CN113589830B - 一种机器人行走方位预测方法及设备 - Google Patents
一种机器人行走方位预测方法及设备 Download PDFInfo
- Publication number
- CN113589830B CN113589830B CN202111169137.6A CN202111169137A CN113589830B CN 113589830 B CN113589830 B CN 113589830B CN 202111169137 A CN202111169137 A CN 202111169137A CN 113589830 B CN113589830 B CN 113589830B
- Authority
- CN
- China
- Prior art keywords
- robot
- coordinate
- coordinate point
- speed
- point
- 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 54
- 230000004888 barrier function Effects 0.000 claims abstract description 59
- 230000003068 static effect Effects 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 15
- 101100182248 Caenorhabditis elegans lat-2 gene Proteins 0.000 claims description 9
- 101100182247 Caenorhabditis elegans lat-1 gene Proteins 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims 2
- 230000001276 controlling effect Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- 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
- G05D1/0212—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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0225—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving docking at a fixed facility, e.g. base station or loading bay
-
- 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
-
- 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
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Optics & Photonics (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本申请实施例公开了一种机器人行走方位预测方法及设备。属于测量方位技术领域。实时记录当前机器人的位置信息,以及对障碍物进行距离检测;在检测到同时存在静态障碍物与动态障碍物时,获取静态障碍物周围空余通道的宽度,以及获取动态障碍物的预测速度与预测运行路线,并将当前位置记录为第一坐标;在空余通道中标注出多个第二坐标点,计算机器人分别前进至多个第二坐标点的路径长度,得到最短路径,并根据最短路径调节机器人的第一水平偏移角度;若动态障碍物的预测运行路线与最短路径有交点,对动态障碍物运行至最短路径的时间进行预测,以对机器人的速度进行调整,使得机器人前进至空余通道。
Description
技术领域
本申请涉及方位测量领域,尤其涉及一种机器人行走方位预测方法及设备。
背景技术
随着智能化时代的到来,机器人已经逐渐走进人们的生活,从工厂产品线上的智能机械手到生活中的服务机器人,我们的社会即将进入智能机器人的时代。
在现有的机器人移动控制方法中,通常采用如下两种方式:第一种为了确保机器人能够与位于目标位置的目标物体精准对接,预先在目标物体周围设置导轨,从而控制机器人移动至导轨附近,并通过导轨精准移动至目标位置。第二种是根据机器人的当前位置以及目标位置,控制机器人转向,以使机器人朝向目标物体移动。
对于服务机器人等可以自主移动的智能设备来说,通常是输入起始位置与目的位置,使得机器人按照预设路径到达目的位置。然而,机器人在行走的时候,通常会遇到预设路径中没有标注的静态障碍,例如,桌椅挡住预设路径,以及没有标注的动态障碍,例如,人员的走动。此时,机器人需要偏离预设路径以同时躲避静态障碍与动态障碍,但现有技术通常会出现机器人在躲避障碍物时躲避路线不合理,以致机器人行驶路线较长的问题。
发明内容
本申请实施例提供了一种机器人行走方位预测方法及设备,用于解决如下技术问题:机器人躲避障碍时行驶路线较长。
本申请实施例采用下述技术方案:
本申请实施例提供一种计算机器人行走方位预测方法。包括,在机器人根据预设路径前进过程中,实时记录当前的位置信息,以及对障碍物进行距离检测;在检测到预设范围内同时存在静态障碍物与动态障碍物时,获取静态障碍物周围的空余通道的宽度,以及获取动态障碍物的预测速度以及预测运行路线,并将当前位置记录为第一坐标;若空余通道的宽度大于机器人机身宽度,在空余通道中标注出多个第二坐标点,计算出机器人在第一坐标点,分别前进至多个第二坐标点的路径长度,以得到最短路径,并根据最短路径调节机器人的第一水平偏移角度;若动态障碍物的预测运行路线与最短路径有交点,对动态障碍物运行至最短路径的时长进行预测,并根据预测出的时长,对机器人的速度进行调整,以使机器人与动态障碍物避免碰撞;根据第一水平偏移角度以及调整后的速度,控制机器人前进至空余通道。
本申请实施例通过计算出机器人前往空余通道的最短路径,以点得到机器人到达空余通道的水平偏移角度。不仅能让机器人通过最短路径躲避障碍,节约能源,另一方面也能够通过坐标点的计算,提高机器人行走方位的准确性,降低与障碍物发生碰撞的几率。此外,机器人能够根据移动障碍物的速度与路径,对可移动障碍物进行躲避,从而增加机器人通过最短路径的安全性,并通过对碰撞时间的计算,能够让机器人以最短路径行驶的过程中,可以对静态障碍物与动态障碍物进行躲避。
在本申请的一种实现方式中,计算出机器人在第一坐标点,分别前进至多个第二坐标点的路径长度,以得到最短路径,并根据最短路径调节机器人的第一水平偏移角度,具体包括:根据第一坐标的经度值与纬度值,以及多个第二坐标点分别对应的经度值与纬度值,计算第一坐标点与多个第二坐标点之间分别对应的水平直线距离,以得到水平直线距离最短的路径;确定出最短路径对应的第二坐标点;计算出第一坐标点的经度与第二坐标点的经度之间的第一差值,以及计算出第一坐标点的纬度与第二坐标点的纬度之间的第二差值,根据第一差值与第二差值,确定出第一坐标点与第二坐标点之间的第一水平偏移角度;将机器人的前进角度调节至第一水平偏移角度,以使机器人按照第一水平偏移角度对应的方位行走。
在本申请的一种实现方式中,若空余通道的宽度大于机器人机身宽度,在空余通道中标注出多个第二坐标点,具体包括:将机器人机身宽度进行均分,获取均分后的宽度值;以空余通道的两端为起点,分别去除均分后的宽度值对应的距离,得到可通行通道;获取可通行通道的端点坐标,并将端点坐标之间的通道划分为多个连续的小通道,确定出每一个小通道分别对应的第二坐标点。
本申请实施例通过获取机器人的机身宽度以及空余通道的宽度,能够计算出可通行通道的宽度。因为机器人在以最短路径前往空余通道的过程中,会出现与障碍物边缘碰撞的现象。本申请实施例为了确保机器人能够安全的穿过可通行通道,以机器人的机身宽度为标准,在可通行通道原有长度的基础上,缩短一定的距离,进而,确保机器人能够在不与障碍物边缘产生碰撞的基础上,穿过可通行通道。
在本申请的一种实现方式中,计算第一坐标点与多个第二坐标点之间分别对应的水平直线距离,具体包括:根据公式
以及,根据第一坐标点的经纬度值与多个可通行坐标点分别对应的经纬度值,计算出第一坐标点与可通行坐标点之间的水平直线距离;其中,R为地球半径;d为水平距离,lat1为第一坐标点的纬度;lng1为第一坐标的经度;lat2为第二坐标点的纬度;lng2为第二坐标点的经度。
在本申请的一种实现方式中,根据第一差值与第二差值,确定出第一坐标点与第二坐标点之间的第一偏移角度,具体包括:根据公式
以及第一坐标点的经纬度值与第二坐标点的经纬度值,计算得到第一水平偏移角度;其中,为第一水平偏移角度;lat1为第一坐标点的纬度;lng1为第一坐标的经度;lat2为第二坐标点的纬度;lng2为第二坐标点的经度;PI为圆周率。
在本申请的一种实现方式中,获取动态障碍物的预测速度以及预测运行路线,具体包括:对动态障碍物进行速度采样,将得到的采样速度输入预设速度预测模型,以得到运动障碍物的预测速度;根据动态障碍物在当前采样点对应的横向线速度、纵向线速度,以及水平偏移角度,计算得到动态障碍物的运动路径;根据动态障碍物在当前采样点的坐标位置,以及运动路径,得到运动障碍物在下一时刻的坐标位置;根据下一时刻的坐标位置以及下一时刻对应的预测速度,以实现对动态障碍物运行路线的预测。
在本申请的一种实现方式中,对运动障碍物运行至最短路径的时间进行预测,并根据预测出的时间,对机器人的速度进行调整,具体包括:根据动态障碍物对应的预测运行路线,确定预测运行路线与最短路径的交点,并获取动态障碍物从当前位置运行至交点的路线长度;根据路线长度以及预测速度,得到动态障碍物运行至交点的第一所需时长;根据机器人当前的设定速度,计算机器人按照最短路径运行至交点的第二所需时长;在第二所需时长与第一所需时长的差值小于第一预设时长的情况下,对机器人的速度进行调节。
在本申请的一种实现方式中,根据第一水平偏移角度以及调整后的速度,控制机器人前进至空余通道之后,方法还包括:获取障碍物的横截距,将机器人的水平偏移角度调至正前方;控制机器人向正前方行走,以使行走距离大于横截距对应的距离,并将当前位置记录为第三坐标点;确定剩余预设路径中,与第三坐标点最近的点,并计算出第三坐标点与最近的点之间的第二水平偏移角度;根据第二水平偏移角度调节机器人的行走方位,以使机器人重新回到预设路径。
在本申请的一种实现方式中,在机器人根据预设路径前进过程中,实时记录当前的位置信息之后,方法还包括:实时获取机器人所在位置的高度值,以及确定出预设路径中的坡点坐标;其中,坡点为斜坡的最高点;在高度值下降,且当前位置没有标注坡点的情况下,将机器人的行驶速度调节为预设第一速度,并将当前位置记录为第四坐标点;在机器人按照预设第一速度行驶预设时长后,记录下机器人到达的第五坐标点;根据第四坐标点与第五坐标点,计算得到机器人的水平移动距离;根据第四坐标点对应的高度值,以及第五坐标点对应的高度值,确定出高度变换值;根据水平移动距离,以及高度变换值,计算出当前斜坡的垂直方向的偏角,以根据垂直方向的偏角确定出机器人的第一减速值;在高度值下降值小于第一预设高度值的情况下,将机器人的行驶速度调节至正常行驶速度。
本申请实施例通过计算机器人的行驶的直径距离,以及高度变换值,能够确定出机器人当前是否处于斜坡路况中。并通过计算出当前斜坡对应的垂直方向的偏角,对机器人的速度进行调节,提高机器人下坡过程中的安全性。
本申请实施例提供一种计算机器人行走方位预测设备,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:在机器人根据预设路径前进过程中,实时记录当前的位置信息,以及对障碍物进行距离检测;在检测到预设范围内同时存在静态障碍物与动态障碍物时,获取静态障碍物周围的空余通道的宽度,以及获取动态障碍物的预测速度以及预测运行路线,并将当前位置记录为第一坐标;若空余通道的宽度大于机器人机身宽度,在空余通道中标注出多个第二坐标点,计算出机器人在第一坐标点,分别前进至多个第二坐标点的路径长度,以得到最短路径,并根据最短路径调节机器人的第一水平偏移角度;若所述动态障碍物的预测运行路线与所述最短路径有交点,对动态障碍物运行至最短路径的时长进行预测,并根据预测出的时长,对机器人的速度进行调整,以使机器人与动态障碍物避免碰撞;根据第一水平偏移角度以及调整后的速度,控制机器人前进至空余通道。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:本申请实施例通过计算出机器人前往空余通道的最短路径,以得到机器人到达空余通道的水平偏移角度。不仅能让机器人通过最短路径躲避障碍,节约能源,另一方面也能够通过坐标点的计算,提高机器人行走方位的准确性,降低与障碍物发生碰撞的几率。此外,机器人能够根据移动障碍物的速度与路径,对可移动障碍物进行躲避,从而增加机器人通过最短路径的安全性,并通过对碰撞时间的计算,能够让机器人以最短路径行驶的过程中,可以对静态障碍物与动态障碍物进行躲避。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本申请实施例提供的一种机器人行走方位预测方法流程图;
图2为本申请实施例提供的一种机器人避障示意图;
图3为本申请实施例提供的一种机器人行走方位预测设备结构示意图。
具体实施方式
本申请实施例提供一种机器人行走方位预测方法及设备。
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本说明书实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
在现有的机器人移动控制方法中,通常采用如下两种方式实现:在第一种控制方式中,为了确保机器人能够与位于目标位置的目标物体精准对接,预先在目标物体周围设置导轨,从而控制机器人移动至导轨附近,并通过导轨精准移动至目标位置。在第二种控制方式中,根据机器人的当前位置以及目标位置,控制机器人转向,以使机器人朝向目标物体移动。
对于服务机器人等可以自主移动的智能设备来说,通常是输入起始位置与目的位置,使得机器人按照预设路径到达目的位置。
然而,机器人在行走的时候,通常会遇到预设路径中没有标注的静态障碍,例如,桌椅挡住预设路径,以及没有标注的动态障碍,例如,人员的走动。此时,机器人需要偏离预设路径以同时躲避静态障碍与动态障碍,但现有技术通常会出现机器人在躲避障碍物时躲避路线不合理,以致机器人行驶路线较长的问题。
为了解决上述问题,本申请实施例提供一种计算机器人行走方位的方法及设备。通过计算出机器人前往空余通道的最短路径,以得到机器人到达空余通道的水平偏移角度。不仅能让机器人通过最短路径躲避障碍,节约能源,另一方面也能够通过坐标点的计算,提高机器人行走方位的准确性,降低与障碍物发生碰撞的几率。此外,机器人能够根据移动障碍物的速度与路径,对可移动障碍物进行躲避,从而增加机器人通过最短路径的安全性,并通过对碰撞时间的计算,能够让机器人以最短的路径行驶的过程中,可以对静态障碍物与动态障碍物进行躲避。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种计算机器人行走方位预测方法流程图。如图1所示,计算机器人行走方位的方法,包括如下步骤:
步骤101、服务器在机器人根据预设路径前进过程中,实时记录当前的位置信息,以及对障碍物进行距离检测。
在本申请的一个实施例中,在对机器人输入目标位置后,机器人能够按照预设路径前往至目标位置。在机器人行走过程中,服务器会实时记录机器人的坐标位置,以确定机器人是否偏离航线。此外,服务器也会接收机器人对周围环境中的测量数据,以确定周围是否存在阻挡机器人前进的障碍物。
具体地,机器人可以安装激光测距仪,利用激光对障碍物的距离进行测定。机器人在向前行驶时,通过激光测距仪向前方射出激光,再由光电元件接收障碍物反射的激光束,并通过计时器测定激光束从发射到接收的时间,从而计算出机器人当前位置与障碍物之间的距离。
本申请实施例通过测距仪器实时对周围的障碍物进行距离测量。在测量得到的距离小于预设距离,例如,在测量得到的距离小于1m的情况下,可以确定该障碍物对机器人的行进产生了阻挡。
此外,通过获取机器人的实时坐标位置,可以确定机器人是否按照航线行走。若较长时间段内,机器人的位置没有发生变化,可以判断该机器人发生了故障,或者遇到了无法避免的障碍阻挡机器人前行。
本申请实施例通过实时获取机器人在前进过程中的位置信息,能够及时判断出机器人是否发生了故障,以及时对机器人进行故障处理,从而确保机器人能够顺利完成当前任务。此外,通过对周围环境进行距离测量,能够判断出机器人行走过程中是否遇到了临时障碍,以及时更改路径,确保机器人的工作效率。
需要说明的是,本申请实施例中的机器人为人形机器人,且底部带有滑轮,通过滑轮带动机器人运动。
步骤102、在检测到预设范围内存在障碍物时,服务器获取静态障碍物周围的空余通道,以及获取动态障碍物的预测速度以及预测运行路线,并将当前位置记录为第一坐标。
在本申请的一个实施例中,在机器人检测到预设范围内存在静态障碍物时,将当前位置记录为第一坐标。例如,机器人检测到前方1m的地方存在障碍物,阻挡机器人在预设路径的通行。此时,服务器获取机器人与该障碍物的直线距离。并测量出障碍物的边缘与当前通道之间的空余通道的距离。以判断空余通道的宽度是否容许机器人成功穿行。
在本申请的一个实施例中,在测量得到障碍物与机器人的距离发生变换时,将该障碍物确定为动态障碍物。此时,对动态障碍物进行速度采样,将得到的采样速度输入预设速度预测模型,以得到运动障碍物的预测速度。根据运动障碍物在当前采样点对应的横向线速度、纵向线速度,以及水平偏移角度,计算得到运动障碍物的运动路径。根据运动障碍物在当前采样点的坐标位置,以及运动路径,得到运动障碍物在下一时刻的坐标位置。根据下一时刻的坐标位置以及下一时刻对应的预测速度,以实现对运动障碍物运动路径的预测。
具体的,预先采集动态障碍物在连续时间段内多组速度数据样本,其中,速度数据样本可以包括动态障碍物的运动速度、动态障碍物横向的线速度,以及动态障碍物纵向的线速度。将前一时刻对应的速度数据样本作为输入,将后一时刻对应的速度数据样本作为输出,对神经网络模型进行训练,得到预设速度预测模型。
具体地,在机器人确定有动态障碍物时,对动态障碍物进行速度采样,将当前时刻的采样速度输入预设速度预测模型,以得到下一时刻动态障碍物的运动速度、下一时刻动态障碍物横向的线速度,以及下一时刻动态障碍物纵向的线速度。从而实现对动态障碍物进行速度预测。
具体地,对于动态障碍物对应的n时刻采样速度,利用公式确定n+1时刻动态障碍物在横向的坐标位置。利用确定n+1时刻动态障碍物在纵向的坐标位置。其中,表示n+1时刻动态障碍物在横向的坐标位置,表示n时刻动态障碍物在横向的坐标位置,表示n时刻动态障碍物横向的线速度,表示n时刻动态障碍物纵向的线速度,表示运动控制时间,表示动态障碍物水平偏移角,根据n-1时刻与n时刻,动态障碍物在横向的位置坐标差值以及在纵向的位置坐标差值,得到动态障碍物的运行方位,将该方向与水平线方向进行比对,得到动态障碍物的水平偏移角。表示n+1时刻动态障碍物在纵向的坐标位置,表示n时刻动态障碍物在纵向的坐标位置。
例如,通过激光测距仪,可以得到当前动态障碍物与机器人之间的距离,将激光测距仪打出的激光的方向与水平方向进行比对,得到动态障碍物的方位。通过距离与方位,以及机器人的坐标位置,得到动态障碍物的坐标位置。通过上一时刻与当前时刻机器人的坐标位置变化,得到动态障碍物当前时刻的速度数据与水平偏移角。假设当前时刻为n时刻,将n时刻对应的速度输入预设速度预测模型,得到动态障碍物在n+1时刻的速度,根据n时刻的速度数据、n时刻动态障碍物的坐标位置,以及上述用于计算横向坐标与纵向坐标的公式,预测出动态障碍物在n+1时刻横向的坐标位置与纵向的坐标位置,从而得到n+1时刻动态障碍物的坐标位置。将n时刻与n+1时刻分别对应的坐标点之间的连线,作为运动路径。重复上述方法,可以将n+1时刻对应的速度与位置作为输入,得到n+1与n+2时刻之间的运动路径,从而可以对机器人的运行路径进行预测。
步骤103、若空余通道的宽度大于机器人机身宽度,在空余通道中标注出多个第二坐标点,计算出机器人在所述第一坐标点,分别前进至多个第二坐标点的路径长度,以得到最短路径,并根据最短路径调节机器人的第一水平偏移角度。
在本申请的一个实施例中,将机器人机身宽度进行均分,获取均分后的宽度值。以空余通道的两端为起点,分别去除均分后的宽度值对应的距离,得到可通行通道。获取可通行通道的端点坐标,并将端点坐标之间的通道划分为多个连续的小通道,确定出每一个小通道分别对应的第二坐标点。
具体地,假设以机器人的中心点对应的坐标位置作为机器人的坐标位置。此时,将机器人的宽度分为两部分,得到机器人一半的机身宽度。对空余通道的两端分别减去一半机身宽度所对应的距离,以缩短空余通道的长度,得到可通行通道。此时,机器人在到达可通行通道后,不会与两端的障碍物或者墙壁产生碰撞。
进一步地,为了得到机器人从第一坐标点位置到达可通行通道的最短距离,将可通行通道划分为若干个小通道,并确定出每一个小通道对应的第二坐标点。例如,可以将每一个小通道的中心点位置作为该小通道对应的第二坐标点,也可以将每个小通道对应的两端端点作为第二坐标点。以此计算出从第一坐标点分别到达第二坐标点的水平直线距离,通过比对,以得到最短路径。
图2为本申请实施例提供的一种机器人避障示意图。如图2所示。机器人在A点向前行驶的过程中发现前方有静态障碍物。此时,经测量发现障碍物左侧有通道。将可通行通道的左侧边缘与障碍物边缘之间的水平直线记录为空余通道。将空余通道从左至右去除一半机身宽度的距离,以及,从右至左去除一半机身宽度的距离。两端去除后,剩余的B1至B3之间的通道即为可通行通道。在该可通行通道中确定出若干个第二坐标点,如图中B1、B2、B3。根据水平距离测量公式,对机器人从A点分别前往图中B1、B2、B3三个点的直径距离进行计算,以得到最短路径。
本申请实施例机器人在通过滑轮变换方向斜着向空余通道行驶的过程中,假设经测量得到障碍物的边缘距离机器人的当前位置最近,此时机器人到达空余通道后会与障碍物产生碰撞。因此,需要将空余通道的两端进行缩减,减小空余通道的宽度,从而确保机器人不会与两端的障碍物或墙壁产生碰撞。
在本申请的一个实施例中,根据第一坐标的经度值与纬度值,以及多个第二坐标点分别对应的经度值与纬度值,计算第一坐标点与多个第二坐标点之间分别对应的水平直线距离,以得到水平直线距离最短的路径。确定出最短路径对应的第二坐标点。计算出第一坐标点的经度与第二坐标点的经度之间的第一差值,以及计算出第一坐标点的纬度与第二坐标点的纬度之间的第二差值,根据第一差值与第二差值,确定出第一坐标点与第二坐标点之间的第一偏移角度。将机器人的前进角度调节至第一偏移角度,以使机器人按照第一偏移角度对应的方位行走。
具体地,根据公式
计算出所述第一坐标点与第二坐标点之间的水平直线距离。其中,R为地球半径,d为水平距离,lat1为第一坐标点的纬度;lng1为第一坐标的经度;lat2为第二坐标点的纬度;lng2为第二坐标的经度。
具体地,根据公式
例如,假设机器人当前的第一坐标点为(lng1,lat1),经测量得到空余通道的多个第二坐标点分别为(lng2,lat2)、(lng3,lat3)、(lng4,lat4)、(lng5,lat5)。根据坐标经纬度值,可以计算出第一坐标点到达(lng2,lat2)坐标点的距离最近。此时,即可将(lng2,lat2)点作为可通行通道中的第二坐标点。根据第一坐标点与该第二坐标点之间的水平偏移角度,调节机器人的前进方向,以控制机器人根据水平直线距离前往该第二坐标点。
具体地,本申请实施例中的机器人可以安装有GPS接收设备,以获取机器人所在位置的经纬度。此外,根据其它坐标点与机器人所在坐标点之间的水平角度差值与直径距离,以及机器人当前位置对应的经纬度,可以得到其它坐标点所对应的经纬度。
需要说明的是,本申请实施例中的水平偏移角度以正东方位为准,顺时针方位为正,逆时针方位为负。与水平正东方向的偏角称为水平偏移角。如图2所示,图中角a即为一个水平偏移角。
本申请实施例通过计算机器人躲避障碍物的最短路径,能够缩短机器人躲避障碍物的路线长度,减少机器人的能源浪费。其次,最短的路径也可以帮助机器人以较短的时间穿过障碍物,从而确保机器人的工作效率。
步骤104、若动态障碍物的预测运行路线与最短路径有交点,服务器对动态障碍物运行至最短路径的时间进行预测,并根据预测出的时间,对机器人的速度进行调整,以使机器人与动态障碍物避免碰撞。
在本申请的一个实施例中,根据动态障碍物对应的预测运行路线,确定预测运行路线与最短路径的交点,并获取动态障碍物从当前位置运行至交点的路线长度。根据路线长度以及预测速度,得到动态障碍物运行至交点的第一所需时长。根据机器人当前的设定速度,计算机器人按照最短路径运行至交点的第二所需时长。在第二所需时长与第一所需时长的差值小于第一预设时长的情况下,对机器人的速度进行调节。
具体地,机器人在第一坐标前往第二坐标的过程中,可能会有其他动态障碍物的干扰。因此,机器人还需要对动态障碍物进行躲避。在获取到动态障碍物的预测速度与预测运行路线后,可以确定出预测运行路线与当前最短路径的交点。并根据动态障碍物的预测速度,确定出动态障碍物从当前位置到达该交点的所需时长。之后,获取机器人的当前速度,以及从当前位置到达该交点的路径长度,以计算出机器人到达该交点的所需时长。
例如,经计算后得到动态障碍物到达该交点的时长为5S,机器人到达该交点的时长为4S,此时两个时长相差较小,会有产生碰撞的几率。因此,可以提高机器人的速度,使得机器人在3S内即可到达该交点,此时,不会与动态障碍物产生碰撞,机器人可以安全到达空余通道中的第二坐标点。
具体地,若计算后,机器人到达交点的时长小于动态障碍物达到该交点的时长,此时可以提高机器人的行驶速度。反之,若机器人到达交点的时长大于动态障碍物达到该交点的时长,此时可以降低机器人的行驶速度。
需要说明的是,在机器人执行紧急任务的情况下,无论机器人到达该交点的时长是否小于动态障碍物到达该交点的时长,都可以提升机器人的行驶速度,以确保机器人在较短时长内躲避障碍物。
步骤105、服务器根据第一水平偏移角度以及调整后的速度,控制机器人前进至空余通道。
在本申请的一个实施例中,服务器对机器人的水平偏移角度以及速度进行调整,以确保机器人按照最短路径同时躲避动态障碍物与静态障碍物。
在本申请的一个实施例中,机器人在到达空余通道上的第二坐标点之后,获取静态障碍物的横截距,将机器人的水平偏移角度调至正前方。控制机器人向正前方行走,以使行驶距离大于横截距对应的距离,并将当前位置记录为第三坐标点。确定剩余预设路径中,与第三坐标点最近的点,并计算出第三坐标点与最近的点之间的第二水平偏移角度。根据第二水平偏移角度调节机器人的行走方位,以使机器人重新回到预设路径。
具体地,机器人在到达空余通道上的第二坐标点之后,先将机器人的方向调整为面向障碍物的侧面,通过机器人安装的激光测距仪对障碍物的侧面发射激光,获取接收到反射激光的最短时间,以确定出机器人在当前位置距离障碍物的最近距离。左右调整机器人的角度,分别获取接收到障碍物反射回的激光的最长时间。以获取障碍物两端分别与机器人的最远距离。通过最短距离,机器人向左、向右分别旋转的角度,以及障碍物左端与右端分别与机器人之间的最远距离,可以得到障碍物的横截距。
如图2所示,障碍物所对应的字母标识b1与b2之间的距离,即为障碍物的横截距。
具体地,服务器通过获取静态障碍物的横截距之后,能够根据机器人的机身宽度以及该横截距,计算出机器人向正前方行驶的距离。使得机器人向正前方行驶的距离大于该横截距的长度。此时,可以确保机器人在回归预设路径时,不会与障碍物发生碰撞。将机器人向正前方行驶后的位置标注为第三坐标点。从该第三坐标点重新规划路径,此时,可以确定出与该机器人垂直的路径坐标点,并在垂直的路径中选择距离最短的路径作为规划后的路径。服务器控制机器人根据规划后的路径前往至预设路径。
在本申请的一个实施例中,在机器人根据预设路径前进过程中,实时获取机器人所在位置的高度值,以及确定出预设路径中的坡点坐标。其中,坡点为斜坡的最高点。在高度值下降,且当前位置没有标注坡点的情况下,将机器人的行驶速度调节为预设第一速度,并将当前位置记录为第四坐标点。在机器人按照预设第一速度行驶预设时长后,记录下机器人到达的第五坐标点。根据第四坐标点与第五坐标点,计算得到机器人的水平移动距离。根据第四坐标点对应的高度值,以及第五坐标点对应的高度值,确定出高度变换值。根据水平移动距离,以及高度变换值,计算出当前斜坡垂直方向的偏角,以根据垂直方向的偏角确定出机器人的第一减速值。在高度值下降值小于第一预设高度值的情况下,将机器人的行驶速度调节至正常行驶速度。
例如,假设机器人在第四坐标点的高度发生了变化,需要记录下第四坐标点的位置信息以及高度值。在以当前行驶速度,继续向前行驶。行驶2S后,记录下当前位置的坐标信息以及高度值。
根据预设公式
以及获取到的高度变化值与行驶的直径距离,计算得出当前斜坡对应的垂直方向的偏角。其中,为垂直方向的偏角,H为高度变化值,正值向上,负值向下。d为水平直径距离,PI为圆周率。根据计算出的垂直方向的偏角,与提前设定的速度变化表中的垂直方向的偏角值进行比对。查找出最为接近的偏角值,并将该偏角值对应的速度与当前机器人的速度进行比对,在当前速度大于该偏角值所对应的速度时,将该机器人的当前速度调节为该偏角值所对应的速度。
图3为本申请实施例提供的一种机器人行走方位预测设备结构示意图。如图3所示,机器人行走方位预测设备200包括,包括:至少一个处理器201;以及,与至少一个处理器201通信连接的存储器202;其中,存储器202存储有可被至少一个处理器201执行的指令,指令被至少一个处理器201执行,以使至少一个处理器201能够:在机器人根据预设路径前进过程中,实时记录当前的位置信息,以及对障碍物进行距离检测;在检测到预设范围内同时存在静态障碍物与动态障碍物时,获取静态障碍物周围的空余通道的宽度,以及获取动态障碍物的预测速度以及预测运行路线,并将当前位置记录为第一坐标;若空余通道的宽度大于机器人机身宽度,在空余通道中标注出多个第二坐标点,计算出机器人在第一坐标点,分别前进至多个第二坐标点的路径长度,以得到最短路径,并根据最短路径调节机器人的第一水平偏移角度;若所述动态障碍物的预测运行路线与所述最短路径有交点,对动态障碍物运行至最短路径的时长进行预测,并根据预测出的时长,对机器人的速度进行调整,以使机器人与动态障碍物避免碰撞;根据第一水平偏移角度以及调整后的速度,控制机器人前进至空余通道。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请的实施例可以有各种更改和变化。凡在本申请实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种机器人行走方位预测方法,其特征在于,所述方法包括:
在机器人根据预设路径前进过程中,实时记录当前的位置信息,以及对障碍物进行距离检测;
在检测到预设范围内同时存在静态障碍物与动态障碍物时,获取所述静态障碍物周围的空余通道的宽度,以及获取所述动态障碍物的预测速度以及预测运行路线,并将当前位置记录为第一坐标;
若所述空余通道的宽度大于机器人机身宽度,在所述空余通道中标注出多个第二坐标点,计算出所述机器人在所述第一坐标点,分别前进至多个所述第二坐标点的路径长度,以得到最短路径,并根据所述最短路径调节所述机器人的第一水平偏移角度;
其中,所述在所述空余通道中标注出多个第二坐标点,包括,
将所述机器人机身宽度进行均分,获取均分后的宽度值;
以所述空余通道的两端为起点,分别去除所述均分后的宽度值对应的距离,得到可通行通道;
获取所述可通行通道的端点坐标,并将所述端点坐标之间的通道划分为多个连续的小通道,确定出每一个小通道分别对应的第二坐标点;
若所述动态障碍物的预测运行路线与所述最短路径有交点,对所述动态障碍物运行至所述最短路径的时长进行预测,并根据预测出的时长,对所述机器人的速度进行调整,以使所述机器人与所述动态障碍物避免碰撞;
根据所述第一水平偏移角度以及调整后的速度,控制所述机器人前进至所述空余通道。
2.根据权利要求1所述的一种机器人行走方位预测方法,其特征在于,
所述计算出所述机器人在所述第一坐标点,分别前进至多个所述第二坐标点的路径长度,以得到最短路径,并根据所述最短路径调节所述机器人的第一水平偏移角度,具体包括:
根据所述第一坐标的经度值与纬度值,以及多个所述第二坐标点分别对应的经度值与纬度值,计算所述第一坐标点与多个所述第二坐标点之间分别对应的水平直线距离,以得到所述水平直线距离最短的路径;
确定出所述最短路径对应的第二坐标点;
计算出所述第一坐标点的经度与所述第二坐标点的经度之间的第一差值,以及计算出所述第一坐标点的纬度与所述第二坐标点的纬度之间的第二差值,根据所述第一差值与所述第二差值,确定出所述第一坐标点与所述第二坐标点之间的第一水平偏移角度;
将所述机器人的前进角度调节至所述第一水平偏移角度,以使所述机器人按照所述第一水平偏移角度对应的方位行走。
5.根据权利要求1所述的一种机器人行走方位预测方法,其特征在于,所述获取所述动态障碍物的预测速度以及预测运行路线,具体包括:
对所述动态障碍物进行速度采样,将得到的采样速度输入预设速度预测模型,以得到所述动态障碍物的预测速度;
根据所述动态障碍物在当前采样点对应的横向线速度、纵向线速度,以及水平偏移角度,计算得到所述动态障碍物的运动路径;
根据所述动态障碍物在所述当前采样点的坐标位置,以及所述运动路径,得到所述动态障碍物在下一时刻的坐标位置;
根据所述下一时刻的坐标位置以及所述下一时刻对应的预测速度,以实现对所述动态障碍物运行路线的预测。
6.根据权利要求1所述的一种机器人行走方位预测方法,其特征在于,所述对所述动态障碍物运行至所述最短路径的时间进行预测,并根据预测出的时间,对所述机器人的速度进行调整,具体包括:
根据所述动态障碍物对应的预测运行路线,确定所述预测运行路线与所述最短路径的交点,并获取所述动态障碍物从当前位置运行至所述交点的路线长度;
根据所述路线长度以及所述预测速度,得到所述动态障碍物运行至所述交点的第一所需时长;
根据所述机器人当前的设定速度,计算所述机器人按照所述最短路径运行至所述交点的第二所需时长;
在所述第二所需时长与所述第一所需时长的差值小于第一预设时长的情况下,对所述机器人的速度进行调节。
7.根据权利要求1所述的一种机器人行走方位预测方法,其特征在于,所述根据所述第一水平偏移角度以及调整后的速度,控制所述机器人前进至所述空余通道之后,所述方法还包括:
获取所述障碍物的横截距,将所述机器人的水平偏移角度调至正前方;
控制所述机器人向正前方行走,以使行走距离大于所述横截距对应的距离,并将当前位置记录为第三坐标点;
确定剩余所述预设路径中,与所述第三坐标点最近的点,并计算出所述第三坐标点与所述最近的点之间的第二水平偏移角度;
根据所述第二水平偏移角度调节所述机器人的行走方位,以使所述机器人重新回到所述预设路径。
8.根据权利要求1所述的一种机器人行走方位预测方法,其特征在于,所述在机器人根据预设路径前进过程中,实时记录当前的位置信息之后,所述方法还包括:
实时获取所述机器人所在位置的高度值,以及确定出所述预设路径中的坡点坐标;其中,所述坡点为斜坡的最高点;
在所述高度值下降,且当前位置没有标注坡点的情况下,将所述机器人的行驶速度调节为预设第一速度,并将当前位置记录为第四坐标点;
在所述机器人按照所述预设第一速度行驶预设时长后,记录下所述机器人到达的第五坐标点;根据所述第四坐标点与所述第五坐标点,计算得到所述机器人的水平移动距离;
根据所述第四坐标点对应的高度值,以及所述第五坐标点对应的高度值,确定出高度变换值;
根据所述水平移动距离,以及所述高度变换值,计算出当前斜坡垂直方向的偏角,以根据所述垂直方向的偏角确定出所述机器人的减速值;
在所述高度值下降至小于预设高度值的情况下,将所述机器人的行驶速度调节至正常行驶速度。
9.一种机器人行走方位预测设备,该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该设备执行权利要求1-8中的任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111169137.6A CN113589830B (zh) | 2021-10-08 | 2021-10-08 | 一种机器人行走方位预测方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111169137.6A CN113589830B (zh) | 2021-10-08 | 2021-10-08 | 一种机器人行走方位预测方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113589830A CN113589830A (zh) | 2021-11-02 |
CN113589830B true CN113589830B (zh) | 2022-01-07 |
Family
ID=78242873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111169137.6A Active CN113589830B (zh) | 2021-10-08 | 2021-10-08 | 一种机器人行走方位预测方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113589830B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114355932A (zh) * | 2021-12-30 | 2022-04-15 | 深圳优地科技有限公司 | 一种机器人控制方法、装置及机器人 |
CN114519940B (zh) * | 2022-02-25 | 2023-05-09 | 深圳市道网科技有限公司 | 一种应用于智慧停车的大数据分析方法及设备 |
CN114734482B (zh) * | 2022-04-06 | 2024-01-12 | 深圳市普渡科技有限公司 | 道路识别功能的测试方法、计算机设备和存储介质 |
CN115373406B (zh) * | 2022-10-24 | 2023-01-20 | 深圳市捷牛智能装备有限公司 | 一种爬行机器人越障方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4415736A1 (de) * | 1994-05-04 | 1995-11-09 | Siemens Ag | Verfahren zur Kollisionsvermeidung mit Hilfe eines Lenkwinkelfeldes für eine autonome mobile Einheit |
CN101628414A (zh) * | 2009-08-17 | 2010-01-20 | 塔米智能科技(北京)有限公司 | 一种机器人运动的方法 |
CN104460666A (zh) * | 2014-10-27 | 2015-03-25 | 上海理工大学 | 一种基于距离矢量的机器人自主避障移动控制方法 |
CN107479561A (zh) * | 2017-10-09 | 2017-12-15 | 联想(北京)有限公司 | 一种控制机器人的方法 |
CN108536149A (zh) * | 2018-04-25 | 2018-09-14 | 吉林大学 | 一种基于Dubins路径的无人驾驶车辆避障控制装置及控制方法 |
CN108780320A (zh) * | 2018-06-15 | 2018-11-09 | 深圳前海达闼云端智能科技有限公司 | 机器人运动控制方法、装置、存储介质及机器人 |
EP3403772A1 (en) * | 2017-05-18 | 2018-11-21 | KUKA Hungária Kft. | Robot motion planning for avoiding collision with moving obstacles |
CN112612272A (zh) * | 2020-12-17 | 2021-04-06 | 湖北亿咖通科技有限公司 | 一种避障控制方法、电子设备及存储介质 |
CN113342001A (zh) * | 2021-06-30 | 2021-09-03 | 元通智能技术(南京)有限公司 | 一种机器人行走路径的规划方法 |
CN113419542A (zh) * | 2021-07-16 | 2021-09-21 | 浙江大华技术股份有限公司 | 一种路径规划的方法、装置及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112130574A (zh) * | 2020-09-30 | 2020-12-25 | 拉扎斯网络科技(上海)有限公司 | 机器人的控制方法、装置、电子设备及计算机存储介质 |
-
2021
- 2021-10-08 CN CN202111169137.6A patent/CN113589830B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4415736A1 (de) * | 1994-05-04 | 1995-11-09 | Siemens Ag | Verfahren zur Kollisionsvermeidung mit Hilfe eines Lenkwinkelfeldes für eine autonome mobile Einheit |
CN101628414A (zh) * | 2009-08-17 | 2010-01-20 | 塔米智能科技(北京)有限公司 | 一种机器人运动的方法 |
CN104460666A (zh) * | 2014-10-27 | 2015-03-25 | 上海理工大学 | 一种基于距离矢量的机器人自主避障移动控制方法 |
EP3403772A1 (en) * | 2017-05-18 | 2018-11-21 | KUKA Hungária Kft. | Robot motion planning for avoiding collision with moving obstacles |
CN107479561A (zh) * | 2017-10-09 | 2017-12-15 | 联想(北京)有限公司 | 一种控制机器人的方法 |
CN108536149A (zh) * | 2018-04-25 | 2018-09-14 | 吉林大学 | 一种基于Dubins路径的无人驾驶车辆避障控制装置及控制方法 |
CN108780320A (zh) * | 2018-06-15 | 2018-11-09 | 深圳前海达闼云端智能科技有限公司 | 机器人运动控制方法、装置、存储介质及机器人 |
CN112612272A (zh) * | 2020-12-17 | 2021-04-06 | 湖北亿咖通科技有限公司 | 一种避障控制方法、电子设备及存储介质 |
CN113342001A (zh) * | 2021-06-30 | 2021-09-03 | 元通智能技术(南京)有限公司 | 一种机器人行走路径的规划方法 |
CN113419542A (zh) * | 2021-07-16 | 2021-09-21 | 浙江大华技术股份有限公司 | 一种路径规划的方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113589830A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113589830B (zh) | 一种机器人行走方位预测方法及设备 | |
CN114234998B (zh) | 基于语义道路地图的无人驾驶多目标点轨迹并行规划方法 | |
US10741079B2 (en) | Route prediction system | |
CN113936491B (zh) | 一种基于5g网络的自动驾驶路况导航方法、系统及介质 | |
CN109885066A (zh) | 一种运动轨迹预测方法及装置 | |
CN111670468A (zh) | 移动体行为预测装置以及移动体行为预测方法 | |
US20120035797A1 (en) | Autonomous moving body and control method thereof | |
JP7328923B2 (ja) | 情報処理装置、情報処理方法、及びコンピュータプログラム | |
KR20220124199A (ko) | 장애물 통과 종료 판단 방법, 장애물 통과 제어 방법, 칩 및 로봇 | |
CN112882469A (zh) | 一种融合全局训练的深度强化学习避障导航方法 | |
KR20200084938A (ko) | 차량 동작 계획방법 및 그를 위한 장치 | |
GB2550485A (en) | Enhanced vehicle operation | |
Zhang et al. | P-CAP: Pre-computed alternative paths to enable aggressive aerial maneuvers in cluttered environments | |
CN115309168B (zh) | 一种井下无人车控制方法及装置 | |
CN112327848A (zh) | 机器人避障方法及装置、存储介质和电子设备 | |
CN114460933B (zh) | 一种面向动态环境的移动机器人局部路径规划算法 | |
US11390286B2 (en) | System and process for end to end prediction of lane detection uncertainty | |
Pauca et al. | Trajectory planner based on third-order polynomials applied for platoon merging and splitting | |
CN112783161B (zh) | 一种基于贝塞尔曲线的agv避障方法 | |
CN112612289B (zh) | 轨迹跟踪控制方法、移动机器人、控制设备及存储介质 | |
WO2022249218A1 (ja) | 軌道計画装置 | |
CN115476874A (zh) | 车辆控制设备、包括车辆控制设备的系统及车辆控制方法 | |
CN112363498B (zh) | 一种基于激光雷达的水下机器人智能运动控制方法 | |
CN112644487B (zh) | 一种自动驾驶的方法和装置 | |
CN114089730A (zh) | 机器人的运动规划方法和自动引导车 |
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 |