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

CN113917912A - 一种全局路径规划方法、装置、终端及可读存储介质 - Google Patents

一种全局路径规划方法、装置、终端及可读存储介质 Download PDF

Info

Publication number
CN113917912A
CN113917912A CN202010652223.1A CN202010652223A CN113917912A CN 113917912 A CN113917912 A CN 113917912A CN 202010652223 A CN202010652223 A CN 202010652223A CN 113917912 A CN113917912 A CN 113917912A
Authority
CN
China
Prior art keywords
global path
target
path
determining
grid
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
CN202010652223.1A
Other languages
English (en)
Inventor
邝英兰
谭泽汉
陈彦宇
马雅奇
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.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
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 Gree Electric Appliances Inc of Zhuhai, Zhuhai Lianyun Technology Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202010652223.1A priority Critical patent/CN113917912A/zh
Priority to PCT/CN2020/139862 priority patent/WO2022007350A1/zh
Publication of CN113917912A publication Critical patent/CN113917912A/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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags or using precalculated routes
    • 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
    • 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
    • G05D1/0231—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
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • 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)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Optics & Photonics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本申请提供了一种全局路径规划方法、装置、终端及可读存储介质，属于计算机技术领域。本申请通过：获取机器人所处环境的环境信息及目标终点，环境信息包括环境中的障碍物信息及所述机器人的起始位置；根据障碍物信息，确定环境对应的栅格地图中各目标栅格对应的环境复杂度；根据预先存储的全局路径规划算法、目标终点、起始位置和环境复杂度进行全局路径规划，得到目标全局路径；基于目标全局路径确定最终全局路径，以使机器人按照最终全局路径运行至目标终点。以实现规划出尽量远离障碍物的全局路径，使机器人运行时可以有效避免与障碍物碰撞。

Description

一种全局路径规划方法、装置、终端及可读存储介质
技术领域
本申请涉及机器人技术领域，尤其涉及一种全局路径规划方法、装置、终端及可读存储介质。
背景技术
随着智能家电的普及，室内扫地机器人的需求也在逐年增加。在扫地机器人研究领域中，全局路径规划技术可以说是一种核心技术。全局路径规划是指机器人在具有障碍物的环境内，按照一种或多种性能指标，寻找一条从起始点到目标点的最优无碰撞路径。
相关技术中，A*算法是常用的全局路径规划算法之一，A*算法采用启发式的搜索方式，大幅度降低了搜索节点的数量，从而极大地提高了搜索效率，被广泛应用于移动机器人自主路径规划。
然而，该算法规划的路径容易贴近障碍物，导致机器人容易与障碍物发生碰撞。
发明内容
本申请实施例的目的在于提供一种全局路径规划方法、装置、终端及可读存储介质，以解决机器人容易与障碍物碰撞的问题。具体技术方案如下：
第一方面，提供了一种全局路径规划方法，所述方法包括：
获取机器人所处环境的环境信息及目标终点，所述环境信息包括环境中的障碍物信息及所述机器人的起始位置；
根据所述障碍物信息，确定所述环境对应的栅格地图中各目标栅格对应的环境复杂度；
根据预先存储的全局路径规划算法、所述目标终点、所述起始位置和所述环境复杂度进行全局路径规划，得到目标全局路径；
基于所述目标全局路径确定最终全局路径，以使所述机器人按照所述最终全局路径运行至所述目标终点。
可选的，所述根据所述障碍物信息，确定所述环境对应的栅格地图中各目标栅格对应的环境复杂度，包括：
根据所述起始位置在所述环境对应的栅格地图中确定至少一个目标栅格；
针对每个目标栅格，确定所述目标栅格对应的安全范围；
根据所述障碍物信息，确定所述安全范围内空闲栅格数，并计算所述空闲栅格数与所述安全范围包含的总栅格数据的比例；
基于所述比例确定所述目标栅格对应的环境复杂度。
可选的，所述确定各所述目标栅格对应的安全范围，包括：
根据所述机器人的机身尺寸确定安全距离；
根据所述安全距离及所述目标栅格的位置，确定所述目标栅格对应的安全范围。
可选的，所述基于所述比例确定所述目标栅格对应的环境复杂度，包括：
基于所述比例计算所述目标栅格对应的安全范围内障碍物比例；
将所述障碍物比例和预设的环境复杂度约束系数的乘积，作为所述目标栅格对应的环境复杂度。
可选的，所述方法还包括：
计算所述目标栅格对应的约束角度；
所述根据预先存储的全局路径规划算法、所述目标终点、所述起始位置和所述环境复杂度进行全局路径规划，得到目标全局路径，包括：
将所述环境复杂度和所述约束角度作为约束条件，根据所述全局路径规划算法、所述目标终点和所述起始位置进行全局路径规划，得到目标全局路径。
可选的，所述获取目标终点，包括：
获取用户设置的多个目标终点；
计算机器人的起始位置到各个目标终点的代价值；
选取代价值最小的目标终点为最终的目标终点。
可选的，所述基于所述目标全局路径确定最终全局路径，以使所述机器人按照所述最终全局路径运行至所述目标终点，包括：
在所述目标全局路径包含的路径点中剔除直线冗余点，得到过渡全局路径；
根据转折点删减规则，对所述过渡全局路径中包含的转折点进行处理，得到最终全局路径。
可选的，所述根据转折点删减规则，对所述过渡全局路径中包含的转折点进行处理，得到最终全局路径，包括：
在所述过渡全局路径中，遍历每个路径点，提取与当前路径点T(n)前后相邻路径点T(n-1)和T(n+1)；
确定以所述T(n-1)和T(n+1)为边界点的区域；
判断所述区域内是否存在障碍物：
若是，则将当前路径点T(n)向远离障碍物的方向平移预设距离，以使所述区域内不存在障碍物，将平移后的路径点添加至全局路径中；
若否，则判定当前路径点T(n)为冗余转折点，剔除当前路径点T(n)。
可选的，所述方法还包括：
基于所述最终全局路径，计算每个路径点到下一路径点的旋转角度，以使机器人按照所述最终全局路径及每个路径点的旋转角度，运行至所述目标终点。
第二方面，提供了一种全局路径规划装置，所述装置包括：
获取模块，用于获取机器人所处环境的环境信息及目标终点，所述环境信息包括环境中的障碍物信息及所述机器人的起始位置；
第一确定模块，用于根据所述障碍物信息，确定所述环境对应的栅格地图中各目标栅格对应的环境复杂度；
计算模块，用于根据预先存储的全局路径规划算法、所述目标终点、所述起始位置和所述环境复杂度进行全局路径规划，得到目标全局路径；
第二确定模块，用于基于所述目标全局路径确定最终全局路径，以使所述机器人按照所述最终全局路径运行至所述目标终点。
可选的，所述第一确定模块，具体用于：
根据所述起始位置在所述环境对应的栅格地图中确定至少一个目标栅格；
针对每个目标栅格，确定所述目标栅格对应的安全范围；
根据所述障碍物信息，确定所述安全范围内空闲栅格数，并计算所述空闲栅格数与所述安全范围包含的总栅格数据的比例；
基于所述比例确定所述目标栅格对应的环境复杂度。
可选的，所述第一确定模块，具体用于：
基于所述比例计算所述目标栅格对应的安全范围内障碍物比例；
将所述障碍物比例和预设的环境复杂度约束系数的乘积，作为所述目标栅格对应的环境复杂度。
可选的，
所述第一确定模块，还用于计算所述目标栅格对应的约束角度；
所述计算模块，还用于将所述环境复杂度和所述约束角度作为约束条件，根据所述全局路径规划算法、所述目标终点和所述起始位置进行全局路径规划，得到目标全局路径。
可选的，所述第二确定模块，具体用于：
在所述目标全局路径包含的路径点中剔除直线冗余点，得到过渡全局路径；
根据转折点删减规则，对所述过渡全局路径中包含的转折点进行处理，得到最终全局路径。
可选的，所述第二确定模块，具体用于：
在所述过渡全局路径中，遍历每个路径点，提取与当前路径点T(n)前后相邻路径点T(n-1)和T(n+1)；
确定以所述T(n-1)和T(n+1)为边界点的区域；
判断所述区域内是否存在障碍物：
若是，则将当前路径点T(n)向远离障碍物的方向平移预设距离，以使所述区域内不存在障碍物，将平移后的路径点添加至全局路径中。
可选的，所述第二确定模块，具体用于：
基于所述最终全局路径，计算每个路径点到下一路径点的旋转角度，以使机器人按照所述最终全局路径及每个路径点的旋转角度，运行至所述目标终点。
第三方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面所述的方法步骤。
第四方面，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内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法步骤。
第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面所述的方法。
本申请实施例有益效果：
本申请实施例提供了一种全局路径规划方法、装置、终端及可读存储介质，本申请通过：获取机器人所处环境的环境信息及目标终点，环境信息包括环境中的障碍物信息及所述机器人的起始位置；根据障碍物信息，确定环境对应的栅格地图中各目标栅格对应的环境复杂度；根据预先存储的全局路径规划算法、目标终点、起始位置和环境复杂度进行全局路径规划，得到目标全局路径；基于目标全局路径确定最终全局路径，以使机器人按照最终全局路径运行至目标终点。本申请方案在规划全局路径规划时，综合考虑了环境复杂度对预先存储的全局路径规划算法进行约束，从而规划出尽量远离障碍物的路径，使机器人可以有效避免与障碍物碰撞。
当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种全局路径规划方法的流程图；
图2为本申请实施例提供的一种全局路径规划方法示例的流程图；
图3为本申请实施例提供的一种全局路径规划装置的结构示意图；
图4为本申请实施例提供的一种电子设备的结构示意图；
图5为使用传统A*算法规划路径的仿真示意图；
图6为使用本申请规划路径的仿真示意图。
具体实施方式
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，都属于本发明保护的范围。
本申请实施例提供了一种全局路径规划方法，可以应用于机器人。
下面将结合具体实施方式，对本申请实施例提供的一种全局路径规划方法进行详细的说明，如图1所示，具体步骤如下：
步骤101，获取机器人所处环境的环境信息及目标终点。
其中，环境信息包括环境中的障碍物信息及机器人的起始位置。
本申请实施例中，机器人可以通过自身传感器获取自身所处环境的环境信息，并且可以通过控制模块或接收模块获取目标终点，环境信息包括环境中的障碍物信息及机器人的起始位置。其中传感器可以是激光雷达传感器。障碍物信息至少包括环境中已知的静态障碍物的位置、轮廓信息等。
步骤102，根据障碍物信息，确定环境对应的栅格地图中各目标栅格对应的环境复杂度。
本申请实施例中，根据机器人获取的环境信息创建栅格地图，设置单元栅格边长为resolution，根据机器人获取的障碍物信息，可以确定栅格地图中各单元栅格对应的状态，单元栅格中有障碍物的对应状态为“占有”，单元栅格中无障碍物的对应状态为“空闲”，根据获取的障碍物信息无法确定栅格中是否有障碍物的，对应的状态为“未知”。然后，可以根据目标栅格及栅格地图中各单元栅格对应的状态，确定栅格地图中各目标栅格对应的环境复杂度。其中，目标栅格是按照全局路径规划算法中的规则，在栅格地图中需要进行计算处理的栅格，目标栅格的确定过程后续会进行详细说明。
可选的，上述步骤具体处理过程为：根据起始位置在环境对应的栅格地图中确定至少一个目标栅格；针对每个目标栅格，确定目标栅格对应的安全范围；根据障碍物信息，确定安全范围内空闲栅格数，并计算空闲栅格数与安全范围包含的总栅格数据的比例；基于该比例确定目标栅格对应的环境复杂度。
本申请实施例中，可以根据起始位置确定起始位置所属的当前栅格，然后确定与当前栅格相邻的各个栅格，其中状态为“空闲”的栅格为目标栅格，从目标栅格中确定出起始位置的下一路径点后，以路径点所在栅格为当前栅格，确定与路径点所在栅格相邻的各个栅格，其中状态为“空闲”的栅格为该路径点的目标栅格。以此循环，直到路径点为目标终点，停止计算。针对每个目标栅格，确定目标栅格对应的安全范围，根据障碍物信息，可以确定各目标栅格对应的安全范围内，状态为“空闲”的栅格数量，计算状态为“空闲”的栅格数量与安全范围包含的总栅格数据的比例pa，基于该比例pa可以确定各目标栅格对应的环境复杂度。
可选的，确定各目标栅格对应的安全范围，具体过程为：根据机器人的机身尺寸确定安全距离；根据安全距离及目标栅格的位置，确定目标栅格对应的安全范围。
本申请实施例中，可以根据机器人机身尺寸及栅格地图的膨胀半径确定安全距离ds，则目标栅格对应的安全范围可以是以目标栅格为中心点，以ds*2/resolution为边长的正方形区域。机器人机身尺寸，针对圆形机器人，可以是机器人机身半径；针对U型机器人或者多边形机器人，可以是机器人机身的外接圆的半径，栅格地图的膨胀半径是指障碍物在地图中向外扩展的膨胀区的半径，是栅格地图为了避免机器人过于靠近障碍物而设置的保护距离，设置膨胀半径一般小于0.1m。设置的安全距离一般略大于机器人机身尺寸与栅格地图的膨胀半径之和。在一个示例中，机器人机身半径0.17m，栅格地图膨胀半径为0.08m，则设置安全距离为0.3m。设resolution为0.2m，则目标栅格对应的安全范围是以目标栅格为中心点，以0.3m为边长的正方形区域。
可选的，基于该比例确定各目标栅格对应的环境复杂度，具体过程为：基于该比例计算目标栅格对应的安全范围内障碍物比例；将障碍物比例和预设的环境复杂度约束系数的乘积，作为目标栅格对应的环境复杂度。
本申请实施例中，根据状态为“空闲”的栅格数量与安全范围内包含的总栅格数据的比例pa，可以计算得出目标栅格对应的安全范围内障碍物比例pb，可以表示为pb＝1-pa，则目标栅格对应的环境复杂度，可以表示为：b(n)＝kb*pb。
步骤103，根据预先存储的全局路径规划算法、目标终点、起始位置和环境复杂度进行全局路径规划，得到目标全局路径。
本申请实施例中，机器人中提前存储了全局路径规划算法：A*算法，可以表示为f(n)＝g(n)+h(n)；其中n为机器人当前栅格，f(n)为机器人全局路径规划的代价函数，g(n)为机器人从起点到当前栅格n所花费的代价，h(n)为机器人从当前栅格n到目标终点的启发估计代价。结合环境复杂度改进的A*算法，可以表示为：f(n)＝g(n)+h(n)+b(n)，根据A*算法、目标终点、起始位置和环境复杂度进行全局路径规划，得到目标全局路径，即根据改进的A*算法目标终点、起始位置进行全局路径规划，得到目标全局路径。
可选的，规划目标全局路径时还包括：计算目标栅格对应的约束角度；根据预先存储的全局路径规划算法、目标终点、起始位置和环境复杂度进行全局路径规划，得到目标全局路径，具体为：将环境复杂度和约束角度作为约束条件，根据全局路径规划算法、目标终点和起始位置进行全局路径规划，得到目标全局路径。
本申请实施例中，规划目标全局路径时还包括：计算目标栅格对应的约束角度，具体的，以目标栅格为当前栅格，得到机器人的当前栅格n，则当前栅格机器人的朝向角为θn，上一栅格机器人的朝向角为θn-1，根据朝向角θn及θn-1，计算约束角度，即约束角度可以表示为：a(n)＝ka*(θn-θn-1)。将环境复杂度和约束角度作为约束条件对全局路径规划算法进行改进，即改进后的A*算法代价函数，可以表示为:f(n)＝g(n)+h(n)+a(n)+b(n)，根据改进后的A*算法代价函数、目标终点、起始位置进行全局路径规划，得到目标全局路径。
本申请实施例中，计算目标栅格对应的约束角度；将环境复杂度和约束角度作为约束条件，根据全局路径规划算法、目标终点、起始位置进行全局路径规划，得到目标全局路径。约束角度时，当机器人上一栅格与当前栅格的朝向角相同时，a(n)＝0，当机器人转角越大，则a(n)值越大，机器人会优先选择较小代价值的路径，约束角度可以对相邻路径点的方向偏角进行约束，规划路径时抑制折点的产生，便于机器人的控制。
可选的，获取目标终点的具体过程为：获取用户设置的多个目标终点；计算机器人的起始位置到各个目标终点的代价值；选取代价值最小的目标终点为最终的目标终点。
本申请实施例中，在获取用户设置的目标终点后；通过预先存储的代价函数计算机器人的起始位置到各个目标终点的代价值；选取代价值最小的目标终点为最终的目标终点。例如：代价函数可以是改进后的A*算法代价函数。
步骤104，基于目标全局路径确定最终全局路径，以使机器人按照最终全局路径运行至目标终点。
本申请实施例中，目标全局路径即可作为最终全局路径，也可以基于目标全局路径对路径点进行处理，进而确定最终全局路径，以使机器人按照最终全局路径运行至目标终点。
可选的，得到目标全局路径后，还包括：在目标全局路径包含的路径点中剔除直线冗余点，得到过渡全局路径；根据转折点删减规则，对过渡全局路径中包含的转折点进行处理，得到最终全局路径。
本申请实施例中，得到目标全局路径后，还可以在目标全局路径包含的路径点中剔除直线冗余点，得到过渡全局路径；根据转折点删减规则，对过渡全局路径中包含的转折点进行处理，得到最终全局路径。剔除直线冗余点时，可以利用霍夫变换检测全局路径中所有的直线，并得到各直线的起点、终点以及直线方程，若一条直线的终点为另一条直线的起点，则只保留一个点。
可选的，根据转折点删减规则，对过渡全局路径中包含的转折点进行处理，得到最终全局路径，具体过程为：在过渡全局路径中，遍历每个路径点，提取与当前路径点T(n)前后相邻路径点T(n-1)和T(n+1)；确定以T(n-1)和T(n+1)为边界点的区域；判断该区域内是否存在障碍物：若是，则将当前路径点T(n)向远离障碍物的方向平移预设距离，以使该区域内不存在障碍物，将平移后的路径点添加至全局路径中；若否，则判定当前路径点T(n)为冗余转折点，剔除当前路径点T(n)。
本申请实施例中，基于过渡全局路径，遍历每个路径点，提取当前路径点T(n)前后相邻路径点T(n-1)和T(n+1)，连接T(n-1)和T(n+1)得到一条线段，将该线段向垂直方向平移预设的安全距离d得到一个区域；判断该区域内是否存在障碍物：若是，则将路径点T(n)向远离障碍物的方向平移预设距离，以使所述区域内不存在障碍物，在一个示例中，预设距离d1＝安全距离d-障碍物与当前路径点T(n)的距离d0，将平移后的路径点添加至全局路径中；若否，则判定当前路径点T(n)为冗余转折点，剔除当前路径点T(n)。其中，安全距离d的计算方法同上述ds。
本申请实施例中，在目标全局路径包含的路径点中剔除直线冗余点，得到过渡全局路径；根据转折点删减规则，对过渡全局路径中包含的转折点进行处理，得到最终全局路径。通过剔除全局路径中的直线冗余点，提高整体运算效率，解决过多冗余点不利于机器人的控制的问题，使机器人能更高效地到达目标点。另外结合环境因素，剔除或增加转折点，进一步提高整体运算效率，并且使规划出的全局路径可以使机器人运行时更有效地进行避障。
可选的，得到最终全局路径后，还包括：基于最终全局路径，计算每个路径点到下一路径点的旋转角度，以使机器人按照最终全局路径及每个路径点的旋转角度，运行至目标终点。
本申请实施例中，得到最终全局路径后，还可以计算每个路径点到下一路径点的旋转角度β，以使机器人按照最终全局路径及每个路径点的旋转角度β，运行至目标终点。旋转角度β的计算公式如下：
Figure BDA0002575387520000121
当β>0则逆时针旋转，当β<0则顺时针旋转。
本申请实施例中，基于最终全局路径，计算每个路径点到下一路径点的旋转角度，以使机器人按照最终全局路径及每个路径点的旋转角度，运行至目标终点。通过计算最终全局路径中，每个路径点到下一个路径点的角度，便于机器人的控制。
本申请实施例中，可以获取机器人所处环境的环境信息及目标终点，环境信息包括环境中的障碍物信息及所述机器人的起始位置；根据障碍物信息，确定环境对应的栅格地图中各目标栅格对应的环境复杂度；根据预先存储的全局路径规划算法、目标终点、起始位置和环境复杂度进行全局路径规划，得到目标全局路径；基于目标全局路径确定最终全局路径，以使机器人按照最终全局路径运行至目标终点。本申请方案在规划全局路径规划时，综合考虑了环境复杂度对预先存储的全局路径规划算法进行约束，从而规划出尽量远离障碍物的路径，使机器人可以有效避免与障碍物碰撞。如图5为传统A*算法规划路径的仿真示意图，如图所示，路径点距离障碍物很近，并且转折点相对较多；图6为改进后的A*算法规划路径的仿真示意图，如图所示，路径点距离障碍物较远，转折点也相对较少。因此使用本方法可以规划出尽量远离障碍物的路径，使机器人可以有效避免与障碍物碰撞，并且可以减少转折点，便于机器人的控制。
可选的，本申请实施例还提供了一种全局路径规划的处理流程，如图2所示，具体步骤如下。
步骤201，获取机器人所处环境的环境信息及目标终点。
步骤202，根据机器人机身尺寸确定安全距离。
步骤203，根据安全距离及目标栅格确定目标栅格对应的安全范围。
步骤204，根据障碍物信息，确定各安全范围内空闲栅格数，并计算空闲栅格数与安全范围包含的总栅格数据的比例。
步骤205，基于该比例计算目标栅格对应的安全范围内障碍物比例。
步骤206，基于障碍物比例计算各目标栅格对应的环境复杂度。
步骤207，计算目标栅格对应的约束角度。
步骤208，将环境复杂度和约束角度作为约束条件，根据全局路径规划算法、目标终点、起始位置进行全局路径规划，得到目标全局路径。
步骤209，在目标全局路径包含的路径点中剔除直线冗余点，得到过渡全局路径。
步骤210，根据转折点删减规则，对过渡全局路径中包含的转折点进行处理，得到最终全局路径。
步骤211，基于最终全局路径，计算每个路径点到下一路径点的旋转角度，以使机器人按照最终全局路径及每个路径点的旋转角度，运行至目标终点。
本申请实施例中，可以获取机器人所处环境的环境信息及目标终点，环境信息包括环境中的障碍物信息及所述机器人的起始位置；根据障碍物信息，确定环境对应的栅格地图中各目标栅格对应的环境复杂度；根据预先存储的全局路径规划算法、目标终点、起始位置和环境复杂度进行全局路径规划，得到目标全局路径；基于目标全局路径确定最终全局路径，以使机器人按照最终全局路径运行至目标终点。本申请方案在规划全局路径规划时，综合考虑了环境复杂度对预先存储的全局路径规划算法进行约束，从而规划出尽量远离障碍物的路径，使机器人可以有效避免与障碍物碰撞。
基于相同的技术构思，本申请实施例还提供了一种全局路径规划装置，如图3所示，该装置包括：
获取模块301，用于获取机器人所处环境的环境信息及目标终点，所述环境信息包括环境中的障碍物信息及所述机器人的起始位置；
第一确定模块302，用于根据所述障碍物信息，确定所述环境对应的栅格地图中各目标栅格对应的环境复杂度；
计算模块303，用于根据预先存储的全局路径规划算法、所述目标终点、所述起始位置和所述环境复杂度进行全局路径规划，得到目标全局路径；
第二确定模块304，用于基于所述目标全局路径确定最终全局路径，以使所述机器人按照所述最终全局路径运行至所述目标终点。
可选的，所述第一确定模块，具体用于：
根据所述起始位置在所述环境对应的栅格地图中确定至少一个目标栅格；
针对每个目标栅格，确定所述目标栅格对应的安全范围；
根据所述障碍物信息，确定所述安全范围内空闲栅格数，并计算所述空闲栅格数与所述安全范围包含的总栅格数据的比例；
基于所述比例确定所述目标栅格对应的环境复杂度。
可选的，所述第一确定模块，具体用于：
基于所述比例计算所述目标栅格对应的安全范围内障碍物比例；
将所述障碍物比例和预设的环境复杂度约束系数的乘积，作为所述目标栅格对应的环境复杂度。
可选的，
所述第一确定模块，还用于计算所述目标栅格对应的约束角度；
所述计算模块，还用于将所述环境复杂度和所述约束角度作为约束条件，根据所述全局路径规划算法、所述目标终点和所述起始位置进行全局路径规划，得到目标全局路径。
可选的，所述第二确定模块，具体用于：
在所述目标全局路径包含的路径点中剔除直线冗余点，得到过渡全局路径；
根据转折点删减规则，对所述过渡全局路径中包含的转折点进行处理，得到最终全局路径。
可选的，所述第二确定模块，具体用于：
在所述过渡全局路径中，遍历每个路径点，提取与当前路径点T(n)前后相邻路径点T(n-1)和T(n+1)；
确定以所述T(n-1)和T(n+1)为边界点的区域；
判断所述区域内是否存在障碍物：
若是，则将当前路径点T(n)往远离障碍物的方向平移预设距离，以使所述区域内不存在障碍物，将平移后的点添加至全局路径中。
可选的，所述第二确定模块，具体用于：
基于所述最终全局路径，计算每个路径点到下一路径点的旋转角度，以使机器人按照所述最终全局路径及每个路径点的旋转角度，运行至所述目标终点。
本申请实施例中，可以获取机器人所处环境的环境信息及目标终点，环境信息包括环境中的障碍物信息及所述机器人的起始位置；根据障碍物信息，确定环境对应的栅格地图中各目标栅格对应的环境复杂度；根据预先存储的全局路径规划算法、目标终点、起始位置和环境复杂度进行全局路径规划，得到目标全局路径；基于目标全局路径确定最终全局路径，以使机器人按照最终全局路径运行至目标终点。本申请方案在规划全局路径规划时，综合考虑了环境复杂度对预先存储的全局路径规划算法进行约束，从而规划出尽量远离障碍物的路径，使机器人可以有效避免与障碍物碰撞。
基于相同的技术构思，本发明实施例还提供了一种电子设备，如图4所示，包括处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信，
存储器403，用于存放计算机程序；
处理器401，用于执行存储器403上所存放的程序时，实现如下步骤：
获取机器人所处环境的环境信息及目标终点，所述环境信息包括环境中的障碍物信息及所述机器人的起始位置；
根据所述障碍物信息，确定所述环境对应的栅格地图中各目标栅格对应的环境复杂度；
根据预先存储的全局路径规划算法、所述目标终点、所述起始位置和所述环境复杂度进行全局路径规划，得到目标全局路径；
基于所述目标全局路径确定最终全局路径，以使所述机器人按照所述最终全局路径运行至所述目标终点。
可选的，所述根据所述障碍物信息，确定所述环境对应的栅格地图中各目标栅格对应的环境复杂度，包括：
根据所述起始位置在所述环境对应的栅格地图中确定至少一个目标栅格；
针对每个目标栅格，确定所述目标栅格对应的安全范围；
根据所述障碍物信息，确定所述安全范围内空闲栅格数，并计算所述空闲栅格数与所述安全范围包含的总栅格数据的比例；
基于所述比例确定所述目标栅格对应的环境复杂度。
可选的，所述确定各所述目标栅格对应的安全范围，包括：
根据所述机器人的机身尺寸确定安全距离；
根据所述安全距离及所述目标栅格的位置，确定所述目标栅格对应的安全范围。
可选的，所述基于所述比例确定所述目标栅格对应的环境复杂度，包括：
基于所述比例计算所述目标栅格对应的安全范围内障碍物比例；
将所述障碍物比例和预设的环境复杂度约束系数的乘积，作为所述目标栅格对应的环境复杂度。
可选的，所述方法还包括：
计算所述目标栅格对应的约束角度；
所述根据预先存储的全局路径规划算法、所述目标终点、所述起始位置和所述环境复杂度进行全局路径规划，得到目标全局路径，包括：
将所述环境复杂度和所述约束角度作为约束条件，根据所述全局路径规划算法、所述目标终点和所述起始位置进行全局路径规划，得到目标全局路径。
可选的，所述获取目标终点，包括：
获取用户设置的多个目标终点；
计算机器人的起始位置到各个目标终点的代价值；
选取代价值最小的目标终点为最终的目标终点。
可选的，所述基于所述目标全局路径确定最终全局路径，以使所述机器人按照所述最终全局路径运行至所述目标终点，包括：
在所述目标全局路径包含的路径点中剔除直线冗余点，得到过渡全局路径；
根据转折点删减规则，对所述过渡全局路径中包含的转折点进行处理，得到最终全局路径。
可选的，所述根据转折点删减规则，对所述过渡全局路径中包含的转折点进行处理，得到最终全局路径，包括：
在所述过渡全局路径中，遍历每个路径点，提取与当前路径点T(n)前后相邻路径点T(n-1)和T(n+1)；
确定以所述T(n-1)和T(n+1)为边界点的区域；
判断所述区域内是否存在障碍物：
若是，则将当前路径点T(n)往远离障碍物的方向平移预设距离，以使所述区域内不存在障碍物，将平移后的点添加至全局路径中；
若否，则判定当前路径点T(n)为冗余转折点，剔除当前路径点T(n)。
可选的，所述方法还包括：
基于所述最终全局路径，计算每个路径点到下一路径点的旋转角度，以使机器人按照所述最终全局路径及每个路径点的旋转角度，运行至所述目标终点。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，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内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一全局路径规划方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一全局路径规划方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (18)

1.一种全局路径规划方法，其特征在于，所述方法包括：
获取机器人所处环境的环境信息及目标终点，所述环境信息包括环境中的障碍物信息及所述机器人的起始位置；
根据所述障碍物信息，确定所述环境对应的栅格地图中各目标栅格对应的环境复杂度；
根据预先存储的全局路径规划算法、所述目标终点、所述起始位置和所述环境复杂度进行全局路径规划，得到目标全局路径；
基于所述目标全局路径确定最终全局路径，以使所述机器人按照所述最终全局路径运行至所述目标终点。
2.根据权利要求1所述的方法，其特征在于，所述根据所述障碍物信息，确定所述环境对应的栅格地图中各目标栅格对应的环境复杂度，包括：
根据所述起始位置在所述环境对应的栅格地图中确定至少一个目标栅格；
针对每个目标栅格，确定所述目标栅格对应的安全范围；
根据所述障碍物信息，确定所述安全范围内空闲栅格数，并计算所述空闲栅格数与所述安全范围包含的总栅格数据的比例；
基于所述比例确定所述目标栅格对应的环境复杂度。
3.根据权利要求2所述的方法，其特征在于，所述确定所述目标栅格对应的安全范围，包括：
根据所述机器人的机身尺寸确定安全距离；
根据所述安全距离及所述目标栅格的位置，确定所述目标栅格对应的安全范围。
4.根据权利要求2所述的方法，其特征在于，所述基于所述比例确定所述目标栅格对应的环境复杂度，包括：
基于所述比例计算所述目标栅格对应的安全范围内障碍物比例；
将所述障碍物比例和预设的环境复杂度约束系数的乘积，作为所述目标栅格对应的环境复杂度。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
计算所述目标栅格对应的约束角度；
所述根据预先存储的全局路径规划算法、所述目标终点、所述起始位置和所述环境复杂度进行全局路径规划，得到目标全局路径，包括：
将所述环境复杂度和所述约束角度作为约束条件，根据所述全局路径规划算法、所述目标终点和所述起始位置进行全局路径规划，得到目标全局路径。
6.根据权利要求1所述的方法，其特征在于，所述获取目标终点，包括：
获取用户设置的多个目标终点；
计算机器人的起始位置到各个目标终点的代价值；
选取代价值最小的目标终点为最终的目标终点。
7.根据权利要求1所述的方法，其特征在于，所述基于所述目标全局路径确定最终全局路径，以使所述机器人按照所述最终全局路径运行至所述目标终点，包括：
在所述目标全局路径包含的路径点中剔除直线冗余点，得到过渡全局路径；
根据转折点删减规则，对所述过渡全局路径中包含的转折点进行处理，得到最终全局路径。
8.根据权利要求7所述的方法，其特征在于，所述根据转折点删减规则，对所述过渡全局路径中包含的转折点进行处理，得到最终全局路径，包括：
在所述过渡全局路径中，遍历每个路径点，提取与当前路径点T(n)前后相邻路径点T(n-1)和T(n+1)；
确定以所述T(n-1)和T(n+1)为边界点的区域；
判断所述区域内是否存在障碍物：
若是，则将当前路径点T(n)向远离障碍物的方向平移预设距离，以使所述区域内不存在障碍物，将平移后的路径点添加至全局路径中；
若否，则判定当前路径点T(n)为冗余转折点，剔除当前路径点T(n)。
9.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述最终全局路径，计算每个路径点到下一路径点的旋转角度，以使机器人按照所述最终全局路径及每个路径点的旋转角度，运行至所述目标终点。
10.一种全局路径规划装置，其特征在于，所述装置包括：
获取模块，用于获取机器人所处环境的环境信息及目标终点，所述环境信息包括环境中的障碍物信息及所述机器人的起始位置；
第一确定模块，用于根据所述障碍物信息，确定所述环境对应的栅格地图中各目标栅格对应的环境复杂度；
计算模块，用于根据预先存储的全局路径规划算法、所述目标终点、所述起始位置和所述环境复杂度进行全局路径规划，得到目标全局路径；
第二确定模块，用于基于所述目标全局路径确定最终全局路径，以使所述机器人按照所述最终全局路径运行至所述目标终点。
11.根据权利要求10所述的装置，其特征在于，所述第一确定模块，具体用于：
根据所述起始位置在所述环境对应的栅格地图中确定至少一个目标栅格；
针对每个目标栅格，确定所述目标栅格对应的安全范围；
根据所述障碍物信息，确定所述安全范围内空闲栅格数，并计算所述空闲栅格数与所述安全范围包含的总栅格数据的比例；
基于所述比例确定所述目标栅格对应的环境复杂度。
12.根据权利要求11所述的装置，其特征在于，所述第一确定模块，具体用于：
基于所述比例计算所述目标栅格对应的安全范围内障碍物比例；
将所述障碍物比例和预设的环境复杂度约束系数的乘积，作为所述目标栅格对应的环境复杂度。
13.根据权利要求10所述的装置，其特征在于，
所述第一确定模块，还用于计算所述目标栅格对应的约束角度；
所述计算模块，还用于将所述环境复杂度和所述约束角度作为约束条件，根据所述全局路径规划算法、所述目标终点和所述起始位置进行全局路径规划，得到目标全局路径。
14.根据权利要求10所述的装置，其特征在于，所述第二确定模块，具体用于：
在所述目标全局路径包含的路径点中剔除直线冗余点，得到过渡全局路径；
根据转折点删减规则，对所述过渡全局路径中包含的转折点进行处理，得到最终全局路径。
15.根据权利要求14所述的装置，其特征在于，所述第二确定模块，具体用于：
在所述过渡全局路径中，遍历每个路径点，提取与当前路径点T(n)前后相邻路径点T(n-1)和T(n+1)；
确定以所述T(n-1)和T(n+1)为边界点的区域；
判断所述区域内是否存在障碍物：
若是，则将当前路径点T(n)向远离障碍物的方向平移预设距离，以使所述区域内不存在障碍物，将平移后的路径点添加至全局路径中。
16.根据权利要求10所述的装置，其特征在于，所述第二确定模块，具体用于：
基于所述最终全局路径，计算每个路径点到下一路径点的旋转角度，以使机器人按照所述最终全局路径及每个路径点的旋转角度，运行至所述目标终点。
17.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-9任一所述的方法步骤。
18.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-9任一所述的方法步骤。
CN202010652223.1A 2020-07-08 2020-07-08 一种全局路径规划方法、装置、终端及可读存储介质 Pending CN113917912A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010652223.1A CN113917912A (zh) 2020-07-08 2020-07-08 一种全局路径规划方法、装置、终端及可读存储介质
PCT/CN2020/139862 WO2022007350A1 (zh) 2020-07-08 2020-12-28 一种全局路径规划方法、装置、终端及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010652223.1A CN113917912A (zh) 2020-07-08 2020-07-08 一种全局路径规划方法、装置、终端及可读存储介质

Publications (1)

Publication Number Publication Date
CN113917912A true CN113917912A (zh) 2022-01-11

Family

ID=79231774

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010652223.1A Pending CN113917912A (zh) 2020-07-08 2020-07-08 一种全局路径规划方法、装置、终端及可读存储介质

Country Status (2)

Country Link
CN (1) CN113917912A (zh)
WO (1) WO2022007350A1 (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114415686A (zh) * 2022-01-21 2022-04-29 中国农业银行股份有限公司 路径确定方法及设备
CN114675645A (zh) * 2022-03-23 2022-06-28 江苏眸视机器人科技有限公司 一种控制方法、系统、存储介质及电子设备
CN114756034A (zh) * 2022-06-13 2022-07-15 北京蒙帕信创科技有限公司 一种机器人实时避障路径规划方法及装置
CN114777804A (zh) * 2022-04-21 2022-07-22 国汽智控(北京)科技有限公司 一种路径规划方法、装置、设备及可读存储介质
CN115097829A (zh) * 2022-06-23 2022-09-23 汕头大学 一种机器人集群协同任务规划方法、设备及存储介质
CN115113627A (zh) * 2022-07-27 2022-09-27 深圳市普渡科技有限公司 机器人、路径规划方法和计算机可读存储介质
CN115268463A (zh) * 2022-08-23 2022-11-01 广州小鹏自动驾驶科技有限公司 避障路径规划方法、车辆及存储介质
CN115344048A (zh) * 2022-08-25 2022-11-15 北京水狸智能建筑科技有限公司 塔吊轨迹规划方法、电子设备及存储介质
CN115420287A (zh) * 2022-07-11 2022-12-02 云南民族大学 路径规划方法、装置、电子设备及存储介质
CN115597620A (zh) * 2022-10-18 2023-01-13 深圳海星智驾科技有限公司（Cn） 路径规划方法、装置、电子设备及存储介质
CN117631670A (zh) * 2023-12-01 2024-03-01 陕西明泰电子科技发展有限公司 一种复杂环境下机器人避障的路径优化方法及系统
CN118036845A (zh) * 2024-02-03 2024-05-14 南京奥途信息技术有限公司 一种电缆管道铺设线路规划的方法及系统
WO2024174128A1 (zh) * 2023-02-22 2024-08-29 深圳市欧拉智造科技有限公司 机器人以及障碍物避让控制方法的装置
WO2025065956A1 (zh) * 2023-09-28 2025-04-03 三一汽车起重机械有限公司 工程机械行进路径规划方法及相关设备
WO2025077300A1 (zh) * 2023-10-13 2025-04-17 炬星科技（深圳）有限公司 机器人避障路径确定方法、装置、机器人及存储介质

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114442626B (zh) * 2022-01-24 2024-04-26 深圳市拓普智造科技有限公司 一种全局路径规划方法
CN114442625B (zh) * 2022-01-24 2023-06-06 中国地质大学（武汉） 基于多策略联合控制智能体的环境地图构建方法及装置
CN114460968A (zh) * 2022-02-14 2022-05-10 江西理工大学 一种无人机路径的搜索方法、装置、电子设备及存储介质
CN114545946B (zh) * 2022-02-24 2025-02-07 闽西职业技术学院 一种基于人机交互的机器人识别障碍物的方法
CN114625145A (zh) * 2022-03-18 2022-06-14 深圳鹏行智能研究有限公司 足式机器人控制方法、装置、足式机器人及存储介质
CN114675649B (zh) * 2022-03-28 2025-04-01 南京工业大学 一种融合改进的a*与dwa算法的室内移动机器人路径规划方法
CN114711668B (zh) * 2022-03-31 2024-05-14 苏州三六零机器人科技有限公司 清扫方法、装置、扫地机及计算机可读存储介质
CN115016461B (zh) * 2022-05-10 2024-04-26 安徽工程大学 一种基于动态终点策略的IA-Star算法的机器人路径规划方法
CN115016464B (zh) * 2022-05-13 2024-09-27 中山大学·深圳 一种微纳机器人路径规划与自动导航方法及系统
CN114967684A (zh) * 2022-05-19 2022-08-30 杭州萤石软件有限公司 一种轨迹优化方法、装置及一种机器人
CN114896511B (zh) * 2022-06-07 2025-03-25 中国工商银行股份有限公司 信息推荐方法以及辅助装置、电子设备
CN115060281B (zh) * 2022-08-16 2023-01-03 浙江光珀智能科技有限公司 一种基于voronoi图的全局路径引导点生成规划方法
CN115406459B (zh) * 2022-09-09 2024-08-13 中国第一汽车股份有限公司 路径确定方法、装置、非易失性存储介质及计算机设备
CN115711620B (zh) * 2022-10-28 2024-09-20 中国人民解放军战略支援部队信息工程大学 一种路径规划方法、装置、电子设备及存储介质
CN115824216A (zh) * 2022-11-22 2023-03-21 苏州数智赋农信息科技有限公司 一种养猪场喂食车自适应控制方法及系统
CN116834002A (zh) * 2023-06-26 2023-10-03 上海木蚁机器人科技有限公司 机器人叉取托盘的路径规划方法、装置、设备和介质
CN117589172B (zh) * 2023-11-21 2024-11-22 国广顺能(上海)能源科技有限公司 移动机器人的路径规划方法、装置、电子设备及存储介质
CN117382656B (zh) * 2023-12-11 2024-02-06 天津所托瑞安汽车科技有限公司 节油驾驶引导方法、装置、终端及存储介质
CN117553820B (zh) * 2024-01-12 2024-04-05 北京理工大学 一种越野环境中路径规划方法、系统及设备
CN118310544A (zh) * 2024-03-07 2024-07-09 中国人民解放军陆军工程大学 一种智能路径规划方法及便携式业务处理终端
CN118070996B (zh) * 2024-04-19 2024-09-20 深圳市普渡科技有限公司 路径优化方法、装置、机器人及计算机可读存储介质
CN119225382B (zh) * 2024-12-03 2025-03-18 中科云谷科技有限公司 用于移动机器人的路径规划方法、装置及移动机器人
CN119658703B (zh) * 2025-02-19 2025-05-20 纳博特南京科技有限公司 基于人工智能的轮臂冗余运动规划方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106647769A (zh) * 2017-01-19 2017-05-10 厦门大学 基于a*提取引导点的agv路径跟踪与避障协调方法
CN108549378A (zh) * 2018-05-02 2018-09-18 长沙学院 一种基于栅格地图的混合路径规划方法和系统
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
CN109506655A (zh) * 2018-10-19 2019-03-22 哈尔滨工业大学（威海） 基于非均匀建模的改进蚁群路径规划算法
CN109798909A (zh) * 2019-02-01 2019-05-24 安徽达特智能科技有限公司 一种全局路径规划的方法
CN110333714A (zh) * 2019-04-09 2019-10-15 武汉理工大学 一种无人驾驶汽车路径规划方法和装置
CN110595482A (zh) * 2019-10-28 2019-12-20 深圳市银星智能科技股份有限公司 一种带避障权重的路径规划方法、装置及电子设备
CN110887484A (zh) * 2019-10-14 2020-03-17 重庆邮电大学 基于改进遗传算法的移动机器人路径规划方法及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101738195B (zh) * 2009-12-24 2012-01-11 厦门大学 基于环境建模与自适应窗口的移动机器人路径规划方法
CN103439972B (zh) * 2013-08-06 2016-06-29 重庆邮电大学 一种动态复杂环境下的移动机器人路径规划方法
CN103926925B (zh) * 2014-04-22 2015-04-29 江苏久祥汽车电器集团有限公司 一种基于改进的vfh算法的定位与避障方法及机器人
CN107065885B (zh) * 2017-05-19 2017-11-28 华中科技大学 一种机器人变栅格地图路径规划优化方法和系统
KR20190023834A (ko) * 2017-08-30 2019-03-08 엘지전자 주식회사 객체와 간격을 유지하며 로봇을 이동시키는 방법 및 이를 구현하는 로봇
CN109947118B (zh) * 2019-04-19 2021-10-26 南京大学 一种使用gpu加速的代价地图快速更新方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106647769A (zh) * 2017-01-19 2017-05-10 厦门大学 基于a*提取引导点的agv路径跟踪与避障协调方法
CN108549378A (zh) * 2018-05-02 2018-09-18 长沙学院 一种基于栅格地图的混合路径规划方法和系统
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
CN109506655A (zh) * 2018-10-19 2019-03-22 哈尔滨工业大学（威海） 基于非均匀建模的改进蚁群路径规划算法
CN109798909A (zh) * 2019-02-01 2019-05-24 安徽达特智能科技有限公司 一种全局路径规划的方法
CN110333714A (zh) * 2019-04-09 2019-10-15 武汉理工大学 一种无人驾驶汽车路径规划方法和装置
CN110887484A (zh) * 2019-10-14 2020-03-17 重庆邮电大学 基于改进遗传算法的移动机器人路径规划方法及存储介质
CN110595482A (zh) * 2019-10-28 2019-12-20 深圳市银星智能科技股份有限公司 一种带避障权重的路径规划方法、装置及电子设备

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114415686A (zh) * 2022-01-21 2022-04-29 中国农业银行股份有限公司 路径确定方法及设备
CN114415686B (zh) * 2022-01-21 2024-04-19 中国农业银行股份有限公司 路径确定方法及设备
CN114675645A (zh) * 2022-03-23 2022-06-28 江苏眸视机器人科技有限公司 一种控制方法、系统、存储介质及电子设备
CN114777804A (zh) * 2022-04-21 2022-07-22 国汽智控(北京)科技有限公司 一种路径规划方法、装置、设备及可读存储介质
CN114756034A (zh) * 2022-06-13 2022-07-15 北京蒙帕信创科技有限公司 一种机器人实时避障路径规划方法及装置
CN115097829A (zh) * 2022-06-23 2022-09-23 汕头大学 一种机器人集群协同任务规划方法、设备及存储介质
CN115097829B (zh) * 2022-06-23 2024-12-27 汕头大学 一种机器人集群协同任务规划方法、设备及存储介质
CN115420287A (zh) * 2022-07-11 2022-12-02 云南民族大学 路径规划方法、装置、电子设备及存储介质
CN115420287B (zh) * 2022-07-11 2025-06-13 云南民族大学 路径规划方法、装置、电子设备及存储介质
CN115113627A (zh) * 2022-07-27 2022-09-27 深圳市普渡科技有限公司 机器人、路径规划方法和计算机可读存储介质
CN115268463A (zh) * 2022-08-23 2022-11-01 广州小鹏自动驾驶科技有限公司 避障路径规划方法、车辆及存储介质
CN115344048A (zh) * 2022-08-25 2022-11-15 北京水狸智能建筑科技有限公司 塔吊轨迹规划方法、电子设备及存储介质
CN115597620A (zh) * 2022-10-18 2023-01-13 深圳海星智驾科技有限公司（Cn） 路径规划方法、装置、电子设备及存储介质
CN115597620B (zh) * 2022-10-18 2025-01-24 深圳海星智驾科技有限公司 路径规划方法、装置、电子设备及存储介质
WO2024174128A1 (zh) * 2023-02-22 2024-08-29 深圳市欧拉智造科技有限公司 机器人以及障碍物避让控制方法的装置
WO2025065956A1 (zh) * 2023-09-28 2025-04-03 三一汽车起重机械有限公司 工程机械行进路径规划方法及相关设备
WO2025077300A1 (zh) * 2023-10-13 2025-04-17 炬星科技（深圳）有限公司 机器人避障路径确定方法、装置、机器人及存储介质
CN117631670A (zh) * 2023-12-01 2024-03-01 陕西明泰电子科技发展有限公司 一种复杂环境下机器人避障的路径优化方法及系统
CN118036845A (zh) * 2024-02-03 2024-05-14 南京奥途信息技术有限公司 一种电缆管道铺设线路规划的方法及系统

Also Published As

Publication number Publication date
WO2022007350A1 (zh) 2022-01-13

Similar Documents

Publication Publication Date Title
CN113917912A (zh) 一种全局路径规划方法、装置、终端及可读存储介质
CN113376650B (zh) 移动机器人定位方法及装置、电子设备及存储介质
CN111079570B (zh) 一种人体关键点识别方法、装置及电子设备
CN107728615B (zh) 一种自适应区域划分的方法及系统
CN107491068B (zh) 移动机器人路径规划方法、装置及路径规划设备
WO2020107326A1 (zh) 车道线检测方法、设备、计算机可读存储介质
CN112987724B (zh) 路径优化方法、装置、机器人及存储介质
CN115900742B (zh) 车辆的参考轨迹规划方法、装置、电子设备及存储介质
CN109048909B (zh) 枝节式路径调度方法、装置、后台服务端及第一机器人
CN112327826A (zh) 一种路径规划方法、装置、设备和介质
CN113147739A (zh) 一种无人车启发式自动泊车方法及装置
CN114459486A (zh) 机器人及其通道导航方法、装置及存储介质
CN116109685B (zh) 一种零件点云配准方法、装置、设备及介质
CN114647816B (zh) 车道线的确定方法、装置、设备及存储介质
CN118537605B (zh) 一种三维点云匹配退化的检测方法、装置及程序产品
CN109002044A (zh) 机器人排队方法、装置、后台服务端及存储介质
CN111854751A (zh) 导航目标位置确定方法、装置、可读存储介质及机器人
CN114419188A (zh) 现场作业区电子围栏的自动构建方法、装置及存储介质
CN114295135A (zh) 一种位置信息的确定方法、装置及存储介质
CN117308964B (zh) 智能游船的路径规划方法、装置、无人船及介质
CN118014174A (zh) 对象搜寻路径处理方法、装置及设备
CN117115485A (zh) 一种轮廓匹配方法、装置、电子设备及存储介质
CN116215517A (zh) 碰撞检测方法、装置、设备、存储介质和自动驾驶车辆
CN116182839A (zh) 一种飞行器姿态的确定方法、装置、电子设备及存储介质
CN113787516A (zh) 定位方法、装置和机器人

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220111