CN112356033B - 一种融合低差异序列与rrt算法的机械臂路径规划方法 - Google Patents
一种融合低差异序列与rrt算法的机械臂路径规划方法 Download PDFInfo
- Publication number
- CN112356033B CN112356033B CN202011242965.3A CN202011242965A CN112356033B CN 112356033 B CN112356033 B CN 112356033B CN 202011242965 A CN202011242965 A CN 202011242965A CN 112356033 B CN112356033 B CN 112356033B
- Authority
- CN
- China
- Prior art keywords
- node
- sampling
- sample
- point
- new
- 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 28
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 27
- 238000005070 sampling Methods 0.000 claims abstract description 72
- 238000012545 processing Methods 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 238000012952 Resampling Methods 0.000 claims 1
- 230000008685 targeting Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 4
- 238000005065 mining Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005527 soil sampling Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
- Numerical Control (AREA)
Abstract
本发明公开一种融合了低差异序列与RRT算法的机械臂路径规划方法,包括初始化工作环境、关节角空间采样、生成新节点及路径优化处理。本发明使用低差异的序列代替RRT算法中的伪随机序列,从而生成均匀差异的采样点,避免了采样点重复;同时为了进一步加快搜索速度引入目标偏向策略使得该算法在搜索过程中具有一定的目标性减少了对无效区域的搜索;接着在采样过程中建立采样池,对采样点进行优选提高采样点质量;将本发明应用在机械臂关节空间中进行路径规划避免了逆运动学求解减小了计算量。
Description
技术领域
本发明涉及机器人路径规划领域,特别涉及一种融合低差异序列与RRT算法的机械臂路径规划方法。
背景技术
废弃矿区土地复垦是缓解农业用地,改善矿区环境的重要途经,但其环境恶劣可能存在一些重金属、未知塌陷、环境污染等潜在危险,采用移动机器人进行无人化土壤采样是矿区修复的首要环节。机械臂作为移动机器人的执行机构承担着土壤采样的重要任务,由于矿区环境复杂存在未知障碍物,因此需要对机械臂进行路径规划以避开障碍物到达目标点。随着机器人学的发展,国内外学者已经提出许多路径规划算法,例如人工势场法、A*算法以及RRT算法等,人工势场法和A*算法在路径规划是虽然能够满足最优性和实时性要求,但人工势场法极易陷入局部极小值,A*算法存在内存开销大,运行时间长,累计转折角度大等问题。RRT算法是一种基于随机采样的路径规划方法,其不需要对状态空间进行预处理,具有搜索速度快,便于处理约束等特性,能有效解决复杂环境下路径规划的问题,近年来被广泛应用于机器人路径规划领域。但标准RRT也存在一些固有的缺陷:(1)全局的随机采样导致算法无谓地耗费较大代价,使得收敛速度变慢;(2)算法的随机性会导致生成的路径不平滑,难以被机器人直接执行。
发明内容
本发明的目的在提供一种融合低差异序列与RRT算法的机械臂路径规划方法,用于提高机械臂的路径规划效率,并优化规划出的路径。
为了实现上述目的,本发明提供的融合低差异序列与RRT算法的机械臂路径规划方法,包括以下步骤:
步骤一:初始化工作环境
建立机械臂的运动学模型并确定机械臂的运动空间和障碍物Obstacle;获取机械臂状态空间中的路径起点(起始点)xstart和路径终点(目标点)xgoal,初始化随机树Tnode,并确定RRT算法参数,主要包括:
(1)目标偏置概率p,使采样点以一定的概率p等于目标点,降低算法的盲目性。
(2)采样池容量n,每次生成n个采样点放入采样池中选取采样池中最优的采样点生成新节点xnew。
(3)步长step,算法根据最近节点、采样点的位置以及步长step确定新节点。
(4)允许误差error,当新节点与目标节点的欧式距离小于允许误差error时认为路径搜索完成。
步骤二:关节角空间采样
