CN106708054A - 结合地图栅格与势场法避障的巡检机器人路径规划方法 - Google Patents
结合地图栅格与势场法避障的巡检机器人路径规划方法 Download PDFInfo
- Publication number
- CN106708054A CN106708054A CN201710060142.0A CN201710060142A CN106708054A CN 106708054 A CN106708054 A CN 106708054A CN 201710060142 A CN201710060142 A CN 201710060142A CN 106708054 A CN106708054 A CN 106708054A
- Authority
- CN
- China
- Prior art keywords
- robot
- grid
- potential field
- barrier
- gravitation
- 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 62
- 238000007689 inspection Methods 0.000 title abstract description 7
- 230000004888 barrier function Effects 0.000 claims description 60
- 238000011156 evaluation Methods 0.000 claims description 4
- 239000003550 marker Substances 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000005669 field effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000001846 repelling effect Effects 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 230000000694 effects Effects 0.000 description 7
- 230000002153 concerted effect Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000005381 potential energy Methods 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005764 inhibitory process Effects 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
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- 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
- 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
-
- 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
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Optics & Photonics (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种结合地图栅格与势场法避障的巡检机器人路径规划方法,它包括:步骤1、全局栅格法路径规划:利用栅格法得到一条从起始点到目标点的全局最优路径;步骤2、向目标点运动:判断是否遇到障碍物,无则继续向目标点运动,有则进行局部避障路径规划,直到达到目标点;步骤3、局部避障路径规划、运用参数可变的人工势场法进行避障路径规划,并判断是否到达目标点,无则继续返回步骤2,到达则结束;解决了现有技术机器人巡检路径规划存在的路径规划效率不高,导致了机器人巡检时间的加长等技术问题。
Description
技术领域
本发明属于巡检机器人避障路径规划的技术领域,尤其涉及一种结合地图栅格与势场法避障的巡检机器人路径规划方法。
背景技术
巡检机器人是移动机器人的一种,是现代变电站***中的重要的巡检设备,主要用来代替人来监测变电站中的各类仪器仪表。巡检机器人的避障是机器人路径规划中至关重要的一部分,障碍物在环境中的不同分布情况直接影响到规划的路径。避障算法的选择直接关系到路径规划的效果。
在实际中,机器人的所处环境大多数情况下既不是完全已知的也不是完全未知的,而是部分已知,部分未知的。针对这种情况,现有技术利用全局环境信息,先进行全局路径规划得到一条从起始点到目标点的较优路径,然后当机器人在实际向目标点运动当中,针对未知的静态或者动态障碍,再选择合适的局部避障方法绕开障碍。
在现实中,机器人所遇到的障碍物可能是静态的或动态的,若遇到的障碍物是动态的,那么沿用一套参数固定的排斥势函数,那么可能造成在障碍物附近路径规划效率不高,导致了机器人巡检时间的加长。
发明内容:
本发明要解决的技术问题是:提供一种结合地图栅格与势场法避障的巡检机器人路径规划方法,以解决现有技术机器人巡检路径规划存在的路径规划效率不高,导致了机器人巡检时间的加长等技术问题。
本发明技术方案:
一种结合地图栅格与势场法避障的巡检机器人路径规划方法,它
包括:
步骤1.1、全局栅格法路径规划:利用栅格法得到一条从起始点到目标点的全局最优路径;
步骤1.2、向目标点运动:判断是否遇到障碍物,无则继续向目标点运动,有则进行局部避障路径规划,直到达到目标点;
步骤1.3、局部避障路径规划、运用参数可变的人工势场法进行避障路径规划,并判断是否到达目标点,无则继续返回步骤2,到达则结束。
步骤1所述利用栅格法得到一条从起始点到目标点的全局最优路径的方法包括:
步骤2.1、栅格化场地,确定目标点、障碍物和机器人自身所在栅格在全局地图中的坐标;
步骤2.2、初始化栅格,将有障碍物的栅格标为1,将自由栅格标为0;
步骤2.3、搜索机器人相邻栅格,选出自由栅格,定义评价函数h(Grid[i,j])用来计算此栅格中心点与目标栅格中心点的距离:Grid[i,j]为机器人相邻的栅格的坐标,goal代表目标点栅格的坐标;
步骤2.4、比较各栅格的h(Grid[i,j])值,选出使h(Grid[i,j])最小的那个栅格Grid[i,j]min,将Grid[i,j]min栅格作为机器人下一步要运动至的栅格;
步骤2.5、判断机器人是否到达目标点,未到达则转至步骤1.3,到达则任务完成,进入下一个任务。
步骤3所述的运用参数可变的人工势场法进行避障路径规划的方法包括:
步骤3.1、参数初始化,初始化势场函数的参数,所述势场函数包括排斥势函数和引力势函数;
步骤3.2、通过全局激光雷达判断所遇到的障碍物是否运动,无则直接根据初始化的参数计算斥力与引力,并直接跳转到步骤3.4,有则通过全局激光雷达获取障碍物的运动矢量与相对机器人的位置;
步骤3.3、根据障碍物的的运动矢量相对机器人的位置,调节势场函数的参数,并计算机器人所受斥力矢量和引力矢量;
步骤3.4、判断机器人所受引力和斥力的方向,相反则机器人往引力的垂直方向上运动距离d以避免机器人进入极值点;
步骤3.5、计算机器人所受势场合力矢量,控制机器人沿合力方向运动。
步骤3.1所述初始化势场函数的参数,所述参数包括:机器人此时位置与激光雷达所观测到的障碍物之间的距离d1,斥力加权系数k1,机器人此时位置与目标位置点之间的距离d2,引力加权系数k2。
所述排斥势函数表达式为:
式中:d1为机器人测量点与障碍物的距离,dmax为势场作用的最大范围,k1为加权系数;
机器人受的斥力计算公式为:
斥力的角度为:
所述引力势函数表达式为:
Ua=k2s
式中:k2为加权系数,s为机器人离目标点的距离;
机器人受到的引力数值为:Fa=k2;
引力的角度为:
式中:(xobst,yobst)为障碍物在全局地图中的坐标,(xrobot,yrobot)为机器人在全局地图中的坐标。
所述计算机器人所受势场合力矢量的计算公式为:
合力的大小:
合力的方向:
式中:Fr为斥力、Fa为引力,Frx为Fr在x轴方向的分力、Fry为Fr在y轴方向的分力;Fax为引力Fa在x轴方向的分力、Fay为引力Fa在y轴方向的分力。
本发明的有益效果:
本发明的全局路径规划应用栅格法,将已知地图信息栅格化,可以提高路径规划的有效性。
本发明局部避障路径规划采用改进了的参数可变的人工势场法,此规划方法规划的路径距离短,避障快速,能够准确的到达目标点,有效的解决了动态障碍物的路径规划问题,提高机器人在动态环境中的巡检任务完成效率;解决了现有技术机器人巡检路径规划存在的路径规划效率不高,导致了机器人巡检时间的加长等技术问题。
附图说明
图1为本发明的整体流程图;
图2为本发明的全局路径规划程序流程图;
图3为本发明的局部避障路径规划程序流程图。
具体实施方式:
一种结合地图栅格与势场法避障的巡检机器人路径规划方法,它包括:
步骤1、全局栅格法路径规划:利用栅格法得到一条从起始点到目标点的全局最优路径;
步骤2、向目标点运动:判断是否遇到障碍物,无则继续向目标点运动,有则进行局部避障路径规划,直到达到目标点;
步骤3、局部避障路径规划、运用参数可变的人工势场法进行避障路径规划,并判断是否到达目标点,无则继续返回步骤2,到达则结束。
步骤1所述全局栅格法路径规划,包括以下步骤:
(1)栅格化场地,确定目标点、障碍物和机器人自身所在栅格在全局地图中的坐标;
(2)初始化栅格,将有障碍物的栅格标为1,将自由栅格标为0;
(3)搜索机器人相邻栅格,选出自由栅格,定义评价函数h(Grid[i,j])用来计算此栅格中心点与目标栅格中心点的距离:,Grid[i,j]为与机器人相邻的栅格的坐标,goal代表目标点栅格的坐标;
(4)比较各栅格的h(Grid[i,j])值,选出使h(Grid[i,j])最小的那个栅格Grid[i,j]min,将Grid[i,j]min栅格作为机器人下一步要运动至的栅格;
(5)判断机器人是否到达目标点,如果没有达到,则转至第三步(3),如果到达,则任务完成,机器人进入下一个任务。
2.局部避障路径规划,包括以下步骤:
(1)参数初始化,初始化势场函数的以下参数,d1:机器人此时位置与激光雷达所观测到的障碍物之间的距离,k1:斥力加权系数,暂设为0.5,调试过程中根据避障效果进行具体调节,d2:机器人此时位置与目标位置点之间的距离,k2:引力加权系数,暂设为0.5,调试过程中根据避障效果具体调节;
势场函数的意义是空间中点与点之间相互作用的数学抽象。此发明中的势场函数即为障碍物或者目标点对机器人的作用力的数值表示,势场函数包括排斥势函数和引力势函数,其中,障碍物对机器人的作用力的数值表示采用排斥势函数的数值结果,合力方向与机器人运动方向相反,表现为阻碍作用;目标点对机器人的作用力数值表示采用引力势函数的数值结果,合力方向与机器人运动方向一致,表现为吸引作用。后文所述势场函数、引力势函数、排斥势函数与此处概念一样,不再赘述。
(2)通过全局激光雷达连续采集几帧图像来判断所遇到的障碍物是否运动,障碍没有运行则直接根据初始化的参数计算斥力与引力,并直接跳到(4),否则通过激光雷达的角度和距离信息来获取障碍物的运动矢量与相对机器人的位置;
(3)根据障碍物的的运动矢量与相对机器人的位置,调节排斥势函数的参数,调试阶段可以采用人工调节方式,实际运行中可以根据人工调节过程中的经验给排斥势函数的参数,建立相应的参数表,根据障碍物与机器人之间的距离自动选取相关参数进行调节,并计算机器人所受斥力矢量和引力矢量;
(4)判断机器人所受引力和斥力的方向是否正好相反,若正好相反,则让机器人往引力的垂直方向上运动一段距离L(L根据障碍物大小以及机器人尺寸综合确定,一般取机器人外接圆的直径大小即可,即可理解为一个“身位”)来避开机器人可能进入的极值点;
(5)计算机器人所受势场合力矢量,控制机器人沿合力方向缓慢运动。
下面将结合附图以及具体实施例来详细说明本发明技术方案:
实施例1
结合图1,图1为本发明的整体流程图。首先进行全局路径规划,运用栅格法得到一条从起始点到目标点的全局较优路径;根据这条较优路径向目标点运动,判断是否遇到障碍物,无则继续向目标点运动,否则进行局部避障路径规划;局部避障路径规划,运用参数可变的人工势场法进行避障路径规划,判断是否到达目标点,无则继续向目标点运动,否则结束。
实施例2
结合图2,图2为本发明的全局路径规划程序流程图。首先栅格化场地,确定目标点、障碍物和机器人自身所在栅格;初始化栅格,将有障碍物的栅格标为1,将自由栅格标为0;搜索机器人相邻栅格,选出自由栅格,定义评价函数h(Grid[i,j])用来计算此栅格中心点与目标栅格中心点的距离:Grid[i,j]为与机器人所在栅格相邻的栅格的坐标,goal代表目标点栅格坐标;比较各栅格的h(Grid[i,j])值,选出使h(Grid[i,j])最小的那个栅格Grid[i,j]min,将Grid[i,j]min栅格作为机器人下一步要运动至的栅格;判断机器人是否到达目标点,如果没有达到,则继续搜索机器人相邻栅格,如果到达,则任务完成,机器人进入下一个任务。
实施例3
结合图3,图3为本发明的局部避障路径规划程序流程图。首先初始化势场函数的参数,d1:机器人此时位置与激光雷达所观测到的障碍物之间的距离,k1:斥力加权系数,暂设为0.5,调试过程中根据避障效果进行具体调节,d2:机器人此时位置与目标位置点之间的距离,k2:引力加权系数,暂设为0.5,调试过程中根据避障效果进行具体调节;然后通过全局激光雷达传感器判断所遇到的障碍物是否运动,无则直接根据初始化的参数计算斥力与引力,否则通过激光雷达传感器获取障碍物的运动矢量与相对机器人的位置,并据此首先人工调节排斥势函数的参数来计算机器人所受斥力矢量和引力矢量,实际运行时的参数是通过人工建立参数表来进行自动的选取和调节;判断机器人所受引力和斥力的方向是否相反,若相反,则让机器人往引力的垂直方向上运动一段距离d(d根据障碍物大小以及机器人尺寸综合确定,一般取机器人外接圆直径)来避开机器人可能进入的极值点;计算机器人所受势场合力矢量,机器人沿合力方向运动距离i,i的大小根据机器人尺寸和障碍物大小综合确定。
1.排斥势函数的选取:
在势场中,由障碍物产生的势场对机器人产生排斥作用,且距离越近,排斥作用应越大,即机器人与障碍物越近,说明机器人具有的势能越大,反之就越小。这种势场与电势场相似,势能与距离成反比,因此排斥势函数可取为:
其中d1为为机器人测量点与障碍物的距离,dmax为势场作用的最大范围,k1为加权系数。
机器人受的斥力为:
斥力的角度为:
即斥力的方向为背离障碍物。当d1→0时,Fr→∞。即机器人与障碍物相碰时,受到的排斥力为无穷大。若要避免机器人与障碍物相碰,可设一个最小的安全距离d0,当d1→d0时,Fr→∞。(xobst,yobst)为障碍物在全局地图中的坐标,(xrobot,yrobot)为机器人在全局地图中的坐标为使Fr连续,Fr可修改为:
d0,dmax的大小取决于机器人的大小、速度以及环境中障碍物的稀疏程度等。
但在实际中,机器人所遇到的障碍物可能是静态的或动态的,若遇到的障碍物是动态的,那么沿用一套参数固定的排斥势函数,那么可能造成在障碍物附近路径规划效率不高,导致了机器人巡检时间的加长。所以针对此问题通过采用带有可调参数的排斥势函数,对障碍物不同的运动情况调节排斥势场的强度,能有效地解决移动机器人在有动态障碍物的环境中的路径规划问题,提高了规划效率。
为了解决动态障碍物的路径规划问题,将障碍物的速度矢量和与机器人的相对位置关系引入到人工势场中,应用基于矢量合成的方法可以较好地解决上述的缺陷。所以可重新定义排斥势函数为:
Ur=Q Ur
Ur为传统的排斥势函数,Q为可调参数,其中Q取决于障碍物的速度矢量和与机器人的相对位置,同样采取先人工调试,再建相应参数表的调节方式。
所以斥力Fr修改为:
这样,根据障碍物的速度矢量和相对位置,调节排斥势函数的大小,以达到更好的避障效果,这可以看成是一种动态人工势场法。
2.引力势函数的选取:
目标点对机器人的势函数同样是基于距离的概念。目标点距机器人距离越远,吸引作用越大,即机器人距目标点越远,所具有的势能就越大;反之,距离越近,势能越小。当距离为零时,机器人的势能为零,此时机器人到达终点。这种性质和重力势能相似。
故引力势函数可取为:
Ua=k2s,
其中k2为加权系数,s为机器人离目标点的距离。机器人受到的引力数值大小为:Fa=k2,引力的角度为:
(xobst,yobst)为障碍物在全局地图中的坐标,(xrobot,yrobot)为机器人在全局地图中的坐标,即引力的方向是指向目标点的。由引力势场函数可知引力为一个常值,在实际应用过程中可以通过调节参数来选取一个合适的引力值。
3.合力的计算:
机器人所受的合力为斥力与引力的矢量叠加,合力的方向为机器人运动方向。机器人在合力的作用下可以绕过障碍物到达终点。具体计算方法如下:
1)计算斥力Fr和引力Fa;
2)分解斥力和引力,分别计算斥力Fr在x轴和y轴方向的分力Frx、Fry和引力Fa在x轴和y轴方向的分力Fax、Fay;
3)计算合力的大小:
4)计算合力的方向:
Claims (7)
1.一种结合地图栅格与势场法避障的巡检机器人路径规划方法,它包括:
步骤1.1、全局栅格法路径规划:利用栅格法得到一条从起始点到目标点的全局最优路径;
步骤1.2、向目标点运动:判断是否遇到障碍物,无则继续向目标点运动,有则进行局部避障路径规划,直到达到目标点;
步骤1.3、局部避障路径规划、运用参数可变的人工势场法进行避障路径规划,并判断是否到达目标点,无则继续返回步骤2,到达则结束。
2.根据权利要求1所述的结合地图栅格与势场法避障的巡检机器人路径规划方法,其特征在于:步骤1所述利用栅格法得到一条从起始点到目标点的全局最优路径的方法包括:
步骤2.1、栅格化场地,确定目标点、障碍物和机器人自身所在栅格在全局地图中的坐标;
步骤2.2、初始化栅格,将有障碍物的栅格标为1,将自由栅格标为0;
步骤2.3、搜索机器人相邻栅格,选出自由栅格,定义评价函数h(Grid[i,j])用来计算此栅格中心点与目标栅格中心点的距离:
Grid[i,j]为机器人相邻的栅格的坐标,goal代表目标点栅格的坐标;
步骤2.4、比较各栅格的h(Grid[i,j])值,选出使h(Grid[i,j])最小的那个栅格Grid[i,j]min,将Grid[i,j]min栅格作为机器人下一步要运动至的栅格;
步骤2.5、判断机器人是否到达目标点,未到达则转至步骤1.3,到达则任务完成,进入下一个任务。
3.根据权利要求1所述的结合地图栅格与势场法避障的巡检机器人路径规划方法,其特征在于:步骤3所述的运用参数可变的人工势场法进行避障路径规划的方法包括:
步骤3.1、参数初始化,初始化势场函数的参数,所述势场函数包括排斥势函数和引力势函数;
步骤3.2、通过全局激光雷达判断所遇到的障碍物是否运动,无则直接根据初始化的参数计算斥力与引力,并直接跳转到步骤3.4,有则通过全局激光雷达获取障碍物的运动矢量与相对机器人的位置;
步骤3.3、根据障碍物的的运动矢量相对机器人的位置,调节势场函数的参数,并计算机器人所受斥力矢量和引力矢量;
步骤3.4、判断机器人所受引力和斥力的方向,相反则机器人往引力的垂直方向上运动距离d以避免机器人进入极值点;
步骤3.5、计算机器人所受势场合力矢量,控制机器人沿合力方向运动。
4.根据权利要求3所述的结合地图栅格与势场法避障的巡检机器人路径规划方法,其特征在于:步骤3.1所述初始化势场函数的参数,所述参数包括:机器人此时位置与激光雷达所观测到的障碍物之间的距离d1,斥力加权系数k1,机器人此时位置与目标位置点之间的距离d2,引力加权系数k2。
5.根据权利要求3所述的结合地图栅格与势场法避障的巡检机器人路径规划方法,其特征在于:所述排斥势函数表达式为:
式中:d1为机器人测量点与障碍物的距离,dmax为势场作用的最大范围,k1为加权系数;
机器人受的斥力计算公式为:
斥力的角度为:
6.根据权利要求3所述的结合地图栅格与势场法避障的巡检机器人路径规划方法,其特征在于:所述引力势函数表达式为:
Ua=k2s
式中:k2为加权系数,s为机器人离目标点的距离;
机器人受到的引力数值为:Fa=k2;
引力的角度为:
式中:(xobst,yobst)为障碍物在全局地图中的坐标,(xrobot,yrobot)为机器人在全局地图中的坐标。
7.根据权利要求3所述的结合地图栅格与势场法避障的巡检机器人路径规划方法,其特征在于:所述计算机器人所受势场合力矢量的计算公式为:
合力的大小:
合力的方向:
式中:Fr为斥力、Fa为引力,Frx为Fr在x轴方向的分力、Fry为Fr在y轴方向的分力;Fax为引力Fa在x轴方向的分力、Fay为引力Fa在y轴方向的分力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710060142.0A CN106708054B (zh) | 2017-01-24 | 2017-01-24 | 结合地图栅格与势场法避障的巡检机器人路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710060142.0A CN106708054B (zh) | 2017-01-24 | 2017-01-24 | 结合地图栅格与势场法避障的巡检机器人路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106708054A true CN106708054A (zh) | 2017-05-24 |
CN106708054B CN106708054B (zh) | 2019-12-13 |
Family
ID=58909732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710060142.0A Active CN106708054B (zh) | 2017-01-24 | 2017-01-24 | 结合地图栅格与势场法避障的巡检机器人路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106708054B (zh) |
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970617A (zh) * | 2017-04-06 | 2017-07-21 | 佛山科学技术学院 | 一种求解三目标机器人路径规划问题的方法 |
CN107272741A (zh) * | 2017-08-04 | 2017-10-20 | 北京理工大学 | 一种基于最大内切圆圆心移动矢量的无人机自动避障方法 |
CN107544502A (zh) * | 2017-09-25 | 2018-01-05 | 华中科技大学 | 一种已知环境下的移动机器人规划方法 |
CN107560620A (zh) * | 2017-08-31 | 2018-01-09 | 珠海市微半导体有限公司 | 一种路径导航方法和芯片及机器人 |
CN107992036A (zh) * | 2017-11-20 | 2018-05-04 | 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 |
CN108171796A (zh) * | 2017-12-25 | 2018-06-15 | 燕山大学 | 一种基于三维点云的巡检机器人视觉***及控制方法 |
CN108469822A (zh) * | 2018-04-04 | 2018-08-31 | 天津理工大学 | 一种室内导盲机器人在动态环境下的路径规划方法 |
CN108693879A (zh) * | 2018-04-28 | 2018-10-23 | 上海理工大学 | 基于改进人工势场法的移动机器人路径规划方法 |
CN108960442A (zh) * | 2018-06-25 | 2018-12-07 | 中国电建集团华东勘测设计研究院有限公司 | 一种水电厂设备巡检方法 |
CN109163728A (zh) * | 2018-10-31 | 2019-01-08 | 山东大学 | 一种动态环境避障方法、控制器及机器人 |
CN109443363A (zh) * | 2018-11-09 | 2019-03-08 | 厦门大学 | 分治确定性路径寻优算法 |
CN109508016A (zh) * | 2018-12-26 | 2019-03-22 | 北京工商大学 | 水质采样巡航船路径规划最优化方法 |
CN110111442A (zh) * | 2019-06-03 | 2019-08-09 | 湖北南邦创电科技有限公司 | 一种区域内设备巡检方法及巡检设备 |
CN110221613A (zh) * | 2019-06-12 | 2019-09-10 | 北京洛必德科技有限公司 | 基于改进型人工势场法的机器人路径规划方法和装置 |
CN110471422A (zh) * | 2019-08-29 | 2019-11-19 | 南京理工大学 | 智能轮椅的障碍物检测与自主避障方法 |
CN110764411A (zh) * | 2019-11-06 | 2020-02-07 | 大连理工大学 | 一种用于多障碍环境的两轮自平衡车自主避障方法 |
CN110850873A (zh) * | 2019-10-31 | 2020-02-28 | 五邑大学 | 无人船路径规划方法、装置、设备和存储介质 |
CN110893618A (zh) * | 2018-09-13 | 2020-03-20 | 皮尔茨公司 | 用于机械手的无碰撞运动规划的方法和装置 |
CN111207750A (zh) * | 2019-12-31 | 2020-05-29 | 合肥赛为智能有限公司 | 一种机器人动态路径规划方法 |
CN111736611A (zh) * | 2020-07-06 | 2020-10-02 | 中国计量大学 | 一种基于a*算法和人工势场算法的移动机器人路径规划方法 |
CN111752275A (zh) * | 2020-06-19 | 2020-10-09 | 五邑大学 | 一种用于机器人的自动巡航方法、装置和存储介质 |
CN111982134A (zh) * | 2020-08-10 | 2020-11-24 | 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 |
CN112256023A (zh) * | 2020-09-28 | 2021-01-22 | 南京理工大学 | 基于贝塞尔曲线的机场巡界机器人局部路径规划方法及*** |
CN112327831A (zh) * | 2020-10-20 | 2021-02-05 | 大连理工大学 | 一种基于改进人工势场法的工厂agv轨迹规划方法 |
CN112415997A (zh) * | 2020-10-21 | 2021-02-26 | 北京洛必德科技有限公司 | 一种用于多机器人协作的路径规划方法及*** |
CN112506225A (zh) * | 2020-12-15 | 2021-03-16 | 广州极飞科技有限公司 | 一种无人机避障方法、装置、无人机和存储介质 |
CN112612273A (zh) * | 2020-12-21 | 2021-04-06 | 南方电网电力科技股份有限公司 | 一种巡检机器人避障路径规划方法、***、设备和介质 |
CN112857384A (zh) * | 2021-01-18 | 2021-05-28 | 西安电子科技大学 | 基于改进启发函数的a*算法的移动机器人路径规划方法 |
CN112904842A (zh) * | 2021-01-13 | 2021-06-04 | 中南大学 | 一种基于代价势场的移动机器人路径规划与优化方法 |
CN112965471A (zh) * | 2021-02-10 | 2021-06-15 | 大连理工大学 | 一种考虑角速度约束和改进斥力场的人工势场路径规划方法 |
CN113031621A (zh) * | 2021-03-19 | 2021-06-25 | 山东大学 | 一种桥式起重机安全避障路径规划方法及*** |
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 |
CN113515131A (zh) * | 2021-08-27 | 2021-10-19 | 苏州大学 | 基于条件变分自动编码器的移动机器人避障方法及*** |
CN113741503A (zh) * | 2021-09-16 | 2021-12-03 | 吉林工程技术师范学院 | 一种自主定位式无人机及其室内路径自主规划方法 |
CN114815831A (zh) * | 2022-04-28 | 2022-07-29 | 西安交通大学 | 一种基于改进势场栅格的机器人路径规划方法 |
CN114879719A (zh) * | 2022-04-12 | 2022-08-09 | 江苏中科智能科学技术应用研究院 | 一种适用于油电混动无人机的智能避障方法 |
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 |
CN116070807A (zh) * | 2022-11-08 | 2023-05-05 | 国电湖北电力有限公司鄂坪水电厂 | 一种基于空间关系的电站巡检路径规划方法及装置 |
CN116125995A (zh) * | 2023-04-04 | 2023-05-16 | 华东交通大学 | 一种高铁巡检机器人的路径规划方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104317291A (zh) * | 2014-09-16 | 2015-01-28 | 哈尔滨恒誉名翔科技有限公司 | 一种基于人工势场法的机器人避碰路径规划方法 |
CN105320133A (zh) * | 2015-10-26 | 2016-02-10 | 广东雷洋智能科技股份有限公司 | 一种应用于扫地机器人的改进势场栅格法 |
CN105629974A (zh) * | 2016-02-04 | 2016-06-01 | 重庆大学 | 一种基于改进型人工势场法的机器人路径规划方法及*** |
CN105867365A (zh) * | 2016-03-11 | 2016-08-17 | 中国矿业大学(北京) | 基于改进人工势场法的路径规划导航***及方法 |
CN105955262A (zh) * | 2016-05-09 | 2016-09-21 | 哈尔滨理工大学 | 一种基于栅格地图的移动机器人实时分层路径规划方法 |
-
2017
- 2017-01-24 CN CN201710060142.0A patent/CN106708054B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104317291A (zh) * | 2014-09-16 | 2015-01-28 | 哈尔滨恒誉名翔科技有限公司 | 一种基于人工势场法的机器人避碰路径规划方法 |
CN105320133A (zh) * | 2015-10-26 | 2016-02-10 | 广东雷洋智能科技股份有限公司 | 一种应用于扫地机器人的改进势场栅格法 |
CN105629974A (zh) * | 2016-02-04 | 2016-06-01 | 重庆大学 | 一种基于改进型人工势场法的机器人路径规划方法及*** |
CN105867365A (zh) * | 2016-03-11 | 2016-08-17 | 中国矿业大学(北京) | 基于改进人工势场法的路径规划导航***及方法 |
CN105955262A (zh) * | 2016-05-09 | 2016-09-21 | 哈尔滨理工大学 | 一种基于栅格地图的移动机器人实时分层路径规划方法 |
Non-Patent Citations (2)
Title |
---|
梁嘉俊: "基于改进势场栅格法的清洁机器人路径规划算法研究", 《广东工业大学学报》 * |
欧阳鑫玉: "基于势场栅格法的移动机器人避障路径规划", 《控制工程》 * |
Cited By (57)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970617A (zh) * | 2017-04-06 | 2017-07-21 | 佛山科学技术学院 | 一种求解三目标机器人路径规划问题的方法 |
CN107272741A (zh) * | 2017-08-04 | 2017-10-20 | 北京理工大学 | 一种基于最大内切圆圆心移动矢量的无人机自动避障方法 |
CN107560620A (zh) * | 2017-08-31 | 2018-01-09 | 珠海市微半导体有限公司 | 一种路径导航方法和芯片及机器人 |
CN107560620B (zh) * | 2017-08-31 | 2019-12-20 | 珠海市一微半导体有限公司 | 一种路径导航方法和芯片及机器人 |
CN107544502A (zh) * | 2017-09-25 | 2018-01-05 | 华中科技大学 | 一种已知环境下的移动机器人规划方法 |
CN107992036A (zh) * | 2017-11-20 | 2018-05-04 | 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 |
CN108171796A (zh) * | 2017-12-25 | 2018-06-15 | 燕山大学 | 一种基于三维点云的巡检机器人视觉***及控制方法 |
CN108469822A (zh) * | 2018-04-04 | 2018-08-31 | 天津理工大学 | 一种室内导盲机器人在动态环境下的路径规划方法 |
CN108469822B (zh) * | 2018-04-04 | 2020-12-15 | 天津理工大学 | 一种室内导盲机器人在动态环境下的路径规划方法 |
CN108693879B (zh) * | 2018-04-28 | 2021-07-13 | 上海理工大学 | 基于改进人工势场法的移动机器人路径规划方法 |
CN108693879A (zh) * | 2018-04-28 | 2018-10-23 | 上海理工大学 | 基于改进人工势场法的移动机器人路径规划方法 |
CN108960442A (zh) * | 2018-06-25 | 2018-12-07 | 中国电建集团华东勘测设计研究院有限公司 | 一种水电厂设备巡检方法 |
CN110893618A (zh) * | 2018-09-13 | 2020-03-20 | 皮尔茨公司 | 用于机械手的无碰撞运动规划的方法和装置 |
CN109163728B (zh) * | 2018-10-31 | 2020-08-28 | 山东大学 | 一种动态环境避障方法、控制器及机器人 |
CN109163728A (zh) * | 2018-10-31 | 2019-01-08 | 山东大学 | 一种动态环境避障方法、控制器及机器人 |
CN109443363A (zh) * | 2018-11-09 | 2019-03-08 | 厦门大学 | 分治确定性路径寻优算法 |
CN109508016A (zh) * | 2018-12-26 | 2019-03-22 | 北京工商大学 | 水质采样巡航船路径规划最优化方法 |
CN110111442A (zh) * | 2019-06-03 | 2019-08-09 | 湖北南邦创电科技有限公司 | 一种区域内设备巡检方法及巡检设备 |
CN110221613A (zh) * | 2019-06-12 | 2019-09-10 | 北京洛必德科技有限公司 | 基于改进型人工势场法的机器人路径规划方法和装置 |
CN110221613B (zh) * | 2019-06-12 | 2020-04-17 | 北京洛必德科技有限公司 | 基于改进型人工势场法的机器人路径规划方法和装置 |
CN110471422A (zh) * | 2019-08-29 | 2019-11-19 | 南京理工大学 | 智能轮椅的障碍物检测与自主避障方法 |
CN110850873A (zh) * | 2019-10-31 | 2020-02-28 | 五邑大学 | 无人船路径规划方法、装置、设备和存储介质 |
CN110850873B (zh) * | 2019-10-31 | 2021-06-08 | 五邑大学 | 无人船路径规划方法、装置、设备和存储介质 |
CN110764411A (zh) * | 2019-11-06 | 2020-02-07 | 大连理工大学 | 一种用于多障碍环境的两轮自平衡车自主避障方法 |
CN111207750A (zh) * | 2019-12-31 | 2020-05-29 | 合肥赛为智能有限公司 | 一种机器人动态路径规划方法 |
CN111752275A (zh) * | 2020-06-19 | 2020-10-09 | 五邑大学 | 一种用于机器人的自动巡航方法、装置和存储介质 |
CN111736611A (zh) * | 2020-07-06 | 2020-10-02 | 中国计量大学 | 一种基于a*算法和人工势场算法的移动机器人路径规划方法 |
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 |
CN111982134A (zh) * | 2020-08-10 | 2020-11-24 | 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 |
CN112256023A (zh) * | 2020-09-28 | 2021-01-22 | 南京理工大学 | 基于贝塞尔曲线的机场巡界机器人局部路径规划方法及*** |
CN112327831A (zh) * | 2020-10-20 | 2021-02-05 | 大连理工大学 | 一种基于改进人工势场法的工厂agv轨迹规划方法 |
CN112415997A (zh) * | 2020-10-21 | 2021-02-26 | 北京洛必德科技有限公司 | 一种用于多机器人协作的路径规划方法及*** |
CN112415997B (zh) * | 2020-10-21 | 2023-07-28 | 北京洛必德科技有限公司 | 一种用于多机器人协作的路径规划方法及*** |
CN112506225A (zh) * | 2020-12-15 | 2021-03-16 | 广州极飞科技有限公司 | 一种无人机避障方法、装置、无人机和存储介质 |
CN112506225B (zh) * | 2020-12-15 | 2023-09-01 | 广州极飞科技股份有限公司 | 一种无人机避障方法、装置、无人机和存储介质 |
CN112612273A (zh) * | 2020-12-21 | 2021-04-06 | 南方电网电力科技股份有限公司 | 一种巡检机器人避障路径规划方法、***、设备和介质 |
CN112612273B (zh) * | 2020-12-21 | 2021-08-24 | 南方电网电力科技股份有限公司 | 一种巡检机器人避障路径规划方法、***、设备和介质 |
CN112904842B (zh) * | 2021-01-13 | 2022-07-15 | 中南大学 | 一种基于代价势场的移动机器人路径规划与优化方法 |
CN112904842A (zh) * | 2021-01-13 | 2021-06-04 | 中南大学 | 一种基于代价势场的移动机器人路径规划与优化方法 |
CN112857384A (zh) * | 2021-01-18 | 2021-05-28 | 西安电子科技大学 | 基于改进启发函数的a*算法的移动机器人路径规划方法 |
CN112857384B (zh) * | 2021-01-18 | 2022-07-26 | 西安电子科技大学 | 基于改进启发函数的a*算法的移动机器人路径规划方法 |
CN112965471B (zh) * | 2021-02-10 | 2022-02-18 | 大连理工大学 | 一种考虑角速度约束和改进斥力场的人工势场路径规划方法 |
CN112965471A (zh) * | 2021-02-10 | 2021-06-15 | 大连理工大学 | 一种考虑角速度约束和改进斥力场的人工势场路径规划方法 |
CN113031621B (zh) * | 2021-03-19 | 2022-06-07 | 山东大学 | 一种桥式起重机安全避障路径规划方法及*** |
CN113031621A (zh) * | 2021-03-19 | 2021-06-25 | 山东大学 | 一种桥式起重机安全避障路径规划方法及*** |
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 |
CN113515131A (zh) * | 2021-08-27 | 2021-10-19 | 苏州大学 | 基于条件变分自动编码器的移动机器人避障方法及*** |
CN113741503A (zh) * | 2021-09-16 | 2021-12-03 | 吉林工程技术师范学院 | 一种自主定位式无人机及其室内路径自主规划方法 |
CN113741503B (zh) * | 2021-09-16 | 2024-01-30 | 吉林工程技术师范学院 | 一种自主定位式无人机及其室内路径自主规划方法 |
CN114879719A (zh) * | 2022-04-12 | 2022-08-09 | 江苏中科智能科学技术应用研究院 | 一种适用于油电混动无人机的智能避障方法 |
CN114815831A (zh) * | 2022-04-28 | 2022-07-29 | 西安交通大学 | 一种基于改进势场栅格的机器人路径规划方法 |
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 |
CN116070807A (zh) * | 2022-11-08 | 2023-05-05 | 国电湖北电力有限公司鄂坪水电厂 | 一种基于空间关系的电站巡检路径规划方法及装置 |
CN116070807B (zh) * | 2022-11-08 | 2024-03-26 | 国电湖北电力有限公司鄂坪水电厂 | 一种基于空间关系的电站巡检路径规划方法及装置 |
CN116125995A (zh) * | 2023-04-04 | 2023-05-16 | 华东交通大学 | 一种高铁巡检机器人的路径规划方法及*** |
CN116125995B (zh) * | 2023-04-04 | 2023-07-28 | 华东交通大学 | 一种高铁巡检机器人的路径规划方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN106708054B (zh) | 2019-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106708054A (zh) | 结合地图栅格与势场法避障的巡检机器人路径规划方法 | |
CN106843235B (zh) | 一种面向无人自行车的人工势场路径规划法 | |
CN103995984A (zh) | 一种基于椭圆约束的机器人路径规划方法和装置 | |
CN102915465B (zh) | 一种基于移动生物刺激神经网络的多机器人联合编队方法 | |
CN106125087A (zh) | 基于激光雷达的舞蹈机器人室内行人跟踪方法 | |
CN108645413A (zh) | 一种移动机器人的同时定位与地图创建的动态纠正方法 | |
CN109318890A (zh) | 一种基于动态窗口及障碍物势能场的无人车动态避障方法 | |
CN104598867A (zh) | 一种人体动作自动评估方法及舞蹈评分*** | |
CN108958282A (zh) | 基于动态球形窗口的三维空间路径规划方法 | |
CN106950969A (zh) | 一种基于无地图运动规划器的移动机器人连续控制方法 | |
CN102915039A (zh) | 一种仿动物空间认知的多机器人联合目标搜寻方法 | |
CN109470238A (zh) | 一种定位方法、装置和移动终端 | |
CN109445440A (zh) | 基于传感器融合与改进q学习算法的动态避障方法 | |
CN104020466A (zh) | 基于变结构多模型的机动目标跟踪方法 | |
CN108256430A (zh) | 障碍物信息获取方法、装置及机器人 | |
CN105868779B (zh) | 一种基于特征增强和决策融合的行为识别方法 | |
CN108334677A (zh) | 一种基于gru网络的uuv实时避碰规划方法 | |
CN107390704A (zh) | 一种基于imu姿态补偿的多旋翼无人机光流悬停方法 | |
CN102034030A (zh) | 一种多机器人***合作定位危险气味源方法 | |
CN107702712A (zh) | 基于惯性测量双层wlan指纹库的室内行人组合定位方法 | |
CN106067001A (zh) | 一种动作识别方法及*** | |
CN109990783A (zh) | 一种机器人运动路径规划方法、机器人及存储介质 | |
CN107515004A (zh) | 步长计算装置及方法 | |
Che et al. | Research on improved ACO algorithm-based multi-robot odor source localization | |
CN111123953B (zh) | 人工智能大数据下粒子化移动机器人组及其控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |