CN107037812A - 一种基于仓储无人车的车辆路径规划方法 - Google Patents
一种基于仓储无人车的车辆路径规划方法 Download PDFInfo
- Publication number
- CN107037812A CN107037812A CN201710209283.4A CN201710209283A CN107037812A CN 107037812 A CN107037812 A CN 107037812A CN 201710209283 A CN201710209283 A CN 201710209283A CN 107037812 A CN107037812 A CN 107037812A
- Authority
- CN
- China
- Prior art keywords
- node
- unmanned vehicle
- path
- topological
- path planning
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 title claims abstract description 43
- 230000004888 barrier function Effects 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims description 23
- 230000007613 environmental effect Effects 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000000644 propagated effect Effects 0.000 claims description 5
- 238000000151 deposition Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 claims description 3
- 238000005204 segregation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research 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
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于仓储无人车的车辆路径规划方法。该方法首先确定仓储环境下无人车的运行节点,制作基于该环境的拓扑地图;然后通过对传统A*算法的改进,以离线的方式计算出无人车从起点至目标点的最短路径;在无人车进行路径跟踪的过程中,同时以自身携带的传感器探测路径上是否有障碍物,若有障碍物且障碍物未完全阻碍通行,则切换至人工势场法进行在线实时避障;若障碍物完全阻碍通行,则切换至A*算法重新规划路径,直至无人车到达目标点。该方法不但可以充分利用已知信息生成全局最优路径,而且能够对路径上的随机障碍物进行有效避障。
Description
技术领域
本发明属于路径规划技术,特别是一种基于仓储无人车的车辆路径规划方法。
背景技术
随着物联网的快速发展,智能仓储也变得尤为重要。大型仓库的库房众多、货物繁多,道路情况复杂,如何在这复杂的环境中快速有效地寻找货物就显的尤为突出,为解决该问题,仓储无人车应运而生。仓储无人车是指装有自动导引装置,能够沿着指定的路径行进,能够智能控制运行动作,具有安全保护装置的具有搬运功能的小车。
在无人车相关技术的研究方面,路径规划技术是一个重要课题。根据无人车对环境信息感知程度的不同,路径规划分为两种:环境信息完全知道的全局路径规划和环境信息完全未知或局部未知的局部路径规划。全局路径规划一般离线进行,通常可以通过设定合适的启发函数,全面评估各节点的代价值,通过比较各扩展节点代价值的大小,选择最有希望的点加以扩展,直到找到目标节点为止(1.李伟光,苏霞.基于改进A*算法的AGV路径规划[J].现代制造工程,2015(10):33-36.2.李季,孙秀霞.基于改进A-Star算法的无人机航迹规划算法研究[J].兵工学报,2008,29(7):788-792.)。局部路径规划可以采用模仿引力斥力下物体运动的方法,目标点和运动体间为引力,运动体和障碍物间为斥力,通过建立引力场、斥力场函数进行路径寻优(3.谭宝成,崔佳超.改进人工势场法在无人车避障中的应用[J].西安工业大学学报,2014(12):1007-1011.4.Sciavicco L,Siciliano B.Asolution algorithm to the inverse kinematic problem for redundantmanipulators[J].Robotics&Automation IEEE Journal of,2010,4(4):403-410.)。但此类方法通常计算量较大,定位难度高,而且单一运用全局路径规划或局部路径规划方法,灵活性差,无法同时解决寻优和避障的问题。
发明内容
本发明的目的在于提供一种将无人车全局路径规划和局部路径规划相结合,从而在寻找最优路径的同时能够有效躲避障碍物的路径规划方法。
实现本发明目的的技术解决方案为:一种基于仓储无人车的车辆路径规划方法,步骤如下:
第一步,制作仓储环境拓扑地图,即采集仓储环境无人车可行路径与货架的相对位置,根据采集到的信息,设置无人车可以到达的节点,然后根据节点信息创建基于拓扑地图的邻接矩阵;
第二步,离线进行全局路径规划,即采用改进后A*算法,以离线的方式计算出从起始点至目标点的最优路径;
第三步,路径跟踪,即以无人车自身携带的循迹模块对离线规划出的最优路径进行跟踪;
第四步,探测并采集随机障碍物信息,判断路径环境,根据障碍物信息进行全局路径规划和局部路径规划两种算法之间的切换;
第五步,车辆按照第四步规划的路径行驶,在行驶过程中按照局部路径规划算法躲避随机障碍物,达到局部避障的目的。
本发明与现有技术相比,其显著优点为:1)在全局路径规划工程中,优化拓扑节点,使得计算量减少,效率更高;2)在路径跟踪过程中,只需寻找规划好的拓扑节点即可,因此可以采用循迹的方式进行路径跟踪,使得定位更加准确;3)将全局路径规划与局部路径规划相结合,在寻找最优路径的同时可以进行局部避障,使无人车的运行更灵活,在遇到障碍物时运行距离更短,提高了仓储无人车的工作效率。
下面结合附图对本发明作进一步详细描述。
附图说明
图1是本发明基于仓储无人车的车辆路径规划方法的流程图。
图2是仓储环境的示意图。
图3是创建的拓扑地图。
图4是全局路径规划的流程图。
图5是全局路径规划的结果图。
图6是无人车避障时的结果图。
图7是无人车遇到无法绕过的障碍物时重新进行全局路径规划的结果图。
具体实施方式
结合附图,本发明的一种基于仓储无人车的车辆路径规划方法,步骤如下:
步骤1、制作仓储环境拓扑地图,具体是采集仓储环境无人车可行路径与货架的相对位置,根据采集到的信息,设置无人车可以到达的节点,然后根据节点信息创建基于拓扑地图的邻接矩阵;所述制作仓储环境拓扑地图步骤如下:
步骤1-1、采集环境地图信息,以环境地图中每个路口拐点及无人车需要停靠的点作为拓扑节点,与该拓扑节点相通的道路作为拓扑边,将环境地图抽象为由拓扑节点和拓扑边组成的拓扑地图,该拓扑地图用符号表示为G=(V,E),其中V为节点集合,E为连接节点的边的集合;
步骤1-2、用邻接矩阵来表示各节点之间的关系,若拓扑地图中共有n个拓扑节点v1,v2,…,vn,则该邻接矩阵是一个n×n的矩阵,通过赋予各条边不同的属性,以区分可通行路径和不可通行路径,将可通行路径的权值属性设为1,不可通行路径的权值属性设为0;该邻接矩阵中的第(i,j)个元素aij表示为
步骤2、离线进行全局路径规划,即采用改进后A*算法,以离线的方式计算出从起始点至目标点的最优路径;所述离线进行全局路径规划步骤如下:
步骤2-1、采用A*算法,对每个道路节点设计一个估价函数,如下式所示:
f(s)=g(s)+h(s)
式中,f(s)表示从起始节点经过节点s到达目标节点的估计长度,g(s)表示从起始节点到当前节点的路径长度,h(s)为启发函数,是当前节点到目标节点的估计值;
其中估价函数的设计方法为:
步骤2-1-1、记录从起始节点到当前节点的路径长度g(s);
步骤2-1-2、确定启发函数h(s),其中A*算法一定能搜索到最优路径的前提条件为:
h(s)≤cost*(s,sgoal)
式中,cost*(s,sgoal)为当前节点到目标节点的最优距离,满足上式的h(s)值越大,则扩展节点越少;
所述启发函数h(s)为欧几里德距离函数,对于给定的两个位置坐标(xi,yi)和(xj,yj),它们的欧几里德距离de如下式所示:
步骤2-1-3、确定估价函数,如下式所示:
f(s)=g(s)+h(s)。
步骤2-2、创建OPEN和CLOSED两个集合来管理道路节点,其中OPEN集合用于存放扩展过的道路节点的子节点,这些节点属于待扩展节点;CLOSED集合用于存放扩展过的节点;
步骤2-3、进行全局路径规划,每次都从OPEN集合中选择f(s)值最小的节点s进行扩展,节点s被扩展到的子节点存放于OPEN集合中;节点s扩展完成后,从OPEN集合中移到CLOSED集合中;之后循环上述过程,直到扩展到目标节点或者OPEN集合为空时,终止算法,记录规划出的路径。
步骤3、对路径进行跟踪,即以无人车自身携带的循迹模块对离线规划出的最优路径进行跟踪;
步骤4、探测并采集随机障碍物信息,判断路径环境,根据障碍物信息进行全局路径规划和局部路径规划两种算法之间的切换;具体步骤如下:
步骤4-1、无人车通过自身携带的超声波模块,实时探测路径上的随机障碍物,生成障碍边界以及相对位置信息;
步骤4-2、通过传感器采集到的障碍物信息,对道路环境进行判断,并根据判断结果进行全局路劲规划和局部路径规划算法间的切换;具体为:
设置无人车与障碍物之间的安全距离,若障碍物边界与墙壁之间距离小于该安全距离,认为无人车无法绕过,则以当前无人车所在拓扑节点为起始点,并且设置该拓扑节点与下一节点之间的拓扑边为不可通行,更新邻接矩阵,返回步骤2重新规划全局路径;若障碍物边界与墙壁之间距离大于安全距离,则切换至步骤5执行局部路径规划算法进行避障。
步骤5、车辆按照步骤4规划的路径行驶,在行驶过程中按照局部路径规划算法躲避随机障碍物,达到局部避障的目的。具体步骤如下:
步骤5-1、建立局部路径规划的起始点以及终点,具体以无人车当前所处节点为起始点,以全局路径规划中该节点的下一节点终点;
步骤5-2、根据无人车尺寸,确定障碍物作用域;
步骤5-3、建立人工势场法的引力势场函数和斥力势场函数,进行局部避障;具体步骤如下:
步骤5-3-1、建立引力势场函数Uatt,公式如下:
式中:Ka为引力势场常量,Qc为无人车地球坐标系位置向量,Qg为地球坐标系中目标点的位置向量;
步骤5-3-2、建立斥力势场函数Urep,公式如下:
式中:Kr为斥力势场常量,ρ(Qc,Qobs)为无人车与障碍物的相对距离,D为安全距离。
本发明将全局路径规划与局部路径规划相结合,在寻找最优路径的同时可以进行局部避障,使无人车的运行更灵活,在遇到障碍物时运行距离更短,提高了仓储无人车的工作效率。
下面结合实施例对本发明做进一步详细的描述。
实施例
结合图1,本发明基于仓储无人车的车辆路径规划方法,具体实施步骤如下:
步骤1、制作仓储环境拓扑地图,如图2所示为仓储环境的示意地图,图中矩形代表货架,采集仓储环境无人车可行路径与货架的相对位置,根据采集到的信息,设置无人车可以到达的节点,然后根据节点信息创建基于拓扑地图的邻接矩阵;
步骤1-1、如图3所示,采集环境地图信息,以环境地图中每个路口拐点及无人车需要停靠的点作为一个拓扑节点,与该拓扑节点相通的道路作为一条拓扑边,因此可将环境地图抽象为由拓扑节点和拓扑边组成的拓扑地图,该拓扑地图用符号可以表示为G=(V,E),其中V为节点集合,E为连接节点的边的集合,在该仓储环境中,可设置如图3所示A至O共15个拓扑节点,即矩阵
V=[0.5,0.5;2.5,0.5;4.5,0.5;0.5,2.5;2.5,2.5;4.5,2.5;5.5,2.5;0.5,4.5;2.5,4.5;4.5,4.5;5.5,4.5;0.5,6.5;2.5,6.5;4.5,6.5;5.5,0.5];
步骤1-2、为了便于对该拓扑图的保存和搜索,用邻接矩阵来表示各节点之间的关系。若拓扑地图中共有n个拓扑节点v1,v2,…,vn,则该邻接矩阵是一个n×n的矩阵,通过赋予各条边的属性,以区分可通行路径和不可通行路径,这里将可通行路径的权值属性设为1,不可通行路径的权值属性设为0。进而,该邻接矩阵中的第(i,j)个元素可以表示为
在该拓扑地图中n=15,则邻接矩阵是一个15×15的矩阵,表示为
步骤2、离线进行全局路径规划,即采用改进后A*算法,以离线的方式计算出从起始点至目标点的最优路径,如图4所示,为全局路径规划的流程图;
步骤2-1、采用A*算法,对每个道路节点均设计一个估价函数,如下式所示:
f(s)=g(s)+h(s)
式中,f(s)表示从起始节点经过节点s到达目标节点的估计长度,g(s)表示从起始节点到当前节点的路径长度,h(s)为启发函数,是当前节点到目标节点的估计值;
步骤2-1-1、记录从起始节点到当前节点的路径长度设计为g(s);
步骤2-1-2、h(s)为启发函数,是当前节点到目标节点的估计值。A*算法一定能搜索到最优路径的前提条件:
h(s)≤cost*(s,sgoal)
式中,cost*(s,sgoal)为当前节点到目标节点的最优距离。满足上式的h(s)值越大,则扩展节点越少。为了保证搜索路径的最优性,本方法将欧几里德距离作为启发函数。对于给定的两个位置坐标(xi,yi)和(xj,yj),它们的欧几里德距离de如下式所示:
步骤2-2、创建OPEN和CLOSED两个集合来管理道路节点。OPEN存放扩展过的道路节点的子节点。它们属于待扩展节点。CLOSED存放扩展过的节点;
步骤2-3、开始进行全局路径规划,每次都从OPEN中选择f(s)值最小的节点s进行扩展。节点s被扩展到的子节点存放于OPEN中。节点s扩展完成后,从OPEN中移到CLOSED中。循环上述过程,直到扩展到目标节点或者OPEN为空时,终止算法,记录规划出的路径。如图5所示,为全局路径规划的结果图。
步骤3、路径跟踪,即无人车通过自身携带的循迹模块,以及在仓储环境中预先设置的标记物进行无人车相对于仓储环境的定位,从而实现对规划好的全局路径的跟踪。如图6中粗实线所示,在没有障碍物的路段直接进行循迹跟踪,降低定位成本。
步骤4、探测并采集随机障碍物信息,判断路径环境,并进行全局路径规划和局部路径规划两种算法之间的切换;
步骤4-1、无人车通过自身携带的超声波模块,实时探测路径上的随机障碍物,生成障碍边界以及相对位置等信息;
步骤4-2、通过传感器采集到的障碍物信息,对道路环境进行判断,并根据判断结果进行全局路劲规划和局部路径规划算法间的切换;
步骤4-3、设计无人车与障碍物之间的安全距离,该仓储模型设置安全距离为0.3个单位,若障碍物边界与墙壁之间距离小于该安全距离,认为无人车无法通过,如图7所示,则以当前无人车所在拓扑节点为起始点,并且设置该拓扑节点与下一节点之间的拓扑边为不可通行,更新邻接矩阵,将邻接矩阵更新为:
返回步骤2重新规划全局路径,重新规划的路径如图7中粗实线所示;
步骤4-4、如图6所示,若障碍物边界与墙壁之间距离大于步骤4-3中设计的安全距离,则切换至局部路径规划算法进行避障。
步骤5、躲避随机障碍物,即采用人工势场法在线进行局部路径规划,达到局部避障的目的,效果如图6所示,在有障碍物的路段切换至人工势场法进行局部避障。
步骤5-1、建立局部路径规划的起始点以及终点,本方法以无人车当前所处节点为起始点,以全局路径规划中该节点的下一节点终点,在该仓储模型中即以L点和M点为局部路径规划的起点和终点;
步骤5-2、根据无人车尺寸,确定障碍物作用域;
步骤5-3、建立人工势场法的引力势场函数和斥力势场函数,切换至A*算法进行局部避障;
步骤5-3-1、建立引力势场函数,公式如下:
式中:Ka为引力势场常量,Qc为无人车地球坐标系位置向量,Qg为地球坐标系中目标点的位置向量,在该方法中,引力势场常量设为1,(Qc-Qg)2为无人车与目标点之间的欧氏距离,随着无人车的移动随时更新,则最终引力势场函数为
步骤5-3-2、建立斥力势场函数,公式如下:
式中:Kr为斥力势场常量,ρ(Qc,Qobs)为无人车与障碍物的相对距离,D为安全距离,在该方法中,斥力势场常量设置为1,ρ(Qc,Qobs)随着无人车的运动实时更新,D设置为0.3,则斥力势场函数为
本发明将全局路径规划与局部路径规划相结合,在寻找最优路径的同时可以进行局部避障,使无人车的运行更灵活,在遇到障碍物时运行距离更短,提高了仓储无人车的工作效率。
Claims (7)
1.一种基于仓储无人车的车辆路径规划方法,其特征在于,步骤如下:
步骤1、制作仓储环境拓扑地图,具体是采集仓储环境无人车可行路径与货架的相对位置,根据采集到的信息,设置无人车可以到达的节点,然后根据节点信息创建基于拓扑地图的邻接矩阵;
步骤2、离线进行全局路径规划,即采用改进后A*算法,以离线的方式计算出从起始点至目标点的最优路径;
步骤3、对路径进行跟踪,即以无人车自身携带的循迹模块对离线规划出的最优路径进行跟踪;
步骤4、探测并采集随机障碍物信息,判断路径环境,根据障碍物信息进行全局路径规划和局部路径规划两种算法之间的切换;
步骤5、车辆按照步骤4规划的路径行驶,在行驶过程中按照局部路径规划算法躲避随机障碍物,达到局部避障的目的。
2.根据权利要求1所述的基于仓储无人车的车辆路径规划方法,其特征在于,步骤1中制作仓储环境拓扑地图步骤如下:
步骤1-1、采集环境地图信息,以环境地图中每个路口拐点及无人车需要停靠的点作为拓扑节点,与该拓扑节点相通的道路作为拓扑边,将环境地图抽象为由拓扑节点和拓扑边组成的拓扑地图,该拓扑地图用符号表示为G=(V,E),其中V为节点集合,E为连接节点的边的集合;
步骤1-2、用邻接矩阵来表示各节点之间的关系,若拓扑地图中共有n个拓扑节点v1,v2,…,vn,则该邻接矩阵是一个n×n的矩阵,通过赋予各条边不同的属性,以区分可通行路径和不可通行路径,将可通行路径的权值属性设为1,不可通行路径的权值属性设为0;该邻接矩阵中的第(i,j)个元素aij表示为
3.根据权利要求1所述的基于仓储无人车的车辆路径规划方法,其特征在于,步骤2中离线进行全局路径规划步骤如下:
步骤2-1、采用A*算法,对每个道路节点设计一个估价函数,如下式所示:
f(s)=g(s)+h(s)
式中,f(s)表示从起始节点经过节点s到达目标节点的估计长度,g(s)表示从起始节点到当前节点的路径长度,h(s)为启发函数,是当前节点到目标节点的估计值;
步骤2-2、创建OPEN和CLOSED两个集合来管理道路节点,其中OPEN集合用于存放扩展过的道路节点的子节点,这些节点属于待扩展节点;CLOSED集合用于存放扩展过的节点;
步骤2-3、进行全局路径规划,每次都从OPEN集合中选择f(s)值最小的节点s进行扩展,节点s被扩展到的子节点存放于OPEN集合中;节点s扩展完成后,从OPEN集合中移到CLOSED集合中;之后循环上述过程,直到扩展到目标节点或者OPEN集合为空时,终止算法,记录规划出的路径。
4.根据权利要求3所述的基于仓储无人车的车辆路径规划方法,其特征在于,步骤2-1中估价函数的设计方法为:
步骤2-1-1、记录从起始节点到当前节点的路径长度g(s);
步骤2-1-2、确定启发函数h(s),其中A*算法一定能搜索到最优路径的前提条件为:
h(s)≤cos t*(s,sgoal)
式中,cos t*(s,sgoal)为当前节点到目标节点的最优距离,满足上式的h(s)值越大,则扩展节点越少;
步骤2-1-3、确定估价函数,如下式所示:
f(s)=g(s)+h(s)。
5.根据权利要求4所述的基于仓储无人车的车辆路径规划方法,其特征在于,步骤2-1-2中所述启发函数h(s)为欧几里德距离函数,对于给定的两个位置坐标(xi,yi)和(xj,yj),它们的欧几里德距离de如下式所示:
6.根据权利要求1所述的基于仓储无人车的车辆路径规划方法,其特征在于,步骤4中探测并采集随机障碍物信息,判断路径环境,根据障碍物信息进行全局路径规划和局部路径规划两种算法之间的切换,具体步骤如下:
步骤4-1、无人车通过自身携带的超声波模块,实时探测路径上的随机障碍物,生成障碍边界以及相对位置信息;
步骤4-2、通过传感器采集到的障碍物信息,对道路环境进行判断,并根据判断结果进行全局路劲规划和局部路径规划算法间的切换;具体为:
设置无人车与障碍物之间的安全距离,若障碍物边界与墙壁之间距离小于该安全距离,认为无人车无法绕过,则以当前无人车所在拓扑节点为起始点,并且设置该拓扑节点与下一节点之间的拓扑边为不可通行,更新邻接矩阵,返回步骤2重新规划全局路径;若障碍物边界与墙壁之间距离大于安全距离,则切换至步骤5执行局部路径规划算法进行避障。
7.根据权利要求1所述的基于仓储无人车的车辆路径规划方法,其特征在于,步骤5中在行驶过程中按照局部路径规划算法躲避随机障碍物,步骤如下:
步骤5-1、建立局部路径规划的起始点以及终点,具体以无人车当前所处节点为起始点,以全局路径规划中该节点的下一节点终点;
步骤5-2、根据无人车尺寸,确定障碍物作用域;
步骤5-3、建立人工势场法的引力势场函数和斥力势场函数,进行局部避障;具体步骤如下:
步骤5-3-1、建立引力势场函数Uatt,公式如下:
式中:Ka为引力势场常量,Qc为无人车地球坐标系位置向量,Qg为地球坐标系中目标点的位置向量;
步骤5-3-2、建立斥力势场函数Urep,公式如下:
式中:Kr为斥力势场常量,ρ(Qc,Qobs)为无人车与障碍物的相对距离,D为安全距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710209283.4A CN107037812A (zh) | 2017-03-31 | 2017-03-31 | 一种基于仓储无人车的车辆路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710209283.4A CN107037812A (zh) | 2017-03-31 | 2017-03-31 | 一种基于仓储无人车的车辆路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107037812A true CN107037812A (zh) | 2017-08-11 |
Family
ID=59534739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710209283.4A Pending CN107037812A (zh) | 2017-03-31 | 2017-03-31 | 一种基于仓储无人车的车辆路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107037812A (zh) |
Cited By (56)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107727098A (zh) * | 2017-09-26 | 2018-02-23 | 上海大学 | 一种依次巡查多个目标位置的无人水面艇路径规划方法 |
CN107885194A (zh) * | 2017-11-10 | 2018-04-06 | 广东工业大学 | 一种无人探索装置及其控制方法、*** |
CN108225326A (zh) * | 2017-12-31 | 2018-06-29 | 南京理工大学 | 一种基于a*算法的agv路径规划方法 |
CN108253984A (zh) * | 2017-12-19 | 2018-07-06 | 昆明理工大学 | 一种基于改进a星算法的移动机器人路径规划方法 |
CN108829105A (zh) * | 2018-06-21 | 2018-11-16 | 浙江工业大学 | 一种基于km算法和人工势场法的仓储物流调度避障优化方法 |
CN108983781A (zh) * | 2018-07-25 | 2018-12-11 | 北京理工大学 | 一种无人车目标搜索***中的环境探测方法 |
CN109035747A (zh) * | 2018-06-12 | 2018-12-18 | 北京拜思克科技有限公司 | 一种智能移动平台***及其运行调度方法 |
CN109101017A (zh) * | 2018-07-27 | 2018-12-28 | 江苏盛海智能科技有限公司 | 一种无人车寻迹路线规划方法及终端 |
CN109101022A (zh) * | 2018-08-09 | 2018-12-28 | 北京智行者科技有限公司 | 一种作业路径更新方法 |
CN109426222A (zh) * | 2017-08-24 | 2019-03-05 | 中华映管股份有限公司 | 无人搬运***及其操作方法 |
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 |
CN109596138A (zh) * | 2018-12-29 | 2019-04-09 | 北京智行者科技有限公司 | 自动驾驶充电车停车路径规划方法及*** |
CN109656241A (zh) * | 2017-10-10 | 2019-04-19 | 北京京东尚科信息技术有限公司 | 用于控制无人仓中的搬运车的方法和装置 |
CN109739219A (zh) * | 2018-12-05 | 2019-05-10 | 北京百度网讯科技有限公司 | 通行路径的规划方法、装置、设备及可读存储介质 |
CN109737980A (zh) * | 2018-12-29 | 2019-05-10 | 上海岚豹智能科技有限公司 | 一种导航方法及其对应的机器人 |
CN109945882A (zh) * | 2019-03-27 | 2019-06-28 | 上海交通大学 | 一种无人驾驶车辆路径规划与控制***及方法 |
CN109947120A (zh) * | 2019-04-29 | 2019-06-28 | 西安电子科技大学 | 仓储***中的路径规划方法 |
CN110045727A (zh) * | 2018-12-03 | 2019-07-23 | 江西洪都航空工业集团有限责任公司 | 一种园区无人车路径规划与控制方法 |
CN110275535A (zh) * | 2019-06-27 | 2019-09-24 | 大连理工大学 | 一种基于改进a星算法的多状态车辆路径规划方法 |
CN110333659A (zh) * | 2019-07-15 | 2019-10-15 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于改进a星搜索的无人驾驶汽车局部路径规划方法 |
CN110348341A (zh) * | 2019-06-26 | 2019-10-18 | 纵目科技(上海)股份有限公司 | 一种记忆泊车***、方法、终端和存储介质 |
CN110455305A (zh) * | 2019-08-20 | 2019-11-15 | 云南梦工厂机器人有限公司 | 具有自主路径规划功能的agv小车控制方法 |
CN110487290A (zh) * | 2019-07-29 | 2019-11-22 | 中国人民解放军军事科学院国防科技创新研究院 | 基于变步长a星搜索的无人驾驶汽车局部路径规划方法 |
CN110533209A (zh) * | 2018-05-25 | 2019-12-03 | 南京理工大学 | 一种人车分流的停车场多楼层路径规划方法 |
CN110554688A (zh) * | 2018-05-30 | 2019-12-10 | 北京京东尚科信息技术有限公司 | 用于生成拓扑地图的方法和装置 |
CN111189468A (zh) * | 2020-01-13 | 2020-05-22 | 天津工业大学 | 一种波浪滑翔器全局路径规划方法 |
CN111326003A (zh) * | 2020-02-24 | 2020-06-23 | 五邑大学 | 一种智能小车寻迹行驶方法、***和存储介质 |
CN111435249A (zh) * | 2019-01-10 | 2020-07-21 | 招商局国际信息技术有限公司 | 无人驾驶设备的控制方法、装置、设备和存储介质 |
CN111439257A (zh) * | 2019-06-26 | 2020-07-24 | 纵目科技(上海)股份有限公司 | 一种记忆泊车***、方法、终端和云端服务器 |
CN111473795A (zh) * | 2020-04-08 | 2020-07-31 | 江苏盛海智能科技有限公司 | 一种无人驾驶车辆避障方法及终端 |
CN111489023A (zh) * | 2020-04-03 | 2020-08-04 | 武汉理工大学 | 一种处理动态乘务服务需求信息的多功能智能机器人*** |
CN111532641A (zh) * | 2020-04-30 | 2020-08-14 | 西安电子科技大学 | 仓储分拣中自动引导车的并行路径规划方法 |
CN111650934A (zh) * | 2020-05-26 | 2020-09-11 | 坤泰车辆***(常州)有限公司 | 自动驾驶***局部路径规划的方法 |
CN111857160A (zh) * | 2020-08-17 | 2020-10-30 | 武汉中海庭数据技术有限公司 | 一种无人车路径规划方法和装置 |
CN111912411A (zh) * | 2020-08-26 | 2020-11-10 | 中国电力科学研究院有限公司 | 一种机器人导航定位方法、***及存储介质 |
CN112013866A (zh) * | 2020-08-31 | 2020-12-01 | 电子科技大学 | 一种基于智能导览***的路径规划方法 |
CN112034833A (zh) * | 2019-05-15 | 2020-12-04 | 百度(美国)有限责任公司 | 规划用于自动驾驶车辆的开放空间轨迹的在线代理 |
CN112097781A (zh) * | 2019-06-17 | 2020-12-18 | 郑州宇通客车股份有限公司 | 一种基于多级触须的路径规划方法及装置 |
CN112270306A (zh) * | 2020-11-17 | 2021-01-26 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于拓扑路网的无人车轨迹预测与导航方法 |
CN112378397A (zh) * | 2020-11-02 | 2021-02-19 | 中国兵器工业计算机应用技术研究所 | 无人机跟踪目标的方法、装置及无人机 |
CN112499298A (zh) * | 2021-02-08 | 2021-03-16 | 苏州澳昆智能机器人技术有限公司 | 一种装车用运输机器人 |
CN112539750A (zh) * | 2020-11-25 | 2021-03-23 | 湖北三环智能科技有限公司 | 一种智能运输车路径规划方法 |
CN112748733A (zh) * | 2020-12-16 | 2021-05-04 | 广东电网有限责任公司 | 电缆放线车路径规划方法、装置、设备及存储介质 |
CN112762950A (zh) * | 2020-12-15 | 2021-05-07 | 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 |
CN112828883A (zh) * | 2020-12-25 | 2021-05-25 | 香港中文大学深圳研究院 | 一种未知环境下的机器人环境探索方法及*** |
CN113075921A (zh) * | 2019-12-17 | 2021-07-06 | 北京京东尚科信息技术有限公司 | 无人驾驶设备的局部路径规划方法和装置 |
CN113391633A (zh) * | 2021-06-21 | 2021-09-14 | 南京航空航天大学 | 一种面向城市环境的移动机器人融合路径规划方法 |
WO2021189882A1 (zh) * | 2020-03-27 | 2021-09-30 | 比亚迪股份有限公司 | 车辆的调度方法、装置和*** |
CN113778097A (zh) * | 2021-09-15 | 2021-12-10 | 龙岩学院 | L型路径趋势改进a-star算法的智能仓储物流机器人路径规划方法 |
CN114035568A (zh) * | 2021-03-27 | 2022-02-11 | 浙江大学 | 可燃冰试采区地层钻探机器人路径规划方法 |
CN114200924A (zh) * | 2021-11-02 | 2022-03-18 | 深圳优地科技有限公司 | 一种路径规划方法、无人车及计算机可读存储介质 |
CN114355940A (zh) * | 2021-12-30 | 2022-04-15 | 深兰人工智能(深圳)有限公司 | 自动驾驶的路径规划方法、装置、电子设备及存储介质 |
CN115344049A (zh) * | 2022-09-14 | 2022-11-15 | 江苏天一航空工业股份有限公司 | 一种旅客登机车自动路径规划及车辆控制方法及装置 |
CN115951683A (zh) * | 2023-01-29 | 2023-04-11 | 南京理工大学紫金学院 | 混合梯度下降和天牛须搜索的人工势场路径规划方法 |
CN117129001A (zh) * | 2023-10-24 | 2023-11-28 | 博创联动科技股份有限公司 | 基于人工智能的自动驾驶路径规划方法及*** |
CN118067131A (zh) * | 2024-04-17 | 2024-05-24 | 山东省科学院海洋仪器仪表研究所 | 一种用于水下机器人的路径规划控制方法 |
-
2017
- 2017-03-31 CN CN201710209283.4A patent/CN107037812A/zh active Pending
Non-Patent Citations (1)
Title |
---|
JIAN WANG 等: "Improved Hybrid Algorithm of Path Planning for Automated Guided Vehicle in Storage System", 《2ND INTERNATIONAL CONFERENCE ON CONTROL, AUTOMATION, AND ARTIFICIAL INTELLIGENCE(CAAI 2017)》 * |
Cited By (81)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109426222A (zh) * | 2017-08-24 | 2019-03-05 | 中华映管股份有限公司 | 无人搬运***及其操作方法 |
CN107727098A (zh) * | 2017-09-26 | 2018-02-23 | 上海大学 | 一种依次巡查多个目标位置的无人水面艇路径规划方法 |
CN109656241B (zh) * | 2017-10-10 | 2022-04-12 | 北京京东乾石科技有限公司 | 用于控制无人仓中的搬运车的方法和装置 |
CN109656241A (zh) * | 2017-10-10 | 2019-04-19 | 北京京东尚科信息技术有限公司 | 用于控制无人仓中的搬运车的方法和装置 |
CN107885194A (zh) * | 2017-11-10 | 2018-04-06 | 广东工业大学 | 一种无人探索装置及其控制方法、*** |
CN108253984A (zh) * | 2017-12-19 | 2018-07-06 | 昆明理工大学 | 一种基于改进a星算法的移动机器人路径规划方法 |
CN108225326A (zh) * | 2017-12-31 | 2018-06-29 | 南京理工大学 | 一种基于a*算法的agv路径规划方法 |
CN110533209B (zh) * | 2018-05-25 | 2022-09-16 | 南京理工大学 | 一种人车分流的停车场多楼层路径规划方法 |
CN110533209A (zh) * | 2018-05-25 | 2019-12-03 | 南京理工大学 | 一种人车分流的停车场多楼层路径规划方法 |
CN110554688B (zh) * | 2018-05-30 | 2024-01-16 | 北京京东乾石科技有限公司 | 用于生成拓扑地图的方法和装置 |
CN110554688A (zh) * | 2018-05-30 | 2019-12-10 | 北京京东尚科信息技术有限公司 | 用于生成拓扑地图的方法和装置 |
CN109035747A (zh) * | 2018-06-12 | 2018-12-18 | 北京拜思克科技有限公司 | 一种智能移动平台***及其运行调度方法 |
CN108829105A (zh) * | 2018-06-21 | 2018-11-16 | 浙江工业大学 | 一种基于km算法和人工势场法的仓储物流调度避障优化方法 |
CN108983781B (zh) * | 2018-07-25 | 2020-07-07 | 北京理工大学 | 一种无人车目标搜索***中的环境探测方法 |
CN108983781A (zh) * | 2018-07-25 | 2018-12-11 | 北京理工大学 | 一种无人车目标搜索***中的环境探测方法 |
CN109101017A (zh) * | 2018-07-27 | 2018-12-28 | 江苏盛海智能科技有限公司 | 一种无人车寻迹路线规划方法及终端 |
CN109101022A (zh) * | 2018-08-09 | 2018-12-28 | 北京智行者科技有限公司 | 一种作业路径更新方法 |
CN110045727A (zh) * | 2018-12-03 | 2019-07-23 | 江西洪都航空工业集团有限责任公司 | 一种园区无人车路径规划与控制方法 |
CN110045727B (zh) * | 2018-12-03 | 2022-08-05 | 江西洪都航空工业集团有限责任公司 | 一种园区无人车路径规划与控制方法 |
CN109739219A (zh) * | 2018-12-05 | 2019-05-10 | 北京百度网讯科技有限公司 | 通行路径的规划方法、装置、设备及可读存储介质 |
US11521495B2 (en) | 2018-12-05 | 2022-12-06 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method, apparatus, device and readable storage medium for planning pass path |
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 |
CN109737980A (zh) * | 2018-12-29 | 2019-05-10 | 上海岚豹智能科技有限公司 | 一种导航方法及其对应的机器人 |
CN109596138A (zh) * | 2018-12-29 | 2019-04-09 | 北京智行者科技有限公司 | 自动驾驶充电车停车路径规划方法及*** |
CN111435249B (zh) * | 2019-01-10 | 2023-12-15 | 招商局国际科技有限公司 | 无人驾驶设备的控制方法、装置、设备和存储介质 |
CN111435249A (zh) * | 2019-01-10 | 2020-07-21 | 招商局国际信息技术有限公司 | 无人驾驶设备的控制方法、装置、设备和存储介质 |
CN109945882A (zh) * | 2019-03-27 | 2019-06-28 | 上海交通大学 | 一种无人驾驶车辆路径规划与控制***及方法 |
CN109945882B (zh) * | 2019-03-27 | 2021-11-02 | 上海交通大学 | 一种无人驾驶车辆路径规划与控制***及方法 |
CN109947120A (zh) * | 2019-04-29 | 2019-06-28 | 西安电子科技大学 | 仓储***中的路径规划方法 |
CN109947120B (zh) * | 2019-04-29 | 2021-03-23 | 西安电子科技大学 | 仓储***中的路径规划方法 |
CN112034833A (zh) * | 2019-05-15 | 2020-12-04 | 百度(美国)有限责任公司 | 规划用于自动驾驶车辆的开放空间轨迹的在线代理 |
CN112097781B (zh) * | 2019-06-17 | 2023-05-09 | 宇通客车股份有限公司 | 一种基于多级触须的路径规划方法及装置 |
CN112097781A (zh) * | 2019-06-17 | 2020-12-18 | 郑州宇通客车股份有限公司 | 一种基于多级触须的路径规划方法及装置 |
CN110348341A (zh) * | 2019-06-26 | 2019-10-18 | 纵目科技(上海)股份有限公司 | 一种记忆泊车***、方法、终端和存储介质 |
CN111439257A (zh) * | 2019-06-26 | 2020-07-24 | 纵目科技(上海)股份有限公司 | 一种记忆泊车***、方法、终端和云端服务器 |
CN110275535A (zh) * | 2019-06-27 | 2019-09-24 | 大连理工大学 | 一种基于改进a星算法的多状态车辆路径规划方法 |
CN110275535B (zh) * | 2019-06-27 | 2022-02-15 | 大连理工大学 | 一种基于改进a星算法的多状态车辆路径规划方法 |
CN110333659A (zh) * | 2019-07-15 | 2019-10-15 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于改进a星搜索的无人驾驶汽车局部路径规划方法 |
CN110333659B (zh) * | 2019-07-15 | 2020-04-28 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于改进a星搜索的无人驾驶汽车局部路径规划方法 |
CN110487290A (zh) * | 2019-07-29 | 2019-11-22 | 中国人民解放军军事科学院国防科技创新研究院 | 基于变步长a星搜索的无人驾驶汽车局部路径规划方法 |
CN110487290B (zh) * | 2019-07-29 | 2020-05-19 | 中国人民解放军军事科学院国防科技创新研究院 | 基于变步长a星搜索的无人驾驶汽车局部路径规划方法 |
CN110455305A (zh) * | 2019-08-20 | 2019-11-15 | 云南梦工厂机器人有限公司 | 具有自主路径规划功能的agv小车控制方法 |
CN113075921A (zh) * | 2019-12-17 | 2021-07-06 | 北京京东尚科信息技术有限公司 | 无人驾驶设备的局部路径规划方法和装置 |
CN113075921B (zh) * | 2019-12-17 | 2024-02-09 | 北京京东尚科信息技术有限公司 | 无人驾驶设备的局部路径规划方法和装置 |
CN111189468A (zh) * | 2020-01-13 | 2020-05-22 | 天津工业大学 | 一种波浪滑翔器全局路径规划方法 |
CN111326003A (zh) * | 2020-02-24 | 2020-06-23 | 五邑大学 | 一种智能小车寻迹行驶方法、***和存储介质 |
WO2021189882A1 (zh) * | 2020-03-27 | 2021-09-30 | 比亚迪股份有限公司 | 车辆的调度方法、装置和*** |
CN111489023A (zh) * | 2020-04-03 | 2020-08-04 | 武汉理工大学 | 一种处理动态乘务服务需求信息的多功能智能机器人*** |
CN111473795A (zh) * | 2020-04-08 | 2020-07-31 | 江苏盛海智能科技有限公司 | 一种无人驾驶车辆避障方法及终端 |
CN111532641A (zh) * | 2020-04-30 | 2020-08-14 | 西安电子科技大学 | 仓储分拣中自动引导车的并行路径规划方法 |
CN111532641B (zh) * | 2020-04-30 | 2021-06-25 | 西安电子科技大学 | 仓储分拣中自动引导车的并行路径规划方法 |
CN111650934A (zh) * | 2020-05-26 | 2020-09-11 | 坤泰车辆***(常州)有限公司 | 自动驾驶***局部路径规划的方法 |
CN111857160A (zh) * | 2020-08-17 | 2020-10-30 | 武汉中海庭数据技术有限公司 | 一种无人车路径规划方法和装置 |
CN111912411A (zh) * | 2020-08-26 | 2020-11-10 | 中国电力科学研究院有限公司 | 一种机器人导航定位方法、***及存储介质 |
CN111912411B (zh) * | 2020-08-26 | 2022-06-14 | 中国电力科学研究院有限公司 | 一种机器人导航定位方法、***及存储介质 |
CN112013866A (zh) * | 2020-08-31 | 2020-12-01 | 电子科技大学 | 一种基于智能导览***的路径规划方法 |
CN112378397B (zh) * | 2020-11-02 | 2023-10-10 | 中国兵器工业计算机应用技术研究所 | 无人机跟踪目标的方法、装置及无人机 |
CN112378397A (zh) * | 2020-11-02 | 2021-02-19 | 中国兵器工业计算机应用技术研究所 | 无人机跟踪目标的方法、装置及无人机 |
CN112270306B (zh) * | 2020-11-17 | 2022-09-30 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于拓扑路网的无人车轨迹预测与导航方法 |
CN112270306A (zh) * | 2020-11-17 | 2021-01-26 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于拓扑路网的无人车轨迹预测与导航方法 |
CN112539750A (zh) * | 2020-11-25 | 2021-03-23 | 湖北三环智能科技有限公司 | 一种智能运输车路径规划方法 |
CN112539750B (zh) * | 2020-11-25 | 2022-08-16 | 湖北三环智能科技有限公司 | 一种智能运输车路径规划方法 |
CN112762950A (zh) * | 2020-12-15 | 2021-05-07 | 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 |
CN112748733B (zh) * | 2020-12-16 | 2024-05-07 | 广东电网有限责任公司 | 电缆放线车路径规划方法、装置、设备及存储介质 |
CN112748733A (zh) * | 2020-12-16 | 2021-05-04 | 广东电网有限责任公司 | 电缆放线车路径规划方法、装置、设备及存储介质 |
CN112828883A (zh) * | 2020-12-25 | 2021-05-25 | 香港中文大学深圳研究院 | 一种未知环境下的机器人环境探索方法及*** |
CN112499298A (zh) * | 2021-02-08 | 2021-03-16 | 苏州澳昆智能机器人技术有限公司 | 一种装车用运输机器人 |
CN112499298B (zh) * | 2021-02-08 | 2021-05-11 | 苏州澳昆智能机器人技术有限公司 | 一种装车用运输机器人 |
CN114035568A (zh) * | 2021-03-27 | 2022-02-11 | 浙江大学 | 可燃冰试采区地层钻探机器人路径规划方法 |
CN113391633A (zh) * | 2021-06-21 | 2021-09-14 | 南京航空航天大学 | 一种面向城市环境的移动机器人融合路径规划方法 |
CN113778097A (zh) * | 2021-09-15 | 2021-12-10 | 龙岩学院 | L型路径趋势改进a-star算法的智能仓储物流机器人路径规划方法 |
CN113778097B (zh) * | 2021-09-15 | 2023-05-19 | 龙岩学院 | L型路径趋势改进a-star算法的智能仓储物流机器人路径规划方法 |
CN114200924A (zh) * | 2021-11-02 | 2022-03-18 | 深圳优地科技有限公司 | 一种路径规划方法、无人车及计算机可读存储介质 |
CN114355940A (zh) * | 2021-12-30 | 2022-04-15 | 深兰人工智能(深圳)有限公司 | 自动驾驶的路径规划方法、装置、电子设备及存储介质 |
CN115344049B (zh) * | 2022-09-14 | 2023-08-29 | 江苏天一航空工业股份有限公司 | 一种旅客登机车自动路径规划及车辆控制方法及装置 |
CN115344049A (zh) * | 2022-09-14 | 2022-11-15 | 江苏天一航空工业股份有限公司 | 一种旅客登机车自动路径规划及车辆控制方法及装置 |
CN115951683A (zh) * | 2023-01-29 | 2023-04-11 | 南京理工大学紫金学院 | 混合梯度下降和天牛须搜索的人工势场路径规划方法 |
CN117129001A (zh) * | 2023-10-24 | 2023-11-28 | 博创联动科技股份有限公司 | 基于人工智能的自动驾驶路径规划方法及*** |
CN117129001B (zh) * | 2023-10-24 | 2024-01-09 | 博创联动科技股份有限公司 | 基于人工智能的自动驾驶路径规划方法及*** |
CN118067131A (zh) * | 2024-04-17 | 2024-05-24 | 山东省科学院海洋仪器仪表研究所 | 一种用于水下机器人的路径规划控制方法 |
CN118067131B (zh) * | 2024-04-17 | 2024-06-18 | 山东省科学院海洋仪器仪表研究所 | 一种用于水下机器人的路径规划控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107037812A (zh) | 一种基于仓储无人车的车辆路径规划方法 | |
CN111399506B (zh) | 一种基于动力学约束的全局-局部混合无人船路径规划方法 | |
Svenstrup et al. | Trajectory planning for robots in dynamic human environments | |
Reshamwala et al. | Robot path planning using an ant colony optimization approach: a survey | |
CN107883962A (zh) | 一种多旋翼无人机在三维环境下的动态航路规划方法 | |
Debnath et al. | A review on graph search algorithms for optimal energy efficient path planning for an unmanned air vehicle | |
CN108896052A (zh) | 一种基于动态复杂环境下的移动机器人平滑路径规划方法 | |
CN108444489A (zh) | 一种改进rrt算法的路径规划方法 | |
CN112799386A (zh) | 基于人工势场与强化学习的机器人路径规划方法 | |
CN106527448A (zh) | 适用于仓库环境的改进a*机器人最优路径规划方法 | |
Du et al. | An improved RRT-based motion planner for autonomous vehicle in cluttered environments | |
CN109947120A (zh) | 仓储***中的路径规划方法 | |
CN103713640B (zh) | 一种移动无线传感器网络节点运动行为控制方法 | |
Pan et al. | Research for path planning based on improved astart algorithm | |
CN112344945A (zh) | 室内配送机器人路径规划方法、***及室内配送机器人 | |
CN107422734B (zh) | 基于混沌反向花授粉算法的机器人路径规划方法 | |
CN110275528A (zh) | 针对rrt算法改进的路径优化方法 | |
CN112799385A (zh) | 一种基于引导域人工势场的智能体路径规划方法 | |
Abu et al. | A comprehensive overview of classical and modern route planning algorithms for self-driving mobile robots | |
BAYGIN et al. | PSO based path planning approach for multi service robots in dynamic environments | |
Tao et al. | Motion planning for slam based on frontier exploration | |
Maravall et al. | Combination of model-based and reactive methods in autonomous navigation | |
Ou et al. | Modular hierarchical reinforcement learning for multi-destination navigation in hybrid crowds | |
Jue et al. | Navigation Method Based on Improved Rapid Exploration Random Tree Star-Smart (RRT*-Smart) and Deep Reinforcement Learning. | |
Bo et al. | The research on E-commerce logistics picking AGV path optimization method based on the improved A* algorithm |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170811 |