CN106774310A - 一种机器人导航方法 - Google Patents

一种机器人导航方法 Download PDF

Info

Publication number
CN106774310A
CN106774310A CN201611086145.3A CN201611086145A CN106774310A CN 106774310 A CN106774310 A CN 106774310A CN 201611086145 A CN201611086145 A CN 201611086145A CN 106774310 A CN106774310 A CN 106774310A
Authority
CN
China
Prior art keywords
robot
cost
path
real
current location
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
Application number
CN201611086145.3A
Other languages
English (en)
Other versions
CN106774310B (zh
Inventor
熊毅
朱璇
朱波
任振军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
In Department Of Eye Vision Technology (beijing) Co Ltd
Original Assignee
In Department Of Eye Vision Technology (beijing) Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by In Department Of Eye Vision Technology (beijing) Co Ltd filed Critical In Department Of Eye Vision Technology (beijing) Co Ltd
Priority to CN201611086145.3A priority Critical patent/CN106774310B/zh
Publication of CN106774310A publication Critical patent/CN106774310A/zh
Application granted granted Critical
Publication of CN106774310B publication Critical patent/CN106774310B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • 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
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
    • 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
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供了一种机器人导航方法，所述导航方法包括如下步骤：a、建立所述机器人工作区域的导航栅格地图，将所述导航栅格地图导入所述机器人的操作***；b、对所述机器人的起始位置和所述机器人行进的目标终点进行定位，规划机器人行进路径，所述机器人按所述路径前进；c、当步骤b中所述路径出现障碍，获取所述机器人实时位姿信息，根据所述实时位姿信息和所述目标终点的位置信息对所述机器人行进路径进行实时路径规划，其中在计算所述机器人当前位置代价函数的实际代价中引入方向改变代价，计算所述机器人当前位置不同方向的代价；d、搜索所述机器人当前位置不同方向的代价，选择代价最小的方向前进。

Description

一种机器人导航方法
技术领域
本发明涉及机器人导航技术领域，特别涉及一种机器人导航方法。
背景技术
随着科学技术的发展，机器人的应用领域日渐广泛，机器人是典型的机电一体化数字化装备，其技术附加值很高。机器人作为先进制造业的支撑技术和信息化社会的新兴产业，对未来生产和社会发展起着越来越重要的作用。
近些年我国机也开展了以机器人为基础的重组装配***及其相关技术的开发研究及加强多传感器融合及决策、控制一体化技术及应用的研究。对机器的关键技术进行了深入的研究，大力推进了进器人产业化进程。近些年机器人的研究主要集中在工业机器人和智能机器人两个方面，在智能机器人方面研究又细化为：(1)遥控加局部自主***构成和控制策略研究，(2)智能移动机器人的导航和定位技术研究，具体为在结构环境或非结构环境中导航和定位方法研究，根据传感器数据建立环境模型的方法；模糊逻辑的推理方法用于移动机器人导航的研究。
现有的机器人导航方法一般采用在机器人操作***中构建导航地图，机器人根据导航地图规划路径，从而沿着规划的路径前进至目的地，但是这种导航方式在进行路径出现障碍时，不能得到解决，机器人不够智能。与此同时，现有的技术中采用A星算法来规划路径以求得更短的行进路径，但是在于到障碍时，其重新规划路径并不能实现由于机器人自身改变方向带来的误差，从而不能实现更加合理的路径规划。
因此，需要一种能有效降低机器人由于方向改变带来的误差，实现机器人遇到障碍时更加合理的规划最短路径的机器人导航方法。
发明内容
本发明的目的在于提供一种机器人导航方法，所述导航方法包括如下步骤：a、建立所述机器人工作区域的导航栅格地图，将所述导航栅格地图导入所述机器人的操作***；
b、对所述机器人的起始位置和所述机器人行进的目标终点进行定位，规划机器人行进路径，所述机器人按所述路径前进；
c、当步骤b中所述路径出现障碍，获取所述机器人实时位姿信息，根据所述实时位姿信息和所述目标终点的位置信息对所述机器人行进路径进行实时路径规划，其中
所述实时路径规划过程中，在计算所述机器人当前位置代价函数的实际代价中引入方向改变代价，计算所述机器人当前位置不同方向的代价；
d、搜索所述机器人当前位置不同方向的代价，所述机器人选择代价最小的方向前进。
优选地，所述机器人代价函数定义为：
f(i)＝g(i)+h(i)，其中，
g(i)为机器人起点到当前位置i付出的实际代价，h(i)为启发函数，即当前位置到目标终点的最小代价的估计。
优选地，所述实际代价满足：g(i)＝d(i)+m(i)，其中，d(i)为方向改变代价，m(i)为直线行进代价。
优选地，所述启发函数满足：h(i)＝abs(Xi－Xk)+abs(Yi－Yk)；其中，机器人当前位置坐标为(Xi，Xk)；机器人目标终点的坐标为(Xk，Yk)。
优选地，所述启发函数满足：h(i)＝max((Xi－Xk)，abs(Yi－Yk))；其中，机器人当前位置坐标为(Xi，Xk)；机器人目标终点的坐标为(Xk，Yk)。
优选地，所述启发函数满足：h(i)＝sqrt((Xi－Xk)∧2+abs(Yi－Yk)∧2)；其中，机器人当前位置坐标为(Xi，Xk)；机器人目标终点的坐标为(Xk，Yk)。
优选地，所述机器人实时位姿信息通过设置于所述机器人上的kinect深度摄像头和红外传感器获取。
优选地，所述kinect深度摄像头和红外传感器通过扫描所述机器人的行进路径获取所述机器人实时位姿信息以及障碍信息。
优选地，所述导航栅格地图的构建通过Gmapping算法生成或人工绘制。
优选地，所述步骤d中通过遍历搜索法搜索所述机器人当前位置不同方向的代价。
本发明提供的一种机器人导航方法，通过调整实际代价函数，使机器人尽可能少的改变方向的基础上达到目标终点，有效缩短了机器人的行进路径。同时，本发明机器人导航方法对于差速器底盘的机器人，有效降低由于方向改变带来的误差，实现机器人遇到障碍时更加合理的规划最短路径。
应当理解，前述大体的描述和后续详尽的描述均为示例性说明和解释，并不应当用作对本发明所要求保护内容的限制。
附图说明
参考随附的附图，本发明更多的目的、功能和优点将通过本发明实施方式的如下描述得以阐明，其中：
图1示意性示出了本发明机器人示意图；
图2示出了本发明导航方法的流程框图；
图3示出了本发明导航栅格地图示意图；
图4示出了本发明机器人起始位置与目标终点规划的路径示意图；
图5示出了本发明机器人起始位置与目标终点规划的路径出现障碍的示意图；
图6示出了本发明实时路径规划的示意图；
图7示出了本发明实时路径规划代价计算示意图；
图8示出了本发明另一实施例路径规划代价计算示意图。
具体实施方式
通过参考示范性实施例，本发明的目的和功能以及用于实现这些目的和功能的方法将得以阐明。然而，本发明并不受限于以下所公开的示范性实施例；可以通过不同形式来对其加以实现。说明书的实质仅仅是帮助相关领域技术人员综合理解本发明的具体细节。
在下文中，将参考附图描述本发明的实施例。在附图中，相同的附图标记代表相同或类似的部件，或者相同或类似的步骤。
实施例一：
下面结合附图通过具体的实施方式对本发明机器人导航方法给出详细的说明，为了清楚的描述本发明的机器人导航方法，首先对机器人进行说明。本发明所采用的机器人选用差速器底盘机器人，如图1所示本发明机器人示意图，机器人100选用差速器底盘的机器人，在机器人前端设有摄像头和红外传感器，用于扫描机器人100的行进路径，检测机器人100行进路径在区域A中是否具有障碍。机器人100差速器底盘包括差速器行走轮101和差速器齿轮轴102，通过差速器底盘调整机器人的方向。应当理解的是，本发明机器人内部具有操作***，所述操作***包括存储模块、路面信息采集模块、分析模块、路面规划模块以及控制模块，其中
存储模块，用于存储导航栅格地图，启动机器人时，分析模块读取导航栅格地图；
路面信息采集模块，用于机器人行走过程中，采集摄像头和红外传感器拍摄路面信息；
分析模块，分析导航栅格地图，以及机器人当前位置所处导航栅格地图的位置；
路径规划模块，启动机器人行走时，对机器人行走路径进行规划，以及机器人遇到障碍时对路径重新规划；
控制模块，控制机器人沿规划路径前进。
本发明提供的机器人导航方法，在建立机器人工作区域的导航栅格地图，利用所述导航栅格地图进行路径规划，选择最短的路径前进。具体地，如图2所示本发明导航方法的流程框图，机器人导航方法包括如下步骤：
S101、建立所述机器人工作区域的导航栅格地图，将所述导航栅格地图导入所述机器人的操作***；
S102、规划机器人进行路径，对所述机器人的起始位置和所述机器人行进的目标终点进行定位，规划机器人行进路径，所述机器人按所述路径前进，应当说明的是，这里的路径规划是机器人起点到机器人目标终点的最短路径规划，其认为工作区域的路径无任何障碍，采用A星算法进行规划。
S103、当机器人在步骤S102中所述路径出现前进过程遇到障碍，获取所述机器人实时位姿信息，根据所述实时位姿信息和所述目标终点的位置信息对所述机器人行进路径进行实时路径规划，其中
所述实时路径规划过程中，在计算所述机器人当前位置代价函数的实际代价中引入方向改变代价，计算所述机器人当前位置不同方向的代价。
S104、搜索所述机器人当前位置不同方向的代价，所述机器人选择代价最小的方向前进。
下面结合具体的实施例，对本发明机器人导航过程做进一步说明。
首先，本实施例按照本发明提供的机器人导航方法，建立机器人工作区域的导航栅格地图，如图3所示本发明导航栅格地图示意图，本实施例中按照机器人工作区域B的结构形状，将工作区域B绘制成多个栅格301的导航栅格地图，优选地，本实施例中通过Gmapping算法生成所述导航栅格地图，使导航栅格地图的栅格相对机器人工作区域尽的比例尽可能的合理。
在一些实施例中，对于导航栅格地图可以选择人工绘制的方式，同样地，应当使导航栅格地图的栅格相对机器人工作区域尽的比例尽可能的合理。
将建立的导航栅格地图导入到机器人操作***中，存储在所述操作***的存储模块中。如图4所示本发明机器人起始位置与目标终点规划的路径示意图；启动机器人，分析模块对机器人的起始位置401和机器人行进的目标终点402进行定位，操作***的路径规划模块根据机器人的起始位置401和机器人行进的目标终点402在工作区域B中进行路径规划，应当理解的是，规划的路径403为机器人起始位置401到机器人行进目标终点402的最短路径，本实施例中由于机器人起始位置401与目标终点402的距离较大，可以忽略机器人自身角度误差，优选地，采用A星算法对路径规划。
如图5所示本发明机器人起始位置与目标终点规划的路径出现障碍的示意图；机器人在工作区域B规划路径403时，并不认为在其规划的路径403上有障碍，因此，机器人总是规划起始位置401到机器人行进终点402的最短路径，当机器人规划的路径上出现障碍404时，机器人并不得知。机器人仍按照规划的路径403向前行进，在行进同时，机器人通过摄像头和红外传感器拍摄路面信息，检测路面障碍信息。优选地，本实施例摄像头选用kinect深度摄像头。
当路径403上未出现障碍时，机器人按照规划的路径403进行至目标终点402。
当路径403出现障碍404时，机器人需要实时路径规划。对于机器人实时路径规划在下文中说明。
如图6所示本发明实时路径规划的示意图，当机器人从起始位置401按照工作区域B中规划的路径403向目标终点402进行过程中，在路径403出现障碍401时，机器人通过摄像头和红外传感器在扫描区域拍摄到障碍404。
机器人通过操作***的分析模块分析导航栅格地图和机器人当前位置所处导航栅格地图的位置，借助路径规划模块重新规划路径。举例来说，机器人按照路径403向前行驶至当前位置401a，机器人按照重新规划的路径405行进至目标终点402。
由于存在机器人方向带来的实际代价大于直线的代价的情况，本发明中在实时路径规划过程中引入方向改变代价来重新规划路径。如图6所示，重新规划路径后，机器人有当前位置401a调整位姿至另一当前位姿401b，之后按照重新规划的路径405行进，从而使规划的路径最短。
下面结合具体的示意性示例，说明机器人重新规划路径的过程，如图7所示本发明实时路径规划代价计算示意图，首先需要说明的是，代价函数是用来估计机器人任意位置到目标终点的代价，机器人选择代价最少的方向作为路径的下一前进方向。本实施例中，以导航栅格地图5×5的的栅格为例，机器人当前位置i的代价函数定义为：
f(i)＝g(i)+h(i)其中，
g(i)为机器人起点到当前位置i付出的实际代价，h(i)为启发函数，即当前位置到目标终点的最小代价的估计。
本实施例中，启发函数满足：h(i)＝abs(Xi－Xk)+abs(Yi－Yk)；其中，机器人当前位置坐标为(Xi，Xk)；机器人目标终点的坐标为(Xk，Yk)。
在一些实施例中，启发函数满足：h(i)＝max((Xi－Xk)，abs(Yi－Yk))；其中，机器人当前位置坐标为(Xi，Xk)；机器人目标终点的坐标为(Xk，Yk)。
在另一些实施例中，启发函数满足：h(i)＝sqrt((Xi－Xk)∧2+abs(Yi－Yk)∧2)；其中，机器人当前位置坐标为(Xi，Xk)；机器人目标终点的坐标为(Xk，Yk)。
对于机器人改变方向的代价远大于沿当前当前行进的代价的情况，本发明机器人导航方法在实际代价中引入方向改变代价，从而规划机器人最短的进行路径。
所述实际代价满足：g(i)＝d(i)+m(i)，其中，d(i)为方向改变代价，m(i)为直线行进代价。如图5所示，在导航栅格地图的二维坐标中，机器人当前的位置的栅格为M(3，3)；
机器人从栅格M(3,3)移动到栅格(3,4)，不改变方向，方向改变代价d(i)＝0；
机器人从栅格M(3,3)移动到栅格(2,4)或(4,4)，方向改变45度，方向改变代价d(i)＝5；
机器人从栅格M(3,3)移动到栅格(2,3)或(4,3)，方向改变90度，方向改变代价d(i)＝10；
机器人从栅格M(3,3)移动到栅格(2,2)或(4,2)，方向改变135度，方向改变代价d(i)＝15；
机器人从栅格M(3,3)移动到栅格(3,2)，方向改变180度，方向改变代价d(i)＝20。
对于直线行进代价：
机器人从栅格M(3,3)移动到栅格(3,4)或(2,3)或(3,2)或(4,3)，移动距离为一个栅格，直线行进代价m(i)＝10；
机器人从栅格M(3,3)移动到栅格(2,4)或(4,4)或(2,2)或(4,2)，移动距离为1.414个栅格，直线行进代价m(i)＝14。
实施例中，机器人从栅格(3,3)移动到附近的栅格的实际代价g(i)分别为：
a：机器人从栅格M(3,3)移动到栅格(3,4)的实际代价为g(i)＝15；
b：机器人从栅格M(3,3)移动到栅格(2,4)的实际代价为g(i)＝24；
c：机器人从栅格M(3,3)移动到栅格(2,3)的实际代价为g(i)＝25；
d：机器人从栅格M(3,3)移动到栅格(2,2)的实际代价为g(i)＝34；
e：机器人从栅格M(3,3)移动到栅格(3,2)的实际代价为g(i)＝30；
f：机器人从栅格M(3,3)移动到栅格(4,2)的实际代价为g(i)＝34；
g：机器人从栅格M(3,3)移动到栅格(4,3)的实际代价为g(i)＝25；
h：机器人从栅格M(3,3)移动到栅格(4,4)的实际代价为g(i)＝24。
上述实施例根据本发明提供的机器人导航方法，考虑了机器人方向带来的实际代价大于直线代价，机器人从当前栅格M(3,3)进行到附近栅格的实际代价不同，搜索机器人当前位置不同方向的代价，选择代价最小的方向前进。应当理解的是，搜索的机器人当前位置的代价应当包括实际代价g(i)和启发函数h(i)，最终比较代价函数f(i)的值，选出最短行进路径。
进一步需要说明的是，本发明当机器人进行至下一栅格时，如果方向发生改变，在改变方向的基础上，重新通过代价函数f(i)对当前位置代价计算，重新规划行进路径。举例来说，本实施例中，若机器人从栅格M(3,3)行进至栅格(2,4)方向已经发生改变，则在下一步行进时，机器人以所在栅格(2,4)的方向为基础，重新通过代价函数f(i)进行代价计算。
实施例二：
本实施例与实施例一的区别是，实时路径规划代价计算过程增加了方向改变代价的数量。
如图8所示本发明另一实施例路径规划代价计算示意图，在另一实施例中，计算以机器人当前位置的栅格为M(3，3)移动至与机器人当前位置栅格M(3,3)不相邻的外侧栅格的实际代价，从而增加计算实际代价时方向改变代价的数量，从而更加合理地表示真实的代价大小。例如本实施例中，机器人从当前位置的栅格为M(3，3)依次移动至栅格(3,5)、(2,5)、(1,5)、(1,4)、(1,3)、(1,2)、(1,1)、(2,1)、(3,1)、(4,1)、(5,1)、(5,2)、(5,3)、(5,4)、(5,5)、(4,5)。每次改变方向角度值增加22.5度，使计算的实际代价数量增加，更加合理地表示真实的代价大小。
上述实施例对本发明机器人导航方法以及实时路径规划过程中代价计算做了说明，通过本发明机器人导航方法，引入方向改变代价调整实际代价函数，使机器人在尽量少改变方向的基础上到达目标终点，能够有效地降低各种差速器底盘的机器人由于方向改变带来的误差。
实施例一与实施例二应用本发明机器人导航导航方法，在建立二维导航栅格地图，通过引入方向改变代价对机器人行进过程实时路径规划。本领域技术人员应当理解的是，另一些实施例中，应用本发明提供的机器人导航方法，建立三维导航栅格地图，引入方向改变代价对空中飞行机器人(如无人机)进行实时路径规划，从而在规避障碍的同时实现代价最小的路径行进。
结合这里披露的本发明的说明和实践，本发明的其他实施例对于本领域技术人员都是易于想到和理解的。说明和实施例仅被认为是示例性的，本发明的真正范围和主旨均由权利要求所限定。

Claims (10)

1.一种机器人导航方法，所述导航方法包括如下步骤：a、建立所述机器人工作区域的导航栅格地图，将所述导航栅格导入所述机器人的操作***；
b、对所述机器人的起始位置和所述机器人行进的目标终点进行定位，规划机器人行进路径，所述机器人按所述路径前进；
其特征在于，所述导航方法还包括：
c、当步骤b中所述路径出现障碍，获取所述机器人实时位姿信息，根据所述实时位姿信息和所述目标终点的位置信息对所述机器人行进路径进行实时路径规划，其中
所述实时路径规划过程中，在计算所述机器人当前位置代价函数的实际代价中引入方向改变代价，计算所述机器人当前位置不同方向的代价；
d、搜索所述机器人当前位置不同方向的代价，所述机器人选择代价最小的方向前进。
2.根据权利要求1所述的导航方法，其特征在于，所述机器人代价函数定义为：
f(i)＝g(i)+h(i)，其中，
g(i)为机器人起点到当前位置i付出的实际代价，h(i)为启发函数，即当前位置到目标终点的最小代价的估计。
3.根据权利要求2所述的导航方法，其特征在于，所述实际代价满足：g(i)＝d(i)+m(i)，其中，d(i)为方向改变代价，m(i)为直线行进代价。
4.根据权利要求2所述的导航方法，其特征在于，所述启发函数满足：h(i)＝abs(Xi－Xk)+abs(Yi－Yk)；其中，机器人当前位置坐标为(Xi，Xk)；机器人目标终点的坐标为(Xk，Yk)。
5.根据权利要求2所述的导航方法，其特征在于，所述启发函数满足：h(i)＝max((Xi－Xk)，abs(Yi－Yk))；其中，机器人当前位置坐标为(Xi，Xk)；机器人目标终点的坐标为(Xk，Yk)。
6.根据权利要求2所述的导航方法，其特征在于，所述启发函数满足：h(i)＝sqrt((Xi－Xk)∧2+abs(Yi－Yk)∧2)；其中，机器人当前位置坐标为(Xi，Xk)；机器人目标终点的坐标为(Xk，Yk)。
7.根据权利要求1所述的导航方法，其特征在于，所述机器人实时位姿信息通过设置于所述机器人上的kinect深度摄像头和红外传感器获取。
8.根据权利要求7所述导航方法，其特征在于，所述kinect深度摄像头和红外传感器通过扫描所述机器人的行进路径获取所述机器人实时位姿信息以及障碍信息。
9.根据权利要求1所述的导航方法，其特征在于，所述导航栅格地图的构建通过Gmapping算法生成或人工绘制。
10.根据权利要求1所述的导航方法，其特征在于，所述步骤d中通过遍历搜索法搜索所述机器人当前位置不同方向的代价。
CN201611086145.3A 2016-12-01 2016-12-01 一种机器人导航方法 Active CN106774310B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611086145.3A CN106774310B (zh) 2016-12-01 2016-12-01 一种机器人导航方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611086145.3A CN106774310B (zh) 2016-12-01 2016-12-01 一种机器人导航方法

Publications (2)

Publication Number Publication Date
CN106774310A true CN106774310A (zh) 2017-05-31
CN106774310B CN106774310B (zh) 2019-11-19

Family

ID=58915070

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611086145.3A Active CN106774310B (zh) 2016-12-01 2016-12-01 一种机器人导航方法

Country Status (1)

Country Link
CN (1) CN106774310B (zh)

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107608364A (zh) * 2017-11-01 2018-01-19 广州供电局有限公司 一种用于数据中心物理设备上下架的智能机器人
CN108363393A (zh) * 2018-02-05 2018-08-03 腾讯科技（深圳）有限公司 一种智能运动设备及其导航方法和存储介质
CN108444482A (zh) * 2018-06-15 2018-08-24 东北大学 一种无人机自主寻路避障方法及***
CN108534788A (zh) * 2018-03-07 2018-09-14 广州大学 一种基于kinect视觉的AGV导航方法
CN108646730A (zh) * 2018-04-13 2018-10-12 北京海风智能科技有限责任公司 一种基于ros的服务机器人及其多目标自主巡航方法
CN108710365A (zh) * 2018-04-19 2018-10-26 五邑大学 一种基于最优路径巡航的水上机器人自动充电方法及装置
CN109213169A (zh) * 2018-09-20 2019-01-15 湖南万为智能机器人技术有限公司 移动机器人的路径规划方法
CN109528090A (zh) * 2018-11-24 2019-03-29 珠海市微半导体有限公司 一种机器人的区域遍历方法和芯片以及清洁机器人
CN109709945A (zh) * 2017-10-26 2019-05-03 深圳市优必选科技有限公司 一种基于障碍物分类的路径规划方法、装置及机器人
CN109708637A (zh) * 2018-10-17 2019-05-03 深圳市科卫泰实业发展有限公司 一种基于牵引机器人的自动导航方法及牵引机器人
CN109764886A (zh) * 2019-01-15 2019-05-17 成都信息工程大学 一种路径规划方法
CN109947100A (zh) * 2019-03-12 2019-06-28 深圳优地科技有限公司 路径规划方法、***及终端设备
CN109964596A (zh) * 2019-04-01 2019-07-05 华南农业大学 一种基于智能机器人的水稻直播装置与方法
CN110403409A (zh) * 2019-07-18 2019-11-05 王东 一种机器人及商品展示方法
CN110411446A (zh) * 2018-04-28 2019-11-05 深圳果力智能科技有限公司 一种机器人的路径规划方法
CN110530390A (zh) * 2019-09-16 2019-12-03 哈尔滨工程大学 一种在狭窄环境下的非质点车辆路径规划方法
CN110766973A (zh) * 2018-07-27 2020-02-07 比亚迪股份有限公司 智能寻车方法、装置、***、服务器和巡航智能设备
CN110908371A (zh) * 2019-10-31 2020-03-24 山东大学 一种自动巡航电动病床的自主避障与路径规划方法和***
CN110986951A (zh) * 2019-12-11 2020-04-10 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
CN112506178A (zh) * 2020-08-25 2021-03-16 深圳市银星智能科技股份有限公司 一种机器人控制方法、装置、终端和介质
CN112558599A (zh) * 2020-11-06 2021-03-26 深圳拓邦股份有限公司 机器人工作控制方法、装置及机器人
CN112764418A (zh) * 2020-12-25 2021-05-07 珠海市一微半导体有限公司 基于寻径代价的清洁入口位置确定方法、芯片及机器人
CN112799398A (zh) * 2020-12-25 2021-05-14 珠海市一微半导体有限公司 基于寻径代价的清洁路径规划方法、芯片及清洁机器人
CN113171041A (zh) * 2021-05-18 2021-07-27 上海高仙自动化科技发展有限公司 一种目标路径生成方法、装置、设备及存储介质
CN113552884A (zh) * 2021-07-21 2021-10-26 国电南瑞科技股份有限公司 一种阀厅消防机器人自动导航及避障方法和装置
CN113791627A (zh) * 2021-11-16 2021-12-14 中国科学院自动化研究所 一种机器人导航方法、设备、介质和产品
CN114872051A (zh) * 2022-06-02 2022-08-09 深圳鹏行智能研究有限公司 通行地图获取***、方法、机器人及计算机可读存储介质
CN115509216A (zh) * 2021-06-21 2022-12-23 广州视源电子科技股份有限公司 路径规划方法、装置、计算机设备和存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040117079A1 (en) * 2001-03-15 2004-06-17 Jarl Hulden Efficient navigation of autonomous carriers
US20080133070A1 (en) * 2006-12-04 2008-06-05 Lockheed Martin Corporation Survivability system
KR101096592B1 (ko) * 2010-09-29 2011-12-20 국방과학연구소 장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 장치 및 방법
CN102541057A (zh) * 2010-12-29 2012-07-04 沈阳新松机器人自动化股份有限公司 一种基于激光测距仪的移动机器人避障方法
CN103557867A (zh) * 2013-10-09 2014-02-05 哈尔滨工程大学 一种基于稀疏a*搜索的三维多uav协同航迹规划方法
CN103747498A (zh) * 2014-01-17 2014-04-23 华北电力大学 基于方向角度的无线传感网络路由空洞优化方法
CN104075717A (zh) * 2014-01-21 2014-10-01 武汉吉嘉伟业科技发展有限公司 一种基于改进a*算法的无人机航线规划算法
CN105043376A (zh) * 2015-06-04 2015-11-11 上海物景智能科技有限公司 一种适用于非全向移动车辆的智能导航方法及***
CN105116902A (zh) * 2015-09-09 2015-12-02 北京进化者机器人科技有限公司 一种移动机器人避障导航的方法和***
CN105652876A (zh) * 2016-03-29 2016-06-08 北京工业大学 基于数组地图的移动机器人室内路径规划方法
CN105844364A (zh) * 2016-04-08 2016-08-10 上海派毅智能科技有限公司 基于启发函数的服务机器人最优路径规划方法
EP3064967A1 (en) * 2015-03-04 2016-09-07 Sercel Method for determining a collision free sail path of at least one vessel of a fleet of vessels, corresponding device, computer program product and non-transitory computer-readable carrier medium
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

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040117079A1 (en) * 2001-03-15 2004-06-17 Jarl Hulden Efficient navigation of autonomous carriers
US20080133070A1 (en) * 2006-12-04 2008-06-05 Lockheed Martin Corporation Survivability system
KR101096592B1 (ko) * 2010-09-29 2011-12-20 국방과학연구소 장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 장치 및 방법
CN102541057A (zh) * 2010-12-29 2012-07-04 沈阳新松机器人自动化股份有限公司 一种基于激光测距仪的移动机器人避障方法
CN103557867A (zh) * 2013-10-09 2014-02-05 哈尔滨工程大学 一种基于稀疏a*搜索的三维多uav协同航迹规划方法
CN103747498A (zh) * 2014-01-17 2014-04-23 华北电力大学 基于方向角度的无线传感网络路由空洞优化方法
CN104075717A (zh) * 2014-01-21 2014-10-01 武汉吉嘉伟业科技发展有限公司 一种基于改进a*算法的无人机航线规划算法
EP3064967A1 (en) * 2015-03-04 2016-09-07 Sercel Method for determining a collision free sail path of at least one vessel of a fleet of vessels, corresponding device, computer program product and non-transitory computer-readable carrier medium
CN105043376A (zh) * 2015-06-04 2015-11-11 上海物景智能科技有限公司 一种适用于非全向移动车辆的智能导航方法及***
CN105116902A (zh) * 2015-09-09 2015-12-02 北京进化者机器人科技有限公司 一种移动机器人避障导航的方法和***
CN105652876A (zh) * 2016-03-29 2016-06-08 北京工业大学 基于数组地图的移动机器人室内路径规划方法
CN105844364A (zh) * 2016-04-08 2016-08-10 上海派毅智能科技有限公司 基于启发函数的服务机器人最优路径规划方法
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)

* Cited by examiner, † Cited by third party
Title
陈慧岩: "《无人驾驶汽车概论》", 31 July 2014, 北京理工大学出版社 *
黄诚杰 等: "改进型A*算法在智能AGV路径规划中的应用", 《莆田学院学报》 *

Cited By (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
CN109709945B (zh) * 2017-10-26 2022-04-15 深圳市优必选科技有限公司 一种基于障碍物分类的路径规划方法、装置及机器人
CN109709945A (zh) * 2017-10-26 2019-05-03 深圳市优必选科技有限公司 一种基于障碍物分类的路径规划方法、装置及机器人
CN107608364A (zh) * 2017-11-01 2018-01-19 广州供电局有限公司 一种用于数据中心物理设备上下架的智能机器人
CN108363393A (zh) * 2018-02-05 2018-08-03 腾讯科技（深圳）有限公司 一种智能运动设备及其导航方法和存储介质
US11247701B2 (en) 2018-02-05 2022-02-15 Tencent Technology (Shenzhen) Company Ltd Smart moving device, navigation method thereof, and storage medium
CN108534788A (zh) * 2018-03-07 2018-09-14 广州大学 一种基于kinect视觉的AGV导航方法
CN108534788B (zh) * 2018-03-07 2020-06-05 广州大学 一种基于kinect视觉的AGV导航方法
CN108646730A (zh) * 2018-04-13 2018-10-12 北京海风智能科技有限责任公司 一种基于ros的服务机器人及其多目标自主巡航方法
CN108710365A (zh) * 2018-04-19 2018-10-26 五邑大学 一种基于最优路径巡航的水上机器人自动充电方法及装置
CN110411446A (zh) * 2018-04-28 2019-11-05 深圳果力智能科技有限公司 一种机器人的路径规划方法
CN110411446B (zh) * 2018-04-28 2023-09-08 深圳果力智能科技有限公司 一种机器人的路径规划方法
CN108444482A (zh) * 2018-06-15 2018-08-24 东北大学 一种无人机自主寻路避障方法及***
CN108444482B (zh) * 2018-06-15 2021-10-22 东北大学 一种无人机自主寻路避障方法及***
CN110766973A (zh) * 2018-07-27 2020-02-07 比亚迪股份有限公司 智能寻车方法、装置、***、服务器和巡航智能设备
CN109213169A (zh) * 2018-09-20 2019-01-15 湖南万为智能机器人技术有限公司 移动机器人的路径规划方法
CN109708637A (zh) * 2018-10-17 2019-05-03 深圳市科卫泰实业发展有限公司 一种基于牵引机器人的自动导航方法及牵引机器人
CN109528090A (zh) * 2018-11-24 2019-03-29 珠海市微半导体有限公司 一种机器人的区域遍历方法和芯片以及清洁机器人
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
CN109947100B (zh) * 2019-03-12 2022-05-24 深圳优地科技有限公司 路径规划方法、***及终端设备
CN109947100A (zh) * 2019-03-12 2019-06-28 深圳优地科技有限公司 路径规划方法、***及终端设备
CN109964596A (zh) * 2019-04-01 2019-07-05 华南农业大学 一种基于智能机器人的水稻直播装置与方法
CN110403409A (zh) * 2019-07-18 2019-11-05 王东 一种机器人及商品展示方法
CN110530390A (zh) * 2019-09-16 2019-12-03 哈尔滨工程大学 一种在狭窄环境下的非质点车辆路径规划方法
CN110908371A (zh) * 2019-10-31 2020-03-24 山东大学 一种自动巡航电动病床的自主避障与路径规划方法和***
CN110986951A (zh) * 2019-12-11 2020-04-10 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
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
CN112506178B (zh) * 2020-08-25 2023-02-28 深圳银星智能集团股份有限公司 一种机器人控制方法、装置、终端和介质
CN112506178A (zh) * 2020-08-25 2021-03-16 深圳市银星智能科技股份有限公司 一种机器人控制方法、装置、终端和介质
CN112558599B (zh) * 2020-11-06 2024-04-02 深圳拓邦股份有限公司 机器人工作控制方法、装置及机器人
CN112558599A (zh) * 2020-11-06 2021-03-26 深圳拓邦股份有限公司 机器人工作控制方法、装置及机器人
CN112764418A (zh) * 2020-12-25 2021-05-07 珠海市一微半导体有限公司 基于寻径代价的清洁入口位置确定方法、芯片及机器人
CN112799398A (zh) * 2020-12-25 2021-05-14 珠海市一微半导体有限公司 基于寻径代价的清洁路径规划方法、芯片及清洁机器人
CN112764418B (zh) * 2020-12-25 2024-04-02 珠海一微半导体股份有限公司 基于寻径代价的清洁入口位置确定方法、芯片及机器人
CN113171041B (zh) * 2021-05-18 2022-08-23 上海高仙自动化科技发展有限公司 一种目标路径生成方法、装置、设备及存储介质
CN113171041A (zh) * 2021-05-18 2021-07-27 上海高仙自动化科技发展有限公司 一种目标路径生成方法、装置、设备及存储介质
CN115509216A (zh) * 2021-06-21 2022-12-23 广州视源电子科技股份有限公司 路径规划方法、装置、计算机设备和存储介质
CN113552884A (zh) * 2021-07-21 2021-10-26 国电南瑞科技股份有限公司 一种阀厅消防机器人自动导航及避障方法和装置
CN113791627B (zh) * 2021-11-16 2022-02-11 中国科学院自动化研究所 一种机器人导航方法、设备、介质和产品
CN113791627A (zh) * 2021-11-16 2021-12-14 中国科学院自动化研究所 一种机器人导航方法、设备、介质和产品
CN114872051A (zh) * 2022-06-02 2022-08-09 深圳鹏行智能研究有限公司 通行地图获取***、方法、机器人及计算机可读存储介质
CN114872051B (zh) * 2022-06-02 2023-12-26 深圳鹏行智能研究有限公司 通行地图获取***、方法、机器人及计算机可读存储介质

Also Published As

Publication number Publication date
CN106774310B (zh) 2019-11-19

Similar Documents

Publication Publication Date Title
CN106774310B (zh) 一种机器人导航方法
CN104834309B (zh) 基于目标跟踪控制策略的单移动机器人最优巡回控制方法
CN110673612A (zh) 一种自主移动机器人二维码引导控制方法
CN108469823B (zh) 一种基于单应性的移动机器人编队跟随方法
CN108801269B (zh) 一种室内云机器人导航***及方法
CN109708644A (zh) 移动机器人导航方法、装置和移动机器人
CN105487535A (zh) 一种基于ros的移动机器人室内环境探索***与控制方法
CN113359710B (zh) 一种基于los理论的农机路径跟踪方法
CN103737592A (zh) 一种机械手精确控制***及其方法
CN105751200A (zh) 全液压自主移动机械臂的动作方法
CN105751199A (zh) 全液压自主移动机械臂的动作方法
CN109813305A (zh) 基于激光slam的无人叉车
CN113190020A (zh) 一种移动机器人队列***及路径规划、跟随方法
Yang et al. Mobile robot motion control and autonomous navigation in GPS-denied outdoor environments using 3D laser scanning
CN114186859B (zh) 复杂未知环境多机协同多目标任务分配方法
Nazarzehi et al. Decentralized three dimensional formation building algorithms for a team of nonholonomic mobile agents
Sidaoui et al. Collaborative human augmented SLAM
Hyla et al. Automated guided vehicles: the survey
CN113485354A (zh) 一种基于果园地图的异构多机器人定位和控制方法
Hou et al. A Method for Robot Indoor Path Planning Using BIM Based on A* Algorithm
Li et al. Object-aware view planning for autonomous 3-D model reconstruction of buildings using a mobile robot
Wu et al. Development of an omnidirectional AGV by applying ORB-SLAM for navigation under ROS framework
CN118023799B (zh) 一种基于相机的人形焊接机器人自主焊接作业及规划方法
Cao et al. Path Planning for Intelligent Vehicle Based on Improved Ant Colony Algorithm
CN210494423U (zh) 具有智能导航功能的轮椅

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant