CN110320920A - 一种基于规约算法的双移动机器人迷宫路径规划方法 - Google Patents
一种基于规约算法的双移动机器人迷宫路径规划方法 Download PDFInfo
- Publication number
- CN110320920A CN110320920A CN201910720433.7A CN201910720433A CN110320920A CN 110320920 A CN110320920 A CN 110320920A CN 201910720433 A CN201910720433 A CN 201910720433A CN 110320920 A CN110320920 A CN 110320920A
- Authority
- CN
- China
- Prior art keywords
- mobile robot
- way
- robot
- track mobile
- double
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000009467 reduction Effects 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000004888 barrier function Effects 0.000 claims description 7
- 230000008450 motivation Effects 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 4
- 238000011017 operating method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- G05D1/0212—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
-
- 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
- G05D1/0253—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 extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- 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)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于规约算法的双移动机器人迷宫路径规划方法,操作步骤为:步骤一、双移动机器人在运动区域内进行探路,若到达终点,停止探路;若未到达终点,采取右或左手法则进行探路;若走进死胡同,后转返回;步骤二、记录探路过程中遇到的所有分岔路口、死胡同,以及在该分岔路口或死胡同通过的方式,保存记录结果;步骤三、根据记录结果,利用规约算法,对首次出现B转弯方式的路口进行规约处理;步骤四、判断是否还存在B转弯方式,若存在,转至步骤三;若不存在,获得最优路径。本方法充分发挥无人平台编队的特点,经过规约处理后,可以规避不可通行的以及重复走过的路径,提高效率、节省时间,在未来编队作战中具有重要的意义。
Description
技术领域
本发明涉及一种多路通,尤其涉及一种基于规约算法的双移动机器人迷宫路径规划方法。
背景技术
当下,战争形态由机械化、信息化向智能化转型的趋势愈发明显,作为人工智能大潮中的一个缩影,智能机器人在危险区域搜索、灾区坍塌建筑物内救灾、深海海底搜索、外太空探索等众多领域都发挥着重大作用。
对于单一移动机器人而言,虽然具有机体小、机动性强、零人员伤亡等突出特点,但是在实际应用中却面临着作战范围小、续航能力弱、任务***容错性不足等诸多问题,局限着智能机器人的发展。因此,为弥补单一移动机器人的局限性,智能机器人的作战样式已逐步从单***作战向多***作战方向发展。
与单个机器人相比,智能移动机器人,如双移动机器人的编队具有功能可组合、易裁剪,***可拓展性高、鲁棒性强、适应性强等优点,因而更适应完成区域监测或遍历、外界环境过于危险、有冗余性要求等类型的任务。然而,现有的双移动机器人在针对复杂未知威胁环境时,实时进行任务重规划并做出行动决策的能力较弱,无法很好的确保自身安全和任务完成,难以顺利实现其实时任务规划与自主行为能力。因此,亟需提供一种基于规约算法的双移动机器人迷宫路径规划方法,利用搭建的“迷宫”模拟复杂威胁环境,以移动机器人为例形成无人编队,采用全程自主控制方式完成对迷宫的探索,为今后作战中使用移动机器人探索未知环境提供依据。
发明内容
为了解决上述技术所存在的不足之处,本发明提供了一种基于规约算法的双移动机器人迷宫路径规划方法。
为了解决以上技术问题,本发明采用的技术方案是:一种基于规约算法的双移动机器人迷宫路径规划方法,操作步骤为:
步骤一、以双移动机器人为研究对象,双移动机器人的运动区域为W,运动区域W内的Sf、Sl和Sr分别为双移动机器人中心到其前方、左方和右方障碍物区域的距离,根据实际情况设定阈值a,若Si>a(i=f,l,r),则认为该方向可通行;若Si≤a(i=f,l,r),则认为该方向不可通行;
双移动机器人在运动区域为W内进行探路,探路过程中先判断是否到达终点,设定阈值b,若Sf、Sl和Sr均大于阈值b,前方为空旷区,则认为到达终点;若到达终点,则停止探路;若没有到达终点,则采取右手或左手法则进行探路;若走进死胡同,则后转返回;
步骤二、记录双移动机器人在探路过程中遇到的所有分岔路口、死胡同,以及双移动机器人在该分岔路口或死胡同通过的方式;设走过的第n个岔路口的移动方向为Vn,则有式子Ⅰ:
式中,S表示直行,L表示向左转,R表示向右转,B表示向后转;
每经过一个岔路口n,将其移动方向Vn存储在程序中,以便后续处理;当双移动机器人到达终点时,任务结束,保存记录结果;
步骤三、根据上述记录结果,按照公式Ⅱ的处理规则将Vn带入规约算法模块中,对首次出现B转弯方式,即死胡同的路口进行规约处理;
其中,S,L,R,B均为双移动机器人记录的行使方式;以为例,LBL表示双移动机器人经过三个岔路口的通行方式依次为左转、后转、左转;表示进行规约处理;
步骤四、判断Vn中是否还存在B转弯方式,若存在,则转至步骤三;若Vn中不存在B转弯方式,则所得结果V′n为后续双移动机器人在第n个岔路口的行驶方式,即V′n为最优路径。
进一步地,步骤一中双移动机器人为Turtlebot3差分驱动机器人。
进一步地,步骤一中运动区域W平坦有界,区域边界相互连通,障碍物与区域边缘表面粗糙,激光信号不会出现镜面反射。
进一步地,步骤一中双移动机器人探路,当采取右手法则时:第一选择向右侧的方向进行移动,若右侧的方向不可通行,再沿直行方向进行移动,若直行方向不可通行,向左侧方向进行移动。
进一步地,步骤一中双移动机器人探路,当采取左手法则时:第一选择向左侧的方向进行移动,若左侧的方向不可通行,再沿直行方向进行移动,若直行方向不可通行,向右侧方向进行移动。
本发明公开了一种基于规约算法的双移动机器人迷宫路径规划方法,面对高度对抗性、高度不确定性、高度动态性的战场环境,充分发挥了智能移动机器人编队***可拓展性高、鲁棒性强、适应性强的特点,合理利用探路过程中所获得的信息,充分发挥无人平台编队的特点,经过规约处理后,可以规避不可通行的以及重复走过的路径,提高效率、节省时间,在未来编队作战中具有重要的意义。
附图说明
图1为本发明双移动机器人的运动区域W的示意图。
图2为本发明双移动机器人采取右手法则探路时的流程图。
图3为本发明归约算法处理前双移动机器人的通行示意图。
图4为本发明归约算法处理后双移动机器人的通行示意图。
图5为本发明实施例中迷宫的示意图。
图6为本发明实施例中双移动机器人采用右手法则探路时的路径记录图。
图7为本发明实施例中归约算法处理后双移动机器人的最优路径示意图。
图8为本发明实施例中双移动机器人走迷宫时,前、右可通行(直行右转)的示意图。
图9为本发明实施例中双移动机器人走迷宫时,前、左可通行(直行左转)的示意图。
图10为本发明实施例中双移动机器人走迷宫时,左、右可通行(左转、右转)的示意图。
图11为本发明实施例中双移动机器人走迷宫时,十字路口左转或右转的示意图。
图12:为本发明实施例中双移动机器人走迷宫时,死胡同(后转)的示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明公开了一种基于规约算法的双移动机器人迷宫路径规划方法,具体操作步骤为:
步骤一、以双移动机器人为研究对象,双移动机器人的运动区域为W,运动区域W内的Sf、Sl和Sr分别为双移动机器人中心到其前方、左方和右方障碍物区域的距离,根据实际情况设定阈值a,若Si>a(i=f,l,r),则认为该方向可通行;若Si≤a(i=f,l,r),则认为该方向不可通行;
双移动机器人在运动区域为W内进行探路,探路过程中先判断是否到达终点,设定阈值b,若Sf、Sl和Sr均大于阈值b,前方为空旷区,则认为到达终点;若到达终点,则停止探路;若没有到达终点,则采取右手或左手法则进行探路;若走进死胡同,则后转返回;
步骤二、记录双移动机器人在探路过程中遇到的所有分岔路口、死胡同,以及双移动机器人在该分岔路口或死胡同通过的方式;设走过的第n个岔路口的移动方向为Vn,则有式子Ⅰ:
式中,S表示直行,L表示向左转,R表示向右转,B表示向后转;
每经过一个岔路口n,将其移动方向Vn存储在程序中,以便后续处理;当双移动机器人到达终点时,任务结束,保存记录结果;
步骤三、根据上述记录结果,按照公式Ⅱ的处理规则将Vn带入规约算法模块中,对首次出现B转弯方式,即死胡同的路口进行规约处理;
其中,S,L,R,B均为双移动机器人记录的行使方式;以为例,LBL表S示双移动机器人经过三个岔路口的通行方式依次为左转、后转、左转;表示进行规约处理;
步骤四、判断Vn中是否还存在B转弯方式,若存在,则转至步骤三;若Vn中不存在B转弯方式,则所得结果V′n为后续双移动机器人在第n个岔路口的行驶方式,即V′n为最优路径。
下面以Turtlebot3差分驱动机器人为研究对象,对本发明的基于规约算法的双移动机器人迷宫路径规划方法做进一步说明。
首先,Turtlebot3差分驱动机器人搭载了一个2D激光传感器与一个视觉传感器;激光传感器置于机器人顶端,扫描面与地面平行,其中心与机器人的重心重合,有效探测距离为Rmax,探测范围为360°,角分辨率为1°;视觉传感器用于识别目标物体,可以拍摄1080p的高清视频。同时,Turtlebot3差分驱动机器人通过控制左右两个差分驱动轮的旋转角速度来控制自身的转向。
步骤一、双移动机器人运动区域为W,如图1所示,运动区域W平坦有界,区域边界相互连通,障碍物与区域边缘表面粗糙,激光信号不会出现镜面反射。运动区域W内的Sf、Sl和Sr分别为双移动机器人中心到其前方、左方和右方障碍物区域的距离,根据实际情况设定阈值a,若Si>a(i=f,l,r),则认为该方向可通行;若Si≤a(i=f,l,r),则认为该方向不可通行。图1中带有三角标识的物体则表示双移动机器人。
双移动机器人在运动区域W内进行探路,探路过程中先判断是否到达终点,设定阈值b,若Sf、Sl和Sr均大于阈值b,前方为空旷区,则认为到达终点。若到达终点,则停止探路;若没有到达终点,采取右手或左手法则进行探路;若走进死胡同,则后转返回。其中,当采取右手法则时:第一选择向右侧的方向进行移动,若右侧的方向不可通行,再沿直行方向进行移动,若直行方向不可通行,向左侧方向进行移动;当采取左手法则时:第一选择向左侧的方向进行移动,若左侧的方向不可通行,再沿直行方向进行移动,若直行方向不可通行,向右侧方向进行移动。以右手法则为例,其流程如图2所示。
步骤二、记录双移动机器人在探路过程中遇到的所有分岔路口(除死胡同外,所有单转向路口均不记录,同时碰到重复的分叉路口也要记录)、死胡同,以及双移动机器人在该分岔路口或死胡同通过的方式(即直行、左转、右转或后转)。设走过的第n个岔路口的移动方向为Vn,则有式子Ⅰ:
式中,S表示直行,L表示向左转,R表示向右转,B表示向后转;
每经过一个岔路口n,将其移动方向Vn存储在程序中,以便后续处理;当双移动机器人到达终点时,任务结束,保存记录结果;
步骤三、根据上述记录结果,按照公式Ⅱ的处理规则将Vn带入规约算法模块中,对首次出现B转弯方式,即死胡同的路口进行规约处理;
其中,S,L,R,B均为双移动机器人记录的行使方式;以为例,LBL表S示双移动机器人经过三个岔路口的通行方式依次为左转、(碰到死胡同)后转、左转;表示进行规约处理。归约处理的示意图如图3和图4所示,图3表示处理前,图4表示处理后,图3、图4中的***数字表示通行顺序。
步骤四、判断Vn中是否还存在B转弯方式,若存在,则转至步骤三;若Vn中不存在B转弯方式,则所得结果V′n为后续双移动机器人在第n个岔路口的行驶方式,即V′n为最优路径。经过规约处理后,可以规避不可通行的以及重复走过的路径。设计如图5所示的迷宫,字母E所在处表示入口,字母P所在处表示出口,双移动机器人从起点走向终点,采用右手法则,如图6所示,记录得到的分岔路口为{R,R,R,B,S,B,R,S,S,R,S,B,R,R,B,S,S};经过规约算法处理后,如图7所示,得到最优路径V′n为{R,L,S,R,L,L,S}。图6和图7中的***数字均表示通行顺序。走迷宫时几种典型的通行方式分别如图8至图12所示,设计的迷宫索方法结构简洁,合理利用探路过程中所获得的信息,充分发挥无人平台编队的特点,经过规约处理后,可以规避不可通行的以及重复走过的路径,提高效率、节省时间。
本发明公开了一种基于规约算法的双移动机器人迷宫路径规划方法,面对高度对抗性、高度不确定性、高度动态性的战场环境,充分发挥了智能移动机器人编队***可拓展性高、鲁棒性强、适应性强的特点,在某个需要探索的未知环境中,利用一个双移动机器人(探路者)得到的数据生成一条可通行的最优路径,剩余的双移动机器人编队(验路者)按照其生成的最优路径通过,极大的提高了工作效率、节省时间并保存实力,在未来编队作战中具有重要的意义。同时,解决了现有的移动机器人无法有效的进行实时任务重规划并做出行动决策的缺陷,确保双移动机器人自身安全和任务完成,实现其实时任务规划与自主行为能力。利用搭建的“迷宫”模拟复杂威胁环境,以双移动机器人为例形成无人编队,采用全程自主控制方式完成对迷宫的探索,为今后作战中使用移动机器人探索未知环境提供依据。
上述实施方式并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换,也均属于本发明的保护范围。
Claims (5)
1.一种基于规约算法的双移动机器人迷宫路径规划方法,其特征在于:所述方法的操作步骤为:
步骤一、以双移动机器人为研究对象,双移动机器人的运动区域为W,运动区域W内的Sf、Sl和Sr分别为双移动机器人中心到其前方、左方和右方障碍物区域的距离,根据实际情况设定阈值a,若Si>a(i=f,l,r),则认为该方向可通行;若Si≤a(i=f,l,r),则认为该方向不可通行;
双移动机器人在运动区域为W内进行探路,探路过程中先判断是否到达终点,设定阈值b,若Sf、Sl和Sr均大于阈值b,前方为空旷区,则认为到达终点;若到达终点,则停止探路;若没有到达终点,则采取右手或左手法则进行探路;若走进死胡同,则后转返回;
步骤二、记录双移动机器人在探路过程中遇到的所有分岔路口、死胡同,以及双移动机器人在该分岔路口或死胡同通过的方式;设走过的第n个岔路口的移动方向为Vn,则有式子Ⅰ:
式中,S表示直行,L表示向左转,R表示向右转,B表示向后转;
每经过一个岔路口n,将其移动方向Vn存储在程序中,以便后续处理;当双移动机器人到达终点时,任务结束,保存记录结果;
步骤三、根据上述记录结果,按照公式Ⅱ的处理规则将Vn带入规约算法模块中,对首次出现B转弯方式,即死胡同的路口进行规约处理;
其中,S,L,R,B均为双移动机器人记录的行使方式;以为例,LBL表示双移动机器人经过三个岔路口的通行方式依次为左转、后转、左转;表示进行规约处理;
步骤四、判断Vn中是否还存在B转弯方式,若存在,则转至步骤三;若Vn中不存在B转弯方式,则所得结果V′n为后续双移动机器人在第n个岔路口的行驶方式,即V′n为最优路径。
2.根据权利要求1所述的基于规约算法的双移动机器人迷宫路径规划方法,其特征在于:步骤一中所述双移动机器人为Turtlebot3差分驱动机器人。
3.根据权利要求1或2所述的基于规约算法的双移动机器人迷宫路径规划方法,其特征在于:步骤一中所述运动区域W平坦有界,区域边界相互连通,障碍物与区域边缘表面粗糙,激光信号不会出现镜面反射。
4.根据权利要求1所述的基于规约算法的双移动机器人迷宫路径规划方法,其特征在于:步骤一中双移动机器人探路,当采取右手法则时:第一选择向右侧的方向进行移动,若右侧的方向不可通行,再沿直行方向进行移动,若直行方向不可通行,向左侧方向进行移动。
5.根据权利要求1所述的基于规约算法的双移动机器人迷宫路径规划方法,其特征在于:步骤一中双移动机器人探路,当采取左手法则时:第一选择向左侧的方向进行移动,若左侧的方向不可通行,再沿直行方向进行移动,若直行方向不可通行,向右侧方向进行移动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910720433.7A CN110320920A (zh) | 2019-08-06 | 2019-08-06 | 一种基于规约算法的双移动机器人迷宫路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910720433.7A CN110320920A (zh) | 2019-08-06 | 2019-08-06 | 一种基于规约算法的双移动机器人迷宫路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110320920A true CN110320920A (zh) | 2019-10-11 |
Family
ID=68125514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910720433.7A Pending CN110320920A (zh) | 2019-08-06 | 2019-08-06 | 一种基于规约算法的双移动机器人迷宫路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110320920A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6408226B1 (en) * | 2001-04-24 | 2002-06-18 | Sandia Corporation | Cooperative system and method using mobile robots for testing a cooperative search controller |
KR20050097306A (ko) * | 2004-04-01 | 2005-10-07 | 재단법인서울대학교산학협력재단 | 확장된 충돌 지도를 이용한 다개체 로봇의 충돌 회피 방법및 그 방법을 기록한 컴퓨터로 판독 가능한 기록 매체 |
CN102681544A (zh) * | 2012-05-21 | 2012-09-19 | 航天科工深圳(集团)有限公司 | 一种迷宫管道机器人自主巡径算法及具有该算法的机器人 |
CN103092207A (zh) * | 2013-02-27 | 2013-05-08 | 东华大学 | 一种机器人迷宫搜索方法 |
CN103247040A (zh) * | 2013-05-13 | 2013-08-14 | 北京工业大学 | 基于分层拓扑结构的多机器人***地图拼接方法 |
CN105223956A (zh) * | 2015-11-09 | 2016-01-06 | 中山大学 | 一种全向移动机器人的动态避障方法 |
CN105479490A (zh) * | 2015-12-24 | 2016-04-13 | 华中科技大学 | 一种双机器人实时动态避障装置及其避障方法 |
CN107092255A (zh) * | 2017-05-19 | 2017-08-25 | 安徽工程大学 | 一种基于改进遗传算法的多移动机器人路径规划方法 |
CN109754121A (zh) * | 2019-01-09 | 2019-05-14 | 天津工业大学 | 双机器人协同巡检路径优化方法 |
-
2019
- 2019-08-06 CN CN201910720433.7A patent/CN110320920A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6408226B1 (en) * | 2001-04-24 | 2002-06-18 | Sandia Corporation | Cooperative system and method using mobile robots for testing a cooperative search controller |
KR20050097306A (ko) * | 2004-04-01 | 2005-10-07 | 재단법인서울대학교산학협력재단 | 확장된 충돌 지도를 이용한 다개체 로봇의 충돌 회피 방법및 그 방법을 기록한 컴퓨터로 판독 가능한 기록 매체 |
CN102681544A (zh) * | 2012-05-21 | 2012-09-19 | 航天科工深圳(集团)有限公司 | 一种迷宫管道机器人自主巡径算法及具有该算法的机器人 |
CN103092207A (zh) * | 2013-02-27 | 2013-05-08 | 东华大学 | 一种机器人迷宫搜索方法 |
CN103247040A (zh) * | 2013-05-13 | 2013-08-14 | 北京工业大学 | 基于分层拓扑结构的多机器人***地图拼接方法 |
CN105223956A (zh) * | 2015-11-09 | 2016-01-06 | 中山大学 | 一种全向移动机器人的动态避障方法 |
CN105479490A (zh) * | 2015-12-24 | 2016-04-13 | 华中科技大学 | 一种双机器人实时动态避障装置及其避障方法 |
CN107092255A (zh) * | 2017-05-19 | 2017-08-25 | 安徽工程大学 | 一种基于改进遗传算法的多移动机器人路径规划方法 |
CN109754121A (zh) * | 2019-01-09 | 2019-05-14 | 天津工业大学 | 双机器人协同巡检路径优化方法 |
Non-Patent Citations (1)
Title |
---|
李平等: "双机器人协调***的碰撞检测问题研究", 《哈尔滨工程大学学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104819724B (zh) | 一种基于gis的无人地面车辆自主行驶辅助*** | |
CN105807769B (zh) | 无人水下航行器ivfh避碰方法 | |
CN108983781A (zh) | 一种无人车目标搜索***中的环境探测方法 | |
CN106980657A (zh) | 一种基于信息融合的车道级电子地图构建方法 | |
CN106197421A (zh) | 一种用于移动机器人自主探索的前沿目标点生成方法 | |
Liu et al. | Point cloud segmentation based on Euclidean clustering and multi-plane extraction in rugged field | |
CN110879596A (zh) | 低成本自动割草机自主作业***及其自主作业方法 | |
CN112184736A (zh) | 一种基于欧式聚类的多平面提取方法 | |
KR102372687B1 (ko) | 비최대값 억제를 학습하는 병합 네트워크를 이용한 이종 센서 융합을 위한 학습 방법 및 학습 장치 | |
CN116501064A (zh) | 一种光伏电站清扫机器人的路径规划及避障方法 | |
CN110320907A (zh) | 一种基于改进蚁群算法和椭圆碰撞锥推演模型的无人水面艇双层避碰方法 | |
Zhang et al. | An embedded real-time neuro-fuzzy controller for mobile robot navigation | |
Teitgen et al. | Dynamic trajectory planning for ships in dense environment using collision grid with deep reinforcement learning | |
CN108931255A (zh) | 移动体控制*** | |
CN110320920A (zh) | 一种基于规约算法的双移动机器人迷宫路径规划方法 | |
Xiao et al. | Aspect ratio-based bidirectional label encoding for square-like rotation detection | |
CN107820562A (zh) | 一种导航方法、装置及电子设备 | |
Gong et al. | Intuitive decision-making modeling for self-driving vehicles | |
Chipka et al. | Estimation and navigation methods with limited information for autonomous urban driving | |
CN115797900B (zh) | 基于单目视觉的车路姿态感知方法 | |
TWI619099B (zh) | Intelligent multifunctional driving assisted driving recording method and system | |
Cai et al. | LWDNet-A lightweight water-obstacles detection network for unmanned surface vehicles | |
CN114771510A (zh) | 基于路线图的泊车方法、泊车***及电子设备 | |
Canning et al. | Development of a fuzzy logic controller for autonomous forest path navigation | |
Shirkhodaie et al. | Soft computing for visual terrain perception and traversability assessment by planetary robotic systems |
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 |
Application publication date: 20191011 |
|
RJ01 | Rejection of invention patent application after publication |