CN117553804B - 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
- CN117553804B CN117553804B CN202410039540.4A CN202410039540A CN117553804B CN 117553804 B CN117553804 B CN 117553804B CN 202410039540 A CN202410039540 A CN 202410039540A CN 117553804 B CN117553804 B CN 117553804B
- Authority
- CN
- China
- Prior art keywords
- area
- initial
- candidate
- path
- robot
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 230000007704 transition Effects 0.000 claims abstract description 174
- 238000004590 computer program Methods 0.000 claims abstract description 22
- 230000000875 corresponding effect Effects 0.000 claims description 266
- 238000000605 extraction Methods 0.000 claims description 14
- 230000008447 perception Effects 0.000 claims description 14
- 230000002596 correlated effect Effects 0.000 claims description 8
- 230000001276 controlling effect Effects 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 description 98
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000005265 energy consumption Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000005520 cutting process Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000010422 painting Methods 0.000 description 3
- 238000005507 spraying Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 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
- 230000002688 persistence Effects 0.000 description 1
- VYMDGNCVAMGZFE-UHFFFAOYSA-N phenylbutazonum Chemical compound O=C1C(CCCC)C(=O)N(C=2C=CC=CC=2)N1C1=CC=CC=C1 VYMDGNCVAMGZFE-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本申请涉及一种路径规划方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：获取机器人的初始作业位置和当前地图，当前地图包括多个候选作业区域；在当前地图的可通行区域中，确定各个候选作业区域分别对应的初始转场路径；初始转场路径用于指示从初始作业位置到达候选作业区域的路径；基于候选作业区域的区域面积、候选作业区域对应的初始转场路径的路径长度和偏转角度确定区域到达代价，得到各个候选作业区域分别对应的区域到达代价；基于区域到达代价，从各个候选作业区域中确定机器人的目标作业区域；继续从最新地图中确定机器人的下一目标作业区域，直至满足第一结束条件，结束路径规划。采用本方法能够提高机器人作业效率。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种路径规划方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
导航技术一直是移动机器人领域的重点研究技术，它与同步定位与建图(SLAM)、路径规划等技术密切相关。路径规划是为轮式机器人在含有障碍物的环境中规划一条从起始点到目标点的最优或次优无碰撞路径。
现有技术中，机器人通常是盲目地基于作业地图中的各个可通行区域，生成能够覆盖作业地图内所有可通行区域的全覆盖路径，基于盲目生成的全覆盖路径往往不是最优的路径，进行作业的效率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高机器人作业效率的路径规划方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
本申请提供了一种路径规划方法。所述方法包括：
获取机器人的初始作业位置；
获取当前地图；当前地图包括多个候选作业区域；
在当前地图的可通行区域中，确定各个候选作业区域分别对应的初始转场路径；初始转场路径用于指示从初始作业位置到达候选作业区域的路径；
基于各个候选作业区域的区域面积、各个候选作业区域对应的初始转场路径的路径长度和偏转角度 确定区域到达代价，得到各个候选作业区域分别对应的区域到达代价；
基于区域到达代价，从各个候选作业区域中确定机器人的目标作业区域；
继续从最新地图中确定机器人的下一目标作业区域，直至满足第一结束条件，结束路径规划。
本申请还提供了一种路径规划装置，所述装置包括：
初始作业位置获取模块，用于获取机器人的初始作业位置；
当前地图获取模块，用于获取当前地图；当前地图包括多个候选作业区域；
初始转场路径确定模块，用于在当前地图的可通行区域中，确定各个候选作业区域分别对应的初始转场路径，初始转场路径用于指示从初始作业位置到达候选作业区域的路径；
区域到达代价确定模块，用于基于各个候选作业区域的区域面积、各个候选作业区域对应的初始转场路径的路径长度和偏转角度确定区域到达代价，得到各个候选作业区域分别对应的区域到达代价；
目标作业区域确定模块，用于基于区域到达代价，从各个候选作业区域中确定机器人的目标作业区域；
路径持续规划模块，用于继续从最新地图中确定机器人的下一目标作业区域，直至满足第一结束条件，结束路径规划。
一种计算机设备，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路径规划方法的步骤。
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上述路径规划方法的步骤。
一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述路径规划方法的步骤。
上述路径规划方法、装置、计算机设备、存储介质和计算机程序产品，通过获取机器人的初始作业位置和当前地图，在当前地图的可通行区域中，确定从初始作业位置到达各个候选作业区域的初始转场路径。基于候选作业区域的区域面积，候选作业区域对应的初始转场路径的路径长度和偏转角度，分别确定各个候选作业区域对应的区域到达代价。基于区域到达代价，在各个候选区域中确定机器人的目标作业区域。用相同的方法继续在最新地图中确定机器人的下一目标达到区域，直至满足第一结束条件，完成路径规划。如此，由于路径长度、偏转角度和区域面积能够从不同角度反映机器人从当前位置到达候选作业区域需要耗费的时长，因此，基于各个候选作业区域分别对应的区域面积、初始转场路径的路径长度、偏转角度得到的区域到达代价，能够表征机器人从初始作业位置到达候选作业区域需要消耗的时间成本和能量成本。基于各个候选作业区域分别对应的区域到达代价进行路径规划，能够有效提高机器人根据规划的路径进行作业的效率。
附图说明
图1为一个实施例中路径规划方法的应用环境图；
图2为一个实施例中路径规划方法的流程示意图；
图3为一个实施例中获取当前地图步骤的流程示意图；
图4为一个实施例中选取目标清洁作业区域的示意图；
图5为一个实施例中路径规划装置的结构框图；
图6为另一个实施例中路径规划装置的结构框图；
图7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用以解释本申请，并不用于限定本申请。
本申请实施例提供的路径规划方法，可以应用于如图1所示的应用环境中。该路径规划方法可以由机器人102或者服务器104执行，其中，机器人102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。机器人102获取自身初始作业位置，以及包括多个候选作业区域的当前地图，在当前地图的可通行区域中，确定各个候选作业区域分别对应的初始转场路径。机器人102基于各个候选作业区域的区域面积、各个候选作业区域对应的初始转场路径的路径长度和偏转角度确定到达代价，得到各个候选作业区域分别对应的区域到达代价。机器人102基于区域到达代价，从各个候选作业区域中确定机器人的目标作业区域，继续从最新地图中确定机器人的下一目标作业区域，直至满足第一结束条件，结束路径规划。其中，机器人102可以但不限于是各种需要自主移动的工业机器人（如搬运机器人、码垛机器人、喷涂机器人等）、服务机器人（如清洁机器人、配送机器人、割草机器人等）或特种机器人（消防机器人、水下机器人、安防机器人等）。
在一个实施例中，如图2所示，提供了一种路径规划方法，以该方法应用于机器人为例进行说明，包括以下步骤S202至S208：
步骤S202，获取机器人的初始作业位置。
其中，初始作业位置是指对机器人进行路径规划时，机器人在地图中的作业区域中的位置。 在一个实施例中，若机器人位于地图中的作业区域内，则将机器人所处位置作为初始作业位置。若机器人位于作业区域之外，则获取地图中作业区域内的、与机器人所处位置距离最近的可达点作为初始作业位置，搜索从机器人所处位置到达初始作业位置的最短路径，基于此最短路径前往作业区域中的初始作业位置。这样设置实现了机器人的任意点启动功能，从而提高了机器人的作业效率。
步骤S204，获取当前地图，当前地图包括多个候选作业区域。
需要说明的是，地图是机器人所在作业场景的离线的先验地图，是真实作业环境的映射，指示了机器人作业区域中的障碍物区域、可通行区域和历史作业轨迹区域等信息，是路径规划的依据之一。其中，障碍物区域包括存在静态障碍物、虚拟墙、禁区等不可通行的区域等；历史作业轨迹区域是指已经由机器人完成了作业处理的区域。例如，当机器人为清洁机器人时，历史作业轨迹区域是指清洁机器人已经清洁过的区域；当机器人为喷涂机器人时，历史作业轨迹区域是指喷涂机器人已经涂装过的区域。地图中障碍物区域内的各个轨迹点标注为占用，可通行区域内的各个轨迹点标注为可通行，可通行区域中的历史作业轨迹区域内的各个轨迹点还需标注为已处理，即历史作业轨迹区域内的各个轨迹点同时被标记为可通行和已处理。而当前地图，则是指当前时刻的最新地图。示例性地，机器人在先验地图的基础上，基于机器人在初始作业位置采集到的感知范围内的环境信息，更新先验地图中感知范围内对应的局部地图，得到的最新地图。
候选作业区域是指对地图的作业区域进行切割得到各个子作业区域中，需要机器人前往执行作业任务的子作业区域。例如，当机器人为清洁机器人时，根据当前地图中的清洁机器人的清洁作业区域的范围轮廓可以将清洁作业区域划分为多个子作业区域，还未经过清洁机器人清洁的子作业区域即为候选作业区域；当机器人为喷涂机器人时，候选作业区域即为当前地图中的喷涂作业区域的范围轮廓内，还未经过喷涂机器人涂装的子作业区域。
在一个实施例中，机器人以固定频率进行路径规划，例如，以2hz的频率进行路径规划。每次进行路径规划时，先基于机器人采集到的感知范围内的环境信息，对先验地图进行局部更新，同时基于机器人的历史作业轨迹，对地图中的历史作业轨迹区域进行更新，具体地，可以在机器人每到达一个轨迹点时，将机器人经过的上一个轨迹点标记为已处理，即将上一个轨迹点标记为历史作业轨迹点。这样更新，能够实现动态的路径规划，提高路径规划的实时性，从而提高机器人作业效率。
在一个实施例中，机器人获取到当前地图后，根据各个需要机器人前往进行作业的子作业区域的区域面积，对各个子作业区域进行筛选。具体地，剔除区域面积小于预设值的子作业区域，得到各个候选作业区域。由于对机器人作业区域进行切割往往会得到面积过小的子作业区域，当某一子作业区域的区域面积小于预设值，表明该子作业区域的作业价值较低，无法与该前往子作业区域进行作业的代价相平衡，若不剔除区域面积小于预设值的子作业区域，会大大增加机器人作业的时间成本、能源消耗。因此，剔除区域面积小于预设值的子作业面积，能够提高机器人的作业效率。
步骤S206，在当前地图的可通行区域中，确定各个候选作业区域分别对应的初始转场路径，初始转场路径用于指示从初始作业位置到达候选作业区域的路径。
其中，可通行区域是指地图中机器人能够通行的区域，可以在可通行区域上规划机器人的行驶路径。将地图划分为多个相同大小的栅格，每个栅格的中心即为一个轨迹点，确定机器人从初始作业位置到达候选作业区域的路径，就是在可通行区域内，搜索从初始作业位置到达候选作业区域需要依次经过哪些栅格，即需要依次经过哪些轨迹点。同时，地图中存在障碍物的栅格所对应的轨迹点标注为占用，剩余的不存在障碍物的栅格所对应的轨迹点标注为可通行，对于各个可通行的栅格，将经过机器人作业处理的各个栅格还标记为已处理。
候选作业区域对应的初始转场路径是指初步规划的、从初始作业位置到候选作业区域的路径，初始转场路径由可通行区域内的多个轨迹点组成，机器人依照初始转场路径中依次包含的各个轨迹点行驶，可以到达候选作业区域。
示例性地，机器人在当前地图的可通行区域中搜索从初始作业位置到达每个候选作业区域的最短转场路径，将最短转场路径作为候选作业区域对应的初始转场路径。
步骤S208，基于各个候选作业区域的区域面积、各个候选作业区域对应的初始转场路径的路径长度和偏转角度确定区域到达代价，得到各个候选作业区域分别对应的区域到达代价。
其中，偏转角度是指机器人在初始作业位置的朝向，与从初始作业位置到初始转场路径的终点的方向之间的夹角。区域到达代价是指对机器人从初始作业位置移动至候选作业区域的代价进行评估得到的数值，候选作业区域的区域到达代价与候选作业区域的优先性呈负相关，即候选作业区域的区域到达代价与候选作业区域被确定为目标作业区域的概率呈负相关。
示例性地，机器人融合同一候选作业区域的区域面积、候选作业区域对应的初始转场路径的路径长度和偏转角度，确定候选作业区域对应的区域到达代价，分别得到各个候选作业区域对应的区域到达代价。
在一个实施例中，将子作业区域对应的区域面积、子作业区域对应的初始转场路径的路径长度和偏转角度作为子作业区域对应的训练样本，获取多个训练样本，将子作业区域对应的真实区域到达代价作为样本标签，真实区域到达代价可以是根据历史经验确定的。基于多个训练样本训练初始区域代价预测模型，直至模型收敛，得到目标区域代价预测模型。将到候选作业区域的区域面积、候选作业区域对应的初始转场路径的路径长度和偏转角度输入目标区域代价预测模型，得到候选作业区域对应的预测区域到达代价。通过训练区域代价预测模型，基于区域代价预测模型，可以准确快速地预测候选作业区域对应的区域到达代价，提高路径规划的效率。
在一个实施例中，基于路径长度和偏转角度分别对应的权重，融合同一候选子作业区域对应的初始转场路径的路径长度和偏转角度，到达候选作业区域对应的初始到达代价。进而基于候选作业区域对应的区域面积调整初始到达代价，得到候选作业区域对应的区域到达代价。例如，可以将初始到达代价与区域面积的比值作为区域到达代价；也可以计算预设值与区域面积之间的差值，基于差值调整初始到达代价得到区域到达代价。候选作业区域的区域面积与区域到达代价成负相关。如此，能够提高区域到达代价的计算效率，提高路径规划的效率。
步骤S210，基于区域到达代价，从各个候选作业区域中确定机器人的目标作业区域。
其中，目标作业区域是指从各个候选作业区域中确定的，当前需要机器人前往进行作业的候选作业区域。
示例性地，机器人比较各个候选作业区域分别对应的区域到达代价的大小，将区域到达代价最小值对应的候选作业区域作为目标作业区域。
步骤S212，继续从最新地图中确定机器人的下一目标作业区域，直至满足第一结束条件，结束路径规划。
其中，最新地图是指确定下一目标作业区域的时刻对应的更新的地图。具体地，在确定下一目标作业区域的时刻，若当前地图产生了更新，则将更新后的最新的地图作为最新地图，若当前地图未产生更新，则将当前地图作为最新地图。第一结束条件可以根据实际需要进行设置。具体地，第一结束条件可以是机器人的电量小于预设值，可以是机器人完成了对地图中指定子作业区域的作业过程或路径规划，也可以是机器人完成了对最新地图中各个区域面积大于预设值，并且可达的子作业区域的作业过程或路径规划。
示例性地，机器人在确定目标作业区域后，机器人可以基于目标作业区域对应的初始转场路径，从初始作业位置行驶至目标作业区域对应的最近轮廓点。继续用相同的方法，从最新地图中确定机器人的下一目标作业区域，直至满足第一结束条件，结束路径规划。
具体地，机器人可以在确定目标作业区域后，继续针对目标作业区域进行区域内的路径规划，得到目标作业区域对应的区域内路径。例如，区域内路径可以基于回形路径规划、弓形路径规划等路径规划方法来确定。将上一目标作业区域的区域内路径的终点作为下一目标作业区域的初始作业位置，用相同的方法继续从最新地图中确定下一初始作业位置对应的目标作业区域，以及下一目标作业区域对应的初始转场路径和区域内路径，直至满足第一结束条件，得到当前地图对应的完整的作业路径，机器人基于当前地图对应的完整的作业路径进行作业。同时，机器人基于预设频率进行路径规划，在到达下一路径规划时刻时，将机器人在下一路径规划时刻对应的位置作为初始作业位置。重新确定下一路径规划时刻对应的最新地图所对应的完整的作业路径，机器人基于最新地图对应的完整的作业路径进行作业。每次路径规划都生成最新地图对应的完整的作业路径，机器人可以对完整的作业路径进行下载，使得机器人在网络连接断开时，能够基于完整的作业路径完成作业。机器人也可以在确定目标作业区域后，继续针对目标作业区域进行区域内的路径规划，得到目标作业区域对应的区域内路径，机器人基于目标作业区域对应的初始转场路径和区域内路径，前往目标作业区域进行作业。同时，机器人基于预设频率进行路径规划，在到达下一路径规划时刻时，将机器人在下一路径规划时刻对应的位置作为初始作业位置。每次路径规划都只规划下一目标作业区域对应的初始转场路径和区域内路径，可以提高路径规划的效率，减轻机器人的计算负担。
在到达下一路径规划时刻时，也即机器人处于行驶至下一目标作业区域的过程中，若机器人的初始作业位置位于目标作业区域之外，则基于下一路径规划时刻对应的最新地图和机器人的初始作业位置，重新确定目标作业区域和目标作业区域对应的初始转场路径和区域内路径，基于重新确定的初始转场路径和区域内路径进行作业；若初始作业位置位于目标作业区域内，则基于下一路径规划时刻对应的最新地图，重新确定目标作业区域对应的区域内路径，并确定目标作业区域对应的下一目标作业区域，以及下一目标作业区域对应的初始转场路径和区域内路径，机器人基于重新确定的目标作业区域对应的区域内路径、下一目标作业区域对应的初始转场路径和区域内路径进行行驶。直至满足第一结束条件，结束路径规划。
上述路径规划方法中，通过获取机器人的初始作业位置和当前地图，在当前地图的可通行区域中，确定从初始作业位置到达各个候选作业区域的初始转场路径。基于同一候选作业区域的区域面积候选作业区域对应的初始转场路径的路径长度和偏转角度，分别确定各个候选作业区域对应的区域到达代价。基于区域到达代价，在各个候选区域中确定机器人的目标作业区域。用相同的方法继续在最新地图中确定机器人的下一目标达到区域，直至满足第一结束条件，完成路径规划。这样，由于路径长度、偏转角度和区域面积能够从不同角度反映机器人从当前位置到达候选作业区域需要耗费的时长，因此，基于各个候选作业区域分别对应的区域面积、初始转场路径的路径长度、偏转角度得到的区域到达代价，能够表征机器人从初始作业位置到达候选作业区域需要消耗的时间成本和能量成本。基于各个候选作业区域分别对应的区域到达代价进行路径规划，能够有效提高机器人根据规划的路径进行作业的效率。
在一个实施例中，如图3所示，获取当前地图，包括：
步骤S302，获取先验地图。
步骤S304，基于机器人在初始作业位置对应的感知范围内采集到的环境信息，更新先验地图中感知范围对应的可通行区域，得到中间地图。
步骤S306，基于机器人的覆盖面积，更新中间地图中感知范围对应的可通行区域，得到当前地图。
其中，覆盖面积是指在某一点机器人不移动时能够作业的最大面积，机器人的覆盖面积和机器人的作业半径相关。例如，当机器人为清洁机器人时，覆盖面积为清洁机器人在某一点不移动时所能够清洁到的最大面积，此面积是由清洁机器人的清洁半径确定的。感知范围是指机器人自身携带的传感器所能够感知的范围，例如，感知范围可以是半径为2m的圆形区域，也可以是边长为4m的正方形区域。
示例性地，机器人获取先验地图，获取传感器采集到的感知范围内的环境信息。基于环境信息，更新先验地图中感知范围中的障碍物区域和可通行区域，得到中间地图。基于机器人的覆盖面积，缩小中间地图中感知范围对应的可通行区域的轮廓，得到当前地图。例如，可以基于机器人的覆盖面积的半径，对感知范围中的障碍物区域的轮廓进行扩大。
上述实施例中，在得到中间地图后，基于机器人的覆盖面积，缩小中间地图中感知范围内可通行区域的轮廓。这样，可以使得可通行区域向内收缩，障碍物区域向外扩大，以使基于可通行区域规划的路径与障碍物保持一定距离，从而提高路径规划的准确性，从而提高机器人的作业效率。
在一个实施例中，在当前地图的可通行区域中，确定各个候选作业区域分别对应的初始转场路径，包括：
针对各个候选作业区域中任意一个候选作业区域，在候选作业区域的区域轮廓上提取多个候选轮廓点，在当前地图的可通行区域中，确定从初始作业位置分别到达各个候选轮廓点的初始转场路径；
基于各个候选轮廓点分别对应的初始转场路径的路径长度，在各个候选轮廓点中确定候选作业区域对应的最近轮廓点；
将最近轮廓点对应的初始转场路径作为候选作业区域对应的初始转场路径。
其中，候选作业区域的区域轮廓是指构成候选作业区域的边界，区域轮廓由候选作业区域边界上的各个轮廓点组成。候选轮廓点是指从候选作业区域的区域轮廓所包含的各个轮廓点中选取的轮廓点，用于生成从初始作业位置到候选作业区域之间的初始转场路径。最近轮廓点是指各个候选轮廓点中，初始转场路径长度最小值对应的候选轮廓点。
示例性地，机器人针对任意一个候选作业区域，在候选作业区域的区域轮廓上提取多个候选轮廓点。例如，可以从候选作业区域的区域轮廓包含的各个轮廓点中，每隔预设数量的轮廓点提取一个轮廓点作为候选轮廓点；可以从候选作业区域的区域轮廓包含的各个轮廓点中，随机提取预设数量的轮廓点作为候选轮廓点。在当前地图的可通行区域中，搜索从初始作业位置分别到达候选作业区域对应的各个候选轮廓点的最短转场路径，到达各个候选轮廓点分别对应的初始转场路径。比较各个初始转场路径分别对应的路径长度，将初始转场路径最短的候选轮廓点作为候选作业区域对应的最近轮廓点。将最近轮廓点对应的初始转场路径作为候选作业区域对应的初始转场路径。
上述实施例中，从候选作业区域的区域轮廓所包含的各个轮廓点中，提取多个候选轮廓点，比较从初始作业位置分别到达各个候选轮廓点的最短转场路径的路径长度，将转场路径最短的候选轮廓点作为候选作业区域对应的最近轮廓点。将最近轮廓点对应的初始转场路径作为候选作业区域对应的初始转场路径，使得机器人能够以尽可能短的转场路径到达候选作业区域，从而提高机器人的作业效率。
在一个实施例中，在当前地图的可通行区域中，确定从初始作业位置分别到达各个候选轮廓点的初始转场路径，包括：
针对各个候选轮廓点中任意一个候选轮廓点，当初始作业位置和候选轮廓点之间的位置关系满足预设位置条件时，基于根据初始作业位置和候选轮廓点确定的直线提取多个初始轨迹点，基于各个初始轨迹点和候选轮廓点，得到从初始作业位置到达候选轮廓点的初始转场路径；
针对各个候选轮廓点中任意一个候选轮廓点，当初始作业位置和候选轮廓点之间的位置关系不满足预设位置条件时，基于从初始作业位置到达可通行的相邻轨迹点的轨迹点到达代价和从可通行的相邻轨迹点到达候选轮廓点的轮廓点到达代价，在初始作业位置对应的各个可通行的相邻轨迹点中确定初始轨迹点，继续在初始轨迹点对应的各个可通行的相邻轨迹点中确定下一初始轨迹点，直至可通行的相邻轨迹点包含候选轮廓点，基于各个初始轨迹点和候选轮廓点，得到从初始作业位置到达候选轮廓点的初始转场路径。
其中，预设位置条件是指初始作业位置和候选轮廓点之间的距离小于预设距离，并且从初始作业位置沿直线方向到达候选轮廓点的路径上不存在障碍物。初始轨迹点是指初始转场路径中除初始作业位置对应的轨迹点和候选轮廓点之外的各个轨迹点。可通行的相邻轨迹点是指标注为可通行区域内的相邻轨迹点。相邻轨迹点的轨迹点到达代价是指对机器人从初始作业位置到达相邻轨迹点的代价进行评估得到的数值，用于表征机器人从初始作业位置到达相邻轨迹点的成本，成本可以包括时间成本、能源消耗等。轮廓点到达代价是指对从相邻轨迹点到达候选轮廓点的代价进行评估得到的数值，用于表征机器人从相邻轨迹点到达候选轮廓点的成本，成本可以包括时间成本、能源消耗等，在具体实现过程中，轮廓点到达代价可以是基于相邻轨迹点与候选轮廓点之间的距离估算得到的。
示例性地，机器人针对各个候选轮廓点中任意一个候选轮廓点，当初始作业位置和候选轮廓点之间的位置关系满足预设位置条件时，确定初始作业位置和候选轮廓点所在的直线，基于初始作业位置和候选轮廓点所在的直线提取多个初始轨迹点。例如，可以在初始作业位置和候选轮廓点之间的直线上每隔预设距离提取一个点作为初始轨迹点。基于依次提取的各个初始轨迹点和候选轨迹点，生成从初始作业位置到达候选轮廓点的初始转场路径。
当初始作业位置和候选轮廓点之间的位置关系不满足预设位置条件时，获取初始作业位置对应的各个可通行的相邻轨迹点分别对应的轨迹点到达代价，以及各个可通行的相邻轨迹点分别对应的轮廓点到达代价。基于同一相邻轨迹点对应的轨迹点到达代价和轮廓点到达代价，分别确定各个相邻轨迹点对应的综合代价。将综合代价最小值对应的可通行的相邻轨迹点确定为初始轨迹点。继续在初始轨迹点对应的各个可通行的相邻轨迹点中，确定初始轨迹点对应的下一个初始轨迹点，直至初始轨迹点对应的各个可通行的相邻轨迹点中包含候选轮廓点，基于依次确定的各个初始轨迹点和候选轮廓点，得到从初始作业位置到达候选轮廓点的初始转场路径。
在一个实施例中，获取到初始轨迹点对应的下一初始轨迹点后，判断初始轨迹点对应的下一初始轨迹点是否为初始轨迹点对应的上一初始轨迹点的相邻轨迹点。若是，则对初始轨迹点对于上一初始轨迹点的轨迹点到达代价、下一初始轨迹点对于初始轨迹点的轨迹点到达代价进行求和，得到初始到达代价。若初始到达代价大于下一初始轨迹点对于上一初始轨迹点的轨迹点到达代价，则用初始轨迹点对应的下一初始轨迹点替换初始轨迹点。这样能够有效减少机器人从初始作业位置到达候选轮廓点的成本，提高机器人的作业效率。
上述实施例中，在初始作业位置和候选轮廓点之间的位置关系满足预设位置条件时，基于初始作业位置和候选轮廓点所在的直线提取多个初始轨迹点，到达初始转场路径，能够提高初始转场路径的确定效率，同时能够保证初始转场路径的路径长度最短，提高机器人基于初始转场路径到达候选轮廓点的效率。在初始作业位置和候选轮廓点之间的位置关系满足预设位置条件时，基于可通行的相邻轨迹点对应的轨迹点到达代价和轮廓点到达代价来逐步确定各个初始轨迹点，从而得到初始转场路径，能够有效降低机器人基于初始转场路径从初始作业位置到达候选轮廓点的代价，提高机器人的作业效率。
在一个实施例中，基于各个候选作业区域的区域面积、各个候选作业区域对应的初始转场路径的路径长度和偏转角度确定区域到达代价，得到各个候选作业区域分别对应的区域到达代价，包括：
针对各个候选作业区域中任意一个候选作业区域，融合候选作业区域的区域面积、候选作业区域对应的初始转场路径的路径长度和偏转角度，得到候选区域对应的区域到达代价，其中，区域到达代价与路径长度、偏转角度呈正相关，与区域面积呈负相关。
示例性地，机器人获取区域面积、路径长度和偏转角度分别对应的权重。基于区域面积、路径长度和偏转角度分别对应的权重，融合同一候选作业区域的区域面积、初始转场路径的路径长度和偏转角度，分别得到各个候选作业区域对应的区域到达代价。
在一个实施例中，候选作业区域对应的区域到达代价可以通过以下公式计算：
其中，cost为候选作业区域的区域到达代价，dist为候选作业区域对应的初始转场路径的路径长度，theta为候选作业区域对应的初始转场路径的偏转角度，s为候选作业区域的区域面积；k1、k2、k3分别为路径长度dist、偏转角度theta和区域面积s对应的权重。
上述实施例中，基于路径长度、偏转角度和区域面积分别对应的权重，融合同一候选作业区域对应的路径长度、偏转角度和区域面积，得到候选作业区域对应的区域到达代价。基于各个候选作业区域分别对应的区域到达代价，在各个候选作业区域中确定目标作业区域。由于区域到达代价与路径长度、偏转角度呈正相关，与区域面积呈负相关，因此，机器人会先选取区域面积越大、转场路径越短、偏转角度越小的候选作业区域作为目标作业区域，这样，能够降低每次转场的时间成本和能量消耗，从而提高机器人的作业效率。
在一个实施例中，路径规划方法还包括：
针对目标作业区域对应的初始转场路径，基于初始转场路径包含的初始轨迹点对应的梯度差异调整初始轨迹点的坐标，分别得到初始转场路径包含的各个初始轨迹点对应的目标轨迹点，初始轨迹点对应的梯度差异用于指示初始轨迹点与前向轨迹点之间的前向梯度、初始轨迹点与后向轨迹点之间的后向梯度之间的差异；
基于各个目标轨迹点得到目标作业区域对应的目标转场路径；
基于目标转场路径控制机器人到达目标作业区域。
其中，初始轨迹点是指初始转场路径中除初始作业位置对应的轨迹点和候选轮廓点之外的各个轨迹点。目标轨迹点是指对初始轨迹点的坐标进行调整得到的轨迹点。初始轨迹点的前向轨迹点是指初始轨迹点在所属初始转场路径中对应的前一个初始轨迹点所对应的目标轨迹点，若初始轨迹点对应的前一个轨迹点为初始作业位置对应的轨迹点，则初始轨迹点对应的前向轨迹点为初始作业位置对应的轨迹点。类似地，后向轨迹点是指初始轨迹点在所属初始转场路径中对应的下一个初始轨迹点。前向梯度是指初始轨迹点和前向轨迹点之间的梯度。后向梯度是指初始轨迹点和后向轨迹点之间的梯度。梯度差异是指初始轨迹点对应的前向梯度和后向梯度之间的差异，用于表征初始轨迹点在初始转场路径中的平滑程度。目标转场路径是指由初始转场路径中各个初始轨迹点分别对应的目标轨迹点，以及初始转场路径中的候选轮廓点组成的转场路径。
示例性地，机器人将目标作业区域对应的初始转场路径中的包含的第一个初始轨迹点作为当前轨迹点，基于当前轨迹点与前向轨迹点，即初始作业位置对应的轨迹点之间的前向梯度，以及当前轨迹点与后向轨迹点之间的后向梯度，计算当前轨迹点对应的梯度差异。基于当前轨迹点对应的梯度差异，调整当前轨迹点的坐标，得到当前轨迹点对应的目标轨迹点。继续获取当前轨迹点对应的下一个初始轨迹点，将下一个初始轨迹点作为当前轨迹点。将当前轨迹点与前向轨迹点，即上一个初始轨迹点所对应的目标轨迹点之间的前向梯度，以及当前轨迹点与后向轨迹点之间的后向梯度，计算当前轨迹点对应的梯度差异。基于当前轨迹点对应的梯度差异，调整当前轨迹点的坐标，得到当前轨迹点对应的目标轨迹点。返回获取当前轨迹点对应的下一个初始轨迹点的步骤执行，直至当前轨迹点对应的下一轨迹点为候选轮廓点，得到初始转场路径中各个初始轨迹点分别对应的目标轨迹点。基于初始作业位置对应的轨迹点、各个目标轨迹点和候选轮廓点，得到目标作业区域对应的目标转场路径。机器人基于目标转场路径到达目标达到区域。
上述实施例中，基于初始轨迹点对应的梯度差异，依次调整初始转场路径中的各个初始轨迹点分别对应的坐标，得到对应的目标转场路径。这样得到的目标转场路径更加平滑，能够有效降低转场路径的路径长度，减少机器人到达目标作业区域的时间成本和能量消耗，提高机器人作业的效率。
在一个实施例中，路径规划方法还包括：
针对目标作业区域对应的转场路径的终点，基于预设轨迹提取方向，从终点在当前地图中对应的各个可通行的相邻轨迹点中确定区域内轨迹点；
继续基于预设轨迹提取方向，从区域内轨迹点在当前地图中对应的各个可通行的相邻轨迹点中确定下一区域内轨迹点，直至满足第二结束条件，基于各个区域内轨迹点，得到目标作业区域对应的区域内路径；
拼接目标作业区域对应的转场路径与区域内路径，得到目标作业区域对应的完整路径；
基于完整路径对机器人进行运动控制。
其中，本实施例中的转场路径可以是初始转场路径或目标转场路径，初始转场路径的终点和目标转场路径的终点均为目标作业区域对应的最近轮廓点。预设轨迹提取方向是指从目标作业区域的可通行区域内的各个轨迹点中逐个提取轨迹点生成区域内路径的轨迹点提取方向。例如，预设轨迹提取方向可以是按顺时针方向、从外向内逐个提取轨迹点生成区域内路径，即可以按照回形路径规划方式确定的轨迹提取方向；也可以按照弓形路径规划方式确定的轨迹提取方向；等等。
终点对应的可通行的相邻轨迹点是指在当前地图中，终点对应的各个相邻轨迹点中，标注为可通行的轨迹点。区域内轨迹点对应的可通行的相邻轨迹点是指在当前地图中，区域内轨迹点对应的各个相邻轨迹点中，标注为“可通行”的轨迹点。区域内轨迹点是指区域内路径中除候选轮廓点之外的各个轮廓点。
第二结束条件可以根据实际需要进行设置，具体地，第二结束条件可以是目标作业区域的可通行区域内的各个轨迹点均被作为区域内轨迹点加入到区域内路径中，也可以是机器人的电量低于预设值。
区域内路径是指目标作业区域对应的机器人作业路径，用于指示机器人按照区域内路径完成对目标作业区域的作业。例如，当机器人为清洁机器人时，目标作业区域对应的区域内路径，即为清洁机器人在目标作业区域内的清洁路径。完整路径用于指示机器人从初始作业位置移动至目标作业区域，并完成对目标作业区域的作业。
示例性地，机器人根据预设轨迹提取方向，在转场路径的终点对应的各个可通行的相邻轨迹点中确定区域内轨迹点。继续基于区域内轨迹点对应的各个可通行的相邻轨迹点，确定下一个区域内轨迹点，直至目标作业区域内的各个可通行的轨迹点均被作为区域内轨迹点加入到区域内路径中，得到目标作业区域对应的区域内路径。具体地，轨迹点对应的各个可通行的相邻轨迹点中，包括标记为已处理的轨迹点和未标记为已处理的轨迹点，在基于预设轨迹提取方向在各个可通行的相邻轨迹点中提取区域内轨迹点时，优先从未标记为已处理的轨迹点中确定区域内轨迹点，若各个可通行的相邻轨迹点均为标记为已处理的轨迹点，则从标记为已处理的轨迹点中确定区域内轨迹点。
具体地，拼接目标作业区域对应的转场路径与区域内路径，得到目标作业区域对应的完整路径，包括将目标作业区域对应的区域内路径中的第一个区域内轨迹点，作为目标作业区域对应转场路径的终点对应的下一个轨迹点，拼接目标作业区域对应的转场路径与区域内路径，得到目标作业区域对应的完整路径。
上述实施例中，在确定目标作业区域和从初始作业位置到达目标作业区域的转场路径后，进一步确定目标作业区域对应的区域内路径，拼接目标作业区域对应的转场路径和区域内路径，得到目标作业区域对应的完整路径。在地图中的障碍物未发生更新的情况下，机器人基于完整路径直接完成在目标作业区域内的作业，能够提高机器人的作业效率。
在一个实施例中，针对目标作业区域对应的完整路径，基于完整路径包含的除起点和终点之外的各个轨迹点分别对应的梯度差异调整轨迹点的坐标，分别得到完整路径包含的各个轨迹点对应的更新轨迹点。基于各个更新轨迹点和完整路径对应的起点和终点，得到目标作业区域对应的更新后的完整路径。基于轨迹点对应的梯度差异，依次调整完整路径中的各个轨迹点分别对应的坐标，得到更新后的完整路径。这样处理，得到的路径更加平滑，能够有效降低路径长度，减少机器人到达目标作业区域并在目标作业区域进行作业的时间成本和能量消耗，提高机器人作业的效率。
本申请还提供了一种应用场景，该应用场景应用上述的路径规划方法，该方法应用于清洁机器人进行清洁作业路径规划的场景。具体地，该路径规划方法在该应用场景的应用如下：
1、先验地图更新
更新先验地图是为了帮助清洁机器人更好的理解所处的环境，以及针对环境的变化及时调整对应的后续规划路径。更新先验地图包括以下步骤：
（1）将先验地图按清洁作业区域切割提取并标记轮廓
清洁机器人在每次进行路径规划之前，获取清洁区域对应的先验地图。基于先验地图中清洁作业区域的区域轮廓对应的外接矩形框，将清洁作业区域切割为多个子作业区域，并将各个子作业区域的区域轮廓以占用的数值标记，使得清洁机器人仅在子作业区域的区域轮廓内作业。
（2）将清洁机器人感知范围内的环境信息进行标记
清洁机器人根据感知范围内各传感器感知到的环境信息，更新先验地图中的对应区域，即将感知到障碍物的区域以占用的数值标记，将感知到无障碍物的可通行区域以可通行的数值标记，以得到中间地图。使得清洁机器人规划的路径不会与子作业区域中新出现的障碍物产生碰撞，以及使得清洁机器人对子作业区域中原本存在但现在消失了的障碍物所处区域进行路径规划。
（3）根据清洁历史轨迹及拓扑信息进行标记
可选地，清洁机器人将清洁历史轨迹点位信息以已处理的数值标记在先验地图对应的位置上，如果用户还设置了虚拟墙、禁区等拓扑信息，则还需将虚拟墙、禁区等拓扑信息以占用的数值标记在先验地图对应的位置上。这样标记，可以避免规划的路径与之前已经清洁的路径重复，以及避免清洁机器人行驶到用户不期望清洁机器人去到的区域。
（4）对中间地图进行形态学处理
清洁机器人按照机器人的清洁面积对中间地图进行腐蚀等形态学处理得到当前地图。即将标记为占用的位置扩大，以使规划的路径与障碍物保持一定安全距离。
2、清洁作业路径规划
（1）任意点启动处理
在进行清洁作业路径规划时，清洁机器人首先判断初始作业位置是否处于清洁作业区域内。如果清洁机器人位于清洁作业区域内，且清洁机器人未完成对初始作业位置所属子作业区域的清洁作业任务时，则先对初始作业位置所属子作业区域进行路径规划，基于规划的区域内路径完成对初始作业位置所属子作业区域的清洁作业任务；如果清洁机器人位于清洁作业区域内，但是清洁机器人已经完成对该子作业区域的清洁作业任务时，则基于当前地图，确定需要清洁机器人前往执行清洁作业任务的下一个子作业区域，即目标清洁作业区域。如果清洁机器人位于清洁作业区域之外，则获取地图中清洁作业区域内与清洁机器人所处位置距离最近的可达轨迹点作为初始作业位置，搜索从清洁机器人所处位置到达初始作业位置的最短路径。例如，可以通过A*（A-star）算法、Dijkstra（迪杰斯特拉）算法等路径搜索算法进行路径搜索，得到当前位置与清洁作业区域之间的最短路径。基于搜索得到的最短路径前往初始作业位置。如此处理，实现了清洁机器人的任意点启动功能，从而提高了清洁机器人的清洁作业效率。
（2）目标清洁作业区域选取
清洁机器人首先在当前地图中，提取清洁作业区域的所有子作业区域（即由清洁作业区域切割得到）的轮廓，基于清洁机器人初始作业位置判断各个子作业区域的可达性，并基于子作业区域对应的区域面积，剔除不可达且面积小于阈值的子作业区域。对于筛选得到的各个子作业区域（即候选清洁作业区域），获取各个子作业区域对应的相关信息，包括各个子作业区域的面积，以及各个子作业区域的对应的初始转场路径的长度，清洁机器人当前朝向与机器人到各个子作业区域对应的初始转场路径的终点的方向之间的夹角。基于前述的面积、长度、夹角分别对应的系数，融合子作业区域的面积、转场路径的长度以及夹角，得到各子作业区域的分别对应的区域到达代价。
子作业区域对应的区域到达代价可以通过以下公式计算：
其中，cost为区域到达代价；长度dist、夹角值theta、面积s分别对应的系数k1、k2、k3是根据历史经验预先设置的。
基于各个子作业区域分别对应的区域到达代价，将区域到达代价最小的子作业区
域（候选清洁作业区域）确定为目标清洁作业区域。如图4所示，区域A和区域B为两个子作业
区域，其中，A子作业区域的面积较B子作业区域的面积更大，A子作业区域对应的转场路径的长度小于B子作业区域对应的转场路径的长度，并且A子作业区域对应的夹角α小于B
子作业区域对应的夹角β，故A子作业区域的区域到达代价越小，清洁机器人会优先选取A子
作业区域作为目标清洁作业区域，优先进行清洁。
（3）初始转场路径获取
清洁机器人在确定了目标清洁作业区域后，确定初始作业位置与目标清洁作业区域的最近轮廓点之间的距离，若此距离大于某一阈值，则以当前位置为起点，以目标清洁作业区域的最近轮廓点为终点，在当前地图上通过路径搜索算法进行路径搜索，得到初始转场路径。反之，若上述距离小于或等于阈值，则通过插值法连接当前位置与最近轮廓点，得到初始转场路径。
（4）区域内路径规划及完整清洁作业路径获取
清洁机器人在得到初始转场路径后，以目标清洁作业区域的最近轮廓点为起点，生成目标清洁作业区域内的区域内路径，在实际实现过程中，可以通过回形路径规划、弓形路径规划等路径规划方式生成区域内路径。将初始转场路径与区域内路径进行拼接，得到完整清洁作业路径。
（5）清洁作业路径平滑处理
按照以下公式对清洁作业路径进行平滑处理，以解决路径不连续性。
上式中，P为路径平滑分数，用于表示路径平滑的程度，路径对应的P越小表明路径
越平滑，ws为预设系数，为第i个轨迹点的坐标与下一个轨迹点的坐标之间的差异，为第i个轨迹点的坐标与上一个轨迹点的坐标之间的差异。N为清洁作业路径所包含的
轨迹点的个数。
清洁机器人按照生成的清洁作业路径进行清洁，当清洁作业区域内找不到满足条件的目标清洁作业区域时，则完成对清洁作业区域的清洁过程。
上述实施例中，通过先验地图的更新，提高了场景适应性，帮助清洁机器人更好地理解场景环境，对场景中的障碍物移除区域高效清洁，对新增障碍物实现流畅避让，通过完整的清洁作业路径规划，即考虑了各个候选清洁作业区域的优先级，又保证了目标清洁作业区域的区域内覆盖，有效地提高了清洁机器人的清洁作业效率。
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5所示，提供了一种路径规划装置，包括：初始作业位置获取模块502、当前地图获取模块504、初始转场路径确定模块506、区域到达代价确定模块508、目标作业区域确定模块510和路径持续规划模块512，其中：
初始作业位置获取模块502，用于获取机器人的初始作业位置；
当前地图获取模块504，用于获取当前地图，当前地图包括多个候选作业区域；
初始转场路径确定模块506，用于在当前地图的可通行区域中，确定各个候选作业区域分别对应的初始转场路径，初始转场路径用于指示从初始作业位置到达候选作业区域的路径；
区域到达代价确定模块508，用于基于候选作业区域的区域面积、候选作业区域对应的初始转场路径的路径长度和偏转角度确定区域到达代价，得到各个候选作业区域分别对应的区域到达代价；
目标作业区域确定模块510，用于基于区域到达代价，从各个候选作业区域中确定机器人的目标作业区域；
路径持续规划模块512，用于继续从最新地图中确定机器人的下一目标作业区域，直至满足第一结束条件，结束路径规划。
在一个实施例中，当前地图获取模块504还用于：
获取先验地图；基于机器人在初始作业位置对应的感知范围内采集到的环境信息，更新先验地图中感知范围对应的可通行区域，得到中间地图；基于机器人的覆盖面积，更新中间地图中感知范围对应的可通行区域，得到当前地图。
在一个实施例中，初始转场路径确定模块506还用于：
针对各个候选作业区域中任意一个候选作业区域，在候选作业区域的区域轮廓上提取多个候选轮廓点，在当前地图的可通行区域中，确定从初始作业位置分别到达各个候选轮廓点的初始转场路径；基于各个候选轮廓点分别对应的初始转场路径的路径长度，在各个候选轮廓点中确定候选作业区域对应的最近轮廓点；将最近轮廓点对应的初始转场路径作为候选作业区域对应的初始转场路径。
在一个实施例中，初始转场路径确定模块506还用于：
针对各个候选轮廓点中任意一个候选轮廓点，当初始作业位置和候选轮廓点之间的位置关系满足预设位置条件时，基于根据初始作业位置和候选轮廓点确定的直线提取多个初始轨迹点，基于各个初始轨迹点和候选轮廓点，得到从初始作业位置到达候选轮廓点的初始转场路径；针对各个候选轮廓点中任意一个候选轮廓点，当初始作业位置和候选轮廓点之间的位置关系不满足预设位置条件时，基于从初始作业位置到达可通行的相邻轨迹点的轨迹点到达代价和从可通行的相邻轨迹点到达候选轮廓点的轮廓点到达代价，在初始作业位置对应的各个可通行的相邻轨迹点中确定初始轨迹点，继续在初始轨迹点对应的各个可通行的相邻轨迹点中确定下一初始轨迹点，直至可通行的相邻轨迹点包含候选轮廓点，基于各个初始轨迹点和候选轮廓点，得到从初始作业位置到达候选轮廓点的初始转场路径。
在一个实施例中，区域到达代价确定模块508还用于：
针对各个候选作业区域中任意一个候选作业区域，融合候选作业区域的区域面积、候选作业区域对应的初始转场路径的路径长度和偏转角度，得到候选区域对应的区域到达代价，其中，区域到达代价与路径长度、偏转角度呈正相关，与区域面积呈负相关。
在一个实施例中，如图6所示，路径规划装置还包括：
目标转场路径确定模块602，用于针对目标作业区域对应的初始转场路径，基于初始转场路径包含的初始轨迹点对应的梯度距离调整初始轨迹点的坐标，分别得到初始转场路径包含的各个初始轨迹点对应的目标轨迹点，初始轨迹点对应的梯度差异，用于指示初始轨迹点与前向轨迹点之间的前向梯度、初始轨迹点与后向轨迹点之间的后向梯度之间的差异；基于各个目标轨迹点得到目标作业区域对应的目标转场路径，基于目标转场路径控制机器人到达目标作业区域。
完整路径生成模块604，用于针对目标作业区域对应的转场路径的终点，基于预设轨迹提取方向，从终点在当前地图中对应的各个可通行的相邻轨迹点中确定区域内轨迹点；继续基于预设轨迹提取方向，从区域内轨迹点在当前地图中对应的各个可通行的相邻轨迹点中确定下一区域内轨迹点，直至满足第二结束条件，基于各个区域内轨迹点，得到目标作业区域对应的区域内路径；拼接目标作业区域对应的转场路径与区域内路径，得到目标作业区域对应的完整路径；基于完整路径对机器人进行运动控制。
上述路径规划装置，由于路径长度、偏转角度和区域面积能够从不同角度反映机器人从当前位置到达候选作业区域需要耗费的时长，因此，基于各个候选作业区域分别对应的区域面积、初始转场路径的路径长度、偏转角度得到的区域到达代价，能够表征机器人从初始作业位置到达候选作业区域需要消耗的时间成本和能量成本。基于各个候选作业区域分别对应的区域到达代价进行路径规划，能够有效提高机器人根据规划的路径进行作业的效率。
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机器人，其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。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和内存储器。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。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。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、移动蜂窝网络、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单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。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7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上述各方法实施例中的步骤。
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上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
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、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-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。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等。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 RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
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本申请专利范围的限制。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，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种路径规划方法，其特征在于，所述方法包括：
获取机器人的初始作业位置；
获取当前地图，所述当前地图包括多个候选作业区域；
在所述当前地图的可通行区域中，确定各个所述候选作业区域分别对应的初始转场路径，所述初始转场路径用于指示从所述初始作业位置到达所述候选作业区域的路径；
基于各个所述候选作业区域的区域面积、各个所述候选作业区域对应的初始转场路径的路径长度和偏转角度确定区域到达代价，得到各个所述候选作业区域分别对应的区域到达代价；
基于所述区域到达代价，从各个所述候选作业区域中确定机器人的目标作业区域；
针对所述目标作业区域对应的初始转场路径，基于所述初始转场路径包含的初始轨迹点对应的梯度差异调整所述初始轨迹点的坐标，分别得到所述初始转场路径包含的各个初始轨迹点对应的目标轨迹点，所述初始轨迹点对应的梯度差异，用于指示所述初始轨迹点与前向轨迹点之间的前向梯度、所述初始轨迹点与后向轨迹点之间的后向梯度之间的差异；
基于各个所述目标轨迹点得到所述目标作业区域对应的目标转场路径；
基于所述目标转场路径控制机器人到达所述目标作业区域；
继续从最新地图中确定机器人的下一目标作业区域，直至满足第一结束条件，结束路径规划。
2.根据权利要求1所述的方法，其特征在于，所述获取当前地图，包括：
获取先验地图；
基于机器人在所述初始作业位置对应的感知范围内采集到的环境信息，更新所述先验地图中所述感知范围对应的可通行区域，得到中间地图；
基于机器人的覆盖面积，更新所述中间地图中所述感知范围对应的可通行区域，得到所述当前地图。
3.根据权利要求1所述的方法，其特征在于，所述在所述当前地图的可通行区域中，确定各个所述候选作业区域分别对应的初始转场路径，包括：
针对各个所述候选作业区域中任意一个候选作业区域，在所述候选作业区域的区域轮廓上提取多个候选轮廓点，在所述当前地图的可通行区域中，确定从所述初始作业位置分别到达各个所述候选轮廓点的初始转场路径；
基于各个所述候选轮廓点分别对应的初始转场路径的路径长度，在各个所述候选轮廓点中确定所述候选作业区域对应的最近轮廓点；
将所述最近轮廓点对应的初始转场路径作为所述候选作业区域对应的初始转场路径。
4.根据权利要求3所述的方法，其特征在于，所述在所述当前地图的可通行区域中，确定从所述初始作业位置分别到达各个所述候选轮廓点的初始转场路径，包括：
针对各个所述候选轮廓点中任意一个候选轮廓点，当所述初始作业位置和所述候选轮廓点之间的位置关系满足预设位置条件时，基于根据所述初始作业位置和所述候选轮廓点确定的直线提取多个初始轨迹点，基于各个所述初始轨迹点和所述候选轮廓点，得到从所述初始作业位置到达所述候选轮廓点的初始转场路径；
针对各个所述候选轮廓点中任意一个候选轮廓点，当所述初始作业位置和所述候选轮廓点之间的位置关系不满足所述预设位置条件时，基于从所述初始作业位置到达可通行的相邻轨迹点的轨迹点到达代价和从可通行的相邻轨迹点到达所述候选轮廓点的轮廓点到达代价，在所述初始作业位置对应的各个可通行的所述相邻轨迹点中确定初始轨迹点，继续在所述初始轨迹点对应的各个可通行的相邻轨迹点中确定下一初始轨迹点，直至可通行的相邻轨迹点包含所述候选轮廓点，基于各个所述初始轨迹点和所述候选轮廓点，得到从所述初始作业位置到达所述候选轮廓点的初始转场路径。
5.根据权利要求1所述的方法，其特征在于，所述基于各个候选作业区域的区域面积、各个候选作业区域对应的初始转场路径的路径长度和偏转角度确定区域到达代价，得到各个所述候选作业区域分别对应的区域到达代价，包括：
针对各个所述候选作业区域中任意一个候选作业区域，融合所述候选作业区域的区域面积、所述候选作业区域对应的初始转场路径的路径长度和偏转角度，得到所述候选区域对应的区域到达代价，其中，所述区域到达代价与所述路径长度、所述偏转角度呈正相关，与所述区域面积呈负相关。
6.根据权利要求1所述的方法，其特征在于，所述候选作业区域为区域面积大于或等于预设值的子作业区域。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述方法还包括：
针对所述目标作业区域对应的转场路径的终点，基于预设轨迹提取方向，从所述终点在所述当前地图中对应的各个可通行的相邻轨迹点中确定区域内轨迹点；
继续基于所述预设轨迹提取方向，从所述区域内轨迹点在所述当前地图中对应的各个可通行的相邻轨迹点中确定下一区域内轨迹点，直至满足第二结束条件，基于各个所述区域内轨迹点，得到所述目标作业区域对应的区域内路径；
拼接所述目标作业区域对应的转场路径与所述区域内路径，得到所述目标作业区域对应的完整路径；
基于所述完整路径对机器人进行运动控制。
8.一种路径规划装置，其特征在于，所述装置包括：
初始作业位置获取模块，用于获取机器人的初始作业位置；
当前地图获取模块，用于获取当前地图，所述当前地图包括多个候选作业区域；
初始转场路径确定模块，用于在所述当前地图的可通行区域中，确定各个所述候选作业区域分别对应的初始转场路径，所述初始转场路径用于指示从所述初始作业位置到达所述候选作业区域的路径；
区域到达代价确定模块，用于基于多个所述候选作业区域的区域面积、多个所述候选作业区域对应的初始转场路径的路径长度和偏转角度确定区域到达代价，得到各个所述候选作业区域分别对应的区域到达代价；
目标作业区域确定模块，用于基于所述区域到达代价，从各个所述候选作业区域中确定机器人的目标作业区域；
目标转场路径确定模块，用于针对所述目标作业区域对应的初始转场路径，基于所述初始转场路径包含的初始轨迹点对应的梯度差异调整所述初始轨迹点的坐标，分别得到所述初始转场路径包含的各个初始轨迹点对应的目标轨迹点，所述初始轨迹点对应的梯度差异，用于指示所述初始轨迹点与前向轨迹点之间的前向梯度、所述初始轨迹点与后向轨迹点之间的后向梯度之间的差异；基于各个所述目标轨迹点得到所述目标作业区域对应的目标转场路径；基于所述目标转场路径控制机器人到达所述目标作业区域；
路径持续规划模块，用于继续从最新地图中确定机器人的下一目标作业区域，直至满足第一结束条件，结束路径规划。
9.一种计算机设备，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7中任一项所述的方法的步骤。
10.一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7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410039540.4A CN117553804B (zh) | 2024-01-11 | 2024-01-11 | 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 |
|---|---|---|---|
| CN202410039540.4A CN117553804B (zh) | 2024-01-11 | 2024-01-11 | 路径规划方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117553804A CN117553804A (zh) | 2024-02-13 |
| CN117553804B true CN117553804B (zh) | 2024-04-09 |
Family
ID=89815084
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410039540.4A Active CN117553804B (zh) | 2024-01-11 | 2024-01-11 | 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) | CN117553804B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019242516A1 (zh) * | 2018-06-22 | 2019-12-26 | 华为技术有限公司 | 建立室内3d地图的方法和无人机 |
| CN112985405A (zh) * | 2021-02-18 | 2021-06-18 | 湖南国科微电子股份有限公司 | 一种机器人全覆盖路径规划方法、装置、设备及介质 |
| CN113190006A (zh) * | 2021-05-08 | 2021-07-30 | 北京洛必德科技有限公司 | 一种机器人路径规划方法、装置及存储介质 |
| CN113219990A (zh) * | 2021-06-02 | 2021-08-06 | 西安电子科技大学 | 基于自适应邻域与转向代价的机器人路径规划方法 |
| CN114594772A (zh) * | 2022-03-09 | 2022-06-07 | 深圳市普渡科技有限公司 | 机器人、路径规划方法、装置和存储介质 |
| CN114779779A (zh) * | 2022-04-26 | 2022-07-22 | 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 |
| CN115167415A (zh) * | 2022-06-30 | 2022-10-11 | 广东美房智高机器人有限公司 | 清洁机器人的路径规划方法及装置、服务器及清洁机器人 |
| CN115202361A (zh) * | 2022-07-29 | 2022-10-18 | 广州宝乐软件科技有限公司 | 移动机器人的路径规划方法及移动机器人 |
| CN115597620A (zh) * | 2022-10-18 | 2023-01-13 | 深圳海星智驾科技有限公司（Cn） | 路径规划方法、装置、电子设备及存储介质 |
| CN116069005A (zh) * | 2021-10-29 | 2023-05-05 | 美智纵横科技有限责任公司 | 一种机器人沿边路径规划方法、装置、机器人及存储介质 |
| CN116429145A (zh) * | 2023-06-07 | 2023-07-14 | 福龙马城服机器人科技有限公司 | 一种复杂场景下无人车与垃圾桶自动对接导航方法及系统 |
| CN116540738A (zh) * | 2023-06-13 | 2023-08-04 | 东北石油大学 | 基于运动约束改进蚁群算法的移动机器人路径规划方法 |
| CN116880497A (zh) * | 2023-08-01 | 2023-10-13 | 华侨大学 | 一种自动化农业机械的全覆盖路径规划方法、装置和设备 |
| CN117109596A (zh) * | 2023-10-23 | 2023-11-24 | 深圳市普渡科技有限公司 | 自移动设备及其覆盖路径规划方法、装置和存储介质 |
| WO2023226436A1 (zh) * | 2022-05-25 | 2023-11-30 | 珠海格力电器股份有限公司 | 扫地装置清扫方法及扫地机器人 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101849972B1 (ko) * | 2016-12-27 | 2018-05-31 | 엘지전자 주식회사 | 로봇 청소기 및 그의 제어방법 |
-
2024
- 2024-01-11 CN CN202410039540.4A patent/CN117553804B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019242516A1 (zh) * | 2018-06-22 | 2019-12-26 | 华为技术有限公司 | 建立室内3d地图的方法和无人机 |
| CN112985405A (zh) * | 2021-02-18 | 2021-06-18 | 湖南国科微电子股份有限公司 | 一种机器人全覆盖路径规划方法、装置、设备及介质 |
| CN113190006A (zh) * | 2021-05-08 | 2021-07-30 | 北京洛必德科技有限公司 | 一种机器人路径规划方法、装置及存储介质 |
| CN113219990A (zh) * | 2021-06-02 | 2021-08-06 | 西安电子科技大学 | 基于自适应邻域与转向代价的机器人路径规划方法 |
| CN116069005A (zh) * | 2021-10-29 | 2023-05-05 | 美智纵横科技有限责任公司 | 一种机器人沿边路径规划方法、装置、机器人及存储介质 |
| CN114594772A (zh) * | 2022-03-09 | 2022-06-07 | 深圳市普渡科技有限公司 | 机器人、路径规划方法、装置和存储介质 |
| CN114779779A (zh) * | 2022-04-26 | 2022-07-22 | 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 |
| WO2023226436A1 (zh) * | 2022-05-25 | 2023-11-30 | 珠海格力电器股份有限公司 | 扫地装置清扫方法及扫地机器人 |
| CN115167415A (zh) * | 2022-06-30 | 2022-10-11 | 广东美房智高机器人有限公司 | 清洁机器人的路径规划方法及装置、服务器及清洁机器人 |
| CN115202361A (zh) * | 2022-07-29 | 2022-10-18 | 广州宝乐软件科技有限公司 | 移动机器人的路径规划方法及移动机器人 |
| CN115597620A (zh) * | 2022-10-18 | 2023-01-13 | 深圳海星智驾科技有限公司（Cn） | 路径规划方法、装置、电子设备及存储介质 |
| CN116429145A (zh) * | 2023-06-07 | 2023-07-14 | 福龙马城服机器人科技有限公司 | 一种复杂场景下无人车与垃圾桶自动对接导航方法及系统 |
| CN116540738A (zh) * | 2023-06-13 | 2023-08-04 | 东北石油大学 | 基于运动约束改进蚁群算法的移动机器人路径规划方法 |
| CN116880497A (zh) * | 2023-08-01 | 2023-10-13 | 华侨大学 | 一种自动化农业机械的全覆盖路径规划方法、装置和设备 |
| CN117109596A (zh) * | 2023-10-23 | 2023-11-24 | 深圳市普渡科技有限公司 | 自移动设备及其覆盖路径规划方法、装置和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 关于移动机器人路径最优化问题;王爱民, 史庆国, 吕晨亮;中国机械工程;20010630(第06期);685-687 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117553804A (zh) | 2024-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109976350B (zh) | 多机器人调度方法、装置、服务器及计算机可读存储介质 | |
| US11567502B2 (en) | Autonomous exploration framework for indoor mobile robotics using reduced approximated generalized Voronoi graph | |
| WO2023155371A1 (zh) | 室内移动机器人的平稳移动全局路径规划方法 | |
| CN109540136A (zh) | 一种多无人艇协同路径规划方法 | |
| CN110764518B (zh) | 水下清淤机器人路径规划方法、装置、机器人和存储介质 | |
| CN112229419B (zh) | 一种动态路径规划导航方法及系统 | |
| CN110763247A (zh) | 基于可视图和贪心算法结合的机器人路径规划方法 | |
| CN115729231A (zh) | 多机器人路线规划 | |
| CN113189988A (zh) | 一种基于Harris算法与RRT算法复合的自主路径规划方法 | |
| CN114779779A (zh) | 路径规划方法、装置、计算机设备和存储介质 | |
| CN109048910B (zh) | 机器人避让预判方法及装置 | |
| CN114404985A (zh) | 虚拟角色的路径规划方法及装置、电子设备、存储介质 | |
| CN108731678A (zh) | 机器人全局路径规划方法 | |
| CN113375686A (zh) | 路径规划的方法、装置以及智能输送系统 | |
| CN117553804B (zh) | 路径规划方法、装置、计算机设备和存储介质 | |
| Wang et al. | A partitioning-based approach for robot path planning problems | |
| 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 | |
| CN113885531B (zh) | 用于移动机器人的方法、移动机器人、电路、介质和程序 | |
| CN111912411B (zh) | 一种机器人导航定位方法、系统及存储介质 | |
| CN116149314A (zh) | 机器人全覆盖作业方法、装置及机器人 | |
| CN112631338B (zh) | 一种航线规划方法、装置、计算机设备及存储介质 | |
| Bigaj et al. | A memetic algorithm based procedure for a global path planning of a movement constrained mobile robot | |
| CN114692357A (zh) | 基于改进元胞自动机算法的三维航路网络规划系统及方法 | |
| Vandermeulen et al. | Re-establishing communication in teams of mobile robots | |
| CN115302520B (zh) | 机器人路径的优化方法及装置、电子设备 |
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 |