CN109782763B - 一种动态环境下的移动机器人路径规划方法 - Google Patents
一种动态环境下的移动机器人路径规划方法 Download PDFInfo
- Publication number
- CN109782763B CN109782763B CN201910049683.2A CN201910049683A CN109782763B CN 109782763 B CN109782763 B CN 109782763B CN 201910049683 A CN201910049683 A CN 201910049683A CN 109782763 B CN109782763 B CN 109782763B
- Authority
- CN
- China
- Prior art keywords
- dynamic
- path
- grid
- grids
- probability
- 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
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种动态环境下的移动机器人路径规划方法,具体包括:建立全局栅格地图;根据障碍物的特征及位置变化情况,从检测到的障碍物中筛选出动态障碍物;分析动态障碍物的运动趋势,并确定设定时段内对应的影响区域;对于影响区域中的每个栅格,计算在设定所述时段内被各个动态障碍物占据的概率,并以其中的最大概率作为该栅格被占据的概率;从起始位置到目标位置按照给定规则生成候选路径,根据候选路径是否经过静态障碍物、长度、以及动态栅格的概率,对每条所述候选路径进行评价;将具有最优评价结果的候选路径作为最终规划的路径。本发明使得移动机器人沿着最终规划的路径运动时,与动态障碍物发生碰撞的概率大大降低,提高了移动机器人运动的安全性和可靠性。
Description
技术领域
本发明涉及机器人领域,特别涉及一种动态环境下的移动机器人路径规划方法及装置、一种计算设备及计算机可读存储介质。
背景技术
在移动机器人(包括自动驾驶汽车等)运动过程中,需要对环境信息进行感知、分析和计算,结合移动机器人自身定位和目标位置,利用避障和移动机器人路径规划方法,实现自主导航。然而,环境中存在的动态物体给移动机器人的导航造成了很大的困扰。在构建环境地图的过程中,动态物体可能会被当做环境中固有的因素被构建到地图当中,使得环境地图中可能存在动态物体的运动轨迹,移动机器人在导航的过程中,容易受到其运动轨迹的干扰而未能作出恰当的决策。因此,较为实时准确地估计出动态物体的运动轨迹,并分析动态物体对相关区域的影响,将会有利于问题的解决。
现有避障方法能够在很大程度上避免动态物体对移动机器人自主运动带来的负面影响,但也具有一定的局限性:1)避障方法选择的运动方向通常是局部视角下选择的,不具有全局最优性,这使得移动机器人为了躲避动态障碍物,在此期间的运动路径质量大幅下降,如选择的路径长度较长,平滑性也较差等;2)该类技术通常不考虑动态障碍物的运动趋势,仅从选择距离导航目标较近的运动方向或尽量不破坏原规划路径等原则进行考虑,这使得其不能保证避障效果,其躲避的方向可能与动态障碍物的运动方向冲突,反而容易与动态障碍物发生碰撞。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种动态环境下的移动机器人路径规划方法及装置、一种计算设备及计算机可读存储介质,从而克服现有技术的缺点。
第一方面,本说明书的实施例公开了一种动态环境下的移动机器人路径规划方法,包括:
建立全局栅格地图,所述地图覆盖移动机器人运动的起始位置和目标位置,为由正方形栅格组成的矩形区域,每个栅格包含了被障碍物占用的情况信息;
检测所述全局栅格地图中的所有障碍物,根据所述障碍物的特征及位置变化情况,筛选出动态障碍物,将每个动态障碍物对应的栅格都标记在全局栅格地图中;
在所述全局栅格地图中,针对动态障碍物,根据其在设定时段内的运动轨迹,预测未来设定时段内的运动趋势,划分出所述运动轨迹和所述运动趋势对应的影响区域;
所述影响区域中,计算每个栅格在设定时段内被各个动态障碍物占据的概率,并以其中的最大概率作为该栅格被占据的概率;
在所述全局栅格地图中,从所述起始位置到所述目标位置,按照给定规则候选路径;根据每条候选路径是否经过静态障碍物,长度、以及经过的所有动态栅格的概率,利用给定的评价规则对每条所述候选路径进行评价;
将具有最优评价结果的候选路径作为最终规划的路径。
第二方面,本说明书的实施例公开了一种动态环境下的移动机器人路径规划装置,包括:
环境模型构建模块,被配置为建立全局栅格地图,所述地图覆盖移动机器人运动的起始位置与目标位置,为由正方形栅格组成的矩形区域,每个栅格包含了被障碍物占用的情况信息;
动态障碍物检测模块,在建图的过程中,检测所述全局栅格地图中的所有障碍物,根据所述障碍物的特征及位置变化情况,筛选出动态障碍物,将每个动态障碍物对应的栅格都标记在全局栅格地图中;
动态障碍物影响分析模块,被配置为在所述全局栅格地图中,针对动态障碍物,根据其在给定时间段设定时段内的运动轨迹,预测未来给定时间段设定时段内的运动趋势,划分出所述运动轨迹和所述运动趋势对应的影响区域;计算每个栅格在设定时段内被各个动态障碍物占据的概率,并以其中的最大概率作为该栅格被占据的概率;
路径的生成和评价模块,被配置为在全局栅格地图中,从所述起始位置到所述目标位置,按照给定规则生成候选路径;根据每条候选路径是否经过静态障碍物,长度,以及经过的所有动态栅格的概率,利用给定的评价规则对每条所述候选路径进行评价;
路径输出模块,被配置为根据所述候选路径的评价结果,获得最终规划的路径。
第三方面,本说明书的实施例公开了一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令,所述处理器执行所述指令时实现一种动态环境下的移动机器人路径规划方法的步骤。
第四方面,本说明书的实施例公开了一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现一种动态环境下的移动机器人路径规划方法的步骤。
与现有技术相比,本说明书提供的一种动态环境下的移动机器人路径规划方法及装置、一种计算设备及计算机可读存储介质。具有如下有益效果:建立全局栅格地图后,通过检测动态障碍物,分析其运动趋势和对应的影响区域,计算全局栅格地图中各个栅格被这些动态障碍物占据的概率。生成满足给定条件和数量的候选路径,根据候选路径的长度,以及它们经过的所有栅格被动态障碍物占据的概率等因素,对每条候选路径进行评价,具有最优评价结果的候选路径即为最终规划的路径。这使得移动机器人沿着最终规划的路径运动时,与动态障碍物发生碰撞的概率大大降低,提高了移动机器人运动的安全性和可靠性。
附图说明
图1是本说明书一种动态环境下的移动机器人路径规划方法中一种实施例的流程图;
图2是本说明书一种动态环境下的移动机器人路径规划装置中一种实施例的结构示意图。
图3是本说明书一种计算设备的框架示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
在本说明书中,提供了一种动态环境下的移动机器人路径规划方法、装置及一种计算设备及计算机可读存储介质,在下面的实施例中逐一进行详细说明。
实施例1
图1示出了根据本说明书一实施例的一种动态环境下的移动机器人路径规划方法的示意性流程图,包括步骤202至步骤212:
步骤202:建立全局栅格地图,所述地图覆盖移动机器人运动的起始位置和目标位置,为由正方形栅格组成的矩形区域,每个栅格的边长为csize,包含了被障碍物占用的情况信息。
步骤204:检测所述全局栅格地图中的所有障碍物,根据所述障碍物的特征及位置变化情况,筛选出动态障碍物。
全局栅格地图中的所述栅格分为被静态障碍物占据的静态栅格,被动态障碍物占据的动态栅格,以及不被占据的空闲栅格;其中动态栅格的标记方法如下所述;
检测从所述起始位置到目标位置之间给定范围内的所有障碍物,根据所述障碍物的位置变化情况,筛选出动态障碍物;
在所述全局栅格地图中,将每个动态障碍物对应的栅格都标记出来,这些栅格即为所述动态栅格。
步骤206:针对动态障碍物,根据其在设定时段内的运动轨迹,预测未来设定时段内的运动趋势,划分出所述运动轨迹和所述运动趋势对应的影响区域。
所述动态障碍物在所述全局栅格地图中行进,以当前时刻为基准,前t时段内的运动轨迹为第一运动路径,同时所述第一运动路径占据的栅格及距所述第一运动路径n个栅格范围内的区域为拖影区域,其中t大于零,n为大于等于一的整数;所述第一运动路径包括:在行进前t时段内,检测所述动态障碍物的位置,获得至少两个所述动态障碍物位置,并将检测到的所述动态障碍物的中心位置标记在全局栅格地图中对应的栅格;在所述全局栅格地图上,对检测到的所述动态障碍物位置进行直线拟合,获得所述第一运动路径。
所述动态障碍物在所述全局栅格地图中行进,以当前时刻为基准,根据第一运动路径对设定时段内的运动轨迹进行预测,预测出的运动轨迹为第二运动路径,同时所述第二运动路径占据的栅格及距所述第二运动路径n个栅格范围内的区域为预测区域。所述第二运动路径包括:根据所述动态障碍物在行进前t时段内的速度、加速度,及全局栅格地图中障碍物的分布情况,预测所述动态障碍物在全局栅格地图中设定时段内的第二运动路径。
拖影区域和预测区域的各个栅格概率的大小利用下面的函数进行赋值。同时,所述全局栅格地图中其他栅格的概率,被占用的概率为1,空闲则概率为0。
其中,p1(cl,w)是拖影区域栅格cl,w的概率,p2(cl,w)是预测区域栅格cl,w的概率,cl,w是当前栅格的中心坐标。Dc是动态障碍物的当前位置,||cl,w-Dc||2表示当前栅格的中心与所述动态障碍物中心之间的距离,λ为给定的大于等于1的系数。
步骤208:计算每个栅格在设定时段内被各个动态障碍物占据的概率,并以其中的最大概率作为该栅格被占据的概率。
根据所述拖影区域和所述预测区域中的每个栅格的中心与所述动态障碍物中心之间的距离,计算每个栅格被该动态障碍物占据的概率。
设定时段是根据移动机器人从起点位置到目标位置的运行时间设定的。例如,设定时段大于或等于移动机器人从起点位置到目标位置的运行时间。
在设定时段内,对给定区域中的每个栅格被各个动态障碍物占据的概率进行计算,获得每个栅格被动态障碍物占据的概率。如将被所述静态栅格的概率设为1,将未处于任何动态障碍物拖影区域和预测区域中的空闲栅格的概率设为0,然后获得所述全局栅格地图中在设定时段内每个栅格被占据的概率。
步骤210:在所述全局栅格地图中,从所述起始位置到所述目标位置,按照给定规则生成候选路径;根据每条候选路径是否经过静态障碍物,长度,以及经过的所有被动态障碍物占据的栅格的概率,利用给定的评价规则对每条所述候选路径进行评价。
优选的,在所述全局栅格地图中,利用曲线规划的方法,从所述起始位置到所述目标位置,生成给定数量的不经过静态障碍物的候选路径。
优选的,计算每条候选路径的长度,以及经过的所有动态栅格的概率之和;根据给定的代价函数,计算每条候选路径的代价函数值,作为该候选路径的评价结果。在本说明书提供的一种或多种实施例中,根据每条候选路径的长度、经过的各个栅格被各个动态障碍物占据的概率,获得对每条所述候选路径的评价结果。
例如,根据本发明的一个优选实施例,根据曲线长度,经过的所有动态栅格的概率之和等因素评价该曲线的优劣。
EB=fn(Σc)LB
步骤212:将具有最优评价结果的候选路径作为最终规划的路径。
求候选路径对应的代价函数值,将具有最小评价函数值的所述候选路径,作为最终规划的路径。
在本说明书提供的一种或多种实施例中,根据所述候选曲线的评价结果,获得最终规划的路径。
实施例2
本说明书还提供一种动态环境下的动态路径规划装置,如图2所示,包括:
环境模型构建模块11,被配置为建立全局栅格地图,所述地图能够覆盖移动机器人运动的起始位置与移动机器人运动的目标位置;
动态障碍物检测模块12,在建图的过程中,检测所述全局栅格地图中的所有障碍物;同时,根据所述障碍物的特征及位置变化情况,筛选出动态障碍物,将每个动态障碍物对应的栅格都标记在全局栅格地图中;
动态障碍物影响分析模块13,被配置为在所述全局栅格地图中,针对动态障碍物,根据其在给定时间段设定时段内的运动轨迹,预测未来给定时间段设定时段内的运动趋势,划分出所述运动轨迹和所述运动趋势对应的影响区域,计算每个栅格在设定时段内被各个动态障碍物占据的概率,并以其中的最大概率作为该栅格被占据的概率;
路径的生成和评价模块14,被配置为在全局栅格地图中,从所述起始位置到所述目标位置,按照给定规则生成候选路径;根据每条候选路径是否经过动态障碍物,长度,以及经过的动态栅格的概率,利用给定的评价规则对每条所述候选路径进行评价;
路径输出模块15,被配置为根据所述候选路径的评价结果,将具有最优评价结果的候选路径作为最终规划的路径。
实施例3
图3示出了根据本说明书一实施例的实现动态环境下的移动机器人路径规划的计算设备110的结构框图。该计算设备110的部件包括但不限于存储器110、处理器120及存储在存储器110上并可在处理器120上运行的计算机指令。处理器110用于根据计算设备110接收到的用户指令及存储在存储器110上的计算机指令进行数据处理分析。存储器110和处理器120通过总线连接。所述处理器执行所述指令时实现一种动态环境下的移动机器人路径规划方法的步骤。
计算设备110还可以包括网络接口,计算设备110通过网络接口与一个或多个网络进行通信。网络接口可以包括有线无线的任何类型的网络接口中的一个或多个。
其中,处理器120可以执行图1所示方法中的步骤。
实施例4
本说明书一实施例还提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现如前所述一种动态环境下的移动机器人路径规划方法的步骤。存储介质的技术方案未详细描述的细节内容,均可以参见上述一种动态环境下的移动机器人路径规划方法的技术方案的描述。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、运动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (7)
1.一种动态环境下的移动机器人路径规划方法,其特征在于,包括:
建立全局栅格地图,所述地图覆盖移动机器人运动的起始位置和目标位置,为由正方形栅格组成的矩形区域,每个栅格包含了被障碍物占用的情况信息;
检测所述全局栅格地图中的所有障碍物,根据所述障碍物的特征及位置变化情况,筛选出动态障碍物;所述全局栅格地图的范围覆盖移动机器人运动的起始位置与目标位置;所述栅格分为被静态障碍物占据的静态栅格,被动态障碍物占据的动态栅格,以及不被障碍物占据的空闲栅格;其中动态栅格的标记方法如下所述:检测从所述起始位置到目标位置之间给定范围内的所有障碍物,根据所述障碍物的特征和位置变化情况,筛选出动态障碍物;在所述全局栅格地图中,将每个动态障碍物对应的栅格都标记出来,这些栅格即为所述动态栅格;
所述全局栅格地图中,针对动态障碍物,根据其在设定时段内的运动轨迹,预测未来设定时段内的运动趋势,划分出所述运动轨迹和所述运动趋势对应的影响区域,包括:
所述动态障碍物在所述全局栅格地图中行进,以当前时刻为基准,前t时段内的运动轨迹为第一运动路径,同时所述第一运动路径占据的栅格及距所述第一运动路径n个栅格范围内的区域为拖影区域,其中t大于零,n为大于等于一的整数;
所述动态障碍物在所述全局栅格地图中行进,以当前时刻为基准,根据第一运动路径对设定时段内的运动轨迹进行预测,预测出的运动轨迹为第二运动路径,同时所述第二运动路径占据的栅格及距所述第二运动路径n个栅格范围内的区域为预测区域;
将被所述静态栅格的概率设为1,将未处于任何动态障碍物拖影区域和预测区域中的空闲栅格的概率设为0,即获得所述全局栅格地图中在设定时段内每个栅格被占据的概率;
所述影响区域中,根据所述拖影区域和所述预测区域中的每个栅格的中心与所述动态障碍物中心之间的距离,计算每个栅格在设定时段内被各个动态障碍物占据的概率,并以其中的最大概率作为该栅格被占据的概率;
其中,p1(cl,w)是拖影区域栅格cl,w的概率,p2(cl,w)是预测区域栅格cl,w的概率,cl,w是当前栅格的中心坐标;Dc是动态障碍物的当前位置,||cl,w-Dc||2表示当前栅格的中心与所述动态障碍物中心之间的距离,λ为给定的大于等于1的系数;
在所述全局栅格地图中,从所述起始位置到所述目标位置,利用曲线规划的方法,生成候选路径;根据每条候选路径是否经过静态障碍物,长度,以及经过的所有动态栅格的概率,利用给定的评价规则对每条所述候选路径进行评价,包括:首先判断每条候选路径是否经过静态栅格,若经过,排除该条候选路径;然后计算每条候选路径的长度,以及经过的所有动态栅格的概率之和;根据给定的代价函数,计算每条候选路径的代价函数值,作为该候选路径的评价结果;
将具有最优评价结果的候选路径作为最终规划的路径。
2.如权利要求1所述的动态环境下的移动机器人路径规划方法,其特征在于,所述第一运动路径包括:
在行进前t时段内,检测所述动态障碍物的位置,获得至少两个所述动态障碍物位置,并将检测到的所述动态障碍物的中心位置标记在全局栅格地图中对应的栅格;
在所述全局栅格地图上,对检测到的所述动态障碍物位置进行直线拟合,获得所述第一运动路径。
3.如权利要求1所述的动态环境下的移动机器人路径规划方法,其特征在于,所述第二运动路径包括:
根据所述动态障碍物在行进前t时段内的速度、加速度,及全局栅格地图中障碍物的分布情况,预测所述动态障碍物在全局栅格地图中设定时段内的第二运动路径。
4.如权利要求1所述的动态环境下的移动机器人路径规划方法,其特征在于,将具有最优评价结果的候选路径作为最终规划的路径,包括:
求候选路径对应的代价函数值,将最小值对应的所述候选路径,作为最终规划的路径。
5.一种动态环境下的动态路径规划装置,其特征在于,包括:
环境模型构建模块,被配置为建立全局栅格地图,所述地图覆盖移动机器人运动的起始位置与目标位置,为由正方形栅格组成的矩形区域,每个栅格包含了被障碍物占用的情况信息;
动态障碍物检测模块,在建图的过程中,检测所述全局栅格地图中的所有障碍物,根据所述障碍物的特征及位置变化情况,筛选出动态障碍物,将每个动态障碍物对应的栅格都标记在全局栅格地图中;所述全局栅格地图的范围覆盖移动机器人运动的起始位置与目标位置;所述栅格分为被静态障碍物占据的静态栅格,被动态障碍物占据的动态栅格,以及不被障碍物占据的空闲栅格;其中动态栅格的标记方法如下所述:检测从所述起始位置到目标位置之间给定范围内的所有障碍物,根据所述障碍物的特征和位置变化情况,筛选出动态障碍物;在所述全局栅格地图中,将每个动态障碍物对应的栅格都标记出来,这些栅格即为所述动态栅格;
动态障碍物影响分析模块,被配置为在所述全局栅格地图中,针对动态障碍物,根据其在给定时间段设定时段内的运动轨迹,预测未来给定时间段设定时段内的运动趋势,划分出所述运动轨迹和所述运动趋势对应的影响区域,包括:
所述动态障碍物在所述全局栅格地图中行进,以当前时刻为基准,前t时段内的运动轨迹为第一运动路径,同时所述第一运动路径占据的栅格及距所述第一运动路径n个栅格范围内的区域为拖影区域,其中t大于零,n为大于等于一的整数;
所述动态障碍物在所述全局栅格地图中行进,以当前时刻为基准,根据第一运动路径对设定时段内的运动轨迹进行预测,预测出的运动轨迹为第二运动路径,同时所述第二运动路径占据的栅格及距所述第二运动路径n个栅格范围内的区域为预测区域;
将被所述静态栅格的概率设为1,将未处于任何动态障碍物拖影区域和预测区域中的空闲栅格的概率设为0,即获得所述全局栅格地图中在设定时段内每个栅格被占据的概率;
所述影响区域中,根据所述拖影区域和所述预测区域中的每个栅格的中心与所述动态障碍物中心之间的距离,计算每个栅格在设定时段内被各个动态障碍物占据的概率,并以其中的最大概率作为该栅格被占据的概率;
其中,p1(cl,w)是拖影区域栅格cl,w的概率,p2(cl,w)是预测区域栅格cl,w的概率,cl,w是当前栅格的中心坐标;Dc是动态障碍物的当前位置,||cl,w-Dc||2表示当前栅格的中心与所述动态障碍物中心之间的距离,λ为给定的大于等于1的系数;
路径的生成和评价模块,被配置为在全局栅格地图中,从所述起始位置到所述目标位置,利用曲线规划的方法,生成候选路径;根据每条候选路径是否经过静态障碍物,长度,以及经过的所有动态栅格的概率,利用给定的评价规则对每条所述候选路径进行评价,包括:首先判断每条候选路径是否经过静态栅格,若经过,排除该条候选路径;然后计算每条候选路径的长度,以及经过的所有动态栅格的概率之和;根据给定的代价函数,计算每条候选路径的代价函数值,作为该候选路径的评价结果;
路径输出模块,被配置为根据所述候选路径的评价结果,获得最终规划的路径。
6.一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令,其特征在于,所述处理器执行所述指令时实现权利要求1-4中任意一项所述方法的步骤。
7.一种计算机可读存储介质,其存储有计算机指令,其特征在于,该指令被处理器执行时实现权利要求1-4中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910049683.2A CN109782763B (zh) | 2019-01-18 | 2019-01-18 | 一种动态环境下的移动机器人路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910049683.2A CN109782763B (zh) | 2019-01-18 | 2019-01-18 | 一种动态环境下的移动机器人路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109782763A CN109782763A (zh) | 2019-05-21 |
CN109782763B true CN109782763B (zh) | 2021-11-23 |
Family
ID=66500980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910049683.2A Active CN109782763B (zh) | 2019-01-18 | 2019-01-18 | 一种动态环境下的移动机器人路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109782763B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12017364B2 (en) | 2019-04-17 | 2024-06-25 | Realtime Robotics, Inc. | Motion planning graph generation user interface, systems, methods and articles |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019139815A1 (en) | 2018-01-12 | 2019-07-18 | Duke University | Apparatus, method and article to facilitate motion planning of an autonomous vehicle in an environment having dynamic objects |
EP3769174B1 (en) | 2018-03-21 | 2022-07-06 | Realtime Robotics, Inc. | Motion planning of a robot for various environments and tasks and improved operation of same |
CN110275538A (zh) * | 2019-06-27 | 2019-09-24 | 广东利元亨智能装备股份有限公司 | 智能巡航车导航方法及*** |
JP7124797B2 (ja) * | 2019-06-28 | 2022-08-24 | トヨタ自動車株式会社 | 機械学習方法および移動ロボット |
CN112445211B (zh) * | 2019-08-15 | 2023-10-27 | 纳恩博(北京)科技有限公司 | 机器人的控制方法和装置、存储介质及电子装置 |
CN110497906B (zh) * | 2019-08-30 | 2021-11-02 | 北京百度网讯科技有限公司 | 车辆控制方法、装置、设备和介质 |
CN110632921B (zh) * | 2019-09-05 | 2022-11-18 | 北京百度网讯科技有限公司 | 机器人路径规划方法、装置、电子设备和存储介质 |
CN112445222A (zh) * | 2019-09-05 | 2021-03-05 | 阿里巴巴集团控股有限公司 | 导航方法、装置、存储介质以及终端 |
CN111289002A (zh) * | 2019-09-24 | 2020-06-16 | 陈水弟 | 一种机器人路径规划方法及*** |
CN112817269A (zh) * | 2019-11-15 | 2021-05-18 | 深圳拓邦股份有限公司 | 一种遍历作业方法、***及机器人设备 |
CN112824836A (zh) * | 2019-11-21 | 2021-05-21 | 北京图森智途科技有限公司 | 移动工具碰撞检测方法及相关设备 |
CN110956327B (zh) * | 2019-11-29 | 2024-04-26 | 上海有个机器人有限公司 | 一种多机器人自动停靠方法、介质、终端和装置 |
CN113424022B (zh) * | 2020-01-02 | 2024-04-16 | 华为技术有限公司 | 一种处理预测运动轨迹的方法、显示约束屏障的方法以及装置 |
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 |
CN111551184B (zh) * | 2020-03-27 | 2021-11-26 | 上海大学 | 一种移动机器人slam的地图优化方法及*** |
DE102021112349A1 (de) * | 2020-05-12 | 2021-11-18 | Motional Ad Llc | Fahrzeugbetrieb unter verwendung eines dynamischen belegungsrasters |
CN111694356B (zh) * | 2020-06-10 | 2023-06-27 | 上海高仙自动化科技发展有限公司 | 一种行驶控制方法、装置、电子设备及存储介质 |
CN111761581B (zh) * | 2020-07-07 | 2021-08-27 | 上海木木聚枞机器人科技有限公司 | 路径规划方法及装置、狭窄空间行进方法及装置 |
CN112540609A (zh) * | 2020-07-30 | 2021-03-23 | 深圳优地科技有限公司 | 路径规划方法、装置、终端设备及存储介质 |
CN114136318A (zh) * | 2020-08-13 | 2022-03-04 | 科沃斯商用机器人有限公司 | 一种机器智能导航方法和装置 |
CN112327888B (zh) * | 2021-01-07 | 2021-03-30 | 中智行科技有限公司 | 路径规划方法、装置、电子设备和存储介质 |
CN113008249B (zh) * | 2021-02-09 | 2024-03-12 | 广州视睿电子科技有限公司 | 移动机器人的避让点检测方法、避让方法以及移动机器人 |
CN113110417B (zh) * | 2021-03-19 | 2023-06-16 | 北京小狗吸尘器集团股份有限公司 | 扫地机器人的地图的优化方法、装置、设备及存储介质 |
CN113515109B (zh) * | 2021-04-16 | 2024-04-09 | 广东工业大学 | 一种模拟海洋动态不确定环境的航行器路径规划方法 |
CN113246973B (zh) * | 2021-06-11 | 2022-05-03 | 北京三快在线科技有限公司 | 障碍物的轨迹预测方法、装置、存储介质及电子设备 |
CN113359763A (zh) * | 2021-07-05 | 2021-09-07 | 广州蓝胖子移动科技有限公司 | 轮式机器人及动态障碍物轨迹预测方法、装置、存储介质 |
CN114460933B (zh) * | 2021-12-30 | 2023-11-03 | 南京理工大学 | 一种面向动态环境的移动机器人局部路径规划算法 |
CN115981344B (zh) * | 2023-02-06 | 2023-06-23 | 联通智网科技股份有限公司 | 自动驾驶方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008050206A1 (de) * | 2008-10-01 | 2010-05-27 | Micro-Star International Co., Ltd., Jung-Ho City | Routenplanungsverfahren und Navigationsverfahren für eine mobile Robotervorrichtung |
CN103439972A (zh) * | 2013-08-06 | 2013-12-11 | 重庆邮电大学 | 一种动态复杂环境下的移动机器人路径规划方法 |
CN103558856A (zh) * | 2013-11-21 | 2014-02-05 | 东南大学 | 动态环境下服务动机器人导航方法 |
CN106931970A (zh) * | 2015-12-30 | 2017-07-07 | 北京雷动云合智能技术有限公司 | 一种动态环境中机器人安全自主规划导航方法 |
CN107168342A (zh) * | 2017-07-12 | 2017-09-15 | 哈尔滨工大智慧工厂有限公司 | 一种用于机器人路径规划的行人轨迹预测方法 |
DE112018006578T5 (de) * | 2018-01-24 | 2020-11-05 | Ford Global Technologies, Llc | Wegplanung für autonome sich bewegende vorrichtungen |
CN112540609A (zh) * | 2020-07-30 | 2021-03-23 | 深圳优地科技有限公司 | 路径规划方法、装置、终端设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190286145A1 (en) * | 2018-03-14 | 2019-09-19 | Omron Adept Technologies, Inc. | Method and Apparatus for Dynamic Obstacle Avoidance by Mobile Robots |
-
2019
- 2019-01-18 CN CN201910049683.2A patent/CN109782763B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008050206A1 (de) * | 2008-10-01 | 2010-05-27 | Micro-Star International Co., Ltd., Jung-Ho City | Routenplanungsverfahren und Navigationsverfahren für eine mobile Robotervorrichtung |
CN103439972A (zh) * | 2013-08-06 | 2013-12-11 | 重庆邮电大学 | 一种动态复杂环境下的移动机器人路径规划方法 |
CN103558856A (zh) * | 2013-11-21 | 2014-02-05 | 东南大学 | 动态环境下服务动机器人导航方法 |
CN106931970A (zh) * | 2015-12-30 | 2017-07-07 | 北京雷动云合智能技术有限公司 | 一种动态环境中机器人安全自主规划导航方法 |
CN107168342A (zh) * | 2017-07-12 | 2017-09-15 | 哈尔滨工大智慧工厂有限公司 | 一种用于机器人路径规划的行人轨迹预测方法 |
DE112018006578T5 (de) * | 2018-01-24 | 2020-11-05 | Ford Global Technologies, Llc | Wegplanung für autonome sich bewegende vorrichtungen |
CN112540609A (zh) * | 2020-07-30 | 2021-03-23 | 深圳优地科技有限公司 | 路径规划方法、装置、终端设备及存储介质 |
Non-Patent Citations (7)
Title |
---|
A comparative study on some navigation schemes of a real robot tackling moving obstacles;Nirmal Baran Hui;Dilip Kumar Pratihar;《Robotics and Computer-Integrated Manufacturing》;20090121;Pages 810-828 * |
Dynamic path planning for autonomous driving on various roads with avoidance of static and moving obstacles;Xuemin Hu; Long Chen; Bo Tang;Dongpu Cao;Haibo He;《Mechanical Systems and Signal Processing》;20170805;Pages 482-500 * |
Dynamic Trajectory Planning Considering the Moving Trend of Obstacle in the Predictive Horizon;Shaosong Li;Shujun Wang;Zheng Li;《IFAC-PapersOnLine》;20210526;Pages 285-290 * |
Obstacle Detection Using Dynamic Particle-Based Occupancy Grids;Danescu, R.G.;《Proceedings of the 2011 International Conference on Digital Image Computing: Techniques and Applications》;20111208;正文全文 * |
动态环境下基于概率模型检测的路径规划方法;夏春蕊,王瑞,李晓娟,关永,张杰,魏洪兴;《计算机工程与应用》;20161231;第5-11+94页 * |
基于栅格模型和样本集合的动态环境地图创建;陈家乾,柳玉甜,何 衍,蒋静坪;《浙江大学学报》;20110531;第794-798页 * |
基于障碍预估与概率方向权值的移动机器人动态路径规划;庄严, 王伟, 刘蕾;《控制理论与应用》;20070630;第337-342页 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12017364B2 (en) | 2019-04-17 | 2024-06-25 | Realtime Robotics, Inc. | Motion planning graph generation user interface, systems, methods and articles |
Also Published As
Publication number | Publication date |
---|---|
CN109782763A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109782763B (zh) | 一种动态环境下的移动机器人路径规划方法 | |
CN111670468B (zh) | 移动体行为预测装置以及移动体行为预测方法 | |
JP7086111B2 (ja) | 自動運転車のlidar測位に用いられるディープラーニングに基づく特徴抽出方法 | |
JP7060625B2 (ja) | 自動運転車において3dcnnネットワークを用いてソリューション推断を行うlidar測位 | |
KR102463720B1 (ko) | 차량의 경로 생성 시스템 및 방법 | |
Petrich et al. | Map-based long term motion prediction for vehicles in traffic environments | |
US11501449B2 (en) | Method for the assessment of possible trajectories | |
CN111201448A (zh) | 用于产生反演传感器模型的方法和设备以及用于识别障碍物的方法 | |
CN111707258B (zh) | 一种外部车辆监测方法、装置、设备及存储介质 | |
US20220383736A1 (en) | Method for estimating coverage of the area of traffic scenarios | |
CN113110521A (zh) | 移动机器人路径规划控制方法及其控制装置、存储介质 | |
JP7047576B2 (ja) | 地図作成装置 | |
CN112240767A (zh) | 车辆定位识别 | |
JP6507841B2 (ja) | 先行車両推定装置及びプログラム | |
Kawasaki et al. | Multimodal trajectory predictions for autonomous driving without a detailed prior map | |
US11541885B2 (en) | Location prediction for dynamic objects | |
CN115042787B (zh) | 一种无车道线下确定跟踪轨迹的方法及装置 | |
Jia et al. | Measuring the motion of vulnerable road users relative to moving HGVs | |
CN115016510A (zh) | 一种机器人导航避障方法、装置以及存储介质 | |
CN113341957A (zh) | 一种基于痕迹地图A_star算法的多机器人路径规划方法 | |
JP2021060943A (ja) | 占有マップの作成方法、及び、占有マップの作成装置 | |
Ronecker et al. | Dynamic Occupancy Grids for Object Detection: A Radar-Centric Approach | |
US11651583B2 (en) | Multi-channel object matching | |
US20240043033A1 (en) | System and method for infrastructure dynamic object recognition information convergence processing in autonomous vehicle | |
CN115035425B (zh) | 一种基于深度学习的目标识别方法、***、电子设备及存储介质 |
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 |