-
公开(公告)号：CN119197544B
公开(公告)日：2025-04-25
申请号：CN202411710993.1
申请日：2024-11-27
Applicant: 南京师范大学
IPC: G01C21/20
Abstract: 本发明公开了一种基于局部探索及全局探索融合的机器人路径规划方法，获取全局探索空间，将全局探索空间划分为若干子空间，以子空间的质心作为全局路径点，并获得全局探索路径；以机器人周围预设距离内的空间作为局部探索空间，以全局探索路径与局部探索空间边界的交点作为边界点，对局部探索空间通过雷达进行均匀采样并提取候选路径点，通过局部路径点选择算法对候选路径点进行选择，得到局部路径点；并获得局部探索路径；将全局探索路径中两个边界点之间的路径替换为局部探索路径，得到最终规划路径。分层搜索框架既能够在局部空间中进行精确的路径规划，又能够通过全局探索规划的引导防止陷入局部最优化，同时节约了计算资源。
-
Patent Agency Ranking
公开(公告)号：CN118466517B
公开(公告)日：2024-10-15
申请号：CN202410911034.X
申请日：2024-07-09
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于可见性图构建的机器人路径规划方法，通过获取环境的点云数据，提取点云数据中的障碍物的轮廓特征点；并构建障碍物的封闭多边形；对顶点数量大于阈值的封闭多边形，消除其长度小于阈值的边，得到优化后的障碍物多边形；并根据障碍物多边形各顶点之间的可视关系构建可见性图；给定机器人起点和终点，在可见性图上通过双向A*路径规划算法搜索机器人从起点到终点的最短路径。通过设置阈值来控制复杂的大型多边形的顶点数量，充分考虑移动机器人真实环境中冗余节点过多的特点，提高移动机器人在大场景环境下路径规划计算效率，满足实时性要求，使得移动机器人平滑、快速躲避动态障碍物，应用前景广泛。
-
公开(公告)号：CN118466517A
公开(公告)日：2024-08-09
申请号：CN202410911034.X
申请日：2024-07-09
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于可见性图构建的机器人路径规划方法，通过获取环境的点云数据，提取点云数据中的障碍物的轮廓特征点；并构建障碍物的封闭多边形；对顶点数量大于阈值的封闭多边形，消除其长度小于阈值的边，得到优化后的障碍物多边形；并根据障碍物多边形各顶点之间的可视关系构建可见性图；给定机器人起点和终点，在可见性图上通过双向A*路径规划算法搜索机器人从起点到终点的最短路径。通过设置阈值来控制复杂的大型多边形的顶点数量，充分考虑移动机器人真实环境中冗余节点过多的特点，提高移动机器人在大场景环境下路径规划计算效率，满足实时性要求，使得移动机器人平滑、快速躲避动态障碍物，应用前景广泛。
-
公开(公告)号：CN118982582B
公开(公告)日：2025-01-14
申请号：CN202411450929.4
申请日：2024-10-17
Applicant: 南京师范大学
IPC: G06T7/73 , B25J9/16 , G06V20/56 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于Grasp‑CAD目标检测模型的抓取目标定位方法，通过引入CBAM注意力机制的C3模块和用于对FPN和PAN不同尺度的特征自适应特征缩放融合的AFRC模块的Grasp‑CAD目标检测模型处理图像数据，得到图像数据中目标物体的检测框的坐标；根据检测框的坐标，获得目标物体相对机械臂末端的位置。检测模型中采用引入CBAM注意力机制的C3模块，提升了对遮挡物检测的适应性及性能，模型特征提取能力强，对于遮挡目标能够检测出来，Neck模块自适应特征缩放融合AFRC模块提升检测速度，模型占用内存小，易于部署在机器人系统。
-
公开(公告)号：CN118982582A
公开(公告)日：2024-11-19
申请号：CN202411450929.4
申请日：2024-10-17
Applicant: 南京师范大学
IPC: G06T7/73 , B25J9/16 , G06V20/56 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于Grasp‑CAD目标检测模型的抓取目标定位方法，通过引入CBAM注意力机制的C3模块和用于对FPN和PAN不同尺度的特征自适应特征缩放融合的AFRC模块的Grasp‑CAD目标检测模型处理图像数据，得到图像数据中目标物体的检测框的坐标；根据检测框的坐标，获得目标物体相对机械臂末端的位置。检测模型中采用引入CBAM注意力机制的C3模块，提升了对遮挡物检测的适应性及性能，模型特征提取能力强，对于遮挡目标能够检测出来，Neck模块自适应特征缩放融合AFRC模块提升检测速度，模型占用内存小，易于部署在机器人系统。
-
公开(公告)号：CN119197544A
公开(公告)日：2024-12-27
申请号：CN202411710993.1
申请日：2024-11-27
Applicant: 南京师范大学
IPC: G01C21/20
Abstract: 本发明公开了一种基于局部探索及全局探索融合的机器人路径规划方法，获取全局探索空间，将全局探索空间划分为若干子空间，以子空间的质心作为全局路径点，并获得全局探索路径；以机器人周围预设距离内的空间作为局部探索空间，以全局探索路径与局部探索空间边界的交点作为边界点，对局部探索空间通过雷达进行均匀采样并提取候选路径点，通过局部路径点选择算法对候选路径点进行选择，得到局部路径点；并获得局部探索路径；将全局探索路径中两个边界点之间的路径替换为局部探索路径，得到最终规划路径。分层搜索框架既能够在局部空间中进行精确的路径规划，又能够通过全局探索规划的引导防止陷入局部最优化，同时节约了计算资源。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
