TW201837428A - 機器人的路徑規劃系統及方法 - Google Patents
機器人的路徑規劃系統及方法 Download PDFInfo
- Publication number
- TW201837428A TW201837428A TW106135249A TW106135249A TW201837428A TW 201837428 A TW201837428 A TW 201837428A TW 106135249 A TW106135249 A TW 106135249A TW 106135249 A TW106135249 A TW 106135249A TW 201837428 A TW201837428 A TW 201837428A
- Authority
- TW
- Taiwan
- Prior art keywords
- path
- robot
- point
- reference positioning
- optional
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000004364 calculation method Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 238000013507 mapping Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 abstract description 25
- 238000010586 diagram Methods 0.000 description 18
- 238000001514 detection method Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
- B60W2530/18—Distance travelled
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Navigation (AREA)
Abstract
一種機器人的路徑規劃系統及方法,該方法包括:機器人的路徑規劃系統在預先確定的區域地圖中可供機器人移動的路徑上,預先選擇一個或多個位置點作為基準定位點;若接收到將該機器人從第一位置點移動到第二位置點的指令後,根據基準定位點並按照預先確定的路徑分析規則,分析從該第一位置點到該第二位置點的路徑,並依分析出的路徑控制該機器人運動到該第二位置點。無需機器人在路徑規劃時即時計算移動路徑,而是依事先規劃好的路徑中進行對應選擇,即將路徑規劃的過程從“計算”轉變為“選擇”,有效減少即時計算量,提高路徑規劃的效率。
Description
本發明關於電腦技術領域,特別是關於一種機器人的路徑規劃系統及方法。
目前,自主移動機器人能夠廣泛應用於許多場合,比如擔任展覽館的導覽工作,帶領參觀者從一個展區介紹到另一個展區;餐廳的服務工作,主動歡迎客人,並帶領客人到空位上點餐;公共場所的引導、巡邏工作,沿著程式設定的路線移動,有人需要幫助停下回答提問等等。
在這些場合下,需要自主移動機器人移動到一個或多個指定的位置,實現某些特定功能,這就涉及到自主移動機器人的路徑規劃問題。現有技術中,在路徑計算問題上,自主移動機器人一般都是在接受到移動指令時開始即時計算如何移動到目標點的路徑,這個即時計算過程需要考慮諸多因素,比較耗時。
本發明之主要目的在於提供一種機器人的路徑規劃系統及方法,旨在提高自主移動機器人路徑規劃的效率。
為達成上述目的,本發明提供一種機器人的路徑規劃系統,該路徑規劃系統包括:一選擇模組,用於在預先確定的區域地圖中可供機器人移動的路徑上,預先選擇一個或多個位置點作為基準定位點;一路徑 規劃模組,用於若接收到將該機器人從第一位置點移動到第二位置點的指令,則根據設置的基準定位點並依據預先確定的路徑分析規則,分析出從該第一位置點到該第二位置點的路徑,並基於該分析出的路徑控制該機器人運動到該第二位置點。
在一較佳實施例中,該預先確定的路徑分析規則包括:確定距離該第一位置點最近的第一基準定位點,及距離該第二位置點最近的第二基準定位點;為該第一位置點至該第一基準定位點,以及該第二位置點至該第二基準定位點的路徑按照預設的第一規劃方式進行規劃;為該第一基準定位點至該第二基準定位點的路徑按照預設的第二規劃方式進行規劃,得到第二規劃路徑。
在一較佳實施例中,該第一規劃方式為:若該第一位置點與該第一基準定位點之間無障礙物,則取該第一位置點與該第一基準定位點之間的直線路徑;若該第二位置點與該第二基準定位點之間無障礙物,則取該第二位置點與該第二基準定位點之間的直線路徑;若該第一位置點與該第一基準定位點之間有障礙物,則取該第一位置點與該第一基準定位點之間的繞過該障礙物的最短路徑;若該第二位置點與該第二基準定位點之間有障礙物,則取該第一位置點與該第一基準定位點之間的繞過該障礙物的最短路徑。
在一較佳實施例中,該第二規劃方式包括如下步驟:h1、根據預先確定的第一基準定位點、第二基準定位點及可選規劃路徑的映射關係,確定第一基準定位點和第二基準定位點對應的可選規劃路徑;h2、按照預先確定的評分規則計算出各個可選規劃路徑對應的分值;h3、若最高 分值的可選規劃路徑只有一個,則將該可選規劃路徑作為第一基準定位點至第二基準定位點的第二規劃路徑;h4、若最高分值的可選規劃路徑有多個,則從多個最高分值的可選規劃路徑中隨機選擇一個可選規劃路徑作為第一基準定位點至第二基準定位點的第二規劃路徑。
在一較佳實施例中,該步驟h1和h2之間,還包括如下步驟:從各個可選規劃路徑中,篩選出包含預先確定的特定基準定位點的可選規劃路徑,並將篩選出的該可選規劃路徑作為待計算分值的可選規劃路徑;及/或,根據預先確定的計算公式分別計算出各個可選規劃路徑對應的總長度,並分別計算出各個可選規劃路徑的總長度與第一基準定位點至第二基準定位點的最短路徑的總長度的差值,將差值小於預設閾值的可選規劃路徑篩選出來作為待計算分值的可選規劃路徑。
在一較佳實施例中,該步驟h2包括:根據各個可選規劃路徑對應的行走距離影響因素、行走時間影響因素和/或障礙物影響因素進行評分;其中,每一可選規劃路徑對應的分值為該可選規劃路徑中每兩個相鄰節點之間的路徑在行走距離影響因素、行走時間影響因素或障礙物影響因素下的評分和。
在一較佳實施例中,可選規劃路徑的評分公式如下:Score(path)=a.o(t)+b.o(d)
其中,o(t)為可選規劃路徑的時間評分,o(d)為可選規劃路徑的距離評分,a、b為預先確定的權值;定義第i個可選規劃路徑的時間評分o i (t)為:
其中,T(path 1)、T(path 2)......T(path n )是不同可選規劃路徑下機器人移動到目標點所使用的時間,T(path i )是第i個可選規劃路徑下機器人移動到目標點所使用的時間,k ti 代表第i個可選規劃路徑的時間懲罰係數,該時間懲罰係數為機器人在第i個可選規劃路徑內繞過障礙物需要多花費的時間,d i 代表第i個可選規劃路徑的路徑長度,v i 代表第i個可選規劃路徑內的機器人速度,P i 代表第i個可選規劃路徑內出現障礙物的概率;定義第i個可選規劃路徑的距離評分o i (d)為:
其中,d(path 1)、d(path 2)......d(path n)是不同可選規劃路徑下機器人移動到目標點所行走的距離,k di 代表第i個可選規劃路徑的距離懲罰係數,該距離懲罰係數為機器人在第i個可選規劃路徑內繞過障礙物需要多移動的距離。
在一較佳實施例中,該路徑規劃模組還用於:即時或者定時分析當前待移動的路徑中是否存在障礙物需要進行移動規避;若分析存在障礙物需要進行移動規避,則將當前位置作為新的第一位置點,根據設置的基準定位點並按照預先確定的路徑分析規則,分析出從新的第一位置點到該第二位置點的路徑,並基於分析出的路徑控制機器人運動到該第二位置點。
在一較佳實施例中,該路徑規劃模組還用於:即時或者定時分析當前待移動的路徑中是否存在障礙物需要進行移動規避;若分析存在 障礙物需要進行移動規避,則將當前位置作為新的第一位置點,根據設置的基準定位點並按照預先確定的路徑分析規則,分析出從新的第一位置點到該第二位置點的路徑,並基於分析出的路徑控制機器人運動到該第二位置點。
在一較佳實施例中,該選擇模組還用於:在預先確定的區域地圖中各個基準定位點對應的位置處設置對應的位置點標識;該路徑規劃模組還用於:即時或者定時進行位置定位;根據預先確定的基準定位點與觸發座標區域的映射關係,分析當前位置是否處於一個基準定位點的觸發座標區域中;若當前位置處於一個基準定位點的觸發座標區域中,則開啟位置點標識識別設備開始檢測位置點標識;當檢測到位置點標識時,通過機器人的感測器計算出機器人與檢測的位置點標識的距離和方向,以得到機器人當前的位置和姿態,並根據機器人當前的位置和姿態對前進方向進行校準。
此外,為達到上述目的,本發明還提供一種機器人的路徑規劃方法,該方法包括以下步驟:機器人的路徑規劃系統在預先確定的區域地圖中可供機器人移動的路徑上,預先選擇一個或多個位置點作為基準定位點;若接收到將該機器人從第一位置點移動到第二位置點的指令,則根據設置的基準定位點並按照預先確定的路徑分析規則,分析出從該第一位置點到該第二位置點的路徑,並基於該分析出的路徑控制該機器人運動到該第二位置點。
本發明提出之機器人的路徑規劃系統及方法,藉由在預先確定的區域地圖中可供機器人移動的路徑上,預先選擇一個或多個位置點作 為基準定位點;在接收到將該機器人從第一位置點移動到第二位置點的指令後,根據設置的基準定位點並按照預先確定的路徑分析規則,分析出從該第一位置點到該第二位置點的路徑,並基於該分析出的路徑控制該機器人運動到該第二位置點。無需機器人在路徑規劃時即時計算移動路徑,而是從事先規劃好的路徑中進行對應選擇,即將路徑規劃的過程從“計算”轉變為“選擇”,有效減少了即時計算量,提高了路徑規劃的效率。
S10~S20‧‧‧步驟
1‧‧‧器人
11‧‧‧存儲器
12‧‧‧處理器
13‧‧‧顯示器
10‧‧‧路徑規劃系統
01‧‧‧選擇模組
02‧‧‧路徑規劃模組
P,Q‧‧‧點
y1,y2,y3‧‧‧路徑
A,B,C,D,M,N,r‧‧‧基準定位點
L1,L2,L3,M1,M2,M3,N1,N2,N3‧‧‧路徑
I,II,III,IV,V,VI‧‧‧區域
R‧‧‧半徑
a,b,m,n‧‧‧座標
第1圖係本發明機器人的路徑規劃方法一實施例的流程示意圖;第2圖係本發明機器人的路徑規劃方法一實施例中在公共圖書館區域地圖中選擇的各個基準定位點的示意圖;第3圖係本發明機器人的路徑規劃方法一實施例中在公共圖書館區域地圖中P點到Q點的路徑規劃示意圖;第4圖係本發明機器人的路徑規劃方法一實施例中A點到B點的路徑規劃示意圖;第5圖係本發明機器人的路徑規劃方法一實施例中障礙物影響因素在實際指標中的量化計算示意圖;第6圖係本發明機器人的路徑規劃方法一實施例中機器人避障示意圖;第7圖係本發明機器人的路徑規劃方法一實施例中基準定位點區域劃分與觸發半徑示意圖;第8圖係本發明路徑規劃系統10較佳實施例的運行環境示意圖;第9圖係本發明路徑規劃系統一實施例的功能模組示意圖。
本發明目的之達成、功能特點及優點將結合實施例,參照附圖做進一步說明。
為了使本發明所要解決的技術問題、技術方案及有益效果更加清楚、明白,以下結合附圖和實施例,對本發明進行進一步詳細說明。應當理解,此處所描述的具體實施例僅僅用以解釋本發明,並不用於限定本發明。
本發明提供一種機器人的路徑規劃方法。
參照第1圖係本發明機器人的路徑規劃方法一實施例的流程示意圖。
在一實施例中,該機器人的路徑規劃方法包括:步驟S10,機器人的路徑規劃系統在預先確定的區域地圖中可供機器人移動的路徑上預先選擇一個或多個位置點作為基準定位點。
本實施例中,在預先確定的區域地圖上預先選擇一個或多個位置點作為基準定位點。例如,針對公共圖書館區域地圖而言,可在各個相互連通且可供機器人移動的路徑上選擇一個或多個位置點作為基準定位點,如第2圖所示,圖中若干較小的黑色圓點即為在公共圖書館區域地圖中選擇的各個基準定位點,各個基準定位點均位於公共圖書館區域地圖中可供機器人移動的路徑上,圖中較大的黑色圓點為公共圖書館區域地圖中機器人無法通過的障礙物。
步驟S20,若接收到將該機器人從第一位置點移動到第二位置點的指令,則根據設置的基準定位點並按照預先確定的路徑分析規則, 分析出從該第一位置點到該第二位置點的路徑,並基於分析出的路徑控制該機器人運動到該第二位置點。
若接收到將該機器人從第一位置點移動到第二位置點的指令,即機器人需要從第一位置點(例如,第2圖和第3圖中所示的P點)移動到第二位置點(例如,第2圖和第3圖中所示的Q點),則機器人的路徑規劃系統根據設置的基準定位點並按照預先確定的路徑分析規則,分析出從第一位置點到第二位置的路徑,並基於分析出的路徑控制該機器人運動到該第二位置點。例如,針對區域地圖中選定的各個基準定位點,可預先確定不同基準定位點之間的多條可移動的路徑y1、y2、y3,如第3圖所示,基準定位點A與基準定位點B之間可預先確定出多條可移動的路徑,確定出的多條可移動的路徑均能繞開較大的黑色圓點,也即繞開機器人無法通過的障礙物,以便機器人能正常移動。若第一位置點如P點可順利移動至其附近的基準定位點A,第二位置點Q點可順利移動至其附近的基準定位點B,則機器人的路徑規劃系統可根據需要選擇基準定位點A與基準定位點B之間預先確定好的多條可移動的路徑中的一條,即可作為分析出的機器人的移動路徑,以完成將機器人從第一位置點運動到第二位置點的移動。例如,若需要機器人移動的路徑最短,則可選擇基準定位點A與基準定位點B之間預先確定好的可移動的路徑y1或y3,等等。
本實施例通過在預先確定的區域地圖中可供機器人移動的路徑上預先選擇一個或多個位置點作為基準定位點;在接收到將該機器人從第一位置點移動到第二位置點的指令後,根據設置的基準定位點並按照預先確定的路徑分析規則,分析出從該第一位置點到該第二位置點的路 徑,並基於分析出的路徑控制該機器人運動到該第二位置點。無需機器人在路徑規劃時即時計算移動路徑,而是從事先規劃好的路徑中進行對應選擇,即將路徑規劃的過程從“計算”轉變為“選擇”,有效減少了即時計算量,提高了路徑規劃的效率。
進一步地,該預先確定的路徑分析規則包括:確定距離第一位置點最近的第一基準定位點(例如,第3圖所示的A點),及距離第二位置點最近的第二基準定位點(例如,第3圖所示的B點);為該第一位置點至該第一基準定位點,以及該第二位置點至該第二基準定位點的路徑按照預設的第一規劃方式進行規劃;為該第一基準定位點至該第二基準定位點的路徑按照預設的第二規劃方式進行規劃,得到第二規劃路徑。
其中,該第一規劃方式為:若兩個位置點之間無障礙物,則取兩個位置點之間的直線路徑;若兩個位置點之間有障礙物,則取兩個位置點之間的繞過該障礙物的最短路徑。具體地,若該第一位置點與該第一基準定位點之間無障礙物,則取該第一位置點與該第一基準定位點之間的直線路徑,如取P點至A點的直線路徑。若該第二位置點與該第二基準定位點之間無障礙物,則取該第二位置點與該第二基準定位點之間的直線路徑,如取Q點至B點的直線路徑。若該第一位置點與該第一基準定位點之間有障礙物,則取該第一位置點與該第一基準定位點之間的繞過該障礙物的最短路徑;若該第二位置點與該第二基準定位點之間有障礙物,則取該第一位置點與該第一基準定位點之間的繞過該障礙物的最短路徑。
進一步地,該第二規劃方式包括如下步驟:h1、根據預先確定的第一基準定位點、第二基準定位點及可選規劃路徑的映射關係,確定 第一基準定位點和第二基準定位點對應的可選規劃路徑;h2、按照預先確定的評分規則計算出各個可選規劃路徑對應的分值;h3、若最高分值的可選規劃路徑只有一個,則將該可選規劃路徑作為第一基準定位點至第二基準定位點的第二規劃路徑;h4、若最高分值的可選規劃路徑有多個,則從多個最高分值的可選規劃路徑中隨機選擇一個可選規劃路徑作為第一基準定位點至第二基準定位點的第二規劃路徑。
進一步地,該步驟h1和h2之間,還包括如下步驟:採用預先確定的篩選方式對可選規劃路徑進行過濾,以篩選出待進行分值計算的可選規劃路徑。該預先確定的篩選方式包括如下步驟:從各個可選規劃路徑中,篩選出包含預先確定的特定基準定位點的可選規劃路徑,並將篩選出的可選規劃路徑作為待進行分值計算的可選規劃路徑。例如,若機器人需要在從A點移動到B點的過程中播放一段廣告,而廣告需要在人群較多的路徑M-N上進行播放。則機器人在路徑規劃過程中必須經過特定基準定位點M和N,從A到B可以選擇的路徑必須包含該特定基準定位點M和N,則只對包含該特定基準定位點M和N的可選規劃路徑進行分值計算,以簡化路徑的選擇過程。
在另一種篩選方式中,還可根據預先確定的計算公式分別計算出各個可選規劃路徑對應的總長度,並分別計算出各個可選規劃路徑的總長度與第一基準定位點至第二基準定位點的最短路徑的總長度的差值,第一基準定位點至第二基準定位點的最短路徑可以是第一基準定位點與第二基準定位點之間的直線距離,也可以是第一基準定位點至第二基準定位點的各個可選規劃路徑中的最短路徑。將對應的差值小於預設閾值的可選 規劃路徑篩選出來作為待進行分值計算的可選規劃路徑。即篩選出路徑長度較短的可選規劃路徑來進行選擇,以提高選出最優規劃路徑的效率。
進一步地,在根據預先確定的計算公式來分別計算出各個可選規劃路徑對應的總長度時,該預先確定的計算公式為:
其中,d(path)代表路徑的總長度,還包括:
以限定各個可選規劃路徑中每個基準定位點只能經過一次,而且最差的情況是每個基準定位點都要經過。定義x ij {0,1},i,j=1,2,...,n,i≠j,約束條件決策變數x ij =1表示機器人選擇了這段路徑,x ij =0表示機器人沒有選擇這段路徑。
進一步地,在按照預先確定的評分規則計算各個可選規劃路徑對應的分值時,該預先確定的評分規則為:根據各個可選規劃路徑對應的行走距離影響因素、行走時間影響因素和/或障礙物影響因素進行評分;其中,每一可選規劃路徑對應的分值為該可選規劃路徑中每兩個相鄰節點之間的路徑在行走距離影響因素、行走時間影響因素或障礙物影響因素下的評分和。
具體地,可定義最後選取的路徑為:min[Score(path 1),Score(path 2),...,Score(path i ),...,Score(path n )|n N +]
其中,Score(path i )指的是編號為i的路徑的綜合評分,路徑的綜合評分公式如下: Score(path)=g[o(1),o(2),...,o(i),...,o(n)]
其中o(i)代表的是影響因素,該影響因素包括行走距離影響因素、行走時間影響因素、障礙物(例如,避障難度)影響因素等,針對某一個影響因素,整條路徑的該影響因素的評分值為每一段路徑的評分和,即:
其中L k,k+1代表著A到B這段路徑中每兩個相鄰節點之間的路徑的該影響因素的評分。例如,如圖4所示,假設機器人從A點到B點有三條路徑,path1=A-L1-L2-L3-B,path2=A-M1-M2-M3-B,path3=A-N1-N2-N3-B,其中Li,Ni,Mi(i=1,2,3)為基準定位點,則path1路徑的長度為d(path1),path2路徑的長度為d(path2),path3路徑的長度為d(path3)。每一可選規劃路徑對應的分值為該可選規劃路徑中每兩個相鄰節點之間的路徑在行走距離影響因素、行走時間影響因素或障礙物影響因素下的評分和,如path1路徑對應的分值為該可選規劃路徑中每兩個相鄰節點之間的路徑A-L1、L1-L2、L2-L3、L3-B在行走距離影響因素、行走時間影響因素或障礙物影響因素下的評分和。
進一步地,可選規劃路徑的評分公式如下:Score(path)=a.o(t)+b.o(d)
其中,o(t)為可選規劃路徑的時間評分,o(d)為可選規劃路徑的距離評分,a、b為預先確定的權值;定義第i個可選規劃路徑的時間評分o i (t)為:
其中,T(path 1)、T(path 2)......T(path n )是不同可選規劃路徑下機器人移動到目標點所使用的時間,T(path i )是第i個可選規劃路徑下機器人移動到目標點所使用的時間,k ti 代表第i個可選規劃路徑的時間懲罰係數,該時間懲罰係數為機器人在第i個可選規劃路徑內繞過障礙物需要多花費的時間,d i 代表第i個可選規劃路徑的路徑長度,v i 代表第i個可選規劃路徑內的機器人速度,P i 代表第i個可選規劃路徑內出現障礙物的概率。
定義第i個可選規劃路徑的距離評分o i (d)為:
其中,d(path 1)、d(path 2)......d(path n)是不同可選規劃路徑下機器人移動到目標點所行走的距離,k di 代表第i個可選規劃路徑的距離懲罰係數,該距離懲罰係數為機器人在第i個可選規劃路徑內繞過障礙物需要多移動的距離。
本實施例中,該障礙物影響因素包括避障難度係數和出現障礙物的概率,在一種實施方式中,可以將機器人接入物聯網系統,通過這個系統可以得到更多有用的資訊,比如:(1)機器人能夠得到物聯網系統伺服器處理室內攝像頭的資訊。由於監控攝像頭一般對應著某一固定場景。藉由影像處理方法對攝像頭的資料進行處理能夠得到在某一個區域動態障礙物的數量及大致分佈。(2)物聯網系統伺服器能夠對人員流動的資料進行統計整理。通過統計資料,可以預測出在哪些時間段,哪些區域內,人員分佈較集中的概率。(3)更進一步,機器人系統能夠通過室內攝像頭得到室內動態障礙物的分佈(比如人員分佈),並即時對各個區段的路徑的障礙物概率進行刷新。因此,機器人能夠根據現有情況動態的選取最優路徑。
如第5圖所示,係障礙物影響因素在實際指標中的量化計算示意圖,將機器人的行走路徑分割成若干個區域。假設已知:(1)每兩個“基準定位點”之間的距離d;(2)每兩個“基準定位點”之間的設定移動速度v;(3)根據室內攝像頭得到的即時圖片資訊以及伺服器設定資料等等,可以得到一個當前室內各個區域的避障難度係數k以及障礙物可能出現的概率P,再映射到機器人的路徑規劃圖上。不妨假設在區域III與區域IV中,人員分佈比較集中,導致機器人在該區域內躲避障礙物的難度較大,即k(III)=k(IV)>k(I)=k(II)=k(V)=k(VI)。區域I、II與區域V、VI人員分佈相近,但是從歷史資料來看,區域I與區域II在這個時間段更容易出現障礙物即P(I)=P(II)>P(V)=P(VI)。相應的距離懲罰係數為kd,時間懲罰係數為kt。
為計算方便,忽略路徑A-L1,A-M1,A-N1之間與路徑B-L3,B-M3,B-N3之間的區別,即只對路徑L1-L2-L3(路徑L),M1-M2-M3(路徑M),N1-N2-N3路徑(N)進行評分。給定已知條件如下表一所示:
根據上述時間評分公式及距離評分公式可計算得到每一條路徑經過障礙物因素修正後的時間與距離評分,根據上述對可選規劃路徑的綜合評分公式可計算得到每條路徑的綜合評分,如下表二所示:表二
根據計算結果,即可分析選取評分最低的路徑,即第三條路徑作為機器人的最優移動規劃路徑。
進一步地,該基於分析出的路徑控制機器人運動到該第二位置點的步驟包括:機器人的路徑規劃系統即時或者定時分析當前待移動的路徑中是否存在障礙物需要進行移動規避。在一種實施方式中,機器人的路徑規劃系統即時或者定時從預先確定的區域監控伺服器(例如,物聯網系統伺服器)獲取當前待移動的路徑中的障礙物資訊,並根據獲取的障礙物資訊分析是否存在障礙物需要進行移動規避。例如,若有靜態障礙物處於待移動的路徑上,則確定需要進行移動規避,或者,若有動態障礙物的移動路徑與機器人的移動路徑存在交匯點,則確定需要進行移動規避,現有技術中存在根據獲取的障礙物資訊分析是否存在障礙物需要進行移動規避的演算法,在此不做贅述。在另一種實施方式中,機器人的路徑規劃系統即時或者定時通過機器人配置的障礙物檢測單元(例如,雷達單元)檢測當前待移動的路徑中的障礙物資訊,並分析是否存在障礙物需要進行移動規避。
若分析存在障礙物需要進行移動規避,則機器人的路徑規劃系統將當前位置作為新的第一位置點,根據設置的基準定位點並按照預先確定的路徑分析規則,分析出從新的第一位置點到該第二位置點的路徑, 並基於分析出的路徑控制機器人運動到該第二位置點。(例如第3圖所示的P點到Q點的規劃路徑)。
如第6圖所示,係機器人避障示意圖,假設機器人要從A點移動到B點,在運動中在C點附近突然出現一個動態障礙物。現有技術中,機器人會根據某種演算法動態地繞過障礙物並根據當前位置重新計算新的規劃路徑y4。這種方法存在一些不利的地方,比如:(1)在繞開障礙物的過程中,機器人需要不斷地計算躲避路徑,並不斷計算從當前位置到達目標點的路徑。這一過程將耗費大量計算資源與時間。(2)機器人無法得知眼前的這個障礙物的大小、繞過所需要花費的時間、繞過之後是不是還有其他障礙物。例如,出現在機器人面前的是一堵很長的人牆,採用常規方法將會花費大量的時間才能繞過這堵人牆。
與其相對的,在本實施例基於基準定位點來規劃路徑的方式中,機器人通過直接選擇其他基準定位點來重新選擇另外一條路徑。假設L1、L2是基準定位點。當機器人遇到障礙物的時候,機器人能夠重新選擇另外一條路線C-L1-L2-B來到達B點,即機器人可以不去選擇繞過障礙物,而是去選擇另外一條路徑,而且選擇路線相對即時計算路線更有效率,不會佔用機器人的大量計算資源,回應更加及時。
進一步地,機器人的路徑規劃系統在預先確定的區域地圖上預先選擇一個或多個位置點作為基準定位點的同時,還在預先確定的區域地圖中各個基準定位點對應的位置處設置對應的位置點標識。該位置點標識可以為人工位置路標,e.g.,例如,第二層A3區域的第二個基準定位點對應的位置處的人工路標可以為“L1A3P2”,或者,“L1A3②”;也可以是 自然位置路標,e.g.,例如,第二層A3區域的第二個基準定位點對應的位置處的自然路標可以為“→A3”。
該基於分析出的路徑控制機器人運動到該第二位置點的步驟還包括:機器人的路徑規劃系統即時或者定時進行位置定位;根據預先確定的基準定位點與觸發座標區域的映射關係,分析當前位置是否處於一個基準定位點的觸發座標區域中;該觸發座標區域可以是以基準定位點為圓心、預設長度為半徑的圓形區域或正方形區域,等等。
若當前位置處於一個基準定位點的觸發座標區域中,則開啟位置點標識識別設備(如攝像頭)開始檢測位置點標識;當檢測到位置點標識時,通過機器人的感測器計算出機器人與檢測的位置點標識的距離和方向,以得到機器人當前的位置和姿態,並根據機器人當前的位置和姿態對前進方向進行校準。
進一步地,為了大大減小每次查詢的計算量,該根據預先確定的基準定位點與觸發座標區域的映射關係,分析當前位置是否處於一個基準定位點的觸發座標區域中的步驟包括:根據預先確定的區域與座標範圍的映射關係,確定當前位置所處的區域;根據預先確定的區域與基準定位點的映射關係,確定當前位置對應的目標基準定位點;分析當前位置是否處於一個目標基準定位點的觸發座標區域中;若當前位置處於一個目標基準定位點的觸發座標區域中,則確定當前位置處於一個基準定位點的觸發座標區域中,或者,若當前位置不處於一個目標基準定位點的觸發座標區域中,則確定當前位置不處於一個基準定位點的觸發座標區域中。
在機器人按照規劃路徑移動過程中,機器人需要通過定位方 式確定當前位置與目標點的位置,以及在移動過程中也需要確認自身的位置。現在廣泛採用相對定位與絕對定位結合的方式。因為相對定位存在不可避免的誤差累計問題,需要採用絕對定位的方法進行校準。在機器人的相對定位中,機器人是在上次定位結果的基礎上,通過慣性等感測器測得的相對位移,來計算本次定位的結果。由於每次定位都會有一定誤差,誤差會不斷地累積、越來越大,最終導致一段時間後定位誤差大到不可接受。因此,機器人需要在適當的時刻採用某種方法對定位資訊進行校準。
本實施例中是在基準定位點模式下採用位置點標識來校準,機器人可以根據自身的位置粗略確定路標的位置,當機器人識別到位置點標識後,通過感測器計算出機器人與路標的距離和方向,得到機器人當前的位置和姿態。
現有的校準方法中,機器人需要時時刻刻打開檢測設備去搜尋附近是否有位置點標識,並進行校準。因此,需要在大範圍內佈置大量的位置點標識,也浪費了機器人大量的計算資源。而本實施例中在基準定位點模式下,將位置點標識的佈置範圍縮小到了基準定位點附近,無需全域性地佈置大量路標,只需選擇性地在基準定位點附近佈置路標,從而有效減少路標佈置的數量,防止因大量路標的佈設引起其他類型標識的混淆。
在以圖像識別作為校準方案的實施例中,假設每個基準定位點的位置點標識為一張圖片,該圖片對應地圖中唯一的座標(a,b)。在機器人頭頂安裝有一個攝像頭,用於識別位置點標識圖片。當機器人捕捉到位置點標識圖片時,能夠獲得機器人相對于靶心圖表片的相對座標(m,n),則機器人可以得到自身的當前座標為(a+m,b+n),並將該座標作為當前準 確的座標,實現座標校準。在一種實施方式中,機器人在移動過程中為了不錯過位置點標識,將即時打開頂部攝像頭,不斷對視頻進行處理。而在另一種實施方式的基準定位點模式下,當且僅當機器人進入基準定位點的觸發座標區域即觸發半徑時,攝像頭才打開捕捉位置點標識進行校準。因此,本實施例通過設置基準定位點的觸發座標區域給了機器人校準的時機,並便於機器人的控制,從而減少計算量和資源消耗。
在基準定位點模式下分析機器人當前位置是否處於一個基準定位點的觸發座標區域中時,一種實施方式是機器人即時利用當前座標和資料庫中每一個基準定位點的座標進行計算,判斷當前座標與某個基準定位點的座標是否小於觸發半徑。而為了加速搜索過程,在另一種實施方式中,將地圖和基準定位點進行分割分類,查詢時不對所有基準定位點進行查詢,而是通過判斷自身所在區域,只對構成區域的基準定位點進行查詢,從而大大減小每次查詢的計算量。
如第7圖所示,係基準定位點區域劃分與觸發半徑示意圖,該校準方案包括如下步驟:第一,利用基準定位點r將地圖分割成多個多邊形區域1、2……9,每個基準定位點都有相應半徑的觸發半徑R。第二,機器人判斷當前座標位於哪個區域內。例如第7圖中機器人當前位於編號為5的區域內。第三,當機器人在某個多邊形區域中時,機器人將以時間t的間隔查詢確認自己當前座標是否在這個區域角點的基準定位點的觸發半徑中。例如第7圖中,機器人當前座標位於編號為5的方形區域內,機器人將僅會查詢確認當前座標是否在構成該區域的四個角點的基準定位點”的區域(即編號為A,B,C,D四個基準定位點構成的區域)內。第四,若分析當前 座標已經進入某個基準定位點的觸發半徑區域,機器人將會打開位置點標識識別設備(如攝像頭)開始檢測位置點標識。第五,當檢測到位置點標識時,機器人將通過計算出的座標資訊來對當前座標進行校準。
本發明進一步提供一種機器人的路徑規劃系統。
請參閱第8圖所示,係本發明路徑規劃系統10較佳實施例的運行環境示意圖。
在本實施例中,該路徑規劃系統10安裝並運行於機器人1中。該機器人1可包括,但不僅限於,記憶體11、處理器12及顯示器13。第1圖僅示出了具有元件11-13的機器人1,但是應理解的是,並不要求實施所有示出的元件,可以替代的實施更多或者更少的元件。
該記憶體11在一些實施例中可以是該機器人1的內部存儲單元,例如該機器人1的硬碟或記憶體。該記憶體11在另一些實施例中也可以是該機器人1的外部存放裝置,例如該機器人1上配備的插接式硬碟,智慧存儲卡(Smart Media Card,SMC),安全數位(Secure Digital,SD)卡,快閃記憶體卡(Flash Card)等。進一步地,該記憶體11還可以包括該機器人1的內部存儲單元也包括外部存放裝置。該記憶體11用於存儲安裝於該機器人1的應用軟體及各類資料,例如該路徑規劃系統10的程式碼等。該記憶體11還可以用於暫時地存儲已經輸出或者將要輸出的資料。
該處理器12在一些實施例中可以是一中央處理器(Central Processing Unit,CPU),微處理器或其他資料處理晶片,用於運行該記憶體11中存儲的程式碼或處理資料,例如執行該路徑規劃系統10等。
該顯示器13在一些實施例中可以是LED顯示器、液晶顯示 器、觸控式液晶顯示器以及OLED(Organic Light-Emitting Diode,有機發光二極體)觸控器等。該顯示器13用於顯示在該機器人1中處理的資訊以及用於顯示視覺化的使用者介面,例如應用功能表介面、應用圖示介面等。該機器人1的部件11-13通過系統匯流排相互通信。
請參閱第9圖所示,是本發明路徑規劃系統10較佳實施例的功能模組圖。在本實施例中,該路徑規劃系統10可以被分割成一個或多個模組,該一個或者多個模組被存儲於該記憶體11中,並由一個或多個處理器(本實施例為該處理器12)所執行,以完成本發明。例如,在第9圖中,該路徑規劃系統10可以被分割成一選擇模組01、一路徑規劃模組02。本發明所稱的模組是指能夠完成特定功能的一系列電腦程式指令段,比程式更適合於描述該路徑規劃系統10在該機器人1中的執行過程。以下描述將具體介紹該選擇模組01、該路徑規劃模組02的功能。
該選擇模組01,用於在預先確定的區域地圖中可供機器人移動的路徑上,預先選擇一個或多個位置點作為基準定位點。本實施例中,在預先確定的區域地圖上預先選擇一個或多個位置點作為基準定位點。例如,針對公共圖書館區域地圖而言,可在各個相互連通且可供機器人移動的路徑上選擇一個或多個位置點作為基準定位點,如第2圖所示,圖中若干較小的黑色圓點即為在公共圖書館區域地圖中選擇的各個基準定位點,各個基準定位點均位於公共圖書館區域地圖中可供機器人移動的路徑上,圖中較大的黑色圓點為公共圖書館區域地圖中機器人無法通過的障礙物。
該路徑規劃模組02,用於若接收到將該機器人從第一位置點移動到第二位置點的指令,則根據設置的基準定位點並按照預先確定的路 徑分析規則,分析出從該第一位置點到該第二位置點的路徑,並基於分析出的路徑控制該機器人運動到該第二位置點。
若接收到將該機器人從第一位置點移動到第二位置點的指令,即機器人需要從第一位置點(例如,第2圖和3圖中所示的P點)移動到第二位置點(例如,第2圖和第3圖中所示的Q點),則機器人的路徑規劃系統根據設置的基準定位點並按照預先確定的路徑分析規則,分析出從第一位置點到第二位置的路徑,並基於分析出的路徑控制機器人運動到該第二位置點。例如,針對區域地圖中選定的各個基準定位點,可預先確定不同基準定位點之間的多條可移動的路徑y1、y2、y3,如第3圖所示,基準定位點A與基準定位點B之間可預先確定出多條可移動的路徑,確定出的多條可移動的路徑均能繞開較大的黑色圓點,也即繞開機器人無法通過的障礙物,以便機器人能正常移動。
若第一位置點如P點可順利移動至其附近的基準定位點A,第二位置點Q點可順利移動至其附近的基準定位點B,則機器人的路徑規劃系統可根據需要選擇基準定位點A與基準定位點B之間預先確定好的多條可移動的路徑中的一條,即可作為分析出的機器人的移動路徑,以完成將機器人從第一位置點運動到第二位置點的移動。例如,若需要機器人移動的路徑最短,則可選擇基準定位點A與基準定位點B之間預先確定好的可移動的路徑y1或y3,等等。
本實施例通過在預先確定的區域地圖中可供機器人移動的路徑上預先選擇一個或多個位置點作為基準定位點;在接收到將該機器人從第一位置點移動到第二位置點的指令後,根據設置的基準定位點並按照 預先確定的路徑分析規則,分析出從該第一位置點到該第二位置點的路徑,並基於分析出的路徑控制該機器人運動到該第二位置點。無需機器人在路徑規劃時即時計算移動路徑,而是從事先規劃好的路徑中進行對應選擇,即將路徑規劃的過程從“計算”轉變為“選擇”,有效減少了即時計算量,提高了路徑規劃的效率。
進一步地,該預先確定的路徑分析規則包括:確定距離第一位置點最近的第一基準定位點(例如,第3圖所示的A點),及距離第二位置點最近的第二基準定位點(例如,第3圖所示的B點);為該第一位置點至該第一基準定位點,以及該第二位置點至該第二基準定位點的路徑按照預設的第一規劃方式進行規劃;為該第一基準定位點至該第二基準定位點的路徑按照預設的第二規劃方式進行規劃,得到第二規劃路徑。
其中,該第一規劃方式為:若兩個位置點之間無障礙物,則取兩個位置點之間的直線路徑;若兩個位置點之間有障礙物,則取兩個位置點之間的繞過障礙物的最短路徑。具體地,若該第一位置點與該第一基準定位點之間無障礙物,則取該第一位置點與該第一基準定位點之間的直線路徑,如取P點至A點的直線路徑。若該第二位置點與該第二基準定位點之間無障礙物,則取該第二位置點與該第二基準定位點之間的直線路徑,如取Q點至B點的直線路徑。若該第一位置點與該第一基準定位點之間有障礙物,則取該第一位置點與該第一基準定位點之間的繞過障礙物的最短路徑;若該第二位置點與該第二基準定位點之間有障礙物,則取該第一位置點與該第一基準定位點之間的繞過障礙物的最短路徑。
進一步地,該第二規劃方式包括如下步驟:h1、根據預先確 定的第一基準定位點、第二基準定位點及可選規劃路徑的映射關係,確定第一基準定位點和第二基準定位點對應的可選規劃路徑;h2、按照預先確定的評分規則計算出各個可選規劃路徑對應的分值;h3、若最高分值的可選規劃路徑只有一個,則將該可選規劃路徑作為第一基準定位點至第二基準定位點的第二規劃路徑;h4、若最高分值的可選規劃路徑有多個,則從多個最高分值的可選規劃路徑中隨機選擇一個可選規劃路徑作為第一基準定位點至第二基準定位點的第二規劃路徑。
進一步地,該步驟h1和h2之間,還包括如下步驟:採用預先確定的篩選方式對可選規劃路徑進行過濾,以篩選出待進行分值計算的可選規劃路徑。該預先確定的篩選方式包括如下步驟:從各個可選規劃路徑中,篩選出包含預先確定的特定基準定位點的可選規劃路徑,並將篩選出的可選規劃路徑作為待進行分值計算的可選規劃路徑。例如,若機器人需要在從A點移動到B點的過程中播放一段廣告,而廣告需要在人群較多的路徑M-N上進行播放。則機器人在路徑規劃過程中必須經過特定基準定位點M和N,從A到B可以選擇的路徑必須包含該特定基準定位點M和N,則只對包含該特定基準定位點M和N的可選規劃路徑進行分值計算,以簡化路徑的選擇過程。
在另一種篩選方式中,還可根據預先確定的計算公式分別計算出各個可選規劃路徑對應的總長度,並分別計算出各個可選規劃路徑的總長度與第一基準定位點至第二基準定位點的最短路徑的總長度的差值,第一基準定位點至第二基準定位點的最短路徑可以是第一基準定位點與第二基準定位點之間的直線距離,也可以是第一基準定位點至第二基準定位 點的各個可選規劃路徑中的最短路徑。將對應的差值小於預設閾值的可選規劃路徑篩選出來作為待進行分值計算的可選規劃路徑。即篩選出路徑長度較短的可選規劃路徑來進行選擇,以提高選出最優規劃路徑的效率。
進一步地,在根據預先確定的計算公式來分別計算出各個可選規劃路徑對應的總長度時,該預先確定的計算公式為:
其中,d(path)代表路徑的總長度,還包括:
以限定各個可選規劃路徑中每個基準定位點只能經過一次,而且最差的情況是每個基準定位點都要經過。定義x ij {0,1},i,j=1,2,...,n,i≠j,約束條件決策變數x ij =1表示機器人選擇了這段路徑,x ij =0表示機器人沒有選擇這段路徑。
進一步地,在按照預先確定的評分規則計算各個可選規劃路徑對應的分值時,該預先確定的評分規則為:根據各個可選規劃路徑對應的行走距離影響因素、行走時間影響因素和/或障礙物影響因素進行評分;其中,每一可選規劃路徑對應的分值為該可選規劃路徑中每兩個相鄰節點之間的路徑在行走距離影響因素、行走時間影響因素或障礙物影響因素下的評分和。
具體地,可定義最後選取的路徑為: min[Score(path 1),Score(path 2),...,Score(path i ),...,Score(path n )|n N +]
其中,Score(path i )指的是編號為i的路徑的綜合評分,路徑的綜合評分公式如下:Score(path)=g[o(1),o(2),...,o(i),...,o(n)]
其中o(i)代表的是影響因素,該影響因素包括行走距離影響因素、行走時間影響因素、障礙物(例如,避障難度)影響因素等,針對某一個影響因素,整條路徑的該影響因素的評分值為每一段路徑的評分和,即:
其中L k,k+1代表著A到B這段路徑中每兩個相鄰節點之間的路徑的該影響因素的評分。例如,如圖4所示,假設機器人從A點到B點有三條路徑,path1=A-L1-L2-L3-B,path2=A-M1-M2-M3-B,path3=A-N1-N2-N3-B,其中Li,Ni,Mi(i=1,2,3)為基準定位點,則path1路徑的長度為d(path1),path2路徑的長度為d(path2),path3路徑的長度為d(path3)。每一可選規劃路徑對應的分值為該可選規劃路徑中每兩個相鄰節點之間的路徑在行走距離影響因素、行走時間影響因素或障礙物影響因素下的評分和,如path1路徑對應的分值為該可選規劃路徑中每兩個相鄰節點之間的路徑A-L1、L1-L2、L2-L3、L3-B在行走距離影響因素、行走時間影響因素或障礙物影響因素下的評分和。
進一步地,可選規劃路徑的評分公式如下:Score(path)=a.o(t)+b.o(d)
其中,o(t)為可選規劃路徑的時間評分,o(d)為可選規劃路徑的距離評分,a、b為預先確定的權值;定義第i個可選規劃路徑的時間評分o i (t)為:
其中,T(path 1)、T(path 2)......T(path n )是不同可選規劃路徑下機器人移動到目標點所使用的時間,T(path i )是第i個可選規劃路徑下機器人移動到目標點所使用的時間,k ti 代表第i個可選規劃路徑的時間懲罰係數,該時間懲罰係數為機器人在第i個可選規劃路徑內繞過障礙物需要多花費的時間,d i 代表第i個可選規劃路徑的路徑長度,v i 代表第i個可選規劃路徑內的機器人速度,P i 代表第i個可選規劃路徑內出現障礙物的概率。
定義第i個可選規劃路徑的距離評分o i (d)為:
其中,d(path 1)、d(path 2)......d(path n)是不同可選規劃路徑下機器人移動到目標點所行走的距離,k di 代表第i個可選規劃路徑的距離懲罰係數,該距離懲罰係數為機器人在第i個可選規劃路徑內繞過障礙物需要多移動的距離。
本實施例中,該障礙物影響因素包括避障難度係數和出現障 礙物的概率,在一種實施方式中,可以將機器人接入物聯網系統,通過這個系統可以得到更多有用的資訊,比如:(1)機器人能夠得到物聯網系統伺服器處理室內攝像頭的資訊。由於監控攝像頭一般對應著某一固定場景。通過影像處理方法對攝像頭的資料進行處理能夠得到在某一個區域動態障礙物的數量及大致分佈。(2)物聯網系統伺服器能夠對人員流動的資料進行統計整理。通過統計資料,可以預測出在哪些時間段,哪些區域內,人員分佈較集中的概率。(3)更進一步,機器人系統能夠通過室內攝像頭得到室內動態障礙物的分佈(比如人員分佈),並即時對各個區段的路徑的障礙物概率進行刷新。因此,機器人能夠根據現有情況動態的選取最優路徑。
如第5圖所示,係障礙物影響因素在實際指標中的量化計算示意圖,將機器人的行走路徑分割成若干個區域。假設已知:(1)每兩個“基準定位點”之間的距離d;(2)每兩個“基準定位點”之間的設定移動速度v;(3)根據室內攝像頭得到的即時圖片資訊以及伺服器設定資料等等,可以得到一個當前室內各個區域的避障難度係數k以及障礙物可能出現的概率P,再映射到機器人的路徑規劃圖上。不妨假設在區域III與區域IV中,人員分佈比較集中,導致機器人在該區域內躲避障礙物的難度較大,即k(III)=k(IV)>k(I)=k(II)=k(V)=k(VI)。區域I、II與區域V、VI人員分佈相近,但是從歷史資料來看,區域I與區域II在這個時間段更容易出現障礙物即P(I)=P(II)>P(V)=P(VI)。相應的距離懲罰係數為kd,時間懲罰係數為kt。
為計算方便,忽略路徑A-L1,A-M1,A-N1之間與路徑B-L3,B-M3,B-N3之間的區別,即只對路徑L1-L2-L3(路徑L),M1-M2-M3 (路徑M),N1-N2-N3路徑(N)進行評分。給定已知條件如下表一所示:
根據上述時間評分公式及距離評分公式可計算得到每一條路徑經過障礙物因素修正後的時間與距離評分,根據上述對可選規劃路徑的綜合評分公式可計算得到每條路徑的綜合評分,如下表二所示:
根據計算結果,即可分析選取評分最低的路徑,即第三條路徑作為機器人的最優移動規劃路徑。
進一步地,上述路徑規劃模組02還用於:即時或者定時分析當前待移動的路徑中是否存在障礙物需要進行移動規避。在一種實施方式中,機器人的路徑規劃系統即時或者定時從預先確定的區域監控伺服器(例如,物聯網系統伺服器)獲取當前待移動的路徑中的障礙物資訊,並根據獲取的障礙物資訊分析是否存在障礙物需要進行移動規避。例如,若有靜態障礙物處於待移動的路徑上,則確定需要進行移動規避,或者,若有動態障礙物的移動路徑與機器人的移動路徑存在交匯點,則確定需要進行移動規避,現有技術中存在根據獲取的障礙物資訊分析是否存在障礙物需要進行移動規避的演算法,在此不做贅述。在另一種實施方式中,機器人的路徑規劃系統即時或者定時通過機器人配置的障礙物檢測單元(例如,雷達單元)檢測當前待移動的路徑中的障礙物資訊,並分析是否存在障礙物需要進行移動規避。
若分析存在障礙物需要進行移動規避,則機器人的路徑規劃系統將當前位置作為新的第一位置點,根據設置的基準定位點並按照預先確定的路徑分析規則,分析出從新的第一位置點到該第二位置點的路徑,並基於分析出的路徑控制機器人運動到該第二位置點。(例如第3圖所示的P點到Q點的規劃路徑)。
如第6圖所示,係機器人避障示意圖,假設機器人要從A點移動到B點,在運動中在C點附近突然出現一個動態障礙物。習知技術中,機器人會根據某種演算法動態地繞過障礙物並根據當前位置重新計算新的規劃路徑y4。這種方法存在一些不利的地方,比如:(1)在繞開障礙物的過程中,機器人需要不斷地計算躲避路徑,並不斷計算從當前位置到達目 標點的路徑。這一過程將耗費大量計算資源與時間。(2)機器人無法得知眼前的這個障礙物的大小、繞過所需要花費的時間、繞過之後是不是還有其他障礙物。例如,出現在機器人面前的是一堵很長的人牆,採用常規方法將會花費大量的時間才能繞過這堵人牆。
與其相對的,在本實施例基於基準定位點來規劃路徑的方式中,機器人通過直接選擇其他基準定位點來重新選擇另外一條路徑。假設L1、L2是基準定位點。當機器人遇到障礙物的時候,機器人能夠重新選擇另外一條路線C-L1-L2-B來到達B點,即機器人可以不去選擇繞過障礙物,而是去選擇另外一條路徑,而且選擇路線相對即時計算路線更有效率,不會佔用機器人的大量計算資源,回應更加及時。
進一步地,上述選擇模組01在預先確定的區域地圖上預先選擇一個或多個位置點作為基準定位點的同時,還在預先確定的區域地圖中各個基準定位點對應的位置處設置對應的位置點標識。該位置點標識可以為人工位置路標,e.g.,例如,第二層A3區域的第二個基準定位點對應的位置處的人工路標可以為“L1A3P2”,或者,“L1A3②”;也可以是自然位置路標,e.g.,例如,第二層A3區域的第二個基準定位點對應的位置處的自然路標可以為“→A3”。
上述路徑規劃模組02還用於:即時或者定時進行位置定位;根據預先確定的基準定位點與觸發座標區域的映射關係,分析當前位置是否處於一個基準定位點的觸發座標區域中;該觸發座標區域可以是以基準定位點為圓心、預設長度為半徑的圓形區域或正方形區域,等等。
若當前位置處於一個基準定位點的觸發座標區域中,則開啟 位置點標識識別設備(如攝像頭)開始檢測位置點標識;當檢測到位置點標識時,通過機器人的感測器計算出機器人與檢測的位置點標識的距離和方向,以得到機器人當前的位置和姿態,並根據機器人當前的位置和姿態對前進方向進行校準。
進一步地,為了大大減小每次查詢的計算量,上述路徑規劃模組02還用於:根據預先確定的區域與座標範圍的映射關係,確定當前位置所處的區域;根據預先確定的區域與基準定位點的映射關係,確定當前位置對應的目標基準定位點;分析當前位置是否處於一個目標基準定位點的觸發座標區域中;若當前位置處於一個目標基準定位點的觸發座標區域中,則確定當前位置處於一個基準定位點的觸發座標區域中,或者,若當前位置不處於一個目標基準定位點的觸發座標區域中,則確定當前位置不處於一個基準定位點的觸發座標區域中。
在機器人按照規劃路徑移動過程中,機器人需要通過定位方式確定當前位置與目標點的位置,以及在移動過程中也需要確認自身的位置。現在廣泛採用相對定位與絕對定位結合的方式。因為相對定位存在不可避免的誤差累計問題,需要採用絕對定位的方法進行校準。在機器人的相對定位中,機器人是在上次定位結果的基礎上,通過慣性等感測器測得的相對位移,來計算本次定位的結果。由於每次定位都會有一定誤差,誤差會不斷地累積、越來越大,最終導致一段時間後定位誤差大到不可接受。因此,機器人需要在適當的時刻採用某種方法對定位資訊進行校準。
本實施例中是在基準定位點模式下採用位置點標識來校準,機器人可以根據自身的位置粗略確定路標的位置,當機器人識別到位 置點標識後,通過感測器計算出機器人與路標的距離和方向,得到機器人當前的位置和姿態。
習知的校準方法中,機器人需要時時刻刻打開檢測設備去搜尋附近是否有位置點標識,並進行校準,因此,需要在大範圍內佈置大量的位置點標識,也浪費了機器人大量的計算資源。而本實施例中在基準定位點模式下,將位置點標識的佈置範圍縮小到了基準定位點附近,無需全域性地佈置大量路標,只需選擇性地在基準定位點附近佈置路標,因而有效減少路標佈置的數量,防止因大量路標的佈設引起其他類型標識的混淆。
在以圖像識別作為校準方案的實施例中,假設每個基準定位點的位置點標識為一張圖片,該圖片對應地圖中唯一的座標(a,b)。在機器人頭頂安裝有一個攝像頭,用於識別位置點標識圖片。當機器人捕捉到位置點標識圖片時,能夠獲得機器人相對于靶心圖表片的相對座標(m,n),則機器人可以得到自身的當前座標為(a+m,b+n),並將該座標作為當前準確的座標,實現座標校準。在一種實施方式中,機器人在移動過程中為了不錯過位置點標識,將即時打開頂部攝像頭,不斷對視頻進行處理。而在另一種實施方式的基準定位點模式下,僅當機器人進入基準定位點的觸發座標區域即觸發半徑時,攝像頭才打開捕捉位置點標識進行校準。因此,本實施例通過設置基準定位點的觸發座標區域給了機器人校準的時機,並便於機器人的控制,因而減少計算量和資源消耗。
在基準定位點模式下分析機器人當前位置是否處於一個基準定位點的觸發座標區域中時,一種實施方式是機器人即時利用當前座標和資料庫中每一個基準定位點的座標進行計算,判斷當前座標與某個基準 定位點的座標是否小於觸發半徑。而為了加速搜索過程,在另一種實施方式中,將地圖和基準定位點進行分割分類,查詢時不對所有基準定位點進行查詢,而是通過判斷自身所在區域,只對構成區域的基準定位點進行查詢,從而大大減小每次查詢的計算量。
如第7圖所示,係基準定位點區域劃分與觸發半徑示意圖,該校準方案包括如下步驟:第一,利用基準定位點r將地圖分割成多個多邊形區域1、2……9,每個基準定位點都有相應半徑的觸發半徑R。第二,機器人判斷當前座標位於哪個區域內。例如第7圖中機器人當前位於編號為5的區域內。第三,當機器人在某個多邊形區域中時,機器人將以時間t的間隔查詢確認自己當前座標是否在這個區域角點的基準定位點的觸發半徑中。例如第7圖中,機器人當前座標位於編號為5的方形區域內,機器人將僅會查詢確認當前座標是否在構成該區域的四個角點的基準定位點”的區域(即編號為A,B,C,D四個基準定位點構成的區域)內。第四,若分析當前座標已經進入某個基準定位點的觸發半徑區域,機器人將會打開位置點標識識別設備(如攝像頭)開始檢測位置點標識。第五,當檢測到位置點標識時,機器人將通過計算出的座標資訊來對當前座標進行校準。
需要說明的是,在本文中,術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含,從而使得包括一系列要素的過程、方法、物品或者裝置不僅包括那些要素,而且還包括沒有明確列出的其他要素,或者是還包括為這種過程、方法、物品或者裝置所固有的要素。在沒有更多限制的情況下,由語句“包括一個……”限定的要素,並不排除在包括該要素的過程、方法、物品或者裝置中還存在另外的相同要素。
通過以上的實施方式的描述,本領域的技術人員可以清楚地瞭解到上述實施例方法可借助軟體加必需的通用硬體平臺的方式來實現,當然也可以藉由硬體來實現,但很多情況下前者是更佳的實施方式。基於這樣的理解,本發明的技術方案本質上或者說對現有技術做出貢獻的部分可以以軟體產品的形式體現出來,該電腦軟體產品存儲在一個存儲介質(如ROM/RAM、磁碟、光碟)中,包括若干指令用以使得一台終端設備(可以是手機,電腦,伺服器,空調器,或者網路設備等)執行本發明各個實施例該的方法。
以上參照附圖說明了本發明的較佳實施例,並非因此局限本發明的權利範圍。上述本發明實施例序號僅僅為了描述,不代表實施例的優劣。另外,雖然在流程圖中示出了邏輯順序,但是在某些情況下,可以以不同於此處的循序執行所示出或描述的步驟。
本領域技術人員不脫離本發明的範圍和實質,可以有多種變型方案實現本發明,比如作為一個實施例的特徵可用於另一實施例而得到又一實施例。凡在運用本發明的技術構思之內所作的任何修改、等同替換和改進,均應在本發明的權利範圍之內。
Claims (10)
- 一種機器人的路徑規劃系統,包括:一選擇模組,用於在預先確定之區域地圖中可供機器人移動的路徑上,預先選擇一個或多個位置點作為基準定位點;及一路徑規劃模組,用於若接收到將該機器人從第一位置點移動到第二位置點的指令,則根據設置的基準定位點並按照預先確定的路徑分析規則,分析出從該第一位置點到該第二位置點的路徑,並基於該分析出的路徑控制該機器人運動到該第二位置點。
- 如申請專利範圍第1項所述之機器人的路徑規劃系統,其中該預先確定的路徑分析規則包括:確定距離該第一位置點最近的第一基準定位點,及距離該第二位置點最近的第二基準定位點;為該第一位置點至該第一基準定位點,以及該第二位置點至該第二基準定位點的路徑依據預設的第一規劃方式進行規劃;以及為該第一基準定位點至該第二基準定位點的路徑依據預設的第二規劃方式進行規劃,得到第二規劃路徑。
- 如申請專利範圍第2項所述之機器人的路徑規劃系統,其中該第一規劃方式為:若該第一位置點與該第一基準定位點之間無障礙物,則取該第一位置點與該第一基準定位點之間的直線路徑;若該第二位置點與該第二基準定位點之間無障礙物,則取該第二位置點與該第二基準定位點之間的直線路徑;以及若該第一位置點與該第一基準定位點之間有障礙物,則取該第一位置點與該第一基準定位點之間的繞過該障礙物的最短路徑;若該第二位置點與該第二基準定位點之間有障礙物,則取該第一位置點與該第一基準定位點之間的繞過該障礙物的最短路徑。
- 如申請專利範圍第2項所述之機器人的路徑規劃系統,其中該第二規劃方式包括如下步驟:h1、根據預先確定的第一基準定位點、第二基準定位點及可選規劃路徑的映射關係,確定該第一基準定位點和該第二基準定位點對應的該可選規劃路徑;h2、依據預先確定的評分規則計算出各個可選規劃路徑對應的分值;h3、若最高分值的可選規劃路徑只有一個,則將該可選規劃路徑作為該第一基準定位點至該第二基準定位點的第二規劃路徑;以及h4、若最高分值的可選規劃路徑有多個,則從多個最高分值的可選規劃路徑中隨機選擇一個可選規劃路徑作為該第一基準定位點至該第二基準定位點的第二規劃路徑。
- 如申請專利範圍第4項所述之機器人的路徑規劃系統,其中該步驟h1和h2之間,還包括如下步驟:從各個可選規劃路徑中,篩選出包含預先確定的特定基準定位點的可選規劃路徑,並將篩選出的該可選規劃路徑作為待計算分值的可選規劃路徑;及/或,根據預先確定的計算公式分別計算出各個可選規劃路徑對應的總長度,並分別計算出各個可選規劃路徑的總長度與該第一基準定位點至該第二基準定位點的最短路徑的總長度的差值,將差值小於預設閾值的可選規劃路徑篩選出來作為該待計算分值的可選規劃路徑。
- 如申請專利範圍第4項所述之機器人的路徑規劃系統,其中該步驟h2包括:根據各個可選規劃路徑對應的行走距離影響因素、行走時間影響因素和/或障礙物影響因素進行評分;其中,每一可選規劃路徑對應的分值為該可選規劃路徑中每兩個相鄰節點之間的路徑在行走距離影響因素、行走時間影響因素或障礙物影響因素下的評分和。
- 如申請專利範圍第6項所述之機器人的路徑規劃系統,其中該可選規劃路徑的評分公式如下: Score( path)= a. o( t)+ b. o( d)其中, o( t)為可選規劃路徑的時間評分, o( d)為可選規劃路徑的距離評分,a、b為預先確定的權值;定義第i個可選規劃路徑的時間評分 o i ( t)為:
- 如申請專利範圍第1至7項中任一項之機器人的路徑規劃系統,其 中該路徑規劃模組還用於:即時或者定時分析當前待移動的路徑中是否存在障礙物需要進行移動規避;若分析存在障礙物需要進行移動規避,則將當前位置作為新的第一位置點,根據設置的該基準定位點並依據預先確定的路徑分析規則,分析出從新的第一位置點到該第二位置點的路徑,並基於分析出的路徑控制機器人運動到該第二位置點。
- 如申請專利範圍第1至7項中任一項之機器人的路徑規劃系統,其中該選擇模組還用於:在預先確定的區域地圖中,各個基準定位點對應的位置處設置對應的位置點標識;該路徑規劃模組還用於:即時或者定時進行位置定位;根據預先確定的基準定位點與觸發座標區域的映射關係,分析當前位置是否處於一個基準定位點的觸發座標區域中;若當前位置處於一個基準定位點的觸發座標區域中,則開啟位置點標識識別設備開始檢測該位置點標識;當檢測到該位置點標識時,通過機器人的感測器計算出該機器人檢測的該位置點標識的距離和方向,以得到該機器人當前的位置和姿態,並根據該機器人當前的位置和姿態對前進方向進行校準。
- 一種機器人的路徑規劃方法,其包括以下步驟:一機器人的路徑規劃系統,在預先確定的區域地圖中可供機器人移動的路徑上,預先選擇一個或多個位置點作為基準定位點;以及若接收到將該機器人從第一位置點移動到第二位置點的指令,則根據設置的基準定位點並依據預先確定的路徑分析規則,分析出從該第一位置點到該第二位置點的路徑,並基於該分析出的路徑控制該機器人運動到該第二位置點。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710232929.0A CN107677285B (zh) | 2017-04-11 | 2017-04-11 | 机器人的路径规划系统及方法 |
??201710232929.0 | 2017-04-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201837428A true TW201837428A (zh) | 2018-10-16 |
TWI639813B TWI639813B (zh) | 2018-11-01 |
Family
ID=61133560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW106135249A TWI639813B (zh) | 2017-04-11 | 2017-10-13 | 機器人的路徑規劃系統及方法 |
Country Status (9)
Country | Link |
---|---|
US (1) | US11035684B2 (zh) |
EP (1) | EP3438611B1 (zh) |
JP (1) | JP6800989B2 (zh) |
KR (1) | KR102152192B1 (zh) |
CN (1) | CN107677285B (zh) |
AU (1) | AU2017409109B9 (zh) |
SG (1) | SG11201900262RA (zh) |
TW (1) | TWI639813B (zh) |
WO (1) | WO2018188200A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI721784B (zh) * | 2019-05-23 | 2021-03-11 | 大陸商中國銀聯股份有限公司 | 一種巡檢設備的方法、裝置、電腦可讀存儲介質及電腦程式產品 |
TWI806237B (zh) * | 2021-11-11 | 2023-06-21 | 國立虎尾科技大學 | 機器人系統及機器人控制方法 |
Families Citing this family (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108415436A (zh) * | 2018-04-09 | 2018-08-17 | 重庆鲁班机器人技术研究院有限公司 | 机器人引导方法、装置及机器人 |
CN108717302B (zh) * | 2018-05-14 | 2021-06-25 | 平安科技(深圳)有限公司 | 机器人跟随人物方法、装置及存储介质、机器人 |
WO2019237351A1 (zh) * | 2018-06-15 | 2019-12-19 | 深圳前海达闼云端智能科技有限公司 | 机器人运动控制方法、装置、存储介质及机器人 |
CN109077667B (zh) * | 2018-07-16 | 2020-12-01 | 广州俊德信息科技有限公司 | 清洁电器的调整方法、系统、可存储介质和清洁电器 |
CN109101017A (zh) * | 2018-07-27 | 2018-12-28 | 江苏盛海智能科技有限公司 | 一种无人车寻迹路线规划方法及终端 |
CN109163613A (zh) * | 2018-08-28 | 2019-01-08 | 联誉信息股份有限公司 | 一种智能打靶机器人 |
CN109068278B (zh) * | 2018-08-31 | 2023-02-28 | 平安科技(深圳)有限公司 | 室内避障方法、装置、计算机设备及存储介质 |
CN113196325A (zh) * | 2018-12-26 | 2021-07-30 | 深圳市柔宇科技股份有限公司 | 广告路径规划方法、穿戴装置、服务器及相关装置 |
US11338438B2 (en) * | 2019-01-25 | 2022-05-24 | Bear Robotics, Inc. | Method, system and non-transitory computer-readable recording medium for determining a movement path of a robot |
CN109933857B (zh) * | 2019-02-19 | 2023-07-04 | 飞腾信息技术有限公司 | 感知集成电路布局信息的时钟树主干拓扑生成方法及系统 |
US11249492B2 (en) * | 2019-03-26 | 2022-02-15 | Intel Corporation | Methods and apparatus to facilitate autonomous navigation of robotic devices |
CN109822597B (zh) * | 2019-04-14 | 2021-01-19 | 北京中大科慧科技发展有限公司 | 一种数据中心的全自动智能巡检机器人 |
JP7124797B2 (ja) * | 2019-06-28 | 2022-08-24 | トヨタ自動車株式会社 | 機械学習方法および移動ロボット |
CN112346444B (zh) * | 2019-07-21 | 2023-06-13 | 长沙智能驾驶研究院有限公司 | 智慧工地的锥桶控制方法、装置、系统和计算机设备 |
CN110599089B (zh) * | 2019-08-30 | 2020-11-03 | 北京三快在线科技有限公司 | 隔离带位置确定方法、装置、存储介质和电子设备 |
CN112631209A (zh) * | 2019-10-08 | 2021-04-09 | 北京京东乾石科技有限公司 | 用于控制无人搬运车的方法和装置 |
CN112817269A (zh) * | 2019-11-15 | 2021-05-18 | 深圳拓邦股份有限公司 | 一种遍历作业方法、系统及机器人设备 |
US11224972B2 (en) | 2019-11-22 | 2022-01-18 | Fanuc Corporation | State machine for dynamic path planning |
CN111177291B (zh) * | 2019-12-23 | 2021-12-14 | 腾讯科技(深圳)有限公司 | 一种对象移动方法、装置、设备及介质 |
JP2021115641A (ja) * | 2020-01-23 | 2021-08-10 | セイコーエプソン株式会社 | 移動ロボットの制御方法及び制御装置、並びに、ロボットシステム |
US11438886B2 (en) * | 2020-02-27 | 2022-09-06 | Psj International Ltd. | System for establishing positioning map data and method for the same |
CN111694353A (zh) * | 2020-05-14 | 2020-09-22 | 特斯联科技集团有限公司 | 一种导引控制方法、装置、存储介质及服务机器人 |
CN111906779B (zh) * | 2020-06-30 | 2022-05-10 | 珠海一微半导体股份有限公司 | 一种越障结束判断方法、越障控制方法、芯片及机器人 |
CN111930113A (zh) * | 2020-06-30 | 2020-11-13 | 创新工场(北京)企业管理股份有限公司 | 一种为自主导航机器人设置行驶路径的方法与装置 |
CN111813123A (zh) * | 2020-07-17 | 2020-10-23 | 徐州泰丰泵业有限公司 | 一种喷灌机行走控制系统和控制方法 |
CN111906765B (zh) * | 2020-07-31 | 2022-07-12 | 平安科技(深圳)有限公司 | 应用于路径规划的空间采样方法、装置、设备及介质 |
CN112201072A (zh) * | 2020-09-30 | 2021-01-08 | 姜锡忠 | 城市交通路径规划方法及系统 |
CN112256039B (zh) * | 2020-11-05 | 2023-05-26 | 深圳市锐曼智能装备有限公司 | 清洁机器人操控系统及清扫路线的生成方法 |
CN112370158B (zh) * | 2020-11-13 | 2022-03-11 | 毕建平 | 一种机器人骨折复位路径规划方法、规划系统及机器人 |
CN112748733B (zh) * | 2020-12-16 | 2024-05-07 | 广东电网有限责任公司 | 电缆放线车路径规划方法、装置、设备及存储介质 |
CN113156933B (zh) * | 2020-12-30 | 2022-05-03 | 徐宁 | 一种机器人行进控制系统和方法 |
CN112947411B (zh) * | 2021-01-26 | 2023-09-12 | 清华大学深圳国际研究生院 | 基于RFID与ROS-Slam的博物馆藏品智能巡检系统与方法 |
JP2022188993A (ja) * | 2021-06-10 | 2022-12-22 | 株式会社日立製作所 | 経路探索情報処理システム、経路探索情報処理方法 |
CN113807790A (zh) * | 2021-09-26 | 2021-12-17 | 上海擎朗智能科技有限公司 | 一种机器人的路径规划方法、装置、电子设备和存储介质 |
CN113842086B (zh) * | 2021-09-28 | 2022-12-06 | 深圳市云鼠科技开发有限公司 | 一种清洁方法、拖地机器人及清洁系统 |
CN113892863B (zh) * | 2021-10-08 | 2022-11-01 | 珠海格力电器股份有限公司 | 路径规划方法、装置、电子设备和存储介质 |
CN114115239B (zh) * | 2021-11-03 | 2024-04-12 | 中国科学院重庆绿色智能技术研究院 | 一种机器人路径规划方法、系统、设备及介质 |
CN114260891A (zh) * | 2021-12-16 | 2022-04-01 | 珠海格力电器股份有限公司 | 一种机器人控制方法、装置、电子设备及存储介质 |
CN116774686A (zh) * | 2022-03-10 | 2023-09-19 | 苏州科瓴精密机械科技有限公司 | 机器人寻路方法、寻路装置、设备和计算机可读存储介质 |
CN116388691B (zh) * | 2023-04-07 | 2023-10-20 | 宁夏百川电力股份有限公司 | 一种光伏发电场智能巡检方法及系统 |
CN116540709B (zh) * | 2023-05-11 | 2023-11-14 | 江苏博发机器人智能装备有限公司 | 一种基于机器人编队的避障路径规划方法 |
CN117093011B (zh) * | 2023-10-20 | 2024-01-05 | 苏州德斯米尔智能科技有限公司 | 一种智能机器人无人清洗控制方法 |
CN117250965B (zh) * | 2023-11-20 | 2024-02-23 | 广东电网有限责任公司佛山供电局 | 一种机器人避障快速路径重构方法和系统 |
Family Cites Families (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5978730A (en) * | 1997-02-20 | 1999-11-02 | Sony Corporation | Caching for pathfinding computation |
JP3359008B2 (ja) * | 1999-08-20 | 2002-12-24 | 三菱重工業株式会社 | 無人搬送車の走行制御システム |
JP2002133351A (ja) * | 2000-10-25 | 2002-05-10 | Nec Corp | 最小コスト経路探索装置及びそれに用いる最小コスト経路探索方法 |
US6615133B2 (en) | 2001-02-27 | 2003-09-02 | International Business Machines Corporation | Apparatus, system, method and computer program product for determining an optimum route based on historical information |
US9855657B2 (en) * | 2003-01-31 | 2018-01-02 | Thermo Crs Ltd. | Syntactic inferential motion planning method for robotic systems |
US7447593B2 (en) * | 2004-03-26 | 2008-11-04 | Raytheon Company | System and method for adaptive path planning |
KR100745975B1 (ko) * | 2004-12-30 | 2007-08-06 | 삼성전자주식회사 | 그리드 맵을 사용하여 최소 이동 경로로 이동하는 방법 및장치 |
JP2007094743A (ja) * | 2005-09-28 | 2007-04-12 | Zmp:Kk | 自律移動型ロボットとそのシステム |
JP4143103B2 (ja) * | 2006-12-20 | 2008-09-03 | 本田技研工業株式会社 | 移動装置、ならびにその制御システム、制御プログラムおよび監督システム |
JP4661838B2 (ja) * | 2007-07-18 | 2011-03-30 | トヨタ自動車株式会社 | 経路計画装置及び方法、コスト評価装置、並びに移動体 |
US8417446B2 (en) | 2008-07-25 | 2013-04-09 | Navteq B.V. | Link-node maps based on open area maps |
US8825387B2 (en) * | 2008-07-25 | 2014-09-02 | Navteq B.V. | Positioning open area maps |
JP4745378B2 (ja) * | 2008-12-08 | 2011-08-10 | 株式会社東芝 | 移動台車 |
TWI388956B (zh) * | 2009-05-20 | 2013-03-11 | Univ Nat Taiwan Science Tech | 行動機器人與其目標物處理路徑的規劃方法 |
KR100988833B1 (ko) * | 2009-07-06 | 2010-10-20 | 유티정보 주식회사 | 신호연동정보를 이용한 네비게이션 시스템 |
KR101667030B1 (ko) * | 2009-08-10 | 2016-10-17 | 삼성전자 주식회사 | 로봇의 경로 계획 장치 및 그 방법 |
KR101667029B1 (ko) * | 2009-08-10 | 2016-10-17 | 삼성전자 주식회사 | 로봇의 경로 계획방법 및 장치 |
WO2011033100A1 (de) * | 2009-09-18 | 2011-03-24 | Deutsches Zentrum Fuer Luft- Und Raumfahrt E.V. | Verfahren zur erstellung einer karte bezüglich ortsbezogener angaben über die wahrscheinlichkeit der zukünftigen bewegung einer person |
JP2011175393A (ja) * | 2010-02-24 | 2011-09-08 | Toyota Motor Corp | 経路計画装置、自律移動ロボット、及び移動経路の計画方法 |
US9323250B2 (en) * | 2011-01-28 | 2016-04-26 | Intouch Technologies, Inc. | Time-dependent navigation of telepresence robots |
JP5776440B2 (ja) * | 2011-08-24 | 2015-09-09 | 株式会社豊田中央研究所 | 自律移動体 |
CN103294054B (zh) * | 2012-02-24 | 2016-03-30 | 联想(北京)有限公司 | 一种机器人导航方法及系统 |
WO2014000090A1 (en) * | 2012-06-26 | 2014-01-03 | The Governing Council Of The University Of Toronto | System, method and computer program for dynamic generation of a radio map |
GB2505464B (en) * | 2012-08-31 | 2019-12-18 | Bae Systems Plc | Route planning |
KR102009482B1 (ko) * | 2012-10-30 | 2019-08-14 | 한화디펜스 주식회사 | 로봇의 경로계획 장치와 방법 및 상기 방법을 구현하는 프로그램이 기록된 기록 매체 |
CN103838240B (zh) * | 2012-11-27 | 2018-02-27 | 联想(北京)有限公司 | 控制方法和电子设备 |
WO2014172320A1 (en) * | 2013-04-15 | 2014-10-23 | Flextronics Ap, Llc | Vehicle location-based home automation triggers |
CN104416569A (zh) * | 2013-08-28 | 2015-03-18 | 鸿富锦精密工业(深圳)有限公司 | 机器人控制系统、机器人及机器人控制方法 |
CN103605368A (zh) | 2013-12-04 | 2014-02-26 | 苏州大学张家港工业技术研究院 | 一种动态未知环境中路径规划方法及装置 |
KR101743072B1 (ko) * | 2015-06-12 | 2017-06-15 | 국방과학연구소 | 경로 계획 장치 및 그의 제어방법 |
CN105549585B (zh) * | 2015-12-07 | 2018-03-23 | 江苏木盟智能科技有限公司 | 机器人导航方法及系统 |
CN106168803A (zh) * | 2016-04-18 | 2016-11-30 | 深圳众为兴技术股份有限公司 | 一种用于移动机器人的位置感知方法 |
CN105955267A (zh) * | 2016-05-11 | 2016-09-21 | 上海慧流云计算科技有限公司 | 一种移动控制方法及系统 |
US10394244B2 (en) * | 2016-05-26 | 2019-08-27 | Korea University Research And Business Foundation | Method for controlling mobile robot based on Bayesian network learning |
CN105974928B (zh) * | 2016-07-29 | 2018-12-07 | 哈尔滨工大服务机器人有限公司 | 一种机器人导航路径规划方法 |
CN106323299B (zh) * | 2016-08-09 | 2021-05-14 | Tcl科技集团股份有限公司 | 一种导航方法、装置和系统 |
CN106382944B (zh) * | 2016-10-08 | 2019-11-01 | 浙江国自机器人技术有限公司 | 一种移动机器人的路线规划方法 |
CN106547272B (zh) * | 2016-10-26 | 2019-12-03 | 北京京东尚科信息技术有限公司 | 确定设备移动路径的方法和装置 |
CN106444769B (zh) * | 2016-10-31 | 2019-05-21 | 湖南大学 | 一种室内移动机器人增量式环境信息采样的最优路径规划方法 |
JP6640777B2 (ja) * | 2017-03-17 | 2020-02-05 | 株式会社東芝 | 移動制御システム、移動制御装置及びプログラム |
-
2017
- 2017-04-11 CN CN201710232929.0A patent/CN107677285B/zh active Active
- 2017-06-30 JP JP2018541387A patent/JP6800989B2/ja active Active
- 2017-06-30 US US16/084,245 patent/US11035684B2/en active Active
- 2017-06-30 KR KR1020187023692A patent/KR102152192B1/ko active IP Right Grant
- 2017-06-30 AU AU2017409109A patent/AU2017409109B9/en active Active
- 2017-06-30 WO PCT/CN2017/091370 patent/WO2018188200A1/zh active Application Filing
- 2017-06-30 SG SG11201900262RA patent/SG11201900262RA/en unknown
- 2017-06-30 EP EP17899233.5A patent/EP3438611B1/en active Active
- 2017-10-13 TW TW106135249A patent/TWI639813B/zh active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI721784B (zh) * | 2019-05-23 | 2021-03-11 | 大陸商中國銀聯股份有限公司 | 一種巡檢設備的方法、裝置、電腦可讀存儲介質及電腦程式產品 |
TWI806237B (zh) * | 2021-11-11 | 2023-06-21 | 國立虎尾科技大學 | 機器人系統及機器人控制方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3438611A4 (en) | 2019-09-11 |
SG11201900262RA (en) | 2019-02-27 |
KR102152192B1 (ko) | 2020-09-07 |
US20210080272A1 (en) | 2021-03-18 |
CN107677285A (zh) | 2018-02-09 |
EP3438611A1 (en) | 2019-02-06 |
TWI639813B (zh) | 2018-11-01 |
EP3438611B1 (en) | 2020-12-02 |
JP2019521401A (ja) | 2019-07-25 |
WO2018188200A1 (zh) | 2018-10-18 |
KR20190019897A (ko) | 2019-02-27 |
AU2017409109B2 (en) | 2019-12-05 |
AU2017409109B9 (en) | 2020-04-09 |
CN107677285B (zh) | 2019-05-28 |
AU2017409109A1 (en) | 2018-11-08 |
US11035684B2 (en) | 2021-06-15 |
JP6800989B2 (ja) | 2020-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI639813B (zh) | 機器人的路徑規劃系統及方法 | |
JP6828044B2 (ja) | ルート逸脱認識方法、端末、および記憶媒体 | |
US9836651B2 (en) | Displaying information relating to a designated marker | |
JP6906262B1 (ja) | ロボットの再位置決め方法、装置及び機器 | |
CN107328420A (zh) | 定位方法和装置 | |
CN104199428A (zh) | 群体机器人管理服务器及其方法 | |
TWI661210B (zh) | 座標系統制定方法、裝置及資料結構產品 | |
WO2018094741A1 (zh) | 一种航线编辑方法、装置及控制设备 | |
JP2015082326A5 (zh) | ||
CN108638062A (zh) | 机器人定位方法、装置、定位设备及存储介质 | |
US10001544B2 (en) | Method and electronic device identifying indoor location | |
CN104199450A (zh) | 群体机器人的控制系统 | |
KR20230153471A (ko) | 로봇이 미지 영역을 탐색하기 위해 사용되는 맵 탐색 방법, 칩 및 로봇 | |
CN110806211A (zh) | 机器人自主探索建图的方法、设备及存储介质 | |
US9037402B2 (en) | System and method for programming and displaying directionally based textual wayfinding content | |
WO2021218959A1 (zh) | 一种机器人控制方法、装置、电子设备及存储介质 | |
JP2023518916A (ja) | ウォークスルービデオの画像検索 | |
US20230245476A1 (en) | Location discovery | |
CN114594772A (zh) | 机器人、路径规划方法、装置和存储介质 | |
CN113985894A (zh) | 一种自主避障路径规划方法、装置、设备及存储介质 | |
CN112799416A (zh) | 航线生成方法、设备和系统、无人作业系统及存储介质 | |
US20220136836A1 (en) | System and method for indoor navigation | |
CN112497218B (zh) | 机器人位姿确定方法、装置、设备和介质 | |
JP3098158B2 (ja) | 情報検索方法及び情報検索装置 | |
US11714422B1 (en) | Marker based navigation system for robotic vehicle |