CN106595688A - 一种多agv导向和动态路径规划方法 - Google Patents

一种多agv导向和动态路径规划方法 Download PDF

Info

Publication number
CN106595688A
CN106595688A CN201611152462.0A CN201611152462A CN106595688A CN 106595688 A CN106595688 A CN 106595688A CN 201611152462 A CN201611152462 A CN 201611152462A CN 106595688 A CN106595688 A CN 106595688A
Authority
CN
China
Prior art keywords
agv
node
path planning
region
stage
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
Application number
CN201611152462.0A
Other languages
English (en)
Other versions
CN106595688B (zh
Inventor
刘鑫
赵晋洪
武发鲁
张岩
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.)
Ji'nan Bai Yixing Network Technology Co Ltd
Original Assignee
Ji'nan Bai Yixing Network 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 Ji'nan Bai Yixing Network Technology Co Ltd filed Critical Ji'nan Bai Yixing Network Technology Co Ltd
Priority to CN201611152462.0A priority Critical patent/CN106595688B/zh
Publication of CN106595688A publication Critical patent/CN106595688A/zh
Application granted granted Critical
Publication of CN106595688B publication Critical patent/CN106595688B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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, using precalculated routes
    • 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
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips

Abstract

本发明公开了一种多AGV导向和动态路径规划方法，包括如下四个步骤：第一部分：运动区域的节点和线路划分；第二部分：AGV导向方案设计；第三部分：AGV的运动节点竞争方式设计；第四部分：AGV的路径规划，发明目的在于提供一种能够实现多个AGV运动线路引导和动态路径规划的方案，以保证在同一片区域运动的多个AGV都能够有效地到达其目标位置，并避免与其它AGV发生碰撞。

Description

一种多AGV导向和动态路径规划方法
技术领域
本发明涉及AGV导向和动态路径规划，尤其涉及一种多AGV导向和动态路径规划方法。
背景技术
在同一个区域，实现多个AGV(Automated Guided Vehicle)协调高效的工作是一个难点问题，主要存在两个难点：一是导向问题，需要解决的是如何保证AGV按照预定的路线行进。二是动态路径规划问题，因为其它AGV的运动，使得每个AGV都处在一个动态环境之中。若采用集中规划的方法，其复杂程度会随AGV数量增加而显著增加。若由AGV自行决策最优路径的分布式规划方法，则很难避免多个智能AGV的路径冲突，从而大大增加AGV停车避让的概率，降低路径规划的效率。
当前已投入应用的AGV(Automated Guided Vehicle)路径规划技术，一般采用的“线路引导”的方式，引导AGV沿着预定的路径运动。如电磁引导技术、光学检测技术，运用之前必须首先铺设地面“导轨”(电磁导引线路或者色带)，AGV的严格按照“导轨”的铺设的路线行进。其路径规划一般采用中心式规划算法，基于中心控制器，通过有线或者无线的通信方式，控制AGV的具体路径。该类型方案的最大优点导向精度高、系统可靠性好。
现有技术一的缺点
导航电路在安装上的花费是昂贵。因为在AGV所行驶的路径上都需要在地面上开槽，而且在弯道处，开槽的轨迹必须符合AGV的转弯半径；
导线中的导航信号经常会受到周围的钢筋或电子信号的干扰。
对地面的平整度要求高，改变运行路径困难。
发明内容
本发明是为了解决上述不足，提供了一种多AGV导向和动态路径规划方法，包括如下四个步骤：
第一部分：运动区域的节点和线路划分
为了实现AGV的路径规划及调度，本方案首先在AGV运动的目标地域，规划出标签节点的位置，然后将标签点相互连接形成供AGV运动的线路，最终由这些线路和标签节点所构成的栅格图形即为AGV的运动区域。AGV在运动时必须依线路行进，在线路中间不允许停止或者转向。当需要停止或者转向时，必须运动到某一节点方可执行。
第二部分：AGV导向方案设计
为了AGV在规划的线路上精准运动，本方案采用了惯性导航技术、图像识别的技术和射频识别技术相结合的方式。本方案的中AGV导向可以分为三个阶段，分别是惯导运动阶段、图像纠偏阶段和误差消除阶段。
(1)惯导运动阶段
该阶段保证AGV能够大致按照节点间的连线运动，利用陀螺仪检测AGV的方位角并根据出发节点的位置信息和所测定的行驶距离来确定当前位置，确定行驶方向和速度。
(2)图像纠偏阶段
在节点处布置色片，AGV通过普通CCD捕获色片信息，由于有惯行导航保证，CCD的图像采集范围不用太大，只需要保证AGV快靠近时，能捕获到色片像素，以纠正AGV的运动方向。由于采集范围小，环境干扰也相对较小，同时CCD成本也相对较低。
(3)误差消除阶段
为了消除前两个阶段的误差，避免误差累积，可以在部分节点(或者每个节点)处增加NFC标签，AGV运动到该节点后，即可通过射频识别技术，获取该节点的准确位置，消除当前估计位置的误差。
第三部分：AGV的运动节点竞争方式设计
为了避免AGV出现碰撞或者潜在的碰撞，AGV可以通过的节点受到相应规则的约束。AGV在向某一节点行进时，必须首先竞争其将要到达节点的通过权限，否则只能在上一节点处转向绕道或者停止等待。此时需要调度中心提供辅助信息，以告知AGV那些节点已经被其它AGV申请占用。
由于AGV不能够停止在任何线路上，如果AGV直接申请下一运动节点，考虑到节点申请失败的可能，AGV必须首先停留在上一节点处，等待下一节点申请成功，从而使得AGV只能一步一动，而对于有一定运动惯性的AGV，一步一动效率较低。因此本方案要求AGV在本节点的上一节点处，就已经申请了本节点的下一节点的通过权，而在本节点申请的是其当前目标节点的下一节点的通过权。
第四部分：AGV的路径规划
AGV的路径规划包括两个步骤，分别是区域内路径规划和跨区域间路径规划。
(1)区域内部路径规划算法
当区域形状为突多边形，则无需将区域进一步划分成子区域，其规划算法使用区域内部路径规划算法。由于在算法中会用到以下概念，这里首先给出定义。
路程距离：当前节点到相邻节点的几何距离。
角度距离：假设AGV当前运动方向，不是该相邻节点，那么AGV需要转向，转向的角度值乘上固定系数得到(如系数可以用平均速度除以角速度得到)。
时间距离：假设相邻节点被占用，该相邻节点被释放所需的时间乘以固定系数(比如AGV的平均运动速度得到)。
下面假设AGV起点位置为A，终点位置为E。
第一步，计算节点当前节点curNode＝A到其相邻点X间的距离度量值L(A，X)
L(A，X)＝D(A，X)+A(A，X)+T(A，X) (1)
其中D(A，X)表示路程距离，A(A，X)表示角度距离，T(A，X)表示时间距离，其中T(A，X)中对应的等待时间由调度中心提供，如果节点X未被占用，则T(A，X)＝0，申请排队X节点的AGV数量越多，该值越大。
第二步，计算各相邻节点到达终点E最小路程距离D(X，E)和最小角度距离A(X，E)，对于标准的方格最小轨迹距离可以通过两节点纵向距离和横向距离相加得到(因为路径不允许走斜线)，而最小角度距离为节点A到该相邻节点的运动方向和该相邻节点到目标节点的方向差对90度上取整，然后乘以角度系数。
第三步，计算累计距离，并选取累计距离最小所对应的节点，该步骤的数学表达式为
如果求出的节点OptNode＝E则结束规划，否则令curNode＝OptNode回到第一步。
(2)跨区域间路径规划算法
对于一些形状相对复杂的非突多边形区域，或者立体区域(如AGV需要多个楼层间运动)，则可将完整的运动区域划分成若干个突多边形子区域。
在区域迁徙过程中，AGV所通过的连接两个区域的节点称之为中转节点。对于两个相邻子区域，中转接电的数量可能有多个，因此用集合S(i，j)表示，其中i，j为相邻子区域的编号。下面给出区域路径规划算法的具体步骤：
第一步：判断目标节点与当前节点位置的关系，如果目标节点和当前节点处于同一区域，则将目标节点作为暂时目标节点，进入第三步，否则进入第二步。
第二步：获取当前节点和目标节点的子区域编号，假设分别为i，j，查询子区域i的迁徙路由表，确定要到达目标区域首先需要经过的区域q，从中转节点集合S(i，q)中以概率选取其中一个节点X，然后将该节点作为暂时目标节点，进入第三步。
第三步：以当前节点位置为起点和暂时目标节点为终点，执行区域内部路径规划算法。
第四步：判断当前节点位置是否为目标节点，如果是结束算法，否则进入第一步。
本发明与现有技术相比的优点是：
1、本发明目的在于提供一种能够实现多个AGV运动线路引导和动态路径规划的方案，以保证在同一片区域运动的多个AGV都能够有效地到达其目标位置，并避免与其它AGV发生碰撞。
2、灵活结合多种导向技术，实现低成本、高精度的AGV导向。
3、通过分布式加集中式相结合的方法，实现复杂度较低、规划效率较高的AGV动态路径规划，提升AGV的工作效率。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
实施例1
一种多AGV导向和动态路径规划方法，包括如下四个步骤：
第一部分：运动区域的节点和线路划分
为了实现AGV的路径规划及调度，本方案首先在AGV运动的目标地域，规划出标签节点的位置，然后将标签点相互连接形成供AGV运动的线路，最终由这些线路和标签节点所构成的栅格图形即为AGV的运动区域。AGV在运动时必须依线路行进，在线路中间不允许停止或者转向。当需要停止或者转向时，必须运动到某一节点方可执行。
第二部分：AGV导向方案设计
为了AGV在规划的线路上精准运动，本方案采用了惯性导航技术、图像识别的技术和射频识别技术相结合的方式。本方案的中AGV导向可以分为三个阶段，分别是惯导运动阶段、图像纠偏阶段和误差消除阶段。
(1)惯导运动阶段
该阶段保证AGV能够大致按照节点间的连线运动，利用陀螺仪检测AGV的方位角并根据出发节点的位置信息和所测定的行驶距离来确定当前位置，确定行驶方向和速度。
(2)图像纠偏阶段
在节点处布置色片，AGV通过普通CCD捕获色片信息，由于有惯行导航保证，CCD的图像采集范围不用太大，只需要保证AGV快靠近时，能捕获到色片像素，以纠正AGV的运动方向。由于采集范围小，环境干扰也相对较小，同时CCD成本也相对较低。
(3)误差消除阶段
为了消除前两个阶段的误差，避免误差累积，可以在部分节点(或者每个节点)处增加NFC标签，AGV运动到该节点后，即可通过射频识别技术，获取该节点的准确位置，消除当前估计位置的误差。
第三部分：AGV的运动节点竞争方式设计
为了避免AGV出现碰撞或者潜在的碰撞，AGV可以通过的节点受到相应规则的约束。AGV在向某一节点行进时，必须首先竞争其将要到达节点的通过权限，否则只能在上一节点处转向绕道或者停止等待。此时需要调度中心提供辅助信息，以告知AGV那些节点已经被其它AGV申请占用。
由于AGV不能够停止在任何线路上，如果AGV直接申请下一运动节点，考虑到节点申请失败的可能，AGV必须首先停留在上一节点处，等待下一节点申请成功，从而使得AGV只能一步一动，而对于有一定运动惯性的AGV，一步一动效率较低。因此本方案要求AGV在本节点的上一节点处，就已经申请了本节点的下一节点的通过权，而在本节点申请的是其当前目标节点的下一节点的通过权。
第四部分：AGV的路径规划
AGV的路径规划包括两个步骤，分别是区域内路径规划和跨区域间路径规划。
(1)区域内部路径规划算法
当区域形状为突多边形，则无需将区域进一步划分成子区域，其规划算法使用区域内部路径规划算法。
假设其中AGV起点位置为A，终点位置为E。
第一步，计算节点当前节点curNode＝A到其相邻点X间的距离度量值L(A，X)
L(A，X)＝D(A，X)+A(A，X)+T(A，X) (1)
其中D(A，X)表示路程距离，A(A，X)表示角度距离，T(A，X)表示时间距离，其中T(A，X)中对应的等待时间由调度中心提供，如果节点X未被占用，则T(A，X)＝0，申请排队X节点的AGV数量越多，该值越大。
第二步，计算各相邻节点到达终点E最小路程距离D(X，E)和最小角度距离A(X，E)，对于标准的方格最小轨迹距离可以通过两节点纵向距离和横向距离相加得到(因为路径不允许走斜线)，而最小角度距离为节点A到该相邻节点的运动方向和该相邻节点到目标节点的方向差对90度上取整，然后乘以角度系数。
第三步，计算累计距离，并选取累计距离最小所对应的节点，该步骤的数学表达式为
如果求出的节点OptNode＝E则结束规划，否则令curNode＝OptNode回到第一步。
(2)跨区域间路径规划算法
对于一些形状相对复杂的非突多边形区域，或者立体区域(如AGV需要多个楼层间运动)，则可将完整的运动区域划分成若干个突多边形子区域。
在区域迁徙过程中，AGV所通过的连接两个区域的节点称之为中转节点。对于两个相邻子区域，中转接电的数量可能有多个，因此用集合S(i，j)表示，其中i，j为相邻子区域的编号。下面给出区域路径规划算法的具体步骤：
第一步：判断目标节点与当前节点位置的关系，如果目标节点和当前节点处于同一区域，则将目标节点作为暂时目标节点，进入第三步，否则进入第二步。
第二步：获取当前节点和目标节点的子区域编号，假设分别为i，j，查询子区域i的迁徙路由表，确定要到达目标区域首先需要经过的区域q，从中转节点集合S(i，q)中以概率选取其中一个节点X，然后将该节点作为暂时目标节点，进入第三步。
第三步：以当前节点位置为起点和暂时目标节点为终点，执行区域内部路径规划算法。
第四步：判断当前节点位置是否为目标节点，如果是结束算法，否则进入第一步。
1、实现了高精度、高稳定度的自主导向
本方案结合了惯性导航、图像识别和射频识别三种导向技术，充分利用各种技术的优点，在成本增加较小的情况下，实现了高精度、高稳定度的自主导向。
2、提升了多AGV动态路径规划效率
通过节点资源竞争模型，有效的结合了分布式和集中式规划算法的优点，实现了复杂度较低、效率较高的动态路径规划，提升了AGV的工作效率。
3、实现了复杂区域环境的有效路径规划
通过区域划分和区域路由方法，使得动态路径规划可适应各种复杂场景，比如运动规划区域包括多个连通的房间，或者包括多楼层需要上下电梯到达。
将惯性导航、图像识别和射频识别三种导向技术相结合，并按照惯性导航、图像纠偏和误差消除三个阶段分别利用三种技术的自主导向实施过程，AGV的运动节点竞争方式设计。将节点作为AGV竞争的资源，AGV通过竞争节点来获得通过或停止在该节点上的权利，以此方式完全避免AGV碰撞的可能，动态路径规划算法。包括区域内部规划算法和跨区域规划算法。区域内部规划综合考虑几何距离，时间距离，角度距离进行路径度量，实现接近最优的动态路径规划。跨区域规划利用预先存入AGV的路由表来实现最优的跨区域路由。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点，对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (1)

1.一种多AGV导向和动态路径规划方法，其特征在于：包括如下四个步骤：
第一部分：运动区域的节点和线路划分
首先在AGV运动的目标地域，规划出标签节点的位置，然后将标签点相互连接形成供AGV运动的线路，最终由这些线路和标签节点所构成的栅格图形即为AGV的运动区域，AGV在运动时必须依线路行进，在线路中间不允许停止或者转向，当需要停止或者转向时，必须运动到某一节点方可执行；
第二部分：AGV导向方案设计
AGV导向分为三个阶段，分别是惯导运动阶段、图像纠偏阶段和误差消除阶段；
(1)惯导运动阶段
该阶段保证AGV能够大致按照节点间的连线运动，利用陀螺仪检测AGV的方位角并根据出发节点的位置信息和所测定的行驶距离来确定当前位置，确定行驶方向和速度；
(2)图像纠偏阶段
在节点处布置色片，AGV通过普通CCD捕获色片信息，由于有惯行导航保证，CCD的图像采集范围不用太大，只需要保证AGV快靠近时，能捕获到色片像素，以纠正AGV的运动方向。由于采集范围小，环境干扰也相对较小，同时CCD成本也相对较低；
(3)误差消除阶段
可以在部分节点处增加NFC标签，AGV运动到该节点后，即可通过射频识别技术，获取该节点的准确位置，消除当前估计位置的误差；
第三部分：AGV的运动节点竞争方式设计
AGV在向某一节点行进时，首先竞争其将要到达节点的通过权限，此时需要调度中心提供辅助信息，以告知AGV那些节点已经被其它AGV申请占用；
第四部分：AGV的路径规划
AGV的路径规划包括两个步骤，分别是区域内路径规划和跨区域间路径规划；
(1)区域内部路径规划算法
当区域形状为突多边形，其规划算法使用区域内部路径规划算法；
(2)跨区域间路径规划算法
对于一些形状相对复杂的非突多边形区域，或者立体区域，将完整的运动区域划分成两个以上的突多边形子区域。
CN201611152462.0A 2016-12-08 2016-12-08 一种多agv导向和动态路径规划方法 Active CN106595688B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611152462.0A CN106595688B (zh) 2016-12-08 2016-12-08 一种多agv导向和动态路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611152462.0A CN106595688B (zh) 2016-12-08 2016-12-08 一种多agv导向和动态路径规划方法

Publications (2)

Publication Number Publication Date
CN106595688A true CN106595688A (zh) 2017-04-26
CN106595688B CN106595688B (zh) 2019-07-16

Family

ID=58801138

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611152462.0A Active CN106595688B (zh) 2016-12-08 2016-12-08 一种多agv导向和动态路径规划方法

Country Status (1)

Country Link
CN (1) CN106595688B (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107179078A (zh) * 2017-05-24 2017-09-19 合肥工业大学(马鞍山)高新技术研究院 一种基于时间窗优化的agv路径规划方法
CN107392387A (zh) * 2017-07-29 2017-11-24 深圳力子机器人有限公司 一种agv最优管制时间的调度方法
CN107807640A (zh) * 2017-10-24 2018-03-16 杭州南江机器人股份有限公司 基于agv的交通管理方法、电子设备、存储介质及系统
CN107831764A (zh) * 2017-10-23 2018-03-23 浙江工业大学 一种适用于矩阵式仓库的分拣小车调度方法
CN107943017A (zh) * 2017-09-30 2018-04-20 北京极智嘉科技有限公司 自动运输单元、运动控制方法和装置以及自动分拣系统
CN108363385A (zh) * 2017-12-01 2018-08-03 杭州南江机器人股份有限公司 Agv同场工作协同方法、电子设备、存储介质及系统
CN109062203A (zh) * 2018-07-24 2018-12-21 安徽库讯自动化设备有限公司 一种分轨道运行的agv小车智能化调控系统
CN109540136A (zh) * 2018-10-25 2019-03-29 广东华中科技大学工业技术研究院 一种多无人艇协同路径规划方法
CN109540146A (zh) * 2018-11-29 2019-03-29 珠海格力智能装备有限公司 路径规划方法及装置
CN109839928A (zh) * 2017-11-29 2019-06-04 北京京东尚科信息技术有限公司 无人车及其远距离防对撞方法、装置和系统
CN111060108A (zh) * 2019-12-31 2020-04-24 江苏徐工工程机械研究院有限公司 路径规划方法和装置、工程车辆
CN111238469A (zh) * 2019-12-13 2020-06-05 南京航空航天大学 一种基于惯性/数据链的无人机编队相对导航方法
CN111487957A (zh) * 2019-01-28 2020-08-04 杭州海康机器人技术有限公司 一种agv路径规划方法、装置、电子设备及存储介质
CN111675058A (zh) * 2019-06-12 2020-09-18 曹海平 一种应用于住宅楼垃圾的智能分类运送系统
WO2020210986A1 (zh) * 2019-04-16 2020-10-22 西门子股份公司 应用于agv的导航方法、系统、计算设备、介质以及产品
CN112433526A (zh) * 2020-11-25 2021-03-02 北京易控智驾科技有限公司 开放区域多无人车避让方法、装置、存储介质和电子设备
CN113184423A (zh) * 2019-04-01 2021-07-30 上海快仓智能科技有限公司 自动引导车的控制方法、自动引导车及货物搬运系统
CN113751330A (zh) * 2021-01-18 2021-12-07 北京京东乾石科技有限公司 物品分拣方法、系统、设备和存储介质
CN113776546A (zh) * 2021-09-03 2021-12-10 上海擎朗智能科技有限公司 一种机器人路径的确定方法、装置、电子设备及介质
CN114489066A (zh) * 2022-01-21 2022-05-13 中科南京移动通信与计算创新研究院 一种载具控制方法及其系统、电子设备、存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140336815A1 (en) * 2009-01-17 2014-11-13 Boomerang Systems, Inc. Variable offset positioning antenna array for enhanced guidance of automated guided vehicles (agvs)
US9014902B1 (en) * 2014-02-21 2015-04-21 Jervis B. Webb Company Method of material handling with automatic guided vehicles
CN204904090U (zh) * 2015-08-04 2015-12-23 中辰环能技术（北京）有限公司 多站点背负式自动引导运输车
CN105354648A (zh) * 2015-12-12 2016-02-24 深圳力子机器人有限公司 Agv调度管理的建模及其优化方法
CN105800216A (zh) * 2016-03-25 2016-07-27 深圳普智联科机器人技术有限公司 一种提高货物存取速度和精度的仓储系统和方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140336815A1 (en) * 2009-01-17 2014-11-13 Boomerang Systems, Inc. Variable offset positioning antenna array for enhanced guidance of automated guided vehicles (agvs)
US9014902B1 (en) * 2014-02-21 2015-04-21 Jervis B. Webb Company Method of material handling with automatic guided vehicles
CN204904090U (zh) * 2015-08-04 2015-12-23 中辰环能技术（北京）有限公司 多站点背负式自动引导运输车
CN105354648A (zh) * 2015-12-12 2016-02-24 深圳力子机器人有限公司 Agv调度管理的建模及其优化方法
CN105800216A (zh) * 2016-03-25 2016-07-27 深圳普智联科机器人技术有限公司 一种提高货物存取速度和精度的仓储系统和方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
CHEN T J等: ""On the Shortest and Conflict-Free Path Planning of Multi-AGV System Based on Dijkstra Algorithm and the Dynamic Time-Window Method"", 《ADVANCED MATERIALS RESEARCH》 *
M. MAJDI等: ""Multi AGV Path Planning in Unknown Environment Using Fuzzy Inference Systems"", 《ISCCSP 2008》 *
刘国栋，等: ""多AGV调度系统中的两阶段动态路径规划"", 《机器人》 *
蓝志坤 等: ""多 AGV 系统的动态路径规划算法"", 《公路交通科技》 *
钟钜斌: ""基于多种导航技术混合的AGV系统设计"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107179078A (zh) * 2017-05-24 2017-09-19 合肥工业大学(马鞍山)高新技术研究院 一种基于时间窗优化的agv路径规划方法
CN107179078B (zh) * 2017-05-24 2020-04-03 合肥工业大学 一种基于时间窗优化的agv路径规划方法
CN107392387A (zh) * 2017-07-29 2017-11-24 深圳力子机器人有限公司 一种agv最优管制时间的调度方法
CN107943017A (zh) * 2017-09-30 2018-04-20 北京极智嘉科技有限公司 自动运输单元、运动控制方法和装置以及自动分拣系统
CN107943017B (zh) * 2017-09-30 2023-05-09 北京极智嘉科技股份有限公司 自动运输单元、运动控制方法和装置以及自动分拣系统
CN107831764A (zh) * 2017-10-23 2018-03-23 浙江工业大学 一种适用于矩阵式仓库的分拣小车调度方法
CN107807640A (zh) * 2017-10-24 2018-03-16 杭州南江机器人股份有限公司 基于agv的交通管理方法、电子设备、存储介质及系统
CN109839928A (zh) * 2017-11-29 2019-06-04 北京京东尚科信息技术有限公司 无人车及其远距离防对撞方法、装置和系统
CN108363385A (zh) * 2017-12-01 2018-08-03 杭州南江机器人股份有限公司 Agv同场工作协同方法、电子设备、存储介质及系统
CN109062203A (zh) * 2018-07-24 2018-12-21 安徽库讯自动化设备有限公司 一种分轨道运行的agv小车智能化调控系统
CN109062203B (zh) * 2018-07-24 2021-07-02 合肥哈工库讯智能科技有限公司 一种分轨道运行的agv小车智能化调控系统
CN109540136A (zh) * 2018-10-25 2019-03-29 广东华中科技大学工业技术研究院 一种多无人艇协同路径规划方法
CN109540146A (zh) * 2018-11-29 2019-03-29 珠海格力智能装备有限公司 路径规划方法及装置
CN111487957A (zh) * 2019-01-28 2020-08-04 杭州海康机器人技术有限公司 一种agv路径规划方法、装置、电子设备及存储介质
CN111487957B (zh) * 2019-01-28 2023-05-02 杭州海康机器人股份有限公司 一种agv路径规划方法、装置、电子设备及存储介质
CN113184423A (zh) * 2019-04-01 2021-07-30 上海快仓智能科技有限公司 自动引导车的控制方法、自动引导车及货物搬运系统
WO2020210986A1 (zh) * 2019-04-16 2020-10-22 西门子股份公司 应用于agv的导航方法、系统、计算设备、介质以及产品
CN111675058A (zh) * 2019-06-12 2020-09-18 曹海平 一种应用于住宅楼垃圾的智能分类运送系统
CN111238469A (zh) * 2019-12-13 2020-06-05 南京航空航天大学 一种基于惯性/数据链的无人机编队相对导航方法
CN111238469B (zh) * 2019-12-13 2023-09-29 南京航空航天大学 一种基于惯性/数据链的无人机编队相对导航方法
CN111060108B (zh) * 2019-12-31 2021-10-12 江苏徐工工程机械研究院有限公司 路径规划方法和装置、工程车辆
CN111060108A (zh) * 2019-12-31 2020-04-24 江苏徐工工程机械研究院有限公司 路径规划方法和装置、工程车辆
CN112433526A (zh) * 2020-11-25 2021-03-02 北京易控智驾科技有限公司 开放区域多无人车避让方法、装置、存储介质和电子设备
CN112433526B (zh) * 2020-11-25 2023-03-14 北京易控智驾科技有限公司 开放区域多无人车避让方法、装置、存储介质和电子设备
CN113751330A (zh) * 2021-01-18 2021-12-07 北京京东乾石科技有限公司 物品分拣方法、系统、设备和存储介质
CN113751330B (zh) * 2021-01-18 2023-06-23 北京京东乾石科技有限公司 物品分拣方法、系统、设备和存储介质
CN113776546A (zh) * 2021-09-03 2021-12-10 上海擎朗智能科技有限公司 一种机器人路径的确定方法、装置、电子设备及介质
CN114489066A (zh) * 2022-01-21 2022-05-13 中科南京移动通信与计算创新研究院 一种载具控制方法及其系统、电子设备、存储介质
CN114489066B (zh) * 2022-01-21 2024-01-26 中科南京移动通信与计算创新研究院 一种载具控制方法及其系统、电子设备、存储介质

Also Published As

Publication number Publication date
CN106595688B (zh) 2019-07-16

Similar Documents

Publication Publication Date Title
CN106595688B (zh) 一种多agv导向和动态路径规划方法
US5283739A (en) Static collision avoidance method for multiple automatically guided vehicles
CN106950972B (zh) 一种无人搬运车agv及其路线纠偏方法
CN111103887B (zh) 一种基于多传感器的多移动机器人调度系统设计方法
CN108563219B (zh) 一种agv避让方法
CN104111654A (zh) 行驶车辆控制系统以及行驶车辆控制方法
US20210132627A1 (en) Travel control device, travel control method, travel control system and computer program
CN111880550B (zh) 一种agv小车的平滑路径规划方法
Liu et al. Prediction, planning, and coordination of thousand-warehousing-robot networks with motion and communication uncertainties
CN110471418B (zh) 智能停车场中的agv调度方法
EP1727011A1 (en) Transportation system
CN112083722A (zh) 一种移动机器人多机多楼层调度系统及调度方法
EP3591487A1 (en) An agv system and a method of controlling an agv system
KR101010718B1 (ko) 복수개의 자원을 점유하는 무인 반송차의 동적 주행방법
CN109557886B (zh) 一种栅格地图及基于栅格地图的多agv调度方法
CN104111656A (zh) 多台移动机器人平台导航控制系统及其控制方法
CN113436463A (zh) 一种基于5g的四向穿梭车多车调度方法
CN114077254A (zh) 一种agv路径冲突处理方法
Duinkerken et al. Comparison of routing strategies for AGV systems using simulation
US20220089372A1 (en) Systems and methods for managing movement of materials handling vehicles
JPS6241804A (ja) 無人車の誘導路
Lian et al. Improved coding landmark-based visual sensor position measurement and planning strategy for multiwarehouse automated guided vehicle
CN110412990A (zh) 一种用于工厂环境下的agv避碰方法
JP7204631B2 (ja) 走行制御装置、方法及びコンピュータプログラム
Sharma Control classification of automated guided vehicle systems

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
GR01 Patent grant
GR01 Patent grant