CN113848925A - 一种基于slam的无人碾压动态路径自主规划方法 - Google Patents

一种基于slam的无人碾压动态路径自主规划方法 Download PDF

Info

Publication number
CN113848925A
CN113848925A CN202111163917.XA CN202111163917A CN113848925A CN 113848925 A CN113848925 A CN 113848925A CN 202111163917 A CN202111163917 A CN 202111163917A CN 113848925 A CN113848925 A CN 113848925A
Authority
CN
China
Prior art keywords
path
rolling machine
unmanned rolling
slam
global reference
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
Application number
CN202111163917.XA
Other languages
English (en)
Inventor
王晓玲
王佳俊
余佳
陈文龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN202111163917.XA priority Critical patent/CN113848925A/zh
Publication of CN113848925A publication Critical patent/CN113848925A/zh
Pending legal-status Critical Current

Links

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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • 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
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开一种基于SLAM的无人碾压动态路径自主规划方法，步骤包括：通过实时感知模块获取无人碾压机状态信息和周围环境信息，采用SLAM构建全局参考地图；基于全局参考地图，根据碾压机不同的任务状态自适应选择全局路径规划算法，确定粗路径；根据环境的实时障碍物位置，考虑无人碾压机执行机构的轨迹跟随控制能力，形成平滑、可行的局部路径；无人碾压机位置改变后，根据实时感知模块提供的环境信息更新全局参考地图，并利用新的全局参考地图再次规划路径。本发明考虑无人碾压机工作环境的动态变化，实现无人碾压在不同任务状态下的动态路径自主规划，能够保证无人碾压机的作业安全。

Description

一种基于SLAM的无人碾压动态路径自主规划方法
技术领域
本发明属于自动化施工的技术领域，具体涉及一种基于SLAM的无人碾压动态路径自主规划方法。
背景技术
碾压机是水利工程施工中常用的工程机械，适用于多种填筑材料的压实。传统人工驾驶碾压机的方式在行驶速度、搭接距离、作业区域等关键施工工艺参数控制上难以实现精准控制，同时具有作业环境差、劳动力密集、机械利用率不高等缺点。因此，近年来无人碾压技术在大坝自动化施工领域开始得到应用，是当前研究的热点。
无人碾压主要包括环境感知、路径规划、轨迹跟踪控制等内容，其中路径规划的合理性直接影响着无人碾压机的工作效率和运行安全。在坝料压实过程中，无人碾压机需考虑障碍物，对作业面进行遍历碾压，这时需要使用全覆盖路径规划方法。当无人碾压机处于非压实作业状态，需要从施工区域的某一位置转移至目标位置，这时需要一种按照某种评价指标寻找一条从起始点到目标点的最优无碰撞路径的路径规划方法。因此，当前单一的路径规划方法无法满足无人碾压的控制需求，需要根据不同的任务状态实现路径规划方法的自主切换。
当前国内对于碾压机智能驾驶技术的研究刚刚起步，无人碾压主要应用于仓面压实作业，在简单施工场景中取得了较好的应用效果，但尚不能处理未知、动态、复杂的施工环境。这是因为实际施工环境复杂，不确定性较大，无人碾压机导航中的路径规划依赖于高精度的全局参考地图，目前这方面的工作还存在一定的空白。
已有的路径规划与轨迹跟踪控制相分离，在障碍物附近规划的路径常常出现不连续的转折点。因为无人碾压机的运动学约束，规划的路径难以由无人碾压机的横纵向执行机构控制实现，使实际轨迹与路径规划结果相差较大。另外，由于障碍物并非静止不动，为规避大坝施工仓面内经常出现的自卸汽车、推土机、人员等动态障碍物，还需要局部路径规划算法动态在线运行。
发明内容
本发明的目的在于：针对现有技术的不足，提供一种基于SLAM的无人碾压动态路径自主规划方法，提升无人碾压的作业效率，保证无人碾压的作业安全；并能根据不同任务状态，自适应选择路径规划算法，扩大无人碾压的应用范围。
为了实现上述目的，本发明采用如下技术方案：
一种基于SLAM的无人碾压动态路径自主规划方法，包括通过实时感知模块获取无人碾压机状态信息和周围环境信息，采用SLAM构建全局参考地图；基于全局参考地图，根据碾压机不同的任务状态自适应选择路径规划算法，确定粗路径；根据环境特点，考虑无人碾压机执行机构的轨迹跟随控制能力，形成平滑和可行的局部路径；无人碾压机位置改变后，根据实时感知模块提供的环境信息更新全局参考地图，并利用全局参考地图再次规划路径。
优选的，根据实时感知模块中相机、激光雷达、毫米波雷达提供的无人碾压机周围的环境信息，采用SLAM构建全局参考地图。
优选的，所述全局参考地图为具有语义信息的三维占据网格地图或二维投影图。
优选的，全局参考地图中的体素属性能够调整，包括添加、更改或删除指定体素的占据状态和语义类型。
优选的，根据碾压机不同的任务状态自适应选择路径规划算法，确定粗路径，包括：
无人碾压机处于压实作业状态，采用全覆盖路径规划方法确定粗路径；无人碾压机处于非压实作业状态时，确定粗路径。
优选的，在粗路径的转折点处，根据无人碾压机的速度、转弯半径、障碍物位置、地面条件构建约束，采用多项式函数生成平滑的局部路径。
本发明的有益效果在于，本发明包括通过实时感知模块获取无人碾压机状态信息和周围环境信息，采用SLAM构建全局参考地图；基于全局参考地图，根据碾压机不同的任务状态自适应选择路径规划算法，确定粗路径；根据环境特点，考虑无人碾压机执行机构的轨迹跟随控制能力，形成平滑和可行的局部路径；无人碾压机位置改变后，根据实时感知模块提供的环境信息更新全局参考地图，并利用全局参考地图再次规划路径。本发明针对复杂环境下无人碾压机导航中的路径规划依赖于高精度地图的问题，提出采用SLAM技术构建全局参考地图，保证路径规划的有效性和最优性；可自主根据无人碾压机的任务状态切换路径规划方法，拓展无人碾压的使用范围和应用场景；将路径规划分为确定粗路径、路径平滑两个步骤，提升整体路径规划效率，便于无人碾压机跟踪控制；全局参考地图可调整，适应复杂多变的施工环境，根据最新的全局参考地图动态规划的路径安全、可靠。
附图说明
下面将参考附图来描述本发明示例性实施方式的特征、优点和技术效果。
图1为本发明的流程示意图。
图2为实施例的全局地图构建流程示意图。
图3为动态路径自主规划的流程示意图。
具体实施方式
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接受的误差范围内，本领域技术人员能够在一定误差范围内解决技术问题，基本达到技术效果。
此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
在发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
以下结合附图1～3对本发明作进一步详细说明，但不作为对本发明的限定。
基于SLAM的无人碾压动态路径自主规划方法，包括通过实时感知模块获取无人碾压机状态信息和周围环境信息，采用SLAM构建全局参考地图；基于全局参考地图，根据碾压机不同的任务状态自适应选择路径规划算法，确定粗路径；根据环境特点，考虑无人碾压机执行机构的轨迹跟随控制能力，形成平滑和可行的局部路径；无人碾压机位置改变后，根据实时感知模块提供的环境信息更新全局参考地图，并利用全局参考地图再次规划路径。
在根据本发明的基于SLAM的无人碾压动态路径自主规划方法中，根据实时感知模块中相机、激光雷达、毫米波雷达提供的无人碾压机周围的环境信息，采用SLAM构建全局参考地图。
在根据本发明的基于SLAM的无人碾压动态路径自主规划方法中，全局参考地图为具有语义信息的三维占据网格地图或二维投影图。
在根据本发明的基于SLAM的无人碾压动态路径自主规划方法中，全局参考地图中的体素属性能够调整，包括添加、更改或删除指定体素的占据状态和语义类型。
在根据本发明的基于SLAM的无人碾压动态路径自主规划方法中，根据碾压机不同的任务状态自适应选择路径规划算法，确定粗路径，包括：
在根据本发明的基于SLAM的无人碾压动态路径自主规划方法中，无人碾压机处于压实作业状态，采用全覆盖路径规划方法确定粗路径；无人碾压机处于非压实作业状态时，确定粗路径。
在根据本发明的基于SLAM的无人碾压动态路径自主规划方法中，在粗路径的转折点处，根据无人碾压机的速度、转弯半径、障碍物位置、地面条件构建约束，采用多项式函数生成平滑的局部路径。
结合图1所述的示意图，本发明具体包括以下步骤：
1.构建全局参考地图
安装相机、激光雷达、毫米波雷达等传感器，形成无人碾压的实时感知模块，使用SLAM技术获取地面高程、无人碾压机以及自卸汽车、推土机、人员等动态障碍物的位置，构建具有语义信息的三维占据网格地图，或在坡度小、地面相对平整时构建二维投影地图。
建立全局参考地图的方法，可参考图2。
首先，利用无人碾压的感知模块实时获取周围环境的点云数据，由于环境中存在噪声，且原始点云数据较密集，采用降采样滤波器滤除点云数据中的噪声点。通过拼接不同帧的点云数据，不断拓展全局参考地图的范围。用概率表示体素的占据状态，以减小噪声对建图的影响。
将地面点云和自卸汽车、推土机、人员区分开，为路径规划算法提供基础。选取合适的体素大小，构建高精度全局参考地图。若存在预埋件，可通过输入预埋件的位置将对应处的体素状态设置为不可通过，使路径规划算法的结果不会穿过预埋件的位置。
2.确定粗路径
基于全局参考地图，根据碾压机不同的任务状态自适应选择路径规划算法，确定粗路径。无人碾压机处于压实作业状态，使用全覆盖路径规划方法确定粗路径；相应地，无人碾压机处于非压实作业状态时，采用A*算法确定粗路径。
图3为根据不同任务状态确定粗路径的流程图。若无人碾压机处于压实作业状态，将无人碾压作业仓面划分成若干子区域，将全覆盖路径规划看作旅行商问题(TSP)，采用启发式优化算法求解完成粗路径规划。
反之，当无人碾压机处于非压实作业状态，采用A*算法规划起始点到目标点的粗路径，估价函数为：
f(n)＝g(n)+h(n)
其中，n为无人碾压机当前所在节点；f(n)为起始点经节点n到目标点的估价函数；g(n)为从起始点到节点n的实际代价；h(n)为节点n到目标节点的估计代价。
所用地图为三维占据网格地图时，需要考虑高度信息，h(n)的计算式为
Figure BDA0003290739110000061
其中，(xn,yn,zn)为无人碾压机当前所在位置的坐标；(xt,yt,zt)为目标点位置坐标。
3.平滑规划路径
考虑无人碾压机执行机构的轨迹跟随控制能力，在粗路径的转折点处，根据无人碾压机的速度、转弯半径、障碍物位置、地面条件构建约束，采用多项式函数生成平滑的局部路径。
规划的粗路径中包含冗余点以及不利于无人碾压机跟踪控制的转折点。因此，先将冗余点删除，具体方法为：如果当前节点在前一节点和父节点在同一直线上，则前一节点为冗余点，应当予以删除。
其次，找出粗路径中关键转折点，并用多项式函数平滑，此时局部路径定义为：
z(x,y)＝[c b]·[x y]T
c＝[c0,...,cN-1]；b＝[b0,...,bN-1]
x＝[1 x ... xN-1]；y＝[1 y ... yN-1]
其中，N为多项式的阶数；c、b为多项式系数；x、y为节点在占据网格地图中体素的坐标。
将路径离散化为M段，则每段局部路径的平滑问题定义为：
Figure BDA0003290739110000071
其中，c*、b*为最优的多项式系数；nm为第m段粗路径中的节点数；zi为局部节点的z方向上的坐标。
考虑平滑后的路径与障碍物仍保持一定的安全距离，同时，根据碾压机的运动学模型，对规划路径的曲率进行限制，求解上述问题，可得平滑的局部路径。
4.动态路径规划
全局参考地图中的体素属性能够调整，包括添加、更改或删除指定体素的占据状态和语义类型。依据此特性，当无人碾压机或动态障碍物位置以及地面条件发生改变后，根据实时感知模块提供的最新信息更新全局参考地图，并利用新的全局参考地图再次规划路径。
根据实时感知模块提供的数据，将点云数据分类为地面类型、动态障碍物和其他类型。将动态障碍物移除后，为地面类型的体素提供计数器，并逐帧更新体素的占据概率。对动态障碍物，则根据实时感知数据实时更新占据状态，判断是否可通行。
根据上述方法，全局参考地图的变化将随着时间进行逐渐变小，地面部分的占据状态趋于稳定，同时障碍物在全局参考地图更加明显。之后，如图1所示，根据新的全局参考地图，可动态根据实际环境变化修正规划路径，进一步，实现无人碾压的动态路径自主规划。
根据上述说明书的揭示和教导，本发明所属领域的技术人员还能够对上述实施方式进行变更和修改。因此，本发明并不局限于上述的具体实施方式，凡是本领域技术人员在本发明的基础上所作出的任何显而易见的改进、替换或变型均属于本发明的保护范围。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。

Claims (6)

1.一种基于SLAM的无人碾压动态路径自主规划方法，其特征在于，包括：
通过实时感知模块获取无人碾压机状态信息和周围环境信息，采用SLAM构建全局参考地图；
基于全局参考地图，根据碾压机不同的任务状态自适应选择路径规划算法，确定粗路径；
根据环境特点，考虑无人碾压机执行机构的轨迹跟随控制能力，形成平滑和可行的局部路径；
无人碾压机位置改变后，根据实时感知模块提供的环境信息更新全局参考地图，并利用全局参考地图再次规划路径。
2.如权利要求1所述的一种基于SLAM的无人碾压动态路径自主规划方法，其特征在于：根据实时感知模块中相机、激光雷达、毫米波雷达提供的无人碾压机周围的环境信息，采用SLAM构建全局参考地图。
3.如权利要求1所述的一种基于SLAM的无人碾压动态路径自主规划方法，其特征在于：所述全局参考地图为具有语义信息的三维占据网格地图或二维投影图。
4.如权利要求3所述的一种基于SLAM的无人碾压动态路径自主规划方法，其特征在于：全局参考地图中的体素属性能够调整，包括添加、更改或删除指定体素的占据状态和语义类型。
5.如权利要求1所述的一种基于SLAM的无人碾压动态路径自主规划方法，其特征在于，根据碾压机不同的任务状态自适应选择路径规划算法，确定粗路径，包括：
无人碾压机处于压实作业状态，采用全覆盖路径规划方法确定粗路径；无人碾压机处于非压实作业状态时，确定粗路径。
6.如权利要求1所述的一种基于SLAM的无人碾压动态路径自主规划方法，其特征在于：在粗路径的转折点处，根据无人碾压机的速度、转弯半径、障碍物位置、地面条件构建约束，采用多项式函数生成平滑的局部路径。
CN202111163917.XA 2021-09-30 2021-09-30 一种基于slam的无人碾压动态路径自主规划方法 Pending CN113848925A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111163917.XA CN113848925A (zh) 2021-09-30 2021-09-30 一种基于slam的无人碾压动态路径自主规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111163917.XA CN113848925A (zh) 2021-09-30 2021-09-30 一种基于slam的无人碾压动态路径自主规划方法

Publications (1)

Publication Number Publication Date
CN113848925A true CN113848925A (zh) 2021-12-28

Family

ID=78977449

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111163917.XA Pending CN113848925A (zh) 2021-09-30 2021-09-30 一种基于slam的无人碾压动态路径自主规划方法

Country Status (1)

Country Link
CN (1) CN113848925A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115689199A (zh) * 2022-10-31 2023-02-03 天津大学 用于汽车智能制造的自主移动机器人调度系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2950791A1 (en) * 2013-08-19 2015-02-26 State Grid Corporation Of China Binocular visual navigation system and method based on power robot
CN107976998A (zh) * 2017-11-13 2018-05-01 河海大学常州校区 一种割草机器人地图创建与路径规划系统及方法
CN110361013A (zh) * 2019-07-22 2019-10-22 上海应用技术大学 一种用于车辆模型的路径规划系统及方法
US20190340938A1 (en) * 2018-05-03 2019-11-07 Arkidan Systems Inc. Computer-assisted aerial surveying and navigation
US20200160733A1 (en) * 2018-11-16 2020-05-21 Ensco, Inc. Autonomous aerial vehicle navigation systems and methods
CN111202471A (zh) * 2020-01-08 2020-05-29 上海高仙自动化科技发展有限公司 全覆盖路径生成方法及生成装置、智能机器人及存储介质
CN111742310A (zh) * 2018-02-20 2020-10-02 祖克斯有限公司 创建包含语义信息的干净的地图
CN112486178A (zh) * 2020-12-03 2021-03-12 哈尔滨理工大学 一种基于有向d＊算法的动态路径规划方法
CN112991534A (zh) * 2021-03-26 2021-06-18 中国科学技术大学 一种基于多粒度物体模型的室内语义地图构建方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2950791A1 (en) * 2013-08-19 2015-02-26 State Grid Corporation Of China Binocular visual navigation system and method based on power robot
CN107976998A (zh) * 2017-11-13 2018-05-01 河海大学常州校区 一种割草机器人地图创建与路径规划系统及方法
CN111742310A (zh) * 2018-02-20 2020-10-02 祖克斯有限公司 创建包含语义信息的干净的地图
US20190340938A1 (en) * 2018-05-03 2019-11-07 Arkidan Systems Inc. Computer-assisted aerial surveying and navigation
US20200160733A1 (en) * 2018-11-16 2020-05-21 Ensco, Inc. Autonomous aerial vehicle navigation systems and methods
CN110361013A (zh) * 2019-07-22 2019-10-22 上海应用技术大学 一种用于车辆模型的路径规划系统及方法
CN111202471A (zh) * 2020-01-08 2020-05-29 上海高仙自动化科技发展有限公司 全覆盖路径生成方法及生成装置、智能机器人及存储介质
CN112486178A (zh) * 2020-12-03 2021-03-12 哈尔滨理工大学 一种基于有向d＊算法的动态路径规划方法
CN112991534A (zh) * 2021-03-26 2021-06-18 中国科学技术大学 一种基于多粒度物体模型的室内语义地图构建方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
付丽霞;任玉洁;张勇;毛剑琳;: "基于改进平滑A~*算法的移动机器人路径规划", 计算机仿真, no. 08 *
孙凤池;黄亚楼;康叶伟;: "基于视觉的移动机器人同时定位与建图研究进展", 控制理论与应用, no. 04 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115689199A (zh) * 2022-10-31 2023-02-03 天津大学 用于汽车智能制造的自主移动机器人调度系统
CN115689199B (zh) * 2022-10-31 2024-05-17 天津大学 用于汽车智能制造的自主移动机器人调度系统

Similar Documents

Publication Publication Date Title
US10486485B1 (en) Perception based suspension control
AU2018205125B2 (en) System and method for predicting and responding to soft underfoot conditions
CN111857124B (zh) 用于机器控制的系统和方法
CN112833899B (zh) 一种用于无人环卫车的全覆盖路径规划方法
CN111060108B (zh) 路径规划方法和装置、工程车辆
US9228315B2 (en) System and method for modifying a path for a machine
US9014922B2 (en) System and method for optimizing a cut location
CN110262495A (zh) 可实现移动机器人自主导航与精确定位的控制系统及方法
EP3749811B1 (en) Excavation by way of an unmanned vehicle
CN113479199B (zh) 开放区域避障方法、车辆和计算机可读存储介质
CN108012608A (zh) 一种基于gnss的土地平整方法
CN112835064B (zh) 一种建图定位方法、系统、终端及介质
CN110967032A (zh) 一种野外环境下无人车局部行驶路线实时规划方法
JP2024105351A (ja) 表面特徴検出および横断のためのシステムおよび方法
CN107316457A (zh) 判断道路交通状况是否符合汽车自动驾驶的方法
JP7047576B2 (ja) 地図作成装置
US20230056589A1 (en) Systems and methods for generating multilevel occupancy and occlusion grids for controlling navigation of vehicles
WO2022115215A1 (en) Systems and methods for monocular based object detection
CN113848925A (zh) 一种基于slam的无人碾压动态路径自主规划方法
CN110162037A (zh) 一种车辆自身轨迹的预测方法
CN114859932A (zh) 基于强化学习的探索方法、装置和智能设备
CN113341999A (zh) 一种基于优化d*算法的叉车路径规划方法及装置
CN113721619B (zh) 一种基于rtk技术的推土机路径规划系统及作业方法
CN116338729A (zh) 一种基于多层地图的三维激光雷达导航方法
CN116429145A (zh) 一种复杂场景下无人车与垃圾桶自动对接导航方法及系统

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