CN114415678A - 机器人的路径规划方法、装置、机器人和存储介质 - Google Patents
机器人的路径规划方法、装置、机器人和存储介质 Download PDFInfo
- Publication number
- CN114415678A CN114415678A CN202111674301.9A CN202111674301A CN114415678A CN 114415678 A CN114415678 A CN 114415678A CN 202111674301 A CN202111674301 A CN 202111674301A CN 114415678 A CN114415678 A CN 114415678A
- Authority
- CN
- China
- Prior art keywords
- robot
- map
- obstacle
- passing area
- path
- 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 38
- 230000033001 locomotion Effects 0.000 claims abstract description 64
- 230000004888 barrier function Effects 0.000 claims abstract description 43
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000003068 static effect Effects 0.000 description 6
- 230000002457 bidirectional effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 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
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请涉及一种机器人的路径规划方法、装置、机器人和存储介质。方法包括：控制机器人在目标道路运行，根据感知模块输出的数据生成障碍物地图，判断在障碍物地图上是否可以计算出通行区域，若无法计算出通行区域，则获取预设时间内机器人在障碍物地图上的运动距离；当运动距离小于预设距离时，确认机器人在障碍物地图上的运动路径被障碍对象阻挡；识别障碍对象是否包含移动体，当障碍对象中包含移动体时，将移动体在障碍物地图上形成的指示图从障碍物地图上进行剔除；若基于剔除指示图后的障碍物地图计算出通行区域时，则控制机器人继续沿目标道路运行。有效的提高了机器人路径规划的准确性。
Description
技术领域
本申请涉及机器人运动领域，特别是涉及一种机器人的路径规划方法、装置、机器人和存储介质。
背景技术
随着科技的不断进步，机器人的运用越来越广泛，保障机器人运动安全愈发重要，其中，良好的路径规划功能是机器人安全运动的重要保障。
传统技术中机器人运动的路径规划中，通常依据动态地图，探测机器人周围环境进行拥堵判断，从而进行路径规划。在实际的运动环境中，往往会存在判断为拥堵，但其实可通行的状况，从而使得规划的路径与实时环境不符，导致机器人路径规划不准确的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种机器人的路径规划方法、装置、机器人和存储介质。
一种机器人，包括感知模块、存储器和处理器，所述存储器内存储有可在所述处理器上运行的计算机可读指令，所述处理器用于执行所述计算机可读指令时实现如下步骤：
控制机器人在目标道路运行，根据所述感知模块输出的数据生成障碍物地图，判断在所述障碍物地图上是否可以计算出通行区域，若无法计算出所述通行区域，则获取预设时间内所述机器人在所述障碍物地图上的运动距离；
当所述运动距离小于预设距离时，确认所述机器人在所述障碍物地图上的运动路径被障碍对象阻挡；
识别所述障碍对象是否包含移动体，当所述障碍对象中包含移动体时，将所述移动体在所述障碍物地图上形成的指示图从障碍物地图上进行剔除；若基于剔除所述指示图后的障碍物地图计算出所述通行区域时，则控制所述机器人继续沿所述目标道路运行。
一种机器人的路径规划方法，所述方法包括：
控制机器人在目标道路运行，根据所述感知模块输出的数据生成障碍物地图，判断在所述障碍物地图上是否可以计算出通行区域，若无法计算出所述通行区域，则获取预设时间内所述机器人在所述障碍物地图上的运动距离；
当所述运动距离小于预设距离时，确认所述机器人在所述障碍物地图上的运动路径被障碍对象阻挡；
识别所述障碍对象是否包含移动体，当所述障碍对象中包含移动体时，将所述移动体在所述障碍物地图上形成的指示图从障碍物地图上进行剔除；若基于剔除所述指示图后的障碍物地图计算出所述通行区域时，则控制所述机器人继续沿所述目标道路运行。
一种机器人的路径规划装置，所述装置包括：
获取模块，用于控制机器人在目标道路运行，根据所述感知模块输出的数据生成障碍物地图，判断在所述障碍物地图上是否可以计算出通行区域，若无法计算出所述通行区域，则获取预设时间内所述机器人在所述障碍物地图上的运动距离；
确定模块，用于当所述运动距离小于预设距离时，确认所述机器人在所述障碍物地图上的运动路径被障碍对象阻挡；
运行模块，用于识别所述障碍对象是否包含移动体，当所述障碍对象中包含移动体时，将所述移动体在所述障碍物地图上形成的指示图从障碍物地图上进行剔除；若基于剔除所述指示图后的障碍物地图计算出所述通行区域时，则控制所述机器人继续沿所述目标道路运行。
