CN114593731A - 一种机器人寻找路径的规化优化的方法及其系统 - Google Patents
一种机器人寻找路径的规化优化的方法及其系统 Download PDFInfo
- Publication number
- CN114593731A CN114593731A CN202011428089.3A CN202011428089A CN114593731A CN 114593731 A CN114593731 A CN 114593731A CN 202011428089 A CN202011428089 A CN 202011428089A CN 114593731 A CN114593731 A CN 114593731A
- Authority
- CN
- China
- Prior art keywords
- planning
- thread
- path
- target point
- starting 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005457 optimization Methods 0.000 title claims description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 69
- 230000000903 blocking effect Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 241000255969 Pieris brassicae Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010339 dilation 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明涉及机器人寻线技术领域,特别涉及一种机器人寻找路径的规化优化的方法及其系统;本发明在系统内加载地图文件,再等待外部设置的起点和目标点,外部发送起点和目标点的位置信号;然后系统内获取起点和目标点的位置信号,从而规划线路,该规划线路的方法为将起点作为目标点,目标点作为起始点开始寻线规划,得到计算结果规划的路径,再输出该路径规划结果;本发明对调了起点与目标点,从目标点出发,可以避免因周围的封堵导致路径规划只能从未封堵的路线出发开始规划而计算大量的错误路径的现象,采用从目标点开始直接规划至原来的起始点,在大面积的复杂环境中,可节省大量的规划计算时间。
Description
技术领域
本发明涉及机器人寻线技术领域,特别涉及一种机器人寻找路径的规化优化的方法及其系统。
背景技术
随着移动机器人的大范围应用,移动机器人的控制越来越重要,其中较为关键的一部分就是路径规划,室内移动机器人的路径规划是使用二维栅格地图信息,通过计算地图中障碍物位置的信息,进行当前点到目标点的全局路径规划。
目前路径规划的方法大都是从起点开始一路循线规划至目标点,这种方法在复杂地图的时候,因地图内比较障碍物,起点周围环境和目标点周围环境复杂,从而导致大多数路径规划耗时较长。
发明内容
本发明主要解决的技术问题是提供一种机器人寻找路径的规化优化的方法,对调了起点与目标点,从目标点出发,可以避免因周围的封堵导致路径规划只能从未封堵的路线出发开始规划而计算大量的错误路径的现象,采用从目标点开始直接规划至原来的起始点,在大面积的复杂环境中,可节省大量的规划计算时间;还提供一种机器人寻找路径的规化优化的系统。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种机器人寻找路径的规化优化的方法,其中,包括如下步骤:
步骤S1、在系统内加载地图文件;
步骤S2、等待外部设置的起点和目标点;
步骤S3、外部发送起点和目标点的位置信号;
步骤S4、系统内获取起点和目标点的位置信号,从而规划线路,该规划线路的方法为将起点作为目标点,目标点作为起始点开始寻线规划,得到计算结果规划的路径,再输出该路径规划结果。
作为本发明的一种改进,在步骤S4内,系统内获取起点和目标点的位置信号,设置两条规划线程,两条规划线程定为线程一和线程二,线程一的规划线路的方法为以获取到的起点和目标点开始进行路径规划,得到计算结果规划的路径,则线程一完成计算;线程二的规划线路的方法为将起点作为目标点,目标点作为起始点开始寻线规划,得到计算结果规划的路径,则线程二完成计算;再对比线程一完成计算的时间与线程二完成计算的时间,如果线程一完成计算的时间大于线程二完成计算的时间,则输出线程二的路径规划结果;如果线程一完成计算的时间小于线程二完成计算的时间,则输出线程一的路径规划结果。
作为本发明的进一步改进,在步骤S4内,当输出路径规划结果完毕后,在没有获取起点和目标点的位置信号时,线程一和线程二皆处于步骤S2的等待状态。
作为本发明的更进一步改进,当外部设置了需路径规划的起点和目标点时,线程一和线程二皆处于步骤S4被唤醒的状态。
一种机器人寻找路径的规化优化的系统,其中,包括:
加载模块,用于加载地图文件;
采集信号模块,用于获取外部设置的起点和目标点的位置信号;
对调规划模块,用于将起点作为目标点,目标点作为起始点开始寻线规划,进行计算得到规划的路径;
输出模块,用于输出路径规划结果。
作为本发明的一种改进,还包括:
顺序规划模块,用于以获取到的起点和目标点开始进行路径规划,进行计算得到规划的路径;
比较模块,用于将所述顺序规划模块完成计算的时间与所述对调规划模块完成计算的时间进行比较。
本发明的有益效果是:与现有技术相比,本发明对调了起点与目标点,从目标点出发,可以避免因周围的封堵导致路径规划只能从未封堵的路线出发开始规划而计算大量的错误路径的现象,采用从目标点开始直接规划至原来的起始点,在大面积的复杂环境中,可节省大量的规划计算时间。
附图说明
图1为本发明的机器人寻找路径的规化优化的方法的实施例一的步骤框图;
图2为本发明的机器人寻找路径的规化优化的方法的实施例二的步骤框图;
图3为本发明的机器人寻找路径的规化优化的方法的实施例二的流程示意图;
图4为本发明的实施例三中线路一的路径规划结果示意图;
图5为本发明的实施例三中线路二的路径规划结果示意图;
图6为本发明的机器人寻找路径的规化优化的系统的实施例一的系统框图;
图7为本发明的机器人寻找路径的规化优化的系统的实施例二的系统框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明提供一种机器人寻找路径的规化优化的方法的实施例一,该实施例一包括如下步骤:
步骤S1、在系统内加载地图文件;
步骤S2、等待外部设置的起点和目标点;
步骤S3、外部发送起点和目标点的位置信号;
步骤S4、系统内获取起点和目标点的位置信号,从而规划线路,该规划线路的方法为将起点作为目标点,目标点作为起始点开始寻线规划,得到计算结果规划的路径,再输出该路径规划结果。
通过对调了起点与目标点,从目标点出发,可以避免因周围的封堵导致路径规划只能从未封堵的路线出发开始规划而计算大量的错误路径的现象,采用从目标点开始直接规划至原来的起始点,在大面积的复杂环境中,可节省大量的规划计算时间。
如图2所示,本发明提供一种机器人寻找路径的规化优化的方法的实施例二,该实施例二包括如下步骤:
步骤S1、在系统内加载地图文件;
步骤S2、等待外部设置的起点和目标点;
步骤S3、外部发送起点和目标点的位置信号;
步骤S4、系统内获取起点和目标点的位置信号,设置两条规划线程,两条规划线程定为线程一和线程二,线程一的规划线路的方法为以获取到的起点和目标点开始进行路径规划,得到计算结果规划的路径,则线程一完成计算;线程二的规划线路的方法为将起点作为目标点,目标点作为起始点开始寻线规划,得到计算结果规划的路径,则线程二完成计算;再对比线程一完成计算的时间与线程二完成计算的时间,如果线程一完成计算的时间大于线程二完成计算的时间,则输出线程二的路径规划结果;如果线程一完成计算的时间小于线程二完成计算的时间,则输出线程一的路径规划结果。
具体地讲,如图3所示,在路径规划时起双线程,负责进行路径规划的计算,两个线程的区别在于对调了起始点与目标点,线程一以原有的起始点和目标点进行规划计算,线程二则是以原有的目标点为起始点,以原有的起始点为目标点进行规划计算,两个线程取优先计算出来的结果作为最终的路径规划结果。
在本发明内,在步骤S4内,当输出路径规划结果完毕后,在没有获取起点和目标点的位置信号时,线程一和线程二皆处于步骤S2的等待状态;具体地讲,在本发明内,路径规划时,先加载二维栅格地图,之后的路径规划全部基于该地图进行。若有更换地图需求,则增加对应的加载其他地图文件,随后初始化完毕,起两个路径规划的线程,在没有获取起点和目标点信息时,两个线程皆处于的等待状态。
在本发明内,当外部设置了需路径规划的起点和目标点时,线程一和线程二皆处于步骤S4被唤醒的状态;具体地讲,当外部命令设置了需路径规划的起点和目标点时,两个线程被唤醒,线程一开始正常计算,线程二则是对调起点和目标点,将原目标点作业路径规划的起始点,将原起点作为路径规划目标点开始计算,两个线程在计算路径完成后,将自身的计算完成标志置为已完成,并检测另一个线程的标志是否已经置为已完成;若另一个线程的标志未被置为已完成,则当前线程直接输出路径规划计算结果,并在输出结果后进入等待状态,等待下次路径规划指令;若另一个线程的标志已经置为已完成,则当前线程不输出结果,直接进入等待状态等待下次路径规划的指令。
本发明提供一种机器人寻找路径的规化优化的方法的实施例三,该实施例三包括:
1、在系统内加载地图文件;
2、等待外部设置的起点和目标点;
3、外部发送起点和目标点的位置信号;
4、系统内获取起点和目标点的位置信号,设置两条规划线程,两条规划线程定为线程一和线程二,线程一的规划线路的方法为以获取到的起点和目标点开始进行路径规划,得到计算结果规划的路径,则线程一完成计算;线程二的规划线路的方法为将起点作为目标点,目标点作为起始点开始寻线规划,得到计算结果规划的路径,则线程二完成计算;再对比线程一完成计算的时间与线程二完成计算的时间,如果线程一完成计算的时间大于线程二完成计算的时间,则输出线程二的路径规划结果;如果线程一完成计算的时间小于线程二完成计算的时间,则输出线程一的路径规划结果。
经典的用于二维栅格地图的路径规划算法有:Dijkstra算法、A*算法、D*算法、JPS(跳点搜索算法)、蚁群算法,其中,JPS算法是路径规划算法中,效率较高的一种算法。
如图4和图5所示,在实施例三中,具体实施以使用JPS(跳点搜索算法)为例,对二维栅格地图的障碍物进行了膨胀处理,对计算路径的结果进行了平滑优化。在Linux系统下编写测试例程,该例程仅包括路径规划功能不包括其他移动机器人的相关功能。
测试例程使用的地图为工厂厂区内的二维栅格地图,地图对应的实际大小为160m×80m,地图的精度为每个栅格大小为10cm×10cm。测试路径规划的优化时,将起点通往目标点附近的路径封堵,同时比较了两个线程得到计算路径结果的时间,线程一和线程二的规划结果如图4和图5(图中,黑色为背景,白色为栅格地图中的墙面、障碍物等,大白点为路径规划的点,从起点出发,依次走至终点,构成路径)。
从图4和图5中,可以看出,两线程规划路径的结果完全相同,但在线程一中,由于目标点下面的路径被封堵,路径规划算法并不知道此情况,会沿着算法的启发式迭代思路朝着目标点最近的直线路线去规划,但是规划到目标点附近时,发现无路可走,只能从之前舍弃的其他绕远路径继续迭代,但此时以浪费大量运算时间,而线程二在最开始就计算到了封堵的位置,用最少的消耗计算出了能到达原起点的最佳方向,避免的计算时间的损失,因此导致最终计算出结果的时间,线程一的耗时515.69ms远大于线程二的耗时8.52ms。
如图6所示,本发明提供实施例一的一种机器人寻找路径的规化优化的系统,包括:
加载模块,用于加载地图文件;
采集信号模块,用于获取外部设置的起点和目标点的位置信号;
对调规划模块,用于将起点作为目标点,目标点作为起始点开始寻线规划,进行计算得到规划的路径;
输出模块,用于输出路径规划结果。
只需要对调了起点与目标点,从目标点出发,可以避免因周围的封堵导致路径规划只能从未封堵的路线出发开始规划而计算大量的错误路径的现象,采用从目标点开始直接规划至原来的起始点,在大面积的复杂环境中,可节省大量的规划计算时间。
如图7所示,本发明提供实施例二的一种机器人寻找路径的规化优化的系统,包括:
加载模块,用于加载地图文件;
采集信号模块,用于获取外部设置的起点和目标点的位置信号;
顺序规划模块,用于以获取到的起点和目标点开始进行路径规划,进行计算得到规划的路径;
对调规划模块,用于将起点作为目标点,目标点作为起始点开始寻线规划,进行计算得到规划的路径;
比较模块,用于将所述顺序规划模块完成计算的时间与所述对调规划模块完成计算的时间进行比较;
输出模块,用于输出路径规划结果。
在该实施例中,在路径规划时起双线程,负责进行路径规划的计算,线程一以原有的起始点和目标点进行规划计算,线程二则是以原有的目标点为起始点,以原有的起始点为目标点进行规划计算,两个线程取优先计算出来的结果作为最终的路径规划结果。
以上所述仅为本发明的实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种机器人寻找路径的规化优化的方法,其特征在于,包括如下步骤:
步骤S1、在系统内加载地图文件;
步骤S2、等待外部设置的起点和目标点;
步骤S3、外部发送起点和目标点的位置信号;
步骤S4、系统内获取起点和目标点的位置信号,从而规划线路,该规划线路的方法为将起点作为目标点,目标点作为起始点开始寻线规划,得到计算结果规划的路径,再输出该路径规划结果。
2.根据权利要求1所述的一种机器人寻找路径的规化优化的方法,其特征在于,在步骤S4内,系统内获取起点和目标点的位置信号,设置两条规划线程,两条规划线程定为线程一和线程二,线程一的规划线路的方法为以获取到的起点和目标点开始进行路径规划,得到计算结果规划的路径,则线程一完成计算;线程二的规划线路的方法为将起点作为目标点,目标点作为起始点开始寻线规划,得到计算结果规划的路径,则线程二完成计算;再对比线程一完成计算的时间与线程二完成计算的时间,如果线程一完成计算的时间大于线程二完成计算的时间,则输出线程二的路径规划结果;如果线程一完成计算的时间小于线程二完成计算的时间,则输出线程一的路径规划结果。
3.根据权利要求2所述的一种机器人寻找路径的规化优化的方法,其特征在于,在步骤S4内,当输出路径规划结果完毕后,在没有获取起点和目标点的位置信号时,线程一和线程二皆处于步骤S2的等待状态。
4.根据权利要求3所述的一种机器人寻找路径的规化优化的方法,其特征在于,当外部设置了需路径规划的起点和目标点时,线程一和线程二皆处于步骤S4被唤醒的状态。
5.一种机器人寻找路径的规化优化的系统,其特征在于,包括:
加载模块,用于加载地图文件;
采集信号模块,用于获取外部设置的起点和目标点的位置信号;
对调规划模块,用于将起点作为目标点,目标点作为起始点开始寻线规划,进行计算得到规划的路径;
输出模块,用于输出路径规划结果。
6.根据权利要求5所述的一种机器人寻找路径的规化优化的系统,其特征在于,还包括:
顺序规划模块,用于以获取到的起点和目标点开始进行路径规划,进行计算得到规划的路径;
比较模块,用于将所述顺序规划模块完成计算的时间与所述对调规划模块完成计算的时间进行比较。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011428089.3A CN114593731A (zh) | 2020-12-07 | 2020-12-07 | 一种机器人寻找路径的规化优化的方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011428089.3A CN114593731A (zh) | 2020-12-07 | 2020-12-07 | 一种机器人寻找路径的规化优化的方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114593731A true CN114593731A (zh) | 2022-06-07 |
Family
ID=81802313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011428089.3A Pending CN114593731A (zh) | 2020-12-07 | 2020-12-07 | 一种机器人寻找路径的规化优化的方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114593731A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006003369A (ja) * | 2005-07-08 | 2006-01-05 | Matsushita Electric Ind Co Ltd | 経路選出方法およびシステム並びに記録媒体 |
CN106840188A (zh) * | 2017-02-23 | 2017-06-13 | 济南浪潮高新科技投资发展有限公司 | 一种路径规划方法和装置 |
CN106840169A (zh) * | 2017-03-24 | 2017-06-13 | 江苏物联网研究发展中心 | 用于机器人路径规划的改进方法 |
US20170169073A1 (en) * | 2015-12-14 | 2017-06-15 | International Business Machines Corporation | Executing Graph Path Queries |
CN108088447A (zh) * | 2017-12-15 | 2018-05-29 | 陕西理工大学 | 一种移动机器人的路径后处理方法 |
CN109976320A (zh) * | 2017-12-27 | 2019-07-05 | 中国科学院沈阳自动化研究所 | 一种基于时间窗在线修正的多agv路径规划方法 |
CN111982142A (zh) * | 2020-07-31 | 2020-11-24 | 华南理工大学 | 一种基于改进a星算法的智能车全局路径规划方法 |
-
2020
- 2020-12-07 CN CN202011428089.3A patent/CN114593731A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006003369A (ja) * | 2005-07-08 | 2006-01-05 | Matsushita Electric Ind Co Ltd | 経路選出方法およびシステム並びに記録媒体 |
US20170169073A1 (en) * | 2015-12-14 | 2017-06-15 | International Business Machines Corporation | Executing Graph Path Queries |
CN106840188A (zh) * | 2017-02-23 | 2017-06-13 | 济南浪潮高新科技投资发展有限公司 | 一种路径规划方法和装置 |
CN106840169A (zh) * | 2017-03-24 | 2017-06-13 | 江苏物联网研究发展中心 | 用于机器人路径规划的改进方法 |
CN108088447A (zh) * | 2017-12-15 | 2018-05-29 | 陕西理工大学 | 一种移动机器人的路径后处理方法 |
CN109976320A (zh) * | 2017-12-27 | 2019-07-05 | 中国科学院沈阳自动化研究所 | 一种基于时间窗在线修正的多agv路径规划方法 |
CN111982142A (zh) * | 2020-07-31 | 2020-11-24 | 华南理工大学 | 一种基于改进a星算法的智能车全局路径规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220412770A1 (en) | Map construction method for autonomous driving and related apparatus | |
CN109947120B (zh) | 仓储系统中的路径规划方法 | |
CN111596658A (zh) | 一种多agv无碰撞运行的路径规划方法及调度系统 | |
CN112197778A (zh) | 基于改进a*算法的轮式机场巡界机器人路径规划方法 | |
CN113074728A (zh) | 基于跳点寻路与协同避障的多agv路径规划方法 | |
CN107030702B (zh) | 一种机械臂的轨迹规划方法 | |
CN106840169B (zh) | 用于机器人路径规划的改进方法 | |
CN109073390A (zh) | 一种定位方法及装置、电子设备和可读存储介质 | |
CN114427866A (zh) | 路径规划方法、电子设备以及存储介质 | |
CN115167398A (zh) | 一种基于改进a星算法的无人船路径规划方法 | |
JP2023508662A (ja) | グローバルグリッドマップにおけるマップトラバースブロックの構築方法、チップ、及び移動ロボット | |
CN113189988A (zh) | 一种基于Harris算法与RRT算法复合的自主路径规划方法 | |
CN114593731A (zh) | 一种机器人寻找路径的规化优化的方法及其系统 | |
US20240143859A1 (en) | Hoisting path planning model construction method, hoisting path planning method and crane | |
CN114047762A (zh) | 一种基于蚁群算法的激光雷达空间测量路径规划方法及系统 | |
CN116638528B (zh) | 一种机器人移动协作系统的混合调度方法 | |
CN112525206A (zh) | 一种基于多地图切换导航方法 | |
CN116698066A (zh) | 基于邻域扩展和边界点改进A-star算法的机器人路径规划方法及系统 | |
CN115542896A (zh) | 一种机器人路径生成方法、系统及存储介质 | |
CN113503876B (zh) | 多传感器融合的激光雷达定位方法、系统以及终端 | |
CN115049028A (zh) | 基于无监督学习的施工区域分区方法、系统、终端及介质 | |
CN107632606A (zh) | 大区域基于Slam和Tag标签的移动机器人导航与定位方法 | |
CN113910227A (zh) | 一种配网车载智能巡检机器人无任务巡检方法及系统 | |
CN110081885A (zh) | 运行区域划分方法及装置 | |
CN109164797B (zh) | 一种用于船舶智能控制的航迹制导方法及系统 |
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 |