设定目标偏置概率p,并在区间范围(0,1)之间生成一个随机数rand;比较该随机数与偏置概率p的大小,如果rand≤p不再进行采样直接令采样点xsample等于目标点(路径终点)xgoal,反之使用低差异Sobol序列生成n个具有均匀差异的采样点按与目标点(路径终点)xgoal的欧式距离远近,从小到大排列进入采样池。
步骤三:生成新节点
3.1寻找随机树Tnode中距离采样点xsample最近的一个点作为最近节点xnearest;
3.2在最近节点xnearest到采样点xsample的连线方向上以步长step前进生成新节点xnew;
3.3进行碰撞检测,若检测到碰撞则重新选取采样点生成新节点,若没有检测到碰撞则将新节点xnew存储到随机树Tnode,且最近节点xnearest视为新节点xnew的父节点;
3.4根据更新后的随机树Tnode,重复步骤二~步骤三,直到得到的最新的节点xnew满足|xnew-xgoal|≤error,视为找到目标点,error是指允许误差;
3.5在随机树Tnode中根据各节点的父子关系,反向搜索找到规划路径。
步骤四:路径优化处理
将步骤三得到的路径使用基于最小二乘法的五次多项式拟合方法拟合出六条光滑曲线。
作为改进,在步骤二中,Sobol序列是一种比伪随机序列分布更加均匀的序列,是一组基于“直接数”{vi}所形成的序列,mi<2i且为正奇数;vi,mi的生成依赖于系数为a、阶数为p的简单多项式f(z),多项式系数只为0或1,形式为:
f(z)=zp+a1zp-1+…+ap-1z+ap
当i<p时需要指定mi的值,而当i>p时,mi递推公式为:
从而可以得到Sobol序列的第i个数:
采样点由机械臂各个关节角组成,每一个关节角需要一个Sobol序列生成。通过改变多项式f(z)的系数,可以得到不同的Sobol序列。得到的Sobol序列均匀分布于(0,1)空间,采样点中的一个关节角可以表示为min+(max-min)*xi其中min和max表示关节角上下限。
作为改进,所述步骤3.3,具体为:判断xnew对应的机械臂姿态是否与障碍物碰撞,在发生碰撞的情况下若当前采样点等于路径终点则转到步骤二重新采样,若当前采样点不等于路径终点则舍弃该采样点按顺序选择采样池中下一个采样点并转到步骤三生成新节点xnew,除非采样池中采样点生成的新节点都不满足要求再重新进行采样。在不发生碰撞的情况下将新节点xnew加入随机树Tnode中并定义xnearest为xnew的父节点。
有益效果:本发明使用低差异的序列代替RRT算法中的伪随机序列,从而生成均匀差异的采样点,避免了采样点重复;同时为了进一步加快搜索速度引入目标偏向策略使得该算法在搜索过程中具有一定的目标性减少了对无效区域的搜索;接着在采样过程中建立采样池,对采样点进行优选提高采样点质量;将本发明应用在机械臂关节空间中进行路径规划避免了逆运动学求解减小了计算量。
附图说明
图1为本发明提供的融合低差异序列与RRT算法的机械臂路径规划方法的搜索扩展示意图。
图2为本发明实例使用的AUBO-i5机械臂。
图3为本发明提供的机械臂仿真环境示意图。
具体实施方式
下面将结合附图对本发明作详细说明。
如图1所示,一种融合低差异序列与RRT算法的机械臂路径规划方法,包括以下步骤:
1、对于如图2所示的AUBO-i5机械臂,通过D-H法描述其位姿,建立机械臂的连杆坐标系,确定机械臂D-H参数,然后计算得到机械臂的D-H模型。连杆坐标系是用来描述连杆之间、杆件与关节之间的位移关系,得出末端坐标系相对于基坐标系的齐次变换矩阵。齐次变换矩阵是各关节变量的函数,用于从机械臂的关节空间到笛卡尔空间的求运动学正解。运动学正解是机械臂的关节空间到笛卡尔空间的映射,由此可求出在给定机械臂姿态和关节角下,机械臂的末端位姿,从而实现路径规划。如图3所示,连杆坐标系的建立规则为:
(1)zi为关节i的运动轴正方向。
(2)xi轴垂直于zi-1轴并指向zi-1zi轴的方向。
(3)yi轴根据右手定则建立。
建立相应的D-H参数表,如表1所示。其中参数α和d表示机械臂连杆长度参数。表中:αi-1是从Zi-1到Zi沿着xi-1的距离;di是从xi-1到xi沿着Zi的距离;ai-1是从Zi-1到Zi绕着xi-1旋转的角度;θi是从xi-1到xi绕着Zi旋转的角度。
表1 D-H参数表
2、机械臂路径规划是在其关节空间进行规划,AUBO-i5各关节角范围均为[-π,π],初始关节角(路径起点)xstart和目标关节角(路径终点)xgoal分别为[0,0,0,0,0,0],[-135,-90,55,60,100,40],目标偏置概率p为0.3,步长step为6,采样池容量大小为10个采样点、允许误差error=6;误差定义为当前关节角与与目标关节角的欧式距离。障碍物和机械臂连杆使用规则的几何包络体包裹,用以简化碰撞判断条件。
3、在(0,1)空间生成随机数rand。
4、若随机数rand≤0.3,则不进行采样,直接令采样点xsample等于目标关节角xgoal。
5、若随机数rand>0.3,使用低差异Sobol序列生成10个采样点xsample,按与目标点欧式距离远近从小到大放入采样池中。本实施例使用的AUBO-i5机械臂具有6个自由度,因此需要生成6列Sobol序列。Sobol序列是一组基于“直接数”{vi}所形成的序列,mi<2i且为正奇数;vi,mi的生成依赖于系数为a、阶数为p的简单多项式f(z),多项式系数只为0或1,形式为:
f(z)=zp+a1zp-1+…+ap-1z+ap
当i<p时需要指定mi的值;当i>p时,mi递推公式为:
从而可以得到Sobol序列的第i个数:
改变多项式f(z)的系数,可以得到不同的Sobol序列。得到的Sobol序列均匀分布于(0,1)空间,采样点中的一个关节角可以表示为min+(max-min)*xi其中min=-π和max=π表示关节角上下限。
6、在随机树中选择距离采样点xsample最近的点作为最近节点xnearest。
8、判断xnew对应的机械臂姿态是否与障碍物碰撞,在发生碰撞的情况下若采样点xsample等于目标点xgoal则舍弃采样点xsample转到步骤3,若采样点xsample是从采样池中获取的则舍弃该采样点并按顺序选择下一个采样点转到步骤6生成新节点xnew,除非采样池中采样点耗尽再重新进行采样。在不发生碰撞的情况下将新节点xnew加入随机树Tnode中并定义最近节点xnearest为新节点xnew的父节点。
9、根据更新后的随机树Tnode,重复步骤3-8,直到得到的最新的节点xnew满足|xnew-xgoal|≤error,视为找到目标点,error是指允许误差。
10、在随机树Tnode中根据各节点的父子关系,反向搜索找到规划路径。
11、由于算法的随机性导致规划出的路径并不平滑无法直接应用于机械臂,首先将规划出的关节角轨迹使用基于最小二乘法的五次多项式拟合方法拟合出光滑曲线,其中一次拟合结果为:
y1=-0.003x4-0.02x3+0.5719x2-7.3594x+10.2835 (1)
y2=-0.004x4-0.0256x3+0.6914x2-7.5403x+12.4140 (2)
y3=-0.001x4-0.0022x3+0.0326x2+0.7793x-3.8404 (3)
y4=-0.0004x3+0.0401x2+1.1348x-4.8081 (4)
y5=-0.0001x4+0.0078x3-0.1672x2+3.1304x-7.3039 (5)
y6=0.0002x4-0.0118x3+0.3291x2-2.4139x+8.1399 (6)
从给定初始关节角(初始点)xstart到目标关节角(目标点)xgoal按拟合出的五次多项式y1…y6均匀采样得到能使机械臂平滑运行的关节角采样点。将关节角采样点按机械臂控制器的通讯协议通过串口发送控制指令。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下还可以做出若干改进,这些改进也应视为本发明的保护范围。
Claims (2)
1.一种融合低差异序列与RRT算法的机械臂路径规划方法,其特征在于,包括以下步骤:
步骤一:初始化工作环境
建立机械臂的运动学模型并确定机械臂的运动空间和障碍物Obstacle;获取机械臂状态空间中的起始点xstart和目标点xgoal;初始化随机树Tnode;并确定RRT算法参数:目标偏置概率p、采样池容量n、步长step及允许误差error;
步骤二:关节角空间采样
2.1设定目标偏置概率p,并在区间范围(0,1)之间生成随机数rand;
2.2若rand≤p,不再进行采样,令采样点xsample等于目标点xgoal;
2.3若rand>p使用Sobol序列生成n个采样点xsample按与目标点xgoal欧式距离的远近,从小到大排列进入采样池;
步骤三:生成新节点
3.1寻找随机树Tnode中距离采样点xsample最近的一个点作为最近节点xnearest;
3.2在最近节点xnearest到采样点xsample的连线方向上以步长step前进生成新节点xnew;
3.3进行碰撞检测,判断生成的新节点xnew对应的机械臂位姿是否与障碍物发生碰撞;在与障碍物发生碰撞的情况下,若当前采样点xsample是由步骤2.2得到的,转到步骤二重新采样;若当前采样点xsample是由步骤2.3得到的,舍弃该采样点按顺序选择采样池中下一个采样点xsample并转到步骤三生成新节点xnew,除非采样池中采样点xsample生成的新节点xnearest都不满足要求再重新进行采样;若没有检测到碰撞则将新节点xnew存储到随机树Tnode,且最近节点xnearest视为新节点xnew的父节点;
3.4根据更新后的随机树Tnode,重复步骤二~步骤三,直到得到的最新的节点xnew满足|xnew-xgoal|<error,视为找到目标点;
3.5在随机树Tnode中根据各节点的父子关系,反向搜索找到规划路径;
步骤四:路径优化处理
将步骤三得到的路径使用基于最小二乘法的五次多项式拟合方法拟合出光滑曲线,采样光滑曲线上的点并按机械臂控制器的通讯协议通过串口发送控制指令。
2.根据权利要求1所述的融合低差异序列与RRT算法的机械臂路径规划方法,其特征在于:在所述步骤二中,所述Sobol序列是一种比伪随机序列分布更加均匀的序列,是一组基于{vi}所形成的序列,mi<2i且为正奇数;vi,mi的生成依赖于系数为a、阶数为p的简单多项式f(z),多项式系数只为0或1,形式为:
f(z)=zp+a1zp-1+…+ap-1z+ap
当i<p时需要指定mi的值,而当i>p时,mi递推公式为:
得到Sobol序列的第i个数:
所述采样点xsample由机械臂各个关节角组成,每一个关节角由一个Sobol序列生成;通过改变多项式f(z)的系数,得到不同的Sobol序列;得到的Sobol序列均匀分布于(0,1)空间;采样点xsample中的一个关节角表示为min+(max-min)*xi,其中min和max表示关节角上下限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011242965.3A CN112356033B (zh) | 2020-11-09 | 2020-11-09 | 一种融合低差异序列与rrt算法的机械臂路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011242965.3A CN112356033B (zh) | 2020-11-09 | 2020-11-09 | 一种融合低差异序列与rrt算法的机械臂路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112356033A CN112356033A (zh) | 2021-02-12 |
CN112356033B true CN112356033B (zh) | 2021-09-10 |
Family
ID=74509852
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011242965.3A Active CN112356033B (zh) | 2020-11-09 | 2020-11-09 | 一种融合低差异序列与rrt算法的机械臂路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112356033B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113358119B (zh) * | 2021-06-01 | 2023-03-24 | 中国工商银行股份有限公司 | 路径规划方法、装置、电子设备及存储介质 |
CN113246143A (zh) * | 2021-06-25 | 2021-08-13 | 视比特(长沙)机器人科技有限公司 | 一种机械臂动态避障轨迹规划方法及装置 |
CN113485356B (zh) * | 2021-07-27 | 2022-06-21 | 西北工业大学 | 一种机器人快速运动规划方法 |
CN113771035B (zh) * | 2021-09-24 | 2022-10-18 | 河北工业大学 | 基于rrt*算法的冗余多自由度机械臂避障路径优化方法 |
CN117021101B (zh) * | 2023-08-24 | 2024-03-19 | 中国矿业大学 | 一种用于带式输送机拆卸机器人的多臂路径规划方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101339480B1 (ko) * | 2012-12-14 | 2013-12-10 | 고려대학교 산학협력단 | Rrt 기반의 듀얼 트리 구조를 이용한 이동 로봇의 궤적 계획 방법 |
CN106990777A (zh) * | 2017-03-10 | 2017-07-28 | 江苏物联网研究发展中心 | 机器人局部路径规划方法 |
CN109921458A (zh) * | 2019-02-22 | 2019-06-21 | 中国能源建设集团甘肃省电力设计院有限公司 | 新能源接入的电力***小干扰稳定评估方法 |
CN109986564A (zh) * | 2019-05-20 | 2019-07-09 | 上海应用技术大学 | 工业机械臂路径规划方法 |
CN110962130A (zh) * | 2019-12-24 | 2020-04-07 | 中国人民解放军海军工程大学 | 基于目标偏向寻优的启发式rrt机械臂运动规划方法 |
CN111761582A (zh) * | 2020-07-08 | 2020-10-13 | 浙江大学 | 一种基于随机采样的移动机械臂避障规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101667031B1 (ko) * | 2009-11-02 | 2016-10-17 | 삼성전자 주식회사 | 로봇의 경로 계획 장치 및 그 방법 |
-
2020
- 2020-11-09 CN CN202011242965.3A patent/CN112356033B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101339480B1 (ko) * | 2012-12-14 | 2013-12-10 | 고려대학교 산학협력단 | Rrt 기반의 듀얼 트리 구조를 이용한 이동 로봇의 궤적 계획 방법 |
CN106990777A (zh) * | 2017-03-10 | 2017-07-28 | 江苏物联网研究发展中心 | 机器人局部路径规划方法 |
CN109921458A (zh) * | 2019-02-22 | 2019-06-21 | 中国能源建设集团甘肃省电力设计院有限公司 | 新能源接入的电力***小干扰稳定评估方法 |
CN109986564A (zh) * | 2019-05-20 | 2019-07-09 | 上海应用技术大学 | 工业机械臂路径规划方法 |
CN110962130A (zh) * | 2019-12-24 | 2020-04-07 | 中国人民解放军海军工程大学 | 基于目标偏向寻优的启发式rrt机械臂运动规划方法 |
CN111761582A (zh) * | 2020-07-08 | 2020-10-13 | 浙江大学 | 一种基于随机采样的移动机械臂避障规划方法 |
Non-Patent Citations (1)
Title |
---|
基于Sobol序列与快速扩展随机树的机械臂路径规划;李创业等;《第31届中国过程控制会议(CPCC 2020)摘要集》;20200730;第1页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112356033A (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112356033B (zh) | 一种融合低差异序列与rrt算法的机械臂路径规划方法 | |
CN110509279B (zh) | 一种仿人机械臂的运动路径规划方法及*** | |
CN112677153B (zh) | 一种改进的rrt算法及工业机器人路径避障规划方法 | |
CN111761582B (zh) | 一种基于随机采样的移动机械臂避障规划方法 | |
CN111300420B (zh) | 一种机械臂关节空间转角最小路径求取方法 | |
CN113885535A (zh) | 一种冲击约束的机器人避障和时间最优轨迹规划方法 | |
CN111251306B (zh) | 一种带有底盘误差的机械臂路径规划方法 | |
Chen et al. | Path planning of the fruit tree pruning manipulator based on improved RRT-Connect algorithm | |
CN113858205A (zh) | 一种基于改进rrt*的七轴冗余机械臂避障算法 | |
CN113325799B (zh) | 一种曲面工件的点焊机器人操作空间平滑路径规划方法 | |
CN113799141B (zh) | 六自由度机械臂避障路径规划方法 | |
CN113771035B (zh) | 基于rrt*算法的冗余多自由度机械臂避障路径优化方法 | |
CN111216132A (zh) | 基于改进rrt算法的六自由度机械臂路径规划方法 | |
CN114939872B (zh) | 基于MIRRT*-Connect算法的智能仓储冗余机械臂动态避障运动规划方法 | |
CN116852367A (zh) | 一种基于改进RRTstar的六轴机械臂避障路径规划方法 | |
CN116572248A (zh) | 一种关节空间规划的冗余机械臂碰撞回避及路径规划方法 | |
CN116652932A (zh) | 一种基于改进式rrt*算法的机械臂自主避障方法 | |
CN115922716A (zh) | 一种融合工艺知识的双向RRT-connect算法实现了工业机器人快速路径规划 | |
CN116690557A (zh) | 基于点云的仿人三维扫描运动控制方法及装置 | |
CN115533912A (zh) | 一种基于快速拓展随机树改进的机械臂运动规划方法 | |
CN113459086B (zh) | 一种超冗余机械臂路径规划方法 | |
CN113894795B (zh) | 一种工业机器人外部轴位置优化方法 | |
Hu et al. | Obstacle-Avoidance Path Planning of Robot Arm Based on Improved RRT Algorithm | |
CN115946117B (zh) | 一种三维空间路径规划方法 | |
Li et al. | Path Planning of Composite Trackless AGV Considering Map Preprocessing |
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 |