CN101619985B - 基于可变形拓扑地图的服务机器人自主导航方法 - Google Patents
基于可变形拓扑地图的服务机器人自主导航方法 Download PDFInfo
- Publication number
- CN101619985B CN101619985B CN2009100559700A CN200910055970A CN101619985B CN 101619985 B CN101619985 B CN 101619985B CN 2009100559700 A CN2009100559700 A CN 2009100559700A CN 200910055970 A CN200910055970 A CN 200910055970A CN 101619985 B CN101619985 B CN 101619985B
- Authority
- CN
- China
- Prior art keywords
- point
- service robot
- topological
- grid
- topology
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
一种机器人导航技术领域的基于可变形拓扑地图的服务机器人自主导航方法，通过SLAM技术实时地采集机器人所在的室内外环境的地形地貌状况，进行环境特征提取，对采集的信息进行拓扑地图的创建，并且在此基础上根据服务机器人的姿态变化制定出所需的不同的拓扑点的尺寸，将这些不同的尺寸作为输入量，对于拓扑地图进行重构，生成符合移动机器人姿态变化的拓扑点自适应性的拓扑地图。
Description
技术领域
本发明涉及的是一种机器人导航技术领域的方法，具体是一种基于可变形拓扑地图的服务机器人自主导航方法。
背景技术
近些年来，随着计算机、传感器和网络技术的发展，使机器人进入家庭成为可能。人们关注的重点也从结构式环境下的固定式机械臂、机械手转向非结构未知环境下自主移动式的智能机器人。传统的基于工厂环境下的机械臂空间环境建模以及示教运动的方法已经无法满足自主移动机器人所面对的新任务，例如针对于双臂服务机器人在已知环境下的运动路径生成问题，以往的机器人在既定环境下的移动路径地图大多采用拓扑路径地图，拓扑地图由拓扑点与拓扑线构成，拓扑点表示机器人在环境中所处的重要位置，如行进方向变化的位置，以及两条路径相交叉的位置；拓扑线则表示机器人在环境中可以一定速度行进的一条路径；拓扑地图的产生大多采用手工操作，这种方法对于较为复杂的环境生成的拓扑地图不仅精度低、劳动强度大，而且地图可用性低，效率也不高。主要体现在拓扑点与拓扑线的设置不合理。例如，拓扑线穿越障碍物，以及拓扑线所通过的区域过于狭窄，不符合机器人通行。目前，许多研究机构和大学都在研究适合服务机器人的新型的机器人移动地图生成方法。
经对现有技术的文献检索发现，专利公开号CN101033971A，公开日2007年9月12日，记载了一种“移动机器人地图创建系统及地图创建方法”，该方法将无线传感器网络节点布撒于监控区域并形成无线传感器网络，根据无线传感器网络节点的数据构建全局拓扑移动地图；该方法需要预先铺设相当数量的无线传感器，而且得到地图会因为传感器在相应位置的缺省而不完整。
又经检索发现，普林斯顿大学的John J.Leonard和Hugh F.Durrant-Whyte等在Intelligent Robots and Systems’91.’Intelligence for MechanicalSystems，Proceedings IROS’91.IEEE/RSJ International Workshop on： 1442-1447.(1991年IEEE机器人与系统国际会议，doi：1442-1447)上发表的Simultaneous map building and localization for an autonomous mobilerobot(SLAM技术在移动机器人上的应用)，该文中描述了一种智能移动机器人通过SLAM技术，描绘所处环境信息的一种方法，但主要集中在对于机器人的定位以及环境的描述，不能地对于环境中的障碍信息进行处理，产生可用的移动地图，有效地实现自主导航。
发明内容
本发明的目的在于针对现有技术的不足，提出一种基于可变形拓扑地图的服务机器人自主导航方法，通过SLAM技术实时地采集机器人所在的室内外环境的地形地貌状况，进行环境特征提取，对采集的信息进行拓扑地图的创建，并且在此基础上根据服务机器人的姿态变化制定出所需的不同的拓扑点的尺寸，将这些不同的尺寸作为输入量，对于拓扑地图进行重构，生成符合移动机器人姿态变化的拓扑点自适应性的拓扑地图。
本发明是通过以下技术方案实现的，本发明包括以下步骤：
第一步、首先依次将激光三维扫描传感器、倾斜传感器和6个超声波传感器分别并联至服务机器人并将超声波传感器分别安装于服务机器人的周围，然后设置激光三维扫描传感器以1毫秒为采样周期采集环境数据并进行模数转换，得到原始三维环境数据；再设置倾斜传感器测得该倾斜传感器与地面的夹角以及激光三维扫描传感器与地面的夹角作为夹角数据，最后记录超声波传感器测得的服务机器人与前方障碍物的距离数据；
第二步、服务机器人通过原始三维环境数据获得相对坐标并结合夹角数据标定出绝对坐标；然后根据距离数据进行三维场景分割，在以1毫秒为单位的三维分割场景的基础上进行局部三维场景重建，生成局部三维场景信息；最后通过扩展卡尔曼滤波的定位算法将局部三维场景信息通过鲁棒性的预测，每一个时间点环境细节的匹配融合处理后生成全局三维场景。
第三步、首先以服务机器人的各种姿态所占的投影面积中的最小值作为栅格，并以此栅格为单位将全局三维场景栅格化，然后应用腐蚀-剪裁算法在全局三维场景中计算栅格化相关值并根据拓扑点判断的结果决定是否应该修改对应栅格的标记值，最终生成服务机器人运动路径拓扑地图；
所述的全局三维场景栅格化是指：障碍物栅格标记为1，空白栅格标记为0；
所述的栅格化相关值是指：在全局三维场景中以从上至下，从左至右的顺序依次计算每一个栅格与该栅格周围的8个栅格之间的相关值。
所述的拓扑点判断是指：判断该栅格对应的拓扑点是否为服务机器人运动路径的末端点、服务机器人运动路径方向变化的点或服务机器人运动路径的交叉点，以此来区分关键的拓扑点与非关键的拓扑点，并且将非关键的拓扑点去除，以拓扑线代替，得到服务机器人运动路径拓扑地图。
第四步、根据服务机器人的姿态变化在地面的投影制定出对应的栅格，然后依据蒙特卡罗配比法生成标准栅格，此处所述的蒙特卡罗配比法是基于蒙特卡罗算法的一种扩展算法，其的功能便是将机器人不同的姿态投影进行栅格化，并且，对于不同的尺寸进行最小公倍化处理，得到一个最小的标准栅格，其的作用便是能够以一定的正整数倍数组成所有的姿态投影尺寸；同时，标准栅格的另外一个作用是，能标准栅格作为预输入量，进行全局三维场景的栅格化。
第五步、依据服务机器人的姿态变化在地面的投影制定出对应的栅格的个数创建旋转矩阵的维数，对原有的拓扑点进行计算，由于机器人姿态的投影尺寸大小不一，在机器人导航过程中，首先以尺寸最大的拓扑点进行导航，导航的过程中同样依靠栅格地图，但当遇到较狭窄环境后，将机器人的尺寸变小，变为较小的拓扑点，这在运算上便理解为标准栅格组合形式的变化，当相应的环境变窄，机器人的尺寸也相应变小，即标准栅格的组合数变小。
本发明能对于环境中的障碍信息进行实时处理，产生可用的移动地图，获取符合服务机器人姿态变化的拓扑路径地图，有效地实现自主导航，与传统的导航方法相比劳动强度减少的同时精度和效率都大大提高。
附图说明
图1为实施例中服务机器人运动路径拓扑地图；
其中：图1a：全局三维场景示意图、图1b：全局三维场景栅格化示意图、图1c：服务机器人运动路径拓扑地图、图1d：拓扑路径地图。
图2为实施例中蒙特卡罗配比示意图；
图3为实施例中拓扑点示意图；
图4为实施例中拓扑路径地图；
其中：图4a：服务机器人运动路径拓扑地图；图4b：拓扑路径地图。
具体实施方式
下面结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示，本实施例包括以下步骤：第一步、首先依次将激光三维扫描传感器、倾斜传感器和6个超声波传感器分别并联至服务机器人并将超声波传感器分别安装于服务机器人的周围，然后设置激光三维扫描传感器以1毫秒为采样周期采集环境数据并进行模数转换，得到原始三维环境数据；然后设置倾斜传感器测得该倾斜传感器与地面的夹角以及激光三维扫描传感器与地面的夹角作为夹角数据，再记录超声波传感器测得的服务机器人与前方障碍物的距离数据；
第二步、服务机器人通过原始三维环境数据获得相对坐标并结合夹角数据标定出绝对坐标；然后根据距离数据进行三维场景分割，在以1毫秒为单位的三维分割场景的基础上进行局部三维场景重建，生成局部三维场景信息；最后通过扩展卡尔曼滤波的定位算法将局部三维场景信息通过鲁棒性的预测，每一个时间点环境细节的匹配等融合处理后生成全局三维场景。
如图3所示，第三步、首先以服务机器人的各种姿态所占的投影面积中的最小值作为栅格，并以此栅格为单位将全局三维场景栅格化，然后应用腐蚀-剪裁算法在全局三维场景中计算栅格化相关值并根据拓扑点判断的结果决定是否应该修改对应栅格的标记值，最终生成服务机器人运动路径拓扑地图；
所述的全局三维场景栅格化是指：障碍物栅格标记为1，空白栅格标记为0；
所述的栅格化相关值是指：在全局三维场景中以从上至下，从左至右的顺序依次计算每一个栅格与该栅格周围的8个栅格之间的关系，如图1所示；
所述的腐蚀-剪裁算法是指：在一副数字化图像上的一个像素点为p1，顺时针环绕p1的相邻的8个方向上的像素依次设置为p2至p9，然后进行以下判断：
步骤一、当p2+p3+……+p8+p9的和小于等于6且大于等于2时，设置：
a)从p2至p9按照p2，p3，…，p8，p9的顺序从0到1的变化次数为1；
b)设置p2*p3*p4＝0且设置p4*p6*p8＝0。
步骤二、当p2+p3+……+p8+p9的和小于等于6且大于等于2时，设置：
a)从p2至p9按照p2，p3，…，p8，p9的顺序从0到1的变化次数为1；
b)设置p2*p4*p8＝0且设置p2*p6*p8＝0
步骤三、重复步骤一并反复迭代计算，计算P1与周围栅格化相关值的关系，直至p2+p3+……+p8+p9的和大于6或小于2；
步骤四、去除多余点，保留关键拓扑点，所有拓扑点被区分为冗余点与关键点，区分的规则为：轨迹的末端点、轨迹变化的点或是连接交叉点，利用这些规则对于拓扑点进行区分。
步骤五、将单个拓扑线融合为完整拓扑线本文提出在实现单独点相连基础上将其发展为关键拓扑点相连的方法。由图3，利用原本点与相近点之间短线相连，通过保留原本冗余点的位置信息，将冗余点消除的同时，将冗余拓扑点之间的拓扑线进行融合处理，从而得到所需要的拓扑线。
所述的拓扑点判断是指：判断该栅格对应的拓扑点是否为服务机器人运动路径的末端点、服务机器人运动路径方向变化的点或服务机器人运动路径的交叉点，以此来区分关键的拓扑点与非关键的拓扑点，并且将非关键的拓扑点去除，以拓扑线代替，得到服务机器人运动路径拓扑地图。
如图2所示，第四步、根据服务机器人的姿态变化在地面的投影制定出对应的栅格，然后依据蒙特卡罗配比法生成标准栅格，此处所述的蒙特卡罗配比法是基于蒙特卡罗算法的一种扩展算法，其的功能便是将机器人不同的姿态投影进行栅格化，并且，对于不同的尺寸进行最小公倍化处理，得到一个最小的标准栅格，其的作用便是能够以一定的正整数倍数组成所有的姿态投影尺寸；同时，标准栅格的另外一个作用是作为预输入量，进行全局三维场景的栅格化。
第五步、依据服务机器人的姿态变化在地面的投影制定出对应的栅格的个数创建旋转矩阵的维数，对原有的拓扑点进行计算，由于机器人姿态的投影尺寸大小不一，在机器人导航过程中，首先以尺寸最大的拓扑点进行导航，导航的过程中同样依靠栅格地图，但当遇到较狭窄环境后，将机器人的尺寸变小，变为较小的拓扑点，这在运算上便理解为标准栅格组合形式的变化，当相应的环境变窄，机器人的尺寸也相应变小，即标准栅格的组合数变小。
如图4所示，本实施例能对于环境中的障碍信息进行实时处理，产生可用的移动地图，获取符合服务机器人姿态变化的拓扑路径地图，有效地实现自主导航，与传统的导航方法相比劳动强度减少的同时精度和效率都大大提高。
Claims (6)
1.一种基于可变形拓扑地图的服务机器人自主导航方法，其特征在于，包括以下步骤：
第一步、首先依次将激光三维扫描传感器、倾斜传感器和6个超声波传感器分别并联至服务机器人并将超声波传感器分别安装于服务机器人的周围，然后设置激光三维扫描传感器以1毫秒为采样周期采集环境数据并进行模数转换，得到原始三维环境数据；再设置倾斜传感器测得该倾斜传感器与地面的夹角以及激光三维扫描传感器与地面的夹角作为夹角数据，最后记录超声波传感器测得的服务机器人与前方障碍物的距离数据；
第二步、服务机器人通过原始三维环境数据获得相对坐标并结合夹角数据标定出绝对坐标；然后根据距离数据进行三维场景分割，在以1毫秒为单位的三维分割场景的基础上进行局部三维场景重建，生成局部三维场景信息；最后通过扩展卡尔曼滤波的定位算法将局部三维场景信息通过鲁棒性的预测，每一个时间点环境细节的匹配融合处理后生成全局三维场景；
第三步、首先以服务机器人的各种姿态所占的投影面积中的最小值作为栅格，并以此栅格为单位将全局三维场景栅格化，然后应用腐蚀-剪裁算法在全局三维场景中计算栅格化相关值并根据拓扑点判断的结果决定是否应该修改对应栅格的标记值，最终生成服务机器人运动路径拓扑地图；
第四步、根据服务机器人的姿态变化在地面的投影制定出对应的栅格，然后依据蒙特卡罗配比法生成标准栅格，此处所述的蒙特卡罗配比法是基于蒙特卡罗算法的一种扩展算法，同时，标准栅格的另外一个作用是作为预输入量，进行全局三维场景的栅格化；
第五步、依据服务机器人的姿态变化在地面的投影制定出对应的栅格的个数创建旋转矩阵的维数，对原有的拓扑点进行计算，在机器人导航过程中，首先以尺寸最大的拓扑点进行导航，导航的过程中同样依靠栅格地图，但当遇到较狭窄环境后，将机器人的尺寸变小，变为较小的拓扑点，当相应的环境变窄，机器人的尺寸也相应变小，即标准栅格的组合数变小。
2.根据权利要求1所述的基于可变形拓扑地图的服务机器人自主导航方法，其特征是，所述的全局三维场景栅格化是指：障碍物栅格标记为1，空白栅格标记为0。
3.根据权利要求1所述的基于可变形拓扑地图的服务机器人自主导航方法，其特征是，所述的栅格化相关值是指：在全局三维场景中以从上至下，从左至右的顺序依次计算每一个栅格与该栅格周围的8个栅格之间的相关值。
4.根据权利要求1所述的基于可变形拓扑地图的服务机器人自主导航方法，其特征是，所述的拓扑点判断是指：判断该栅格对应的拓扑点是否为服务机器人运动路径的末端点、服务机器人运动路径方向变化的点或服务机器人运动路径的交叉点，以此来区分关键的拓扑点与非关键的拓扑点，并且将非关键的拓扑点去除，以拓扑线代替，得到服务机器人运动路径拓扑地图。
5.根据权利要求1所述的基于可变形拓扑地图的服务机器人自主导航方法，其特征是，所述的腐蚀-剪裁算法是指：在一副数字化图像上的一个像素点为p1，顺时针环绕p1的相邻的8个方向上的像素依次设置为p2至p9，然后进行以下判断：
步骤一、当p2+p3+……+p8+p9的和小于等于6且大于等于2时，设置：
a)从p2至p9按照p2，p3，…，p8，p9的顺序从0到1的变化次数为1；
b)设置p2*p3*p4＝0且设置p4*p6*p8＝0；
步骤二、当p2+p3+……+p8+p9的和小于等于6且大于等于2时，设置：
a)从p2至p9按照p2，p3，…，p8，p9的顺序从0到1的变化次数为1；
b)设置p2*p4*p8＝0且设置p2*p6*p8＝0
步骤三、重复步骤一并反复迭代计算，计算P1与周围栅格化相关值的关系，直至p2+p3+……+p8+p9的和大于6或小于2；
步骤四、去除多余点，保留关键拓扑点，所有拓扑点被区分为冗余点与关键点，区分的规则为：轨迹的末端点、轨迹变化的点或是连接交叉点，利用这些规则对于拓扑点进行区分；
步骤五、将单个拓扑线融合为完整拓扑线在实现单独点相连基础上将其发展为关键拓扑点相连的方法，利用原本点与相近点之间短线相连，通过保留原 本冗余点的位置信息，将冗余点消除的同时，将冗余拓扑点之间的拓扑线进行融合处理，从而得到所需要的拓扑线。
6.根据权利要求5所述的基于可变形拓扑地图的服务机器人自主导航方法，其特征是，所述的拓扑点判断是指：判断该栅格对应的拓扑点是否为服务机器人运动路径的末端点、服务机器人运动路径方向变化的点或服务机器人运动路径的交叉点，以此来区分关键的拓扑点与非关键的拓扑点，并且将非关键的拓扑点去除，以拓扑线代替，得到服务机器人运动路径拓扑地图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2009100559700A CN101619985B (zh) | 2009-08-06 | 2009-08-06 | 基于可变形拓扑地图的服务机器人自主导航方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2009100559700A CN101619985B (zh) | 2009-08-06 | 2009-08-06 | 基于可变形拓扑地图的服务机器人自主导航方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101619985A CN101619985A (zh) | 2010-01-06 |
| CN101619985B true CN101619985B (zh) | 2011-05-04 |
Family
ID=41513336
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2009100559700A Expired - Fee Related CN101619985B (zh) | 2009-08-06 | 2009-08-06 | 基于可变形拓扑地图的服务机器人自主导航方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101619985B (zh) |
Families Citing this family (49)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102135429B (zh) * | 2010-12-29 | 2012-06-13 | 东南大学 | 一种基于视觉的机器人室内定位导航方法 |
| CN102338621B (zh) * | 2011-04-27 | 2013-11-20 | 天津工业大学 | 一种室内视觉导航用障碍物高度检测方法 |
| CN103123727B (zh) * | 2011-11-21 | 2015-12-09 | 联想(北京)有限公司 | 即时定位与地图构建方法和设备 |
| CN102521328A (zh) * | 2011-12-06 | 2012-06-27 | 上海京颐信息科技有限公司 | 室内定位系统中轨迹回放功能的优化方法 |
| CN103247225B (zh) * | 2012-02-13 | 2015-04-29 | 联想(北京)有限公司 | 即时定位与地图构建方法和设备 |
| CN103364000B (zh) * | 2012-03-26 | 2016-01-27 | 联想(北京)有限公司 | 一种定位方法及电子设备 |
| CN103064415A (zh) * | 2012-12-09 | 2013-04-24 | 上海赛特康新能源科技有限公司 | 智能巡检装置的导航系统 |
| CN103885443B (zh) * | 2012-12-20 | 2017-02-08 | 联想(北京)有限公司 | 用于即时定位与地图构建单元的设备、系统和方法 |
| CN103901884B (zh) * | 2012-12-25 | 2017-09-29 | 联想(北京)有限公司 | 信息处理方法和信息处理设备 |
| CN103116691A (zh) * | 2012-12-25 | 2013-05-22 | 中国人民解放军军事交通学院 | 一种利用变尺度栅格环境建模的装置 |
| CN103914068A (zh) * | 2013-01-07 | 2014-07-09 | 中国人民解放军第二炮兵工程大学 | 一种基于栅格地图的服务机器人自主导航方法 |
| CN103196430B (zh) * | 2013-04-27 | 2015-12-09 | 清华大学 | 基于无人机的飞行轨迹与视觉信息的映射导航方法及系统 |
| CN103278170B (zh) * | 2013-05-16 | 2016-01-06 | 东南大学 | 基于显著场景点检测的移动机器人级联地图创建方法 |
| CN103312297B (zh) * | 2013-06-13 | 2015-12-09 | 北京航空航天大学 | 一种迭代扩展增量卡尔曼滤波方法 |
| CN103411609B (zh) * | 2013-07-18 | 2016-03-02 | 北京航天自动控制研究所 | 一种基于在线构图的飞行器返航路线规划方法 |
| CN103777629A (zh) * | 2013-09-05 | 2014-05-07 | 武汉汉迪机器人科技有限公司 | 自导向运载平台及该运载平台导航控制方法 |
| CN103674015B (zh) * | 2013-12-13 | 2017-05-10 | 国家电网公司 | 一种无轨化定位导航方法及装置 |
| CN103901895B (zh) * | 2014-04-18 | 2014-10-29 | 江苏久祥汽车电器集团有限公司 | 一种基于无极FastSLAM算法和匹配优化目标定位方法及机器人 |
| CN104501801B (zh) * | 2014-12-31 | 2017-09-15 | 中国电子科技集团公司第二十九研究所 | 一种室内定位方法 |
| CN104898660B (zh) * | 2015-03-27 | 2017-10-03 | 中国科学技术大学 | 一种提高机器人路径规划效率的室内地图构建方法 |
| CN104932494B (zh) * | 2015-04-27 | 2018-04-13 | 广州大学 | 一种概率式室内障碍物分布图的构建机制 |
| CN104916216A (zh) * | 2015-06-26 | 2015-09-16 | 深圳乐行天下科技有限公司 | 一种地图构建方法及系统 |
| CN105043396B (zh) * | 2015-08-14 | 2018-02-02 | 北京进化者机器人科技有限公司 | 一种移动机器人室内自建地图的方法和系统 |
| CN105258702B (zh) * | 2015-10-06 | 2019-05-07 | 深圳力子机器人有限公司 | 一种基于slam导航移动机器人的全局定位方法 |
| CN105225604B (zh) * | 2015-10-30 | 2018-06-29 | 汕头大学 | 一种移动机器人导航的混合地图的构建方法 |
| CN105487541A (zh) * | 2015-12-30 | 2016-04-13 | 华勤通讯技术有限公司 | 配送机器人及其控制方法 |
| CN105751219A (zh) * | 2016-05-07 | 2016-07-13 | 深圳市华科安测信息技术有限公司 | 用于挂号及拿药的医用机器人控制系统及方法 |
| CN106251353A (zh) * | 2016-08-01 | 2016-12-21 | 上海交通大学 | 弱纹理工件及其三维位姿的识别检测方法及系统 |
| CN106643721B (zh) * | 2016-10-11 | 2020-04-03 | 北京工业大学 | 一种环境拓扑地图的构建方法 |
| CN106406323A (zh) * | 2016-12-14 | 2017-02-15 | 智易行科技(武汉)有限公司 | 基于北斗‑gps导航下的移动平台自适应精密运动控制方法 |
| US10414385B2 (en) | 2017-01-27 | 2019-09-17 | Oshkosh Corporation | Fire apparatus level indication system |
| CN108801253B (zh) * | 2017-04-27 | 2021-03-09 | 深圳乐动机器人有限公司 | 机器人建图定位系统及机器人 |
| CN107132521B (zh) * | 2017-05-16 | 2019-12-06 | 哈尔滨工程大学 | 一种bslam中地形匹配结果正确性判别方法 |
| WO2019144286A1 (zh) * | 2018-01-23 | 2019-08-01 | 深圳市大疆创新科技有限公司 | 障碍物检测方法、移动平台及计算机可读存储介质 |
| CN108508885B (zh) * | 2018-02-09 | 2021-03-23 | 意诺科技有限公司 | 一种导航地图构建方法及装置 |
| CN108709562B (zh) * | 2018-04-28 | 2020-07-03 | 北京机械设备研究所 | 一种移动机器人滚动栅格地图构建方法 |
| CN108908330B (zh) * | 2018-06-28 | 2020-04-28 | 中国人民解放军国防科技大学 | 一种基于虚拟现实的机器人行为控制方法 |
| CN108955677A (zh) * | 2018-08-02 | 2018-12-07 | 苏州中德睿博智能科技有限公司 | 一种基于激光雷达与gps的拓扑地图创建方法及建图装置 |
| CN109084804B (zh) * | 2018-08-21 | 2020-11-10 | 北京云迹科技有限公司 | 机器人定位精准度判定处理方法及装置 |
| CN109357685B (zh) * | 2018-11-05 | 2020-10-20 | 飞牛智能科技（南京）有限公司 | 航路网生成方法、装置及存储介质 |
| CN109445438B (zh) * | 2018-12-05 | 2022-03-04 | 英华达（上海）科技有限公司 | 基于地图分享的巡航装置的巡航控制方法及系统 |
| CN109541634B (zh) * | 2018-12-28 | 2023-01-17 | 歌尔股份有限公司 | 一种路径规划方法、装置和移动设备 |
| CN110310333B (zh) * | 2019-06-27 | 2021-08-31 | Oppo广东移动通信有限公司 | 定位方法及电子设备、可读存储介质 |
| CN110501907B (zh) * | 2019-08-29 | 2020-10-20 | 上海有个机器人有限公司 | 用于机器人导航的自适应动态地图网格生成方法 |
| CN111060104A (zh) * | 2019-12-13 | 2020-04-24 | 杭州昕华信息科技有限公司 | 一种机器人巡视区域确定方法、装置、介质及设备 |
| CN114527736B (zh) * | 2020-10-30 | 2023-10-13 | 速感科技（北京）有限公司 | 困境规避方法、自主移动设备和存储介质 |
| CN112880662B (zh) * | 2021-01-12 | 2024-03-08 | 长春工程学院 | 一种野外地质地貌形态地图生成方法及系统 |
| CN113724384A (zh) * | 2021-07-30 | 2021-11-30 | 深圳市普渡科技有限公司 | 机器人拓扑地图生成系统、方法、计算机设备及存储介质 |
| CN118051035B (zh) * | 2024-04-15 | 2024-08-09 | 山东大学 | 一种基于局部距离视野强化学习的多agv调度方法 |
-
2009
- 2009-08-06 CN CN2009100559700A patent/CN101619985B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN101619985A (zh) | 2010-01-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101619985B (zh) | 基于可变形拓扑地图的服务机器人自主导航方法 | |
| Pokle et al. | Deep local trajectory replanning and control for robot navigation | |
| CN103389699B (zh) | 基于分布式智能监测控制节点的机器人监控及自主移动系统的运行方法 | |
| Rekleitis et al. | Multi-robot cooperative localization: a study of trade-offs between efficiency and accuracy | |
| KR100748245B1 (ko) | 인공표식과 지역좌표계를 이용한 이동로봇의 환경지도 작성방법 및 이동 방법 | |
| CN106774329B (zh) | 一种基于椭圆切线构造的机器人路径规划方法 | |
| Pfingsthorn et al. | A scalable hybrid multi-robot SLAM method for highly detailed maps | |
| CN103984037B (zh) | 基于视觉的移动机器人障碍物检测方法和装置 | |
| KR101913332B1 (ko) | 이동 장치 및 이동 장치의 위치 인식 방법 | |
| CN100461058C (zh) | 在复杂环境下智能机器人自主定位的方法 | |
| Correll et al. | Multirobot inspection of industrial machinery | |
| WO2021237667A1 (zh) | 一种适用于腿足机器人规划的稠密高度地图构建方法 | |
| CN107065872A (zh) | 智能机器人的栅格地图创建方法 | |
| CN109528089A (zh) | 一种被困清洁机器人的继续行走方法、装置及芯片 | |
| JP5068840B2 (ja) | ロボットのプログラム及び情報処理装置のプログラム | |
| CN108170166A (zh) | 机器人的跟随控制方法及其智能装置 | |
| Liu | Implementation of SLAM and path planning for mobile robots under ROS framework | |
| CN112731942A (zh) | 一种基于改进领航者虚拟结构法的多auv编队控制方法 | |
| Tavakoli et al. | Cooperative multi-agent mapping of three-dimensional structures for pipeline inspection applications | |
| Fareh et al. | A vision-based kinematic tracking control system using enhanced-prm for differential wheeled mobile robot | |
| Ramer et al. | A robot motion planner for 6-DOF industrial robots based on the cell decomposition of the workspace | |
| Fan et al. | A fire protection robot system based on SLAM localization and fire source identification | |
| Hong et al. | Real-time visual-based localization for mobile robot using structured-view deep learning | |
| Zhao et al. | A study of the global topological map construction algorithm based on grid map representation for multirobot | |
| CN112985410A (zh) | 一种基于激光slam的室内机器人自主建图导航系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110504 Termination date: 20130806 |