CN109115226B - 基于跳点搜索的多机器人冲突避免的路径规划方法 - Google Patents
基于跳点搜索的多机器人冲突避免的路径规划方法 Download PDFInfo
- Publication number
- CN109115226B CN109115226B CN201811017251.5A CN201811017251A CN109115226B CN 109115226 B CN109115226 B CN 109115226B CN 201811017251 A CN201811017251 A CN 201811017251A CN 109115226 B CN109115226 B CN 109115226B
- Authority
- CN
- China
- Prior art keywords
- node
- point
- conflict
- nodes
- agents
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000009191 jumping Effects 0.000 title claims abstract description 69
- 238000010845 search algorithm Methods 0.000 claims abstract description 56
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 230000004888 barrier function Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000013138 pruning Methods 0.000 claims description 3
- 235000008694 Humulus lupulus Nutrition 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 description 1
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
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
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明属于人工智能领域,具体涉及一种基于跳点搜索的多机器人冲突避免的路径规划方法;其具体包括如下步骤:1、将地图预处理为数据地图;2、利用CBS即Conflict‑based Search的搜索框架并结合无约束跳点搜索算法为所有代理进行路径规划;3、遍历多叉树对所有代理进行冲突检测、增加约束及进行有约束的路径规划。本发明提出的基于跳点搜索的冲突避免的路径规划搜索算法,通过大量减少规划路径过程中扩展节点的数量,提高了***规划出所有代理无冲突路径序列算法的搜索效率,在处理冲突再次搜索路径时通过EfftiveG表直接搜索出当前结点到达终点的真实距离,再次降低了***规划出所有代理无冲突路径序列的时间,而且使得搜索的最短路径更接近真实路径。
Description
技术领域
本发明属于人工智能领域,具体涉及一种基于跳点搜索的多机器人冲突避免的路径规划方法。
背景技术
目前多机器人被广泛应用于多个领域,如:物流存储、搜索和救援,矿山勘探,地雷清除以及各种各样其他危险或者枯燥的任务,其中机器人在执行任务的过程中不仅需要绕过一些障碍物区域,且需要保证机器人之间不能发生碰撞。由现有文献可知,每个机器人可以视为一个代理,则为多个机器人快速规划出无冲突的最优路径是一个多代理路径规划问题。
当只存在一个代理时,问题通常可以用A*算法、Dijkstra算法、Floyed算法等算法快速的规划出最优路径。但是当存在多个代理时,会存在多代理资源冲突的问题。多代理协作寻路即MAPE是为多个代理规划出从当前状态到目标状态的非冲突路径。目前,多代理协作寻路问题在多个领域得到了广泛的研究。
针对MAPF问题,其基本思想是为所有代理规划出无冲突的路径,对于冲突的路径采取某种冲突解决办法来解决冲突。其中,Cooperative A*算法利用“预留表”和时间构成的一种存储表来存储多代理环境中的单元路径,通过不断查找每个单元的预留表来避免冲突。其中,“预留表”是指用来存储所有代理路径序列的容器或者是一个集合。但是当存在过多代理时,会产生死锁现象(即***无法返回所有代理无冲突的路径序列结果,此时可能会显著减慢搜索速度。为了避免死锁现象,Sharon等人在2015年提出的一种基于冲突树的多代理协作最优寻路算法,利用多叉树处理的方式有效的解决代理之间的冲突,当所有代理不存在无冲突避免的路径序列集合时,返回无解,当存在无冲突路径序列结果时,返回最优无冲突路径序列结果。但是,该方法在底层搜索时利用的A*算法在搜索路径的过程中产生的扩展节点较多,降低了***规划出所有代理的无冲突路径序列的搜索效率,其中扩展节点是指在搜索单个代理路径序列的过程中,从起始点开始即将要遍历的后续节点。经检索,现有关于冲突避免的路径规划方法的专利并未涉及跳点搜索算法,与本发明采用的方法不同。
发明内容
本发明的目的在于提供一种基于跳点搜索的多机器人冲突避免的路径规划方法,其能够解决多代理冲突避免搜索算法时间复杂度较高、***规划无冲突路径效率较低的问题。
一种基于跳点搜索的多机器人冲突避免的路径规划方法,具体包括如下步骤:
步骤1、将地图预处理为数据地图;
步骤2、利用CBS即Conflict-based Search的搜索框架并结合无约束跳点搜索算法为所有代理进行路径规划;
步骤3、遍历多叉树对所有代理进行冲突检测、增加约束及进行有约束的路径规划。
所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,步骤1具体包括如下步骤:
步骤1.1、输入地图场景信息,其地图场景信息是包含地图实际场景中的障碍物信息的0-1二维矩阵维度为M*N,每一个节点的取值为0或者1,其中障碍物用1表示,非障碍物区域用0表示;
步骤1.2、标记地图中所有的主跳点;对于地图中的所有节点,按照从左到右、从上到下的循环遍历的方法,判断每个节点在基本方向上是否具有强迫邻居,如果具有强迫邻居则将此节点设置为主跳点,并加入主跳点集合Primary中;否则,继续遍历其他节点;其中所述的强迫邻居是指计算当前结点到某个点p的距离时,若p的邻居节点为障碍物会影响当前结点到节点p的行走距离,则当前结点具有强迫邻居;
步骤1.3、在步骤1.2的基础上,遍历所有节点的基础方向即东西南北方向,如果当前结点在其基本方向上具有主跳点,则此节点为直接跳点,并加入到直接跳点集合Straight中;否则,继续遍历其他节点;
步骤1.4、在步骤1.3的基础上,遍历所有节点的对角线方向,如果在当前结点的对角线方向上或者对角线方向上的节点的水平和垂直方向上具有主跳点或者直接跳点,则设置此点为对角线跳点,并加入对角线跳点的集合Diagonal中;否则,继续遍历其他节点;
步骤1.5、遍历所有节点,记录每个结点在其基本方向和对角线方向距离主跳点或者直接跳点的距离,对于当前结点的8个方向中没有包含距离信息,即距离主跳点、直接跳点或者对角线跳点的信息,则为此跳点的这些方向添加距离墙的距离信息;
步骤1.6、输出数据地图map,其中数据地图中的每个节点包含基本方向和对角线方向的距离主跳点、直接跳点和对角线跳点的距离信息。
所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,在得到数据地图map后,首先利用跳点搜索算法对所有代理进行逆向搜索并存储路径序列中的所有扩展节点距离原始终点的距离,然后为所有代理利用跳点搜索算法再次正向规划出最优路径,并将所有代理的路径存储到多叉树根节点上,接着进行步骤2。
所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,步骤2具体包括如下步骤:
步骤2.1、首先将起始点加入open表中,open表用来存储当前还未被遍历过的节点;
步骤2.2、判断open表是否为空,如果不为空,继续步骤2.3,否则继续步骤2.7;
步骤2.3、从open表中选择F值最小的节点作为当前结点,并将其从open表中移除,加入到close表中;上述F=G+H,其中G代表起始结点距离当前结点的最小距离,H代表当前结点距离终点的距离;而open表是存储还未扩展的节点,close表是用来存储已经扩展过的节点;上述close表是指已经被遍历过的扩展节点,后续步骤不会再次被扩展;其中扩展节点是指在搜索单个代理路径序列的过程中,从起始点开始即将要遍历的所有邻居节点;
步骤2.4、根据得到的数据地图map,获得当前结点的后继节点集合S,上述提到的后继节点是指对于当前结点在其基本方向和对角线方向能够到达的跳点集合;
步骤2.5、后继节点信息更新,对所有后继节点进行更新G值及父结点等信息,并将每个节点的G值存储到EffectiveG表中;
步骤2.6、判断终点是否在open表中,如果在,则进入步骤2.7,否则返回步骤2.1;
步骤2.7、将规划出的代理的路径序列存储于多叉树根节点中。
所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,步骤2.5中后继节点信息更新的方法具体包括如下步骤:
步骤2.5.1、确定当前结点基本方向上的后继节点,并判断当前结点和终点的关系,若终点不在其基本方向或者对角线方向上,且不在关键跳点和当前节点的中间,则将其所有关键跳点作为后继节点,否则加入终点,最后更新后继节点的父结点为当前结点,并更新G值;
步骤2.5.2、定当前结点对角线方向上的后继节点,如果终点在对角线方向的直线上且不在其当前结点与关键跳点之间,则将当前结点的下一跳点作为后继节点加入open表,否则将终点加入open表,最后更新后继节点的父结点为当前结点,并更新G值;
步骤2.5.3、确定当前结点基本方向和对角线方向之间的后继节点,如果终点在基本方向和对角线方向中间时,判断对角线方向上的后继节点在其基本方向上是否具有强迫节点,如果有则将其跳点作为后继节点加入open表,最后更新后继节点的父结点为当前结点,并更新G值。
所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,步骤3具体包括如下步骤:
步骤3.1、遍历多叉树根节点对代理路径序列进行冲突检测,在检测路径冲突时以每两个代理为一组,分别对一组代理之间的路径利用时间节点进行顶点冲突和边冲突检测,如果存在冲突则为其添加顶点约束和边约束,顶点约束形式为(ai,(vx,vy),t),代表代理ai在时间t时不能处于位置(vx,vy)处;而边冲突代表两个代理不能相向而行,即代理ai在t时刻从位置m到达位置n处,而代理aj从位置n到达位置m处,此时两个代理发生了冲突,则为两个代理添加边约束即(ai,n,t+1)和(aj,m,t+1),在检测到冲突并生成约束之后,对有冲突路径的代理利用有约束的跳点搜索算法进行重新规划路径,其算法具体如以下步骤;
步骤3.2、针对产生冲突的代理,首先将代理的起始点加入open表中;
步骤3.3、判断open表是否为空,如果为空,进行步骤3.10,否则,继续步骤3.4;
步骤3.4、从open表中选择F值最小的节点作为当前结点,并将其从open表中移除,加入到close表中,其中H值通过直接遍历EffectiveG表的方法获取,这样降低了***规划出所有代理无冲突路径序列的时间,而且使得搜索的最短路径更接近真实路径;
步骤3.5、根据数据地图map,获得当前结点的后继集合S;
步骤3.6、约束条件判断,对于每一个后继节点判断是否满足此代理的约束条件,如果满足,则不加入open表并继续判断后一个后继节点;如果不满足,则继续步骤3.7;
步骤3.7、对所有后继节点进行更新G值及父结点等信息,其具体方法和步骤2.5中方法相同;
步骤3.8、对具有后继节点的当前结点添加等待状态,防止发生冲突的代理之间的必须通过等待才能规划出无冲突路径,这样不仅能够有效解决代理之间的冲突,还能够为代理提供多种无冲突路径的选择,如客户之间优先级不同,当发生冲突时则返回优先级较高的代理优先通过冲突点的路径序列集合;比如:若代理A比代理B的优先级高,即当代理A与代理B发生冲突时,代理A需要先通过,则代理B需要等待,最终则选择一条代理A先通过冲突点的无冲突路径序列集合;相反,若代理B比代理A的优先级高,则最终选择一条代理B先通过冲突点的无冲突路径序列集合;本发明未考虑代理之间优先级问题,最终结果返回的是所有代理的路径序列时间总和最小的路径序列集合;
步骤3.9、判断终点是否在open表中,如果在,则进入步骤3.10,否则返回步骤3.4;
步骤3.10、将代理的路径序列存储于多叉树当前节点中,此时为多叉树叶子节点;
步骤3.11、完成上述步骤3.2-3.10之后,即遍历完成所有多叉树节点,此时多叉树的每个分支节点都为叶子节点,则对比所有叶子节点的所有代理的路径时间总和,最终返回时间总和最小的路径序列集合。
所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,步骤3.6中约束条件判断方法具体包括如下步骤:
步骤3.6.1、比较t后继与t约束,若t后继<t约束,则返回false;即t后继代表后继节点的时间,t约束代表约束点的时间;
步骤3.6.2、若t后继=t约束,继续判断后继节点和约束点的代理ID及坐标信息,如果全部相同,返回true,否则返回false;
步骤3.6.3、若t后继=t约束,首先根据约束点的时间计算出在同一个时刻处于当前结点及后继结点之间的坐标点ConstrainT的坐标信息,然后再继续判断ConstrainT和约束点的坐标信息、代理ID信息,如果全部相同,则返回true,否则返回false。
所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,基于CBS的搜索算法主要分为两层搜索算法,包括底层搜索算法和顶层搜索算法,其中底层搜索算法是指规划单个代理的路径序列结果,能够有效减少搜索过程中扩展的节点数目;顶层搜索算法能够避免检测冲突并生成相应约束,最后规划出无冲突的路径序列。
所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,基于CBS的搜索算法中顶层搜索算法的检测冲突包括检测代理路径序列之间的顶点冲突和边冲突,其中顶点冲突是指两个代理在同一时刻不能处于同一位置,其添加的顶点约束是指约束形式为(ai,(vx,vy),t),代表代理ai在时间t时不能处于位置平面坐标(vx,vy)处;而边冲突代表两个代理不能相向而行,即代理ai在t时刻从位置m到达位置n处,而代理aj从位置n到达位置m处,此时两个代理发生了冲突,则为两个代理添加边约束即(ai,n,t+1)和(aj,m,t+1)。
所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,基于CBS的搜索算法中包含一个建树的过程,首先创建一个多叉树的根节点,并将第一次利用跳点搜索算法规划到的所有代理的路径序列都存储到根节点中,此时多叉树的当前节点为根节点;然后在检测代理之间的冲突时,若检测到冲突,则新创建一个多叉树节点,并作为当前树结点的孩子节点,此时的当前树结点为孩子节点,然后将再次规划的代理路径序列结果存储于此时的当前树节点中,循环上述过程直至遍历到所有代理之间的路径无冲突,即此时当前树节点为叶子节点,遍历完成意味着多叉树的建树过程结束。
所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,跳点搜索算法是一种通过修剪掉部分无效的冗余扩展节点的路径规划方法,而上述的跳点是指从地图中的当前点选择性的扩展的有效的扩展节点。
本发明的有益效果在于:
本发明提出的基于跳点搜索的冲突避免的路径规划搜索算法,通过大量减少规划路径过程中扩展节点的数量,提高了***规划出所有代理无冲突路径序列算法的搜索效率,本发明提出的一种在为代理初次搜索时利用逆向搜索记录扩展过程中当前节点距离终点的真实距离的方法,在处理冲突再次搜索路径时通过EfftiveG表直接搜索出当前结点到达终点的真实距离,再次降低了***规划出所有代理无冲突路径序列的时间,而且使得搜索的最短路径更接近真实路径。本发明提出的一种根据时间节点判断后继节点是否满足约束的方法,和为具有可扩展的后继节点的当前结点添加等待状态的方法,不仅能够有效解决代理之间的冲突,且能够为代理提供多种无冲突路径序列集合的选择,使得代理可以根据不同需求选择一条无冲突路径。
附图说明
图1为基于跳点搜索的多代理冲突的路径规划算法流程图;
图2为基于跳点搜索的多代理冲突的路径规划方法的预处理地图数据信息流程图;
图3为基于跳点搜索的多代理冲突的路径规划方法的预处理地图数据信息的实例图;
图4为基于无约束的跳点搜索算法的路径规划算法流程图;
图5为基于无约束的跳点搜索算法的后继节点信息更新方法流程图;
图6为基于无约束的跳点搜索算法的路径规划算法的实例图;
图7为基于有约束的跳点搜索算法路径规划流程图;
图8为基于有约束的跳点搜索算法的约束条件是否满足的判断方法流程图;
图9为基于有约束的跳点搜索算法路径规划的实例图。
具体实施方式
下面结合附图对本发明做进一步描述:
基于跳点搜索JPS(Jump point search)的多代理冲突避免路径规划方法,旨在解决多代理冲突避免搜索算法时间复杂度较高、***规划无冲突路径效率较低的问题。其主要思想是根据输入的地图场景信息,利用CBS(Conflict-based Search)的搜索框架并结合底层跳点搜索算法快速而准确的为多代理规划出无冲突路径且最终输出所有代理的路径时间总和最小的最优路径。
上述所提到的基于CBS的搜索算法主要分为两层搜索算法,包括底层搜索算法和顶层搜索算法,其中底层搜索算法是指规划单个代理的路径序列结果,能够有效减少搜索过程中扩展的节点数目;而顶层搜索算法的目的是避免检测冲突并生成相应约束,最后规划出无冲突的路径序列。
其中前述的顶层搜索算法的检测冲突的特征还在于:它包括检测代理路径序列之间的顶点冲突和边冲突。其中前述的顶点冲突是指两个代理在同一时刻不能处于同一位置,其添加的顶点约束是指约束形式为(ai,(vx,vy),t),代表代理ai在时间t时不能处于位置平面坐标(vx,vy)处。而前述的边冲突代表两个代理不能相向而行,即代理ai在t时刻从位置m到达位置n处,而代理aj从位置n到达位置m处,此时两个代理发生了冲突,则为两个代理添加边约束即(ai,n,t+1)和(aj,m,t+1)。
前述的基于CBS的搜索算法的特征还包括:在基于CBS的搜索算法中包含一个建树的过程,首先创建一个多叉树的根节点,并将第一次利用跳点搜索算法规划到的所有代理的路径序列都存储到根节点中,此时多叉树的当前节点为根节点;然后在检测代理之间的冲突时,若检测到冲突,则新创建一个多叉树节点,并作为当前树结点的孩子节点,此时的当前树结点为孩子节点,然后将再次规划的代理路径序列结果存储于此时的当前树节点中。循环上述过程直至遍历到所有代理之间的路径无冲突,即此时当前树节点为叶子节点,遍历完成意味着多叉树的建树过程结束。
前述的跳点搜索算法是一种通过修剪掉部分无效的冗余扩展节点的路径规划方法。而上述的跳点是指从地图中的当前点选择性的扩展的有效的扩展节点。
图1为基于跳点搜索算法的冲突避免的路径规划方法的整体实现流程。首先,处理地图场景为数据地图map,即分别对地图中的每个节点处理出在其基本方向及对角线方向上能够直接且关键点的跳点,也就是说每个节点作为当前结点时在其基本方向及对角线方向能够到达的跳点。其次,根据每个代理的起始点及终点的需求利用跳点搜索算法规划出最优路径,且在首次规划路径时,首先将起点与终点逆向搜索,记录路径序列过程中的节点距离终点的真实距离,即EffectiveG表,以便在多叉树的其他节点进行有约束搜索时可以直接查阅EffectiveG表,进一步减少了规划路径的时间,并将路径序列存储于多叉树根节点中。然后,遍历多叉树根节点,检测根节点中所有代理路径序列是否包含顶点冲突及边冲突,如果具有冲突路径序列,则生成新的多叉树结点并给每个代理添加相对应的约束,最后利用有约束的跳点搜索算法为代理规划出最优路径。直至遍历到叶子节点,即不存在冲突为止,并最终返回所有代理的时间序列和最短的路径序列结果。
图2展示了预处理数据地图的流程图。具体包括如下步骤:
步骤1.1、输入地图场景信息,其地图场景信息是包含地图实际场景中的障碍物信息的0-1二维矩阵维度为M*N,每一个节点的取值为0或者1,其中障碍物用1表示,非障碍物区域用0表示;
步骤1.2、标记地图中所有的主跳点;对于地图中的所有节点,按照从左到右、从上到下的循环遍历的方法,判断每个节点在基本方向上是否具有强迫邻居,如果具有强迫邻居则将此节点设置为主跳点,并加入主跳点集合Primary中;否则,继续遍历其他节点;其中前述的强迫邻居是指计算当前结点到某个点p的距离时,若p的邻居节点为障碍物会影响当前结点到节点p的行走距离,则当前结点具有强迫邻居;
步骤1.3、在步骤1.2的基础上,遍历所有节点的基础方向即东西南北方向,如果当前结点在其基本方向上具有主跳点,则此节点为直接跳点,并加入到直接跳点集合Straight中;否则,继续遍历其他节点;
步骤1.4、在步骤1.3的基础上,遍历所有节点的对角线方向,如果在当前结点的对角线方向上或者对角线方向上的节点的水平和垂直方向上具有主跳点或者直接跳点,则设置此点为对角线跳点,并加入对角线跳点的集合Diagonal中;否则,继续遍历其他节点;
步骤1.5、遍历所有节点,记录每个结点在其基本方向和对角线方向距离主跳点或者直接跳点的距离,对于当前结点的8个方向中没有包含距离信息,即距离主跳点、直接跳点或者对角线跳点的信息,则为此跳点的这些方向添加距离墙的距离信息;
步骤1.6、输出数据地图map,其中数据地图中的每个节点包含基本方向和对角线方向的距离主跳点、直接跳点和对角线跳点的距离信息。
在图3中即展示了一个6*6的地图场景,包含有一定的障碍物,按照上述步骤为每个节点标记其基础方向和对角线方向距离其关键点的距离值,图中所示即为数据地图map的所有数据信息。
图4展示了利用跳点搜索算法为所有代理规划出最优路径的流程图。具体包括如下步骤:
步骤2.1、首先将起始点加入open表中,open表用来存储当前还未被遍历过的节点,而且在利用跳点搜索的第一步通过将起始点与终点逆向搜索的过程,能够使得规划的路径更准确;
步骤2.2、判断open表是否为空,如果不为空,继续步骤2.3,否则继续步骤2.7;
步骤2.3、从open表中选择F值最小的节点作为当前结点,并将其从open表中移除,加入到close表中;上述F=G+H,其中G代表起始结点距离当前结点的最小距离,H代表当前结点距离终点的距离;而open表是存储还未扩展的节点,close表是用来存储已经扩展过的节点;上述close表是指已经被遍历过的扩展节点,后续步骤不会再次被扩展;其中扩展节点是指在搜索单个代理路径序列的过程中,从起始点开始即将要遍历的所有邻居节点;
步骤2.4、根据得到的数据地图map,获得当前结点的后继节点集合S,上述提到的后继节点是指对于当前结点在其基本方向和对角线方向能够到达的跳点集合;
步骤2.5、后继节点信息更新,对所有后继节点进行更新G值及父结点等信息,并将每个节点的G值存储到EffectiveG表中;
步骤2.6、判断终点是否在open表中,如果在,则进入步骤2.7,否则返回步骤2.1;
步骤2.7、将规划出的代理的路径序列存储于多叉树根节点中。
图5是图4中步骤2.5中包含的后继节点信息更新方法,其主要是从三种方向扩展后继节点,在其基本方向上来说,根据当前结点的基本方向确定其后继节点,并判断当前结点和终点的关系,若终点不在其基本方向或者对角线方向上的关键跳点和当前节点的中间则将其所有关键跳点作为后继节点,否则加入终点,最终并更新后继节点的父结点及G值。从对角线方向上来说,如果终点在对角线方向的直线上且不在其当前结点与关键跳点之间,则将当前结点的下一跳点作为后继节点加入open表,否则将终点加入open表。如果终点在基本方向和对角线方向中间时,判断对角线方向上的后继节点在其基本方向上是否具有强迫节点,如果有则将其跳点作为后继节点加入open表,并更新后继节点的父结点及G值。
在图6中,模拟的是在一个6*6的地图场景,代理A和代理B具有各自的起始点和终点,根据已经获得的数据地图,并结合无约束的跳点搜索算法,为其规划出的最优路径序列。
图7展示了,当检测到代理路径序列之间包含冲突时,在有约束的前提下利用跳点搜索规划出无冲突路径的流程图。具体包括如下步骤:
步骤3.1、遍历多叉树根节点对代理路径序列进行冲突检测,在检测路径冲突时以每两个代理为一组,分别对一组代理之间的路径利用时间节点进行顶点冲突和边冲突检测,如果存在冲突则为其添加顶点约束和边约束,顶点约束形式为(ai,(vx,vy),t),代表代理ai在时间t时不能处于位置(vx,vy)处;而边冲突代表两个代理不能相向而行,即代理ai在t时刻从位置m到达位置n处,而代理aj从位置n到达位置m处,此时两个代理发生了冲突,则为两个代理添加边约束即(ai,n,t+1)和(aj,m,t+1),在检测到冲突并生成约束之后,对有冲突路径的代理利用有约束的跳点搜索算法进行重新规划路径,其算法具体如以下步骤;
步骤3.2、针对产生冲突的代理,首先将代理的起始点加入open表中;
步骤3.3、判断open表是否为空,如果为空,进行步骤3.10,否则,继续步骤3.4;
步骤3.4、从open表中选择F值最小的节点作为当前结点,并将其从open表中移除,加入到close表中,其中H值可以通过直接遍历EffectiveG表的方法获取,这样降低了***规划出所有代理无冲突路径序列的时间,而且使得搜索的最短路径更接近真实路径;
步骤3.5、根据数据地图map,获得当前结点的后继集合S;
步骤3.6、约束条件判断,对于每一个后继节点判断是否满足此代理的约束条件,如果满足,则不加入open表并继续判断后一个后继节点;如果不满足,则继续步骤3.7;
步骤3.7、对所有后继节点进行更新G值及父结点等信息,其具体方法和步骤2.5中方法相同;
步骤3.8、对具有后继节点的当前结点添加等待状态,防止发生冲突的代理之间的必须通过等待才能规划出无冲突路径,这样不仅能够有效解决代理之间的冲突,还能够为代理提供多种无冲突路径的选择,如客户之间优先级不同,当发生冲突时则返回优先级较高的代理优先通过冲突点的路径序列集合;比如:若代理A比代理B的优先级高,即当代理A与代理B发生冲突时,代理A需要先通过,则代理B需要等待,最终则选择一条代理A先通过冲突点的无冲突路径序列集合;相反,若代理B比代理A的优先级高,则最终选择一条代理B先通过冲突点的无冲突路径序列集合;本发明未考虑代理之间优先级问题,最终结果返回的是所有代理的路径序列时间总和最小的路径序列集合;
步骤3.9、判断终点是否在open表中,如果在,则进入步骤3.10,否则返回步骤3.4;
步骤3.10、将代理的路径序列存储于多叉树当前节点中,此时为多叉树叶子节点;
步骤3.11、完成上述步骤3.2-3.10之后,即遍历完成所有多叉树节点,此时多叉树的每个分支节点都为叶子节点,则对比所有叶子节点的所有代理的路径时间总和,最终返回时间总和最小的路径序列集合。
图8是图7的步骤3.6中包含的基于跳点搜索算法的多代理冲突避免方法的约束条件判断方法流程图,主要是根据时间节点来判断是否满足约束条件。若当前跳点的时间<约束点的时间,返回false;若当前跳点的时间=约束点的时间,继续判断代理ID及坐标,如果全部相同,返回true,否则返回false;若当前跳点的时间>约束点的时间,首先根据约束点的时间计算出在同一个时间时当前结点的坐标,然后再继续判断坐标、智能体ID,如果全部相同,则返回true,否则返回false。在图9中,代理A和代理B在节点D处发生了顶点冲突(t=3时刻,代理A和代理B同时出现在位置D处),则通过让代理B在E点等待一个栅格的时间,则代理A和代理B在节点D处就不会发生冲突,且路径较优。
Claims (9)
1.一种基于跳点搜索的多机器人冲突避免的路径规划方法,其特征在于,具体包括如下步骤:
步骤1、将地图预处理为数据地图;
步骤2、利用CBS即Conflict-based Search的搜索框架并结合无约束跳点搜索算法为所有代理进行路径规划;
步骤2具体包括如下步骤:
步骤2.1、首先将起始点加入open表中,open表用来存储当前还未被遍历过的节点;
步骤2.2、判断open表是否为空,如果不为空,继续步骤2.3,否则继续步骤2.7;
步骤2.3、从open表中选择F值最小的节点作为当前结点,并将其从open表中移除,加入到close表中;上述F=G+H,其中G代表起始结点距离当前结点的最小距离,H代表当前结点距离终点的距离;而open表是存储还未扩展的节点,close表是用来存储已经扩展过的节点;上述close表是指已经被遍历过的扩展节点,后续步骤不会再次被扩展;其中扩展节点是指在搜索单个代理路径序列的过程中,从起始点开始即将要遍历的所有邻居节点;
步骤2.4、根据得到的数据地图map,获得当前结点的后继节点集合S,上述提到的后继节点是指对于当前结点在其基本方向和对角线方向能够到达的跳点集合;
步骤2.5、后继节点信息更新,对所有后继节点进行更新G值及父结点等信息,并将每个节点的G值存储到EffectiveG表中;
步骤2.6、判断终点是否在open表中,如果在,则进入步骤2.7,否则返回步骤2.1;
步骤2.7、将规划出的代理的路径序列存储于多叉树根节点中;
步骤3、遍历多叉树对所有代理进行冲突检测、增加约束及进行有约束的路径规划。
2.根据权利要求1所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,其特征在于,所述步骤1具体包括如下步骤:
步骤1.1、输入地图场景信息,其地图场景信息是包含地图实际场景中的障碍物信息的0-1二维矩阵维度为M*N,每一个节点的取值为0或者1,其中障碍物用1表示,非障碍物区域用0表示;
步骤1.2、标记地图中所有的主跳点;对于地图中的所有节点,按照从左到右、从上到下的循环遍历的方法,判断每个节点在基本方向上是否具有强迫邻居,如果具有强迫邻居则将此节点设置为主跳点,并加入主跳点集合Primary中;否则,继续遍历其他节点;其中强迫邻居是指计算当前结点到某个点p的距离时,若p的邻居节点为障碍物会影响当前结点到节点p的行走距离,则当前结点具有强迫邻居;
步骤1.3、在步骤1.2的基础上,遍历所有节点的基础方向即东西南北方向,如果当前结点在其基本方向上具有主跳点,则此节点为直接跳点,并加入到直接跳点集合Straight中;否则,继续遍历其他节点;
步骤1.4、在步骤1.3的基础上,遍历所有节点的对角线方向,如果在当前结点的对角线方向上或者对角线方向上的节点的水平和垂直方向上具有主跳点或者直接跳点,则设置此点为对角线跳点,并加入对角线跳点的集合Diagonal中;否则,继续遍历其他节点;
步骤1.5、遍历所有节点,记录每个结点在其基本方向和对角线方向距离主跳点或者直接跳点的距离,对于当前结点的8个方向中没有包含距离信息,即距离主跳点、直接跳点或者对角线跳点的信息,则为此跳点的这些方向添加距离墙的距离信息;
步骤1.6、输出数据地图map,其中数据地图中的每个节点包含基本方向和对角线方向的距离主跳点、直接跳点和对角线跳点的距离信息。
3.根据权利要求1所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,其特征在于,得到所述数据地图map后,首先利用跳点搜索算法对所有代理进行逆向搜索并存储路径序列中的所有扩展节点距离原始终点的距离,然后为所有代理利用跳点搜索算法再次正向规划出最优路径,并将所有代理的路径存储到多叉树根节点上,接着进行步骤2。
4.根据权利要求1所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,其特征在于,步骤2.5中所述后继节点信息更新的方法具体包括如下步骤:
步骤2.5.1、确定当前结点基本方向上的后继节点,并判断当前结点和终点的关系,若终点不在其基本方向或者对角线方向上,且不在关键跳点和当前节点的中间,则将其所有关键跳点作为后继节点,否则加入终点,最后更新后继节点的父结点为当前结点,并更新G值;
步骤2.5.2、定当前结点对角线方向上的后继节点,如果终点在对角线方向的直线上且不在其当前结点与关键跳点之间,则将当前结点的下一跳点作为后继节点加入open表,否则将终点加入open表,最后更新后继节点的父结点为当前结点,并更新G值;
步骤2.5.3、确定当前结点基本方向和对角线方向之间的后继节点,如果终点在基本方向和对角线方向中间时,判断对角线方向上的后继节点在其基本方向上是否具有强迫节点,如果有则将其跳点作为后继节点加入open表,最后更新后继节点的父结点为当前结点,并更新G值。
5.根据权利要求1所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,其特征在于,所述步骤3具体包括如下步骤:
步骤3.1、遍历多叉树根节点对代理路径序列进行冲突检测,在检测路径冲突时以每两个代理为一组,分别对一组代理之间的路径利用时间节点进行顶点冲突和边冲突检测,如果存在冲突则为其添加顶点约束和边约束,顶点约束形式为(ai,(vx,vy),t),代表代理ai在时间t时不能处于位置(vx,vy)处;而边冲突代表两个代理不能相向而行,即代理ai在t时刻从位置m到达位置n处,而代理aj从位置n到达位置m处,此时两个代理发生了冲突,则为两个代理添加边约束即(ai,n,t+1)和(aj,m,t+1),在检测到冲突并生成约束之后,对有冲突路径的代理利用有约束的跳点搜索算法进行重新规划路径,其算法具体如以下步骤;
步骤3.2、针对产生冲突的代理,首先将代理的起始点加入open表中;
步骤3.3、判断open表是否为空,如果为空,进行步骤3.10,否则,继续步骤3.4;
步骤3.4、从open表中选择F值最小的节点作为当前结点,并将其从open表中移除,加入到close表中,其中H值通过直接遍历EffectiveG表的方法获取;
步骤3.5、根据数据地图map,获得当前结点的后继集合S;
步骤3.6、约束条件判断,对于每一个后继节点判断是否满足此代理的约束条件,如果满足,则不加入open表并继续判断后一个后继节点;如果不满足,则继续步骤3.7;
步骤3.7、对所有后继节点进行更新G值及父结点等信息,其具体方法和步骤2.5中方法相同;
步骤3.8、对具有后继节点的当前结点添加等待状态;
步骤3.9、判断终点是否在open表中,如果在,则进入步骤3.10,否则返回步骤3.4;
步骤3.10、将代理的路径序列存储于多叉树当前节点中,此时为多叉树叶子节点;
步骤3.11、完成上述步骤3.2-3.10之后,即遍历完成所有多叉树节点,此时多叉树的每个分支节点都为叶子节点,则对比所有叶子节点的所有代理的路径时间总和,最终返回时间总和最小的路径序列集合。
6.根据权利要求5所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,其特征在于,步骤3.6中所述约束条件判断方法具体包括如下步骤:
步骤3.6.1、比较t后继与t约束,若t后继<t约束,则返回false;即t后继代表后继节点的时间,t约束代表约束点的时间;
步骤3.6.2、若t后继=t约束,继续判断后继节点和约束点的代理ID及坐标信息,如果全部相同,返回true,否则返回false;
步骤3.6.3、若t后继=t约束,首先根据约束点的时间计算出在同一个时刻处于当前结点及后继结点之间的坐标点ConstrainT的坐标信息,然后再继续判断ConstrainT和约束点的坐标信息、代理ID信息,如果全部相同,则返回true,否则返回false。
7.根据权利要求1所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,其特征在于:所述基于CBS的搜索算法主要分为两层搜索算法,包括底层搜索算法和顶层搜索算法,其中底层搜索算法是指规划单个代理的路径序列结果,顶层搜索算法能够避免检测冲突并生成相应约束,最后规划出无冲突的路径序列。
8.根据权利要求1所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,其特征在于,所述基于CBS的搜索算法中包含一个建树的过程,首先创建一个多叉树的根节点,并将第一次利用跳点搜索算法规划到的所有代理的路径序列都存储到根节点中,此时多叉树的当前节点为根节点;然后在检测代理之间的冲突时,若检测到冲突,则新创建一个多叉树节点,并作为当前树结点的孩子节点,此时的当前树结点为孩子节点,然后将再次规划的代理路径序列结果存储于此时的当前树节点中,循环上述过程直至遍历到所有代理之间的路径无冲突,即此时当前树节点为叶子节点,遍历完成意味着多叉树的建树过程结束。
9.根据权利要求1所述一种基于跳点搜索的多机器人冲突避免的路径规划方法,其特征在于,所述跳点搜索算法是一种通过修剪掉部分无效的冗余扩展节点的路径规划方法,而上述的跳点是指从地图中的当前点选择性的扩展的有效的扩展节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811017251.5A CN109115226B (zh) | 2018-09-01 | 2018-09-01 | 基于跳点搜索的多机器人冲突避免的路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811017251.5A CN109115226B (zh) | 2018-09-01 | 2018-09-01 | 基于跳点搜索的多机器人冲突避免的路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109115226A CN109115226A (zh) | 2019-01-01 |
CN109115226B true CN109115226B (zh) | 2021-11-19 |
Family
ID=64861717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811017251.5A Active CN109115226B (zh) | 2018-09-01 | 2018-09-01 | 基于跳点搜索的多机器人冲突避免的路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109115226B (zh) |
Families Citing this family (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110006429A (zh) * | 2019-03-20 | 2019-07-12 | 智慧航海(青岛)科技有限公司 | 一种基于深度优化的无人船航迹规划方法 |
CN110006430B (zh) * | 2019-03-26 | 2021-05-04 | 智慧航海(青岛)科技有限公司 | 一种航迹规划算法的优化方法 |
CN111641729B (zh) * | 2019-05-23 | 2021-03-30 | 北京航空航天大学 | 一种基于前缀树的域间路径标识前缀冲突检测与分解方法 |
CN110428688B (zh) * | 2019-08-09 | 2021-03-02 | 郑州铁路职业技术学院 | 一种基于虚拟场景的轨道交通车辆检修仿真实训*** |
CN110530390A (zh) * | 2019-09-16 | 2019-12-03 | 哈尔滨工程大学 | 一种在狭窄环境下的非质点车辆路径规划方法 |
CN110967015B (zh) * | 2019-11-20 | 2021-11-12 | 中国人民解放军国防科技大学 | 一种路径规划方法及*** |
CN111104471B (zh) * | 2019-11-20 | 2023-03-31 | 中国人民解放军国防科技大学 | 基于跳点路径搜索的模式数据库信息压缩方法及*** |
CN110975290B (zh) * | 2019-11-20 | 2023-09-05 | 中国人民解放军国防科技大学 | 一种基于模式数据库的路径规划方法及*** |
CN110975291B (zh) * | 2019-11-20 | 2023-11-10 | 中国人民解放军国防科技大学 | 一种路径提取方法及*** |
CN110975288B (zh) * | 2019-11-20 | 2023-08-29 | 中国人民解放军国防科技大学 | 基于跳点路径搜索的几何容器数据压缩方法及*** |
CN110849373B (zh) * | 2019-11-28 | 2023-07-21 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种有人机实时航路重规划方法 |
CN111238519B (zh) * | 2020-01-06 | 2022-05-03 | 华侨大学 | 一种基于拓扑地图和冲突消除策略的多无人车寻路方法 |
CN111510427B (zh) * | 2020-03-06 | 2022-02-11 | 杜晓楠 | 在i2p网络***中缓解路径创建攻击的方法、计算机可读存储介质和i2p网络*** |
CN111422741B (zh) * | 2020-03-24 | 2022-02-11 | 苏州西弗智能科技有限公司 | 一种桥式起重机运动路径规划方法 |
CN111736524A (zh) * | 2020-07-17 | 2020-10-02 | 北京布科思科技有限公司 | 一种基于时间和空间的多机器人调度方法、装置和设备 |
CN111829526B (zh) * | 2020-07-23 | 2022-05-10 | 中国人民解放军国防科技大学 | 一种基于防撞半径的距离地图重构与跳点路径规划方法 |
CN112229419B (zh) * | 2020-09-30 | 2023-02-17 | 隶元科技发展(山东)有限公司 | 一种动态路径规划导航方法及*** |
CN112731929A (zh) * | 2020-12-23 | 2021-04-30 | 浙江大学 | 一种基于阿克曼模型的移动机器人避障路径规划方法 |
CN112835364B (zh) * | 2020-12-30 | 2022-05-13 | 浙江大学 | 一种基于冲突检测的多机器人路径规划方法 |
CN113074728B (zh) * | 2021-03-05 | 2022-07-22 | 北京大学 | 基于跳点寻路与协同避障的多agv路径规划方法 |
CN112947475A (zh) * | 2021-03-22 | 2021-06-11 | 山东大学 | 一种激光导航叉车式agv车载***及方法 |
CN112915541B (zh) * | 2021-04-07 | 2022-09-23 | 腾讯科技(深圳)有限公司 | 跳点搜索方法、装置、设备及存储介质 |
CN113311829B (zh) * | 2021-05-11 | 2022-04-08 | 北京理工大学 | 一种基于动态时间窗冲突搜索的多机器人路径规划方法 |
CN113505922B (zh) * | 2021-07-07 | 2023-08-01 | 福州大学 | 基于并行树搜索的桁架装配序列规划方法 |
CN113804197A (zh) * | 2021-07-30 | 2021-12-17 | 深圳市新盒科技有限公司 | 基于复杂轨道地图的多台机器小车路径规划方法 |
CN113568411B (zh) * | 2021-07-30 | 2023-10-27 | 深圳市新盒科技有限公司 | 用于轨道地图的机器小车调度*** |
CN113515129B (zh) * | 2021-08-23 | 2022-02-11 | 哈尔滨理工大学 | 一种基于边界查找的双向跳点搜索无人车路径规划方法 |
CN113885567B (zh) * | 2021-10-22 | 2023-08-04 | 北京理工大学 | 一种基于冲突搜索的多无人机的协同路径规划方法 |
CN114326621B (zh) * | 2021-12-25 | 2023-11-14 | 长安大学 | 一种基于分层架构的群体智能机场托运车调度方法和*** |
CN114564023B (zh) * | 2022-03-11 | 2022-11-08 | 哈尔滨理工大学 | 一种动态场景下的跳点搜索路径规划方法 |
CN114705196B (zh) * | 2022-06-07 | 2022-08-30 | 湖南大学 | 一种用于机器人的自适应启发式全局路径规划方法与*** |
CN115507858B (zh) * | 2022-11-24 | 2023-03-03 | 青岛中德智能技术研究院 | 单机器人、多机器人行驶路径导航方法 |
CN116486907B (zh) * | 2023-01-10 | 2024-04-30 | 湖南工商大学 | 一种基于a星算法的蛋白质序列标签测序方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103557867A (zh) * | 2013-10-09 | 2014-02-05 | 哈尔滨工程大学 | 一种基于稀疏a*搜索的三维多uav协同航迹规划方法 |
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*** |
CN106774347A (zh) * | 2017-02-24 | 2017-05-31 | 安科智慧城市技术(中国)有限公司 | 室内动态环境下的机器人路径规划方法、装置和机器人 |
CN108268971A (zh) * | 2017-12-06 | 2018-07-10 | 腾讯科技(深圳)有限公司 | 路径的搜索方法、装置、处理器和电子装置 |
-
2018
- 2018-09-01 CN CN201811017251.5A patent/CN109115226B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103557867A (zh) * | 2013-10-09 | 2014-02-05 | 哈尔滨工程大学 | 一种基于稀疏a*搜索的三维多uav协同航迹规划方法 |
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*** |
CN106774347A (zh) * | 2017-02-24 | 2017-05-31 | 安科智慧城市技术(中国)有限公司 | 室内动态环境下的机器人路径规划方法、装置和机器人 |
CN108268971A (zh) * | 2017-12-06 | 2018-07-10 | 腾讯科技(深圳)有限公司 | 路径的搜索方法、装置、处理器和电子装置 |
Non-Patent Citations (3)
Title |
---|
Adding Heuristics to Conflict-Based Search for Multi-Agent Path Finding;Ariel Felner .et al;《Proceedings of the International Conference on Automated Planning and Scheduling》;20180615;第83-87页 * |
ICBS: Improved Conflict-Based Search Algorithm for Multi-Agent Pathfinding;Eli Boyarski .et al;《PROCEEDINGS OF THE TWENTY-FOURTH INTERNATIONAL JOINT CONFERENCE ON ARTIFICIAL INTELLIGENCE (IJCAI)》;20150706;第740-746页 * |
Optimization Using Boundary Lookup Jump Point Search;Jason Traish .et al;《IEEE TRANSACTIONS ON COMPUTATIONAL INTELLIGENCE AND AI IN GAMES》;20150410;第8卷(第3期);第268-277页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109115226A (zh) | 2019-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109115226B (zh) | 基于跳点搜索的多机器人冲突避免的路径规划方法 | |
CN111811514B (zh) | 一种基于正六边形栅格跳点搜索算法的路径规划方法 | |
CN107167154B (zh) | 一种基于时间代价函数的时间窗路径规划冲突解决方法 | |
CN111532641B (zh) | 仓储分拣中自动引导车的并行路径规划方法 | |
CN113074728B (zh) | 基于跳点寻路与协同避障的多agv路径规划方法 | |
US20170219353A1 (en) | Method and system for determining a path of an object for moving from a starting state to an end state set avoiding one or more obstacles | |
CN112229419B (zh) | 一种动态路径规划导航方法及*** | |
Zhu et al. | DSVP: Dual-stage viewpoint planner for rapid exploration by dynamic expansion | |
CN114510056A (zh) | 室内移动机器人的平稳移动全局路径规划方法 | |
CN114756034B (zh) | 一种机器人实时避障路径规划方法及装置 | |
CN114489062B (zh) | 面向车间物流的多自动导引车分布式动态路径规划方法 | |
CN114815802A (zh) | 一种基于改进蚁群算法的无人天车路径规划方法和*** | |
CN115237135A (zh) | 一种基于冲突的移动机器人路径规划方法及*** | |
CN112327890A (zh) | 一种基于whca*算法的水下多机器人路径规划 | |
CN111427341B (zh) | 一种基于概率地图的机器人最短预期时间目标搜索方法 | |
CN115560771A (zh) | 基于采样的路径规划方法及装置、自动行驶设备 | |
CN115047880A (zh) | 一种未知动态环境下机器人智能路径规划方法 | |
CN105698796B (zh) | 一种多机器人调度***的路径搜索方法 | |
CN116414139B (zh) | 基于A-Star算法的移动机器人复杂路径规划方法 | |
CN116907490A (zh) | 一种基于冲突搜索的多机器人路径规划方法 | |
CN117570981A (zh) | 基于安全区间的多机器人路径规划方法 | |
CN116560360A (zh) | 面向复杂动态场景的医用护理机器人实时动态路径规划方法及*** | |
CN112764413B (zh) | 一种机器人路径规划方法 | |
CN114564023A (zh) | 一种动态场景下的跳点搜索路径规划方法 | |
JP3755268B2 (ja) | 無人搬送車制御装置および無人搬送車制御方法 |
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 |