CN112947491A - 一种无人车快速轨迹规划方法 - Google Patents

一种无人车快速轨迹规划方法 Download PDF

Info

Publication number
CN112947491A
CN112947491A CN202110385083.0A CN202110385083A CN112947491A CN 112947491 A CN112947491 A CN 112947491A CN 202110385083 A CN202110385083 A CN 202110385083A CN 112947491 A CN112947491 A CN 112947491A
Authority
CN
China
Prior art keywords
coordinate
delta
carried out
region
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.)
Withdrawn
Application number
CN202110385083.0A
Other languages
English (en)
Inventor
郭新年
曹寿宇
沈洋
吴芯政
袁健
沈薇薇
陈林
康子洋
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.)
Suqian College
Original Assignee
Suqian College
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 Suqian College filed Critical Suqian College
Priority to CN202110385083.0A priority Critical patent/CN112947491A/zh
Publication of CN112947491A publication Critical patent/CN112947491A/zh
Withdrawn legal-status Critical Current

Links

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
    • G05D1/0221—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
    • G05D1/0231—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
    • 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
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS

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

本发明公开一种无人车快速轨迹规划方法，属于快速规划路线领域，解决现有技术中无人车轨迹规划计算量大，硬件要求高的问题，技术方案：构建环境地图，通过传感器获得机器人移动环境坐标信息形成地图模型，并使用栅格将地图像素化；设定起点坐标P0(x0,y0)，终点坐标P1(x1,y1)；确定当前点Pi(xi,yi)，判断当前点八邻域点是否为障碍物；根据是否为障碍物分别采用中点比较算法和A‑Star(A*)算法确定下一轨迹点。该方法计算量小，对硬件平台要求低。

Description

一种无人车快速轨迹规划方法
技术领域
本发明涉及无人车路线规划领域，特别涉及一种无人车快速轨迹规划方法。
背景技术
目前的轨迹规划方法包括A-Star(A*)算法、Dijkstra算法、蚁群算法、遗传算法等，如中国专利CN 110440822 B公开了一种基于黏菌-蚁群融合算法的汽车焊点路径规划方法，中国专利CN 111098852 B公开了一种基于强化学***台的要求较高。为解决计算量问题，赵晓等(赵晓,王铮,黄程侃,等.基于改进A*算法的移动机器人路径规划[J].机器人,2018,40(6):904-910.)提出跳跃点搜索的改进A*算法减少了部分无用节点数量，降低了部分计算量，但是保留节点的计算依然计算量较大。
发明内容
本发明目的是提供一种无人车快速轨迹规划方法，解决现有技术中无人车轨迹规划计算量大的问题，技术效果：算法计算量小，硬件平台要求低。
为实现上述目的，本发明采用以下技术方案：
一种无人车快速轨迹规划方法，所述算法包括如下步骤：
步骤1：构建环境地图，通过传感器获得机器人移动环境坐标信息形成地图模型，并使用栅格将地图像素化；步骤2：给定起点坐标P0(x0,y0)，终点坐标P1(x1,y1)；步骤3：确定当前点Pi(xi,yi)，开始时，起点为当前点，并判断当前点八邻域是否存在障碍物，不存在障碍物进入步骤4，存在障碍物进入步骤5；步骤4：中点比较法获取下一轨迹点Pi+1(xi+1,yi+1)；步骤5：A-Star方法获取下一轨迹点Pi+1(xi+1,yi+1)；
进一步，所述步骤3中，八邻域点的坐标判断顺序是：1-上Pi3(xi,yi+1)、2-右上Pi4(xi+1,yi+1)、3-右Pi5(xi+1,yi)、4-右下Pi6(xi+1,yi-1)、5-下Pi7(xi,yi-1)、6-左下Pi8(xi-1,yi-1)、7-左Pi1(xi-1,yi)、8-左上Pi2(xi-1,yi+1)。
进一步，步骤4.1：判断前一轨迹点Pi-1(xi-1,yi-1)的八邻域点有无障碍物，无则沿用上次迭代中的△x、△y，有则计算PiP1直线上x和y方向的增量：
Figure BDA0003014436670000021
步骤4.2：判断PiP1是属于区域1，是则进入步骤4.3，否则进入步骤4.4；步骤4.3：判断△x-2△y是否小于0，是则Pi+1坐标为(xi+1,yi+1)，否则Pi+1坐标为(xi,yi+1)，进入步骤4.17；步骤4.4：判断PiP1是属于区域2，是则进入步骤4.5，否则进入步骤4.6；步骤4.5：判断2△x-△y是否小于0，是则Pi+1坐标为(xi,yi+1)，否则Pi+1坐标为(xi+1,yi+1)，进入步骤4.17；步骤4.6：判断PiP1是属于区域3，是则进入步骤4.7，否则进入步骤4.8；步骤4.7：判断2△x+△y是否小于0，是则Pi+1坐标为(xi,yi+1)，否则Pi+1坐标为(xi-1,yi+1)，进入步骤4.17；步骤4.8：判断PiP1是属于区域4，是则进入步骤4.9，否则进入步骤4.10；步骤4.9：判断△x+2△y是否小于0，是则Pi+1坐标为(xi-1,yi+1)，否则Pi+1坐标为(xi-1,yi)，进入步骤4.17；步骤4.10：判断PiP1是属于区域5，是则进入步骤4.11，否则进入步骤4.12；步骤4.11：判断-△x+2△y是否小于0，是则Pi+1坐标为(xi,yi+1)，否则Pi+1坐标为(xi-1,yi+1)，进入步骤4.17；步骤4.12：判断PiP1是属于区域6，是则进入步骤4.13，否则进入步骤4.14；步骤4.13：判断-2△x+△y是否小于0，是则Pi+1坐标为(xi-1,yi-1)，否则Pi+1坐标为(xi,yi-1)，进入步骤4.17；步骤4.14：判断PiP1是属于区域7，是则进入步骤4.15，否则进入步骤4.14；步骤4.15：判断-2△x-△y是否小于0，是则Pi+1坐标为(xi+1,yi-1)，否则Pi+1坐标为(xi,yi-1)，进入步骤4.17；步骤4.16：判断PiP1是属于区域8，进一步判断-△x-2△y是否小于0，是则Pi+1坐标为(xi+1,yi)，否则Pi+1坐标为(xi+1,yi-1)，进入步骤4.17；步骤4.17：返回Pi+1坐标。
进一步，所述步骤4.1中，判断PiP1是否属于区域1—区域8的判断方法如下式：
Figure BDA0003014436670000031
进一步，所述步骤5中，包括如下实现步骤：
步骤5.1：计算当前点Pi(xi,yi)的八邻域点(顺序为上、右上、右、右下、下、左下、左、左上)到起始点和终点的欧氏距离，计算公式为：
Figure BDA0003014436670000032
步骤5.2：构造代价函数k(n)：
kj(n)＝aj(n)+bj(n)
步骤5.3：选取min[kj(n)]中j对应的八邻域对应点为下一点Pi+1，并返回Pi+1坐标。
有益效果：本发明与现有技术区别在于：在当前点八邻域点周围无障碍物时，使用中点比较法得出下一轨迹点，只需计算极少的加法运算即可确定下一轨迹点，相比于传统的A-Star寻迹算法，本方法在较大空旷空间使用时，可有效减少计算量，降低对硬件的要求从而减少硬件成本。
附图说明
图1：本发明算法实现流程图；
图2：八邻域顺序示意图；
图3：中点比较算法流程图；
图4：区域1-8划分图；
具体实施方式
下面结合附图对本发明作进一步详细描述。
构建环境地图时，通过传感器获得机器人移动环境信息，形成地图模型，并使用栅格将地图像素化；工程上，小微型应用场景下，可通过激光雷达传感器获取环境信息并构建地图，大型场景中可使用卫星地图信息，配合卫星定位***使用，地图上应释明障碍物和可通行区域。
搜寻路径算法如图1所示，在起点和终点间，根据当前点周围八邻域是否存在障碍物，采用中点比较法和A-Star寻迹算法，快速获取轨迹，具体如下：
通过先设定起始坐标为P0(x0,y0)，终点坐标P1(x1,y1)；确定当前点Pi(xi,yi)，开始时起始点为当前点；判断当前点的八邻域点是否为障碍物，判断运算顺序如图2所示，为：1-上Pi3(xi,yi+1)、2-右上Pi4(xi+1,yi+1)、3-右Pi5(xi+1,yi)、4-右下Pi6(xi+1,yi-1)、5-下Pi7(xi,yi-1)、6-左下Pi8(xi-1,yi-1)、7-左Pi1(xi-1,yi)、8-左上Pi2(xi-1,yi+1)，判断结果分为有障碍物和无障碍物。
(1)无障碍物时，处理流程如图3所示：
①判断前一点八邻域是否有障碍物；
若无障碍物，沿用上次迭代中的△x、△y，否则计算PiP1直线x和y方向的增量：
Figure BDA0003014436670000051
增量的比值为斜率k＝△y/△x。
②直线隐函数f(x,y)为：
f(x,y)＝y-kx-b＝0 (2)
③构造中点代价函数，如图4区域划分所示，分为如下八种情况：
Figure BDA0003014436670000052
④由于轨迹获取依赖于di的符号，不依赖于di的实际值，也就是依赖于di是大于等于0还是小于0，≥0是+符号，＜0是-符号，为减少浮点运算，利于硬件实现，令di＝2△xdi，可得区域1-8代价函数如下：
Figure BDA0003014436670000053
⑤根据di取值选取下一轨迹点，对于区域1，当di<0时，下一轨迹点为Pi+1(xi+1,yi+1)，当di≥0时，下一轨迹点为Pi+1(xi+1,yi)。同理，区域1-8下一轨迹点坐标如下表：
Figure BDA0003014436670000054
Figure BDA0003014436670000061
效果在于：通过中点比较优先选择领近点作为可行性的路径，计算快捷，效率高。
(2)有障碍物时，处理方法如下：
①计算当前点Pi(xi,yi)的八邻域点(顺序为左、左上、上、右上、右、右下、下、左下)到起始点和终点的欧氏距离：
Figure BDA0003014436670000062
②构造代价函数k(n)：
kj(n)＝aj(n)+bj(n) (6)
③)选取min[kj(n)]中j对应的八邻域对应点为下一点Pi+1
效果是：便于优先选择最近优化后路径，便于无人车避开障碍物选择最佳路径到达目的地。
具体的工作方式：
通过构建环境地图，进一步将无人车设定在构件的环境地图内，为无人车设定起始点坐标P0(x0,y0)、终点坐标P1(x1,y1)，并确定无人车当前坐标为Pi(xi,yi)，并按照如图1方式进行运算的移动位置，移动过程中根据中点比较法和A*算法计算移动到的下一位置点，具体的是：无人车移动过程中，以小车为中心确定八个区域，在无障碍物情况下，每个区域内根据di的值会判定下一坐标点，无人车根据起点和终点及系列轨迹点确定行驶方向，并时刻选择下一个轨迹点坐标进行移动，当遇到有障碍物时，计算当前点Pi(xi,yi)的八邻域点(顺序为图2中1-8)到起始点和终点的欧氏距离，并根据代价函数kj(n)＝aj(n)+bj(n)选择最小值Pi+1作为下一移动点。
有益效果：相比于传统的A-Star寻迹算法，本方法可有效减少计算量，降低对硬件的要求从而减少硬件成本。
在本发明中术语“设置”、“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接；可以是机械连接；可以是直接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义；术语“第一”、“第二”仅用于描述目的，可以是一个或者更多个该特征，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
本发明不限于上述具体实施方式，所有不脱离本方案结构和作用的变化均在本发明保护范围内。

Claims (5)

1.一种无人车快速轨迹规划方法，其特征在于，所述算法包括如下步骤：
步骤1：构建环境地图，通过传感器获得机器人移动环境坐标信息形成地图模型，并使用栅格将地图像素化；
步骤2：给定起点坐标P0(x0,y0)，终点坐标P1(x1,y1)；
步骤3：确定当前点Pi(xi,yi)，开始时，起点为当前点，并判断当前点八邻域是否存在障碍物，不存在障碍物进入步骤4，存在障碍物进入步骤5；
步骤4：中点比较法获取下一轨迹点Pi+1(xi+1,yi+1)；
步骤5：A-Star方法获取下一轨迹点Pi+1(xi+1,yi+1)。
2.所述权利要求2所述的一种无人车快速轨迹规划方法，其特征在于，所述步骤3中，八邻域点的坐标判断顺序是：1-上Pi3(xi,yi+1)、2-右上Pi4(xi+1,yi+1)、3-右Pi5(xi+1,yi)、4-右下Pi6(xi+1,yi-1)、5-下Pi7(xi,yi-1)、6-左下Pi8(xi-1,yi-1)、7-左Pi1(xi-1,yi)、8-左上Pi2(xi-1,yi+1)。
3.根据权利要求2所述的一种无人车快速轨迹规划方法，其特征在于，所述步骤4中，包括如下实现步骤：
步骤4.1：判断前一轨迹点Pi-1(xi-1,yi-1)的八邻域点有无障碍物，无则沿用上次迭代中的△x、△y，有则计算PiP1直线上x和y方向的增量：
Figure FDA0003014436660000011
步骤4.2：判断PiP1是属于区域1，是则进入步骤4.3，否则进入步骤4.4；
步骤4.3：判断△x-2△y是否小于0，是则Pi+1坐标为(xi+1,yi+1)，否则Pi+1坐标为(xi,yi+1)，进入步骤4.17；
步骤4.4：判断PiP1是属于区域2，是则进入步骤4.5，否则进入步骤4.6；
步骤4.5：判断2△x-△y是否小于0，是则Pi+1坐标为(xi,yi+1)，否则Pi+1坐标为(xi+1,yi+1)，进入步骤4.17；
步骤4.6：判断PiP1是属于区域3，是则进入步骤4.7，否则进入步骤4.8；
步骤4.7：判断2△x+△y是否小于0，是则Pi+1坐标为(xi,yi+1)，否则Pi+1坐标为(xi-1,yi+1)，进入步骤4.17；
步骤4.8：判断PiP1是属于区域4，是则进入步骤4.9，否则进入步骤4.10；
步骤4.9：判断△x+2△y是否小于0，是则Pi+1坐标为(xi-1,yi+1)，否则Pi+1坐标为(xi-1,yi)，进入步骤4.17；
步骤4.10：判断PiP1是属于区域5，是则进入步骤4.11，否则进入步骤4.12；
步骤4.11：判断-△x+2△y是否小于0，是则Pi+1坐标为(xi,yi+1)，否则Pi+1坐标为(xi-1,yi+1)，进入步骤4.17；
步骤4.12：判断PiP1是属于区域6，是则进入步骤4.13，否则进入步骤4.14；
步骤4.13：判断-2△x+△y是否小于0，是则Pi+1坐标为(xi-1,yi-1)，否则Pi+1坐标为(xi,yi-1)，进入步骤4.17；
步骤4.14：判断PiP1是属于区域7，是则进入步骤4.15，否则进入步骤4.16；
步骤4.15：判断-2△x-△y是否小于0，是则Pi+1坐标为(xi+1,yi-1)，否则Pi+1坐标为(xi,yi-1)，进入步骤4.17；
步骤4.16：判断PiP1是属于区域8，进一步判断-△x-2△y是否小于0，是则Pi+1坐标为(xi+1,yi)，否则Pi+1坐标为(xi+1,yi-1)，进入步骤4.17；
步骤4.17：返回Pi+1坐标。
4.根据权利要求3所述的一种无人车快速轨迹规划方法，其特征在于，所述步骤4.1中，判断PiP1是否属于区域1—区域8的判断方法如下式：
Figure FDA0003014436660000031
5.根据权利要求4所述的一种无人车快速轨迹规划方法，其特征在于，所述步骤5中，包括如下实现步骤：
步骤5.1：计算当前点Pi(xi,yi)的八邻域点(顺序为上、右上、右、右下、下、左下、左、左上)到起始点和终点的欧氏距离，计算公式为：
Figure FDA0003014436660000032
步骤5.2：构造代价函数k(n)：
kj(n)＝aj(n)+bj(n)
步骤5.3：选取min[kj(n)]中j对应的八邻域对应点为下一点Pi+1，并返回Pi+1坐标。
CN202110385083.0A 2021-04-09 2021-04-09 一种无人车快速轨迹规划方法 Withdrawn CN112947491A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110385083.0A CN112947491A (zh) 2021-04-09 2021-04-09 一种无人车快速轨迹规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110385083.0A CN112947491A (zh) 2021-04-09 2021-04-09 一种无人车快速轨迹规划方法

Publications (1)

Publication Number Publication Date
CN112947491A true CN112947491A (zh) 2021-06-11

Family

ID=76231424

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110385083.0A Withdrawn CN112947491A (zh) 2021-04-09 2021-04-09 一种无人车快速轨迹规划方法

Country Status (1)

Country Link
CN (1) CN112947491A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113392378A (zh) * 2021-07-16 2021-09-14 中南大学 一种基于时间序列的围岩变形多点突变识别方法及***
CN114063623A (zh) * 2022-01-11 2022-02-18 中国人民解放军陆军装甲兵学院 一种基于多策略改进的黏菌算法的机器人路径规划方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113392378A (zh) * 2021-07-16 2021-09-14 中南大学 一种基于时间序列的围岩变形多点突变识别方法及***
CN113392378B (zh) * 2021-07-16 2024-04-09 中南大学 一种基于时间序列的围岩变形多点突变识别方法及***
CN114063623A (zh) * 2022-01-11 2022-02-18 中国人民解放军陆军装甲兵学院 一种基于多策略改进的黏菌算法的机器人路径规划方法
CN114063623B (zh) * 2022-01-11 2022-03-29 中国人民解放军陆军装甲兵学院 一种基于多策略改进的黏菌算法的机器人路径规划方法

Similar Documents

Publication Publication Date Title
CN112673234B (zh) 路径规划方法和路径规划装置
CN110262518B (zh) 基于轨迹拓扑地图和避障的车辆导航方法、***及介质
CN103926925B (zh) 一种基于改进的vfh算法的定位与避障方法及机器人
CN112378408A (zh) 一种实现轮式移动机器人实时避障的路径规划方法
CN106371445A (zh) 一种基于拓扑地图的无人车规划控制方法
CN110553660B (zh) 一种基于a*算法和人工势场的无人车轨迹规划方法
KR101585504B1 (ko) 자율 이동 차량의 경로 생성 방법 및 경로 생성 장치
CN112947491A (zh) 一种无人车快速轨迹规划方法
CN111006667B (zh) 高速场景下的自动驾驶轨迹生成***
CN112925315A (zh) 一种基于改进蚁群算法和a*算法的履带车路径规划方法
CN105043376A (zh) 一种适用于非全向移动车辆的智能导航方法及***
CN106840169B (zh) 用于机器人路径规划的改进方法
CN111880534A (zh) 一种基于栅格地图的二次路径规划方法
CN110908386A (zh) 一种无人车分层路径规划方法
CN111142542A (zh) 一种基于vfh*局部路径规划方法的全向移动机器人自主导航***
CN112269381A (zh) 基于改进人工鱼群算法的移动机器人路径规划方法
KR101907268B1 (ko) 경로 선택에 기반한 자율 주행 방법 및 장치
CN112947476A (zh) 一种丘陵拖拉机无人驾驶***
CN116360457A (zh) 一种基于自适应栅格和改进a*-dwa融合算法的路径规划方法
CN114967701A (zh) 一种动态环境下移动机器人自主导航方法
CN111176281A (zh) 基于象限法的多水面无人艇覆盖式协同搜索方法及***
CN110673610A (zh) 一种基于ros的工厂agv路径规划方法
CN113296519A (zh) 一种基于麦克纳姆轮的移动机器人运动规划方法及***
CN117249842A (zh) 一种基于轨迹平滑优化的无人车混合轨迹规划方法
CN113485378B (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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210611

WW01 Invention patent application withdrawn after publication