一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述机器人的路径规划方法的步骤。
一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行上述机器人的路径规划方法的步骤。
上述机器人的路径规划方法、装置、机器人和存储介质，当判断机器人在运动方向上的目标道路被障碍对象阻挡时，通过对障碍对象进行识别判断，同时针对性的选择将障碍对象在障碍物地图上形成的指示图从障碍物地图中除去后，再进行局部运动路径规划，从而可以确定出该目标道路是可以通行的道路，避免因障碍对象为可以移动的移动体而判定目标道路为拥堵道路而影响机器人的正常运动。此外，若基于剔除移动体后的障碍物地图无法计算出通行区域时，将该目标道路判定为拥堵路段，从而重新进行全局路径规划，实现了通过精确的探测动态环境来进行机器人的路径规划，从而在实际的运动环境中，有效的提高了机器人路径规划的准确性。
附图说明
图1为一个实施例中机器人的路径规划方法的应用环境图；
图2为一个实施例中机器人的路径规划方法的流程示意图；
图3为一个实施例中路径计算的流程示意图；
图4为一个实施例中机器人的路径规划装置的结构框图；
图5为另一个实施例中机器人的路径规划装置的结构框图；
图6为一个实施例中机器人的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的机器人的路径规划方法，可以应用于如图1所示的应用环境中。在该应用环境中，包括机器人102和服务器104。
服务器104可以是独立的物理服务器，也可以是区块链系统中的服务节点，该区块链系统中的各服务节点之间形成组成点对点(P2P，Peer To Peer)网络，P2P协议是一个运行在传输控制协议(TCP，Transmission Control Protocol)协议之上的应用层协议。
此外，服务器104还可以是多个物理服务器构成的服务器集群，可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
机器人102与服务器104之间可以通过蓝牙、USB(Universal Serial Bus，通用串行总线)或者网络等通讯连接方式进行连接，本申请在此不做限制。在一个实施例中，如图2所示，提供了一种机器人的路径规划方法，该方法可以应用于机器人，以该方法应用于图1中的机器人为例进行说明，包括以下步骤：
S202，控制机器人在目标道路运行，根据感知模块输出的数据生成障碍物地图，判断在障碍物地图上是否可以计算出通行区域，若无法计算出通行区域，则获取预设时间内机器人在障碍物地图上的运动距离。
其中，目标道路是指原始规划的道路。障碍物地图是机器人在目标道路运行过程中实时生成的地图，感知模块将感知到的环境中的障碍对象生成障碍物数据，机器人根据障碍物数据在障碍物地图中形成障碍物的指示图。运动距离指的是机器人在地图上形成的运动点在障碍物地图上的运动距离。计算通行区域一般采用路径规划算法，比如，迪杰斯特拉(Dijkstra)算法、启发式搜索(A*)算法、任意时刻规划(Anytime Repairing A*)算法、最佳优先搜索(Best-First Searching)算法、双向A*(Bidirectional A*)算法等。A*算法搜索原理主要利用栅格地图从起始点的起始栅格点开始搜索到起始点周围的子栅格点，每次从周围的子栅格点中选择一个评价函数最低的点作下一个的搜索节点，即称为当前节点。再次生成与当前节点相邻的子栅格点，并重新搜索评价函数最低的点作新的当前节点，依次搜索，直到当前节点为目的地位置。栅格地图中每个栅格由状态表示，即占用状态和空闲状态，指示栅格位置是否是障碍物。路径规划算法占用一个栅格，并通过搜索自由栅格并避开障碍物来规划由多个栅格组成的路径，障碍物地图包括栅格地图。预设时间是预先设置的时间。
在一个实施例中，在获取预设时间内的运动距离之前，机器人依据拓扑地图对机器人路径进行全局规划，得到第一全局路径；在依据第一全局路径进行运动的过程中，通过感知模块探测机器人周围的障碍对象；生成障碍物地图，并将障碍对象的指示图对应在障碍物地图上；基于障碍物地图进行通行区域计算。感知模块即机器人的视觉，用于获取环境图像、环境信息等，其中环境信息包括障碍物信息、道路信息等。在一个实施例中，感知模块可以为传感器。
预设时间是为了获取机器人的通行距离而设置的一个时间段，预设时间可以为2分钟、3分钟、5分钟等。例如，预设时间为5秒，机器人获取5秒内的运动距离为0.3米。
S204，当运动距离小于预设距离时，确认机器人在障碍物地图上的运动路径被障碍对象阻挡。
其中，预设距离为预先设置的距离。障碍对象包含静态障碍物、移动体等。静态障碍物指不移动的物体，例如，石头、纸箱、桌椅等。移动体是指可以移动的生物或正在移动的物体，例如，人、动物、正在行驶的车辆等。
例如，预设距离为0.5米，运动距离为0.2米，判断运动距离小于预设距离，则判定机器人运动过程中的运动方向上的目标道路被障碍对象阻挡。
S206，识别障碍对象是否包含移动体，当障碍对象中包含移动体时，将移动体在障碍物地图上形成的指示图从障碍物地图上进行剔除；若基于剔除指示图后的障碍物地图计算出通行区域时，则控制机器人继续沿目标道路运行。
在一个实施例中，识别障碍对象是否包含移动体，即从障碍对象中确认识别到的障碍对象是移动体还是静态物；当障碍对象中包含移动体时，将移动体在障碍物地图上形成的指示图从障碍物地图上进行剔除；若基于剔除指示图后的障碍物地图计算出通行区域时，则控制机器人继续沿目标道路运行。
指示图是指机器人根据感知模块识别到的障碍对象的数据，在障碍物地图上实时形成的障碍物的指示图。该指示图可以是障碍物的图像、障碍物的轮廓和/或障碍物的点云等。
在一个实施例中，机器人识别障碍对象采用运动检测的方法进行识别。在预设时间内，判断障碍对象是否发生位移或者是否发生行为或动作变换，若是，则障碍对象为移动体；若否，则障碍对象为静态障碍物。
例如，障碍对象中包含了箱子、行人，机器人在障碍对象中进行移动体识别，识别出障碍对象中有箱子、行人，机器人将行人在障碍物地图中形成的指示图从障碍物地图中分割出来，得到包含了箱子的障碍物地图。
又一实施例中，机器人识别障碍对象采用图像识别的方法。采用传感器获取环境图像，对环境图像进行分析提取出环境图像中包括的障碍对象，然后对障碍对象进行识别判断是否存在人脸，如存在人脸则判断该障碍对象为移动体。
在一个实施例中，S206还包括若基于剔除指示图后的障碍物地图无法计算出通行区域，则机器人将通行区域标记为拥堵路段，对机器人的目标道路重新进行规划。
在一个实施例中，S206还包括当障碍对象中不包含移动体时，将目标道路标记为堵塞；目标道路是第一全局路径中的道路；基于拓扑地图对机器人路径重新进行全局规划，得到第二全局路径；其中，第一全局路径与第二全局路径是不同的路径。
在一个实施例中，S206还包括若基于剔除指示图后的障碍物地图计算出通行区域时，确定目标道路为可通行道路；发出用于提示移动体移动的提示信息，以便控制机器人继续沿目标道路运行。
在一个实施例中，S206还包括若基于剔除指示图后的障碍物地图无法计算出通行区域时，按照拥堵路段对目标道路进行标记；调整各道路的权重；目标道路属于各道路中的一个道路；依据权重，重新对机器人路径进行全局规划。
其中，通行区域有两种情况，一种是通行区域与第一全局路径(原始规划路径)中的一部分路径一致(障碍对象为含人、且人走开了，无需绕行)；另一种是通行区域与第一全局路径(原始规划路径)中的一部分路径不一致(即障碍对象包括人和物，人走开了，但需绕行)。
例如，剔除移动体在障碍物地图上形成的指示图为剔除了行人且包含箱子的障碍物地图，利用该障碍物地图计算出局部运动路径。其中通行区域与第一全局路径(原始规划路径)中的一部分路径一致。机器人确定目标道路为可通行道路；发出用于提示行人移动的提示信息，例如；“请您让我过一下好吗”，并依据通行区域进行运动。
例如，机器人剔除移动体在障碍物地图上形成的指示图为剔除了行人且包含箱子的障碍物地图，基于该障碍物地图无法计算出通行区域，机器人按照拥堵路段对目标道路进行标记，并将该道路的权重(代价)，从2变为100，重新计算各道路从当前节点(当前位置)到目的地位置的权重(代价)，依据各道路的权重(代价)，重新对机器人路径进行全局规划，得到新的全局路径。
例如，起始位置为A，目的地位置为F，第一全局路径为A-B-C-D-F，机器人行驶到了B位置所在的B道路，判断在B位置被障碍对象阻挡。则B道路为目标道路，障碍对象中包含了箱子、行人，将移动体在障碍物地图上形成的指示图从障碍物地图上进行剔除，得到包含了箱子的障碍物地图。依据该障碍物地图无法计算出通行区域，机器人按照拥堵路段对目标道路进行标记，将目标道路的权重(代价)增大至100，其他道路权重不变，依据权重，重新对机器人路径进行全局规划，得到新的全局路径A-S-M-Z-D-F。
上述机器人的路径规划方法中，当判断机器人在运动方向上的目标道路被障碍对象阻挡时，通过对障碍对象进行识别判断，同时针对性的选择将障碍对象在障碍物地图上形成的指示图从障碍物地图上进行剔除后，再进行通行区域规划，从而可以确定出该目标道路是可以通行的道路，避免因障碍对象为可以移动体而判定目标道路为拥堵道路而影响机器人的正常运动。此外，若剔除移动体在障碍物地图上形成的指示图无法计算出通行区域时，将该目标道路判定为拥堵路段，从而重新进行全局路径规划，实现了通过精确的探测动态环境来进行机器人的路径规划，从而在实际的运动环境中，有效的提高了机器人路径规划的准确性。
在一个实施例中，如图3所示，路径计算步骤，包括：
S302，依据拓扑地图对机器人路径进行全局规划，得到第一全局路径。
其中，全局规划是指对起始位置到目的地位置的路径规划，全局规划一般采用路径规划算法，比如，迪杰斯特拉(Dijkstra)算法、启发式搜索(A*)算法、任意时刻规划(Anytime Repairing A*)算法、最佳优先搜索(Best-First Searching)算法、双向A*(Bidirectional A*)算法等。
Dijkstra算法的主要思想是求一个起始位置(起始点)到目的地位置(目的地点)的距离最短路径的算法。拓扑地图(topological map)是一种体现用点与线体现起始点与目的地点相对位置关系的地图。第一全局路径是指：原始的规划路径。
具体地，机器人依据拓扑地图对机器人路径进行全局规划的步骤包含；机器人依据拓扑地图计算出起始位置(起始点)到目的地位置(目的地点)的距离最短路径，该最短路径即为第一全局路径。
S304，在依据第一全局路径进行运动的过程中，通过传感器探测机器人周围的障碍对象。
其中，传感器可以是雷达、rgbd相机、红外线传感器等。障碍对象包含静态障碍对象和动态障碍对象。
例如，第一全局路径为A-B-C-D-F，通过传感器实时探测机器人周围的障碍对象，例如，当前探测出机器人周围的障碍对象为行人、水桶。
S306，生成障碍物地图，并将障碍对象对应在障碍物地图上。
其中，将障碍对象对应在障碍物地图上可以指：障碍对象通过感知模块生成的指示图在障碍物地图上进行对应，对应包含位置的对应和障碍物区域等信息的对应。
具体地，S306可以包括机器人通过传感器逐点扫描周围的环境生成的图像，得到扫描数据，对扫描数据重新采样与再编码，从而生成障碍物地图。再将障碍对象的指示图对应在障碍物地图上。
S308，基于障碍物地图进行通行区域计算。
例如，起始位置为A，目的地位置为F，第一全局路径为A-B-C-D-F，例如，起始位置为A，目的地位置为F，机器人行驶到了B位置，通过传感器探测机器人周围的障碍对象；生成障碍物地图，并将障碍对象的指示图对应在障碍物地图上；基于障碍物地图进行通行区域计算。得到通行区域B-C。
本实施例中，通过利用拓扑地图和运动的过程的动态环境相结合来进行运动路径规划，实现了通过精确的探测动态环境来进行机器人的路径规划，从而在实际的运动环境中，有效的提高了机器人路径规划的准确性。
本申请还提供一种应用场景，该应用场景应用上述的机器人的路径规划方法。具体地，该机器人的路径规划方法，在该应用场景的应用如下：
场景1：当机器人需要在餐馆服务，例如负责送餐，可以采用上述的机器人的路径规划方法，机器人依据餐馆的拓扑地图对机器人路径进行全局规划，即机器人依据拓扑地图计算出起始位置A(起始点)到目的地位置F(目的地点)的距离最短路径，该最短路径即为第一全局路径，例如，第一全局路径为A-B-C-D-F，通过传感器实时探测机器人周围的障碍对象，例如，机器人行驶到了B位置所在的B道路，B道路即为目标道路，当前探测出机器人周围的障碍对象为行人、水桶。机器人将障碍对象对应生成的图像，逐点扫描周围的障碍对象生成的图像，得到扫描数据，对扫描数据重新采样与再编码，从而得到障碍物地图。基于障碍物地图进行通行区域计算，得到通行区域B-C，则机器人依据通行区域B-C继续运动。
场景2：机器人依据餐馆的拓扑地图对机器人路径进行全局规划，即机器人依据拓扑地图计算出起始位置A(起始点)到目的地位置F(目的地点)的距离最短路径，该最短路径即为第一全局路径，例如，第一全局路径为A-B-C-D-F，通过传感器实时探测机器人周围的障碍对象，例如，机器人行驶到了B位置所在的B道路，B道路即为目标道路，当前探测出机器人周围的障碍对象为包含了箱子、行人。机器人将障碍对象对应生成的图像，逐点扫描周围的障碍对象生成的图像，得到扫描数据，对扫描数据重新采样与再编码，从而得到障碍物地图。基于障碍物地图进行通行区域计算，若基于障碍物地图无法计算出通行区域，获取预设时间内的运动距离，例如，预设时间为5秒，机器人获取5秒内的运动距离为0.3米。且预设距离为0.5米，判断运动距离小于预设距离。则机器人判定运动过程中的运动方向上的目标道路被障碍对象阻挡。机器人在障碍对象中进行移动体检测，检测出障碍对象中有行人，机器人将行人在障碍物地图上形成的指示图从障碍物地图中剔除出来，得到包含了箱子的障碍物地图。利用该障碍物地图计算出通行区域。其中通行区域与第一全局路径(原始规划路径)中的一部分路径一致。机器人确定目标道路为可通行道路；发出用于提示行人移动的提示信息，例如；“请您让我过一下好吗”，并依据通行区域进行运动。
场景3：机器人依据餐馆的拓扑地图对机器人路径进行全局规划，即机器人依据拓扑地图计算出起始位置A(起始点)到目的地位置F(目的地点)的距离最短路径，该最短路径即为第一全局路径，例如，第一全局路径为A-B-C-D-F，通过传感器实时探测机器人周围的障碍对象，例如，机器人行驶到了B位置所在的B道路，B道路即为目标道路，当前探测出机器人周围的障碍对象为包含了箱子、行人。机器人将障碍对象对应生成的图像，逐点扫描周围的障碍对象生成的图像，得到扫描数据，对扫描数据重新采样与再编码，从而得到障碍物地图。基于障碍物地图进行通行区域计算，若基于障碍物地图无法计算出通行区域，获取预设时间内的运动距离，例如，预设时间为5秒，机器人获取5秒内的运动距离为0.3米。且预设距离为0.5米，判断运动距离小于预设距离。则机器人判定运动过程中的运动方向上的目标道路被障碍对象阻挡。机器人在障碍对象中进行移动体检测，检测出障碍对象中有行人、机器人将行人在障碍物地图上形成的指示图剔除出来，得到包含了箱子的障碍物地图。利用该障碍物地图计算出通行区域。其中通行区域与第一全局路径(原始规划路径)中的一部分路径不一致。机器人确定目标道路为可通行道路；发出用于提示行人移动的提示信息，例如；“请您让我过一下好吗”，并依据通行区域进行运动。
场景4：机器人依据餐馆的拓扑地图对机器人路径进行全局规划，即机器人依据拓扑地图计算出起始位置A(起始点)到目的地位置F(目的地点)的距离最短路径，该最短路径即为第一全局路径，例如，第一全局路径为A-B-C-D-F，通过传感器实时探测机器人周围的障碍对象，例如，机器人行驶到了B位置所在的B道路，B道路即为目标道路，当前探测出机器人周围的障碍对象为包含了箱子、行人。机器人将障碍对象对应生成的图像，逐点扫描周围的障碍对象生成的图像，得到扫描数据，对扫描数据重新采样与再编码，从而得到障碍物地图。基于障碍物地图进行通行区域计算，若基于障碍物地图无法计算出通行区域，获取预设时间内的运动距离，例如，预设时间为5秒，机器人获取5秒内的运动距离为0.3米。且预设距离为0.5米，判断运动距离小于预设距离。则机器人判定运动过程中的运动方向上的目标道路被障碍对象阻挡。机器人在障碍对象中进行移动体检测，检测出障碍对象中有行人，机器人将行人在障碍物地图上形成的指示图从障碍物地图中剔除出来，得到包含了箱子的障碍物地图。基于该障碍物地图无法计算出通行区域，机器人按照拥堵路段对目标道路进行标记，并将该道路的权重(代价)，从2变为100，重新计算各道路从当前节点(当前位置)到目的地位置的权重(代价)，依据各道路的权重(代价)，重新对机器人路径进行全局规划，得到新的全局路径。
应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种机器人的路径规划装置，该装置可以采用软件模块或硬件模块，或者是二者的结合成为机器人的一部分，该装置具体包括：获取模块402、确定模块404、运行模块406，其中：
获取模块402，用于控制机器人在目标道路运行，根据感知模块输出的数据生成障碍物地图，判断在障碍物地图上是否可以计算出通行区域，若无法计算出通行区域，则获取预设时间内机器人在障碍物地图上的运动距离；
确定模块404，用于当运动距离小于预设距离时，确认机器人在障碍物地图上的运动路径被障碍对象阻挡；
运行模块406，用于识别障碍对象，当障碍对象中包含移动体时，将移动体在障碍物地图上形成的指示图从障碍物地图上进行剔除；若基于剔除指示图后的障碍物地图计算出通行区域时，则控制机器人继续沿目标道路运行。
在一个实施例中，运行模块406还用于若基于剔除指示图后的障碍物地图无法计算出通行区域，则将通行区域标记为拥堵路段，对机器人的目标道路重新进行规划。
在一个实施例中，运行模块406还用于当障碍对象中不包含移动体时，将目标道路标记为堵塞；目标道路是第一全局路径中的道路；基于拓扑地图对机器人路径重新进行全局规划，得到第二全局路径；其中，第一全局路径与第二全局路径是不同的路径。
在一个实施例中，运行模块406还用于若基于剔除指示图后的障碍物地图计算出通行区域时，确定目标道路为可通行道路；发出用于提示移动体移动的提示信息，以便控制机器人继续沿目标道路运行。
在一个实施例中，运行模块406还用于若基于剔除指示图后的障碍物地图无法计算出通行区域时，按照不可通行道路对目标道路进行标记；调整各道路的权重；目标道路属于各道路中的一个道路；依据权重，重新对机器人路径进行全局规划。
在一个实施例中，如图5所示，该装置还包括：计算模块408，其中：
计算模块408，用于依据拓扑地图对机器人路径进行全局规划，得到第一全局路径；在依据第一全局路径进行运动的过程中，通过传感器探测机器人周围的障碍对象；生成障碍物地图，并将障碍对象对应在障碍物地图上；基于障碍物地图进行通行区域计算。
上述实施例中，当判断机器人在运动方向上的目标道路被障碍对象阻挡时，通过对障碍对象进行识别判断，同时针对性的选择将障碍对象在障碍物地图上形成的指示图从障碍物地图中除去后，再进行通行区域规划，从而可以确定出该目标道路是可以通行的道路，避免因障碍对象为可以移动的移动体而判定目标道路为拥堵道路而影响机器人的正常运动。此外，若基于剔除移动体后的障碍物地图无法计算出通行区域时，将该目标道路判定为拥堵路段，从而重新进行全局路径规划，实现了通过精确的探测动态环境来进行机器人的路径规划，从而在实际的运动环境中，有效的提高了机器人路径规划的准确性。
关于机器人的路径规划装置的具体限定可以参见上文中对于机器人的路径规划方法的限定，在此不再赘述。上述机器人的路径规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于机器人中的处理器中，也可以以软件形式存储于机器人中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种机器人，其内部结构图可以如图6所示。该机器人包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该机器人的处理器用于提供计算和控制能力。该机器人的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该机器人的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种机器人的路径规划方法。该机器人的显示屏可以是液晶显示屏或者电子墨水显示屏，该机器人的输入装置可以是显示屏上覆盖的触摸层，也可以是机器人外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的机器人的限定，具体地机器人可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，一种机器人，包括感知模块、存储器和处理器，存储器内存储有可在处理器上运行的计算机可读指令，处理器用于执行计算机可读指令时实现如下步骤：
控制机器人在目标道路运行，根据感知模块输出的数据生成障碍物地图，判断在障碍物地图上是否可以计算出通行区域，若无法计算出通行区域，则获取预设时间内机器人在障碍物地图上的运动距离；
当运动距离小于预设距离时，确认机器人在障碍物地图上的运动路径被障碍对象阻挡；
识别障碍对象是否包含移动体，当障碍对象中包含移动体时，将移动体在障碍物地图上形成的指示图从障碍物地图上进行剔除；若基于剔除指示图后的障碍物地图计算出通行区域时，则控制机器人继续沿目标道路运行。
在一个实施例中，该机器人中处理器执行计算机可读指令时，还实现如下步骤：若基于剔除指示图后的障碍物地图无法计算出通行区域，则将通行区域标记为拥堵路段，对机器人的目标道路重新进行规划。
在一个实施例中，该机器人中获取预设时间内的运动距离之前，处理器用于执行计算机可读指令时还实现如下步骤：依据拓扑地图对机器人路径进行全局规划，得到第一全局路径；在依据第一全局路径进行运动的过程中，通过传感器探测机器人周围的障碍对象；生成障碍物地图，并将障碍对象对应在障碍物地图上；基于障碍物地图进行通行区域计算。
在一个实施例中，该机器人中处理器用于执行计算机可读指令时，还包括：当障碍对象中不包含移动体时，将目标道路标记为堵塞；目标道路是第一全局路径中的道路；基于拓扑地图对机器人路径重新进行全局规划，得到第二全局路径；其中，第一全局路径与第二全局路径是不同的路径。
在一个实施例中，该机器人中处理器用于执行若基于剔除指示图后的障碍物地图计算出通行区域时，则控制机器人继续沿目标道路运行的步骤时，具体实现如下步骤：
若基于剔除指示图后的障碍物地图计算出通行区域时，确定目标道路为可通行道路；发出用于提示移动体移动的提示信息，以便控制机器人继续沿目标道路运行。
在一个实施例中，该机器人中处理器执行计算机可读指令时，还实现如下步骤：若基于剔除指示图后的障碍物地图无法计算出通行区域时，按照拥堵路段对目标道路进行标记；调整各道路的权重；目标道路属于各道路中的一个道路；依据权重，重新对机器人路径进行全局规划。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。机器人的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该机器人执行上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种机器人，包括感知模块、存储器和处理器，所述存储器内存储有可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器用于执行所述计算机可读指令时实现如下步骤：
控制机器人在目标道路运行，根据所述感知模块输出的数据生成障碍物地图，判断在所述障碍物地图上是否可以计算出通行区域，若无法计算出所述通行区域，则获取预设时间内所述机器人在所述障碍物地图上的运动距离；
当所述运动距离小于预设距离时，确认所述机器人在所述障碍物地图上的运动路径被障碍对象阻挡；
识别所述障碍对象是否包含移动体，当所述障碍对象中包含移动体时，将所述移动体在所述障碍物地图上形成的指示图从障碍物地图上进行剔除；若基于剔除所述指示图后的障碍物地图计算出所述通行区域时，则控制所述机器人继续沿所述目标道路运行。
2.根据权利要求1所述的机器人，其特征在于，所述处理器执行所述计算机可读指令时，还实现如下步骤：
若基于剔除所述指示图后的障碍物地图无法计算出所述通行区域，则将所述通行区域标记为拥堵路段，对所述机器人的所述目标道路重新进行规划。
3.根据权利要求1所述的机器人，其特征在于，所述获取预设时间内所述机器人在所述障碍物地图上的运动距离之前，所述处理器用于执行所述计算机可读指令时还实现如下步骤：
依据拓扑地图对所述机器人路径进行全局规划，得到第一全局路径；
在依据所述第一全局路径进行运动的过程中，通过所述感知模块探测所述机器人周围的障碍对象；
生成所述障碍物地图，并将所述障碍对象对应在所述障碍物地图上；
基于所述障碍物地图进行所述通行区域计算。
4.根据权利要求3所述的机器人，其特征在于，所述处理器用于执行所述计算机可读指令时，还包括：
当所述障碍对象中不包含移动体时，将所述目标道路标记为堵塞；所述目标道路是所述第一全局路径中的道路；
基于所述拓扑地图对所述机器人路径重新进行全局规划，得到第二全局路径；其中，所述第一全局路径与所述第二全局路径是不同的路径。
5.根据权利要求1所述的机器人，其特征在于，所述处理器用于执行所述若基于剔除所述指示图后的障碍物地图计算出所述通行区域时，则控制所述机器人继续沿所述目标道路运行的步骤时，具体实现如下步骤：
若基于剔除所述指示图后的障碍物地图计算出所述通行区域时，确定所述目标道路为可通行道路；
发出用于提示所述移动体移动的提示信息，以便控制所述机器人继续沿所述目标道路运行。
6.根据权利要求1所述的机器人，其特征在于，所述处理器执行所述计算机可读指令时，还实现如下步骤：
若基于剔除所述指示图后的障碍物地图无法计算出所述通行区域时，按照拥堵路段对所述目标道路进行标记；
根据标记的数据调整各道路的权重；所述目标道路属于各所述道路中的一个道路；
依据所述权重，重新对所述机器人路径进行全局规划。
7.一种机器人的路径规划方法，其特征在于，所述方法包括：
控制机器人在目标道路运行，根据所述感知模块输出的数据生成障碍物地图，判断在所述障碍物地图上是否可以计算出通行区域，若无法计算出所述通行区域，则获取预设时间内所述机器人在所述障碍物地图上的运动距离；
当所述运动距离小于预设距离时，确认所述机器人在所述障碍物地图上的运动路径被障碍对象阻挡；
识别所述障碍对象是否包含移动体，当所述障碍对象中包含移动体时，将所述移动体在所述障碍物地图上形成的指示图从障碍物地图上进行剔除；若基于剔除所述指示图后的障碍物地图计算出所述通行区域时，则控制所述机器人继续沿所述目标道路运行。
8.一种机器人的路径规划装置，其特征在于，所述装置包括：
获取模块，用于控制机器人在目标道路运行，根据所述感知模块输出的数据生成障碍物地图，判断在所述障碍物地图上是否可以计算出通行区域，若无法计算出所述通行区域，则获取预设时间内所述机器人在所述障碍物地图上的运动距离；
确定模块，用于当所述运动距离小于预设距离时，确认所述机器人在所述障碍物地图上的运动路径被障碍对象阻挡；
运行模块，用于识别所述障碍对象是否包含移动体，当所述障碍对象中包含移动体时，将所述移动体在所述障碍物地图上形成的指示图从障碍物地图上进行剔除；若基于剔除所述指示图后的障碍物地图计算出所述通行区域时，则控制所述机器人继续沿所述目标道路运行。
9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求7所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求7所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111674301.9A CN114415678B (zh) | 2021-12-31 | 2021-12-31 | 机器人的路径规划方法、装置、机器人和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111674301.9A CN114415678B (zh) | 2021-12-31 | 2021-12-31 | 机器人的路径规划方法、装置、机器人和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114415678A true CN114415678A (zh) | 2022-04-29 |
| CN114415678B CN114415678B (zh) | 2024-01-16 |
Family
ID=81272348
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111674301.9A Active CN114415678B (zh) | 2021-12-31 | 2021-12-31 | 机器人的路径规划方法、装置、机器人和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114415678B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115869624A (zh) * | 2022-12-08 | 2023-03-31 | 腾讯科技（深圳）有限公司 | 游戏区域的标记方法、装置、设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010009585A (ko) * | 1999-07-12 | 2001-02-05 | 김헌출 | 미장로봇을 위한 경로계획 생성방법 |
| KR20110026776A (ko) * | 2009-09-08 | 2011-03-16 | 부산대학교 산학협력단 | 실제 로봇의 다중 경로계획 방법 |
| JP2011198173A (ja) * | 2010-03-23 | 2011-10-06 | Hitachi Industrial Equipment Systems Co Ltd | ロボットシステム |
| WO2017041730A1 (zh) * | 2015-09-09 | 2017-03-16 | 北京进化者机器人科技有限公司 | 一种移动机器人避障导航的方法和系统 |
| CN108775902A (zh) * | 2018-07-25 | 2018-11-09 | 齐鲁工业大学 | 基于障碍物虚拟膨胀的伴随机器人路径规划方法及系统 |
| 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 |
| CN112284389A (zh) * | 2020-09-28 | 2021-01-29 | 深圳优地科技有限公司 | 移动机器人路径规划方法、装置、移动机器人和存储介质 |
| US20210154835A1 (en) * | 2019-11-21 | 2021-05-27 | Ubtech Robotics Corp Ltd | Robot path planning method and apparatus and robot using the same |
| CN113110457A (zh) * | 2021-04-19 | 2021-07-13 | 杭州视熵科技有限公司 | 在室内复杂动态环境中智能机器人的自主覆盖巡检方法 |
| CN113475976A (zh) * | 2020-03-16 | 2021-10-08 | 珠海格力电器股份有限公司 | 机器人可通行区域确定方法、装置、存储介质及机器人 |
-
2021
- 2021-12-31 CN CN202111674301.9A patent/CN114415678B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010009585A (ko) * | 1999-07-12 | 2001-02-05 | 김헌출 | 미장로봇을 위한 경로계획 생성방법 |
| KR20110026776A (ko) * | 2009-09-08 | 2011-03-16 | 부산대학교 산학협력단 | 실제 로봇의 다중 경로계획 방법 |
| JP2011198173A (ja) * | 2010-03-23 | 2011-10-06 | Hitachi Industrial Equipment Systems Co Ltd | ロボットシステム |
| WO2017041730A1 (zh) * | 2015-09-09 | 2017-03-16 | 北京进化者机器人科技有限公司 | 一种移动机器人避障导航的方法和系统 |
| 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 |
| CN108775902A (zh) * | 2018-07-25 | 2018-11-09 | 齐鲁工业大学 | 基于障碍物虚拟膨胀的伴随机器人路径规划方法及系统 |
| US20210154835A1 (en) * | 2019-11-21 | 2021-05-27 | Ubtech Robotics Corp Ltd | Robot path planning method and apparatus and robot using the same |
| CN113475976A (zh) * | 2020-03-16 | 2021-10-08 | 珠海格力电器股份有限公司 | 机器人可通行区域确定方法、装置、存储介质及机器人 |
| CN112284389A (zh) * | 2020-09-28 | 2021-01-29 | 深圳优地科技有限公司 | 移动机器人路径规划方法、装置、移动机器人和存储介质 |
| CN113110457A (zh) * | 2021-04-19 | 2021-07-13 | 杭州视熵科技有限公司 | 在室内复杂动态环境中智能机器人的自主覆盖巡检方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115869624A (zh) * | 2022-12-08 | 2023-03-31 | 腾讯科技（深圳）有限公司 | 游戏区域的标记方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114415678B (zh) | 2024-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102515483B1 (ko) | 리턴 여정 지연에 기초하여 사용자에게 교통 경고 제공 | |
| CN110832417B (zh) | 使用高清地图为自主车辆生成路线 | |
| KR101751163B1 (ko) | 차량의 경로 판정 시스템 및 그 방법 | |
| US9448073B2 (en) | System and method for assessing road quality using data collected from a mobile device | |
| JP2014527617A (ja) | 情報の収集および抽出を通じたルート提供 | |
| JP2014527617A5 (zh) | ||
| WO2012086029A1 (ja) | 自律移動システム | |
| KR20130065126A (ko) | 이동체의 경로 설정 장치 및 방법 | |
| WO2017221022A1 (en) | Detecting the position of a user and directing a passenger vehicle to pick up the user responsive thereto | |
| US10801844B2 (en) | Remediating dissimilarities between digital maps and ground truth data via dissimilarity threshold tuning | |
| US20240346920A1 (en) | Passage information providing device, passage information providing method, and program storage medium | |
| CN114415678A (zh) | 机器人的路径规划方法、装置、机器人和存储介质 | |
| EP3010255A1 (en) | Method, system, user terminal and computer programs for estimating user terminal mobile paths through cellular network and map information | |
| JP7395782B2 (ja) | 地図データ記憶装置、制御方法、プログラム及び記憶媒体 | |
| CN112985440A (zh) | 行驶轨迹偏移的检测方法、装置、存储介质及程序产品 | |
| KR102503608B1 (ko) | 모빌리티 장치에 최적 경로 제공 시스템 | |
| JP2020101924A (ja) | 情報処理システム、プログラム、及び情報処理方法 | |
| Abdelhamid et al. | Driver-centric route guidance | |
| KR102416301B1 (ko) | 특정 시설에 대한 교통 경로를 제공하는 스마트 경로 설정 장치 및 방법 | |
| AU2021101897A4 (en) | A machine learning and IOT based system for intelligent routing | |
| KR102234617B1 (ko) | 데이터 통신망을 이용한 보행도로 데이터 획득 방법 및 그 시스템 | |
| KR20240081896A (ko) | 인공지능 모델을 접목한 시각장애인 최적화 경로 안내 시스템 및 그 방법 | |
| Cai et al. | Vehicle Trajectory Prediction Based on Dynamic Graph Neural Network | |
| WO2023156258A1 (en) | Processing digital map data | |
| KR20240081907A (ko) | 인공지능 모델을 접목한 실시간 보행데이터 관제 시스템 및 그 방법 |
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 |