CN109990783B - 一种机器人运动路径规划方法、机器人及存储介质 - Google Patents
一种机器人运动路径规划方法、机器人及存储介质 Download PDFInfo
- Publication number
- CN109990783B CN109990783B CN201711498653.7A CN201711498653A CN109990783B CN 109990783 B CN109990783 B CN 109990783B CN 201711498653 A CN201711498653 A CN 201711498653A CN 109990783 B CN109990783 B CN 109990783B
- Authority
- CN
- China
- Prior art keywords
- path
- robot
- velocity
- sampling
- point
- 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 53
- 238000005070 sampling Methods 0.000 claims abstract description 147
- 238000011156 evaluation Methods 0.000 claims abstract description 69
- 230000001133 acceleration Effects 0.000 claims description 30
- 238000004891 communication Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- 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)
- Manipulator (AREA)
Abstract
本申请公开了一种机器人运动路径规划方法、机器人及存储介质,该方法包括获取标准规划路径;在标准规划路径中确定目标采样路段,并在目标采样路段中确定多个第一采样点;预估从机器人的当前位置出发经过相同的时间前往多个第一采样点的多个评价路径;选择多个评价路径中与标准规划路径匹配度最高的一个路径,作为机器人的运动路径;其中,标准规划路径为从起始点到终点的设定路径。通过获取标准规划路径,再从标准规划路径中确定目标采样路段,并从目标采样路段中获取多个目标第一采样点,根据机器人由当前位置前向第一采样点的路径确定机器人的运动路径,从而实现对机器人运动路径的规划,达到对标准规划路径实时有效的跟随的目的。
Description
技术领域
本申请涉及机器人技术领域,具体涉及一种机器人运动路径规划方法、机器人及存储介质。
背景技术
轨道跟随是指机器人按照已知的标准规划路径行走,轨道跟随算法的好坏由标准规划路径与实际行走路径的一致性评价。最常用的轨道跟随算法为动态窗口法算法,该算法通过机器人当前速度、线速度加速度和角速度加速度得到线速度和角速度范围,对速度范围进行采样,得到全组合结果,再通过路径评价方法对每条路径评分,选取最优路径进行导航。缺点是轨道跟随效果受采样数量的影响,但采样值越大,全组合结果将成倍增加,使得计算量增大,并且采样值是有间隔的,也就是说轨道跟随过程中永远都是近似跟随,无法做到准确跟随。
发明内容
本申请主要解决的问题是提供一种机器人运动路径规划方法、机器人及存储介质,实现对机器人运动路径的规划,达到对标准规划路径实时有效的跟随的目的。
为解决上述技术问题,本申请采用的技术方案是提供一种机器人运动路径规划方法,该方法包括获取标准规划路径;在标准规划路径中确定目标采样路段,并在目标采样路段中确定多个第一采样点;预估从机器人的当前位置出发经过相同的时间前往多个第一采样点的多个评价路径;选择多个评价路径中与标准规划路径匹配度最高的一个路径,作为机器人的运动路径;其中,标准规划路径为从起始点到终点的设定路径。
为解决上述技术问题,本申请采用的另一技术方案是提供一种机器人,该机器人包括通信模组、存储器以及处理器,存储器和通信模组均耦接处理器,通信模组用于收发信息,存储器用于存储计算机程序,处理器在执行存储器存储的计算机程序时,用于配合通信模组实现上述的方法。
为解决上述技术问题,本申请采用的另一技术方案是提供存储介质,存储介质用于存储计算机程序,计算机程序在被处理器执行时,用以实现上述的方法。
通过上述方案,本申请的有益效果是:通过获取标准规划路径,再从标准规划路径中确定目标采样路段,并从目标采样路段中获取多个第一采样点,预估机器人从当前位置经过相同时间前往各第一采样点的多个评价路径,将多个评价路径中匹配度最高的路径作为机器人的运动路径,从而实现对机器人运动路径的规划,这样可以通过简单的算法实现路径的快速规划,节省路径规划的时间,提高了机器人的灵敏度,以达到对标准规划路径实时有效的跟随的目的。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。其中:
图1是本申请提供的机器人运动路径规划方法第一实施例的流程示意图;
图2是本申请提供的机器人运动路径规划方法第一实施例中标准规划路径示意图;
图3是本申请提供的机器人运动路径规划方法第二实施例的流程示意图;
图4是本申请提供的机器人运动路径规划方法第三实施例的流程示意图;
图5是本申请提供的机器人运动路径规划方法第三实施例中直角坐标系的示意图;
图6是本申请提供的机器人运动路径规划方法第四实施例的流程示意图;
图7是本申请提供的机器人运动路径规划方法第四实施例中评价路径的示意图;
图8是本申请提供的机器人运动路径规划方法第五实施例的流程示意图;
图9是本申请提供的机器人运动路径规划方法第五实施例中评价路径的示意图;
图10是本申请提供的机器人一实施例的结构示意图;
图11是本申请提供的存储介质一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性的劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
参阅图1,图1是本申请提供的机器人运动路径规划方法第一实施例的流程示意图,该方法包括:
步骤11:获取标准规划路径。
标准规划路径为从起始点到终点的设定路径,为了实现机器人对标准规划路径的跟随,首先需要获取标准规划路径,可以根据起始点和终点利用路径规划算法(如最短路径算法、动态窗口算法等)得到标准规划路径。
步骤12:在标准规划路径中确定目标采样路段,并在目标采样路段中确定多个第一采样点。
在获取到标准规划路径后,需要对标准规划路径进行采样,得到目标采样路段,再通过对目标采样路段进行采样,得到多个第一采样点;其中,第一采样点的个数至少为一个;可以通过距离机器人当前位置的距离或机器人的初始速度来获得目标采样路径。
例如,如图2所示,21为标准规划路径,机器人位于A点,根据距离机器人0.5-0.8m的距离得到目标采样路段BD,对路段BD进行采样得到第一采样点B、C和D。
进一步地,如果机器人在标准规划路径上,目标采样路段为标准规划路径上距离机器人的距离范围为[L1,L2]的路径;如果机器人不在标准规划路径上,将标准规划路径中距离机器人最近的点记作第一点,或者将在机器人当前位置水平或竖直方向与标准规划路径相交点作为第一点,确定目标采样路段为距离第一点的距离范围为[L1,L2]的路径;其中L1为第一距离,L2为第二距离,L1小于或等于L2,且L1大于0,第一距离L1和第二距离L2可设置为与机器人当前速度成正比。例如,机器人的速度为0.5m/s,第一距离为速度的0.5倍,第二距离为速度的0.8倍,即第一距离L1为0.25m,第二距离L2为0.4m。
步骤13:预估从机器人的当前位置出发经过相同的时间前往多个第一采样点的多个评价路径。
在相同预设时间内,预估机器人从当前位置运动朝向每个第一采样点的评价路径,每个采样点对应一个评价路径,机器人可以沿着直线运动或者做圆周运动等。
步骤14:选择多个评价路径中与标准规划路径匹配度最高的一个路径,作为机器人的运动路径。
从预估的多个评价路径中选择出与标准规划路径匹配度最高的一个路径。匹配度可以通过计算评价路径到标准规划路径的距离和/平均值实现,即将评价路径进行离散化,得到多个第二采样点,将标准规划路径中距离机器人当前位置最近的点作为第一起点,相应采样点作为第一终点,第一起点到第一终点之间的路段记作第一标准规划路段,计算每个第二采样点到第一标准规划路段的最短距离,将每个第二采样点对应的最短距离累加,得到距离和/平均值;其中,匹配度越高,距离和/平均值越小。
例如,如图2所示,假设B点是距离机器人当前位置A最近的点,则B点为第一起点,C和D为第一采样点,预估机器人运动到了C点,在路径AC上进行采样,得到10个第二采样点,分别计算这10个第二采样点距离第一标准规划路段BC的最短距离,将其距离和累加,即可得到第一采样点C的匹配度,另一第一采样点D的匹配度的计算方法于此相同。
此外,匹配度还可以通过测量评价路径终点距离相应第一采样点之间的距离来实现,或者根据评价路径的长度定义匹配度。假设根据评价路径终点距离相应第一采样点距离最短的路径,从而确定匹配度;例如,如图2所示,在三条路径AB、AC和AD中,机器人在朝向相应第一采样点运动后,发现机器人从位置A朝向第一采样点B的路径终点距离B点的距离为0.12m,机器人从位置A朝向第一采样点C的路径终点距离C点的距离为0.01m,机器人从位置A朝向第一采样点D的路径终点距离D点的距离为0.09m,那么机器人的运动路径即为从位置A向着位置C运动的路径。
可以理解的,当评价路径的终点距离相应第一采样点的距离相等时,可将第一采样点中第一个采样点对应的路径作为机器人的运动路径,或者将水平/垂直方向距离机器人当前位置最近的第一采样点对应的路径作为机器人的运动路径,或者通过其他合理方式。
可以理解的,机器人可以多次重复执行步骤12-14,直至机器人运动到标准规划路径的终点。
区别于现有技术,本实施例提供的机器人运动路径规划方法,通过获取标准规划路径,再从标准规划路径中确定目标采样路段,并从目标采样路段中获取多个第一采样点,预估机器人从当前位置经过相同时间前往各第一采样点的多个评价路径,将多个评价路径中匹配度最高的路径作为机器人的运动路径,从而实现对机器人运动路径的规划,这样可以通过简单的算法实现路径的快速规划,节省路径规划的时间,提高了机器人的灵敏度,以达到对标准规划路径实时有效的跟随的目的。
参阅图3,图3是本申请提供的机器人运动路径规划方法第二实施例的流程示意图,该方法包括:
步骤31:获取标准规划路径。
步骤32:获取机器人当前速度和当前加速度。
为了使得机器人按照规划路径运动,机器人需要获取运动的速度和加速度,因此可以先获取用户输入/设置的当前速度和当前加速度,机器人在设定时间后运动的运动速度和加速度以此为依据。
步骤33:在标准规划路径中确定目标采样路段,并在目标采样路段中确定多个第一采样点。
步骤34:根据机器人当前速度和当前加速度计算设定时间后对应的线速度范围及对应的角速度范围。
在获取了机器人当前速度和当前加速度后,需要计算设定时间后机器人运动的线速度范围及对应的角速度范围,以确定机器人在设定时间后运动的速度和加速度。
其中,可以先执行步骤34后执行步骤33。
步骤35:根据线速度范围和角速度范围预估从机器人的当前位置出发经过相同的时间前往多个第一采样点的多个评价路径。
根据线速度范围和角速度范围可以预估机器人在预设时间内从当前位置运动沿着各第一采样点的方向的运动的最长预测路径和最短预测路径,每个第一采样点对应两个预测路径(最长预测路径和最短预测路径)。
根据最长预测路径、最短预测路径和机器人当前位置到采样点的路径三者之间的关系,从预测路径中选择出评价路径,选择方法为可以通过三者中的最短路径或其他合理方式。
步骤36:选择多个评价路径中与标准规划路径匹配度最高的一个路径,作为机器人的运动路径。
其中,步骤31、步骤34和步骤36可以具体参考上述步骤11-12和步骤14,在此不再赘述。
区别于现有技术,本实施例提供的机器人运动路径规划方法,通过获取机器人当前速度、加速度和第一采样点,得到设定时间后机器人运动的加速度和角速度范围,根据加速度和角速度范围得到机器人在相同时间内从当前位置沿着各第一采样点运动的最长预测路径和最短预测路径,再根据最长预测路径、最短预测路径和机器人当前位置到采样点的路径三者之间的关系,从预测路径中选择出评价路径,计算每个评价路径的匹配度,根据匹配度最高的路径确定机器人的运动路径,实现机器人对标准规划路径的跟随。
参阅图4,图4是本申请提供的机器人运动路径规划方法第三实施例的流程示意图,该方法包括:
步骤41:获取标准规划路径。
步骤42:获取机器人当前速度和当前加速度。
步骤43:在标准规划路径中确定目标采样路段,并在目标采样路段中确定多个第一采样点。
步骤44:建立以机器人为原点的直角坐标系。
为了预估机器人的运动距离,以机器人为原点建立坐标系,坐标轴方向可以由***默认或用户定义;图5所示为其中一种情况,x轴正方向为竖直向上方向,y轴正方向为水平向左方向。
步骤45:获取各第一采样点在直角坐标系中的位置,并计算机器人的运动半径。
在此实施例中,机器人做圆周运动,为了获取机器人的运动半径,需要获取各第一采样点在坐标系中的位置。
采用以下公式计算机器人的运动半径R:
如图5所示,H为第一采样点的位置,(x,y)为第一采样点H的坐标值,L为第一采样点与机器人间的直线距离,R为机器人做圆周运动的半径,O’为做圆周运动的圆心。
步骤46:根据机器人当前速度和当前加速度计算设定时间后的线速度范围及对应的角速度范围。
步骤47:根据线速度范围和角速度范围预估从机器人的当前位置出发经过相同的时间前往多个第一采样点的多个评价路径。
步骤48:选择多个评价路径中与标准规划路径匹配度最高的一个路径,作为机器人的运动路径。
其中,步骤41-43和步骤46-48可以具体参考上述步骤31-36,在此不再赘述。
区别于现有技术,本实施例提供的机器人运动路径规划方法,通过建立以机器人当前位置为原点的直角坐标系,获取机器人做圆周运动的运动半径,从而获取机器人从当前位置前向各第一采样点运动的评价路径,获取多个评价路径与标准规划路径之间的匹配度,进而得到机器人的运动路径。
参阅图6,图6是本申请提供的机器人运动路径规划方法第四实施例的流程示意图,该方法包括:
步骤61:获取标准规划路径。
步骤62:获取机器人当前速度和当前加速度。
步骤63:在标准规划路径中确定目标采样路段,并在目标采样路段中确定多个第一采样点。
步骤64:获取各第一采样点在直角坐标系中的位置,并计算机器人的运动半径。
其中,步骤61-64可以具体参考上述步骤41-43和步骤45,在此不再赘述。
步骤65:根据机器人当前速度和当前加速度计算设定时间后的线速度范围及对应的角速度范围。
采用以下公式计算得到机器人的第一速度范围:
vmax=min(vc+av/f,vcmax);
vmin=max(vc-av/f,vcmin);
wmax=min(wc+aw/f,wcmax);
wmin=max(wc-aw/f,-wcmax);
其中,R为机器人的运动半径,vc为机器人当前线速度,av为机器人当前线加速度,wc为机器人当前角速度,aw为机器人当前角加速度,vmax为第一速度范围中线速度的最大值,vmin为第一速度范围中线速度的最小值,wmax为第一速度范围中角速度的最大值,wmin为第一速度范围中角速度的最小值,f为控制机器人运动速度的频率。
根据第一速度范围,采用以下公式计算得到机器人的第二速度范围:
w1=min(vmax/R,wmax);
w2=max(vmin/R,wmin);
v1=w1*R;
v2=w2*R;
其中,设定时间后的速度范围与第二速度范围相同,v1为第二速度范围中线速度的最大值,v2为第二速度范围中线速度的最小值,w1为第二速度范围中角速度的最大值,w2为第二速度范围中角速度的最小值。
例如,假设目标采样路段是机器人当前速度的0.5~1.5倍,当前速度是0.5m/s,路径采样范围是0.25m~0.75m,即将机器人当前位置作为原点,标准规划路径上距离机器人0.25m~0.75m的范围内的路径作为待采样的路径。若设置采样间隔0.05m,得到距离采样值0.25、0.3、0.35、0.4、0.45、0.5、0.55、0.6、0.65、0.7和0.75。现在的采样方法是对速度采样,角速度为0.2rad/s,线速度加速度为0.5m/s2,角速度1.0rad/s2,控制机器人速度的频率f为5hz,即控制周期为0.2,则每个控制周期内的线速度范围为:(0.5-0.5*0.2)~(0.5+0.5*0.2),角速度范围为:(0.2-1.0*0.2)~(0.2+1.0*0.2);然后对线速度和角速度根据设定的采样间隔分别采样,通常线速度采样间隔要设置为5,角速度通常设为20,因此采样值就有5*20个,采样值数量比对路径采样的数量大得多,增加计算量,算法复杂度比较高。
步骤66:根据设定时间后线速度的最大值和线速度的最小值,得到线速度最大值和最小值对应的预测路径及路径长度。
预估在每一个第一采样点机器人按照第二速度范围中线速度的最大值v1和最小值v2进行圆周运动后,得到最长预测路径以及最短预测路径,再从最长预测路径和最短预测路径中选择出评价路径。
步骤67:选择多个评价路径的终点与相应第一采样点之间的距离最短的一个路径,作为机器人的运动路径。
在获取到机器人的评价路径后,通过计算每条评价路径终点与第一采样点之间的距离,即可得到距离相应第一采样点最近的一条评价路径,该评价路径即为机器人的运动路径。
例如,如图7所示,机器人在位置O处,A'、B'和C'为第一采样点的位置,M、N和P分别为机器人在第一采样点A'、B'和C'做圆周运动的圆心,R1、R2和R3分别为在第一采样点A'、B'和C'处机器人运动半径,OF、OE和OC'分别为机器人的评价路径,从图中可看出评价路径OC'距离其第一采样点最近,因此机器人的运动路径为OC'。
区别于现有技术,本实施例提供的机器人运动路径规划方法,根据机器人当前速度和加速度,获取设定时间后机器人的速度范围,根据速度范围预估机器人从当前位置前往各第一采样点的多个路径,获取多个评价路径中终点与相应采样点第一采样点之间的距离最短的一个路径,将其作为与标准规划路径最匹配的一个路径,从而确定机器人的运动路径,与动态窗口算法相比,本实施例提供的方法计算量小,跟随标准规划路径的效果更好。
参阅图8,图8是本申请提供的机器人运动路径规划方法第五实施例的流程示意图,该方法包括:
步骤811:获取标准规划路径。
步骤812:获取机器人当前速度和当前加速度。
步骤813:在标准规划路径中确定目标采样路段,并在目标采样路段中确定多个第一采样点。
步骤814:获取各第一采样点机器人的运动半径。
步骤815:根据机器人当前速度和当前加速度计算设定时间后的线速度范围及对应的角速度范围。
其中,步骤811-815可以具体参考上述步骤61-65,在此不再赘述。
步骤816:根据设定时间后线速度的最大值和线速度的最小值,得到线速度最大值和最小值对应的预测路径及路径长度。
第一采样点的预测路径的延长线必然与该第一采样点相交,当相交点的路径长度小于速度最小值v2对应的预测路径长度时,将速度最小值v2对应的预测路径作为评价路径。
当相交点的路径长度大于速度最大值v1对应的预测路径长度时,将速度最大值v1对应的预测路径作为评价路径。
当相交点的路径长度在速度最大值v1与最小值v2对应的预测路径长度之间时,将相交点的路径作为评价路径。
其中,每个第一采样点对应两个预测路径,相交点的路径即为机器人从当前位置运动到各采样点的路径。
每个第一采样点对应一条评价路径,通过比较各第一采样点的评价路径与标准规划路径之间的匹配度,将匹配度最高的路径作为机器人的运动路径。
例如,如图9所示,C点为第一采样点位置,O点为机器人当前位置,M为圆周运动的圆心,路径OC的长度为相交点的路径长度,当速度最大值v1对应的评价路径为OA时,机器人的运动路径即为路径OA;当速度最小值v2对应的评价路径为OB时,机器人的运动路径即为路径OB;当速度最小值v2对应的评价路径为OA且速度最大值v1对应的评价路径为OB时,评价路径即为路径OC。
步骤817:获取评价路径中的多个第二采样点。
对每个评价路径,对其进行采样,得到多个第二采样点,采样距离由用户设置或者***默认。
步骤818:根据每个第二采样点与标准规划路径的距离,确定评价路径与标准规划路径的匹配度。
将标准规划路径中距离机器人当前位置最近的点作为第一起点S,相应采样点作为第一终点E,第一起点S到第一终点E之间的路段记作第一标准规划路段SE,计算每个第二采样点到第一标准规划路段SE的最短距离,并将每个第二采样点对应的最短距离累加,得到距离和/平均值,将距离和/平均值作为评价标准,评价评价路径与标准规划路径之间的一致性;其中,距离和/平均值越小,一致性越好。
步骤819:选择匹配度最高的评价路径作为机器人的运动路径。
步骤820:获取机器人运动的线速度和对应的角速度。
采用以下公式计算机器人运动的线速度和对应的角速度:
vb=(Db/Ds)*v1
wb=vb/R
其中,Db为机器人的运动路径长度,Ds为第二速度范围中线速度的最大值对应的路径长度,wb为机器人的运动路径对应的角速度,v1为第二速度范围中线速度的最大值,vb为机器人的运动路径对应的线速度,R为机器人的运动半径。
例如,如图9所示,机器人的运动路径为OC”,线速度的最大值对应的路径为OB”,则机器人运动的线速度为线速度的最大值v1*(路径OC”的长度/路径OB”的长度)。
可以理解的,当机器人的运动路径为第二速度中线速度最小值或最大值对应的评价路径时,无需执行步骤820便可得到机器人运动的线速度和角速度。
区别于现有技术,本申请提供的机器人运动路径规划方法,通过获取标准规划路径,确定目标采样路段,从而确定第一采样点;预估在每个第一采样点机器人的运动半径,根据机器人当前速度和加速度估计第二速度对应的线速度范围及对应的角速度范围;从而得到在每一个第一采样点机器人可能运动的最长距离和最短距离,根据最长距离、最短距离以及及机器人当前的位置到第一采样点之间距离三者之间的关系,确定评价路径,再根据评价路径中的匹配度最高的路径确定机器人的运动路径,实现机器人对标准规划路径的跟随。
参阅图10,图10是本申请提供的机器人一实施例的结构示意图,该机器人100包括通信模组101、存储器102以及处理器103,存储器102和通信模组101均耦接处理器103,通信模组101用于收发信息,存储器102用于存储计算机程序,处理器103在执行存储器102存储的计算机程序时,用于配合通信模组101实现上述实施例中的方法。
参阅图11,图11是本申请提供的存储介质一实施例的结构示意图,该存储介质110用于存储计算机程序111,计算机程序111在被处理器执行时,用以实现上述实施例中的方法。
存储介质110可以是服务器、U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本申请所提供的几个实施方式中,应该理解到,所揭露的方法以及设备,可以通过其它的方式实现。例如,以上所描述的设备实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上仅为本申请的实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (9)
1.一种机器人运动路径规划方法,其特征在于,包括:
获取标准规划路径;
在所述标准规划路径中确定目标采样路段,并在所述目标采样路段中确定多个第一采样点;
预估从所述机器人的当前位置出发经过相同的时间前往所述多个第一采样点的多个评价路径;
获取所述评价路径中的多个第二采样点;
根据每个所述第二采样点与所述标准规划路径的距离,确定所述评价路径与所述标准规划路径的匹配度;
选择匹配度最高的评价路径作为所述机器人的运动路径;
其中,所述标准规划路径为从起始点到终点的设定路径。
2.根据权利要求1所述的方法,其特征在于,
所述预估从所述机器人的当前位置出发经过相同的时间前往所述多个第一采样点的多个评价路径的步骤,包括:
获取所述机器人当前速度和当前加速度;
根据所述机器人当前速度和当前加速度计算设定时间后的线速度范围及对应的角速度范围;
根据所述线速度范围和所述角速度范围预估从所述机器人的当前位置出发经过相同的时间前往所述多个第一采样点的多个路径。
4.根据权利要求3所述的方法,其特征在于,
所述根据所述机器人当前速度和当前加速度计算设定时间后的线速度范围及对应的角速度范围的步骤,包括:
采用以下公式计算得到所述机器人的第一速度范围:
vmax=min(vc+av/f,vcmax);
vmin=max(vc-av/f,vcmin);
wmax=min(wc+aw/f,wcmax);
wmin=max(wc-aw/f,-wcmax);
其中,R为所述机器人的运动半径,vc为所述机器人当前线速度,av为所述机器人当前线加速度,wc为所述机器人当前角速度,aw为所述机器人当前角加速度,vmax为第一速度范围中线速度的最大值,vmin为第一速度范围中线速度的最小值,wmax为第一速度范围中角速度的最大值,wmin为第一速度范围中角速度的最小值,f为控制所述机器人运动速度的频率;
采用以下公式计算得到所述机器人的第二速度范围:
w1=min(vmax/R,wmax);
w2=max(vmin/R,wmin);
v1=w1*R;
v2=w2*R;
其中,v1为第二速度范围中线速度的最大值,v2为第二速度范围中线速度的最小值,w1为第二速度范围中角速度的最大值,w2为第二速度范围中角速度的最小值。
5.根据权利要求4所述的方法,其特征在于,
所述预估从所述机器人的当前位置出发经过相同的时间前往所述多个第一采样点的多个评价路径的步骤,包括:
根据第二速度范围中线速度的最大值v1和线速度的最小值v2,得到线速度最大值和最小值对应的预测路径及路径长度;其中,对应各第一采样点的预测路径的延长线与该第一采样点相交;
当相交点的路径长度小于速度最小值v2对应的预测路径长度时,将速度最小值v2对应的预测路径作为评价路径,其中,所述相交点的路径为所述机器人从当前位置运动到各采样点的路径;
当相交点的路径长度大于速度最大值v1对应的预测路径长度时,将速度最大值v1对应的预测路径作为评价路径;
当相交点的路径长度在速度最大值v1与最小值v2对应的预测路径长度之间时,将所述相交点的路径作为评价路径。
6.根据权利要求1所述的方法,其特征在于,
所述选择所述多个评价路径中与所述标准规划路径匹配度最高的一个路径,作为所述机器人的运动路径的步骤之后,包括:
采用以下公式计算机器人运动的线速度和对应的角速度:
vb=(Db/Ds)*v1;
wb=vb/R;
其中,Db为所述机器人的运动路径长度,Ds为第二速度范围中线速度的最大值对应的路径长度,wb为所述机器人的运动路径对应的角速度,v1为第二速度范围中线速度的最大值,vb为所述机器人的运动路径对应的线速度,R为所述机器人的运动半径。
7.根据权利要求1所述的方法,其特征在于,
所述在所述标准规划路径中确定目标采样路段,并在所述目标采样路段中确定多个第一采样点的步骤,包括:
当所述机器人在所述标准规划路径上时,确定所述目标采样路段为所述标准规划路径上距离所述机器人的距离范围为[L1,L2]的路径;
当所述机器人不在所述标准规划路径上时,将所述标准规划路径中距离所述机器人最近的点记作第一点,确定所述目标采样路段为距离所述第一点的距离范围为[L1,L2]的路径;
其中,L1小于或等于L2,且L1大于0。
8.一种机器人,其特征在于,包括通信模组、存储器以及处理器,所述存储器和所述通信模组均耦接所述处理器,所述通信模组用于收发信息,所述存储器用于存储计算机程序,所述处理器在执行所述存储器存储的计算机程序时,用于配合所述通信模组实现如权利要求1-7任一项所述的方法。
9.一种存储介质,其特征在于,所述存储介质用于存储计算机程序,所述计算机程序在被处理器执行时,用以实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711498653.7A CN109990783B (zh) | 2017-12-29 | 2017-12-29 | 一种机器人运动路径规划方法、机器人及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711498653.7A CN109990783B (zh) | 2017-12-29 | 2017-12-29 | 一种机器人运动路径规划方法、机器人及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109990783A CN109990783A (zh) | 2019-07-09 |
CN109990783B true CN109990783B (zh) | 2021-03-02 |
Family
ID=67110250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711498653.7A Active CN109990783B (zh) | 2017-12-29 | 2017-12-29 | 一种机器人运动路径规划方法、机器人及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109990783B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110488843B (zh) * | 2019-09-04 | 2023-12-05 | 达闼机器人股份有限公司 | 避障方法、移动机器人及计算机可读存储介质 |
CN110850883A (zh) * | 2019-11-29 | 2020-02-28 | 上海有个机器人有限公司 | 一种机器人的移动控制方法、介质、终端和装置 |
CN111290406B (zh) * | 2020-03-30 | 2023-03-17 | 达闼机器人股份有限公司 | 一种路径规划的方法、机器人及存储介质 |
CN111832678B (zh) * | 2020-07-17 | 2022-04-19 | 中国科学技术大学 | 分拣机器人调度方法、装置、分拣机器人及存储介质 |
CN112904855B (zh) * | 2021-01-19 | 2022-08-16 | 四川阿泰因机器人智能装备有限公司 | 基于改进动态窗口的跟随机器人局部路径规划方法 |
CN115494833A (zh) * | 2021-06-18 | 2022-12-20 | 广州视源电子科技股份有限公司 | 机器人的控制方法和装置 |
CN117406756B (zh) * | 2023-12-06 | 2024-03-08 | 苏州元脑智能科技有限公司 | 一种运动轨迹参数的确定方法、装置、设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104596526A (zh) * | 2014-04-17 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 一种定位点匹配方法及装置 |
CN104932493A (zh) * | 2015-04-01 | 2015-09-23 | 上海物景智能科技有限公司 | 一种自主导航的移动机器人及其自主导航的方法 |
CN105786000A (zh) * | 2016-04-22 | 2016-07-20 | 上海物景智能科技有限公司 | 一种机器人在规划路径上的定位方法及定位*** |
CN105867380A (zh) * | 2016-04-19 | 2016-08-17 | 北京九星智元科技有限公司 | 一种机器人小车路径跟随方法 |
JP2017045432A (ja) * | 2015-08-28 | 2017-03-02 | 学校法人早稲田大学 | 路面状況認識装置、そのプログラム、及び移動体システム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9506768B2 (en) * | 2013-02-28 | 2016-11-29 | Sap Se | Adaptive route proposals based on prior rides |
-
2017
- 2017-12-29 CN CN201711498653.7A patent/CN109990783B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104596526A (zh) * | 2014-04-17 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 一种定位点匹配方法及装置 |
CN104932493A (zh) * | 2015-04-01 | 2015-09-23 | 上海物景智能科技有限公司 | 一种自主导航的移动机器人及其自主导航的方法 |
JP2017045432A (ja) * | 2015-08-28 | 2017-03-02 | 学校法人早稲田大学 | 路面状況認識装置、そのプログラム、及び移動体システム |
CN105867380A (zh) * | 2016-04-19 | 2016-08-17 | 北京九星智元科技有限公司 | 一种机器人小车路径跟随方法 |
CN105786000A (zh) * | 2016-04-22 | 2016-07-20 | 上海物景智能科技有限公司 | 一种机器人在规划路径上的定位方法及定位*** |
Also Published As
Publication number | Publication date |
---|---|
CN109990783A (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109990783B (zh) | 一种机器人运动路径规划方法、机器人及存储介质 | |
US9594150B2 (en) | Determining device locations using movement, signal strength | |
CN111536964B (zh) | 机器人定位方法及装置、存储介质 | |
US9071829B2 (en) | Method and system for fusing data arising from image sensors and from motion or position sensors | |
CN108638062B (zh) | 机器人定位方法、装置、定位设备及存储介质 | |
JPWO2005038710A1 (ja) | 移動体動き算出方法および装置、並びにナビゲーションシステム | |
US20120225678A1 (en) | Apparatus and method for constructing wireless ap map | |
CN108803659B (zh) | 基于魔方模型的多窗口启发式三维空间路径规划方法 | |
CN109344426B (zh) | 一种数据处理方法、装置及服务器 | |
CN113359714B (zh) | 基于粒子滤波算法的巡检机器人动态路径规划方法及装置 | |
CN117392241B (zh) | 自动驾驶中的传感器标定方法、装置及电子设备 | |
WO2022013683A1 (en) | Indoor positioning with plurality of motion estimators | |
KR101707878B1 (ko) | 복수의 영상 및 보행자 추측 항법 기술을 이용한 사용자 위치 추정 장치 및 그 방법 | |
KR20190081334A (ko) | 복합 측위 기반의 이동 궤적 추적 방법 및 그 장치 | |
CN116929343A (zh) | 位姿估计方法、相关设备及存储介质 | |
KR102367403B1 (ko) | 관성 데이터 및 무선신호 데이터 기반 실내 측위 방법 및 장치 | |
JP4210763B2 (ja) | 無線lan測位とgps測位とを併用した移動体の連続的測位方法及び装置、並びに移動体の連続的測位プログラム | |
CN114187509A (zh) | 对象定位方法、装置、电子设备以及存储介质 | |
CN114646313A (zh) | 一种用户轨迹定位方法、电子设备及计算机存储介质 | |
Chiu et al. | Spatial skeleton-enhanced location tracking for indoor localization | |
Raitoharju et al. | A linear state model for PDR+ WLAN positioning | |
CN116486354B (zh) | 车道线处理方法、装置、设备以及存储介质 | |
CN117091588B (zh) | 一种基于多模态融合的医院就诊引导方法及*** | |
Shoushtari et al. | L5in+: From an analytical platform to optimization of deep inertial odometry | |
Lau et al. | Motion prediction for online gaming |
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 |