CN112540609A - 路径规划方法、装置、终端设备及存储介质 - Google Patents
路径规划方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN112540609A CN112540609A CN202010752888.XA CN202010752888A CN112540609A CN 112540609 A CN112540609 A CN 112540609A CN 202010752888 A CN202010752888 A CN 202010752888A CN 112540609 A CN112540609 A CN 112540609A
- Authority
- CN
- China
- Prior art keywords
- path
- dynamic obstacle
- mobile robot
- dynamic
- local motion
- 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 78
- 230000004888 barrier function Effects 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 20
- 230000003068 static effect Effects 0.000 claims description 7
- QBPFLULOKWLNNW-UHFFFAOYSA-N chrysazin Chemical compound O=C1C2=CC=CC(O)=C2C(=O)C2=C1C=CC=C2O QBPFLULOKWLNNW-UHFFFAOYSA-N 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002452 interceptive effect 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
- 238000005096 rolling process Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G05D1/0231—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
- G05D1/0212—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
- G05D1/0246—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
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请提供了一种路径规划方法、装置、终端设备及存储介质,涉及路径规划技术领域,能够规划得到有效的导航路径,以满足实时行驶场景的需求。该路径规划方法包括:获取至少一个动态障碍物的第一运动参数;根据所述第一运动参数,预测所述至少一个动态障碍物在第一时间段内的局部运动路径;根据所述局部运动路径,确定用于对所述移动机器人进行导航的目标路径。
Description
技术领域
本申请属于路径规划技术领域,尤其涉及一种路径规划方法、装置、终端设备及存储介质。
背景技术
随着传感器技术、人工智能等技术的发展,机器人领域成为一个蓬勃发展的新兴领域,移动机器人作为一个重要的应用,得到越来越多的关注。一般地,现有的移动机器人均会预先规划处一条从起点导航至终点可行的导航路径,而后进行自主导航。
然而,现有移动机器人的大多路径规划方法仅会考虑当前时刻障碍物的状态来进行路径规划,得到的导航路径难以满足实时行驶场景的需求。因此,现在的路径规划方法有效性较低,难以得到有效的导航路径。
发明内容
本申请实施例提供了一种路径规划方法、装置、终端设备及存储介质,可以解决现有路径规划方法有效性较低的问题。
第一方面,本申请实施例提供了一种路径规划方法,所述方法包括:
获取至少一个动态障碍物的第一运动参数;
根据所述第一运动参数,预测所述至少一个动态障碍物在第一时间段内的局部运动路径;
根据所述局部运动路径,确定用于对所述移动机器人进行导航的目标路径。
采用本申请提供的路径规划方法,预先获取至少一个动态障碍物的第一运动参数,即获得所述移动机器人规划区域中动态障碍物的运动情况。因此可以根据所述第一运动参数,预测所述至少一个动态障碍物在第一时间段内的局部运动路径。通过该局部运动路径来体现移动机器人规划区域中动态障碍物在未来一段时间内的运动轨迹。接着根据所述局部运动路径,确定用于对所述移动机器人进行导航的目标路径。由于目标路径是基于动态障碍物的预测局部运动路径而规划得到的,进而使得机器人在基于目标路径导航时,无需实时对动态障碍物进行检测,亦可以避免与动态障碍物的碰撞。因此本申请实施例的路径规划方法可以满足实时行驶场景的需求,有效性更高。
可选的,在预测所述至少一个动态障碍物在第一时间段内的局部运动路径的操作中,对单个动态障碍物的局部运动路径生成过程包括:
基于所述移动机器人的当前位置和第二运动参数,计算所述移动机器人行进至该动态障碍物的当前位置所消耗的预算时长;
根据所述预算时长确定第一时间段;
根据该动态障碍物的所述第一运动参数,计算该动态障碍物在所述第一时间段内的多个位置坐标;
根据多个所述位置坐标,生成该动态障碍物的局部运动路径。
可选的,所述根据该动态障碍物的所述第一运动参数,计算该动态障碍物在所述第一时间段内的多个位置坐标,包括:
将所述第一时间段均分为多个第二时间段;
根据该动态障碍物的所述第一运动参数和所述多个第二时间段,计算该动态障碍物在各个所述第二时间段内的所述位置坐标,得到多个所述位置坐标。
可选的,所述根据该动态障碍物的所述第一运动参数和所述多个第二时间段,计算该动态障碍物在各个所述第二时间段内的所述位置坐标,包括:
通过以下公式计算所述位置坐标:
其中,Δt表示所述第二时间段的时长,v表示生成该动态障碍物的局部运动路径时所需的线速度,ω表示生成该动态障碍物的局部运动路径时所需的角速度;xt表示该动态障碍物的局部运动路径上节点的瞬时横坐标;yt表示该动态障碍物的局部运动路径上节点的瞬时纵坐标;θt表示该动态障碍物的局部运动路径与水平方向所成的瞬时角度;xt-1表示该动态障碍物的局部运动路径上节点的初始横坐标;yt-1表示该动态障碍物的局部运动路径上节点的初始纵坐标;θt-1表示该动态障碍物的局部运动路径与水平方向所成的初始角度。
可选的,所述根据所述局部运动路径,确定用于对所述移动机器人进行导航的目标路径,包括:
根据所述局部运动路径建立势场地图,并提取所述势场地图中的多个关键点;
根据多个所述关键点确定所述目标路径。
可选的,所述根据所述局部运动路径建立势场地图,并提取所述势场地图中的多个关键点,包括:
根据所述局部运动路径和静态障碍物建立所述势场地图。
可选的,所述根据所述局部运动路径,确定用于对所述移动机器人进行导航的目标路径之后,还包括:
获取栅格地图以及在所述栅格地图中所述目标路径的位置及动态障碍物的位置;
根据所述目标路径的位置和动态障碍物的位置,确定所述栅格地图中每个栅格的分值;所述分值用于表示该栅格被动态障碍物占据的概率;
获取所述目标路径的位置占据的每一个栅格的分值;
若所述分值满足预设条件,则返回执行所述获取至少一个动态障碍物的第一运动参数,以更新所述目标路径。
第二方面,本申请实施例提供了一种路径规划装置,包括:
获取模块,用于获取至少一个动态障碍物的第一运动参数;
预测模块,用于根据所述第一运动参数,预测所述至少一个动态障碍物在第一时间段内的局部运动路径;
确定模块,用于根据所述局部运动路径,确定用于对所述移动机器人进行导航的目标路径。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述的路径规划方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述的路径规划方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的路径规划方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
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性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的路径规划方法的流程示意图。
图2是本申请一实施例提供的路径规划方法步骤S11的具体流程示意图。
图3是本申请另一实施例提供的路径规划方法的流程示意图。
图4是本申请一实施例提供的预测的动态障碍物局部运动路径的示意图。
图5是本申请另一实施例提供的基于预测的动态障碍物局部运动路径生成势场地图的示意图。
图6是本申请一实施例提供的路径规划装置的结构示意图。
图7是本申请一实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
为了说明本申请的技术方案,下面通过具体实施例来进行说明。
请参阅图1,图1是本申请实施例提供的一种路径规划方法的实现流程图。本实施例中,路径规划方法用于在移动机器人的行进过程中的导航路径进行规划,其执行主体为终端设备。该终端设备可以是移动机器人自身,也可以移动机器人以外的其他设备。当终端设备为移动机器人以外的其他设备时,终端设备与移动机器人之间可以进行数据通信,以实现两者之间的数据交互,以及对移动机器人的控制等操作。以下以终端设备是移动机器人为例进行实施例说明:
如图1所示的路径规划方法包括以下步骤:
S11:获取至少一个动态障碍物的第一运动参数。
在步骤S11中,动态障碍物为存在于移动机器人的导航区域内且具备运动速度的障碍物。例如,移动机器人的导航区域内滚动的篮球。
第一运动参数用于描述动态障碍物的运动状态,是以移动机器人为参照物测量得到的运动参数。例如,以移动机器人为参照物时,动态障碍物向左运动,且当前运动速度为0.5m/s,运动加速度为0.01m/s2,同时动态障碍物的当前位置距离移动机器人3m。
在一些实施例中,第一运动状态参数包括:动态障碍物的当前运动速度、运动方向、运动加速度和与移动机器人的直线距离中的至少一种。
可以理解的是,第一运动参数可以为动态障碍物的当前时刻对应的第一运动参数,可以为动态障碍物的历史运动参数,也可以为当前时刻后的下一时刻对应的动态障碍物的运动参数。
本实施例中,通过移动机器人的感知模块获取到在导航区域内的动态障碍物的第一运动参数,由于动态障碍物的第一运动参数能够用于描述移动机器人的导航区域的动态障碍物的运动情况,因此获取动态障碍物的第一运动参数,即是获取导航区域的环境信息。基于动态障碍物的第一运动参数预测动态障碍物的在导航区域内的局部运动路径,以便于在考虑该局部运动路径的基础上更好地规划移动机器人在该导航区域内的目标路径,而移动机器人基于该目标路径,导航也更流畅,且在该期间移动机器人也无需不停地对动态障碍物进行检测并重新进行路径规划。应当理解的是,在本申请的所有实施例中,获取至少一个动态障碍物的第一运动参数实际上是获取移动机器人的导航区域的环境信息,以便于可以更好地规划移动机器人的导航路径。
在一实施例中,移动机器人的感知模块包括:激光雷达、摄像机等电子设备中的至少一种。其中,激光雷达用于向动态障碍物发射探测信号(激光束),并将接收的从动态障碍物反射回来信号(目标回波)与发射信号进行比较,并进行处理得到动态障碍物的运动参数,如动态障碍物与移动机器人的相距距离、方位,动态障碍物的高度、速度、姿态、形状等参数中的至少一种。摄像机用于获取移动机器人的导航区域内的环境图像,即通过该环境图像可以确认动态机器人的分布位置。动态障碍物的第一运动参数包括动态障碍物的运动参数和其在移动机器人的导航区域内的分布位置。
如图4中(a)所示,移动机器人的导航区域内存在4个动态障碍物,分别为动态障碍物1、动态障碍物2、动态障碍物3、动态障碍物4,因该4个障碍物是动态运动,故在移动机器人的行进过程中,该4个动态障碍物均可能会与移动相撞,故需要获取该4个动态障碍物各自的第一运动参数,即获知该4个动态障碍物的运动状态,以便可以基于该4个动态障碍物各自的第一运动参数,预测得到动态障碍物各自对应的局部运动路径,进一步地在考虑该4条局部运动路径的基础上可以更好地规划移动机器人在该导航区域内的目标路径,如图4中(b)图所示的目标路径,使得移动机器人可以基于该目标路径可以较好地避开该4个动态障碍物的运动区域,从而避免与动态障碍物相撞。
至于何时获取至少一个动态障碍物的第一运动参数,可以包括但不仅限于以下两个场景。
场景1:若检测到指令移动机器人运行作业的信息,开始获取至少一个动态障碍物的第一运动参数。
示例的,在某一时间点,检测到指令移动机器人运行作业的信息时,开始通过移动机器人的感知模块检测获取导航区域内的一个动态障碍物的第一运动参数。如移动机器人利用激光雷达检测得到导航区域内的一个动态障碍物与移动机器人的距离、方位、动态障碍物的高度、速度、姿态、形状等参数中的至少一种。
场景2:若检测移动机器人行进至导航区域时,开始获取至少一个动态障碍物的第一运动参数。
示例的,检测到移动机器人行进至火车站的候车大厅时,开始获取至少一个动态障碍物的第一运动参数。
应当理解的是,在实际应用中,为了便于根据动态障碍物的第一运动参数来规划得到移动机器人的导航路径,可以是在获取至少一个动态障碍物的第一运动参数后预先存储在终端设备的存储区中,便于后续终端设备根据存储的第一运动参数规划移动机器人的导航路径。或是,在获取至少一个动态障碍物的第一运动参数后直接发送至独立的终端设备,后续接收该处理设备规划得到的移动机器人的导航路径,在将该导航路径返回至移动机器人。
S12:根据第一运动参数,预测至少一个动态障碍物在第一时间段内的局部运动路径。
在步骤S12中,局域运动路径为基于第一运动参数,预测得到的在一时间段内动态障碍物运动的多个位置节点的集合。例如,基于动态障碍物1的第一运动参数,预测动态障碍物1在10s内的位置有A、B、C,连接该三个位置的路径,即为动态障碍物1在该时间段内的局部运动路径。
第一时间段为根据预测需求设置的最长预测时间段。例如,若想确认移动机器人从当前位置移动至目标位置点的所消耗的时间段内,动态障碍物是否会运动过来与之相撞,则需要预测动态障碍物在该时间段内的运动路径,对应的设置可以设置该第一时间段为100s。或是,若想确认移动机器人从当前位置移动至动态障碍物的当前位置点的所消耗的时间段内,动态障碍物是否会运动过来与之相撞,则需要预测动态障碍物在该时间段内的运动路径,对应的设置可以设置该第一时间段为80s。
需要说明的是,在本申请的所有实施例中,根据第一运动参数预测至少一个动态障碍物在第一时间段内的局部运动路径,即是预测移动机器人的导航区域在未来的第一时间段内的环境变化情况,以根据预测的该未来环境,最有效地规划移动机器人的导航路径。
示例的,基于动态障碍物的第一运动参数,和常速(Constant Velocity,CV)模型、常加速(Constant Accelerattion,CA)模型、当前统计模型(Current Statistical,CS)模型来描述动态状态的运动状态,分别得到描述动态障碍物的三个状态方程。接着基于交互多模型(Interacting Multiple Model,IMM)算法对该三个状态方程描述的动态障碍物的运动状态进行估计并融合三个估计结果,预测动态障碍物在第一时间段内的局部运动路径。其中,IMM算法首先利用卡尔曼滤波器分别对三个模型描述的动态障碍物的运动状态进行估计,卡尔曼滤波器将移动机器人获取到障碍物的当前位置作为滤波器样本输入,根据状态更新方程获得运动状态的估计值;然后计算模型混合概率,按照该混合概率将卡尔曼滤波器估计的三个模型的运动状态进行融合,得到最终的动态障碍物的运动状态估计值,即预测得到动态障碍物在第一时间段内的局部运动路径。
如图4(a)所示,根据移动机器人的导航区域内存在动态障碍物1、动态障碍物2、动态障碍物3和动态障碍物4,基于该4个动态障碍物各自的第一运动参数,如根据动态障碍物的初始速度、加速度和运动方向等,预测得到每个动态障碍物在第一时间段内的局部运动路径。如图4的(a)中,动态障碍物1的局部运动路径对应为图中的B路径,动态障碍物2的局部运动路径对应为图中的A路径,动态障碍物3的局部运动路径对应为图中的C路径,动态障碍物4的局部运动路径对应为图中的D路径。
作为本实施例一种可能实现的方式,在预测至少一个动态障碍物在第一时间段内的局部运动路径的操作中,对单个动态障碍物的局部运动路径生成过程包括:
S21:基于移动机器人的当前位置和第二运动参数,计算移动机器人行进至该动态障碍物的当前位置所消耗的预算时长。
S22:根据预算时长确定第一时间段。
S23:根据该动态障碍物的第一运动参数,计算该动态障碍物在第一时间段内的多个位置坐标。
S24:根据多个位置坐标,生成该动态障碍物的局部运动路径。
在本实施例中,当前位置为移动机器人在其导航区域中的获取得到动态障碍物的第一运动参数时对应的空间位置。
第二运动参数用于描述移动机器人的运动状态,为通过移动机器人测量得到动态障碍物的第一运动参数时,对应测得的移动机器人的运动参数。例如,测得动态障碍物1的第一运动参数时,测得的移动机器人的第二运动参数,第二运动参数包括移动机器人的运动速速和运动加速度,如移动机器人的运动速度为0.6m/s,运动加速度为0.01m/s2。
在一实施例中,移动机器人的感知模块还包括:惯性测量单元(inertialmeasurement unit,IMU)、码表等电子设备中的至少一种。其中,惯性测量单元包括加速度计和陀螺仪中的至少一种,其中,该加速度计检测得到移动机器人的加速度,陀螺仪用于检测得到移动机器人的角速度。码表用于检测得到移动机器人的行驶速度。通过惯性测量单元和码表检测得到移动机器人的第二运动参数。
在一些实施例中,第二运动参数包括:移动机器人的当前运动速度和运动加速度中的至少一种。具体地,通过移动机器人的感知模块中的码表测量得到移动机器人的当前运动速度,通过惯性测量单元检测得到移动机器人的加速度。
预算时长为移动机器人直线行进至该动态障碍物的当前位置所消耗的预算时长。例如,图4的(a)中,移动机器人与动态障碍物4相距4m,移动机器人以初始运动速度0m/s和运动加速度2m/s2,即计算得到从当前位置直线行进至动态障碍物4的预算时长为2s。
可以理解的是,若移动机器人的导航区域内存在多个动态障碍物时,移动机器人行进至每个动态障碍物的当前位置所消耗的预算时长可能不同。
作为示例而非限定的,为了减少计算动态障碍物的位置坐标的计算量,优选地,预算时长等于第一时间段,即只计算得到该移动机器人行进至该动态障碍物的当前位置的过程中,动态障碍物在该预算时长内的多个位置坐标,得到该动态障碍物在该预算时长内的局部运动路径。
在一些实施例中,预算时长为移动机器人避开移动机器人与该动态障碍物之间存在的障碍物后,行进至该动态障碍物的当前位置所消耗的最长预算时长。例如,移动机器人避开动态障碍物3和4后行进到动态障碍物2的当前位置所消耗的时长。
在本实施例中,当确定移动机器人行进至该动态障碍物的当前位置所消耗的预算时长后,为了获知动态障碍物在未来的该预算时长内的运动情况,且便于根据该运动情况来规划移动机器人的目标路径,根据该动态障碍物的第一运动参数和预算时长,计算得到该预算时长内的动态障碍物可能运动到达的多个位置坐标。基于该多个位置坐标,生成在未来的该预算时长内的该动态障碍物的局部运动路径,即为预测的动态障碍物在未来的预算时长内的运动轨迹,基于该运动轨迹进行移动机器人的路径规划,可以较大概率地避免与动态障碍物相撞。
示例的,图4的(a)中,移动机器人与动态障碍物4相距4m,移动机器人以初始运动速度0m/s和运动加速度2m/s2,即计算得到从当前位置直线行进至动态障碍物4的预算时长为2s,且动态障碍物4的向右直线运动,运动速度为1.5m/s,加速度为0m/s2,计算得到在该预算时长2s内的动态障碍物的多个位置坐标,如位置坐标1(1.5,0)、位置坐标2(3,0)、位置坐标3(4.5,0)、位置坐标4(6,0),将该4个位置坐标连接起来,作为动态障碍物4在2s内的局部运动路径,如图中的D路径。
在本申请一实施例中,根据该动态障碍物的第一运动参数和预算时长,计算该动态障碍物在第一时间段内的多个位置坐标,包括:
将第一时间段均分为多个第二时间段。
根据该动态障碍物的第一运动参数和多个第二时间段,计算该动态障碍物的在各个第二时间段内的位置坐标,得到多个位置坐标。
在本实施中,第一时间段等于预算时长,且将预算时长作为第一时间段。为了更好地计算计算该动态障碍物在第一时间段内的多个位置坐标,预测得到效果最好的动态障碍物的局部运动路径,将第一时间段均分为多个第二时间段,计算得到该动态障碍物在各个第二时间段内的位置坐标,得到多个位置坐标。
可以理解的是,根据该动态障碍物的第一运动参数和多个第二时间段,计算该动态障碍物的在每个第二时间段内的位置坐标,可能有一个或多个,甚至为零个。
示例的,图4的(a)中,移动机器人与动态障碍物4相距4m,移动机器人以初始运动速度0m/s和运动加速度2m/s2,即计算得到从当前位置直线行进至动态障碍物4的预算时长为2s,并将该2s均分为4个第二时间段,分别为0~0.5s、0.6s~1s、1.1s~1.5s和1.6s~2s。
接着,根据动态障碍物的第一运动参数和该4个第二时间段,如根据动态障碍物4的向右直线运动,运动速度为1.5m/s,加速度为0m/s2等参数信息和该4个第二时间段,计算得到在该预算时长2s内的动态障碍物的多个位置坐标,如第1个时间段0~0.5s对应的位置坐标1为(1.5,0)、第2个时间段0.6s~1s对应的位置坐标2为(3,0)、第3个时间段1.1s~1.5s对应的位置坐标3为(4.5,0)、第4个时间段1.6s~2s对应的位置坐标4为(6,0),将该4个位置坐标连接起来,作为动态障碍物4在2s内的局部运动路径,如图中的D路径。
在一些实施例中,根据该动态障碍物的第一运动参数和多个第二时间段,计算该动态障碍物的在每个第二时间段内最后时间点对应的位置坐标,得到多个位置坐标。
作为本实施例一种可能实现的方式,根据该动态障碍物的第一运动参数和多个第二时间段,计算该动态障碍物的在各个第二时间段内的位置坐标,包括:
通过以下公式计算位置坐标:
其中,Δt表示第二时间段的时长,v表示生成该动态障碍物的局部运动路径时所需的线速度,ω表示生成该动态障碍物的局部运动路径时所需的角速度;xt表示该动态障碍物的局部运动路径上节点的瞬时横坐标;yt表示该动态障碍物的局部运动路径上节点的瞬时纵坐标;θt表示该动态障碍物的局部运动路径与水平方向所成的瞬时角度;xt-1表示该动态障碍物的局部运动路径上节点的初始横坐标;yt-1表示该动态障碍物的局部运动路径上节点的初始纵坐标;θt-1表示该动态障碍物的局部运动路径与水平方向所成的初始角度。
S13:根据局部运动路径,确定用于对移动机器人进行导航的目标路径。
在步骤S13中,目标路径为在包括动态障碍物的局部运动路径的预测导航区域环境中的路径。
示例的,如图4中的(b)图所示,预测到动态障碍物1、2、3和4各自对应的局部运动路径,如动态障碍物1的局部运动路径对应为图中的B路径,动态障碍物2的局部运动路径对应为图中的A路径,动态障碍物3的局部运动路径对应为图中的C路径,动态障碍物4的局部运动路径对应为图中的D路径,根据该4条局部运动路径,确定一条用于对移动机器人进行导航且避开该4条局部运动路径的目标路径,如(b)图中的目标路径,移动机器人可以基于动态障碍物的预测局部运动路径而规划得到的目标路径,较为流畅地进行导航,且在该期间移动机器人也无需不停地对动态障碍物进行检测,并重新进行路径规划。
可以理解的是,根据动态障碍物的局部运动路径,确定的目标路径为在未来第一时间段内用于对移动机器人进行导航的路径,是一条确定的路径。移动机器人基于该路径进行导航的过程,在动态障碍物不发生突然的状态变化的情况下,则无需重新规划目标路径,移动机器人则持续基于该目标路径持续进行导航,运动更加流畅,运动更加稳定,同时也使得移动机器人的CPU消耗大大降低。
参见图5,在本申请一实施例中提供了一种路径规划方法,主要涉及根据局部运动路径,确定目标路径的过程。该方法包括:
根据局部运动路径,确定用于对移动机器人进行导航的目标路径,包括:
根据局部运动路径建立势场地图,并提取势场地图中的多个关键点;
根据多个关键点确定用于对移动机器人进行导航的目标路径。
在本实施例中,在包括局部运动路径的地图中,以动态障碍物的局部运动路径占据的区域为参考依据,利用人工势场法中的引力势函数和斥力势函数,且结合该局部运动路径,构建得到势场地图。
具体地,动态障碍物的局部运动路径对移动机器人的作用力的数值表示采用斥力势函数的数值结果,合力方向与机器人运动方向相反,表现为阻碍作用;关键点对移动机器人的作用力数值表示采用引力势函数的数值结果,合力方向与机器人运动方向一致,表现为吸引作用,可作为路径规划的参考,如图5的(d)中的多个关键点。
具体地,利用人工市场法构建得到势场地图的具体实现过程,可参见现有技术中的相关实现方案,在此不再赘述。
示例的,如图5所示,以动态障碍物1、动态障碍物2、动态障碍物3和动态障碍物4各自对应的局部运动路径占据的区域为参考,利用人工势场法中的引力势函数和斥力势函数,且结合该局部运动路径,构建得到势场地图。图5中,颜色越深的地方,表示动态障碍物在第一时间段内出现的可能性越高,故在进行移动机器人的路径规划时,应避开动态障碍物的局部运动路径的区域。
结合图5,在本申请一实施例中,存在一种可能的场景是,移动机器人的导航区域中不止存在动态障碍物,还存在不具备运动速度的障碍物,规划用于机器人进行导航的目标路径时,还需要考虑避开该部分静止的障碍物。
故,根据局部运动路径建立势场地图,并提取势场地图中的多个关键点,包括:
根据局部运动路径和静态障碍物建立势场地图,并提取势场地图中的多个关键点。
在本实施例中,为了更好地规划移动机器人的导航路径,还需要将移动机器人的导航区域内处于静止状态的障碍物纳入路径规划的考虑范畴。
该静态障碍物为存在与移动机器人的导航区域内,且处于静止状态的障碍物。例如,在移动机器人的导航区域中的静止大石头。
在本申请一实施例中,存在一种可能的场景是,移动机器人的导航区域中不止存在动态障碍物,还存在不具备运动速度的障碍物,规划用于机器人进行导航的目标路径时,还需要考虑避开该部分静止的障碍物。
故,根据局部运动路径,确定用于对移动机器人进行导航的目标路径,包括:
根据局部运动路径和静态障碍物,确定用于对移动机器人进行导航的目标路径。
结合图3,在本申请一实施例中提供了一种路径规划方法,主要涉及移动机器人基于目标路径进行导航的过程,检测是否会与导航区域中的障碍物碰撞,进而确定是否需要更新目标路径的过程。该方法包括以下步骤:
S31获取栅格地图以及在栅格地图中目标路径的位置及动态障碍物的位置;
S32根据目标路径的位置和动态障碍物的位置,确定栅格地图中每个栅格的分值;分值用于表示该栅格被动态障碍物占据的概率;
S33:获取目标路径的位置占据的每一个栅格的分值;
S34:若分值满足预设条件,则返回执行获取至少一个动态障碍物的第一运动参数,以更新目标路径。
在本实施例中,机器人学中的地图表示方法包括特征地图、拓扑地图、栅格地图以及直接表征法。其中,栅格地图是指把环境划分为一系列栅格,其中每一个栅格预先设定一个分值,若栅格中被障碍物占据时,该栅格的分值随之更新,通过该分值来表示该栅格被障碍物占据的概率。
例如,初始的栅格地图中,全部栅格的分值为0,因目标路径上不存在障碍物,故初始时,目标路径的位置占据的每一个栅格的分值也为0,即此时目标路径被障碍物占据的概率均为0。若在移动机器人行进的过程中,动态障碍物移动至目标路径所在的区域时,则对应的目标路径所在的栅格被障碍物占据,即更新该栅格的分值1,即表示该栅格被障碍物占据的概率为100%。
在本申请实施例中,在移动机器人基于目标路径进行导航的过程中,为了检测行进中的移动机器人是否会与动态障碍物相撞,获取栅格地图以及在栅格地图中目标路径的位置及动态障碍物的位置。
可以理解的是,在得到目标路径之后,该目标路径会固定被映射在栅格地图中,且目标路径的位置在栅格地图中映射的每一个栅格都对存在一个确定的分值。在移动机器人的行进过程中,移动机器人会动态刷新栅格地图,即实时或者按指定周期更新获取栅格地图及栅格地图中动态障碍物的位置,以确定动态障碍物是否占据目标路径位置所映射的栅格。
在本实施例中,预设条件为描述判断目标路径占据的栅格的分值是否正常的逻辑过程。周期性的获取目标路径的位置映射在栅格地图中的每一个栅格的分值,确定每一个栅格的分值是否变化,若分值发生变化,如从0变成1,即表示实际中的动态障碍物移动至目标路径上,对应的动态障碍物占据了目标路径的映射在栅格地图中的栅格,当移动机器人继续行进时,会与该障碍物相撞,故此,需要重新获取至少一个动态障碍物的第一运动参数,以更新目标路径。
以上可以看出,本申请实施例提供的一种路径规划方法,预先获取至少一个动态障碍物的第一运动参数,即获得移动机器人规划区域中动态障碍物的运动情况。因此可以根据第一运动参数预测至少一个动态障碍物在第一时间段内的局部运动路径,通过该局部运动路径来体现移动机器人规划区域中动态障碍物在未来一段时间内的运动轨迹。接着根据局部运动路径确定用于对移动机器人进行导航的目标路径,使得移动机器人可以基于动态障碍物的预测局部运动路径而规划得到的目标路径。因为是基于未来一个时间内的动态障碍物的运动情况来规划导航路径,移动机器人在基于目标路径进行导航时,可以有效地避开动态障碍物的运动区域,避免与障碍物相撞,且在该期间移动机器人也无需不断地对导航区域内的动态障碍物进行检测以重新进行路径规划,频繁地更新进行目标路径,所以移动机器人进行路径导航时,行进也更为流畅,行进效率也更高。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例的方法,图6示出了本申请实施例提供的路径规划装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图6,该装置包括:
获取模块101,用于获取至少一个动态障碍物的第一运动参数;
预测模块102,用于根据第一运动参数,预测至少一个动态障碍物在第一时间段内的局部运动路径;
确定模块103,用于根据局部运动路径,确定用于对移动机器人进行导航的目标路径。
可选的,预测模块102包括第一计算单元、第二计算单元和生成单元。
第一计算单元,用于基于移动机器人的当前位置和第二运动参数,计算移动机器人行进至该动态障碍物的当前位置所消耗的预算时长;
第二计算单元,用于根据该动态障碍物的第一运动参数和预算时长,计算该动态障碍物在第一时间段内的多个位置坐标;
生成单元,用于根据多个位置坐标,生成该动态障碍物的局部运动路径。
可选的,第二计算单元,还用于将第一时间段均分为多个第二时间段,根据该动态障碍物的第一运动参数和多个第二时间段,计算该动态障碍物的在各个第二时间段内的位置坐标,得到多个位置坐标。
可选的,第二计算单元,还用于根据该动态障碍物的第一运动参数和多个第二时间段,计算该动态障碍物的在各个第二时间段内的位置坐标,包括:
通过以下公式计算位置坐标:
其中,Δt表示第二时间段的时长,v表示生成该动态障碍物的局部运动路径时所需的线速度,ω表示生成该动态障碍物的局部运动路径时所需的角速度;xt表示该动态障碍物的局部运动路径上节点的瞬时横坐标;yt表示该动态障碍物的局部运动路径上节点的瞬时纵坐标;θt表示该动态障碍物的局部运动路径与水平方向所成的瞬时角度;xt-1表示该动态障碍物的局部运动路径上节点的初始横坐标;yt-1表示该动态障碍物的局部运动路径上节点的初始纵坐标;θt-1表示该动态障碍物的局部运动路径与水平方向所成的初始角度。
可选的,确定模块103,包括建立单元、提取单元、第一确定单元。
建立单元,用于根据局部运动路径建立势场地图;
提取单元,用于提取势场地图中的多个关键点;
第一确定单元,用于根据多个关键点确定用于对移动机器人进行导航的目标路径。
可选的,建立单元,还用于根据局部运动路径和静态障碍物建立势场地图。
可选的,获取模块101还包括第一获取单元、第二获取单元、第三获取单元、第二确定单元。
第一获取单元,用于获取栅格地图以及在栅格地图中目标路径的位置及动态障碍物的位置;
第二确定单元,用于根据目标路径的位置和动态障碍物的位置,确定栅格地图中每个栅格的分值;分值用于表示该栅格被动态障碍物占据的概率;
第二获取单元,用于获取目标路径的位置占据的每一个栅格的分值;
第三获取单元,用于若分值满足预设条件,则返回执行获取至少一个动态障碍物的第一运动参数,以更新目标路径。
图7为本申请一实施例提供的终端设备的结构示意图。如图7所示,该实施例的终端设备7包括:至少一个处理器70(图7中仅示出一个处理器)、存储器71以及存储在存储器71中并可在至少一个处理器70上运行的计算机程序72,处理器70执行计算机程序72时实现上述任意各个路径规划方法实施例中的步骤。
终端设备7可以是桌上型计算机、笔记本、掌上电脑、云端服务器或移动机器人等设备。该终端设备可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是终端设备7的举例,并不构成对终端设备7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
处理器70可以是中央处理单元(Central Processing Unit,CPU),该处理器70还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器71在一些实施例中可以是终端设备7的内部存储单元,例如终端设备7的硬盘或内存。存储器71在另一些实施例中也可以是终端设备7的外部存储设备,例如终端设备7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器71还可以既包括终端设备7的内部存储单元也包括外部存储设备。存储器71用于存储操作***、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如计算机程序的程序代码等。存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,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。计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、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。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,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。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口、装置或单元的间接耦合或通讯连接,可以是电性、机械或其它的形式。
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例方案的目的。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种路径规划方法,其特征在于,所述方法包括:
获取至少一个动态障碍物的第一运动参数;
根据所述第一运动参数,预测所述至少一个动态障碍物在第一时间段内的局部运动路径;
根据所述局部运动路径,确定用于对所述移动机器人进行导航的目标路径。
2.如权利要求1所述的方法,其特征在于,在预测所述至少一个动态障碍物在第一时间段内的局部运动路径的操作中,对单个动态障碍物的局部运动路径生成过程包括:
基于所述移动机器人的当前位置和第二运动参数,计算所述移动机器人行进至该动态障碍物的当前位置所消耗的预算时长;
根据所述预算时长确定所述第一时间段;
根据该动态障碍物的所述第一运动参数,计算该动态障碍物在所述第一时间段内的多个位置坐标;
根据多个所述位置坐标,生成该动态障碍物的局部运动路径。
3.如权利要求2所述的方法,其特征在于,所述根据该动态障碍物的所述第一运动参数,计算该动态障碍物在所述第一时间段内的多个位置坐标,包括:
将所述第一时间段均分为多个第二时间段;
根据该动态障碍物的所述第一运动参数和所述多个第二时间段,计算该动态障碍物在各个所述第二时间段内的所述位置坐标,得到多个所述位置坐标。
4.如权利要求3所述的方法,其特征在于,所述根据该动态障碍物的所述第一运动参数和所述多个第二时间段,计算该动态障碍物在各个所述第二时间段内的所述位置坐标,包括:
通过以下公式计算所述位置坐标:
其中,Δt表示所述第二时间段的时长,v表示生成该动态障碍物的局部运动路径时所需的线速度,ω表示生成该动态障碍物的局部运动路径时所需的角速度;xt表示该动态障碍物的局部运动路径上节点的瞬时横坐标;yt表示该动态障碍物的局部运动路径上节点的瞬时纵坐标;θt表示该动态障碍物的局部运动路径与水平方向所成的瞬时角度;xt-1表示该动态障碍物的局部运动路径上节点的初始横坐标;yt-1表示该动态障碍物的局部运动路径上节点的初始纵坐标;θt-1表示该动态障碍物的局部运动路径与水平方向所成的初始角度。
5.如权利要求1所述的方法,其特征在于,所述根据所述局部运动路径,确定用于对所述移动机器人进行导航的目标路径,包括:
根据所述局部运动路径建立势场地图,并提取所述势场地图中的多个关键点;
根据多个所述关键点确定所述目标路径。
6.如权利要求5所述的方法,其特征在于,所述根据所述局部运动路径建立势场地图,包括:
根据所述局部运动路径和静态障碍物建立所述势场地图。
7.如权利要求1所述的方法,其特征在于,所述根据所述局部运动路径,确定用于对所述移动机器人进行导航的目标路径之后,还包括:
获取栅格地图以及在所述栅格地图中所述目标路径的位置及动态障碍物的位置;
根据所述目标路径的位置和动态障碍物的位置,确定所述栅格地图中每个栅格的分值;所述分值用于表示该栅格被动态障碍物占据的概率;
获取所述目标路径的位置占据的每一个栅格的分值;
若所述分值满足预设条件,则返回执行所述获取至少一个动态障碍物的第一运动参数,以更新所述目标路径。
8.一种路径规划装置,其特征在于,包括:
获取模块,用于获取至少一个动态障碍物的第一运动参数;
预测模块,用于根据所述第一运动参数,预测所述至少一个动态障碍物在第一时间段内的局部运动路径;
确定模块,用于根据所述局部运动路径,确定用于对所述移动机器人进行导航的目标路径。
9.一种终端设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010752888.XA CN112540609A (zh) | 2020-07-30 | 2020-07-30 | 路径规划方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010752888.XA CN112540609A (zh) | 2020-07-30 | 2020-07-30 | 路径规划方法、装置、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112540609A true CN112540609A (zh) | 2021-03-23 |
Family
ID=75013455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010752888.XA Pending CN112540609A (zh) | 2020-07-30 | 2020-07-30 | 路径规划方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112540609A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109782763A (zh) * | 2019-01-18 | 2019-05-21 | 中国电子科技集团公司信息科学研究院 | 一种动态环境下的移动机器人路径规划方法 |
CN113467462A (zh) * | 2021-07-14 | 2021-10-01 | 中国人民解放军国防科技大学 | 机器人的行人伴随控制方法、装置、移动机器人和介质 |
CN113791616A (zh) * | 2021-08-25 | 2021-12-14 | 深圳优地科技有限公司 | 路径规划方法、装置、机器人和存储介质 |
CN114137955A (zh) * | 2021-10-26 | 2022-03-04 | 中国人民解放军军事科学院国防科技创新研究院 | 基于改进市场法的多机器人快速协同建图方法 |
CN116300979A (zh) * | 2023-05-26 | 2023-06-23 | 君华高科集团有限公司 | 一种机器人巡航路径生成***及方法 |
CN118024262A (zh) * | 2024-04-11 | 2024-05-14 | 深圳市普渡科技有限公司 | 运行状态检测方法、装置、设备和存储介质 |
CN118024262B (zh) * | 2024-04-11 | 2024-07-26 | 深圳市普渡科技有限公司 | 运行状态检测方法、装置、设备和存储介质 |
Citations (6)
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 |
CN106774347A (zh) * | 2017-02-24 | 2017-05-31 | 安科智慧城市技术(中国)有限公司 | 室内动态环境下的机器人路径规划方法、装置和机器人 |
CN107357293A (zh) * | 2017-07-31 | 2017-11-17 | 上海应用技术大学 | 移动机器人路径规划方法和*** |
CN108762264A (zh) * | 2018-05-22 | 2018-11-06 | 重庆邮电大学 | 基于人工势场与滚动窗口的机器人的动态避障方法 |
CN109782763A (zh) * | 2019-01-18 | 2019-05-21 | 中国电子科技集团公司信息科学研究院 | 一种动态环境下的移动机器人路径规划方法 |
CN111290385A (zh) * | 2020-02-19 | 2020-06-16 | 深圳前海达闼云端智能科技有限公司 | 一种机器人路径规划方法、机器人、电子设备及存储介质 |
-
2020
- 2020-07-30 CN CN202010752888.XA patent/CN112540609A/zh active Pending
Patent Citations (6)
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 |
CN106774347A (zh) * | 2017-02-24 | 2017-05-31 | 安科智慧城市技术(中国)有限公司 | 室内动态环境下的机器人路径规划方法、装置和机器人 |
CN107357293A (zh) * | 2017-07-31 | 2017-11-17 | 上海应用技术大学 | 移动机器人路径规划方法和*** |
CN108762264A (zh) * | 2018-05-22 | 2018-11-06 | 重庆邮电大学 | 基于人工势场与滚动窗口的机器人的动态避障方法 |
CN109782763A (zh) * | 2019-01-18 | 2019-05-21 | 中国电子科技集团公司信息科学研究院 | 一种动态环境下的移动机器人路径规划方法 |
CN111290385A (zh) * | 2020-02-19 | 2020-06-16 | 深圳前海达闼云端智能科技有限公司 | 一种机器人路径规划方法、机器人、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
白巧克力: "机器⼈局部避障的动态窗口法(dynamic window approach)", pages 1 - 3, Retrieved from the Internet <URL:https://heyijia.blog.csdn.net/article/details/44983551?spm=1001.2014.3001.5506> * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109782763A (zh) * | 2019-01-18 | 2019-05-21 | 中国电子科技集团公司信息科学研究院 | 一种动态环境下的移动机器人路径规划方法 |
CN109782763B (zh) * | 2019-01-18 | 2021-11-23 | 中国电子科技集团公司信息科学研究院 | 一种动态环境下的移动机器人路径规划方法 |
CN113467462A (zh) * | 2021-07-14 | 2021-10-01 | 中国人民解放军国防科技大学 | 机器人的行人伴随控制方法、装置、移动机器人和介质 |
CN113467462B (zh) * | 2021-07-14 | 2023-04-07 | 中国人民解放军国防科技大学 | 机器人的行人伴随控制方法、装置、移动机器人和介质 |
CN113791616A (zh) * | 2021-08-25 | 2021-12-14 | 深圳优地科技有限公司 | 路径规划方法、装置、机器人和存储介质 |
CN114137955A (zh) * | 2021-10-26 | 2022-03-04 | 中国人民解放军军事科学院国防科技创新研究院 | 基于改进市场法的多机器人快速协同建图方法 |
CN116300979A (zh) * | 2023-05-26 | 2023-06-23 | 君华高科集团有限公司 | 一种机器人巡航路径生成***及方法 |
CN118024262A (zh) * | 2024-04-11 | 2024-05-14 | 深圳市普渡科技有限公司 | 运行状态检测方法、装置、设备和存储介质 |
CN118024262B (zh) * | 2024-04-11 | 2024-07-26 | 深圳市普渡科技有限公司 | 运行状态检测方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112540609A (zh) | 路径规划方法、装置、终端设备及存储介质 | |
JP7271702B2 (ja) | 深層強化学習に基づく自律走行エージェントの学習方法およびシステム | |
CN110955242B (zh) | 机器人导航方法、***、机器人及存储介质 | |
CN111805535B (zh) | 一种定位导航方法、装置以及计算机存储介质 | |
CN110488818B (zh) | 一种基于激光雷达的机器人定位方法、装置和机器人 | |
CN110320910B (zh) | 车辆的避让控制方法、装置、电子设备与存储介质 | |
KR102303432B1 (ko) | 장애물의 특성을 고려한 dqn 및 slam 기반의 맵리스 내비게이션 시스템 및 그 처리 방법 | |
CN114815851A (zh) | 机器人跟随方法、装置、电子设备以及存储介质 | |
JP5679121B2 (ja) | ロボットの運動予測制御方法と装置 | |
CN113848893A (zh) | 机器人导航方法、装置、设备及存储介质 | |
CN113359705A (zh) | 一种路径规划方法、编队协同作业方法及其设备 | |
CN117501197A (zh) | 针对多个自主机器人的路径规划的航路点减少 | |
Huang et al. | An autonomous UAV navigation system for unknown flight environment | |
US20200409388A1 (en) | Controller, control method, and program | |
US20220319054A1 (en) | Generating scene flow labels for point clouds using object labels | |
WO2022246802A1 (zh) | 一种驾驶策略确定方法、装置、设备及车辆 | |
Fabiani et al. | Tracking an unpredictable target among occluding obstacles under localization uncertainties | |
CN114571460A (zh) | 机器人控制方法、装置及存储介质 | |
CN113934219A (zh) | 一种机器人自动避障方法、***、设备及介质 | |
Neuman et al. | Anytime policy planning in large dynamic environments with interactive uncertainty | |
CN117232531B (zh) | 机器人导航规划方法及存储介质和终端设备 | |
Khan et al. | Dynamic Kalman filter-based velocity tracker for Intelligent vehicle | |
CN114440882B (zh) | 一种多智能家居移动设备及其协作寻路防撞方法 | |
CN116659487B (zh) | 位姿调整方法、位姿调整装置、电子设备及可读存储介质 | |
WO2023127337A1 (ja) | 情報処理装置、情報処理方法、及びプログラム |
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 |