CN114355926A - 一种路径规划方法、装置、机器人及存储介质 - Google Patents
一种路径规划方法、装置、机器人及存储介质 Download PDFInfo
- Publication number
- CN114355926A CN114355926A CN202111633624.3A CN202111633624A CN114355926A CN 114355926 A CN114355926 A CN 114355926A CN 202111633624 A CN202111633624 A CN 202111633624A CN 114355926 A CN114355926 A CN 114355926A
- Authority
- CN
- China
- Prior art keywords
- path
- grid
- candidate
- score
- rotation
- 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
Links
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种路径规划方法、装置、机器人及存储介质,该方法包括:获取包括路径起点和路径终点在内的栅格地图;采用预设路径点规划方式,规划至少一条从所述路径起点至所述路径终点的候选路径,其中,所述预设路径规划方式的规划影响因素包括距离因素、旋转因素和障碍物因素;根据各所述候选路径的路径形态,从各所述候选路径中确定目标路径,所述路径形态包括路径旋转次数和路径位移长度。本发明在路径规划时考虑到了路径点的距离因素、旋转因素和障碍物因素,选择最优路径时也考虑到了路径中机器人需要旋转次数的影响,有效规避了机器人移动过程中不必要的旋转,实现了快速规划机器人去锯齿化路径的效果,提高了机器人运行效率。
Description
技术领域
本发明实施例涉及机器人设计技术领域,尤其涉及一种路径规划方法、装置、机器人及存储介质。
背景技术
随着人们生活节奏不断变快,很多场景都会使用机器人代替人工进行工作。扫地机器人是一种常见的智能家用电器,一般情况下,扫地机器人需要对待清洁区域进行路径规划,根据规划的路径完成清洁工作;另外,扫地机器人在工作中途或工作结束后,也需要返回指定位置进行自清洁和充电,此时也需要进行路径规划。现有的扫地机器人在进行路径规划时,基本只会关注距离目的地的远近因素,在避免机器人不与障碍物相撞的情况下移动位移越短越好。由于扫地机器人只能沿着地图栅格网线前行,现有的路径规划方式很有可能使机器人采用锯齿状的轨迹移动,导致机器运行时旋转过多以及运行时间过长,或者使机器人在障碍物之间频繁穿插移动,增加突发碰撞的几率。
发明内容
本发明提供一种路径规划方法、装置、机器人及存储介质,以实现机器人去锯齿化路径规划。
第一方面,本发明实施例提供了一种路径规划方法,包括:
获取包括路径起点和路径终点在内的栅格地图;
采用预设路径点规划方式,规划至少一条从所述路径起点至所述路径终点的候选路径,其中,所述预设路径规划方式的规划影响因素包括距离因素、旋转因素和障碍物因素;
根据各所述候选路径的路径形态,从各所述候选路径中确定目标路径,所述路径形态包括路径旋转次数和路径位移长度。
可选的,所述采用预设路径点规划方式,规划至少一条从所述路径起点至所述路径终点的候选路径,包括:
建立候选路径集,将所述路径起点添加至所述候选路径集,令所述路径起点所在的地图栅格作为当前路径栅格;
根据地图栅格的距离因素、旋转因素和障碍物因素,从所述当前路径栅格周围的地图栅格中确定至少一个候选路径栅格;
当所述候选路径栅格唯一时,将所述候选路径栅格添加至所述当前路径栅格所在的候选路径集中,并令所述候选路径栅格作为当前路径栅格重新确定新的候选路径栅格,直至新确定的候选路径栅格内包含所述路径终点;
当所述候选路径栅格不唯一时,根据所述当前路径栅格所在的候选路径集形成候选栅格数量个候选路径集,分别将各所述候选路径栅格添加至对应的候选路径集中,并分别令所述候选路径栅格作为当前路径栅格重新确定新的候选路径栅格,直至新确定的候选路径栅格内包含所述路径终点;
根据各所述候选路径集形成对应的候选路径。
可选的,所述根据地图栅格的距离因素、旋转因素和障碍物因素,从所述当前路径栅格周围的地图栅格中确定至少一个候选路径栅格,包括:
确定所述当前路径栅格周围预设规划范围内的地图栅格为备选路径栅格;
统计各所述备选路径栅格的距离评分、旋转评分和障碍物状况评分,并结合预设影响因素权重,确定各所述备选路径栅格的栅格路径评分;
将栅格路径评分最低的备选路径栅格确定为候选路径栅格。
可选的,所述统计各所述备选路径栅格的距离评分、旋转评分和障碍物状况评分,并结合预设影响因素权重,确定各所述备选路径栅格的栅格路径评分,包括:
针对每个备选路径栅格,根据所述备选路径栅格与所述路径终点的待移动距离确定所述备选路径栅格的距离评分,其中,所述待移动距离与所述距离评分成正相关;
根据所述备选路径栅格之前预设关联数量的候选路径栅格与所述备选路径栅格的共线情况,确定所述备选路径栅格的旋转评分;
确定所述备选路径栅格周围预设障碍物影响范围内存在障碍物的障碍物栅格数量,根据所述障碍物栅格数量确定所述备选路径栅格的障碍物状况评分,其中,所述障碍物状况评分与所述障碍物栅格数量成正相关;
获取预设影响因素权重,基于所述预设影响因素权重对所述距离评分、旋转评分和障碍物状况评分加权求和,得到所述备选路径栅格的栅格路径评分。
可选的,所述根据所述备选路径栅格之前预设关联数量的候选路径栅格与所述备选路径栅格的共线情况,确定所述备选路径栅格的旋转评分,包括:
将所述当前路径栅格所在候选路径集中与所述当前路径栅格关联的前一候选路径栅格作为旋转关联栅格;
当所述旋转关联栅格、所述当前路径栅格和所述备选路径栅格共线时,确定所述备选路径栅格的旋转评分为第一旋转得分;否则,
确定所述备选路径栅格的旋转评分为第二旋转得分,其中,所述第一旋转得分小于所述第二旋转得分。
可选的,所述根据各所述候选路径的路径形态,从各所述候选路径中确定目标路径,包括:
统计各所述候选路径的路径旋转次数和路径位移长度,结合预设形态因素权重,确定各所述候选路径的路径形态得分;
将路径形态得分最低的候选路径确定为目标路径。
可选的,所述统计各所述候选路径的路径旋转次数和路径位移长度,结合预设形态因素权重,确定各所述候选路径的路径形态得分,包括:
针对每个候选路径,根据所述候选路径的路径旋转次数确定所述候选路径的旋转形态得分,其中,所述路径旋转次数与所述旋转形态得分成正相关;
根据所述候选路径的路径位移长度确定所述候选路径的位移形态得分,其中,所述路径位移长度与所述位移形态得分成正相关;
获取预设形态因素权重,基于所述预设形态因素权重对所述旋转形态得分和所述位移形态得分加权求和,得到所述候选路径的路径形态得分。
第二方面,本发明实施例还提供了一种路径规划装置,该装置包括:
栅格地图获取模块,用于获取包括路径起点和路径终点在内的栅格地图;
候选路径规划模块,用于采用预设路径点规划方式,规划至少一条从所述路径起点至所述路径终点的候选路径,其中,所述预设路径规划方式的规划影响因素包括距离因素、旋转因素和障碍物因素;
目标路径选取模块,用于根据各所述候选路径的路径形态,从各所述候选路径中确定目标路径,所述路径形态包括路径旋转次数和路径位移长度。
第三方面,本发明实施例还提供了一种机器人设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明任意实施例所述的路径规划方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的路径规划方法。
本发明通过获取包括路径起点和路径终点在内的栅格地图,采用预设路径点规划方式,规划至少一条从路径起点至路径终点的候选路径,其中,预设路径规划方式的规划影响因素包括距离因素、旋转因素和障碍物因素,根据各候选路径的路径形态,从各候选路径中确定目标路径,路径形态包括路径旋转次数和路径位移长度。本发明在路径规划时考虑到了路径点的距离因素、旋转因素和障碍物因素,选择最优路径时也考虑到了路径中机器人需要旋转次数的影响,有效规避了机器人移动过程中不必要的旋转,解决了现有路径规划方式容易使机器人采用锯齿状移动轨迹,导致机器运行时旋转过多以及运行时间过长,以及机器人在障碍物之间频繁穿插移动,增加突发碰撞几率的问题,实现了快速有效规划机器人去锯齿化路径的效果,提高了机器人运行效率,延长了机器人的使用寿命。
附图说明
图1是本发明实施例一提供的一种路径规划方法的流程图;
图2a是本发明实施例二提供的一种路径规划方法的流程图;
图2b是本发明实施例二提供的一种路径规划方法的原理示意图;
图3是本发明实施例三提供的一种路径规划装置的结构框图;
图4是本发明实施例四提供的一种计算机设备的结构框图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构,此外,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例一
图1为本发明实施例一提供的一种路径规划方法的流程图,本实施例可适用于规划机器人移动路径的情况,本实施例中的机器人可以为扫地机、拖地机、洗地机等清洁机器人,具体以扫地机为例,该方法可以由路径规划装置来执行,该装置可以通过软件和/或硬件实现。
如图1所示,该方法具体包括如下步骤:
步骤110、获取包括路径起点和路径终点在内的栅格地图。
在本实施例中,可以将机器人当前所在的位置作为路径起点,将机器人所要到达的目标点作为路径终点。
具体的,当机器人接收到移动指令或者触发机器人移动条件时,可以采集路径起点和路径终点在内的环境信息,形成环境地图,并对地图进行栅格化处理,得到栅格地图。
步骤120、采用预设路径点规划方式,规划至少一条从路径起点至路径终点的候选路径,其中,预设路径规划方式的规划影响因素包括距离因素、旋转因素和障碍物因素。
本实施例所采用的预设路径点规划方式会参考路径点的距离因素、旋转因素和障碍物因素进行路径规划。距离因素可以理解为某一地图栅格距离路径终点的距离远近因素;旋转因素可以理解为机器人从一个地图栅格移动至另一地图栅格时是否存在旋转的因素;障碍物因素可以理解为某一地图栅格附近障碍物分布情况的因素。
实际应用中,可以从路径起点开始进行路径规划,根据路径起点周围各地图栅格的距离因素、旋转因素和障碍物因素,选择出较优的一个或多个地图栅格,然后分别以每个选出的地图栅格为起点继续进行路径规划,最终可以得到一条或多条候选路径。
可选的,步骤120可以通过以下具体步骤实现:
S1201、建立候选路径集,将路径起点添加至候选路径集,并令路径起点所在的地图栅格作为当前路径栅格。
具体的,可以建立一个初始的集合,用于存储规划好的路径栅格,该集合可以称为候选路径集,将路径起点添加至候选路径集。令路径起点所在的地图栅格作为当前路径栅格开始进行路径规划。
S1202、根据地图栅格的距离因素、旋转因素和障碍物因素,从当前路径栅格周围的地图栅格中确定至少一个候选路径栅格。
具体的,可以对当前路径栅格周围的各个地图栅格从距离因素、旋转因素和障碍物因素三个维度进行评判,分别对每个地图栅格给出一个评定得分,根据各地图栅格的评定得分从中选择得分较好的至少一个地图栅格作为候选路径栅格。
S1203、当候选路径栅格唯一时,将候选路径栅格添加至当前路径栅格所在的候选路径集中,并令候选路径栅格作为当前路径栅格重新确定新的候选路径栅格,直至新确定的候选路径栅格内包含路径终点。
具体的,在一次路径栅格的规划中,当选出的候选路径栅格只有一个时,可以将该候选路径栅格直接添加至当前路径栅格所在的候选路径集中,并且重新定义该候选路径栅格为新的当前路径栅格,返回S1202确定新的候选路径栅格。当路径终点在新确定的候选路径栅格内时,可以认为该候选路径集中包括了可以从路径起点连接路径终点的一条通路,此时可以停止路径栅格的规划查找操作。
S1204、当候选路径栅格不唯一时,根据当前路径栅格所在的候选路径集形成候选栅格数量个候选路径集,分别将各候选路径栅格添加至对应的候选路径集中,并分别令候选路径栅格作为当前路径栅格重新确定新的候选路径栅格,直至新确定的候选路径栅格内包含路径终点。
具体的,在一次路径栅格的规划中,当选出的候选路径栅格有两个或是两个以上时,说明机器人从当前路径栅格移动到任意一个候选路径栅格都是可以接受的选择,此时可以将当前路径栅格所在的候选路径集形成多个同样的候选路径集,如候选路径栅格有两个时,可以读取当前路径栅格所在的候选路径集中包含的所有集合元素,重新建立一个包含相同集合元素的候选路径集,得到两个集合元素相同的候选路径集;候选路径栅格有三个时,可以复制当前路径栅格所在的候选路径集,得到三个集合元素相同的候选路径集。形成候选栅格数量个候选路径集时,可以将每一个候选路径栅格都分别添加至一个候选路径集中,并且将每一个候选路径栅格分别作为新的当前路径栅格返回S1202确定新的候选路径栅格。对于每一个候选路径集中新添加的候选路径栅格,如果包含路径终点,即可停止路径栅格的规划查找操作。
