CN112284393A - 一种智能移动机器人全局路径规划方法和*** - Google Patents

一种智能移动机器人全局路径规划方法和*** Download PDF

Info

Publication number
CN112284393A
CN112284393A CN202011147139.0A CN202011147139A CN112284393A CN 112284393 A CN112284393 A CN 112284393A CN 202011147139 A CN202011147139 A CN 202011147139A CN 112284393 A CN112284393 A CN 112284393A
Authority
CN
China
Prior art keywords
mobile robot
grid
global
grid map
path planning
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.)
Granted
Application number
CN202011147139.0A
Other languages
English (en)
Other versions
CN112284393B (zh
Inventor
林睿
孙立宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou University
Original Assignee
Suzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou University filed Critical Suzhou University
Priority to CN202011147139.0A priority Critical patent/CN112284393B/zh
Publication of CN112284393A publication Critical patent/CN112284393A/zh
Priority to PCT/CN2021/115501 priority patent/WO2022083292A1/zh
Application granted granted Critical
Publication of CN112284393B publication Critical patent/CN112284393B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种智能移动机器人全局路径规划方法和***，方法包括：S1，确定作业全局信息，对所述作业全局的场景进行格栅化后获得全局栅格地图；S2，对所述全局栅格地图设置行驶规则以及设置特殊区域；S3，将所述全局栅格地图的栅格值离散化，定义移动机器人通过的区域与障碍物的间距大于所述移动机器人的外接圆半径；S4，采用A*算法对所述全局栅格地图定义通行值；S5，根据所述通行值以及所述移动机器人的起始点和目标点，输出所述栅格地图中一系列连续的路径点坐标值。通过预先构建的场景全局栅格地图，设置基于类似于机动车交通规则，对全局栅格地图定义通行值来改进A*全局路径搜索算法，生成输出连续的路径点坐标值实现自主导航。

Description

一种智能移动机器人全局路径规划方法和***
技术领域
本发明涉及移动机器人智能控制领域，具体地涉及一种智能移动机器人全局路径规划方法和***。
背景技术
目前移动机器人已经服务于社会发展的各行各业，能够代替人工执行任务，执行效率高、误差率低，能够有效地降低人工成本以及经营成本，如工厂、医院、家庭、酒店、展览馆、餐厅等，主要执行物流、搬运和配送等作业任务。
移动机器人需要在工作场景内自主导航，能够准确定位和安全行进。而当作业场景比较复杂，如动态物体比较多、可行驶区域比较狭窄等，移动机器人的运动需要遵守类似于机动车交通规则，如禁行区、右行区、抵制区、禁行线和单行线等，才能保证移动机器人在复杂作业场景中有序通行，解决移动机器人与动态物体之间以及多移动机器人之间可能出现的交通卡顿甚至拥堵问题。
移动机器人在工作场景中作业，一般都是提前构建周围工作场景全局地图，根据作业任务要求，实现从起始点到目标点的安全行进。而普通的移动机器人的全局路径规划算法则只会搜索最近的或者耗时最短的捷径，而不会遵从可行驶通道行驶的交通规则，就会导致在如动态物体比较多、可行驶区域比较狭窄等场景中行进的顺畅性很差。
为了保证移动机器人的通行效率和安全性，需要在移动机器人预先构建的场景地图上进行一定的交通规则设置，类似于人类机动车的交通规则标识出哪些区域能行走，哪些区域不能行走，以及哪些区域只能单向行走等约束。移动机器人基于这些交通规则约束条件，因此，如何实现机器人安全高效的运行，是本领域技术人员的工作重点。
发明内容
本发明提供了一种智能移动机器人全局路径规划方法和***，使得移动机器人在复杂动态场景作业时的实现自主导航，安全有序性好且实时性较高，解决应用于不同复杂动态场景中多移动机器人狭窄作业区域内的交通拥堵问题。
为解决上述技术问题，本发明提供了一种智能移动机器人全局路径规划方法，包括：
S1，确定作业全局信息，对所述作业全局的场景进行格栅化后获得全局栅格地图；
S2，对所述全局栅格地图设置行驶规则以及设置特殊区域；
S3，将所述全局栅格地图的栅格值离散化，定义移动机器人通过的区域与障碍物的间距大于所述移动机器人的外接圆半径；
S4，采用A*算法对所述全局栅格地图定义通行值；
S5，根据所述通行值以及所述移动机器人的起始点和目标点，输出所述栅格地图中一系列连续的路径点坐标值。
其中，所述特殊区域包括禁行区、右行区、抵制区、禁行线和单行线中至少一种。
其中，所述S2，包括：
通过设置所述全局栅格地图的栅格值在第一预定区域获得禁行区、右行区、抵制区、禁行线，通过限制所述全局栅格地图的栅格扩散在第二预定区域设置单行线。
其中，所述全局栅格地图的栅格值的范围为0～255或0～1023。
其中，在所述S5之后，还包括：
通过激光传感器、多普勒雷达实时感知周围环境信息，对所述移动机器人在所述栅格地图中进行全局定位。
其中，在所述S5之后，还包括：
接收栅格值调整指令，调整所述全局栅格地图的栅格值。
其中，在所述S5之后，还包括：
S6，检测所述移动机器人当前所处的栅格的通行值，设置所述移动机器人的行进速度。
除此之外，在本发明的实施例中还公开了一种智能移动机器人全局路径规划***，包括：
栅格地图转换模块，用于根据输入的作业全局场景进行格栅化后，输出格栅化地图；
行驶规则与特殊区域设置模块，与所述栅格地图转换模块连接，用于对所述格栅化地图设置行驶规则以及设置特殊区域；
地图离散化模块，与所述栅格地图转换模块、所述行驶规则与特殊区域设置模块连接，用于将所述全局栅格地图的栅格值离散化，定义移动机器人通过的区域与障碍物的间距大于所述移动机器人的外接圆半径；
A*算法路径规划模块，与所述地图离散化模块连接，接收所述移动机器人的起始点和目标点，采用A*算法对所述全局栅格地图定义通行值后，向所述移动机器人输出所述栅格地图中从所述起始点到所述目标点一系列连续的路径点坐标值。
其中，还包括与所述地图离散化模块连接的栅格值设置模块，用于接收栅格值调整指令，调整所述全局栅格地图的栅格值。
其中，还包括与所述A*算法路径规划模块连接的行进速度限制模块，用于根据所述移动机器人通过的当前栅格的通行值，设定所述移动机器人的行进速度。
本发明实施例提供的智能移动机器人全局路径规划方法和***，与现有技术相比较具有以下有益效果：
所述智能移动机器人全局路径规划方法和***，通过预先构建的场景全局栅格地图，设置基于类似于机动车交通规则，对全局栅格地图定义通行值来改进A*全局路径搜索算法，生成输出连续的路径点坐标值实现导航，使得移动机器人在复杂动态场景作业时的实现自主导航，安全有序性好且实时性较高，解决应用于不同复杂动态场景中多移动机器人狭窄作业区域内的交通拥堵问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本申请提供的智能移动机器人全局路径规划方法的一个实施例的步骤流程示意图；
图2为本申请提供的智能移动机器人全局路径规划方法的另一个实施例的步骤流程示意图；
图3为本申请提供的智能移动机器人全局路径规划***的一个实施例的结构示意图；
图4为本申请提供的智能移动机器人全局路径规划***的另一个实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1-4所示，图1为本申请提供的智能移动机器人全局路径规划方法的一个实施例的步骤流程示意图；图2为本申请提供的智能移动机器人全局路径规划方法的另一个实施例的步骤流程示意图；图3为本申请提供的智能移动机器人全局路径规划***的一个实施例的结构示意图；图4为本申请提供的智能移动机器人全局路径规划***的另一个实施例的结构示意图。
在一种具体实施方式中，本发明提供了一种智能移动机器人全局路径规划方法，包括：
S1，确定作业全局信息，对所述作业全局的场景进行格栅化后获得全局栅格地图；即确定移动机器人工作的整个环境，将其能够允许的活动范围设定为作业全局，然后进行格栅化后获得全局栅格地图；
S2，对所述全局栅格地图设置行驶规则以及设置特殊区域；设置形式规则以及特殊区域的目的，是使得在移动机器人行进过程中，能够遵循确定的规则，可以是采用现行的交通规则，也可以是采用其它的自定义的交通规则，本发明对此不作限定。
S3，将所述全局栅格地图的栅格值离散化，定义移动机器人通过的区域与障碍物的间距大于所述移动机器人的外接圆半径；采用栅格值离散化，定义移动机器人通过的区域与障碍物的间距大于所述移动机器人的外接圆半径，使得与常规的全局栅格化地图有较大的区别，考虑了移动机器人本身的尺寸。
例如，常规全局栅格地图法是把真实环境离散化，分成了具有一定分辨率，如20cm宽度的一个正方形栅格，其中1表示有障碍物，0表示无障碍物，-1表示未知。但这样单一化的表示方式往往没有把移动机器人的安全尺寸信息考虑在内，会规划出离障碍物很近的路径，同时考虑所设置的一定交通规则约束条件，这样在实际操作中很容易发生移动机器人与障碍区域发生碰撞发生逻辑错误的情况。
S4，采用A*算法对所述全局栅格地图定义通行值；A*算法是一种启发式算法，由代价函数和启发式函数两部分组成。代价函数表示从起始栅格开始到目标栅格所花费的代价，通常由走过栅格cost值计算得到，启发式函数表示从起始点到目标点预估需要的代价值，通常由当前栅格到目标栅格的曼哈顿距离计算得到。
S5，根据所述通行值以及所述移动机器人的起始点和目标点，输出所述栅格地图中一系列连续的路径点坐标值。
通过预先构建的场景全局栅格地图，设置基于类似于机动车交通规则，对全局栅格地图定义通行值来改进A*全局路径搜索算法，生成输出连续的路径点坐标值实现自主导航，使得移动机器人在复杂动态场景作业时的实现自主导航，安全有序性好且实时性较高，解决应用于不同复杂动态场景中多移动机器人狭窄作业区域内的交通拥堵问题。
本发明对于特殊区域的设置方式以及类型、数量不做限定，可以是仅仅包括实际地形造成的特殊区域，也可以是由于电磁干扰等通信信号或者其它原因形成的特殊区域，所述特殊区域包括禁行区、右行区、抵制区、禁行线和单行线中至少一种。
需要指出的是，即使是有实际地形形成的特殊区域，在本发明对移动机器人进行路径规划时也可以适当的进行调整，即可以完全相同，也可以是有一定的调整。
本发明对于实现特殊区域的设置方式不做限定，一个实施例中，所述S2，包括：
通过设置所述全局栅格地图的栅格值在第一预定区域获得禁行区、右行区、抵制区、禁行线，通过限制所述全局栅格地图的栅格扩散在第二预定区域设置单行线。
需要指出的是，本发明并不局限于上述的特殊区域设置方式，还可以是采用模型的方式进行设置，即将特殊区域进行分类，采用键盘或者鼠标选定区域然后选择类型，实现特殊区域的设置，还可以是对特定的区域进行赋值，这样在识别过程中，就可以对特定的赋值区域定义为需要的类型。
本发明对于全局栅格地图的栅格值的范围不做限定，可以根据实际的路径规划精度以及数据处理能力进行设定，一般所述全局栅格地图的栅格值的范围为0～255或0～1023。
本发明中在完成对移动机器人的路径规划之后，在移动机器人行进过程中其位置不断发生变化，因此需要不断的进行定位，实现移动机器人按照预定的路径进行行进，本发明对于其定位方式不做限定，在一个实施例中，在所述S5之后，还包括：
通过激光传感器、多普勒雷达实时感知周围环境信息，对所述移动机器人在所述栅格地图中进行全局定位。
本发明对感知周围环境信息的方式不做限定，并不局限于上述的方式，也可以采用其它的方式，如采用触发器，在移动机器人到达指定位置之后进行触发，实现位置感知，甚至于还可以与卫星定位***进行结合实现定位等。
由于对于不同的场景，需要采用的栅格地图的精确度不同，为了实现灵活使用，降低使用成本，在一个实施例中，在所述S5之后，还包括：
接收栅格值调整指令，调整所述全局栅格地图的栅格值。
本发明对于调整所述全局栅格地图的栅格值的方式不做限定，可以采用键盘等直接输入，也可以采用模式选择实现，或者其它的方式，如增加一档或减少一档等方式。
由于在移动机器人行进过程中，如果只有一个移动机器人既可以自由行使，但是如果有多个移动机器人，可能会发生交通拥堵的情况，而在多数情况下，移动机器人的数量会较多，因此需要对此移动机器人进行速度设置，提高通行安全性，因此，在一个实施例中，在所述S5之后，还包括：
S6，检测所述移动机器人当前所处的栅格的通行值，设置所述移动机器人的行进速度。
本发明对于控制移动机器人的行进速度的方式不做限定，可以通入与通行值进行实时对应，也可以类似火车的各个路段进行速度限制。
在一个实施例中，常规栅格地图栅格cost值的遍历修改，移动机器人全局路径规划是在一张已构建的全局栅格地图上，结合激光实时感知周围环境信息，找到一条从起始点到目标点的安全无碰撞连续的路径点，这条路径通常是最短或者时间执行最少的。
本发明把常规全局栅格地图中每个栅格值的范围从0、1、-1扩大为从0到255，其中0表示完全自由，254表示完全占用，255表示未知。和原先的占用栅格法相比新增了1到253的值，离障碍物越近，其值就越高。由于移动机器人有一定尺寸，所以它的中心到障碍物的距离不可能比移动机器人的内切圆半径小，故这里把253定义为距离障碍物在移动机器人内切圆半径之内的栅格值，移动机器人可以通过值为1到252的栅格，不能通过值为253或254的栅格，能否通过值为255的栅格看配置参数。在距离障碍物外接圆半径之外的栅格值大小可用下式计算：
fcost＝e-w(d-r)·252(d>r)
其中，d为到最近障碍物的距离，r为移动机器人的外接圆半径，w为调节系数。
对于禁区、禁线和抵制区的设置：在栅格地图的指定区域把cost值设置成253或254，其中禁区设置成253，禁线设置成254，抵制区的值可以指定成1到252任意一个，当设置小时会穿过抵制区，当设置大时会选择一条代价更小的路；对于右行区设置：靠右行区域是在一些特定的情况下使用的，尤其是应对多机器人时显得很重要。它假设移动机器人能够看到靠右行区域的中线，把它当作一个虚拟的“障碍物”，然后总是向左膨胀这个障碍物，使这个“障碍物”左边的栅格总是有很大的值(但也可通行)，从而让移动机器人规划出总是在这个“障碍物”右边的路径；对于单行区设置：与上述区域不同的是，这个是通过限制移动机器人规划而实现的。
改进A*全局路径规划算法：A*算法每次迭代都会从当前目标函数值最小的栅格进行扩展(4连通或8连通)，cost值为253或254的栅格将不会被扩展，直到扩展到目标点，然后从目标点开始，按照势能减小最快的方向一直回溯到起点，至此，一次路径规划完毕。栅格地图的每个点都设置了cost值，本发明定义一个新的通行值P，它在4连通的***中有5个值，分别是NONE、LEFT、RIGHT、UP和DOWN，分别代表无限制，限制向左扩展，限制向右扩展，限制向上扩展和限制向下扩展。
经过上述改进A*全局路径规划算法之后，即输出栅格地图中从起始点S到目标点E一系列连续的路径点坐标值，其中中间的坐标值只有坐标[x y]信息，最终目标点E带有坐标[x y]和角度θ值。移动机器人通过连续准确经过这些中间的路径点即实现从起始点S到目标点E的自主导航。当然，对于行驶过程中有动态的、在地图中不存在的障碍物出现，移动机器人可以自动停止或自主避障等方式进行自主导航，这会涉及移动机器人的局部路径规划算法。
除此之外，在本发明的实施例中还公开了一种智能移动机器人全局路径规划***，包括：
栅格地图转换模块10，用于根据输入的作业全局的场景进行格栅化后，输出格栅化地图；
行驶规则与特殊区域设置模块20，与所述栅格地图转换模块10连接，用于对所述格栅化地图设置行驶规则以及设置特殊区域；
地图离散化模块30，与所述栅格地图转换模块10、所述行驶规则与特殊区域设置模块20连接，用于将所述全局栅格地图的栅格值离散化，定义移动机器人通过的区域与障碍物的间距大于所述移动机器人的外接圆半径；
A*算法路径规划模块40，与所述地图离散化模块30连接，接收所述移动机器人的起始点和目标点，采用A*算法对所述全局栅格地图定义通行值后，向所述移动机器人输出所述栅格地图中从所述起始点到所述目标点一系列连续的路径点坐标值。
由于上述的智能移动机器人全局路径规划***为上述的智能移动机器人全局路径规划方法对应的***，具有相同的有益效果，本发明对此不作赘述。
本发明中由于需要在不同的场景下进行调整栅格值，因此在一个实施例中，所述智能移动机器人全局路径规划***还包括与所述地图离散化模块30连接的栅格值设置模块50，用于接收栅格值调整指令，调整所述全局栅格地图的栅格值。
本发明对于调整所述全局栅格地图的栅格值的方式不做限定，可以采用键盘等直接输入，也可以采用模式选择实现，或者其它的方式，如增加一档或减少一档等方式。
由于在移动机器人行进过程中，如果只有一个移动机器人既可以自由行使，但是如果有多个移动机器人，可能会发生交通拥堵的情况，而在多数情况下，移动机器人的数量会较多，因此需要对此移动机器人进行速度设置，提高通行安全性，在一个实施例中，所述智能移动机器人全局路径规划方法和***还包括与所述A*算法路径规划40模块连接的行进速度限制模块30，用于根据所述移动机器人通过的当前栅格的通行值，设定所述移动机器人的行进速度。
综上所述，本发明实施例提供的所述智能移动机器人全局路径规划方法和***，通过预先构建的场景全局栅格地图，设置基于类似于机动车交通规则，对全局栅格地图定义通行值来改进A*全局路径搜索算法，生成输出连续的路径点坐标值实现自主导航，使得移动机器人在复杂动态场景作业时的实现自主导航，安全有序性好且实时性较高，解决应用于不同复杂动态场景中多移动机器人狭窄作业区域内的交通拥堵问题。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种智能移动机器人全局路径规划方法，其特征在于，包括：
S1，确定作业全局信息，对所述作业全局的场景进行格栅化后获得全局栅格地图；
S2，对所述全局栅格地图设置行驶规则以及设置特殊区域；
S3，将所述全局栅格地图的栅格值离散化，定义移动机器人通过的区域与障碍物的间距大于所述移动机器人的外接圆半径；
S4，采用A*算法对所述全局栅格地图定义通行值；
S5，根据所述通行值以及所述移动机器人的起始点和目标点，输出所述栅格地图中一系列连续的路径点坐标值。
2.如权利要求1所述智能移动机器人全局路径规划方法，其特征在于，所述特殊区域包括禁行区、右行区、抵制区、禁行线和单行线中至少一种。
3.如权利要求2所述智能移动机器人全局路径规划方法，其特征在于，所述S2，包括：
通过设置所述全局栅格地图的栅格值在第一预定区域获得禁行区、右行区、抵制区、禁行线，通过限制所述全局栅格地图的栅格扩散在第二预定区域设置单行线。
4.如权利要求3所述智能移动机器人全局路径规划方法，其特征在于，所述全局栅格地图的栅格值的范围为0～255或0～1023。
5.如权利要求4所述智能移动机器人全局路径规划方法，其特征在于，在所述S5之后，还包括：
通过激光传感器、多普勒雷达实时感知周围环境信息，对所述移动机器人在所述栅格地图中进行全局定位。
6.如权利要求5所述智能移动机器人全局路径规划方法，其特征在于，在所述S5之后，还包括：
接收栅格值调整指令，调整所述全局栅格地图的栅格值。
7.如权利要求6所述智能移动机器人全局路径规划方法，其特征在于，在所述S5之后，还包括：
S6，检测所述移动机器人当前所处栅格的通行值，设置所述移动机器人的行进速度。
8.一种智能移动机器人全局路径规划***，其特征在于，包括：
栅格地图转换模块，用于根据输入的作业全局的场景进行格栅化后，输出格栅化地图；
行驶规则与特殊区域设置模块，与所述栅格地图转换模块连接，用于对所述格栅化地图设置行驶规则以及设置特殊区域；
地图离散化模块，与所述栅格地图转换模块、所述行驶规则与特殊区域设置模块连接，用于将所述全局栅格地图的栅格值离散化，定义移动机器人通过的区域与障碍物的间距大于所述移动机器人的外接圆半径；
A*算法路径规划模块，与所述地图离散化模块连接，接收所述移动机器人的起始点和目标点，采用A*算法对所述全局栅格地图定义通行值后，向所述移动机器人输出所述栅格地图中从所述起始点到所述目标点一系列连续的路径点坐标值。
9.如权利要求8所述智能移动机器人全局路径规划***，其特征在于，还包括与所述地图离散化模块连接的栅格值设置模块，用于接收栅格值调整指令，调整所述全局栅格地图的栅格值。
10.如权利要求9所述智能移动机器人全局路径规划***，其特征在于，还包括与所述A*算法路径规划模块连接的行进速度限制模块，用于根据所述移动机器人通过的当前栅格的通行值，设定所述移动机器人的行进速度。
CN202011147139.0A 2020-10-23 2020-10-23 一种智能移动机器人全局路径规划方法和*** Active CN112284393B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011147139.0A CN112284393B (zh) 2020-10-23 2020-10-23 一种智能移动机器人全局路径规划方法和***
PCT/CN2021/115501 WO2022083292A1 (zh) 2020-10-23 2021-08-31 一种智能移动机器人全局路径规划方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011147139.0A CN112284393B (zh) 2020-10-23 2020-10-23 一种智能移动机器人全局路径规划方法和***

Publications (2)

Publication Number Publication Date
CN112284393A true CN112284393A (zh) 2021-01-29
CN112284393B CN112284393B (zh) 2022-12-23

Family

ID=74423730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011147139.0A Active CN112284393B (zh) 2020-10-23 2020-10-23 一种智能移动机器人全局路径规划方法和***

Country Status (2)

Country Link
CN (1) CN112284393B (zh)
WO (1) WO2022083292A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113284240A (zh) * 2021-06-18 2021-08-20 深圳市商汤科技有限公司 地图构建方法及装置、电子设备和存储介质
CN113485378A (zh) * 2021-08-18 2021-10-08 昆山市工研院智能制造技术有限公司 基于交通规则的移动机器人路径规划方法、***及存储介质
CN114326717A (zh) * 2021-12-13 2022-04-12 中国科学院计算技术研究所 一种智能农机转场与作业的融合路径规划方法及***
WO2022083292A1 (zh) * 2020-10-23 2022-04-28 苏州大学 一种智能移动机器人全局路径规划方法和***
CN114518760A (zh) * 2022-02-16 2022-05-20 北京航空航天大学 一种基于风险区管理的无人车导航方法以及***服务器
CN114518760B (zh) * 2022-02-16 2024-06-25 北京航空航天大学 一种基于风险区管理的无人车导航方法以及***服务器

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114755373B (zh) * 2022-06-16 2023-03-31 西安工业大学 一种基于多机器人编队的空气污染源预警定位方法
CN115930933B (zh) * 2022-09-20 2023-07-04 江苏海洋大学 一种基于集群控制的多智能体协同建图方法
CN116540747B (zh) * 2023-07-06 2023-10-20 中国科学技术大学 一种避停优先的移动机器人运动规划与避障决策方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109059924A (zh) * 2018-07-25 2018-12-21 齐鲁工业大学 基于a*算法的伴随机器人增量路径规划方法及***
CN109443364A (zh) * 2018-11-13 2019-03-08 国网浙江宁波市鄞州区供电有限公司 基于a*算法的路径规划方法
WO2020041817A1 (de) * 2018-08-31 2020-03-05 RobArt GmbH Exploration eines robotereinsatzgebietes durch einen autonomen mobilen roboter
CN111272186A (zh) * 2020-03-04 2020-06-12 广东博智林机器人有限公司 机器人路径的配置方法及装置、可读存储介质
CN111538343A (zh) * 2020-06-22 2020-08-14 天津联汇智造科技有限公司 一种机器人设置交通规则的***、方法及存储介质
CN111543908A (zh) * 2020-05-15 2020-08-18 弗徕威智能机器人科技（上海）有限公司 一种行进路径、智能设备行进路径规划方法和装置
WO2020197126A1 (ko) * 2019-03-25 2020-10-01 주식회사 트위니 빅셀그리드맵을 이용한 이동체의 자세 추정 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112284393B (zh) * 2020-10-23 2022-12-23 苏州大学 一种智能移动机器人全局路径规划方法和***

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109059924A (zh) * 2018-07-25 2018-12-21 齐鲁工业大学 基于a*算法的伴随机器人增量路径规划方法及***
WO2020041817A1 (de) * 2018-08-31 2020-03-05 RobArt GmbH Exploration eines robotereinsatzgebietes durch einen autonomen mobilen roboter
CN109443364A (zh) * 2018-11-13 2019-03-08 国网浙江宁波市鄞州区供电有限公司 基于a*算法的路径规划方法
WO2020197126A1 (ko) * 2019-03-25 2020-10-01 주식회사 트위니 빅셀그리드맵을 이용한 이동체의 자세 추정 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램
CN111272186A (zh) * 2020-03-04 2020-06-12 广东博智林机器人有限公司 机器人路径的配置方法及装置、可读存储介质
CN111543908A (zh) * 2020-05-15 2020-08-18 弗徕威智能机器人科技（上海）有限公司 一种行进路径、智能设备行进路径规划方法和装置
CN111538343A (zh) * 2020-06-22 2020-08-14 天津联汇智造科技有限公司 一种机器人设置交通规则的***、方法及存储介质

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022083292A1 (zh) * 2020-10-23 2022-04-28 苏州大学 一种智能移动机器人全局路径规划方法和***
CN113284240A (zh) * 2021-06-18 2021-08-20 深圳市商汤科技有限公司 地图构建方法及装置、电子设备和存储介质
CN113485378A (zh) * 2021-08-18 2021-10-08 昆山市工研院智能制造技术有限公司 基于交通规则的移动机器人路径规划方法、***及存储介质
CN113485378B (zh) * 2021-08-18 2024-01-16 昆山市工研院智能制造技术有限公司 基于交通规则的移动机器人路径规划方法、***及存储介质
CN114326717A (zh) * 2021-12-13 2022-04-12 中国科学院计算技术研究所 一种智能农机转场与作业的融合路径规划方法及***
CN114518760A (zh) * 2022-02-16 2022-05-20 北京航空航天大学 一种基于风险区管理的无人车导航方法以及***服务器
CN114518760B (zh) * 2022-02-16 2024-06-25 北京航空航天大学 一种基于风险区管理的无人车导航方法以及***服务器

Also Published As

Publication number Publication date
CN112284393B (zh) 2022-12-23
WO2022083292A1 (zh) 2022-04-28

Similar Documents

Publication Publication Date Title
CN112284393B (zh) 一种智能移动机器人全局路径规划方法和***
Stahl et al. Multilayer graph-based trajectory planning for race vehicles in dynamic scenarios
Kollmitz et al. Time dependent planning on a layered social cost map for human-aware robot navigation
CN111830979B (zh) 一种轨迹优化方法和装置
US7079943B2 (en) Point-to-point path planning
CN110345957A (zh) 车辆路径识别
EP4180894A1 (en) Method and device for planning obstacle avoidance path for traveling device
CN112577506B (zh) 一种自动驾驶局部路径规划方法和***
Mouhagir et al. A markov decision process-based approach for trajectory planning with clothoid tentacles
US20240174221A1 (en) Vehicle decision-making planning method and apparatus, device and medium
Chen et al. Path Planning for Autonomous Vehicle Based on a Two‐Layered Planning Model in Complex Environment
CN115077553A (zh) 基于栅格搜索轨迹规划方法、***、汽车、设备及介质
CN115268448A (zh) 一种基于冲突搜索和速度障碍的多机器人路径规划方法
CN114355923A (zh) 一种a*引导下基于mpc的轨迹规划及跟踪方法
Podsedkowski Path planner for nonholonomic mobile robot with fast replanning procedure
CN113341999A (zh) 一种基于优化d*算法的叉车路径规划方法及装置
Kala et al. Heuristic based evolution for the coordination of autonomous vehicles in the absence of speed lanes
Morales et al. Safe and reliable navigation in crowded unstructured pedestrian areas
Smit et al. Informed sampling-based trajectory planner for automated driving in dynamic urban environments
CN115220461B (zh) 室内复杂环境下机器人单体***及多机器人交互协同方法
Bai et al. An online approach for intersection navigation of autonomous vehicle
Tang et al. A reference path guided rrt* method for the local path planning of UGVS
WO2023039707A1 (en) Motion planning using spatio-temporal convex corridors
Chand et al. Development of a navigation system for heterogeneous mobile robots
CN113485378A (zh) 基于交通规则的移动机器人路径规划方法、***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