一种基于混合a星的低速商用无人车路径规划算法 | |
CN108363395A (zh) | 一种agv自主避障的方法 | |
CN113568401B (zh) | 一种机器人禁行区域规划方法、系统及机器人 | |
CN115373388A (zh) | 一种舰载机器人的路径规划系统及方法 | |
WO2023151499A1 (zh) | 空位识别方法、车辆及可读存储介质 | |
JP7298063B1 (ja) | 機械学習認識システム | |
CN116718190A (zh) | 一种长距离密集人群场景下的移动机器人路径规划方法 | |
CN113607161B (zh) | 机器人导航路径宽度获取系统、方法、机器人及存储介质 | |
CN115797900B (zh) | 基于单目视觉的车路姿态感知方法 | |
CN111975775B (zh) | 基于多角度视觉感知的自主机器人导航方法及系统 |
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 |