CN116048069B - 一种基于gps定位的室外全覆盖路径规划方法及机器人 - Google Patents
一种基于gps定位的室外全覆盖路径规划方法及机器人 Download PDFInfo
- Publication number
- CN116048069B CN116048069B CN202211632033.9A CN202211632033A CN116048069B CN 116048069 B CN116048069 B CN 116048069B CN 202211632033 A CN202211632033 A CN 202211632033A CN 116048069 B CN116048069 B CN 116048069B
- Authority
- CN
- China
- Prior art keywords
- unit
- path planning
- coverage
- full
- 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 80
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 25
- 238000013519 translation Methods 0.000 claims abstract description 21
- 241000283690 Bos taurus Species 0.000 claims abstract description 12
- 238000010845 search algorithm Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 21
- 230000000007 visual effect Effects 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004804 winding Methods 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于GPS定位的室外全覆盖路径规划方法及机器人,方法包括:根据GPS定位信息构建机器人的作业区域,并将作业区域的轮廓线和障碍物轮廓线拟合成多边形;采用牛耕式单元分解法将作业区域分解为多个单元;根据机器人的当前位置确定遍历的第一个单元,并采用深度优先搜索算法求解旅行商问题,获得各单元的遍历顺序;根据边线平移策略对第一个单元进行单元内全覆盖路径规划,并根据其余单元的遍历顺序对对应单元进行单元内全覆盖路径规划;输出作业区域的全覆盖路径规划结果,并根据全覆盖路径规划结果对机器人进行导航。本发明通过边线平移策略实现全覆盖路径规划,提高了机器人作业区域全覆盖路径规划的效率和覆盖率。
Description
技术领域
本发明涉及机器人技术领域,尤其涉及的是一种基于GPS定位的室外全覆盖路径规划方法及机器人。
背景技术
机器人导航***是机器人能够在不同的作业环境自由移动的基础,路径规划作为机器人导航***中的关键技术之一,直接影响机器人的作业质量和作业效率。传统的点到点式的路径规划方法,是在作业区域中寻找一条从最优路径。随着机器人不断的应用到更多的领域,这种传统的路径规划方法已经难以满足部分领域的作业需求,如农业、园林、环卫、军工等领域。这些领域的工作有别于传统的到达作业区域内的某个工位进行指定操作,即到达某一个点,需要机器人能够达到作业区域内的每一个点,为此机器人需要规划一条能经过作业区域内所以点的路径,即全覆盖规划。
现有全覆盖规划算法的前提都是已知机器人作业区域,即采用二值图或栅格方式表示的机器人导航地图,未说明机器人如何获得该作业区域,方法的完整性不足。
目前最常用的单个单元的全覆盖方法为牛耕式往复运动,这种方法容易在一个单元内出现多种覆盖方式,即有多个解,在实际作业时出现不确定性,对于最优解的评价方式没有统一的标准,也不考虑和下一个单元之间的如何高效衔接的问题,影响作业效率。
还有部分方案只是解决了单个单元内的全覆盖,未提及如何将多个单元进行最优路线规划,只是将各个单元的按最近距离串联起来,并没有考虑该路线的优化问题;再如,采用商旅问题求解,其使用的贪心算法虽然求解速度较快,但最终得到的解不一定是最优解,从而影响全覆盖作业的效率。
因此,现有技术还存在全覆盖规划效率低及覆盖率低的问题。
发明内容
本发明要解决的技术问题在于,针对现有技术缺陷,本发明提供一种基于GPS定位的室外全覆盖路径规划方法及机器人,以解决传统的全覆盖规划方法规划效率低及覆盖率低的技术问题。
本发明解决技术问题所采用的技术方案如下:
第一方面,本发明提供一种基于GPS定位的室外全覆盖路径规划方法,包括:
根据GPS定位信息构建机器人的作业区域,并将所述作业区域的轮廓线和障碍物轮廓线拟合成多边形;
采用牛耕式单元分解法将所述作业区域分解为多个单元;
根据所述机器人的当前位置确定遍历的第一个单元,并采用深度优先搜索算法求解旅行商问题,获得各单元的遍历顺序;
根据边线平移策略对所述第一个单元进行单元内全覆盖路径规划,并根据其余单元的遍历顺序对对应单元进行单元内全覆盖路径规划;
输出所述作业区域的全覆盖路径规划结果,并根据所述全覆盖路径规划结果对所述机器人进行导航。
在一种实现方式中,所述根据GPS定位信息构建机器人的作业区域,之前包括:
