CN109085836A - 一种扫地机器人回指定位置最短路线的方法 - Google Patents
一种扫地机器人回指定位置最短路线的方法 Download PDFInfo
- Publication number
- CN109085836A CN109085836A CN201810995594.2A CN201810995594A CN109085836A CN 109085836 A CN109085836 A CN 109085836A CN 201810995594 A CN201810995594 A CN 201810995594A CN 109085836 A CN109085836 A CN 109085836A
- Authority
- CN
- China
- Prior art keywords
- map
- sweeping robot
- point
- designated position
- minimal path
- 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
- 238000010408 sweeping Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000033001 locomotion Effects 0.000 claims abstract description 12
- 230000003716 rejuvenation Effects 0.000 claims description 12
- 230000004888 barrier function Effects 0.000 claims description 10
- 239000002245 particle Substances 0.000 claims description 10
- 230000004807 localization Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 6
- 241001417527 Pempheridae Species 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005406 washing Methods 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000004140 cleaning Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 230000003139 buffering effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000013507 mapping 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
- G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
-
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
-
- 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
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种扫地机器人回指定位置最短路线的方法,包括地图构建、扫地机器人地位、回指定位置最短路线的方法定义。本发明通过在扫地机器人内部构建的地图中直接进入规划路线中行走,从起始点到目标点,不需要外部感应器的反馈来指导或者试探性盲走的动作,以最优最短的路线完成指定的工作,在现有硬件的条件下,让扫地机器人能以更高度的智能化方式回到指定位置这个点,而避免盲找产生多余动作的软件算法的方式。
Description
技术领域
本发明涉及扫地机器人技术领域,尤其涉及一种扫地机器人回指定位置最短路线的方法。
背景技术
随着社会经济的发展,扫地机器人已经开始代替人们进行一些家务清扫,由于其智能化及便捷性,越来越受到人们的喜爱,但是由于家庭环境的复杂性和多变性,对扫地机器人的要求也越来越高。
在扫地机器人日益受用的今天,智能导航概念的应用越来越频繁,但是一些扫地机器人在清扫完成后需要回到初始位置或者充电座的时候,一般通过先盲找,在侦测到充电座发出的引导信号下进行自动对位回充,其中盲找状态的时间长度和环境的复杂度以及扫地机器人所处的位置距离充电座的里程远近有着很大的关系,往往寻找充电座的时间与清洁完成的时间比例过大,造成整体效率低下和智能化不足的尴尬。
因此,有必要进行研究开发,以提供一种解决上述目前现有技术存在缺陷的技术方案,解决现有扫地机器人寻找充电座的时间与清洁完成的时间比例过大,造成整体效率低下和智能化不足的缺陷。
发明内容
本发明的目的在于提供一种扫地机器人回指定位置最短路线的方法,通过在扫地机器人内部构建的地图中直接进入规划路线中行走,从起始点到目标点,不需要外部感应器的反馈来指导或者试探性盲走的动作,解决了现有扫地机器人回指定位置的时间与清洁完成的时间比例过大,造成整体效率低下和智能化不足的缺陷。
为实现上述目的,本发明采用以下技术方案:
一种扫地机器人回指定位置最短路线的方法,包括如下步骤:
步骤一、采用激光雷达,引入占据栅格地图方式来构建地图,得到基于图形像素的坐标地图;
步骤二、采用计算的方式对比扫地机器人的位姿信息与地图的匹配程度来确定扫地机器人所在位置;
步骤三、在所述步骤一和步骤二完成的情况下,扫地机器人回到指定位置最短路线的方法是定义一个起始节点和一个目标节点,以起始节点为中心向外层逐层扩展,直到扩展到目标节点为止。
进一步地,所述步骤一中所述地图构建分为以下几步:
第一步、在地图构建初始化后,通过激光雷达获取环境极坐标数据和扫地机器人当前位姿坐标;
第二步、将极坐标数据转化为以扫地机器人位姿坐标为原点的二维平面直角坐标;
第三步、将机器人位姿坐标系转化为全局地图坐标系,得到激光雷达映射到全局地图坐标系的点云数据;
第四步、对第三步中的点云数据进行栅格地图化处理,得到栅格坐标系;
第五步、把栅格坐标系转化为图像矩阵,占用栅格地图的格点数值为0.9;
第六步、用Bresenham算法绘制占据栅格地图,然后更新占据栅格地图状态。
进一步地,所述步骤二在完成所述步骤一中的地图构建后,依次进行扫地机器人位姿蒙特卡洛定位、初始化粒子群与模拟粒子运动、地图匹配和地图更新流程。
进一步地,所述扫地机器人位姿蒙特卡洛定位是指在获取的激光雷达数据上,选取上一时刻的机器人位姿与该位姿下的地图画面;所述初始化粒子群与模拟粒子运动是指设定数个粒子,以扫地机器人为坐标来绘制栅格地图;所述地图匹配是找到扫地机器人位姿下的地图画面与栅格地图最匹配的点,从而得到迭代赋值进行地图更新。
进一步地,在所述步骤三中,对地图进行标记,标记墙体或者障碍物、初始点、结束点、未探测区域;然后以初始点为中心向四周逐层扫描,并计算扫描点对应的拓展点坐标。
进一步地,所述拓展点坐标与标记对比,确认所述拓展点是标记墙体或者障碍物、初始点、结束点、未探测区域中的一种。
进一步地,所述拓展点是结束点,存储该拓展点坐标到链表缓冲器,所述扫地机器人回到指定位置最短路线查找完成。
进一步地,所述拓展点是墙体或者障碍物,舍去该拓展点坐标,然后确认该拓展点对应的扫描点所对应层的点是否都查询完毕。
进一步地,所述拓展点是未探测区域,存储该拓展点坐标到链表,然后确认该拓展点对应的扫描点所对应层的点是否都查询完毕。
进一步地,所述拓展点对应的扫描点所对应层的点都查询完毕,所述扫地机器人回到指定位置最短路线查找失败。
相较于现有技术,本发明扫地机器人回指定位置最短路线的方法,通过在扫地机器人内部构建的地图中直接进入规划路线中行走,从起始点到目标点,不需要外部感应器的反馈来指导或者试探性盲走的动作,以最优最短的路线完成指定的工作,在现有硬件的条件下,让扫地机器人能以更高度的智能化方式回到指定位置这个点,而避免盲找等产生多余动作的软件算法的方式,解决了现有扫地机器人回指定位置的时间与清洁完成的时间比例过大,造成整体效率低下和智能化不足的缺陷。
附图说明
图1为本发明地图构建流程图;
图2为本发明扫地机器人定位流程图;
图3为本发明最短路线计算方法简化图;
图4为本发明另一实施例最短路线计算方法的简化图;
图5为图4路线计算方法的流程图。
具体实施方式
为了更充分理解本发明的技术内容,下面结合附图及具体实施例对本发明的技术方案进一步介绍和说明,但不局限于此。
本发明扫地机器人回指定位置最短路线的方法提前规划好路线,扫地机器人将在内部构建的地图中直接进入规划路线中行走,从出发点到目标点,不需要外部感应器的反馈来指导或者试探性盲走地动作,在智能化算法的规划中,以最优最短路径完成指定的工作,避免盲找等产生多余动作的软件算法的方式。
本发明扫地机器人回指定位置最短路线的方法包括如下3个步骤:
步骤一、地图构建:采用激光雷达,引入占据栅格地图方式来构建室内地图,得到基于图形像素的坐标地图;
步骤二、机器人定位:采用计算的方式对比扫地机器人的位姿信息与地图部分的匹配程度来确定机器所在位置,其算法思想主要是融合激光雷达返回的信息并用高斯分布描述扫地机器人位置信息的噪音,用大量的粒子来描述扫地机器人的位置;
步骤三、最短路线计算:在地图和扫地机器人的定位都已经确定了的情况下,扫地机器人回到指定位置可以直接通过运算完成路线规划实现定点导航,其算法处理是基于完整的地图构建和扫地机器人的定位,最短路线计算方法定义一个起始节点S和一个目标节点T,以起始节点S为中心向外层逐层扩展,直到扩展到目标节点T为止。
具体地,在所述步骤一中,本发明介绍了所述地图构建的详细流程,如图1所示,所述地图构建主要分为以下几步:
第一步、在地图构建初始化后,通过激光雷达获取居家环境数据和扫地机器人当前位姿坐标,所述居家环境数据采用极坐标表示即lidar_data(lidar-ranger,lidar-data),所述扫地机器人当前位姿坐标采用全局地图直角坐标表示即pose(x,y,angle);
第二步、将极坐标数据转化为以扫地机器人位姿坐标为原点的二维平面直角坐标,所述极坐标数据转化公式为:scan(x)=cos(lidar-angle)*lidar_data;scan(y)=sin(lidar-angle)*lidar_data;
第三步、将机器人位姿坐标系转化为全局地图坐标系,具体转化方式为:Tx=scan(x)*cos(angle)+scan(y)*sin(angle),Ty=scan(x)*sin(angle)-scan(y)*cos(angle),得到激光雷达映射到全局地图坐标系的点云数据(Tx,Ty);
第四步、对所述点云数据(Tx,Ty)进行栅格地图化处理,即Sx=floor取整(Tx/Sg(栅格大小)),Sy=floor取整(Ty/Sg(栅格大小));
第五步、把栅格坐标系转化为图像矩阵,Simg=zeros(N,M),Simg(Sx,Sy)=0.9,占用栅格地图的格点数值为0.9;
第六步、绘制占据栅格地图,用Bresenham算法绘制从扫地机器人位姿点到占据点(Sx,Sy)之间的非障碍物的占据概率-0.7,Simg=Bresenham(Simg,Sx,Sy,pose(x),pose(y));
第七步、更新占据栅格地图状态,上一帧地图simgl=simgl+simg;确认地图更新是否完成,若地图更新完成则地图构建完成,若地图更新未完成则重复开始获取居家环境数据和扫地机器人当前位姿坐标,然后重复第三步到第六步后再进行地图更新并确认。
具体地,在所述步骤二中,本发明介绍了所述机器人定位的详细流程,如图2所示,首先要完成步骤一中所述的地图构建;然后依次进行扫地机器人位姿蒙特卡洛定位、初始化粒子群与模拟粒子运动、地图匹配和地图更新,即完成了扫地机器人定位流程;
所述扫地机器人位姿蒙特卡洛定位是指获取新一帧的激光雷达数据scan,选取上一时刻的机器人位姿pose与该位姿下的地图画面Simg;所述初始化粒子群与模拟粒子运动是指设定200个粒子,以Ppose为扫地机器人坐标,通过Ppose=pose+move*(rand(3,200)-0.5)来绘制栅格地图psimg;所述地图匹配是通过Msimg=Simg+psimg找到重合的点pp,即pp=(Msimg>=2),如果机器人位姿pose下的地图画面Simg与栅格地图psimg最匹配,则Msimg=2的数目最多,通过Idx=max(sum(Msimg))获取最匹配的位姿为ppose(idx),并得到迭代赋值pose=ppose(idx),即可进行地图更新。
另外,在上述开始进行地图更新时,即转入所述步骤一中的第二步,将极坐标数据转化为以扫地机器人位姿为原点的二维平面直角坐标,然后按步骤一中第二步后面的步骤依次往下进行即可完成地图更新。
具体地,在所述步骤三中,如图3所示,最短路线计算方法定义一个起始节点S和一个目标节点T,以起始节点S为中心向外层逐层扩展,直到扩展到目标节点T为止,在图中的数字代表第几次扫描的点,而对于复杂情况下的家居环境,如图4所示,图中黑色色块为墙体或者障碍物,在这种环境下扫描会绕过墙体或者障碍物,同样以起始节点S为中心向外层逐层扩展,直至扩展到目标节点T为止。
为了进一步描述本发明扫地机器人回指定位置最短路线的方法,提供了以起始节点S为中心、目标节点T终点扫描的详细流程,如图5所示,扫地机器人在回指定位置之前,会进行初始化地图动作,对现有地图进行标记,墙体或者障碍物设置数值BLOCK_OBJ,初始点设置START_SPOT(S_X,S_Y),结束点设置TARGET_SPOT(T_X,T_Y),未探测区域设置为UNCHECK_LAND(-1);然后以初始点为中心向四周扫描,依次从第0层开始拓展到第N层,并对某一个点对应的拓展点进行如下计算:
ExtendCorrd[0].X=ScanCoord(up).X
ExtendCorrd[0].Y=ScanCoord(up).Y
ExtendCorrd[1].X=ScanCoord(down).X
ExtendCorrd[1].Y=ScanCoord(down).Y
ExtendCorrd[2].X=ScanCoord(right).X
ExtendCorrd[2].Y=ScanCoord(right).Y
ExtendCorrd[3].X=ScanCoord(left).X
ExtendCorrd[3].Y=ScanCoord(left).Y,
计算后判定该点对应的拓展点是否是TARGET_SPOT、是否超出地图、是否是BLOCK_OBJ、是否为UNCHECK_LAND中的任一种情况:
若该点对应的拓展点为TARGET_SPOT,则拓展到结束点,存储该点坐标到链表缓冲器,路径查找完成;若该点对应的拓展点超出地图或者是BLOCK_OBJ,则舍去该点坐标;若该点对应的拓展点为UNCHECK_LAND,则存储该点坐标到链表。
接下来确认拓展点超出地图、是BLOCK_OBJ及是UNCHECK_LAND状态下的扫描点所对应层n的所有可能点是否都查询完毕,若没有查询完,则继续查询并计算扫描点对应的拓展点然后判定其所属情况;
若查询完毕,则判定n>=MAX_BOUND是否成立,若成立,则路径查找失败;若不成立,则继续从第n层拓展扫描直至拓展到结束点,完成路径查找。
上述仅以实施例来进一步说明本发明的技术内容,以便于读者更容易理解,但不代表本发明的实施方式仅限于此,任何依本发明所做的技术延伸或再创造,均受本发明的保护。本发明的保护范围以权利要求书为准。
Claims (10)
1.一种扫地机器人回指定位置最短路线的方法,其特征在于:包括如下步骤:
步骤一、采用激光雷达,引入占据栅格地图方式来构建地图,得到基于图形像素的坐标地图;
步骤二、采用计算的方式对比扫地机器人的位姿信息与地图的匹配程度来确定扫地机器人所在位置;
步骤三、在所述步骤一和步骤二完成的情况下,扫地机器人回到指定位置最短路线的方法是定义一个起始节点和一个目标节点,以起始节点为中心向外层逐层扩展,直到扩展到目标节点为止。
2.根据权利要求1所述的扫地机器人回指定位置最短路线的方法,其特征在于:所述步骤一中所述地图构建分为以下几步:
第一步、在地图构建初始化后,通过激光雷达获取环境极坐标数据和扫地机器人当前位姿坐标;
第二步、将极坐标数据转化为以扫地机器人位姿坐标为原点的二维平面直角坐标;
第三步、将机器人位姿坐标系转化为全局地图坐标系,得到激光雷达映射到全局地图坐标系的点云数据;
第四步、对第三步中的点云数据进行栅格地图化处理,得到栅格坐标系;
第五步、把栅格坐标系转化为图像矩阵,占用栅格地图的格点数值为0.9;
第六步、用Bresenham算法绘制占据栅格地图,然后更新占据栅格地图状态。
3.根据权利要求1所述的扫地机器人回指定位置最短路线的方法,其特征在于:所述步骤二在完成所述步骤一中的地图构建后,依次进行扫地机器人位姿蒙特卡洛定位、初始化粒子群与模拟粒子运动、地图匹配和地图更新流程。
4.根据权利要求3所述的扫地机器人回指定位置最短路线的方法,其特征在于:所述扫地机器人位姿蒙特卡洛定位是指在获取的激光雷达数据上,选取上一时刻的机器人位姿与该位姿下的地图画面;所述初始化粒子群与模拟粒子运动是指设定数个粒子,以扫地机器人为坐标来绘制栅格地图;所述地图匹配是找到扫地机器人位姿下的地图画面与栅格地图最匹配的点,从而得到迭代赋值进行地图更新。
5.根据权利要求1所述的扫地机器人回指定位置最短路线的方法,其特征在于:在所述步骤三中,对地图进行标记,标记墙体或者障碍物、初始点、结束点、未探测区域;然后以初始点为中心向四周逐层扫描,并计算扫描点对应的拓展点坐标。
6.根据权利要求5所述的扫地机器人回指定位置最短路线的方法,其特征在于:所述拓展点坐标与标记对比,确认所述拓展点是标记墙体或者障碍物、初始点、结束点、未探测区域中的一种。
7.根据权利要求6所述的扫地机器人回指定位置最短路线的方法,其特征在于:所述拓展点是结束点,存储该拓展点坐标到链表缓冲器,所述扫地机器人回到指定位置最短路线查找完成。
8.根据权利要求6所述的扫地机器人回指定位置最短路线的方法,其特征在于:所述拓展点是墙体或者障碍物,舍去该拓展点坐标,然后确认该拓展点对应的扫描点所对应层的点是否都查询完毕。
9.根据权利要求6所述的扫地机器人回指定位置最短路线的方法,其特征在于:所述拓展点是未探测区域,存储该拓展点坐标到链表,然后确认该拓展点对应的扫描点所对应层的点是否都查询完毕。
10.根据权利要求8或9任一项所述的扫地机器人回指定位置最短路线的方法,其特征在于:所述拓展点对应的扫描点所对应层的点都查询完毕,所述扫地机器人回到指定位置最短路线查找失败。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810995594.2A CN109085836A (zh) | 2018-08-29 | 2018-08-29 | 一种扫地机器人回指定位置最短路线的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810995594.2A CN109085836A (zh) | 2018-08-29 | 2018-08-29 | 一种扫地机器人回指定位置最短路线的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109085836A true CN109085836A (zh) | 2018-12-25 |
Family
ID=64795022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810995594.2A Pending CN109085836A (zh) | 2018-08-29 | 2018-08-29 | 一种扫地机器人回指定位置最短路线的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109085836A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109974705A (zh) * | 2019-03-08 | 2019-07-05 | 桂林电子科技大学 | 一种扫地机器人的清扫路径的优化方法及*** |
CN110221601A (zh) * | 2019-04-30 | 2019-09-10 | 南京航空航天大学 | 一种多agv***动态障碍物实时避障方法及避障*** |
CN110531759A (zh) * | 2019-08-02 | 2019-12-03 | 深圳大学 | 机器人探索路径生成方法、装置、计算机设备和存储介质 |
CN112859874A (zh) * | 2021-01-25 | 2021-05-28 | 上海思岚科技有限公司 | 用于移动机器人的动态环境区域运维方法与设备 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003096054A2 (en) * | 2002-05-10 | 2003-11-20 | Honda Giken Kogyo Kabushiki Kaisha | Real-time target tracking of an unpredictable target amid unknown obstacles |
KR20050020951A (ko) * | 2003-08-18 | 2005-03-04 | 혼다 기켄 고교 가부시키가이샤 | 정보 수집 로봇 |
CN201996471U (zh) * | 2011-04-21 | 2011-10-05 | 深圳市银星智能电器有限公司 | 扫地机器人用充电*** |
US20120158176A1 (en) * | 2010-12-17 | 2012-06-21 | Korea Institute Of Industrial Technology | Swarm robot and sweeping method using swarm robot |
CN103365291A (zh) * | 2012-03-29 | 2013-10-23 | 凌海科技企业股份有限公司 | 控制单元及使自动行走装置导向充电座的方法 |
CN103914068A (zh) * | 2013-01-07 | 2014-07-09 | 中国人民解放军第二炮兵工程大学 | 一种基于栅格地图的服务机器人自主导航方法 |
WO2015094052A1 (en) * | 2013-12-19 | 2015-06-25 | Husqvarna Ab | Obstacle detection for a robotic working tool |
CN105242674A (zh) * | 2015-11-20 | 2016-01-13 | 江苏美的清洁电器股份有限公司 | 扫地机器人回充电***及其回充控制方法 |
CN105320134A (zh) * | 2015-10-26 | 2016-02-10 | 广东雷洋智能科技股份有限公司 | 一种机器人自主构建室内地图的路径规划法 |
CN105334858A (zh) * | 2015-11-26 | 2016-02-17 | 江苏美的清洁电器股份有限公司 | 扫地机器人及其室内地图建立方法和装置 |
CN205319746U (zh) * | 2016-01-08 | 2016-06-15 | 莱克电气股份有限公司 | 宽范围引导信号的机器人充电座 |
CN105955262A (zh) * | 2016-05-09 | 2016-09-21 | 哈尔滨理工大学 | 一种基于栅格地图的移动机器人实时分层路径规划方法 |
US20170072564A1 (en) * | 2004-01-21 | 2017-03-16 | Irobot Corporation | Autonomous robot auto-docking and energy management systems and methods |
CN106843198A (zh) * | 2015-12-07 | 2017-06-13 | 北京奇虎科技有限公司 | 扫地机器人自动返回充电方法、扫地机器人和充电座 |
CN107943058A (zh) * | 2017-12-26 | 2018-04-20 | 北京面面俱到软件有限公司 | 扫地机器人及其清扫路径规划方法 |
CN108037759A (zh) * | 2017-12-05 | 2018-05-15 | 福玛特机器人科技股份有限公司 | 扫地机器人回充***及回充路径规划方法 |
CN108303981A (zh) * | 2018-01-19 | 2018-07-20 | 上海未来伙伴机器人有限公司 | 采用多路外部环境检测模块实现机器人自动回充的装置 |
CN108319655A (zh) * | 2017-12-29 | 2018-07-24 | 百度在线网络技术(北京)有限公司 | 用于生成栅格地图的方法和装置 |
CN108445503A (zh) * | 2018-03-12 | 2018-08-24 | 吉林大学 | 基于激光雷达与高精度地图融合的无人驾驶路径规划算法 |
-
2018
- 2018-08-29 CN CN201810995594.2A patent/CN109085836A/zh active Pending
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003096054A2 (en) * | 2002-05-10 | 2003-11-20 | Honda Giken Kogyo Kabushiki Kaisha | Real-time target tracking of an unpredictable target amid unknown obstacles |
KR20050020951A (ko) * | 2003-08-18 | 2005-03-04 | 혼다 기켄 고교 가부시키가이샤 | 정보 수집 로봇 |
US20170072564A1 (en) * | 2004-01-21 | 2017-03-16 | Irobot Corporation | Autonomous robot auto-docking and energy management systems and methods |
US20120158176A1 (en) * | 2010-12-17 | 2012-06-21 | Korea Institute Of Industrial Technology | Swarm robot and sweeping method using swarm robot |
CN201996471U (zh) * | 2011-04-21 | 2011-10-05 | 深圳市银星智能电器有限公司 | 扫地机器人用充电*** |
CN103365291A (zh) * | 2012-03-29 | 2013-10-23 | 凌海科技企业股份有限公司 | 控制单元及使自动行走装置导向充电座的方法 |
CN103914068A (zh) * | 2013-01-07 | 2014-07-09 | 中国人民解放军第二炮兵工程大学 | 一种基于栅格地图的服务机器人自主导航方法 |
WO2015094052A1 (en) * | 2013-12-19 | 2015-06-25 | Husqvarna Ab | Obstacle detection for a robotic working tool |
CN105320134A (zh) * | 2015-10-26 | 2016-02-10 | 广东雷洋智能科技股份有限公司 | 一种机器人自主构建室内地图的路径规划法 |
CN105242674A (zh) * | 2015-11-20 | 2016-01-13 | 江苏美的清洁电器股份有限公司 | 扫地机器人回充电***及其回充控制方法 |
CN105334858A (zh) * | 2015-11-26 | 2016-02-17 | 江苏美的清洁电器股份有限公司 | 扫地机器人及其室内地图建立方法和装置 |
CN106843198A (zh) * | 2015-12-07 | 2017-06-13 | 北京奇虎科技有限公司 | 扫地机器人自动返回充电方法、扫地机器人和充电座 |
CN205319746U (zh) * | 2016-01-08 | 2016-06-15 | 莱克电气股份有限公司 | 宽范围引导信号的机器人充电座 |
CN105955262A (zh) * | 2016-05-09 | 2016-09-21 | 哈尔滨理工大学 | 一种基于栅格地图的移动机器人实时分层路径规划方法 |
CN108037759A (zh) * | 2017-12-05 | 2018-05-15 | 福玛特机器人科技股份有限公司 | 扫地机器人回充***及回充路径规划方法 |
CN107943058A (zh) * | 2017-12-26 | 2018-04-20 | 北京面面俱到软件有限公司 | 扫地机器人及其清扫路径规划方法 |
CN108319655A (zh) * | 2017-12-29 | 2018-07-24 | 百度在线网络技术(北京)有限公司 | 用于生成栅格地图的方法和装置 |
CN108303981A (zh) * | 2018-01-19 | 2018-07-20 | 上海未来伙伴机器人有限公司 | 采用多路外部环境检测模块实现机器人自动回充的装置 |
CN108445503A (zh) * | 2018-03-12 | 2018-08-24 | 吉林大学 | 基于激光雷达与高精度地图融合的无人驾驶路径规划算法 |
Non-Patent Citations (3)
Title |
---|
于晓天 等: "基于分层栅格地图的移动机器人路径规划", 《导航与控制》 * |
季宇寒 等: "基于激光雷达的巡检机器人导航***研究", 《农业机械学报》 * |
赵新洋: "基于激光雷达的同时定位与室内地图构建算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109974705A (zh) * | 2019-03-08 | 2019-07-05 | 桂林电子科技大学 | 一种扫地机器人的清扫路径的优化方法及*** |
CN110221601A (zh) * | 2019-04-30 | 2019-09-10 | 南京航空航天大学 | 一种多agv***动态障碍物实时避障方法及避障*** |
CN110531759A (zh) * | 2019-08-02 | 2019-12-03 | 深圳大学 | 机器人探索路径生成方法、装置、计算机设备和存储介质 |
CN112859874A (zh) * | 2021-01-25 | 2021-05-28 | 上海思岚科技有限公司 | 用于移动机器人的动态环境区域运维方法与设备 |
CN112859874B (zh) * | 2021-01-25 | 2024-04-30 | 上海思岚科技有限公司 | 用于移动机器人的动态环境区域运维方法与设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109085836A (zh) | 一种扫地机器人回指定位置最短路线的方法 | |
CN107462892B (zh) | 基于多超声传感器的移动机器人同步定位与地图构建方法 | |
CN104914865B (zh) | 变电站巡检机器人定位导航***及方法 | |
CN113110457B (zh) | 在室内复杂动态环境中智能机器人的自主覆盖巡检方法 | |
CN105258702B (zh) | 一种基于slam导航移动机器人的全局定位方法 | |
KR101772977B1 (ko) | 이동 로봇 및 그 지도 작성 방법 | |
CN109753072A (zh) | 一种移动机器人混合路径规划方法 | |
CN107328419A (zh) | 一种清扫机器人的清扫路径的规划方法及清扫机器人 | |
KR101286135B1 (ko) | 상향식 단일 카메라를 이용한 중대형 공간에서의 자율적 위상지도 생성 방법 | |
CN103984981B (zh) | 基于高斯过程模型的建筑物环境传感器测点优化方法 | |
CN113189977A (zh) | 一种用于机器人的智能导航路径规划***及方法 | |
CN109528089A (zh) | 一种被困清洁机器人的继续行走方法、装置及芯片 | |
Kim et al. | UAV-UGV cooperative 3D environmental mapping | |
Leonard et al. | Towards robust data association and feature modeling for concurrent mapping and localization | |
CN114608549A (zh) | 一种基于智能机器人的建筑测量方法 | |
Liu et al. | An enhanced lidar inertial localization and mapping system for unmanned ground vehicles | |
CN117970925A (zh) | 机器人实时避障与动态路径规划方法及*** | |
CN107728612A (zh) | 识别不同人群进行广告推送的方法、存储装置及移动终端 | |
Liao et al. | Deploy indoor 2D laser SLAM on a raspberry pi-based mobile robot | |
CN111609853A (zh) | 三维地图构建方法、扫地机器人及电子设备 | |
Iqbal et al. | A unified SLAM solution using partial 3D structure | |
Parsley et al. | Exploiting prior information in GraphSLAM | |
CN112068552A (zh) | 一种基于cad图纸的移动机器人自主建图方法 | |
CN117029846A (zh) | 一种复杂环境下移动机器人的广义激光测距路径规划算法 | |
Fang et al. | Ground texture matching based global localization for intelligent vehicles in urban environment |
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: 20181225 |