CN105511457A - 机器人静态路径规划方法 - Google Patents
机器人静态路径规划方法 Download PDFInfo
- Publication number
- CN105511457A CN105511457A CN201410497805.1A CN201410497805A CN105511457A CN 105511457 A CN105511457 A CN 105511457A CN 201410497805 A CN201410497805 A CN 201410497805A CN 105511457 A CN105511457 A CN 105511457A
- Authority
- CN
- China
- Prior art keywords
- particle
- robot
- potential field
- map
- flying speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 230000003068 static effect Effects 0.000 title claims abstract description 19
- 239000002245 particle Substances 0.000 claims abstract description 178
- 230000009184 walking Effects 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 17
- 230000007423 decrease Effects 0.000 claims abstract description 6
- 230000004888 barrier function Effects 0.000 claims description 69
- 230000006870 function Effects 0.000 claims description 41
- 238000004088 simulation Methods 0.000 claims description 18
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000000638 solvent extraction Methods 0.000 claims description 6
- 230000019771 cognition Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 7
- 230000003287 optical effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 239000000203 mixture Substances 0.000 description 5
- 230000002153 concerted effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003716 rejuvenation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000009916 joint effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
一种机器人静态路径规划方法,包括:设定目标点,以目标点为终点,在地图范围内建立人工势场;引入粒子群算法,在机器人的起点设有数量为m的粒子群,第i个粒子在第t步的飞行速度为按照人工势场并结合粒子群算法对每个粒子从起点到终点的路径进行模拟行走,在模拟行走的过程中,每个粒子形成各自的运动轨迹;大部分粒子逐渐向多条轨迹中的一条轨迹聚拢收敛,进而在地图范围内得到从起点到终点的最优行走路径;机器人最终按照最优行走路径,完成从起点到终点的运动过程。本发明将势场法、栅格法和粒子群法结合起来,直接求取栅格地图上的势场分布,由势场目标点开始沿势场下降最快方向得到预规划路径,安全有效且路径规划准确可靠。
Description
技术领域
本发明涉及一种机器人静态路径规划方法,属于机器人路径规划技术领域。
背景技术
自移动机器人的路径规划问题是机器人领域的核心问题之一,根据机器人对空间环境的已知程度,路径规划问题可以被分为静态路径规划和动态路径规划。针对路径规划问题,曾经提出了许多算法,主要包括势场法、栅格法和粒子群法。以传统的人工势场法为例,它采用的是基于矢量合成的方法,通过直观的规则即在源于障碍物的排斥力与源于目标点的吸引力的合力作用下规划机器人的运动路径。在只有局部信息的情况下,它的避障策略是十分有效的。但由于机器人运动的速度以及方向取决于力矢量和的大小和方向,当合力为零时,机器人就无法运动了,从而陷入局部极小点的困境。另外,传统的人工势场法是根据机器人周围障碍物以及目标点对机器人的作用求出对机器人当前位置的合力,然后根据合力给出机器人的运动方向,调整机器人位置。根据行进过程中传感器不断返回来的数据,求出地图中每个节点相对于起点的势场值。势场值由起始点依相邻节点的代价值依次递减,直到目标点。障碍物处的势场值为无穷大,表明障碍物不可达。离散势场构造完毕后,由势场目标点开始沿势场下降最快方向得到预规划路径。机器人沿预规划路径运动,直到环境信息改变或到达目标点。由于传统的人工势场法采用的是基于矢量合成的方法,它通过直观的规则即在源于障碍物的排斥力与源于目标点的吸引力的合力作用下规划机器人的运动。在只有局部信息的情况下,它的避障策略是十分有效的。但由于机器人运动的速度以及方向取决于力矢量和的大小和方向,当合力为零时,机器人就无法运动了,这就是采用人工势场法易陷入局部极小点的原因。对于粒子群算法,在初始阶段,粒子的行走路径较分散,路径的收敛速度较慢,影响路径规划的效率。因此,不同的算法都具有各自的优势,但也有其方法上的局限性。
发明内容
本发明所要解决的技术问题在于针对现有技术的不足,提供一种机器人静态路径规划方法,将势场法、栅格法和粒子群法结合起来,直接求取栅格地图上的势场分布,势场值由起始点依相邻节点的代价值依次递增,直到目标点,由势场目标点开始沿势场下降最快方向得到预规划路径,安全有效且路径规划准确可靠。
本发明所要解决的技术问题是通过如下技术方案实现的:
一种机器人静态路径规划方法,该方法包括如下步骤:
步骤100:设定目标点,以目标点为终点,在地图范围内建立人工势场;
步骤200:引入粒子群算法,在机器人的起点设有数量为m的粒子群,第i个粒子在第t步的飞行速度为按照人工势场并结合粒子群算法对每个粒子从起点到终点的路径进行模拟行走,在模拟行走的过程中,每个粒子形成各自的运动轨迹;
步骤300:大部分粒子逐渐向多条轨迹中的一条轨迹聚拢收敛,进而在地图范围内得到从起点到终点的最优行走路径;
步骤400:机器人最终按照最优行走路径,完成从起点到终点的运动过程。
更具体地,所述步骤200中人工势场并结合粒子群算法对每个粒子从起点到终点的路径进行模拟行走,具体包括:
当第i个粒子行走到第t步时,根据人工势场法,由该势场生成的对粒子i的作用力Fi(t),取Fi(t)的单位方向向量为
根据粒子群算法得到此时粒子i的飞行速度取的单位方向向量为
结合人工势场和粒子群算法,对粒子i的飞行速度进行调整,定义调整后飞行速度其中m和n为常数系数;
在粒子群算法中以调整后的飞行速度替代飞行速度
所述地图为栅格地图,所述步骤200中人工势场并结合粒子群算法对每个粒子从起点到终点的路径进行模拟行走,还包括:将调整后的飞行速度的方向修正为朝向与其最接近的栅格中心的方向,定义修正后飞行速度为在粒子群算法中以修正后飞行速度替代调整后的飞行速度
所述步骤200中人工势场并结合粒子群算法对每个粒子从起点到终点的路径进行模拟行走,具体包括:
当第i个粒子行走到第t步时,根据人工势场法,由该势场生成的对粒子i的作用力Fi(t),取Fi(t)的单位方向向量为
根据粒子群算法得到此时粒子i的飞行速度取的单位方向向量为
结合人工势场和粒子群算法,对粒子i的飞行速度进行调整,定义调整后飞行速度其中m和n为常数系数;
所述地图为栅格地图,所述步骤200中人工势场并结合粒子群算法对每个粒子从起点到终点的路径进行模拟行走,还包括:将调整后的飞行速度的方向修正为朝向与其最接近的栅格中心的方向,定义修正后飞行速度为在粒子群算法中以修正后飞行速度替代飞行速度
所述栅格地图的创建方法,具体包括:
步骤A:将地图划分为许多单元格形成初始栅格地图,把含有障碍物的单元格定义为在先障碍物区域X;
步骤B:以初始栅格地图中栅格的顶点为中心辐射至单元格大小,形成新的栅格地图,其中所述顶点成为新的栅格地图单元格的中心点;
步骤C:在新的栅格地图中,把含有在先障碍物区域X的单元格定义为最终障碍物区域Z。
所述步骤A具体为:
所述的栅格化地图具体包括,将地图划分为许多单元格形成初始栅格地图,并定义自移动机器人在初始栅格地图中的起始位置,自移动机器人在行走的同时检测行走区域内是否存在障碍物,若判断存在障碍物,则在初始栅格地图中把障碍物所对应的单元格定义为在先障碍物区域X。
所述步骤100中的人工势场具体包括:
引力势函数为:
其中,kg为位置增益系数,X-Xg为粒子X与目标点Xg之间的距离;
斥力势函数为:
其中,k0为位置增益系数,ρ为粒子X与障碍物之间的最短距离,ρ0为一常数,代表障碍物的影响距离;
总势场函数为:
当粒子距离障碍物越远时,Urep(X)越小,当距离目标点越近时,Ug(X)越小,因此,在启发函数下,粒子寻找U(X)下降最快的方向,逐渐的远离障碍物而趋近目标点。
所述步骤200中的粒子群算法具体包括:
假设在一个D维的目标搜索空间中,有m个粒子组成一个群落,其中第i个粒子表示为一个D维的向量即:第i个粒子在D维的搜索空间中的位置是
将带入目标函数计算出其适应值,根据适应值的大小衡量的优劣;
第i个粒子的飞行速度也是一个D维的向量,记为记第i个粒子迄今为止搜索到的最优位置为由此可以得出整个粒子群迄今为止搜索到的最优位置为
到第t步时,粒子根据下面的公式更新自己的速度和位置:
其中,c1和c2为学习因子,也称加速常数;
r1和r2为(0,1)范围内的均匀随机数;
式(1)右边由三部分组成,第一部分为“惯性”部分,反映了粒子的运动习惯,代表粒子有维持自己先前速度的趋势;第二部分为“认知”部分,反映了粒子对自身历史经验的记忆,代表粒子有向自身历史最佳位置逼近的趋势;第三部分为“社会”部分,反映了粒子间协同合作与知识共享的群体历史经验,代表粒子有向群体或邻域历史最佳位置逼近的趋势。
所述目标函数为粒子X与目标点Xg之间的距离函数,设目标点坐标Xg=(xg1,xg2,...,xgD),
则目标函数为:
除了上述的距离函数之外,所述目标函数还可以为人工势场中的总势场函数。
在具体实施例中,所述步骤200中的粒子群算法的搜索空间为二维空间,具体包括:
在机器人的二维搜索空间中,设群体规模为m,群体中每个粒子i(1≤i≤m)有如下属性:
到第t步时,粒子i所处的位置为:
飞行速度为:
综上所述,本发明将势场法、栅格法和粒子群法结合起来,直接求取栅格地图上的势场分布,势场值由起始点依相邻节点的代价值依次递增,直到目标点,由势场目标点开始沿势场下降最快方向得到预规划路径,安全有效且路径规划准确可靠。
下面结合附图和具体实施例,对本发明的技术方案进行详细地说明。
附图说明
图1至图4为本发明机器人路径规划过程示意图;
图5是现有技术初始栅格地图的示意图;
图6是在图5的基础上结合膨胀算法的示意图;
图7和图8是对图5中初始栅格地图进行更新的栅格地图示意图;
图9是在新的栅格地图中形成的最终障碍物区域示意图。
具体实施方式
图1至图4为本发明机器人路径规划过程示意图。结合图1至图4所示内容,对本发明采用人工势场并结合粒子群算法优化机器人行走路径的过程进行说明,整体来说,包括了如下几个步骤:
步骤一:如图1所示,在地图300的范围内,设定目标点,以目标点为终点,即:机器人需要从起点100运动到目标点,该目标点即为终点200,在地图300范围内的封闭形状均为障碍物400,机器人在运动过程中,需要躲避所有的障碍物400,同时做到路径最优,第一步是在地图300范围内建立人工势场;
步骤二:如图2所示,引入粒子群算法,在机器人的起点100设有数量为m的粒子群,其中每个粒子也就相当于一台虚拟的机器人,其中,第i个粒子在第t步的飞行速度为按照人工势场法并结合粒子群算法对每个粒子从起点100到终点200进行路径规划模拟行走。在模拟行走的过程中,每个粒子形成各自的运动轨迹,例如图2所示出的A、B、C和D等运动轨迹;
步骤三:如图3所示,在上述模拟行走的过程中,大部分粒子的运动轨迹逐渐向C轨迹聚拢收敛,进而认定轨迹C为地图300范围内从起点100到终点200的最优行走路径;
步骤四:如图4所示,机器人最终按照优选规划出来的C轨迹,完成从起点100运动到终点200的运动过程。
所述步骤二中人工势场并结合粒子群算法对每个粒子从起点到终点的路径进行模拟行走,具体包括:
当第i个粒子行走到第t步时,根据人工势场法,由该势场生成的对粒子i的作用力Fi(t),取Fi(t)的单位方向向量为V1i(t);
根据粒子群算法得到此时粒子i的飞行速度取的单位方向向量为
结合人工势场和粒子群算法,对粒子i的飞行速度进行调整,定义调整后飞行速度其中m和n为常数系数,在粒子群算法中以调整后飞行速度替代飞行速度
所述地图为栅格地图,所述步骤二中人工势场并结合粒子群算法对每个粒子从起点到终点的路径进行模拟行走,还包括:将调整后飞行速度的方向修正为朝向与其最接近的栅格中心的方向,定义修正后飞行速度为在粒子群算法中以修正后飞行速度替代调整后的飞行速度
下面分别给出引力函数和斥力函数举例说明势场栅格法的原理。
引力势函数
在机器人的路径规划中,目标点比如:充电座对机器人具有吸引力,距离目标点越远,引力势函数越大,反之越小。目标点为机器人从运动起始点开始运动,需要到达的位置,比如充电座。当距离为零时,机器人的引力势函数为零,此时机器人达到终点。
引力势函数为:
其中,kg为位置增益系数,X-Xg为粒子X与目标点Xg之间的距离。
斥力势函数
在势场中,障碍物产生的势场对机器人产生排斥作用,且距离越近,排斥作用越大,反之就越小。
通常斥力函数为:
其中,k0为位置增益系数,ρ为粒子X与障碍物之间的最短距离,ρ0为一常数,代表障碍物的影响距离。
综上所述,总的势场函数为:
当机器人距离障碍物越远时,Urep(X)越小,当距离目标点越近时,Ug(X)越小,因此,在启发函数下,机器人寻找U(X)下降最快的方向,逐渐的远离障碍物而趋近目标点。
对于机器人来说,由于运动空间的地图未知,单独采用人工势场法在行走探索过程中有可能误入歧路,尤其是容易产生局部极小点问题,因此本发明在人工势场算法的基础上再结合粒子群算法来优化机器人的探索和规划。
粒子群算法的主要内容如下:
假设在一个D维的目标搜索空间中,有m个粒子组成一个群落,其中第i个粒子表示为一个D维的向量即:第i个粒子在D维的搜索空间中的位置是也就是说,每个粒子的位置就是一个潜在的解。将带入一个目标函数就可以计算出其适应值,根据适应值的大小衡量的优劣。第i个粒子的飞行速度也是一个D维的向量,记为记第i个粒子迄今为止搜索到的最优位置为由此可以得出整个粒子群迄今为止搜索到的最优位置为
到第t步时,粒子根据下面的公式更新自己的速度和位置:
其中,c1和c2为学习因子,也称加速常数;
r1和r2为(0,1)范围内的均匀随机数;
式(1)右边由三部分组成,第一部分为“惯性”部分,反映了粒子的运动习惯,代表粒子有维持自己先前速度的趋势;第二部分为“认知”部分,反映了粒子对自身历史经验的记忆,代表粒子有向自身历史最佳位置逼近的趋势;第三部分为“社会”部分,反映了粒子间协同合作与知识共享的群体历史经验,代表粒子有向群体或邻域历史最佳位置逼近的趋势。
对于前述的目标函数,既可以用粒子X与目标点Xg之间的距离函数来表示,也可以利用前文中人工势场中的总势场函数来表示。
具体来说,如果用粒子X与目标点Xg之间的距离函数来表示,设目标点坐标Xg=(xg1,xg2,...,xgD),
则目标函数:
在本发明中,机器人的活动范围为二维平面区域,因此,以机器人行走的二维空间举例说明。
在机器人的二维搜索空间中,设群体规模为m,群体中每个粒子i(1≤i≤m)有如下属性:
到第t步时,粒子i所处的位置
飞行速度为:
将上述人工势场和粒子群算法相结合的方法具体为:
以第i个粒子行走到第t步为例,根据人工势场法,由该势场生成的对机器人(粒子i)的作用力为势能的负梯度,即取Fi(t)的单位方向向量为具体为,以Fi(t)的方向作为的方向,取单位长度1作为的大小,组成单位方向向量再结合粒子群算法,第t步粒子i的行走方向即为飞行速度的方向,取其单位方向向量为具体为,以的方向作为的方向,取单位长度1作为的大小,组成单位方向向量则此时结合人工势场和粒子群算法的共同影响,对粒子i的飞行速度进行调整,定义调整后的飞行速度其中m和n为常数系数,可以通过调整m和n的大小控制作用力Fi(t)和飞行速度对调整后飞行速度的影响权重,则根据调整后飞行速度确定下一步粒子的位置,即在粒子群算法式(2)中以调整后飞行速度替代飞行速度直到行走至目标点处,将上式(2)调整为:
也就是说,粒子的行走方向受势场函数和粒子群算法共同影响,每一个粒子都有一条单独的行走路线,机器人根据粒子的行走路线,以大多数粒子的行走路径作为机器人的最终行走路径。
如果不采用栅格地图,上述的方向为0到360°范围;如果采用栅格地图,机器人(粒子i)的行走方向则简化为周围8个栅格的方向,8个栅格的方向是指机器人的前、后、左、右、左前、右前、左后、右后8个方向上的栅格,则根据调整后飞行速度判断粒子i最终朝向哪个栅格行走,即将调整后飞行速度的方向修正为朝向与其最接近的栅格中心的方向,其修正方法具体为:首先,对机器人周围8个栅格的影响角度进行划分,8个栅格在360°的范围内,平均每个栅格的影响角度为45°,例如,划分机器人前侧栅格的影响角度范围为(-22.5°,22.5°),右前方栅格的影响角度范围为(22.5°,67.5°)等,以此类推,按照顺时针的方向依次将栅格的影响角度进行划分;其次,根据调整后飞行速度的方向所属的角度范围判断行走栅格,例如,当的方向落在(-22.5°,22.5°)范围内时,则控制机器人朝前侧栅格的中心行走,即朝0°方向行走,当的方向落在(22.5°,67.5°)范围内时,则控制机器人朝右前侧栅格的中心行走,即朝45°方向行走,依次类推。因此,人工势场和粒子群算法再结合栅格地图会使运算更加简单。需要说明的是,当采用栅格地图时,粒子实际的飞行速度会再次改变,则需要对调整后飞行速度进行修正,例如,当的方向落在(-22.5°,22.5°)范围内时,粒子实际的飞行速度方向为0°,定义修正后飞行速度为即在粒子群算法式(2)中以调整后飞行速度替代飞行速度将上式(2’)调整为:
该方法不仅避免了局部极小点问题,而且利于机器人选择一条最优的路线行走,提高效率。
以下对前文中提到的栅格地图的创建方法进行详细的说明。
所述栅格地图的创建方法,包括:
步骤A:将地图划分为许多单元格形成初始栅格地图,把含有障碍物的单元格定义为在先障碍物区域X;
步骤B:以初始栅格地图中栅格的顶点为中心辐射至单元格大小,即以初始栅格地图中每个单元格的顶点为中心辐射至单元格大小,形成新的栅格地图,其中所述顶点成为新的栅格地图单元格的中心点;
步骤C:在新的栅格地图中,把含有在先障碍物区域X的单元格定义为最终障碍物区域Z。
所述步骤A具体为:
所述的栅格化地图具体包括,将地图划分为许多单元格形成初始栅格地图,并定义自移动机器人在初始栅格地图中的起始位置,自移动机器人在行走的同时检测行走区域内是否存在障碍物,若判断存在障碍物,则在初始栅格地图中把障碍物所对应的单元格定义为在先障碍物区域X。
具体来说,在栅格地图中,一个节点栅格的行进方向有8个,也就是机器人行进方向的前、后、左、右、左前、右前、左后、右后方向。选取总的势函数作为启发函数。当距离障碍物越远时,Urep(X)越小,当距离目标点越近时,Ug(X)越小,所以在启发函数下,机器人寻找U(X)下降最快的方向,逐渐的远离障碍物而趋近目标点。
为了方便对上述技术方案的理解,以下对前述的栅格地图的具体建立方法进行进一步的说明。以下在图5、图6和图7至图9中分别示出了三种栅格地图的创建方法,该三种栅格地图均可适用在本发明的技术方案中。
图5是现有技术初始栅格地图的示意图。如图5所示,当需要建立障碍物区域时,其方法为:先栅格化地图,将地图划分成许多单元格形成初始栅格地图,把所有含有障碍物400的单元格定义为在先障碍物区域X。具体来说,把清洁机器人放在未知的环境中先栅格化地图,即将地图划分为许多单元格形成初始栅格地图,这些单元格都是方格,并定义清洁机器人在初始栅格地图中的起始位置。行走过程中,清洁机器人通过码盘记录行走的距离和方向,即时更新清洁机器人在初始栅格地图中的当前位置,且清洁机器人在驱动单元驱动行走单元行走的同时通过检测单元检测行走区域内是否存在障碍物400,若控制单元判断存在障碍物则在初始栅格地图中把障碍物400所对应的单元格定义为在先障碍物区域X。以单元格作为区分障碍物区域和非障碍物区域的最小单位,含有障碍物400的单元格标注为1,不含障碍物400的单元格标注为0,所有标注为1的单元格组成在先障碍物区域X。本实施例中,所述在先障碍物区域X为图5的阴影区域D3-D7。
图6为在图5的基础上结合膨胀算法的示意图。如图6所示,膨胀算法是以在先障碍物区域X的边界向外扩展一圈单元格形成膨胀的障碍物区域Y,本实施例中,膨胀算法形成的障碍物区域是以单元格C2的左下顶点、E8的右上顶点为对角点的矩形区域,如前所述,此方法虽然可以有效解决机器人碰撞障碍物的问题,但是在先障碍物区域膨胀一圈的距离过大,使机器人躲避障碍物时运动不太灵活。
图7和图8为对图5中初始栅格地图进行更新的栅格地图示意图。如图7并结合图8所示,以初始栅格地图中栅格的顶点为中心辐射至单元格大小,形成新的栅格地图。其方法具体为:以图5中初始栅格地图中栅格的顶点为中心辐射至单元格大小,形成虚线所示栅格,虚线所示栅格即新的栅格地图中的单元格,在初始栅格地图中栅格的顶点成为新的栅格地图单元格的中心点,进一步,清除初始栅格地图,在整个地图中仅剩下如图8所示虚线栅格,即完成地图更新,将初始栅格地图更新为新的栅格地图。需要指出的是,在地图更新的过程中,在先障碍物区域X的位置及大小不变,则在新的栅格地图中,在先障碍物区域X如图8所示。
图9是在新的栅格地图中形成的最终障碍物区域示意图。其方法具体为:在图8的基础上,把含有在先障碍物区域的单元格定义为最终障碍物区域Z,完成自移动机器人栅格地图的创建。
将图9中最终障碍物区域Z与图6中通过膨胀算法所得的障碍物区域Y相比,不难看出最终障碍物区域Z小于障碍物区域Y,也就是说本发明在解决机器人膨胀障碍物问题的同时有效控制了在先障碍物区域X扩大的距离,使机器人躲避障碍物时运动更加灵活。
综上所述,本发明提供一种用于机器人静态路径规划的势场栅格结合粒子群算法,将势场法、栅格法和粒子群法结合起来,根据人工势场和粒子群算法的共同作用决定粒子的行走路线,避免了单独采用人工势场法容易陷入局部最优的问题,且首先通过粒子群进行模拟行走寻找到最优路线后,机器人再开始沿最优路线行走,提高了行走效率。以上即为完整的路径规划过程,模拟结果显示了其巨大的优越性。保存了人工势场法局部避障的优势,克服了人工势场法的局部陷阱,并且在未知环境中也可以快速的探索寻找到最优路径。
Claims (11)
1.一种机器人静态路径规划方法,其特征在于,该方法包括如下步骤:
步骤100:设定目标点,以目标点为终点,在地图范围内建立人工势场;
步骤200:引入粒子群算法,在机器人的起点设有数量为m的粒子群,第i个粒子在第t步的飞行速度为按照人工势场并结合粒子群算法对每个粒子从起点到终点的路径进行模拟行走,在模拟行走的过程中,每个粒子形成各自的运动轨迹;
步骤300:大部分粒子逐渐向多条轨迹中的一条轨迹聚拢收敛,进而在地图范围内得到从起点到终点的最优行走路径;
步骤400:机器人最终按照最优行走路径,完成从起点到终点的运动过程。
2.如权利要求1所述的机器人静态路径规划方法,其特征在于,所述步骤200中人工势场并结合粒子群算法对每个粒子从起点到终点的路径进行模拟行走,具体包括:
当第i个粒子行走到第t步时,根据人工势场法,由该势场生成的对粒子i的作用力Fi(t),取Fi(t)的单位方向向量为
根据粒子群算法得到此时粒子i的飞行速度取的单位方向向量为
结合人工势场和粒子群算法,对粒子i的飞行速度进行调整,定义调整后飞行速度其中m和n为常数系数;
在粒子群算法中以调整后的飞行速度替代飞行速度
3.如权利要求2所述的机器人静态路径规划方法,其特征在于,所述地图为栅格地图,所述步骤200中人工势场并结合粒子群算法对每个粒子从起点到终点的路径进行模拟行走,还包括:将调整后的飞行速度的方向修正为朝向与其最接近的栅格中心的方向,定义修正后飞行速度为在粒子群算法中以修正后飞行速度替代调整后的飞行速度
4.如权利要求1所述的机器人静态路径规划方法,其特征在于,
所述步骤200中人工势场并结合粒子群算法对每个粒子从起点到终点的路径进行模拟行走,具体包括:
当第i个粒子行走到第t步时,根据人工势场法,由该势场生成的对粒子i的作用力Fi(t),取Fi(t)的单位方向向量为
根据粒子群算法得到此时粒子i的飞行速度取的单位方向向量为
结合人工势场和粒子群算法,对粒子i的飞行速度进行调整,定义调整后飞行速度其中m和n为常数系数;
所述地图为栅格地图,所述步骤200中人工势场并结合粒子群算法对每个粒子从起点到终点的路径进行模拟行走,还包括:将调整后的飞行速度的方向修正为朝向与其最接近的栅格中心的方向,定义修正后飞行速度为在粒子群算法中以修正后飞行速度替代飞行速度
5.如权利要求3或4所述的机器人静态路径规划方法,其特征在于,所述栅格地图的创建方法,具体包括:
步骤A:将地图划分为许多单元格形成初始栅格地图,把含有障碍物的单元格定义为在先障碍物区域(X);
步骤B:以初始栅格地图中栅格的顶点为中心辐射至单元格大小,形成新的栅格地图,其中所述顶点成为新的栅格地图单元格的中心点;
步骤C:在新的栅格地图中,把含有在先障碍物区域(X)的单元格定义为最终障碍物区域(Z)。
6.如权利要求5所述的机器人静态路径规划方法,其特征在于,所述步骤A具体为:
所述的栅格化地图具体包括,将地图划分为许多单元格形成初始栅格地图,并定义自移动机器人在初始栅格地图中的起始位置,自移动机器人在行走的同时检测行走区域内是否存在障碍物(400),若判断存在障碍物(400),则在初始栅格地图中把障碍物(400)所对应的单元格定义为在先障碍物区域(X)。
7.如权利要求1所述的机器人静态路径规划方法,其特征在于,所述步骤100中的人工势场具体包括:
引力势函数为:
其中,kg为位置增益系数,X-Xg为粒子X与目标点Xg之间的距离;
斥力势函数为:
其中,k0为位置增益系数,ρ为粒子X与障碍物之间的最短距离,ρ0为一常数,代表障碍物的影响距离;
总势场函数为:
当粒子距离障碍物越远时,Urep(X)越小,当距离目标点越近时,Ug(X)越小,因此,在启发函数下,粒子寻找U(X)下降最快的方向,逐渐的远离障碍物而趋近目标点。
8.如权利要求1所述的机器人静态路径规划方法,其特征在于,所述步骤200中的粒子群算法具体包括:
假设在一个D维的目标搜索空间中,有m个粒子组成一个群落,其中第i个粒子表示为一个D维的向量即:第i个粒子在D维的搜索空间中的位置是
将带入目标函数计算出其适应值,根据适应值的大小衡量的优劣;
第i个粒子的飞行速度也是一个D维的向量,记为记第i个粒子迄今为止搜索到的最优位置为由此可以得出整个粒子群迄今为止搜索到的最优位置为
到第t步时,粒子根据下面的公式更新自己的速度和位置:
其中,c1和c2为学习因子,也称加速常数;
r1和r2为(0,1)范围内的均匀随机数;
式(1)右边由三部分组成,第一部分为“惯性”部分,反映了粒子的运动习惯,代表粒子有维持自己先前速度的趋势;第二部分为“认知”部分,反映了粒子对自身历史经验的记忆,代表粒子有向自身历史最佳位置逼近的趋势;第三部分为“社会”部分,反映了粒子间协同合作与知识共享的群体历史经验,代表粒子有向群体或邻域历史最佳位置逼近的趋势。
9.如权利要求8所述的机器人静态路径规划方法,其特征在于,所述目标函数为粒子X与目标点Xg之间的距离函数,设目标点坐标Xg=(xg1,xg2,...,xgD),
则目标函数为:
10.如权利要求8所述的机器人静态路径规划方法,其特征在于,所述目标函数为人工势场中的总势场函数。
11.如权利要求9或10所述的机器人静态路径规划方法,其特征在于,所述步骤200中的粒子群算法的搜索空间为二维空间,具体包括:在机器人的二维搜索空间中,设群体规模为m,群体中每个粒子i(1≤i≤m)有如下属性:
到第t步时,粒子i所处的位置为:
飞行速度为:
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410497805.1A CN105511457B (zh) | 2014-09-25 | 2014-09-25 | 机器人静态路径规划方法 |
PCT/CN2015/090724 WO2016045615A1 (zh) | 2014-09-25 | 2015-09-25 | 机器人静态路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410497805.1A CN105511457B (zh) | 2014-09-25 | 2014-09-25 | 机器人静态路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105511457A true CN105511457A (zh) | 2016-04-20 |
CN105511457B CN105511457B (zh) | 2019-03-01 |
Family
ID=55580333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410497805.1A Active CN105511457B (zh) | 2014-09-25 | 2014-09-25 | 机器人静态路径规划方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN105511457B (zh) |
WO (1) | WO2016045615A1 (zh) |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105717929A (zh) * | 2016-04-29 | 2016-06-29 | 中国人民解放军国防科学技术大学 | 一种多分辨率障碍物环境下移动机器人混合路径规划方法 |
CN105928533A (zh) * | 2016-04-26 | 2016-09-07 | 北京小米移动软件有限公司 | 导航方法及装置、电子设备 |
CN106092102A (zh) * | 2016-07-20 | 2016-11-09 | 广州极飞电子科技有限公司 | 一种无人机路径规划方法及装置 |
CN106203707A (zh) * | 2016-07-13 | 2016-12-07 | 浪潮电子信息产业股份有限公司 | 一种基于智能学习算法的最佳路径计算方法 |
CN106990777A (zh) * | 2017-03-10 | 2017-07-28 | 江苏物联网研究发展中心 | 机器人局部路径规划方法 |
CN107357293A (zh) * | 2017-07-31 | 2017-11-17 | 上海应用技术大学 | 移动机器人路径规划方法和*** |
CN107728609A (zh) * | 2016-08-10 | 2018-02-23 | 鸿富锦精密电子(天津)有限公司 | 智能运动控制***及智能运动控制方法 |
CN108153298A (zh) * | 2017-04-19 | 2018-06-12 | 中国北方车辆研究所 | 一种基于改进人工势场的足式机器人牵引控制方法及*** |
CN108227704A (zh) * | 2016-12-15 | 2018-06-29 | 苏州宝时得电动工具有限公司 | 自移动设备及其移动方法、存储介质和服务器 |
CN108255174A (zh) * | 2017-12-20 | 2018-07-06 | 北京理工华汇智能科技有限公司 | 机器人路径规划方法及装置 |
CN108469817A (zh) * | 2018-03-09 | 2018-08-31 | 武汉理工大学 | 基于fpga和信息融合的无人船避障控制*** |
CN109118884A (zh) * | 2018-09-12 | 2019-01-01 | 武仪 | 一种机器人实验课程的教学装置 |
CN109141441A (zh) * | 2018-07-19 | 2019-01-04 | 北京汽车集团有限公司 | 车辆的障碍分析方法和装置 |
CN109213201A (zh) * | 2018-11-30 | 2019-01-15 | 北京润科通用技术有限公司 | 一种避障方法及装置 |
CN109357685A (zh) * | 2018-11-05 | 2019-02-19 | 飞牛智能科技(南京)有限公司 | 航路网生成方法、装置及存储介质 |
CN109358637A (zh) * | 2018-05-25 | 2019-02-19 | 武汉科技大学 | 一种基于预设航线的地表近距离自主探查无人机的三维避障方法 |
CN109459026A (zh) * | 2018-11-08 | 2019-03-12 | 北京理工大学 | 一种多运动体协同全覆盖路径规划方法 |
CN109764886A (zh) * | 2019-01-15 | 2019-05-17 | 成都信息工程大学 | 一种路径规划方法 |
CN110198813A (zh) * | 2017-01-31 | 2019-09-03 | 株式会社安川电机 | 机器人路径生成装置和机器人*** |
CN110361009A (zh) * | 2019-07-12 | 2019-10-22 | 深圳市银星智能科技股份有限公司 | 一种路径规划方法、路径规划***以及移动机器人 |
CN110553660A (zh) * | 2019-08-31 | 2019-12-10 | 武汉理工大学 | 一种基于a*算法和人工势场的无人车轨迹规划方法 |
CN110703775A (zh) * | 2019-09-16 | 2020-01-17 | 江苏大学 | 一种基于改进人工势场的商用车车道保持路径规划方法 |
CN110850880A (zh) * | 2019-11-20 | 2020-02-28 | 中电科技集团重庆声光电有限公司 | 一种基于视觉传感的自动驾驶***及方法 |
CN110989656A (zh) * | 2019-11-13 | 2020-04-10 | 中国电子科技集团公司第二十研究所 | 一种基于改进人工势场法的冲突解脱方法 |
CN111144825A (zh) * | 2019-12-31 | 2020-05-12 | 浙江中烟工业有限责任公司 | 一种基于agv小车的rfid仓储物流盘库方法和*** |
CN111381600A (zh) * | 2018-12-28 | 2020-07-07 | 陕西师范大学 | 一种基于粒子群算法的uuv路径规划方法 |
CN111481933A (zh) * | 2020-05-18 | 2020-08-04 | 浙江工业大学 | 一种基于改进势场栅格法的游戏路径规划方法 |
CN111694357A (zh) * | 2020-06-19 | 2020-09-22 | 国网福建省电力有限公司福州供电公司 | 基于遗传算法和人工势场法的机器人行走路径规划方法 |
WO2021016920A1 (zh) * | 2019-07-31 | 2021-02-04 | 深圳市大疆创新科技有限公司 | 可通行性的识别方法、***、设备及计算机可读存储介质 |
CN112344943A (zh) * | 2020-11-20 | 2021-02-09 | 安徽工程大学 | 一种改进人工势场算法的智能车路径规划方法 |
CN112987749A (zh) * | 2021-03-08 | 2021-06-18 | 河南科技大学 | 一种智能割草机器人混合路径规划方法 |
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 |
CN113359756A (zh) * | 2021-06-29 | 2021-09-07 | 上海工程技术大学 | 一种基于栅格法实现全向移动机器人避障路径实时规划的方法 |
CN113619815A (zh) * | 2021-08-04 | 2021-11-09 | 西北工业大学 | 一种航天器集群动态路径规划方法 |
CN114305202A (zh) * | 2020-09-30 | 2022-04-12 | 好样科技有限公司 | 一种自行走装置及其控制方法 |
CN114578798A (zh) * | 2022-02-24 | 2022-06-03 | 苏州驾驶宝智能科技有限公司 | 一种陆空两栖飞车的自主驾驶*** |
CN115167465A (zh) * | 2022-08-10 | 2022-10-11 | 哈尔滨理工大学 | 基于人工势场栅格法的无人潜器三维路径规划方法 |
WO2023160606A1 (zh) * | 2022-02-24 | 2023-08-31 | 苏州科瓴精密机械科技有限公司 | 基于栅格地图的机器人寻路方法、装置、机器人及存储介质 |
Families Citing this family (73)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106272411B (zh) * | 2016-08-24 | 2018-08-17 | 上海交通大学 | 基于引力源的多机器人协同搬运船舱货物方法 |
CN107423840A (zh) * | 2017-04-24 | 2017-12-01 | 徐怡博 | 一种基于蚁群粒子群算法的机器人路径规划融合算法 |
CN107153889B (zh) * | 2017-05-03 | 2020-07-17 | 北京工商大学 | 水质采样巡航船路径规划最优化方法 |
CN107992036B (zh) * | 2017-11-20 | 2021-03-16 | 汕头大学 | 一种智能停车库中存取车路径规划方法、装置及存储介质 |
CN108333931B (zh) * | 2018-01-25 | 2020-10-02 | 北京理工大学 | 一种面向崎岖地形的四足机器人双层结构步态规划方法 |
CN108639177A (zh) * | 2018-05-09 | 2018-10-12 | 南京赫曼机器人自动化有限公司 | 一种自主全遍历爬壁机器人 |
CN108748160B (zh) * | 2018-06-21 | 2020-09-25 | 河南大学 | 基于多种群粒子群算法的机械臂运动规划方法 |
CN110678822A (zh) * | 2018-07-23 | 2020-01-10 | 深圳市大疆创新科技有限公司 | 移动机器人的控制方法、装置及移动机器人*** |
CN109109023A (zh) * | 2018-10-31 | 2019-01-01 | 西北农林科技大学 | 一种授粉机器人竞赛场地 |
CN109597410B (zh) * | 2018-11-28 | 2022-03-04 | 北京航天自动控制研究所 | 一种可自主移动的自适应测试平台及自主寻路方法 |
CN109491342B (zh) * | 2018-11-30 | 2019-09-24 | 山东师范大学 | 一种多工序智能rgv动态调度方法、装置及*** |
CN111380532B (zh) * | 2018-12-29 | 2022-06-28 | 深圳市优必选科技有限公司 | 路径规划方法、装置、终端及计算机存储介质 |
CN109683630B (zh) * | 2019-01-25 | 2021-11-09 | 南京邮电大学 | 基于粒子群和prm算法的无人机航迹规划方法 |
CN110132284B (zh) * | 2019-05-30 | 2022-12-09 | 东北大学 | 一种基于深度信息的全局定位方法 |
CN110530384B (zh) * | 2019-07-17 | 2022-10-28 | 江苏大学 | 一种采用混合势场蚁群算法的车辆路径规划方法 |
CN110531762A (zh) * | 2019-08-21 | 2019-12-03 | 东南大学 | 一种基于改进人工势场法的机器人路径规划方法 |
CN110567478B (zh) * | 2019-09-30 | 2023-06-30 | 广西科技大学 | 一种基于人工势场法的无人驾驶车辆路径规划方法 |
CN112652069A (zh) * | 2019-10-12 | 2021-04-13 | 中国石油化工股份有限公司 | 基于粒子群算法的四面体剖分网格优化方法及*** |
CN112799386B (zh) * | 2019-10-25 | 2021-11-23 | 中国科学院沈阳自动化研究所 | 基于人工势场与强化学习的机器人路径规划方法 |
CN110906934B (zh) * | 2019-11-29 | 2022-04-15 | 华中科技大学 | 一种基于碰撞危险系数的无人艇避障方法和*** |
CN110986951B (zh) * | 2019-12-11 | 2023-03-24 | 广州市技田信息技术有限公司 | 一种基于惩罚权重的路径规划方法、导航格以及栅格地图 |
CN111240333A (zh) * | 2020-01-18 | 2020-06-05 | 湖南科技大学 | 一种复杂非凸环境下群机器人协同作业的多目标围捕方法 |
CN111273664B (zh) * | 2020-02-11 | 2023-06-30 | 西北工业大学深圳研究院 | 一种空间桁架结构在轨装配的多机器人路径协同规划方法 |
CN111522335B (zh) * | 2020-03-23 | 2022-07-22 | 南方电网科学研究院有限责任公司 | 基于改进粒子群算法的机器人路径优化方法及*** |
CN111443712B (zh) * | 2020-03-30 | 2023-03-21 | 杭州电子科技大学 | 一种基于天牛群搜索算法的三维路径规划方法 |
CN111596654B (zh) * | 2020-04-17 | 2023-07-11 | 国网湖南省电力有限公司 | 基于改进d星路径规划算法的电缆沟机器人导航避障方法 |
CN111580556B (zh) * | 2020-05-22 | 2023-04-07 | 中国人民解放军国防科技大学 | 一种时空约束下多无人机协同路径规划与制导方法 |
CN111928860A (zh) * | 2020-07-24 | 2020-11-13 | 上海交通大学烟台信息技术研究院 | 一种基于三维曲面定位能力的自主车辆主动定位方法 |
CN111982134B (zh) * | 2020-08-10 | 2022-08-05 | 北京轩宇空间科技有限公司 | 适应未知动态空间的路径跟随控制方法、装置及存储介质 |
CN112000131B (zh) * | 2020-09-09 | 2022-08-02 | 中国人民解放军国防科技大学 | 基于人工势场法的无人机集群路径规划方法及*** |
CN112241171A (zh) * | 2020-10-09 | 2021-01-19 | 国网江西省电力有限公司检修分公司 | 一种可绕障碍的轮式机器人直线轨迹跟踪方法 |
CN112530000A (zh) * | 2020-11-20 | 2021-03-19 | 西安科技大学 | 一种任务约束下虚拟人臂运动复现的方法 |
CN112395769A (zh) * | 2020-11-25 | 2021-02-23 | 盐城工学院 | 面向有序活动行人运动仿真方法 |
CN112462768B (zh) * | 2020-11-25 | 2024-03-29 | 深圳拓邦股份有限公司 | 移动机器人导航地图的创建方法、装置及移动机器人 |
CN112486172A (zh) * | 2020-11-30 | 2021-03-12 | 深圳市普渡科技有限公司 | 道路边缘检测方法及机器人 |
CN112506076B (zh) * | 2020-12-04 | 2023-03-28 | 杭州电子科技大学 | 基于飞行任务的无人机集群三维空间仿真器构建方法 |
CN112762950B (zh) * | 2020-12-15 | 2022-11-11 | 浙江大学 | 基于人工势场引导的Hybrid A*自主泊车路径规划方法 |
CN112461247B (zh) * | 2020-12-16 | 2023-05-23 | 广州大学 | 一种基于自适应麻雀搜索算法的机器人路径规划方法 |
CN112650292B (zh) * | 2020-12-29 | 2022-04-22 | 中国计量大学 | 一种面向工业园区污染源监测的多无人机路径优化方法 |
CN112936279B (zh) * | 2021-02-10 | 2023-09-19 | 大连理工大学 | 一种移动作业机器人目标抓取作业最短时间求解方法 |
CN112836777B (zh) * | 2021-03-02 | 2022-09-27 | 同济大学 | 共识主动性机制在群体机器人目标搜索中的应用方法 |
CN113066160B (zh) * | 2021-03-09 | 2023-06-27 | 浙江大学 | 一种室内移动机器人场景数据的生成方法 |
CN113156944B (zh) * | 2021-03-28 | 2023-03-07 | 西北工业大学 | 一种室内移动机器人充电路径规划与运动控制算法 |
CN113124873B (zh) * | 2021-04-09 | 2022-08-16 | 青岛哈船海智科技有限公司 | 基于海洋环境信息的uuv多指标约束三维航路规划方法 |
CN113051807B (zh) * | 2021-04-17 | 2023-04-14 | 西北工业大学 | 基于k-Means和滑模变结构控制的多智能体对复杂区域的覆盖方法 |
CN113219991B (zh) * | 2021-06-02 | 2022-07-15 | 安徽工业大学 | 一种基于改进acs算法的移动机器人路径规划方法 |
CN113359858A (zh) * | 2021-07-15 | 2021-09-07 | 三亚市鹏航创新科技服务有限公司 | 一种物流无人机同城空运*** |
CN113485346B (zh) * | 2021-07-15 | 2022-07-22 | 上海交通大学 | 一种移动机器人在核事故复杂环境中的自主导航方法 |
CN113741416B (zh) * | 2021-07-21 | 2023-12-26 | 浙江工业大学 | 基于改进捕食者猎物模型和dmpc的多机器人全覆盖路径规划方法 |
CN113485355B (zh) * | 2021-07-27 | 2023-11-17 | 北京航空航天大学 | 一种机器人任务规划方法、***及搜索机器人 |
CN113671958B (zh) * | 2021-08-19 | 2024-03-15 | 上海合时智能科技有限公司 | 机器人的避障路径的确定方法、***、电子设备和介质 |
CN113467485B (zh) * | 2021-09-03 | 2021-12-03 | 武汉理工大学 | Rov与母船协同水下目标搜寻路径规划及动态更新方法 |
CN113741480B (zh) * | 2021-09-16 | 2024-06-28 | 中科南京软件技术研究院 | 一种基于动态障碍物提取与代价地图相结合的避障方法 |
CN113805595B (zh) * | 2021-09-26 | 2024-01-23 | 浙江工业大学 | 一种基于改进混沌粒子群的综合体空间内路径规划方法 |
CN113867349B (zh) * | 2021-09-28 | 2024-04-09 | 浙江大华技术股份有限公司 | 一种机器人的避障方法、***及智能机器人 |
CN113848914B (zh) * | 2021-09-28 | 2024-04-26 | 福州大学 | 动态环境下碰撞系数人工势场法局部路径规划方法 |
CN113759936B (zh) * | 2021-09-30 | 2023-12-26 | 哈尔滨工业大学 | 一种适用于动态目标跟踪的比例导引法与人工势场法相结合的路径规划方法 |
CN113984066B (zh) * | 2021-10-27 | 2024-07-09 | 西安交通大学 | 一种面向多目标跟踪的传感器平台路径规划方法 |
CN114089747B (zh) * | 2021-11-05 | 2023-07-04 | 季华实验室 | 一种基于时间片的多agv路径规划方法 |
CN114237226B (zh) * | 2021-11-10 | 2023-06-30 | 西北工业大学 | 一种群机器人复杂环境区域覆盖下的导航脱困方法 |
CN113830108B (zh) * | 2021-11-10 | 2023-07-28 | 苏州挚途科技有限公司 | 自动驾驶车辆的决策规划方法和装置 |
CN114313878B (zh) * | 2021-11-19 | 2024-04-19 | 江苏科技大学 | 一种面向物料传输平台的运动学建模与路径规划方法 |
CN114326706B (zh) * | 2021-11-26 | 2024-06-04 | 云南中科晶上空天信息技术有限责任公司 | 一种基于智能农机的快速偏移矫正的路径规划方法 |
CN114326747B (zh) * | 2022-01-06 | 2023-10-24 | 中国人民解放军国防科技大学 | 群体机器人多目标围捕控制方法、装置和计算机设备 |
CN114397896B (zh) * | 2022-01-10 | 2023-07-14 | 贵州大学 | 一种改进粒子群算法的动态路径规划方法 |
CN114460965B (zh) * | 2022-01-21 | 2023-08-29 | 上海应用技术大学 | 一种基于改进人工势场法的无人机三维避障方法 |
CN114740846A (zh) * | 2022-04-01 | 2022-07-12 | 南京航空航天大学 | 面向拓扑-栅格-度量混合地图的分层路径规划方法 |
CN115237117B (zh) * | 2022-04-28 | 2024-05-07 | 安徽理工大学 | 基于变异自适应粒子群算法的移动机器人路径规划方法 |
CN114779821B (zh) * | 2022-05-25 | 2023-06-27 | 四川大学 | 基于深度学习的无人机自适应斥力系数路径规划方法 |
CN114859941B (zh) * | 2022-07-05 | 2022-09-23 | 上海仙工智能科技有限公司 | 一种在弯曲光滑路径下的速度规划方法、存储介质 |
CN115981345B (zh) * | 2023-03-17 | 2023-05-23 | 山东双力现代农业装备有限公司 | 一种基于视觉检测的收割机工作路径规划方法 |
CN117055559A (zh) * | 2023-08-30 | 2023-11-14 | 苏州大成运和智能科技有限公司 | 一种改进人工势场法的自动驾驶车辆避障方法 |
CN117724495B (zh) * | 2023-12-18 | 2024-05-17 | 青岛哈尔滨工程大学创新发展中心 | 一种已知边界的面向机器人集群任务区域分配的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101387888A (zh) * | 2008-09-27 | 2009-03-18 | 江南大学 | 基于二进制量子粒子群算法的移动机器人路径规划方法 |
KR101076008B1 (ko) * | 2010-07-19 | 2011-10-21 | 삼성탈레스 주식회사 | 자기장을 이용하여 경로계획을 생성하는 자율주행 로봇 |
CN102682203A (zh) * | 2012-04-28 | 2012-09-19 | 江南大学 | 一种对引力搜索优化算法中粒子记忆性改进的方法 |
CN102722749A (zh) * | 2012-06-01 | 2012-10-10 | 哈尔滨工程大学 | 一种基于粒子群算法的自适应三维空间路径规划方法 |
CN103646178A (zh) * | 2013-12-18 | 2014-03-19 | 中国石油大学(华东) | 一种基于改进引力搜索算法的多目标优化方法 |
CN103901887A (zh) * | 2014-03-04 | 2014-07-02 | 重庆邮电大学 | 一种基于改进粒子群算法的多移动机器人编队控制方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101372482B1 (ko) * | 2007-12-11 | 2014-03-26 | 삼성전자주식회사 | 이동 로봇의 경로 계획 방법 및 장치 |
CN103823466B (zh) * | 2013-05-23 | 2016-08-10 | 电子科技大学 | 一种动态环境下移动机器人路径规划方法 |
CN103336526B (zh) * | 2013-06-20 | 2015-08-05 | 苏州经贸职业技术学院 | 基于协同进化粒子群滚动优化的机器人路径规划方法 |
-
2014
- 2014-09-25 CN CN201410497805.1A patent/CN105511457B/zh active Active
-
2015
- 2015-09-25 WO PCT/CN2015/090724 patent/WO2016045615A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101387888A (zh) * | 2008-09-27 | 2009-03-18 | 江南大学 | 基于二进制量子粒子群算法的移动机器人路径规划方法 |
KR101076008B1 (ko) * | 2010-07-19 | 2011-10-21 | 삼성탈레스 주식회사 | 자기장을 이용하여 경로계획을 생성하는 자율주행 로봇 |
CN102682203A (zh) * | 2012-04-28 | 2012-09-19 | 江南大学 | 一种对引力搜索优化算法中粒子记忆性改进的方法 |
CN102722749A (zh) * | 2012-06-01 | 2012-10-10 | 哈尔滨工程大学 | 一种基于粒子群算法的自适应三维空间路径规划方法 |
CN103646178A (zh) * | 2013-12-18 | 2014-03-19 | 中国石油大学(华东) | 一种基于改进引力搜索算法的多目标优化方法 |
CN103901887A (zh) * | 2014-03-04 | 2014-07-02 | 重庆邮电大学 | 一种基于改进粒子群算法的多移动机器人编队控制方法 |
Non-Patent Citations (3)
Title |
---|
杨柳 等: "基于人工势场法的移动机器人路径规划研究", 《机床与液压》 * |
肖本贤 等: "基于PSO和人工势场的机器人路径规划", 《合肥工业大学学报(自然科学版)》 * |
薛英花 等: "利用改进的粒子群算法的机器人全局路径规划", 《华中科技大学学报(自然科学版)》 * |
Cited By (55)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105928533A (zh) * | 2016-04-26 | 2016-09-07 | 北京小米移动软件有限公司 | 导航方法及装置、电子设备 |
CN105717929B (zh) * | 2016-04-29 | 2018-06-15 | 中国人民解放军国防科学技术大学 | 一种多分辨率障碍物环境下移动机器人混合路径规划方法 |
CN105717929A (zh) * | 2016-04-29 | 2016-06-29 | 中国人民解放军国防科学技术大学 | 一种多分辨率障碍物环境下移动机器人混合路径规划方法 |
CN106203707A (zh) * | 2016-07-13 | 2016-12-07 | 浪潮电子信息产业股份有限公司 | 一种基于智能学习算法的最佳路径计算方法 |
CN106092102A (zh) * | 2016-07-20 | 2016-11-09 | 广州极飞电子科技有限公司 | 一种无人机路径规划方法及装置 |
CN107728609A (zh) * | 2016-08-10 | 2018-02-23 | 鸿富锦精密电子(天津)有限公司 | 智能运动控制***及智能运动控制方法 |
CN108227704A (zh) * | 2016-12-15 | 2018-06-29 | 苏州宝时得电动工具有限公司 | 自移动设备及其移动方法、存储介质和服务器 |
CN110198813B (zh) * | 2017-01-31 | 2023-02-28 | 株式会社安川电机 | 机器人路径生成装置和机器人*** |
CN110198813A (zh) * | 2017-01-31 | 2019-09-03 | 株式会社安川电机 | 机器人路径生成装置和机器人*** |
CN106990777A (zh) * | 2017-03-10 | 2017-07-28 | 江苏物联网研究发展中心 | 机器人局部路径规划方法 |
CN108153298A (zh) * | 2017-04-19 | 2018-06-12 | 中国北方车辆研究所 | 一种基于改进人工势场的足式机器人牵引控制方法及*** |
CN108153298B (zh) * | 2017-04-19 | 2022-08-09 | 中国北方车辆研究所 | 一种基于改进人工势场的足式机器人牵引控制方法及*** |
CN107357293A (zh) * | 2017-07-31 | 2017-11-17 | 上海应用技术大学 | 移动机器人路径规划方法和*** |
CN108255174A (zh) * | 2017-12-20 | 2018-07-06 | 北京理工华汇智能科技有限公司 | 机器人路径规划方法及装置 |
CN108255174B (zh) * | 2017-12-20 | 2021-03-16 | 北京理工华汇智能科技有限公司 | 机器人路径规划方法及装置 |
CN108469817A (zh) * | 2018-03-09 | 2018-08-31 | 武汉理工大学 | 基于fpga和信息融合的无人船避障控制*** |
CN108469817B (zh) * | 2018-03-09 | 2021-04-27 | 武汉理工大学 | 基于fpga和信息融合的无人船避障控制*** |
CN109358637A (zh) * | 2018-05-25 | 2019-02-19 | 武汉科技大学 | 一种基于预设航线的地表近距离自主探查无人机的三维避障方法 |
CN109358637B (zh) * | 2018-05-25 | 2021-11-09 | 武汉科技大学 | 一种基于预设航线的地表近距离自主探查无人机的三维避障方法 |
CN109141441A (zh) * | 2018-07-19 | 2019-01-04 | 北京汽车集团有限公司 | 车辆的障碍分析方法和装置 |
CN109118884A (zh) * | 2018-09-12 | 2019-01-01 | 武仪 | 一种机器人实验课程的教学装置 |
CN109357685A (zh) * | 2018-11-05 | 2019-02-19 | 飞牛智能科技(南京)有限公司 | 航路网生成方法、装置及存储介质 |
CN109459026A (zh) * | 2018-11-08 | 2019-03-12 | 北京理工大学 | 一种多运动体协同全覆盖路径规划方法 |
CN109459026B (zh) * | 2018-11-08 | 2021-01-01 | 北京理工大学 | 一种多运动体协同全覆盖路径规划方法 |
CN109213201B (zh) * | 2018-11-30 | 2021-08-24 | 北京润科通用技术有限公司 | 一种避障方法及装置 |
CN109213201A (zh) * | 2018-11-30 | 2019-01-15 | 北京润科通用技术有限公司 | 一种避障方法及装置 |
CN111381600B (zh) * | 2018-12-28 | 2022-11-04 | 陕西师范大学 | 一种基于粒子群算法的uuv路径规划方法 |
CN111381600A (zh) * | 2018-12-28 | 2020-07-07 | 陕西师范大学 | 一种基于粒子群算法的uuv路径规划方法 |
CN109764886B (zh) * | 2019-01-15 | 2022-10-14 | 成都信息工程大学 | 一种路径规划方法 |
CN109764886A (zh) * | 2019-01-15 | 2019-05-17 | 成都信息工程大学 | 一种路径规划方法 |
CN110361009B (zh) * | 2019-07-12 | 2020-09-22 | 深圳市银星智能科技股份有限公司 | 一种路径规划方法、路径规划***以及移动机器人 |
CN110361009A (zh) * | 2019-07-12 | 2019-10-22 | 深圳市银星智能科技股份有限公司 | 一种路径规划方法、路径规划***以及移动机器人 |
WO2021016920A1 (zh) * | 2019-07-31 | 2021-02-04 | 深圳市大疆创新科技有限公司 | 可通行性的识别方法、***、设备及计算机可读存储介质 |
CN110553660A (zh) * | 2019-08-31 | 2019-12-10 | 武汉理工大学 | 一种基于a*算法和人工势场的无人车轨迹规划方法 |
CN110703775A (zh) * | 2019-09-16 | 2020-01-17 | 江苏大学 | 一种基于改进人工势场的商用车车道保持路径规划方法 |
CN110989656A (zh) * | 2019-11-13 | 2020-04-10 | 中国电子科技集团公司第二十研究所 | 一种基于改进人工势场法的冲突解脱方法 |
CN110850880A (zh) * | 2019-11-20 | 2020-02-28 | 中电科技集团重庆声光电有限公司 | 一种基于视觉传感的自动驾驶***及方法 |
CN111144825A (zh) * | 2019-12-31 | 2020-05-12 | 浙江中烟工业有限责任公司 | 一种基于agv小车的rfid仓储物流盘库方法和*** |
CN111481933A (zh) * | 2020-05-18 | 2020-08-04 | 浙江工业大学 | 一种基于改进势场栅格法的游戏路径规划方法 |
CN111694357B (zh) * | 2020-06-19 | 2022-05-13 | 国网福建省电力有限公司福州供电公司 | 基于遗传算法和人工势场法的机器人行走路径规划方法 |
CN111694357A (zh) * | 2020-06-19 | 2020-09-22 | 国网福建省电力有限公司福州供电公司 | 基于遗传算法和人工势场法的机器人行走路径规划方法 |
CN114305202A (zh) * | 2020-09-30 | 2022-04-12 | 好样科技有限公司 | 一种自行走装置及其控制方法 |
CN112344943B (zh) * | 2020-11-20 | 2022-09-06 | 安徽工程大学 | 一种改进人工势场算法的智能车路径规划方法 |
CN112344943A (zh) * | 2020-11-20 | 2021-02-09 | 安徽工程大学 | 一种改进人工势场算法的智能车路径规划方法 |
CN112987749A (zh) * | 2021-03-08 | 2021-06-18 | 河南科技大学 | 一种智能割草机器人混合路径规划方法 |
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 |
CN113190006B (zh) * | 2021-05-08 | 2023-10-20 | 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 |
CN113359756A (zh) * | 2021-06-29 | 2021-09-07 | 上海工程技术大学 | 一种基于栅格法实现全向移动机器人避障路径实时规划的方法 |
CN113619815B (zh) * | 2021-08-04 | 2022-07-12 | 西北工业大学 | 一种航天器集群动态路径规划方法 |
CN113619815A (zh) * | 2021-08-04 | 2021-11-09 | 西北工业大学 | 一种航天器集群动态路径规划方法 |
CN114578798A (zh) * | 2022-02-24 | 2022-06-03 | 苏州驾驶宝智能科技有限公司 | 一种陆空两栖飞车的自主驾驶*** |
CN114578798B (zh) * | 2022-02-24 | 2023-05-12 | 苏州驾驶宝智能科技有限公司 | 一种陆空两栖飞车的自主驾驶*** |
WO2023160606A1 (zh) * | 2022-02-24 | 2023-08-31 | 苏州科瓴精密机械科技有限公司 | 基于栅格地图的机器人寻路方法、装置、机器人及存储介质 |
CN115167465A (zh) * | 2022-08-10 | 2022-10-11 | 哈尔滨理工大学 | 基于人工势场栅格法的无人潜器三维路径规划方法 |
CN115167465B (zh) * | 2022-08-10 | 2023-04-28 | 哈尔滨理工大学 | 基于人工势场栅格法的无人潜器三维路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105511457B (zh) | 2019-03-01 |
WO2016045615A1 (zh) | 2016-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105511457A (zh) | 机器人静态路径规划方法 | |
Zhang et al. | Trajectory planning and tracking for autonomous vehicle based on state lattice and model predictive control | |
CN108333931B (zh) | 一种面向崎岖地形的四足机器人双层结构步态规划方法 | |
CN102778229B (zh) | 未知环境下基于改进蚁群算法的移动Agent路径规划方法 | |
CN106371445A (zh) | 一种基于拓扑地图的无人车规划控制方法 | |
Ardiyanto et al. | Real-time navigation using randomized kinodynamic planning with arrival time field | |
CN101739509B (zh) | 一种大规模虚拟人群路径导航方法 | |
CN104121903B (zh) | 一种基于边界值问题的滚动航路规划方法 | |
CN102929281A (zh) | 一种不完全感知环境下的机器人kNN路径规划方法 | |
CN115509239B (zh) | 一种基于空地信息共享的无人车路径规划方法 | |
CN104992466B (zh) | 一种三维场景的即时寻径方法 | |
CN113703450B (zh) | 基于平滑因素改进蚁群算法的移动机器人路径规划方法 | |
CN107992040A (zh) | 基于地图栅格与qpso算法结合的机器人路径规划方法 | |
CN108413963A (zh) | 基于自学习蚁群算法的条形机器人路径规划方法 | |
CN113359756B (zh) | 一种基于栅格法实现全向移动机器人避障路径实时规划的方法 | |
CN114077256A (zh) | 一种水上无人船路径规划方法 | |
CN106705975A (zh) | 一种基于万有引力搜索的水面无人艇航路规划方法 | |
Qie et al. | A path planning algorithm for autonomous flying vehicles in cross-country environments with a novel TF-RRT∗ method | |
CN115145315A (zh) | 一种改进a*算法的适合杂乱环境的无人机路径规划方法 | |
CN114442628B (zh) | 基于人工势场法的移动机器人路径规划方法、装置及*** | |
Balan et al. | Optimal trajectory planning for multiple waypoint path planning using tabu search | |
CN113391633A (zh) | 一种面向城市环境的移动机器人融合路径规划方法 | |
Dong-Shu et al. | Path planning of mobile robot in dynamic environments | |
Li et al. | Real-time local path planning for intelligent vehicle combining tentacle algorithm and B-spline curve | |
CN107229998A (zh) | 一种无人机自主寻路策略方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 215168 Wuzhong District, Jiangsu, Stone Lake Road West, No. 108 Applicant after: Ecovacs robot Limited by Share Ltd Address before: 215168 Wuzhong District, Jiangsu, Stone Lake Road West, No. 108 Applicant before: Ecovacs Robot Co., Ltd. |
|
COR | Change of bibliographic data | ||
GR01 | Patent grant | ||
GR01 | Patent grant |