CN114995464A - 局部路径规划的控制方法及装置、机器人、存储介质 - Google Patents
局部路径规划的控制方法及装置、机器人、存储介质 Download PDFInfo
- Publication number
- CN114995464A CN114995464A CN202210846614.6A CN202210846614A CN114995464A CN 114995464 A CN114995464 A CN 114995464A CN 202210846614 A CN202210846614 A CN 202210846614A CN 114995464 A CN114995464 A CN 114995464A
- Authority
- CN
- China
- Prior art keywords
- angular velocity
- adjusted
- value interval
- preset
- speed value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000005070 sampling Methods 0.000 claims abstract description 139
- 238000012545 processing Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000002791 soaking Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research 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
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- 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
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic 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
- G05D1/0276—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)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本申请公开了局部路径规划的控制方法及装置、机器人、存储介质,该方法包括:基于机器人在当前所处点的位置信息和待行进的目标点的位置信息生成轨迹集合,并从轨迹集合包含的多条轨迹中确定出最优轨迹;获取最优轨迹对应行进方向的最优向量,并基于最优向量和机器人在所述当前所处点对应的初始向量,得到偏转角;基于偏转角对预设速度取值区间进行调整,得到包含在预设速度取值区间内的调整后的速度取值区间;从调整后的速度取值区间进行采样,得到采样数据,并基于采样数据进行局部路径规划。本申请通过最优向量和初始向量之间的偏转角对预设速度取值区间进行采样范围缩小调整,实现精准采样,进而提升局部路径规划的效率。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及局部路径规划的控制方法及装置、机器人、存储介质。
背景技术
随着自行走设备如智能机器人的发展,路径规划的重要研究方向和关键技术。目前DWA(TheDynamicWindowApproachtoCollisionAvoidance,动态窗口方法)局部规划是常用的局部规划方案,通过在配置的速度空间内采样得到预设采样数量的采样数据,基于采样数据生成多个轨迹并从中选出最优的轨迹,该轨迹对应的速度便是移动所需执行的速度。
相关技术中,DWA局部规划方案中智能机器人采样数据的预设采样数量是固定的,然而采样数量的多少会影响路径局部规划的效果,采样数量少,对应的样本数据很多时候并不能生成优质的轨迹从而确定最优速度;若增加每个维度的采样数量,又会带来过多的计算量导致计算负荷过大从而局部规划过于缓慢甚至超时导致规划失败。
因此,如何提升采样合理性以进行局部路径规划是亟待解决的问题。
发明内容
为解决上述技术问题,本申请的实施例提供了局部路径规划的控制方法及装置、机器人、计算机可读存储介质、计算机程序产品,进而至少在一定程度上提升采样合理性以进行局部路径规划。
根据本申请实施例的一个方面,提供了局部路径规划的控制方法,所述方法包括:基于机器人在当前所处点的位置信息和待行进的目标点的位置信息,生成轨迹集合,并从所述轨迹集合所包含的多条轨迹中确定出最优轨迹;获取所述最优轨迹对应行进方向的最优向量,并基于所述最优向量和所述机器人在所述当前所处点朝向的初始向量,得到偏转角;基于所述偏转角对预设速度取值区间进行调整,得到调整后的速度取值区间,所述调整后的速度取值区间被包含在所述预设速度取值区间内;从所述调整后的速度取值区间进行采样,得到采样数据,并基于所述采样数据进行局部路径规划。
根据本申请实施例的一个方面,局部路径规划的控制装置,包括:筛选模块,用于基于所述机器人在当前所处点的位置信息和待行进的目标点的位置信息,生成轨迹集合,并从所述轨迹集合所包含的多条轨迹中确定出最优轨迹;处理模块,用于所述最优轨迹对应行进方向的最优向量,并基于所述最优向量和所述机器人在所述当前所处点对应的初始向量,得到偏转角;调整模块,用于基于所述偏转角对预设速度取值区间进行调整,得到调整后的速度取值区间,所述调整后的速度取值区间被包含在所述预设速度取值区间内;规划模块,用于从所述调整后的速度取值区间进行采样,得到采样数据,并基于所述采样数据进行局部路径规划。
根据本申请实施例的一个方面,一种机器人,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述机器人如前实现所述的局部路径规划的控制方法。
根据本申请实施例的一个方面,一种计算机可读存储介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行如上所述的局部路径规划的控制方法。
根据本申请实施例的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实施例中提供的局部路径规划的控制方法。
在本申请的实施例所提供的技术方案中,从基于当前所处点的位置信息和待行进的目标点的位置信息生成的轨迹集合中确定出最优轨迹,进而基于最优轨迹对应的最优向量和当前所处点对应的初始向量得到偏转角,通过所述偏转角对预设速度取值区间进行调整,且调整后的速度取值区间被包含在所述预设速度取值区间内,即调整后的速度取值区间的采样范围更小;这样,在进行局部路径规划,在采样数量不变的前提下,从调整后的速度取值区间进行采样得到采样数据,即采样范围更加精准,能更快更精准的得到采样数据,进而完成路径规划确定行进至目标点需要执行的速度和对应轨迹,与相关技术中通过增加每个维度的采样数量来解决采样质量不高的方案相比,本申请通过在不改变采样数量基础上,缩小调整速度取值区间的采样范围,以此提高了采样精准度进而提升了局部路径规划的效率,避免了计算负荷过大导致路径规划缓慢甚至超时导致失败的情况。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。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者来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请涉及的一种执行主体的示意图。
图2是本申请的一示例性实施例示出的局部路径规划的控制方法的流程图。
图3是图2所示实施例中的步骤S201在一个示例性实施例中的流程图。
图4是图2所示实施例中的步骤S203至S204在一个示例性实施例中基于角速度采样数据进行局部路径规划的流程图。
图5是图4所示实施例中的步骤S401在一个示例性实施例中的流程图。
图6是图5所示实施例中的步骤S502在一个示例性实施例中的流程图。
图7是图2所示实施例中的步骤S203至S204在一个示例性实施例中基于线速度采样数据进行局部路径规划的流程图。
图8是图7所示实施例中的步骤S701在一个示例性实施例中的流程图。
图9是图8所示实施例中拟合弧线的示意图。
图10是图2所示实施例中的步骤S204在一示例性的实施例中的流程图。
图11是本申请的一示例性实施例示出的局部路径规划的控制装置的框图。
图12是实现本申请实施例的机器人的计算机***的结构示意图。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与本申请的一些方面相一致的装置和方法的例子。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
在本申请中提及的“多个”是指两个或者两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
相关技术中,在智能机器人的行进过程中,通常首先基于global_cost_map(全局代价地图)进行AStar寻路算法的总体前进路线的全局规划,之后在前进的过程中基于local_cost_map(局部代价地图)进行周期性的局部规划控制,从而得到每个控制周期的前进速度,以此在基于全局规划的路径的前进过程中合理地完成避障。
其中,路径的局部规划通常应用DWA局部规划,DWA(DynamicwindowApproach,动态窗口方法)是一种常用的避障规划方法,其原理主要是在速度空间(v,w)中采样多组速度,并模拟这些速度在一定时间内的运动轨迹,再通过一个评价函数对这些轨迹打分,最优轨迹对应的速度被选择出来发送给智能机器人进行驱动。该算法突出点在于动态窗口这个名词,它的含义是依据移动机器人的加减速性能限定速度采样空间在一个可行的动态范围内。这样,选择的速度可以控制智能机器人快速到达目标点,同时避免在速度搜索空间中可能与机器人发生碰撞的障碍物。该方法直接在速度空间中搜索机器人最优控制速度,将搜索空间减小到在动态约束下可达的速度,从而将机器人的动力学特性融入到该方法中。
DWA局部规划的方案的实施过程中,需要在速度空间(v,w)中采样多组速度,采样的数量是与机器人的各项结构参数相关联,每个机器人在应用DWA局部规划时都有各自固定的采样数量需求。然而采样数量的多少会影响路径局部规划的最终效果,若采样数量少,采样得到的样本数据很多时候并不能生成优质的轨迹从而确定出的并不是最优轨迹;若增加每个维度的采样数量,又会带来过多的计算量导致微型计算机的计算负荷过大,从而局部规划过于缓慢甚至超时导致规划失败,影响路径局部规划的效率。
为了解决路上问题,本申请的实施例提出的一种局部路径规划的控制方法及装置、机器人、计算机可读存储介质主要涉及智能机器人技术中包括的路径规划技术,以下将对这些实施例进行详细说明。
首先请参阅图1,图1是本申请涉及的一种执行主体的示意图。该执行主体包括机器人10。
机器人10用于从基于当前所处点的位置信息和待行进的目标点的位置信息生成的轨迹集合中确定出最优轨迹,进而基于最优轨迹对应的最优向量和当前所处点对应的初始向量得到偏转角,通过偏转角对预设速度取值区间进行调整,得到调整后的速度取值空间,并通过上述调整后的速度取值空间进行采样得到采样数据,并基于采样数据进行局部路径规划。相比于现有技术的局部路径规划的控制方案,本执行主体执行局部路径规划的控制方法能够提升局部路径规划的效率,更快更精准的得到行进至目标点需要执行的速度和对应的轨迹。
需说明的是,本方案执行主体中的机器人10可以是可自行移动的机器人,可以室内机器人,具体可包括服务机器人、娱乐机器人,例如清洁机器人、足浴机器人、送餐机器人等,本处不进行限制,如图1所示,以足浴机器人为例,足浴机器人可以自行进行路径规划,根据规划的路径在室内进行自行移动,例如,从存放处移动至用户进行足浴泡脚的位置,从而实现足浴机器人智能行走,为用户提供足浴泡脚的服务,相比于用户搬动或拖动足浴器,可以给用户提供便利,提高用户使用体验。
图2是本申请的一示例性实施例示出的局部路径规划的控制方法的流程图。该方法可以应用于图1所示的执行主体,并由图1所示的机器人10具体执行。而在其它的执行主体中,该方法可以由其它执行主体中的设备执行,本实施例不对此进行限制。
如图2所示,在一示例性实施例中,该局部路径规划的控制方法可以包括步骤S201至步骤S204,详细介绍如下:
步骤S201,基于机器人在当前所处点的位置信息和待行进的目标点的位置信息,生成轨迹集合,并从轨迹集合所包含的多条轨迹中确定出最优轨迹。
在进行局部路径规划之前,需要确定机器人当前所处点和这一控制周期结束时需要达到的点,也就是待进行的目标点,用以路径规划。本申请提供的该示例性实施例中,利用当前所处点和待行进的目标点,通过当前所处点和待行进点各自的位置信息对机器人进行轨迹预演,生成包含多条轨迹的轨迹集合,之后便能从轨迹集合中确定出最优轨迹。
步骤S202,获取最优轨迹对应行进方向的最优向量,并基于最优向量和当前所处点对应的初始向量,得到偏转角。
获取到的最优轨迹连接当前所处点和目标点,并且最优轨迹表示的是预演的机器人的前行方向和路线,故预演最优轨迹的机器人从当前所处点行进至目标点处便对应有速度向量,即最优向量;另,机器人是在行进过程中进行的局部路径规划,所以机器人在当前所处点是具有速度方向也就是初始向量的,即使当前所处点为总体行进路线的起点,机器人同样具有初始朝向可以作为初始向量。
在获取到最优轨迹对应的最优向量和机器人在当前所处点相对应的初始向量后,便能通过最优向量和初始向量之间的夹角位置关系,得到最优向量与初始向量之间的夹角作为偏转角。
步骤S203,基于偏转角对预设速度取值区间进行调整,得到调整后的速度取值区间。
预设速度取值区间是局部路径规划在实施时应用的速度采样范围,本示例性实施例通过由轨迹预演得到的最优轨迹对应的偏转角,对预设采样范围即预设速度取值区间进行调整,得到调整后的速度取值空间。
值得一提的是,调整后的速度取值区间被包含在预设速度取值区间内,也就是说对预设速度取值区间的调整是对范围值的缩小,将基于偏转角缩小调整得到的调整后的速度取值区间用于局部路径规划。
步骤S204,从调整后的速度取值区间进行采样,得到采样数据,并基于采样数据进行局部路径规划。
本示例性实施例中,将基于偏转角缩小调整得到的调整后的速度取值区间用于局部路径规划,也就是在调整后的速度取值区间进行采样得到采样数据,再基于得到的采样数据进行局部路径的规划。这样,使得局部路径规划的采样范围缩小,在采样数量不变的前提下能够通过缩小后的采样范围提高采样的精准度,进而提升局部路径规划的效率。
由上可知,在本实施例提供的方法中,从基于当前所处点的位置信息和待行进的目标点的位置信息生成的轨迹集合中确定出最优轨迹,进而基于最优轨迹对应的最优向量和当前所处点对应的初始向量得到偏转角,这样得到的偏转角,能够缩小最终局部路径规划确定的最优局部路径轨迹的所处范围;通过偏转角对预设速度取值区间进行调整,调整后的速度取值区间的采样范围更小,以此实现速度的精准采样,进而在进行局部路径规划时,从调整后的速度取值区间进行采样得到采样数据以完成路径规划。这样能够提升局部路径规划的效率,更快更精准的得到行进至目标点需要执行的速度和对应轨迹,避免了计算负荷过大导致路径规划缓慢甚至超时导致失败的情况,优化了整体路径的规划。
请参阅图3,图3是图2所示实施例中的步骤S201在一个示例性实施例中的流程图。如图3所示,步骤S201具体可以包括步骤S301至步骤S303,通过上述步骤来得到轨迹集合,详细介绍如下:
步骤S301,从目标点的位置信息获取目标点向量。
本申请中目标点是指在当前控制周期内局部规划中规划的局部路径终点,故该待行进的目标点的位置信息是包含规划到达目标点时速度的向量的。故能够从目标点的位置信息中获取出该目标点对应的目标点向量。
步骤S302,以目标点向量为基准向目标点向量两侧按照预设角度间隔进行角度偏转,得到向量集合。
获取到目标点向量后以目标点向量为基准,在目标点向量的两侧按照预设角度进行角度偏转,每次偏转便能得到新的向量,在新的向量的基础上可以继续偏转,从而根据得到的新的向量形成向量集合。其中预设角度可以依据使用者或者路径规划需求进行设置,在此不做限制。
步骤S303,分别将向量集合中包含的各个向量作为行进方向,并生成各个行进方向对应的轨迹以得到轨迹集合。
得到向量集合后,基于向量集合中包含的各个向量进行轨迹预演,也就是,以当前所处点为起点,将各个向量作为行进方向按照特定速度控制机器人移动一个控制周期生成轨迹,从而得到轨迹集合。其中,特定速度可以是当前所处点的位置信息包括的初始速度,也可以依据使用者或者路径规划需求进行设置的速度,本申请在此不做限制。
在本申请的另一实施例中,在得到轨迹集合之后步骤S201还可以包括,从轨迹集合所包含的多条轨迹中确定出最优轨迹。具体的,根据DWA的应用的代价计算方法计算轨迹集合中各个集合的代价值,并比对得出代价最优的轨迹作为最优轨迹。代价计算应用的代价函数(CostFunction)是为了找到最优解的目的函数。
本申请提供的上述示例性实施例,将从目标点的位置信息获取到的目标点向量作为基准进行角度偏转得到向量集合,再基于向量集合进行轨迹预演得到相应的轨迹集合,用以计算确定出最优轨迹。目标点向量是局部路径规划中规划的最理想向量,故在其周围通过向量偏转得到向量集合生成轨迹集合,能够进一步提升局部路径规划的效率。
本申请提供的局部路径规划的控制方法中,需要调整的预设速度取值空间至少包括预设角速度取值空间和预设线速度取值空间的其中一种。请参阅图4,图4是预设速度取值区间包括预设角速度取值区间,图2所示实施例中的步骤S203至S204在一个示例性实施例中的流程图。如图4所示,步骤S203至S204具体可以包括步骤S401至步骤S402,通过上述步骤基于偏转角对预设速度取值区间进行调整,得到调整后的速度取值区间,详细介绍如下:
步骤S401,基于偏转角对预设角速度取值区间进行调整,得到调整后的角速度取值区间。
由于该示例性实施例中,预设速度取值区间包括的是预设角速度取值区间,那么在对预设速度取值区间进行调整时,便是基于偏转角对预设角速度取值区间进行调整,同样是经缩小范围调整得到调整后的角速度取值区间。
步骤S402,从调整后的角速度取值区间所包含的多个角速度数值中进行采样,得到角速度采样数据,并基于角速度采样数据进行局部路径规划。
在进行局部路径规划控制的速度采样时,对角速度进行采样应用的便是经上述步骤得到的调整后的角速度取值区间,基于采样得到的角速度采样数据进行局部路径的规划。角速度取值区间的采样范围缩小,能够提高采样的精准度,进而提升局部路径规划的效率。
本实施例基于偏转角对预设角速度取值区间进行调整,得到调整后的角速度取值区间,应用到局部路径规划当中。这样通过对预设角速度取值区间的调整,缩小了路径规划时角速度采样的采样范围,在采样数量不变的前提下能够通过缩小后的采样范围提高角速度采样的精准度,更高效的确定出最优局部路径轨迹,进而提升局部路径规划效率,优化总体路径规划。
在本申请提供的另一示例性实施例中,如图5所示,图4所示实施例中的步骤S401可以包括步骤S501至步骤S502,具体如下:
步骤S501,基于偏转角得到拟合角速度。
偏转角是由最优向量和当前所处点对应的初始向量得到的,偏转角对应的是机器人最理想的移动路线,若机器人将最优向量作为行进方向,便会行进形成拟合的弧线路线,拟合的弧线路线的拟合角对应的角速度便为拟合角速度。
需要说明的是,本申请一示例性实施例中,拟合角速度的获取方式具体可以为,获取在第一指定旋转时长内旋转偏转角所对应的偏转角速度,并基于偏转角速度得到拟合角速度。
由于拟合的弧线路线为了路线行进的终点为规划的目标点,其对应的拟合角速度是偏转角速度的两倍,故基于偏转角速度能够得到拟合角速度。其中,第一指定旋转时长是为了能够平滑且快速的完成偏转角的旋转,第一指定旋转时长为一弹性配置,可以是当前局部路径规划的控制周期的倍数,也可以依据使用者或者路径规划需求进行设置,本申请在此不做限制。
另一示例性实施例中,拟合角速度的获取方式具体还可以为,基于偏转角得到拟合角,并获取在第二指定旋转时长内旋转拟合角所对应的拟合角速度。
由于拟合的弧线路线为了路线行进的终点为规划的目标点,其对应的拟合角同样是偏转角的两倍,故基于偏转角能够得到拟合角,进而获取在第二指定旋转时长内旋转拟合角所对应的拟合角速度,第二指定旋转时长是为了得到一个能够形成平滑的拟合弧线路线的拟合角速度,第二指定旋转时长为一弹性配置,可以是当前局部路径规划的控制周期的倍数,也可以依据使用者或者路径规划需求进行设置,在此不做限制。
步骤S502,基于拟合角速度对预设角速度取值区间进行调整,得到调整后的角速度取值区间。
拟合角速度对应的拟合的弧线路线是最理想的轨迹路线,故基于拟合角速度对预设角速度取值区间进行调整得到的调整后的角速度取值区间,是相较于预设角速度取值区间更为接近理想角速度的取值区间。
本实施例通过偏转角得到拟合角速度,再基于拟合角速度对预设角速度取值区间进行调整,进而得到调整后的角速度取值区间,应用到局部路径规划当中。这样通过对预设角速度取值区间的调整,缩小了路径规划时角速度采样的采样范围,进一步接近理想角速度所处的采样范围,能够在采样数量不变的前提下通过缩小后的采样范围提高角速度采样的精准度,更高效的确定出最优局部路径轨迹,进而提升局部路径规划效率,优化总体路径规划。
请参阅图6,图6是图5所示实施例中的步骤S502在一个示例性实施例中的流程图。如图6所示,步骤S502具体可以包括步骤S601至步骤S602,通过上述步骤对预设角速度取值区间的进行调整,详细介绍如下:
步骤S601,检测拟合角速度与预设角速度阈值之间的大小关系。
机器人在当前局部路径规划的控制过程中,基于当前所处点的位置信息和目标点的位置信息,对应有该控制周期内机器人可以达到的最大角速度,作为本申请的预设角速度阈值。基于偏转角得到拟合角速度之后,便对拟合角速度和预设角速度阈值之间的大小关系进行检测。
步骤S602,若拟合角速度小于等于预设角速度阈值,则基于预设幅度变化值和拟合角速度对预设角速度取值区间的起始值和终止值进行调整,得到调整后的角速度取值区间。
若拟合角速度小于等于预设角速度阈值,则说明拟合角速度在机器人可以达到的最大角速度的范围内,便对预设角速度取值区间进行调整。具体调整方式可以是,基于预设幅度变化值和拟合角速度对预设角速度取值区间的起始值和终止值进行调整,得到调整后的角速度取值区间,例如拟合角速度表示为WQ,预设幅度变化值为0.1的数值时,对预设角速度取值区间的起始值和终止值进行调整,得到调整后的角速度取值区间为[WQ-0.1,WQ+0.1]。其中,上述预设幅度变化值可以依据使用者或者路径规划需求进行设置,在此不做限制。
另外,若拟合角速度大于预设角速度阈值,则说明该拟合角速度对应需要机器人旋转的角度就会很大,机器人在当前所处点的加速度支持不了该拟合角速度,也就是该控制周期内没有办法达到该拟合角速度。这样,便在当前所处点基于偏转角对机器人进行角度调整,并终止该控制周期的局部路径规划。
这样,本实施例在检测到拟合角速度没有超过机器人可以达到的预设角速度阈值之后,通过拟合角速度和预设幅度变化值对预设角速度取值区间的起始值和终止值进行调整,进而得到调整后的角速度取值区间。以此提高角速度采样的精准度,进而提升局部路径规划效率,优化总体路径规划。
请参阅图7,图7是预设速度取值区间包括预设线速度取值区间,图2所示实施例中的步骤S203至S204在一个示例性实施例中的流程图。如图7所示,步骤S203至S204具体可以包括步骤S701至步骤S702,通过上述步骤在预设速度取值区间包括预设线速度取值区间时,基于偏转角对预设速度取值区间进行调整,得到调整后的速度取值区间,详细介绍如下:
步骤S701,基于偏转角对预设线速度取值区间进行调整,得到调整后的线速度取值区间。
由于该示例性实施例中,预设速度取值区间包括的是预设线速度取值区间,那么在对预设速度取值区间进行调整时,便是基于偏转角对预设线速度取值区间进行调整,同样是经缩小范围调整得到调整后的线速度取值区间。
步骤S702,从调整后的线速度取值区间所包含的多个线速度数值中进行采样,得到线速度采样数据,并基于线速度采样数据进行局部路径规划。
在进行局部路径规划控制的速度采样时,对线速度进行采样应用的便是经上述步骤得到的调整后的线速度取值区间,基于采样得到的线速度采样数据进行局部路径的规划。线速度取值区间的采样范围缩小,能够进一步提高采样的精准度,进而提升局部路径规划的效率。
这样,本实施例基于偏转角对预设线速度取值区间进行调整,得到调整后的线速度取值区间,应用到局部路径规划当中。通过对预设线速度取值区间的调整,缩小了路径规划时线速度采样的采样范围,在采样数量不变的前提下能够通过缩小后的采样范围提高线速度采样的精准度,更高效的确定出最优局部路径轨迹,进而提升局部路径规划效率,优化总体路径规划。
请参阅图8,图8是图7所示实施例中的步骤S701在一个示例性实施例中的流程图。如图8所示,步骤S701可以包括步骤S801至步骤S803,通过上述步骤来对预设线速度取值区间进行调整,得到调整后的线速度取值区间,详细介绍如下:
步骤S801,基于偏转角、当前所处点的位置信息以及目标点的位置信息,得到拟合弧线。
偏转角是由最优向量和当前所处点对应的初始向量得到的,最优向量与目标点的位置信息相关,并且偏转角对应的是机器人最理想的移动路线,若机器人将最优向量作为行进方向,便能形成拟合的弧线路线,故基于偏转角、当前所处点的位置信息以及目标点的位置信息得到拟合的弧线路线对应有拟合弧线。
如图9所示,图9是图8所示实施例中拟合弧线的示意图,其中,拟合弧线表示为M,当前所处点表示为A,目标点表示为B,偏转角表示为P,拟合角表示为Q,拟合弧线半径表示为R,弧线圆心表示为O,最优向量所处的偏航线表示为L。
步骤S802,计算拟合弧线与最优向量所处的偏航线之间的横向偏差值。
最优向量所处的偏航线指的是最优向量与初始向量之间的偏转角,经过目标点的边所处的直线,横向偏差值指的是拟合弧线与最优向量所处的偏航线最远的距离值,在图9表示为Ld。在本申请的该示例性实施例中,横向偏差值的计算公式可以是:
Ld=R(1-cos(P)),R=V0*T*K/2/abs(P);
故Ld=V0*T*K/2/abs(P)*(1-cos(abs(P))),
其中,Ld表示为横向偏差值,V0表示为当前所处点的线速度,k表示为获取偏转角速度的第一指定旋转时长,abs()表示为用于求绝对值的函数,P表示为偏转角。
步骤S803,若横向偏差值大于预设偏差阈值,则基于当前所处点的线速度对预设线速度取值区间的终止值进行调整,得到调整后的线速度取值区间。
预设偏差阈值是预设的横向偏差的上限值,若横向偏差值大于预设偏差阈值,这说明当前所处点具备的线速度过大,在局部路径规划中需要限制线速度的大小,即基于当前所处点的线速度对预设线速度取值区间的终止值进行调整,得到调整后的线速度取值区间。这样,局部路径规划线速度采样得到的线速度采样数据均是小于当前所处点的线速度的,能够控制机器人的移动速度,从而有机会在之后的DWA局部路径规划的过程中控制横向偏差。
由上可知,在本实施例提供的方法中,基于偏转角对预设线速度取值区间进行调整,得到调整后的线速度取值区间,应用到局部路径规划当中。通过横向偏差值与预设偏差阈值之间的大小关系对预设线速度取值区间的调整,在横向偏差值过大时,缩小线速度采样的采样范围,在采样数量不变的前提下能够通过缩小后的采样范围提高线速度采样的精准度,更高效的确定出最优局部路径轨迹,进而提升局部路径规划效率。
请参阅图10,图10是调整后的速度取值区间包括调整后的角速度取值区间和调整后的线速度取值区间,采样数据包括角速度采样数据和线速度采样数据的前提下,图2所示实施例中的步骤S204的基于采样数据进行局部路径规划,在一个示例性实施例中的流程图。
如图10所示,具体可以包括步骤S1001至步骤S1003,详细介绍如下:
步骤S1001,基于角速度采样数据和线速度采样数据,生成多条局部路径轨迹。
调整后的角速度取值区间和调整后的线速度取值区间,便是通过本申请提供的局部路径规划的控制方法对预设速度取值区间进行范围缩小调整后得到的。这样,在局部路径规划时,在调整后的角速度取值区间和调整后的线速度取值区间内进行均等采样,得到角速度采样数据和线速度采样数据,基于角速度采样数据和线速度采样数据,生成多条局部路径轨迹。
例如,线速度采样数据包括有前向线速度采样数x,横向线速度采样数y(y通常是1),角速度采样数据为z,那么基于角速度采样数据和线速度采样数据,生成的局部路径轨迹包括有x*y*z条。
步骤S1002,从多条局部路径轨迹中确定出最优局部路径轨迹。
确定出最优局部路径轨迹的方式为,根据代价函数及其加权值计算每个轨迹加权评分,最后得到最好评分的一个轨迹作为最优局部路径轨迹。其中代价函数是对对障碍物距离等距离值进行计算,其作用主要是用来评价轨迹是否有前后左右摇摆的可能性,旋转过大的可能性,偏离局部规划的目标点和目标点方向,与全局路径横向偏差,离障碍物过近等可能性。
步骤S1003,基于最优局部路径轨迹以及与最优局部路径轨迹相匹配的目标角速度和目标线速度,控制机器人行进。
确定最优局部路径轨迹后,便能基于最优局部路径轨迹获取相匹配的目标角速度和目标线速度,其中,目标角速度处于调整后的角速度取值区间内,目标线速度处于调整后的线速度区间内,获取目标角速度和目标线速度,便按照目标角速度和目标线速度控制机器人在最优局部路径轨迹上行进。
由此,通过本实施例的方法,对预设速度取值区间包括的预设角速度取值区间和预设线速度取值区间,均基于偏转角调整后得到调整后的角速度取值区间和调整后的线速度取值区间。这样,将基于偏转角缩小调整得到的调整后的速度取值区间用于局部路径规划,也就是在调整后的各个速度取值区间进行采样得到采样数据,再基于得到的采样数据进行局部路径的规划。这样,使得局部路径规划的角速度采样和线速度采样范围缩小,在采样数量不变的前提下能够通过缩小后的采样范围提高角速度采样和线速度采样的精准度,进而提升了局部路径规划的效率,优化了整体路径规划。
图11是本申请的一示例性实施例示出的一种局部路径规划的控制装置1100的框图。如图11所示,该装置包括:
获取模块1101,用于基于机器人在当前所处点的位置信息和待行进的目标点的位置信息,生成轨迹集合,并从轨迹集合所包含的多条轨迹中确定出最优轨迹;
处理模块1102,用于所述最优轨迹对应行进方向的最优向量,并基于所述最优向量和所述机器人在当前所处点对应的初始向量,得到偏转角;
调整模块1103,用于基于偏转角对预设速度取值区间进行调整,得到调整后的速度取值区间,调整后的速度取值区间被包含在预设速度取值区间内;
规划模块1104,用于从调整后的速度取值区间进行采样,得到采样数据,并基于采样数据进行局部路径规划。
该装置应用本申请提供的局部路径规划的控制方法,通过获取模块1101从基于当前所处点的位置信息和待行进的目标点的位置信息生成的轨迹集合中确定出最优轨迹,进而通过处理模块1102基于最优轨迹对应的最优向量和当前所处点对应的初始向量得到偏转角,再利用调整模块1103通过偏转角对预设速度取值区间进行调整,以此实现精准采样,这样,在进行局部路径规划时,规划模块1104从调整后的速度取值区间进行采样得到采样数据以完成路径规划,便能够提升局部路径规划的效率,更快更精准的得到行进至目标点需要执行的速度和对应轨迹。
在另一示例性的实施例中,获取模块1101,还用于从目标点的位置信息获取目标点向量;在目标点向量两侧按照预设角度进行角度偏转,得到向量集合;分别将向量集合中包含的各个向量作为行进方向,并生成各个行进方向对应的轨迹以得到轨迹集合。
在另一示例性的实施例中,调整模块1103,还用于基于偏转角对预设角速度取值区间进行调整,得到调整后的角速度取值区间;从调整后的角速度取值区间所包含的多个角速度数值中进行采样,得到角速度采样数据,并基于角速度采样数据进行局部路径规划。调整模块1103,还用于基于偏转角得到拟合角速度;基于拟合角速度对预设角速度取值区间进行调整,得到调整后的角速度取值区间。调整模块1103,还用于获取在第一指定旋转时长内旋转偏转角所对应的偏转角速度,并基于偏转角速度得到拟合角速度,拟合角速度是偏转角速度的两倍;或者,基于偏转角得到拟合角,拟合角是偏转角的两倍,并获取在第二指定旋转时长内旋转拟合角所对应的拟合角速度。调整模块1103,还用于检测拟合角速度与预设角速度阈值之间的大小关系;若拟合角速度小于等于预设角速度阈值,则基于预设幅度变化值和拟合角速度对预设角速度取值区间的起始值和终止值进行调整,得到调整后的角速度取值区间。
在另一示例性的实施例中,调整模块1103,还用于基于偏转角对预设线速度取值区间进行调整,得到调整后的线速度取值区间;从调整后的线速度取值区间所包含的多个线速度数值中进行采样,得到线速度采样数据,并基于线速度采样数据进行局部路径规划。调整模块1103,还用于基于偏转角、当前所处点的位置信息以及目标点的位置信息,得到拟合弧线;计算拟合弧线与最优向量所处的偏航线之间的横向偏差值;若横向偏差值大于预设偏差阈值,则基于当前所处点的线速度对预设线速度取值区间的终止值进行调整,得到调整后的线速度取值区间。
在另一示例性的实施例中,规划模块1104,还用于在调整后的速度取值区间包括调整后的角速度取值区间和调整后的线速度取值区间时,基于角速度采样数据和线速度采样数据,生成多条局部路径轨迹;从多条局部路径轨迹中确定出最优局部路径轨迹;基于最优局部路径轨迹以及与最优局部路径轨迹相匹配的目标角速度和目标线速度,控制机器人行进;其中,目标角速度处于调整后的角速度取值区间内,目标线速度处于调整后的线速度区间内。
需要说明的是,上述实施例所提供的局部路径规划的控制装置与上述实施例所提供的局部路径规划的控制方法属于同一构思,其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。上述实施例所提供的局部路径规划的控制装置在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能,本处也不对此进行限制。
本申请的实施例还提供了一种机器人,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行时,使得机器人实现上述各个实施例中提供的局部路径规划的控制方法。
图12示出了适于用来实现本申请实施例的机器人的计算机***的结构示意图。需要说明的是,图12示出的机器人的计算机***1200仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图12所示,计算机***1200包括中央处理单元(CentralProcessingUnit,CPU)1201,其可以根据存储在只读存储器(Read-OnlyMemory,ROM)1202中的程序或者从储存部分1208加载到随机访问存储器(RandomAccessMemory,RAM)1203中的程序而执行各种适当的动作和处理,例如执行上述实施例中的方法。在RAM1203中,还存储有***操作所需的各种程序和数据。CPU1201、ROM1202以及RAM1203通过总线1204彼此相连。输入/输出(Input /Output,I/O)接口1205也连接至总线1204。
以下部件连接至I/O接口1205:包括键盘、鼠标等的输入部分1206;包括诸如阴极射线管(CathodeRayTube,CRT)、液晶显示器(LiquidCrystalDisplay,LCD)等以及扬声器等的输出部分1207;包括硬盘等的储存部分1208;以及包括诸如LAN(LocalAreaNetwork,局域网)卡、调制解调器等的网络接口卡的通信部分1209。通信部分1209经由诸如因特网的网络执行通信处理。驱动器1210也根据需要连接至I/O接口1205。可拆卸介质1211,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1210上,以便于从其上读出的计算机程序根据需要被安装入储存部分1208。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分1209从网络上被下载和安装,和/或从可拆卸介质1211被安装。在该计算机程序被中央处理单元(CPU)1201执行时,执行本申请的***中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(ErasableProgrammableReadOnlyMemory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(CompactDiscRead-OnlyMemory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本申请的另一方面还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如前的局部路径规划的控制方法。该计算机可读存储介质可以是上述实施例中描述的机器人中所包含的,也可以是单独存在,而未装配入该机器人中。
本申请的另一方面还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各个实施例中提供的局部路径规划的控制方法。
以上仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内所作的任何修改、等同替换或改进等,均应包含在本申请的保护范围之内。
Claims (12)
1.局部路径规划的控制方法,其特征在于,所述方法包括:
基于机器人在当前所处点的位置信息和待行进的目标点的位置信息,生成轨迹集合,并从所述轨迹集合所包含的多条轨迹中确定出最优轨迹;
获取所述最优轨迹对应行进方向的最优向量,并基于所述最优向量和所述机器人在所述当前所处点朝向的初始向量,得到偏转角;
基于所述偏转角对预设速度取值区间进行调整,得到调整后的速度取值区间,所述调整后的速度取值区间被包含在所述预设速度取值区间内;
从所述调整后的速度取值区间进行采样,得到采样数据,并基于所述采样数据进行局部路径规划。
2.根据权利要求1所述的控制方法,其特征在于,若所述预设速度取值区间包括预设角速度取值区间,则所述基于所述偏转角对预设速度取值区间进行调整,得到调整后的速度取值区间,包括:
基于所述偏转角对所述预设角速度取值区间进行调整,得到调整后的角速度取值区间;
所述从所述调整后的速度取值区间进行采样,得到采样数据,并基于所述采样数据进行局部路径规划,包括:
从所述调整后的角速度取值区间所包含的多个角速度数值中进行采样,得到角速度采样数据,并基于所述角速度采样数据进行局部路径规划。
3.根据权利要求2所述的控制方法,其特征在于,所述基于所述偏转角对所述预设角速度取值区间进行调整,得到调整后的角速度取值区间,包括:
基于所述偏转角得到拟合角速度;
基于所述拟合角速度对所述预设角速度取值区间进行调整,得到所述调整后的角速度取值区间。
4.根据权利要求3所述的控制方法,其特征在于,所述基于所述偏转角得到拟合角速度,包括:
获取在第一指定旋转时长内旋转所述偏转角所对应的偏转角速度,并基于所述偏转角速度得到拟合角速度,所述拟合角速度是所述偏转角速度的两倍;
或者,
基于所述偏转角得到拟合角,所述拟合角是所述偏转角的两倍,并获取在第二指定旋转时长内旋转所述拟合角所对应的拟合角速度。
5.根据权利要求3所述的控制方法,其特征在于,所述基于所述偏转角对所述预设角速度取值区间进行调整,得到调整后的角速度取值区间,包括:
检测所述拟合角速度与预设角速度阈值之间的大小关系;
若所述拟合角速度小于等于所述预设角速度阈值,则基于预设幅度变化值和所述拟合角速度对所述预设角速度取值区间的起始值和终止值进行调整,得到所述调整后的角速度取值区间。
6.根据权利要求1所述的控制方法,其特征在于,若所述预设速度取值区间包括预设线速度取值区间,则所述基于所述偏转角对预设速度取值区间进行调整,得到调整后的速度取值区间,包括:
基于所述偏转角对所述预设线速度取值区间进行调整,得到调整后的线速度取值区间;
所述从所述调整后的速度取值区间进行采样,得到采样数据,并基于所述采样数据进行局部路径规划,包括:
从所述调整后的线速度取值区间所包含的多个线速度数值中进行采样,得到线速度采样数据,并基于所述线速度采样数据进行局部路径规划。
7.根据权利要求6所述的控制方法,其特征在于,所述基于所述偏转角对所述预设线速度取值区间进行调整,得到调整后的线速度取值区间,包括:
基于所述偏转角、所述当前所处点的位置信息以及所述目标点的位置信息,得到拟合弧线;
计算所述拟合弧线与所述最优向量所处的偏航线之间的横向偏差值;
若所述横向偏差值大于预设偏差阈值,则基于所述当前所处点的线速度对所述预设线速度取值区间的终止值进行调整,得到所述调整后的线速度取值区间。
8.根据权利要求1至6中任一项所述的控制方法,其特征在于,调整后的速度取值区间包括调整后的角速度取值区间和调整后的线速度取值区间,所述采样数据包括角速度采样数据和线速度采样数据;所述基于所述采样数据进行局部路径规划,包括:
基于所述角速度采样数据和所述线速度采样数据,生成多条局部路径轨迹;
从所述多条局部路径轨迹中确定出最优局部路径轨迹;
基于所述最优局部路径轨迹以及与所述最优局部路径轨迹相匹配的目标角速度和目标线速度,控制机器人行进;其中,所述目标角速度处于所述调整后的角速度取值区间内,所述目标线速度处于所述调整后的线速度区间内。
9.根据权利要求1至6中任一项所述的控制方法,其特征在于,所述目标点的位置信息包含有从所述当前所处点到所述目标点的目标点向量;所述基于机器人在当前所处点的位置信息和待行进的目标点的位置信息,生成轨迹集合,包括:
从所述目标点的位置信息中获取目标点向量;
以所述目标点向量为基准向所述目标点向量两侧按照预设角度间隔进行角度偏转,得到向量集合;
分别将所述向量集合中包含的各个向量作为行进方向,并生成各个行进方向对应的轨迹以得到所述轨迹集合。
10.局部路径规划的控制装置,其特征在于,包括:
筛选模块,用于基于机器人在当前所处点的位置信息和待行进的目标点的位置信息,生成轨迹集合,并从所述轨迹集合所包含的多条轨迹中确定出最优轨迹;
处理模块,用于所述最优轨迹对应行进方向的最优向量,并基于所述最优向量和所述机器人在所述当前所处点对应的初始向量,得到偏转角;
调整模块,用于基于所述偏转角对预设速度取值区间进行调整,得到调整后的速度取值区间,所述调整后的速度取值区间被包含在所述预设速度取值区间内;
规划模块,用于从所述调整后的速度取值区间进行采样,得到采样数据,并基于所述采样数据进行局部路径规划。
11.一种机器人,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述机器人实现如权利要求1至9中的任一项所述的局部路径规划的控制方法。
12.一种计算机可读存储介质,其特征在于,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行权利要求1至9中的任一项所述的局部路径规划的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210846614.6A CN114995464B (zh) | 2022-07-19 | 2022-07-19 | 局部路径规划的控制方法及装置、机器人、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210846614.6A CN114995464B (zh) | 2022-07-19 | 2022-07-19 | 局部路径规划的控制方法及装置、机器人、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114995464A true CN114995464A (zh) | 2022-09-02 |
CN114995464B CN114995464B (zh) | 2022-11-25 |
Family
ID=83020983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210846614.6A Active CN114995464B (zh) | 2022-07-19 | 2022-07-19 | 局部路径规划的控制方法及装置、机器人、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114995464B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024103395A1 (zh) * | 2022-11-18 | 2024-05-23 | 汤恩智能科技(上海)有限公司 | 机器人及其行进控制方法,机器人***及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111123947A (zh) * | 2019-12-31 | 2020-05-08 | 深圳前海达闼云端智能科技有限公司 | 机器人行进的控制方法、装置、电子设备、介质和机器人 |
CN111338359A (zh) * | 2020-04-30 | 2020-06-26 | 武汉科技大学 | 一种基于距离判断和角度偏转的移动机器人路径规划方法 |
CN112325884A (zh) * | 2020-10-29 | 2021-02-05 | 广西科技大学 | 一种基于dwa的ros机器人局部路径规划方法 |
CN113341962A (zh) * | 2021-05-28 | 2021-09-03 | 广州科语机器人有限公司 | 一种动态窗口循迹优化方法、装置、终端及存储介质 |
US20210339390A1 (en) * | 2020-05-04 | 2021-11-04 | X Development Llc | Trajectory planning for path-based applications |
CN113670305A (zh) * | 2020-05-13 | 2021-11-19 | 长沙智能驾驶研究院有限公司 | 泊车轨迹生成方法、装置、计算机设备和存储介质 |
CN114415670A (zh) * | 2021-12-28 | 2022-04-29 | 广州赛特智能科技有限公司 | 一种局部路径规划方法、装置、机器人及存储介质 |
CN114578808A (zh) * | 2022-01-10 | 2022-06-03 | 美的集团(上海)有限公司 | 路径规划方法、电子设备、计算机程序产品及存储介质 |
-
2022
- 2022-07-19 CN CN202210846614.6A patent/CN114995464B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111123947A (zh) * | 2019-12-31 | 2020-05-08 | 深圳前海达闼云端智能科技有限公司 | 机器人行进的控制方法、装置、电子设备、介质和机器人 |
CN111338359A (zh) * | 2020-04-30 | 2020-06-26 | 武汉科技大学 | 一种基于距离判断和角度偏转的移动机器人路径规划方法 |
US20210339390A1 (en) * | 2020-05-04 | 2021-11-04 | X Development Llc | Trajectory planning for path-based applications |
CN113670305A (zh) * | 2020-05-13 | 2021-11-19 | 长沙智能驾驶研究院有限公司 | 泊车轨迹生成方法、装置、计算机设备和存储介质 |
CN112325884A (zh) * | 2020-10-29 | 2021-02-05 | 广西科技大学 | 一种基于dwa的ros机器人局部路径规划方法 |
CN113341962A (zh) * | 2021-05-28 | 2021-09-03 | 广州科语机器人有限公司 | 一种动态窗口循迹优化方法、装置、终端及存储介质 |
CN114415670A (zh) * | 2021-12-28 | 2022-04-29 | 广州赛特智能科技有限公司 | 一种局部路径规划方法、装置、机器人及存储介质 |
CN114578808A (zh) * | 2022-01-10 | 2022-06-03 | 美的集团(上海)有限公司 | 路径规划方法、电子设备、计算机程序产品及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024103395A1 (zh) * | 2022-11-18 | 2024-05-23 | 汤恩智能科技(上海)有限公司 | 机器人及其行进控制方法,机器人***及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114995464B (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11260849B2 (en) | Method for determining lane changing trajectories for autonomous driving vehicles | |
US10137896B2 (en) | Method and system for operating autonomous driving vehicles using graph-based lane change guide | |
US20200124423A1 (en) | Labeling scheme for labeling and generating high-definition map based on trajectories driven by vehicles | |
US10429849B2 (en) | Non-linear reference line optimization method using piecewise quintic polynomial spiral paths for operating autonomous driving vehicles | |
US10691129B2 (en) | Dynamically adjustable reference line sampling point density for autonomous vehicles | |
CN110955236B (zh) | 用于自动驾驶车辆的曲率校正路径采样*** | |
CN111591306B (zh) | 自动驾驶车辆的行驶轨迹规划方法、相关设备及存储介质 | |
US20200339116A1 (en) | Method for predicting movement of moving objects relative to an autonomous driving vehicle | |
US11199842B2 (en) | Determining driving paths for autonomous driving using parallel processing | |
US20190317509A1 (en) | Novel method on moving obstacle representation for trajectory planning | |
JP6914404B2 (ja) | 車両を制御するための方法及び装置 | |
US20190220012A1 (en) | Method and system for stitching planning trajectories from consecutive planning cycles for smooth control execution of autonomous driving vehicles | |
CN110646009A (zh) | 一种基于dqn的车辆自动驾驶路径规划的方法及装置 | |
US20190315357A1 (en) | Novel method for speed adjustment of autonomous driving vehicles prior to lane change | |
CN113428137B (zh) | 泊车控制方法、装置及存储介质 | |
CN112051864A (zh) | 用于移动目标轨迹跟踪的方法及装置、设备和可读介质 | |
CN110362070B (zh) | 路径跟随方法、***、电子设备和存储介质 | |
CN114995464B (zh) | 局部路径规划的控制方法及装置、机器人、存储介质 | |
CN111123947A (zh) | 机器人行进的控制方法、装置、电子设备、介质和机器人 | |
CN113655789A (zh) | 路径跟踪方法、装置、车辆及存储介质 | |
CN110836671A (zh) | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 | |
WO2022134365A1 (zh) | 车辆调度方法、装置、***、设备及存储介质 | |
CN116279596A (zh) | 车辆控制方法、装置、电子设备和计算机可读介质 | |
CN112179368B (zh) | 一种路径数据的处理方法、装置、车辆、可读介质 | |
CN113619604A (zh) | 自动驾驶汽车的集成式决控方法、装置及存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 528322 Unit 301-2, 3rd Floor, Building 2, Integrated Science and Technology Innovation Park, No. 25, Sanle East Road, Shunjiang Community, Beijiao Town, Shunde District, Foshan City, Guangdong Province (Residence declaration) Applicant after: Foshan xingman Information Technology Co.,Ltd. Address before: 528322 No. 801-2, Block 5, Jialiyuan Business Center, No. 4, Xingye Road, Shunjiang Community Residents Committee, Beijiao Town, Shunde District, Foshan City, Guangdong Province Applicant before: Foshan xingman Information Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |