CN110045731B - 一种路径规划方法、电子装置及计算机可读存储介质 - Google Patents
一种路径规划方法、电子装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110045731B CN110045731B CN201910232640.8A CN201910232640A CN110045731B CN 110045731 B CN110045731 B CN 110045731B CN 201910232640 A CN201910232640 A CN 201910232640A CN 110045731 B CN110045731 B CN 110045731B
- Authority
- CN
- China
- Prior art keywords
- point
- distance
- starting point
- equal
- test
- 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 58
- 238000012360 testing method Methods 0.000 claims abstract description 115
- 230000004888 barrier function Effects 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 7
- 230000012010 growth Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 229930192334 Auxin Natural products 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000002363 auxin Substances 0.000 description 1
- 230000028446 budding cell bud growth Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- SEOVTRFCIGRIMH-UHFFFAOYSA-N indole-3-acetic acid Chemical compound C1=CC=C2C(CC(=O)O)=CNC2=C1 SEOVTRFCIGRIMH-UHFFFAOYSA-N 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000029264 phototaxis Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G05D1/0212—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
- G05D1/0231—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
- G05D1/0276—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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种路径规划方法、电子装置和计算机可读存储介质，通过对以预设搜索距离为半径、起点为圆心的圆周上的测试点，进行障碍物距离m和终点距离d的计算，而基于障碍物距离m和终点距离d，可以一定程度分析出各个测试点和终点之间的障碍物情况，继而选择出不碰到障碍物，又离终点较近的点，并将该点作为新的起点进行下一个起点的确定过程，直到检测到目标终点，最终根据原始的起点、各个新的起点以及目标终点，确定出抽象空间上的规划路径，基于本申请方案中确定新的起点的方式，需要检测的圆周的数量较少，有效降低了路径规划计算量，提升了路径规划效率。
Description
技术领域
本申请涉及机器人技术领域，尤其涉及一种路径规划方法、电子装置及计算机可读存储介质。
背景技术
机器人路径规划是机器人领域一个非常重要的部分，更是机器人完成更复杂任务的基础。如何使移动机器人在已知或未知环境下快速准确地规划出一条最优且无碰撞路径是一个富有挑战性的研究课题。随着机器人应用的领域不断被拓展，对路径规划研究的重视将有助于机器人在社会上给各个行业带来巨大变化。机器人完成复杂任务的基石是完善的路径规划技术，对该技术的深入研究，能够提高机器人的智能化水平，促进该学科的发展。
机器人的路径规划具体是指移动机器人按照预先设定的一项或多项性能指标，搜索一条从起始状态到目标状态的最优或次最化的无碰撞路径。现有技术中存在基于人工鱼群算法和A*算法的移动机器人路径规划方法，但是这两种路径规划方法存在效率低和计算量大的问题。
发明内容
本申请实施例提供一种路径规划方法、电子装置及计算机可读存储介质，可提升路径规划效率、降低路径规划计算量。
本申请实施例第一方面提供一种路径规划方法，包括：
步骤a、获取抽象空间上的起点和终点，其中，所述抽象空间为需要规划路径的物理空间对应的抽象空间；
步骤b、将以预设搜索距离为半径、所述起点为圆心的圆周上的点作为测试点，对各个测试点进行障碍物距离m和终点距离d的计算，其中，所述障碍物距离为所述抽象空间上位于分割线两侧的障碍物最远点到所述分割线的垂直距离中的最小距离，所述分割线为基于所述圆周上的一测试点到所述终点构成的线，所述终点距离为所述圆周上的一测试点到所述终点的距离；
步骤c、若所述圆周上存在m等于0且d等于0的测试点，则将所述测试点作为目标终点，若所述圆周上不存在m等于0且d等于0的测试点，则根据所述起点、所述预设搜索距离以及各测试点的障碍物距离m和终点距离d，确定新的起点，并返回执行步骤b，其中，所述新的起点到前一个起点的距离不低于所述预设搜索距离，所述新的起点到所述终点的距离满足预设距离要求；
步骤d、在检测到目标终点后，根据原始的起点、各个新的起点以及所述目标终点，确定所述抽象空间上的规划路径。
本申请实施例第二方面提供一种电子装置，包括：
获取模块，用于获取抽象空间上的起点和终点，其中，所述抽象空间为需要规划路径的物理空间对应的抽象空间；
搜索模块，用于将以预设搜索距离为半径、所述起点为圆心的圆周上的点作为测试点，对各个测试点进行障碍物距离m和终点距离d的计算，其中，所述障碍物距离为所述抽象空间上位于分割线两侧的障碍物最远点到所述分割线的垂直距离中的最小距离，所述分割线为基于所述圆周上的一测试点到所述终点构成的线，所述终点距离为所述圆周上的一测试点到所述终点的距离；
检测模块，用于若所述圆周上存在m等于0且d等于0的测试点，则将所述测试点作为目标终点，若所述圆周上不存在m等于0且d等于0的测试点，则根据所述起点、所述预设搜索距离以及各测试点的障碍物距离m和终点距离d，确定新的起点，并将所述新的起点输入所述搜索模块以使得所述搜索模块继续执行其功能，其中，所述新的起点到前一个起点的距离不低于所述预设搜索距离，所述新的起点到所述终点的距离满足预设距离要求；
规划模块，用于在检测到目标终点后，根据原始的起点、各个新的起点以及所述目标终点，确定所述抽象空间上的规划路径。
本申请实施例第三方面提供另一种电子装置，包括：
存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述本申请实施例第一方面提供的路径规划方法中的各步骤。
本申请实施例第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述本申请实施例第一方面提供的路径规划方法中的各步骤。
由上可见，本申请方案通过对以预设搜索距离为半径、所述起点为圆心的圆周上的测试点，进行障碍物距离m和终点距离d的计算，而基于障碍物距离m和终点距离d，可以一定程度分析出各个测试点和终点之间的障碍物情况，继而选择出不碰到障碍物，又离终点较近的点，并将该点作为新的起点进行下一个起点的确定过程，直到检测到目标终点，最终根据原始的起点、各个新的起点以及目标终点，确定出抽象空间上的规划路径，基于本申请方案中确定新的起点的方式，需要检测的圆周的数量较少，有效降低了路径规划计算量，提升了路径规划效率。
附图说明
图1为本申请提供的路径规划方法一个实施例流程示意图；
图2为本申请中测试点的障碍物距离的示意图；
图3为本申请提供的路径规划方法另一个实施例流程示意图；
图4为本申请提供的电子装置另一实施例结构示意图；
图5为本申请提供的电子装置另一实施例结构示意图；
图6为基于A*得到的规划路径的示意图；
图7为在与图6的抽象空间相同的抽象空间中，基于与图6相同的起点和终点，通过本申请实施例提供的路径规划方法得到的规划路径的示意图；
图8为基于A*得到的规划路径的示意图；
图9为在与图8的抽象空间相同的抽象空间中，基于与图8相同的起点和终点，通过本申请实施例提供的路径规划方法得到的规划路径的示意图；
图10为基于A*得到的规划路径的示意图；
图11为在与图10的抽象空间相同的抽象空间中，基于与图10相同的起点和终点，通过本申请实施例提供的路径规划方法得到的规划路径的示意图；
图12为基于A*得到的规划路径的示意图；
图13为在与图12的抽象空间相同的抽象空间中，基于与图12相同的起点和终点，通过本申请实施例提供的路径规划方法得到的规划路径的示意图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
本申请实施例提供了一种路径规划方法，该路径规划方法是受植物生长特性启发而提出的，其使用的算法基于植物行为，是人工智能中行为主义的一种典型应用。它的基本思想是模仿植物的趋光性、生长素分布等行为在搜索空间中寻求最优解。该路径规划方法应用于各种可移动的电子装置，尤其是可移动的智能机器人。
请参阅图1，本实施例中的路径规划方法主要包括以下步骤101至103：
步骤101、获取抽象空间上的起点和终点，其中，所述抽象空间为需要规划路径的物理空间对应的抽象空间；
可选的，获取抽象空间上的起点和终点前，还包括：对需要规划路径的物理空间进行环境建模得到抽象空间。环境建模是路径规划的重要环节，目的是建立一个便于计算机进行路径规划所使用的环境模型，即将实际的(需要规划路径的)物理空间抽象成算法能够处理的抽象空间，实现相互间的映射。可选的，对需要规划路径的物理空间进行环境建模得到抽象空间包括：基于预设处理算法以及需要规划路径的物理空间，生成抽象空间。预设处理算法包括但不限于可视图法、切线图法、Voronoi图法、拓扑法以及栅格法等等。
其中，栅格法原理比较简单，但栅格划分的大小对空间信息存储量的大小有着直接的影响，本示例中栅格的形状没有限制，栅格的形状可以是正方形。
步骤102、将以预设搜索距离为半径、起点为圆心的圆周上的点作为测试点，对各个测试点进行障碍物距离m和终点距离d的计算，其中，所述障碍物距离为所述抽象空间上位于分割线两侧的障碍物最远点到所述分割线的垂直距离中的最小距离，所述分割线为基于所述圆周上的一测试点到所述终点构成的线，所述终点距离为所述圆周上的一测试点到所述终点的距离；
该起点可以看作当前时刻芽的生长点，预设搜索距离可以看作当前时刻芽的感光半径。可以理解的是，若测试点的m＝0，意味着该测试点对应的分割线一侧没有障碍物，若测试点的m≠0，意味着该测试点对应的分割线两侧均有障碍物，若圆周上任意测试点都满足m≠0，说明通往终点的中间有一个障碍物。
本示例中，如图2所示，假设当前需要计算的测试点为o，则该测试点的终点距离d(o)表示当前测试点o(xo,yo)到终点C(xc,yc)的距离估计值，
由测试点o向终点C作射线H，射线H将虚拟空间上o到C点的区域一分为二(分为如图2所示的区域p和区域q)，在两个区域p域和q域内，分别计算障碍物最远点到射线H的距离h1和h2，选取距离最短的值作为该测试点的障碍物距离m(o),即m(o)＝min(h1,h2)。
步骤103、若所述圆周上存在m等于0且d等于0的测试点，则将该测试点作为目标终点，进入步骤105；
步骤104、若所述圆周上不存在m等于0且d等于0的测试点，则根据所述起点、所述预设搜索距离以及各测试点的障碍物距离m和终点距离d，确定新的起点，返回步骤102；
其中，新的起点到前一个起点的距离不低于所述预设搜索距离，所述新的起点到所述终点的距离满足预设距离要求。新的起点到所述终点的距离满足预设距离要求包括但不限于：新的起点到前一个起点之间没有障碍物且距离终点最近。在步骤104中，新的起点可以在当前搜索的圆周上，也可以在当前搜索的圆周外，本实施例对此没有限制。
步骤105、根据原始的起点、各个新的起点以及所述目标终点，确定所述抽象空间上的规划路径。
通过算法搜索出的点组成的路径并不一定是一条运动体可以行走的可行路径，需作进一步处理与平滑使其成为一条实际可行的路径。
可选的，上述根据原始的起点、各个新的起点以及所述目标终点，确定所述抽象空间上的规划路径包括：将所述原始的起点、各个新的起点以及所述目标终点连接得到一条折线，对所述折线进行平滑处理得到所述抽象空间上的规划路径。
可选的，本示例中，若所述圆周上不存在m等于0且d等于0的测试点，则根据所述起点、所述预设搜索距离以及各测试点的障碍物距离m和终点距离d，确定新的起点，包括：
若所述圆周上不存在m等于0且d等于0的测试点，在所述圆周上的测试点全部都满足所述m等于0时，将预设搜索距离增大得到新的预设搜索距离，以当前的起点为新的起点，在所述圆周上存在m等于0的测试点以及m不等于0的测试点时，选择m等于0且d满足预设要求的测试点作为新的起点，在所述圆周上的测试点全部满足所述m不等于0时，根据公式
计算各个测试点的虚拟光照强度f(o)，选择所述虚拟光照强度最大的测试点作为新的起点，其中m(o)表示当前的测试点o的所述障碍物距离，d(o)表示当前测试点o的所述终点距离。
本实施例中，测试点o的虚拟的光照强度f(o)是由o点的终点距离d(o)和o点附近的障碍物的体积决定的，在二维栅格环境下，根据
和
测试点o的光照强度是
可选的，本实施例中的抽象空间基于方形的栅格进行划分，抽象空间中的栅格的边长为原始的预设搜索距离(即第一次执行步骤102时所使用的预设搜索距离)。
在实际中，路径规划距的时间与栅格的大小有直接的关系，若是每次搜索的圆周的半径都是原始的预设搜索距离的整数倍，则栅栏线个数决定了路径段个数，合理确定栅栏线数目是环境模型建立中重要环节，本申请基于计算实践，以抽象空间中的栅格的边长为原始的预设搜索距离，有利于降低路径规划需要的时间。
可选的，所述将预设搜索距离增大得到新的预设搜索距离包括：将原始的预设搜索距离与当前的预设搜索距离相加得到新的预设搜索距离。例如，原始的搜索距离为r，当前的预设搜索距离为2r，则新的预设搜索距离为2r+r＝3r。
可选的，选择m等于0且d满足预设要求的测试点作为新的起点包括：选择m等于0且d最小的测试点作为新的起点。
可选的，本实施例中，在新的预设搜索距离是通过将原始的预设搜索距离与当前的预设搜索距离相加得到的情况下，即整个路径的总长度为Z，Z＝n×r，其中，n为路径规划中，搜索圆周的总次数，r为原始的预设搜索距离。
图3为本申请实施例提供的一种更具体的路径规划方法，该路径规划方法包括：
步骤301:根据机器人所处的物理环境，通过栅格法建立栅格环境模型得到抽象空间，合理确定栅格的边长r；
步骤302:初始化芽尖端算法，获取该算法的各参数值，设置两个数据集-aperture集和growth集，获取所述抽象空间的起点和终点；
各参数值包括但不限于：芽尖端每次生长的单位长度(该单位长度为栅格的边长r)、芽生长的总长度Z(初始时刻，Z＝0)、芽遍寻周围光圈的总次数n(初始时刻，n＝0)等；
一般来讲，可以将机器人当前的位置作为起点。
步骤303:模仿芽的随机生长，遍寻光圈圆周上测试点的虚拟光照强度f(o)、障碍物距离m(o)和终点距离d(o)，将f(o)、m(o)和d(o)纳入aperture集中保存；
其中，光圈圆周是以当前的起点为圆点，以预设搜索距离为半径的圆周。在第一次执行步骤303时，预设搜索半径为芽尖端生长的单位长度r。测试点的虚拟光照强度f(o)、障碍物距离m(o)和终点距离d(o)的定义和计算方式参见实施例一中的相关描述，在此不再赘述。
步骤304:判断aperture集中是否存在m(o)不为0的测试点，若否，进入步骤305a，若是，进入步骤305b；
步骤305a：判断aperture集中是否存在d(o)为0的测试点，若是，则进入步骤306a，否则，进入步骤307a；
步骤306a：d(o)为0的测试点为目标终点；
步骤307a：将芽尖端生长的单位长度r与当前的预设搜索距离相加，得到新的预设搜索距离，以当前的起点为新的起点，并返回步骤303；
步骤305b：判断aperture集中是否存在m(o)为0的测试点，若是，进入步骤306b，若否，进入步骤307b；
步骤306b：选择m(o)为0且d(o)最小的测试点，将该测试点作为新的起点，返回步骤303；
步骤306b实际上就是选择新的起点之后，返回步骤303，重复以芽尖端每次生长的单位长度r为预设搜索距离进行测试点的f(o)、m(o)和d(o)的计算以及计算之后的过程。
步骤307b：选择f(0)最大的点作为新的起点，并返回步骤303。
本实例中，每改变起点或预设搜索距离，可以认为是芽的一次新生长，芽每次生长移动(即从一个起点移动到新的起点)，则以移动前的起点为圆点检测测试点的搜索次数(等于该起点下，预设搜索距离的个数)w和生长长度wr存入设置的growth集，则整个路径总体长度就等于growth集中存入的生长长度之和，再加上到达终点最后一次所生长的长度(即终点和终点之前最后一个新的起点之间的距离)。搜索次数总数为growth集中存入的搜索次数之和加上到达终点最后一次的搜索次数(即终点之前最后一个新的起点，对应的预设搜索距离的个数)。
本实例中的目标终点即为检测到的终点，本实例中得到目标终点后，根据起点和目标终点，以及在起点和目标终点之间检测到的新的起点得到一条平滑的机器人可行驶的路径，具体得到路径的过程可参见实施例一的相关叙述。
图4为本申请实施例提供的一种电子装置，该电子装置可用于实现图1或图2所示实施例中的路径规划方法。如图4所示，该电子装置主要包括：
获取模块401，用于获取抽象空间上的起点和终点，其中，所述抽象空间为需要规划路径的物理空间对应的抽象空间；
搜索模块402，用于将以预设搜索距离为半径、所述起点为圆心的圆周上的点作为测试点，对各个测试点进行障碍物距离m和终点距离d的计算，其中，所述障碍物距离为所述抽象空间上位于分割线两侧的障碍物最远点到所述分割线的垂直距离中的最小距离，所述分割线为基于所述圆周上的一测试点到所述终点构成的线，所述终点距离为所述圆周上的一测试点到所述终点的距离；
检测模块403，用于若所述圆周上存在m等于0且d等于0的测试点，则将所述测试点作为目标终点，若所述圆周上不存在m等于0且d等于0的测试点，则根据所述起点、所述预设搜索距离以及各测试点的障碍物距离m和终点距离d，确定新的起点，并将所述新的起点输入所述搜索模块以使得所述搜索模块继续执行其功能，其中，所述新的起点到前一个起点的距离不低于所述预设搜索距离，所述新的起点到所述终点的距离满足预设距离要求；
规划模块404，用于在检测到目标终点后，根据原始的起点、各个新的起点以及所述目标终点，确定所述抽象空间上的规划路径。
检测模块403，用于若所述圆周上不存在m等于0且d等于0的测试点，在所述圆周上的测试点全部都满足所述m等于0时，将预设搜索距离增大得到新的预设搜索距离，以当前的起点为新的起点，并将所述新的预设搜索距离和新的起点输入所述搜索模块以使得所述搜索模块继续执行其功能。
检测模块403，用于若所述圆周上不存在m等于0且d等于0的测试点，在所述圆周上存在m等于0的测试点以及m不等于0的测试点时，选择m等于0且d满足预设要求的测试点作为新的起点；并将所述新的起点输入所述搜索模块以使得所述搜索模块继续执行其功能。
检测模块403，用于若所述圆周上不存在m等于0且d等于0的测试点，在所述圆周上的测试点全部满足所述m不等于0时，根据公式
计算各个测试点的虚拟光照强度f(o)，选择所述虚拟光照强度最大的测试点作为新的起点，其中m(o)表示当前的测试点o的所述障碍物距离，d(o)表示当前测试点o的所述终点距离；并将所述新的起点输入所述搜索模块以使得所述搜索模块继续执行其功能。
可选的，本实施例中，电子装置是基于预设形状的栅格对抽象空间进行划分，当所述栅格形状为方形，电子装置将所述抽象空间中的栅格的边长设置为原始的预设搜索距离。
可选的，检测模块403将预设搜索距离增大得到新的预设搜索距离的方式包括：将原始的预设搜索距离与当前的预设搜索距离相加得到新的预设搜索距离。
可选的，检测模块403选择m等于0且d满足预设要求的测试点作为新的起点的方式包括：选择m等于0且d最小的测试点作为新的起点。
可选的，电子装置还包括生成模块，用于在获取模块401获取抽象空间上的起点和终点前，基于预设处理算法以及需要规划路径的物理空间，生成抽象空间。
进一步的，规划模块，用于将所述原始的起点、各个新的起点以及所述目标终点连接得到一条折线，对所述折线进行平滑处理得到所述抽象空间上的规划路径。
图5为本申请实施例提供一种电子装置。该电子装置可用于实现图1或图2所示实施例中的路径规划方法。如图5所示，该电子装置主要包括：
存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序，处理器502执行该计算机程序时，实现图1或图2所示实施例中的路径规划方法。
进一步的，该电子装置还包括：
至少一个传感器设备503。
上述存储器501、处理器502和传感器设备503，通过总线504连接。
其中，传感器设备503具体可为红外传感器。
存储器501可以是高速随机存取记忆体(RAM，Random Access Memory)存储器，也可为非不稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器501用于存储一组可执行程序代码，处理器502与存储器501耦合。
由上可见，本申请方案通过对以预设搜索距离为半径、所述起点为圆心的圆周上的测试点，进行障碍物距离m和终点距离d的计算，而基于障碍物距离m和终点距离d，可以一定程度分析出各个测试点和终点之间的障碍物情况，继而选择出不碰到障碍物，又离终点较近的点，并将该点作为新的起点进行下一个起点的确定过程，直到检测到目标终点，最终根据原始的起点、各个新的起点以及目标终点，确定出抽象空间上的规划路径，基于本申请方案中确定新的起点的方式，需要检测的圆周的数量较少，有效降低了路径规划计算量，提升了路径规划效率。
图6和图7中分别示出了在同一组起点和终点下，基于现有的A*算法得到的规划路径和通过本申请实施例的路径规划方法得到的规划路径，其中，图6和图7的抽象空间相同，抽象空间中的障碍物分布等相同。
图8和图9中分别示出了在另外的同一组起点和终点下，基于现有的A*算法得到的规划路径和通过本申请实施例的路径规划方法得到的规划路径，其中，图8和图9的抽象空间相同，抽象空间中的障碍物分布等相同。
图10和图11中分别示出了在另外的同一组起点和终点下，基于现有的A*算法得到的规划路径和通过本申请实施例的路径规划方法得到的规划路径，其中，图10和图11的抽象空间相同，抽象空间中的障碍物分布等相同。
图12和图13中分别示出了在另外的同一组起点和终点下，基于现有的A*算法得到的规划路径和通过本申请实施例的路径规划方法得到的规划路径，其中，图12和图13的抽象空间相同，抽象空间中的障碍物分布等相同。
进一步的，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以是设置于上述各实施例中的电子装置中，该计算机可读存储介质可以是前述图4所示实施例中的存储器。该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现图1或图2所示实施例中的路径规划方法。进一步的，该计算机可存储介质还可以是U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的可读存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上为对本申请所提供的路径规划方法、电子装置及计算机可读存储介质的描述，对于本领域的技术人员，依据本申请实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种路径规划方法，其特征在于，包括：
步骤a、获取抽象空间上的起点和终点，其中，所述抽象空间为需要规划路径的物理空间对应的抽象空间；
步骤b、将以预设搜索距离为半径、所述起点为圆心的圆周上的点作为测试点，对各个测试点进行障碍物距离m和终点距离d的计算，其中，所述障碍物距离为所述抽象空间上位于分割线两侧的障碍物最远点到所述分割线的垂直距离中的最小距离，所述分割线为基于所述圆周上的一测试点到所述终点构成的线，所述终点距离为所述圆周上的一测试点到所述终点的距离；
步骤c、若所述圆周上不存在m等于0且d等于0的测试点，在所述圆周上的测试点全部都满足所述m等于0时，将预设搜索距离增大得到新的预设搜索距离，以当前的起点为新的起点；在所述圆周上存在m等于0的测试点以及m不等于0的测试点时，选择m等于0且d满足预设要求的测试点作为新的起点；在所述圆周上的测试点全部满足所述m不等于0时，根据公式
计算各个测试点的虚拟光照强度f(o)，选择所述虚拟光照强度最大的测试点作为新的起点，其中m(o)表示测试点o的所述障碍物距离，d(o)表示测试点o的所述终点距离，并返回执行步骤b，其中，所述新的起点到前一个起点的距离不低于所述预设搜索距离，所述新的起点到所述终点的距离满足预设距离要求；
步骤d、在检测到目标终点后，根据原始的起点、各个新的起点以及所述目标终点，确定所述抽象空间上的规划路径。
2.根据权利要求1所述的路径规划方法，其特征在于，所述抽象空间基于预设形状的栅格进行划分，当所述栅格形状为方形，所述抽象空间中的栅格的边长为原始的预设搜索距离。
3.根据权利要求1所述的路径规划方法，其特征在于，所述将预设搜索距离增大得到新的预设搜索距离包括：
将原始的预设搜索距离与当前的预设搜索距离相加得到新的预设搜索距离。
4.根据权利要求1所述的路径规划方法，其特征在于，所述选择m等于0且d满足预设要求的测试点作为新的起点包括：
选择m等于0且d最小的测试点作为新的起点。
5.根据权利要求1-4任一项所述的路径规划方法，其特征在于，所述获取抽象空间上的起点和终点前，还包括：
基于预设处理算法以及需要规划路径的物理空间，生成抽象空间。
6.根据权利要求1-4任一项所述的路径规划方法，其特征在于，所述根据原始的起点、各个新的起点以及所述目标终点，确定所述抽象空间上的规划路径包括：
将所述原始的起点、各个新的起点以及所述目标终点连接得到一条折线，对所述折线进行平滑处理得到所述抽象空间上的规划路径。
7.一种电子装置，其特征在于，包括：
获取模块，用于获取抽象空间上的起点和终点，其中，所述抽象空间为需要规划路径的物理空间对应的抽象空间；
搜索模块，用于将以预设搜索距离为半径、所述起点为圆心的圆周上的点作为测试点，对各个测试点进行障碍物距离m和终点距离d的计算，其中，所述障碍物距离为所述抽象空间上位于分割线两侧的障碍物最远点到所述分割线的垂直距离中的最小距离，所述分割线为基于所述圆周上的一测试点到所述终点构成的线，所述终点距离为所述圆周上的一测试点到所述终点的距离；
检测模块，用于若所述圆周上不存在m等于0且d等于0的测试点，在所述圆周上的测试点全部都满足所述m等于0时，将预设搜索距离增大得到新的预设搜索距离，以当前的起点为新的起点，并将所述新的预设搜索距离和新的起点输入所述搜索模块以使得所述搜索模块继续执行其功能；用于若所述圆周上不存在m等于0且d等于0的测试点，在所述圆周上存在m等于0的测试点以及m不等于0的测试点时，选择m等于0且d满足预设要求的测试点作为新的起点；并将所述新的起点输入所述搜索模块以使得所述搜索模块继续执行其功能；用于若所述圆周上不存在m等于0且d等于0的测试点，在所述圆周上的测试点全部满足所述m不等于0时，根据公式
计算各个测试点的虚拟光照强度f(o)，选择所述虚拟光照强度最大的测试点作为新的起点，其中m(o)表示当前的测试点o的所述障碍物距离，d(o)表示当前测试点o的所述终点距离；并将所述新的起点输入所述搜索模块以使得所述搜索模块继续执行其功能；
规划模块，用于在检测到目标终点后，根据原始的起点、各个新的起点以及所述目标终点，确定所述抽象空间上的规划路径。
8.一种电子装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现权利要求1至6中任意一项所述方法中的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至6中的任意一项所述方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910232640.8A CN110045731B (zh) | 2019-03-26 | 2019-03-26 | 一种路径规划方法、电子装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910232640.8A CN110045731B (zh) | 2019-03-26 | 2019-03-26 | 一种路径规划方法、电子装置及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110045731A CN110045731A (zh) | 2019-07-23 |
| CN110045731B true CN110045731B (zh) | 2022-04-12 |
Family
ID=67275283
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910232640.8A Active CN110045731B (zh) | 2019-03-26 | 2019-03-26 | 一种路径规划方法、电子装置及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110045731B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110936383B (zh) * | 2019-12-20 | 2022-11-18 | 上海有个机器人有限公司 | 一种机器人的障碍物避让方法、介质、终端和装置 |
| CN111060109B (zh) * | 2020-01-03 | 2021-08-27 | 东南大学 | 一种基于改进a星算法的无人艇全局路径规划方法 |
| CN111582566B (zh) * | 2020-04-26 | 2024-01-26 | 上海高仙自动化科技发展有限公司 | 路径规划方法及规划装置、智能机器人及存储介质 |
| CN112179351B (zh) * | 2020-09-30 | 2023-03-28 | 上海电机学院 | 一种基于预规划路径优化rrt算法的三维避障航迹规划方法 |
| CN112757294B (zh) * | 2020-12-28 | 2022-07-26 | 华南理工大学 | 一种基于可达性球的机器人路径中转点搜索方法 |
| CN113741431A (zh) * | 2021-08-17 | 2021-12-03 | 嘉兴市敏硕智能科技有限公司 | 一种避障路径确定方法、避障方法、装置及存储介质 |
| CN115049346B (zh) | 2022-08-16 | 2022-11-18 | 成都秦川物联网科技股份有限公司 | 基于物料运输障碍识别的工业物联网系统及控制方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0365626A1 (en) * | 1988-03-09 | 1990-05-02 | Philips Nv | DIFFERENTIATED DEVELOPMENT: METHOD AND DEVICE FOR PLANNING WITH MOVING OBSTACLES AND TARGETS. |
| EP0936520A2 (en) * | 1989-12-11 | 1999-08-18 | Caterpillar Inc. | Integrated vehicle positioning and navigation system, apparatus and method |
| US6604005B1 (en) * | 1987-11-20 | 2003-08-05 | Koninklijke Philips Electronics N.V. | Method and apparatus for path planning |
| KR20110015764A (ko) * | 2009-08-10 | 2011-02-17 | 삼성전자주식회사 | 로봇의 경로 계획 장치 및 그 방법 |
| CN103455034A (zh) * | 2013-09-16 | 2013-12-18 | 苏州大学张家港工业技术研究院 | 一种基于最近距离向量场直方图的避障路径规划方法 |
| CN105425806A (zh) * | 2015-12-25 | 2016-03-23 | 深圳先进技术研究院 | 移动机器人的人体探测与跟踪方法及装置 |
| CN106412502A (zh) * | 2016-09-20 | 2017-02-15 | 朱海燕 | 基于人脸识别的视频监控智能化天网系统及其工作方法 |
| CN106934982A (zh) * | 2017-04-20 | 2017-07-07 | 温州市鹿城区中津先进科技研究院 | 环境参数智能巡检机器人 |
| CN107702723A (zh) * | 2017-11-27 | 2018-02-16 | 安徽工程大学 | 一种机器人路径规划方法、存储介质及设备 |
| CN207096814U (zh) * | 2017-09-08 | 2018-03-13 | 国家电网公司 | 变电站主控室远程智能巡视机器人 |
| CN108775902A (zh) * | 2018-07-25 | 2018-11-09 | 齐鲁工业大学 | 基于障碍物虚拟膨胀的伴随机器人路径规划方法及系统 |
| CN108983780A (zh) * | 2018-07-24 | 2018-12-11 | 武汉理工大学 | 一种基于改进rrt*算法的移动机器人路径规划方法 |
-
2019
- 2019-03-26 CN CN201910232640.8A patent/CN110045731B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6604005B1 (en) * | 1987-11-20 | 2003-08-05 | Koninklijke Philips Electronics N.V. | Method and apparatus for path planning |
| EP0365626A1 (en) * | 1988-03-09 | 1990-05-02 | Philips Nv | DIFFERENTIATED DEVELOPMENT: METHOD AND DEVICE FOR PLANNING WITH MOVING OBSTACLES AND TARGETS. |
| US6728581B1 (en) * | 1988-03-09 | 2004-04-27 | North American Philips Corporation | Differential budding: method and apparatus for path planning with moving obstacles and goals |
| EP0936520A2 (en) * | 1989-12-11 | 1999-08-18 | Caterpillar Inc. | Integrated vehicle positioning and navigation system, apparatus and method |
| KR20110015764A (ko) * | 2009-08-10 | 2011-02-17 | 삼성전자주식회사 | 로봇의 경로 계획 장치 및 그 방법 |
| CN103455034A (zh) * | 2013-09-16 | 2013-12-18 | 苏州大学张家港工业技术研究院 | 一种基于最近距离向量场直方图的避障路径规划方法 |
| CN105425806A (zh) * | 2015-12-25 | 2016-03-23 | 深圳先进技术研究院 | 移动机器人的人体探测与跟踪方法及装置 |
| CN106412502A (zh) * | 2016-09-20 | 2017-02-15 | 朱海燕 | 基于人脸识别的视频监控智能化天网系统及其工作方法 |
| CN106934982A (zh) * | 2017-04-20 | 2017-07-07 | 温州市鹿城区中津先进科技研究院 | 环境参数智能巡检机器人 |
| CN207096814U (zh) * | 2017-09-08 | 2018-03-13 | 国家电网公司 | 变电站主控室远程智能巡视机器人 |
| CN107702723A (zh) * | 2017-11-27 | 2018-02-16 | 安徽工程大学 | 一种机器人路径规划方法、存储介质及设备 |
| CN108983780A (zh) * | 2018-07-24 | 2018-12-11 | 武汉理工大学 | 一种基于改进rrt*算法的移动机器人路径规划方法 |
| CN108775902A (zh) * | 2018-07-25 | 2018-11-09 | 齐鲁工业大学 | 基于障碍物虚拟膨胀的伴随机器人路径规划方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| Indexing and querying technique for dynamic location updates using R k-d trajectory trie tree;J.Priyadarshini P.AnandhaKumar等;《IEEE》;20111231;第1143-1148页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110045731A (zh) | 2019-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110045731B (zh) | 一种路径规划方法、电子装置及计算机可读存储介质 | |
| Cao et al. | RRT-based path planning for an intelligent litchi-picking manipulator | |
| CN109509210B (zh) | 障碍物跟踪方法和装置 | |
| Yan et al. | Path planning in complex 3D environments using a probabilistic roadmap method | |
| Tuna et al. | Evaluations of different simultaneous localization and mapping (SLAM) algorithms | |
| CN104155974A (zh) | 一种用于机器人快速避碰的路径规划方法及设备 | |
| CN113064407B (zh) | 全区域覆盖的清扫方法、装置、清扫机器人及存储装置 | |
| CN110031007B (zh) | 一种航迹规划方法、装置及计算机可读存储介质 | |
| CN114427866A (zh) | 路径规划方法、电子设备以及存储介质 | |
| CN110967019A (zh) | 一种规划机器人局部路径的方法及机器人 | |
| CN108961294A (zh) | 一种三维点云的分割方法及装置 | |
| Li et al. | FC-SLAM: Federated learning enhanced distributed visual-LiDAR SLAM in cloud robotic system | |
| CN109341698B (zh) | 一种移动机器人的路径选择方法及装置 | |
| Xu et al. | An efficient algorithm for environmental coverage with multiple robots | |
| Zeeshan et al. | Performance analysis of path planning algorithms for fruit harvesting robot | |
| CN114700937B (zh) | 机械臂及其运动路径规划方法、控制系统、介质及机器人 | |
| da Silva Lubanco et al. | A review of utility and cost functions used in frontier-based exploration algorithms | |
| Zhu et al. | Online motion generation using accumulated swept volumes | |
| CN114740858A (zh) | 一种采用人工鱼群模型的机器人路径规划方法 | |
| CN113627646A (zh) | 一种基于神经网络的路径规划方法、装置、设备及介质 | |
| CN115752473A (zh) | 分布式多机器人导航方法、系统、存储介质及设备 | |
| Popovic | Enviromental mapping and informative path planning for UAV-based active sensing | |
| Dovgopolik et al. | Fast and memory-efficient planning in c-space: Modified bi-directional rrt* algorithm for humanoid robots | |
| Hong et al. | Design and Implementation of Path Planning for Wheel‐Track Hybrid Mobile Robot | |
| CN113671958B (zh) | 机器人的避障路径的确定方法、系统、电子设备和介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20191128 Address after: 201, room 518000, building A, No. 1, front Bay Road, Qianhai Shenzhen Guangdong Shenzhen Hong Kong cooperation zone (Qianhai business secretary) Applicant after: Shenzhen Zhongke Shengda Interconnection Intelligent Technology Co., Ltd. Address before: 1068 No. 518000 Guangdong city in Shenzhen Province, Nanshan District City Xili University School Avenue Applicant before: Shenzhen Advanced Technology Research Inst. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |