CN103955221A - 带任务时效性的多平台协作路径规划系统和方法 - Google Patents
带任务时效性的多平台协作路径规划系统和方法 Download PDFInfo
- Publication number
- CN103955221A CN103955221A CN201410185556.2A CN201410185556A CN103955221A CN 103955221 A CN103955221 A CN 103955221A CN 201410185556 A CN201410185556 A CN 201410185556A CN 103955221 A CN103955221 A CN 103955221A
- Authority
- CN
- China
- Prior art keywords
- platform
- path
- destination node
- communication device
- task
- 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.)
- Granted
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提出了一种带任务时效性的多平台协作路径规划系统和方法。系统包括:第一平台和至少一个第二平台,第一平台根据改进的蚁群优化算法进行多平台协作路径规划,为每个平台生成对应的目标节点序列;每个平台依据对应的目标节点序列生成路径;当第一平台接收到每个平台所生成的路径,根据位姿信息,采用路径避让跟踪算法使每个平台在完成访问任务过程中避免碰撞。综上所述,通过提出考虑任务时效性和路径消耗的多平台协作路径规划系统及方法,有助于提高多平台系统在完成带有时效性的访问任务时的表现。
Description
技术领域
本发明涉及多平台协作路径规划,尤其涉及一种考虑任务时效性与路径消耗的多平台协作路径规划系统和方法。
背景技术
自20世纪80年代末建立世界上首个基于多智能体的多平台系统以来,多平台系统的很多领域已经成为研究的热点,如多平台任务分配、多平台交互、群平台等。与单个的平台相比,多平台系统具有空间上、时间上和功能上的分布性优势;并且系统的鲁棒性和可靠性更好,可以更加出色地完成远地作业、协助军事行动、协助震后搜索与营救、自动仓库管理、清除危险区域等任务。这里的平台可以是指机器人、无人驾驶车、或其他可移动的设备。因此,可以理解,多平台系统可以是多机器人系统,也可以是由其他可移动设备(例如,无人驾驶车等)组成的协作系统。
其中,为了解决多平台协作路径规划的问题,现已提出各种多旅行商问题(Multiple Traveling Salesman Problem,MTSP)方法。现有的MTSP方法通常只考虑在多平台系统访问任务中总的路径消耗,而并没有考虑由于任务中各个目标节点本身重要性不同而需要具有不同的时效性,这使得整个多平台系统在执行一些例如灾后救援、人流紧急疏散等带有时效性特性的访问任务时表现得很糟糕。
这里,所谓的任务时效性是指目标节点从任务开始后到被访问到之前所等待的时间。显然,重要目标节点等待访问的时间应该尽量少。但是,在以上根据MTSP方法进行多平台协作路径规划中由于仅仅考虑总的路径消耗,因此无法满足目标节点对任务时效性的要求。
此外,多平台在任务访问过程中存在发生碰撞的可能性。仅仅依靠平台自身的避让机制,很难保证多平台系统的访问效率。
发明内容
为了解决带有时效性特性的多目标节点访问问题,本发明提出了一种带任务时效性的多平台协作路径规划系统和方法,在衡量访问任务完成质量的标准时不再仅仅考虑整个平台系统的路径消耗,还同时考量目标节点的任务时效性。
一方面,本发明提出了一种带任务时效性的多平台协作路径规划系统,包括:第一平台和至少一个第二平台,其中:
所述第一平台根据改进的蚁群优化算法进行多平台协作路径规划,为所述第一平台和所述至少一个第二平台中的每个平台生成对应的目标节点序列,以便实现路径消耗和任务时效性的优化目标;
所述第一平台和所述至少一个第二平台中的所述每个平台依据所述对应的目标节点序列、采用A*算法在膨胀的栅格地图上生成路径,并将所生成的路径上报给所述第一平台;
当所述第一平台接收到所述每个平台所生成的路径,根据所述至少一个第二平台中每个平台上报的位姿信息,采用路径避让跟踪算法使所述至少一个第二平台中每个平台在完成访问任务过程中避免碰撞。
进一步地,所述第一平台具有第一通信装置、第一处理装置和第一执行装置,所述至少一个第二平台中的每一个具有第二通信装置、第二处理装置和第二执行装置,所述第一通信装置与所述第一处理装置电连接,所述第一处理装置和所述第一执行装置电连接,所述第二通信装置和所述第二处理装置电连接,所述第二处理装置和所述第二执行装置电连接,所述第一通信装置与所述第二通信装置通过无线方式进行通信。
进一步地,所述第一处理装置依据获取的全局环境信息及任务信息,基于改进的蚁群优化算法进行多平台协作路径规划,为所述第一平台和所述至少一个第二平台中的每个平台生成对应的目标节点序列,其中所述全局环境信息包括所述第一平台和至少一个第二平台完成任务所在的全局地图,所述任务信息包括各目标节点的位置坐标及其权重值;所述第一通信装置将所述对应的目标节点序列发送给对应的第二平台的第二通信装置。
进一步地,基于改进的蚁群优化算法进行多平台协作路径规划,包括如下步骤:
(b.1)计算启发式值,其中启发式值是指两个目标节点之间距离值的倒数;
(b.2)设置参数值:α、β、q、ρ、Q,其中,α为信息素值对蚂蚁路径选择概率的影响程度,β为启发式值对蚂蚁路径选择概率的影响程度,q为权重调节系数,ρ为信息素挥发系数,Q为信息素质量系数;
(b.3)将所有蚂蚁均放置起始节点,各蚂蚁根据概率公式,循环选取未访问目标节点集合中的一个目标节点作为下一个目标节点进行访问,直到所有蚂蚁均完成一次遍历;
(b.4)各蚂蚁的遍历结果生成相应的路径序列,即生成按顺序被访问的目标节点序列;
(b.5)分别根据路径消耗函数和时效性消耗函数计算各蚂蚁的路径消耗值与时效性消耗值;
(b.6)更新信息素值,其中信息素值为蚂蚁根据该路径优劣程度在当前路径上留下的信息素量;
(b.7)判断各蚂蚁的遍历次数是否达到要求,若是,转入步骤(b.8),若不是,转入步骤(b.3);
(b.8)选出最优的目标节点序列,并将生成的最优目标节点序列分别下发给各个相应的平台;
这里,概率公式为: 其中, 表示在第t次迭代过程中第k只蚂蚁从目标节点i移动到目标节点j的概率,表示本次迭代过程中第k只蚂蚁还未访问的目标节点的集合,ηij(t)表示从目标节点i移动到目标节点j的启发式值,τij(t)表示从目标节点i移动到目标节点j的信息素值,ηil(t)表示从目标节点i移动到目标节点l的启发式值,τil(t)表示从目标节点i移动到目标节点l的信息素值;
这里,路径消耗函数为:其中,(nij∈ri),dri表示第i个平台完成任务所需要行驶的路径长度,ri={ni1,ni2,…,nik}为第i个平台的需要访问的ik个目标节点所构成的集合;
这里,时效性消耗函数为:tri=Σεj×t(nij),其中,tri表示第i个平台对所分配到的所有任务节点完成访问任务时的时效性消耗之和,t(nij)表示第i个平台从任务开始到访问到节点j所需时间的预估值,εj表示节点j的权重值。
可选地,在每个第二平台中,所述第二处理装置从所述第二通信装置获取所述对应的目标节点序列,采用A*算法在膨胀的栅格地图上生成路径,并将所生成的路径提供给所述第二通信装置;所述第二通信装置将所述生成的路径发送给所述第一通信装置。
进一步地,当所述第一通信装置接收到所述每个第二平台的第二通信装置发送的所述生成的路径,所述第一处理装置产生路径跟踪命令,并通过所述第一通信装置发送给所述每个第二平台的第二通信装置,所述第一执行装置基于所述路径跟踪命令执行路径跟踪,所述每个第二平台的第二执行装置基于所述路径跟踪命令执行路径跟踪;
对于所述每个第二平台,所述第二处理装置监测所述第二执行装置的路径跟踪过程,并收集所述第二平台的位姿信息,并通过所述第二通信装置持续地发送给所述第一平台的第一通信装置;
当所述第一处理装置根据所述第一通信装置接收到的位姿信息判断存在两个平台会发生碰撞,则确定避让平台,并采用路径避让跟踪算法确定所述避让平台的线速度v和转速w。
进一步地,所述确定避让平台包括:
若所述两个平台均驶向碰撞点,则离碰撞点较远的平台为避让平台;或者
若所述两个平台中的一个平台驶向碰撞点,另一个驶离碰撞点,则驶向碰撞点的平台为避让平台;或者
若所述两个平台均驶离碰撞点,则离碰撞点较近的平台为避让平台。
可选地,采用黑板机制与路径避让跟踪算法确定所述避让平台的线速度v和转速w,包括:
这里,v0为规划前避让平台的线速度,w0为规划前避让平台的角速度, 其中l为两个平台质心之间的距离,R大于r。
另一方面,本发明提出了一种带任务时效性的多平台协作路径规划方法,包括以下步骤:
步骤S1,在任务开始之前,在多平台系统中确定第一平台,为其加载全局环境信息及任务信息,其中所述全局环境信息为多平台系统完成任务所在的全局地图,所述任务信息包括各个目标节点的位置坐标及其权重值;
步骤S2,所述第一平台采用改进的蚁群优化算法,基于路径消耗和任务时效性两个优化目标进行多平台协作路径规划,为各个第二平台生成目标节点序列;
步骤S3,所述第一平台将生成的目标节点序列分别发送给各个相应的第二平台;
步骤S4,在接收到所述第一平台发送的目标节点序列后,各第二平台分别在膨胀的栅格地图上,采用A*算法进行目标节点序列中相邻目标节点间的路径生成,如果所生成的各条路径均存在,则向所述第一平台返回路径最优解;
步骤S5,当所述第一平台接收到全部第二平台发送的路径最优解,则向各第二平台发送路径跟踪命令,以便命令各第二平台开始执行任务,进行路径跟踪;
步骤S6,在接收到所述第一平台发送的路径跟踪命令后,各第二平台进行路径跟踪,并向所述第一平台实时上传各自的位姿信息;
步骤S7,根据接收到的各第二平台的位姿信息,所述第一平台采用路径避让跟踪算法确定是否存在可能发生碰撞的平台,若存在,则确定避让平台并向所述避让平台发送路径避让指令,以防止各个第二平台之间的碰撞。
另一方面,提出了一种平台,该平台包括:第一通信装置、第一处理装置和第一执行装置,其中:
第一通信装置用于将第一处理装置生成的目标节点序列发送给另一平台,接收另一平台所生成的路径和位姿信息,以及将路径跟踪命令发送给另一平台;
第一处理装置基于改进的蚁群优化算法生成对应的目标节点序列,产生路径跟踪命令,以及启动系统路径避让机制;
第一执行装置基于路径跟踪命令执行路径跟踪。
另一方面,提出了一种平台,该平台包括:第二通信装置、第二处理装置和第二执行装置,其中:
第二通信装置用于从另一平台接收目标节点序列,将生成的路径发送给另一平台,以及持续地将位姿信息发送给另一平台;
第二处理装置用于依据目标节点序列、采用A*算法在膨胀的栅格地图上生成路径、并将所生成的路径提供给第二通信装置,监测所述第二执行装置的路径跟踪过程、并收集所述第二平台的位姿信息;
第二执行装置基于路径跟踪命令执行路径跟踪。
综上所述,通过提出考虑任务时效性和路径消耗的多平台协作路径规划系统及方法,有助于提高多平台系统在完成带有时效性的访问任务时的表现。
特别是,本发明中提出的改进的蚁群优化算法可用于通用的带任务时效性的任务分配问题的优化求解,路径避让跟踪算法可用于防止平台之间的碰撞。当实际任务需要考虑任务时效性的问题时,采用本发明提出的解决方案可以获得更好的表现。由此,根据本发明将多平台协作路径规划问题通过一个三层的框架——任务分配层,路径生成层,协作控制层——进行解决。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为根据本发明的带任务时效性的多平台协作路径规划系统的框架图。
图2为根据本发明的带任务时效性的多平台协作路径规划系统中一种平台的结构示意图。
图3为根据本发明的带任务时效性的多平台协作路径规划系统中另一种平台的结构示意图。
图4为根据本发明的带任务时效性的多平台协作路径规划方法的流程图。
图5为根据本发明实施例的考虑任务时效性的多机器人协作路径规划方法的总体流程图。
图6为本发明中考虑目标节点时效性的示意图。
图7为本发明中考虑路径消耗和任务时效性两个优化目标的多机器人路径规划示意图。
图8为本发明中基于改进的蚁群优化算法(Improved Ant ColonyOptimization,IACO)进行多机器人路径规划的流程图。
图9为本发明中路径避让跟踪算法的流程图。
图10为本发明中有碰撞趋势的两个机器人示意图。
图11a、11b和11c分别为本发明中确定避让机器人的三种情况示意图。
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,所描述的实施例是本发明的一部分实施例,而不是全部实施例。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的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
针对多平台多目标节点访问问题,本发明提出的一种带任务时效性的多平台协作路径规划系统,通过为不同的目标节点设置权重值,可以使多平台系统在路径规划中考虑不同目标节点的时效性。
为了方便描述,将本发明的多平台协作路径规划抽象为如下的MTSP:已知n个目标节点N={n1,n2,…,nn}、各目标节点分别对应的权重值ε={ε1,ε2,…,εn}、任意两个目标节点之间距离d(ni,nj)以及m个平台M={m1,m2,…,mm},问题的解为m条经过且只经过N中所有目标节点一次的闭合回路R={r1,r2,…,rm},其中ri={ni1,ni2,…,nik}为第i个平台的需要访问的ik个目标节点所构成的集合。在进行平台任务分配时应考虑两个优化目标:一是总路径消耗最小,二是目标节点的总时效性消耗最低。
第一个优化目标与传统的MTSP问题相同,为总的行驶路径最短,其目标函数,即总路径消耗函数定义如以下公式(1)和(2):
其中,(nij∈ri),dri表示第i个平台完成任务所需要行驶的路径长度。
第二个优化目标为满足目标节点的时效性要求,也就是重要的节点需要优先访问,其目标函数,即总时效性消耗函数定义如以下公式(3)和(4):
其中,(nij∈ri),tri表示第i个平台对所分配到的所有目标节点完成访问任务时的时效性消耗之和,t(nij)表示第i个平台从任务开始到访问到节点j所需时间的预估值,εj表示节点j的权重值。每个目标节点的时效性消耗为从任务开始到该目标节点得到相应平台访问的等待时间与该目标节点的权重值之积。时效性消耗越高,说明该节点的完成情况不理想;如果整个任务的时效性之和越高,就说明该任务的时效性要求没有得到很好的满足,分配任务也就不合理。
约束条件如下:
1)ni1=nik=n1,(i=1,2,…,m),所有平台的起始位置和终止位置都在n1;
2)ik≥2,(i=1,2,…,m),每个平台至少访问一个目标节点(n1除外);
3)r1∪r2∪…∪rm=N,每个目标节点都受到访问;
4)除n1外,其余目标节点只访问一次。
为了解决现有技术中存在的问题,本发明提出了一种具有集中式、分布式相结合的混合式体系结构的带任务时效性的多平台协作路径规划系统,包含任务分配层101、路径生成层102以及协作控制层103,如图1所示。
其中,在任务分配层101中,采用改进的蚁群优化算法对任务分配问题进行优化求解,并在求解的同时兼顾总的路径消耗和任务时效性;在路径生成层102中,在膨胀的栅格地图上、采用A*算法进行相邻节点之间的路径生成;在协作控制层103中,采用黑板机制并结合路径避让跟踪算法使各个平台有效地完成访问任务。
具体而言,根据本发明的带任务时效性的多平台协作路径规划系统,包括第一平台和至少一个第二平台,其中:
第一平台根据改进的蚁群优化算法进行多平台协作路径规划,为所述第一平台和至少一个第二平台中的每个平台生成对应的目标节点序列,以便实现路径消耗和任务时效性的优化目标;
所述第一平台和至少一个第二平台中的每个平台依据上述对应的目标节点序列、采用A*算法在膨胀的栅格地图上生成路径,并将所生成的路径上报给第一平台;
当第一平台接收到每个平台所生成的路径,根据至少一个第二平台中的每个平台上报的位姿信息,采用路径避让跟踪算法使至少一个第二平台中的每个平台在完成访问任务过程中避免碰撞。
应理解,可以在该多平台系统中任意指定一个平台作为第一平台。一旦选定一个平台作为第一平台,则其他平台成为第二平台。例如,可以为该选定的第一平台设置特定的标识,以便第二平台根据该标识确定与第一平台的交互过程。
进一步而言,参见图2,第一平台20可以具有第一通信装置21、第一处理装置22和第一执行装置23;参见图3,每个第二平台30可以具有第二通信装置31、第二处理装置32和第二执行装置33。其中,第一通信装置21和第一处理装置22电连接,第一处理装置22和第一执行装置23电连接,第二通信装置31和第二处理装置32电连接,第二处理装置32和第二执行装置33电连接,第一通信装置21与第二通信装置31通过无线方式进行通信。
于是,第一处理装置22依据获取的全局环境信息及任务信息,基于改进的蚁群优化算法进行多平台协作路径规划,为第一平台20和至少一个第二平台30中的每个平台生成对应的目标节点序列,其中所述全局环境信息包括所述第一平台20和至少一个第二平台30完成任务所在的全局地图,所述任务信息包括各目标节点的位置坐标及其权重值。第一通信装置21将对应的目标节点序列发送给对应的第二平台30的第二通信装置31。
以上,基于改进的蚁群优化算法进行多平台协作路径规划,包括如下步骤:
(b.1)计算启发式值,其中启发式值是指两个目标节点之间距离值的倒数;
(b.2)设置参数值:α、β、q、ρ、Q,其中,α为信息素值对蚂蚁路径选择概率的影响程度,β为启发式值对蚂蚁路径选择概率的影响程度,q为权重调节系数,ρ为信息素挥发系数,Q为信息素质量系数;
(b.3)将所有蚂蚁均放置起始节点,各蚂蚁根据概率公式(5),循环选取未访问目标节点集合中的一个目标节点作为下一个目标节点进行访问,直到所有蚂蚁均完成一次遍历;
(b.4)各蚂蚁的遍历结果生成相应的路径序列,即生成按顺序被访问的目标节点序列;
(b.5)分别根据上述路径消耗函数(公式2)和时效性消耗函数(公式4)计算各蚂蚁的路径消耗值与时效性消耗值;
(b.6)更新信息素值,其中信息素值为蚂蚁根据该路径优劣程度在当前路径上留下的信息素量;
(b.7)判断各蚂蚁的遍历次数是否达到要求,若是,转入步骤(b.8),若不是,转入步骤(b.3);
(b.8)选出最优的目标节点序列,并将生成的最优目标节点序列分别下发给各个相应的平台;
其中,(b.3)中用到的概率公式具体表示为以下公式(5):
这里,表示在第t次迭代过程中第k只蚂蚁从目标节点i移动到目标节点j的概率;表示本次迭代过程中第k只蚂蚁还未访问的目标节点的集合;ηij(t)表示从目标节点i移动到目标节点j的启发式值(即目标节点i到目标节点j之间的距离值的倒数);τij(t)表示从目标节点i移动到目标节点j的信息素值;ηil(t)表示从目标节点i移动到目标节点l的启发式值(即目标节点i到目标节点j之间的距离值的倒数);τil(t)表示从目标节点i移动到目标节点l的信息素值;α和β为参数,分别反映了信息素值和启发式值的影响程度。在一次遍历完所有的目标节点之后,要对各条路径上的信息素值进行更新。
进一步地,在每个第二平台30中,第二处理装置32从第二通信装置31获取对应的目标节点序列,采用A*算法在膨胀的栅格地图上生成路径,并将所生成的路径提供给第二通信装置31;第二通信装置31将所生成的路径发送给第一平台20的第一通信装置21。
当第一通信装置21接收到每个第二平台30的第二通信装置31发送的所生成的路径,第一处理装置22产生路径跟踪命令,并通过第一通信装置21发送给每个第二平台30的第二通信装置31,第一执行装置23基于所述路径跟踪命令执行路径跟踪,每个第二平台30的第二执行装置33基于所述路径跟踪命令执行路径跟踪。
对于每个第二平台30,第二处理装置32监测第二执行装置33的路径跟踪过程,并收集该第二平台30的位姿信息,并通过第二通信装置31持续地发送给第一平台20的第一通信装置21。
当第一处理装置21根据接收到的位姿信息判断存在两个平台会发生碰撞,则确定避让平台,并采用黑板机制与路径避让跟踪算法确定所述避让平台的线速度v和转速w。
确定避让平台的原则如下:
(A)若所述两个平台均驶向碰撞点,则离碰撞点较远的平台为避让平台;或者
(B)若所述两个平台中的一个平台驶向碰撞点,另一个驶离碰撞点,则驶向碰撞点的平台为避让平台;或者
(C)若所述两个平台均驶离碰撞点,则离碰撞点较近的平台为避让平台。
如何采用黑板机制与路径避让跟踪算法确定所述避让平台的线速度v和转速w将在以下内容中进行详细描述。
综上所述,通过提出考虑任务时效性和路径消耗的多平台协作路径规划系统,有助于提高多平台系统在完成带有时效性的访问任务时的表现。其中,本发明中提出的改进的蚁群优化算法可用于通用的带任务时效性的任务分配问题的优化求解,路径避让跟踪算法可用于防止平台之间的碰撞。
图4示出了根据本发明的带任务时效性的多平台协作路径规划方法的流程图。如图4所示,该方法包括如下步骤:
S1,在任务开始之前,在多平台系统中确定第一平台,为其加载全局环境信息及任务信息,其中所述全局环境信息为多平台系统完成任务所在的全局地图,所述任务信息包括各个目标节点的位置坐标及其权重值。
S2,在多平台系统中确定第一平台之后,第一平台采用改进的蚁群优化算法,基于路径消耗和任务时效性两个优化目标进行多平台协作路径规划,为各个平台生成目标节点序列。其中,目标节点序列是指由就是目标节点的访问顺序组成的序列,如54321表示依次访问目标节点5、目标节点4、目标节点3、目标节点2和目标节点1。
S3,第一平台将生成的目标节点序列分别发送给各个相应的第二平台。
S4,在接收到第一平台发送的目标节点序列后,各第二平台分别在膨胀的栅格地图上,采用A*算法进行目标节点序列中相邻目标节点间的路径生成,如果所生成的各条路径均存在,则向第一平台返回路径最优解。
S5,当第一平台接收到所有第二平台发送的路径最优解,则向各第二平台发送路径跟踪命令,以便命令各第二平台开始执行任务,进行路径跟踪;若第一平台没有接收到所有平台发送的路径最优解,则重新进行路径规划。
S6,在接收到第一平台发送的路径跟踪命令后,各第二平台进行路径跟踪,并向第一平台实时上传各自的位姿信息。
S7,根据接收到的各第二平台的位姿信息,第一平台采用路径避让跟踪算法确定是否存在可能发生碰撞的平台,若存在,则确定避让平台并向避让平台发送路径避让指令,以防止各个第二平台之间的碰撞。
