[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN115586770A - 基于龙芯嵌入式系统部署ros的机器人路径规划方法 - Google Patents

基于龙芯嵌入式系统部署ros的机器人路径规划方法 Download PDF

Info

Publication number
CN115586770A
CN115586770A CN202211121389.6A CN202211121389A CN115586770A CN 115586770 A CN115586770 A CN 115586770A CN 202211121389 A CN202211121389 A CN 202211121389A CN 115586770 A CN115586770 A CN 115586770A
Authority
CN
China
Prior art keywords
robot
speed
time
obstacle
track
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.)
Pending
Application number
CN202211121389.6A
Other languages
English (en)
Inventor
唐俊秋
谢非
刘谦
杨继全
王天行
王可
范致诚
陈羽馨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Normal University
Original Assignee
Nanjing Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Normal University filed Critical Nanjing Normal University
Priority to CN202211121389.6A priority Critical patent/CN115586770A/zh
Publication of CN115586770A publication Critical patent/CN115586770A/zh
Pending legal-status Critical Current

Links

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
    • G05D1/0212—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
    • G05D1/0212—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

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)
  • Manipulator (AREA)

Abstract

本发明公开了一种基于龙芯嵌入式系统部署ROS的机器人路径规划方法，包括：在龙芯芯片上进行ROS的源码编译安装；根据机器人非全向运动的特性，建立直线轨迹模型；根据规划轨迹、与障碍物的距离和角度、加速度范围四种约束，建立速度搜索空间，在速度搜索空间内初步确立了采样轨迹；通过采样速度，并且添加加速度函数，计算机器人路径规划的代价函数；选择时间间隔t内的最优轨迹，将机器人以此最优轨迹对应的采样速度移动
Figure DDA0003847207180000011
段时间；重复步骤直至机器人与目标点距离小于设定值时，停止搜索。本发明有效解决了现有路径规划算法在避障时出现的机器人撞击障碍物问题，提高了路径规划与避障的精准性，推动了国产芯片在移动机器人领域的发展。

Description

基于龙芯嵌入式系统部署ROS的机器人路径规划方法
技术领域
本发明属于移动机器人技术领域，涉及移动机器人路径规划，具体涉及一种基于龙芯嵌入式系统部署ROS的机器人路径规划方法。
背景技术
ROS是一个用于实现机器人编程和开发复杂机器人应用程序的开源软件框架，和所有操作系统一样，提供了一个用于构建机器人应用程序的硬件抽象层。有了它的存在，开发者就无须考虑底层硬件的差异。
在ROS中，默认使用动态窗口算法进行路径规划与避障，但移动机器人在使用动态窗口算法进行避障时，通常会出现撞击障碍物的问题，并且在科技竞争愈发激烈的当下，国产芯片性能相较于国外芯片应用于机器人导航与路径规划方向仍存在一定问题，为解决动态窗口算法现存问题，促进基于国产芯片的移动机器人的发展，提供一种基于龙芯嵌入式系统部署ROS的机器人路径规划方法，为机器人领域国产化应用奠定基础。
发明内容
发明目的：为了克服现有技术中存在的原有路径规划算法在避障时出现的机器人撞击障碍物问题，提供一种基于龙芯嵌入式系统部署ROS的机器人路径规划方法，其解决了现有路径规划算法的局限性，提高了路径规划与避障的精准性。
技术方案：为实现上述目的，本发明提供一种基于龙芯嵌入式系统部署ROS的机器人路径规划方法，包括如下步骤：
S1：在龙芯芯片上进行ROS的源码编译安装；
S2：根据机器人非全向运动的特性，建立直线轨迹模型；
S3：根据规划轨迹、与障碍物的距离和角度、加速度范围四种约束，建立速度搜索空间，在速度搜索空间内初步确立了采样轨迹；
S4：在初步确立的采样轨迹基础上，通过采样速度，并且添加加速度函数，计算机器人路径规划的代价函数；
S5：基于机器人路径规划的代价函数，选择时间间隔t内的最优轨迹，将机器人以此最优轨迹对应的采样速度移动
Figure BDA0003847207160000011
段时间；
S6：重复步骤S3～S5，直至机器人与目标点距离小于设定值时，停止搜索，获得最优轨迹。
进一步地，所述步骤S1具体为：
A1：安装ROS依赖；
A2：使用rosdep update配置rosdep；
A3：创建catkin工作空间；
A4：下载ROS-Comm源码；
A5：使用rosdep安装编译源码过程中所需要的依赖；
A6：使用./src/catkin/bin/catkin_make_isolated--install
-DCMAKE_BUILD_TYPE＝Release编译源码；
A7：将路径写入终端启动脚本，以便于在终端中使用ROS接口；
A8：至此，ROS在龙芯芯片上安装完成。
进一步地，所述步骤S2中直线轨迹模型的建立包括如下步骤：
B1：在机器人运动的极短时间内，将轨迹看作匀速直线运动；
B2：由于机器人只能前进和旋转，前进速度方向与机器人航向角保持一致，同时，控制变量是控制前进的加速度与控制转向的角加速度，建立直线轨迹模型，运动差分方程如下：
Figure BDA0003847207160000021
其中，Δt为时间变化量，x(t)指t时刻机器人在前进方向的位移，x(t+Δt)指t+Δt时刻机器人在前进方向的位移，y(t)指t时刻机器人在垂直x(t)方向上的位移，y(t+Δt)指t+Δt时刻机器人在垂直x(t+Δt)方向上的位移，θ(t)指t时刻机器人与参考线的夹角，θ(t+Δt)指t+Δt时刻机器人与参考线的夹角，v(t)指t时刻机器人的速度，v(t)指t时刻机器人的速度，v(t+Δt)指t+Δt时刻机器人的速度，ω(t)指t时刻机器人的角速度，ω(t+Δt)指t+Δt时刻机器人的角速度，α(t)指t时刻机器人的加速度。
进一步地，所述步骤S3中速度搜索空间的建立包括如下步骤：
C1：轨迹以圆弧为主，该轨迹由采样速度(v,ω)决定，采样速度(v,ω)需要在可行范围内，这些速度构成一个初始的速度搜索空间：
Vs＝{(v,ω)|v≤|vmax|∩ω≤|ωmax||}
其中，Vs为初始速度搜索空间，(v,ω)为采样速度，v为机器人速度，|vmax|为机器人最大速度，ω为机器人角速度，|ωmax|为机器人最大角速度；
C2：设置实时更新的最大速度限制，保证在最大加速度下能在最近的障碍物前停下来：
Figure BDA0003847207160000031
其中，Vα1为与障碍物距离限制下的速度搜索空间，|αmax|为最大加速度，|ωmax|为最大角加速度，dist(v,ω)为机器人轨迹与最近的障碍物的距离；
C3：同时，设置实时更新的最大角速度限制，保证在最大角加速度下能在与航向角最接近的障碍物前停下来：
Figure BDA0003847207160000032
其中，Vα2为与障碍物角度限制下的速度搜索空间，heading(v,ω)为机器人航向角偏离与障碍物夹角的角度；
C4：由于加速度有一个范围限制，所以，最大加速度或负方向最大加速度一定时间内能达到的速度才会被保留：
Vd＝{(v,ω)|v∈[v0-αmax*Δt,v0+αmax*Δt]∩ω∈[ω0-αmax*Δt,ω0+αmax*Δt]|}
其中，Vd为加速度限制下的速度搜索空间，v0为当前的机器人速度，ω0为当前的机器人角速度；
C5：根据步骤C1～C4，速度搜索空间为：
Vδ＝Vs∩Vα1∩Vα2∩Vd
其中，Vδ为最终的速度搜索空间。在得到的速度搜索空间内，初步确立了多条采样轨迹。机器人最终将沿着某条采样轨迹运动。
进一步地，所述步骤S4具体包括如下步骤：
D1：添加航向角和实际机器人与障碍物连线的角度偏差，纠正机器人航向，在计算时使用余弦函数或者反三角函数；
D2：计算时再设置一个距离最大值，如：0.25米，当超过这个距离最大值时，就让dist(v,ω)恒等于这个最大值，使得机器人与障碍物保持距离，防止机器人距离障碍物越远越好的情况出现；
D3：在采样轨迹初步确立的基础上，建立代价函数：
G(v,ω)＝σ(a*heading(v,ω)+β*dist(v,ω)+γ*vel(v,ω)+ε*acc(v,ω))
其中，G(v,ω)为代价函数，a、β、γ、ε四个参数代表权重，不同情况的环境需要不同的权重，采取权重归一化，以此来消除量纲，σ参数使得四个部分的权重更加平滑，使得轨迹与障碍物之间保持一定的间隙，vel(v,ω)为速度函数，acc(v,ω)为加速度函数。
进一步地，所述步骤S5中选出时间间隔t内的最优轨迹，即机器人在移动至目标点时，在遇到障碍物时能够绕过并且保留一定稳定裕量的路径，将机器人以此最优轨迹对应的(v,ω)移动
Figure BDA0003847207160000041
段时间，n为由自己设定的正整数，如10或20。
有益效果：本发明与现有技术相比，针对由于原有算法路径规划不精确，机器人在进行避障时，会产生直接撞击障碍物和终端输出报错的异常现象，本发明通过建立相较于原有路径规划算法约束条件更多的速度搜索空间，添加机器人航向角偏离机器人与障碍物实际连线方向的角度，以及在建立代价函数时添加加速度函数，确立了路径规划时的最优轨迹，并且，最优路径保留了稳定裕量，使机器人在遇到障碍物时能够安全快速地通过，有效解决了现有路径规划算法在避障时出现的机器人撞击障碍物问题，提高了路径规划与避障的精准性，并且推动了国产芯片在移动机器人领域的发展，具有较好的现实意义与实用价值。
附图说明
图1是本发明方法的工作流程示意图；
图2是本发明实施例提供的机器人实物图；
图3是本发明实施例提供的机器人坐标系示意图；
图4是本发明实施例提供的机器人航向角示例图；
图5是本发明实施例提供的未优化时的机器人规划路径图；
图6是本发明实施例提供的优化后机器人规划路径图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供本发明提供一种基于龙芯嵌入式系统部署ROS的机器人路径规划方法，如图1所示，包括如下步骤：
S1：在龙芯芯片上进行ROS的源码编译安装，包括如下步骤A1～A8：
A1：安装ROS依赖；
A2：使用rosdep update配置rosdep；
A3：创建catkin工作空间；
A4：下载ROS-Comm源码；
A5：使用rosdep安装编译源码过程中所需要的依赖；
A6：使用./src/catkin/bin/catkin_make_isolated--install-DCMAKE_BUILD_TYPE＝Release编译源码；
A7：将路径写入终端启动脚本，以便于在终端中使用ROS接口；
A8：至此，ROS在龙芯芯片上安装完成。
S2：参照图3，根据机器人非全向运动的特性，建立直线轨迹模型：
直线轨迹模型的建立包括如下步骤B1和B2：
B1：在机器人运动的极短时间内，将轨迹看作匀速直线运动；
B2：如图2所示，由于机器人只能前进和旋转，前进速度方向与机器人航向角保持一致，同时，控制变量是控制前进的加速度与控制转向的角加速度，建立直线轨迹模型，运动差分方程如下：
Figure BDA0003847207160000051
其中，Δt为时间变化量，x(t)指t时刻机器人在前进方向的位移，x(t+Δt)指t+Δt时刻机器人在前进方向的位移，y(t)指t时刻机器人在垂直x(t)方向上的位移，y(t+Δt)指t+Δt时刻机器人在垂直x(t+Δt)方向上的位移，θ(t)指t时刻机器人与参考线的夹角，θ(t+Δt)指t+Δt时刻机器人与参考线的夹角，v(t)指t时刻机器人的速度，v(t)指t时刻机器人的速度，v(t+Δt)指t+Δt时刻机器人的速度，ω(t)指t时刻机器人的角速度，ω(t+Δt)指t+Δt时刻机器人的角速度，α(t)指t时刻机器人的加速度。
S3：根据规划轨迹、与障碍物的距离和角度、加速度范围四种约束，建立速度搜索空间，在速度搜索空间内初步确立了采样轨迹，新添加一种约束关系，使得速度搜索空间的建立更加完善，具体包括如下步骤C1-C5：
C1：轨迹以圆弧为主，该轨迹由采样速度(v,ω)决定，采样速度(v,ω)需要在可行范围内，这些速度构成一个初始的速度搜索空间：
Vs＝{(v,ω)|v≤|vmax|∩ω≤|ωmax||}
其中，Vs为初始速度搜索空间，(v,ω)为采样速度，v为机器人速度，|vmax|为机器人最大速度，ω为机器人角速度，|ωmax|为机器人最大角速度；
C2：设置实时更新的最大速度限制，保证在最大加速度下能在最近的障碍物前停下来：
Figure BDA0003847207160000052
其中，Vα1为与障碍物距离限制下的速度搜索空间，|αmax|为最大加速度，|ωmax|为最大角加速度，dist(v,ω)为机器人轨迹与最近的障碍物的距离；
C3：同时，设置实时更新的最大角速度限制，保证在最大角加速度下能在与航向角最接近的障碍物前停下来：
Figure BDA0003847207160000061
其中，Vα2为与障碍物角度限制下的速度搜索空间，heading(v,ω)为机器人航向角偏离与障碍物夹角的角度，本实施例中机器人航向角如图4所示；
C4：由于加速度有一个范围限制，所以，最大加速度或负方向最大加速度一定时间内能达到的速度才会被保留：
Vd＝{(v,ω)|v∈[v0-αmax*Δt,v0+αmax*Δt]∩ω∈[ω0-αmax*Δt,ω0+αmax*Δt]|}
其中，Vd为加速度限制下的速度搜索空间，v0为当前的机器人速度，ω0为当前的机器人角速度；
C5：根据步骤C1～C4，速度搜索空间为：
Vδ＝Vs∩Vα1∩Vα2∩Vd
其中，Vδ为最终的速度搜索空间。在得到的速度搜索空间内，初步确立了多条采样轨迹。机器人最终将沿着某条采样轨迹运动。
S4：在初步确立的采样轨迹基础上，通过采样速度，并且添加加速度函数，计算机器人路径规划的代价函数，使得代价函数受机器人加速度制约，在避障时更好地绕过障碍物，具体包括如下步骤D1-D3：
D1：添加航向角和实际机器人与障碍物连线的角度偏差，纠正机器人航向，在计算时使用余弦函数或者反三角函数；
D2：计算时再设置一个距离最大值，如：0.25米，当超过这个距离最大值时，就让dist(v,ω)恒等于这个最大值，使得机器人与障碍物保持距离，防止机器人距离障碍物越远越好的情况出现；
D3：在采样轨迹初步确立的基础上，建立代价函数：
G(v,ω)＝σ(a*heading(v,ω)+β*dist(v,ω)+γ*vel(v,ω)+ε*acc(v,ω))
其中，G(v,ω)为代价函数，a、β、γ、ε四个参数代表权重，不同情况的环境需要不同的权重，采取权重归一化，以此来消除量纲，σ参数使得四个部分的权重更加平滑，使得轨迹与障碍物之间保持一定的间隙，vel(v,ω)为速度函数，acc(v,ω)为加速度函数。
S5：选出时间间隔t内的最优轨迹，即机器人在移动至目标点时，在遇到障碍物时能够绕过并且保留一定稳定裕量的路径，将机器人以此最优轨迹对应的(v,ω)移动
Figure BDA0003847207160000062
段时间，n为由自己设定的正整数，如10或20。
S6：重复步骤S3～S5，直至机器人与目标点距离小于设定值0.2米时，停止搜索，获得最终规划路径。
基于上述方案，为了验证本发明方法的效果，将本发明的优化方法和现有未经优化的路径规划方法同时进行应用，具体如下：
图5为未经优化的现有路径规划方法，从图中可以发现机器人规划的黄色路线已经发散到障碍物上，与障碍物产生了交集，因此在实际避障过程中会撞到障碍物，导致路径规划错误。
图6为采用本发明方法优化后的机器人规划路径，从图中可以看出优化后的路径与障碍物无交集，不会再撞到障碍物。
从图5和图6可以看出，本发明方法有效解决了现有路径规划算法在避障时出现的机器人撞击障碍物问题，提高了路径规划与避障的精准性。

Claims (6)

1.基于龙芯嵌入式系统部署ROS的机器人路径规划方法，其特征在于，包括如下步骤：
S1：在龙芯芯片上进行ROS的源码编译安装；
S2：根据机器人非全向运动的特性，建立直线轨迹模型；
S3：根据规划轨迹、与障碍物的距离和角度、加速度范围四种约束，建立速度搜索空间，在速度搜索空间内初步确立了采样轨迹；
S4：在初步确立的采样轨迹基础上，通过采样速度，并且添加加速度函数，计算机器人路径规划的代价函数；
S5：基于机器人路径规划的代价函数，选择时间间隔t内的最优轨迹，将机器人以此最优轨迹对应的采样速度移动
Figure FDA0003847207150000011
段时间；
S6：重复步骤S3～S5，直至机器人与目标点距离小于设定值时，停止搜索，获得最优轨迹。
2.根据权利要求1所述的基于龙芯嵌入式系统部署ROS的机器人路径规划方法，其特征在于，所述步骤S1具体为：
A1：安装ROS依赖；
A2：使用rosdep update配置rosdep；
A3：创建catkin工作空间；
A4：下载ROS-Comm源码；
A5：使用rosdep安装编译源码过程中所需要的依赖；
A6：编译源码；
A7：将路径写入终端启动脚本，以便于在终端中使用ROS接口；
A8：至此，ROS在龙芯芯片上安装完成。
3.根据权利要求1所述的基于龙芯嵌入式系统部署ROS的机器人路径规划方法，其特征在于，所述步骤S2中直线轨迹模型的建立包括如下步骤：
B1：在机器人运动的极短时间内，将轨迹看作匀速直线运动；
B2：由于机器人只能前进和旋转，前进速度方向与机器人航向角保持一致，同时，控制变量是控制前进的加速度与控制转向的角加速度，建立直线轨迹模型，运动差分方程如下：
Figure FDA0003847207150000012
其中，Δt为时间变化量，x(t)指t时刻机器人在前进方向的位移，x(t+Δt)指t+Δt时刻机器人在前进方向的位移，y(t)指t时刻机器人在垂直x(t)方向上的位移，y(t+Δt)指t+Δt时刻机器人在垂直x(t+Δt)方向上的位移，θ(t)指t时刻机器人与参考线的夹角，θ(t+Δt)指t+Δt时刻机器人与参考线的夹角，v(t)指t时刻机器人的速度，v(t)指t时刻机器人的速度，v(t+Δt)指t+Δt时刻机器人的速度，ω(t)指t时刻机器人的角速度，ω(t+Δt)指t+Δt时刻机器人的角速度，α(t)指t时刻机器人的加速度。
4.根据权利要求3所述的基于龙芯嵌入式系统部署ROS的机器人路径规划方法，其特征在于，所述步骤S3中速度搜索空间的建立包括如下步骤：
C1：轨迹以圆弧为主，该轨迹由采样速度(v,ω)决定，采样速度(v,ω)需要在可行范围内，这些速度构成一个初始的速度搜索空间：
Vs＝{(v,ω)|v≤|vmax|∩ω≤|ωmax||}
其中，Vs为初始速度搜索空间，(v,ω)为采样速度，v为机器人速度，|vmax|为机器人最大速度，ω为机器人角速度，|ωmax|为机器人最大角速度；
C2：设置实时更新的最大速度限制，保证在最大加速度下能在最近的障碍物前停下来：
Figure FDA0003847207150000021
其中，Vα1为与障碍物距离限制下的速度搜索空间，|αmax|为最大加速度，|ωmax|为最大角加速度，dist(v,ω)为机器人轨迹与最近的障碍物的距离；
C3：同时，设置实时更新的最大角速度限制，保证在最大角加速度下能在与航向角最接近的障碍物前停下来：
Figure FDA0003847207150000022
其中，Vα2为与障碍物角度限制下的速度搜索空间，heading(v,ω)为机器人航向角偏离与障碍物夹角的角度；
C4：由于加速度有一个范围限制，所以，最大加速度或负方向最大加速度一定时间内能达到的速度才会被保留：
Vd＝{(v,ω)|v∈[v0-αmax*Δt,v0+αmax*Δt]∩ω∈[ω0-αmax*Δt,ω0+αmax*Δt]|}
其中，Vd为加速度限制下的速度搜索空间，v0为当前的机器人速度，ω0为当前的机器人角速度；
C5：根据步骤C1～C4，速度搜索空间为：
Vδ＝Vs∩Vα1∩Vα2∩Vd
其中，Vδ为最终的速度搜索空间。
5.根据权利要求1所述的基于龙芯嵌入式系统部署ROS的机器人路径规划方法，其特征在于，所述步骤S4具体包括如下步骤：
D1：添加航向角和实际机器人与障碍物连线的角度偏差，纠正机器人航向，在计算时使用余弦函数或者反三角函数；
D2：计算时再设置一个距离最大值，当超过这个距离最大值时，就让dist(v,ω)恒等于这个最大值；
D3：在采样轨迹初步确立的基础上，建立代价函数：
G(v,ω)＝σ(a*heading(v,ω)+β*dist(v,ω)+γ*vel(v,ω)+ε*acc(v,ω))
其中，G(v,ω)为代价函数，a、β、γ、ε四个参数代表权重，σ参数使得四个部分的权重更加平滑，使得轨迹与障碍物之间保持一定的间隙，vel(v,ω)为速度函数，acc(v,ω)为加速度函数。
6.根据权利要求1所述的基于龙芯嵌入式系统部署ROS的机器人路径规划方法，其特征在于，所述步骤S5中选出时间间隔t内的最优轨迹，即机器人在移动至目标点时，在遇到障碍物时能够绕过并且保留一定稳定裕量的路径，将机器人以此最优轨迹对应的(v,ω)移动
Figure FDA0003847207150000031
段时间，n为设定的正整数。
CN202211121389.6A 2022-09-15 2022-09-15 基于龙芯嵌入式系统部署ros的机器人路径规划方法 Pending CN115586770A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211121389.6A CN115586770A (zh) 2022-09-15 2022-09-15 基于龙芯嵌入式系统部署ros的机器人路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211121389.6A CN115586770A (zh) 2022-09-15 2022-09-15 基于龙芯嵌入式系统部署ros的机器人路径规划方法

Publications (1)

Publication Number Publication Date
CN115586770A true CN115586770A (zh) 2023-01-10

Family

ID=84778287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211121389.6A Pending CN115586770A (zh) 2022-09-15 2022-09-15 基于龙芯嵌入式系统部署ros的机器人路径规划方法

Country Status (1)

Country Link
CN (1) CN115586770A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116203962A (zh) * 2023-03-13 2023-06-02 中国人民解放军海军工程大学 水面无人艇多模式航行安全控制方法、系统及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205405262U (zh) * 2016-03-02 2016-07-27 上海工程技术大学 一种基于ros路径规划移动机器人
CN107145153A (zh) * 2017-07-03 2017-09-08 北京海风智能科技有限责任公司 一种基于ros的服务机器人及其室内导航方法
CN108375979A (zh) * 2018-02-10 2018-08-07 浙江工业大学 基于ros的自动导航机器人通用控制系统
CN110333869A (zh) * 2019-06-26 2019-10-15 深圳玩智商科技有限公司 Ros机器人调试装置、方法、计算机设备以及程序产品
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
CN112486183A (zh) * 2020-12-09 2021-03-12 上海机器人产业技术研究院有限公司 一种室内移动机器人的路径规划算法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205405262U (zh) * 2016-03-02 2016-07-27 上海工程技术大学 一种基于ros路径规划移动机器人
CN107145153A (zh) * 2017-07-03 2017-09-08 北京海风智能科技有限责任公司 一种基于ros的服务机器人及其室内导航方法
CN108375979A (zh) * 2018-02-10 2018-08-07 浙江工业大学 基于ros的自动导航机器人通用控制系统
CN110333869A (zh) * 2019-06-26 2019-10-15 深圳玩智商科技有限公司 Ros机器人调试装置、方法、计算机设备以及程序产品
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
CN112486183A (zh) * 2020-12-09 2021-03-12 上海机器人产业技术研究院有限公司 一种室内移动机器人的路径规划算法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116203962A (zh) * 2023-03-13 2023-06-02 中国人民解放军海军工程大学 水面无人艇多模式航行安全控制方法、系统及设备

Similar Documents

Publication Publication Date Title
CN111898804B (zh) 局部规划的道路自适应采样方法
CN112378408B (zh) 一种实现轮式移动机器人实时避障的路径规划方法
WO2020094056A1 (zh) 基于b样条曲线的agv运动控制方法
CN111596654B (zh) 基于改进d星路径规划算法的电缆沟机器人导航避障方法
CN111158318B (zh) 一种非对称性四次曲线柔性加减速规划方法
CN109991932B (zh) 一种物流搬运设备s曲线加减速速度规划与控制方法
CN112622932A (zh) 一种基于势能场启发式搜索的自动驾驶换道轨迹规划算法
CN109814496B (zh) 一种s型加减速轨迹规划中多轴时间同步方法
JPH10320026A (ja) 数値制御装置及び方法
CN104181512A (zh) 用于求取车辆的雷达传感器的失准的方法和设备
CN111538331A (zh) 一种地下无人铰接车的反应式导航方法
KR20120025839A (ko) 2-륜 이동 로봇의 오도메트리 오차 보정 방법
CN115586770A (zh) 基于龙芯嵌入式系统部署ros的机器人路径规划方法
CN108772835B (zh) 一种障碍物与物理极限躲避方法
CN114852085A (zh) 基于路权侵入度的车辆自动驾驶轨迹规划方法
CN111707274B (zh) 能量最优的航天器连续动态避障轨迹规划方法
CN114442630B (zh) 一种基于强化学习和模型预测的智能车规划控制方法
CN107168338A (zh) 基于毫米波雷达的惯性导引车导航方法及惯性导引车
CN110188947B (zh) 盾构纠偏中当前环目标预测方法及系统
CN115145275B (zh) 基于改进人工势场法的多机器人编队避障控制方法
Velenis et al. Optimal velocity profile generation for given acceleration limits: Receding horizon implementation
Hu et al. A flexible velocity planning algorithm for high-speed mounter with both efficiency and precision
CN112506203B (zh) 一种机器人运动动态反馈方法及系统
CN115826590A (zh) 一种自适应参数的移动机器人局部路径规划方法及系统
CN117826828B (zh) 一种基于三次曲线的集群目标追踪方法

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