CN107885209A - 一种基于动态窗口与虚拟目标点的避障方法 - Google Patents
一种基于动态窗口与虚拟目标点的避障方法 Download PDFInfo
- Publication number
- CN107885209A CN107885209A CN201711112522.0A CN201711112522A CN107885209A CN 107885209 A CN107885209 A CN 107885209A CN 201711112522 A CN201711112522 A CN 201711112522A CN 107885209 A CN107885209 A CN 107885209A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtr
- mtd
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 230000004888 barrier function Effects 0.000 claims description 45
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 abstract 2
- 230000006870 function Effects 0.000 description 15
- 238000013439 planning Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000009514 concussion Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003786 synthesis reaction 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
- G05D1/02—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
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
基于动态窗口与虚拟目标点的避障方法,利用虚拟目标点以引导机器人前进,结合动态窗口下达机器人的运动指令,使机器人避开障碍物到达目标点。首先,机器人根据其传感器上反馈的有关障碍物的角度与距离信息预测障碍物的运动轨迹;然后根据对障碍物的轨迹预测,结合机器人的运动状态与真实目标点的位置,生成多个虚拟目标点,并通过评价函数综合考虑机器人的朝向和虚拟目标点与真实目标点的距离,筛选出最优的虚拟目标;最后机器人根据对障碍物的轨迹预测与虚拟目标点的位置,通过动态窗口法生成机器人下一时刻的控制指令集,并通过评价函数综合考虑机器人的朝向、运行速度与其和目标点的距离,筛选出机器人下一时刻最优的控制指令。
Description
技术领域
本发明涉及动态未知环境中机器人的避障方法,针对机器人运动过程中检测到的障碍物,本发明设计的避障算法通过预测障碍物的运动轨迹,生成虚拟目标点以引导机器人前进,结合动态窗口下达机器人的运动指令,使机器人避开障碍物到达目标点。
背景技术
随着机器人技术的发展,越来越多的移动机器人应用于生产生活中,例如医疗服务机器人,家庭服务机器人等。移动机器人完成运送物品的任务,需要具备感知环境,路径规划,运动控制等功能。除此之外,移动机器人还需要应对运动过程中出现的障碍物,感知并且避开它们,保证机器人能够安全运行。
避障算法主要分为静态避障算法和动态避障算法。静态避障算法针对已知的环境信息,规划出无碰撞的路径。动态避障算法针对未知的环境,控制移动机器人向目标点运动同时避开动态障碍物。张海燕提出一种移动机器人路径规划和避障方法及***,利用已知障碍物环境信息建立二维栅格地图,并在所述二维栅格地图中,采用跳点搜索算法确定所述起点到所述终点之间的最短路径(张海燕.移动机器人路径规划和避障方法及***[P].广东:CN105955280A,2016-09-21.)。但是,全局路径规划算法难以适应环境的变化,可能出现碰撞的问题。费浚纯提出使用人工势场法,为未知室内环境中智能移动机器人的实时避障提供了一种适应性强、实时性好、路径较为平滑的解决方案(费浚纯.一种基于人工势场法的机器人避碰路径规划方法[P].黑龙江:CN104317291A,2015-01-28.)。但是使用人工势场法容易使机器人在障碍物密集的区域内产生局部震荡。Farah Kamil等提出一种避障算法,使机器人能在障碍物的位置、形状与运动状态未知的环境中安全工作(F.Kamil,T.S.Hong,W.Khaksar,M.Y.Moghrabiah,N.Zulkifli,S.A.Ahmad.New Robot NavigationAlgorithm for Arbitrary Unknown Dynamic Environments based on FuturePrediction and Priority Behavior.Expert Systems with Applications%@0957-4174.(2017).),然而该方法只在仿真环境中进行了测试且没有考虑机器人的运动学特性。
发明内容
本发明克服现有方法上的缺点,提出一种基于动态窗口与虚拟目标点的避障方法。
本发明通过对障碍物运动轨迹的预测,利用虚拟目标点以引导机器人前进,结合动态窗口下达机器人的运动指令,使机器人避开障碍物到达目标点。首先,机器人根据其传感器上反馈的有关障碍物的角度与距离信息预测障碍物的运动轨迹;然后根据对障碍物的轨迹预测,结合机器人的运动状态与真实目标点的位置,生成多个虚拟目标点,并通过评价函数综合考虑机器人的朝向和虚拟目标点与真实目标点的距离,筛选出最优的虚拟目标;最后机器人根据对障碍物的轨迹预测与虚拟目标点的位置,通过动态窗口法生成机器人下一时刻的控制指令集,并通过评价函数综合考虑机器人的朝向、运行速度与其和目标点的距离,筛选出机器人下一时刻最优的控制指令。本发明采用的避障策略无需环境的先验信息,充分考虑了机器人的运动学特性,能够应对未知环境中的动态避障问题。
一种基于动态窗口与虚拟目标点的避障方法,具体步骤如下:
步骤1:预测障碍物运动
本发明通过利用机器人传感器上反馈的有关障碍物的距离与角度信息预测障碍物的运动。定义在t=ti时刻机器人的坐标为其前进方向与世界坐标系x轴的夹角为θ(ti);通过机器人的传感器反馈有关障碍的信息为[α(ti) d(ti)];机器人传感器的检测范围为rd。其中,i为正整数,表示机器人处于开始工作后的第i个工作周期;xr(ti)表示t=ti时刻机器人坐标rti中的横坐标;yr(ti)表示t=ti时刻机器人坐标rti中的横坐标;α(ti)为t=ti时刻机器人的朝向与障碍物之间的角度;d(ti)为t=ti时刻机器人与障碍物的距离。记在t=ti时刻机器人的位置为O,障碍物的位置为A;在t=ti+1时刻机器人的位置为O′,障碍物的位置为A′,障碍物运动矢量为
其中表示由A至O的向量;表示由O至O′的向量;表示由O′至A′的向量。定义在t=ti+k时刻下对障碍物A的预测坐标为obs_A(ti+k),则:
其中,t=ti+k中k为正整数,表示机器人对障碍物的预测是t=ti后,第k个运动周期;表示由A至A′的向量。
步骤2:生成虚拟目标点
定义机器人的半径为rr,在t=ti时刻第j个虚拟目标点的坐标
其中,m为虚拟坐标点的个数;为t=ti时刻虚拟目标点VGj的横坐标,为t=ti时刻虚拟目标点VGj的纵坐标;虚拟目标点VGj的评价函数G1(VGj)为:
G1(VGj)=α1heading1(VGj)+β1dist1(VGj) (7),
其中,
表示机器人和第j个虚拟目标点VGj的连线与机器人和真实目标点连线的角度;表示虚拟目标点与真实目标点之间的距离。α1与β1为评价函数G1(VGj)的两个可调参数。最终选择评价函数值最小的VGj作为最优的虚拟目标点。
步骤3:生成动态窗口
定义机器人的运动学参数为:其中,υmax与ωmax分别表示机器人的最大线速度与角速度;与表示机器人的最大线加速度与角加速度;accυ与accω表示机器人线速度与角速度的最小分辨率。定义机器人在t=ti时刻的速度为[υr(ti) ωr(ti)],则在t=ti+1时刻下,机器人速度的动态窗口υd为:
其中,Δt为相邻时刻间的时间间隔。动态窗口υd的评价函数G2(υ,ω)为:
G2(υ,ω)=α2heading2(υ,ω)+β2dist2(υ,ω)+γvelocity2(υ,ω) (11),
其中,
l为动态窗口υd中备选速度的个数;γk表示第k组来自动态窗口υd的速度下机器人的朝向角与其和目标点连线夹角的角度;ρk表示第k组来自动态窗口υd的速度下机器人与最近一个障碍物的距离;υr(ti)k表示第k组来自动态窗口υd的速度下机器人的速度值。α2,β2与γ为评价函数G2(υ,ω)的三个可调参数。最终选择评价函数值最大的速度[υr(ti+1) ωr(ti+1)]作为机器人在t=ti+1时刻的控制量。
在速度控制量[υr(ti+1) ωr(ti+1)]下,机器人位姿更新如下:
当ωr(ti+1)≠0:
当ωr(ti+1)=0:
步骤4:判断是否到达目标位置
定义机器人在t=ti+1时刻,机器人与目标点的距离为d:
其中,xg为目标点的横坐标,yg为目标点的纵坐标。定义dreach为机器人与目标点的最短距离,用于判断机器人是否到达目标位置:若d≤dreach,则机器人到达目标位置,结束本避障方法;若d>dreach,则机器人还未到目标位置,需要继续迭代步骤1、步骤2与步骤3,直至d≤dreach。
本发明的优点:本发明设计的避障方法通过对障碍物的运动预测,虚拟目标点的切换与动态窗口的设计,使机器人能在障碍物位置、形状与运动状态未知的前提下,安全高效地避开障碍物,到达指定目标。在避障效果方面,与传统的动态窗口方法相比,本发明设计的避障方法,不但能让机器人迅速地逃离凹形陷阱,而且能高效地避开动态障碍物;与传统的人工势场法相比,本发明设计的避障方法,不但能让机器人穿过狭小过道,而且不会引起局部震荡。在避障算法方面,本发明设计的避障方法,机器人的控制命令由动态窗口生成,相比于向量场直方图算法,充分考虑了机器人的运动学模型,控制的准确度得到了提高。同时,虚拟目标点的引入,充分地利用机器人传感器信息,避免其陷入局部最小,提升了机器人的工作效率。
附图说明
图1是本发明的方法流程图。
图2是本发明的障碍物运动预测图
图3是本发明的虚拟目标点评价函数说明图
图4是本发明的动态窗口评价函数说明图
图5是本发明的避障仿真效果图。
具体实施方式
下面结合附图进一步说明本发明的技术方案。
本发明的一种基于动态窗口与虚拟目标点的避障方法,具体过程如图1所示,包括如下步骤:
机器人的初始位置[2 1.8],目标点的位置为[5 5.5],机器人的半径rr=0.3,障碍物的初始位置[2 2.5],障碍物的朝着x轴正方向运动且速度0.25m/s,如图5所示。
步骤1:如图2所示。定义在t=ti时刻机器人的坐标为其前进方向与世界坐标系x轴的夹角为θ(ti),通过机器人的传感器反馈有关障碍的信息为[α(ti)d(ti)]。记在t=ti时刻机器人的位置为O,障碍物的位置为A;在t=ti+1时刻机器人的位置为O′,障碍物的位置为A′,障碍物运动矢量为
定义在t=ti+k时刻下障碍物的坐标为obs_A(ti+k),则:
步骤2:在t=ti时刻设置m=20个虚拟目标点,其中第j个虚拟目标点的坐标为:
虚拟目标点VGj的评价函数为G1(VGj),其两个可调参数设置为α1=3,β1=1,则:
G1(VGj)=3heading1(VGj)+dist1(VGj) (7),
其中,
如图3所示,其中表示第j个虚拟目标点VGj,机器人和其的连线与机器人和真实目标点连线的角度;表示其与真实目标点之间的距离。最终选择评价函数值最小的VGj作为最优的虚拟目标点。
步骤3:定义机器人的运动学参数为:其中,υmax=1m/s与ωmax=50degree/s分别表示机器人的最大线速度与角速度;与表示机器人的最大线加速度与角加速度;与accω=2degree/s表示机器人线速度与角速度的最小分辨率。定义机器人在t=ti时刻下的速度为[υr(ti) ωr(ti)],相邻时刻间的时间间隔Δt=0.1s,则在t=ti+1时刻,机器人速度的动态窗口υd为:
动态窗口Vd的评价函数G2(υ,ω)为,其三个可调参数α2=0.5,β2=2,γ=1,则:
G2(υ,ω)=0.5heading2(υ,ω)+2dist2(υ,ω)+velocity2(υ,ω) (11),
其中,
如图4所示:γk表示第k组来自动态窗口υd的速度下机器人的朝向角与其和目标点连线夹角的角度,ρk表示第k组来自动态窗口υd的速度下机器人与最近一个障碍物的距离,υr(ti)k表示第k组来自动态窗口υd的速度下机器人的速度值。最终选择评价函数值最大的速度值[υr(ti+1) ωr(ti+1)]作为机器人在t=ti+1时刻的控制量。
在速度控制量[υr(ti+1) ωr(ti+1)]下,机器人位姿更新如下:
当ωr(ti+1)≠0:
当ωr(ti+1)=0:
步骤4:定义机器人在t=ti+1时刻,机器人与目标点[5 5.5]的距离为d:
定义dreach=0.1为机器人与目标点的最短距离,用于判断机器人是否到达目标位置:若d≤0.1,则机器人到达目标位置,结束本避障方法;若d>0.1,则机器人还未到目标位置,需要继续迭代步骤1、步骤2与步骤3,直至d≤0.1。通过不断的迭代控制,移动机器人最终能够避开障碍物到达目标点。其仿真的避障效果如图2所示。
从仿真的避障结果中可以看出,在障碍物位置、形状与运动状态未知的环境中,本发明的动态避障策略可以避开路径上的障碍物顺利到达目标点。
本发明通过计算相邻时刻机器人上传感器反馈的有关于障碍物的距离与角度信息,预测障碍物的运动轨迹。根据对障碍物运动轨迹的预测,生成虚拟目标以替代真实目标,使机器人能快速地逃离凹形陷阱。本发明在传统的动态窗口法基础上,加入了对于动态障碍物的轨迹预测,引入了虚拟目标,提高了机器人在动态环境中的工作效率。同时,本发明的避障策略不依赖环境的先验信息,能够适应未知环境中的避障问题。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (3)
1.一种基于动态窗口与虚拟目标点的避障方法,具体步骤如下:
步骤1:预测障碍物运动;
通过利用机器人传感器上反馈的有关障碍物的距离与角度信息预测障碍物的运动;定义在t=ti时刻机器人的坐标为其前进方向与世界坐标系x轴的夹角为θ(ti);通过机器人的传感器反馈有关障碍的信息为[α(ti) d(ti)];机器人传感器的检测范围为rd;其中,i为正整数,表示机器人处于开始工作后的第i个工作周期;xr(ti)表示t=ti时刻机器人坐标中的横坐标;yr(ti)表示t=ti时刻机器人坐标中的横坐标;α(ti)为t=ti时刻机器人的朝向与障碍物之间的角度;d(ti)为t=ti时刻机器人与障碍物的距离;记在t=ti时刻机器人的位置为O,障碍物的位置为A;在t=ti+1时刻机器人的位置为O′,障碍物的位置为A′,障碍物运动矢量为
其中表示由A至O的向量;表示由O至O′的向量;表示由O′至A′的向量;定义在t=ti+k时刻下对障碍物A的预测坐标为obsA(ti+k),则:
其中,t=ti+k中k为正整数,表示机器人对障碍物的预测是t=ti后,第k个运动周期;表示由A至A′的向量;
步骤2:生成虚拟目标点;
定义机器人的半径为rr,在t=ti时刻第j个虚拟目标点的坐标
<mrow>
<msub>
<mi>VG</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<msub>
<mi>vg</mi>
<mi>j</mi>
</msub>
</mrow>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>y</mi>
<mrow>
<msub>
<mi>vg</mi>
<mi>j</mi>
</msub>
</mrow>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mi>r</mi>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>y</mi>
<mi>r</mi>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>+</mo>
<msub>
<mi>r</mi>
<mi>r</mi>
</msub>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mo>(</mo>
<mi>j</mi>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
<mi>m</mi>
</mfrac>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mo>(</mo>
<mi>j</mi>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
<mi>m</mi>
</mfrac>
<mo>)</mo>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mo>...</mo>
<mo>...</mo>
<mo>,</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中,m为虚拟坐标点的个数;为t=ti时刻虚拟目标点VGj的横坐标,为t=ti时刻虚拟目标点VGj的纵坐标;虚拟目标点VGj的评价函数G1(VGj)为:
G1(VGj)=α1heading1(VGj)+β1dist1(VGj) (7),
<mrow>
<msub>
<mi>heading</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>VG</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>&theta;</mi>
<mrow>
<msub>
<mi>VG</mi>
<mi>j</mi>
</msub>
</mrow>
</msub>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>&theta;</mi>
<mrow>
<msub>
<mi>VG</mi>
<mi>n</mi>
</msub>
</mrow>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mi>dist</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>VG</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>d</mi>
<mrow>
<msub>
<mi>VG</mi>
<mi>j</mi>
</msub>
</mrow>
</msub>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>d</mi>
<mrow>
<msub>
<mi>VG</mi>
<mi>n</mi>
</msub>
</mrow>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中表示机器人和第j个虚拟目标点VGj的连线与机器人和真实目标点连线的角度;表示虚拟目标点与真实目标点之间的距离;α1与β1为评价函数G1(VGj)的两个可调参数;最终选择评价函数值最小的VGj作为最优的虚拟目标点;
步骤3:生成动态窗口;
定义机器人的运动学参数为:其中,υmax与ωmax分别表示机器人的最大线速度与角速度;与表示机器人的最大线加速度与角加速度;accυ与accω表示机器人线速度与角速度的最小分辨率;定义机器人在t=ti时刻的速度为[υr(ti) ωr(ti)],则在t=ti+1时刻下,机器人速度的动态窗口υd为:
其中,Δt为相邻时刻间的时间间隔;动态窗口υd的评价函数G2(υ,ω)为:
G2(υ,ω)=α2heading2(υ,ω)+β2dist2(υ,ω)+γvelocity2(υ,ω) (11),
<mrow>
<msub>
<mi>heading</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>&upsi;</mi>
<mo>,</mo>
<mi>&omega;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>&gamma;</mi>
<mi>k</mi>
</msub>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>l</mi>
</munderover>
<msub>
<mi>&gamma;</mi>
<mi>n</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>12</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mi>dist</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>&upsi;</mi>
<mo>,</mo>
<mi>&omega;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>&rho;</mi>
<mi>k</mi>
</msub>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>l</mi>
</munderover>
<msub>
<mi>&rho;</mi>
<mi>n</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>13</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mi>velocity</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>&upsi;</mi>
<mo>,</mo>
<mi>&omega;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msub>
<mi>&upsi;</mi>
<mi>r</mi>
</msub>
<msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>k</mi>
</msub>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>l</mi>
</munderover>
<msub>
<mi>&upsi;</mi>
<mi>r</mi>
</msub>
<msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>n</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>14</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中,l为动态窗口υd中备选速度的个数;γk表示第k组来自动态窗口υd的速度下机器人的朝向角与其和目标点连线夹角的角度;ρk表示第k组来自动态窗口υd的速度下机器人与最近一个障碍物的距离;υr(ti)k表示第k组来自动态窗口υd的速度下机器人的速度值;α2,β2与γ为评价函数G2(υ,ω)的三个可调参数;最终选择评价函数值最大的速度[υr(ti+1) ωr(ti+1)]作为机器人在t=ti+1时刻的控制量;
在速度控制量[υr(ti+1) ωr(ti+1)]下,机器人位姿更新如下:
当ωr(ti+1)≠0:
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>y</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&theta;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>y</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&theta;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>&upsi;</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&omega;</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>&omega;</mi>
<mi>r</mi>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>&omega;</mi>
<mi>r</mi>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>+</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&omega;</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>15</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
当ωr(ti+1)=0:
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>y</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&theta;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>y</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&theta;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>+</mo>
<msub>
<mi>&upsi;</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mi>&Delta;</mi>
<mi>t</mi>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>16</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
步骤4:判断是否到达目标位置;
定义机器人在t=ti+1时刻,机器人与目标点的距离为d:
<mrow>
<mi>d</mi>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>r</mi>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>g</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>r</mi>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
<mo>-</mo>
<msub>
<mi>y</mi>
<mi>g</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>17</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中,xg为目标点的横坐标,yg为目标点的纵坐标;定义dreach判断机器人是否到达目标位置:若d≤dreach,则机器人到达目标位置,结束本避障方法;若d>dreach,则机器人还未到目标位置,需要继续迭代步骤1、步骤2与步骤3,直至d≤dreach。
2.根据权利要求1所述的一种基于动态窗口与虚拟目标点的避障方法,其特征在于,步骤2中,利用m个虚拟目标点替换真实目标点,并通过评价函数G1(VGj)=α1heading1(VGj)+β1dist1(VGj)选择最优的虚拟目标点。
3.根据权利要求1所述的一种基于动态窗口与虚拟目标点的避障方法,其特征在于,步骤3中,根据对动态障碍物位置的预测筛选动态窗口中的可行速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711112522.0A CN107885209B (zh) | 2017-11-13 | 2017-11-13 | 一种基于动态窗口与虚拟目标点的避障方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711112522.0A CN107885209B (zh) | 2017-11-13 | 2017-11-13 | 一种基于动态窗口与虚拟目标点的避障方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107885209A true CN107885209A (zh) | 2018-04-06 |
CN107885209B CN107885209B (zh) | 2020-08-21 |
Family
ID=61780156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711112522.0A Active CN107885209B (zh) | 2017-11-13 | 2017-11-13 | 一种基于动态窗口与虚拟目标点的避障方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107885209B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108829137A (zh) * | 2018-05-23 | 2018-11-16 | 中国科学院深圳先进技术研究院 | 一种机器人目标追踪的避障方法及装置 |
CN109597418A (zh) * | 2019-02-27 | 2019-04-09 | 福州大学 | 基于独立虚拟中心点的机器人分散式协同避障方法 |
CN110018689A (zh) * | 2019-05-15 | 2019-07-16 | 福州大学 | 一种基于动态窗口的多虚拟目标点全局动态路径规划算法 |
CN110045737A (zh) * | 2019-04-28 | 2019-07-23 | 南京邮电大学 | 基于动态窗口法的仿人足球机器人的路径规划 |
CN110083167A (zh) * | 2019-06-05 | 2019-08-02 | 浙江大华技术股份有限公司 | 一种移动机器人的路径跟踪方法及装置 |
CN110125928A (zh) * | 2019-03-27 | 2019-08-16 | 浙江工业大学 | 一种基于前后帧进行特征匹配的双目惯导slam*** |
CN110262478A (zh) * | 2019-05-27 | 2019-09-20 | 浙江工业大学 | 基于改进人工势场法的人机安全避障路径规划方法 |
CN111007848A (zh) * | 2019-12-03 | 2020-04-14 | 中国电子科技集团公司第二十八研究所 | 一种基于有界空间的多智能体协同作业控制方法 |
WO2020083069A1 (zh) * | 2018-10-26 | 2020-04-30 | 科沃斯机器人股份有限公司 | 避让的方法、设备及存储介质 |
CN111258316A (zh) * | 2020-01-20 | 2020-06-09 | 浙江工业大学 | 一种动态环境下趋势感知的机器人轨迹规划方法 |
CN111381589A (zh) * | 2018-12-29 | 2020-07-07 | 沈阳新松机器人自动化股份有限公司 | 一种机器人路径规划方法 |
WO2020151038A1 (zh) * | 2019-01-21 | 2020-07-30 | 傲基科技股份有限公司 | 割草机器人视觉避障方法、机器人、控制装置、存储介质 |
CN111665847A (zh) * | 2020-06-24 | 2020-09-15 | 上海应用技术大学 | 一种基于模糊逻辑的动态窗口避障算法 |
CN111857142A (zh) * | 2020-07-17 | 2020-10-30 | 广州大学 | 一种基于强化学习的路径规划避障辅助方法 |
CN111966125A (zh) * | 2020-08-18 | 2020-11-20 | 重庆交通大学 | 一种基于改进人工势场的无人机航迹避障重构方法 |
CN112424635A (zh) * | 2019-11-05 | 2021-02-26 | 深圳市大疆创新科技有限公司 | 障碍物检测方法、***、地面端设备及自主移动平台 |
CN112462786A (zh) * | 2020-12-03 | 2021-03-09 | 大连海事大学 | 一种基于模糊控制策略双窗口算法的无人艇避碰方法 |
CN112534376A (zh) * | 2018-09-27 | 2021-03-19 | 欧姆龙株式会社 | 控制装置 |
WO2023197668A1 (zh) * | 2022-04-11 | 2023-10-19 | 北京京东乾石科技有限公司 | 机器人避障控制方法和装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008032673A1 (fr) * | 2006-09-11 | 2008-03-20 | Hitachi, Ltd. | Dispositif mobile |
CN101359229A (zh) * | 2008-08-18 | 2009-02-04 | 浙江大学 | 一种基于障碍物运动预测的移动机器人避障方法 |
WO2011062095A1 (ja) * | 2009-11-20 | 2011-05-26 | 村田機械株式会社 | 自律移動体とその制御方法 |
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 |
CN104933228A (zh) * | 2015-05-27 | 2015-09-23 | 西安交通大学 | 基于速度障碍的无人车实时轨迹规划方法 |
CN105223956A (zh) * | 2015-11-09 | 2016-01-06 | 中山大学 | 一种全向移动机器人的动态避障方法 |
CN105300390A (zh) * | 2015-10-30 | 2016-02-03 | 奇瑞汽车股份有限公司 | 障碍物体运动轨迹的确定方法及装置 |
CN105955280A (zh) * | 2016-07-19 | 2016-09-21 | Tcl集团股份有限公司 | 移动机器人路径规划和避障方法及*** |
CN106406320A (zh) * | 2016-11-29 | 2017-02-15 | 重庆重智机器人研究院有限公司 | 机器人路径规划方法及规划路线的机器人 |
CN106406359A (zh) * | 2016-08-30 | 2017-02-15 | 南京航空航天大学 | 一种基于虚拟目标的固定翼无人机跟踪地面目标制导方法 |
-
2017
- 2017-11-13 CN CN201711112522.0A patent/CN107885209B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008032673A1 (fr) * | 2006-09-11 | 2008-03-20 | Hitachi, Ltd. | Dispositif mobile |
CN101359229A (zh) * | 2008-08-18 | 2009-02-04 | 浙江大学 | 一种基于障碍物运动预测的移动机器人避障方法 |
WO2011062095A1 (ja) * | 2009-11-20 | 2011-05-26 | 村田機械株式会社 | 自律移動体とその制御方法 |
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 |
CN104933228A (zh) * | 2015-05-27 | 2015-09-23 | 西安交通大学 | 基于速度障碍的无人车实时轨迹规划方法 |
CN105300390A (zh) * | 2015-10-30 | 2016-02-03 | 奇瑞汽车股份有限公司 | 障碍物体运动轨迹的确定方法及装置 |
CN105223956A (zh) * | 2015-11-09 | 2016-01-06 | 中山大学 | 一种全向移动机器人的动态避障方法 |
CN105955280A (zh) * | 2016-07-19 | 2016-09-21 | Tcl集团股份有限公司 | 移动机器人路径规划和避障方法及*** |
CN106406359A (zh) * | 2016-08-30 | 2017-02-15 | 南京航空航天大学 | 一种基于虚拟目标的固定翼无人机跟踪地面目标制导方法 |
CN106406320A (zh) * | 2016-11-29 | 2017-02-15 | 重庆重智机器人研究院有限公司 | 机器人路径规划方法及规划路线的机器人 |
Non-Patent Citations (5)
Title |
---|
FETHI BELKHOUCHE,ECT.: "Reactive Path Planning in a Dynamic Environment", 《IEEE TRANSACTIONS ON ROBOTICS》 * |
FOX, D.,ECT.: "The dynamic window approach to collision avoidance", 《IEEE ROBOTICS & AUTOMATION MAGAZINE》 * |
吴康等: "一种基于模糊识别的移动机器人避障算法", 《东南大学学报(自然科学版)》 * |
程嘉煜: "基于机器视觉的农业机器人运动障碍检测及避障策略研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
马雷等: "移动机器人对障碍物运动轨迹预测方法的研究", 《机械与电子》 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108829137A (zh) * | 2018-05-23 | 2018-11-16 | 中国科学院深圳先进技术研究院 | 一种机器人目标追踪的避障方法及装置 |
CN112534376A (zh) * | 2018-09-27 | 2021-03-19 | 欧姆龙株式会社 | 控制装置 |
CN112534376B (zh) * | 2018-09-27 | 2024-06-11 | 欧姆龙株式会社 | 控制装置 |
WO2020083069A1 (zh) * | 2018-10-26 | 2020-04-30 | 科沃斯机器人股份有限公司 | 避让的方法、设备及存储介质 |
CN111381589A (zh) * | 2018-12-29 | 2020-07-07 | 沈阳新松机器人自动化股份有限公司 | 一种机器人路径规划方法 |
WO2020151038A1 (zh) * | 2019-01-21 | 2020-07-30 | 傲基科技股份有限公司 | 割草机器人视觉避障方法、机器人、控制装置、存储介质 |
CN109597418A (zh) * | 2019-02-27 | 2019-04-09 | 福州大学 | 基于独立虚拟中心点的机器人分散式协同避障方法 |
CN109597418B (zh) * | 2019-02-27 | 2021-03-02 | 福州大学 | 基于独立虚拟中心点的机器人分散式协同避障方法 |
CN110125928A (zh) * | 2019-03-27 | 2019-08-16 | 浙江工业大学 | 一种基于前后帧进行特征匹配的双目惯导slam*** |
CN110125928B (zh) * | 2019-03-27 | 2021-04-06 | 浙江工业大学 | 一种基于前后帧进行特征匹配的双目惯导slam*** |
CN110045737A (zh) * | 2019-04-28 | 2019-07-23 | 南京邮电大学 | 基于动态窗口法的仿人足球机器人的路径规划 |
CN110018689A (zh) * | 2019-05-15 | 2019-07-16 | 福州大学 | 一种基于动态窗口的多虚拟目标点全局动态路径规划算法 |
CN110262478B (zh) * | 2019-05-27 | 2022-04-19 | 浙江工业大学 | 基于改进人工势场法的人机安全避障路径规划方法 |
CN110262478A (zh) * | 2019-05-27 | 2019-09-20 | 浙江工业大学 | 基于改进人工势场法的人机安全避障路径规划方法 |
CN110083167A (zh) * | 2019-06-05 | 2019-08-02 | 浙江大华技术股份有限公司 | 一种移动机器人的路径跟踪方法及装置 |
WO2021087782A1 (zh) * | 2019-11-05 | 2021-05-14 | 深圳市大疆创新科技有限公司 | 障碍物检测方法、***、地面端设备及自主移动平台 |
CN112424635A (zh) * | 2019-11-05 | 2021-02-26 | 深圳市大疆创新科技有限公司 | 障碍物检测方法、***、地面端设备及自主移动平台 |
CN111007848A (zh) * | 2019-12-03 | 2020-04-14 | 中国电子科技集团公司第二十八研究所 | 一种基于有界空间的多智能体协同作业控制方法 |
CN111007848B (zh) * | 2019-12-03 | 2022-08-16 | 中国电子科技集团公司第二十八研究所 | 一种基于有界空间的多智能体协同作业控制方法 |
CN111258316B (zh) * | 2020-01-20 | 2022-12-09 | 浙江工业大学 | 一种动态环境下趋势感知的机器人轨迹规划方法 |
CN111258316A (zh) * | 2020-01-20 | 2020-06-09 | 浙江工业大学 | 一种动态环境下趋势感知的机器人轨迹规划方法 |
CN111665847A (zh) * | 2020-06-24 | 2020-09-15 | 上海应用技术大学 | 一种基于模糊逻辑的动态窗口避障算法 |
CN111857142A (zh) * | 2020-07-17 | 2020-10-30 | 广州大学 | 一种基于强化学习的路径规划避障辅助方法 |
CN111857142B (zh) * | 2020-07-17 | 2022-08-02 | 广州大学 | 一种基于强化学习的路径规划避障辅助方法 |
CN111966125A (zh) * | 2020-08-18 | 2020-11-20 | 重庆交通大学 | 一种基于改进人工势场的无人机航迹避障重构方法 |
CN111966125B (zh) * | 2020-08-18 | 2022-11-11 | 重庆交通大学 | 一种基于改进人工势场的无人机航迹避障重构方法 |
CN112462786A (zh) * | 2020-12-03 | 2021-03-09 | 大连海事大学 | 一种基于模糊控制策略双窗口算法的无人艇避碰方法 |
CN112462786B (zh) * | 2020-12-03 | 2024-01-19 | 大连海事大学 | 一种基于模糊控制策略双窗口算法的无人艇避碰方法 |
WO2023197668A1 (zh) * | 2022-04-11 | 2023-10-19 | 北京京东乾石科技有限公司 | 机器人避障控制方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107885209B (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107885209A (zh) | 一种基于动态窗口与虚拟目标点的避障方法 | |
CN110703762B (zh) | 一种复杂环境下水面无人艇混合路径规划方法 | |
CN103365299B (zh) | 一种无人机的避障方法及其装置 | |
CN103909522B (zh) | 一种六自由度工业机器人通过奇异域的方法 | |
CN104267728B (zh) | 一种基于可达区域质心矢量的移动机器人避障方法 | |
CN107894773A (zh) | 一种移动机器人的导航方法、***及相关装置 | |
CN103455034B (zh) | 一种基于最近距离向量场直方图的避障路径规划方法 | |
CN108762264A (zh) | 基于人工势场与滚动窗口的机器人的动态避障方法 | |
CN104501816A (zh) | 一种多无人飞行器协调避碰导引规划方法 | |
CN106989748A (zh) | 一种基于云模型的农业移动机器人人机合作路径规划方法 | |
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 | |
CN109241552A (zh) | 一种基于多约束目标的水下机器人运动规划方法 | |
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 | |
CN105629974A (zh) | 一种基于改进型人工势场法的机器人路径规划方法及*** | |
CN106843235A (zh) | 一种面向无人自行车的人工势场路径规划法 | |
CN103558856A (zh) | 动态环境下服务动机器人导航方法 | |
CN105717923A (zh) | 基于椭圆聚类-碰撞锥推演的无人艇海洋动态避障控制算法 | |
CN107544500A (zh) | 一种考虑约束的无人艇靠泊行为轨迹规划方法 | |
CN108490939B (zh) | 在局部感知能力下的势流法的避障方法 | |
CN105549600B (zh) | 一种基于虚拟膨化的运动障碍与uuv相向航行的规避方法 | |
CN110146087B (zh) | 一种基于动态规划思想的船舶路径规划方法 | |
CN106339004A (zh) | 一种植保无人机的作业方法和装置 | |
CN105867370A (zh) | 一种移动机器人全覆盖遍历混沌路径规划方法 | |
CN108762256A (zh) | 一种机器人规避相对高速障碍物的方法 | |
Meng et al. | Harbour protection: moving invasion target interception for multi-AUV based on prediction planning interception method |
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 |