CN108415413B - 一种基于圆形有用域的智能叉车局部避障路径规划方法 - Google Patents

一种基于圆形有用域的智能叉车局部避障路径规划方法 Download PDF

Info

Publication number
CN108415413B
CN108415413B CN201810264217.1A CN201810264217A CN108415413B CN 108415413 B CN108415413 B CN 108415413B CN 201810264217 A CN201810264217 A CN 201810264217A CN 108415413 B CN108415413 B CN 108415413B
Authority
CN
China
Prior art keywords
point
points
forklift
obstacle avoidance
spline curve
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
Application number
CN201810264217.1A
Other languages
English (en)
Other versions
CN108415413A (zh
Inventor
吕恩利
王昱
阮清松
刘妍华
郭嘉明
曾志雄
韦鉴峰
林伟加
罗毅智
李想
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.)
South China Agricultural University
Original Assignee
South China Agricultural University
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 South China Agricultural University filed Critical South China Agricultural University
Priority to CN201810264217.1A priority Critical patent/CN108415413B/zh
Publication of CN108415413A publication Critical patent/CN108415413A/zh
Application granted granted Critical
Publication of CN108415413B publication Critical patent/CN108415413B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05D1/0094—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots involving pointing a payload, e.g. camera, weapon, sensor, towards a fixed or moving target
    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0225—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving docking at a fixed facility, e.g. base station or loading bay
    • 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
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Optics & Photonics (AREA)
  • Electromagnetism (AREA)
  • Forklifts And Lifting Vehicles (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种基于圆形有用域的智能叉车局部避障路径规划方法，该方法包括：依据导航型激光扫描传感器建立环境全局坐标系；利用测距型激光扫描传感器探测周围环境信息。对所获得数据进行分析处理，针对有用域内的所有数据点提取出其中的所有特征点。从特征点中选取合适点作为小目标点，以及B样条曲线控制点。生成B样条曲线路径并执行。本发明避障行驶效率高；特征点的提取十分准确，可以在复杂环境中快速规划出对起止点有严格位姿要求的路径，生成的路径也满足车辆运动学要求及车身尺寸约束；且将B样条曲线利用于智能叉车局部避障路径规划，使得规划过程更加简洁、快速，且控制点的选择较为精巧，能够保证所规划路径起止点位姿均符合要求。

Description

一种基于圆形有用域的智能叉车局部避障路径规划方法
技术领域
本发明涉及智能叉车技术领域，尤其涉及一种用于智能叉车上的基于圆形有用域的智能叉车局部避障路径规划方法。
背景技术
为便于管控，减少人员伤亡事故的发生，降低企业经营成本，同时为对接《中国制造2025》国家发展战略规划，叉车技术日新月异，尤其是叉车的智能化；所谓智能叉车，即工作过程中不需要人为操控，能够自主完成堆、取货物，且具有初步人工智能的机动工业车辆。而智能叉车在运行的过程中，势必会遇到一些不可预知的障碍物，受障碍物影响而无法按原先规划好的路径行驶，需要重新规划一条路径以避开障碍物到达目标点。目前国内外对智能叉车局部避障路径规划的研究中出现较多的是BUG算法、人工势场法、仿生法、气泡带技术、曲率速度技术、动态窗口方法等，对障碍物的处理方式多为包围圈或包围盒的方式，这种方式很容易出现到处都是障碍物而无路可走的假象；又或者以沿障碍物边界绕行的方式来避碰，这类方式虽然可以成功避开障碍物，但行驶效率相对较低，且规划所得路径对位姿约束的要求不够严格，又或者由于冗余数据过多而造成程序量过大，反应不灵敏。
所谓圆形有用域是指为提高程序整体运行效率，以叉车当前位置为圆心，当前位置到最终目标点间的距离为半径做圆，保留测距型激光扫描传感所器获在圆内的数据点为有用数据，其余剔除。而所谓局部避障路径规划是指当智能叉车为到达目标点位置时，行驶过程中遇到未知的障碍物，为避开障碍物而顺利到达目标点，利用传感器获得的环境数据进行的局部路径规划。
因此，现有技术需要进一步改进和完善。
发明内容
本发明的目的在于克服现有技术的不足，提供一种用于智能叉车上的基于圆形有用域的智能叉车局部避障路径规划方法。
本发明的目的通过下述技术方案实现：
一种基于圆形有用域的智能叉车局部避障路径规划方法，该方法包括以下几个步骤：
步骤S1：依据导航型激光扫描传感器建立环境全局坐标系；利用测距型激光扫描传感器探测周围环境信息。
步骤S2：对所获得的传感器数据进行分析处理，针对有用域内的所有数据点提取出其中的所有特征点。
步骤S3：从所得特征点中选取合适点作为小目标点，以及B样条曲线控制点。
步骤S4：生成B样条曲线路径，并执行。
步骤S5：直至到达最终目标点，否则重复以上步骤S1-S4。
作为一种优选的方案，所述步骤S1具体包括：
在智能叉车工作环境中不对称粘贴反光标贴，利用导航型激光扫描传感器扫描环境建立笛卡尔全局坐标系，之后以导航型激光扫描传感器获得的当前全局位置信息和车身尺寸参数以及各传感器之间的位置关系，推算出各传感器当前位置点的全局坐标，再将测距型激光扫描传感器所获得的周围物体相对坐标转换成全局坐标。
进一步地，所述导航型激光扫描传感器安装在叉车顶端中间位置，且到四个轮子的距离相等；传感器坐标轴横轴正向为叉车前进方向，待建立全局坐标系后，此方向与全局坐标系横轴正向的夹角即为车身方向角；而所述测距型激光扫描传感器安装在叉车前头中间位置，扫描范围根据需要而定，一般设置为0度到180度，所得极坐标数据结果需要结合所设置的传感器角度分辨率及各数据的获得顺序进行转换。
作为一种优选的方案，所述步骤S2具体包括：
首先，以叉车当前位置为圆心，当前位置到最终目标点间的距离为半径做圆，保留测距型激光扫描传感所器获在圆内的数据点为有用数据，其余剔除。将获得的有用域内第一个数据点标记为特征点，以这个特征点为基础，选出连续的数个点，过第一个点和最后一个点做直线，判断中间其余点到该直线的距离是否小于设定的某阈值，如果是则在已选出点的基础上按顺序添加一个点后重复上述步骤，直到出现有一点大于该阈值时，将此次加入的点标为特征点，再以此特征点为基础开始新的循环，直到所有数据分析处理完为止。
作为一种优选的方案，所述步骤S3具体包括：
从步骤S2所获得的所有特征点中，选出距离当前位置点与最终目标点连线的距离小于某阈值的所有合要求特征点；再一一以这些特征点为圆心，大于半个车宽的某一长度值为半径作圆，再过当前位置点分别作该圆的切线，每个圆可获得两个切点。
进一步地，分别以所获得的切点为圆心，大于半个车宽的某一长度值为半径作圆，再判断圆中是否存在较多原始数据点，若是则剔除该切点，否则保留该切点。
进一步地，从剩余切点中选出距离当前位置点最近的点为小目标点，亦即是B样条曲线的倒数第一个控制点，并在该切点切线方向上距离小目标点很近且靠近起始点一侧选取一点作为倒数第二个控制点；同时将叉车当前位置点作为第一个控制点，即路径起始点；在叉车当前前进方向上选取一个相距起始点很近的点作为第二个控制点。最后，可选取第二个控制点与倒数第二个控制点间的中间点为新的一个控制点，或者也可以根据需要选择此两点间的其他点作为新控制点。
作为一种优选的方案，所述步骤S4具体包括：
利用步骤S3所获得的控制点，结合B样条曲线生成方式实现局部路径规矩，并将结果传给路径跟踪算法执行。
进一步地，由于叉车局部避障过程为低速行驶，为保证行驶过程车轮转向角转度连续和降低程序计算量，所述B样条曲线一般选择4阶次形式；而 n次B样条曲线的基函数如下：
Figure BDA0001610955370000031
式中
Figure 3
且B样条曲线的表达式：
Figure BDA0001610955370000033
式中u∈[0,1]，i＝1,2,···,m；
其中，n表示样条曲线的阶次，m表示曲线由m段样条曲线平滑连接而成，i表示第i段B样条曲线，Pi+k表示第i段B样条曲线的第k个控制点。
进一步地，所述控制点的选取总数必须大于所选B样条曲线的阶次；通过所选定的B样条曲线阶次计算相应的基函数，再结合选定的控制点以及B 样条曲线的表达式，即可获得所规划路径的各段样条曲线的函数。
作为一种优选的方案，所述步骤S5具体包括：
当能够直达最终目标点，即已经绕过障碍物但还没到达最终目标点时，直接以最终目标点替代上述步骤中的小目标点，重复步骤S3、S4到达最终目标点，并且位姿符合要求为止；否则重复上述步骤S2、S3、S4。
与现有技术相比，本发明还具有以下优点：
(1)本发明所提供的基于圆形有用域的智能叉车局部避障路径规划方法不会出现到处都是障碍物而无路可走的假象，不会陷入局部陷阱，避障行驶效率高。
(2)本发明所提供的基于圆形有用域的智能叉车局部避障路径规划方法由于圆形有用域的限定，减少了冗余信息的同时减少了计算量，提高了程序整体的运行效率。
(3)本发明所提供的基于圆形有用域的智能叉车局部避障路径规划方法采用中特征点的提取十分准确，可以在较复杂环境中快速规划出满足对起止点有严格位姿要求的路径，生成的路径也满足车辆运动学要求及车身尺寸约束。
(4)本发明所提供的基于圆形有用域的智能叉车局部避障路径规划方法将B样条曲线利用于智能叉车局部避障路径规划，使得规划过程更加简洁、快速，仅需要选择合适的控制点即可，且控制点的选择较为精巧，能够保证所规划路径起止点位姿均符合要求。
附图说明
图1是本发明所提供的基于圆形有用域的智能叉车局部避障路径规划方法的使用场景示意图；
图2是本发明所提供的基于圆形有用域的智能叉车局部避障路径规划方法的工作流程图；
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明作进一步说明。
实施例1：
如图1和图2所示，本发明公开了一种当智能叉车为到达目标点位置时，行驶过程中遇到未知的障碍物，为避开障碍物而顺利到达对位姿有严格要求的目标点，且为提高程序运行效率，利用传感器获得的有用环境数据进行的局部路径规划方法，该方法主要包括以下几个步骤：
(1)依据导航型激光扫描传感器建立环境全局坐标系；利用测距型激光扫描传感器探测周围环境信息。
(2)对所获得的传感器数据进行分析处理，针对有用域内的所有数据点提取出其中的所有特征点。
(3)从所得特征点中选取合适点作为小目标点，以及B样条曲线控制点。
(4)生成B样条曲线路径，并执行。
(5)直至到达最终目标点，否则重复以上步骤。
所述(1)步骤具体包括：在智能叉车工作环境中不对称粘贴反光标贴，利用SICK—NAV350导航型激光扫描传感器扫描环境建立笛卡尔全局坐标系 XOY，之后以SICK—NAV350导航型激光扫描传感器获得的当前全局位置信息和车身尺寸参数以及各传感器之间的位置关系，推算出各传感器当前位置点的全局坐标，再将SICK—LMS111测距型激光扫描传感器所获得的周围物体相对坐标转换成全局坐标。
所述导航型激光扫描传感器S安装在叉车顶端中间位置，且到四个轮子的距离相等，平面投影位置可见图1，图中的黑体多边形为障碍物，圆虚线内为有用域范围，圆虚线外灰体多边形为冗余信息；传感器坐标轴横轴x正向为叉车前进方向，待建立全局坐标系XOY后，此x方向与全局坐标系横轴 X正向的夹角即为车身方向角；而所述测距型激光扫描传感器S1安装在叉车前头中间位置，扫描范围根据需要而定，一般设置为0度到180度，所得极坐标数据结果需要结合所设置的传感器角度分辨率及各数据的获得顺序进行转换。
所述传感器S全局坐标为(xs，ys，θs)，传感器S1全局坐标为(xs1，ys1，θs1)，结合以上描述易知，存在
θs＝θs1；
xs1＝xs+SS1*COSθs；
ys1＝ys+SS1*SINθs；
所述(2)步骤具体包括：首先，以叉车当前位置为圆心，当前位置到最终目标点间的距离为半径做圆，保留测距型激光扫描传感所器获在圆内的数据点为有用数据，其余剔除，由于测距型传感器扫描范围设定的不同，圆形有用域一般为非完整圆。将获得的有用域内第一个数据点标记为特征点，以这个特征点为基础，选出连续的数个点，过第一个点和最后一个点做直线，判断中间其余点到该直线的距离是否小于设定的某阈值，如果是则在已选出点的基础上按顺序添加一个点后重复上述步骤，直到出现有一点大于该阈值时，将此次加入的点标为特征点，再以此特征点为基础开始新的循环，直到所有数据分析处理完为止。
所述(3)步骤具体包括：从步骤(2)所获得的所有特征点中，选出距离当前位置点与最终目标点连线的距离小于某阈值的所有合要求特征点；再一一以这些特征点为圆心，大于半个车宽的某一长度值为半径作圆，再过当前位置点分别作该圆的切线，每个圆可获得两个切点。
进一步地，分别以所获得的切点为圆心，大于半个车宽的某一长度值为半径作圆，再判断圆中是否存在较多原始数据点，若是则剔除该切点，否则保留该切点。
进一步地，从剩余切点中选出距离当前位置点最近的点为小目标点，亦即是B样条曲线的倒数第一个控制点，并在该切点切线方向上距离小目标点很近且靠近起始点一侧选取一点作为倒数第二个控制点；同时将叉车当前位置点作为第一个控制点，即路径起始点；在叉车当前前进方向上选取一个相距起始点很近的点作为第二个控制点。最后，可选取第二个控制点与倒数第二个控制点间的中间点为新的一个控制点，或者也可以根据需要选择此两点间的其他点作为新控制点。
所述过平面两点Q1(x1,y1)和点Q2(x2,y2)直线方程式为：
y(x2-x1)-x(y2-y1)+x1y2-x2y1＝0
点Q0(x0,y0)到该直线的距离为：
Figure BDA0001610955370000061
所述(4)步骤具体包括：利用步骤(3)所获得的控制点，结合B样条曲线生成方式实现局部路径规矩，并将结果传给路径跟踪算法执行。
进一步地，由于叉车局部避障过程为低速行驶，为保证行驶过程车轮转向角转度连续和降低程序计算量，所述B样条曲线一般选择4阶次形式；相应基函数如下：
Figure BDA0001610955370000071
Figure BDA0001610955370000072
Figure BDA0001610955370000076
Figure BDA0001610955370000073
Figure BDA0001610955370000074
且B样条曲线的表达式：
Figure BDA0001610955370000075
其中，n表示样条曲线的阶次，m表示曲线由m段样条曲线平滑连接而成，i表示第i段B样条曲线，Pi+k表示第i段B样条曲线的第k个控制点， k＝0,1,2,···,n；u∈[0,1]i＝1,2,···,m。
进一步地，所述控制点的选取总数必须大于所选B样条曲线的阶次；通过所选定的B样条曲线阶次计算相应的基函数，再结合选定的控制点以及B 样条曲线的表达式，即可获得所规划路径的各段样条曲线的函数。
所述(5)步骤具体包括：当能够直达最终目标点P，即已经绕过障碍物但还没到达最终目标点P时，直接以最终目标点替代上述步骤中的小目标点，重复步骤(3)、(4)到达最终目标点，并且位姿符合要求为止；否则重复上述(2)、(3)、(4)步骤。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.一种基于圆形有用域的智能叉车局部避障路径规划方法，其特征在于，包括如下步骤：
步骤S1：依据导航型激光扫描传感器建立环境全局坐标系；利用测距型激光扫描传感器探测周围环境信息；
步骤S2：对所获得的传感器数据进行分析处理，针对有用域内的所有数据点提取出其中的所有特征点；
所述步骤S2具体包括：首先，以叉车当前位置为圆心，当前位置到最终目标点之间的距离为半径做圆，保留测距型激光扫描传感器所获得的在圆内的数据点为有用数据，其余剔除；将获得的有用域内第一个数据点标记为特征点，以这个特征点为基础，选出连续的数个点，过第一个点和最后一个点做直线，判断中间其余点到该直线的距离是否小于设定的某阈值，如果是，则在已选出点的基础上按顺序添加一个点后重复上述步骤，直到出现有一点大于该阈值时，将此次加入的点标为特征点，再以此特征点为基础开始新的循环，直到所有数据分析处理完为止；
步骤S3：从所得特征点中选取合适点作为小目标点，以及B样条曲线控制点；
步骤S4：生成B样条曲线路径，并执行；
步骤S5：直至到达最终目标点，否则依次重复步骤S1至S4。
2.根据权利要求1所述的基于圆形有用域的智能叉车局部避障路径规划方法，其特征在于，所述步骤S1中具体包括如下操作：
在智能叉车工作环境中不对称地粘贴反光标贴，利用导航型激光扫描传感器扫描环境建立笛卡尔全局坐标系，之后以导航型激光扫描传感器获得的当前全局位置信息和车身尺寸参数以及各传感器之间的位置关系，推算出各传感器当前位置点的全局坐标，再将测距型激光扫描传感器所获得的周围物体相对坐标转换成全局坐标。
3.根据权利要求1或2所述的基于圆形有用域的智能叉车局部避障路径规划方法，其特征在于，所述导航型激光扫描传感器安装在叉车顶端中间位置，且到四个轮子的距离相等；导航型激光扫描传感器坐标轴横轴正向为叉车前进方向，待建立全局坐标系后，此方向与全局坐标系横轴正向的夹角即为车身方向角；而所述测距型激光扫描传感器安装在叉车前头中间位置，扫描范围设置为0度到180度，所得极坐标数据结果需要结合所设置的传感器角度分辨率及各数据的获得顺序进行转换。
4.根据权利要求1所述的基于圆形有用域的智能叉车局部避障路径规划方法，其特征在于，所述步骤S3具体包括：
从步骤S2所获得的所有特征点中，选出距离当前位置点与最终目标点连线的距离小于某阈值的所有合要求特征点；然后逐个以这些特征点为圆心，大于半个车宽的某一长度值为半径作圆，再过当前位置点分别作该圆的切线，每个圆可获得两个切点；然后分别以所获得的切点为圆心，大于半个车宽的某一长度值为半径作圆，再判断圆中是否存在3个以上原始数据点，若是则剔除该切点，否则保留该切点。
5.根据权利要求1所述的基于圆形有用域的智能叉车局部避障路径规划方法，其特征在于，从剩余切点中选出距离当前位置点最近的点为小目标点，并设为B样条曲线的倒数第一个控制点，在该切点切线方向上距离小目标点最近且靠近起始点一侧选取一点作为倒数第二个控制点；同时将叉车当前位置点作为第一个控制点，即路径起始点；在叉车当前前进方向上选取一个相距起始点很近的点作为第二个控制点；最后，选取第二个控制点与倒数第二个控制点间的中间点为新的一个控制点，或者根据需要选择此两点间的其他点作为新控制点。
6.根据权利要求1所述的基于圆形有用域的智能叉车局部避障路径规划方法，其特征在于，所述步骤S4具体包括：
利用步骤S3所获得的控制点，结合B样条曲线生成方式实现局部路径规矩，并将结果传给路径跟踪算法执行，且B样条曲线选择4阶次形式。
7.根据权利要求1、4、5、6中任一项所述的基于圆形有用域的智能叉车局部避障路径规划方法，其特征在于，所述控制点的选取总数必须大于所选B样条曲线的阶次；通过所选定的B样条曲线阶次计算相应的基函数，再结合选定的控制点以及B样条曲线的表达式，即可获得所规划路径的各段样条曲线的函数。
8.根据权利要求1所述的基于圆形有用域的智能叉车局部避障路径规划方法，其特征在于，所述步骤S5具体包括：当能够直达最终目标点，即已经绕过障碍物但还没到达最终目标点时，直接以最终目标点替代上述步骤中的小目标点，重复步骤S3和S4到达最终目标点，并且位姿符合要求为止；否则重复上述步骤S2、S3和S4。
CN201810264217.1A 2018-03-28 2018-03-28 一种基于圆形有用域的智能叉车局部避障路径规划方法 Active CN108415413B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810264217.1A CN108415413B (zh) 2018-03-28 2018-03-28 一种基于圆形有用域的智能叉车局部避障路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810264217.1A CN108415413B (zh) 2018-03-28 2018-03-28 一种基于圆形有用域的智能叉车局部避障路径规划方法

Publications (2)

Publication Number Publication Date
CN108415413A CN108415413A (zh) 2018-08-17
CN108415413B true CN108415413B (zh) 2021-03-30

Family

ID=63133908

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810264217.1A Active CN108415413B (zh) 2018-03-28 2018-03-28 一种基于圆形有用域的智能叉车局部避障路径规划方法

Country Status (1)

Country Link
CN (1) CN108415413B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111208807A (zh) * 2018-11-06 2020-05-29 苏州艾吉威机器人有限公司 一种基于b样条曲线的agv运动控制方法
CN109471432B (zh) * 2018-11-08 2021-09-28 南京农业大学 一种自主导航农用车最短避障路径规划方法
CN109557929B (zh) * 2019-02-18 2019-07-05 深兰人工智能芯片研究院（江苏）有限公司 移动机器人的运动控制方法及装置
CN111158365B (zh) * 2019-12-31 2023-05-16 深圳优地科技有限公司 一种路径规划方法、装置、机器人及存储介质
CN113835423B (zh) * 2020-06-08 2024-03-26 苏州艾吉威机器人有限公司 基于b样条曲线的路径规划方法、运动控制方法及***
CN112965490A (zh) * 2021-02-07 2021-06-15 京东数科海益信息科技有限公司 控制机器人的方法、装置及非瞬时性计算机可读存储介质
CN113190004A (zh) * 2021-05-07 2021-07-30 河南科技大学 一种基于算法融合的无人驾驶车辆避碰路径规划方法
CN115705054A (zh) * 2021-08-11 2023-02-17 灵动科技（北京）有限公司 用于移动机器人的路径规划方法及程序产品
CN114664126A (zh) * 2022-03-23 2022-06-24 中国地质大学（武汉） 一种基于计算机网络的艺术设计多媒体教学仪及其操作方法
CN114489087B (zh) * 2022-04-18 2022-07-05 北京理工大学 一种多无人驾驶车辆路径协同规划方法及***

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102650886A (zh) * 2012-04-28 2012-08-29 浙江工业大学 基于主动全景视觉传感器的机器人视觉***
CN103048996A (zh) * 2012-12-27 2013-04-17 深圳先进技术研究院 基于激光扫描测距仪的自动引导车、***及导航方法
CN103995984A (zh) * 2014-06-09 2014-08-20 武汉科技大学 一种基于椭圆约束的机器人路径规划方法和装置
CN104503449A (zh) * 2014-11-24 2015-04-08 杭州申昊科技股份有限公司 一种基于环境直线特征的定位方法
CN104914865A (zh) * 2015-05-29 2015-09-16 国网山东省电力公司电力科学研究院 变电站巡检机器人定位导航***及方法
CN105159294A (zh) * 2015-09-01 2015-12-16 深圳力子机器人有限公司 针对叉车模糊逻辑运动控制器的设计方法
CN105765627A (zh) * 2013-09-30 2016-07-13 克朗设备公司 具有基于顶灯定位的工业车辆
CN106681335A (zh) * 2017-01-22 2017-05-17 无锡卡尔曼导航技术有限公司 用于农机无人驾驶的避障路径规划及其控制方法
CN106990776A (zh) * 2017-02-27 2017-07-28 广东省智能制造研究所 机器人归航定位方法与***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101538775B1 (ko) * 2008-09-12 2015-07-30 삼성전자 주식회사 전방 영상을 이용한 위치 인식 장치 및 방법

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102650886A (zh) * 2012-04-28 2012-08-29 浙江工业大学 基于主动全景视觉传感器的机器人视觉***
CN103048996A (zh) * 2012-12-27 2013-04-17 深圳先进技术研究院 基于激光扫描测距仪的自动引导车、***及导航方法
CN105765627A (zh) * 2013-09-30 2016-07-13 克朗设备公司 具有基于顶灯定位的工业车辆
CN103995984A (zh) * 2014-06-09 2014-08-20 武汉科技大学 一种基于椭圆约束的机器人路径规划方法和装置
CN104503449A (zh) * 2014-11-24 2015-04-08 杭州申昊科技股份有限公司 一种基于环境直线特征的定位方法
CN104914865A (zh) * 2015-05-29 2015-09-16 国网山东省电力公司电力科学研究院 变电站巡检机器人定位导航***及方法
CN105159294A (zh) * 2015-09-01 2015-12-16 深圳力子机器人有限公司 针对叉车模糊逻辑运动控制器的设计方法
CN106681335A (zh) * 2017-01-22 2017-05-17 无锡卡尔曼导航技术有限公司 用于农机无人驾驶的避障路径规划及其控制方法
CN106990776A (zh) * 2017-02-27 2017-07-28 广东省智能制造研究所 机器人归航定位方法与***

Also Published As

Publication number Publication date
CN108415413A (zh) 2018-08-17

Similar Documents

Publication Publication Date Title
CN108415413B (zh) 一种基于圆形有用域的智能叉车局部避障路径规划方法
CN108759829B (zh) 一种智能叉车的局部避障路径规划方法
CN105764773B (zh) 用于控制车辆的方法
CN112673234B (zh) 路径规划方法和路径规划装置
CN110361013B (zh) 一种用于车辆模型的路径规划***及方法
CN107702716B (zh) 一种无人驾驶路径规划方法、***和装置
CN110243380B (zh) 一种基于多传感器数据与角度特征识别的地图匹配方法
CN106708059B (zh) 一种基于通道选择的移动机器人实时运动规划方法
Zheng et al. RRT based path planning for autonomous parking of vehicle
CN113721637B (zh) 智能车动态避障路径连续规划方法、***及存储介质
CN110696819B (zh) 一种自动泊车路径规划方法及***
CN112141091B (zh) 解决车位偏移和定位偏移的二次泊车方法、***及车辆
CN113895463B (zh) 一种适用于自动驾驶车辆掉头的路径规划方法
CN112327830B (zh) 车辆自动驾驶变道轨迹的规划方法及电子设备
CN114200945B (zh) 一种移动机器人的安全控制方法
CN108628326B (zh) 一种智能水下机器人运动重规划策略
JP5493342B2 (ja) 物***置検出装置
Han et al. Robust ego-motion estimation and map matching technique for autonomous vehicle localization with high definition digital map
CN112519782A (zh) 车辆自动变道方法、装置、车辆以及计算机可读存储介质
Yang et al. An algorithm of curved path tracking with prediction model for autonomous vehicle
JP2024071623A (ja) 速度および位置情報を使用するレーダ反射の認識
CN117885764B (zh) 车辆的轨迹规划方法、装置、车辆及存储介质
CN113525509A (zh) 一种铰接车辆转向控制方法及装置
CN113341999A (zh) 一种基于优化d*算法的叉车路径规划方法及装置
US20220410875A1 (en) Driving assistance device, driving assistance method and non-transitory computer-readable medium

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