CN104133471A - 无人驾驶运输车辆及运行方法,包括该无人驾驶运输车辆的系统及规划虚拟轨迹的方法 - Google Patents
无人驾驶运输车辆及运行方法,包括该无人驾驶运输车辆的系统及规划虚拟轨迹的方法 Download PDFInfo
- Publication number
- CN104133471A CN104133471A CN201410182490.1A CN201410182490A CN104133471A CN 104133471 A CN104133471 A CN 104133471A CN 201410182490 A CN201410182490 A CN 201410182490A CN 104133471 A CN104133471 A CN 104133471A
- Authority
- CN
- China
- Prior art keywords
- point
- carrier vehicle
- route segment
- unpiloted carrier
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005309 stochastic process Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000010348 incorporation Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- 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
- 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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Business, Economics & Management (AREA)
- Aviation & Aerospace Engineering (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种无人驾驶运输车辆(1),一种具有计算机(10)和无人驾驶运输车辆(1)的系统以及一种运行无人驾驶运输车辆(1)的方法。无人驾驶运输车辆(1)沿着路线段(41-47)从起始点(SP)自动驶向目标点(ZP)。
Description
技术领域
本发明涉及一种无人驾驶运输车辆,一种具有计算机和无人驾驶运输车辆的系统和一种使无人驾驶运输车辆运行的方法。
背景技术
无人驾驶运输车辆(自动导引车辆(Automated Guided Vehicle,AGV))是一种具有自己的驱动器的地面输送装置,其为自动控制的并且非接触式地被引导。无人驾驶运输车辆自动地从起始点驶向目标点。
发明内容
本发明的目的在于一种能够快速从其起始点驶向其目标点的无人驾驶运输车辆。
本发明的目的通过一种使无人驾驶运输车辆在某种环境中运行的方法来实现,该无人驾驶运输车辆被设计为,自动从起始点驶向目标点,其中,该环境包括中间点和连接中间点、起始点和目标点的路线段,该方法包括以下方法步骤:
a)提供与环境相符的图,该图包括对应于中间点的节点,对应于起始点的起始节点,对应于目标点的目标节点和将起始节点、目标节点和节点连接起来且与各个路线段相对应的边,在此,各个边分别对应与可通行性相关的信息:在特定的时间相应的路线段是否是可通行的,以及无人驾驶运输车辆驶过相应的可行驶路线段所需要的行驶时间,
b)根据边所对应的信息以及在当前在起始点的时间,计算沿哪一个路线段使无人驾驶运输车辆能够最快地自动行驶到目标点的策略,在此,该策略包括与计算出的各个中间点和目标点的可能到达时间相关的信息,
c)无人驾驶运输车辆根据上述策略沿相应的路线段自动从起始点驶向与该起始点相邻的相应中间点,
d)根据在与起始点相邻的中间点上的当前到达时间并根据所述策略,无人驾驶运输车辆沿相应的路线段自动驶向下一个中间点,
e)根据在下一个中间点的当前到达时间并根据所述策略,无人驾驶运输车辆自动驶向紧挨着该下一个中间点的中间点,并
f)重复步骤d)和步骤e),直至无人驾驶运输车辆到达目标点。
无人驾驶运输车辆可以例如自己确定所需要的路线段或中间点。因此,本发明的另一方面涉及一种无人驾驶运输车辆,其包括:车体;多个相对于车体可转动地受到支承的车轮,用于使无人驾驶运输车辆运动;至少一个与至少一个车轮联接的驱动器,用于驱动相应的车轮;和与所述至少一个驱动器联接的控制装置,在此将无人驾驶运输车辆设计为,在其控制装置的控制下在某个环境内从起始点自动驶向目标点,在此,该环境包括中间点和将中间点、起始点和目标点连接起来的路线段,并将控制装置配置为,按照根据本发明的方法计算策略,并根据该策略使无人驾驶运输车辆从起始点自动驶向目标点。
所需的路线段或中间点例如可以由外部计算机来确定。因此,本发明的另一方面涉及一种系统,该系统具有:
无人驾驶运输车辆,其包括:车体;多个相对于车体可转动地受到支承的车轮,用于使无人驾驶运输车辆运动;至少一个与至少一个车轮联接的驱动器,用于驱动相应的车轮;和与所述至少一个驱动器联接的控制装置,在此将无人驾驶运输车辆设计为,受到其控制装置控制地在某个环境内部从起始点自动驶向目标点,在此,该环境包括中间点和中间点、起始点和目标点连接而成的路线段,
计算机,将该计算机设计为,按照根据本发明的方法计算策略,以便使无人驾驶运输车辆从起始点自动驶向目标点,并将该计算机设计为,特别是无线地将有关策略的信息发送到无人驾驶运输车辆上。
无人驾驶运输车辆例如是可移动机器人。这种设计为可移动机器人的无人驾驶运输车辆可以包括具有多个依次设置的节肢的机器人臂,这些节肢通 过关节相连接。机器人臂可以例如固定在车体上。用于使车轮运动的控制装置也可以被配置用于使机器人臂移动。
优选可以将无人驾驶运输车辆构造为完整的或者说全向的无人驾驶运输车辆。在这种情况下,无人驾驶运输车辆具有全向车轮,优选为所谓的Mecanum轮,其受到控制装置的控制。
根据本发明,无人驾驶运输车辆应该在周围环境内(例如大厅)从起始点自动驶向目标点。该环境除了起始点和目标点之外还包括中间点,这些中间点通过路线段连接起来。在自动行驶期间,无人驾驶运输车辆从起始点开始,经过一个或多个中间点并沿相应的路线段移动到目标点。
根据本发明,图中的节点对应于周围环境中的中间点,起始节点对应于起始点,目标节点对应于目标点。图的边对应于各个路线段并包含与各个路线段的可通行时间相关的信息,即,在一定的时间内相应的路线段是否可通行。此外,每个边还包含与无人驾驶运输车辆驶过该相应的可行驶路线段所需要的行驶时间相关的信息。根据这些信息计算策略。最后,无人驾驶运输车辆可以沿相应的路线段从起始点自动驶向目标点。
为了能够从起始点自动驶向目标点,需要在行驶之前先计算策略,然后无人驾驶运输车辆根据该策略从起始点自动驶向目标点。该策略是以当前在起始节点上的时间点为基础并考虑到与边相关的信息。因此,对于在不同的中间点上的不同的可能或计算出的到达时间,并根据在相应中间点上的实际到达时间自动确定下一个中间点并自动驶近,这将允许无人驾驶运输车辆在当前时间点尽可能快地行驶。
根据本发明的方法的一种实施方式,无人驾驶运输车辆根据周围环境的虚拟地图特别是由无人驾驶运输车辆的控制装置控制地沿路线段行驶。该虚拟地图例如存储在无人驾驶运输车辆的控制装置中并描绘周围环境。例如,借助于无人驾驶运输车辆的传感器,无人驾驶运输车辆可以在行驶期间对周围环境进行扫描并根据虚拟地图确定其在周围环境中的位置。
根据本发明的方法的一种优选的实施方式,在无人驾驶运输车辆自动行驶期间,在至少一个相应的中间点上针对当前的时间点并根据对应于边的信息计算新的策略:无人驾驶运输车辆沿哪一个路线段才能够尽可能最快地从 当前的中间点自动驶向目标点,在此,新的策略包括关于计算出的在相应的中间点和目标点上可能的到达时间的信息。然后,无人驾驶运输车辆可以基于该新的策略自动驶向目标点。优选新的策略是由无人驾驶运输车辆本身计算得出。但是也可以通过计算机计算新的策略。对于新策略的计算,在一定程度上可以使用当前的中间节点作为新的起始节点。根据本发明,边包含与可通行性相关的信息,即,相应的路线段在一定的时间内是否是可通行的。由于在无人驾驶运输车辆行驶期间时间是流逝的,因此有可能在行驶期间通过其他的路线段到达目标点的行驶时间要短于对应于原有策略的路线段。在这种变形中,根据所确定的行驶期间的新的策略,必要时可以缩短无人驾驶运输车辆的行驶时间。
路线段的可通行性和/或与相应的行驶时间相关的信息例如可以经验地和/或在学习阶段(Lernphase)的范围内确定。尤其是可以在无人驾驶运输车辆的自动行驶期间自动更新相应路线段的可通行性和/或关于相应行驶时间的信息。
在根据本发明方法的一种优选的变形中,与在特定的时间相应的路线段是否可通行相关的信息被构建为描述相应的路线段在特定的时间点的可通行性的随机过程。优选关于相应行驶时间的信息被分别构建为概率分布,该概率分布对所预估的无人驾驶运输车辆在可通行的路线段上的行驶时间建模。借助于这些概率分布或随机过程,可以相对简单的方式数学地计算或估计从起始点到目标点的最短行驶时间。
优选可以针对各个路线段计算预期的行驶时间,该行驶时间可以作为关于下一个中间点的到达时间P(Yt)的概率分布根据下述公式进行计算:
在此,P(Xt)是与相应的边对应的路线段的可通行性的概率分布,P(Yt∣Xt)为与相应的边对应的路线段的、与可通行性相关的到达时间的条件概率。
附图说明
在附图中示例性地示出了本发明的实施例。其中:
图1示出无人驾驶运输车辆的俯视图,
图2示出无人驾驶运输车辆的侧视图,
图3示出无人驾驶运输车辆的周围环境,
图4示出虚拟地图和图,
图5示出一个图。
具体实施方式
图1以俯视图示意性示出了无人驾驶运输车辆1,图2示出了无人驾驶运输车辆1的侧视图。
优选将无人驾驶运输车辆1设计为,其可以在所有方向上自由运动。特别是将无人驾驶运输车辆1设计为可全向运动的或完整的无人驾驶的运输车辆。无人驾驶运输车辆1可以是移动机器人,其具有机器人臂21,该机器人臂具有多个依次设置并借助于关节23相连接的节肢22。机器人臂21特别是具有例如法兰24形式的固定装置,在该固定装置上可以固定未详细示出的末端执行器。
在该实施例中,无人驾驶运输车辆1具有车体2和多个也可被称为Mecanum轮的全向车轮3。这种车轮包括例如可转动地受到支承的轮圈,多个滚动体无驱动地支承在该轮圈上。轮圈可以通过驱动器驱动。在本实施例的情况下,车轮3分别通过电驱动器4驱动。这些电驱动器优选为可调电驱动器。
无人驾驶运输车辆1还具有设置在车体2上的控制装置5,其与驱动器4相连接。必要时该控制装置还可以控制机器人臂21(如果有的话)的运动。
无人驾驶运输车辆1可以在如图3所示的环境U中自动运动,特别是从起始点SP自动驶向目标点ZP。为此在控制装置5上运行有计算机程序,该计算机程序控制驱动器4,使无人驾驶运输车辆1从起始点SP自动运动到目标点ZP。
在本实施例的情况下,环境U不仅包括起始点SP和目标点ZP,还包括多个中间点。在本实施例的情况下,这些中间点是指第一中间点31,第二中 间点32,第三中间点33,第四中间点34和第五中间点35。
中间点31-35通过路线段连接起来,无人驾驶运输车辆1可以在这些路线段上根据需要在两个中间点之间行驶。图3示出了连接起始点SP和第一中间点31的第一路线段41,连接第一中间点31和目标点ZP的第二路线段42,连接第一中间点31和第二中间点32的第三路线段43,连接第二中间点32和第三中间点33的第四路线段44,连接第三中间点33和目标点ZP的第五路线段45,连接目标点ZP和第四中间点34的第六路线段46和连接起始点SP和第五中间点35的第七路线段47。
无人驾驶运输车辆1还包括至少一个与控制装置5相连接并例如设置在车体2上的传感器6。该一个或多个传感器6包括例如至少一个激光扫描器和/或至少一个照相机,用于在无人驾驶运输车辆1自动行驶期间采集或扫描其周围环境U,或者生成无人驾驶运输车辆1的周围环境U的图像。另一方面将控制装置5设计为,例如借助于图像数据处理装置处理或分析来自传感器6的信号或数据。所述至少一个传感器6包括例如2D激光扫描器,3D激光扫描器,RGBD照相机和/或TOF照相机。TOF照相机是3D摄像系统,其利用运行时间法测量距离。
如上所述,在本实施例的情况下将无人驾驶运输车辆1设计为在环境U的内部从起始点SP自动行驶到目标点ZP。为此,在本实施例中将如图4所示的虚拟地图40或无人驾驶运输车辆1应该在其中运动的环境U的数字地图例如存储在控制装置5中。环境U例如是大厅。虚拟地图40例如通过所谓的SLAM法并例如根据传感器6的信号或数据和/或根据未详细示出的、配属于车轮3的车轮传感器来生成。虚拟地图40例如存储在无人驾驶运输车辆1的存储器7中,该存储器与控制装置5相联接。虚拟地图40例如可以借助显示装置8示出。因此,一旦无人驾驶运输车辆1知道应该沿着环境U中的哪一个路线段自动驶向目标点ZP,无人驾驶运输车辆1就可以自动地向目标点ZP运动。
在本实施例中,将要行驶的路线段将通过在图4和图5中示出的图G来确定。特别是根据可能变化的环境U来确定路线段,该环境U可以通过使至少一个路线段是不可持续被行驶的以及无人驾驶运输车辆1驶过环境U的 某个路线段所需的时间能够改变来改变。这种规划例如可以由无人驾驶运输车辆1自己借助于其控制装置5或在其控制装置5上运行的计算机程序来实现。这种规划也可以借助于外部计算机10或在该计算机10上运行的计算机程序来实现,在此,计算机10将规划的结果优选无线地传输给控制装置5。如图4所示,可以将图G例如与虚拟地图40一起显示在显示装置8上。
图G包括多个节点和将节点连接起来的边。图G尤其是包括起始节点s,目标节点z,第一节点k1,第二节点k2,第三节点k3,第四节点k4和第五节点k5。图G尤其是包括第一边51,第二边52,第三边53,第四边54,第五边55,第六边56和第七节点57。在本实施例的情况下,第一边51连接起始节点s和第一节点k1,第二边52连接第1节点k1和目标节点z,第三边53连接第一节点k1和第二节点K2,第四边54连接第二节点k2和第三节点k3,第五边55连接第三节点k3和目标节点z,第六边56连接目标节点z和第四节点k4,第七边57连接起始节点s和第五节点k5。
在本实施例的情况下,环境U中的起始点SP对应于图G的起始节点s,而目标点ZP对应于目标节点z。此外,环境U的中间点31-35对应于图G的节点k1-k5,而路线段41-47对应于边51-57。特别是,环境U的第一中间点31对应于图G的第一节点k1,环境U的第二中间点32对应于图G的第二节点k2,环境U的第三中间点33对应于图G的第三节点k3,环境U的第四中间点34对应于图G的第四节点k4,并且环境U的第五中间点35对应于图G的第五节点k5。特别是,第一路线段41对应于第一边51,第二路线段42对应于第二边52,第三路线段43对应于第三边53,第四路线段44对应于第四边54,第五路线段45对应于第五边55,第六路线段46对应于边56,第七路线段47对应于第七边57。
图G特别是一种有向图(gerichteter Graph)G,因此边51-57在图4和图5中用箭头表示。图G可以通过以下公式数学地描述:
G=<V,E>,
其中,V表示节点s、z、k1-k5的有限集合,E和表示边51-57的集合。
在本实施例中,每个单独的边41-47分别包含与和其相对应的路线段51-57相关的信息。
在本实施例中,关于相应的路线段51-57的信息包括相应的边51-57或相应的路线段41-47的可通行性,即无人驾驶运输车辆1是否可以在特定的时间在相应的路线段上行驶,以及无人驾驶运输车辆1驶过相应的可行驶的路线段所需的行驶时间的信息。
在本实施例的情况下,边51-57中的每个边都对应于一随机过程,其描述相应的路线段41-47在特定时刻的可通行性;和一概率分布,其对预估的无人驾驶运输车辆在可通行的路线段41-47上所需要的行驶时间建模。
对待行驶的路线段的规划借助于图G来实现。在规划的框架下计算以下策略:沿哪一个路线段41-47可以使无人驾驶运输车辆1最快地自动行驶到目标点ZP。该策略包括关于计算出的在相应的中间点31-35和目标点ZP上可能的到达时间的信息。这种规划可以在无人驾驶运输车辆1行驶期间,在至少一个该无人驾驶运输车辆1在其行驶中经过的中间点31-35上重复地进行,这样,该中间点在此表示用于更新的规划的新的起始点。通过这种重复的规划可以计算出更新的策略,无人驾驶运输车辆1根据该新策略从当前的中间点自动行驶到目标点ZP。
优选可以将对待行驶的路线段的规划看作是Markow判定问题,其中,
S={(i,t)|i∈V,t∈N0}
是状态空间,该状态空间包括起始点SP、中间点31-35和目标点ZP或起始节点s、目标节点z和中间节点k1-k5,和在相应中间点31-35或目标点ZP上的到达时间t。
A(i,t)=NG(i)是对于每个状态(i,t)∈S的执行空间(Aktionsraum),其中,NG(i)是图G中的所有相邻节点i的集合,即节点k1-k5、起始节点s和目标节点z。
P((j,t′)∣(i,j),j)是通行性模型或者通行性概率其对应于无人驾驶运输车辆1在时间点t离开第i个中间点后,在时间点t′到达第j个中间点的概率。该 概率取决于与相应的边(i,j)(边51-57)相对应的路线段41-47的可通行性和对所预估的无人驾驶运输车辆1在可通行的路线段上需要的行驶时间建模的概率分布。在此的Markow判定问题特别是所谓的左右模型,因为在状态中不可能存在对应的到达时间小于或等于当前状态的到达时间的过渡。
c:S×S→N0∪{∞}被称为平均成本函数(mittlere Kostenfunktion),其对应于无人驾驶运输车辆1从一个状态行驶到下一个状态,即从一个中间点到达下一个中间点所需要的时间。如果对应的通过概率为零,则该成本函数为“无穷大”。
对于给定的目标节点z(z∈G),可以计算出最优策略π*,该最优策略可以将在各状态下所期望的到达目标点ZP的到达时间降至最低。对于状态(i,t)∈S,最小期望到达时间C*(i,t)可以通过以下公式(公式1)计算出:
对应于目标节点z的目标状态(z,t)将在t时进行初始化,即,C*(z,t)=t。
为了特别是优选借助动态计算实现对到达时间的相对高效地计算,在本实施例中利用:存在时间点tm,使得对于所有的t∈N0,有C*(i,tm+t)=C*(i,tm)+t。这意味着,对于所有大于tm的时间段,到达目标点ZP所需要的时间与当前的时间点无关。
Xt是随机变量,其描述特定的边51-57或与其对应的路线段41-47在时间点t时的可通行性,在此,
在本实施例的情况下,可以经验地确定各个时间点的所述概率。但是也可以借助于无人驾驶运输车辆1自动地确定该概率,其中,无人驾驶运输车辆1例如在学习阶段期间自动地行驶通过周围环境,并在此针对各个时间点保存以下信息:在什么时候、哪一个路线段是可通行的。该学习阶段还可以至少部分地发生在连续运行期间,以例如改善对所述概率的说明(Angabe)。 该学习阶段可以完整地发生在连续运行期间。
在本实施例的情况下,假设特定的边或与其相对应的路线段的通行概率与其它边或与它们相对应的路线段的通行概率无关。此外,在本实施的情况下,采用具有以下通行性矩阵的一阶齐次Markow过程:
如果t接近“无穷大”,则Xt近似于静态分布。这种近似的持续时间被称为混合时间。整个图G的混合时间为
在此,为相应边51-57的混合时间。
在本实施例的情况下,与边41-47相对应的预期行驶时间通过相应的路线段41-47被建模为随机过程Yt,其描述了无人驾驶运输车辆1在特定的时间点到达下一个中间点的概率。特别是用P(Yt=t′)表示无人驾驶运输车辆1在时间点t从第i个中间点(其也可以是起始点SP)出发时,在时间点t′到达第j个中间点的概率。到达时间P(Yt)的概率分布可以根据下述公式计算得到:
其中,P(Xt)是与相应的边对应的路线段的可通行性的概率分布,P(Yt︱Xt)是与该可通行性相关的、与相应的边对应的路线段的到达时间的条件概率。在本实施例的情况下,Yt﹣t是对应于路线段的行驶时间。
行驶时间是时间相关的,相应的路线段应该是可通行的。在本实施例的情况下,采用贝塔(Beta)分布的所谓离散近似以计算有条件的到达时间,即
P(Yt|Xt=0)~Beta(α,β;a+t,b+1)。
如果某个路线段不可行驶,则在本实施例的情况下则所计算出的到达时间的分布为:
在本实施例的情况下,假设:某个边或其路线段在能够到达对应于下一个节点的中间点之前必须改变。对应于边的在时间点t的预期到达时间为:
其中,E[Yt︱Xt=0]表示当某个边可通行时对应于该边的预期到达时间, 表示预期的时间段或持续时间,在此期间无人驾驶运输车辆1必须在某个节点或中间点上等待,直至后续的边或后续的路线段再次是可通行的。
由此,与一个边相对应的到达时间的概率分布为
P((j,t')|(i,j),j)=P(Yt'=t')。
为了能够针对每个状态(i,t)∈S获得最小预期到达时间C*(i,t),在本实施例中利用下述公式计算各个状态在时间点tm的最小预期到达时间C*(i,tm):
这个公式是通过使用公式1获得的。通过变形给出:
如上所述,C*(i,tm)=tm适用于目标点ZP,即目标节点z。例如,借助于本领域专业人员公知的Dijkstra算法,可以针对所有的中间节点k1-k5计算在时间点tm时在目标点ZP的预期到达时间,其中,在本实施例的情况下, 对于每个边51-57的成本函数,采用在时间点tm的预期行驶时间E[Ytm]-tm。
假设已经计算出在时间点t=tm时的预期到达时间,则可以根据公式1,例如通过迭代法从时间点tm-1开始计算t<tm时的预期到达时间。
特别是对于S中的每个状态(i,t),只需要对于大于t的时间段的预期到达时间,该预期到达时间或者已经计算得到,或者可以根据公式C*(i,tm+1)=C*(i,tm)+t进行计算。
例如,可以根据下述公式计算公式1的值:
其中,时间段T是tm与t*+1之间的最大值,在此,t*是关于P(Yt︱Xt=0)的最大值。
对于加数A,已经计算出最小预期到达时间。加数B可以通过下面的公式计算得到:
Claims (9)
1.一种使无人驾驶运输车辆(1)在环境(U)内运行的方法,该无人驾驶运输车辆被设计为,自动地从起始点(SP)驶向目标点(ZP),其中,所述环境(U)包括中间点(31-35)和连接所述中间点(31-35)、所述起始点(SP)和所述目标点(ZP)的路线段(41-47),该方法包括以下方法步骤:
a)提供与所述环境(U)相对应的图(G),该图包括对应于所述中间点(31-35)的节点(k1-k5),对应于所述起始点(SP)的起始节点(s),对应于所述目标点(ZP)的目标节点(z)和连接所述起始节点(s)、所述目标节点(z)和所述节点(k1-k5)且与所述各个路线段(41-47)相对应的边(51-57),其中,所述边(51-57)分别对应于关于可通行性的信息:相应的路线段(41-47)在特定的时间是否是可通行的,以及所述无人驾驶运输车辆(1)驶过相应的可行驶的路线段(41-47)所需要的行驶时间,
b)基于与所述边(51-57)相对应的信息以及当前在所述起始点(SP)的时间点,计算出沿哪一个路线段(41-47)能够使所述无人驾驶运输车辆(1)最快地自动行驶到所述目标点(ZP)的策略,其中,该策略包括关于计算出的在相应的中间点(31-35)和所述目标点(ZP)的可能的到达时间的信息,
c)根据所述策略,所述无人驾驶运输车辆(1)沿相应的路线段自动地从所述起始点(SP)行驶到与该起始点(SP)相邻的相应的中间点(31),
d)根据在与所述起始点(SP)相邻的所述中间点(31)的当前到达时间并根据所述策略,所述无人驾驶运输车辆(1)沿相应的路线段自动驶到下一个中间点(32),
e)根据在下一个中间点(32)的当前到达时间并根据所述策略,所述无人驾驶运输车辆(1)沿相应的路线段自动驶向所述下一个中间点(32)之后的中间点(33),
f)重复步骤d)和步骤e),直至所述无人驾驶运输车辆(1)到达所述目标点(ZP)。
2.如权利要求1所述的方法,其中,在所述无人驾驶运输车辆(1)沿已确定的路线段(41-47)自动行驶期间,至少在一个相应的中间点(31-35)在当前时间点并根据对应于所述边(51-57)的信息,计算新的策略:所述无人驾驶运输车辆沿哪一个路线段(41-47)能够最快地从当前的中间点自动驶向所述目标点(ZP),其中,所述新的策略包括关于计算出的在相应的中间点(31-35)和所述目标点(ZP)的可能的到达时间的信息,所述无人驾驶运输车辆(1)根据该新的策略自动驶向所述目标点(ZP)。
3.如权利要求1或2所述的方法,其中,经验地和/或在学习阶段的范围内确定所述相应的路线段(41-47)的可通行性和/或关于相应的行驶时间的信息。
4.如权利要求3所述的方法,其中,在所述无人驾驶运输车辆(1)自动行驶期间自动更新所述相应路线段(41-47)的可通行性和/或关于相应的行驶时间的信息。
5.如权利要求1至4中任一项所述的方法,具有以下方法步骤:所述无人驾驶运输车辆(1)根据所述环境(U)的虚拟地图(40),特别是在该无人驾驶运输车辆(1)的控制装置(5)的控制下沿所述路线段(41-47)自动行驶。
6.如权利要求1至5中任一项所述的方法,其中,所述相应的路线段(41-47)在特定的时间是否可通行的信息被构建为描述所述相应的路线段(41-47)在特定时间点的可通行性的随机过程,和/或所述关于相应的行驶时间的信息被分别构建为概率分布,该概率分布对所预估的所述无人驾驶运输车辆(1)在可通行的路线段(41-47)上的行驶时间建模。
7.如权利要求1至6中任一项所述的方法,其中,针对各个所述路线段(41-47)计算预期的行驶时间,该行驶时间作为在下一个中间点的到达时间P(Yt)的概率分布根据下述公式计算得出:
其中,P(Xt)是与相应的边对应的路线段的可通行性的概率分布,P(Yt∣Xt)是与相应的边对应的路线段的与可通行性相关的到达时间的条件概率。
8.一种无人驾驶运输车辆,具有:车体(2);多个可相对于所述车体(2)转动地受到支承的车轮(3),用于使所述无人驾驶运输车辆(1)运动;至少一个与至少一个所述车轮(3)联接的驱动器(4),用于驱动相应的车轮(3);和与所述至少一个驱动器(4)联接的控制装置(5),其中,所述无人驾驶运输车辆(1)被设计为,在其控制装置(5)的控制下在环境(U)内从起始点(SP)自动驶向目标点(ZP),其中,所述环境(U)包括中间点(31-35)和连接所述中间点(31-35)、所述起始点(SP)和所述目标点(ZP)的路线段(41-47),所述控制装置(5)被配置为,按照如权利要求1至7中任一项所述的方法计算策略,并根据该策略使所述无人驾驶运输车辆(1)从所述起始点(SP)自动驶向所述目标点(ZP)。
9.一种系统,具有:
无人驾驶运输车辆(1),其包括:车体(2);多个可相对于所述车体(2)转动地受到支承的车轮(3),用于使所述无人驾驶运输车辆(1)运动;至少一个与至少一个车轮(3)相联接的驱动器(4),用于驱动相应的车轮(3);和与所述至少一个驱动器(4)联接的控制装置(5),其中,无人驾驶运输车辆(1)被设计为,在其控制装置(5)的控制下在环境(U)内从起始点(SP)自动驶到目标点(ZP),其中,所述环境(U)包括中间点(31-35)和连接所述中间点(31-35)、所述起始点(SP)和所述目标点(ZP)的路线段(41-47),
计算机(10),该计算机被配置为,按照如权利要求1至7中任一项所述的方法确定策略,根据该策略使所述无人驾驶运输车辆(1)从所述起始点(SP)自动驶向所述目标点(ZP),所述计算机被设计为,特别是无线地将有关所述策略的信息发送到所述无人驾驶运输车辆(1)上。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102013207895.1 | 2013-04-30 | ||
DE201310207895 DE102013207895A1 (de) | 2013-04-30 | 2013-04-30 | Fahrerloses Transportfahrzeug, System mit einem Rechner und einem fahrerlosen Transportfahrzeug, Verfahren zum Betreiben eines fahrerlosen Transportfahrzeugs |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104133471A true CN104133471A (zh) | 2014-11-05 |
CN104133471B CN104133471B (zh) | 2017-07-18 |
Family
ID=50488992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410182490.1A Active CN104133471B (zh) | 2013-04-30 | 2014-04-30 | 无人驾驶运输车辆及运行方法,包括该无人驾驶运输车辆的系统及规划虚拟轨迹的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9483051B2 (zh) |
EP (1) | EP2818955B1 (zh) |
KR (1) | KR102210788B1 (zh) |
CN (1) | CN104133471B (zh) |
DE (1) | DE102013207895A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106695743A (zh) * | 2017-02-10 | 2017-05-24 | 中国东方电气集团有限公司 | 一种基于移动机器人的危化溶液抽取参数的下达方法 |
CN109313445A (zh) * | 2016-03-23 | 2019-02-05 | 优特诺股份有限公司 | 车辆驾驶和自动驾驶的促进 |
CN109416886A (zh) * | 2016-06-22 | 2019-03-01 | 库卡德国有限公司 | 检查两个无人驾驶运输车辆之间的碰撞的方法、无人驾驶运输车辆和具有多个无人驾驶运输车辆的系统 |
CN111065894A (zh) * | 2017-12-21 | 2020-04-24 | 葛雷乔兹·曼威兹 | 用于提供从出发地点到目标地点的旅程路线或旅程路线所需时间的方法与计算机系统 |
CN111095152A (zh) * | 2017-09-08 | 2020-05-01 | 日本精工株式会社 | 自行装置、自行装置的行进控制方法以及行进控制程序 |
CN113401140A (zh) * | 2021-06-30 | 2021-09-17 | 深圳元戎启行科技有限公司 | 双向路段的路由寻径方法、装置、计算机设备和存储介质 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014214889A1 (de) * | 2014-07-29 | 2016-02-04 | Kuka Roboter Gmbh | Fahrerloses Transportfahrzeug und Verfahren zum Betreiben eines fahrerlosen Transportfahrzeugs |
CN106384509A (zh) * | 2016-10-08 | 2017-02-08 | 大连理工大学 | 考虑出租车运营状态下的城市道路行程时间分布估算方法 |
RU2712978C1 (ru) * | 2016-10-14 | 2020-02-03 | Сандвик Интеллекчуал Проперти Аб | Основанное на сканировании управление движением мобильной транспортировочной установки для непрерывной транспортировки фрагментированного материала |
CN107169611B (zh) * | 2017-06-09 | 2020-06-02 | 金陵科技学院 | 一种图形化方式规划agv行走区域并监控其运行的方法 |
KR102057372B1 (ko) * | 2017-06-22 | 2020-01-22 | 한국교통대학교산학협력단 | 이종 망에서 그래프 기반 차량 충돌 예측 방법 및 이를 이용하는 장치 |
CN107943029A (zh) * | 2017-11-15 | 2018-04-20 | 苏州佳世达电通有限公司 | 运输方法及运输系统 |
CN111079988B (zh) * | 2019-11-28 | 2024-02-20 | 浙江华睿科技股份有限公司 | 任务的执行方法、装置、存储介质及电子装置 |
KR102414004B1 (ko) * | 2020-04-24 | 2022-06-28 | 정환홍 | Agv 로봇의 작업 경로 진입을 위한 경로탐색 방법 |
US20220163969A1 (en) * | 2020-11-20 | 2022-05-26 | Rapyuta Robotics Co., Ltd. | Systems and methods for optimizing route plans in an operating environment |
CN113515133B (zh) * | 2021-09-14 | 2021-12-14 | 季华实验室 | 一种agv的力控方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1800783A (zh) * | 2004-12-31 | 2006-07-12 | 集嘉通讯股份有限公司 | 路径规划系统及方法 |
US20080009965A1 (en) * | 2006-07-05 | 2008-01-10 | Battelle Energy Alliance, Llc | Autonomous Navigation System and Method |
CN101136860A (zh) * | 2006-08-30 | 2008-03-05 | 三菱电机株式会社 | 计算机实现的用于寻找从源到宿的最优路径的方法 |
EP2169502A1 (en) * | 2008-09-25 | 2010-03-31 | Honeywell International Inc. | System for integrating dynamically observed and static information for route planning in a graph based planner |
EP2172825A1 (en) * | 2007-07-18 | 2010-04-07 | Toyota Jidosha Kabusiki Kaisha | Route planning device and method, cost evaluation device and mobile body |
US20100106298A1 (en) * | 2008-10-27 | 2010-04-29 | Eusebio Guillermo Hernandez | Outdoor home cleaning robot |
CN101739817A (zh) * | 2009-11-26 | 2010-06-16 | 西北工业大学 | 一种动态起点的最短路径规划方法 |
US20110035087A1 (en) * | 2009-08-10 | 2011-02-10 | Samsung Electronics Co., Ltd. | Method and apparatus to plan motion path of robot |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0618523B1 (en) * | 1993-04-02 | 1998-12-09 | Shinko Electric Co. Ltd. | Transport management control apparatus and method for unmanned vehicle system |
DE10218636A1 (de) * | 2002-04-25 | 2003-11-06 | Daimler Chrysler Ag | Verfahren zur Information von Fahrzeugführern über Änderungen der optimalen Route |
JP2004298977A (ja) * | 2003-03-28 | 2004-10-28 | Sony Corp | 行動制御装置、行動制御方法及び行動制御プログラム、並びに移動型ロボット装置 |
US7822539B2 (en) * | 2003-09-30 | 2010-10-26 | Kabushiki Kaisha Kenwood | Guide route search device and guide route search method |
KR100843085B1 (ko) * | 2006-06-20 | 2008-07-02 | 삼성전자주식회사 | 이동 로봇의 격자지도 작성 방법 및 장치와 이를 이용한영역 분리 방법 및 장치 |
US8571745B2 (en) * | 2008-04-10 | 2013-10-29 | Robert Todd Pack | Advanced behavior engine |
US8311736B2 (en) * | 2008-06-04 | 2012-11-13 | Hitachi, Ltd. | Navigation device, navigation method and navigation system |
US8001651B2 (en) * | 2008-06-19 | 2011-08-23 | National Taipei University Of Technology | Floor washing robot |
US8224500B2 (en) * | 2008-09-11 | 2012-07-17 | Deere & Company | Distributed knowledge base program for vehicular localization and work-site management |
DE102010012750A1 (de) * | 2010-03-25 | 2011-09-29 | Kuka Laboratories Gmbh | Verfahren zum Betreiben eines holonomen/omnidirektionalen Flurförderfahrzeugs |
KR101761313B1 (ko) * | 2010-12-06 | 2017-07-25 | 삼성전자주식회사 | 로봇 및 로봇의 경로생성방법 |
GB2499795A (en) * | 2012-02-28 | 2013-09-04 | Ibm | Routing in a network, based on travel and waiting time |
DE102012207269A1 (de) * | 2012-05-02 | 2013-11-07 | Kuka Laboratories Gmbh | Fahrerloses Transportfahrzeug und Verfahren zum Betreiben eines fahrerlosen Transportfahrzeugs |
US9459108B2 (en) * | 2012-08-31 | 2016-10-04 | International Business Machines Corporation | Hedging risk in journey planning |
DE102013207899A1 (de) * | 2013-04-30 | 2014-10-30 | Kuka Laboratories Gmbh | Fahrerloses Transportfahrzeug, System mit einem Rechner und einem fahrerlosen Transportfahrzeug, Verfahren zum Planen einer virtuellen Spur und Verfahren zum Betreiben eines fahrerlosen Transportfahrzeugs |
-
2013
- 2013-04-30 DE DE201310207895 patent/DE102013207895A1/de active Pending
-
2014
- 2014-04-15 EP EP14164735.4A patent/EP2818955B1/de active Active
- 2014-04-29 KR KR1020140051744A patent/KR102210788B1/ko active IP Right Grant
- 2014-04-30 US US14/266,242 patent/US9483051B2/en active Active
- 2014-04-30 CN CN201410182490.1A patent/CN104133471B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1800783A (zh) * | 2004-12-31 | 2006-07-12 | 集嘉通讯股份有限公司 | 路径规划系统及方法 |
US20080009965A1 (en) * | 2006-07-05 | 2008-01-10 | Battelle Energy Alliance, Llc | Autonomous Navigation System and Method |
CN101136860A (zh) * | 2006-08-30 | 2008-03-05 | 三菱电机株式会社 | 计算机实现的用于寻找从源到宿的最优路径的方法 |
EP2172825A1 (en) * | 2007-07-18 | 2010-04-07 | Toyota Jidosha Kabusiki Kaisha | Route planning device and method, cost evaluation device and mobile body |
EP2169502A1 (en) * | 2008-09-25 | 2010-03-31 | Honeywell International Inc. | System for integrating dynamically observed and static information for route planning in a graph based planner |
US20100106298A1 (en) * | 2008-10-27 | 2010-04-29 | Eusebio Guillermo Hernandez | Outdoor home cleaning robot |
US20110035087A1 (en) * | 2009-08-10 | 2011-02-10 | Samsung Electronics Co., Ltd. | Method and apparatus to plan motion path of robot |
CN101739817A (zh) * | 2009-11-26 | 2010-06-16 | 西北工业大学 | 一种动态起点的最短路径规划方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109313445A (zh) * | 2016-03-23 | 2019-02-05 | 优特诺股份有限公司 | 车辆驾驶和自动驾驶的促进 |
CN109313445B (zh) * | 2016-03-23 | 2022-02-18 | 动态Ad有限责任公司 | 车辆驾驶和自动驾驶的促进 |
CN109416886A (zh) * | 2016-06-22 | 2019-03-01 | 库卡德国有限公司 | 检查两个无人驾驶运输车辆之间的碰撞的方法、无人驾驶运输车辆和具有多个无人驾驶运输车辆的系统 |
CN109416886B (zh) * | 2016-06-22 | 2022-01-04 | 库卡德国有限公司 | 检查两个无人驾驶运输车辆之间的碰撞的方法、无人驾驶运输车辆和具有多个无人驾驶运输车辆的系统 |
CN106695743A (zh) * | 2017-02-10 | 2017-05-24 | 中国东方电气集团有限公司 | 一种基于移动机器人的危化溶液抽取参数的下达方法 |
CN106695743B (zh) * | 2017-02-10 | 2019-12-03 | 中国东方电气集团有限公司 | 一种基于移动机器人的危化溶液抽取参数的下达方法 |
CN111095152A (zh) * | 2017-09-08 | 2020-05-01 | 日本精工株式会社 | 自行装置、自行装置的行进控制方法以及行进控制程序 |
CN111095152B (zh) * | 2017-09-08 | 2023-12-01 | 日本精工株式会社 | 自行装置、自行装置的行进控制方法以及存储介质 |
CN111065894A (zh) * | 2017-12-21 | 2020-04-24 | 葛雷乔兹·曼威兹 | 用于提供从出发地点到目标地点的旅程路线或旅程路线所需时间的方法与计算机系统 |
CN114076606A (zh) * | 2017-12-21 | 2022-02-22 | 葛雷乔兹·曼威兹 | 用于提供从出发地点到目标地点的旅程路线或旅程路线所需时间的方法与计算机系统 |
CN113401140A (zh) * | 2021-06-30 | 2021-09-17 | 深圳元戎启行科技有限公司 | 双向路段的路由寻径方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US9483051B2 (en) | 2016-11-01 |
EP2818955A3 (de) | 2015-11-11 |
DE102013207895A1 (de) | 2014-10-30 |
US20140324267A1 (en) | 2014-10-30 |
CN104133471B (zh) | 2017-07-18 |
EP2818955B1 (de) | 2020-08-05 |
KR102210788B1 (ko) | 2021-02-01 |
EP2818955A2 (de) | 2014-12-31 |
KR20140130055A (ko) | 2014-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104133471A (zh) | 无人驾驶运输车辆及运行方法,包括该无人驾驶运输车辆的系统及规划虚拟轨迹的方法 | |
KR102192530B1 (ko) | 무인 운반차, 컴퓨터와 무인 운반차를 가진 시스템, 가상 궤도를 계획하기 위한 방법 및 무인 운반차를 작동하기 위한 방법 | |
JP6969756B2 (ja) | 自律走行車の動作管理制御 | |
Paden et al. | A survey of motion planning and control techniques for self-driving urban vehicles | |
Pérez et al. | Trajectory generator for autonomous vehicles in urban environments | |
JP2019128962A (ja) | 自動運転車のための経路及び速度の最適化フォールバックメカニズム[path and speed optimization fallback mechanism for autonomous vehicles] | |
US10649453B1 (en) | Introspective autonomous vehicle operational management | |
JP6634100B2 (ja) | 走行軌道決定装置及び自動運転装置 | |
JP2022532920A (ja) | レーダーデータからのヨーレート | |
KR101155565B1 (ko) | 네트워크를 이용한 차량 제어 방법 및 시스템 | |
JP6914404B2 (ja) | 車両を制御するための方法及び装置 | |
Löper et al. | Automated valet parking as part of an integrated travel assistance | |
WO2008032673A1 (fr) | Dispositif mobile | |
AU2019387098A1 (en) | Routing graph management in autonomous vehicle routing | |
CN110782092A (zh) | 无人配送车在非结构化场景中的轨迹规划方法及装置 | |
US11921506B2 (en) | Belief state determination for real-time decision-making | |
KR101146942B1 (ko) | 이동로봇의 경로생성 장치, 이를 구비하는 이동로봇 및 이동로봇의 경로생성 방법 | |
JP6330921B2 (ja) | 乗客ドッキング位置を使用した自律走行車両のルーティング及びナビゲーション | |
JP2007328486A (ja) | 移動ロボット | |
JP2022502646A (ja) | 自動車のための経路および/または軌道を計画するためのデバイス | |
CN112799384A (zh) | 车辆及其行驶轨迹规划方法和规划装置 | |
JP2007323119A (ja) | 自律移動体および自律移動体制御方法 | |
Nayl et al. | Real-time bug-like dynamic path planning for an articulated vehicle | |
CN111832142A (zh) | 用于输出信息的方法和装置 | |
JP5499653B2 (ja) | 自律移動体、速度設定装置および速度設定プログラム |
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 |