S1205、根据各候选路径集形成对应的候选路径。
具体的,执行S1201~S1204后可以得到至少一个候选路径集,针对每一个候选路径集,可以将候选路径集中包含的路径栅格连接起来,形成一条候选路径。
步骤130、根据各候选路径的路径形态,从各候选路径中确定目标路径,路径形态包括路径旋转次数和路径位移长度。
一般情况下,机器人旋转一次需要花费较长的时间,因此在路径规划过程中需要尽量避免机器人频繁旋转;另外,机器人移动路径的总长度也影响机器人的工作效率。因此,在实际应用中,可以根据候选路径的路径形态,从路径旋转次数和路径位移长度两个方面进行评判,在各候选路径中选择最优的一条路径作为目标路径。
可选的,步骤130可以通过以下具体步骤实现:
S1301、统计各候选路径的路径旋转次数和路径位移长度,结合预设形态因素权重,确定各候选路径的路径形态得分。
具体的,可以将路径中存在的转折点的个数作为路径旋转次数,路径所经过的地图栅格数作为路径位移长度。预设形态因素权重可以理解为路径旋转次数和路径位移长度在评定路径优劣时所占的影响比重。在实际应用中,机器人旋转相较于机器人沿直线运行需要耗费更多的时间,机器人的每次旋转也可能伴随着重新定位等一系列操作,因此在选择最优路径时,可以将路径旋转次数所占的权重设置为一个较高值,将路径位移长度所占的权重设置为一个较低值。针对每个候选路径,可以根据预设形态因素权重对其进行评分,得到该候选路径的路径形态得分。
S1302、将路径形态得分最低的候选路径确定为目标路径。
在本实施例中,对规划出的候选路径进行评分时,采用的是路径形态越理想评分越低的规则,也就是说,在一条路径中,机器人旋转的次数越少,移动的长度越短,得到的路径形态得分越低,因此,可以认为路径形态得分最低的候选路径是各候选路径中最优的,将该路径作为目标路径指示机器人运行即可。
特殊的,当路径形态得分最低的候选路径不唯一时,可以优先选择路径旋转次数少的候选路径作为目标路径。
在另一种评分规则中,可以采用路径形态越理想评分越高的规则,也就是说,在一条路径中,机器人旋转的次数越少,移动的长度越短,得到的路径形态得分越高。此时,可以将路径形态得分最高的候选路径确定为目标路径。采用选取评分最高的规则与前述选取评分最低规则的原理基本一致,二者可以根据需要进行相互转换计算。
本实施例的技术方案,通过获取包括路径起点和路径终点在内的栅格地图,采用预设路径点规划方式,规划至少一条从路径起点至路径终点的候选路径,其中,预设路径规划方式的规划影响因素包括距离因素、旋转因素和障碍物因素,根据各候选路径的路径形态,从各候选路径中确定目标路径,路径形态包括路径旋转次数和路径位移长度。本发明在路径规划时考虑到了路径点的距离因素、旋转因素和障碍物因素,选择最优路径时也考虑到了路径中机器人需要旋转次数的影响,有效规避了机器人移动过程中不必要的旋转,解决了现有路径规划方式容易使机器人采用锯齿状移动轨迹,导致机器运行时旋转过多以及运行时间过长,以及机器人在障碍物之间频繁穿插移动,增加突发碰撞几率的问题,实现了快速有效规划机器人去锯齿化路径的效果,提高了机器人运行效率,延长了机器人的使用寿命。
实施例二
图2a为本发明实施例二提供的一种路径规划方法的流程图。本实施例在上述实施例的基础上,进一步优化了上述路径规划方法。
如图2a所示,该方法具体包括:
步骤210、获取包括路径起点和路径终点在内的栅格地图。
步骤220、建立候选路径集,将路径起点添加至候选路径集,并令路径起点所在的地图栅格作为当前路径栅格。
步骤230、确定当前路径栅格周围预设规划范围内的地图栅格为备选路径栅格。
其中,预设规划范围的地图栅格可以是与当前路径栅格相邻的地图栅格,一般优选为与当前路径栅格相邻且没有进行过规划的地图栅格。
步骤240、统计各备选路径栅格的距离评分、旋转评分和障碍物状况评分,并结合预设影响因素权重,确定各备选路径栅格的栅格路径评分。
具体的,可以计算各备选路径栅格与路径终点相差距离,根据相差距离给出相应的距离评分;可以根据机器人从当前路径栅格移动到各备选路径栅格的旋转情况分别给出各备选路径栅格的旋转评分;可以根据各备选路径栅格附近的障碍物分布情况给出各备选路径栅格的障碍物状况评分。将每个备选路径栅格的距离评分、旋转评分和障碍物状况评分根据预先设置好的影响因素权重,计算出该备选路径栅格的栅格路径评分。
可选的,可以分别通过以下具体步骤确定每个备选路径栅格的栅格路径评分:
S2401、根据备选路径栅格与路径终点的待移动距离确定备选路径栅格的距离评分,其中,待移动距离与距离评分成正相关。
具体的,备选路径栅格与路径终点相差的距离可以称为待移动距离,待移动距离取值越高,相应的距离评分越高,待移动距离取值越低,相应的距离评分越低。
S2402、根据备选路径栅格之前预设关联数量的候选路径栅格与备选路径栅格的共线情况,确定备选路径栅格的旋转评分。
具体的,可以根据备选路径栅格与之前的候选路径栅格是否共线,判断机器人从当前路径栅格移动至备选路径栅格是否需要旋转,由此确定备选路径栅格的旋转评分。预设关联数量可以预先设定,如设置为2或3。
进一步的,S2402可以通过以下方式具体实现:
A、将当前路径栅格所在候选路径集中与当前路径栅格关联的前一候选路径栅格作为旋转关联栅格。
B、当旋转关联栅格、当前路径栅格和备选路径栅格共线时,确定备选路径栅格的旋转评分为第一旋转得分。
C、当旋转关联栅格、当前路径栅格和备选路径栅格不共线时,确定备选路径栅格的旋转评分为第二旋转得分,其中,第一旋转得分小于第二旋转得分。
具体的,备选路径栅格、旋转关联栅格和当前路径栅格共线时,可以认为机器人从当前路径栅格移动至备选路径栅格不需要旋转,此时可以确定备选路径栅格的旋转评分为取值较小的第一旋转得分;备选路径栅格、旋转关联栅格和当前路径栅格不共线时,可以认为机器人从当前路径栅格移动至备选路径栅格需要旋转,此时可以确定备选路径栅格的旋转评分为取值较大的第二旋转得分。
S2403、确定备选路径栅格周围预设障碍物影响范围内存在障碍物的障碍物栅格数量,根据障碍物栅格数量确定备选路径栅格的障碍物状况评分,其中,障碍物状况评分与障碍物栅格数量成正相关。
具体的,备选路径栅格周围预设障碍物影响范围内存在障碍物的障碍物栅格数量越多,说明备选路径栅格周围障碍物情况复杂,对机器人移动越不利,因此,障碍物栅格数量越多时,备选路径栅格的障碍物状况评分越高,障碍物栅格数量越少时,备选路径栅格的障碍物状况评分越低。
S2404、获取预设影响因素权重,基于预设影响因素权重对距离评分、旋转评分和障碍物状况评分加权求和,得到备选路径栅格的栅格路径评分。
具体的,预设影响因素权重可以理解为距离评分、旋转评分和障碍物状况评分在评定备选路径栅格优劣时所占的影响比重。在实际应用中,机器人旋转需要耗费较多的时间,障碍物可能会影响机器人正常运行,当一个场景中十分关注机器人是否可以安全运行时,可以将障碍物状况评分对应的权重设置为一个较高值、将旋转评分对应的权重设置为一个适中值、将距离评分对应的权重设置为一个较低值;在另一场景中,主要关注机器人能否尽量避免旋转时,可以将旋转评分对应的权重设置为一个较高值、将障碍物状况评分对应的权重设置为一个适中值、将距离评分对应的权重设置为一个较低值。根据预设影响因素权重,对距离评分、旋转评分和障碍物状况评分加权求和,就可以得到备选路径栅格的栅格路径评分。
步骤250、将栅格路径评分最低的备选路径栅格确定为候选路径栅格。
在本实施例的上述步骤中,都是采用情况越优评分越低的方式,因此可以将栅格路径评分最低的备选路径栅格确定为候选路径栅格。
在另一种评分规则中,可以采用情况越理想评分越高的规则,也就是说,在确定栅格路径的评分时,可以选择待移动距离与距离评分成负相关,障碍物状况评分与障碍物栅格数量成负相关,机器人从当前路径栅格移动至备选路径栅格不需要旋转时给出较高得分、需要旋转时给出较低得分。
步骤260、当候选路径栅格唯一时,将候选路径栅格添加至当前路径栅格所在的候选路径集中,并令候选路径栅格作为当前路径栅格重新确定新的候选路径栅格,直至新确定的候选路径栅格内包含路径终点;当候选路径栅格不唯一时,根据当前路径栅格所在的候选路径集形成候选栅格数量个候选路径集,分别将各候选路径栅格添加至对应的候选路径集中,并分别令候选路径栅格作为当前路径栅格重新确定新的候选路径栅格,直至新确定的候选路径栅格内包含路径终点。
可以理解的是,每当重新指定当前路径栅格时,都可以根据步骤230~步骤250确定新的候选路径栅格。
步骤270、根据各候选路径集形成对应的候选路径。
步骤280、针对每个候选路径,根据候选路径的路径旋转次数确定候选路径的旋转形态得分,其中,路径旋转次数与旋转形态得分成正相关。
具体的,候选路径的路径旋转次数取值越高,说明机器人在移动过程中需要旋转的次数越多,相应的旋转形态得分越高;路径旋转次数取值越低,相应的旋转形态得分越低。
步骤290、根据候选路径的路径位移长度确定候选路径的位移形态得分,其中,路径位移长度与位移形态得分成正相关。
具体的,候选路径的路径位移长度取值越高,说明机器人从路径起点移动至路径终点经过的位移越长,相应的位移形态得分越高;路径位移长度取值越低,相应的位移形态得分越低。
步骤2100、获取预设形态因素权重,基于预设形态因素权重对旋转形态得分和位移形态得分加权求和,得到候选路径的路径形态得分。
在实际应用中,机器人旋转相较于机器人沿直线运行需要耗费更多的时间,因此在选择最优路径时,可以将路径旋转次数所占的权重设置为一个较高值,将路径位移长度所占的权重设置为一个较低值。针对每个候选路径,可以根据预设形态因素权重对该候选路径的旋转形态得分和位移形态得分加权求和,得到该候选路径的路径形态得分。
步骤2110、将路径形态得分最低的候选路径确定为目标路径。
具体的,由于路径旋转次数与旋转形态得分成正相关、路径位移长度与位移形态得分成正相关,候选路径的路径旋转次数越少、路径位移长度越短,得到的路径形态得分越低。也就是说,路径形态得分最低的候选路径是各候选路径中最优的,因此可以将该路径作为目标路径指示机器人运行即可。
在另一种评分规则中,可以选择路径旋转次数与旋转形态得分成负相关、路径位移长度与位移形态得分成负相关的规则,也就是说,在一条路径中,路径旋转次数越少,路径位移长度越短,得到的路径形态得分越高。此时,可以将路径形态得分最高的候选路径确定为目标路径。
示例性的,图2b是本发明实施例二提供的一种路径规划方法的原理示意图。如图2b所示,在一次路径规划,预设影响因素权重中距离因素、旋转因素和障碍物因素的权重之比可以为1:2:3,预设形态因素权重中路径旋转次数和路径位移长度的权重之比可以为2:1,路径起点在栅格地图中的栅格1中,路径终点在栅格100中。建立候选路径集A,将栅格1添加至候选路径集A中,以栅格1作为当前路径栅格,将与栅格1相邻的栅格2、栅格3和栅格4确定为备选路径栅格,分别根据预设影响因素权重计算栅格2、栅格3和栅格4的栅格路径评分,栅格3的栅格路径评分<栅格4的栅格路径评分<栅格2的栅格路径评分,因此将栅格3确定为候选路径栅格添加至候选路径集A中,此时A={栅格1,栅格3}。令栅格3作为当前路径栅格重新确定新的候选路径栅格。栅格5与栅格1、栅格3共线,旋转评分低,但是栅格5周围障碍物多,障碍物状况评分高;栅格6与栅格1、栅格3不共线,旋转评分高,但是栅格6周围障碍物少,障碍物状况评分低。通过计算,栅格3周围的栅格5和栅格6的栅格路径评分最小且相等,此时将候选路径集A进行复制,形成A1={栅格1,栅格3}和A2={栅格1,栅格3},将栅格5添加至A1中,将栅格6添加至A2中。令栅格5作为当前路径栅格重新确定新的候选路径栅格,经过多次栅格规划查找,A1中新确定的候选路径栅格为栅格100后停止规划,A1={栅格1,栅格3,栅格5,栅格7,栅格9,栅格11,栅格13,栅格15,栅格17,栅格19,栅格21,栅格23,栅格25,栅格27,栅格100}。令栅格6作为当前路径栅格重新确定新的候选路径栅格,经过多次栅格规划查找,A2中新确定的候选路径栅格为栅格100后停止规划,A2={栅格1,栅格3,栅格6,栅格8,栅格10,栅格12,栅格14,栅格16,栅格18,栅格100}。A1对应的候选路径的路径旋转次数为2、路径位移长度为14,路径形态得分为2*2+1*14=18;A2对应的候选路径的路径旋转次数为6、路径位移长度为10,路径形态得分为2*6+1*10=22,因此将A1对应的路径确定为目标路径。
本实施例的技术方案,通过获取包括路径起点和路径终点在内的栅格地图,建立候选路径集,将路径起点添加至候选路径集,并令路径起点所在的地图栅格作为当前路径栅格,统计当前路径栅格周围的备选路径栅格的距离评分、旋转评分和障碍物状况评分,并结合预设影响因素权重,确定各备选路径栅格的栅格路径评分,从备选路径栅格选取最优的候选路径栅格继续进行路径规划,将得到的每个候选路径集形成对应的候选路径,针对每个候选路径,根据候选路径的路径旋转次数确定候选路径的旋转形态得分,根据候选路径的路径位移长度确定候选路径的位移形态得分,基于预设形态因素权重对旋转形态得分和位移形态得分加权求和,得到候选路径的路径形态得分,最终将路径形态得分最低的候选路径确定为目标路径。本发明在路径规划时考虑到了路径点的距离因素、旋转因素和障碍物因素,选择最优路径时也考虑到了路径中机器人需要旋转次数的影响,有效规避了机器人移动过程中不必要的旋转,解决了现有路径规划方式容易使机器人采用锯齿状移动轨迹,导致机器运行时旋转过多以及运行时间过长,以及机器人在障碍物之间频繁穿插移动,增加突发碰撞几率的问题,实现了快速有效规划机器人去锯齿化路径的效果,提高了机器人运行效率,延长了机器人的使用寿命。
实施例三
本发明实施例所提供的路径规划装置可执行本发明任意实施例所提供的路径规划方法,具备执行方法相应的功能模块和有益效果。图3是本发明实施例三提供的一种路径规划装置的结构框图,如图3所示,该装置包括:栅格地图获取模块310、候选路径规划模块320和目标路径选取模块330。
栅格地图获取模块310,用于获取包括路径起点和路径终点在内的栅格地图;
候选路径规划模块320,用于采用预设路径点规划方式,规划至少一条从所述路径起点至所述路径终点的候选路径,其中,所述预设路径规划方式的规划影响因素包括距离因素、旋转因素和障碍物因素;
目标路径选取模块330,用于根据各所述候选路径的路径形态,从各所述候选路径中确定目标路径,所述路径形态包括路径旋转次数和路径位移长度。
本实施例的技术方案,通过获取包括路径起点和路径终点在内的栅格地图,采用预设路径点规划方式,规划至少一条从路径起点至路径终点的候选路径,其中,预设路径规划方式的规划影响因素包括距离因素、旋转因素和障碍物因素,根据各候选路径的路径形态,从各候选路径中确定目标路径,路径形态包括路径旋转次数和路径位移长度。本发明在路径规划时考虑到了路径点的距离因素、旋转因素和障碍物因素,选择最优路径时也考虑到了路径中机器人需要旋转次数的影响,有效规避了机器人移动过程中不必要的旋转,解决了现有路径规划方式容易使机器人采用锯齿状移动轨迹,导致机器运行时旋转过多以及运行时间过长,以及机器人在障碍物之间频繁穿插移动,增加突发碰撞几率的问题,实现了快速有效规划机器人去锯齿化路径的效果,提高了机器人运行效率,延长了机器人的使用寿命。
可选的,所述候选路径规划模块320,包括:
候选路径集建立子模块,用于建立候选路径集,将所述路径起点添加至所述候选路径集,并令所述路径起点所在的地图栅格作为当前路径栅格;
候选路径栅格确定子模块,用于根据地图栅格的距离因素、旋转因素和障碍物因素,从所述当前路径栅格周围的地图栅格中确定至少一个候选路径栅格;
第一路径栅格添加子模块,用于当所述候选路径栅格唯一时,将所述候选路径栅格添加至所述当前路径栅格所在的候选路径集中,并令所述候选路径栅格作为当前路径栅格重新确定新的候选路径栅格,直至新确定的候选路径栅格内包含所述路径终点;
第二路径栅格添加子模块,用于当所述候选路径栅格不唯一时,根据所述当前路径栅格所在的候选路径集形成候选栅格数量个候选路径集,分别将各所述候选路径栅格添加至对应的候选路径集中,并分别令所述候选路径栅格作为当前路径栅格重新确定新的候选路径栅格,直至新确定的候选路径栅格内包含所述路径终点;
候选路径形成子模块,用于根据各所述候选路径集形成对应的候选路径。
可选的,所述候选路径栅格确定子模块,包括:
备选路径栅格确定单元,用于确定所述当前路径栅格周围预设规划范围内的地图栅格为备选路径栅格;
栅格路径评分计算单元,用于统计各所述备选路径栅格的距离评分、旋转评分和障碍物状况评分,并结合预设影响因素权重,确定各所述备选路径栅格的栅格路径评分;
候选路径栅格确定单元,用于将栅格路径评分最低的备选路径栅格确定为候选路径栅格。
可选的,所述栅格路径评分计算单元,包括:
距离评分子单元,用于针对每个备选路径栅格,根据所述备选路径栅格与所述路径终点的待移动距离确定所述备选路径栅格的距离评分,其中,所述待移动距离与所述距离评分成正相关;
旋转评分子单元,用于根据所述备选路径栅格之前预设关联数量的候选路径栅格与所述备选路径栅格的共线情况,确定所述备选路径栅格的旋转评分;
障碍物状况评分子单元,用于确定所述备选路径栅格周围预设障碍物影响范围内存在障碍物的障碍物栅格数量,根据所述障碍物栅格数量确定所述备选路径栅格的障碍物状况评分,其中,所述障碍物状况评分与所述障碍物栅格数量成正相关;
栅格路径评分子单元,用于获取预设影响因素权重,基于所述预设影响因素权重对所述距离评分、旋转评分和障碍物状况评分加权求和,得到所述备选路径栅格的栅格路径评分。
可选的,所述旋转评分子单元,具体用于:
将所述当前路径栅格所在候选路径集中与所述当前路径栅格关联的前一候选路径栅格作为旋转关联栅格;
当所述旋转关联栅格、所述当前路径栅格和所述备选路径栅格共线时,确定所述备选路径栅格的旋转评分为第一旋转得分;否则,
确定所述备选路径栅格的旋转评分为第二旋转得分,其中,所述第一旋转得分小于所述第二旋转得分。
可选的,所述目标路径选取模块330,包括:
路径形态得分确定子模块,用于统计各所述候选路径的路径旋转次数和路径位移长度,结合预设形态因素权重,确定各所述候选路径的路径形态得分;
目标路径确定子模块,用于将路径形态得分最低的候选路径确定为目标路径。
可选的,所述路径形态得分确定子模块,包括:
旋转形态得分确定单元,用于针对每个候选路径,根据所述候选路径的路径旋转次数确定所述候选路径的旋转形态得分,其中,所述路径旋转次数与所述旋转形态得分成正相关;
位移形态得分确定单元,用于根据所述候选路径的路径位移长度确定所述候选路径的位移形态得分,其中,所述路径位移长度与所述位移形态得分成正相关;
路径形态得分确定单元,用于获取预设形态因素权重,基于所述预设形态因素权重对所述旋转形态得分和所述位移形态得分加权求和,得到所述候选路径的路径形态得分。
本实施例的技术方案,通过获取包括路径起点和路径终点在内的栅格地图,建立候选路径集,将路径起点添加至候选路径集,并令路径起点所在的地图栅格作为当前路径栅格,统计当前路径栅格周围的备选路径栅格的距离评分、旋转评分和障碍物状况评分,并结合预设影响因素权重,确定各备选路径栅格的栅格路径评分,从备选路径栅格选取最优的候选路径栅格继续进行路径规划,将得到的每个候选路径集形成对应的候选路径,针对每个候选路径,根据候选路径的路径旋转次数确定候选路径的旋转形态得分,根据候选路径的路径位移长度确定候选路径的位移形态得分,基于预设形态因素权重对旋转形态得分和位移形态得分加权求和,得到候选路径的路径形态得分,最终将路径形态得分最低的候选路径确定为目标路径。本发明在路径规划时考虑到了路径点的距离因素、旋转因素和障碍物因素,选择最优路径时也考虑到了路径中机器人需要旋转次数的影响,有效规避了机器人移动过程中不必要的旋转,解决了现有路径规划方式容易使机器人采用锯齿状移动轨迹,导致机器运行时旋转过多以及运行时间过长,以及机器人在障碍物之间频繁穿插移动,增加突发碰撞几率的问题,实现了快速有效规划机器人去锯齿化路径的效果,提高了机器人运行效率,延长了机器人的使用寿命。
实施例四
图4为本发明实施例四提供的一种机器人的结构框图,如图4所示,该机器人包括处理器410、存储器420、输入装置430和输出装置440;机器人中处理器410的数量可以是一个或多个,图4中以一个处理器410为例;机器人中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器420作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的路径规划方法对应的程序指令/模块(例如,路径规划装置中的栅格地图获取模块310、候选路径规划模块320和目标路径选取模块330)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块,从而执行机器人的各种功能应用以及数据处理,即实现上述的路径规划方法。
存储器420可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器420可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器420可进一步包括相对于处理器410远程设置的存储器,这些远程存储器可以通过网络连接至机器人。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息,以及产生与机器人的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种路径规划方法,该方法包括:
获取包括路径起点和路径终点在内的栅格地图;
采用预设路径点规划方式,规划至少一条从所述路径起点至所述路径终点的候选路径,其中,所述预设路径规划方式的规划影响因素包括距离因素、旋转因素和障碍物因素;
根据各所述候选路径的路径形态,从各所述候选路径中确定目标路径,所述路径形态包括路径旋转次数和路径位移长度。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的路径规划方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述路径规划装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种路径规划方法,其特征在于,包括:
获取包括路径起点和路径终点在内的栅格地图;
采用预设路径点规划方式,规划至少一条从所述路径起点至所述路径终点的候选路径,其中,所述预设路径规划方式的规划影响因素包括距离因素、旋转因素和障碍物因素;
根据各所述候选路径的路径形态,从各所述候选路径中确定目标路径,所述路径形态包括路径旋转次数和路径位移长度。
2.根据权利要求1所述的路径规划方法,其特征在于,所述采用预设路径点规划方式,规划至少一条从所述路径起点至所述路径终点的候选路径,包括:
建立候选路径集,将所述路径起点添加至所述候选路径集,并令所述路径起点所在的地图栅格作为当前路径栅格;
根据地图栅格的距离因素、旋转因素和障碍物因素,从所述当前路径栅格周围的地图栅格中确定至少一个候选路径栅格;
当所述候选路径栅格唯一时,将所述候选路径栅格添加至所述当前路径栅格所在的候选路径集中,并令所述候选路径栅格作为当前路径栅格重新确定新的候选路径栅格,直至新确定的候选路径栅格内包含所述路径终点;
当所述候选路径栅格不唯一时,根据所述当前路径栅格所在的候选路径集形成候选栅格数量个候选路径集,分别将各所述候选路径栅格添加至对应的候选路径集中,并分别令所述候选路径栅格作为当前路径栅格重新确定新的候选路径栅格,直至新确定的候选路径栅格内包含所述路径终点;
根据各所述候选路径集形成对应的候选路径。
3.根据权利要求2所述的路径规划方法,其特征在于,所述根据地图栅格的距离因素、旋转因素和障碍物因素,从所述当前路径栅格周围的地图栅格中确定至少一个候选路径栅格,包括:
确定所述当前路径栅格周围预设规划范围内的地图栅格为备选路径栅格;
统计各所述备选路径栅格的距离评分、旋转评分和障碍物状况评分,并结合预设影响因素权重,确定各所述备选路径栅格的栅格路径评分;
将栅格路径评分最低的备选路径栅格确定为候选路径栅格。
4.根据权利要求3所述的路径规划方法,其特征在于,所述统计各所述备选路径栅格的距离评分、旋转评分和障碍物状况评分,并结合预设影响因素权重,确定各所述备选路径栅格的栅格路径评分,包括:
针对每个备选路径栅格,根据所述备选路径栅格与所述路径终点的待移动距离确定所述备选路径栅格的距离评分,其中,所述待移动距离与所述距离评分成正相关;
根据所述备选路径栅格之前预设关联数量的候选路径栅格与所述备选路径栅格的共线情况,确定所述备选路径栅格的旋转评分;
确定所述备选路径栅格周围预设障碍物影响范围内存在障碍物的障碍物栅格数量,根据所述障碍物栅格数量确定所述备选路径栅格的障碍物状况评分,其中,所述障碍物状况评分与所述障碍物栅格数量成正相关;
获取预设影响因素权重,基于所述预设影响因素权重对所述距离评分、旋转评分和障碍物状况评分加权求和,得到所述备选路径栅格的栅格路径评分。
5.根据权利要求4所述的路径规划方法,其特征在于,所述根据所述备选路径栅格之前预设关联数量的候选路径栅格与所述备选路径栅格的共线情况,确定所述备选路径栅格的旋转评分,包括:
将所述当前路径栅格所在候选路径集中与所述当前路径栅格关联的前一候选路径栅格作为旋转关联栅格;
当所述旋转关联栅格、所述当前路径栅格和所述备选路径栅格共线时,确定所述备选路径栅格的旋转评分为第一旋转得分;否则,
确定所述备选路径栅格的旋转评分为第二旋转得分,其中,所述第一旋转得分小于所述第二旋转得分。
6.根据权利要求1所述的路径规划方法,其特征在于,所述根据各所述候选路径的路径形态,从各所述候选路径中确定目标路径,包括:
统计各所述候选路径的路径旋转次数和路径位移长度,结合预设形态因素权重,确定各所述候选路径的路径形态得分;
将路径形态得分最低的候选路径确定为目标路径。
7.根据权利要求6所述的路径规划方法,其特征在于,所述统计各所述候选路径的路径旋转次数和路径位移长度,结合预设形态因素权重,确定各所述候选路径的路径形态得分,包括:
针对每个候选路径,根据所述候选路径的路径旋转次数确定所述候选路径的旋转形态得分,其中,所述路径旋转次数与所述旋转形态得分成正相关;
根据所述候选路径的路径位移长度确定所述候选路径的位移形态得分,其中,所述路径位移长度与所述位移形态得分成正相关;
获取预设形态因素权重,基于所述预设形态因素权重对所述旋转形态得分和所述位移形态得分加权求和,得到所述候选路径的路径形态得分。
8.一种路径规划装置,其特征在于,包括:
栅格地图获取模块,用于获取包括路径起点和路径终点在内的栅格地图;
候选路径规划模块,用于采用预设路径点规划方式,规划至少一条从所述路径起点至所述路径终点的候选路径,其中,所述预设路径规划方式的规划影响因素包括距离因素、旋转因素和障碍物因素;
目标路径选取模块,用于根据各所述候选路径的路径形态,从各所述候选路径中确定目标路径,所述路径形态包括路径旋转次数和路径位移长度。
9.一种机器人,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一所述的路径规划方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111633624.3A CN114355926B (zh) | 2021-12-29 | 2021-12-29 | 一种路径规划方法、装置、机器人及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111633624.3A CN114355926B (zh) | 2021-12-29 | 2021-12-29 | 一种路径规划方法、装置、机器人及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114355926A true CN114355926A (zh) | 2022-04-15 |
CN114355926B CN114355926B (zh) | 2022-10-14 |
Family
ID=81103129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111633624.3A Active CN114355926B (zh) | 2021-12-29 | 2021-12-29 | 一种路径规划方法、装置、机器人及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114355926B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103092204A (zh) * | 2013-01-18 | 2013-05-08 | 浙江大学 | 一种混合的机器人动态路径规划方法 |
US20170277197A1 (en) * | 2016-03-22 | 2017-09-28 | Sharp Laboratories Of America, Inc. | Autonomous Navigation using Visual Odometry |
WO2018133804A1 (zh) * | 2017-01-18 | 2018-07-26 | 华为技术有限公司 | 路径规划方法和装置 |
US20200089255A1 (en) * | 2018-09-14 | 2020-03-19 | Andreas Kolling | Turn-minimizing or turn-reducing robot coverage |
CN110967019A (zh) * | 2019-11-28 | 2020-04-07 | 深圳优地科技有限公司 | 一种规划机器人局部路径的方法及机器人 |
CN112590775A (zh) * | 2020-12-22 | 2021-04-02 | 中国第一汽车股份有限公司 | 一种自动泊车方法、装置、车辆及存储介质 |
CN112747736A (zh) * | 2020-12-22 | 2021-05-04 | 西北工业大学 | 一种基于视觉的室内无人机路径规划方法 |
CN113219992A (zh) * | 2021-06-04 | 2021-08-06 | 深圳飞鼠动力科技有限公司 | 一种路径规划方法及清洁机器人 |
CN113219990A (zh) * | 2021-06-02 | 2021-08-06 | 西安电子科技大学 | 基于自适应邻域与转向代价的机器人路径规划方法 |
US20210278857A1 (en) * | 2020-03-06 | 2021-09-09 | Edda Technology, Inc. | Method and system for obstacle avoidance in robot path planning using depth sensors |
CN113405557A (zh) * | 2021-08-18 | 2021-09-17 | 科大讯飞(苏州)科技有限公司 | 路径规划方法及相关装置、电子设备、存储介质 |
CN113495566A (zh) * | 2021-08-21 | 2021-10-12 | 福州大学 | 一种基于曲率约束融合势场法的D*Lite无人车局部路径规划方法 |
CN113703452A (zh) * | 2021-08-24 | 2021-11-26 | 北京化工大学 | 一种用于大型仓储环境的agv路径规划方法 |
-
2021
- 2021-12-29 CN CN202111633624.3A patent/CN114355926B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103092204A (zh) * | 2013-01-18 | 2013-05-08 | 浙江大学 | 一种混合的机器人动态路径规划方法 |
US20170277197A1 (en) * | 2016-03-22 | 2017-09-28 | Sharp Laboratories Of America, Inc. | Autonomous Navigation using Visual Odometry |
WO2018133804A1 (zh) * | 2017-01-18 | 2018-07-26 | 华为技术有限公司 | 路径规划方法和装置 |
US20200089255A1 (en) * | 2018-09-14 | 2020-03-19 | Andreas Kolling | Turn-minimizing or turn-reducing robot coverage |
CN110967019A (zh) * | 2019-11-28 | 2020-04-07 | 深圳优地科技有限公司 | 一种规划机器人局部路径的方法及机器人 |
US20210278857A1 (en) * | 2020-03-06 | 2021-09-09 | Edda Technology, Inc. | Method and system for obstacle avoidance in robot path planning using depth sensors |
CN112747736A (zh) * | 2020-12-22 | 2021-05-04 | 西北工业大学 | 一种基于视觉的室内无人机路径规划方法 |
CN112590775A (zh) * | 2020-12-22 | 2021-04-02 | 中国第一汽车股份有限公司 | 一种自动泊车方法、装置、车辆及存储介质 |
CN113219990A (zh) * | 2021-06-02 | 2021-08-06 | 西安电子科技大学 | 基于自适应邻域与转向代价的机器人路径规划方法 |
CN113219992A (zh) * | 2021-06-04 | 2021-08-06 | 深圳飞鼠动力科技有限公司 | 一种路径规划方法及清洁机器人 |
CN113405557A (zh) * | 2021-08-18 | 2021-09-17 | 科大讯飞(苏州)科技有限公司 | 路径规划方法及相关装置、电子设备、存储介质 |
CN113495566A (zh) * | 2021-08-21 | 2021-10-12 | 福州大学 | 一种基于曲率约束融合势场法的D*Lite无人车局部路径规划方法 |
CN113703452A (zh) * | 2021-08-24 | 2021-11-26 | 北京化工大学 | 一种用于大型仓储环境的agv路径规划方法 |
Non-Patent Citations (3)
Title |
---|
刘梅: "基于栅格化视觉的机器人路径优化研究", 《计算机与数字工程》 * |
孙瑞等: "基于改进蚁群算法的移动机器人平滑路径规划", 《图学学报》 * |
许卫卫等: "改进A~*算法的物流无人机运输路径规划", 《华东交通大学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114355926B (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112068557B (zh) | 移动机器人全覆盖路径规划方法、芯片和机器人 | |
CN109540155A (zh) | 一种扫地机器人的路径规划与导航方法、计算机装置以及计算机可读存储介质 | |
WO2023155371A1 (zh) | 室内移动机器人的平稳移动全局路径规划方法 | |
CN113219992B (zh) | 一种路径规划方法及清洁机器人 | |
CN113219995A (zh) | 一种路径规划方法及清洁机器人 | |
CN112161629A (zh) | 清洁机器人的路径规划方法、装置、清洁机器人及介质 | |
CN111728535B (zh) | 一种生成清扫路径的方法、装置、电子设备及存储介质 | |
CN109363585A (zh) | 分区遍历方法、清扫方法及其扫地机器人 | |
CN113219993A (zh) | 一种路径规划方法及清洁机器人 | |
CN110772791A (zh) | 三维游戏场景的路线生成方法、装置和存储介质 | |
CN110579213A (zh) | 一种应用于低成本芯片的扫地机器人清扫路径规划导航算法 | |
CN112286189B (zh) | 一种作业路线规划方法、装置、无人设备和存储介质 | |
CN115268471B (zh) | 扫地机器人的路径生成方法及装置、存储介质 | |
CN107390700B (zh) | 机器人的动态建图方法及芯片 | |
CN106790224B (zh) | 一种控制模拟对象寻路的方法及服务器 | |
CN113189988B (zh) | 一种基于Harris算法与RRT算法复合的自主路径规划方法 | |
CN110645991A (zh) | 一种基于节点调节的路径规划方法、装置及服务器 | |
CN113009916B (zh) | 一种基于全局地图探索的路径规划方法、芯片及机器人 | |
CN112327890A (zh) | 一种基于whca*算法的水下多机器人路径规划 | |
CN114779779A (zh) | 路径规划方法、装置、计算机设备和存储介质 | |
CN111603100A (zh) | 扫地机清扫地图的存储和复用方法、及存储和复用装置 | |
CN114355926B (zh) | 一种路径规划方法、装置、机器人及存储介质 | |
Jensen et al. | Sustainable multi-robot patrol of an open polyline | |
CN111427341A (zh) | 一种基于概率地图的机器人最短预期时间目标搜索方法 | |
Mariano et al. | A generic and highly efficient parallel variant of boruvka's algorithm |
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 |