CN114779779A - 路径规划方法、装置、计算机设备和存储介质 - Google Patents
路径规划方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114779779A CN114779779A CN202210445324.0A CN202210445324A CN114779779A CN 114779779 A CN114779779 A CN 114779779A CN 202210445324 A CN202210445324 A CN 202210445324A CN 114779779 A CN114779779 A CN 114779779A
- Authority
- CN
- China
- Prior art keywords
- path
- map
- robot
- local
- 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 92
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 230000011218 segmentation Effects 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 30
- 230000033001 locomotion Effects 0.000 claims description 58
- 238000004422 calculation algorithm Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 23
- 230000036961 partial effect Effects 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 31
- 238000010586 diagram Methods 0.000 description 15
- 239000013598 vector Substances 0.000 description 8
- 101100400452 Caenorhabditis elegans map-2 gene Proteins 0.000 description 7
- 101150064138 MAP1 gene Proteins 0.000 description 7
- 230000009466 transformation Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000010408 sweeping Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 101100269850 Caenorhabditis elegans mask-1 gene Proteins 0.000 description 1
- 101000643374 Homo sapiens Serrate RNA effector molecule homolog Proteins 0.000 description 1
- 102100035712 Serrate RNA effector molecule homolog Human genes 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005304 joining Methods 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
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static 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
- G05D1/0253—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 extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- 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
- G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
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
本申请涉及一种路径规划方法、装置、计算机设备和存储介质。该方法包括:获取机器人的作业地图;基于预设的地图分割规则,对作业地图进行分割处理,得到至少两个局部地图;在各局部地图中,确定机器人作业时的路径点集合,路径点集合表征机器人在局部地图中的作业路径;根据机器人的作业起点和各局部地图对应的路径点集合,构建机器人在作业地图中的全覆盖路径。如此,在规划出机器人在局部地图中的作业路径后,即可根据机器人的作业起点快速构建机器人在整个作业地图中的全覆盖路径,全覆盖路径生成效率更高。
Description
技术领域
本申请涉及路径规划技术领域,特别是涉及一种路径规划方法、装置、计算机设备和存储介质。
背景技术
随着人工智能技术的发展,通过各种机器人来代替人工进行清洁、割草、扫雷等全覆盖式作业。
相关技术中,机器人进行全覆盖式作业时,让机器人沿着墙壁的边界,一圈一圈逐步扩大搜索范围搜寻机器人周围的待清扫栅格,若遇到不可行的障碍物区域,则回溯到尚未覆盖区域,继续新移动路径的探索,最后机器人完成清洁工作会停在环境中心点。
然而,对于障碍物较多的环境,需要花费大量的时间在回溯路径上,从而产生很多不必要的覆盖,使得该全覆盖作业方式不够灵活,路径规划效率较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够灵活且有效规划机器人全覆盖路径的路径规划方法、装置、计算机设备和存储介质。
第一方面,本申请提供了一种路径规划方法,应用于机器人中。该方法包括:
获取机器人的作业地图;
基于预设的地图分割规则,对作业地图进行分割处理,得到至少两个局部地图;
在各局部地图中,确定机器人作业时的路径点集合,路径点集合表征机器人在局部地图中的作业路径;
根据机器人的作业起点和各局部地图对应的路径点集合,构建机器人在作业地图中的全覆盖路径。
在其中一个实施例中,获取机器人的作业地图,包括:
获取机器人作业环境的初始环境地图;
对初始环境地图进行可通行区域搜索,获取机器人的作业地图;作业地图中不存在障碍物区域。
在其中一个实施例中,基于预设的地图分割规则,对作业地图进行分割处理,得到至少两个局部地图,包括:
按照预设的遍历顺序从作业地图中搜索局部区域,且每搜索到一个局部区域则对局部区域执行分割操作,直至搜索完作业地图,得到至少两个局部地图;其中,每个局部区域对应一个局部地图;
其中,分割操作包括:若局部区域的面积达到预设的分割面积阈值,则在作业地图中对局部区域进行分割处理。
在其中一个实施例中,根据机器人的作业起点和各局部地图对应的路径点集合,构建机器人在作业地图中的全覆盖路径,包括:
根据各局部地图对应的路径点集合,获取机器人在各局部地图中的作业路径;
根据机器人的作业起点和各局部地图对应的作业路径,确定各局部地图的连接顺序;作业起点是根据机器人当前所处位置确定的;
根据各局部地图的连接顺序,采用预设的地图连接算法对相邻的两个局部地图的作业路径进行连接,生成机器人在作业地图中的全覆盖路径。
在其中一个实施例中,若局部地图对应的路径点集合为多个,且多个路径点集合表征机器人在局部地图中作业时的回型路径圈;
根据各局部地图对应的路径点集合,获取机器人在各局部地图中的作业路径,包括:
对各局部地图,按照回型路径圈从最外圈到最里圈的顺序,对回型路径圈中每个路径圈执行移动路径构建步骤,得到机器人在各局部地图中的作业路径;
其中,移动路径构建步骤包括:
确定当前路径圈的移动起点,并根据当前路径圈的移动起点和当前路径圈对应的路径点集合,确定当前路径圈的移动路径;移动路径包括移动终点;
根据当前路径圈的移动终点,确定机器人在下一路径圈中的移动起点;下一路径圈为回型路径圈中与当前路径圈相邻、且位于当前路径圈内侧的路径圈。
在其中一个实施例中,根据当前路径圈的移动起点和当前路径圈对应的路径点集合,确定当前路径圈的移动路径,包括:
根据当前路径圈的移动起点和当前路径圈对应的路径点集合,确定当前路径圈的移动路径中包括的所有移动路径点,且所有移动路径点在移动路径上有序排列;
根据预设的第一衔接策略,将所有移动路径点进行连接,得到当前路径圈的移动路径。
在其中一个实施例中,该方法还包括:
对机器人在各局部地图中的作业路径进行曲率检测,从中剔除曲率突变的移动路径点;
根据预设的第二衔接策略,对机器人在各局部地图中的作业路径进行轨迹平滑处理。
在其中一个实施例中,根据机器人的作业起点和各局部地图对应的作业路径,确定各局部地图的连接顺序,包括:
获取各局部地图对应的作业路径的路径起点和路径终点;
根据机器人的作业起点和各局部地图的路径起点,将与机器人的作业起点距离最近的路径起点所属的局部地图作为第一局部地图,并将其他路径起点中距离第一局部地图的路径终点最近的局部地图作为第二局部地图,以此类推,直至确定出每个局部地图的顺序,得到各局部地图的连接顺序;其中,其他路径起点为除第一局部地图以外的局部地图的路径起点。
在其中一个实施例中,在各局部地图中,确定机器人作业时的路径点集合,包括:
从各局部地图中筛选出多个目标像素点;
对各局部地图中多个目标像素点的像素值进行距离变换处理,获取各目标像素点的距离值;
根据各局部地图中多个目标像素点的距离值,确定机器人在各局部地图中作业时的路径点集合。
在其中一个实施例中,若局部地图对应的路径点集合为多个,且多个路径点集合表征机器人在局部地图中作业时的回型路径圈;
根据各局部地图中多个目标像素点的距离值,确定机器人在各局部地图中作业时的路径点集合,包括:
按照各目标像素点的距离值,对局部地图中的多个目标像素点进行分类,得到多个像素点集合;每个像素点集合中所包括的目标像素点的距离值相等;
按照各像素点集合中所包括的目标像素点的距离值之间的大小关系,确定多个像素点集合的分布顺序,得到多个路径点集合;
其中,回型路径圈中每个路径圈对应一个路径点集合,且多个路径点集合中所包括的目标像素点的距离值按照回型路径圈从外圈到里圈的方向递减。
第二方面,本申请还提供了一种路径规划装置。该装置包括:
地图获取模块,用于获取机器人的作业地图;
地图分割模块,用于基于预设的地图分割规则,对作业地图进行分割处理,得到至少两个局部地图;
路径点确定模块,用于在各局部地图中,确定机器人作业时的路径点集合;路径点集合表征机器人在局部地图中的作业路径;
路径规划模块,用于根据机器人的作业起点和各局部地图对应的路径点集合,构建机器人在作业地图中的全覆盖路径。
第三方面,本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述第一方面中任一方法实施例的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述第一方面中任一方法实施例的步骤。
第五方面,本申请还提供了一种计算机程序产品。该计算机程序产品包括计算机程序,计算机程序被处理器执行时实现上述第一方面中任一方法实施例的步骤。
上述路径规划方法、装置、计算机设备和存储介质,获取机器人的作业地图;基于预设的地图分割规则,对作业地图进行分割处理,得到至少两个局部地图;在各局部地图中,确定机器人作业时的路径点集合,路径点集合表征机器人在局部地图中的作业路径;根据机器人的作业起点和各局部地图对应的路径点集合,构建机器人在作业地图中的全覆盖路径。在该方法中,将机器人执行作业任务时的作业地图分割为至少两个局部地图,从而在各局部地图中执行作业路径规划操作,可以减少路径规划过程中的数据处理量,使得局部地图中机器人作业路径的生成效率更高。另外,由于先确定了机器人在局部地图中的所有可移动路径点,从而在基于路径点集合中的移动路径点规划机器人的作业路径时,无需重新探索或规划下一步移动的安全路径点,避免了机器人作业过程中探索路径点的时间消耗,进而提高了路径规划效率。而且,基于路径点集合规划的作业路径中不存在移动死区,保证机器人安全移动的同时,提高其在复杂的环境中的通行能力。也即是,本申请是在规划出机器人在各局部地图中的作业路径后,根据机器人的作业起点和各局部地图中的作业路径快速构建机器人在整个作业地图中的全覆盖路径,生成全覆盖路径的效率更高。
附图说明
图1为一个实施例中路径规划方法的流程示意图;
图2为一个实施例中确定路径点集合的流程示意图;
图3为一个实施例中局部地图的示意图;
图4为一个实施例中一种局部掩模的结构示意图;
图5为一个实施例中另一种局部掩模的结构示意图;
图6为一个实施例中环境图像中路径点集合的分布示意图;
图7为一个实施例中一种移动路径的构建流程示意图;
图8为一个实施例中另一种移动路径的构建流程示意图;
图9为一个实施例中确定移动路径点的流程示意图;
图10为一个实施例中路径优化方法的流程示意图;
图11为一个实施例中确定局部地图连接顺序的流程示意图;
图12另一个实施例中路径规划方法的流程示意图;
图13为一个实施例中路径规划装置的结构框图;
图14为一个实施例中计算机设备的内部结构图。
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。
随着机器人在清洁、割草、扫雷等覆盖式工作领域的应用,自主移动的机器人在作业时需要基于所处环境规划自身的移动路径,以实现安全移动和全覆盖作业。
通常,覆盖式路径规划采用弓形策略和螺旋式策略。其中,螺旋式覆盖策略是让机器人沿着墙壁的边界,一圈一圈逐步扩大搜索范围,搜寻机器人周围是否有距离最近的待作业栅格,进而按照回字型路径,顺时针或逆时针方向移动。当机器人携带的传感器探测到前方有障碍物或者墙壁时,进行90°转向,以避开障碍物或墙壁,作业完成后,机器人会停在环境中心点。
虽然回字型覆盖路径规划的模式算法简单,逻辑简单易行,但每次遇到不可行区域时,都需要机器人回溯到尚未覆盖区域,继续进行新路径的探索,导致覆盖方式不够灵活。而且,在障碍物较多的复杂环境中,当存在死区导致机器人无法前进时,需要花费大量的时间去回溯到尚未覆盖区域,存在未覆盖区域,且在回溯的过程中也产生了许多不必要的重复覆盖。
另外,大部分时候机器人执行作业任务的环境地图比较大,在规划时对整个环境地图进行一次性的螺旋覆盖,不仅增加回型算法在复杂的环境大地图中做一次性路径规划的难度,且难以确保生成的全覆盖路径的均匀度和通行性,生成全覆盖路径的效率较低,从而导致机器人整体工作效率低下,运动状态不佳。
基于此,本申请提供了一种路径规划方法、装置、计算机设备和存储介质,先对作业地图进行分割和作业路径规划,再对各局部地图的作业路径进行衔接,生成整个作业地图的全局覆盖路径。确保局部地图中作业路径质量的同时,使得机器人整体全覆盖路径的生成效率更高,运动规划策略更优。
本申请提供的路径规划方法,可以应用于任一计算机设备中,以通过计算机设备中处理器调用存储在存储器中的计算机程序,执行计算机程序时实现本申请提供的路径规划方法。其中,该计算机设备可以为终端,也可以为服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。
作为一个示例,终端可以但不限于是扫地机器人、割草机、扫雷设备、各种个人计算机、笔记本电脑、智能手机、平板电脑、便携式可穿戴设备等,服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
接下来,将通过实施例并结合附图具体地对本申请实施例的技术方案,以及本申请实施例的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。需要说明的是,本申请实施例提供的一种路径规划方法,其执行主体可以为计算机设备,也可以为机器人,还可以为路径规划装置,该装置可以通过软件、硬件或者软硬件结合的方式实现成为处理器的部分或者全部。显然,所描述的实施例是本申请实施例一部分实施例,而不是全部的实施例。
在一个实施例中,如图1所示,提供了一种路径规划方法,以该方法应用于机器人中进行举例说明,包括以下步骤:
步骤110:获取机器人的作业地图。
其中,作业地图为不存在障碍物区域的地图。
在一种可能的实现方式中,步骤110的实现过程可以为:获取机器人作业环境的初始环境地图;对初始环境地图进行可通行区域搜索,获取机器人的作业地图。
作为一个示例,初始环境地图可以是机器人实际过程中通过自身搭载的环境信息采集设备采集环境信息后,实时构建的地图。环境信息采集设备可以为相机、RGBD相机、双目相机、雷达、红外感知设备等任一种可以探测环境中障碍物分布情况的传感器。初始环境地图也可以是从其他设备中直接获取现成地图,比如,从机器人作业楼宇的物业办获取该楼宇的平面图,将其作为初始环境地图,本实施例对此不做限制。
另外,在对初始环境进行可通行区域搜索时,可以采用A*算法搜索来实现,也可以采用栅格地图分解法(Boustrophedon Cellular Decomposition,BCD)和/或牛耕式分解法来实现,本实施例对此不做限制。
步骤120:基于预设的地图分割规则,对作业地图进行分割处理,得到至少两个局部地图。
其中,预设的地图分割规则可以为基于等面积分割、基于可通行区域分割,或者基于地图特征分割等,本实施例对分割策略不做限制,旨在通过分割处理,缩小作业路径的规划范围,降低数据处理量和全局规划算法的复杂度。
具体地,基于等面积分割即根据作业地图的整体面积大小,将其分割为多个局部地图,保证每个局部地图的面积相等;基于可通行区域分割即根据像素点是否为障碍物点,来确定作业地图中的可通行区域,每个可通行区域作为一个局部地图;基于地图特征分割即根据地图中障碍物的分布情况,或者地图中移动平面的路况,将作业地图分割为多个局部地图,每个局部地图的路况一致,障碍物分布均匀。
可选地,在计算机设备具备并行数据处理能力的情况下,对于至少两个局部地图,可以采用多个线程并行规划机器人在各局部地图中的作业路径。也即是,将多个局部地图的作业路径规划任务分配给计算机设备的多个线程,使每个线程执行相应的作业路径规划算法后,生成对应局部地图的作业路径。
步骤130:在各局部地图中,确定机器人作业时的路径点集合;路径点集合表征机器人在局部地图中的作业路径。
需要说明的是,若局部地图对应的路径点集合数目为一个,则该路径点集合表征机器人在局部地图中的作业路径;若局部地图对应的路径点集合数目为多个,则多个路径点集合表征机器人在局部地图中的作业路径为回型路径圈,每个路径点集合对应回型路径圈中的一个路径圈。
应该理解的是,若机器人的局部地图中的作业路径为回型路径圈,则机器人在沿着回型路径圈执行作业任务时,可以按照从外圈到里圈的方向进行移动,也可以按照从里圈向外圈移动的方向进行移动。
在一种可能的实现方式中,步骤130的实现方式可以为:遍历各局部地图中的像素点,从中筛选出满足机器人安全移动条件的目标像素点,并根据筛选得到的目标像素点,确定机器人作业时的路径点集合。
步骤140:根据机器人的作业起点和各局部地图对应的路径点集合,构建机器人在作业地图中的全覆盖路径。
其中,作业起点是根据机器人当前所处位置确定的。比如,在各局部地图对应路径点集合中,将与机器人当前所处位置之间距离最近的移动路径点确定为作业起点。又比如,该作业起点是在第一局部地图中确定的与机器人当前所处位置之间距离最短的移动路径点;第一局部地图为机器人最先开始执行作业任务的局部地图。
在一种可能的实现方式中,步骤140的实现过程可以为:根据各局部地图对应的路径点集合,获取机器人在各局部地图中的作业路径;根据机器人的作业起点和各局部地图对应的作业路径,确定各局部地图的连接顺序;根据各局部地图的连接顺序,采用预设的地图连接算法对相邻的两个局部地图的作业路径进行连接,生成机器人在作业地图中的全覆盖路径。
作为一个示例,地图连接算法可以为混合A*算法(hybrid astar),也可以为跳点搜索算法(Jump Point Search,JPS),也可以为其他可以实现移动路径点连接的算法,本实施例对此不做限制。
在上述路径规划方法中,获取机器人的作业地图后,基于预设的地图分割规则,对作业地图进行分割处理,得到至少两个局部地图;在各局部地图中,确定机器人作业时的路径点集合,路径点集合表征机器人在局部地图中的作业路径;根据机器人的作业起点和各局部地图对应的路径点集合,构建机器人在作业地图中的全覆盖路径。在该方法中,将机器人执行作业任务时的作业地图分割为至少两个局部地图,从而在各局部地图中执行作业路径规划操作,可以减少路径规划过程中的数据处理量,使得局部地图中机器人作业路径的生成效率更高。另外,由于先确定了机器人在局部地图中的所有可移动路径点,从而在基于路径点集合中的移动路径点规划机器人的作业路径时,无需重新探索或规划下一步移动的安全路径点,避免了机器人作业过程中探索路径点的时间消耗,进而提高了路径规划效率。而且,基于路径点集合规划的作业路径中不存在移动死区,保证机器人安全移动的同时,提高其在复杂的环境中的通行能力。也即是,本申请是在规划出机器人在各局部地图中的作业路径后,根据机器人的作业起点和各局部地图中的作业路径快速构建机器人在整个作业地图中的全覆盖路径,生成全覆盖路径的效率更高。
在一个实施例中,本申请还提供了一种地图分割方法,可以用上述步骤120中,以基于预设的地图分割规则对作业地图进行分割,得到至少两个局部地图。
在一种可能的实现方式中,按照预设的遍历顺序从作业地图中搜索局部区域,且每搜索到一个局部区域则对局部区域执行分割操作,直至搜索完作业地图,得到至少两个局部地图;其中,每个局部区域对应一个局部地图;
其中,分割操作包括:若局部区域的面积达到预设的分割面积阈值,则在作业地图中对局部区域进行分割处理。
作为一个示例,预设的遍历顺序可以为从左到右、从上到下的顺序,也可以为从下到上、从右到左的顺序。
另外,局部区域的面积达到分割面积阈值,即为局域区域的面积等于分割面积阈值。其中,分割面积阈值可以基于作业路径规划时长确定,在保证机器人在局部地图中可以正常移动的情况下,局部地图越小,规划作业路径所需时间越短,规划速率越高。
也即是,在对作业地图进行分割时,可以按照预设的遍历顺序搜索作业地图中的每个栅格,并实时计算已搜索栅格面积,当已搜索区域面积达到分割面积阈值时,完成第一个局部区域的搜索,执行一次分割操作,得到第一个局部地图。已搜索区域面积清零,继续遍历作业地图中的下一个栅格,并计算已搜索栅格面积,当已搜索区域面积再次达到分割面积阈值时,完成第二局部区域的搜索,执行一次分割操作,得到第二个局部地图。以此类推,遍历搜索完整个作业地图后,得到至少两个局部地图。
需要说明的是,若遍历完整个作业地图后,整个作业地图的栅格面积小于分割面积阈值,则直接按照作业地图的栅格面积,将作业地图分割为两个等面积的局部地图。
在本实施例中,通过对作业地图进行遍历搜索,并在局部区域搜索过程中完成作业地图分割,作业地图分割方式更灵活。同时,基于预设的分割面积阈值进行分割,在一定程度上均衡了各局部地图中规划机器人作业路径所需的时间,从而使得生成整个作业地图的全覆盖路径的时长最短。
基于上述实施例,在一个实施例中,如图2所示,在各局部地图中确定机器人作业时的路径点集合时的实现方式,可以包括以下步骤:
步骤210:从各局部地图中筛选出多个目标像素点。
其中,目标像素点可以基于预设的安全距离确定,即按照该安全距离对各局部地图中的像素点进行遍历,在每个局部地图中确定多个目标像素点。
应该理解的是,每个局部地图都执行像素点遍历操作后,得到多个目标像素点,且每个局部地图对应的多个目标像素点用于构建该局部地图作业路径。
进一步地,筛选出来的目标像素点之间的距离均大于或等于安全距离,机器人处于基于安全距离确定的目标像素点时,不会与周边障碍物发生碰撞,可以实现安全移动。
在一种可能的实现方式中,安全距离是根据机器人的几何信息确定的,机器人的几何信息可以反映机器人作业时的空间占用情况,几何信息至少包括机器人本体的中心点位置、长、宽、高等。
作为一个示例,安全距离可以通过下述公式(1)来实现。
式中,I(d)为安全距离,d为机器人的直径/宽度,Mapmin为作业地图的最小分辨率(即图像分辨率,以每英寸的像素数来衡量),n为预设的像素个数,n≥1。比如,预设像素数n可以为1。
需要说明的是,在计算安全距离时,不仅充分考虑了机器人的几何信息,可以保证机器人按照该安全距离移动时,可以实现局部地图的全覆盖作业,本申请在根据机器人的直径/宽度和环境地图的最小分辨率确定机器人本体的覆盖范围后再减去预设像素数,可以保证机器人每移动安全距离,均有n个像素点重复覆盖。
可选地,为了减少后续路径点集合确定过程中的计算量,可以对采用二值化处理的方式对局部地图中各像素点的像素值进行预处理。
作为一个示例,参见图3所示的局部地图,将局部地图中各像素点的像素值设置为1,其中,像素值均为1表示局部地图中不存在障碍物区域,都是机器人的作业区域。
但作业区域中哪些像素点可以保证机器人安全作业,哪些像素点会导致机器人作业时容易与障碍物发生碰撞,还需要通过本实施例中的步骤210-步骤230对其进行筛选,确定机器人在各局部地图中作业时的路径点集合。
步骤220:对各局部地图中多个目标像素点的像素值进行距离变换处理,获取各目标像素点的距离值。
在一种可能的实现方式中,步骤220的实现过程可以为:通过第一局部掩模和第二局部掩模对各目标像素点的像素值进行距离变换处理,得到各目标像素点的距离值。
其中,距离值表征局部地图中各目标像素点与局部地图边界之间的距离。通过第一局部掩模和第二局部掩模对目标像素点的像素值进行距离变换处理,可以结合目标像素点周边8个像素点的距离值对目标像素点的像素值进行更新,使得距离值可以反映目标像素点与局部地图边界之间的精准距离。
在一种实施方式中,距离变换处理的过程可以为:通过第一局部掩模,按照第一遍历路径,对各目标像素点的像素值进行更新,得到各目标像素点的第一更新值;通过第二局部掩模,按照第二遍历路径,对各目标像素点的第一更新值进行更新,得到各目标像素点的第二更新值;将各目标像素点的第二更新值作为各目标像素点的距离值。
其中,第一遍历路径和第二遍历路径互为斜对角对称。比如,第一遍历路径可以为从局部地图的左上角开始,按照从左到右、从上到下的移动顺序遍历整个局部地图,第二遍历路径可以为从局部地图的右下角开始,按照从右到左、从下到上的移动顺序遍历整个局部地图。又比如,第一遍历路径可以为从局部地图的右下角开始,按照从右到左、从下到上的移动顺序遍历整个局部地图,第二遍历路径为从局部地图的左上角开始,按照从左到右、从上到下的移动顺序遍历整个局部地图。本实施例对此不做限制。
在一种可能的实现方式中,在使用局部掩模对各目标像素点进行距离变换,以更新其像素值可以通过下述公式(2)来实现。
F(k)ij=max{F(k)ij,D(k,o)ij+F(o)ij} (2)
式中,i和j表示局部地图中像素点的行数和列数;k代表当前像素点(任一目标像素点),F(k)ij为当前像素点的距离值;o为掩模中与当前像素点相邻的像素点,F(o)ij为与当前像素点相邻的像素点的距离值;D(k,o)ij表示当前像素点k到最近像素点o之间的欧式距离。
作为一个示例,图4给出了一种第一局部掩模(参见图4中a)和第二局部掩模(参见图4中b)的示意图。
在采用图4中a所示第一局部掩模对局部地图中各目标像素点的像素值进行更新时,从局部地图的左上角开始,按照从左到右、从上到下的遍历路径,以I(d)为移动间隔进行扫描,并将第一局部掩模覆盖区域内目标像素点的像素值按照下述公式(3)进行更新。
同理,在采用图4中b所示第二局部掩模对局部地图中各目标像素点的像素值进行更新时,从局部地图的右下角开始,按照从右到左、从下到上的遍历路径,以I(d)为移动间隔进行扫描,并将第二局部掩模覆盖区域内目标像素点的像素值按照下述公式(4)进行更新。
需要说明的是,在上述公式(3)和(4)中,mask1表示第一局部掩模,mask2表示第二局部掩模,rows为局部地图中像素点的总行数,cols为局部地图中像素点的总列数。其他字母的含义可以参见上述公式(1)和(2),在此不再赘述。
为了便于理解,作为另一个示例,基于图5所示的局部掩模结构,采用公式(3)或(4)计算目标像素点的距离值的过程可以为:掩模结构覆盖了像素点d1、d2、d3、d4和k,且假设k为目标像素点,d1、d2、d3、d4和k对应的像素值为1。则对k的像素值进行更新时,根据d1的像素值1,以及d1和k之间的欧式距离值确定更新后d1的距离值为同理,更新后d2的距离值为2,d3的距离值为更新后d4的距离值为2。
进一步地,根据k的像素值1和更新后d1、d2、d3、d4的距离值的大小关系,将数值最大的一个数值确定为k更新后的距离值。在此示例中,采用该局部掩模结构,通过k周边相邻的d1、d2、d3和d4的距离值对k的像素值进行更新,更新后k的距离值为
进一步地,采用图4所示的局部掩模以预设距离进行移动,以及上述公式(3)和(4)对局部地图中目标像素点的像素值进行距离变换处理后,得到掩模结构中k区域覆盖目标像素点的距离值F(k)。参见如图6所示的路径点集合,F(k1)和F(k2)均表示距离变换处理后,局部地图中目标像素点的距离值。
步骤230:根据各局部地图中多个目标像素点的距离值,确定机器人在各局部地图中作业时的路径点集合。
其中,对于每个局部地图而言,若局部地图对应的多个目标像素点的距离值均相同,则得到一个路径点集合,且这个一个路径点集合表征机器人在局部地图中作业时的路径圈。若局部地图对应的多个目标像素点的距离值不完全相同,则得到多个路径点集合,且这个多个路径点集合表征机器人在局部地图中作业时的回型路径圈。
需要说明的是,若局部地图对应的路径点集合为多个,则在确定机器人在局部地图中作业时的路径点集合时,不仅需要根据目标像素点的距离值将目标像素点划分为多个路径点集合,还需要确定多个路径点集合的排列顺序,即多个路径点集合在回型路径圈中对应的路径圈顺序。
在一种可能的实现方式中,针对局部地图对应的路径点集合为多个,且多个路径点集合表征机器人在局部地图中作业时的回型路径圈的情况,步骤230的实现过程可以为:按照各目标像素点的距离值,对局部地图中的多个目标像素点进行分类,得到多个像素点集合;按照各像素点集合中所包括的目标像素点的距离值之间的大小关系,确定多个像素点集合的分布顺序,得到多个路径点集合。
其中,每个像素点集合中所包括的目标像素点的距离值相等;回型路径圈中每个路径圈对应一个路径点集合,且多个路径点集合中所包括的目标像素点的距离值按照回型路径圈从外圈到里圈的方向递减。
作为一个示例,参见图6所示的路径点集合,F(k1)和F(k2)的距离值不同,则将所有F(k1)对应的目标像素点作为一个路径点集合,将所有F(k2)对应的目标像素点作为另一个路径点集合,得到两个路径点集合。进一步地,由于F(k1)的值大于F(k2)的值,则回型路径圈中外圈对应的路径点集合中包括所有F(k1)对应的目标像素点,回型路径圈中里圈对应的路径点集合中包括所有F(k2)对应的目标像素点。
在本实施例中,通过第一局部掩模和第二局部掩模按照斜对角对称的方式对作业区域中各目标像素点的像素值进行距离变换,得到更新后的距离值。进一步地,由于距离值反映的是目标像素点与局部地图边界之间的距离,因此,根据距离值的大小,可以确定机器人作业时各路径圈对应的路径点集合。如此,可以准确确定机器人作业过程中可以移动的安全路径点,保证机器人位于任一路径点时,均不会与障碍物发生碰撞,安全性较高。
接上一实施例,确定各局部地图对应的路径点集合后,即可根据路径点集合生成机器人在各局部地图中的作业路径。在此分以下两种情况:
(1)若局部地图对应的路径点集合为一个,则生成作业路径时,只需确定路径点集合中各路径点的排列顺序,进而按照排列顺序连接该路径点集合中的所有路径点,即可得到机器人在该局部地图中的作业路径。
(2)若局部地图对应的路径点集合为多个,且多个路径点集合表征机器人在局部地图中作业时的回型路径圈,则生成机器人回型路径圈上的作业路径时,需要先根据每个路径点集合,生成机器人在一个路径圈中的移动路径,然后对多个路径圈对应的移动路径进行连接,得到机器人在该局部地图中的作业路径。
其中,根据每个路径点集合,生成机器人在一个路径圈中的移动路径的实现思路与上述情况(1)相同。
换言之,根据单个路径点集合生成机器人在局部地图中的作业路径,可以看做是回型路径圈中生成一个路径圈的移动路径。
针对上述情况(2),在一个实施例中,根据各局部地图对应的路径点集合,获取机器人在各局部地图中的作业路径的实现过程可以为:对各局部地图,按照回型路径圈从最外圈到最里圈的顺序,对回型路径圈中每个路径圈执行移动路径构建步骤,得到机器人在各局部地图中的作业路径。
其中,移动路径构建流程如图7所示,包括以下步骤:
步骤710:确定当前路径圈的移动起点,并根据当前路径圈的移动起点和当前路径圈对应的路径点集合,确定当前路径圈的移动路径;移动路径包括移动终点。
在实际应用时,可以将最外圈中距离机器人当前位置最近的路径点作为当前路径圈的移动起点;也可以根据移动平面的起伏程度和机器人当前位置,从当前路径圈中确定机器人所需移动时间最短的路径点作为机器人的移动起点;还可以在当前路径圈中随意指定一个路径点作为机器人的移动起点,本实施例对此不做限制。
也即是,在确定当前路径圈的移动起点后,从当前路径圈对应的路径点集合中依次确定下一移动路径点,直到确定当前路径圈的移动终点,从而将多个移动路径点进行连接即可得到当前路径圈对应的移动路径。
在一种可能的实现方式中,如图8所示,步骤710的实现过程包括以下步骤:
步骤711:根据当前路径圈的移动起点和当前路径圈对应的路径点集合,确定当前路径圈的移动路径中包括的所有移动路径点,且所有移动路径点在移动路径上有序排列。
作为一个示例,确定当前路径圈的移动路径中包括的所有移动路径点的实现过程可以为:根据当前路径圈的移动起点,采用构建当前路径圈的四叉树的方式对路径点集合中的路径点进行筛选,得到多个连续的移动路径点。多个连续的移动路径点通过下述步骤713进行连接之后,即可得到当前路径圈的移动路径。
作为另一个示例,确定当前路径圈的移动路径中包括的所有移动路径点的实现过程可以为:根据当前路径圈的移动起点,采用遍历路径点集合中所有路径点的方式,将与该移动起点距离最近的路径点作为下一移动路径点,以此类推,确定多个连续的移动路径点。多个连续的移动路径点通过下述步骤713进行连接之后,即可得到当前路径圈的移动路径。
由于采用构建四叉树的方式确定当前路径圈的移动路径中所有移动路径点时,计算量小,确定速率快,因此,可以优先采用四叉树的方式确定移动路径中所有连续的移动路径点。当然,也可以采用遍历路径点集合中所有路径点的方式确定移动路径中所有连续的移动路径点,避免构建四叉树消耗时间。应该理解的是,本实施例旨在说明两种可能的实现方式,并不在于限制,也可以采用其他方式或算法来确定移动路径中所有连续的移动路径点。
参见图9,若以四叉树的方式从当前路径圈对应路径点集合中确定所有连续的移动路径点时,其具体实现过程可以包括以下步骤:
步骤910:构建当前路径圈对应的路径点集合的四叉树;四叉树的根节点表征当前路径圈对应的路径点集合所在区域,四叉树的每个子节点中包括的路径点是基于所属父节点中路径点所在区域确定的。
其中,四叉树是一种数据结构,具体是一种每个节点最多有四个子树的数据结构。四叉树是在二维图片中定位像素的唯一适合的算法,这一算法通过不停地把要查找范围分成4部分来进行匹配查找,直到仅剩下一条记录为止。
需要说明的是,在根据四叉树的根节点逐次划分子节点时,可以预先设定每个子节点的容量,当划分的子节点容量均不大于预设的容量阈值时,即完成四叉树索引区域划分,得到构建好的四叉树。
其中,容量阈值优选1-2个点,容量阈值越小,四叉树的深度越深,在后续筛选移动路径点时需要遍历匹配的次数就越少。如此设置的目的是将每个子节点的小区域里包括的路径点划分到更小的区域中,便于索引。
步骤920:在四叉树中获取距离当前路径圈的移动起点最近的路径点作为新的移动路径点,并在去除当前路径圈的起点后的四叉树中,继续获取距离新的移动路径点最近的路径点,以此类推,直至四叉树中的路径点为空,得到移动路径中包括的所有移动路径点。
在一种可能的实现方式中,步骤920的实现过程可以为:确定当前路径圈的移动起点在四叉树中的适配子节点;获取适配子节点中所有路径点分别与当前路径圈的移动起点之间的距离信息;根据各距离信息,将距离当前路径圈的移动起点最近的路径点确定为新的移动路径点。
其中,适配子节点包括当前路径圈的移动起点在四叉树中的所属子节点,或者,适配子节点包括所属子节点和所属子节点的相邻子节点。距离信息可以为曼哈顿距离值,也可以为欧式距离值,还可以为直线距离值,本实施例对此不做限制。
也即是,根据当前路径圈的移动起点,从四叉树的根节点开始搜索,找到四个节点区域中与查询点区域相交的子节点区域方向,进入该相交的子节点区域中进行递归搜索,直到抵达最小四等份区域的子节点为止,即到达距离当前路径圈的移动起点最近的索引区域。进一步地,在该索引区域中确定与当前路径圈的移动起点距离最近的路径点,作为新的移动路径点。以此类推,不再赘述。
可选地,为了减少遍历匹配次数,每确定一个移动路径点后,需要将其从四叉树中删除。
步骤713:根据预设的第一衔接策略,将所有移动路径点进行连接,得到移动路径。
其中,第一衔接策略包括相邻移动路径点之间的单元距离和预设距离之间的关系,或者,相邻移动路径点之间碰撞判断。
在一种可能的实现方式中,步骤713的实现方式为:获取所有移动路径点中相邻移动路径点之间的单元距离;若单元距离与预设距离的关系满足预设关系,则通过直线连接方法将对应相邻移动路径点进行连接;若单元距离与预设距离的关系不满足预设关系,则通过预设的路径规划算法生成对应相邻移动路径点的连接路径;根据连接完成的所有移动路径点,得到移动路径。
作为一个示例,L为相邻移动路径点之间的单元距离,具体可以为两个移动路径点之间的曼哈顿距离;预设关系如下述公式(5)所示。
作为一个示例,预设的路径规划算法可以为A*算法、D*算法、快速搜索随机树算法(Rapidly-exploring Random Tree,RRT)、RRT*算法、B-RRT*、RRT*-Smart算法或SRRT*算法中的任一种。
在另一种可能的实现方式中,步骤713的实现方式为:对相邻移动路径点进行连接,若连接后相邻移动路径点之间的路径发生碰撞,则采用RRT*算法重新对该相邻移动路径点进行连接;若连接后相邻移动路径点之间的路径未发生碰撞,则直接采用直线进行快速相连。
其中,在进行直线连接时,相邻移动路径点的衔接采用等间距均匀插值的方式来实现。
步骤720:根据当前路径圈的移动终点,确定机器人在下一路径圈中的移动起点;下一路径圈为回型路径圈中与当前路径圈相邻、且位于当前路径圈内侧的路径圈。
在一种可能的实现方式中,步骤720的实现过程可以为:根据与当前路径圈的移动终点之间的距离,从当前路径圈的相邻里圈中确定至少一个候选移动路径点,进而从至少一个候选移动路径点中确定相邻里圈的移动起点。
其中,候选移动路径点与当前路径圈的移动终点之间的距离值最小,当下一路径圈存在多个与当前路径圈的移动终点距离值相等的候选移动路径点时,可以随机指定一个候选移动路径点作为下一路径圈的移动起点,也可以基于一些算法或者规则选择下一路径圈的移动起点,本实施例对此不做限制。
在本实施例中,以机器人的作业起点开始,按照回型路径圈从最外圈到最里圈的顺序,对回型路径圈中每个路径圈均构建对应的移动路径,进而得到机器人在局部地图中的作业路径。如此,基于确定的路径点集合,可以快速有效地确定机器人在局部地图中的作业路径,提高了局部地图中机器人作业路径的规划效率。
在一个实施例中,如图10所示,本申请还提供了一种路径优化方法,同样以该方法应用于计算机设备进行举例说明,包括以下步骤:
步骤1010:对机器人在各局部地图中的作业路径进行曲率检测,从中剔除曲率突变的移动路径点。
需要说明的是,机器人在局部地图中的作业路径包括至少一个路径圈的移动路径,曲率检测是针对局部地图中机器人的作业路径上的所有移动路径点进行检测的。
在一种可能的实现方式中,步骤1010的实现过程可以为:在各局部地图中,对各路径圈对应的移动路径进行曲率检测,从中剔除曲率突变的移动路径点。
其中,局部地图包括n个路径圈(n≥1),且每个路径圈对应一个移动路径,该移动路径表示为:
PATH(i)={p1,p2,p3,……,pm},1≤i≤n
其中,p1,p2,p3,……,pm表示该移动路径上的多个连续的移动路径点。
以路径点集合PATH(1)为例,曲率检测过程为:从路径点集合PATH(1)中取一个移动路径点Pi,然后从Pi开始进行轨迹检查,若PATH(1)中移动路径点的数量达到3个时,通过下述步骤S1-S3来剔除曲率突变的移动路径点。
S1:前一个移动路径点Pi-1与当前移动路径点Pi构成方向向量记作p1=Pi-1,p2=Pi,则将当前移动路径点Pi与下一个移动路径点Pi+1构成方向向量记作p3=Pi+1,则进一步地,计算方向向量与方向向量之间的夹角θ如下公式(6)所示:
也即是,在通过三个移动路径点进行曲率检测时,p2代表当前曲率检测点,p1代表前一个移动路径点,p3代表下一个待检测曲率突变情况的移动路径点。
进一步地,根据夹角θ判断当前曲率检测点p2是否存在曲率突变。
S2:若夹角θ小于预设夹角值,则说明当前移动路径点Pi处的曲率相对机器人平滑,不需要进行任何处理。
进一步地,将当前移动路径点Pi保留在路径点集合PATH(1)中,路径点集合PATH(1)中的下一移动路径点Pi+1将成为下一循环曲率检测判断的起点,执行上述步骤S1。
其中,预设夹角值是基于机器人性能和移动路径要求预先设置的角度值,比如,预设夹角值可以设置为120°。
S3:若夹角θ大于或等于预设夹角值,则说明当前移动路径点Pi可能是个曲率突变点。需要通过下述公式(7)做进一步判断,判断点p3投影到p2与p1方向向量的垂直距离d是否大于机器人的最小转弯半径r:
若d<r,则下一移动路径点Pi+1不能用于构建机器人的移动路径,将其从路径点集合PATH(1)中剔除。然后,跳过Pi+1,取路径点集合PATH(1)中的移动路径点Pi+2,并令p3=Pi+2;同时,将当前点p2的位置往回缩一个点位,使p2=Pi-1,使p1=Pi-2。
若不符合d<r的条件,则继续往前跳过Pi+2取路径点集合PATH(1)中的移动路径点Pi+3,使得p3=Pi+3,并将当前点p2的位置继续往回缩一个点位,使得p2=Pi-2,使p1=Pi-3。
以此类推,通过往前跳点和往后回溯找点的方式对各路径圈对应的移动路径进行裁剪,直到满足对应的条件,筛选出符合规则的所有p3点。
如此,通过步骤1010对局部地图中的作业路径进行曲率检测后,可以从中剔除不符合规矩的p3点,保留符合规则的p3点。
步骤1020:根据预设的第二衔接策略,对机器人在各局部地图中的作业路径进行轨迹平滑处理。
其中,第二衔接策略可以为混合A*算法,也可以为JPS算法,还可以为其他可以实现移动路径点连接的算法,本实施例对此不做限制。
也即是,在p2与p3点之间通过混合A*算法生成一条无碰撞路径,并使用p2之间衔接的无碰撞路径替换原来p2与p3之间的移动路径,以对原有的移动路径进行轨迹平滑处理。
在本实施例中,机器人在遇到不符合规则的移动路径点时,采用同时往前跳点和往后回溯找点的方式对不合法移动路径进行裁剪,并结合混合A*算法对曲率检测后的移动路径点进行平滑衔接,使得机器人能够进行平滑的转向,并且减少移动死区路径的产生。
在一个实施例中,如图11所示,根据机器人的作业起点和各局部地图对应的作业路径,确定各局部地图的连接顺序,包括以下步骤:
步骤1110:获取各局部地图对应的作业路径的路径起点和路径终点。
应该理解的是,若局部地图对应一个路径点集合,规划出的作业路径为一个路径圈,在此情况下,作业路径的路径起点即为该路径圈对应的移动路径的移动起点,作业路径的路径终点即为该路径圈对应的移动路径的移动终点。
同理,若局部地图对应多个路径点集合,规划出的作业路径为回型路径圈,在此情况下,作业路径的路径起点为回型路径圈最外圈对应的移动路径的移动起点,作业路径的路径终点为回型路径圈最里圈对应的移动路径的移动终点。
可选地,生成各局部地图对应的作业路径后,即可将路径起点和路径终点与对应的局部地图进行绑定,便于快速确定各局部地图与作业路径上移动路径点之间的关系。
作为一个示例,参见下表1所示的局部地图和作业路径之间的绑定关系。
表1
由上表1可知,局部地图1对应3个路径点集合,根据这3个路径点集合确定的回型路径圈包括3个路径圈,每个路径圈对应一条移动路径,每个移动路径上包括n个按照移动顺序排列的移动路径点。因此,根据局部地图1对应的三条移动路径PATH(11)、PATH(12)和PATH(13)的移动起点和移动终点,得到局部地图对应的作业路径的路径起点p1101和路径终点p1320。局部地图2和局部地图3获取路径起点和路径终点的方式与此类似,不再赘述。
步骤1120:根据机器人的作业起点和各局部地图的路径起点,将与机器人的作业起点距离最近的路径起点所属的局部地图作为第一局部地图,并将其他路径起点中距离第一局部地图的路径终点最近的局部地图作为第二局部地图,以此类推,直至确定出每个局部地图的顺序,得到各局部地图的连接顺序。
其中,其他路径起点为除第一局部地图以外的局部地图的路径起点。
作为一个示例,参见上表1,基于机器人的作业起点和各局部地图对应的作业路径的路径起点,由于局部地图3的路径起点P3101与机器人的作业起点距离最近,则将局部地图3确定为第一局部地图。进一步地,根据局部地图3的作业路径的路径终点p3315与局部地图2和局部地图1的路径起点之间的距离大小,从局部地图2和局部地图1中选择第二局部地图。若局部地图2的路径起点P2101与局部地图3的路径终点p3315之间的距离最近,则将局部地图2作为第二局部地图,局部地图1则为第三局部地图。因此,在本示例中,局部地图1、局部地图2和局部地图3之间的连接顺序为:局部地图3、局部地图2、局部地图1。
在本实施例中,基于在各局部地图的规划出的作业路径和机器人的作业起点,可以确定各局部地图的连接顺序。如此,根据机器人的作业起点和各局部地图之间的连接顺序,即可快速生成机器人在整个作业地图中的全覆盖路径。
综合上述各方法实施例,如图12所示,本申请还提供了另一种路径规划方法,同样以该方法应用于计算机设备进行举例说明,包括以下步骤:
S1:获取初始环境地图。
可选地,可以对初始环境地图进行预处理,预处理可以包括膨胀处理、腐蚀处理、二值化处理、平滑处理、图像增强等中的一种或多种。
S2:对初始环境地图进行可通行区域搜索,得到作业地图;其中,作业地图中不存在障碍物区域。
S3:基于预设的分割面积阈值,对作业地图进行搜索,将作业地图分割为多个局部地图。
S4:针对各局部地图,基于移动距离和像素值的距离变换处理,确定各局部地图对应的路径点集合。
其中,安全距离可以通过上文中的公式(1)确定,距离变换处理通过上文中的公式(2)-(4)实现。
S5:根据路径点集合,生成对应路径圈的移动路径。
其中,一个路径点集合可以生成机器人在一个路径圈中的移动路径;多个路径点集合可以生成机器人在回型路径圈中的移动路径。
在一种可能的实现方式中,根据路径点集合构建四叉树,通过四叉树的方式确定移动路径上所有移动路径点的有序排列结果。进一步地,根据相邻移动路径点之间的单元距离,选择不同的路径衔接方式对其进行连接。最终,按照排列顺序连接所有移动路径点后,即得到该路径圈对应的移动路径。
需要说明的是,需要对局部地图对应的所有路径点集合均执行构建四叉树和相邻移动路径点连接的操作,从而得到机器人在局部地图中的作业路径。
S6:根据各路径圈的移动路径,生成机器人在各局部地图中的作业路径。
S7:对各局部地图中的作业路径进行曲率检测和轨迹平滑处理,以对各作业路径进行优化。
S8:根据各局部地图中的作业路径,生成机器人在作业地图中的全覆盖路径。
也即是,按照各局部地图的连接顺序,对各局部地图中的作业路径进行全连接,得到机器人在整个作业地图中的全覆盖路径。
本实施例提供的计算机设备在实现以上路径规划方法的步骤时,其实现原理和技术效果可以参见上述任一实施例中的相关步骤,在此不再赘述。
应该理解的是,虽然如上所述的各实施例所涉及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,如上所述的各实施例所涉及的流程图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。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的路径规划方法的路径规划装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个路径规划装置实施例中的具体限定可以参见上文中对于路径规划方法的限定,在此不再赘述。
在一个实施例中,如图13所示,提供了一种路径规划装置,该装置1300包括:地图获取模块1310、地图分割模块1320、路径点确定模块1330和路径规划模块1340,其中:
地图获取模块1310,用于获取机器人的作业地图;
地图分割模块1320,用于基于预设的地图分割规则,对作业地图进行分割处理,得到至少两个局部地图;
路径点确定模块1330,用于在各局部地图中,确定机器人作业时的路径点集合;路径点集合表征机器人在局部地图中的作业路径;
路径规划模块1340,用于根据机器人的作业起点和各局部地图对应的路径点集合,构建机器人在作业地图中的全覆盖路径。
在其中一个实施例中,地图获取模块1310,包括:
地图获取单元,用于获取机器人作业环境的初始环境地图;
通行域搜索单元,用于对初始环境地图进行可通行区域搜索,获取机器人的作业地图;作业地图中不存在障碍物区域。
在其中一个实施例中,地图分割模块1320,具体用于:
按照预设的遍历顺序从作业地图中搜索局部区域,且每搜索到一个局部区域则对局部区域执行分割操作,直至搜索完作业地图,得到至少两个局部地图;其中,每个局部区域对应一个局部地图;
其中,分割操作包括:若局部区域的面积达到预设的分割面积阈值,则在作业地图中对局部区域进行分割处理。
在其中一个实施例中,路径规划模块1340,包括:
路径规划单元,用于根据各局部地图对应的路径点集合,获取机器人在各局部地图中的作业路径;
连接顺序确定单元,用于根据机器人的作业起点和各局部地图对应的作业路径,确定各局部地图的连接顺序;作业起点是根据机器人当前所处位置确定的;
局部地图连接单元,用于根据各局部地图的连接顺序,采用预设的地图连接算法对相邻的两个局部地图的作业路径进行连接,生成机器人在作业地图中的全覆盖路径。
在其中一个实施例中,若局部地图对应的路径点集合为多个,且多个路径点集合表征机器人在局部地图中作业时的回型路径圈;
根据路径规划单元,具体用于:
对各局部地图,按照回型路径圈从最外圈到最里圈的顺序,对回型路径圈中每个路径圈执行移动路径构建步骤,得到机器人在各局部地图中的作业路径;
其中,移动路径构建步骤包括:
确定当前路径圈的移动起点,并根据当前路径圈的移动起点和当前路径圈对应的路径点集合,确定当前路径圈的移动路径;移动路径包括移动终点;
根据当前路径圈的移动终点,确定机器人在下一路径圈中的移动起点;下一路径圈为回型路径圈中与当前路径圈相邻、且位于当前路径圈内侧的路径圈。
在其中一个实施例中,根据当前路径圈的移动起点和当前路径圈对应的路径点集合,确定当前路径圈的移动路径,包括:
根据当前路径圈的移动起点和当前路径圈对应的路径点集合,确定当前路径圈的移动路径中包括的所有移动路径点,且所有移动路径点在移动路径上有序排列;
根据预设的第一衔接策略,将所有移动路径点进行连接,得到当前路径圈的移动路径。
在其中一个实施例中,该装置1300还包括:
路径检测模块,用于对机器人在各局部地图中的作业路径进行曲率检测,从中剔除曲率突变的移动路径点;
轨迹平滑模块,用于根据预设的第二衔接策略,对机器人在各局部地图中的作业路径进行轨迹平滑处理。
在其中一个实施例中,连接顺序确定单元,包括:
获取子单元,用于获取各局部地图对应的作业路径的路径起点和路径终点;
确定子单元,用于根据机器人的作业起点和各局部地图的路径起点,将与机器人的作业起点距离最近的路径起点所属的局部地图作为第一局部地图,并将其他路径起点中距离第一局部地图的路径终点最近的局部地图作为第二局部地图,以此类推,直至确定出每个局部地图的顺序,得到各局部地图的连接顺序;其中,其他路径起点为除第一局部地图以外的局部地图的路径起点。
在其中一个实施例中,路径点确定模块1330,包括:
筛选单元,用于从各局部地图中筛选出多个目标像素点;
距离变换单元,用于对各局部地图中多个目标像素点的像素值进行距离变换处理,获取各目标像素点的距离值;
集合划分单元,用于根据各局部地图中多个目标像素点的距离值,确定机器人在各局部地图中作业时的路径点集合。
在其中一个实施例中,若局部地图对应的路径点集合为多个,且多个路径点集合表征机器人在局部地图中作业时的回型路径圈;
集合划分单元,包括:
分类子单元,用于按照各目标像素点的距离值,对局部地图中的多个目标像素点进行分类,得到多个像素点集合;每个像素点集合中所包括的目标像素点的距离值相等;
排序子单元,用于按照各像素点集合中所包括的目标像素点的距离值之间的大小关系,确定多个像素点集合的分布顺序,得到多个路径点集合;
其中,回型路径圈中每个路径圈对应一个路径点集合,且多个路径点集合中所包括的目标像素点的距离值按照回型路径圈从外圈到里圈的方向递减。
上述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计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,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,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图14所示。该计算机设备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,该计算机设备的处理器用于提供计算和控制能力。该计算机设备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。该计算机设备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路径规划方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、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14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计算机设备的限定,具体的计算机设备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,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取机器人的作业地图;
基于预设的地图分割规则,对作业地图进行分割处理,得到至少两个局部地图;
在各局部地图中,确定机器人作业时的路径点集合,路径点集合表征机器人在局部地图中的作业路径;
根据机器人的作业起点和各局部地图对应的路径点集合,构建机器人在作业地图中的全覆盖路径。
本实施例提供的计算机设备在实现以上步骤时,其实现原理和技术效果与上述机器人执行的方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取机器人的作业地图;
基于预设的地图分割规则,对作业地图进行分割处理,得到至少两个局部地图;
在各局部地图中,确定机器人作业时的路径点集合,路径点集合表征机器人在局部地图中的作业路径;
根据机器人的作业起点和各局部地图对应的路径点集合,构建机器人在作业地图中的全覆盖路径。
本实施例提供的计算机可读存储介质在实现以上步骤时,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机程序产品,该计算机程序产品包括计算机程序,计算机程序被处理器执行时实现以下步骤:
获取机器人的作业地图;
基于预设的地图分割规则,对作业地图进行分割处理,得到至少两个局部地图;
在各局部地图中,确定机器人作业时的路径点集合,路径点集合表征机器人在局部地图中的作业路径;
根据机器人的作业起点和各局部地图对应的路径点集合,构建机器人在作业地图中的全覆盖路径。
本实施例提供的计算机程序产品在实现以上步骤时,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
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,所述的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-Only Memory,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。
以上所述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 (13)
1.一种路径规划方法,应用于机器人中,其特征在于,所述方法包括:
获取所述机器人的作业地图;
基于预设的地图分割规则,对所述作业地图进行分割处理,得到至少两个局部地图;
在各所述局部地图中,确定所述机器人作业时的路径点集合;所述路径点集合表征所述机器人在所述局部地图中的作业路径;
根据所述机器人的作业起点和各所述局部地图对应的路径点集合,构建所述机器人在所述作业地图中的全覆盖路径。
2.根据权利要求1所述的方法,其特征在于,所述获取所述机器人的作业地图,包括:
获取所述机器人作业环境的初始环境地图;
对所述初始环境地图进行可通行区域搜索,获取所述机器人的作业地图;所述作业地图中不存在障碍物区域。
3.根据权利要求1或2所述的方法,其特征在于,所述基于预设的地图分割规则,对所述作业地图进行分割处理,得到至少两个局部地图,包括:
按照预设的遍历顺序从所述作业地图中搜索局部区域,且每搜索到一个局部区域则对所述局部区域执行分割操作,直至搜索完所述作业地图,得到所述至少两个局部地图;其中,每个局部区域对应一个局部地图;
其中,所述分割操作包括:若所述局部区域的面积达到预设的分割面积阈值,则在所述作业地图中对所述局部区域进行分割处理。
4.根据权利要求1或2所述的方法,其特征在于,所述根据所述机器人的作业起点和各所述局部地图对应的路径点集合,构建所述机器人在所述作业地图中的全覆盖路径,包括:
根据各所述局部地图对应的路径点集合,获取所述机器人在各所述局部地图中的作业路径;
根据所述机器人的作业起点和各所述局部地图对应的作业路径,确定各所述局部地图的连接顺序;所述作业起点是根据所述机器人当前所处位置确定的;
根据各所述局部地图的连接顺序,采用预设的地图连接算法对相邻的两个局部地图的作业路径进行连接,生成所述机器人在所述作业地图中的全覆盖路径。
5.根据权利要求4所述的方法,其特征在于,若所述局部地图对应的路径点集合为多个,且多个路径点集合表征所述机器人在所述局部地图中作业时的回型路径圈;
所述根据各所述局部地图对应的路径点集合,获取所述机器人在各所述局部地图中的作业路径,包括:
对各所述局部地图,按照所述回型路径圈从最外圈到最里圈的顺序,对所述回型路径圈中每个路径圈执行移动路径构建步骤,得到所述机器人在各所述局部地图中的作业路径;
其中,所述移动路径构建步骤包括:
确定当前路径圈的移动起点,并根据所述当前路径圈的移动起点和所述当前路径圈对应的路径点集合,确定所述当前路径圈的移动路径;所述移动路径包括移动终点;
根据所述当前路径圈的移动终点,确定所述机器人在下一路径圈中的移动起点;所述下一路径圈为所述回型路径圈中与所述当前路径圈相邻、且位于所述当前路径圈内侧的路径圈。
6.根据权利要求5所述的方法,其特征在于,所述根据所述当前路径圈的移动起点和所述当前路径圈对应的路径点集合,确定所述当前路径圈的移动路径,包括:
根据所述当前路径圈的起点和所述当前路径圈对应的路径点集合,确定所述当前路径圈的移动路径中包括的所有移动路径点,且所述所有移动路径点在所述移动路径上有序排列;
根据预设的第一衔接策略,将所述所有移动路径点进行连接,得到所述当前路径圈的移动路径。
7.根据权利要求5或6所述的方法,其特征在于,所述方法还包括:
对所述机器人在各所述局部地图中的作业路径进行曲率检测,从中剔除曲率突变的移动路径点;
根据预设的第二衔接策略,对所述机器人在各所述局部地图中的作业路径进行轨迹平滑处理。
8.根据权利要求4所述的方法,其特征在于,所述根据所述机器人的作业起点和各所述局部地图对应的作业路径,确定各所述局部地图的连接顺序,包括:
获取各所述局部地图对应的作业路径的路径起点和路径终点;
根据所述机器人的作业起点和各所述局部地图的路径起点,将与所述机器人的作业起点距离最近的路径起点所属的局部地图作为第一局部地图,并将其他路径起点中距离所述第一局部地图的路径终点最近的局部地图作为第二局部地图,以此类推,直至确定出每个局部地图的顺序,得到各所述局部地图的连接顺序;其中,所述其他路径起点为除所述第一局部地图以外的局部地图的路径起点。
9.根据权利要求1或2所述的方法,其特征在于,所述在各所述局部地图中,确定所述机器人作业时的路径点集合,包括:
从各所述局部地图中筛选出多个目标像素点;
对各所述局部地图中多个目标像素点的像素值进行距离变换处理,获取各所述目标像素点的距离值;
根据各所述局部地图中多个目标像素点的距离值,确定所述机器人在各所述局部地图中作业时的路径点集合。
10.根据权利要求9所述的方法,其特征在于,若所述局部地图对应的路径点集合为多个,且多个路径点集合表征所述机器人在所述局部地图中作业时的回型路径圈;
所述根据各所述局部地图中所述多个目标像素点的距离值,确定所述机器人在各所述局部地图中作业时的路径点集合,包括:
按照各所述目标像素点的距离值,对所述局部地图中的多个目标像素点进行分类,得到多个像素点集合;每个像素点集合中所包括的目标像素点的距离值相等;
按照各所述像素点集合中所包括的目标像素点的距离值之间的大小关系,确定所述多个像素点集合的分布顺序,得到所述多个路径点集合;
其中,所述回型路径圈中每个路径圈对应一个路径点集合,且所述多个路径点集合中所包括的目标像素点的距离值按照所述回型路径圈从外圈到里圈的方向递减。
11.一种路径规划装置,其特征在于,所述装置包括:
地图获取模块,用于获取机器人的作业地图;
地图分割模块,用于基于预设的地图分割规则,对所述作业地图进行分割处理,得到至少两个局部地图;
路径点确定模块,用于在各所述局部地图中,确定所述机器人作业时的路径点集合;所述路径点集合表征所述机器人在所述局部地图中的作业路径;
路径规划模块,用于根据所述机器人的作业起点和各所述局部地图对应的路径点集合,构建所述机器人在所述作业地图中的全覆盖路径。
12.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,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10中任一项所述的方法的步骤。
13.一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10中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210445324.0A CN114779779A (zh) | 2022-04-26 | 2022-04-26 | 路径规划方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210445324.0A CN114779779A (zh) | 2022-04-26 | 2022-04-26 | 路径规划方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114779779A true CN114779779A (zh) | 2022-07-22 |
Family
ID=82433003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210445324.0A Pending CN114779779A (zh) | 2022-04-26 | 2022-04-26 | 路径规划方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114779779A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115268471A (zh) * | 2022-09-27 | 2022-11-01 | 深圳市智绘科技有限公司 | 扫地机器人的路径生成方法及装置、存储介质 |
CN117553804A (zh) * | 2024-01-11 | 2024-02-13 | 深圳市普渡科技有限公司 | 路径规划方法、装置、计算机设备和存储介质 |
CN117608258A (zh) * | 2024-01-24 | 2024-02-27 | 纳博特南京科技有限公司 | 一种基于lof算法的多机器人的均衡任务分配方法 |
-
2022
- 2022-04-26 CN CN202210445324.0A patent/CN114779779A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115268471A (zh) * | 2022-09-27 | 2022-11-01 | 深圳市智绘科技有限公司 | 扫地机器人的路径生成方法及装置、存储介质 |
CN117553804A (zh) * | 2024-01-11 | 2024-02-13 | 深圳市普渡科技有限公司 | 路径规划方法、装置、计算机设备和存储介质 |
CN117553804B (zh) * | 2024-01-11 | 2024-04-09 | 深圳市普渡科技有限公司 | 路径规划方法、装置、计算机设备和存储介质 |
CN117608258A (zh) * | 2024-01-24 | 2024-02-27 | 纳博特南京科技有限公司 | 一种基于lof算法的多机器人的均衡任务分配方法 |
CN117608258B (zh) * | 2024-01-24 | 2024-04-05 | 纳博特南京科技有限公司 | 一种基于lof算法的多机器人的均衡任务分配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114779779A (zh) | 路径规划方法、装置、计算机设备和存储介质 | |
US20200301443A1 (en) | Discovery and monitoring of an environment using a plurality of robots | |
CN113219992B (zh) | 一种路径规划方法及清洁机器人 | |
US20200192399A1 (en) | Method for traversing a subarea, method for cleaning, and cleaning robot thereof | |
CN111966097B (zh) | 基于栅格地图区域化探索的建图方法、系统以及终端 | |
CN107092978B (zh) | 一种面向虚拟地球的最短路径分层规划方法 | |
CN111562787B (zh) | 机器人全覆盖路径规划区域划分方法、装置、介质及设备 | |
CN109341698B (zh) | 一种移动机器人的路径选择方法及装置 | |
CN113359780A (zh) | 无人船清扫路径规划方法、装置、计算机设备及存储介质 | |
CN112797999B (zh) | 一种多无人艇协同遍历路径规划方法及系统 | |
KR102230362B1 (ko) | 직사각형 맵 분해 기반의 청소 로봇 장치 및 이를 이용한 커버리지 경로 계획 방법 | |
CN114442642B (zh) | 路径规划方法、装置、计算机设备和存储介质 | |
Li et al. | Improving autonomous exploration using reduced approximated generalized voronoi graphs | |
Czyzowicz et al. | Building a nest by an automaton | |
Skorobogatov et al. | Flight planning in multi-unmanned aerial vehicle systems: Nonconvex polygon area decomposition and trajectory assignment | |
CN114740853A (zh) | 路径规划方法、终端设备和存储介质 | |
KR102027960B1 (ko) | 확장된 bsa 커버리지 경로계획 장치, 방법 및 기록 매체 | |
CN117109596B (zh) | 自移动设备及其覆盖路径规划方法、装置和存储介质 | |
Lee | An efficient coverage area re-assignment strategy for multi-robot long-term surveillance | |
Kim | Workspace exploration and protection with multiple robots assisted by sensor networks | |
Faigl et al. | Inspection planning in the polygonal domain by Self-Organizing Map | |
Tung et al. | Solution of an integrated traveling salesman and coverage path planning problem by using a genetic algorithm with modified operators | |
CN115031736A (zh) | 一种多无人机区域覆盖航迹规划方法及系统 | |
CN114721388A (zh) | 自移动机器人的清扫路径规划方法 | |
Semenov et al. | Global path planning in 4D environments using topological mapping |
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 |