CN108873915B - 动态避障方法及其全向安防机器人 - Google Patents

动态避障方法及其全向安防机器人 Download PDF

Info

Publication number
CN108873915B
CN108873915B CN201811189513.6A CN201811189513A CN108873915B CN 108873915 B CN108873915 B CN 108873915B CN 201811189513 A CN201811189513 A CN 201811189513A CN 108873915 B CN108873915 B CN 108873915B
Authority
CN
China
Prior art keywords
robot
path
advancing
information
obstacle avoidance
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
CN201811189513.6A
Other languages
English (en)
Other versions
CN108873915A (zh
Inventor
刘琴
明振
李金波
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.)
Changsha Wanwei Robot Co., Ltd.
Original Assignee
Changsha Wanwei Robot Co ltd
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 Changsha Wanwei Robot Co ltd filed Critical Changsha Wanwei Robot Co ltd
Priority to CN201811189513.6A priority Critical patent/CN108873915B/zh
Publication of CN108873915A publication Critical patent/CN108873915A/zh
Application granted granted Critical
Publication of CN108873915B publication Critical patent/CN108873915B/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
    • G05D1/02—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
    • 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
    • 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
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle

Landscapes

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

Abstract

本发明公开了一种动态避障方法，包括接收目标点信息和全局路径信息，并判定路径指令信息的有效性；标记路径中已经通过的节点和未通过的节点；计算机器人的前进方向并实时调整；计算合理的前进速度，并以当前计算得到的前进速度和前进方法前进，从而完成动态避障。本发明还提供了一种包括所述动态避障方法的全向安防机器人。本发明方法能够实现机器人的动态避障，而且算法可靠，避障效果较好。

Description

动态避障方法及其全向安防机器人
技术领域
本发明具体涉及一种动态避障方法及其全向安防机器人。
背景技术
随着经济技术的发展，智能化设备已经广泛应用于人们的生产和生活当中，给人们的生产和生活带来了无尽的便利。而随着智能化设备的带来，机器人技术也得到了长足的发展，机器人也已经逐步开始进入了人们的生产和生活。
作为机器人的一项重要功能，机器人的移动控制一直是机器人研究的重中之重。一般情况下，静态障碍物的规避在进行全局路径规划时就已经布置下来，而动态的不经意的障碍物就需要实时规避。这种实时规避障碍物就称为局部路径规划，而这种局部路径规划就有以下几个特点：(1)环境是未知的；(2)算法是实时性的；(3)规避是动态避障。
移动机器人的避障主要是通过设计障碍物检测策略和避障控制算法，根据传感器反馈信息实时调整机器人的速度大小和方向信息，以采取一定策略避开障碍物，从而保证机器人的正常行走。目前，基于这种移动机器人的避障方案主要有以下两种：第一种是基于视觉的方法，采用单目、双目或深度摄像头获得障碍物的3维点云信息，并采用一定避障策略。这种基于是视觉的方法有一定局限性，主要依赖于足够的光照和丰富的纹理信息，因此对环境的要求相对来说要高一些。第二种是基于人工势场法，主要是基于流场的理论，人工势场法考虑了移动机器人与障碍物的相关位置信息，利用流场的引力与斥力关系进行动态障碍物的判定。人工势场法相对目标而言，具有吸引力，而对于障碍物，则具有排斥作用。但是这种方法有个缺陷，就是对于环境复杂且快速变化的障碍物时，就表现得无能为力，会出现漏检或误检情况。
发明内容
本发明的目的之一在于提供一种能够实现机器人的动态避障，算法可靠且效果较好的动态避障方法。
本发明的目的之二在于提供一种全向安防机器人，该全向安防机器人包括了所述的动态避障方法。
本发明提供的这种动态避障方法，包括如下步骤：
S1.机器人接收目标点信息和全局路径信息；
S2.机器人接收路径指令信息，并判定路径指令信息的有效性；
S3.机器人标记出路径中已经通过的节点和未通过的节点；
S4.根据步骤S1接收的信息和步骤S3的标记节点，计算机器人的前进方向；
S5.机器人在前进过程中，采用激光探测周边障碍的数据信息，并实时调整机器人的前进方向；
S6.根据步骤S5获取的障碍数据信息和得到的前进方向信息，计算合理的前进速度，并以当前计算得到的前进速度和前进方法前进，从而完成动态避障。
步骤S2所述的判定路径指令信息的有效性，具体为采用如下步骤判定有效性：
A.计算接收到的路径指令信息中的路径终点，与步骤S1接收的目标点之间的欧氏距离；
B.采用如下规则判定有效性：
若步骤A得到的欧氏距离小于事先设定的阈值，则认定该路径指令信息有效；
若步骤A得到的欧氏距离大于或等于事先设定的阈值，则认定该路径指令信息无效，则继续等待下一条指令。
步骤S4所述的计算机器人的前进方向，具体为采用如下步骤计算机器人的前进方向：
a.根据事先指定的两个经验值索引点，根据经验值从不同方位角选取四个方向的目标点；
b.确定当前位置与步骤a选取的四个目标点之间的距离和方向角；
c.对步骤a得到的四个目标点设置权重，且四个目标点的权重之和为1；
d.根据步骤b得到的距离和方向角，采用如下算式计算最终的目标点和前进方向：
Figure BDA0001827116810000031
Figure BDA0001827116810000032
yaw＝arctan(yVector,xVector)
式中xVector为最终目标点的x方向的坐标，yVector为最终目标点的y方向的坐标，yaw为前进方向；其中，xVector(i)＝cos(thetai)*d(i)，yVector(i)＝sin(thetai)*d(i)，d(i)为当前点距离4个不同方位角上的目标点的距离值，thetai为4个不同方向的方位角。
步骤S5所述的实时调整机器人的前进方向，具体为采用如下步骤进行实时调整：
(1)根据激光雷达探测的信息，获取路径前方障碍的距离信息，并判断当前路径是否可行；若可行走，则机器人沿着目标点行进，若不可走，则继续进行路径计算；
(2)遍历当前路径方向两侧设定角度内的所有方向，选取方向上最近的障碍物距离，确定路径指导方向；
(3)结合当前路径方向，计算每个方向的代价和优选指数；
(4)选择优选指数最大的方向作为机器人的前进方向。
步骤(1)所述的判断当前路径是否可行，具体为采用如下规则判断路径是否可行：若机器人与障碍物的距离大于机器人的物理半径，则认定路径可行；否则，则认定路径不可行。
步骤(2)所述的选取方向上距离最近的障碍物距离，具体为计算机器人的当前位置与最近障碍物的欧式距离。
步骤(3)所述的计算每个方向的代价和优选指数，具体为采用如下步骤进行计算：
Ⅰ遍历路径指导方向两侧60度内的所有方向，选取方向上最近的障碍物距离；
Ⅱ结合当前路径方向，计算每个方向的代价和优选指数；代价为机器人避开障碍物所行进的距离；且距离越短，优选指数越高。
步骤S6所述的计算合理的前进速度，具体为采用步骤进行计算：
1)根据当前前进方向上的障碍信息和机器人的当前速度，给出第一建议速度；
2)根据目标方向上的障碍信息和机器人的当前速度，给出第二建议速度；
3)在第一建议速度和第二建议速度中，选取较小值作为最终的前进速度。
本发明还提供了一种全向安防机器人，该全向安防机器人包括了所述的动态避障方法。
本发明提供的这种动态避障方法，在机器人全局路径规划阶段进行了平滑处理，在可选路径上选取4个方向，利用权重和的形式确定最优目标点，保证了机器人行走流畅；同时采用了向量场直方图避障核心算法，结合最近的障碍物信息，计算每个路径的代价，并确定最优方向；因此本发明方法能够实现机器人的动态避障，而且算法可靠，避障效果较好。
附图说明
图1为本发明方法的方法流程图。
图2为本发明方法中的路径平滑过程示意图。
具体实施方式
如图1所示为本发明方法的方法流程图：本发明提供的这种动态避障方法，包括如下步骤：
S1.机器人接收目标点信息和全局路径信息；
S2.机器人接收路径指令信息，并判定路径指令信息的有效性；具体为采用如下步骤判定有效性：
A.根据接收到的路径指令信息中的路径终点，计算与步骤S1接收的目标点之间的欧氏距离；
B.采用如下规则判定有效性：
若步骤A得到的欧氏距离小于事先设定的阈值，则认定该路径指令信息有效；
若步骤A得到的欧氏距离大于或等于事先设定的阈值，则认定该路径指令信息无效；则继续等待下一条指令。
S3.机器人标记出路径中已经通过的节点和未通过的节点；
S4.根据步骤S1接收的信息和步骤S3的标记节点，计算机器人的前进方向(具体过程如图2所示)；具体为采用如下步骤计算机器人的前进方向：
a.根据事先指定的两个经验值索引点，根据经验值从不同方位角选取四个方向的目标点；
b.确定当前位置与步骤a选取的四个目标点之间的距离和方向角；
c.对步骤a得到的四个目标点设置权重，且四个目标点的权重之和为1；
c.根据步骤b得到的距离和方向角，采用如下算式计算最终的目标点和前进方向：
Figure BDA0001827116810000061
Figure BDA0001827116810000062
yaw＝arctan(yVector,xVector)
式中xVector为最终目标点的x方向的坐标，yVector为最终目标点的y方向的坐标，yaw为前进方向；其中，xVector(i)＝cos(thetai)*d(i)，yVector(i)＝sin(thetai)*d(i)，d(i)为当前点距离4个不同方位角上的目标点的距离值，thetai为4个不同方向的方位角；
S5.机器人在前进过程中，采用激光探测周边障碍的数据信息，并实时调整机器人的前进方向；具体为采用如下步骤进行实时调整：
(1)根据激光雷达探测的信息，获取路径前方障碍的距离信息，并判断当前路径是否可行；若可行走，则机器人沿着目标点行进，若不可走，则继续进行路径计算；具体为采用如下规则判断路径是否可行：若机器人与障碍物的距离大于机器人的物理半径，则认定路径可行；否则，则认定路径不可行；
(2)遍历当前路径方向两侧设定角度内的所有方向，选取方向上最近的障碍物距离，确定路径指导方向；具体为计算机器人的当前位置与最近障碍物的欧式距离；
(3)结合当前路径方向，计算每个方向的代价和优选指数；具体为采用如下步骤进行计算：
Ⅰ遍历路径指导方向两侧60度内的所有方向，选取方向上最近的障碍物距离；
Ⅱ结合当前路径方向，计算每个方向的代价和优选指数；代价为机器人避开障碍物所行进的距离；且距离越短，优选指数越高；
(4)选择优选指数最大的方向作为机器人的前进方向。
S6.根据步骤S5获取的障碍数据信息和得到的前进方向信息，计算合理的前进速度，并以当前计算得到的前进速度和前进方法前进，从而完成动态避障；具体为采用步骤进行计算：
1)根据当前前进方向上的障碍信息和机器人的当前速度，给出第一建议速度；
2)根据目标方向上的障碍信息和机器人的当前速度，给出第二建议速度；
3)在第一建议速度和第二建议速度中，选取较小值作为最终的前进速度。
在具体实施时，第一建议速度和第二建议速度可以根据经验值事先设定好，并建议一个对应关系，比如第一建议速度与当前前进方向上的障碍信息和机器人的当前速度之间的对应关系表，以及第二建议速度与目标方向上的障碍信息和机器人的当前速度之间的对应关系表，然后在算法具体实现时，只需要进行查表处理即可完成速度的给定。

Claims (8)

1.一种动态避障方法，包括如下步骤：
S1.机器人接收目标点信息和全局路径信息；
S2.机器人接收路径指令信息，并判定路径指令信息的有效性；
S3.机器人标记出路径中已经通过的节点和未通过的节点；
S4.根据步骤S1接收的信息和步骤S3的标记节点，计算机器人的前进方向；具体为采用如下步骤计算机器人的前进方向：
a.根据事先指定的两个经验值索引点，根据经验值从不同方位角选取四个方向的目标点；
b.确定当前位置与步骤a选取的四个目标点之间的距离和方向角；
c.对步骤a得到的四个目标点设置权重，且四个目标点的权重之和为1；
c.根据步骤b得到的距离和方向角，采用如下算式计算最终的目标点和前进方向：
Figure FDA0003004966600000011
Figure FDA0003004966600000012
yaw＝arctan(yVector,xVector)
式中xVector为最终目标点的x方向的坐标，yVector为最终目标点的y方向的坐标，yaw为前进方向；其中，xVector(i)＝cos(thetai)*d(i)，yVector(i)＝sin(thetai)*d(i)，d(i)为当前点距离4个不同方位角上的目标点的距离值，thetai为4个不同方向的方位角；
S5.机器人在前进过程中，采用激光探测周边障碍的数据信息，并实时调整机器人的前进方向；
S6.根据步骤S5获取的障碍数据信息和得到的前进方向信息，计算合理的前进速度，并以当前计算得到的前进速度和前进方法前进，从而完成动态避障。
2.根据权利要求1所述的动态避障方法，其特征在于步骤S2所述的判定路径指令信息的有效性，具体为采用如下步骤判定有效性：
A.根据接收到的路径指令信息中的路径终点，计算与步骤S1接收的目标点之间的欧氏距离；
B.采用如下规则判定有效性：
若步骤A得到的欧氏距离小于事先设定的阈值，则认定该路径指令信息有效；
若步骤A得到的欧氏距离大于或等于事先设定的阈值，则认定该路径指令信息无效，继续等待下一条指令。
3.根据权利要求1或2所述的动态避障方法，其特征在于步骤S5所述的实时调整机器人的前进方向，具体为采用如下步骤进行实时调整：
(1)根据激光雷达探测的信息，获取路径前方障碍的距离信息，并判断当前路径是否可行；若可行走，则机器人沿着目标点行进，若不可走，则继续进行路径计算；
(2)遍历当前路径方向两侧设定角度内的所有方向，选取方向上距离最近的障碍物距离，确定路径指导方向；
(3)结合当前路径方向，计算每个方向的代价和优选指数；
(4)选择优选指数最大的方向作为机器人的前进方向。
4.根据权利要求3所述的动态避障方法，其特征在于步骤(1)所述的判断当前路径是否可行，具体为采用如下规则判断路径是否可行：若机器人与障碍物的距离大于机器人的物理半径，则认定路径可行；否则，则认定路径不可行。
5.根据权利要求4所述的动态避障方法，其特征在于步骤(2)所述的选取方向上最近的障碍物距离，具体为计算机器人的当前位置与最近障碍物的欧式距离。
6.根据权利要求5所述的动态避障方法，其特征在于步骤(3)所述的计算每个方向的代价和优选指数，具体为采用如下步骤进行计算：
Ⅰ遍历路径指导方向两侧60度内的所有方向，选取方向上最近的障碍物距离；
Ⅱ结合当前路径方向，计算每个方向的代价和优选指数；代价为机器人避开障碍物所行进的距离；且距离越短，优选指数越高。
7.根据权利要求1或2所述的动态避障方法，其特征在于步骤S6所述的计算合理的前进速度，具体为采用步骤进行计算：
1)根据当前前进方向上的障碍信息和机器人的当前速度，给出第一建议速度；
2)根据目标方向上的障碍信息和机器人的当前速度，给出第二建议速度；
3)在第一建议速度和第二建议速度中，选取较小值作为最终的前进速度。
8.一种全向安防机器人，其特征在于包括权利要求1～7之一所述的动态避障方法。
CN201811189513.6A 2018-10-12 2018-10-12 动态避障方法及其全向安防机器人 Active CN108873915B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811189513.6A CN108873915B (zh) 2018-10-12 2018-10-12 动态避障方法及其全向安防机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811189513.6A CN108873915B (zh) 2018-10-12 2018-10-12 动态避障方法及其全向安防机器人

Publications (2)

Publication Number Publication Date
CN108873915A CN108873915A (zh) 2018-11-23
CN108873915B true CN108873915B (zh) 2021-08-20

Family

ID=64325072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811189513.6A Active CN108873915B (zh) 2018-10-12 2018-10-12 动态避障方法及其全向安防机器人

Country Status (1)

Country Link
CN (1) CN108873915B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7120071B2 (ja) * 2019-02-21 2022-08-17 新東工業株式会社 自律移動ロボット
CN109872324A (zh) * 2019-03-20 2019-06-11 苏州博众机器人有限公司 地面障碍物检测方法、装置、设备和存储介质
CN112975938B (zh) * 2019-12-12 2022-04-05 中国科学院沈阳自动化研究所 一种基于零空间的机械臂速度层轨迹规划方法
CN113050641B (zh) * 2021-03-18 2023-02-28 香港中文大学（深圳） 一种路径规划方法及相关设备
CN112990129B (zh) * 2021-04-27 2021-07-20 长沙万为机器人有限公司 基于视觉与激光雷达联合的三维物体检测方法及***

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005222559A (ja) * 2005-03-11 2005-08-18 Matsushita Electric Works Ltd 自律移動装置及び自律移動制御方法
CN102520721A (zh) * 2011-12-08 2012-06-27 北京控制工程研究所 一种基于双目立体视觉的巡视探测器自主避障规划方法
CN105116902A (zh) * 2015-09-09 2015-12-02 北京进化者机器人科技有限公司 一种移动机器人避障导航的方法和***
CN105652870A (zh) * 2016-01-19 2016-06-08 中国人民解放军国防科学技术大学 一种智能安保服务机器人自主巡逻控制***及自主巡逻控制方法
CN106681320A (zh) * 2016-12-15 2017-05-17 浙江大学 一种基于激光数据的移动机器人导航控制方法
CN107703948A (zh) * 2017-11-14 2018-02-16 上海理工大学 基于自适应动态窗口的移动机器人局部动态路径规划方法
CN108469827A (zh) * 2018-05-16 2018-08-31 江苏华章物流科技股份有限公司 一种适用于物流仓储***的自动导引车全局路径规划方法
CN108549378A (zh) * 2018-05-02 2018-09-18 长沙学院 一种基于栅格地图的混合路径规划方法和***
CN108549385A (zh) * 2018-05-22 2018-09-18 东南大学 一种结合a*算法和vfh避障算法的机器人动态路径规划方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2913781B1 (fr) * 2007-03-13 2009-04-24 Thales Sa Procede de reduction des nuisances d'alerte anticollision avec des obstacles pour aeronef

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005222559A (ja) * 2005-03-11 2005-08-18 Matsushita Electric Works Ltd 自律移動装置及び自律移動制御方法
CN102520721A (zh) * 2011-12-08 2012-06-27 北京控制工程研究所 一种基于双目立体视觉的巡视探测器自主避障规划方法
CN105116902A (zh) * 2015-09-09 2015-12-02 北京进化者机器人科技有限公司 一种移动机器人避障导航的方法和***
CN105652870A (zh) * 2016-01-19 2016-06-08 中国人民解放军国防科学技术大学 一种智能安保服务机器人自主巡逻控制***及自主巡逻控制方法
CN106681320A (zh) * 2016-12-15 2017-05-17 浙江大学 一种基于激光数据的移动机器人导航控制方法
CN107703948A (zh) * 2017-11-14 2018-02-16 上海理工大学 基于自适应动态窗口的移动机器人局部动态路径规划方法
CN108549378A (zh) * 2018-05-02 2018-09-18 长沙学院 一种基于栅格地图的混合路径规划方法和***
CN108469827A (zh) * 2018-05-16 2018-08-31 江苏华章物流科技股份有限公司 一种适用于物流仓储***的自动导引车全局路径规划方法
CN108549385A (zh) * 2018-05-22 2018-09-18 东南大学 一种结合a*算法和vfh避障算法的机器人动态路径规划方法

Also Published As

Publication number Publication date
CN108873915A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
CN108873915B (zh) 动态避障方法及其全向安防机器人
Yang et al. Cubeslam: Monocular 3-d object slam
CN106406338B (zh) 一种基于激光测距仪的全向移动机器人的自主导航装置及其方法
Kidono et al. Autonomous visual navigation of a mobile robot using a human-guided experience
Zhou et al. Ground-plane-based absolute scale estimation for monocular visual odometry
RU2662913C2 (ru) Способ локализации робота в плоскости локализации
CN110906934B (zh) 一种基于碰撞危险系数的无人艇避障方法和***
JP2006262009A (ja) 移動体用の障害物検出装置
Ye et al. A co-robotic cane for blind navigation
JPWO2019069626A1 (ja) 移動車両
CN107479561B (zh) 一种控制机器人的方法
US20230185317A1 (en) Information processing device, information processing system, method, and program
Zhu et al. A novel tracking system for human following robots with fusion of MMW radar and monocular vision
Luo et al. Stereo Vision-based Autonomous Target Detection and Tracking on an Omnidirectional Mobile Robot.
CN110857861B (zh) 轨迹规划方法与***
Zhang et al. Plane-aided visual-inertial odometry for pose estimation of a 3d camera based in-door blind navigation
Yu et al. Distance estimation method with snapshot landmark images in the robotic homing navigation
Zhang et al. A depth-enhanced visual inertial odometry for a robotic navigation aid for blind people
Shi et al. Motion planning by adding geometric constraint of roadside to beam curvature method
Hirakawa et al. Monocular Navigation System for Corridor Environments Based on Relative Camera Pose Estimation: An Approach Without SLAM
Zhu et al. Omni-directional vision based tracking and guiding system for walking assistant robot
Liu et al. Processed RGB-D slam based on hog-man algorithm
Kang et al. 3D vision-based local path planning system of a humanoid robot for obstacle avoidance
Fu et al. A fast robot homing approach using sparse image waypoints
Hwang et al. A study on robust motion control of humanoid type robot for cooperative working

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190710

Address after: 410013 16 Floor, F1 Building, Lugu Enterprise Square, 27 Wenxuan Road, Changsha High-tech Development Zone, Hunan Province

Applicant after: Changsha Wanwei Robot Co., Ltd.

Address before: 410013 16 Floor, F1 Building, Lugu Enterprise Square, 27 Wenxuan Road, Changsha High-tech Development Zone, Hunan Province

Applicant before: Hunan Wan Intelligent Robot Technology Co., Ltd.

GR01 Patent grant
GR01 Patent grant