CN114488853A - 一种机器人路径规划的场景仿真方法及装置 - Google Patents
一种机器人路径规划的场景仿真方法及装置 Download PDFInfo
- Publication number
- CN114488853A CN114488853A CN202210092754.9A CN202210092754A CN114488853A CN 114488853 A CN114488853 A CN 114488853A CN 202210092754 A CN202210092754 A CN 202210092754A CN 114488853 A CN114488853 A CN 114488853A
- Authority
- CN
- China
- Prior art keywords
- robot
- obstacle
- collision avoidance
- motion process
- motion
- 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 141
- 238000004088 simulation Methods 0.000 title claims abstract description 51
- 230000008569 process Effects 0.000 claims abstract description 94
- 238000004590 computer program Methods 0.000 claims description 15
- 230000004888 barrier function Effects 0.000 claims description 14
- 230000000737 periodic effect Effects 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 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
- 238000004886 process control Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种机器人路径规划的场景仿真方法及装置，涉及仿真技术领域，可用于金融领域或其他技术领域。所述方法包括：根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测；若在运动方向上的预设区域范围内检测到障碍物，则获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略；根据所述避碰策略对所述机器人的运动过程进行控制。所述装置执行上述方法。本发明实施例提供的机器人路径规划的场景仿真方法及装置，能够提高机器人在躲避障碍物时的效率。
Description
技术领域
本发明涉及仿真技术领域，具体涉及一种机器人路径规划的场景仿真方法及装置。
背景技术
近年来，机器人技术，特别是智能移动机器人技术的进步发展十分显著，应用遍及工业生产和日常生活的各个方面。作为机器人学领域中一项非常重要的内容，智能机器人路径规划的场景仿真是目前机器人学研究的一个热点。现有的技术方案中，针对未知环境中智能机器人的路径规划，大体上有全局路径规划和局部路径规划两种方式。现有的智能机器人的路径规划仿真方法中，存在着机器人在躲避动态障碍物时效率不够高的缺点。
发明内容
针对现有技术中的问题，本发明实施例提供一种机器人路径规划的场景仿真方法及装置，能够至少部分地解决现有技术中存在的问题。
一方面，本发明提出一种机器人路径规划的场景仿真方法，包括：
根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测；
若在运动方向上的预设区域范围内检测到障碍物，则获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略；
根据所述避碰策略对所述机器人的运动过程进行控制。
其中，所述障碍物运动状态包括障碍物运动方向；相应的，所述获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略，包括：
若所述障碍物运动方向与所述运动方向相对，则确定所述避碰策略为主动式避碰策略。
其中，所述获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略，还包括：
若所述障碍物运动方向与所述运动方向存在夹角，则确定所述避碰策略为被动式避碰策略。
其中，所述根据所述避碰策略对所述机器人的运动过程进行控制，包括：
根据所述主动式避碰策略控制所述机器人向与原运动方向相垂直的方向进行运动，直到在原运动方向上的预设区域范围内检测不到障碍物时，再按照原运动方向进行运动。
其中，所述根据所述避碰策略对所述机器人的运动过程进行控制，包括：
根据所述被动式避碰策略控制所述机器人在原地静止不动，直到在原运动方向上的预设区域范围内检测不到障碍物时，再按照原运动方向进行运动。
其中，所述全局规划路径包括若干目标点；相应的，所述根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测，包括：
在相邻两目标点之间模拟机器人的运动过程，并对所述机器人的周期运动过程进行检测。
其中，在对所述机器人的周期运动过程进行检测过程中，所述机器人路径规划的场景仿真方法还包括：
若所述机器人未到达相邻两目标点中的下一目标点，则继续对所述机器人的周期运动过程进行检测，直到所述机器人到达相邻两目标点中的下一目标点；
若所述机器人到达相邻两目标点中的下一目标点，则确定所述机器人是否到达终止点；
若所述机器人未到达所述终止点，则继续对所述机器人的周期运动过程进行检测，直到所述机器人到达所述终止点。
一方面，本发明提出一种机器人路径规划的场景仿真装置，包括：
检测单元，用于根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测；
确定单元，用于若在运动方向上的预设区域范围内检测到障碍物，则获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略；
控制单元，用于根据所述避碰策略对所述机器人的运动过程进行控制。
再一方面，本发明实施例提供一种电子设备，包括：处理器、存储器和总线，其中，
所述处理器和所述存储器通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如下方法：
根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测；
若在运动方向上的预设区域范围内检测到障碍物，则获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略；
根据所述避碰策略对所述机器人的运动过程进行控制。
本发明实施例提供一种非暂态计算机可读存储介质，包括：
所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如下方法：
根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测；
若在运动方向上的预设区域范围内检测到障碍物，则获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略；
根据所述避碰策略对所述机器人的运动过程进行控制。
本发明实施例提供的机器人路径规划的场景仿真方法及装置，根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测；若在运动方向上的预设区域范围内检测到障碍物，则获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略；根据所述避碰策略对所述机器人的运动过程进行控制，由于在预设区域范围内根据避碰策略控制机器人的运动过程，使得机器人在局部的路径可以发生改变，从而能够提高机器人在躲避障碍物时的效率。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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是本发明一实施例提供的机器人路径规划的场景仿真方法的流程示意图。
图2是机器人躲避障碍物的说明示意图。
图3是机器人路径规划的场景仿真的流程图。
图4是机器人路径规划的场景仿真的界面示意图。
图5是机器人路径规划的场景仿真模块化示意图。
图6是本发明一实施例提供的机器人路径规划的场景仿真装置的结构示意图。
图7为本发明实施例提供的电子设备实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
先对本发明实施例相关术语做解释说明：
全局路径规划：全局路径规划是基于对机器人环境和机器人系统模型状态的完全了解下，规划出一条无碰撞路径，并假设机器人能正确的对此路径进行跟踪行驶。全局规划路径即是根据全局路径规划得到的规划路径。
局部路径规划：局部路径规划是机器人通过感知周围的局部环境，将当前自身的状态和它与环境之间的交互关系进行综合性的分析，最后给出相应的行为规划。局部规划路径即是根据局部路径规划得到的规划路径。
图1是本发明一实施例提供的机器人路径规划的场景仿真方法的流程示意图，如图1所示，本发明实施例提供的机器人路径规划的场景仿真方法，包括：
步骤S1：根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测。
步骤S2：若在运动方向上的预设区域范围内检测到障碍物，则获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略。
步骤S3：根据所述避碰策略对所述机器人的运动过程进行控制。
在上述步骤S1中，装置根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测。装置可以是执行该方法的计算机设备，例如可以包括客户端，在客户端中可以执行场景仿真系统。场景仿真系统可以理解为进行场景仿真的软件环境。全局规划路径包括每个机器人的起始点和终止点，在运动过程中可以设置若干个机器人下一个运动周期需要达到的目标点，可以理解的是，当遍历运动完成所有目标点时，机器人即可以到达终止点，至此完成机器人路径规划的场景仿真全过程。
在上述步骤S2中，装置若在运动方向上的预设区域范围内检测到障碍物，则获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略。预设区域范围可以根据实际情况自主设置范围大小，以及范围形状等。障碍物可以包括其他机器人。
进一步地，所述障碍物运动状态包括障碍物运动方向；相应的，所述获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略，包括：
若所述障碍物运动方向与所述运动方向相对，则确定所述避碰策略为主动式避碰策略。即机器人运动方向的正前方有障碍物运动方向与自身正相对的障碍物，如果不避让，即将与障碍物发生碰撞。主动式避碰策略可以理解为，机器人自身采用主动运动的方式实现避碰的策略。
进一步地，所述获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略，还包括：
若所述障碍物运动方向与所述运动方向存在夹角，则确定所述避碰策略为被动式避碰策略。存在夹角就说明机器人将要进行的运动过程与障碍物运动过程中的路径可能会交叉，如果继续按照当前的运动状态进行运动，机器人会与障碍物发生碰撞。被动式避碰策略可以理解为，机器人自身采用静止不动的方式实现避碰的策略。
在上述步骤S3中，装置根据所述避碰策略对所述机器人的运动过程进行控制。
进一步地，所述根据所述避碰策略对所述机器人的运动过程进行控制，包括：
根据所述主动式避碰策略控制所述机器人向与原运动方向相垂直的方向进行运动，直到在原运动方向上的预设区域范围内检测不到障碍物时，再按照原运动方向进行运动。
进一步地，所述根据所述避碰策略对所述机器人的运动过程进行控制，包括：
根据所述被动式避碰策略控制所述机器人在原地静止不动，直到在原运动方向上的预设区域范围内检测不到障碍物时，再按照原运动方向进行运动。
如图2所示，k1代表机器人当前运动方向，假设机器人有8个运动方向，k1＝0,1,…7，k1＝0时对应的运动方向如图2中k1的箭头方向所示，指向正上方。k3代表障碍物的障碍物运动方向，机器人通过连续两次检测障碍物的坐标来计算k3。即第一次检测点为p1、第二次检测点为p2，根据p2-p1相应的方向确定k3。
将机器人检测范围内的圆形区域分为8个分区，以k2表示这些分区，k2＝0,1,…7。在得到k1、k2和k3三个变量的数值以后，就可以结合主动式避碰策略和被动式避碰策略进行障碍物的避碰。其中及k3＝3的方向，即障碍物运动方向为指向左下方45度。
表1表示了避碰规则，统计了k1＝0时的8种具体情况。表1中△代表等待，●代表顺时针避碰，○代表逆时针避碰，－代表继续运动。本发明实施例可以进一步按照表1所示的避碰规则确定避碰策略。
表1
如图3所示，对本发明实施例的机器人路径规划的场景仿真方法作如下说明：
1.系统初始化：在场景仿真系统启动开始后，顺序加载二维俯视场景、三维虚拟场景和三维仿真实体，为场景仿真系统提供运行环境基础。
2.机器人集结：该场景仿真系统驱动虚拟场景中的机器人向指定的地点集结。
3.多个机器人的场景仿真过程模拟，包含了以下方法步骤：
(1).设定每个机器人的起始点和终止点。
(2).基于已知的环境信息进行全局路径规划，为每个机器人规划一条不会发生碰撞的最佳路径，把路径的各个节点记录下来，作为路径的目标点。
(3).机器人按照运动周期依次向各目标点进行运动。
(4).检测机器人当前位置到下一个相邻的目标点的运动过程中是否有障碍物，如果没有，转入步骤(6)，否则，转入步骤(5)。
(5).采用局部路径规划，根据机器人遇到障碍物时的确定的避碰策略进行运动控制，控制机器人从当前位置运动到目标点。
(6).检测是否到达终止点，如果没有到达，则重复步骤(3)，直到到达终止点为止。
进一步地，所述全局规划路径包括若干目标点；相应的，所述根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测，包括：
在相邻两目标点之间模拟机器人的运动过程，并对所述机器人的周期运动过程进行检测。目标点的数量可以根据实际情况自主设置，如果需要检测粒度较细，则可以使得目标点之间的密度较大。周期运动过程可参照上述图3的说明。
进一步地，在对所述机器人的周期运动过程进行检测过程中，所述机器人路径规划的场景仿真方法还包括：
若所述机器人未到达相邻两目标点中的下一目标点，则继续对所述机器人的周期运动过程进行检测，直到所述机器人到达相邻两目标点中的下一目标点；可参照上述图3的说明。
若所述机器人到达相邻两目标点中的下一目标点，则确定所述机器人是否到达终止点；可以计算下一目标点与终止点之间的距离值，如果距离值小于预设距离阈值，则确定机器人到达终止点；如果距离值大于等于预设距离阈值，则确定机器人未到达终止点。
若所述机器人未到达所述终止点，则继续对所述机器人的周期运动过程进行检测，直到所述机器人到达所述终止点。可参照上述图3的说明。
如图4所示，对机器人路径规划的场景仿真的界面内容说明如下：
机器人属性：可设置机器人的最大活动半径和最大速度等。
环境信息设定：包括设置仿真地图的大小，在环境中添加和移除静态障碍物或动态障碍物等。
仿真进程控制：开始，暂停，结束和重置；选择重置即结束当前进程，重新开始仿真。
仿真信息：记录机器人从起始点移动到终止点所需要的时间，以及在运动过程中遇到障碍物时的避碰反应时间。
如图5所示，本发明实施例的机器人路径规划的场景仿真方法可以基于模块化系统进行实现，具体包括：
机器人控制模块1、路径规划模块2和避碰策略执行模块3。各模块所完成的功能如下：
机器人控制模块1：用于控制机器人在虚拟空间中进行前进、后退、转向和停止等动作。
路径规划模块2：用于对多机器人运动中的路径进行规划。
避碰策略执行模块3：用于执行避碰策略，在虚拟空间中模拟机器人躲避障碍物，避免碰撞的运动。
本发明实施例提供的机器人路径规划的场景仿真方法，根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测；若在运动方向上的预设区域范围内检测到障碍物，则获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略；根据所述避碰策略对所述机器人的运动过程进行控制，由于在预设区域范围内根据避碰策略控制机器人的运动过程，使得机器人在局部的路径可以发生改变，从而能够提高机器人在躲避障碍物时的效率。
需要说明的是，本发明实施例提供的机器人路径规划的场景仿真方法可用于金融领域，也可用于除金融领域之外的任意技术领域，本发明实施例对机器人路径规划的场景仿真方法的应用领域不做限定。
图6是本发明一实施例提供的机器人路径规划的场景仿真装置的结构示意图，如图6所示，本发明实施例提供的机器人路径规划的场景仿真装置，包括检测单元601、确定单元602和控制单元603，其中：
检测单元601用于根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测；确定单元602用于若在运动方向上的预设区域范围内检测到障碍物，则获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略；控制单元603用于根据所述避碰策略对所述机器人的运动过程进行控制。
具体的，装置中的检测单元601用于根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测；确定单元602用于若在运动方向上的预设区域范围内检测到障碍物，则获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略；控制单元603用于根据所述避碰策略对所述机器人的运动过程进行控制。
本发明实施例提供的机器人路径规划的场景仿真装置，根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测；若在运动方向上的预设区域范围内检测到障碍物，则获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略；根据所述避碰策略对所述机器人的运动过程进行控制，由于在预设区域范围内根据避碰策略控制机器人的运动过程，使得机器人在局部的路径可以发生改变，从而能够提高机器人在躲避障碍物时的效率。
本发明实施例提供机器人路径规划的场景仿真装置的实施例具体可以用于执行上述各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。
图7为本发明实施例提供的电子设备实体结构示意图，如图7所示，所述电子设备包括：处理器(processor)701、存储器(memory)702和总线703；
其中，所述处理器701、存储器702通过总线703完成相互间的通信；
所述处理器701用于调用所述存储器702中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：
根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测；
若在运动方向上的预设区域范围内检测到障碍物，则获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略；
根据所述避碰策略对所述机器人的运动过程进行控制。
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：
根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测；
若在运动方向上的预设区域范围内检测到障碍物，则获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略；
根据所述避碰策略对所述机器人的运动过程进行控制。
本实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述各方法实施例所提供的方法，例如包括：
根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测；
若在运动方向上的预设区域范围内检测到障碍物，则获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略；
根据所述避碰策略对所述机器人的运动过程进行控制。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在本说明书的描述中，参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种机器人路径规划的场景仿真方法，其特征在于，包括：
根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测；
若在运动方向上的预设区域范围内检测到障碍物，则获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略；
根据所述避碰策略对所述机器人的运动过程进行控制。
2.根据权利要求1所述的机器人路径规划的场景仿真方法，其特征在于，所述障碍物运动状态包括障碍物运动方向；相应的，所述获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略，包括：
若所述障碍物运动方向与所述运动方向相对，则确定所述避碰策略为主动式避碰策略。
3.根据权利要求2所述的机器人路径规划的场景仿真方法，其特征在于，所述获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略，还包括：
若所述障碍物运动方向与所述运动方向存在夹角，则确定所述避碰策略为被动式避碰策略。
4.根据权利要求3所述的机器人路径规划的场景仿真方法，其特征在于，所述根据所述避碰策略对所述机器人的运动过程进行控制，包括：
根据所述主动式避碰策略控制所述机器人向与原运动方向相垂直的方向进行运动，直到在原运动方向上的预设区域范围内检测不到障碍物时，再按照原运动方向进行运动。
5.根据权利要求3所述的机器人路径规划的场景仿真方法，其特征在于，所述根据所述避碰策略对所述机器人的运动过程进行控制，包括：
根据所述被动式避碰策略控制所述机器人在原地静止不动，直到在原运动方向上的预设区域范围内检测不到障碍物时，再按照原运动方向进行运动。
6.根据权利要求1至5任一所述的机器人路径规划的场景仿真方法，其特征在于，所述全局规划路径包括若干目标点；相应的，所述根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测，包括：
在相邻两目标点之间模拟机器人的运动过程，并对所述机器人的周期运动过程进行检测。
7.根据权利要求6所述的机器人路径规划的场景仿真方法，其特征在于，在对所述机器人的周期运动过程进行检测过程中，所述机器人路径规划的场景仿真方法还包括：
若所述机器人未到达相邻两目标点中的下一目标点，则继续对所述机器人的周期运动过程进行检测，直到所述机器人到达相邻两目标点中的下一目标点；
若所述机器人到达相邻两目标点中的下一目标点，则确定所述机器人是否到达终止点；
若所述机器人未到达所述终止点，则继续对所述机器人的周期运动过程进行检测，直到所述机器人到达所述终止点。
8.一种机器人路径规划的场景仿真装置，其特征在于，包括：
检测单元，用于根据全局规划路径模拟机器人的运动过程，并对所述运动过程进行检测；
确定单元，用于若在运动方向上的预设区域范围内检测到障碍物，则获取所述障碍物的障碍物运动状态，并根据所述障碍物运动状态和所述运动方向确定在局部规划路径中的避碰策略；
控制单元，用于根据所述避碰策略对所述机器人的运动过程进行控制。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210092754.9A CN114488853A (zh) | 2022-01-26 | 2022-01-26 | 一种机器人路径规划的场景仿真方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210092754.9A CN114488853A (zh) | 2022-01-26 | 2022-01-26 | 一种机器人路径规划的场景仿真方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114488853A true CN114488853A (zh) | 2022-05-13 |
Family
ID=81475650
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210092754.9A Pending CN114488853A (zh) | 2022-01-26 | 2022-01-26 | 一种机器人路径规划的场景仿真方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114488853A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117670184A (zh) * | 2024-01-31 | 2024-03-08 | 埃罗德智能科技(辽宁)有限公司 | 应用于数字化机器人产业链的机器人场景仿真方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110940341A (zh) * | 2019-12-31 | 2020-03-31 | 深圳前海达闼云端智能科技有限公司 | 路径规划方法、机器人及计算机可读存储介质 |
| CN111513626A (zh) * | 2020-06-30 | 2020-08-11 | 北京欣奕华数字科技有限公司 | 移动设备的避障方法及移动设备 |
| CN112229419A (zh) * | 2020-09-30 | 2021-01-15 | 隶元科技发展(山东)有限公司 | 一种动态路径规划导航方法及系统 |
| CN113281784A (zh) * | 2021-06-24 | 2021-08-20 | 中车长春轨道客车股份有限公司 | 一种轨道车辆的障碍物检测方法及系统 |
| CN113741435A (zh) * | 2021-08-19 | 2021-12-03 | 上海高仙自动化科技发展有限公司 | 障碍物规避方法、装置、决策器、存储介质、芯片及机器人 |
-
2022
- 2022-01-26 CN CN202210092754.9A patent/CN114488853A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110940341A (zh) * | 2019-12-31 | 2020-03-31 | 深圳前海达闼云端智能科技有限公司 | 路径规划方法、机器人及计算机可读存储介质 |
| CN111513626A (zh) * | 2020-06-30 | 2020-08-11 | 北京欣奕华数字科技有限公司 | 移动设备的避障方法及移动设备 |
| CN112229419A (zh) * | 2020-09-30 | 2021-01-15 | 隶元科技发展(山东)有限公司 | 一种动态路径规划导航方法及系统 |
| CN113281784A (zh) * | 2021-06-24 | 2021-08-20 | 中车长春轨道客车股份有限公司 | 一种轨道车辆的障碍物检测方法及系统 |
| CN113741435A (zh) * | 2021-08-19 | 2021-12-03 | 上海高仙自动化科技发展有限公司 | 障碍物规避方法、装置、决策器、存储介质、芯片及机器人 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117670184A (zh) * | 2024-01-31 | 2024-03-08 | 埃罗德智能科技(辽宁)有限公司 | 应用于数字化机器人产业链的机器人场景仿真方法及系统 |
| CN117670184B (zh) * | 2024-01-31 | 2024-05-03 | 埃罗德智能科技(辽宁)有限公司 | 应用于数字化机器人产业链的机器人场景仿真方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Baxter et al. | Multi-robot search and rescue: A potential field based approach | |
| Sudhakara et al. | Trajectory planning of a mobile robot using enhanced A-star algorithm | |
| CN110703768B (zh) | 一种改进型动态rrt*的移动机器人运动规划方法 | |
| Wen et al. | CL-MAPF: Multi-agent path finding for car-like robots with kinematic and spatiotemporal constraints | |
| CN110986953B (zh) | 路径规划方法、机器人及计算机可读存储介质 | |
| Hatanaka et al. | A passivity-based approach to human–swarm collaboration and passivity analysis of human operators | |
| CN114488853A (zh) | 一种机器人路径规划的场景仿真方法及装置 | |
| Zhang et al. | Safe and efficient robot manipulation: Task-oriented environment modeling and object pose estimation | |
| Chehelgami et al. | Safe deep learning-based global path planning using a fast collision-free path generator | |
| CN116673968B (zh) | 基于强化学习的机械臂轨迹规划要素选择方法及系统 | |
| CN113848893A (zh) | 机器人导航方法、装置、设备及存储介质 | |
| Peng et al. | Moving object grasping method of mechanical arm based on deep deterministic policy gradient and hindsight experience replay | |
| CN114986501A (zh) | 一种机械臂路径规划方法、系统及机械臂 | |
| CN111708283B (zh) | 一种机器人仿真方法、设备以及计算机可读存储介质 | |
| Nikitenko et al. | Rrts postprocessing for uncertain environments | |
| Lee et al. | A fast path planning-and-tracking control for wheeled mobile robots | |
| Dudarenko et al. | Reinforcement Learning Approach for Navigation of Ground Robotic Platform in Statically and Dynamically Generated Environments | |
| Hofmann et al. | The Carologistics RoboCup Logistics Team 2018 | |
| Zhang et al. | Autonomous robot navigation with self-learning for collision avoidance with randomly moving obstacles | |
| Sharma et al. | Plane-based local behaviors for multi-agent 3D simulations with position-based dynamics | |
| Neuman et al. | Anytime policy planning in large dynamic environments with interactive uncertainty | |
| Nadour et al. | Using flood-fill algorithms for an autonomous mobile robot maze navigation | |
| Afaghani et al. | On-line collision avoidance of two command-based industrial robotic arms using advanced collision map | |
| CN117232531B (zh) | 机器人导航规划方法及存储介质和终端设备 | |
| Fryc et al. | Efficient pipeline for mobile brick picking |
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 |