CN115326057A - 路径规划方法、装置、机器人以及可读存储介质 - Google Patents

路径规划方法、装置、机器人以及可读存储介质 Download PDF

Info

Publication number
CN115326057A
CN115326057A CN202211056969.1A CN202211056969A CN115326057A CN 115326057 A CN115326057 A CN 115326057A CN 202211056969 A CN202211056969 A CN 202211056969A CN 115326057 A CN115326057 A CN 115326057A
Authority
CN
China
Prior art keywords
path
target
determining
sub
nodes
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
Application number
CN202211056969.1A
Other languages
English (en)
Inventor
傅欢欢
肖志光
陈盛军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Pengxing Intelligent Research Co Ltd
Original Assignee
Shenzhen Pengxing Intelligent Research Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Pengxing Intelligent Research Co Ltd filed Critical Shenzhen Pengxing Intelligent Research Co Ltd
Priority to CN202211056969.1A priority Critical patent/CN115326057A/zh
Publication of CN115326057A publication Critical patent/CN115326057A/zh
Pending legal-status Critical Current

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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • 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
    • G01C21/20—Instruments for performing navigational calculations

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本申请的提供了这样一种路径规划方法、装置、机器人以及可读存储介质，包括：获取当前位置的环境信息，根据环境信息构建当前位置对应的局部地图，局部地图包括多个候选节点；获取由起始位置指向目标位置的参考路径；根据参考路径，在局部地图中确定子目标位置；基于参考路径和子目标位置对候选节点进行筛选，得到路径节点；根据路径节点规划指向目标位置的目标路径。本申请的目标路径受参考路径的约束，提高了机器人按照目标路径移动时的安全性。

Description

路径规划方法、装置、机器人以及可读存储介质
技术领域
本申请涉及机器人技术领域，特别涉及一种路径规划方法、装置、机器人以及可读存储介质。
背景技术
随着机器人技术的飞速发展，各类机器人被广泛应用于各种场景。机器人在场景中的移动依赖于规划的路径，合理的路径规划才能让机器人安全、快速的移动至目的地。在传统方式中，机器人的路径规划通常只考虑了从起点到终点的路径消耗，随着机器人的应用场景逐渐复杂，传统方式规划的路径无法适应楼梯、砂石以及多障碍物的复杂环境，导致机器人移动的安全性较低。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请的一个目的在于提出一种路径规划方法、装置、机器人以及可读存储介质，提高了目标路径的安全性。
本申请的一个方面提供了一种路径规划方法，方法包括：获取当前位置的环境信息，根据环境信息构建当前位置对应的局部地图，局部地图包括多个候选节点；获取由起始位置指向目标位置的参考路径；根据参考路径，在局部地图中确定子目标位置；基于参考路径和子目标位置对候选节点进行筛选，得到路径节点；根据路径节点规划指向目标位置的目标路径。
在一些实施方式中，所述根据所述参考路径，在所述局部地图中确定子目标位置，包括：获取参考路径对应的目标环境的目标范围，以及所述局部地图对应的地图范围；根据所述目标范围与所述地图范围的面积比值，以及所述参考路径的长度，确定所述局部地图中相邻的两个所述子目标位置之间的间隔距离；基于所述间隔距离，在所述参考路径中确定多个子目标位置。
在一些实施方式中，所述根据所述参考路径，在所述局部地图中确定子目标位置，包括：获取在所述当前位置时的移动状态；基于所述移动状态以及所述当前位置进行移动预测，得到在预设时间段内的候选移动范围；基于所述候选移动范围和所述参考路径，在所述局部地图中确定子目标位置。
在一些实施方式中，所述基于所述参考路径和所述子目标位置对所述候选节点进行筛选，得到路径节点，包括：从多个所述候选节点中确定所述当前位置对应的多个邻域节点；根据所述参考路径确定各个所述邻域节点对应的参考线代价；确定由所述起始位置移动至所述邻域节点的消耗代价，所述消耗代价包括所述参考线代价；确定由所述邻域节点移动至所述子目标位置的预估代价；根据所述消耗代价和所述预估代价对所述邻域节点进行筛选，将筛选出的邻域节点确定为路径节点。
在一些实施方式中，所述确定由所述起始位置移动至所述邻域节点的消耗代价，所述消耗代价包括所述参考线代价，包括：获取所述局部地图中障碍物的位置信息；根据所述位置信息确定所述障碍物与各个所述邻域节点之间的障碍物距离；根据所述障碍物距离确定各个所述邻域节点对应的避障代价；基于所述避障代价和参考线代价确定由所述起始位置移动至所述邻域节点的消耗代价。
在一些实施方式中，所述根据所述参考路径确定各个所述邻域节点对应的参考线代价，包括：获取所述参考路径中与各个所述邻域节点相对应的参考点；基于所述参考点确定所述邻域节点对应的距离偏差和姿态偏差；对所述距离偏差和所述姿态偏差进行权重调整，根据调整后的所述距离偏差和所述姿态偏差确定所述邻域节点对应的参考线代价。
在一些实施方式中，所述根据所述路径节点规划指向所述目标位置的目标路径，包括：根据所述路径节点规划指向所述子目标位置的局部路径；更新所述局部路径，得到指向所述目标位置的目标路径。
本申请的另一个方面提供了一种路径规划的装置，包括：局部地图构建模块，用于获取当前位置的环境信息，根据环境信息构建当前位置对应的局部地图，局部地图包括多个候选节点；参考路径获取模块，用于获取由起始位置指向目标位置的参考路径；子目标位置确定模块，用于根据参考路径，在局部地图中确定子目标位置；路径节点确定模块，用于基于参考路径和子目标位置对候选节点进行筛选，得到路径节点；以及目标路径确定模块，用于根据路径节点规划指向目标位置的目标路径。
本申请的又一个方面提供了一种机器人，可包括存储器、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，所述处理器执行所述程序时，以实现如上述任一实施方式所述的路径规划方法中的步骤。
本申请的又一个方面提供了一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行如上述任一实施方式所述的路径规划方法中的步骤。
根据本申请的一种路径规划方法、装置、机器人以及可读存储介质，通过构建局部地图以及参考路径，在局部地图中确定子目标位置；基于参考路径和子目标位置，在局部地图的多个候选节点中确定路径节点；最终串联各个路径节点，即可获得由当前位置指向目标位置的目标路径。本申请的目标路径受参考路径的约束，提高了机器人按照目标路径移动时的安全性。
附图说明
图1是本申请一个实施例提供的机器人的硬件结构示意图；
图2是本申请一个实施例提供的机器人的机械结构示意图；
图3是本申请一个实施例提供的路径规划方法的流程示意图；
图4是本申请一个实施例提供的路径规划示意图；
图5是本申请一个实施例提供的路径规划装置框图；
图6是本申请一个实施例提供的机器人结构示意图；
图7是本申请一个实施例提供的计算机可读存储介质结构示意图。
具体实施方式
为了更好地理解本申请，将参考附图对本申请的各个方面做出更详细的说明。应理解，这些详细说明只是对本申请的示例性实施方式的描述，而非以任何方式限制本申请的范围。在说明书全文中，相同的附图标号指代相同的元件。表述“和/或”包括相关联的所列项目中的一个或多个的任何和全部组合。
应注意，在本说明书中，第一、第二、第三等的表述仅用于将一个特征与另一个特征区域分开来，而不表示对特征的任何限制，尤其不表示任何的先后顺序。因此，在不背离本申请的教导的情况下，本申请中讨论的第一文件种类也可被称作第二文件种类，第一文件等级也可称为第二文件等级，反之亦然。
在附图中，为了便于说明，已稍微调整了部件的厚度、尺寸和形状。附图仅为示例而并非严格按比例绘制。如在本文中使用的，用语“大致”、“大约”以及类似的用语用作表近似的用语，而不用作表程度的用语，并且旨在说明将由本领域普通技术人员认识到的、测量值或计算值中的固有偏差。
还应理解的是，诸如“包括”、“包括有”、“具有”、“包含”和/或“包含有”等表述在本说明书中是开放性而非封闭性的表述，其表示存在所陈述的特征、元件和/或部件，但不排除一个或多个其它特征、元件、部件和/或它们的组合的存在。此外，当诸如“...中的至少一个”的表述出现在所列特征的列表之后时，其修饰整列特征，而非仅仅修饰列表中的单独元件。此外，当描述本申请的实施方式时，使用“可”表示“本申请的一个或多个实施方式”。并且，用语“示例性的”旨在指代示例或举例说明。
除非另外限定，否则本文中使用的所有措辞(包括工程术语和科技术语)均具有与本申请所属领域普通技术人员的通常理解相同的含义。还应理解的是，除非本申请中有明确的说明，否则在常用词典中定义的词语应被解释为具有与它们在相关技术的上下文中的含义一致的含义，而不应以理想化或过于形式化的意义解释。
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组合。另外，除非明确限定或与上下文相矛盾，否则本申请所记载的方法中包含的具体步骤不必限于所记载的顺序，而可以任意顺序执行或并行地执行。下面将参考附图并结合实施例来详细说明本申请。
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。
在后续的描述中，使用用于表示部件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
请参阅图1，图1是根据本申请一个实施例提供的机器人的硬件结构示意图。在图1所示的实施方式中，机器人100包括机械单元101、通讯单元102、传感单元103、接口单元104、存储单元105、显示单元106、输入单元107、控制模块110以及电源111。机器人100的各种部件可以以任何方式连接，包括有线或无线连接等。本领域技术人员可以理解，图1中示出的机器人100的具体结构并不构成对机器人100的限定，机器人100可以包括比图示更多或更少的部件，某些部件也并不属于机器人100的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略，或者组合某些部件。
图2是根据本申请一个实施例提供的机器人的机械结构示意图。下面结合图1和图2对机器人100的各个部件进行具体的介绍：
机械单元101为机器人100的硬件。如图1所示，机械单元101可包括驱动板1011、电机1012、机械结构1013。如图2所示，机械结构1013可包括机身主体1014、可伸展的腿部1015、足部1016。在其他实施方式中，机械结构1013还可包括可伸展的机械臂(图未示)、可转动的头部结构1017、可摇动的尾巴结构1018、载物结构1019、鞍座结构1020或者摄像头结构1021等中的一个或多个。需要说明的是，机械单元101的各个部件模块可以为一个也可以为多个，可根据具体情况设置。比如，腿部1015可为4个，每个腿部1015可配置3个电机1012，对应的电机1012为12个。
通讯单元102可用于信号的接收和发送，还可以通过与网络和其他设备通信，比如，接收遥控器或其他机器人100发送的按照特定步态以特定速度值向特定方向移动的指令信息后，传输给控制模块110处理。通讯单元102包括Wi-Fi模块、4G模块、5G模块、蓝牙模块或者红外模块等。
传感单元103用于获取机器人100周围环境的信息数据以及监控机器人100内部各部件的参数数据，并发送给控制模块110。传感单元103包括多种传感器，如获取周围环境信息的传感器：激光雷达(用于远程物体检测、距离确定和/或速度值确定)、毫米波雷达(用于短程物体检测、距离确定和/或速度值确定)、摄像头、红外摄像头、全球导航卫星系统(GNSS，Global Navigation Satellite System)等。如监控机器人100内部各部件的传感器：惯性测量单元(IMU，Inertial Measurement Unit)(用于测量速度值、加速度值和角速度值的值)，足底传感器(用于监测足底着力点位置、足底姿态、触地力大小和方向)、温度传感器(用于检测部件温度)。至于机器人100还可配置的载荷传感器、触摸传感器、电机角度传感器、扭矩传感器等其他传感器，在此不再赘述。
接口单元104可以用于接收来自外部装置的输入(例如，数据信息、电力等)并且将接收到的输入传输到机器人100内的一个或多个部件，或者可以用于向外部装置输出(例如，数据信息、电力等)。接口单元104可包括电源端口、数据端口(如USB端口)、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口等。
存储单元105用于存储软件程序以及各种数据，存储单元105可主要包括程序存储区和数据存储区。其中，程序存储区可存储操作系统程序、运动控制程序、应用程序(比如文本编辑器)等；数据存储区可存储机器人100在使用中所生成的数据(比如传感单元103获取的各种传感数据，日志文件数据)等。此外，存储单元105可以包括高速随机存取存储器，还可以包括非易失性存储器，例如磁盘存储器、闪存器、或其他易失性固态存储器。
显示单元106用于显示由用户输入的信息或提供给用户的信息。显示单元106可包括显示面板1061，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1061。
输入单元107可用于接收输入的数字或字符信息。具体地，输入单元107可包括触控面板1071以及其他输入设备1072。触控面板1071，也称为触摸屏，可收集用户的触摸操作(比如用户使用手掌、手指或适合的附件在触控面板1071上或在触控面板1071附近的操作)，并根据预先设定的程式驱动相应的连接装置。触控面板1071可包括触摸检测装置1073和触摸控制器1074两个部分。其中，触摸检测装置1073检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器1074；触摸控制器1074从触摸检测装置1073上接收触摸信息，并将它转换成触点坐标，再送给控制模块110，并能接收控制模块110发来的命令并加以执行。除了触控面板1071，输入单元107还可以包括其他输入设备1072。具体地，其他的输入设备1072可以包括但不限于遥控操作手柄等中的一种或多种，具体此处不做限定。
进一步的，触控面板1071可覆盖显示面板1061，当触控面板1071检测到在其上或附近的触摸操作后，传送给控制模块110以确定触摸事件的类型，随后控制模块110根据触摸事件的类型在显示面板1061上提供相应的视觉输出。虽然在图1中，触控面板1071与显示面板1061是作为两个独立的部件来分别实现输入和输出功能，但是在某些实施例中，可以将触控面板1071与显示面板1061集成而实现输入和输出功能，具体此处不做限定。
控制模块110是机器人100的控制中心，利用各种接口和线路连接整个机器人100的各个部件，通过运行或执行存储在存储单元105内的软件程序，以及调用存储在存储单元105内的数据，从而对机器人100进行整体控制。
电源111用于给各个部件供电，电源111可包括电池和电源控制板，电源控制板用于控制电池充电、放电、以及功耗管理等功能。在图1所示的实施方式中，电源111电连接控制模块110，在其它的实施方式中，电源111还可以分别与传感单元103(比如摄像头、雷达、音箱等)、电机1012电性连接。需要说明的是，各个部件可以各自连接到不同的电源111，或者由相同的电源111供电。
在上述实施方式的基础上，具体地，在一些实施方式中，可以通过终端设备来与机器人100进行通信连接，在终端设备与机器人100进行通信时，可以通过终端设备来向机器人100发送指令信息，机器人100可通过通讯单元102来接收指令信息，并可在接收到指令信息的情况下，将指令信息传输至控制模块110，使得控制模块110可根据指令信息来处理得到目标速度值。终端设备包括但不限于：具备图像拍摄功能的手机、平板电脑、服务器、个人计算机、可穿戴智能设备、其它电器设备。
指令信息可以根据预设条件来确定。在一个实施方式中，机器人100可以包括传感单元103，传感单元103可根据机器人100所在的当前环境可生成指令信息。控制模块110可根据指令信息来判断机器人100的当前速度值是否满足对应的预设条件。若满足，则会保持机器人100的当前速度值和当前步态移动；若不满足，则会根据对应的预设条件来确定目标速度值和相应的目标步态，从而可控制机器人100以目标速度值和相应的目标步态移动。环境传感器可以包括温度传感器、气压传感器、视觉传感器、声音传感器。指令信息可以包括温度信息、气压信息、图像信息、声音信息。环境传感器与控制模块110之间的通信方式可以为有线通信，也可以为无线通信。无线通信的方式包括但不限于：无线网络、移动通信网络(3G、4G、5G等)、蓝牙或者红外等。
图3是本申请一个实施例提供的路径规划方法的流程示意图。
如图3所示，本申请的一个方面提供了这样路径规划方法，可包括：步骤301，获取当前位置的环境信息，根据环境信息构建当前位置对应的局部地图，局部地图包括多个候选节点；步骤302，获取由起始位置指向目标位置的参考路径；步骤303，根据参考路径，在局部地图中确定子目标位置；步骤304，基于参考路径和子目标位置对候选节点进行筛选，得到路径节点；步骤305，根据路径节点规划指向目标位置的目标路径。
步骤301，获取当前位置的环境信息，根据环境信息构建当前位置对应的局部地图，局部地图包括多个候选节点。
其中，当前位置指的是机器人目前所处的位置，可表征机器人当前的位置信息，其中位置信息通常可由机器人内置的定位系统获取。当前位置可根据机器人的移动，调整为起始位置、起始位置与目标位置之间的任一位置、或者目标位置。
环境信息是指包括路侧设备的位置和种类、公路位置、斑马线位置、绿化位置等在内的场景结构数据。获取当前位置的环境信息指的是获取以机器人当前位置为中心的，预设范围内的场景结构数据，环境信息可以为局部地图的构建提供数据支撑。
具体地，机器人获取当前位置的环境信息的方式为：利用机器人内置的激光雷达，确定预设范围内的场景中各个实体物体的位置，包括路侧设备的位置、公路位置、绿化位置等。机器人内置的激光雷达会发送一个激光信号打到实体物体上，引起激光散射，反射光经实体物体反射后被激光雷达的接收系统收集，通过测量各个反射光的运行时间而确定机器人与实体物体各个点位之间的距离，以及实体物体相对于机器人的方向，进而可确定实体物体的位置和形状。当然，确定机器人确定实体物体的位置，还可通过深度相机。例如，通过深度相机采集预设范围内的场景的深度图像，深度图像能够表征图像中各个像素点的二维位置和高程。进而可根据深度图像，确定预设范围内的各个实体物体的场景结构数据。
位置的环境信息的方式还包括：利用机器人还内置有图片识别模型，图片识别模型是神经网络的一种，用于确定实体物体的种类。图片识别模型通过对预设范围的场景的图片进行处理和分析，即可获得图片内各个实体物体的种类。例如，路侧设备的种类，包括交通灯、摄像头等。
位置的环境信息的方式还包括：利用机器人内置的标识识别模型，确定标识信息。标识识别模型为神经网络的一种，通过对预设范围的场景的图片进行处理和分析，即可获得图片内各个标识的标识信息，包括标识位置和含义。例如，斑马线的位置和斑马线对应的含义等。
局部地图指的是以机器人的当前位置为中心，以环境信息为数据支撑而构建的地图，可表征机器人在一定范围内的活动区域。局部地图能够直观地表征环境信息所对应的场景结构，可以为机器人的路径规划提供指引。
在其中一个实施例中，为了便于确定机器人下一个节点的位置，在获取了当前位置对应的局部地图之后，还包括：将局部地图栅格化，以获取局部地图的多个候选节点。
其中，将局部地图栅格化指的是将局部地图划分为多个栅格，各个栅格的面积以及局部地图中栅格的总数量可根据局部地图对应的地图面积设定，也可根据用户需求设定，在此不做限制。
候选节点指的是机器人在局部地图中可以到达的全部节点。候选节点可以设定位局部地图中各个栅格的中心，也可设定为各个栅格的某侧边的中点，在此不做限制。需要说明的是，由于机器人的移动受到交通规则、障碍物、起始位置和目标位置等的指引，因此在机器人由起始位置移动至目标位置的过程中，不需要遍历局部地图的全部候选节点。
获取局部地图的方式可包括：可从云端下载当前位置对应的场景的云端地图，进而根据环境信息中包括的场景结构数据对云端地图进行调整和更新，最后对处理后的云端地图进行栅格化，以获得能够表征实际场景结构的局部地图。当然，还可以通过机器人的内置深度相机拍摄当前位置对应的场景的深度图像，并根据环境信息对深度图像进行数据补充，最后对处理后的地图进行栅格化，以获得能够表征实际场景结构的局部地图。
步骤302，获取由起始位置指向目标位置的参考路径。
其中，起始位置指的是机器人移动的起点，可表征起点的位置信息。起点的位置信息可通过机器人内置的定位系统获取。也可以从路径规划任务中获取执行该任务时的预设起始位置，例如，当机器人待执行的路径规划任务为从书店移动至图书馆，则起始位置为书店。那么，在机器人执行该路径规划任务之前，需要先移动至预设起始位置，例如书店，当机器人抵达预设起始位置之后才可响应该路径规划任务。
目标位置指的是机器人移动的终点，即机器人最终要到达的位置。目标位置可指示终点的位置信息，机器人可根据用户输入的终点指令确定目标位置，也可根据当前的场景和要执行的任务自行选择目标位置，在此不做限定。
为了满足机器人的各种复杂的应用场景，在机器人执行移动指令前，可以获取当前场景对应的移动规则，并生成符合移动规则的参考路径。参考路径由起始位置指向目标位置，用于为机器人的移动提供指引。例如，机器人在市区移动时，移动规则可以包括交通规则，机器人的移动需要满足交通灯、斑马线、靠右行驶等规则的要求。那么，机器人在移动时，即使起始位置与目标位置之间距离很近，也需要在斑马线上移动，而不能执行横穿马路等动作。有了参考路径的指引，机器人在真实的应用场景中，也可保证其行驶的安全性，避免产生交通拥堵等情况。当然，由于真实场景中存在各种各样的变化，因此参考路径并非机器人的真实移动路径。
需要说明的是，将机器人所处应用场景对应的全部活动范围称为目标环境，起始位置和目标位置指的均为目标环境中的起点和终点，而局部地图为目标环境的局部区域对应的地图。
在其中一个实施例中，在确定参考路径之前，还包括：获取全局地图。其中，全局地图为目标环境对应的地图，能够表征机器人在所处应用场景中对应的全部活动范围的场景结构数据。全局地图的获取方式可为：从云端下载目标环境对应的云端地图，以该云端地图作为全局地图；也可通过路侧设备(例如路侧深度相机、路侧雷达等)采集目标环境中的各个种场景结构数据，进而利用采集的目标环境中的各个种场景结构数据对云端地图进行调整和更新；也可利用采集的目标环境中的各个种场景结构数据对路侧深度相机采集的深度图像进行调整和更新。
在获得了目标环境中的起始位置和目标位置之后，可根据目标环境对应的移动规则，例如交通规则，在全局地图的基础上，生成由起始位置指向目标位置的参考路径。
在其中一个实施例中，在获得了起始位置和目标位置之后，还可采集使用者的规划指令，生成符合规划指令的由起始位置指向目标位置的参考路径。
在其中一个实施例中，当起始位置和目标位置距离很近时，即局部地图可同时包含起始位置和目标位置时，可根据局部地图对应的局部区域的移动规则，例如交通规则，在局部地图的基础上，生成由起始位置指向目标位置的参考路径。
步骤303，根据参考路径，在局部地图中确定子目标位置。
其中，子目标位置为机器人在局部地图中设定的阶段终点，并非机器人在目标环境中真正要达到的目标位置。子目标位置用于为机器人前往目标位置作指引。
根据参考路径，在局部地图中确定子目标位置的方式为：确定相邻两个子目标位置之间的间隔距离；以起始位置为第一个子目标位置，在参考路径上或者参考路径周围一定范围内依序确定多个子目标位置。
步骤304，基于参考路径和子目标位置对候选节点进行筛选，得到路径节点。
具体地，确定由起始位置移动至邻域节点的消耗代价；确定由邻域节点移动至子目标位置的预估代价；根据消耗代价和预估代价对邻域节点进行筛选，将筛选出的邻域节点确定为路径节点。
步骤305，根据路径节点规划指向目标位置的目标路径。
具体地，以起始位置为第一个路径节点，以目标位置为最后一个路径节点，将相邻的路径节点依次连接，即可获得目标路径。相邻的路径节点的连线可为直线。
图4是本申请一个实施例提供的路径规划示意图。
如图4所示，全局地图中包含有局部地图，局部地图由若干栅格构成，每个栅格中均设置一个候选节点，在本实施例中以各个栅格的中心为候选节点，当然也可选取栅格的其他位置作为候选节点，在此不做限制。全局地图中还包含有起始位置和目标位置，并规划了由起始位置指向目标位置的参考路径，在本实施例中，机器人的当前位置为起始位置。在落入局部地图的参考路径上还规划了子目标位置。后文将结合图4对本申请的路径规划方法进行详细的阐述。
在一些实施例中，获取子目标位置的方式可以包括：获取参考路径对应的目标环境的目标范围，以及局部地图对应的地图范围；根据目标范围与地图范围的面积比值，以及参考路径的长度，确定局部地图中相邻的两个子目标位置之间的间隔距离；基于间隔距离，在参考路径中确定多个子目标位置。
具体地，子目标位置可为参考路径上的多个预设的阶段终点，相邻的两个子目标位置之间的间隔距离是落入局部区域中的线段，而参考路径则是落入目标环境中的完整路径。同样地，局部地图对应的地图范围是目标环境中的局部区域的范围。基于此，目标环境的目标范围与局部地图对应的地图范围(即局部区域的范围)之间的面积比值，必然与参考路径的长度和相邻的两个子目标位置之间的间隔距离之间的比值相等或相近。因此，在获得了参考路径对应的目标环境的目标范围、局部地图对应的地图范围、以及参考路径的长度之后，可以通过比值确定局部地图中相邻的两个子目标位置之间的间隔距离。基于间隔距离，以起始位置为第一个子目标位置，即可在参考路径上确定与其相邻的第二个子目标位置，以此类推，不再赘述。需要说明的是，随着机器人的移动，以机器人为中心的局部地图的地图范围将随之变化，因此目标环境的目标范围与不同的局部地图的地图范围之间的面积比值会有差异，在不同的局部地图中，相邻子目标位置之间的间隔距离也将存在差异。
在一些实施例中，获取子目标位置的方式可以包括：获取在当前位置时的移动状态；基于移动状态以及当前位置进行移动预测，得到在预设时间段内的候选移动范围；基于候选移动范围和参考路径，在局部地图中确定子目标位置。
其中，移动状态用于表征机器人的移动速度、速度方向、以及加速度等运动参数。
具体地，可利用机器人内置的速度传感器获取机器人的移动状态。在获取了机器人的移动状态之后，以机器人的当前位置为阶段起点，确定机器人在预设时间段内的候选移动范围；换言之，因为移动状态具有速度方向，因此候选移动范围可指示机器人的移动方向，基于机器人的移动状态，可确定机器人在预设时间段中到达的阶段节点。最终，结合落入局部地图中的参考路径，可在阶段节点和参考路径之间的范围中，确定子目标位置。当然，也可将阶段节点的位置设置为子目标位置。
在一些实施例中，确定路径节点的方式包括：从多个候选节点中确定当前位置对应的多个邻域节点；根据参考路径确定各个邻域节点对应的参考线代价；确定由起始位置移动至邻域节点的消耗代价，消耗代价包括参考线代价；确定由邻域节点移动至子目标位置的预估代价；根据消耗代价和预估代价对邻域节点进行筛选，将筛选出的邻域节点确定为路径节点。
具体地，在路径规划的过程中，路径节点是机器人计划要经过的节点。通常情况下，在候选节点中选取与机器人的当前位置相邻的多个节点作为邻域节点。
具体地，在获取了机器人的当前位置的多个邻域节点之后，需要确定各个邻域节点的总代价，以总代价最低的邻域节点作为路径节点。其中，总代价用于表征机器人由起始位置移动至任一邻域节点的综合成本，包括机器人由起始位置移动至该邻域节点的消耗代价以及由该邻域节点移动至子目标位置的预估代价。总代价可表示为：F＝G+H，其中F为总代价，G为由起始位置移动至邻域节点的消耗代价，H为由邻域节点移动至子目标位置的预估代价。
基于上述，确定各个邻域节点的总代价的方式包括：获取由起始位置移动至邻域节点的消耗代价；获取由邻域节点移动至子目标位置的预估代价；整合消耗代价和预估代价，即可获得各个邻域节点的总代价。
在一些实施例中，由起始位置移动至邻域节点的消耗代价G＝Gc+GD+GRL，其中，Gc用于表征该邻域节点消耗代价的第一内耗代价，GD用于表征由当前位置移动到该邻域节点的距离代价的第二内耗代价，GRL用于表征由当前位置移动到该邻域节点时沿着参考线行走的参考线代价。
其中，第一内耗代价可根据局部地图中各个邻域节点与当前位置之间的位置关系确定。由于确定路径节点是通过总代价数值的大小决定的，因此只要预设的第一内耗代价数值形成规则是统一的，设定第一内耗代价的方式不限制。例如，邻域节点位于当前位置的水平直线或者竖直直线时，则第一内耗代价为1；邻域节点位于当前位置的对角线方向时，则第一内耗代价为2。第二内耗代价GD＝fabs(XC-XN)+fabs(YC-YN)，其中，fabs(XC-XN)表示机器人由当前位置移动至邻域节点时在横轴X上消耗的代价，fabs(YC-YN)表示机器人由当前位置移动至邻域节点时在纵轴Y上消耗的代价。XC为当前位置的横坐标，YC为当前位置的纵坐标，XN为邻域节点的横坐标，YN邻域节点的纵坐标。
在一些实施例中，确定参考线代价的方式为：获取参考路径中与各个邻域节点相对应的参考点；基于参考点确定邻域节点对应的距离偏差和姿态偏差；对距离偏差和姿态偏差进行权重调整，根据调整后的距离偏差和姿态偏差确定邻域节点对应的参考线代价。
具体地，参考线代价GRL＝k1*distanceBais+k2*thetaBais，其中k1为距离权重，k2为姿态权重，distanceBais为机器人与参考路径最近点的距离偏差，thetaBais为机器人与参考线上最近点的姿态偏差。
在一些实施例中，在确定参考线代价之前，考虑到参考路径被障碍物占据而导致的规划的路径节点很靠近障碍物的问题，还需要确定障碍物的位置。进而，采用参考线碰撞前瞻算法，计算机器人在一定距离中沿参考路径运动时，与障碍物的碰撞概率，包括：在参考路径中分别确定对应于当前位置的各个邻域节点的相邻点；以相邻点为端点，沿预设方向在参考路径中提取预设长度的路径段；判断机器人沿路径段运动时，与局部地图中的障碍物的碰撞概率。
响应于碰撞概率大于碰撞概率阈值的判断结果，以预设数值作为参考线代价GRL的数值。预设数值可为经验数值，在此不做限制。例如，路径段为6米时，机器人在参考路径最近点的前方6米内的碰撞可能性大于碰撞概率阈值，则GRL置零。
响应于碰撞概率小于或等于碰撞概率阈值的判断结果，则采用上述GRL＝k1*distanceBais+k2*thetaBais的方式确定参考线代价GRL。这样，就可以让机器人在往子目标位置移动过程中尽量沿着参考线方向，并可以动态的避开障碍物。后续在室外运动时，可以沿着我们所希望的道路进行移动。
在一些实施例中，由起始位置移动至邻域节点的消耗代价G＝Gc+GD+GO，其中，GO用于表征从当前位置移动至邻域节点时的避障代价。
具体地，获取由起始位置移动至邻域节点的消耗代价G的方式包括：获取局部地图中障碍物的位置信息；根据位置信息确定障碍物与各个邻域节点之间的障碍物距离；根据障碍物距离确定各个邻域节点对应的避障代价；基于避障代价确定由起始位置移动至邻域节点的消耗代价。
考虑到障碍物和机器人的体积，障碍物和机器人之间应存在一定裕量。因此，需要根据局部地图中障碍物的位置信息确定障碍物与各个邻域节点之间的障碍物距离。当障碍物距离在预设距离范围时，则设定GO＝k(1.2-minDn)，其中，k为障碍物参数，minDn即为障碍物距离。例如，当0.3<minDn<1.2时，GO＝k(1.2-minDn)。当障碍物距离在预设范围之外时，令GO为以预设数值，可根据经验设定。例如，minDn>1.2时，GO可设为0；minDn<0.3时，GO可设定为100。这就能保证机器人能够离障碍物至少有0.3米的距离。
在一些实施例中，由起始位置移动至邻域节点的消耗代价G＝Gc+GD+GO+GRL。获取消耗代价G的方式为：从多个候选节点中确定当前位置对应的多个邻域节点；根据参考路径确定各个邻域节点对应的参考线代价；获取局部地图中障碍物的位置信息；根据位置信息确定障碍物与各个邻域节点之间的障碍物距离；根据障碍物距离确定各个邻域节点对应的避障代价；基于避障代价和参考线代价确定由起始位置移动至邻域节点的消耗代价。
由邻域节点移动至子目标位置的预估代价H＝HD，其中，HD为各个邻域节点到子目标点的预估代价。
在获得了各个邻域节点的总代价H之后，将其按照数值大小进行排列，筛选出总代价最小的邻域节点作为路径节点。
在一些实施例中，获取目标路径的方式包括：根据路径节点规划指向所述子目标位置的局部路径；更新局部路径，得到指向所述目标位置的目标路径。
具体地，将局部地图中确定的各个路径节点串联起来，即可获得局部路径。随着机器人的移动，局部地图将随之更新；采用上述方法，也可在新的局部地图中获取对应的路径节点，直至路径节点覆盖目标位置，则停止对候选节点的访问。将各个局部地图的路径节点全部串联起来，即可获得由起始位置指向目目标位置的目标路径。最终，将目标路径回传给机器人，以使得机器人以最优的路径抵达目标位置。
根据本申请的一种路径规划方法，通过构建局部地图以及参考路径，在局部地图中确定子目标位置；基于参考路径和子目标位置，在局部地图的多个候选节点中确定路径节点；最终串联各个路径节点，即可获得由当前位置指向目标位置的目标路径。本申请的目标路径受参考路径的约束，提高了机器人按照目标路径移动时的安全性。
图5是本申请一个实施例提供的路径规划装置框图。如图5所示，本申请提出了一种路径规划装置，包括：局部地图构建模块410，用于获取当前位置的环境信息，根据环境信息构建当前位置对应的局部地图，局部地图包括多个候选节点。参考路径获取模块420，用于获取由起始位置指向目标位置的参考路径。子目标位置确定模块430，用于根据参考路径，在局部地图中确定子目标位置。路径节点确定模块440，用于基于参考路径和子目标位置对候选节点进行筛选，得到路径节点。目标路径确定模块450，用于根据路径节点规划指向目标位置的目标路径。
在一些实施方式中，子目标位置确定模块430的执行步骤包括：获取参考路径对应的目标环境的目标范围，以及局部地图对应的地图范围；根据目标范围与地图范围的面积比值，以及参考路径的长度，确定局部地图中相邻的两个子目标位置之间的间隔距离；基于间隔距离，在参考路径中确定多个子目标位置。
在一些实施方式中，子目标位置确定模块430的执行步骤包括：获取在当前位置时的移动状态；基于移动状态以及当前位置进行移动预测，得到在预设时间段内的候选移动范围；基于候选移动范围和参考路径，在局部地图中确定子目标位置。
在一些实施方式中，路径节点确定模块440的执行步骤包括：从多个候选节点中确定当前位置对应的多个邻域节点；根据参考路径确定各个邻域节点对应的参考线代价；确定由起始位置移动至邻域节点的消耗代价，消耗代价包括参考线代价；确定由邻域节点移动至子目标位置的预估代价；根据消耗代价和预估代价对邻域节点进行筛选，将筛选出的邻域节点确定为路径节点。
在一些实施方式中，确定由起始位置移动至邻域节点的消耗代价，消耗代价包括参考线代价，包括：获取局部地图中障碍物的位置信息；根据位置信息确定障碍物与各个邻域节点之间的障碍物距离；根据障碍物距离确定各个邻域节点对应的避障代价；基于避障代价和参考线代价确定由起始位置移动至邻域节点的消耗代价。
在一些实施方式中，根据参考路径确定各个邻域节点对应的参考线代价，包括：获取参考路径中与各个邻域节点相对应的参考点；基于参考点确定邻域节点对应的距离偏差和姿态偏差；对距离偏差和姿态偏差进行权重调整，根据调整后的距离偏差和姿态偏差确定邻域节点对应的参考线代价。
在一些实施方式中，目标路径确定模块450的执行步骤包括：根据路径节点规划指向子目标位置的局部路径；更新局部路径，直到移动至目标位置。
根据本申请的一种路径规划装置，通过构建局部地图以及参考路径，在局部地图中确定子目标位置；基于参考路径和子目标位置，在局部地图的多个候选节点中确定路径节点；最终串联各个路径节点，即可获得由当前位置指向目标位置的目标路径。本申请的目标路径受参考路径的约束，提高了机器人按照目标路径移动时的安全性。
图6是本申请一个实施例提供的机器人结构示意图。如图6所示，根据本申请的又一方面还提供了一种机器人500。该机器人500可包括一个或多个处理器以及一个或多个存储器。其中，存储器中存储有计算机可读代码，计算机可读代码当由一个或多个处理器运行时，可以执行如上所述的路径规划方法。
根据本申请实施方式的方法或系统也可以借助于图6所示的机器人的架构来实现。如图6所示，机器人500可包括总线501、一个或多个CPU502、只读存储器(ROM)503、随机存取存储器(RAM)504、连接到网络的通信端口505、输入/输出组件506、硬盘507等。机器人500中的存储设备，例如ROM503或硬盘507可存储本申请提供的路径规划方法。路径规划方法可例如包括：获取当前位置的环境信息，根据环境信息构建当前位置对应的局部地图，局部地图包括多个候选节点；获取由起始位置指向目标位置的参考路径；根据参考路径，在局部地图中确定子目标位置；基于参考路径和子目标位置对候选节点进行筛选，得到路径节点；根据路径节点规划指向目标位置的目标路径。进一步地，机器人500还可包括用户界面508。当然，图6所示的架构只是示例性的，在实现不同的设备时，根据实际需要，可以省略图6示出的机器人中的一个或多个组件。
图7是本申请一个实施例提供的计算机可读存储介质结构示意图。如图7所示，是根据本申请一个实施方式的计算机可读存储介质600。计算机可读存储介质600上存储有计算机可读指令。当计算机可读指令由处理器运行时，可执行参照以上附图描述的根据本申请实施方式的路径规划方法。存储介质600包括但不限于例如易失性存储器和/或非易失性存储器。易失性存储器例如可包括随机存取存储器(RAM)和高速缓冲存储器(cache)等。非易失性存储器例如可包括只读存储器(ROM)、硬盘、闪存等。
另外，根据本申请的实施方式，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质存储有机器可读指令，所述机器可读指令能够由处理器运行以执行与本申请提供的方法步骤对应的指令，例如：获取当前位置的环境信息，根据环境信息构建当前位置对应的局部地图，局部地图包括多个候选节点；获取由起始位置指向目标位置的参考路径；根据参考路径，在局部地图中确定子目标位置；基于参考路径和子目标位置对候选节点进行筛选，得到路径节点；根据路径节点规划指向目标位置的目标路径。在该计算机程序被中央处理单元(CPU)执行时，执行本申请的方法中限定的上述功能。
可能以许多方式来实现本申请的方法和装置、设备。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本申请的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明，本申请的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本申请实施为记录在记录介质中的程序，这些程序包括用于实现根据本申请的方法的机器可读指令。因而，本申请还覆盖存储用于执行根据本申请的方法的程序的记录介质。
另外，本申请的实施方式中提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
以上描述仅为本申请的实施方式以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的保护范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离技术构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种路径规划方法，其特征在于，所述方法包括：
获取当前位置的环境信息，根据所述环境信息构建所述当前位置对应的局部地图，所述局部地图包括多个候选节点；
获取由起始位置指向目标位置的参考路径；
根据所述参考路径，在所述局部地图中确定子目标位置；
基于所述参考路径和所述子目标位置对所述候选节点进行筛选，得到路径节点；
根据所述路径节点规划指向所述目标位置的目标路径。
2.根据权利要求1所述的路径规划方法，其特征在于，所述根据所述参考路径，在所述局部地图中确定子目标位置，包括：
获取参考路径对应的目标环境的目标范围，以及所述局部地图对应的地图范围；
根据所述目标范围与所述地图范围的面积比值，以及所述参考路径的长度，确定所述局部地图中相邻的两个所述子目标位置之间的间隔距离；
基于所述间隔距离，在所述参考路径中确定多个子目标位置。
3.根据权利要求1所述的路径规划方法，其特征在于，所述根据所述参考路径，在所述局部地图中确定子目标位置，包括：
获取在所述当前位置时的移动状态；
基于所述移动状态以及所述当前位置进行移动预测，得到在预设时间段内的候选移动范围；
基于所述候选移动范围和所述参考路径，在所述局部地图中确定子目标位置。
4.根据权利要求1所述的路径规划方法，其特征在于，所述基于所述参考路径和所述子目标位置对所述候选节点进行筛选，得到路径节点，包括：
从多个所述候选节点中确定所述当前位置对应的多个邻域节点；
根据所述参考路径确定各个所述邻域节点对应的参考线代价；
确定由所述起始位置移动至所述邻域节点的消耗代价，所述消耗代价包括所述参考线代价；
确定由所述邻域节点移动至所述子目标位置的预估代价；
根据所述消耗代价和所述预估代价对所述邻域节点进行筛选，将筛选出的邻域节点确定为路径节点。
5.根据权利要求4所述的路径规划方法，其特征在于，所述确定由所述起始位置移动至所述邻域节点的消耗代价，所述消耗代价包括所述参考线代价，包括：
获取所述局部地图中障碍物的位置信息；
根据所述位置信息确定所述障碍物与各个所述邻域节点之间的障碍物距离；
根据所述障碍物距离确定各个所述邻域节点对应的避障代价；
基于所述避障代价和参考线代价确定由所述起始位置移动至所述邻域节点的消耗代价。
6.根据权利要求4或5所述的路径规划方法，其特征在于，所述根据所述参考路径确定各个所述邻域节点对应的参考线代价，包括：
获取所述参考路径中与各个所述邻域节点相对应的参考点；
基于所述参考点确定所述邻域节点对应的距离偏差和姿态偏差；
对所述距离偏差和所述姿态偏差进行权重调整，根据调整后的所述距离偏差和所述姿态偏差确定所述邻域节点对应的参考线代价。
7.根据权利要求1所述的路径规划方法，其特征在于，所述根据所述路径节点规划指向所述目标位置的目标路径，包括：
根据所述路径节点规划指向所述子目标位置的局部路径；
更新所述局部路径，得到指向所述目标位置的目标路径。
8.一种路径规划装置，其特征在于，包括：
局部地图构建模块，用于获取当前位置的环境信息，根据所述环境信息构建所述当前位置对应的局部地图，所述局部地图包括多个候选节点；
参考路径获取模块，用于获取由起始位置指向目标位置的参考路径；
子目标位置确定模块，用于根据所述参考路径，在所述局部地图中确定子目标位置；
路径节点确定模块，用于基于所述参考路径和所述子目标位置对所述候选节点进行筛选，得到路径节点；以及
目标路径确定模块，用于根据所述路径节点规划指向所述目标位置的目标路径。
9.一种机器人，其特征在于，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，所述处理器执行所述程序时，以实现如权利要求1-7任一所述的路径规划方法中的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行如权利要求1-7任一项所述的路径规划方法中的步骤。
CN202211056969.1A 2022-08-31 2022-08-31 路径规划方法、装置、机器人以及可读存储介质 Pending CN115326057A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211056969.1A CN115326057A (zh) 2022-08-31 2022-08-31 路径规划方法、装置、机器人以及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211056969.1A CN115326057A (zh) 2022-08-31 2022-08-31 路径规划方法、装置、机器人以及可读存储介质

Publications (1)

Publication Number Publication Date
CN115326057A true CN115326057A (zh) 2022-11-11

Family

ID=83928111

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211056969.1A Pending CN115326057A (zh) 2022-08-31 2022-08-31 路径规划方法、装置、机器人以及可读存储介质

Country Status (1)

Country Link
CN (1) CN115326057A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115922731A (zh) * 2023-01-09 2023-04-07 深圳鹏行智能研究有限公司 一种机器人的控制方法以及机器人

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10333746A (ja) * 1997-05-28 1998-12-18 Shinryo Corp 移動ロボットの経路作成方法
US20080051995A1 (en) * 2006-08-25 2008-02-28 Magellan Navigation, Inc. Rerouting in Vehicle Navigation Systems
CN106017497A (zh) * 2016-07-06 2016-10-12 上海交通大学 基于地图定位能力的路径规划方法
WO2017173990A1 (zh) * 2016-04-07 2017-10-12 北京进化者机器人科技有限公司 一种机器人避障中的最短路径规划方法
CN108549385A (zh) * 2018-05-22 2018-09-18 东南大学 一种结合a*算法和vfh避障算法的机器人动态路径规划方法
CN109708656A (zh) * 2019-01-24 2019-05-03 爱驰汽车有限公司 基于实时路况的路线规划方法、系统、设备及存储介质
CN110806218A (zh) * 2019-11-29 2020-02-18 北京京东乾石科技有限公司 泊车路径规划方法、装置和系统
CN111024082A (zh) * 2019-12-02 2020-04-17 深圳优地科技有限公司 一种规划机器人局部路径的方法、装置及机器人
CN111369066A (zh) * 2020-03-09 2020-07-03 广东南方数码科技股份有限公司 路径规划方法、装置、电子设备及可读存储介质
CN112649012A (zh) * 2020-12-15 2021-04-13 北京三快在线科技有限公司 一种轨迹规划方法、设备、介质及无人设备
WO2021106672A1 (ja) * 2019-11-28 2021-06-03 ソニー株式会社 情報処理装置、情報処理方法およびプログラム
CN113108796A (zh) * 2021-04-19 2021-07-13 北京有竹居网络技术有限公司 导航方法、装置、存储介质及设备
CN113147739A (zh) * 2021-03-08 2021-07-23 北京科技大学 一种无人车启发式自动泊车方法及装置
CN113359718A (zh) * 2021-05-26 2021-09-07 西安理工大学 移动机器人全局路径规划与局部路径规划融合方法及设备
CN113932812A (zh) * 2021-09-27 2022-01-14 北京邮电大学 路径规划方法、装置、电子设备和存储介质
CN113985871A (zh) * 2021-10-21 2022-01-28 上海欧菲智能车联科技有限公司 泊车路径规划方法、泊车路径规划装置、车辆及存储介质
CN114167872A (zh) * 2021-12-08 2022-03-11 江西省智能产业技术创新研究院 机器人避障方法、系统、计算机及机器人
CN114442618A (zh) * 2022-01-12 2022-05-06 江苏大学 一种基于aco-pso-vfh的室内移动机器人自主动态路径规划方法
CN114564027A (zh) * 2022-03-17 2022-05-31 深圳鹏行智能研究有限公司 足式机器人的路径规划方法、电子设备及可读存储介质
CN114754787A (zh) * 2022-04-21 2022-07-15 深兰人工智能(深圳)有限公司 路径规划方法和设备、计算机可读存储介质

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10333746A (ja) * 1997-05-28 1998-12-18 Shinryo Corp 移動ロボットの経路作成方法
US20080051995A1 (en) * 2006-08-25 2008-02-28 Magellan Navigation, Inc. Rerouting in Vehicle Navigation Systems
WO2017173990A1 (zh) * 2016-04-07 2017-10-12 北京进化者机器人科技有限公司 一种机器人避障中的最短路径规划方法
CN106017497A (zh) * 2016-07-06 2016-10-12 上海交通大学 基于地图定位能力的路径规划方法
CN108549385A (zh) * 2018-05-22 2018-09-18 东南大学 一种结合a*算法和vfh避障算法的机器人动态路径规划方法
CN109708656A (zh) * 2019-01-24 2019-05-03 爱驰汽车有限公司 基于实时路况的路线规划方法、系统、设备及存储介质
WO2021106672A1 (ja) * 2019-11-28 2021-06-03 ソニー株式会社 情報処理装置、情報処理方法およびプログラム
CN110806218A (zh) * 2019-11-29 2020-02-18 北京京东乾石科技有限公司 泊车路径规划方法、装置和系统
CN111024082A (zh) * 2019-12-02 2020-04-17 深圳优地科技有限公司 一种规划机器人局部路径的方法、装置及机器人
CN111369066A (zh) * 2020-03-09 2020-07-03 广东南方数码科技股份有限公司 路径规划方法、装置、电子设备及可读存储介质
CN112649012A (zh) * 2020-12-15 2021-04-13 北京三快在线科技有限公司 一种轨迹规划方法、设备、介质及无人设备
CN113147739A (zh) * 2021-03-08 2021-07-23 北京科技大学 一种无人车启发式自动泊车方法及装置
CN113108796A (zh) * 2021-04-19 2021-07-13 北京有竹居网络技术有限公司 导航方法、装置、存储介质及设备
CN113359718A (zh) * 2021-05-26 2021-09-07 西安理工大学 移动机器人全局路径规划与局部路径规划融合方法及设备
CN113932812A (zh) * 2021-09-27 2022-01-14 北京邮电大学 路径规划方法、装置、电子设备和存储介质
CN113985871A (zh) * 2021-10-21 2022-01-28 上海欧菲智能车联科技有限公司 泊车路径规划方法、泊车路径规划装置、车辆及存储介质
CN114167872A (zh) * 2021-12-08 2022-03-11 江西省智能产业技术创新研究院 机器人避障方法、系统、计算机及机器人
CN114442618A (zh) * 2022-01-12 2022-05-06 江苏大学 一种基于aco-pso-vfh的室内移动机器人自主动态路径规划方法
CN114564027A (zh) * 2022-03-17 2022-05-31 深圳鹏行智能研究有限公司 足式机器人的路径规划方法、电子设备及可读存储介质
CN114754787A (zh) * 2022-04-21 2022-07-15 深兰人工智能(深圳)有限公司 路径规划方法和设备、计算机可读存储介质

Non-Patent Citations (11)

* Cited by examiner, † Cited by third party
Title
刘宏;王健;王闯奇;: "基于层次地图的子目标点的选择与更新策略", 华中科技大学学报(自然科学版), no. 2, 15 November 2011 (2011-11-15), pages 208 - 211 *
张一豆;赵剡;魏彤;: "基于改进A~*算法的导盲避障路径规划策略研究", 航空兵器, no. 03, 15 June 2017 (2017-06-15) *
张嘉琦;: "基于移动子目标的复合式路径规划算法", 中国公路学报, no. 11, 15 November 2017 (2017-11-15) *
张捍东;陈阳;吴玉秀;: "未知环境下移动机器人实时路径规划", 计算机工程与应用, no. 19, 26 April 2018 (2018-04-26) *
张海燕;林志贤;郭太良;: "机器人避障路径规划优化控制仿真", 计算机仿真, no. 09, 15 September 2017 (2017-09-15) *
张超超;房建东;: "基于定向加权A~*算法的自主移动机器人路径规划", 计算机应用, no. 2, 20 December 2017 (2017-12-20) *
曲道奎;杜振军;徐殿国;徐方;: "移动机器人路径规划方法研究", 机器人, no. 02, 15 March 2008 (2008-03-15) *
杨也;倪建军;陈一楠;陈颜;: "改进RRT*的室内机器人路径规划算法", 计算机测量与控制, no. 01, 25 January 2020 (2020-01-25), pages 241 - 245 *
杨兴;张亚;杨巍;张慧娟;常皓;: "室内移动机器人路径规划研究", 科学技术与工程, no. 15, 28 May 2016 (2016-05-28) *
范丹丹;黄开枝;金梁;: "伪目标动态可行域约束法中的观测站最优路线规划算法", 电子与信息学报, no. 12, 15 December 2008 (2008-12-15) *
雷雨能;赖文娟;曾刊;: "在自主车辆路径规划中逆向D~*算法的应用", 四川兵工学报, no. 03, 25 March 2013 (2013-03-25) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115922731A (zh) * 2023-01-09 2023-04-07 深圳鹏行智能研究有限公司 一种机器人的控制方法以及机器人

Similar Documents

Publication Publication Date Title
CN111837083B (zh) 信息处理装置、信息处理方法和存储介质
Asadi et al. An integrated UGV-UAV system for construction site data collection
JP6882296B2 (ja) 自律視覚ナビゲーション
US20220234733A1 (en) Aerial Vehicle Smart Landing
EP3660231B1 (en) System and method for autonomous operation of heavy machinery
CN111630460A (zh) 自主移动装置的路径规划
KR20200037737A (ko) 자율 주행 차량을 위한 보행자 확률 예측 시스템
JP2020020793A (ja) ライダー強度に基づく物体検出
CN116261649A (zh) 一种车辆行驶意图预测方法、装置、终端及存储介质
JP2018092256A (ja) 死角カバレッジ装置、制御装置、移動体の分散制御プログラム
JP2019016306A (ja) カバレッジ装置、移動体、制御装置、移動体の分散制御プログラム
CN114564027A (zh) 足式机器人的路径规划方法、电子设备及可读存储介质
CN115326057A (zh) 路径规划方法、装置、机器人以及可读存储介质
KR20200020295A (ko) 로봇과 인터랙션하는 증강현실 서비스 제공 장치 및 방법
KR20220095620A (ko) 무인기 제어 장치 및 방법, 컴퓨터 프로그램
CN114740849B (zh) 基于行人步行决策规则的移动机器人自主导航方法及装置
CN115981313A (zh) 机器人路径规划方法、系统、电子设备及存储介质
CN114663754A (zh) 检测方法、装置、多足机器人及存储介质
JP7073642B2 (ja) 予測制御装置、予測制御プログラム、カバレッジ装置、移動体、分散制御装置、移動体の分散制御プログラム
CN114872051B (zh) 通行地图获取系统、方法、机器人及计算机可读存储介质
CN117863190B (zh) 足式机器人的移动控制方法及足式机器人
CN115790606B (zh) 轨迹预测方法、装置、机器人及存储介质
CN116955376A (zh) 区域地图更新方法、机器人及计算机可读存储介质
KR20240028320A (ko) 드론의 안전착륙을 위한 영상기반 정밀제어 방법 및 장치
Benenson et al. Design of an urban driverless ground vehicle

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