获取第一遥控指令,并根据所述第一遥控指令控制所述机器人绕行第一区域,得到所述作业区域的轮廓线;
获取第二遥控指令,并根据所述第二遥控指令控制所述机器人绕行第二区域,得到所述作业区域内的障碍物的轮廓线。
在一种实现方式中,所述根据GPS定位信息构建机器人的作业区域,之前还包括:
获取可视化界面中的第一点画线,并根据所述第一点画线确定所述作业区域的轮廓线;
获取可视化界面中的第二点画线,并根据所述第二点画线确定所述作业区域内的障碍物的轮廓线。
在一种实现方式中,所述根据GPS定位信息构建机器人的作业区域,并将所述作业区域的轮廓线和障碍物轮廓线拟合成多边形,包括:
分别计算所述作业区域的轮廓线和所述障碍物的轮廓线对应的GPS坐标信息,并将对应的GPS坐标信息映射到图像像素点上,得到所述作业区域的灰值图;
根据所述作业区域的灰值图生成所述作业区域的格栅地图;
根据所述作业区域的格栅地图生成所述作业区域;
分别将所述作业区域的轮廓线和所述障碍物的轮廓线拟合为直线,得到有孔多边形。
在一种实现方式中,所述采用牛耕式单元分解法将所述作业区域分解为多个单元,包括:
采用所述牛耕式单元分解法将所述作业区域进行分解,得到多个无孔多边形;
从最左边的无孔多边形开始向右合并相邻的一个无孔多边形,或从最右边的无孔多边形开始向左合并相邻的一个无孔多边形,每合并一个所述无孔多边形,检测合并后的多边形是否为凸多边形;
若为所述凸多边形,则将所述合并后的多边形设为一个凸多边形的单元;
根据所述合并后的多边形,得到多个凸多边形的单元。
在一种实现方式中,所述根据所述机器人的当前位置确定遍历的第一个单元,并采用深度优先搜索算法求解旅行商问题,获得各单元的遍历顺序,包括:
根据所述机器人的GPS定位信息获得当前机器人的实时位置信息;
根据所述实时位置信息和各单元的位置信息确定当前机器人所在的单元,得到遍历的第一个单元;
根据所述第一个单元采用所述深度优先搜索算法求解旅行商问题,获得各单元的遍历顺序。
在一种实现方式中,所述根据边线平移策略对所述第一个单元进行单元内全覆盖路径规划,并根据其余单元的遍历顺序对对应单元进行单元内全覆盖路径规划,包括:
根据所述边线平移策略确定所述第一个单元的覆盖方向和代价函数,根据所述覆盖方向和所述代价函数对所述第一个单元进行单元内全覆盖路径规划;
根据其余单元的遍历顺序及对应的覆盖方向和代价函数对对应单元进行单元内全覆盖路径规划。
在一种实现方式中,所述根据所述边线平移策略确定所述第一个单元的覆盖方向和代价函数,根据所述覆盖方向和所述代价函数对所述第一个单元进行单元内全覆盖路径规划,包括:
计算所述第一个单元内每条边到对边的高度,确定高度最小的方向,将所述高度最小的方向设为所述覆盖方向;
根据路径最短的评价指标确定所述代价函数,根据所述代价函数计算所述第一个单元的每条边对应的平移覆盖所需的路径长度,将得到的最短路径的边设为单元内平移覆盖的边;
从所述第一个单元的底部开始按用户参数设定的间距,移动所述单元内平移覆盖的边,进行平移覆盖,得到所述第一个单元的单元内全覆盖路径规划。
第二方面,本发明还提供一种机器人,包括:处理器以及存储器,所述存储器存储有基于GPS定位的室外全覆盖路径规划程序,所述基于GPS定位的室外全覆盖路径规划程序被所述处理器执行时用于实现如第一方面所述的基于GPS定位的室外全覆盖路径规划方法的操作。
第三方面,本发明还提供一种存储介质,所述存储介质为计算机可读存储介质,所述存储介质存储有基于GPS定位的室外全覆盖路径规划程序,所述基于GPS定位的室外全覆盖路径规划程序被处理器执行时用于实现如第一方面所述的基于GPS定位的室外全覆盖路径规划方法的操作。
本发明采用上述技术方案具有以下效果:
本发明根据GPS定位信息构建机器人作业区域,并将作业区域轮廓线和障碍物轮廓线拟合成多边形,使得路径规划时可以采用牛耕式单元分解法将作业区域分解为多个单位,并且可以采用深度优先搜索求解旅行商问题,获得各单元遍历顺序;本发明通过边线平移策略实现全覆盖路径规划,提高了机器人作业区域全覆盖路径规划的效率和覆盖率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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示出的结构获得其他的附图。
图1是本发明的一种实现方式中基于GPS定位的室外全覆盖路径规划方法的流程图。
图2是本发明的一种实现方式中可视化界面中高精度地图的示意图。
图3是本发明的一种实现方式中可视化界面的手动勾选轮廓后的映射示意图。
图4是本发明的一种实现方式中通过图像二值化处理后的灰值图。
图5是本发明的一种实现方式中通过图像格栅化处理后的格栅图。
图6是本发明的一种实现方式中有孔多边形的示意图。
图7是本发明的一种实现方式中采用牛耕式单元分解法得到的多个无孔多边形的示意图。
图8是本发明的一种实现方式中将多个无孔多边形合并后的凸多边形的示意图。
图9是本发明的一种实现方式中机器人所在单元格的示意图。
图10是本发明的一种实现方式中各单元的遍历顺序的示意图。
图11是本发明的一种实现方式中单元内全覆盖路径规划的示意图。
图12是本发明的一种实现方式中作业区域内全覆盖路径规划的示意图。
图13是本发明的一种实现方式中实际应用的室外全覆盖路径规划流程图。
图14是本发明的一种实现方式中生成作业区域的流程图。
图15是本发明的一种实现方式中采用多边形其中一个边平移的方法完成整个工作区域的全覆盖路径规划的流程图。
图16是本发明的一种实现方式中机器人的功能原理图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
示例性方法
现有全覆盖规划算法的前提都是已知机器人作业区域,即采用二值图或栅格方式表示的机器人导航地图,未说明机器人如何获得该作业区域,方法的完整性不足。
目前最常用的单个单元的全覆盖方法为牛耕式往复运动,这种方法容易在一个单元内出现多种覆盖方式,即有多个解,在实际作业时出现不确定性,对于最优解的评价方式没有统一的标准,也不考虑和下一个单元之间的如何高效衔接的问题,影响作业效率。
还有部分方案只是解决了单个单元内的全覆盖,未提及如何将多个单元进行最优路线规划,只是将各个单元的按最近距离串联起来,并没有考虑该路线的优化问题;再如,采用商旅问题求解,其使用的贪心算法虽然求解速度较快,但最终得到的解不一定是最优解,从而影响全覆盖作业的效率。
因此,现有技术还存在全覆盖规划效率低及覆盖率低的问题。
针对上述存在的技术问题,本发明实施例提供一种基于GPS定位的室外全覆盖路径规划方法,该方法根据GPS定位信息构建机器人作业区域,并将作业区域轮廓线和障碍物轮廓线拟合成多边形,使得路径规划时可以采用牛耕式单元分解法将作业区域分解为多个单位,并且可以采用深度优先搜索求解旅行商问题,获得各单元遍历顺序;本发明实施例通过边线平移策略实现全覆盖路径规划,提高了机器人作业区域全覆盖路径规划的效率和覆盖率。
如图1所示,本发明实施例提供一种基于GPS定位的室外全覆盖路径规划方法,包括以下步骤:
步骤S100,根据GPS定位信息构建机器人的作业区域,并将所述作业区域的轮廓线和障碍物轮廓线拟合成多边形。
在本实施例中,所述基于GPS定位的室外全覆盖路径规划方法应用于机器人中;当然,所述基于GPS定位的室外全覆盖路径规划方法还可以应用于其他终端或者路径规划设备。
在本实施例中,本实施例的第一步是获取机器人需要全覆盖路径规划的作业区域,即栅格地图;第二步是将栅格地图上作业区域边缘轮廓线和障碍物轮廓线拟合成有孔多边形为下一步单位分解做准备;第三步是采用牛耕式单元分解法将作业区域(即有孔多边形)分解为多个单元(即无孔多边形),使得在进行单个单元内全覆盖扫描时区域内没有静态障碍物;第四步是通过当前机器人定位确定第一个单位;第五步是采用深度优先搜索求解旅行商问题,获取各单元遍历顺序;第六步是采用多边形其中一个边平移的方法完成单元内的全覆盖,根据上述第五步所得各单元遍历顺序重复上述覆盖方法依次完成对所有单元的覆盖,随即完成整个作业区域的全覆盖路径规划。
在本实施例中,在构建机器人的作业区域之前,需要确定机器人获取作业区域的方式,其中,获取的方式为:通过人工给予指令手动遥控机器人运动获得作业区域,或者通过人工在可视化界面中的高精度地图上选定获得作业区域;其中,可视化界面为电脑、手机等设备中的界面,该可视化界面为用户操作界面。
具体地,在本实施例的一种实现方式中,步骤S100之前包括以下步骤:
步骤S100a,获取第一遥控指令,并根据所述第一遥控指令控制所述机器人绕行第一区域,得到所述作业区域的轮廓线;
步骤S100b,获取第二遥控指令,并根据所述第二遥控指令控制所述机器人绕行第二区域,得到所述作业区域内的障碍物的轮廓线。
在本实施例中,若为手动遥控机器人运动获得作业区域的方式,则需要人工手动遥控机器人(或在可视化界面遥控机器人)在所需工作的场地内对需要机器人工作的区域绕行一周,获得作业区域的轮廓线线,即根据第一遥控指令控制机器人绕行第一区域,得到作业区域的轮廓线。
然后,通过手动遥控机器人对该区域内的静态障碍物沿边绕线一周,从而获得障碍物的轮廓线线;即根据第二遥控指令控制机器人绕行第二区域,得到作业区域内的障碍物的轮廓线。
具体地,在本实施例的一种实现方式中,步骤S100之前还包括以下步骤:
步骤S021,获取可视化界面中的第一点画线,并根据所述第一点画线确定所述作业区域的轮廓线;
步骤S022,获取可视化界面中的第二点画线,并根据所述第二点画线确定所述作业区域内的障碍物的轮廓线。
在本实施例中,若为人工在可视化界面中的高精度地图上选定获得作业区域的方式,则需要人工手动在高精度地图上(如图2所示)进行选定;即通过人工使用可视化界面(GUI)在已有的高精度地图上,以画线和点的方式确定作业区域的轮廓线,即根据第一点画线确定作业区域的轮廓线;然后,采用同样的方法确定障碍物的轮廓线,即根据第二点画线确定作业区域内的障碍物的轮廓线。
在本实施例中,在得到作业区域的轮廓线和障碍物的轮廓线后,通过计算对应的GPS坐标信息,并通过对这两个轮廓线所在区域的图像进行图像处理,即可得到以作业区域形成的有孔多边形。
具体地,在本实施例的一种实现方式中,步骤S100包括以下步骤:
步骤S101,分别计算所述作业区域的轮廓线和所述障碍物的轮廓线对应的GPS坐标信息,并将对应的GPS坐标信息映射到图像像素点上,得到所述作业区域的灰值图;
步骤S102,根据所述作业区域的灰值图生成所述作业区域的格栅地图;
步骤S103,根据所述作业区域的格栅地图生成所述作业区域;
步骤S104,分别将所述作业区域的轮廓线和所述障碍物的轮廓线拟合为直线,得到有孔多边形。
在本实施例中,在获得作业区域后,分别计算两条轮廓线线上的所有GPS坐标信息,并将其映射到图像像素点上,得到如图3所示的映射图;并且,通过图像二值化处理,将映射图转换为如图4所示的灰值图;以及通过图像栅格化处理,将灰值图转换为如图5所示的格栅地图。
在得到格栅地图后,将所得到栅格地图内所表示的作业区域的边缘轮廓线和障碍物的轮廓线拟合成直线,得到一个有孔多边形;其中,作业区域的边缘轮廓线为有孔多边形的边,障碍物的轮廓线为有孔多边形内部的孔,如图6所示。
本实施例中通过两种方式获得机器人的作业区域,第一种为人工使用遥控器或可视化界面(GUI)控制机器人在作业场地上绕行一周确定工作区域的轮廓线,再用同样的方法对轮廓线内的障碍物绕行一周确定障碍物的轮廓线,将两个轮廓线重合起来得到机器人工作区域;第二种为人工使用可视化界面(GUI)在已有的高精度地图上通过画线和点确定工作区域的轮廓线,再用同样的方法确定障碍物的轮廓线,将两个轮廓线重合起来得到机器人工作区域;通过两种不同的方式提高了作业区域的获取精度。
如图1所示,本发明实施例提供一种基于GPS定位的室外全覆盖路径规划方法,包括以下步骤:
步骤S200,采用牛耕式单元分解法将所述作业区域分解为多个单元。
在本实施例中,在获得有孔多边形后,将有孔多边形进行单元分解,得到多个无孔多边形,如图7所示。
本实施例中所采用的分解方法为牛耕式单元分解法,并在此基础上对初步分解得到的多个无孔多边形进行有效合并,得到最终的多个无孔凸多边形;其中,牛耕式单元分解法为往返式分解法,类似于牛耕田的方式进行分解,得到初步的多个单元。
具体地,在本实施例的一种实现方式中,步骤S200包括以下步骤:
步骤S201,采用所述牛耕式单元分解法将所述作业区域进行分解,得到多个无孔多边形;
步骤S202,从最左边的无孔多边形开始向右合并相邻的一个无孔多边形,或从最右边的无孔多边形开始向左合并相邻的一个无孔多边形,每合并一个所述无孔多边形,检测合并后的多边形是否为凸多边形;
步骤S203,若为所述凸多边形,则将所述合并后的多边形设为一个凸多边形的单元;
步骤S204,根据所述合并后的多边形,得到多个凸多边形的单元。
在本实施例中,在对多个无孔多边形进行合并时,根据预设合并顺序进行合并;其中,预设合并顺序为从左到右(或者从右到左)的顺序;如图7所示,首先从图7中的最左边的单元(多边形A)开始向右合并相邻的一个多边形(多边形B),然后每合并一个就检测下合并后的多边形是否为凸多边形,检测规则为:
判断合并后的多边形有无大于180度的内角;若有大于180度的内角,则退回,不进行合并,此时,将多边形A设置成为合并后的第一个单位,将多边形B设置成为多边形A,并继续对设置后的多边形A(即原多边形B)进行合并。若无大于180度的内角,则将合并后的新多边形成为多边形A,继续合并直至出现大于180度的内角。
如图8所示,在本实施例中,所采用的合并原则为合并后所有单元都为凸多边形。
本实施例中将工作区域(即有孔多边形)进行初步单元分解后,需要进行单元合并,达到最优的单元个数,有助于提高最终的覆盖效率,本实施例中提出一种单元合并方法为将单元与邻近的单元进行合并,合并后所有单元都为凸多边形。
如图1所示,本发明实施例提供一种基于GPS定位的室外全覆盖路径规划方法,包括以下步骤:
步骤S300,根据所述机器人的当前位置确定遍历的第一个单元,并采用深度优先搜索算法求解旅行商问题,获得各单元的遍历顺序。
在本实施例中,根据机器人GPS定位,获得当前机器人实时位置信息,结合上述所得多个单元(即无孔凸多边形),确定机器人当前所在的单元,如图9所示,将当前机器人所在的单元,设置为遍历的第一个单元,然后根据这第一个单元确定其他单元的遍历顺序。
具体地,在本实施例的一种实现方式中,步骤S300包括以下步骤:
步骤S301,根据所述机器人的GPS定位信息获得当前机器人的实时位置信息;
步骤S302,根据所述实时位置信息和各单元的位置信息确定当前机器人所在的单元,得到遍历的第一个单元;
步骤S303,根据所述第一个单元采用所述深度优先搜索算法求解旅行商问题,获得各单元的遍历顺序。
在本实施例中,根据上述所得多个单元(即无孔凸多边形)和所得机器人当前所在单元,采用深度优先搜索求解旅行商问题,即可获得各单元遍历顺序(图10所示的顺序);其中,深度优先搜索的最优解即为各单元的遍历顺序。
在采用深度优先搜索时,首先,将每个单元(即无孔凸多边形)的质心点设为该单元的中心点,计算单元到相邻所有单元的距离;然后,以当前机器人所在单位为起始节点,向该单元其中一个相邻的单元开始搜索;之后,以第二个单元为节点搜索下一个未经过的单元;如遇到当前单元相邻的单元都已经经过,但全局里还有未经过的单元,则退回到上一个单元,如还未与未经过的单元相邻则继续后退,直到遇到相邻单元为未经过的单元,返回并以第二个单元为节点搜索下一个未经过的单元。
最后,以当前机器人所在单位为起始节点,向另一个相邻单元为下一个节点开始搜索;遍历完所有的方向,获得所有路径(全部解),每种路径都有一个距离之和,即总路程,路程最短的即为最优解。
本实施例中采用深度优先搜索求解旅行商问题,获取各单元遍历顺序,其中深度优先搜索是解决商旅问题的一种基于图优化的遍历算法,提高了全覆盖规划的效率。
如图1所示,本发明实施例提供一种基于GPS定位的室外全覆盖路径规划方法,包括以下步骤:
步骤S400,根据边线平移策略对所述第一个单元进行单元内全覆盖路径规划,并根据其余单元的遍历顺序对对应单元进行单元内全覆盖路径规划。
在本实施例中,对于单个单元的全覆盖路径规划,提出一种以单元(即无孔凸多边形)的某条边平移来实现全覆盖路径规划的覆盖方式。
具体地,在本实施例的一种实现方式中,步骤S400包括以下步骤:
步骤S401,根据所述边线平移策略确定所述第一个单元的覆盖方向和代价函数,根据所述覆盖方向和所述代价函数对所述第一个单元进行单元内全覆盖路径规划。
在本实施例中,所述边线平移策略为:采用高度计算的方式确定覆盖方向,并且以路径最短为评价指标设计代价函数,确定本单元用来平移覆盖的那条边。
具体地,在本实施例的一种实现方式中,步骤S401包括以下步骤:
步骤S401a,计算所述第一个单元内每条边到对边的高度,确定高度最小的方向,将所述高度最小的方向设为所述覆盖方向;
步骤S401b,根据路径最短的评价指标确定所述代价函数,根据所述代价函数计算所述第一个单元的每条边对应的平移覆盖所需的路径长度,将得到的最短路径的边设为单元内平移覆盖的边;
步骤S401c,从所述第一个单元的底部开始按用户参数设定的间距,移动所述单元内平移覆盖的边,进行平移覆盖,得到所述第一个单元的单元内全覆盖路径规划。
在本实施例中,首先,计算机器人当前所在单元每条边到对边的高度,以高度最小的方向为覆盖的方向;其次,以路径最短为评价指标设计代价函数,计算当前单元每条边进行平移覆盖所需的路径长度,得到最短路径的边为最终进行单元内平移覆盖的边;最后,从当前单元底部开始按用户参数设定的间距移动上一步得到的边进行平移覆盖,直到与顶部距离小于按用户参数设定的间距;对于第一个单元的单元内全覆盖路径规划的结果,如图11所示。
具体地,在本实施例的一种实现方式中,步骤S400还包括以下步骤:
步骤S402,根据其余单元的遍历顺序及对应的覆盖方向和代价函数对对应单元进行单元内全覆盖路径规划。
在本实施例中,每完成一次单元内全覆盖路径规划后,判断当前单元是否为最后一个单元,若否,则移动到下一个单元,并执行与第一个单元相同的规划步骤;若是,则覆盖结束,至此完成作业区域的全覆盖路径规划,如图12所示。
本实施例中可以从单元底部开始按用户参数设定的间距移动上一步得到的边进行平移覆盖,直到与顶部距离小于按用户参数设定的间距,即可得到单元内全覆盖路径规划,进而根据深度优先搜索得到的遍历顺序,依次对剩余的单元进行单元内全覆盖路径规划,即可得到作业区域的全覆盖路径规划的结果。
如图1所示,本发明实施例提供一种基于GPS定位的室外全覆盖路径规划方法,包括以下步骤:
步骤S500,输出所述作业区域的全覆盖路径规划结果,并根据所述全覆盖路径规划结果对所述机器人进行导航。
在本实施例中,在得到作业区域的全覆盖路径规划结果后,即可根据全覆盖路径规划结果对机器人进行导航,从而控制机器人在作业区域进行作业;通过本实施例中的路径规划方式,不仅提高了作业区域的路径覆盖率,而且还提高了机器人的路径规划效率和作业效率。
如图13所示,在本实施例的一种实际应用场景中,作业区域的全覆盖路径规划可以包括以下步骤:
步骤S11,通过手动遥控机器人或手动在高精度地图上选定边界线,生成作业区域;
步骤S12,将作业区域的边缘轮廓线和障碍物轮廓线拟合成多边形;
步骤S13,采用牛耕式单元分解法将作业区域(有孔多边形)分解为多个单元(无孔多边形);
步骤S14,根据机器人当前位置确定第一个单元;
步骤S15,采用深度优先搜索求解旅行商问题,获取各单元遍历顺序;
步骤S16,用边线平移的方法完成单元内全覆盖;
步骤S17,判断当前单元是否为最后一个单元;若为是,执行步骤S18;若为否,返回步骤S16;
步骤S18,结束。
如图14所示,具体地,在上述步骤S11~S18中,步骤S11包括以下步骤:
步骤S21,启动;
步骤S22,判断是否为手动遥控;若为是,执行步骤S23;若为否,执行步骤S24;
步骤S23,通过手动遥控机器人选定边界线;
步骤S24,通过在高精度地图上选定边界线;
步骤S25,判断是否完成边界选定;若为是,执行步骤S26;若为否,返回步骤S22;
步骤S26,获得边界上所有点对应的GPS信息,并映射到图像像素点上;
步骤S27,生成灰值图;
步骤S28,生成格栅地图;
步骤S29,生成作业区域。
如图15所示,具体地,在上述步骤S11~S18中,步骤S16包括以下步骤:
步骤S31,以多边形高度最小的方向为最佳方向;
步骤S32,最短路径计算,得到需要平移的边;
步骤S33,通过从多边形的底部移动到顶部来计算扫描;
步骤S34,判断当前单元是否为最后一个单元;若为是,执行步骤S35;若为否,返回步骤S33;
步骤S35,结束。
对于上述实际应用场景中的步骤S12~S15,详细请参见上述步骤S200~S400,以及其对应的详细步骤,在此不作赘述。
本实施例通过上述技术方案达到以下技术效果:
本实施例根据GPS定位信息构建机器人作业区域,并将作业区域轮廓线和障碍物轮廓线拟合成多边形,使得路径规划时可以采用牛耕式单元分解法将作业区域分解为多个单位,并且可以采用深度优先搜索求解旅行商问题,获得各单元遍历顺序;本实施例通过边线平移策略实现全覆盖路径规划,提高了机器人作业区域全覆盖路径规划的效率和覆盖率。
示例性设备
基于上述实施例,本发明还提供一种机器人,包括:通过***总线连接的处理器、存储器、接口、显示屏以及通讯模块;其中,所述处理器用于提供计算和控制能力;所述存储器包括存储介质以及内存储器;所述存储介质存储有操作***和计算机程序;所述内存储器为所述存储介质中的操作***和计算机程序的运行提供环境;所述接口用于连接外部设备,例如,移动终端以及计算机等设备;所述显示屏用于显示相应的信息;所述通讯模块用于与云端服务器或移动终端进行通讯。
所述计算机程序被所述处理器执行时用以实现一种基于GPS定位的室外全覆盖路径规划方法的操作。
本领域技术人员可以理解的是,图16中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的机器人的限定,具体的机器人可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种机器人,其中,包括:处理器和存储器,所述存储器存储有基于GPS定位的室外全覆盖路径规划程序,所述基于GPS定位的室外全覆盖路径规划程序被所述处理器执行时用于实现如上所述的基于GPS定位的室外全覆盖路径规划方法的操作。
在一个实施例中,提供了一种存储介质,其中,所述存储介质存储有基于GPS定位的室外全覆盖路径规划程序,所述基于GPS定位的室外全覆盖路径规划程序被所述处理器执行时用于实现如上所述的基于GPS定位的室外全覆盖路径规划方法的操作。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一非易失性存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。
综上,本发明提供了一种基于GPS定位的室外全覆盖路径规划方法及机器人,方法包括:根据GPS定位信息构建机器人的作业区域,并将作业区域的轮廓线和障碍物轮廓线拟合成多边形;采用牛耕式单元分解法将作业区域分解为多个单元;根据机器人的当前位置确定遍历的第一个单元,并采用深度优先搜索算法求解旅行商问题,获得各单元的遍历顺序;根据边线平移策略对第一个单元进行单元内全覆盖路径规划,并根据其余单元的遍历顺序对对应单元进行单元内全覆盖路径规划;输出作业区域的全覆盖路径规划结果,并根据全覆盖路径规划结果对机器人进行导航。本发明通过边线平移策略实现全覆盖路径规划,提高了机器人作业区域全覆盖路径规划的效率和覆盖率。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (8)
1.一种基于GPS定位的室外全覆盖路径规划方法,其特征在于,包括:
根据GPS定位信息构建机器人的作业区域,并将所述作业区域的轮廓线和障碍物轮廓线拟合成多边形;
采用牛耕式单元分解法将所述作业区域分解为多个单元;
根据所述机器人的当前位置确定遍历的第一个单元,并采用深度优先搜索算法求解旅行商问题,获得各单元的遍历顺序;
根据边线平移策略对所述第一个单元进行单元内全覆盖路径规划,并根据其余单元的遍历顺序对对应单元进行单元内全覆盖路径规划;
输出所述作业区域的全覆盖路径规划结果,并根据所述全覆盖路径规划结果对所述机器人进行导航;
所述根据边线平移策略对所述第一个单元进行单元内全覆盖路径规划,并根据其余单元的遍历顺序对对应单元进行单元内全覆盖路径规划,包括:
根据所述边线平移策略确定所述第一个单元的覆盖方向和代价函数,根据所述覆盖方向和所述代价函数对所述第一个单元进行单元内全覆盖路径规划;
根据其余单元的遍历顺序及对应的覆盖方向和代价函数对对应单元进行单元内全覆盖路径规划;
所述根据所述边线平移策略确定所述第一个单元的覆盖方向和代价函数,根据所述覆盖方向和所述代价函数对所述第一个单元进行单元内全覆盖路径规划,包括:
计算所述第一个单元内每条边到对边的高度,确定高度最小的方向,将所述高度最小的方向设为所述覆盖方向;
根据路径最短的评价指标确定所述代价函数,根据所述代价函数计算所述第一个单元的每条边对应的平移覆盖所需的路径长度,将得到的最短路径的边设为单元内平移覆盖的边;
从所述第一个单元的底部开始按用户参数设定的间距,移动所述单元内平移覆盖的边,进行平移覆盖,得到所述第一个单元的单元内全覆盖路径规划。
2.根据权利要求1所述的基于GPS定位的室外全覆盖路径规划方法,其特征在于,所述根据GPS定位信息构建机器人的作业区域,之前包括:
获取第一遥控指令,并根据所述第一遥控指令控制所述机器人绕行第一区域,得到所述作业区域的轮廓线;
获取第二遥控指令,并根据所述第二遥控指令控制所述机器人绕行第二区域,得到所述作业区域内的障碍物的轮廓线。
3.根据权利要求1所述的基于GPS定位的室外全覆盖路径规划方法,其特征在于,所述根据GPS定位信息构建机器人的作业区域,之前还包括:
获取可视化界面中的第一点画线,并根据所述第一点画线确定所述作业区域的轮廓线;
获取可视化界面中的第二点画线,并根据所述第二点画线确定所述作业区域内的障碍物的轮廓线。
4.根据权利要求2或3所述的基于GPS定位的室外全覆盖路径规划方法,其特征在于,所述根据GPS定位信息构建机器人的作业区域,并将所述作业区域的轮廓线和障碍物轮廓线拟合成多边形,包括:
分别计算所述作业区域的轮廓线和所述障碍物的轮廓线对应的GPS坐标信息,并将对应的GPS坐标信息映射到图像像素点上,得到所述作业区域的灰值图;
根据所述作业区域的灰值图生成所述作业区域的格栅地图;
根据所述作业区域的格栅地图生成所述作业区域;
分别将所述作业区域的轮廓线和所述障碍物的轮廓线拟合为直线,得到有孔多边形。
5.根据权利要求1所述的基于GPS定位的室外全覆盖路径规划方法,其特征在于,所述采用牛耕式单元分解法将所述作业区域分解为多个单元,包括:
采用所述牛耕式单元分解法将所述作业区域进行分解,得到多个无孔多边形;
从最左边的无孔多边形开始向右合并相邻的一个无孔多边形,或从最右边的无孔多边形开始向左合并相邻的一个无孔多边形,每合并一个所述无孔多边形,检测合并后的多边形是否为凸多边形;
若为所述凸多边形,则将所述合并后的多边形设为一个凸多边形的单元;
根据所述合并后的多边形,得到多个凸多边形的单元。
6.根据权利要求1所述的基于GPS定位的室外全覆盖路径规划方法,其特征在于,所述根据所述机器人的当前位置确定遍历的第一个单元,并采用深度优先搜索算法求解旅行商问题,获得各单元的遍历顺序,包括:
根据所述机器人的GPS定位信息获得当前机器人的实时位置信息;
根据所述实时位置信息和各单元的位置信息确定当前机器人所在的单元,得到遍历的第一个单元;
根据所述第一个单元采用所述深度优先搜索算法求解旅行商问题,获得各单元的遍历顺序。
7.一种机器人,其特征在于,包括:处理器以及存储器,所述存储器存储有基于GPS定位的室外全覆盖路径规划程序,所述基于GPS定位的室外全覆盖路径规划程序被所述处理器执行时用于实现如权利要求1-6中任意一项所述的基于GPS定位的室外全覆盖路径规划方法的操作。
8.一种存储介质,其特征在于,所述存储介质为计算机可读存储介质,所述存储介质存储有基于GPS定位的室外全覆盖路径规划程序,所述基于GPS定位的室外全覆盖路径规划程序被处理器执行时用于实现如权利要求1-6中任意一项所述的基于GPS定位的室外全覆盖路径规划方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211632033.9A CN116048069B (zh) | 2022-12-19 | 2022-12-19 | 一种基于gps定位的室外全覆盖路径规划方法及机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211632033.9A CN116048069B (zh) | 2022-12-19 | 2022-12-19 | 一种基于gps定位的室外全覆盖路径规划方法及机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116048069A CN116048069A (zh) | 2023-05-02 |
CN116048069B true CN116048069B (zh) | 2023-12-26 |
Family
ID=86112413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211632033.9A Active CN116048069B (zh) | 2022-12-19 | 2022-12-19 | 一种基于gps定位的室外全覆盖路径规划方法及机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116048069B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111562787A (zh) * | 2020-05-28 | 2020-08-21 | 长沙中联重科环境产业有限公司 | 机器人全覆盖路径规划区域划分方法、装置、介质及设备 |
CN111815057A (zh) * | 2020-07-13 | 2020-10-23 | 携程旅游信息技术(上海)有限公司 | 路径行程自动规划方法、***、设备及存储介质 |
CN113359849A (zh) * | 2021-07-06 | 2021-09-07 | 北京理工大学 | 一种针对运动目标的多无人机协同快速搜索方法 |
CN113934204A (zh) * | 2020-07-13 | 2022-01-14 | 科沃斯商用机器人有限公司 | 路径规划方法、自主行进设备及清洁机器人 |
CN114089758A (zh) * | 2021-11-18 | 2022-02-25 | 上海联适导航技术股份有限公司 | 一种基于WebGIS的无人插秧作业路径规划方法 |
CN114089765A (zh) * | 2021-11-22 | 2022-02-25 | 江苏科技大学 | 一种面向城市绿地的割草机器人遍历路径规划方法 |
CN115014362A (zh) * | 2022-08-09 | 2022-09-06 | 之江实验室 | 一种基于合成单元的牛耕式全覆盖路径规划方法和装置 |
CN115268471A (zh) * | 2022-09-27 | 2022-11-01 | 深圳市智绘科技有限公司 | 扫地机器人的路径生成方法及装置、存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101203897B1 (ko) * | 2011-02-25 | 2012-11-23 | 동국대학교 산학협력단 | 이동체(mobile body)를 위한 셀?기반 경로 계획 장치 및 방법 |
-
2022
- 2022-12-19 CN CN202211632033.9A patent/CN116048069B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111562787A (zh) * | 2020-05-28 | 2020-08-21 | 长沙中联重科环境产业有限公司 | 机器人全覆盖路径规划区域划分方法、装置、介质及设备 |
CN111815057A (zh) * | 2020-07-13 | 2020-10-23 | 携程旅游信息技术(上海)有限公司 | 路径行程自动规划方法、***、设备及存储介质 |
CN113934204A (zh) * | 2020-07-13 | 2022-01-14 | 科沃斯商用机器人有限公司 | 路径规划方法、自主行进设备及清洁机器人 |
CN113359849A (zh) * | 2021-07-06 | 2021-09-07 | 北京理工大学 | 一种针对运动目标的多无人机协同快速搜索方法 |
CN114089758A (zh) * | 2021-11-18 | 2022-02-25 | 上海联适导航技术股份有限公司 | 一种基于WebGIS的无人插秧作业路径规划方法 |
CN114089765A (zh) * | 2021-11-22 | 2022-02-25 | 江苏科技大学 | 一种面向城市绿地的割草机器人遍历路径规划方法 |
CN115014362A (zh) * | 2022-08-09 | 2022-09-06 | 之江实验室 | 一种基于合成单元的牛耕式全覆盖路径规划方法和装置 |
CN115268471A (zh) * | 2022-09-27 | 2022-11-01 | 深圳市智绘科技有限公司 | 扫地机器人的路径生成方法及装置、存储介质 |
Non-Patent Citations (2)
Title |
---|
旅行商问题的较优可行解的搜索算法的设计;王欣洁等;《太原科技大学学报》;第30卷(第6期);第519-522页 * |
面向GPS导航拖拉机的最优全局覆盖路径规划研究;刘向锋;《中国优秀硕士学位论文·工程科技Ⅱ辑》(第6期);第D044-14页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116048069A (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112859859B (zh) | 一种基于三维障碍物体素对象映射的动态栅格地图更新方法 | |
US11385067B2 (en) | Route planning method for mobile vehicle | |
US9116523B2 (en) | Apparatus and method of cell-based path planning for mobile body | |
CN108444482A (zh) | 一种无人机自主寻路避障方法及*** | |
CN109059924A (zh) | 基于a*算法的伴随机器人增量路径规划方法及*** | |
US20220198688A1 (en) | Laser coarse registration method, device, mobile terminal and storage medium | |
CN111784835B (zh) | 制图方法、装置、电子设备及可读存储介质 | |
CN111426312A (zh) | 定位地图的更新方法、装置、设备及存储介质 | |
CN114281076B (zh) | 机器人的覆盖移动作业方法 | |
CN115267796B (zh) | 定位方法、装置、机器人和存储介质 | |
CN112146668A (zh) | 基于ros的无人车自主导航方法 | |
JP5728564B2 (ja) | ロボットシステム及び地図更新方法 | |
CN111721296A (zh) | 一种水下无人航行器数据驱动路径规划方法 | |
CN113052761B (zh) | 激光点云地图融合方法、设备以及计算机可读存储介质 | |
CN112327828A (zh) | 路径规划方法、装置及计算机可读存储介质 | |
CN113985894A (zh) | 一种自主避障路径规划方法、装置、设备及存储介质 | |
CN116048069B (zh) | 一种基于gps定位的室外全覆盖路径规划方法及机器人 | |
CN117109596B (zh) | 自移动设备及其覆盖路径规划方法、装置和存储介质 | |
JP5953393B2 (ja) | ロボットシステム及び地図更新方法 | |
CN117075171B (zh) | 激光雷达的位姿信息确定方法、装置、设备及存储介质 | |
CN112393719B (zh) | 一种栅格语义地图生成方法、装置以及存储设备 | |
JPS63200208A (ja) | 移動経路探索方法 | |
KR101297608B1 (ko) | 미지 환경에서의 로봇 커버리지 방법 및 시스템 | |
CN115685223B (zh) | 位置识别方法、装置、电子设备及可读存储介质 | |
CN113721603B (zh) | 基站探索方法、装置、机器人及可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |