CN115542896A - 一种机器人路径生成方法、系统及存储介质 - Google Patents
一种机器人路径生成方法、系统及存储介质 Download PDFInfo
- Publication number
- CN115542896A CN115542896A CN202211136169.0A CN202211136169A CN115542896A CN 115542896 A CN115542896 A CN 115542896A CN 202211136169 A CN202211136169 A CN 202211136169A CN 115542896 A CN115542896 A CN 115542896A
- Authority
- CN
- China
- Prior art keywords
- path
- obstacle
- array
- local
- serial number
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 46
- 238000009499 grossing Methods 0.000 claims abstract description 16
- 101100446506 Mus musculus Fgf3 gene Proteins 0.000 claims description 12
- 101100348848 Mus musculus Notch4 gene Proteins 0.000 claims description 12
- 101000767160 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) Intracellular protein transport protein USO1 Proteins 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 2
- 230000004888 barrier function Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 5
- 230000011218 segmentation Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种机器人路径生成方法、系统及存储介质，包括如下步骤：S1：获取代价地图，将初始路径的位置点转换成代价地图的序号，根据序号值判断初始路径上是否存在有障碍物，若存在，则将障碍物的序号进行标记并保存至障碍物数组中；S2：根据障碍物数组进行局部目标点的选取，根据局部目标点规划局部路径；S3：根据局部目标点将初始路径进行分割，根据分割后的初始路径与局部路径进行拼接，形成全局路径；S4：对全局路径进行重叠检测；S5：对进行重叠检测后的全局路径进行路径平滑。本发明提供的机器人路径生成方法、系统及存储介质，减少了运算量，一定程度上减少了路径规划的时间，降低了路径规划的资源消耗，提高了工作效率。
Description
技术领域
本发明涉及机器人路径规划技术领域，具体涉及一种机器人路径生成方法、系统及存储介质。
背景技术
随着机器人的应用越来越广泛，移动机器人的导航逐渐成为一个重要的问题。大部分情况下，导航框架可以分成路径规划与运动控制部分，路径规划指的是规划出一条避开障碍物的路径，而运动控制指的是沿着无碰撞路径进行前进。一旦机器人遇到了障碍物，原本的路径就可能被挡住，无法继续行走了，因此需要重新规划路径。
但在机器人面对大场景(如机场、火车站、地下车库等)时，因为机器人的运算资源有限，视觉、slam等资源消耗高的模块使得导航的资源极度缺乏。上面提到导航主要包含规划与控制部分，由于控制必须实时、快速，对其优化计算也比较困难，只有想办法对路径规划进行优化。如何能够快速地重新规划路径成为了是否成功导航的关键。
在机器人重新规划出绕开障碍物的路径时，如果目标点离机器人当前位置比较远，重新规划路径的耗时会比较长，而且非常没有必要，因为对于路径上距离机器人比较远的部分，机器人无法判断是否存在障碍物。如果直接重新规划路径，会导致重新规划的路径大部分与之前的路径重合。所以重新规划路径的时候，一般在路径上选择一个点作为局部目标点；全局路径上从局部目标点以后的部分，机器人并不需要重新规划，可以直接作为新的路径。
在路径上重新选取目标点进行规划也是存在弊端。当场景比较复杂时，新规划的局部路径可能会与原来剩下的全局路径出现重叠的情况，一旦形成了重叠的路径，机器人如果按照新的路径跟随，就会出现多走一段，白白多走了重叠的那一段，既浪费了机器人的能源，也会让人感觉机器人很不智能的情况。
发明内容
针对现有技术的不足，本发明提供了一种机器人路径生成方法、系统及存储介质，当检测到路径(初始路径)上存在有障碍物时，通过在路径上选择局部目标点来从新规划局部路径，并将局部路径与原来的路径(初始路径)进行拼接，并进行重叠检测，在大场景的路径规划中，一定程度上节省了规划的时间，降低规划的资源消耗。
为了实现本发明的目的，本发明提供一种机器人路径生成方法，包括如下步骤：
S1：获取代价地图，将初始路径的位置点转换成代价地图的序号，根据序号值判断初始路径上是否存在有障碍物，若存在，则将障碍物的序号进行标记并保存至障碍物数组中；
S2：根据障碍物数组进行局部目标点的选取，根据局部目标点规划局部路径；
S3：根据局部目标点将初始路径进行分割，根据分割后的初始路径与局部路径进行拼接，形成全局路径；
S4：对全局路径进行重叠检测；
S5：对进行重叠检测后的全局路径进行路径平滑。
优选的，所述步骤S3的具体步骤为：
根据局部目标点将初始路径进行分割，将局部目标点与初始路径的终点的之间的路径作为第一路径，将初始路径的起点与局部目标点之间的路径作为第二路径，并将第一路径和局部路径进行拼接形成全局路径。
优选的，所述步骤S4的具体步骤包括：
S41：对全局路径上的每个位置点进行重叠检测；
S411：新建数组P0<int1,int2,int3>，并初始化数组P0，所述数组P0用于保存输出的路径结果；其中，int1为全局路径下的序号，int2为世界坐标系下的x方向的序号，int3为世界坐标系下的y方向的序号。
S412：对全局路径上的每个位置点进行变换Pi＝(xi，yi)，其变换公式为：
pxi＝n*xi
pyi＝n*yi
其中，n为检测的分辨率，xi为在Pi世界坐标系下的x坐标，yi为Pi在世界坐标系下的y坐标；
S413：新建数组P1并初始化，对数组P0内的数据进行遍历，判断数组P1内是否有同时等于pxi和pyi的数据，即Pj＝(k，xj，yj)中的Pxj是否等于Pxi，Pxj是否等于Pyj，若存在，则表示检测到路径重叠，则进入步骤S414；若不存在，则将数据保存至数组P1中，并重复步骤S412-S414，直至P0中每个位置点检测完毕。
S414：若检测到路径重叠，则将数组P1中Pj到Pm的数据进行删除，其中m为P1的最有一个元素，并返回步骤S412。
优选的，所述步骤S2的具体步骤为：
根据障碍物数组进行第二预设值的障碍物的序号获取，并以第二预设值的障碍物的序号作为局部目标点的序号，并获取局部目标点在初始路径中的坐标，根据局部目标点和初始路径的终点重新规划局部路径。
优选的，所述步骤S1中根据序号值判断初始路径上是否存在有障碍物的具体步骤为：
通过序号检索代价地图上的代价值，并将代价值大于阈值的序号标记为障碍物，当序号检索到对应的代价值大于阈值时，则判定存在障碍物。
优选的，本发明还提供了一种机器人路径生成系统，包括：获取和转换模块：进行代价地图的获取，并将初始路径的位置点转换成代价地图的序号；
障碍物判断模块：根据序号值判断初始路径上是否存在有障碍物；
障碍物存储模块：当障碍物判断模块判断初始路径上存在障碍物时，将障碍物的序号进行保存；
局部路径生成模块：根据障碍物存储模块的数据进行局部目标点的选取，并生成局部路径；
全局路径生成模块：根据局部目标点对初始路径进行分割，并根据分割后的初始路径与局部路径进行拼接生成全局路径；
重叠检测模块：对生成的全局路径进行重叠检测；
路径平滑模块：对进行重叠检测后的全局路径进行路径平滑操作。
优选的，所述全局路径生成模块具体包括：
根据局部目标点将初始路径进行分割，将局部目标点与初始路径的终点的之间的路径作为第一路径，将初始路径的起点与局部目标点之间的路径作为第二路径，并将第一路径和局部路径进行拼接形成全局路径。
优选的，所述局部路径生成模块具体包括：
根据障碍物数组的数据进行第二预设值的障碍物的序号获取，并以第二预设值的障碍物的序号作为局部目标点的序号，并获取局部目标点在初始路径中的坐标，根据局部目标点和初始路径的终点重新规划局部路径。
优选的，所述重叠检测模块具体包括：
重叠检测子模块：对全局路径生成模块生成的全局路径上的每个位置点进行重叠检测；
第一子模块：新建数组P0<int1,int2,int3>，并初始化数组P0，所述数组P0用于保存输出的路径结果；其中，int1为全局路径下的序号，int2为世界坐标系下的x方向的序号，int3为世界坐标系下的y方向的序号。
第二子模块：对全局路径上的每个位置点进行变换Pi＝(xi，yi)，其变换公式为：
pxi＝n*xi
pyi＝n*yi
其中，n为检测的分辨率，xi为在Pi世界坐标系下的x坐标，yi为Pi在世界坐标系下的y坐标；
第三子模块：新建数组P1并初始化，对数组P0内的数据进行遍历，判断数组P1内是否有同时等于pxi和pyi的数据，即Pj＝(k，xj，yj)中的Pxj是否等于Pxi，Pxj是否等于Pyj，若存在，则表示检测到路径重叠，则进入第四子模块；若不存在，则将数据保存至数组P1中，并重复执行第二子模块、第三子模块和第四子模块的操作，直至P0中每个位置点检测完毕；
第四子模块：若检测到路径重叠，则将数组P1中Pj到Pm的数据进行删除，其中m为P1的最后一个元素，并返回第二子模块。
优选的，本发明还提供了一种计算机可读存储介质，所述计算机介质上存储有至少一个计算机程序，该计算机程序被处理器执行时实现上述实施例中任一项的路径生成方法的步骤。
本发明的有益效果为：本发明提供的机器人路径生成方法、系统及存储介质，通过选取局部目标点来重新规划路径，并与原路径相结合，一定程度上避免了重新规划路径，减少了运算量，同时对路径进行重叠检测，一定程度上减少了路径规划的时间，降低了路径规划的资源消耗，提高了工作效率。
附图说明
通过附图中所示的本发明优选实施例更具体说明，本发明上述及其它目的、特征和优势将变得更加清晰。在全部附图中相同的附图标记指示相同的部分，且并未刻意按实际尺寸等比例缩放绘制附图，重点在于示出本的主旨。
图1为本发明实施例提供的机器人路径生成方法的流程示意图；
图2为本发明实施例提供的机器人路径生成方法及装置的的具体流程示意图；
图3为本发明实施例提供的机器人路径生成方法中判断路径是否有障碍物的流程示意图；
图4为本发明实施例提供的重叠检测的具体流程示意图；
具体实施方式
下面结合附图和具体实施例对本发明技术方案作进一步的详细描述，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
请参考图1-4，本发明实施例提供一种机器人路径生成方法，包括如下步骤：
S1：获取代价地图，将初始路径的位置点转换成代价地图的序号，根据序号值判断初始路径上是否存在有障碍物，若存在，则将障碍物的序号进行标记并保存至障碍物数组中；
S2：根据障碍物数组进行局部目标点的选取，根据局部目标点规划局部路径(此处的局部路径为以机器人当前的位置(局部目标点)为起点，使用规划算法重新规划一条局部路径，新规划的局部路径会绕开当前检测到的障碍物，避免路径被障碍物中断)；
S3：根据局部目标点将初始路径进行分割，根据分割后的初始路径与局部路径进行拼接，形成全局路径；
S4：对全局路径进行重叠检测；
S5：对进行重叠检测后的全局路径进行路径平滑。
在进行重叠检测后，会存在曲率变化较大的情况，因此需要对路径进行平滑之后，再输出到控制器。常用的路径平滑方法即可应用在这里，如贝塞尔曲线平滑、三次样条平滑、佛洛依德平滑等。
请参考图1-4，本发明提供的机器人路径生成方法、系统及存储介质，当机器人遇到障碍物时，先在初始路径上搜索一个可行的局部目标点，以选择的点作为目标点重新规划局部路径，接着将局部路径拼接到原来的初始路径上形成全局路径，拼接后自动检测路径是否发生重叠，一旦发生重叠后，将重叠的部分删除，删除后将路径进行平滑，即可形成没有障碍物的路径。
本发明的有益效果为：本发明提供的机器人路径生成方法、系统及存储介质，当检测到路径(初始路径)上存在有障碍物时，通过在路径上选择局部目标点来重新规划局部路径，并将局部路径与原来的路径(初始路径)进行拼接，并进行重叠检测，在大场景的路径规划中，一定程度上节省了规划的时间，降低规划的资源消耗。
请参考图1-4，在优选实施例中，所述步骤S3的具体步骤为：
根据局部目标点将初始路径进行分割，将局部目标点与初始路径的终点的路径作为第一路径(由于局部目标点是根据障碍物数组进行选取的，因此在进行路径分割时，第一路径上基本上已经没有了障碍物，而第二路径上还存在有障碍物，因此需要将第二路径删除。在进行全局路径叠加时，由于局部路径规划时，并没有考虑第一路径的存在，因此在第一路径和局部路径进行拼接时，需要进行重叠检测)，将初始路径的起点与局部目标点之间的距离作为第二路径，并将第一路径和局部路径进行拼接形成全局路径；
例如：设初始路径为Pglobal，先通过局部目标点将初始路径Pglobal分成两半，记局部目标点到初始路径的终点的路径为前一半路径(第一路径)，既Pfront＝[Pigoal+1，Pigoal+2……，Pn]初始路径起点到局部目标点的路径为后一半路径(第二路径)，Pback＝[P0，Pi……Pigoal]，然后将后一半路径Pback进行删除，将局部路径和前一半路径Pfront进行拼接即可得到全局路径Pnew。
请参考图1和3，在优选实施例中，所述步骤S4的具体步骤包括：
S41：对全局路径上的每个位置点进行重叠检测(进行重叠检测的目的是防止机器人走重复的路径，从而浪费了一定的时间，在检测到重叠路径时，对路径进行剪切即可，假设，全局路径上的A路段与B路段重叠，则将A路段或B路段删除即可。
S411：新建数组P0<int1,int2,int3>，并初始化数组P0，所述数组P0用于保存输出的路径结果；其中，int1为全局路径下的序号，int2为世界坐标系下的x方向的序号，int3为世界坐标系下的y方向的序号。
S412：对全局路径上的每个位置点进行变换Pi＝(xi，yi)，其变换公式为：
pxi＝n*xi
pyi＝n*yi
其中，n为检测的分辨率(分辨率可根据不同场景来进行选择调节，从而达到精准的目的)，xi为在Pi世界坐标系下的x坐标，yi为Pi在世界坐标系下的y坐标；
S413：新建数组P1并初始化，对数组P0内的数据进行遍历(迭代的点表示为Pi)，判断数组P1内是否有同时等于pxi和pyi的数据，即Pj＝(k，xj，yj)中的Pxj是否等于Pxi，Pxj是否等于Pyj，若存在，则表示检测到路径重叠，则进入步骤S414；若不存在，则将数据保存至数组P1中，并重复步骤S412-S414，直至全局路径上每个位置点检测完毕；
所谓的数据相同，是指数组P0内的一个位置点pi＝(i，pxi，pyi)与P1内的一个位置点pj＝(k，pxj，pyj)中的pxj是否等于pxi，pyj是否等于pyi；
S414：若检测到路径重叠(如果有数据相同(pxi＝pxj且pyi＝pyj且i-k>m)，则表示检测到路径重叠)，则将数组P1中数组P1内j以后的位置点(也可根据需要自由设定)的位置点进行删除，即P1＝[Pj,……Pend]进行删除,并返回步骤S412。
请参考图1-3，在进一步的优选实施例中，所述步骤S2的具体步骤为：
根据障碍物数组进行第二预设值的障碍物的序号获取(在局部目标点的选取中，一般情况下，序号越大，则越靠近障碍物，因此需要在障碍物数组中选择最大的序号，这个代表着离目标点(初始路径的终点)最靠近的障碍物，此处所述的第二预设值为离初始路径的终点最近的障碍物的序号值+40作为局部目标点的序号，本申请中只阐述一种实施例，局部目标点的选取准则可根据用户自由设定，选取的局部目标点并不唯一)，并以第二预设值的障碍物的序号作为局部目标点的序号，并获取局部目标点在初始路径中的坐标，根据局部目标点和初始路径的终点重新规划局部路径。
请参考图1-3，在进一步的优选实施例中，所述步骤S1中根据序号值判断初始路径上是否存在有障碍物的具体步骤为：
通过序号检索代价地图上的代价值(代价地图以二维数组的形式实现，通过序号可以查询到该点对应坐标的代价值)，并将代价值大于阈值的序号标记为障碍物(此处的阈值可自由设定，假设正常情况下的位置点的代价值为0到255，则障碍物的代价值可设置为100～255，即阈值设置为100，可自由定义)，当序号检索到对应的代价值大于阈值时，则判定存在障碍物。
本申请中的代价地图为栅格地图，传感器的信息通过变换关系，会将障碍物标记在代价地图上。每个栅格的值表示着离障碍物的远近，一般距离障碍物越近，那么代价值就会越大；使用开源的move_base导航框架，能够容易地获取代价地图；
每个代价地图上带有原点信息与分辨率信息，世界坐标系上的每个坐标均能通过映射关系，获取其在代价地图上相对应的序号值。当时如果序号值超过代价地图的大小，则可以认为是空闲或者障碍物，根据用户的需要自定义。
在实际的操作中，并不一定需要将整个路径转换，为了加快判断，有可能将当前超过一定长度之后的路径就认为是空闲，因为远端路径对目前机器人的状态影响极少。
请参考图1-4，在优选实施例中，本发明还提供了一种机器人路径生成系统，包括：获取和转换模块：进行代价地图的获取，并将初始路径的位置点转换成代价地图的序号；
障碍物判断模块：根据序号值判断初始路径上是否存在有障碍物；
障碍物存储模块：当障碍物判断模块判断初始路径上存在障碍物时，将障碍物的序号进行保存；
局部路径生成模块：根据障碍物存储模块的数据进行局部目标点的选取，并生成局部路径；
全局路径生成模块：根据局部目标点对初始路径进行分割，并根据分割后的初始路径与局部路径进行拼接生成全局路径；
重叠检测模块：对生成的全局路径进行重叠检测；
路径平滑模块：对进行重叠检测后的全局路径进行路径平滑操作。
请参考图1-4，在进一步的优选实施例中，所述全局路径生成模块具体包括：
根据局部目标点将初始路径进行分割，将局部目标点与初始路径的终点的路径作为第一路径，将初始路径的起点与局部目标点之间的路径作为第二路径，并将第一路径和局部路径进行拼接形成全局路径。
请参考图1-2，在优选实施例中，所述局部路径生成模块具体包括：
根据障碍物数组的数据进行第二预设值的障碍物的序号获取，并以第二预设值的障碍物的序号作为局部目标点的序号，并获取局部目标点在初始路径中的坐标，根据局部目标点和初始路径的终点重新规划局部路径。
请参考图1-3，在优选实施例中，所述重叠检测模块具体包括：
重叠检测子模块：对全局路径生成模块生成的全局路径上的每个位置点进行重叠检测；
第一子模块：新建数组P0<int1,int2,int3>，并初始化数组P0，所述数组P0用于保存输出的路径结果；其中，int1为全局路径下的序号，int2为世界坐标系下的x方向的序号，int3为世界坐标系下的y方向的序号。
第二子模块：对全局路径上的每个位置点进行变换Pi＝(xi，yi)，其变换公式为：
pxi＝n*xi
pyi＝n*yi
其中，n为检测的分辨率，xi为在Pi世界坐标系下的x坐标，yi为Pi在世界坐标系下的y坐标；
第三子模块：新建数组P1并初始化，对数组P0内的数据进行遍历(迭代的点表示为Pi)，，判断数组P1内是否有同时等于pxi和pyi的数据，即Pj＝(k，xj，yj)中的Pxj是否等于Pxi，Pxj是否等于Pyj，若存在，则表示检测到路径重叠，则进入第四子模块；若不存在，则将数据保存至数组P1中，并重复执行第二子模块、第三子模块和第四子模块的操作，直至P0中每个位置点检测完毕,最后P1即包含新的路径；
第四子模块：若检测到路径重叠，则将数组P1中Pj到Pm的数据进行删除，其中m为P1的最后一个元素，并返回第二子模块。
请参考图1-4，在优选实施例中，本发明还提供了一种计算机可读存储介质，所述计算机介质上存储有至少一个计算机程序，该计算机程序被处理器执行时实现上述实施例中任一项的路径生成方法的步骤。
存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。
本发明的有益效果为：本发明提供了一种机器人路径生成方法、系统及存储介质，当检测到路径(初始路径)上存在有障碍物时，通过在路径上选择局部目标点来从新规划局部路径，并将局部路径与原来的路径(初始路径)进行拼接，并进行重叠检测，在大场景的路径规划中，一定程度上节省了规划的时间，降低规划的资源消耗。
本申请提供的机器人路径生成方法、系统及存储介质，相对于现有技术相比，还具有如下显著特征：
1、对于目标点比较远的场景，充分利用之前规划好的路径，能够避免全部重新规划路径，大大减少运算量；
2、提出的路径重叠检测方法，能够根据不同的场景修改分辨率，从而达到均衡精度与运算量的目的；
3、路径平滑的方法并不局限，可以通过不同的路径平滑方法，实现不同的效果，算法在框架下可以简单的更换。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种机器人路径生成方法，其特征在于，包括如下步骤：
S1：获取代价地图，将初始路径的位置点转换成代价地图的序号，根据序号值判断初始路径上是否存在有障碍物，若存在，则将障碍物的序号进行标记并保存至障碍物数组中；
S2：根据障碍物数组进行局部目标点的选取，根据局部目标点规划局部路径；
S3：根据局部目标点将初始路径进行分割，根据分割后的初始路径与局部路径进行拼接，形成全局路径；
S4：对全局路径进行重叠检测；
S5：对进行重叠检测后的全局路径进行路径平滑。
2.如权利要求1所述的路径生成方法，其特征在于，所述步骤S3的具体步骤为：
根据局部目标点将初始路径进行分割，将局部目标点与初始路径的终点的之间的路径作为第一路径，将初始路径的起点与局部目标点之间的路径作为第二路径，并将第一路径和局部路径进行拼接形成全局路径。
3.如权利要求1所述的路径生成方法，其特征在于，所述步骤S4的具体步骤包括：
S41：对全局路径上的每个位置点进行重叠检测；
S411：新建数组P0<int1,int2,int3>，并初始化数组P0，所述数组P0用于保存输出的路径结果；其中，int1为全局路径下的序号，int2为世界坐标系下的x方向的序号，int3为世界坐标系下的y方向的序号。
S412：对全局路径上的每个位置点进行变换Pi＝(xi，yi)，其变换公式为：
pxi＝n*xi
pyi＝n*yi
其中，n为检测的分辨率，xi为在Pi世界坐标系下的x坐标，yi为Pi在世界坐标系下的y坐标；
S413：新建数组P1并进行初始化，对数组P0内的数据进行遍历，判断数组P1内是否有同时等于pxi和pyi的数据，即Pj＝(k，xj，yj)中的Pxj是否等于Pxi，Pxj是否等于Pyj，若存在，则表示检测到路径重叠，则进入步骤S414；若不存在，则将数据保存至数组P1中，并重复步骤S412-S414，直至P0中每个位置点检测完毕；
S414：若检测到路径重叠，则将数组P1中Pj到Pm的数据进行删除，其中m为P1的最后一个元素，并返回步骤S412。
4.如权利要求1所述的路径生成方法，其特征在于，所述步骤S2的具体步骤为：
根据障碍物数组进行第二预设值的障碍物的序号获取，并以第二预设值的障碍物的序号作为局部目标点的序号，并获取局部目标点在初始路径中的坐标，根据局部目标点和机器人当前位置重新规划出局部路径。
5.如权利要求1所述的路径生成方法，其特征在于，所述步骤S1中根据序号值判断初始路径上是否存在有障碍物的具体步骤为：
通过序号检索代价地图上的代价值，并将代价值大于阈值的序号标记为障碍物，当序号检索到对应的代价值大于阈值时，则判定存在障碍物。
6.一种机器人路径生成系统，其特征在于，包括：
获取和转换模块：进行代价地图的获取，并将初始路径的位置点转换成代价地图的序号；
障碍物判断模块：根据序号值判断初始路径上是否存在有障碍物；
障碍物存储模块：当障碍物判断模块判断初始路径上存在障碍物时，将障碍物的序号进行保存；
局部路径生成模块：根据障碍物存储模块的数据进行局部目标点的选取，并生成局部路径；
全局路径生成模块：根据局部目标点对初始路径进行分割，并根据分割后的初始路径与局部路径进行拼接生成全局路径；
重叠检测模块：对生成的全局路径进行重叠检测；
路径平滑模块：对进行重叠检测后的全局路径进行路径平滑操作。
7.如权利要求6所述的路径生成系统，其特征在于，所述全局路径生成模块具体包括：
根据局部目标点将初始路径进行分割，将局部目标点与初始路径的终点的之间的路径作为第一路径，将初始路径的起点与局部目标点之间的路径作为第二路径，并将第一路径和局部路径进行拼接形成全局路径。
8.如权利要求1所述的路径生成系统，其特征在于，所述局部路径生成模块具体包括：
根据障碍物数组的数据进行第二预设值的障碍物的序号获取，并以第二预设值的障碍物的序号作为局部目标点的序号，并获取局部目标点在初始路径中的坐标，根据局部目标点和初始路径的终点重新规划局部路径。
9.如权利要求1所述的路径生成系统，其特征在于，所述重叠检测模块具体包括：
重叠检测子模块：对全局路径生成模块生成的全局路径上的每个位置点进行重叠检测；
第一子模块：新建数组P0<int1,int2,int3>，并初始化数组P0，所述数组P0用于保存输出的路径结果；其中，int1为全局路径下的序号，int2为世界坐标系下的x方向的序号，int3为世界坐标系下的y方向的序号。
第二子模块：对全局路径上的每个位置点进行变换Pi＝(xi，yi)，其变换公式为：
pxi＝n*xi
pyi＝n*yi
其中，n为检测的分辨率，xi为在Pi世界坐标系下的x坐标，yi为Pi在世界坐标系下的y坐标；
第三子模块：新建数组P1并初始化，对数组P0内的数据进行遍历，判断数组P1内是否有同时等于pxi和pyi的数据，即Pj＝(k，xj，yj)中的Pxj是否等于Pxi，Pxj是否等于Pyj，若存在，则表示检测到路径重叠，则进入第四子模块；若不存在，则将数据保存至数组P1中，并重复执行第二子模块、第三子模块和第四子模块的操作，直至P0中每个位置点检测完毕；
第四子模块：若检测到路径重叠，则将数组P1中Pj到Pm的数据进行删除，其中m为P1的最后一个元素，并返回第二子模块。
10.一种计算机可读存储介质，其特征在于，所述计算机介质上存储有至少一个计算机程序，该计算机程序被处理器执行时实现权利要求1-5中任一项所述的路径生成方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211136169.0A CN115542896B (zh) | 2022-09-19 | 2022-09-19 | 一种机器人路径生成方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211136169.0A CN115542896B (zh) | 2022-09-19 | 2022-09-19 | 一种机器人路径生成方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115542896A true CN115542896A (zh) | 2022-12-30 |
| CN115542896B CN115542896B (zh) | 2025-01-07 |
Family
ID=84728269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211136169.0A Active CN115542896B (zh) | 2022-09-19 | 2022-09-19 | 一种机器人路径生成方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115542896B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116385489A (zh) * | 2023-04-04 | 2023-07-04 | 森丽康科技(北京)有限公司 | 基于rgbd相机的目标跟随方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106774347A (zh) * | 2017-02-24 | 2017-05-31 | 安科智慧城市技术（中国）有限公司 | 室内动态环境下的机器人路径规划方法、装置和机器人 |
| WO2022142858A1 (zh) * | 2020-12-28 | 2022-07-07 | 深圳市普渡科技有限公司 | 机器人移动路径规划方法、确定规划的路径点偏离历史路径程度的方法、装置、机器人及计算机可读存储介质 |
-
2022
- 2022-09-19 CN CN202211136169.0A patent/CN115542896B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106774347A (zh) * | 2017-02-24 | 2017-05-31 | 安科智慧城市技术（中国）有限公司 | 室内动态环境下的机器人路径规划方法、装置和机器人 |
| WO2022142858A1 (zh) * | 2020-12-28 | 2022-07-07 | 深圳市普渡科技有限公司 | 机器人移动路径规划方法、确定规划的路径点偏离历史路径程度的方法、装置、机器人及计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 杨姗姗;戴学丰;唱江华;: "实现机器人动态路径规划的仿真系统", 计算机工程与应用, no. 32, 11 November 2009 (2009-11-11) * |
| 饶军: "移动机器人自主探索建图与路径规划技术研究", CNKI硕士学位论文数据库, 15 April 2024 (2024-04-15) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116385489A (zh) * | 2023-04-04 | 2023-07-04 | 森丽康科技(北京)有限公司 | 基于rgbd相机的目标跟随方法及系统 |
| CN116385489B (zh) * | 2023-04-04 | 2023-10-03 | 森丽康科技(北京)有限公司 | 基于rgbd相机的目标跟随方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115542896B (zh) | 2025-01-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20210116576A (ko) | 시각적 로봇 기반의 과거 지도 이용 방법 | |
| US9207678B2 (en) | Method and apparatus for constructing map for mobile robot | |
| WO2019062651A1 (zh) | 一种定位建图的方法及系统 | |
| CN106767827B (zh) | 一种基于激光数据的移动机器人点云地图创建方法 | |
| JP2019521401A (ja) | ロボットの経路計画システム、方法、ロボット及び媒体 | |
| CN111077495B (zh) | 一种基于三维激光的定位恢复方法 | |
| CN108827335B (zh) | 一种基于单向搜索模型的最短路径规划方法 | |
| CN108334080A (zh) | 一种针对机器人导航的虚拟墙自动生成方法 | |
| CN109163722A (zh) | 一种仿人机器人路径规划方法及装置 | |
| CN117193278B (zh) | 动态沿边路径生成的方法、装置、计算机设备和存储介质 | |
| CN109974739A (zh) | 基于高精度地图的全局导航系统及导航信息生成方法 | |
| CN116592897B (zh) | 基于位姿不确定性的改进orb-slam2定位方法 | |
| CN115542896A (zh) | 一种机器人路径生成方法、系统及存储介质 | |
| US20160019248A1 (en) | Methods for processing within-distance queries | |
| CN111609853B (zh) | 三维地图构建方法、扫地机器人及电子设备 | |
| CN105869512A (zh) | 多信息的混杂度量地图建图方法和装置 | |
| CN115290066A (zh) | 一种误差校正方法、装置及移动设备 | |
| CN115390551A (zh) | 一种机器人路径规划方法、装置、电子设备及存储介质 | |
| JP2024502523A (ja) | 位置特定方法および装置、コンピュータ装置、ならびにコンピュータ可読ストレージ媒体 | |
| CN114594772A (zh) | 机器人、路径规划方法、装置和存储介质 | |
| CN109977455A (zh) | 一种适用于带地形障碍三维空间的蚁群优化路径构建方法 | |
| Sun et al. | Concave-Hull Induced Graph-Gain for Fast and Robust Robotic Exploration | |
| CN112729302B (zh) | 巡检机器人导航方法、装置、巡检机器人和存储介质 | |
| CN114322994A (zh) | 一种基于离线全局优化的多点云地图融合方法和装置 | |
| CN114459483A (zh) | 基于机器人导航用地标导航地图构建与应用方法、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 |