CN114690771A - 机器人的路径规划方法及装置 - Google Patents
机器人的路径规划方法及装置 Download PDFInfo
- Publication number
- CN114690771A CN114690771A CN202210255920.2A CN202210255920A CN114690771A CN 114690771 A CN114690771 A CN 114690771A CN 202210255920 A CN202210255920 A CN 202210255920A CN 114690771 A CN114690771 A CN 114690771A
- Authority
- CN
- China
- Prior art keywords
- path
- global
- planning
- local
- robot
- 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 46
- 238000004590 computer program Methods 0.000 claims description 20
- 230000008447 perception Effects 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 10
- 238000004140 cleaning Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000000926 separation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003252 repetitive 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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
- G05D1/0257—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)
- Acoustics & Sound (AREA)
- Manipulator (AREA)
Abstract
本申请公开一种机器人的路径规划方法及装置,该路径规划方法包括:基于机器人移动范围内的路径地图进行全局路径规划,得到机器人由当前位置到目标位置的全局路径;基于全局路径及机器人的当前位置,进行局部路径规划,得到局部路径;在路径地图记录局部路径的信息;基于记录信息后的路径地图进行全局路径规划,以更新全局路径。本申请可以解决现有技术中全局规划路径与局部规划路径匹配度过小的问题。
Description
技术领域
本发明涉及路径规划技术领域,特别是涉及一种机器人的路径规划方法及装置。
背景技术
目前移动机器人的规划算法主要涉及全局规划和局部规划算法。全局规划产生机器人运动的全局路径,局部规划产生局部轨迹,实现机器人具体运动,包括循迹、避障等。但一般全局规划和局部规划是相对独立的,会产生全局规划路径与局部规划路径匹配度过小的问题,引起机器人摇摆运动。
发明内容
本申请提供一种机器人的路径规划方法及装置,以解决现有技术中全局规划路径与局部规划路径匹配度过小的问题。
为解决上述技术问题,本申请提出一种机器人的路径规划方法,包括:基于机器人移动范围内的路径地图进行全局路径规划,得到机器人由当前位置到目标位置的全局路径;基于全局路径及机器人的当前位置,进行局部路径规划,得到局部路径;在路径地图记录局部路径的信息;基于记录信息后的路径地图进行全局路径规划,以更新全局路径。
在一实施例中,进行全局路径规划包括:以第一周期进行全局路径规划;
进行局部路径规划包括:以第二周期进行局部路径规划。
在一实施例中,第一周期大于或等于第二周期。
在一实施例中,路径地图为栅格地图,基于记录信息后的路径地图进行全局路径规划,包括:将栅格地图上局部路径对应栅格的栅格代价值设置为第一预设值,栅格地图上可规划栅格的栅格代价值为第二预设值;第一预设值小于第二预设值;将栅格地图上栅格代价值之和最小的路径作为全局路径。
在一实施例中,生成方法还包括:基于记录信息后的路径地图进行全局路径规划,还包括:将更新后的全局路径对应栅格的栅格代价值设置为第二预设值。
在一实施例中,基于全局路径及机器人的当前位置,进行局部路径规划,包括:基于全局路径及机器人在当前位置的环境感知信息进行局部路径规划。
在一实施例中,机器人在当前位置的环境感知信息包括机器人在当前位置的环境障碍物。
在一实施例中,路径地图为拓扑地图;基于记录信息后的路径地图进行全局路径规划,包括:
搜索拓扑地图中距离局部路径最近的拓扑点;
以距离局部路径最近的拓扑的作为起点,重新进行全局规划,以更新机器人由起点到目标位置的全局路径。
为解决上述技术问题,本申请提出一种路径规划系统,路径规划系统包括全局规划模块和局部规划模块;全局规划模块用于基于机器人移动范围内的路径地图进行全局规划,得到机器人由当前位置到目标位置的全局路径;局部规划模块用于基于全局路径及机器人的当前位置,进行局部规划,得到局部路径;在路径地图记录局部路径的信息;全局规划模块进一步用于基于记录信息后的路径地图进行全局路径规划,以更新全局路径。
为解决上述技术问题,本申请还提出一种电子设备,电子设备包括处理器和存储器,存储器用于存储计算机程序,处理器用于执行计算机程序,以实现上述方法。
为解决上述技术问题,本申请还提出一种计算机程序产品,计算机程序产品包括计算机程序指令,计算机程序指令使计算机实现上述方法。
为解决上述技术问题,本申请还提出一种计算机可读存储介质,计算机可读存储介质存储有程序和/或指令,程序和/或指令用于被执行以实现上述方法。
本申请基于全局路径及机器人的当前位置规划出局部路径后,可以在路径地图上记录局部路径的信息,基于记录信息后的路径地图进行全局路径规划,以更新全局路径,如此在全局规划算法中引入局部规划结果,作为全局路径规划的一个重要参考指标,实现全局路径和局部轨迹在几何形状上的几乎一致性,解决了全局路径与局部轨迹分离、不一致等原因引起的机器人摇摆运动、甚至陷入局部死区等问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请机器人的路径规划方法一实施例的流程示意图;
图2是全局路径替换更新的示意图;
图3是本申请机器人的路径规划方法中全局路径重新规划的示意图;
图4是本申请电子设备一实施例的结构示意图;
图5是本申请计算机程序产品一实施例的结构示意图;
图6是本申请计算机可读存储介质一实施例的结构示意图。
具体实施方式
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,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。此外,本文中所述的所有例子主要明确地意在用于教学目的,以辅助读者理解本申请的原理及由发明人所提供的概念,从而深化所属领域,且所有例子不应解释为限于此类特定阐述的例子及条件。即基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。另外,除非另外指明(例如,“或另外”或“或在替代方案中”),否则如本文所使用的术语“或”指代非排他性的“或”(即,“和/或”)。并且,本文所描述的各种实施例不一定相互排斥,因为一些实施例可以与一个或多个其它实施例组合以形成新的实施例。
本申请用于进行机器人的路径规划,例如对清洁机器人的清洁路径进行规划、又例如对空气净化机器人的移动路径进行规划。
请参阅图1,图1是本申请机器人的路径规划方法一实施例的流程示意图。本实施例机器人的路径规划方法包括以下步骤。需要注意的是,以下步骤编号仅用于简化说明,并不旨在限制步骤的执行顺序,本实施方式的各步骤可以在不违背本申请技术思想的基础上,任意更换执行顺序。
S11:基于机器人移动范围内的路径地图进行全局路径规划,得到机器人由当前位置到目标位置的全局路径。
可以基于机器人移动范围内的路径地图进行全局路径规划,以得到机器人由当前位置到目标位置的全局路径,以便机器人依据全局路径行驶前进到目标位置。
其中,移动范围可以是由用户设定的或者是预先设置的。其中,在未收到用户的限制移动范围的指令时,机器人的路径地图的对应区域即为机器人的移动范围。在收到用户的限制移动范围指令时,可以从机器人的路径地图中截取出限制的移动范围内的路径地图。以便在步骤S11中基于机器人移动范围内的路径地图进行全局路径规划。
可选地,可以利用Dijkstra算法、A*算法、D*算法、LPA*算法或D*lite算法等进行全局路径规划。
可选地,在进行全局路径规划之前,可以先确定目标位置,以便规划出机器人由当前位置到目标位置的全局路径。
其中,目标位置可以是操作指令内携带的终点位置:例如无人汽车收到的行驶指令中的终点位置;又例如,空气净化机器人感应到某一区域的空气中污染物浓度达到预设阈值,空气净化机器人会产生空气净化指令,该空气净化指令内携带的终点位置即为空气中污染物浓度达到预设阈值的位置。在其他应用场景中,目标位置也可以是预先设置在机器人内部的目标位置,例如清洁机器人的日常停驻点。
另外,全局路径规划是在已知的环境中,给机器人规划一条路径,路径规划的精度取决于环境获取的准确度,如此在全局路径规划之前可以先获取较为准确的环境信息,以便规划出的全局路径较为准确,如此可以避免由于全局路径不准确导致实际生成的局部路径与全局路径差异较大的情况。
S12:基于全局路径及机器人的当前位置,进行局部路径规划,得到局部路径。
基于上述步骤得到机器人由当前位置到目标位置的全局路径后,可以基于全局路径及机器人的当前位置,进行局部路径规划,得到局部路径。
可选地,可以控制机器人对当前位置的周围环境进行感知,获取到机器人周边环境信息,然后基于全局路径和机器人在当前位置的环境感知信息进行局部路径规划,得到局部路径,如此可使得机器人具有良好的避障能力。可选地,可控制机器人通过自身的传感器(例如雷达传感器或超声波传感器等)感知周围环境。
其中,机器人在当前位置的环境感知信息可包括机器人在当前位置的环境障碍物。如此,基于机器人在当前位置的环境感知信息确定全局路径上是否存在障碍物,若有,则可进行局部路径规划,避开障碍物;若没有障碍物,可以控制机器人直接按照全局路径行驶。在其他可替换的实施例中,在获取全局路径后,无论全局路径上是否存在障碍物,都可以基于机器人在当前位置的环境感知信息以及全局路径进行局部路径规划,以确定出局部的最优路径。
可选地,在局部路径规划时,可以在全局路径上选择局部路径的目标点,例如可将全局路径上沿着从当前位置到目标位置的方向位于机器人感知区域(或局部地图)上的最后一个点作为局部路径的目标点;然后基于机器人在当前位置的环境感知信息局部规划出当前位置到局部路径的目标点的局部路径。
其中,局部路径规划的具体算法不受限制,例如可为DWA算法、VFH*算法、Dijkstra算法、A*算法或D*算法。
S13:在路径地图记录局部路径的信息。
基于全局路径及机器人的当前位置,进行局部路径规划而得到局部路径后,可以在路径地图上记录局部路径的信息,以便后续基于记录信息后的路径地图重新进行全局路径规划,如此在全局规划算法中引入局部规划结果,作为全局路径规划的一个重要参考指标,实现全局路径和局部轨迹在几何形状上的几乎一致性,解决了全局路径与局部轨迹分离、不一致等原因引起的机器人摇摆运动、甚至陷入局部死区等问题。
在一可实现的方式中,路径地图可为栅格地图,可以对路径地图上局部路径所在栅格点的代价进行更改,使得路径地图上局部路径所在栅格点的代价区别于其余可通行栅格点的代价,如此即在路径地图上记录了局部路径的信息。
在另一实现的方式中,路径地图可为拓扑地图,可将拓扑地图中局部路径对应的多个点相连而得到局部路径线,从而在路径地图上记录局部路径的信息。
S14:基于记录信息后的路径地图进行全局路径规划,以更新全局路径。
将局部路径的信息记录在路径地图上后,可以基于记录信息后的路径地图重新进行全局路径规划,以更新全局路径,如此在全局规划算法中引入局部规划结果,作为全局路径规划的一个重要参考指标,实现全局路径和局部轨迹在几何形状上的几乎一致性,解决了全局路径与局部轨迹分离、不一致等原因引起的机器人摇摆运动、甚至陷入局部死区等问题。
可选地,本申请的“基于记录信息后的路径地图进行全局路径规划”是指:基于记录局部路径信息后的路径地图,重新利用全局路径算法进行全局路径规划,以重新计算得到更新后的全局路径。即与“用局部路径直接替换全局路径中相应区域的路径”不同,本申请步骤S14是直接基于局部路径并利用全局路径规划算法重新计算得到更新后的全局路径,如此即使局部路径的目标点不在全局路径上,或者如图2所示的局部路径和全局路径大相径庭,本申请也可以基于局部路径重新规划出较为合理的全局路径(如图3所示的重新规划后的全局路径),可以避免在“用局部路径直接替换全局路径中相应区域的路径”方案中出现的需要让和全局路径差异越来越大的局部路径重新靠拢全局路径导致出现图2所示的机器人实际走的路径过长和机器人摇摆运动的问题。
可选地,可以以第二周期进行步骤S12,以第一周期进行步骤S14。
其中,第一周期可以大于第二周期,即可以在执行数次步骤S12后,执行一次步骤S14,例如第一周期为1s(即全局路径规划的运行频率为1Hz)或10s(即全局路径规划的运行频率为0.1Hz),第二周期为0.1s(即局部路径规划的运行频率为10Hz)或0.05s(即局部路径规划的运行频率为20Hz)。示例性地,第一周期为1s,第二周期为0.1s,即执行步骤S11后,每执行10次局部路径规划后,执行一次将前面的局部路径规划的信息(例如之前的10次局部路径规划信息)记录到路径地图上,然后基于记录局部路径信息后的路径地图进行全局路径规划,直至机器人到达目标位置。其中,每执行1次局部路径规划后,可以控制机器人按照当前局部路径规划结果行驶。
在其他实施例中,第一周期也可以等于第二周期。即基于步骤S12确定出局部路径后,直接在路径地图记录局部路径的信息;接着基于记录信息后的路径地图进行全局路径规划;如此机器人依据局部路径行驶到局部路径的目标点后,可以基于更新后的全局路径规划和机器人当前所处位置进行局部路径规划,得到当前的局部路径,然后可基于当前的局部路径更新全局路径,反复执行,直至机器人达到目标位置。即本申请在执行步骤S11后,可迭代执行“基于全局路径及机器人的当前位置,进行局部路径规划,得到局部路径”、“在路径地图记录局部路径的信息”、“基于记录信息后的路径地图进行全局路径规划,以更新全局路径”以及“控制机器人依据局部路径进行运动”的步骤,直至机器人到达目标位置。
在一可实现的方式中,路径地图为栅格地图,可以基于记录局部路径信息后的栅格地图进行全局路径规划。具体地,在进行步骤S11以及步骤S14中的全局路径规划时,可以利用栅格地图计算栅格代价值,将栅格地图上栅格代价值之和最小的路径作为全局路径。其中,栅格地图上可规划栅格(即可通行栅格)的栅格代价值为第二预设值。进一步地,每个可规划栅格的第二预设值可为固定值和每个可规划栅格的障碍物距离代价中的较大值,而障碍物距离代价为栅格与障碍物之间的距离的代价,如此障碍物距离代价与栅格和障碍物之间的距离呈正相关,即距离障碍物越近的栅格的障碍物距离代价越大,如此可以通过障碍物距离代价规划出路程较短且不与障碍物碰撞的路径。固定值也可以根据实际情况进行设定,在此不做限定,例如可为1或10。在其他可替换的实施例中,第二预设值可以等于固定值。
进一步地,如图3所示,在步骤S14中,可以将栅格地图上步骤S12得到的局部路径对应栅格的栅格代价值设置为第一预设值,其中,第一预设值小于第二预设值,如此可以降低包含局部路径上栅格点的路径的栅格代价值总和,从而可以使得重新规划出来的全局路径趋近于包含局部路径上的栅格点,以实现全局路径和局部轨迹有较高的一致性,并且由于机器人的局部轨迹反映了机器人接下来的运动状态,这使得机器人在循迹或者避障时不会产生运动状态的较大改变,使得机器人的运动更加平顺稳定,解决了由于全局路径和局部轨迹偏差过大引起的机器人摇摆反复运动问题机器人全局规划生成路径的时候,考虑了前一时刻机器人的局部轨迹。其中,第一预设值可以根据实际情况进行设定,在此不做限定,例如可为0或-2。另外,栅格地图上障碍物所在栅格的栅格代价值(即第三代价值)会大于第二预设值,以避免全局路径包含障碍物所在栅格,从而实现机器人避障的目的,例如栅格地图上障碍物所在栅格的栅格代价值(即第三代价值)可为100或200。另外,栅格地图上未知区域所在栅格的栅格代价值可与第二预设值、第一预设值以及第三代价值不同,例如可为-1,如此通过与第一预设值、第二预设值和第三代价值不同的栅格代价值将未知区域和其余区域进行区分,可以避免规划出包含未知区域的路径。
可选地,基于步骤S14生成全局路径后,可以将更新后的全局路径对应栅格的栅格代价值设置为第二预设值。
在另一可实现的方式中,可以基于拓扑地图进行路径规划。具体地,在步骤S14中,可以在拓扑地图中搜索出距离由步骤S12得到的局部路径最近的拓扑点;以距离局部路径最近的拓扑点为起点重新进行全局规划,即以距离局部路径最近的拓扑点为起点进行路径搜索,以更新机器人由起点到目标位置的全局路径。
例如,可以以距离局部路径最近的拓扑点为起点并执行A*算法或D*算法等进行路径搜索,得到一条路程最短的可通行路径,如此即得到了全局路径。另外,得到路程最短的可通行路径后,可以将路程最短的可通行路径和局部路径相连后的路径作为全局路径。
进一步地,在步骤S14中,可以基于路径地图(例如上述的栅格地图或拓扑地图)、步骤S12得到的环境感知信息和局部路径进行全局路径规划。具体地,可以依据步骤S12得到的环境感知信息对路径地图进行更新,例如基于环境感知信息中感知到的障碍物信息对路径地图上的障碍物位置等信息进行更新;并在步骤S13中将局部路径的信息记载在路径地图上;如此在步骤S14基于记录信息后的路径地图进行全局路径规划,即可以基于步骤S12得到的环境感知信息和局部路径进行全局路径规划,如此可以利用局部路径规划时获取的环境感知信息对全局地图进行更新,保证全局地图的准确性和实时性,可以提高后续全局路径规划的效率。
在本实施方式中,基于全局路径及机器人的当前位置规划出局部路径后,可以基于局部路径重新进行全局路径规划,以更新全局路径,如此在全局规划算法中引入局部规划结果,作为全局路径规划的一个重要参考指标,实现全局路径和局部轨迹在几何形状上的几乎一致性,解决了全局路径与局部轨迹分离、不一致等原因引起的机器人摇摆运动、甚至陷入局部死区等问题。
本申请还提供一种用于上述机器人的路径规划方法的路径规划系统。其中,该路径规划系统包括全局规划模块和局部规划模块。
全局规划模块用于基于机器人移动范围内的路径地图进行全局规划,得到机器人由当前位置到目标位置的全局路径;
局部规划模块用于基于全局路径及机器人的当前位置,进行局部规划,得到局部路径;在路径地图记录局部路径的信息;
全局规划模块进一步用于基于记录信息后的路径地图进行全局路径规划,以更新全局路径。
全局规划模块和局部规划模块通信连接,并配合迭代执行:基于全局路径及机器人的当前位置,进行局部路径规划,得到局部路径;在路径地图记录局部路径的信息;基于记录信息后的路径地图进行全局路径规划,以更新全局路径;控制机器人依据局部路径进行运动;直至机器人到达目标位置。
全局规划模块用于以第一周期进行全局路径规划;局部规划模块用于以第二周期进行局部路径规划。
其中,第一周期大于或等于第二周期。
路径地图为栅格地图;全局规划模块用于将栅格地图上局部路径对应栅格的栅格代价值设置为第一预设值,栅格地图上可规划栅格的栅格代价值为第二预设值;第一预设值小于第二预设值;将栅格地图上栅格代价值之和最小的路径作为全局路径。
其中,全局规划模块还用于将更新后的全局路径对应栅格的栅格代价值设置为第二预设值。
其中,局部规划模块用于基于全局路径及机器人在当前位置的环境感知信息进行局部路径规划。
其中,机器人在当前位置的环境感知信息包括机器人在当前位置的环境障碍物。
其中,路径地图为拓扑地图;全局规划模块用于搜索拓扑地图中距离局部路径最近的拓扑点;以所述距离局部路径最近的拓扑的作为起点,重新进行全局规划,以更新所述机器人由所述起点到目标位置的全局路径。
实现上述机器人的路径规划方法的硬件设备请参阅图4,图4是本申请电子设备200一实施方式的结构示意图。本申请电子设备200包括处理器21,处理器21用于执行计算机程序以实现本申请上述任一实施方式的方法及任意不冲突的组合所提供的方法。
处理器21还可以称为CPU(Central Processing Unit,中央处理单元)。处理器21可能是一种集成电路芯片,具有信号的处理能力。处理器21还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器,或者该处理器21也可以是任何常规的处理器等。
电子设备200还可进一步包括存储器22,用于存储处理器21运行所需的计算机程序。
请参阅图5,图5为本申请实施方式中计算机程序产品的结构示意图。本申请实施例的计算机程序产品300包括计算机程序指令,该计算机程序指令被执行时实现本申请上述方法任一实施例以及任意不冲突的组合所提供的方法。其中,该计算机程序指令可以形成程序文件以软件产品的形式存储在上述计算机程序产品300中,以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的计算机程序产品300包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等设备。
进一步地,如图6所示,本申请还提供一种计算机可读存储介质400,本申请实施例的计算机可读存储介质400存储有程序和/或指令410,该程序和/或指令410用于被执行以实现本申请上述方法任一实施例以及任意不冲突的组合所提供的方法。其中,该程序和/或指令410可以形成程序文件以软件产品的形式存储在上述存储介质400中,以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质400包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等设备。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请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,均同理包括在本申请的专利保护范围内。
Claims (12)
1.一种机器人的路径规划方法,其特征在于,所述路径规划方法包括:
基于所述机器人移动范围内的路径地图进行全局路径规划,得到所述机器人由当前位置到目标位置的全局路径;
基于所述全局路径及所述机器人的当前位置,进行局部路径规划,得到局部路径;
在所述路径地图记录所述局部路径的信息;
基于记录信息后的路径地图进行全局路径规划,以更新所述全局路径。
2.根据权利要求1所述的路径规划方法,其特征在于,所述进行全局路径规划包括:以第一周期进行所述全局路径规划;
所述进行局部路径规划包括:以第二周期进行所述局部路径规划。
3.根据权利要求2所述的路径规划方法,其特征在于,所述第一周期大于或等于所述第二周期。
4.根据权利要求1所述的路径规划方法,其特征在于,所述路径地图为栅格地图;所述基于记录信息后的路径地图进行全局路径规划,包括:
将栅格地图上所述局部路径对应栅格的栅格代价值设置为第一预设值,所述栅格地图上可规划栅格的栅格代价值为第二预设值;所述第一预设值小于所述第二预设值;
将所述栅格地图上栅格代价值之和最小的路径作为所述全局路径。
5.根据权利要求4所述的路径规划方法,其特征在于,所述基于记录信息后的路径地图进行全局路径规划,还包括:将更新后的全局路径对应栅格的栅格代价值设置为所述第二预设值。
6.根据权利要求1所述的路径规划方法,其特征在于,所述基于所述全局路径及所述机器人的当前位置,进行局部路径规划,包括:
基于所述全局路径及所述机器人在当前位置的环境感知信息进行局部路径规划。
7.根据权利要求6所述的路径规划方法,其特征在于,所述机器人在当前位置的环境感知信息包括所述机器人在当前位置的环境障碍物。
8.根据权利要求1所述的路径规划方法,其特征在于,所述路径地图为拓扑地图;所述基于记录信息后的路径地图进行全局路径规划,包括:
搜索拓扑地图中距离局部路径最近的拓扑点;
以所述距离局部路径最近的拓扑的作为起点,重新进行全局规划,以更新所述机器人由所述起点到目标位置的全局路径。
9.一种路径规划系统,其特征在于,所述路径规划系统包括;
全局规划模块,用于基于机器人移动范围内的路径地图进行全局规划,得到机器人由当前位置到目标位置的全局路径;
局部规划模块,用于基于所述全局路径及所述机器人的当前位置,进行局部规划,得到局部路径;在所述路径地图记录所述局部路径的信息;
所述全局规划模块进一步用于基于记录信息后的路径地图进行全局路径规划,以更新所述全局路径。
10.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器用于存储计算机程序,所述处理器用于执行所述计算机程序,以实现权利要求1-8中任一项所述的方法。
11.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序指令,所述计算机程序指令使计算机实现权利要求1-8中任一项所述的方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有程序和/或指令,所述程序和/或指令用于被执行以实现权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210255920.2A CN114690771A (zh) | 2022-03-15 | 2022-03-15 | 机器人的路径规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210255920.2A CN114690771A (zh) | 2022-03-15 | 2022-03-15 | 机器人的路径规划方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114690771A true CN114690771A (zh) | 2022-07-01 |
Family
ID=82139821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210255920.2A Pending CN114690771A (zh) | 2022-03-15 | 2022-03-15 | 机器人的路径规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114690771A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115979295A (zh) * | 2023-03-14 | 2023-04-18 | 通达电磁能股份有限公司 | 基于几何a星的叉车路径规划方法、系统、设备及介质 |
-
2022
- 2022-03-15 CN CN202210255920.2A patent/CN114690771A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115979295A (zh) * | 2023-03-14 | 2023-04-18 | 通达电磁能股份有限公司 | 基于几何a星的叉车路径规划方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101948728B1 (ko) | 데이터 수집 방법 및 시스템 | |
US10352711B2 (en) | Computer-implemented method and a system for guiding a vehicle within a scenario with obstacles | |
CN113110457B (zh) | 在室内复杂动态环境中智能机器人的自主覆盖巡检方法 | |
Konolige | A gradient method for realtime robot control | |
KR102009482B1 (ko) | 로봇의 경로계획 장치와 방법 및 상기 방법을 구현하는 프로그램이 기록된 기록 매체 | |
JP2022082419A (ja) | 動作環境におけるルートプランを最適化するためのシステム及び方法 | |
CN107436148A (zh) | 一种基于多地图的机器人导航方法及装置 | |
US20240192702A1 (en) | Navigation method of robot, chip and robot | |
JP2006350776A (ja) | 移動体の経路生成装置 | |
CN107644273A (zh) | 一种导航路径规划方法及设备 | |
CN111121753A (zh) | 机器人联合建图方法、设备及计算机可读存储介质 | |
JP2019500691A (ja) | 急速探索ランダム化フィードバック主体の動作計画 | |
CN113791616A (zh) | 路径规划方法、装置、机器人和存储介质 | |
CN114690771A (zh) | 机器人的路径规划方法及装置 | |
CN114343490B (zh) | 机器人清扫方法、机器人及存储介质 | |
CN113867356A (zh) | 机器人路径规划方法、装置及机器人 | |
CN113108806B (zh) | 路径规划方法、装置、设备及介质 | |
CN113848893A (zh) | 机器人导航方法、装置、设备及存储介质 | |
Kala et al. | Robot path planning using dynamic programming with accelerating nodes | |
WO2022049918A1 (ja) | 情報処理装置と情報処理方法およびプログラム | |
CN114608552A (zh) | 一种机器人建图方法、系统、装置、设备及存储介质 | |
KR20200043329A (ko) | 데이터 수집 방법 및 시스템 | |
KR102529332B1 (ko) | 컨텍스트 맵을 활용한 로봇 기반 최적 실내 배송경로 탐색 방법 | |
CN115444328B (zh) | 障碍物探索方法、清洁机器人及存储介质 | |
CN113885531B (zh) | 用于移动机器人的方法、移动机器人、电路、介质和程序 |
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 |