这里,考虑到第一平台与各第二平台之间的通信会存在时延,为了保证避让的及时性,各第二平台也同时启动各自的路径避让机制,用距离传感器(如激光雷达、超声波传感器)检测到离障碍物超过安全距离时减速停止;避免在没有第一平台的路径避让指令的情况下出现的碰撞。
综上所述,通过提出考虑任务时效性和路径消耗的多平台协作路径规划系统,有助于提高多平台系统在完成带有时效性的访问任务时的表现。其中,本发明中提出的改进的蚁群优化算法可用于通用的带任务时效性的任务分配问题的优化求解,路径避让跟踪算法可用于防止平台之间的碰撞。
下面将结合图5至图11,以多机器人系统为例,详细描述根据本发明具体实施例中考虑任务时效性的多平台协作路径规划方法的总体流程。
应理解,以下描述的内容,也可应用于其他多平台系统。
步骤S100:在任务开始之前,在多机器人系统中随机指定一个机器人为“中央机器人”,为其加载全局环境信息及任务信息。
步骤S101:“中央机器人”判断是否成功加载全局环境信息及任务信息,若成功加载,转入步骤S102,若未成功加载,转入步骤S107。
步骤S102:“中央机器人”基于路径消耗和任务时效性这两个优化目标进行多机器人协作路径规划,为各个第二机器人生成目标节点序列,并将生成的目标节点序列分别下发给各个相应的机器人。当多机器人系统在进行多目标节点访问任务时,所规划的最优路径不仅应满足所有机器人总路径消耗最小的要求,还需加入对任务时效性的考量。
步骤S103:各个第二机器人根据各自接收到的目标节点序列,分别采用A*算法生成最优行驶路径。
如图6所示,由3个机器人组成的多机器人系统要对13个目标节点进行访问,每个机器人承担一部分的访问任务,其中R1为“中央机器人”。假定机器人R1需要访问目标节点集合为{P1,P2,P3,P4,P5},机器人R2需要访问目标节点集合为{P6,P7,P8,P9},机器人R3需要访问目标节点集合为{P10,P11,P12,P13}。以机器人R1为例,如果认为任务中的目标节点都是同等重要的,仅以总的路径消耗最短为目标进行行驶路径规划,则为机器人R1规划的行驶路径为目标节点P1→目标节点P2→目标节点P3→目标节点P4→目标节点P5(如实线所示)。但是,在一些实际情况下,可能目标节点P2在搜索任务中有更重要的作用,需要更优先地被访问到,因而为机器人R1规划的既兼顾最短路径消耗又能满足访问任务的时效性要求的行驶路径为目标节点P2→目标节点P1→目标节点P3→目标节点P4→目标节点P5(如虚线所示)。
步骤S104:判断步骤S103中各个第二机器人所生成最优行驶路径是否均存在,若是,转入步骤S105,若不是,转入步骤S102,即由“中央机器人”重新进行协作路径规划。
步骤S105:各个第二机器人分别将其在步骤S104中确定的最优行驶路径发送给“中央机器人”。
步骤S106:在确定各个第二机器人行驶路径存在后,“中央机器人”基于路径避让跟踪算法调控各个第二机器人的跟踪路径。在“中央机器人”的调控下,各个第二机器人进行协作路径跟踪直到所有访问任务被完成。
步骤S107:“中央机器人”输出错误代码。
这里,在多机器人系统内部,各机器人之间,例如,可以采用TCP(Transmission Control Protocol,传输控制协议)套接字(socket)技术进行通信,实现信息的共享。
下面结合图7的流程,对“中央机器人”如何进行考虑路径消耗和任务时效性两个优化目标进行多机器人协作路径规划的步骤S102进行详细描述:
步骤S200:“中央机器人”读取全局环境信息及任务信息,其中全局环境信息包括多机器人系统完成任务所在的全局地图,任务信息包括各目标节点的位置坐标及其权重值。
也就是,“中央机器人”读取全局地图,以及各目标节点的位置坐标及其权重值。这里,权重值体现了各目标节点的时效性。一般而言,权重值越大,时效性要求越高。权重值可以根据实际任务情况进行设定。
以执行救火任务的多机器人系统为例,其中将火势最重的着火点的权重值设定最高,而火势较轻的着火点的权重值设定较小,因为在实际救火任务中需要让执行任务的机器人尽快到达火势最重的着火点就扑救,从而满足救火任务中不同目标节点对时效性的不同要求。
步骤S201:“中央机器人”基于改进的蚁群优化算法(IACO)进行多机器人协作路径规划。
这里,改进的蚁群优化算法是基于传统的蚁群优化算法(Ant ColonyOptimization,ACO)所构建的针对带时效性的多平台多目标节点访问问题的算法。改进的蚁群优化算法同时兼顾了路径消耗和任务时效性这两个优化目标,进行多平台协作路径规划。具体实现将在以下内容中进行详细说明。
于是,“中央机器人”为各个第二机器人生成目标节点序列,并将生成的目标节点序列分别下发给各个相应的第二机器人。
改进的蚁群优化算法是在传统的蚁群优化算法上考虑了各个目标节点的时效性,并将其作为信息素影响因子加入到优化求解过程中。这里,信息素是蚂蚁在走过一条路径后留下的一种化学物质。信息素影响因子是指那些能影响蚂蚁释放信息素多与少的影响因素。如路径消耗越大,释放的信息素就会越少,所以路径消耗就是一种信息素影响因子。
以下结合图8的流程对“中央机器人”运用的改进的蚁群优化算法进行详细描述:
步骤S300:计算启发式值,其中启发式值是指两个目标节点之间距离值的倒数。
步骤S301:设置参数值:α、β、q、ρ、Q,其中,α为信息素值对蚂蚁路径选择概率的影响程度,β为启发式值对蚂蚁路径选择概率的影响程度,q为权重调节系数,ρ为信息素挥发系数,Q为信息素质量系数。
步骤S302:所有蚂蚁完成一次遍历过程,即完成访问且仅访问一次所有目标节点(起始节点除外)并最终回到起始节点的任务。具体是将所有蚂蚁均放置在起始节点,各蚂蚁根据概率公式(5),循环选取未访问目标节点集合中的一个目标节点作为下一个目标节点进行访问,直到所有蚂蚁均完成一次遍历。
可以理解,由IACO确定的每只蚂蚁的遍历路径就为访问任务的一个解,其中包含了系统中每个机器人需要访问的目标节点序列。蚂蚁的个数等于目标节点的个数。
步骤S303:由各蚂蚁的遍历生成相应的目标节点序列,即生成按顺序被访问的目标节点序列。
步骤S304:分别根据公式(2)和公式(4)计算各蚂蚁对应的目标节点序列的路径消耗值与时效性消耗值。
步骤S305:更新信息素值,信息素值为蚂蚁根据该路径优劣程度在当前路径上留下的信息素量,路径越优,则留下的信息素值就越多,以后选择该路径的蚂蚁也就越多。
这里,信息素是蚂蚁走过一条路径后释放出的一种化学物质,其数量的多少为信息素量,信息素量再量化后的数值就是信息素值。
步骤S306:判断各蚂蚁的遍历次数是否达到要求,若是,转入步骤S307,若不是,转入步骤S302,即所有蚂蚁根据步骤S305中更新后的信息素值重新计算概率,再次对目标节点进行遍历。
步骤S307:选出最优目标节点序列,并将生成的目标节点序列分别下发给各个相应的第二机器人。
当所有蚂蚁都遍历完所有目标节点之后,每只蚂蚁的遍历就对应问题的一个解。蚁周模型(指所有蚂蚁遍历节点一遍以后才更新路径上的信息素)下,在一次遍历后需要对路径上的信息素值进行更新。蚂蚁在路径上经过会留下信息素量,其值的大小跟蚂蚁遍历所得的解相关,解越优则留下的信息素值增量就越大,以后选择该路径的蚂蚁也就越多,形成正反馈效应。第k只蚂蚁遍历后在路径上留下的信息素值增量表示为:
其中,(0≤q≤1),表示在本次遍历后,第k只蚂蚁在本次遍历的路径上留下的信息素值增量,其中Lk表示第k只蚂蚁遍历所得到解的路径消耗值,通过总路径消耗函数(公式1)计算得出;Tk表示第k只蚂蚁遍历所得到解的时效性消耗值,通过总时效性消耗函数(公式3)计算得出;Q为常量,代表信息素质量系数;q为权重调节系数,q越大,路径消耗值在信息素值增量中所占比重就越大,则优化求得的解路径消耗更小,反之则时效性消耗更小。因为信息素值由路径消耗值和时效性消耗值组成,从公式中可以看出,q越大,则(1-q)越小,路径消耗值一项占的比重就会增加,而当信息素中更多地考虑到的是路径消耗时,其最优解也就会偏向路径消耗最优这一项,因为它占的比重大。所有n只蚂蚁遍历后在路径上留下的信息素值增量之和如下式表示:
在本次遍历完成之后及下次遍历之前,需要根据本次遍历的结果对信息素值进行更新。新的信息素值为当前信息素挥发后的剩余量加上信息素值增量之和,由下式计算得出:
τij(t+1)=(1-ρ)·τij(t)+Δτij(t)......(8)
其中ρ为信息素挥发系数,(0<ρ≤1)。
本发明通过采用改进的蚁群优化算法,可以实现考虑路径消耗和任务时效性两个优化目标的路径规划。其中,可以通过改变权重调节系数,即q的值,来调节路径规划的解更趋向于路径最优或者时效性最优。由第k个机器人遍历后在路径上留下的信息素值增量式中可以看出:q越大,路径消耗值在信息素中占的比重就越大,则优化求得的路径序列中路径消耗更小,反之则时效性消耗更小。在一般情况下,可以取q值为[0.4,0.6],以同时兼顾路径消耗和时效性消耗。
其中各第二机器人分别在膨胀的栅格地图上,采用A*算法进行目标节点序列中相邻节点间的路径生成,路径生成中所使用的地图为膨胀的栅格地图。在实际应用中,对环境地图栅格化的同时,也应对其进行膨胀,以防止各机器人在跟踪路径时与环境中的障碍物发生碰撞。栅格地图膨胀的程度与机器人的尺寸相关。A*算法为本领域公知的一种静态路网中求解最短路最有效的方法。
其中所述路径避让跟踪算法,由于在路径规划和路径生成的过程中只考虑了完成任务的质量以及避让环境中的障碍物,而没有考虑在跟踪规划出来的路径时,多机器人之间可能会发生的碰撞,因而采用黑板机制结合路径避让跟踪算法,通过多机器人之间的协作控制防止机器人之间的碰撞。
在路径跟踪的过程中,各第二机器人实时地将其位姿信息上传至“中央机器人”,“中央机器人”通过黑板机制,监测各机器人的路径跟踪情况,并判断各机器人之间是否有发生碰撞的趋势,一旦监测到两个机器人即将发生碰撞,立即采用路径避让跟踪算法以避免碰撞的发生。
下面结合图9的流程,对“中央机器人”运用的路径避让跟踪算法跟踪路径的步骤S106进行详细描述:
步骤S400:各第二机器人向“中央机器人”实时上传各自的位姿信息。
步骤S401:判断“中央机器人”是否成功接收各第二机器人上传的位姿信息,若是,转入步骤S402,若不是,转入步骤S400。
步骤S402:“中央机器人”采用黑板机制监测各机器人的路径跟踪情况。
步骤S403:“中央机器人”判断各第二机器人之间是否有发生碰撞的趋势,若是,转入步骤S404,若不是,转入步骤S409。
步骤S404:分别计算碰撞区域重叠部分的面积S0与S,其中S0为即将碰撞时,两机器人碰撞区域重叠部分的面积,S为避碰过程中两机器人碰撞区域重叠部分的面积。
步骤S405:根据确定避让机器人的三条原则确定避让机器人。
步骤S406:计算避让机器人的避让线速度v和转速w,并将计算出的避让线速度v和转速w发送给相应的避让机器人。
步骤S407:避让机器人根据接收到的避让线速度v和转速w进行避让。
应理解,在任何状况下,如果任一机器人与障碍物间的距离小于一个临界安全距离,该机器人就减速停止来保证安全性。
步骤S408:判断是否完成避让过程,即判断碰撞区域重叠部分面积S是否为0,若是,转入步骤S409,若不是,转入步骤S406。
步骤S409:各第二机器人继续路径跟踪,程序结束。同时,各第二机器人继续向“中央机器人”实时上传各自的位姿信息。
其中,为使“中央机器人”在两个机器人发生碰撞之前监测到碰撞的趋势,并使碰撞发生的判定条件更为合理,将机器人的碰撞的区域从车身所在的半径为r的圆形区域扩大到半径为R的圆形区域,显然,R大于r。一旦两个机器人由半径R确定的碰撞区域出现重叠部分,即认为两个机器人有发生碰撞的趋势。图10示出了有碰撞趋势的两个机器人的路径跟踪情况,设两个机器人的碰撞点为P,则步骤S404中两个机器人碰撞区域重叠部分的面积S可表示为:
其中,l为两个机器人质心之间的距离,当机器人车身所在的圆形区域相切时,l=2r,此时碰撞区域重叠部分的面积S0可表示为:
如上所述,S0为即将碰撞时,两机器人碰撞区域重叠部分的面积,S为避碰过程中两机器人碰撞区域重叠部分的面积。
在“中央机器人”监测到两个机器人之间有发生碰撞的趋势后,还需要确定其中之一为避让机器人以防止碰撞的发生。
在监测到两个机器人之间有发生碰撞的趋势后,还需要确定其中之一为避让机器人以防止碰撞的发生。图11a至11c示出了本发明中确定避让机器人的三种情况,其中图中虚线表示的机器人为避让机器人,确定避让机器人的三条原则为:
如图11a所示,当两个机器人均驶向碰撞点时,选取离碰撞点较远的为避让机器人;
如图11b所示,当一个机器人驶向碰撞点,另一个驶离碰撞点时,选取驶向碰撞点的为避让机器人;
如图11c所示,当两个机器人均驶离碰撞点时,选取离碰撞点较近的为避让机器人。
确定好避让机器人后,应通过降低避让机器人的速度来避免碰撞的发生。为使规划后得到的速度相较于规划前变化相对平滑,而且对机器人控制明显,能及时避免碰撞,本申请中将使用一种与机器人碰撞区域重叠面积相关的指数函数来对避让机器人进行速度调节。
步骤S406中规划后避让机器人的线速度v和转速w可分别表示为:
从速度求解算式中可以看出,当碰撞区域面积S越大时,减速就会越明显。以线速度v来进行说明(转速也一样)。式中v0为规划前避让机器人的线速度,w0为规划前避让机器人的角速度。当S=0时,两个机器人的碰撞区域没有发生重叠(相切或相离),此时可求得v=v0,这与实际情况相符;即当两个机器人没有发生碰撞的趋势时,不需要通过减速来进行避让。当S=S0时,l=2r,两个机器人车身所在的圆形区域相切,此时两个机器人碰撞区域的重叠面积达到最大,即将发生碰撞,此时可求得v=0,即避让机器人降速为0,这也符合实际情况。
由此可见,通过提出考虑任务时效性和路径消耗的多机器人协作路径规划系统及相关方法,提出的改进的蚁群优化算法可用于通用的带任务时效性的任务分配问题的优化求解,路径避让跟踪算法可用于防止平台之间的碰撞。当实际任务需要考虑任务时效性的问题时,采用本发明提出的解决方案可以获得更好的表现。
综上所述,参见图1,本发明提出的带任务时效性的多平台协作路径规划系统的集中式、分布式相结合的混合式体系结构体现为:
在任务分配层101中,第一平台加载全局环境信息和任务信息,并进行考虑路径消耗和任务时效性两个优化目标的多平台路径规划,为路径生成层102生成可执行的多平台目标节点序列,并将任务以目标节点序列的形式分配给各个相应的第二平台,为集中式控制方式;
在路径生成层102中,各第二平台分别在膨胀的栅格地图上,采用A*算法,进行由任务分配层101中第一平台下发的路径序列中相邻节点间的路径生成,为分布式控制方式,路径在考虑总体消耗的同时,应躲避障碍物;
在协作控制层103,各第二平台分别进行由路径生成层102生成的相应路径的跟踪,为分布式控制方式。由于在路径规划和路径生成的过程中只考虑了完成任务的质量以及避让环境中的障碍物,而没有考虑在跟踪规划出来的路径时,多平台之间可能会发生的碰撞,因而采用黑板机制结合路径避让跟踪算法,通过多平台之间的协作控制防止平台之间的碰撞。
综上所述,通过提出考虑任务时效性和路径消耗的多平台协作路径规划系统及方法,有助于提高多平台系统在完成带有时效性的访问任务时的表现。
特别是,本发明中提出的改进的蚁群优化算法可用于通用的带任务时效性的任务分配问题的优化求解,路径避让跟踪算法可用于防止平台之间的碰撞。当实际任务需要考虑任务时效性的问题时,采用本发明提出的解决方案可以获得更好的表现。此外,根据本发明将多平台协作路径规划问题通过一个三层的框架——任务分配层,路径生成层,协作控制层——进行解决。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种带任务时效性的多平台协作路径规划系统,其特征在于,包括:第一平台和至少一个第二平台,其中:
所述第一平台根据改进的蚁群优化算法进行多平台协作路径规划,为所述第一平台和所述至少一个第二平台中的每个平台生成对应的目标节点序列,以便实现路径消耗和任务时效性的优化目标;
所述第一平台和所述至少一个第二平台中的所述每个平台依据所述对应的目标节点序列、采用A*算法在膨胀的栅格地图上生成路径,并将所生成的路径上报给所述第一平台;
当所述第一平台接收到所述每个平台所生成的路径,根据所述至少一个第二平台中每个平台上报的位姿信息,采用路径避让跟踪算法使所述至少一个第二平台中每个平台在完成访问任务过程中避免碰撞。
2.根据权利要求1所述的多平台协作路径规划系统,其中所述第一平台具有第一通信装置、第一处理装置和第一执行装置,所述至少一个第二平台中的每一个具有第二通信装置、第二处理装置和第二执行装置,所述第一通信装置与所述第一处理装置电连接,所述第一处理装置和所述第一执行装置电连接,所述第二通信装置和所述第二处理装置电连接,所述第二处理装置和所述第二执行装置电连接,所述第一通信装置与所述第二通信装置通过无线方式进行通信。
3.根据权利要求2所述的多平台协作路径规划系统,其中
所述第一处理装置依据获取的全局环境信息及任务信息,基于改进的蚁群优化算法进行多平台协作路径规划,为所述第一平台和所述至少一个第二平台中的每个平台生成对应的目标节点序列,其中所述全局环境信息包括所述第一平台和至少一个第二平台完成任务所在的全局地图,所述任务信息包括各目标节点的位置坐标及其权重值;
所述第一通信装置将所述对应的目标节点序列发送给对应的第二平台的第二通信装置。
4.根据权利要求3所述的多平台协作路径规划系统,其中基于改进的蚁群优化算法进行多平台协作路径规划,包括如下步骤:
(b.1)计算启发式值,其中启发式值是指两个目标节点之间距离值的倒数;
(b.2)设置参数值:α、β、q、ρ、Q,其中,α为信息素值对蚂蚁路径选择概率的影响程度,β为启发式值对蚂蚁路径选择概率的影响程度,q为权重调节系数,ρ为信息素挥发系数,Q为信息素质量系数;
(b.3)将所有蚂蚁均放置起始节点,各蚂蚁根据概率公式,循环选取未访问目标节点集合中的一个目标节点作为下一个目标节点进行访问,直到所有蚂蚁均完成一次遍历;
(b.4)各蚂蚁的遍历结果生成相应的路径序列,即生成按顺序被访问的目标节点序列;
(b.5)分别根据路径消耗函数和时效性消耗函数计算各蚂蚁的路径消耗值与时效性消耗值;
(b.6)更新信息素值,其中所述信息素值为蚂蚁根据该路径优劣程度在当前路径上留下的信息素量;
(b.7)判断各蚂蚁的遍历次数是否达到要求,若是,转入步骤(b.8),若不是,转入步骤(b.3);
(b.8)选出最优的目标节点序列,并将生成的最优目标节点序列分别下发给各个相应的平台;
这里,概率公式为: 其中, 表示在第t次迭代过程中第k只蚂蚁从目标节点i移动到目标节点j的概率,表示本次迭代过程中第k只蚂蚁还未访问的目标节点的集合,ηij(t)表示从目标节点i移动到目标节点j的启发式值,τij(t)表示从目标节点i移动到目标节点j的信息素值,ηil(t)表示从目标节点i移动到目标节点l的启发式值,τil(t)表示从目标节点i移动到目标节点l的信息素值;
这里,路径消耗函数为:其中,(nij∈ri),dri表示第i个平台完成任务所需要行驶的路径长度,ri={ni1,ni2,…,nik}为第i个平台的需要访问的ik个目标节点所构成的集合;
这里,时效性消耗函数为:tri=Σεj×t(nij),其中,tri表示第i个平台对所分配到的所有任务节点完成访问任务时的时效性消耗之和,t(nij)表示第i个平台从任务开始到访问到节点j所需时间的预估值,εj表示节点j的权重值。
5.根据权利要求3或4所述的多平台协作路径规划系统,其中在每个第二平台中,所述第二处理装置从所述第二通信装置获取所述对应的目标节点序列,采用A*算法在膨胀的栅格地图上生成路径,并将所生成的路径提供给所述第二通信装置;所述第二通信装置将所述生成的路径发送给所述第一通信装置。
6.根据权利要求5所述的多平台协作路径规划系统,其中
当所述第一通信装置接收到所述每个第二平台的第二通信装置发送的所述生成的路径,所述第一处理装置产生路径跟踪命令,并通过所述第一通信装置发送给所述每个第二平台的第二通信装置,所述第一执行装置基于所述路径跟踪命令执行路径跟踪,所述每个第二平台的第二执行装置基于所述路径跟踪命令执行路径跟踪;
对于所述每个第二平台,所述第二处理装置监测所述第二执行装置的路径跟踪过程,并收集所述第二平台的位姿信息,并通过所述第二通信装置持续地发送给所述第一平台的第一通信装置;
当所述第一处理装置根据所述第一通信装置接收到的位姿信息判断存在两个平台会发生碰撞,则确定避让平台,并采用黑板机制与路径避让跟踪算法确定所述避让平台的线速度v和转速w。
7.根据权利要求6所述的多平台协作路径规划系统,其中所述确定避让平台,包括:
若所述两个平台均驶向碰撞点,则离碰撞点较远的平台为避让平台;或者
若所述两个平台中的一个平台驶向碰撞点,另一个驶离碰撞点,则驶向碰撞点的平台为避让平台;或者
若所述两个平台均驶离碰撞点,则离碰撞点较近的平台为避让平台。
8.根据权利要求6或7所述的多平台协作路径规划系统,其中采用黑板机制与路径避让跟踪算法确定所述避让平台的线速度v和转速w,包括:
这里,v0为规划前避让平台的线速度,w0为规划前避让平台的角速度, 其中l为两个平台质心之间的距离,R大于r。
9.一种带任务时效性的多平台协作路径规划方法,其特征在于,包括:
步骤S1,在任务开始之前,在多平台系统中确定第一平台,为其加载全局环境信息及任务信息,其中所述全局环境信息为多平台系统完成任务所在的全局地图,所述任务信息包括各个目标节点的位置坐标及其权重值;
步骤S2,所述第一平台采用改进的蚁群优化算法,基于路径消耗和任务时效性两个优化目标进行多平台协作路径规划,为各个第二平台生成目标节点序列;
步骤S3,所述第一平台将生成的目标节点序列分别发送给各个相应的第二平台;
步骤S4,在接收到所述第一平台发送的目标节点序列后,各第二平台分别在膨胀的栅格地图上,采用A*算法进行目标节点序列中相邻目标节点间的路径生成,如果所生成的各条路径均存在,则向所述第一平台返回路径最优解;
步骤S5,当所述第一平台接收到全部第二平台发送的路径最优解,则向各第二平台发送路径跟踪命令,以便命令各第二平台开始执行任务,进行路径跟踪;
步骤S6,在接收到所述第一平台发送的路径跟踪命令后,各第二平台进行路径跟踪,并向所述第一平台实时上传各自的位姿信息;
步骤S7,根据接收到的各第二平台的位姿信息,所述第一平台采用路径避让跟踪算法确定是否存在可能发生碰撞的平台,若存在,则确定避让平台并向所述避让平台发送路径避让指令,以防止各个第二平台之间的碰撞。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410185556.2A CN103955221B (zh) | 2014-05-05 | 2014-05-05 | 带任务时效性的多平台协作路径规划系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410185556.2A CN103955221B (zh) | 2014-05-05 | 2014-05-05 | 带任务时效性的多平台协作路径规划系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103955221A true CN103955221A (zh) | 2014-07-30 |
CN103955221B CN103955221B (zh) | 2017-01-11 |
Family
ID=51332506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410185556.2A Active CN103955221B (zh) | 2014-05-05 | 2014-05-05 | 带任务时效性的多平台协作路径规划系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103955221B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104951918A (zh) * | 2015-06-11 | 2015-09-30 | 上海德马物流技术有限公司 | 一种时间窗路径规划方法 |
CN106339001A (zh) * | 2015-07-09 | 2017-01-18 | 松下电器(美国)知识产权公司 | 地图生成方法、移动机器人以及地图生成系统 |
CN106406304A (zh) * | 2015-07-27 | 2017-02-15 | 西门子工业软件有限公司 | 用于对交叠的机器人移动进行防碰撞管理的方法 |
WO2017041730A1 (zh) * | 2015-09-09 | 2017-03-16 | 北京进化者机器人科技有限公司 | 一种移动机器人避障导航的方法和系统 |
CN106654987A (zh) * | 2016-11-18 | 2017-05-10 | 华北电力大学(保定) | 电力线路多机器人协作巡检方法 |
CN107728609A (zh) * | 2016-08-10 | 2018-02-23 | 鸿富锦精密电子(天津)有限公司 | 智能运动控制系统及智能运动控制方法 |
CN108646765A (zh) * | 2018-07-25 | 2018-10-12 | 齐鲁工业大学 | 基于改进a*算法的四足机器人路径规划方法及系统 |
CN109116848A (zh) * | 2018-08-29 | 2019-01-01 | 广州市君望机器人自动化有限公司 | 送餐机器人避让方法及装置 |
CN109141441A (zh) * | 2018-07-19 | 2019-01-04 | 北京汽车集团有限公司 | 车辆的障碍分析方法和装置 |
CN110674917A (zh) * | 2019-10-14 | 2020-01-10 | 电子科技大学 | 机动约束下移动雷达监视平台的长时间差异化部署方法 |
CN111103887A (zh) * | 2020-01-14 | 2020-05-05 | 大连理工大学 | 一种基于多传感器的多移动机器人调度系统设计方法 |
CN111708369A (zh) * | 2020-07-17 | 2020-09-25 | 武汉科技大学 | 一种变电站巡检机器人路径规划方法 |
US11560153B2 (en) | 2019-03-07 | 2023-01-24 | 6 River Systems, Llc | Systems and methods for collision avoidance by autonomous vehicles |
CN116668363A (zh) * | 2022-09-29 | 2023-08-29 | 中兴通讯股份有限公司 | 数据复用的路由链路规划方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060241854A1 (en) * | 2005-04-20 | 2006-10-26 | Ihung Tu | Route determination method and apparatus for navigation system |
US20090228198A1 (en) * | 2008-03-07 | 2009-09-10 | Microsoft Corporation | Selecting landmarks in shortest path computations |
CN103198366A (zh) * | 2013-04-09 | 2013-07-10 | 北京理工大学 | 一种考虑目标节点时效性的多目标路径规划方法 |
-
2014
- 2014-05-05 CN CN201410185556.2A patent/CN103955221B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060241854A1 (en) * | 2005-04-20 | 2006-10-26 | Ihung Tu | Route determination method and apparatus for navigation system |
US20090228198A1 (en) * | 2008-03-07 | 2009-09-10 | Microsoft Corporation | Selecting landmarks in shortest path computations |
CN103198366A (zh) * | 2013-04-09 | 2013-07-10 | 北京理工大学 | 一种考虑目标节点时效性的多目标路径规划方法 |
Non-Patent Citations (3)
Title |
---|
冯睿: "基于蚁群算法的多机器人协作机制研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
姜岩等: "基于运动微分约束的无人车辆纵横向协同规划算法的研究", 《自动化学报》 * |
熊光明等: "基于行为优先与任务协调的多移动机器人遥操作", 《北京理工大学学报》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104951918A (zh) * | 2015-06-11 | 2015-09-30 | 上海德马物流技术有限公司 | 一种时间窗路径规划方法 |
CN106339001B (zh) * | 2015-07-09 | 2021-01-08 | 松下电器(美国)知识产权公司 | 地图生成方法、移动机器人以及地图生成系统 |
CN106339001A (zh) * | 2015-07-09 | 2017-01-18 | 松下电器(美国)知识产权公司 | 地图生成方法、移动机器人以及地图生成系统 |
CN106406304A (zh) * | 2015-07-27 | 2017-02-15 | 西门子工业软件有限公司 | 用于对交叠的机器人移动进行防碰撞管理的方法 |
WO2017041730A1 (zh) * | 2015-09-09 | 2017-03-16 | 北京进化者机器人科技有限公司 | 一种移动机器人避障导航的方法和系统 |
CN107728609A (zh) * | 2016-08-10 | 2018-02-23 | 鸿富锦精密电子(天津)有限公司 | 智能运动控制系统及智能运动控制方法 |
CN106654987A (zh) * | 2016-11-18 | 2017-05-10 | 华北电力大学(保定) | 电力线路多机器人协作巡检方法 |
CN106654987B (zh) * | 2016-11-18 | 2018-06-19 | 华北电力大学(保定) | 电力线路多机器人协作巡检方法 |
CN109141441A (zh) * | 2018-07-19 | 2019-01-04 | 北京汽车集团有限公司 | 车辆的障碍分析方法和装置 |
CN108646765A (zh) * | 2018-07-25 | 2018-10-12 | 齐鲁工业大学 | 基于改进a*算法的四足机器人路径规划方法及系统 |
CN109116848A (zh) * | 2018-08-29 | 2019-01-01 | 广州市君望机器人自动化有限公司 | 送餐机器人避让方法及装置 |
US11560153B2 (en) | 2019-03-07 | 2023-01-24 | 6 River Systems, Llc | Systems and methods for collision avoidance by autonomous vehicles |
CN110674917A (zh) * | 2019-10-14 | 2020-01-10 | 电子科技大学 | 机动约束下移动雷达监视平台的长时间差异化部署方法 |
CN110674917B (zh) * | 2019-10-14 | 2022-06-24 | 电子科技大学 | 机动约束下移动雷达监视平台的长时间差异化部署方法 |
CN111103887A (zh) * | 2020-01-14 | 2020-05-05 | 大连理工大学 | 一种基于多传感器的多移动机器人调度系统设计方法 |
CN111103887B (zh) * | 2020-01-14 | 2021-11-12 | 大连理工大学 | 一种基于多传感器的多移动机器人调度系统设计方法 |
CN111708369A (zh) * | 2020-07-17 | 2020-09-25 | 武汉科技大学 | 一种变电站巡检机器人路径规划方法 |
CN111708369B (zh) * | 2020-07-17 | 2021-07-23 | 武汉科技大学 | 一种变电站巡检机器人路径规划方法 |
CN116668363A (zh) * | 2022-09-29 | 2023-08-29 | 中兴通讯股份有限公司 | 数据复用的路由链路规划方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103955221B (zh) | 2017-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103955221A (zh) | 带任务时效性的多平台协作路径规划系统和方法 | |
US20230072997A1 (en) | Intelligent horizontal transportation system and method for automatic side-loading/unloading container tarminal | |
CN109823931B (zh) | 智能移动设备的乘梯方法、装置、电子设备和存储介质 | |
US20220114690A1 (en) | Vehicle dispatching method and system | |
CN105740979B (zh) | 自动化码头多自动导引车的智能调度系统与方法 | |
JP7417802B2 (ja) | マルチモード輸送サービス計画および履行 | |
Nishi et al. | Petri net decomposition approach for dispatching and conflict-free routing of bidirectional automated guided vehicle systems | |
CN102393747B (zh) | 无人机集群的协作交互方法 | |
CN112698647A (zh) | 跨楼层路径规划方法、装置、计算机设备及存储介质 | |
CN103256931B (zh) | 无人机的可视导航系统 | |
CN108919803A (zh) | 一种矿用无人驾驶车辆的协同控制方法及装置 | |
Ponda et al. | Distributed planning strategies to ensure network connectivity for dynamic heterogeneous teams | |
CN110196057A (zh) | 一种车辆驾驶路径的规划系统、方法和装置 | |
Bouhamed et al. | A generic spatiotemporal scheduling for autonomous UAVs: A reinforcement learning-based approach | |
Böckenkamp et al. | Towards autonomously navigating and cooperating vehicles in cyber-physical production systems | |
Montanaro et al. | Cloud-assisted distributed control system architecture for platooning | |
CN116993255A (zh) | 一种基于多智能体仿真的agvs动态无碰路径规划方法 | |
Kulatunga et al. | Ant colony optimization based simultaneous task allocation and path planning of autonomous vehicles | |
Song et al. | Towards real time scheduling for persistent UAV service: A rolling horizon MILP approach, RHTA and the STAH heuristic | |
Hasebe et al. | Traffic management for last-mile public transportation systems using autonomous vehicles | |
Wu et al. | Collision-aware task assignment for multi-robot systems | |
Raileanu et al. | A JADE environment for product driven automation of holonic manufacturing | |
WO2006082729A1 (ja) | エレベータの制御方法及びその装置 | |
Kopeikin et al. | Flight testing a heterogeneous multi-UAV system with human supervision | |
Roszkowska et al. | Hierarchical hybrid control for multiple mobile robot systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |