CN102207736B - 基于贝塞尔曲线的机器人路径规划方法及装置 - Google Patents
基于贝塞尔曲线的机器人路径规划方法及装置 Download PDFInfo
- Publication number
- CN102207736B CN102207736B CN 201010139091 CN201010139091A CN102207736B CN 102207736 B CN102207736 B CN 102207736B CN 201010139091 CN201010139091 CN 201010139091 CN 201010139091 A CN201010139091 A CN 201010139091A CN 102207736 B CN102207736 B CN 102207736B
- Authority
- CN
- China
- Prior art keywords
- path
- robot
- planning
- point
- constraint condition
- 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 31
- 230000001133 acceleration Effects 0.000 claims abstract description 27
- 239000013598 vector Substances 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000010411 cooking Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract 2
- 230000004888 barrier function Effects 0.000 description 5
- 230000002265 prevention Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- ZVNYJIZDIRKMBF-UHFFFAOYSA-N Vesnarinone Chemical compound C1=C(OC)C(OC)=CC=C1C(=O)N1CCN(C=2C=C3CCC(=O)NC3=CC=2)CC1 ZVNYJIZDIRKMBF-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
Images
Landscapes
- Numerical Control (AREA)
Abstract
本发明是一种基于贝塞尔曲线的机器人路径规划方法及装置,机器人路径规划参数输入单元接收设定机器人状态参数和约束条件、路径离散化最小时间分辨率;机器人路径生成单元依据机器人状态参数生成一组由四个4维向量组成的贝塞尔曲线控制点,规划出机器人起点位置到目标点位置的连续路径;机器人路径生成单元按路径离散化最小时间分辨率形成时间点序列,再依据连续路径计算离散化路径;路径点参数检测单元依据约束条件检测与时间点相应的各路径点处的速度、加速度、转弯半径是否满足约束条件,如果不满足约束条件,重新生成控制点;如果满足约束条件,规划路径输出单元接收并输出路径点参数检测单元规划的满足约束条件的机器人路径。
Description
技术领域
本发明属于机器人路径规划算法研究,属于复杂***与智能控制领域。该发明可以用于地面移动机器人、水下航行器控制以及无人机控制等领域。
背景技术
机器人技术的研究越来越热门,越来越多的科研工作者展开了机器人路径规划的研究。
机器人路径规划的方法有很多,主要有基于行为的方法、遗传算法、神经网络等方法。鲍尔奇(Balch)与阿金(Arkin)提出了将行为的控制方法用于机器人路径规划与控制,引入了一些基本行为,包括避障、避碰和目标导航等。荷兰德(Holland)提出了遗传算法的方法,该算法基本思想是以自然遗传机制和自然选择等生物进化理论为基础,构造的一类随机优化搜索算法,很多学者利用该算法实现路径规划。斯坦福大学的尼尔森(Nilsson)提出可视图法,这种方法能完成最短路径的搜索,但并没有考虑到机器人本身的形状、大小,且随着障碍物的增多,或障碍物的不规则性而导致图中的顶点集过大,计算复杂性随之增加,搜索时间长。在可视图法的基础上进行了改进的沃罗诺伊(Voronoi)图法,基本思想是首先产生与障碍物多边形所有的边等距离的沃罗诺伊(Voronoi)边,并将所有沃罗诺伊(Voronoi)边的交点组成顶点集,再通过可视图类似的搜索最短路径边的方法来规划路径。模糊逻辑算法是对经典的二值逻辑的模糊化,模糊逻辑具有的鲁棒性与“感知一动作”行为结合起来,为移动机器人路径规划问题提出了一种新思路,利用模糊逻辑进行路径规划,解决了传统人工势场法中局部极小的问题,利用该算法对所处环境信息的模糊化过程,避开了传统算法中对移动机器人定位精度要求高的约束。目前对于机器人路径规划的方法很多,但是对于路径上各点处如何处理并满足速度约束、加速度约束、转弯半径约束等约束条件保证机器人规划路径可行则很少有详细的介绍。
机器人路径规划算法主要是规划出路径,并解决路径的可行性问题,即满足机器人的物理性能上的各种约束以及避碰、避障约束等。
发明内容
为了解决多约束情况下的机器人路径规划问题,本发明的目的是提出一种机器人路径规划算法,该算法能够为机器人规划无障碍条件下连续可行的路径,解决机器人的各种物理约束条件。为此,本发明提出了一种基于贝塞尔曲线的机器人路径规划方法。
为达成所述目的,本发明的第一方面是提供一种基于贝塞尔(Bezier)曲线的机器人路径规划方法,该机器人路径规划方法的步骤如下:
步骤S1:机器人路径规划参数输入单元设定机器人状态参数和约束条件、路径离散化最小时间分辨率;
步骤S2:机器人路径生成单元依据机器人状态参数生成一组由四个4维向量组成的贝塞尔曲线控制点P1、P2、P3和P4,规划出机器人起点位置到目标点位置的连续路径;其中4维向量由空间三维坐标和一维时间坐标组成;规划的路径也由包含空间三维坐标和一维时间坐标的4维坐标描述;
步骤S3:路径点参数计算单元按路径离散化最小时间分辨率形成时间点序列,再依据连续路径计算离散化路径,即计算各时间点处路径点坐标、速度、加速度和转弯半径;
步骤S4:路径点参数检测单元依据约束条件检测与时间点相应的各路径点处的速度、加速度、转弯半径是否满足约束条件,如果不满足约束条件,则跳转至步骤S2,重新生成控制点;如果满足约束条件,则跳转至步骤S5;
步骤S5:规划路径输出单元输出规划的满足约束条件的机器人路径。
为达成所述目的,本发明的第二方面是提供一种基于贝塞尔(Bezier)曲线的机器人路径规划装置,该装置由机器人路径规划参数输入单元、机器人路径生成单元、规划点参数计算单元、路径点参数检测单元、规划路径输出单元组成,其中:机器人路径规划参数输入单元接收设定机器人状态参数和约束条件、路径离散化最小时间分辨率;机器人路径生成单元与机器人路径规划参数输入单元连接,机器人路径生成单元依据机器人状态参数生成一组由四个4维向量组成的贝塞尔曲线控制点,规划出机器人起点位置到目标点位置的连续路径;路径点参数计算单元与机器人路径生成单元连接,机器人路径生成单元按路径离散化最小时间分辨率形成时间点序列,再依据连续路径计算离散化路径,即计算各时间点处路径点坐标、速度、加速度和转弯半径;路径点参数检测单元与路径点参数计算单元连接,路径点参数检测单元依据约束条件检测与时间点相应的各路径点处的速度、加速度、转弯半径是否满足约束条件,如果不满足约束条件,重新生成机器人路径;如果满足约束条件,保存规划的满足约束条件的机器人路径;规划路径输出单元与路径点参数检测单元连接,接收并输出规划的满足约束条件的机器人路径。
本发明有益效果:本发明采用基于贝塞尔曲线的机器人路径规划算法来解决无障碍环境下机器人路径规划问题,规划出来的路径满足机器人本身物理约束以及避碰约束等。在给定机器人起点位置、速度和方向,目标点位置、速度和方向条件下,可以规划出从机器人起点到目标点的路径,规划的路径光滑连续可导,满足机器人的速度约束、加速度约束、转弯半径约束等,并且能按照预定时间到达目标点。该算法能快速实现机器人路径规划,方法简单、可靠,易于实现,计算量小,实时性较好,能较好的满足机器人路径规划时间要求。
附图说明
图1是本发明实施例基于贝塞尔曲线的机器人路径规划结构示意图。
图2是本发明基于贝塞尔曲线的机器人路径规划算法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明基于贝塞尔曲线的机器人路径规划方法和装置进一步详细说明。
如图1示出本发明实施例基于贝塞尔曲线的机器人路径规划结构示意图,该结构是在一台计算机上实现,是由机器人路径规划参数输入单元1、机器人路径生成单元2、规划点参数计算单元3、路径点参数检测单元4、规划路径输出单元5组成,机器人路径规划参数输入单元1接收设定机器人状态参数和约束条件、路径离散化最小时间分辨率;机器人路径生成单元2与机器人路径规划参数输入单元1连接,机器人路径生成单元2依据机器人状态参数生成一组由四个4维向量组成的贝塞尔曲线控制点P1、P2、P3和P4,规划出机器人起点位置到目标点位置的连续路径;其中4维向量由空间三维坐标和一维时间坐标组成;规划的路径也由包含空间三维坐标和一维时间坐标的4维坐标描述;路径点参数计算单元3与机器人路径生成单元2连接,机器人路径生成单元2按路径离散化最小时间分辨率形成时间点序列,再依据连续路径计算离散化路径,即计算各时间点处路径点坐标、速度、加速度和转弯半径;路径点参数检测单元4与路径点参数计算单元3连接,路径点参数检测单元4依据约束条件检测与时间点相应的各路径点处的速度、加速度、转弯半径是否满足约束条件,如果不满足约束条件,重新生成机器人路径;如果满足约束条件,保存规划的满足约束条件的机器人路径;规划路径输出单元5与路径点参数检测单元4连接,接收并输出规划的满足约束条件的机器人路径。
下面利用该结构实现本发明的基于贝塞尔曲线的机器人路径规划方法,请参考图2示出的具体步骤如下:
步骤S1:机器人路径规划参数输入单元1设定机器人状态参数和约束条件、路径离散化最小时间分辨率;
机器人状态参数主要包括机器人起点位置坐标(xs,ys,zs)、起点位置处的速度(vs x,vs y,vs z),机器人期望到达的目标点位置坐标(xg,yg,zg)、到达目标点位置时的速度(vg x,vg y,vg z),期望的到达时间tf;约束条件主要包括机器人的最大速度vmax和最小速度vmin、最大加速度amax和最小加速度amin、最小转弯半径Rmin;其中期望的到达时间tf是指机器人从起点位置坐标运动到目标点位置坐标期望花费的时间;设定机器人路径离散化最小时间分辨率tmin。
步骤S2:机器人路径生成单元2依据机器人状态参数生成一组由四个4维向量组成的贝塞尔曲线控制点:P1、P2、P3和P4,规划出机器人起点位置到目标点位置的连续路径;其中4维向量由空间三维坐标和一维时间坐标组成;规划的路径也由包含空间三维坐标和一维时间坐标的4维坐标描述;采用所述贝塞尔曲线描述路径的三维空间坐标和一维时间坐标。
本发明的路径规划算法中,规划的机器人路径包括三维空间位置坐标和到达该空间位置的时间坐标的4维坐标组成。要规划的机器人路径上各路径点采用笛卡儿空间坐标系的X轴、Y轴、Z轴,和时间轴T构成的四维空间描述。要规划的机器人路径在X轴、Y轴、Z轴和时间轴T上的投影用三次贝塞尔曲线表达,其表达式为:
x(τ)=axτ3+bxτ2+cxτ+dx
y(τ)=ayτ3+byτ2+cyτ+dy
(1)
z(τ)=azτ3+bzτ2+czτ+dz
t(τ)=atτ3+btτ2+ctτ+dt
其中,x(τ),y(τ),z(τ),t(τ)表示要规划的机器人路径上各路径点的位置坐标x、y、z和时间t;τ为贝塞尔曲线的参数,其取值为τ∈[0,1]。τ=0时,x(τ),y(τ),z(τ),t(τ)为机器人的起点位置(xs,ys,zs),起点时间0;τ=1时,x(τ),y(τ),z(τ),t(τ)为机器人的期望到达的目标点位置(xg,yg,zg),和期望的达到时间tf;贝塞尔曲线的各项系数包括:ax,bx,cx,dx为x(τ)的系数、ay,by,cy,dy为y(τ)的系数、az,bz,cz,dz为z(τ)的系数以及at,bt,ct,dt为t(τ)的系数。
上述贝塞尔曲线的各项系数可以根据四个控制点唯一确定,每个控制点为(x,y,z,t)描述的四维空间点。假设三次贝塞尔曲线的四个控制点坐标分别为:控制点P1(x1,y1,z1,t1),控制点P2(x2,y2,z2,t2),控制点P3(x3,y3,z3,t3),控制点P4(x4,y4,z4,t4),由这四个控制点,可以求得对应的贝塞尔曲线的各项系数为:
ax=-x1+3x2-3x3+x4 ay=-y1+3y2-3y3+y4
bx=3x1-6x2+3x3, by=3y1-6y2+3y3,
cx=-3x1+3x2 cy=-3y1+3y2
dx=x1 dy=y1
az=-z1+3z2-3z3+z4 at=-t1+3t2-3t3+t4
bz=3z1-6z2+3z3, bt=3t1-6t2+3t3, (2)
cz=-3z1+3z2 ct=-3t1+3t2
dz=z1 dt=t1
利用机器人起点位置坐标、期望到达的目标点位置坐标和期望的到达时间tf确定贝塞尔曲线的控制点P1和P4。在τ=0时,令贝塞尔曲线的控制点P1(x1,y1,z1,t1),为机器人的起点位置(xs,ys,zs)且t1=0;在τ=1时,令贝塞尔曲线的控制点P4(x4,y4,z4,t4),为机器人期望到达的目标点位置(xg,yg,zg),且t4=tf,其中tf为机器人期望的到达时间。只需再确定两个中间控制点P2、P3即可规划出机器人的路径。
在去除时间轴一维的机器人路径上,各点处的切向方向与该点处速度方向一致,因此,控制点P1与控制点P2的连线与控制点P1处的切向方向一致,即与机器人起点位置处的速度方向一致;控制点P3与控制点P4的连线与控制点P4处的切向方向一致,即与机器人的目标点位置处的速度方向一致。
故两个中间控制点P2、P3的X轴、Y轴、Z轴坐标可以表示为如下公式:
P2=(x1,y1,z1)+k1×v1/|v1|
,0<k1,k2<|P1P4| (3)
P3=(x4,y4,z4)-k2×v4/|v4|
其中,(x1,y1,z1)为控制点P1的X轴、Y轴、Z轴坐标,即机器人起点位置(xs,ys,zs);v1表示起点位置处的机器人速度(vs x,vs y,vs z),|v1|表示起点位置处的机器人速度值,v1/|v1|为起点位置处的机器人速度方向;(x4,y4,z4)为控制点P4的X轴、Y轴、Z轴坐标,即机器人期望到达的目标点位置(xg,yg,zg);v4为机器人到达目标点位置时的速度(vg x,vg y,vg z),|v4|表示到达目标点位置时的机器人速度值,v4/|v4|为机器人到达目标点位置时的速度方向:k1为控制点P1和控制点P2间的距离k2为控制点P3和控制点P4之间的距离
公式(3)可用于确定两个中间控制点P2、P3在三维空间上的X轴、Y轴、Z轴坐标,但是为方便后续速度、加速度、转弯半径、期望的到达时间等约束条件判断,故需要确定各个路径点处的时刻。由于贝塞尔曲线控制点P1和贝塞尔曲线控制点P4对应的时刻分别为0和tf。设两个中间控制点P2、P3对应的时刻分别为t2,t3,显然t2<t3。
包含时间轴的中间控制点P2、P3的选取公式为:
其中k1,k2为随机选取的实数,且满足:
式中,(x1,y1,z1)为控制点P1的X轴、Y轴、Z轴坐标,(x4,y4,z4)为控制点P4的X轴、Y轴、Z轴坐标,vs x,vs y,vs z为起点位置处机器人速度v1在X轴、Y轴、Z轴的投影;vg x,vg y,vg z为机器人到达目标点位置时的速度v4在X轴、Y轴、Z轴的投影。
随机选择一组满足不等式且k1/|v1|<(tf-k2/|v4|)的实数k1,k2,就可利用公式(4)获得一组中间控制点P2、P3。由已知的控制点P1、P4和获得的P2、P3通过公式(2)可计算出公式(1)中贝塞尔曲线方程的各项的系数,将τ由0到1连续取值并带入公式(1)即可获得规划的连续路径,tf为机器人期望的到达时间。
步骤S3:路径点参数计算单元3按路径离散化最小时间分辨率形成时间点序列,再依据步骤S2中获得的连续路径计算离散化路径,即计算各时间点处路径点坐标、速度,加速度,转弯半径;
依据贝塞尔曲线表达式(1),通过求导可以得到公式(5),利用公式(5)可计算路径点处的速度v(τ),与其在X轴、Y轴、Z轴的投影vx(τ)、vy(τ)、vz(τ),如下示出:
将与时间点序列对应的τ带入公式(5)可获得与时间点对应的速度。
利用公式(1)和公式(5),可获得公式(6)计算路径点处的加速度a(τ),与其在X轴、Y轴、Z轴的投影ax(τ)、ay(τ)、az(τ):
将与时间点序列对应的τ带入公式(6)可获得与时间点对应的加速度。
规划的路径上任意一点处的曲率κ可以根据公式(7)求取。
其中,x′,y′,z′分别表示在路径上某点处其位置坐标x(τ),y(τ),z(τ)对参数τ的一阶导数,x″,y″,z″分别表示在路径上某点处其位置坐标x(τ),y(τ),z(τ)对参数τ的二阶导数,x′,y′,z′和x″,y″,z″的计算公式如下。
x′=dx(τ)/dτ=3axτ2+2bxτ+cx
y′=dy(τ)/dτ=3ayτ2+2byτ+cy
z′=dz(τ)/dτ=3azτ2+2bzτ+cz
x″=d2x(τ)/dτ2=6axτ+2bx
y″=d2y(τ)/dτ2=6ayτ+2by
z″=d2z(τ)/dτ2=6azτ+2by (8)
将与时间点序列对应的τ代入公式(8),再将公式(8)代入公式(7)即可获得与时间点对应的路径点处曲率。曲率k的倒数即为该路径点处的转弯半径R,即R=1/k。
步骤S4:路径点参数检测单元4依据约束条件检测步骤S3中获得的与时间点相应的各路径点处的速度、加速度、转弯半径是否满足约束条件,如果不满足约束条件,则跳转至步骤S2,重新生成控制点;如果满足约束条件,则跳转至步骤S5。
将对应于时间点序列的各路径点速度、加速度和转弯半径代入不等式进行判断,如有任一路径点的速度v(τ)、加速度a(τ)和转弯半径R不满足不等式(9),即为不满足约束条件。
vmin<v(τ)<vmax,
amin<a(τ)<amax,
Rmin<R, (9)
其中vmin,vmax为最小、最大速度,amin、amax为最小、最大加速度,Rmin为最小转弯半径约束,R为转弯半径。
步骤S5:规划路径输出单元5输出规划的满足约束条件的机器人路径。
输出规划的机器人路径,包括步骤S2中贝塞尔曲线控制点P1、P2、P3、P4,贝塞尔曲线的各项系数ax,bx,cx,dx,ay,by,cy,dy,az,bz,cz,dz,at,bt,ct,dt,步骤S3中的时间点序列对应时间点序列的路径点X轴、Y轴和Z轴坐标、速度、加速度和转弯半径;
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的权利要求书的保护范围之内。
Claims (8)
1.一种基于贝塞尔曲线的机器人路径规划方法,其特征在于,该机器人路径规划方法的步骤如下:
步骤S1:机器人路径规划参数输入单元设定机器人状态参数和约束条件、路径离散化最小时间分辨率;
步骤S2:机器人路径生成单元依据机器人状态参数生成一组由四个4维向量组成的贝塞尔曲线控制点P1、P2、P3和P4,规划出机器人起点位置到目标点位置的连续路径;其中4维向量由空间三维坐标和一维时间坐标组成;规划的路径也由包含空间三维坐标和一维时间坐标的4维坐标描述;
步骤S3:路径点参数计算单元按路径离散化最小时间分辨率形成时间点序列,再依据连续路径计算离散化路径,即计算各时间点处路径点坐标、速度、加速度和转弯半径;
步骤S4:路径点参数检测单元依据约束条件检测与时间点相应的各路径点处的速度、加速度、转弯半径是否满足约束条件,如果不满足约束条件,则跳转至步骤S2,重新生成控制点;如果满足约束条件,则跳转至步骤S5;
步骤S5:规划路径输出单元输出规划的满足约束条件的机器人路径。
3.根据权利要求1的路径规划方法,其特征在于,采用所述贝塞尔曲线描述路径的三维空间坐标和一维时间坐标。
4.根据权利要求1的路径规划方法,其特征在于,利用机器人起点位置坐标、期望到达的目标点位置坐标和期望的到达时间tf确定贝塞尔曲线的控制点P1和P4。
6.一种基于贝塞尔曲线的机器人路径规划装置,其特征在于,由机器人路径规划参数输入单元、机器人路径生成单元、规划点参数计算单元、路径点参数检测单元、规划路径输出单元组成,其中:机器人路径规划参数输入单元设定机器人状态参数和约束条件、路径离散化最小时间分辨率;机器人路径生成单元与机器人路径规划参数输入单元连接,机器人路径生成单元依据机器人状态参数生成一组由四个4维向量组成的贝塞尔曲线控制点,规划出机器人起点位置到目标点位置的连续路径;路径点参数计算单元与机器人路径生成单元连接,路径点参数计算单元按路径离散化最小时间分辨率形成时间点序列,再依据连续路径计算离散化路径,即计算各时间点处路径点坐标、速度、加速度和转弯半径;路径点参数检测单元与路径点参数计算单元连接,路径点参数检测单元依据约束条件检测与时间点相应的各路径点处的速度、加速度、转弯半径是否满足约束条件,如果不满足约束条件,重新生成控制点,规划出机器人起点位置到目标点位置的连续路径;如果满足约束条件,保存规划的满足约束条件的机器人路径;规划路径输出单元与路径点参数检测单元连接,接收并输出规划的满足约束条件的机器人路径。
7.根据权利要求6所述的基于贝塞尔曲线的机器人路径规划装置,其特征在于,所述4维向量由空间三维坐标和一维时间坐标组成。
8.根据权利要求6所述的基于贝塞尔曲线的机器人路径规划装置,其特征在于,所述规划出机器人起点位置到目标点位置的连续路径也由包含空间三维坐标和一维时间坐标的4维坐标描述。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010139091 CN102207736B (zh) | 2010-03-31 | 2010-03-31 | 基于贝塞尔曲线的机器人路径规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010139091 CN102207736B (zh) | 2010-03-31 | 2010-03-31 | 基于贝塞尔曲线的机器人路径规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102207736A CN102207736A (zh) | 2011-10-05 |
CN102207736B true CN102207736B (zh) | 2013-01-02 |
Family
ID=44696613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010139091 Active CN102207736B (zh) | 2010-03-31 | 2010-03-31 | 基于贝塞尔曲线的机器人路径规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102207736B (zh) |
Families Citing this family (58)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102902269B (zh) * | 2012-09-21 | 2015-07-01 | 北京邮电大学 | 预选择最小距离指标冗余机器人动态避障方法 |
CN103576688B (zh) * | 2013-11-22 | 2016-01-20 | 中国科学院自动化研究所 | 一种机器人先逆时针再顺时针运动控制方法 |
CN103552070B (zh) * | 2013-11-22 | 2015-07-15 | 常州科学与艺术融合技术研究所 | 一种机器人先顺时针再逆时针运动控制方法 |
CN103760907B (zh) * | 2013-12-30 | 2016-05-04 | 哈尔滨工程大学 | 一种基于布谷鸟搜索算法的水下潜器三维路径规划方法 |
CN103995968B (zh) * | 2014-05-22 | 2017-01-25 | 合肥工业大学 | 无人飞行器对地面目标运动轨迹预测的装置及其方法 |
CN104132660A (zh) * | 2014-08-11 | 2014-11-05 | 江苏恒创软件有限公司 | 一种基于无人机的旅游集散区域导向方法 |
CN104238560B (zh) * | 2014-09-26 | 2017-04-05 | 深圳市中智科创机器人有限公司 | 一种非线性路径规划方法及*** |
CN107532909B (zh) * | 2015-07-17 | 2022-01-04 | 松下电器(美国)知识产权公司 | 飞行路线生成方法、飞行路线显示装置以及记录介质 |
US9707681B2 (en) * | 2015-07-27 | 2017-07-18 | Siemens Industry Software Ltd. | Anti-collision management of overlapping robotic movements |
CN105425795B (zh) * | 2015-11-26 | 2020-04-14 | 纳恩博(北京)科技有限公司 | 规划最优跟随路径的方法及装置 |
CN106886038B (zh) * | 2015-12-15 | 2020-11-20 | 骑记(厦门)科技有限公司 | 运动轨迹的处理方法及装置 |
CN105867421B (zh) * | 2016-05-25 | 2019-01-04 | 华中科技大学 | 一种基于ph曲线的无人机路径规划方法 |
CN106020197B (zh) * | 2016-06-30 | 2018-08-17 | 苏州坤厚自动化科技有限公司 | 一种基于势能场的机器人路径跟踪算法 |
US10310512B2 (en) | 2016-10-08 | 2019-06-04 | Zhejiang Guozi Robot Technology Co., Ltd. | Path planning method for mobile robots |
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 |
CN106651987B (zh) * | 2016-10-10 | 2018-12-07 | 腾讯科技(深圳)有限公司 | 路径规划方法及装置 |
CN106681317B (zh) * | 2016-11-27 | 2019-07-05 | 北京特种机械研究所 | Agv全向导航行驶方法 |
CN106500702B (zh) * | 2016-12-07 | 2019-06-21 | 上海新时达电气股份有限公司 | 连续轨迹规划过渡路径的平滑方法与装置 |
WO2018119759A1 (zh) * | 2016-12-28 | 2018-07-05 | 深圳配天智能技术研究院有限公司 | 机器人运动控制方法及相关装置 |
CN109074067B (zh) * | 2016-12-28 | 2021-11-05 | 深圳配天智能技术研究院有限公司 | 机器人运动控制方法及相关装置 |
CN106767827B (zh) * | 2016-12-29 | 2020-02-28 | 浙江大学 | 一种基于激光数据的移动机器人点云地图创建方法 |
WO2018126355A1 (zh) * | 2017-01-04 | 2018-07-12 | 深圳配天智能技术研究院有限公司 | 机器人运动轨迹规划方法及相关装置 |
WO2018126354A1 (zh) * | 2017-01-04 | 2018-07-12 | 深圳配天智能技术研究院有限公司 | 机器人运动轨迹规划方法及相关装置 |
CN106909150A (zh) * | 2017-01-22 | 2017-06-30 | 无锡卡尔曼导航技术有限公司 | 用于农机无人驾驶的避障、掉头路径规划及其控制方法 |
CN106681335A (zh) * | 2017-01-22 | 2017-05-17 | 无锡卡尔曼导航技术有限公司 | 用于农机无人驾驶的避障路径规划及其控制方法 |
CN106909151A (zh) * | 2017-01-22 | 2017-06-30 | 无锡卡尔曼导航技术有限公司 | 用于农机无人驾驶的路径规划及其控制方法 |
CN107045347A (zh) * | 2017-01-22 | 2017-08-15 | 无锡卡尔曼导航技术有限公司 | 用于农机无人驾驶的自动掉头路径规划及其控制方法 |
CN106909144A (zh) * | 2017-01-22 | 2017-06-30 | 无锡卡尔曼导航技术有限公司 | 用于农机无人驾驶的田间避障路径规划及其控制方法 |
CN106909164B (zh) * | 2017-02-13 | 2019-09-17 | 清华大学 | 一种无人机最小时间平滑轨迹生成方法 |
CN110462545A (zh) * | 2017-03-27 | 2019-11-15 | 日本电产新宝株式会社 | 移动体的管理***、移动体、行驶管理装置以及计算机程序 |
EP4129581A1 (en) * | 2017-05-18 | 2023-02-08 | KUKA Hungária Kft. | Robot motion planning for avoiding collision with moving obstacles |
CN107505947B (zh) * | 2017-06-19 | 2021-03-16 | 西北工业大学 | 一种空间机器人捕获目标后消旋及协调控制方法 |
CN107272685B (zh) * | 2017-06-21 | 2021-01-08 | 国机智能技术研究院有限公司 | 一种控制机器人拐弯的方法和*** |
CN107560615B (zh) * | 2017-08-11 | 2021-04-23 | 清华大学苏州汽车研究院(吴江) | 用于停车场自动驾驶***的停车路径规划方法 |
CN107490965B (zh) * | 2017-08-21 | 2020-02-07 | 西北工业大学 | 一种空间自由漂浮机械臂的多约束轨迹规划方法 |
CN107632616B (zh) * | 2017-09-05 | 2019-08-09 | 华中科技大学 | 一种基于三维空间曲线的无人机协同路径规划方法 |
CN107807658B (zh) * | 2017-09-30 | 2020-11-06 | 一飞智控(天津)科技有限公司 | 面向多无人机编队飞行任务的轨迹规划方法 |
CN107728619B (zh) * | 2017-10-16 | 2020-06-23 | 邦鼓思电子科技(上海)有限公司 | 一种用于机器人示教路径的规划方法 |
CN108153310B (zh) * | 2017-12-22 | 2020-11-13 | 南开大学 | 一种基于人类行为模拟的移动机器人实时运动规划方法 |
CN109991915A (zh) * | 2017-12-29 | 2019-07-09 | 深圳市优必选科技有限公司 | 一种机器人的运动控制方法、装置及机器人 |
CN108568817B (zh) * | 2018-03-13 | 2021-05-11 | 同济大学 | 一种基于贝塞尔曲线的Delta机器人轨迹连接控制方法 |
CN110785723B (zh) * | 2018-10-30 | 2023-07-14 | 深圳市大疆创新科技有限公司 | 一种飞行轨迹复演方法、装置、服务器及存储介质 |
CN109434831B (zh) * | 2018-11-12 | 2020-11-27 | 深圳前海达闼云端智能科技有限公司 | 机器人运行方法、装置、机器人、电子设备及可读介质 |
CN109656250A (zh) * | 2018-12-26 | 2019-04-19 | 芜湖哈特机器人产业技术研究院有限公司 | 一种激光叉车的路径跟踪方法 |
CN110109449B (zh) * | 2019-03-20 | 2022-10-18 | 文远知行有限公司 | 速度规划方法、装置、计算机设备和存储介质 |
CN110347151B (zh) * | 2019-05-31 | 2022-07-12 | 河南科技大学 | 一种融合Bezier优化遗传算法的机器人路径规划方法 |
CN110254422B (zh) * | 2019-06-19 | 2021-02-12 | 中汽研(天津)汽车工程研究院有限公司 | 一种基于多目标增强学习及贝塞尔曲线的汽车避障方法 |
CN110440806A (zh) * | 2019-08-12 | 2019-11-12 | 苏州寻迹智行机器人技术有限公司 | 一种激光与二维码融合的agv精确定位方法 |
CN110502010B (zh) * | 2019-08-15 | 2021-06-04 | 同济大学 | 一种基于贝塞尔曲线的移动机器人室内自主导航控制方法 |
CN110531770B (zh) * | 2019-08-30 | 2023-06-02 | 的卢技术有限公司 | 一种基于改进的rrt路径规划方法和*** |
CN111090273A (zh) * | 2019-12-27 | 2020-05-01 | 中国船舶重工集团有限公司第七一0研究所 | 一种auv航行控制参数的在线设置方法 |
CN111158365B (zh) * | 2019-12-31 | 2023-05-16 | 深圳优地科技有限公司 | 一种路径规划方法、装置、机器人及存储介质 |
CN111830979B (zh) * | 2020-07-13 | 2024-06-07 | 广州小鹏自动驾驶科技有限公司 | 一种轨迹优化方法和装置 |
TWI727906B (zh) * | 2020-10-27 | 2021-05-11 | 台灣物聯網股份有限公司 | 統計區域訪客資訊之方法 |
CN112650301A (zh) * | 2021-01-11 | 2021-04-13 | 四川泓宝润业工程技术有限公司 | 一种引导无人机精准降落控制方法 |
CN113253678B (zh) * | 2021-04-29 | 2022-07-05 | 中国科学院微电子研究所 | 精密运动平台的运动轨迹规划方法 |
CN113419534B (zh) * | 2021-07-01 | 2022-03-08 | 湖南大学 | 一种基于贝塞尔曲线的转向路段路径规划方法 |
CN114035572B (zh) * | 2021-10-09 | 2023-08-01 | 凤凰智能电子(杭州)有限公司 | 一种割草机器人的避障巡回方法及*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1612166A (zh) * | 2003-09-12 | 2005-05-04 | 中国科学院力学研究所 | 基于自由曲面的三维散乱点集数据进行路径规划的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09146621A (ja) * | 1995-11-01 | 1997-06-06 | Mitsubishi Electric Corp | ロボットのシミュレーション装置 |
-
2010
- 2010-03-31 CN CN 201010139091 patent/CN102207736B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1612166A (zh) * | 2003-09-12 | 2005-05-04 | 中国科学院力学研究所 | 基于自由曲面的三维散乱点集数据进行路径规划的方法 |
Non-Patent Citations (3)
Title |
---|
刘春阳等.基于Bezier曲线模型的移动机器人路径规划算法.《华北电力大学学报》.2006,第33卷(第4期),43-46. * |
曹洋等.轮式移动机器人预见预测运动控制.《计算机工程与应用》.2003,(第31期),5-7,17. * |
陈尔奎等.移动机器人路径规划策略.《南京理工大学学报》.2005,第29卷14-17. * |
Also Published As
Publication number | Publication date |
---|---|
CN102207736A (zh) | 2011-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102207736B (zh) | 基于贝塞尔曲线的机器人路径规划方法及装置 | |
CN106843235B (zh) | 一种面向无人自行车的人工势场路径规划法 | |
CN102520718B (zh) | 一种基于物理建模的机器人避障路径规划方法 | |
CN102819264B (zh) | 移动机器人路径规划q学习初始化方法 | |
CN102129249B (zh) | 一种危险源环境下的机器人全局路径规划方法 | |
CN105549597A (zh) | 一种基于环境不确定性的无人车动态路径规划方法 | |
CN106873599A (zh) | 基于蚁群算法和极坐标变换的无人自行车路径规划方法 | |
CN109241552A (zh) | 一种基于多约束目标的水下机器人运动规划方法 | |
CN104216409A (zh) | 基于模糊控制的两轮自平衡机器人避障***及控制方法 | |
CN107272680A (zh) | 一种基于ros机器人操作***的机器人自动跟随方法 | |
CN101441736B (zh) | 汽车起重机机器人路径规划方法 | |
CN103984342B (zh) | 移动机器人的多脉冲神经网络控制器导航控制方法 | |
CN105629974A (zh) | 一种基于改进型人工势场法的机器人路径规划方法及*** | |
CN105573323A (zh) | 自动驾驶轨迹生成方法及装置 | |
CN107168324A (zh) | 一种基于anfis模糊神经网络的机器人路径规划方法 | |
CN103324196A (zh) | 基于模糊逻辑的多机器人路径规划与协调避碰方法 | |
CN105717923A (zh) | 基于椭圆聚类-碰撞锥推演的无人艇海洋动态避障控制算法 | |
CN111949032A (zh) | 一种基于强化学习的3d避障导航***及方法 | |
CN104181923A (zh) | 一种基于直线控制器的智能车辆曲线跟踪方法 | |
Mouhagir et al. | Integrating safety distances with trajectory planning by modifying the occupancy grid for autonomous vehicle navigation | |
Sun et al. | A novel fuzzy control algorithm for three-dimensional AUV path planning based on sonar model | |
Ruan et al. | Ultrasonic sensor based two-wheeled self-balancing robot obstacle avoidance control system | |
Yan et al. | Real-world learning control for autonomous exploration of a biomimetic robotic shark | |
Lou et al. | Path planning in an unknown environment based on deep reinforcement learning with prior knowledge | |
Chung et al. | Automatic navigation of a wheeled mobile robot using particle swarm optimization and fuzzy control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |