CN106949893B - 一种三维避障的室内机器人导航方法和*** - Google Patents
一种三维避障的室内机器人导航方法和*** Download PDFInfo
- Publication number
- CN106949893B CN106949893B CN201710186301.1A CN201710186301A CN106949893B CN 106949893 B CN106949893 B CN 106949893B CN 201710186301 A CN201710186301 A CN 201710186301A CN 106949893 B CN106949893 B CN 106949893B
- Authority
- CN
- China
- Prior art keywords
- global
- sphere
- robot
- node
- binary tree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
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
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种三维避障的室内机器人导航方法和***,其中方法的实现包括:采集机器人的三维模型、初始位置和终点位置,全局三维地图并进行全局路径规划,生成一系列全局路径点,在每一全局路径点处进行三维障碍物碰撞检测,得到最优的全局路径规划;机器人按最优的全局路径规划行进,在行进过程中对下一全局路径点进行三维障碍物碰撞检测,若会发生碰撞,则以实时三维地图为全局三维地图,以实时位置为初始位置重新进行全局路径规划,若不会发生碰撞,则继续行进直至达到终点位置,实现了机器人的自主导航与三维避障。本发明在拥挤的室内环境下也能顺利求解出可行的机器人路径,完成了机器人从初始位置到终点位置的自主导航和三维避障任务。
Description
技术领域
本发明属于计算机视觉领域,更具体地,涉及一种三维避障的室内机器人导航方法和***。
背景技术
近年来,室内移动机器人因其广泛的用途受到研究者们越来越多的关注。室内移动机器人是一个环境感知、动态决策与规划、行为控制与执行等多种功能于一体的综合***。在移动机器人导航过程中关键的一个问题是能否实时完成动态避障进而全局导航任务。目前比较流行的避障方法是利用激光雷达或者惯性测量原件与视觉传感器结合来完成这一任务,但是所需成本较高。随着相机的普及与计算机视觉理论的发展,使用基于纯视觉的方法来完成这一任务成为主流的研究方向。
传统的机器人导航中针对动态障碍物有三种主要的处理方法,一种是使用人工势场法,该方法假设环境中存在的障碍物对物体存在斥力,模仿力学方程求解出可行的无碰撞路径,但该方法一般在二维地图中使用。第二种方法是使用距离传感器,当检测到有障碍物出现时根据距离传感器的反馈控制机器人做出动作规避障碍物,然后检测当前路径相对于规划路径的偏移并校正。第三种方法则是使用一种动态的路径规划算法,该算法在每个时刻都根据当前环境和最新地图进行路径规划。对于我们的方法来说,第一种方法不适用于三维情况,第二种方法则需要附加的传感器,第三种方法计算资源消耗较大。且以上三种方法都不能对三维空间的碰撞进行检测,在拥挤的室内环境下很难成功进行导航。
一般首先使用静态地图进行路径检索并选取合适路径进行规划,但由于场景中可能存在移动的物体导致机器人需要进行动态避障的处理,
目前,机器人导航避障技术已引起机器人研究领域的广泛关注,成为移动机器人研究热点之一。但是由于室内场景越来越复杂导致在场景中很容易出现实时的障碍物,但是由于机器人计算资源的限制,使得机器人难以在导航的同时直接处理实时的障碍物,同时由于机器人需要随时处理出现的动态障碍物,在障碍物出现数量较多的时候难以保证信息获取的准确性。因此解决动态的机器人导航避障问题必须同时平衡导航的策略与障碍物检测。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种三维避障的室内机器人导航方法和***,其目的在于使得机器人即使在拥挤的室内条件下也能顺利规划出可行路径,并随着实时更新的实时三维地图进行动态避障,该方法在无人驾驶、室内定位导航等领域有广泛的应用前景。
为实现上述目的,按照本发明的一个方面,提供了一种三维避障的室内机器人导航方法,包括:
(1)采集机器人的三维模型、机器人行进的初始位置和终点位置,以及包含初始位置和终点位置的全局三维地图;
(2)根据初始位置、终点位置和全局三维地图进行全局路径规划,生成一系列全局路径点,在每一全局路径点处进行三维障碍物碰撞检测,若不会发生碰撞,则得到最优的全局路径规划,若会发生碰撞,则根据初始位置、终点位置和全局三维地图重新进行全局路径规划直至避开障碍物,得到最优的全局路径规划;
(3)机器人按照最优的全局路径规划行进,采集机器人的实时位置,拍摄包含实时位置和下一全局路径点的局部三维地图,利用局部三维地图更新全局三维地图得到实时三维地图;
(4)在行进过程中对下一全局路径点进行三维障碍物碰撞检测,若会发生碰撞,则以实时三维地图为全局三维地图,以机器人实时位置为初始位置,返回步骤(2),若不会发生碰撞,则继续行进直至达到终点位置,实现了机器人的自主导航与三维避障。
进一步的,利用局部三维地图更新全局三维地图得到实时三维地图是指利用局部三维地图更新全局三维地图得到实时的全局三维地图。
进一步的,三维障碍物碰撞检测的具体实现方式为:
利用机器人的三维模型构建模型二叉树结构,利用全局三维地图构建全局二叉树结构,计算全局路径点处模型二叉树结构的球体和全局二叉树结构的球体之间的球心距离,若该距离大于等于模型二叉树结构和全局二叉树结构之间的距离,则三维模型和全局三维地图没有相交,不会发生碰撞,否则会发生碰撞。
更进一步的,进行三维障碍物碰撞检测之前所述方法还包括将机器人的三维模型划分成二维模型,对二维模型进行二维障碍物碰撞检测。
按照本发明的另一方面,提供了一种三维避障的室内机器人导航***,包括:
第一模块,用于采集机器人的三维模型、机器人行进的初始位置和终点位置,以及包含初始位置和终点位置的全局三维地图;
第二模块,用于根据初始位置、终点位置和全局三维地图进行全局路径规划,生成一系列全局路径点,在每一全局路径点处进行三维障碍物碰撞检测,若不会发生碰撞,则得到最优的全局路径规划,若会发生碰撞,则根据初始位置、终点位置和全局三维地图重新进行全局路径规划直至避开障碍物,得到最优的全局路径规划;
第三模块,用于使机器人按照最优的全局路径规划行进,采集机器人的实时位置,拍摄包含实时位置和下一全局路径点的局部三维地图,利用局部三维地图更新全局三维地图得到实时三维地图;
第四模块,用于在行进过程中对下一全局路径点进行三维障碍物碰撞检测,若会发生碰撞,则以实时三维地图为全局三维地图,以机器人实时位置为初始位置,执行第二模块,若不会发生碰撞,则继续行进直至达到终点位置,实现了机器人的自主导航与三维避障。
进一步的,三维障碍物碰撞检测的具体实现方式为:
利用机器人的三维模型构建模型二叉树结构,利用全局三维地图构建全局二叉树结构,计算全局路径点处模型二叉树结构的球体和全局二叉树结构的球体之间的球心距离,若该距离大于等于模型二叉树结构和全局二叉树结构之间的距离,则三维模型和全局三维地图没有相交,不会发生碰撞,否则会发生碰撞。
更进一步的,进行三维障碍物碰撞检测之前所述方法还包括将机器人的三维模型划分成二维模型,对二维模型进行二维障碍物碰撞检测。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下优点:
1、采集机器人的三维模型、初始位置和终点位置,全局三维地图,局部三维地图和机器人的实时位置,本发明所需要的数据形式单一、采集方便;
2、本发明在所有全局路径点处进行三维障碍物碰撞检测,得到最优的全局路径规划,即使在拥挤的室内环境下也能顺利求解出可行的机器人路径,完成了机器人从初始位置到终点位置的自主导航和三维避障任务。
附图说明
图1是一种三维避障的室内机器人导航方法的流程图;
图2是三维障碍物碰撞检测的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,本发明提供的一种三维避障的室内机器人导航方法,包括以下步骤:
(1)采集机器人的三维模型、机器人行进的初始位置和终点位置,以及包含初始位置和终点位置的全局三维地图;
(2)根据初始位置、终点位置和全局三维地图进行全局路径规划,生成一系列全局路径点,在每一全局路径点处进行三维障碍物碰撞检测,若不会发生碰撞,则得到最优的全局路径规划,若会发生碰撞,则根据初始位置、终点位置和全局三维地图重新进行全局路径规划直至避开障碍物,得到最优的全局路径规划;
(3)机器人按照最优的全局路径规划行进,采集机器人的实时位置,拍摄包含实时位置和下一全局路径点的局部三维地图,利用局部三维地图更新全局三维地图得到实时三维地图;
(4)在行进过程中对下一全局路径点进行三维障碍物碰撞检测,若会发生碰撞,则以实时三维地图为全局三维地图,以机器人实时位置为初始位置,返回步骤(2),若不会发生碰撞,则继续行进直至达到终点位置,实现了机器人的自主导航与三维避障。
优选地,使用RGB-D相机结合SLAM算法获取局部三维地图和机器人的实时位置。
优选的,在本发明的第一个实施例中,使用A*算法对机器人进行全局路径规划。
优选地,在本发明的第二个实施例中,使用ARA*算法机器人进行全局路径规划;ARA*算法是A*算法的改进版,与A*算法相比,它计算速度更快,所耗计算资源更少。
如图2所示,三维障碍物碰撞检测的具体实现方式为:
利用机器人的三维模型构建模型二叉树结构,利用全局三维地图构建全局二叉树结构,计算全局路径点处模型二叉树结构的球体和全局二叉树结构的球体之间的球心距离,若该距离大于等于模型二叉树结构和全局二叉树结构之间的距离,则三维模型和全局三维地图没有相交,不会发生碰撞,否则会发生碰撞。具体包括以下步骤:
(2-1)机器人在每一全局路径点处的三维模型表面由N个二维多边形组成,遍历机器人三维模型表面的N个多边形,对N个多边形使用启发式的算法得到N个基元球体;
(2-2)使用启发式的算法得到一个能将N个基元球体包围的大球体;
(2-3)使用宽度优先算法构建一个模型二叉树结构,使用大球体作为模型二叉树结构的根节点,父节点表示一个能将n个基元球体包围的父球体,子节点表示一个能将n/2个基元球体包围的子球体,最底层节点表示一个能将1个基元球体包围的最底层球体,n≤N;
(2-4)全局三维地图表面由N个全局二维多边形组成,遍历全局三维地图表面的N个全局多边形,对N个全局多边形使用启发式的算法得到N个全局基元球体;使用启发式的算法得到一个能将N个全局基元球体包围的全局大球体;
(2-5)使用宽度优先算法构建一个全局二叉树结构,使用全局大球体作为全局二叉树结构的全局根节点,全局父节点表示一个能将n个全局基元球体包围的全局父球体,全局子节点表示一个能将n/2个全局基元球体包围的全局子球体,全局最底层节点表示一个能将1个全局基元球体包围的全局最底层球体,n≤N;
(2-6)设置模型二叉树结构和全局二叉树结构之间的距离为无穷大,从模型二叉树结构和全局二叉树结构中分别选取节点;
(2-7)计算选取节点对应的球体之间的球心距离,若该距离大于等于模型二叉树结构和全局二叉树结构之间的距离,则三维模型和全局三维地图没有相交,机器人不会发生碰撞,流程结束。否则检查两个节点是否都是最底层节点,若是,则进入步骤(2-8),若不是,则进入步骤(2-10);
(2-8)检查选定两个节点代表的球体所包覆的多边形是否在三维空间相交,若是,则确认机器人和全局三维地图将发生碰撞,否则设置两个节点代表的球体所包覆的多边形之间的距离为机器人模型二叉树结构和全局二叉树结构之间的距离;
(2-9)从机器人模型二叉树结构和全局二叉树结构中未检索过的节点中各取一个节点并选定,返回步骤(2-7)。
(2-10)比较两个节点在模型二叉树结构和全局二叉树结构中的层级,若相同,则随机选取一个节点,否则选取层级较高的节点,选取节点的两个子节点并比较两个子节点与另一选定节点代表的球体之间的距离,选取距离较近的子节点代替其父节点,返回步骤(2-7)。
更进一步的,进行三维障碍物碰撞检测之前所述方法还包括将机器人的三维模型划分成二维模型,对二维模型进行二维障碍物碰撞检测。
按照本发明的另一方面,提供了一种三维避障的室内机器人导航***,包括:
第一模块,用于采集机器人的三维模型、机器人行进的初始位置和终点位置,以及包含初始位置和终点位置的全局三维地图;
第二模块,用于根据初始位置、终点位置和全局三维地图进行全局路径规划,生成一系列全局路径点,在每一全局路径点处进行三维障碍物碰撞检测,若不会发生碰撞,则得到最优的全局路径规划,若会发生碰撞,则根据初始位置、终点位置和全局三维地图重新进行全局路径规划直至避开障碍物,得到最优的全局路径规划;
第三模块,用于使机器人按照最优的全局路径规划行进,采集机器人的实时位置,拍摄包含实时位置和下一全局路径点的局部三维地图,利用局部三维地图更新全局三维地图得到实时三维地图;
第四模块,用于在行进过程中对下一全局路径点进行三维障碍物碰撞检测,若会发生碰撞,则以实时三维地图为全局三维地图,以机器人实时位置为初始位置,执行第二模块,若不会发生碰撞,则继续行进直至达到终点位置,实现了机器人的自主导航与三维避障。
进一步的,三维障碍物碰撞检测的具体实现方式为:
利用机器人的三维模型构建模型二叉树结构,利用全局三维地图构建全局二叉树结构,计算全局路径点处模型二叉树结构的球体和全局二叉树结构的球体之间的球心距离,若该距离大于等于模型二叉树结构和全局二叉树结构之间的距离,则三维模型和全局三维地图没有相交,不会发生碰撞,否则会发生碰撞。
更进一步的,进行三维障碍物碰撞检测之前所述方法还包括将机器人的三维模型划分成二维模型,对二维模型进行二维障碍物碰撞检测。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种三维避障的室内机器人导航方法,其特征在于,包括:
(1)采集机器人的三维模型、机器人行进的初始位置和终点位置,以及包含初始位置和终点位置的全局三维地图;
(2)根据初始位置、终点位置和全局三维地图进行全局路径规划,生成一系列全局路径点,在每一全局路径点处进行三维障碍物碰撞检测,若不会发生碰撞,则得到最优的全局路径规划,若会发生碰撞,则根据初始位置、终点位置和全局三维地图重新进行全局路径规划直至避开障碍物,得到最优的全局路径规划;
(3)机器人按照最优的全局路径规划行进,采集机器人的实时位置,拍摄包含实时位置和下一全局路径点的局部三维地图,利用局部三维地图更新全局三维地图得到实时三维地图;
(4)在行进过程中对下一全局路径点进行三维障碍物碰撞检测,若会发生碰撞,则以实时三维地图为全局三维地图,以机器人实时位置为初始位置,返回步骤(2),若不会发生碰撞,则继续行进直至达到终点位置,实现了机器人的自主导航与三维避障;
所述三维障碍物碰撞检测的具体实现方式为:
(2-1)机器人在每一全局路径点处的三维模型表面由N个二维多边形组成,遍历机器人三维模型表面的N个多边形,对N个多边形使用启发式的算法得到N个基元球体;
(2-2)使用启发式的算法得到一个能将N个基元球体包围的大球体;
(2-3)使用宽度优先算法构建一个模型二叉树结构,使用大球体作为模型二叉树结构的根节点,父节点表示一个能将n个基元球体包围的父球体,子节点表示一个能将n/2个基元球体包围的子球体,最底层节点表示一个能将1个基元球体包围的最底层球体,n≤N;
(2-4)全局三维地图表面由N个全局二维多边形组成,遍历全局三维地图表面的N个全局多边形,对N个全局多边形使用启发式的算法得到N个全局基元球体;使用启发式的算法得到一个能将N个全局基元球体包围的全局大球体;
(2-5)使用宽度优先算法构建一个全局二叉树结构,使用全局大球体作为全局二叉树结构的全局根节点,全局父节点表示一个能将n个全局基元球体包围的全局父球体,全局子节点表示一个能将n/2个全局基元球体包围的全局子球体,全局最底层节点表示一个能将1个全局基元球体包围的全局最底层球体,n≤N;
(2-6)设置模型二叉树结构和全局二叉树结构之间的距离为无穷大,从模型二叉树结构和全局二叉树结构中分别选取节点;
(2-7)计算选取节点对应的球体之间的球心距离,若该距离大于等于模型二叉树结构和全局二叉树结构之间的距离,则三维模型和全局三维地图没有相交,机器人不会发生碰撞,流程结束,否则检查两个节点是否都是最底层节点,若是,则进入步骤(2-8),若不是,则进入步骤(2-10);
(2-8)检查选定两个节点代表的球体所包覆的多边形是否在三维空间相交,若是,则确认机器人和全局三维地图将发生碰撞,否则设置两个节点代表的球体所包覆的多边形之间的距离为机器人模型二叉树结构和全局二叉树结构之间的距离;
(2-9)从机器人模型二叉树结构和全局二叉树结构中未检索过的节点中各取一个节点并选定,返回步骤(2-7);
(2-10)比较两个节点在模型二叉树结构和全局二叉树结构中的层级,若相同,则随机选取一个节点,否则选取层级较高的节点,选取节点的两个子节点并比较两个子节点与另一选定节点代表的球体之间的距离,选取距离较近的子节点代替其父节点,返回步骤(2-7)。
2.一种三维避障的室内机器人导航***,其特征在于,包括:
第一模块,用于采集机器人的三维模型、机器人行进的初始位置和终点位置,以及包含初始位置和终点位置的全局三维地图;
第二模块,用于根据初始位置、终点位置和全局三维地图进行全局路径规划,生成一系列全局路径点,在每一全局路径点处进行三维障碍物碰撞检测,若不会发生碰撞,则得到最优的全局路径规划,若会发生碰撞,则根据初始位置、终点位置和全局三维地图重新进行全局路径规划直至避开障碍物,得到最优的全局路径规划;
第三模块,用于使机器人按照最优的全局路径规划行进,采集机器人的实时位置,拍摄包含实时位置和下一全局路径点的局部三维地图,利用局部三维地图更新全局三维地图得到实时三维地图;
第四模块,用于在行进过程中对下一全局路径点进行三维障碍物碰撞检测,若会发生碰撞,则以实时三维地图为全局三维地图,以机器人实时位置为初始位置,执行第二模块,若不会发生碰撞,则继续行进直至达到终点位置,实现了机器人的自主导航与三维避障;
所述三维障碍物碰撞检测的具体实现方式为:
(2-1)机器人在每一全局路径点处的三维模型表面由N个二维多边形组成,遍历机器人三维模型表面的N个多边形,对N个多边形使用启发式的算法得到N个基元球体;
(2-2)使用启发式的算法得到一个能将N个基元球体包围的大球体;
(2-3)使用宽度优先算法构建一个模型二叉树结构,使用大球体作为模型二叉树结构的根节点,父节点表示一个能将n个基元球体包围的父球体,子节点表示一个能将n/2个基元球体包围的子球体,最底层节点表示一个能将1个基元球体包围的最底层球体,n≤N;
(2-4)全局三维地图表面由N个全局二维多边形组成,遍历全局三维地图表面的N个全局多边形,对N个全局多边形使用启发式的算法得到N 个全局基元球体;使用启发式的算法得到一个能将N个全局基元球体包围的全局大球体;
(2-5)使用宽度优先算法构建一个全局二叉树结构,使用全局大球体作为全局二叉树结构的全局根节点,全局父节点表示一个能将n个全局基元球体包围的全局父球体,全局子节点表示一个能将n/2个全局基元球体包围的全局子球体,全局最底层节点表示一个能将1个全局基元球体包围的全局最底层球体,n≤N;
(2-6)设置模型二叉树结构和全局二叉树结构之间的距离为无穷大,从模型二叉树结构和全局二叉树结构中分别选取节点;
(2-7)计算选取节点对应的球体之间的球心距离,若该距离大于等于模型二叉树结构和全局二叉树结构之间的距离,则三维模型和全局三维地图没有相交,机器人不会发生碰撞,流程结束,否则检查两个节点是否都是最底层节点,若是,则进入步骤(2-8),若不是,则进入步骤(2-10);
(2-8)检查选定两个节点代表的球体所包覆的多边形是否在三维空间相交,若是,则确认机器人和全局三维地图将发生碰撞,否则设置两个节点代表的球体所包覆的多边形之间的距离为机器人模型二叉树结构和全局二叉树结构之间的距离;
(2-9)从机器人模型二叉树结构和全局二叉树结构中未检索过的节点中各取一个节点并选定,返回步骤(2-7);
(2-10)比较两个节点在模型二叉树结构和全局二叉树结构中的层级,若相同,则随机选取一个节点,否则选取层级较高的节点,选取节点的两个子节点并比较两个子节点与另一选定节点代表的球体之间的距离,选取距离较近的子节点代替其父节点,返回步骤(2-7)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710186301.1A CN106949893B (zh) | 2017-03-24 | 2017-03-24 | 一种三维避障的室内机器人导航方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710186301.1A CN106949893B (zh) | 2017-03-24 | 2017-03-24 | 一种三维避障的室内机器人导航方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106949893A CN106949893A (zh) | 2017-07-14 |
CN106949893B true CN106949893B (zh) | 2019-05-21 |
Family
ID=59472817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710186301.1A Active CN106949893B (zh) | 2017-03-24 | 2017-03-24 | 一种三维避障的室内机器人导航方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106949893B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110491509A (zh) * | 2019-07-01 | 2019-11-22 | 珠海格力电器股份有限公司 | 医用机器人、医疗服务方法及存储介质 |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107515602A (zh) * | 2017-07-27 | 2017-12-26 | 无锡昊瑜节能环保设备有限公司 | 一种节能型扫地机器人的无线充电控制方法 |
CN109144237B (zh) * | 2017-08-10 | 2021-03-16 | 湖南超能机器人技术有限公司 | 一种机器人多通道人机交互式导航方法 |
CN108733045B (zh) * | 2017-09-29 | 2022-01-04 | 北京猎户星空科技有限公司 | 机器人及其避障方法以及计算机可读存储介质 |
CN108733065B (zh) * | 2017-09-29 | 2021-06-04 | 北京猎户星空科技有限公司 | 一种机器人的避障方法、装置及机器人 |
CN109696909B (zh) * | 2017-10-23 | 2022-04-15 | 深圳市优必选科技有限公司 | 足式机器人路径规划方法及装置 |
CN107885194B (zh) * | 2017-11-10 | 2020-10-20 | 广东工业大学 | 一种无人探索装置及其控制方法、*** |
CN108226938B (zh) * | 2017-12-08 | 2021-09-21 | 华南理工大学 | 一种agv小车的定位***和方法 |
CN109895088B (zh) * | 2017-12-10 | 2022-05-31 | 湖南特辉电力科技有限公司 | 一种机器人驱动装置 |
CN108544490B (zh) * | 2018-01-05 | 2021-02-23 | 广东雷洋智能科技股份有限公司 | 无人驾驶智能机器人道路避障方法 |
CN108334080B (zh) * | 2018-01-18 | 2021-01-05 | 大连理工大学 | 一种针对机器人导航的虚拟墙自动生成方法 |
CN108469814A (zh) * | 2018-02-08 | 2018-08-31 | 广东雷洋智能科技股份有限公司 | 应用于家庭服务机器人的路径巡航方法 |
CN108762255A (zh) * | 2018-05-03 | 2018-11-06 | 南京理工大学 | 一种室内智能移动机器人及控制方法 |
CN108848542A (zh) * | 2018-05-04 | 2018-11-20 | 广东数相智能科技有限公司 | 一种图书整理数据上传方法、电子设备及存储介质 |
CN109238296B (zh) * | 2018-08-16 | 2022-03-22 | 佛山科学技术学院 | 一种高精度室内导航方法及装置 |
CN109213155B (zh) * | 2018-08-21 | 2021-09-14 | 北京云迹科技有限公司 | 用于多机器人相互避让的调度方法、装置及服务器 |
CN109960261B (zh) * | 2019-03-22 | 2020-07-03 | 北京理工大学 | 一种基于碰撞检测的动态障碍物避让方法 |
US11054273B2 (en) * | 2019-03-27 | 2021-07-06 | Rapyuta Robotics Co., Ltd. | Generating a 2D-navigation map for collision-free navigation by multiple robots |
CN110118558A (zh) * | 2019-04-25 | 2019-08-13 | 芜湖智久机器人有限公司 | 一种agv叉车的包络构建方法、装置及存储器 |
CN110000793B (zh) * | 2019-04-29 | 2024-07-16 | 武汉库柏特科技有限公司 | 一种机器人运动控制方法、装置、存储介质和机器人 |
CN110146085B (zh) * | 2019-05-30 | 2022-04-19 | 中国人民解放军国防科技大学 | 基于建图和快速探索随机树的无人机实时规避重规划方法 |
CN110262518B (zh) * | 2019-07-22 | 2021-04-02 | 上海交通大学 | 基于轨迹拓扑地图和避障的车辆导航方法、***及介质 |
CN112296981B (zh) * | 2019-07-26 | 2022-07-19 | 湖南早晨纳米机器人有限公司 | 一种微纳米机器人的驱动***和驱动方法 |
CN110955242B (zh) * | 2019-11-22 | 2023-04-14 | 深圳市优必选科技股份有限公司 | 机器人导航方法、***、机器人及存储介质 |
CN110940341B (zh) * | 2019-12-31 | 2022-04-22 | 达闼机器人有限公司 | 路径规划方法、机器人及计算机可读存储介质 |
CN111515953B (zh) * | 2020-04-29 | 2021-09-03 | 北京阿丘机器人科技有限公司 | 路径规划方法、装置及电子设备 |
CN113741507A (zh) * | 2020-05-29 | 2021-12-03 | 广州极飞科技股份有限公司 | 无人机的全局路径轨迹规划方法、装置、无人机及设备 |
CN112539749B (zh) * | 2020-06-30 | 2023-09-08 | 深圳优地科技有限公司 | 机器人导航方法、机器人、终端设备及存储介质 |
CN111993425B (zh) * | 2020-08-25 | 2021-11-02 | 深圳市优必选科技股份有限公司 | 一种避障方法、装置、机械臂及存储介质 |
CN111982127A (zh) * | 2020-08-31 | 2020-11-24 | 华通科技有限公司 | LightWeight-3D避障方法 |
CN112363511A (zh) * | 2020-11-23 | 2021-02-12 | 上海欧菲智能车联科技有限公司 | 车辆路径规划方法、装置、车载装置及存储介质 |
CN113031592A (zh) * | 2021-02-25 | 2021-06-25 | 杭州国辰机器人科技有限公司 | 一种基于五阶贝塞尔曲线的机器人路径平滑方法及*** |
CN116758209A (zh) * | 2022-03-04 | 2023-09-15 | 华为技术有限公司 | 一种空间指示方法及通信装置 |
CN115014375B (zh) * | 2022-06-06 | 2023-11-03 | 北京京深深向科技有限公司 | 碰撞检测方法、装置及电子设备、存储介质 |
CN115454061B (zh) * | 2022-08-31 | 2024-03-29 | 安徽机电职业技术学院 | 一种基于3d技术的机器人路径避障方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101122800A (zh) * | 2007-08-24 | 2008-02-13 | 北京航空航天大学 | 一种复合式视觉导航方法与装置 |
CN102866706A (zh) * | 2012-09-13 | 2013-01-09 | 深圳市银星智能科技股份有限公司 | 一种采用智能手机导航的清扫机器人及其导航清扫方法 |
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 |
CN105867381A (zh) * | 2016-04-25 | 2016-08-17 | 广西大学 | 一种基于概率地图的工业机器人路径搜索优化算法 |
CN105955273A (zh) * | 2016-05-25 | 2016-09-21 | 速感科技(北京)有限公司 | 室内机器人导航***及方法 |
-
2017
- 2017-03-24 CN CN201710186301.1A patent/CN106949893B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101122800A (zh) * | 2007-08-24 | 2008-02-13 | 北京航空航天大学 | 一种复合式视觉导航方法与装置 |
CN102866706A (zh) * | 2012-09-13 | 2013-01-09 | 深圳市银星智能科技股份有限公司 | 一种采用智能手机导航的清扫机器人及其导航清扫方法 |
CN105867381A (zh) * | 2016-04-25 | 2016-08-17 | 广西大学 | 一种基于概率地图的工业机器人路径搜索优化算法 |
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 |
CN105955273A (zh) * | 2016-05-25 | 2016-09-21 | 速感科技(北京)有限公司 | 室内机器人导航***及方法 |
Non-Patent Citations (1)
Title |
---|
基于Android的机器人移动算法及远程监控研究;王梦瑶;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170215(第2期);21-31 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110491509A (zh) * | 2019-07-01 | 2019-11-22 | 珠海格力电器股份有限公司 | 医用机器人、医疗服务方法及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106949893A (zh) | 2017-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106949893B (zh) | 一种三维避障的室内机器人导航方法和*** | |
CN103994768B (zh) | 动态时变环境下寻求全局时间最优路径的方法及*** | |
Taylor et al. | Vision-based motion planning and exploration algorithms for mobile robots | |
CN102609942B (zh) | 使用深度图进行移动相机定位 | |
Hao et al. | Dynamic path planning of a three-dimensional underwater AUV based on an adaptive genetic algorithm | |
TW201801965A (zh) | 自動車移動規劃技術以及可重組配之移動規劃處理器 | |
CN109643127A (zh) | 构建地图、定位、导航、控制方法及***、移动机器人 | |
CN110335337A (zh) | 一种基于端到端半监督生成对抗网络的视觉里程计的方法 | |
JP2019500693A (ja) | 自律視覚ナビゲーション | |
CN106873599A (zh) | 基于蚁群算法和极坐标变换的无人自行车路径规划方法 | |
CN110471426A (zh) | 基于量子狼群算法的无人驾驶智能车自动避碰方法 | |
CN108088445A (zh) | 基于八叉树表示的三维栅格地图路径规划***及方法 | |
CN108805327A (zh) | 基于虚拟现实的机器人路径规划与环境重建的方法和*** | |
CN104992466B (zh) | 一种三维场景的即时寻径方法 | |
CN112304314B (zh) | 一种分布式多机器人的导航方法 | |
CN116518960B (zh) | 路网更新方法、装置、电子设备和存储介质 | |
CN112947594A (zh) | 一种面向无人机的航迹规划方法 | |
Chen et al. | Dynamic obstacle avoidance for UAVs using a fast trajectory planning approach | |
CN109885082A (zh) | 一种基于任务驱动下的无人机航迹规划的方法 | |
Chandrawati et al. | A review of firefly algorithms for path planning, vehicle routing and traveling salesman problems | |
CN106679647A (zh) | 用于初始化自主移动式设备位姿的方法及装置 | |
Scholer et al. | Configuration space and visibility graph generation from geometric workspaces for uavs | |
Wooden | Graph-based path planning for mobile robots | |
CN115129064A (zh) | 基于改进萤火虫算法与动态窗口法融合的路径规划方法 | |
Shangguan et al. | Interactive perception-based multiple object tracking via CVIS and AV |
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 |