CN115390551A - 一种机器人路径规划方法、装置、电子设备及存储介质 - Google Patents
一种机器人路径规划方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115390551A CN115390551A CN202210581746.0A CN202210581746A CN115390551A CN 115390551 A CN115390551 A CN 115390551A CN 202210581746 A CN202210581746 A CN 202210581746A CN 115390551 A CN115390551 A CN 115390551A
- Authority
- CN
- China
- Prior art keywords
- point
- starting point
- target point
- vertex
- random
- 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 74
- 230000004888 barrier function Effects 0.000 claims abstract description 22
- 238000005070 sampling Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000007 visual 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种机器人路径规划方法、装置、电子设备及存储介质,方法包括:获取机器人起始点、目标点以及初始随机树;判断起始点与目标点之间是否存在障碍物;若起始点与目标点之间不存在障碍物,则获取起始点与目标点之间的中间位置标记为中间节点,采用预设的第一随机树搜索法,从起始点和目标点出发朝向中间节点以及从中间节点出发朝向起始点和目标点进行第一路径搜索;若起始点与目标点之间存在障碍物,则标记障碍物的形状,并获取障碍物的顶点位置标记为顶点,采用预设的第二随机树搜索法,从起始点和目标点同时出发朝向对方并避开顶点进行第二路径搜索。本发明解决了现有技术中的路径规划算法获得的路径行驶效率低且曲折技术问题。
Description
技术领域
本发明涉及管道机器人检测技术领域,具体涉及一种机器人路径规划方法、装置、电子设备及存储介质。
背景技术
油气管道运输属于世界三大运输方式,管道由于使用年限、运输物质的侵蚀等会产生杂质从而引起损坏,因此,需要采用管道机器人在管道内实现自动导航巡视,自动驾驶。从而路径规划也就成为了机器人自主导航的研究重点,其中,路径规划算法作为移动机器人的主要内容,保证机器人在规定的空间内安全、平稳的行驶,路径规划算法必须准确有效、方便易实现。目前国内外现有的可行路径规划算法及理论,主要包括蚁群算法、粒子群优化算法、遗传算法、人工势场法和A*算法等。这些算法在简单环境下可以实现快速收敛到最优路径,但在处理复杂环境及高维空间时一方面收敛速度会急剧下降,另一方面其所生成的路径并未考虑移动机器人的运动学约束,导致规划出的路径并不能被机器人所执行。
随着各类机器人的广泛应用,也就研究出一种较于大多数算法更优的路径规划算法-RRT算法,目前所具有的RRT算法收敛速度快,可以高效地解决未知环境或者高纬度环境下的路径规划问题,但RRT算法也存在算法的随机性、当障碍物之间狭小时效率降低以及生成的路径比较曲折等缺点,也不利于机器人根据此算法规划出的路径进行行驶,而需要更新此算法,再而进行机器人的路径规划。
发明内容
本发明的目的在于克服上述技术不足,提供一种机器人路径规划方法、装置、电子设备及存储介质,解决现有技术中通过路径规划算法获得的机器人路径行驶效率低且曲折的技术问题。
为达到上述技术目的,本发明采取了以下技术方案:
第一方面,本发明提供了一种机器人路径规划方法,包括:
获取机器人起始点、目标点以及初始随机树;
判断起始点与目标点之间是否存在障碍物;
若起始点与目标点之间不存在障碍物,则获取起始点与目标点之间的中间位置标记为中间节点,采用预设的第一随机树搜索法,从起始点和目标点出发朝向中间节点以及从中间节点出发朝向起始点和目标点进行第一路径搜索;
若起始点与目标点之间存在障碍物,则标记障碍物的形状,并获取障碍物的顶点位置标记为顶点,采用预设的第二随机树搜索法,从起始点和目标点同时出发朝向对方并避开顶点进行第二路径搜索。
在一些实施例中,所述获取机器人起始点、目标点,以及初始随机树之前,包括:
建立机器人初始工作状态格栅地图;
根据所述格栅地图,对初始工作环境进行分区,确定需要进行路径规划的工作区域。
在一些实施例中,所述若起始点与目标点之间存在障碍物,则标记障碍物的形状,并获取障碍物的顶点位置标记为顶点,包括:
获取障碍物的形状,其中形状包括多边形、圆形以及圆形和多边形组合形;
根据所述形状,基于预设的碰撞法确定障碍物的顶点位置,并标记为顶点。
在一些实施例中,所述从起始点和目标点同时出发朝向对方并避开顶点进行第二路径搜索,包括:
在工作区域中的生成第一随机点和第二随机点,其中第一随机点与起始点对应,第二随机点与目标点对应;
根据所述第一随机点,确定与所述第一随机点最近的第一顶点,根据所述第二随机点,确定与所述第二随机点最近的第二顶点;
根据所述第一顶点和第二顶点,采用快速搜索策略确定与所述第一顶点和第二顶点最近的第一子节点和第二子节点;
基于第一子节点和第二子节点,对起始点和目标点进行快速拓展形成起始点随机树和目标点随机树;
根据起始点随机树和目标点随机树,采用预设的connect函数法,连接起始点随机树和目标点随机树。
在一些实施例中,所述基于第一子节点和第二子节点,对起始点和目标点进行快速拓展,包括:
获取随机树的初始步长,并进行第一子节点和第二子节点的搜索;
分别判断初始步长状态下,第一子节点和第二子节点是否与障碍物发生碰撞;
若第一子节点和第二子节点与障碍物发生碰撞,则拓展步长调整为初始步长减去一设定值;
若第一子节点和第二子节点与障碍物未发生碰撞,则拓展步长调整为初始步长加上一设定值。
在一些实施例中,所述基于第一子节点和第二子节点,对起始点和目标点进行快速拓展之后,还包括:
根据生成的随机树路径,采用预设的非均匀有理B样条法对随机树路径进行平滑处理,以得到更为优化的路径。
其中,ε表示拓展步长,a表示步长变化的设定值,lrr'表示当前采样点与前一个采样点的联系,xobs表示障碍物区域。
第二方面,本发明还提供了一种机器人路径规划装置,包括:
获取模块,用于获取机器人起始点、目标点,以及初始随机树;
判断模块,用于判断起始点与目标点之间是否存在障碍物;
第一路径搜索模块,若起始点与目标点之间不存在障碍物,则获取起始点与目标点之间的中间位置标记为中间节点,采用预设的第一随机树搜索法,从起始点和目标点出发朝向中间节点以及从中间节点出发朝向起始点和目标点进行第一路径搜索;
第二路径搜索模块,若起始点与目标点之间存在障碍物,则标记障碍物的形状,并获取障碍物的顶点位置标记为顶点,采用预设的第二随机树搜索法,从起始点和目标点同时出发朝向对方并避开顶点进行第二路径搜索。
第三方面,本发明还提供了一种电子设备,包括:处理器和存储器;
所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述处理器执行所述计算机可读程序时实现如上所述的机器人路径规划方法中的步骤。
第四方面,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上所述的机器人路径规划方法中的步骤。
与现有技术相比,本发明提供的机器人路径规划方法、装置、电子设备及存储介质,首先获取机器人起始点、目标点以及初始随机树;随后判断起始点与目标点之间是否存在障碍物;若起始点与目标点之间不存在障碍物,则获取起始点与目标点之间的中间位置标记为中间节点,采用预设的第一随机树搜索法,从起始点和目标点出发朝向中间节点以及从中间节点出发朝向起始点和目标点进行第一路径搜索;若起始点与目标点之间存在障碍物,则标记障碍物的形状,并获取障碍物的顶点位置标记为顶点,采用预设的第二随机树搜索法,从起始点和目标点同时出发朝向对方并避开顶点进行第二路径搜索;本发明提供的机器人路径规划方法,通过采用双向搜索策略提高了路径规划的效率,并且通过对障碍物进行规避,避免了机器人行驶时发生碰撞且道路曲折的问题。
附图说明
图1是本发明提供的机器人路径规划方法的一实施例的流程图;
图2是本发明提供的机器人路径规划方法另一实施例的流程示意图;
图3是本发明提供的机器人路径规划方法中,步骤S104一实施例的流程示意图;
图4是本发明提供的机器人路径规划方法中,步骤S104另一实施例的流程示意图;
图5是本发明提供的机器人路径规划方法中,步骤S404一实施例的流程示意图;
图6是本发明提供的机器人路径规划装置的一实施例的示意图;
图7是本发明提供的电子设备一实施例的运行环境示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明所涉及的机器人路径规划方法、装置、设备或者计算机可读存储介质可用于管道、巷道和矿坑等需要采用机器人进行监测的狭窄区域。本发明所涉及的方法、装置、设备或者计算机可读存储介质既可以与上述系统集成在一起,也可以是相对独立的。
本实施例提供了一种机器人路径规划方法,图1是本发明实施例提供的机器人路径规划方法的流程图,请参阅图1,机器人路径规划方法包括:
S101、获取机器人起始点、目标点以及初始随机树;
S102、判断起始点与目标点之间是否存在障碍物;
S103、若起始点与目标点之间不存在障碍物,则获取起始点与目标点之间的中间位置标记为中间节点,采用预设的第一随机树搜索法,从起始点和目标点出发朝向中间节点以及从中间节点出发朝向起始点和目标点进行第一路径搜索;
S104、若起始点与目标点之间存在障碍物,则标记障碍物的形状,并获取障碍物的顶点位置标记为顶点,采用预设的第二随机树搜索法,从起始点和目标点同时出发朝向对方并避开顶点进行第二路径搜索。
在步骤S101中,获取机器人的起始点、目标点和初始随机树后,将起始点和目标点代入初始随机树中,以使随机树扩展进行路径搜索。
在步骤S103中,当初始点和目标点之间没有障碍物时,可以将中间节点xcenter作为第三个节点,RRT*可以通过同时生成四棵树来进一步加速路径扩展,其中中间节点的表达式为:
在步骤S104中,当目标点与起始点之间存在障碍物时,为了避免重复规划路径,因此对障碍物在空间中的每个点进行标记,并且使得随机树在扩展的过程中能够避开标记的障碍物顶点,以使算法在搜索中有明确的目标点,从而快速确定随机树的搜索方向。
在本实施例中,首先通过判断起始点与目标点之间是否存在障碍物来规划随机树的拓展方向,若不存在障碍物,则标记起始点与目标点的中间位置为中间节点,以使随机树同时从中间节点、起始点和目标点出发进行扩展,生成四棵树,极大的提高路径规划效率;若存在障碍物,则对障碍物进行标记以使随机树扩展时避开障碍物,避免了路径的重复规划。
在一些实施例中,请参阅图2,图2为本发明另一实施例的流程示意图,所述获取机器人起始点、目标点,以及初始随机树之前,包括:
S201、建立机器人初始工作状态格栅地图;
S202、根据所述格栅地图,对初始工作环境进行分区,确定需要进行路径规划的工作区域。
在本实施例中,为了便于对随机树的扩展节点以及障碍物的空间位置进行准确的定位,在进行随机树扩展之前,需要在机器人的工作区域进行格栅地图的建立,并且基于建立的格栅地图对需要进行路径的规划的区域进行划分,确定算法的工作区域。
在一些实施例中,请参阅图3,图3为步骤S104一实施例的流程示意图,所述若起始点与目标点之间存在障碍物,则标记障碍物的形状,并获取障碍物的顶点位置标记为顶点,包括:
S301、获取障碍物的形状,其中形状包括多边形、圆形以及圆形和多边形组合形;
S302、根据所述形状,基于预设的碰撞法确定障碍物的顶点位置,并标记为顶点。
在步骤S301中,为了准确的标记障碍物的顶点位置,因此需要获取障碍物的形状,障碍物的形状决定了其顶点的选取方式,其中不规则的障碍物可以等同为一个多边形的障碍物。
在步骤S302中,当障碍物的形状为多边形时,以内角小于等于180度的凸点为顶点;当障碍物的形状为圆形时,以圆心为圆心,将圆分成8等份,在圆边上采样8个节点作为顶点;当障碍物的形状包括多边形和圆形时,多边形和圆形的顶点设置方法保持不变,多边形和圆形的交点也设置为顶点。
在本实施例中,通过根据障碍物的形状及障碍物在空间中的位置,对障碍物的顶点进行标记,以指导随机树扩展的方向。
在一些实施例中,请参阅图4,图4为步骤S104另一实施例的流程示意图,所述从起始点和目标点同时出发朝向对方并避开顶点进行第二路径搜索,包括:
S401、在工作区域中的生成第一随机点和第二随机点,其中第一随机点与起始点对应,第二随机点与目标点对应;
S402、根据所述第一随机点,确定与所述第一随机点最近的第一顶点,根据所述第二随机点,确定与所述第二随机点最近的第二顶点;
S403、根据所述第一顶点和第二顶点,采用快速搜索策略确定与所述第一顶点和第二顶点最近的第一子节点和第二子节点;
S404、基于第一子节点和第二子节点,对起始点和目标点进行快速拓展形成起始点随机树和目标点随机树;
S405、根据起始点随机树和目标点随机树,采用预设的connect函数法,连接起始点随机树和目标点随机树。
在本实施例中,在确定了障碍物的顶点位置后,为了使从目标点和起始点出发的随机树能够避开障碍物进行扩展,因此需要寻找一个离障碍物顶点最近的随机点,以形成随机树的扩展目的点,指导随机树进行扩展,并且采用连接函数对双向扩展的随机树进行连接,形成完整的机器人路径。
在一些实施例中,请参阅图5,图5为步骤S404一实施例的流程示意图,所述基于第一子节点和第二子节点,对起始点和目标点进行快速拓展,包括:
S501、获取随机树的初始步长,并进行第一子节点和第二子节点的搜索;
S502、分别判断初始步长状态下,第一子节点和第二子节点是否与障碍物发生碰撞;
S503、若第一子节点和第二子节点与障碍物发生碰撞,则拓展步长调整为初始步长减去一设定值;
S504、若第一子节点和第二子节点与障碍物未发生碰撞,则拓展步长调整为初始步长加上一设定值。
在本实施例中,由于KB-RRT*使用固定步长进行搜索,而固定步长在探索无障碍空间时会限制随机树的扩展速度,因此增加了自适应步长调整方法来提高全局步长(对于整棵树);自适应步长调整算法在开始时仍然使用初始步长进行搜索,第一次搜索新节点时,如果树没有遇到障碍,下一步的步长会在原来的基础上增加一设定的步长,并在后续搜索中累积;当扩展过程中遇到障碍物时,扩展步长会在原来的基础上减少一设定的步长,以降低碰撞概率,在后续的搜索中也会累加;具体的,所述拓展步长的表达式为:
其中,ε表示拓展步长,a表示步长变化的设定值,lrr'表示当前采样点与前一个采样点的联系,xobs表示障碍物区域。
需要说明的是,在本实施例中,自适应调整步长的值设定为0.5,即a=0.5。
在一些实施例中,所述基于第一子节点和第二子节点,对起始点和目标点进行快速拓展之后,还包括:
根据生成的随机树路径,采用预设的非均匀有理B样条法对随机树路径进行平滑处理,以得到更为优化的路径。
在本实施例中,为了使得机器人在行驶时更为流畅,则需要对生成的路径进行平滑处理,本实施例中采用非均匀有理B样条法(NURBS用于平滑路径以优化路径,其中,NURBS曲线保留了B样条曲线的所有优点,同时NURBS还具有B样条曲线法所不具备的优点,包括透视不变性、球面等二次曲面的精确表示、更自由的形状控制。
基于上述机器人路径规划方法,本发明实施例还相应的提供一种机器人路径规划装置600,请参阅图6,该机器人路径规划装置600包括获取模块610、判断模块620、第一路径搜索模块630和第二路径搜索模块640。
获取模块610,用于获取机器人起始点、目标点,以及初始随机树;
判断模块620,用于判断起始点与目标点之间是否存在障碍物;
第一路径搜索模块630,若起始点与目标点之间不存在障碍物,则获取起始点与目标点之间的中间位置标记为中间节点,采用预设的第一随机树搜索法,从起始点和目标点出发朝向中间节点以及从中间节点出发朝向起始点和目标点进行第一路径搜索;
第二路径搜索模块640,若起始点与目标点之间存在障碍物,则标记障碍物的形状,并获取障碍物的顶点位置标记为顶点,采用预设的第二随机树搜索法,从起始点和目标点同时出发朝向对方并避开顶点进行第二路径搜索。
如图7所示,基于上述机器人路径规划方法,本发明还相应提供了一种电子设备,该电子设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该电子设备包括处理器710、存储器720及显示器730。图7仅示出了电子设备的部分组件,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
存储器720在一些实施例中可以是该电子设备的内部存储单元,例如电子设备的硬盘或内存。存储器720在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器720还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器720用于存储安装于电子设备的应用软件及各类数据,例如安装电子设备的程序代码等。存储器720还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中,存储器720上存储有机器人路径规划程序740,该机器人路径规划程序740可被处理器710所执行,从而实现本申请各实施例的机器人路径规划方法。
处理器710在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行存储器720中存储的程序代码或处理数据,例如执行机器人路径规划方法等。
显示器730在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。显示器730用于显示在所述机器人路径规划设备的信息以及用于显示可视化的用户界面。电子设备的部件710-730通过系统总线相互通信。
当然,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硬件(如处理器,控制器等)来完成,所述的程序可存储于一计算机可读取的存储介质中,该程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (10)
1.一种机器人路径规划方法,其特征在于,包括:
获取机器人起始点、目标点以及初始随机树;
判断起始点与目标点之间是否存在障碍物;
若起始点与目标点之间不存在障碍物,则获取起始点与目标点之间的中间位置标记为中间节点,采用预设的第一随机树搜索法,从起始点和目标点出发朝向中间节点以及从中间节点出发朝向起始点和目标点进行第一路径搜索;
若起始点与目标点之间存在障碍物,则标记障碍物的形状,并获取障碍物的顶点位置标记为顶点,采用预设的第二随机树搜索法,从起始点和目标点同时出发朝向对方并避开顶点进行第二路径搜索。
2.根据权利要求1所述的机器人路径规划方法,其特征在于,所述获取机器人起始点、目标点,以及初始随机树之前,包括:
建立机器人初始工作状态格栅地图;
根据所述格栅地图,对初始工作环境进行分区,确定需要进行路径规划的工作区域。
3.根据权利要求2所述的机器人路径规划方法,其特征在于,所述若起始点与目标点之间存在障碍物,则标记障碍物的形状,并获取障碍物的顶点位置标记为顶点,包括:
获取障碍物的形状,其中形状包括多边形、圆形以及圆形和多边形组合形;
根据所述形状,基于预设的碰撞法确定障碍物的顶点位置,并标记为顶点。
4.根据权利要求2所述的机器人路径规划方法,其特征在于,所述从起始点和目标点同时出发朝向对方并避开顶点进行第二路径搜索,包括:
在工作区域中的生成第一随机点和第二随机点,其中第一随机点与起始点对应,第二随机点与目标点对应;
根据所述第一随机点,确定与所述第一随机点最近的第一顶点,根据所述第二随机点,确定与所述第二随机点最近的第二顶点;
根据所述第一顶点和第二顶点,采用快速搜索策略确定与所述第一顶点和第二顶点最近的第一子节点和第二子节点;
基于第一子节点和第二子节点,对起始点和目标点进行快速拓展形成起始点随机树和目标点随机树;
根据起始点随机树和目标点随机树,采用预设的connect函数法,连接起始点随机树和目标点随机树。
5.根据权利要求4所述的机器人路径规划方法,其特征在于,所述基于第一子节点和第二子节点,对起始点和目标点进行快速拓展,包括:
获取随机树的初始步长,并进行第一子节点和第二子节点的搜索;
分别判断初始步长状态下,第一子节点和第二子节点是否与障碍物发生碰撞;
若第一子节点和第二子节点与障碍物发生碰撞,则拓展步长调整为初始步长减去一设定值;
若第一子节点和第二子节点与障碍物未发生碰撞,则拓展步长调整为初始步长加上一设定值。
6.根据权利要求4所述的机器人路径规划方法,其特征在于,所述基于第一子节点和第二子节点,对起始点和目标点进行快速拓展之后,还包括:
根据生成的随机树路径,采用预设的非均匀有理B样条法对随机树路径进行平滑处理,以得到更为优化的路径。
8.一种机器人路径规划装置,其特征在于,包括:
获取模块,用于获取机器人起始点、目标点,以及初始随机树;
判断模块,用于判断起始点与目标点之间是否存在障碍物;
第一路径搜索模块,若起始点与目标点之间不存在障碍物,则获取起始点与目标点之间的中间位置标记为中间节点,采用预设的第一随机树搜索法,从起始点和目标点出发朝向中间节点以及从中间节点出发朝向起始点和目标点进行第一路径搜索;
第二路径搜索模块,若起始点与目标点之间存在障碍物,则标记障碍物的形状,并获取障碍物的顶点位置标记为顶点,采用预设的第二随机树搜索法,从起始点和目标点同时出发朝向对方并避开顶点进行第二路径搜索。
9.一种电子设备,其特征在于,包括:处理器和存储器;
所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述处理器执行所述计算机可读程序时实现如权利要求1-7任意一项所述的机器人路径规划方法中的步骤。
10.一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一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-7任意一项所述的机器人路径规划方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210581746.0A CN115390551A (zh) | 2022-05-26 | 2022-05-26 | 一种机器人路径规划方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210581746.0A CN115390551A (zh) | 2022-05-26 | 2022-05-26 | 一种机器人路径规划方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115390551A true CN115390551A (zh) | 2022-11-25 |
Family
ID=84117478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210581746.0A Pending CN115390551A (zh) | 2022-05-26 | 2022-05-26 | 一种机器人路径规划方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115390551A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117047776A (zh) * | 2023-09-25 | 2023-11-14 | 苏州诺克汽车工程装备有限公司 | 一种六自由度机械臂对复杂零件抓取的路径规划方法 |
CN117432949A (zh) * | 2023-12-20 | 2024-01-23 | 东北大学 | 管道巡检机器人的导航方法及装置、存储介质、终端 |
-
2022
- 2022-05-26 CN CN202210581746.0A patent/CN115390551A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117047776A (zh) * | 2023-09-25 | 2023-11-14 | 苏州诺克汽车工程装备有限公司 | 一种六自由度机械臂对复杂零件抓取的路径规划方法 |
CN117432949A (zh) * | 2023-12-20 | 2024-01-23 | 东北大学 | 管道巡检机器人的导航方法及装置、存储介质、终端 |
CN117432949B (zh) * | 2023-12-20 | 2024-03-15 | 东北大学 | 管道巡检机器人的导航方法及装置、存储介质、终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110260867B (zh) | 一种机器人导航中位姿确定、纠正的方法、设备及装置 | |
CN110927740B (zh) | 一种移动机器人定位方法 | |
CN115390551A (zh) | 一种机器人路径规划方法、装置、电子设备及存储介质 | |
US12038753B2 (en) | Speed planning method and apparatus, electronic device and storage medium | |
JP5060619B2 (ja) | モーション計画方法、モーション計画システム及び記録媒体 | |
EP4102186A1 (en) | Method for constructing self-driving map and related device | |
CN108444490B (zh) | 基于可视图和a*算法深度融合的机器人路径规划方法 | |
CN111680747B (zh) | 用于占据栅格子图的闭环检测的方法和装置 | |
US9910878B2 (en) | Methods for processing within-distance queries | |
US20230008289A1 (en) | Route processing method and apparatus | |
CN112859110A (zh) | 一种基于三维激光雷达的定位导航方法 | |
Zhang et al. | Intelligent path planning by an improved RRT algorithm with dual grid map | |
CN118068834A (zh) | 路径规划方法、装置、车辆及存储介质 | |
Hsu | Obstacle avoidance path scheme of snake robot based on bidirectional fast expanding random tree algorithm | |
CN116772846A (zh) | 一种无人机航迹规划方法、装置、设备及介质 | |
CN115167466B (zh) | 一种移动机器人标准控制集局部路径规划方法及系统 | |
Hernandez et al. | A path planning algorithm for an AUV guided with homotopy classes | |
CN108268009B (zh) | 一种用于确定刀触点的方法、装置和系统 | |
CN115576323A (zh) | 一种机器人移动路径的控制方法、装置、设备及介质 | |
CN113534702A (zh) | 一种控制方法、装置、设备及存储介质 | |
CN113985894A (zh) | 一种自主避障路径规划方法、装置、设备及存储介质 | |
Peng et al. | Autonomous Navigation for Mobile Robot | |
Zhu et al. | [Retracted] Path Planning of Energy Robot Based on Improved Ant Colony Algorithm | |
Zhang et al. | Research on Trajectory Planning Based on A* Algorithm | |
CN117077884B (zh) | 路径规划方法、装置、计算机设备和存储介质 |
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 |