CN115060281B - 一种基于voronoi图的全局路径引导点生成规划方法 - Google Patents
一种基于voronoi图的全局路径引导点生成规划方法 Download PDFInfo
- Publication number
- CN115060281B CN115060281B CN202210981127.0A CN202210981127A CN115060281B CN 115060281 B CN115060281 B CN 115060281B CN 202210981127 A CN202210981127 A CN 202210981127A CN 115060281 B CN115060281 B CN 115060281B
- Authority
- CN
- China
- Prior art keywords
- point
- points
- voronoi
- node
- guide
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Abstract
本发明公开了一种基于voronoi图的全局路径引导点生成规划方法。为了克服现有技术全局路径生成操作复杂,计算量大,容易受到动态障碍物或者事先不存在的静态障碍物的干扰问题;本发明包括以下步骤:S1:构建工作区域环境地图,初步处理后形成栅格地图;S2:提取voronoi点,剔除障碍物在同侧的相邻voronoi点;S3:提取引导点;S4:导出引导点信息;S5:移动机器人加载引导点的配置文件,接收到目标点坐标;根据自身位置和目标点位置,按最近距离原则找到起点和终点的引导点序号,生成路径。用引导点来代替路径信息,不用输出整条路径,计算速度快。跟踪引导点能让机器人不用按路径严格走,给局部规划的避障留了余地,松耦合,运动更安全。
Description
技术领域
本发明涉及一种移动机器人导航领域,尤其涉及一种基于voronoi图的全局路径引导点生成规划方法。
背景技术
移动机器人导航中常将规划分为全局路径规划和局部路径规划。全局规划器规划是从目标的到终点的一条路径,局部规划器循着全局路径,根据实际的场景做局部的规划,如避让行人、绕开障碍物等。
一般全局规划的技术方案是,由slam建好的栅格地图给全局规划器,全局规划使用搜索算法(比如A*,动态A*,概率路图法,跳点法等)再结合一些约束条件,找到一条符合条件的全局路径,一般希望找的路径光滑,且耗时最短。例如,一种在中国专利文献上公开的“一种移动机器人新型骨架提取的Voronoi路径规划算法”,其公告号CN111323037B,包括如下步骤:步骤一、首先对移动机器人已知先验信息的三色栅格地图进行二值化处理,在对其进行腐蚀、膨胀处理;步骤二、对处理后的二值地图经进行骨架提取,得到Voronoi图;步骤三、用原始的三色地图进行机器人定位,在骨架地图上进行全局路径搜索,对得到的全局路径进行改进的三次样条平滑处理,得到优化后的全局路径。根据本发明提出的算法提取出来的Voronoi骨架没有大量毛边,整体的路径规划更加高效。
但是上述方法生成的全局路径,实际应用操作复杂。首先找到这样的一条全局路径计算量比较大,且实际场景中易出现动态障碍物或者事先不存在的静态障碍物,以至于跟踪这条全局路径进行循迹就没有那么必要。只需要一些关键的全局路径点,包含道路的特征信息如道路宽度、道路弯曲程度等,就可以替换全局路径点。
在实际导航过程中,机器人跟踪这些引导点,由局部规划器实现避障与跟踪引导点的程度,实现全局规划器与局部规划器的松耦合,即机器人因为避障偏离引导点也没关系后面再引导回来即可。
发明内容
本发明主要解决现有技术全局路径生成操作复杂,计算量大,容易受到动态障碍物或者事先不存在的静态障碍物的干扰问题;提供一种基于voronoi图的全局路径引导点生成规划方法,对激光扫描获得的区域进行预处理,用处理后的地图生成voronoi图,提取voronoi中的引导点并进行处理生成全局规划的路径引导点,利用路径引导点实现移动机器人在区域地图导航时的全局路径规划。
本发明的上述技术问题主要是通过下述技术方案得以解决的:
一种基于voronoi图的全局路径引导点生成规划方法,包括以下步骤:
S1:使用激光雷达结合SLAM构建工作区域环境地图,初步处理后形成栅格地图;
S2:根据voronoi生成规则,提取voronoi点,剔除障碍物在同侧的相邻voronoi点;
S3:遍历voronoi点,选取交点;连接相邻交点,根据交点间连线与障碍物关系提取引导点;
S4:导出引导点信息,编辑引导点信息;
S5:移动机器人加载引导点的配置文件,接收到目标点坐标;根据自身位置和目标点位置,按最近距离原则找到起点和终点的引导点序号,生成路径。
本方案增加了同侧障碍物判断,去除了一些杂点的影响或是分叉路径,使得在栅格地图上整个voronoi图很清晰,与在连续性空间中voronoi图相一致。提取的voronoi图的引导点,很好地表示了地图的拓扑信息,用这些引导点进行规划高效快速。计算快速,不用输出整条路径,用引导点来代替路径信息;跟踪引导点能让机器人近可能走中间,不用按路径严格走,给局部规划的避障留了余地,是松耦合,运动更安全。
作为优选,若一个点到距离最近的两个障碍物的距离相等,则该点为voronoi点。
作为优选,剔除障碍物在同侧的voronoi点的过程为:
选择任意节点P与相邻节点PN;
令节点P到节点P最近障碍物的连线为P1,节点P到相邻节点PN最近障碍物的连线为P2;相邻节点PN到相邻节点PN最近障碍物的连线为PN1,相邻节点PN到节点P最近障碍物的连线为PN2;
计算P1与P2之间的夹角或计算PN1与PN2之间的夹角;若夹角小于额定阈值θ,则对进行voronoi点剔除。
判断两个点的障碍物是否在同侧,避免pn与p的障碍物在同侧,导致有多个周边点属于voronoi。
作为优选,计算节点P到节点P最近障碍物的距离D_P1;计算节点P到相邻节点PN最近障碍物的距离D_P2;计算相邻节点PN到相邻节点PN最近障碍物的距离D_PN1;计算相邻节点PN到节点P最近障碍物的距离D_PN2;
若D_P2≤D_PN2且D_P2≥D_P1,则节点P属于voronoi点;
若D_PN2≤D_P2且D_PN2≥D_PN1,则相邻节点PN属于voronoi点。
增加了同侧障碍物判断,去除了一些杂点的影响或是分叉路径,使得在栅格地图上整个voronoi图很清晰,与在连续性空间中voronoi图相一致。
作为优选,遍历所有voronoi点,选择存在三个及以上相邻节点的voronoi点为交点;
从一交点出发,向相邻的交点搜索,遍历交点间所有voronoi点;
以机器人实际宽度为线段宽度,连接起始交点与当前voronoi点,若线段与障碍物相交,则判断发生碰撞,选取前一voronoi点为插入点;
提取交点与插入点作为引导点。
用引导点来代替路径信息,不用输出整条路径,计算速度快。
作为优选,若相邻的两个引导点之间的距离小于预设阈值栅格,则保留其中一个引导点。
最后得到的引导点都处于道路中央,且该位置附近有明显路况变化。跟踪引导点能让机器人近可能走中间,不用按路径严格走,给局部规划的避障留了余地,是松耦合,运动更安全。
作为优选,所述的导出的引导点信息包括引导点与相邻两引导点的夹角、引导点之间的朝向信息和最近障碍物的坐标。
引导点包含丰富道路信息,可以根据道路属性设置通行方向,便于机器人导航决策。
本发明的有益效果是:
1. 用引导点来代替路径信息,不用输出整条路径,计算速度快。
2. 引导点包含丰富道路信息,可以根据道路属性设置通行方向,便于机器人导航决策。
3. 跟踪引导点能让机器人尽可能走中间,不用按路径严格走,给局部规划的避障留了余地,是松耦合,运动更安全。
4. 增加了同侧障碍物判断,去除了一些杂点的影响或是分叉路径,使得在栅格地图上整个voronoi图很清晰,与在连续性空间中voronoi图相一致。
附图说明
图1是本发明的全局路径引导点生成规划方法流程图。
图2是本发明的初步处理后的环境地图。
图3是本发明栅格地图提取voronoi点的示意图。
图4是本发明的voronoi点可视化示意图。
图5是本发明引导点信息的描述示意图。
图6是发明的基于引导点的全局规划的路径示意图。
图5中1~7为引导点的序号。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:
本实施例的一种基于voronoi图的全局路径引导点生成规划方法,如图1所示,包括以下步骤:
S1:使用激光雷达结合SLAM构建工作区域环境地图,初步处理后形成栅格地图。
如图2所示,使用激光雷达结合SLAM(同时定位与建图)技术构建机器人需要工作区域的环境地图,对地图进行初步处理,人为标记行驶道路、障碍物等,限制机器活动区域。
SLAM建图得到的是粗糙的环境地图,有些地方是柱子,有些地方是道路,但是建图可能仅体现了柱子的一部分,或是激光仅扫到了道路的一个轮廓,有些地方是残缺的。
对于机器人导航来说,安全是最重要的,有必要人为根据地图绘制障碍物、道路边界线等特征。在本实施例中,初步处理是人为的标识一些物体。
将初步处理后的环境地图栅格化,形成栅格地图。
S2:根据voronoi生成规则,提取voronoi点,剔除障碍物在同侧的相邻voronoi点。
在连续空间一个点属于voronoi那么它到两个障碍物的距离相等,在栅格地图中,则变成了离散空间,需要一些判断条件辅助。
voronoi生成规则为,若一个点到距离最近的两个障碍物的距离相等,则该点为voronoi点。
令每个点存储它最近障碍物的点坐标,考察任意点当P和P的邻居节点PN,判断这两个点的障碍物是否在同侧,避免PN与P的障碍物在同侧,导致有多个周边点属于voronoi。
剔除障碍物在同侧的voronoi点的过程为:
选择任意节点P与相邻节点PN;
令节点P到节点P最近障碍物的连线为P1,节点P到相邻节点PN最近障碍物的连线为P2;相邻节点PN到相邻节点PN最近障碍物的连线为PN1,相邻节点PN到节点P最近障碍物的连线为PN2。
使用余弦定理,计算P1与P2之间的夹角或计算PN1与PN2之间的夹角;若夹角小于额定的夹角阈值θ,则对这种情况进行voronoi点剔除。
计算节点P到节点P最近障碍物的距离D_P1;计算节点P到相邻节点PN最近障碍物的距离D_P2;计算相邻节点PN到相邻节点PN最近障碍物的距离D_PN1;计算相邻节点PN到节点P最近障碍物的距离D_PN2。
若D_P2≤D_PN2且D_P2≥D_P1,则节点P属于voronoi点;
若D_PN2≤D_P2且D_PN2≥D_PN1,则相邻节点PN属于voronoi点。
增加了同侧障碍物判断,去除了一些杂点的影响或是分叉路径,使得在栅格地图上整个voronoi图很清晰,与在连续性空间中voronoi图相一致。
例如,图3中的格子p(十字线格子),它到最近障碍物(黑色实心格子)距离是1.41格。p上方邻居格子pn_1(反斜线格子)到最近障碍物的距离是1格,p下方的格子pn_2(斜线格子)到最近障碍物的距离是2格。
p到p最近障碍物与p到pn_1最近障碍物的夹角是45°,若设夹角阈值θ为90°,小于阈值判断为同侧,剔除pn_1。而p到p最近障碍物与p到pn_2最近障碍物的夹角是145°,大于阈值判读为异侧,保留pn_2。
计算p到pn_2最近障碍物的距离是3格,pn_2到p最近障碍物的距离也是2格,同时满足p到pn_2最近障碍物的距离大于等于p到自身最近障碍物的距离1.41格,所以p属于voronoi。
处理后,将属于voronoi的点显示出来,如图 4所示,黑色栅格表示不可通行的区域,星形表示属于voronoi栅格,形成类似骨架的线条,反映了道路的拓扑形态。星型栅格组成的连线的特点在于,在直线道路,星型栅格的邻居栅格有两个,在道路有弯曲处,存在不同的交叉,导致其邻居点的个数存在两个以上。
S3:遍历voronoi点,选取交点;连接相邻交点,根据交点间连线与障碍物关系提取引导点。
遍历所有voronoi点,选择存在三个及以上相邻节点的voronoi点为交点,在图3中以圆形栅格表示。
从一交点出发,向相邻的交点搜索,遍历交点间所有voronoi点。
以机器人实际宽度为线段宽度,连接起始交点与当前voronoi点,若线段与障碍物相交,则判断发生碰撞,选取前一voronoi点为插入点。
为提取引导点,考虑移动机器人的实际宽度,从一端的交点出发,向另一端的交点搜索,遍历该段线段中所有的点,连接起始端的交点和当前遍历的点,连线宽度为移动机器人的宽度,若当前遍历点与起始端交点的连线与障碍物发生碰撞,则取发生碰撞前的一个点为插入点,在图4中以三角型表示 。
提取交点与插入点作为引导点。以此保证任意具有连接关系的点,它们的连线上都没有障碍物,插点后的连线如图4中的线段所示,圆形交点和三角形插点共同组成引导点。
用引导点来代替路径信息,不用输出整条路径,计算速度快。
若相邻的两个引导点之间的距离小于预设阈值栅格,则保留其中一个引导点。对过近的关键进行剔除,判断依据为若两个引导点间隔小于一定阈值栅格,如5个栅格,只保留其中一个。最后得到的引导点都处于道路中央,且该位置附近有明显路况变化。
最后得到的引导点都处于道路中央,且该位置附近有明显路况变化。跟踪引导点能让机器人近可能走中间,不用按路径严格走,给局部规划的避障留了余地,是松耦合,运动更安全。
S4:导出引导点信息,编辑引导点信息。
导出的引导点信息包括引导点与相邻两引导点的夹角、引导点之间的朝向信息和最近障碍物的坐标。
引导点包含丰富道路信息,可以根据道路属性设置通行方向,便于机器人导航决策。
计算引导点与其周边两个引导点夹角,用来表示道路的弯曲程度;计算点与点之间朝向信息,用向量形式表示,用来表示道路的通行方向;计算每个点周边最近障碍物的坐标,用来表示道路的通行宽度。
将这些信息都导出为文件形式,作为导航的配置文件。如图5示例所示,数字1-7表示引导点的序号,引导点1包含的信息包括向量v_1-7、 v_1-2,夹角theta_2-1-7,到最近障碍物的距离L_1。
其中,向量v_1-7、 v_1-2分别为从引导点1指向引导点7和从引导点1指向引导点2的向量,表示道路的方向信息,即从引导点1可以到引导点7,从引导点1可以到引导点2;夹角theta_2-1-7表示从引导点2经过引导点1到引导点7道路的弯曲程度;L_1表示引导点1到道路边缘最近的距离,以代表道路宽度。
引导点以反映道路的信息,用以引导机器人,在使用时记为引导点。
根据人为的需要对第四步导出的引导点进行编辑,如删减点、增加点、修改朝向信息等,为用户可编辑的文件,完成关于引导点的构建。
引导点具有连接关系,包含原始地图的关键信息,是图的一种表达方式。在实际移动机器人导航过程中,使用引导点进行规划可以快速规划出一组点串。
S5:移动机器人加载引导点的配置文件,接收到目标点坐标;根据自身位置和目标点位置,按最近距离原则找到起点和终点的引导点序号,生成路径。
移动机器人加载引导点的配置文件,接收到目标点坐标。根据自身位置,和目标点位置,按最近距离原则找到起点和终点的引导点序号。
根据起始引导点、终止引导点和相邻两点之间的距离,找到距离最近的引导点序列,使用方法不限于A*、跳点法、概率路图法等搜索算法。根据找到的引导点序列,并对距离较远的两点之间按3m间隔进行插点,生成路径点。机器人沿着路径方向,选择路径点进行跟踪,直到到达目标点。
如图6 所示,机器人处于人工标记处理后的环境地图,根据目标点和自身位置,找到最邻近的起始引导点1和终止引导点4。根据引导点1和引导点4生成距离最短的引导点序列1-2-3-4。对于引导点序列中间隔较远的点,按3m距离插点,生成一串从移动机器人附近到目标点的一组路径点序列。导航过程中,机器人只需逐点跟踪引导点直到终点。在跟踪过程中,机器人根据引导点存储的信息,如道路宽度、道路弯曲程度,在道路比较空旷的场景运行速度快一点,如引导点到道路边缘距离L大于2m,机器人按最大速度不超过2m/s运动,L小于2m,机器人按最大速度不超过1.5m/s运动;在拐弯曲折道路场景运行速度慢一点,如引导点theta角小于90度,限制机器人速度上限为原来的一半,theta角大于90度按正常速度运动。
本方案增加了同侧障碍物判断,去除了一些杂点的影响或是分叉路径,使得在栅格地图上整个voronoi图很清晰,与在连续性空间中voronoi图相一致。提取的voronoi图的引导点,很好地表示了地图的拓扑信息,用这些引导点进行规划高效快速。计算快速,不用输出整条路径,用引导点来代替路径信息;跟踪引导点能让机器人近可能走中间,不用按路径严格走,给局部规划的避障留了余地,是松耦合,运动更安全。
应理解,实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (5)
1.一种基于voronoi图的全局路径引导点生成规划方法,其特征在于,包括以下步骤:
S1:使用激光雷达结合SLAM构建工作区域环境地图,初步处理后形成栅格地图;
S2:根据voronoi生成规则,提取voronoi点,剔除障碍物在同侧的相邻voronoi点;
S3:遍历voronoi点,选取交点;连接相邻交点,根据交点间连线与障碍物关系提取引导点;
S4:导出引导点信息,编辑引导点信息;
S5:移动机器人加载引导点的配置文件,接收到目标点坐标;根据自身位置和目标点位置,按最近距离原则找到起点和终点的引导点序号,生成路径;
若一个点到距离最近的两个障碍物的距离相等,则该点为voronoi点;
剔除障碍物在同侧的voronoi点的过程为:
选择任意节点P与相邻节点PN;
令节点P到节点P最近障碍物的连线为P1,节点P到相邻节点PN最近障碍物的连线为P2;相邻节点PN到相邻节点PN最近障碍物的连线为PN1,相邻节点PN到节点P最近障碍物的连线为PN2;
计算P1与P2之间的夹角或计算PN1与PN2之间的夹角;若夹角小于额定的夹角阈值θ,则进行voronoi点剔除。
2.根据权利要求1所述的一种基于voronoi图的全局路径引导点生成规划方法,其特征在于,计算节点P到节点P最近障碍物的距离D_P1;计算节点P到相邻节点PN最近障碍物的距离D_P2;计算相邻节点PN到相邻节点PN最近障碍物的距离D_PN1;计算相邻节点PN到节点P最近障碍物的距离D_PN2;
若D_P2≤D_PN2且D_P2≥D_P1,则节点P属于voronoi点;
若D_PN2≤D_P2且D_PN2≥D_PN1,则相邻节点PN属于voronoi点。
3.根据权利要求1所述的一种基于voronoi图的全局路径引导点生成规划方法,其特征在于,
遍历所有voronoi点,选择存在三个及以上相邻节点的voronoi点为交点;
从一交点出发,向相邻的交点搜索,遍历交点间所有voronoi点;
以机器人实际宽度为线段宽度,连接起始交点与当前voronoi点,若线段与障碍物相交,则判断发生碰撞,选取前一voronoi点为插入点;
提取交点与插入点作为引导点。
4.根据权利要求1或3所述的一种基于voronoi图的全局路径引导点生成规划方法,其特征在于,若相邻的两个引导点之间的距离小于预设阈值栅格,则保留其中一个引导点。
5.根据权利要求1所述的一种基于voronoi图的全局路径引导点生成规划方法,其特征在于,所述的导出的引导点信息包括引导点与相邻两引导点的夹角、引导点之间的朝向信息和最近障碍物的坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210981127.0A CN115060281B (zh) | 2022-08-16 | 2022-08-16 | 一种基于voronoi图的全局路径引导点生成规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210981127.0A CN115060281B (zh) | 2022-08-16 | 2022-08-16 | 一种基于voronoi图的全局路径引导点生成规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115060281A CN115060281A (zh) | 2022-09-16 |
CN115060281B true CN115060281B (zh) | 2023-01-03 |
Family
ID=83207931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210981127.0A Active CN115060281B (zh) | 2022-08-16 | 2022-08-16 | 一种基于voronoi图的全局路径引导点生成规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115060281B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115930969B (zh) * | 2023-01-09 | 2023-06-02 | 季华实验室 | 移动机器人的路径规划方法、装置、电子设备及存储介质 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4036012B2 (ja) * | 2001-04-26 | 2008-01-23 | トヨタ自動車株式会社 | 経路案内システム、経路案内を行うクライアント端末、同クライアント端末と通信を行うサーバ、経路案内方法及び経路一致判定方法 |
JP4836265B2 (ja) * | 2007-02-07 | 2011-12-14 | 株式会社ナビタイムジャパン | ナビゲーションシステム、端末装置およびナビゲーション方法 |
CN102087530B (zh) * | 2010-12-07 | 2012-06-13 | 东南大学 | 基于手绘地图和路径的移动机器人视觉导航方法 |
US9216745B2 (en) * | 2013-09-16 | 2015-12-22 | Disney Enterprises, Inc. | Shared control of semi-autonomous vehicles including collision avoidance in multi-agent scenarios |
TW201805598A (zh) * | 2016-08-04 | 2018-02-16 | 鴻海精密工業股份有限公司 | 自主移動設備及建立導航路徑的方法 |
CN106647769B (zh) * | 2017-01-19 | 2019-05-24 | 厦门大学 | 基于a*提取引导点的agv路径跟踪与避障协调方法 |
CN107065880A (zh) * | 2017-05-16 | 2017-08-18 | 南京农业大学 | 基于动态引导点的遥操作农业车辆人机合作路径规划方法 |
KR102267563B1 (ko) * | 2018-11-29 | 2021-06-23 | 한국전자통신연구원 | 자율주행 방법 및 그 시스템 |
CN110703747B (zh) * | 2019-10-09 | 2021-08-03 | 武汉大学 | 一种基于简化广义Voronoi图的机器人自主探索方法 |
CN113917912A (zh) * | 2020-07-08 | 2022-01-11 | 珠海格力电器股份有限公司 | 一种全局路径规划方法、装置、终端及可读存储介质 |
CN112325884B (zh) * | 2020-10-29 | 2023-06-27 | 广西科技大学 | 一种基于dwa的ros机器人局部路径规划方法 |
CN112857385B (zh) * | 2021-01-18 | 2022-09-27 | 北京理工大学 | 一种基于非均匀栅格模型的快速无人车局部路径规划方法 |
CN113608531B (zh) * | 2021-07-26 | 2023-09-12 | 福州大学 | 基于安全a*引导点的无人车实时全局路径规划方法 |
-
2022
- 2022-08-16 CN CN202210981127.0A patent/CN115060281B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115060281A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108469822B (zh) | 一种室内导盲机器人在动态环境下的路径规划方法 | |
CN109945873B (zh) | 一种用于室内移动机器人运动控制的混合路径规划方法 | |
CN110231824B (zh) | 基于直线偏离度方法的智能体路径规划方法 | |
CN106647769A (zh) | 基于a*提取引导点的agv路径跟踪与避障协调方法 | |
CN110285802B (zh) | 快速扩展随机树路径光滑方法 | |
CN109579854B (zh) | 基于快速扩展随机树的无人车避障方法 | |
CN112801022A (zh) | 一种无人驾驶矿卡作业区道路边界快速检测更新的方法 | |
CN110006429A (zh) | 一种基于深度优化的无人船航迹规划方法 | |
CN109213169A (zh) | 移动机器人的路径规划方法 | |
CN115060281B (zh) | 一种基于voronoi图的全局路径引导点生成规划方法 | |
CN110220521A (zh) | 一种高精地图的生成方法和装置 | |
CN113515129B (zh) | 一种基于边界查找的双向跳点搜索无人车路径规划方法 | |
CN111721296B (zh) | 一种水下无人航行器数据驱动路径规划方法 | |
CN112683290A (zh) | 一种车辆轨迹规划方法、电子设备及计算机可读存储介质 | |
CN111879307A (zh) | 一种基于车身参数及工程建设信息的车辆路径规划方法 | |
US11720119B1 (en) | Path planning method of mobile robots based on image processing | |
CN117075607A (zh) | 一种适用于复杂环境的改进jps的无人车路径规划方法 | |
CN110975288A (zh) | 基于跳点路径搜索的几何容器数据压缩方法及系统 | |
CN113358129B (zh) | 基于Voronoi图的避障最短路径规划方法 | |
CN112432652B (zh) | 路径规划系统及路径规划方法 | |
CN113325834A (zh) | 一种基于图形预处理的改进a*算法的路径规划方法 | |
Kweon et al. | Extracting topographic features for outdoor mobile robots | |
CN113791610B (zh) | 一种移动机器人全局路径规划方法 | |
CN115420296B (zh) | 基于多分辨率拓扑地图的路径搜索方法及系统 | |
CN115639827B (zh) | 一种结构化环境下机器人路径规划方法和系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |