CN106441303A - 一种基于可搜索连续邻域a*算法的路径规划方法 - Google Patents
一种基于可搜索连续邻域a*算法的路径规划方法 Download PDFInfo
- Publication number
- CN106441303A CN106441303A CN201610867274.XA CN201610867274A CN106441303A CN 106441303 A CN106441303 A CN 106441303A CN 201610867274 A CN201610867274 A CN 201610867274A CN 106441303 A CN106441303 A CN 106441303A
- Authority
- CN
- China
- Prior art keywords
- point
- node
- value
- sideline
- open
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/203—Specially adapted for sailing ships
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的是一种基于可搜索连续邻域A*算法的路径规划方法。本发明根据存在的障碍物几何尺寸,采用栅格法建立环境模型获得的环境模型,将UUV考虑为质点,以障碍物的最长宽度作为直径,以障碍物的重心为原点的圆形障碍物处理;根据障碍物的信息,获得栅格大小l;根据已建立的栅格图,确定A*算法的估价函数f(x);根据可邻域的特点与A*算法结合,确定任意点y的估价代价h(y);根据可搜索连续邻域A*算法的估价函数寻找相邻域的估价函数最小fmin的节点,作为下一航路点,逐步实现UUV航路规划。本发明解决了现有UUV的路径规划方法在全局环境中,存在路径的光滑度差以及非最短路径的问题。
Description
技术领域
本发明涉及的是一种UUV全局路径规划方法。
背景技术
无人水下航行器(Unmanned underwater vehicle,UUV)作为一种高技术手段,在海洋这块未来极具价值的发展空间中起着至关重要的作用,而路径规划是自主式水下航行器的关键技术之一,是自主式水下航行器能在所处的环境中安全、有效地行驶,顺利完成给定任务的重要保证。
UUV全局路径规划本质是在规划区域内,在给定的障碍物和约束条件下,寻找一条从起始点到目标点的最优或可行的路径。传统的路径规划算法,如人工势场法、图搜索法、粒子群算法等大多有一些不足之处,例如容易陷入局部极小及计算量大等问题。在以栅格法环境建模的基础上,采用可搜索连续领域的A*算法进行UUV全局路径规划,可以有效地解决传统UUV路径规划算法容易陷入局部最优点、计算量大等问题。
发明内容
本发明的目的在于提供一种能缩短UUV路径、节约时间、提高效率的基于可搜索连续邻域A*算法的路径规划方法。
本发明的目的是这样实现的:
步骤一、根据存在的障碍物采用栅格法建立环境模型获得的环境模型,对以UUV为质点、障碍物的最长宽度为直径、障碍物的重心为原点的圆形障碍物,利用公式获得各圆形障碍物的面积Si,其中li为第i障碍物的最大直径;
步骤二、根据步骤一获得的各圆形障碍物的面积,确定栅格大小l;
其中:S表示为环境的总面积,lmax是障碍物最大边长,lmin=min(lminobs,dr)是障碍物的最小边长,dr是UUV直径,l为最终确定的栅格边长;
步骤三、A*算法的估价函数为:
f(x)=g(x)+h(x)
其中,f(x)是从初始点经由x节点到目标点的估价函数,估价函数为f,g(x)是在状态空间中从初始点到x节点的实际代价,实际代价为g,h(x)是从x节点到目标点最优路径的估计代价,估价代价为h;
步骤四、根据步骤三获得的A*算法的估价函数,将每个栅格的边线定义为可访问的节点,可搜索领域A*算法的估价代价为
h(y)=d×h(X2)+(l-d)×h(X1) d∈[0 l]
其中,h(X1)为节点X1的估计代价,h(X2)为节点X2的估计代价,y是点X2X1线段上的任意一点,d是点y到X1的距离,X1,X2...X8是当前节点X的相邻的八个边线交点的节点;
步骤五、根据步骤四获得的可搜索连续领域A*算法的g值、f值和h值,依次找到优化的节点,直到目标点为止,这条路径即为最短路径。
本发明是为了解决UUV在海洋全局环境中路径规划中存在光滑度差以及路径非最短的问题而提出的。
本发明的有益效果:
通过计算障碍物所占的面积和整个环境面积,确定栅格环境的栅格大小,既避免了计算机实时处理和储存的数据增加的问题,也提高了UUV路径规划的准确度。
通过将传统的A*算法与可搜索连续领域相结合,缩短了UUV路径,节约了时间,提高了效率。
附图说明
图1为本发明中栅格环境建模示意图;
图2为本发明中可搜索领域节点是边线交点的示意图;
图3为本发明中可搜索领域节点为相邻边线与当前边线垂直的示意图;
图4为本发明中可搜索领域节点为相邻边线与当前边线平行的示意图;
图5为本发明中UUV路径规划仿真图。
具体实施方式
下面举例对本发明做更详细的描述。
结合图1、图2、图3、图4和图5,本实施方式所述的一种基于可搜索连续邻域A*算法的路径规划方法,该方法的具体步骤为:
步骤一:根据存在障碍物采用栅格法建立环境模型获得的环境模型,在地图上选取任意一个障碍物,并判断其是否为圆形;如果不是,则在第i个障碍物的所有顶点中选出在环境地图坐标系下坐标的最大值和最小值xmax,ymax,xmin,ymin,然后比较||xmax-xmin||与||ymax-ymin||获得最大直径,最后以重心为原点形成圆形障碍物。利用公式:
获得各圆形障碍物的面积Si,li为第i障碍物的最大直径。
步骤二:计算栅格的大小为
其中,S表示为环境的总面积,lmax是障碍物最大边长,lmin=min(lminobs,dr)是障碍物的最小边长,dr是移动机器人的直径,l为最终确定的栅格边长。
不考虑UUV的高度信息,将工作环境用二维平面表示,其中工作环境的东西方向为X轴,南北方向为Y轴,建立直角坐标系XOY,设二维平面的水平和垂直最大值对应在平面坐标系中为Xmax和Ymax,由于定义的栅格边长为l的正方形。
步骤三:根据已建立的栅格图,A*算法的估价函数为:
f(x)=g(x)+h(x) (4)
其中:x为节点,f(x)是从初始点经由节点到目标点的估价函数,g(x)是在状态空间中从初始点到节点的实际代价,h(x)是从节点到目标点最优路径的估计代价。当h(x)估计代价不大于节点到目标点的实际距离值时,搜索的点数多,效率低,但是能得到最优解;当h(x)大于节点到目标点的实际距离值时,搜索的点数少,效率高,但是不能保证得到最优解;对于实际环境中,可以选取两节点间的欧几里得距离直线距离)作为估计代价,即
其中(xG,yG)是目标点G的坐标,(xi,yi)是任意节点Xi的坐标。
步骤四:根据步骤三获得的A*算法的估价函数,将A*算法与可搜索连续邻域相结合,使每个栅格的边线定义为可访问的节点,一段边线上的任意点y的估计代价值h(y)是其两端点估价值的线性组合,即
h(y)=d×h(X2)+(l-d)×h(X1) d∈[0 l] (6)
其中,h(X1)为节点X1的估计代价,h(X2)为节点X2的估计代价,y是点X2X1线段上的任意一点,d是点y到X1的距离,X1,X2...X8是当前节点X的相邻的八个边线交点的节点。对于边线XXi上的代价为min(a,b)。其子节点可以是这些相邻节点中的任意一个,于是可移动方向角也就拓展为了连续任意方向。对于不同的位置节点y的g值、f值和h值不同。
当节点X是边线交点的情况时,节点X到边线X2X1上任意节点y的代价可以表示为
而
其中,g(X)是在状态空间中从初始点到X节点的实际代价,g(y)是在状态空间中从初始点到y节点的实际代价,a,b是边线XXi上的代价。
当节点X不是边线交点而是与该段边线垂直的情况时,边线节点X到边线X2X1上任意节点y的代价可以表示为
其中,t∈[0,l]而
当节点X不是边线交点节点而是与该段边线平行的情况时,边线节点X到边线X2X3上任意节点y的代价可以表示为
其中m∈[0,l],而
通过以上不同情况的计算,可以比较得到fmin和g。
步骤五:创建两个表:open表和closed表,open表用于保存所有己生成而未考察的节点,closed表用于记录己访问过不需再考察的节点。然后按照以下的步骤进行操作:
将起点A添加进open表中,并且将与A点相邻的栅格点X1,X2...X8以及边线上的任意点y添加open进表。将起点A从open表移到closed表中,并定义其为它相邻扩展的栅格的父节点。通过公式(7、8、9、10、11、12)求解open表中栅格点的g值、f值和h值。从open表中选择f值最小的栅格点,记为当前节点X,并将其从open列表移到closed表中。分别考察当前节点X的所有相邻节点(记为S,如果点既不在closed表中也不在open表中,将其添加open进表,求解其g值、f值和h值,并置当前节点X为其父节点;如果S点己经存在于open表中,则比较g(X)+c(X,S)(其中,c(X,S)为从X点到S点的代价)和g(S)的大小,当g(X)+c(X,S)<g(S)时,令g(S)=g(X)+c(X,S),并相应更新点S的f值,且置点X为其父节点,否则,则不做任何处理;如果S已经存在于closed表中,也不做任何处理。重复上述直到当前节点X为目标点G为止。从目标点G开始,依次找到其父节点,直到起点A为止,这条路径即为该算法求解出的最短路径。
具体实例:
UUV从起点(10,10)航行到终点(80,80),起始航向45°,设计了多个与障碍物O1,O2....,利用公式(1)得到障碍物的面积,利用公式(2)得到栅格的大小,利用公式(3)得到估价函数中。然后,利用可搜索连续邻域A*算法的估价函数寻找可搜索连续邻域估价函数最小的节点,作为下一航路点,逐步实现UUV航路规划。仿真轨迹如图5所示。
Claims (5)
1.一种基于可搜索连续邻域A*算法的路径规划方法,其特征是:
步骤一、根据存在的障碍物采用栅格法建立环境模型获得的环境模型,对以UUV为质点、障碍物的最长宽度为直径、障碍物的重心为原点的圆形障碍物,利用公式获得各圆形障碍物的面积Si,其中li为第i障碍物的最大直径;
步骤二、根据步骤一获得的各圆形障碍物的面积,确定栅格大小l;
其中:S表示为环境的总面积,lmax是障碍物最大边长,lmin=min(lmin obs,dr)是障碍物的最小边长,dr是UUV的直径,l为最终确定的栅格边长;
步骤三、A*算法的估价函数为:
f(x)=g(x)+h(x)
其中,f(x)是从初始点经由x节点到目标点的估价函数,估价函数为f,g(x)是在状态空间中从初始点到x节点的实际代价,实际代价为g,h(x)是从x节点到目标点最优路径的估计代价,估价代价为h;
步骤四、根据步骤三获得的A*算法的估价函数,将每个栅格的边线定义为可访问的节点,可搜索领域A*算法的估价代价为
h(y)=d×h(X2)+(l-d)×h(X1) d∈[0 l]
其中,h(X1)为节点X1的估计代价,h(X2)为节点X2的估计代价,y是点X2X1线段上的任意一点,d是点y到X1的距离,X1,X2...X8是当前节点X的相邻的八个边线交点的节点;
步骤五、根据步骤四获得的可搜索连续领域A*算法的g值、f值和h值,依次找到优化的节点,直到目标点为止,这条路径即为最短路径。
2.根据权利要求1所述的基于可搜索连续邻域A*算法的路径规划方法,其特征是估计代价h(x)为:
(xG,yG)是目标点G的坐标,(xi,yi)是任意节点Xi的坐标。
3.根据权利要求1或2所述的基于可搜索连续邻域A*算法的路径规划方法,其特征是:当节点X是边线交点时,节点X到边线X2X1上任意节点y的代价表示为
而
其中,g(X)是在状态空间中从初始点到X节点的实际代价,g(y)是在状态空间中从初始点到y节点的实际代价,a,b是边线XXi上的代价;
当节点X不是边线交点而是与该段边线垂直时,边线节点X到边线X2X1上任意节点y的代价表示为
其中,t∈[0,l]而
当节点X不是边线交点节点而是与该段边线平行时,边线节点X到边线X2X3上任意节点y的代价表示为
其中m∈[0,l],而
4.根据权利要求1或2所述的基于可搜索连续邻域A*算法的路径规划方法,其特征是步骤五具体包括:创建两个表:open表和closed表,open表用于保存所有己生成而未考察的节点,closed表用于记录已访问过不需再考察的节点,然后按照以下的步骤进行操作:
将起点A添加进open表中,并且将与A点相邻的栅格点X1,X2...X8以及边线上的任意点y添加open进表;将起点A从open表移到closed表中,并定义其为它相邻扩展的栅格的父节点,求解open表中栅格点的g值、f值和h值,从open表中选择f值最小的栅格点,记为当前节点X,并将其从open列表移到closed表中,分别考察当前节点X的所有相邻节点记为S,如果点既不在closed表中也不在open表中,将其添加open进表,求解其g值、f值和h值,并置当前节点X为其父节点;如果S点已经存在于open表中,则比较g(X)+c(X,S)和g(S)的大小,c(X,S)为从X点到S点的代价,当g(X)+c(X,S)<g(S)时,令g(S)=g(X)+c(X,S),并相应更新点S的f值,且置点X为其父节点,否则,则不做任何处理;如果S已经存在于closed表中,也不做任何处理,重复上述直到当前节点X为目标点G为止,从目标点G开始,依次找到其父节点,直到起点A为止,这条路径即为最短路径。
5.根据权利要求3所述的基于可搜索连续邻域A*算法的路径规划方法,其特征是步骤五具体包括:创建两个表:open表和closed表,open表用于保存所有己生成而未考察的节点,closed表用于记录已访问过不需再考察的节点,然后按照以下的步骤进行操作:
将起点A添加进open表中,并且将与A点相邻的栅格点X1,X2...X8以及边线上的任意点y添加open进表;将起点A从open表移到closed表中,并定义其为它相邻扩展的栅格的父节点,求解open表中栅格点的g值、f值和h值,从open表中选择f值最小的栅格点,记为当前节点X,并将其从open列表移到closed表中,分别考察当前节点X的所有相邻节点记为S,如果点既不在closed表中也不在open表中,将其添加open进表,求解其g值、f值和h值,并置当前节点X为其父节点;如果S点已经存在于open表中,则比较g(X)+c(X,S)和g(S)的大小,c(X,S)为从X点到S点的代价,当g(X)+c(X,S)<g(S)时,令g(S)=g(X)+c(X,S),并相应更新点S的f值,且置点X为其父节点,否则,则不做任何处理;如果S已经存在于closed表中,也不做任何处理,重复上述直到当前节点X为目标点G为止,从目标点G开始,依次找到其父节点,直到起点A为止,这条路径即为最短路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610867274.XA CN106441303B (zh) | 2016-09-30 | 2016-09-30 | 一种基于可搜索连续邻域a*算法的路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610867274.XA CN106441303B (zh) | 2016-09-30 | 2016-09-30 | 一种基于可搜索连续邻域a*算法的路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106441303A true CN106441303A (zh) | 2017-02-22 |
CN106441303B CN106441303B (zh) | 2019-11-01 |
Family
ID=58172531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610867274.XA Active CN106441303B (zh) | 2016-09-30 | 2016-09-30 | 一种基于可搜索连续邻域a*算法的路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106441303B (zh) |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107168344A (zh) * | 2017-05-17 | 2017-09-15 | 哈尔滨工程大学 | 一种uuv抵近海底作业过程中航路生成方法 |
CN107357295A (zh) * | 2017-08-16 | 2017-11-17 | 珠海市微半导体有限公司 | 一种基于栅格地图的路径搜索方法和芯片及机器人 |
CN107478232A (zh) * | 2017-09-18 | 2017-12-15 | 珠海市微半导体有限公司 | 机器人导航路径的搜索方法及芯片 |
CN107506513A (zh) * | 2017-06-29 | 2017-12-22 | 南京理工大学 | 一种基于a*算法的兵棋六角格地图路径规划方法 |
CN107687859A (zh) * | 2017-09-06 | 2018-02-13 | 电子科技大学 | 基于a星算法的最短寻路方法 |
CN107860386A (zh) * | 2017-10-17 | 2018-03-30 | 洛阳中科龙网创新科技有限公司 | 一种基于Dijkstra算法的农用机械最短路径规划的方法 |
CN108510095A (zh) * | 2017-02-23 | 2018-09-07 | 北京京东尚科信息技术有限公司 | 一种拣货路径的确定方法及装置 |
WO2018192216A1 (zh) * | 2017-04-22 | 2018-10-25 | 华南理工大学 | 图形化编程软件的连线自动避障优化方法 |
CN108705532A (zh) * | 2018-04-25 | 2018-10-26 | 中国地质大学(武汉) | 一种机械臂避障路径规划方法、设备及存储设备 |
CN108731678A (zh) * | 2017-04-18 | 2018-11-02 | 深圳市丰巨泰科电子有限公司 | 机器人全局路径规划方法 |
CN108871364A (zh) * | 2018-06-28 | 2018-11-23 | 南京信息工程大学 | 一种基于结点算法的水下机器人路径规划方法 |
CN109163722A (zh) * | 2018-06-29 | 2019-01-08 | 北京建筑大学 | 一种仿人机器人路径规划方法及装置 |
CN109255467A (zh) * | 2018-07-27 | 2019-01-22 | 四川大学 | 一种面向虚拟现实的a*寻路优化方法 |
CN109470249A (zh) * | 2018-11-07 | 2019-03-15 | 河海大学 | 一种水下航行器的最优路径规划与避障设计方法 |
CN109540146A (zh) * | 2018-11-29 | 2019-03-29 | 珠海格力智能装备有限公司 | 路径规划方法及装置 |
CN109917794A (zh) * | 2019-04-18 | 2019-06-21 | 北京智行者科技有限公司 | 全局路径规划方法及装置 |
CN110207708A (zh) * | 2019-06-25 | 2019-09-06 | 重庆邮电大学 | 一种无人机航迹规划装置及方法 |
CN110456789A (zh) * | 2019-07-23 | 2019-11-15 | 中国矿业大学 | 一种清洁机器人的全覆盖路径规划方法 |
CN110595482A (zh) * | 2019-10-28 | 2019-12-20 | 深圳市银星智能科技股份有限公司 | 一种带避障权重的路径规划方法、装置及电子设备 |
CN110806218A (zh) * | 2019-11-29 | 2020-02-18 | 北京京东乾石科技有限公司 | 泊车路径规划方法、装置和*** |
CN110836671A (zh) * | 2019-11-14 | 2020-02-25 | 北京京邦达贸易有限公司 | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 |
CN111176286A (zh) * | 2020-01-06 | 2020-05-19 | 重庆邮电大学 | 一种基于改进D*lite算法的移动机器人路径规划方法及*** |
CN111308997A (zh) * | 2018-12-11 | 2020-06-19 | 北京京东尚科信息技术有限公司 | 用于生成行驶路径的方法和装置 |
CN111397622A (zh) * | 2020-03-26 | 2020-07-10 | 江苏大学 | 基于改进A*算法与Morphin算法的智能汽车局部路径规划方法 |
CN111412918A (zh) * | 2020-03-13 | 2020-07-14 | 天津大学 | 无人艇全局安全路径规划方法 |
CN111504325A (zh) * | 2020-04-29 | 2020-08-07 | 南京大学 | 一种基于扩大搜索邻域的加权a*算法的全局路径规划方法 |
CN111586719A (zh) * | 2020-05-11 | 2020-08-25 | 桂林电子科技大学 | 一种路径变化的通信控制方法 |
CN112034836A (zh) * | 2020-07-16 | 2020-12-04 | 北京信息科技大学 | 一种改进a*算法的移动机器人路径规划方法 |
CN112957734A (zh) * | 2021-01-28 | 2021-06-15 | 北京邮电大学 | 一种基于二次搜索的地图寻路方法及装置 |
CN112985408A (zh) * | 2021-02-25 | 2021-06-18 | 南京航空航天大学 | 一种路径规划优化方法及*** |
CN113124873A (zh) * | 2021-04-09 | 2021-07-16 | 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 |
CN113551682A (zh) * | 2021-07-19 | 2021-10-26 | 大连理工大学 | 一种考虑地形与地势影响的两栖无人战车的路径规划方法 |
CN113608531A (zh) * | 2021-07-26 | 2021-11-05 | 福州大学 | 基于安全a*引导点的动态窗口的无人车实时全局路径规划方法 |
WO2023155371A1 (zh) * | 2022-02-21 | 2023-08-24 | 上海机器人产业技术研究院有限公司 | 室内移动机器人的平稳移动全局路径规划方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100211244A1 (en) * | 2009-02-18 | 2010-08-19 | Jeong Woo-Yeon | Apparatus and method for generating and using a grid map path |
CN103777639A (zh) * | 2014-01-10 | 2014-05-07 | 哈尔滨工程大学 | 运动障碍环境中uuv三维航路规划方法 |
CN104599588A (zh) * | 2015-02-13 | 2015-05-06 | 中国北方车辆研究所 | 一种栅格地图通行成本的计算方法 |
-
2016
- 2016-09-30 CN CN201610867274.XA patent/CN106441303B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100211244A1 (en) * | 2009-02-18 | 2010-08-19 | Jeong Woo-Yeon | Apparatus and method for generating and using a grid map path |
CN103777639A (zh) * | 2014-01-10 | 2014-05-07 | 哈尔滨工程大学 | 运动障碍环境中uuv三维航路规划方法 |
CN104599588A (zh) * | 2015-02-13 | 2015-05-06 | 中国北方车辆研究所 | 一种栅格地图通行成本的计算方法 |
Non-Patent Citations (1)
Title |
---|
辛煜: "无人驾驶车辆运动障碍物检测、预测和避撞方法研究", 《中国博士论文数据库工程科技II辑》 * |
Cited By (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108510095B (zh) * | 2017-02-23 | 2020-12-22 | 北京京东乾石科技有限公司 | 一种拣货路径的确定方法及装置 |
CN108510095A (zh) * | 2017-02-23 | 2018-09-07 | 北京京东尚科信息技术有限公司 | 一种拣货路径的确定方法及装置 |
CN108731678A (zh) * | 2017-04-18 | 2018-11-02 | 深圳市丰巨泰科电子有限公司 | 机器人全局路径规划方法 |
WO2018192216A1 (zh) * | 2017-04-22 | 2018-10-25 | 华南理工大学 | 图形化编程软件的连线自动避障优化方法 |
US11037340B2 (en) | 2017-04-22 | 2021-06-15 | South China University Of Technology | Automatic obstacle avoidance optimization method for connecting line of graphical programming software |
CN107168344B (zh) * | 2017-05-17 | 2020-01-17 | 哈尔滨工程大学 | 一种uuv抵近海底作业过程中航路生成方法 |
CN107168344A (zh) * | 2017-05-17 | 2017-09-15 | 哈尔滨工程大学 | 一种uuv抵近海底作业过程中航路生成方法 |
CN107506513A (zh) * | 2017-06-29 | 2017-12-22 | 南京理工大学 | 一种基于a*算法的兵棋六角格地图路径规划方法 |
CN107357295A (zh) * | 2017-08-16 | 2017-11-17 | 珠海市微半导体有限公司 | 一种基于栅格地图的路径搜索方法和芯片及机器人 |
CN107357295B (zh) * | 2017-08-16 | 2021-02-23 | 珠海市一微半导体有限公司 | 一种基于栅格地图的路径搜索方法和芯片及机器人 |
CN107687859A (zh) * | 2017-09-06 | 2018-02-13 | 电子科技大学 | 基于a星算法的最短寻路方法 |
CN107478232B (zh) * | 2017-09-18 | 2020-02-21 | 珠海市一微半导体有限公司 | 机器人导航路径的搜索方法 |
CN107478232A (zh) * | 2017-09-18 | 2017-12-15 | 珠海市微半导体有限公司 | 机器人导航路径的搜索方法及芯片 |
CN107860386A (zh) * | 2017-10-17 | 2018-03-30 | 洛阳中科龙网创新科技有限公司 | 一种基于Dijkstra算法的农用机械最短路径规划的方法 |
CN107860386B (zh) * | 2017-10-17 | 2020-09-04 | 洛阳中科龙网创新科技有限公司 | 一种基于Dijkstra算法的农用机械最短路径规划的方法 |
CN108705532A (zh) * | 2018-04-25 | 2018-10-26 | 中国地质大学(武汉) | 一种机械臂避障路径规划方法、设备及存储设备 |
CN108871364A (zh) * | 2018-06-28 | 2018-11-23 | 南京信息工程大学 | 一种基于结点算法的水下机器人路径规划方法 |
CN109163722A (zh) * | 2018-06-29 | 2019-01-08 | 北京建筑大学 | 一种仿人机器人路径规划方法及装置 |
CN109163722B (zh) * | 2018-06-29 | 2020-06-30 | 北京建筑大学 | 一种仿人机器人路径规划方法及装置 |
CN109255467A (zh) * | 2018-07-27 | 2019-01-22 | 四川大学 | 一种面向虚拟现实的a*寻路优化方法 |
CN109470249A (zh) * | 2018-11-07 | 2019-03-15 | 河海大学 | 一种水下航行器的最优路径规划与避障设计方法 |
CN109470249B (zh) * | 2018-11-07 | 2021-07-27 | 河海大学 | 一种水下航行器的最优路径规划与避障设计方法 |
CN109540146A (zh) * | 2018-11-29 | 2019-03-29 | 珠海格力智能装备有限公司 | 路径规划方法及装置 |
CN111308997A (zh) * | 2018-12-11 | 2020-06-19 | 北京京东尚科信息技术有限公司 | 用于生成行驶路径的方法和装置 |
CN111308997B (zh) * | 2018-12-11 | 2024-04-16 | 北京京东尚科信息技术有限公司 | 用于生成行驶路径的方法和装置 |
CN109917794B (zh) * | 2019-04-18 | 2022-02-18 | 北京智行者科技有限公司 | 全局路径规划方法及装置 |
CN109917794A (zh) * | 2019-04-18 | 2019-06-21 | 北京智行者科技有限公司 | 全局路径规划方法及装置 |
CN110207708A (zh) * | 2019-06-25 | 2019-09-06 | 重庆邮电大学 | 一种无人机航迹规划装置及方法 |
CN110456789A (zh) * | 2019-07-23 | 2019-11-15 | 中国矿业大学 | 一种清洁机器人的全覆盖路径规划方法 |
CN110595482A (zh) * | 2019-10-28 | 2019-12-20 | 深圳市银星智能科技股份有限公司 | 一种带避障权重的路径规划方法、装置及电子设备 |
CN110836671B (zh) * | 2019-11-14 | 2021-09-14 | 北京京邦达贸易有限公司 | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 |
CN110836671A (zh) * | 2019-11-14 | 2020-02-25 | 北京京邦达贸易有限公司 | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 |
CN110806218A (zh) * | 2019-11-29 | 2020-02-18 | 北京京东乾石科技有限公司 | 泊车路径规划方法、装置和*** |
CN110806218B (zh) * | 2019-11-29 | 2021-09-07 | 北京京东乾石科技有限公司 | 泊车路径规划方法、装置和*** |
CN111176286A (zh) * | 2020-01-06 | 2020-05-19 | 重庆邮电大学 | 一种基于改进D*lite算法的移动机器人路径规划方法及*** |
CN111412918A (zh) * | 2020-03-13 | 2020-07-14 | 天津大学 | 无人艇全局安全路径规划方法 |
CN111412918B (zh) * | 2020-03-13 | 2022-01-07 | 天津大学 | 无人艇全局安全路径规划方法 |
CN111397622A (zh) * | 2020-03-26 | 2020-07-10 | 江苏大学 | 基于改进A*算法与Morphin算法的智能汽车局部路径规划方法 |
CN111397622B (zh) * | 2020-03-26 | 2022-04-26 | 江苏大学 | 基于改进A*算法与Morphin算法的智能汽车局部路径规划方法 |
CN111504325A (zh) * | 2020-04-29 | 2020-08-07 | 南京大学 | 一种基于扩大搜索邻域的加权a*算法的全局路径规划方法 |
CN111504325B (zh) * | 2020-04-29 | 2023-09-26 | 南京大学 | 一种基于扩大搜索邻域的加权a*算法的全局路径规划方法 |
CN111586719A (zh) * | 2020-05-11 | 2020-08-25 | 桂林电子科技大学 | 一种路径变化的通信控制方法 |
CN112034836A (zh) * | 2020-07-16 | 2020-12-04 | 北京信息科技大学 | 一种改进a*算法的移动机器人路径规划方法 |
CN112034836B (zh) * | 2020-07-16 | 2023-06-16 | 北京信息科技大学 | 一种改进a*算法的移动机器人路径规划方法 |
CN112957734A (zh) * | 2021-01-28 | 2021-06-15 | 北京邮电大学 | 一种基于二次搜索的地图寻路方法及装置 |
CN112985408A (zh) * | 2021-02-25 | 2021-06-18 | 南京航空航天大学 | 一种路径规划优化方法及*** |
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 |
CN113124873A (zh) * | 2021-04-09 | 2021-07-16 | 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 |
CN113551682A (zh) * | 2021-07-19 | 2021-10-26 | 大连理工大学 | 一种考虑地形与地势影响的两栖无人战车的路径规划方法 |
CN113608531A (zh) * | 2021-07-26 | 2021-11-05 | 福州大学 | 基于安全a*引导点的动态窗口的无人车实时全局路径规划方法 |
CN113608531B (zh) * | 2021-07-26 | 2023-09-12 | 福州大学 | 基于安全a*引导点的无人车实时全局路径规划方法 |
WO2023155371A1 (zh) * | 2022-02-21 | 2023-08-24 | 上海机器人产业技术研究院有限公司 | 室内移动机器人的平稳移动全局路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106441303B (zh) | 2019-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106441303A (zh) | 一种基于可搜索连续邻域a*算法的路径规划方法 | |
CN108444482B (zh) | 一种无人机自主寻路避障方法及*** | |
CN107862738B (zh) | 一种基于移动激光测量点云进行室内结构化三维重建方法 | |
CN111060109B (zh) | 一种基于改进a星算法的无人艇全局路径规划方法 | |
CN106371445B (zh) | 一种基于拓扑地图的无人车规划控制方法 | |
Carsten et al. | 3d field d: Improved path planning and replanning in three dimensions | |
CN104036544B (zh) | 一种基于机载LiDAR数据的建筑物屋顶重建方法 | |
CN103900573B (zh) | 一种基于s57标准电子海图的水下运载器多约束航路规划方法 | |
Leonard et al. | Decoupled stochastic mapping [for mobile robot & auv navigation] | |
CN110196602B (zh) | 目标导向集中优化的快速水下机器人三维路径规划方法 | |
CN106599108A (zh) | 一种三维环境中多模态环境地图构建方法 | |
CN110196059B (zh) | 一种无人艇全局路径规划方法 | |
CN107860386B (zh) | 一种基于Dijkstra算法的农用机械最短路径规划的方法 | |
CN105843234A (zh) | 一种uuv对圆形障碍物几何绕行的二维航路规划方法 | |
CN112612290B (zh) | 一种考虑洋流的水下航行器三维多任务路径规划方法 | |
CN111721296B (zh) | 一种水下无人航行器数据驱动路径规划方法 | |
CN108803659B (zh) | 基于魔方模型的多窗口启发式三维空间路径规划方法 | |
CN106931978B (zh) | 自动构建路网的室内地图生成的方法 | |
CN114705196B (zh) | 一种用于机器人的自适应启发式全局路径规划方法与*** | |
CN110220510A (zh) | 一种考虑地图准确性的水下机器人海底地形匹配导航路径规划方法 | |
CN114593739B (zh) | 基于视觉检测与参考线匹配的车辆全局定位方法及装置 | |
CN116698043A (zh) | 一种室内移动机器人视觉导航方法 | |
CN113776535A (zh) | 一种基于栅格化电子海图的无人艇航路规划方法 | |
CN106020213A (zh) | 一种uuv对矩形障碍物几何绕行的二维航路规划方法 | |
CN113447039A (zh) | 一种基于测绘信息的高精度道路最短路径计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |