CN115586773B - 移动机器人的路径规划方法、装置、设备和介质 - Google Patents
移动机器人的路径规划方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN115586773B CN115586773B CN202211316452.1A CN202211316452A CN115586773B CN 115586773 B CN115586773 B CN 115586773B CN 202211316452 A CN202211316452 A CN 202211316452A CN 115586773 B CN115586773 B CN 115586773B
- Authority
- CN
- China
- Prior art keywords
- target
- reference line
- offset
- determining
- mobile robot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000006870 function Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 17
- 230000001133 acceleration Effects 0.000 claims description 9
- 230000036461 convulsion Effects 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000005452 bending Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G05D1/0214—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
- G05D1/0259—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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种移动机器人的路径规划方法、装置、设备和介质。该方法包括:根据移动机器人的任务信息和/或行驶区域的环境信息从候选运行模式中确定移动机器人的目标运行模式;根据目标运行模式确定候选参考线的权重值,以及根据目标运行模式从所述候选参考线中确定目标参考线;根据候选参考线的权重值确定目标参考线的目标偏移量,并根据目标偏移量和目标参考线确定目标规划路径。本技术方案依据确定的候选参考线的权重值确定了目标参考线的目标偏移量,进而依据目标偏移量为移动机器人确定合适的目标规划路径,解决了移动机器人行驶路径单一的问题,根据实际场景和机器人的工作任务为移动机器人提供灵活的行驶路径,提高了路径规划的质量。
Description
技术领域
本发明涉及机器人技术领域,尤其涉及一种移动机器人的路径规划方法、装置、设备和介质。
背景技术
近年来,随着计算机技术、控制理论和人工智能等技术的不断成熟和发展,移动机器人的研究已经发展到一个崭新阶段,而路径规划是移动机器人应用中的关键技术之一。路径规划的主要目标是在应用场景内,通过计算得到一条从初始点到目标点的无碰撞安全路径。
在现有技术中,用于路径规划的参考线一般是移动机器人行驶道路的道路中心线。而在一些特殊场景中,比如封闭区域狭窄空间中非结构化道路以及道路上存放一些动静态障碍物时,道路中心线的获取比较困难;另一方面,当用户根据实际场景灵活选择车辆行驶路径时,因为仅有一条道路中心线作为路径规划的参考线,可能导致任务执行失败。
故如何依据实际场景提供更灵活的参考线,规划更符合用户需求的路径成为亟待解决的问题。
发明内容
本发明提供了一种移动机器人的路径规划方法、装置、设备和介质,以解决对移动机器人行驶路径单一的问题,根据实际场景和机器人的工作任务为移动机器人提供灵活的行驶路径,提高了路径规划的质量。
根据本发明的一方面,提供了一种移动机器人的路径规划方法,所述方法包括:
根据移动机器人的任务信息和/或行驶区域的环境信息从候选运行模式中确定所述移动机器人的目标运行模式;
根据所述目标运行模式确定候选参考线的权重值,以及根据所述目标运行模式从所述候选参考线中确定目标参考线;其中,所述候选参考线至少包括地图路线和可行驶区域中心线;
根据所述候选参考线的权重值确定目标参考线的目标偏移量,并根据所述目标偏移量和所述目标参考线确定目标规划路径。
根据本发明的另一方面,提供了一种移动机器人的路径规划装置,所述装置包括:
运行模式确定模块,用于根据移动机器人的任务信息和/或行驶区域的环境信息从候选运行模式中确定所述移动机器人的目标运行模式;
选择模块,用于根据所述目标运行模式确定候选参考线的权重值,以及根据所述目标运行模式从所述候选参考线中确定目标参考线;其中,所述候选参考线至少包括地图路线和可行驶区域中心线;
路径规划模块,用于根据所述候选参考线的权重值确定目标参考线的目标偏移量,并根据所述目标偏移量和所述目标参考线确定目标规划路径。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的移动机器人的路径规划方法。
根据本发明的另一方面,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指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的移动机器人的路径规划方法。
本发明实施例的技术方案,通过根据移动机器人的任务信息和/或行驶区域的环境信息从候选运行模式中确定移动机器人的目标运行模式,再根据目标运行模式确定候选参考线的权重值,以及根据目标运行模式从所述候选参考线中确定目标参考线;其中,候选参考线至少包括地图路线和可行驶区域中心线,最后根据候选参考线的权重值确定目标参考线的目标偏移量,并根据目标偏移量和目标参考线确定目标规划路径。本申请技术方案依据确定的候选参考线的权重值确定了目标参考线的目标偏移量,进而依据目标偏移量为移动机器人确定合适的目标规划路径,解决了移动机器人行驶路径单一的问题,根据实际场景和机器人的工作任务为移动机器人提供灵活的行驶路径,提高了路径规划的质量。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种移动机器人的路径规划方法的流程图;
图2是本发明实施例所适用的行驶区域的结构示意图;
图3是本发明实施例所适用的坐标转换图;
图4是根据本发明实施例三提供的一种移动机器人的路径规划装置的结构示意图;
图5是实现本发明实施例的移动机器人的路径规划方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“候选”、“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种移动机器人的路径规划方法的流程图,本实施例可适用于根据移动机器人执行的任务以及行驶区域的信息,为移动机器人规划合适运行路径的情况,该方法可以由移动机器人的路径规划装置来执行,该移动机器人的路径规划装置可以采用硬件和/或软件的形式实现,该移动机器人的路径规划装置可配置于具有移动机器人的路径规划方法的电子设备中。如图1所示,该方法包括:
S110、根据移动机器人的任务信息和/或行驶区域的环境信息从候选运行模式中确定所述移动机器人的目标运行模式。
其中,移动机器人可以是是自动执行工作的机器装置,可以接受用户指挥,又可以运行预先编排的程序,也可以根据以人工智能技术制定的原则纲领行动。例如,自动导引运输车AGV、清洁机器人和搬运机器人等。任务信息可以是移动机器人所要执行的任务的信息,如泊车任务、入库任务或上下客任务等。环境信息可以是指移动机器人所要行驶区域的环境情况,如行驶区域道路上的障碍物信息和路面信息等环境情况。
候选运行模式可以是根据移动机器人不同的任务信息和/或行驶区域的环境信息所确定的,以使移动机器人根据目标运行模式在行驶区域更好的运行以及执行任务。可选的,候选运行模式至少包括:地图导航模式、地图偏移导航模式、可行驶区域导航模式、任务模式和综合导航模式。在不同的运行模式下,机器人对最终行驶路线的要求不同,确定的目标运行模式是指移动机器人运行的优先模式,在该优先模式下,使得机器人的最终行驶路线更加贴合环境要求或者执行任务要求。
具体的,获取移动机器人的任务信息和/或行驶区域的环境信息,通过分析任务信息和/或环境信息,并获取分析结果,将分析结果与候选运行模式进行匹配,选择适合移动机器人的运行模式作为目标运行模式,进而确保为移动机器人规划合适的路径。示例性的,将分析结果和候选运行模式进行匹配可以采用人工操作选择的方式,也可以预设根据各种任务信息的重要程度和环境信息的复杂程度为各候选运行模式设置优先顺序,环境信息的复杂程度可以根据机器人行驶环境中的障碍物信息以及道路边缘行驶安全程度进行确定,例如按照任务模式、可行驶区域导航模式、地图偏移导航模式、地图模式、综合导航模式的优先顺序等;以及当机器人自动检测当前环境中的障碍物信息以及道路边缘信息,可以自动调整地图偏移导航模式下的预期横向偏移量。S120、根据所述目标运行模式确定候选参考线的权重值,以及根据所述目标运行模式从所述候选参考线中确定目标参考线;其中,所述候选参考线至少包括地图路线和可行驶区域中心线。
其中,权重值可以是指在目标运行模式中,候选参考线在目标规划路径中的影响比重值。候选参考线可以是在各个候选运行模式下的参考线,可依据参考线指引移动机器人移动。目标参考线是指机器人在当前目标运行模式下的主要参考路线。地图路线可以是指地图上显示的运行路线,例如导航***上显示的从当前点到达最终目的地的路线。可行驶区域中心线可以是通过对行驶区域道路信息的分析获取的更加适合移动机器人在可行驶区域行驶的路线。可行驶区域中心线可以根据地图路线和行驶区域的道路信息以及障碍物边界信息进行确定。
可选的,目标运行模式也可以分路段设置,比如执行任务路段中按照任务模式导航;没有执行任务路段中可以调整为地图模式或者可行使区域模式等等。再比如在封闭区域狭窄空间中的非结构化道路以及道路上存放一些动静态障碍物时,可行驶区域中心线的准确获取比较困难,可以自动选择其他路径参考线,如地图路线,以及修改参考线的权重值;再比如执行任务时,需要进行自动泊车任务或者靠边停车任务时,选择任务参考线作为目标参考线,任务参考线可以是根据道路边缘进行确定的候选参考线,在本发明中可以依据实际场景提供更灵活的候选参考线作为目标参考线。
在一个可行的实施例中,根据所述目标运行模式确定候选参考线的权重值,可包括如下步骤A1-A2:
步骤A1、预先建立候选运行模式与候选参考线的权重值的映射关系。
步骤A2、根据所述目标运行模式和所述映射关系确定对应的候选参考线的权重值。
具体的,获取候选运行模式和与之对应的候选参考线,分别确定在不同的移动机器人的任务信息和行驶区域的环境信息下,候选运行模式和与之对应的候选参考线之间的权重值,并建立候选运行模式与候选参考线的权重值的映射关系,进而当为移动机器人确定了目标运行模式后,可根据映射关系确定对应的候选参考线的权重值,以根据权重值确定不同候选参考线对最终规划路径的影响程度,提高最终规划路径的准确度。
示例性的,在地图导航模式和地图偏移导航模式下,对应的候选参考线的权重值设置为地图路线的权重值大于可行驶区域中心线的权重值;在任务模式下,对应的候选参考线的权重值可以根据不同任务类型进行设置,例如当任务类型为道路中间执行类型时,对应的候选参考线的权重值设置为地图路线的权重值小于可行驶区域中心线的权重值,当任务类型为道路两侧执行类型时,对应的候选参考线的权重值设置为地图路线的权重值大于可行驶区域中心线的权重值,或者候选参考线包括任务参考线时,任务参考线的权重值大于地图路线和可行驶区域中心线的权重值;在可行驶区域导航模式下,对应的候选参考线的权重值设置为可行驶区域中心线的权重值大于地图路线的权重值;在综合导航模式下,综合各条候选参考线影响,赋予不同的权重值。
本技术方案,通过预先建立候选运行模式与候选参考线的权重值的映射关系,可明确清楚不同目标运行模式下,对应的候选参考线在目标运行模式中的权重值,进而有利于后续依据权重值准确的确定目标参考线的目标偏移量,目标偏移量可以使得目标参考线更平滑,解决曲率变化较大对路径的影响。
在一个可行的实施例中,根据所述目标运行模式从所述候选参考线中确定目标参考线,可包括如下步骤B1-B3:
步骤B1、若所述目标运行模式为地图导航模式、地图偏移导航模式以及任务模式,则所述目标参考线为地图路线。
步骤B2、若所述目标运行模式为可行驶区域导航模式,则所述目标参考线为可行驶区域中心线;
步骤B3、若所述目标运行模式为综合导航模式,则所述目标参考线根据所述地图路线和所述可行驶区域中心线综合确定。
其中,地图导航模式可以是根据地图上显示的参考线指示移动机器人运行的模式,即在道路中间行驶。地图偏移导航模式可以是根据地图上显示的按照偏移量的进行偏移后的参考线指示移动机器人运行的模式,即按照偏移量在道路的左侧或者右侧行驶。其中,地图偏移导航模式中包括地图路线的预期横向偏移量,即参考线向道路左侧或者向道路右侧的偏移量,参考线沿法向向道路右侧偏移loffset距离,loffset即为预期横向偏移量。任务模式可以是指在移动机器人的运行过程中,根据具体任务信息确定参考线的偏移量以指示移动机器人运行的模式,即在道路上行驶时并不按照一条固定参考线行驶,移动机器人运行至不同位置时,对最优规划路径进行决策,由规划模块完成循迹、绕障、换道等局部路径规划供移动机器人跟随。综合导航模式下的目标参考线可以根据实际情况综合各条候选参考线的影响程度进行综合确定,例如根据候选参考线的不同权重值综合确定目标参考线。
具体的,获取移动机器人的任务信息和行驶区域的环境信息,并通过分析从候选运行模式中确定移动机器人的目标运行模式,若目标运行模式为地图导航模式、地图偏移导航模式以及任务模式,则目标参考线为地图路线,即依据地图路线主要路线为移动机器人规划路线;若目标运行模式为可行驶区域导航模式,则目标参考线为可行驶区域中心线,即依据可行驶区域中心线为主要路线为移动机器人规划路线。
本技术方案,通过分析移动机器人的任务信息和/或行驶区域的环境信息后准确确定了目标运行模式,则依据目标运行模式可以准确从候选参考线中确定为移动机器人进行路径规划的目标参考线,并且不同的运行模式对应不同候选参考线的权重值,根据目标参考线和候选参考线的权重值计算目标参考线偏移量,基于目标偏移量对目标参考线进行平滑优化处理,防止最终得到的规划路径突变,进一步提高路径规划的准确度。
S130、根据所述候选参考线的权重值确定目标参考线的目标偏移量,并根据所述目标偏移量和所述目标参考线确定目标规划路径。
其中,目标偏移量可以是目标参考线与实际目标移动机器人运行路线的偏移量。通过准确的确定目标偏移量后,则可依据目标偏移量对目标参考线进行修正,进而可以准确确定为移动机器人规划的目标规划路径。
在一个可行的实施例中,根据所述候选参考线的权重值确定目标参考线的目标偏移量,可包括如下步骤C1-C2:
步骤C1、根据所述候选参考线以及所述权重值确定偏移量目标函数。
步骤C2、确定所述偏移量目标函数的值最小时对应的偏移量为目标参考线的目标偏移量。
具体的,获取在目标运行模式下各候选参考线的权重值,依据权重值建立偏移量目标函数,并通过准确计算获得目标函数的值最小时对应的偏移量,并将此偏移量确定为目标参考线的目标偏移量。
其中,偏移量目标函数的确定公式可如下所示:
其中,J表示偏移量目标函数,wref表示地图路线的权重值,wcenter表示可行驶区域中心线的权重值,li表示目标参考线上的第i个采样点偏移量,N表示目标参考线上的采样点总数,loffset表示地图路线的预期横向偏移量,lcenteri表示可行驶区域中心线上第i个采样点的位置。
示例性的,在地图导航模式和地图偏移导航模式下,地图路线的权重值可以设置为0.8,可行驶区域中心线的权重值可以设为0.2,对具体权重值的设置值并不作限定,权重值的大小为了体现候选参考线对不同运行模式下最终目标规划路径的影响程度。
此外,偏移量目标函数中的约束条件还包括如下至少一种横向位移、横向速度、横向加速度、横向加加速度和路径曲率。
可选的,包括全部约束条件时,获取在偏移量目标函数中的这些约束条件的权重值,并对偏移量目标函数进行重新确定,偏移量目标函数的确定公式可如下所示:
其中,wl表示横向位移权重,wl′表示横向速度权重,wl″横向加速度权重,wl″′横向加加速度权重,wc表示路径曲率权重,l′i表示目标参考线上第i个采样点的横向速度,l″i表示目标参考线上第i个采样点的横向加速度,l″′i表示目标参考线上第i个采样点的横向加加速度,ci表示目标参考线上第i个采样点的路径曲率。
可选的,上述偏移量目标函数的确定公式中的约束条件可以根据实际情况进行增删。
本技术方案提供多条候选参考线,移动机器人可以根据实际情况(如自身的任务、周围环境信息等)自动选择适合当前的目标运行模式,进而确定目标参考线以及候选参考线对应的权重值,并依据权重值准确建立了偏移量目标函数,以通过对偏移量目标函数进行求解准确获得目标参考线的目标偏移量,再利用目标偏移量对目标参考线进行平滑修正,避免因为目标参考线弯曲程度大或者弯曲线路太多而导致移动机器人无法平滑前行,实现了移动机器人在运行过程中可以平滑行驶,以及确保了目标规划路径的准确性。
本发明实施例的技术方案,通过根据移动机器人的任务信息和/或行驶区域的环境信息从候选运行模式中确定移动机器人的目标运行模式,再根据目标运行模式确定候选参考线的权重值,以及根据目标运行模式从所述候选参考线中确定目标参考线;其中,候选参考线至少包括地图路线和可行驶区域中心线,最后根据候选参考线的权重值确定目标参考线的目标偏移量,并根据目标偏移量和目标参考线确定目标规划路径。本申请技术方案依据确定的候选参考线的权重值确定了目标参考线的目标偏移量,进而依据目标偏移量为移动机器人确定合适的目标规划路径,解决了移动机器人行驶路径单一的问题,根据实际场景和机器人的工作任务为移动机器人提供灵活的行驶路径,进一步的提高了路径规划的质量,降低了规划时间。此外,本申请还可适用多种场景,如自动驾驶车辆行泊一体、自动驾驶车辆自动充电以及自动驾驶自动入库取放货等,实现了移动机器人的多场景应用。
实施例二
图2为本发明实施例所适用的行驶区域的结构示意图,本实施例是对上述实施例中可行驶区域中心线的确定做详细的描述。参见图2,1为预设道路左侧最大边界lmin,2为预设道路右侧最大边界lmax,3为移动机器人,4为行驶区域道路的障碍物5为可行驶区域道路的中心线lcenteri,6为可行驶区域边界lupper_i和llower_i,7为道路边缘
本实施例中,首先在移动机器人进行路径规划之前,获取地图路线和行驶区域的道路信息以及障碍物边界信息,通过对地图路线进行分析可以准确确定移动机器人执行任务时前后一定距离范围(Lback,Lforward)的地图路线,并按照沿道路前进方向,每隔sstep距离进行采样,则采样点数为:
N=(Lback+Lforward)/sstep
同时,确定道路边界坐标信息(即预设道路左侧最大边界1的坐标信息和预设道路右侧最大边界2的坐标信息),再依据不规则道路可行驶区域、静态障碍物、低速动态障碍物可行驶间隙以及道路边界坐标信息可准确确定可行驶区域边界6,进而精准确定可行驶区域范围。
可行驶区域范围确定后,再对可行驶区域的道路信息以及障碍物边界信息进行分析,以准确获得道路各个位置的坐标信息以及障碍物边界的坐标信息,则将障碍物的边界坐标信息、道路边界坐标信息以及道路各个位置的坐标信息进行计算,以准确获得可行驶区域中心线上各个点的坐标信息,进而可以准确确定可行驶区域中心线。
可选的,可行驶区域中心线根据如下公式进行确定:
其中,lcenteri表示可行驶区域中心线上第i个采样点的坐标信息,表示行驶路径上第i个点的可行驶区域右侧边界坐标信息,lupper_i表示行驶路径上第i个点的最大可行驶区域右侧边界坐标信息,lsafe表示移动机器人外轮廓与道路边缘的最小安全距离,carwidth表示移动机器人的宽度,/>表示行驶路径上第i个点的道路右边界边缘坐标信息,/>表示行驶路径上第i个点的右侧障碍物边界坐标信息,lmax表示预设道路右侧最大边界坐标信息,/>表示行驶路径上第i个点的可行驶区域左侧边界坐标信息,llower_i表示行驶路径上第i个点的最大可行驶区域左侧边界坐标信息,/>表示行驶路径上第i个点的道路左边界边缘坐标信息,/>表示行驶路径上第i个点的左侧障碍物边界坐标信息,lmin表示预设道路左侧最大边界坐标信息。
具体的,上述坐标信息是在道路坐标系下,道路坐标系根据道路前进方向进行建立,在道路左边,将障碍物边界坐标、道路边缘坐标以及预设最大边界坐标中的最大值作为实际最大可行驶区域的边界坐标,其中,道路边缘坐标是不规则行驶道路的实际边缘。同理,为了保证机器人在可行驶区域内行驶的安全性,在道路左边,将障碍物边界坐标、道路边缘坐标以及预设最大边界坐标中的最小值作为实际最大可行驶区域的边界坐标,以规避开所有对机器人行驶造成干扰的因素。进一步的,为了保证机器人在可行驶区域内行驶的安全性,根据移动机器人的宽度以及和道路边缘的预留安全距离进一步确定可行驶区域的边界信息。
本申请方案中,坐标信息均为道路坐标信息,在确定目标规划路径的过程中,可以将各个坐标信息转化为全局坐标信息,以使坐标信息可以更加清楚明了,参见图3,在将道路坐标转化为全局坐标时,需要先确定道路参考线s在全局坐标系下的航向角yawi,再依据航向角和预期横向偏移量loffset确定全局坐标系下的坐标点,可根据如下公式进行确定:
x′ref_i=xi+loffset*sin(yawi)
y′ref_i=yi+loffset*cos(yawi)
其中,(xi,yi)为道路坐标,(x′ref_i,y′ref_i)为全局坐标。
本技术方案,通过对地图路线和行驶区域的道路信息以及障碍物边界信息进行分析,准确获得了移动机器人的可行驶区域以及在可行驶区域中行驶时的可行驶区域中心线,以为移动机器人的行驶路线提供参考线,进而可以在路径规划中,可以是利用多种参考线为移动机器人规划合适的路径,实现路径规划的准确性。
实施例三
图4为本发明实施例三提供的一种移动机器人的路径规划装置的结构示意图。如图4所示,该装置包括:
运行模式确定模块210,用于根据移动机器人的任务信息和/或行驶区域的环境信息从候选运行模式中确定所述移动机器人的目标运行模式。
选择模块220,用于根据所述目标运行模式确定候选参考线的权重值,以及根据所述目标运行模式从所述候选参考线中确定目标参考线;其中,所述候选参考线至少包括地图路线和可行驶区域中心线。
路径规划模块230,用于根据所述候选参考线的权重值确定目标参考线的目标偏移量,并根据所述目标偏移量和所述目标参考线确定目标规划路径。
可选的,路径规划模块包括偏移量确定单元,具体用于:
根据所述候选参考线以及所述权重值确定偏移量目标函数;
确定所述偏移量目标函数的值最小时对应的偏移量为目标参考线的目标偏移量;
其中,所述偏移量目标函数的确定公式如下所示:
其中,J表示偏移量目标函数,wref表示地图路线的权重值,wcenter表示可行驶区域中心线的权重值,li表示目标参考线上的第i个采样点偏移量,N表示目标参考线上的采样点总数,loffset表示地图路线的预期横向偏移量,lcenteri表示可行驶区域中心线上第i个采样点的位置。
可选的,所述偏移量目标函数中的约束条件还包括如下至少一种:横向位移、横向速度、横向加速度、横向加加速度和路径曲率。
可选的,所述偏移量目标函数的确定公式如下所示:
其中,wl表示横向位移权重,wl′表示横向速度权重,wl″横向加速度权重,wl″′横向加加速度权重,wc表示路径曲率权重,l′i表示目标参考线上第i个采样点的横向速度,l″i表示目标参考线上第i个采样点的横向加速度,l″′i表示目标参考线上第i个采样点的横向加加速度,ci表示目标参考线上第i个采样点的路径曲率。
可选的,选择模块包括权重值确定单元,具体用于:
预先建立候选运行模式与候选参考线的权重值的映射关系;
根据所述目标运行模式和所述映射关系确定对应的候选参考线的权重值。
可选的,所述候选运行模式至少包括:地图导航模式、地图偏移导航模式、可行驶区域导航模式、任务模式以及综合导航模式;所述地图偏移导航模式中包括地图路线的预期横向偏移量;
可选的,选择模块包括参考线确定单元,具体用于:
若所述目标运行模式为地图导航模式、地图偏移导航模式以及任务模式,则所述目标参考线为地图路线;
若所述目标运行模式为可行驶区域导航模式,则所述目标参考线为可行驶区域中心线;
若所述目标运行模式为综合导航模式,则所述目标参考线根据所述地图路线和所述可行驶区域中心线综合确定。
本发明实施例所提供的移动机器人的路径规划装置可执行本发明任意实施例所提供的移动机器人的路径规划方法,具备执行方法相应的功能模块和有益效果。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定,且不违背公序良俗。
实施例四
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实现本发明实施例的移动机器人的路径规划方法的电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如方法移动机器人的路径规划。
在一些实施例中,方法移动机器人的路径规划可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的方法移动机器人的路径规划的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法移动机器人的路径规划。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的***和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种移动机器人的路径规划方法,其特征在于,包括:
根据移动机器人的任务信息和/或行驶区域的环境信息从候选运行模式中确定所述移动机器人的目标运行模式;其中,所述候选运行模式至少包括:地图导航模式、地图偏移导航模式、可行驶区域导航模式、任务模式以及综合导航模式;
根据所述目标运行模式确定候选参考线的权重值,以及根据所述目标运行模式从所述候选参考线中确定目标参考线;其中,所述候选参考线至少包括地图路线和可行驶区域中心线;
根据所述候选参考线的权重值确定目标参考线的目标偏移量,并根据所述目标偏移量和所述目标参考线确定目标规划路径;
其中,根据所述候选参考线的权重值确定目标参考线的目标偏移量,包括:
根据所述候选参考线以及所述权重值确定偏移量目标函数;
确定所述偏移量目标函数的值最小时对应的偏移量为目标参考线的目标偏移量。
2.根据权利要求1所述的方法,其特征在于,所述偏移量目标函数的确定公式如下所示:
其中,/>表示偏移量目标函数,表示地图路线的权重值,/>表示可行驶区域中心线的权重值,/>表示目标参考线上的第i个采样点偏移量,/>表示目标参考线上的采样点总数,/>表示地图路线的预期横向偏移量,/>表示可行驶区域中心线上第i个采样点的位置。
3.根据权利要求1所述的方法,其特征在于,所述偏移量目标函数中的约束条件还包括如下至少一种:横向位移、横向速度、横向加速度、横向加加速度和路径曲率。
4.根据权利要求3所述的方法,其特征在于,所述偏移量目标函数的确定公式如下所示:
其中,/>表示横向位移权重,/>表示横向速度权重,/>横向加速度权重,/>横向加加速度权重,/>表示路径曲率权重,/>表示目标参考线上第i个采样点的横向速度,/>表示目标参考线上第i个采样点的横向加速度,表示目标参考线上第i个采样点的横向加加速度,/>表示目标参考线上第i个采样点的路径曲率。
5.根据权利要求1-4任一所述的方法,其特征在于,根据所述目标运行模式确定候选参考线的权重值,包括:
预先建立候选运行模式与候选参考线的权重值的映射关系;
根据所述目标运行模式和所述映射关系确定对应的候选参考线的权重值。
6.根据权利要求1所述的方法,其特征在于,所述地图偏移导航模式中包括地图路线的预期横向偏移量。
7.根据权利要求1所述的方法,其特征在于,根据所述目标运行模式从所述候选参考线中确定目标参考线,包括:
若所述目标运行模式为地图导航模式、地图偏移导航模式以及任务模式,则所述目标参考线为地图路线;
若所述目标运行模式为可行驶区域导航模式,则所述目标参考线为可行驶区域中心线;
若所述目标运行模式为综合导航模式,则所述目标参考线根据所述地图路线和所述可行驶区域中心线综合确定。
8.一种移动机器人的路径规划装置,其特征在于,包括:
运行模式确定模块,用于根据移动机器人的任务信息和/或行驶区域的环境信息从候选运行模式中确定所述移动机器人的目标运行模式;其中,所述候选运行模式至少包括:地图导航模式、地图偏移导航模式、可行驶区域导航模式、任务模式以及综合导航模式;
选择模块,用于根据所述目标运行模式确定候选参考线的权重值,以及根据所述目标运行模式从所述候选参考线中确定目标参考线;其中,所述候选参考线至少包括地图路线和可行驶区域中心线;
路径规划模块,用于根据所述候选参考线的权重值确定目标参考线的目标偏移量,并根据所述目标偏移量和所述目标参考线确定目标规划路径;
其中,所述路径规划模块包括:
偏移量确定单元,用于:
根据所述候选参考线以及所述权重值确定偏移量目标函数;
确定所述偏移量目标函数的值最小时对应的偏移量为目标参考线的目标偏移量。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的移动机器人的路径规划方法。
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指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的移动机器人的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211316452.1A CN115586773B (zh) | 2022-10-26 | 2022-10-26 | 移动机器人的路径规划方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211316452.1A CN115586773B (zh) | 2022-10-26 | 2022-10-26 | 移动机器人的路径规划方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115586773A CN115586773A (zh) | 2023-01-10 |
CN115586773B true CN115586773B (zh) | 2023-09-01 |
Family
ID=84782064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211316452.1A Active CN115586773B (zh) | 2022-10-26 | 2022-10-26 | 移动机器人的路径规划方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115586773B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110377041A (zh) * | 2019-08-08 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 参考线生成方法、装置、终端设备及存储介质 |
CN111332285A (zh) * | 2018-12-19 | 2020-06-26 | 长沙智能驾驶研究院有限公司 | 车辆避开障碍物的方法及装置、电子设备和存储介质 |
EP3699046A1 (en) * | 2019-02-22 | 2020-08-26 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for processing driving reference line, and vehicle |
CN112859829A (zh) * | 2019-11-28 | 2021-05-28 | 北京百度网讯科技有限公司 | 一种车辆控制方法、装置、电子设备和介质 |
CN113776547A (zh) * | 2021-03-16 | 2021-12-10 | 京东鲲鹏(江苏)科技有限公司 | 路径规划方法、装置、设备及存储介质 |
CN114802298A (zh) * | 2022-03-25 | 2022-07-29 | 北京智行者科技有限公司 | 连续参考线决策方法及装置、车辆、存储介质 |
CN116118780A (zh) * | 2023-02-27 | 2023-05-16 | 重庆长安汽车股份有限公司 | 一种车辆避障轨迹规划方法、***、车辆及存储介质 |
-
2022
- 2022-10-26 CN CN202211316452.1A patent/CN115586773B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111332285A (zh) * | 2018-12-19 | 2020-06-26 | 长沙智能驾驶研究院有限公司 | 车辆避开障碍物的方法及装置、电子设备和存储介质 |
EP3699046A1 (en) * | 2019-02-22 | 2020-08-26 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for processing driving reference line, and vehicle |
CN110377041A (zh) * | 2019-08-08 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 参考线生成方法、装置、终端设备及存储介质 |
CN112859829A (zh) * | 2019-11-28 | 2021-05-28 | 北京百度网讯科技有限公司 | 一种车辆控制方法、装置、电子设备和介质 |
CN113776547A (zh) * | 2021-03-16 | 2021-12-10 | 京东鲲鹏(江苏)科技有限公司 | 路径规划方法、装置、设备及存储介质 |
CN114802298A (zh) * | 2022-03-25 | 2022-07-29 | 北京智行者科技有限公司 | 连续参考线决策方法及装置、车辆、存储介质 |
CN116118780A (zh) * | 2023-02-27 | 2023-05-16 | 重庆长安汽车股份有限公司 | 一种车辆避障轨迹规划方法、***、车辆及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115586773A (zh) | 2023-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110260867B (zh) | 一种机器人导航中位姿确定、纠正的方法、设备及装置 | |
US20220107647A1 (en) | Speed planning method and apparatus, electronic device and storage medium | |
CN113682318B (zh) | 车辆行驶控制方法及装置 | |
CN109916421B (zh) | 路径规划方法及装置 | |
CN113377888A (zh) | 训练目标检测模型和检测目标的方法 | |
CN113183975B (zh) | 自动驾驶车辆的控制方法、装置、设备以及存储介质 | |
CN114815851A (zh) | 机器人跟随方法、装置、电子设备以及存储介质 | |
CN114003613A (zh) | 高精地图车道线更新方法、装置、电子设备以及存储介质 | |
CN114386599B (zh) | 训练轨迹预测模型和轨迹规划的方法和装置 | |
CN116499487B (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
CN114387576A (zh) | 一种车道线识别方法、***、介质、设备及信息处理终端 | |
CN113978465A (zh) | 一种变道轨迹规划方法、装置、设备以及存储介质 | |
CN117261880A (zh) | 一种车辆控制方法、装置、设备以及存储介质 | |
CN115586773B (zh) | 移动机器人的路径规划方法、装置、设备和介质 | |
CN113119999A (zh) | 自动驾驶特征的确定方法、装置、设备、介质及程序产品 | |
CN115792985A (zh) | 一种车辆定位方法、装置、电子设备、存储介质及车辆 | |
CN115900697B (zh) | 对象运动轨迹信息处理方法、电子设备以及自动驾驶车辆 | |
CN115497322A (zh) | 一种窄路会车方法、装置、设备及存储介质 | |
CN115959154A (zh) | 变道轨迹的生成方法、装置和存储介质 | |
CN114919661A (zh) | 一种泊车控制方法、装置、设备和存储介质 | |
CN113276888B (zh) | 基于自动驾驶的乘车方法、装置、设备和存储介质 | |
CN115583254A (zh) | 路径规划方法、装置、设备以及自动驾驶车辆 | |
CN114838737A (zh) | 一种行驶路径的确定方法、装置、电子设备及存储介质 | |
CN114170300A (zh) | 高精地图点云位姿优化方法、装置、设备及介质 | |
CN109901589B (zh) | 移动机器人控制方法和装置 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20230110 Assignee: Muyi (Huzhou) Technology Development Co.,Ltd. Assignor: SHANGHAI MOOE-ROBOT TECHNOLOGY Co.,Ltd. Contract record no.: X2024980007103 Denomination of invention: Path planning methods, devices, equipment, and media for mobile robots Granted publication date: 20230901 License type: Common License Record date: 20240613 |