CN107356258B - 点移动机器人在概率路线图中路径规划的神经网络方法 - Google Patents
点移动机器人在概率路线图中路径规划的神经网络方法 Download PDFInfo
- Publication number
- CN107356258B CN107356258B CN201710591569.3A CN201710591569A CN107356258B CN 107356258 B CN107356258 B CN 107356258B CN 201710591569 A CN201710591569 A CN 201710591569A CN 107356258 B CN107356258 B CN 107356258B
- Authority
- CN
- China
- Prior art keywords
- node
- feasible
- path
- nodes
- mobile robot
- 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
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 8
- 238000000034 method Methods 0.000 title claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 230000003068 static effect Effects 0.000 abstract description 10
- 238000007689 inspection Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Feedback Control In General (AREA)
Abstract
Description
技术领域
本发明涉及点机器人路径规划领域,具体涉及一种点移动机器人在概率路线图中路径规划的神经网络方法。
背景技术
点移动机器人由于具有可移动性,可以代替人执行一些操作在危险、恶劣环境(如辐射、有毒等)或者复杂环境(如宇宙空间、水下等)中的任务,比如采矿、建筑、排险等。经过专家和学者多年的努力,点移动机器人已经开始普遍运用于原子能、工厂自动化、军事、服务、农业等方面,目前已经存在相当多的实例诸如使用点移动机器人提高工厂生产效率或者替代工人作业等,并且在一些具有重大战略意义的工程中(如军事,国防等),对于点移动机器人的需求也日益增长。随着科技的快速发展,点移动机器人在宇宙探测、海洋开发、原子能等领域发挥着巨大的潜力,并体现出广泛的应用前景。点机器人因地图中节点数量过多以及变化环境的限制,通常不具有在动态环境中追踪移动目标的能力,也即,点机器人可能只是在静态环境中规划出最短路径来追踪目标。在变化多样的环境中,点机器人可能因为工作地图中可行节点的数量巨大以及节点之间因为距离导致的网络通信延迟而难以规划出追踪目标的最优路径,最近提出的偏倚最小共识算法提供了使用控制理论工具进行路径规划的新维度,然而,研究的结果仅限于静止环境,并且可能会在存在动态障碍物的情况下失败。
发明内容
本发明为了克服以上技术的不足,提供了一种无论是在静态环境还是在变化的环境中或是追踪静止的目标还是移动的目标都能较好地完成最优路径规划任务的点移动机器人在概率路线图中路径规划的神经网络方法。
本发明克服其技术问题所采用的技术方案是:
一种点移动机器人在概率路线图中路径规划的神经网络方法,包括如下步骤:
a)点移动机器人通过碰撞检测在地图上随机生成个节点,位于地图内且与障碍物没有发生碰撞的个节点均判定为可行节点,碰撞检测前点移动机器人原点位置定义为机器人节点,点移动机器人在地图上将要达到的终点定义为目标节点,机器人节点及目标节点为附加节点,在地图中迭代添加 ;
b) 中的每个可行节点与其他个节点通过路径检查判断每个节点的邻接信息,所述路径检查为选取一可行节点及另一可行节点之间路径()上的M个点,对M个点分别进行碰撞检测,如果M个点均为可行节点,则判定该路径()为可行路径,如果M个点中有不可行节点,则舍弃该路径();
本发明的有益效果是:通过选取出最优化的可行节点,从而得到最优化的路径为(,),因此点移动机器人不论实在静态环境还是在变化的环境中或者不论是追踪静止的目标还是移动的目标都能较好地完成最优路径的规划任务。
具体实施方式
下面对本发明做进一步说明。
一种点移动机器人在概率路线图中路径规划的神经网络方法,包括如下步骤:
a)点移动机器人通过碰撞检测在地图上随机生成个节点,位于地图内且与障碍物没有发生碰撞的个节点均判定为可行节点,碰撞检测前点移动机器人原点位置定义为机器人节点,点移动机器人在地图上将要达到的终点定义为目标节点,机器人节点及目标节点为附加节点,在地图中迭代添加 ;
b) 中的每个可行节点与其他个节点通过路径检查判断每个节点的邻接信息,所述路径检查为选取一可行节点及另一可行节点之间路径()上的M个点,对M个点分别进行碰撞检测,如果M个点均为可行节点,则判定该路径()为可行路径,如果M个点中有不可行节点,则舍弃该路径();
Claims (1)
1.一种点移动机器人在概率路线图中路径规划的神经网络方法,其特征在于,包括如下步骤:
a)点移动机器人通过碰撞检测在地图上随机生成个节点,位于地图内且与障碍物没有发生碰撞的个节点均判定为可行节点,碰撞检测前点移动机器人原点位置定义为机器人节点,点移动机器人在地图上将要达到的终点定义为目标节点,机器人节点及目标节点为附加节点,在地图中迭代添加 ;
b) 中的每个可行节点与其他个节点通过路径检查判断每个节点的邻接信息,所述路径检查为选取一可行节点及另一可行节点之间路径()上的M个点,对M个点分别进行碰撞检测,如果M个点均为可行节点,则判定该路径()为可行路径,如果M个点中有不可行节点,则舍弃该路径();
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710591569.3A CN107356258B (zh) | 2017-07-19 | 2017-07-19 | 点移动机器人在概率路线图中路径规划的神经网络方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710591569.3A CN107356258B (zh) | 2017-07-19 | 2017-07-19 | 点移动机器人在概率路线图中路径规划的神经网络方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107356258A CN107356258A (zh) | 2017-11-17 |
CN107356258B true CN107356258B (zh) | 2020-06-05 |
Family
ID=60285411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710591569.3A Active CN107356258B (zh) | 2017-07-19 | 2017-07-19 | 点移动机器人在概率路线图中路径规划的神经网络方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107356258B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4862373A (en) * | 1987-05-13 | 1989-08-29 | Texas Instruments Incorporated | Method for providing a collision free path in a three-dimensional space |
CN103529843B (zh) * | 2013-10-17 | 2016-07-13 | 电子科技大学中山学院 | Lambda*路径规划算法 |
CN104050390B (zh) * | 2014-06-30 | 2017-05-17 | 西南交通大学 | 一种基于可变维粒子群膜算法的移动机器人路径规划方法 |
US10723024B2 (en) * | 2015-01-26 | 2020-07-28 | Duke University | Specialized robot motion planning hardware and methods of making and using same |
CN105867381B (zh) * | 2016-04-25 | 2019-03-29 | 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 |
CN106896812B (zh) * | 2017-01-11 | 2019-11-15 | 西北工业大学 | 一种存在测量不确定性下的反馈路径规划方法 |
-
2017
- 2017-07-19 CN CN201710591569.3A patent/CN107356258B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107356258A (zh) | 2017-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108549378B (zh) | 一种基于栅格地图的混合路径规划方法和*** | |
CN112859859B (zh) | 一种基于三维障碍物体素对象映射的动态栅格地图更新方法 | |
CN104050390B (zh) | 一种基于可变维粒子群膜算法的移动机器人路径规划方法 | |
CN106695802A (zh) | 基于多自由度机械臂的改进式rrt*的避障运动规划方法 | |
Gao et al. | Autonomous indoor exploration via polygon map construction and graph-based SLAM using directional endpoint features | |
Lu et al. | Incremental multi-scale search algorithm for dynamic path planning with low worst-case complexity | |
Ben Amarat et al. | 3D path planning, routing algorithms and routing protocols for unmanned air vehicles: a review | |
Artuñedo et al. | Smooth path planning for urban autonomous driving using OpenStreetMaps | |
CN113050684B (zh) | 一种面向突发威胁的无人机航迹规划算法 | |
CN104390648A (zh) | 一种基于人工势场的煤矿救灾机器人路径规划方法 | |
Gu et al. | Path planning for mobile robot in a 2.5‐dimensional grid‐based map | |
Zeng et al. | Robotic global path-planning based modified genetic algorithm and A* algorithm | |
Yoon et al. | Collaborative mission and route planning of multi-vehicle systems for autonomous search in marine environment | |
CN114967701A (zh) | 一种动态环境下移动机器人自主导航方法 | |
Teng et al. | A dynamic path planning method for terrain-aided navigation of autonomous underwater vehicles | |
CN110209171A (zh) | 一种基于人工势场法的路径规划方法 | |
Yong et al. | An autonomous navigation strategy based on improved hector slam with dynamic weighted a* algorithm | |
CN107356258B (zh) | 点移动机器人在概率路线图中路径规划的神经网络方法 | |
Safaruddin et al. | Multi-objectives path planning using Bézier curve | |
Jafarzadeh et al. | An exact geometry–based algorithm for path planning | |
Fusic et al. | Autonomous vehicle path planning for smart logistics mobile applications based on modified heuristic algorithm | |
Cowlagi et al. | Multi-resolution path planning: Theoretical analysis, efficient implementation, and extensions to dynamic environments | |
CN116341344A (zh) | 一种不确定测量下工业移动目标混合优化无线定位方法 | |
Marbate et al. | Role of voronoi diagram approach in path planning | |
CN113358129B (zh) | 基于Voronoi图的避障最短路径规划方法 |
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 |