CN108225326A - 一种基于a*算法的agv路径规划方法 - Google Patents

一种基于a*算法的agv路径规划方法 Download PDF

Info

Publication number
CN108225326A
CN108225326A CN201711494629.6A CN201711494629A CN108225326A CN 108225326 A CN108225326 A CN 108225326A CN 201711494629 A CN201711494629 A CN 201711494629A CN 108225326 A CN108225326 A CN 108225326A
Authority
CN
China
Prior art keywords
node
values
tables
open tables
gone
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
CN201711494629.6A
Other languages
English (en)
Inventor
徐民强
戚志东
薛长森
戈卫平
徐胜元
孙琦
刘翰东
裴进
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201711494629.6A priority Critical patent/CN108225326A/zh
Publication of CN108225326A publication Critical patent/CN108225326A/zh
Pending legal-status Critical Current

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
    • G01C21/20—Instruments for performing navigational calculations

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于A*算法的AGV路径规划方法，首先用拓扑法建立环境地图，将抽象的环境描述成具体的数据结构；其次，利用A*算法构建启发函数，并设定合理的估价函数，求解地图上节点间的路径；最后，根据AGV具体任务要求，制定合理的代价机制，来引导算法做出最优解。本发明方法可以准确描述AGV的工作环境，同时又减少了地图的存储空间，提高了算法的效率和准确度。

Description

一种基于A*算法的AGV路径规划方法
技术领域
本发明属于工业控制技术领域，具体是涉及一种基于A*算法的AGV路径规划方法。
背景技术
随着生产物流自动化程度的提高，现代工业生产对物流系统提出了更高的要求。自动导引运输车(AGV)是一种能够在给定路径和场景信息布局中，完成指定运输任务的自动化运输设备。一个系统中AGV的数量的不断增加，给AGV系统路径规划带来不少困难。一个好的路径规划方法，不仅能够提高自动化生产效率，同时还能保证生产设备的利用率。传统的A*算法下的路径规划，利用栅格法建模，即增加了计算机资源不必要的内存损耗，同时还提高了计算的冗余度，不利于生产的高效性。
发明内容
本发明的目的在于提供一种基于A*算法的AGV路径规划方法，简化了生产环境信息，提高了路径规划效率和准确度。
实现本发明目的的技术解决方案为：一种基于A*算法的AGV路径规划方法，包括如下步骤：
步骤一、对AGV工作环境建模：将搜索区域划分为拓扑结构，将各工作站点视为节点，将节点坐标和各个节点的连通信息存储在数据库中；
步骤二、创建两个链表分别储存待检测节点和已检测节点：分别创建OPEN链表和CLOSED链表，把起点A点放入OPEN表；
步骤三、判断OPEN表是否为空：判断OPEN表是否为空，若OPEN表中无节点，则表示路径规划失败，算法结束；若有节点，转步骤四；
步骤四、选取OPEN表具有最小F值的节点：选取OPEN表上评价函数F值最小0的节点n，放入CLOSED表；
步骤五、判断启发函数H(n)是否为0：判断启发函数H(n)是否为0，若H(n)为0，表示已到达目标节点，路径规划成功；否则，还未到目标节点，转步骤六；
步骤六、扩展节点n：选择不在CLOSED表的连接节点，计算其F值；
步骤七、确定扩展的连通子节点：判断扩展的连通子节点是否在OPEN表中，若子节点在OPEN表中，转步骤九；否则转步骤八。
步骤八、将扩展的连通子节点加入OPEN表：将扩展的连通子节点加入OPEN表作为节点n的子节点，将该节点的父节点指针指向节点n，接着转步骤三；
步骤九、确定扩展节点的F值：计算该节点经过节点n的F值，若大于自身的F值，转步骤十；否则，转步骤三；
步骤十、更新扩展节点的F值：用该节点自身的F值，更新OPEN表中该节点的F值，转步骤三。
本发明与现有技术相比，其显著优点为：(1)本发明环境建模简单，减少了计算机资源的数据存储量；(2)本发明减少计算冗余，能够更快更好的输出最优路径；(3)本发明便于后续的调度系统联调。
附图说明
图1是本发明基于A*算法的AGV路径规划方法的流程图。
图2是某工厂车间环境设备平面图。
图3是某工厂车间拓扑建模平面图。
图4是改进A*算法下与传统A*算法下的路径规划路线图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细论述。
本发明适用于拓扑地图下基于A*算法的AGV路径规划方法，首先用拓扑法建立环境地图，将抽象的环境描述成具体的数据结构；其次，利用A*算法构建启发函数，并设定合理的估价函数，求解地图上节点间的路径；最后，根据AGV具体任务要求，制定合理的代价机制，来引导算法做出最优解。具体步骤如下：
步骤一、对AGV工作环境建模：将搜索区域划分为拓扑结构，将各工作站点视为节点，将节点坐标和各个节点的连通信息存储在数据库中；
步骤二、创建两个链表分别储存待检测节点和已检测节点：分别创建OPEN链表和CLOSED链表，一开始把起点A点放入OPEN表；
步骤三、判断OPEN表是否为空：判断OPEN表是否为空，若OPEN表中无节点，则表示路径规划失败，算法结束；若有节点，转步骤四；
步骤四、选取OPEN表具有最小F值的节点：选取OPEN表上评价函数F值最小0的节点n，放入CLOSED表；
步骤五、判断启发函数H(n)是否为0：判断启发函数H(n)是否为0，若H(n)为0，表示已到达目标节点，路径规划成功；否则，还未到目标节点，转步骤六；
步骤六、扩展节点n：选择不在CLOSED表的连接节点，计算其F值；
步骤七、确定扩展的连通子节点：判断扩展的连通子节点是否在OPEN表中，若子节点在OPEN表中，转步骤九；否则转步骤八。
步骤八、将扩展的连通子节点加入OPEN表：将扩展的连通子节点加入OPEN表作为节点n的子节点，将该节点的父节点指针指向节点n，接着转步骤三；
步骤九、确定扩展节点的F值：计算该节点经过节点n的F值，若大于自身的F值，转步骤十；否则，转步骤三；
步骤十、更新扩展节点的F值：用该节点自身的F值，更新OPEN表中该节点的F值，转步骤三。
步骤四的F值由以下公式求出：
F(n)＝G(n)+H(n)
其中，F(n)是节点n的评价函数，G(n)为节点n的实际代价函数，表示从起始节点到当前节点的实际移动开销，H(n)为节点n的启发函数，表示从当前节点到目标节点的估计移动开销。
步骤五启发函数采用曼哈顿距离估计，仅在X、Y坐标方向移动，用以表明两点在坐标系上的绝对轴距之和。
实施例1
图2为某工厂车间环境设备平面图，图3为车间拓扑建模平面图。该工厂车间中设置了29个节点站用于AGV输送任务停靠站，节点之间有连线的即是连通的，AGV只能在连通路段上行驶。设置节点1为任务起点A，终点是节点27，采用本发明方法进行AGV路径规划。
算法流程结束时输出最优路径，图4中加粗实线代表本发明的规划算法生成的路径，与传统A*算法采用栅格法建模生成的虚线路径相比，显然本发明的方法输出更平滑、安全可靠的路径，传统算法的路径比较粗糙，并且计算量大，不能保证是最优路径。

Claims (3)

1.一种基于A*算法的AGV路径规划方法，其特征在于，步骤如下：
步骤一、对AGV工作环境建模：将搜索区域划分为拓扑结构，将各工作站点视为节点，将节点坐标和各个节点的连通信息存储在数据库中；
步骤二、创建两个链表分别储存待检测节点和已检测节点：分别创建OPEN链表和CLOSED链表，把起点A点放入OPEN表；
步骤三、判断OPEN表是否为空：判断OPEN表是否为空，若OPEN表中无节点，则表示路径规划失败，算法结束；若有节点，转步骤四；
步骤四、选取OPEN表具有最小F值的节点：选取OPEN表上评价函数F值最小0的节点n，放入CLOSED表；
步骤五、判断启发函数H(n)是否为0：判断启发函数H(n)是否为0，若H(n)为0，表示已到达目标节点，路径规划成功；否则，还未到目标节点，转步骤六；
步骤六、扩展节点n：选择不在CLOSED表的连接节点，计算其F值；
步骤七、确定扩展的连通子节点：判断扩展的连通子节点是否在OPEN表中，若子节点在OPEN表中，转步骤九；否则转步骤八。
步骤八、将扩展的连通子节点加入OPEN表：将扩展的连通子节点加入OPEN表作为节点n的子节点，将该节点的父节点指针指向节点n，接着转步骤三；
步骤九、确定扩展节点的F值：计算该节点经过节点n的F值，若大于自身的F值，转步骤十；否则，转步骤三；
步骤十、更新扩展节点的F值：用该节点自身的F值，更新OPEN表中该节点的F值，转步骤三。
2.根据权利要求1所述的路径规划方法，其特征在于，步骤四的F值由以下公式求出：
F(n)＝G(n)+H(n)
其中，F(n)是节点n的评价函数，G(n)为节点n的实际代价函数，表示从起始节点到当前节点的实际移动开销，H(n)为节点n的启发函数，表示从当前节点到目标节点的估计移动开销。
3.根据权利要求1所述的路径规划方法，其特征在于，步骤五启发函数采用曼哈顿距离估计，仅在X、Y坐标方向移动，用以表明两点在坐标系上的绝对轴距之和。
CN201711494629.6A 2017-12-31 2017-12-31 一种基于a*算法的agv路径规划方法 Pending CN108225326A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711494629.6A CN108225326A (zh) 2017-12-31 2017-12-31 一种基于a*算法的agv路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711494629.6A CN108225326A (zh) 2017-12-31 2017-12-31 一种基于a*算法的agv路径规划方法

Publications (1)

Publication Number Publication Date
CN108225326A true CN108225326A (zh) 2018-06-29

Family

ID=62642179

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711494629.6A Pending CN108225326A (zh) 2017-12-31 2017-12-31 一种基于a*算法的agv路径规划方法

Country Status (1)

Country Link
CN (1) CN108225326A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109163722A (zh) * 2018-06-29 2019-01-08 北京建筑大学 一种仿人机器人路径规划方法及装置
CN109911272A (zh) * 2019-03-19 2019-06-21 厦门大学嘉庚学院 一种基于参考线准则的自由码垛装箱方法
CN110207706A (zh) * 2019-05-30 2019-09-06 浙江圣奥家具制造有限公司 一种基于栅格地图的自动归位椅路径规划算法
CN110231627A (zh) * 2019-07-23 2019-09-13 南京邮电大学盐城大数据研究院有限公司 基于可见光定位的服务机器人运行路径计算方法
CN111076736A (zh) * 2020-01-02 2020-04-28 清华大学 一种基于FPGA设计的车载系统和A star路径搜索方法
CN111412918A (zh) * 2020-03-13 2020-07-14 天津大学 无人艇全局安全路径规划方法
CN112197778A (zh) * 2020-09-08 2021-01-08 南京理工大学 基于改进a*算法的轮式机场巡界机器人路径规划方法
CN112539750A (zh) * 2020-11-25 2021-03-23 湖北三环智能科技有限公司 一种智能运输车路径规划方法
CN114148959A (zh) * 2021-12-13 2022-03-08 哈尔滨工业大学芜湖机器人产业技术研究院 一种激光叉车路径搜索方法
CN114582114A (zh) * 2022-02-18 2022-06-03 广州华生信息科技有限公司 一种基于物联网的消防车辆优先通行系统、控制方法、计算机可读存储介质和终端
WO2022121059A1 (zh) * 2020-12-08 2022-06-16 南威软件股份有限公司 一种基于5g物联网及ai智能门禁综合管理系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106371445A (zh) * 2016-11-17 2017-02-01 浙江大学 一种基于拓扑地图的无人车规划控制方法
CN107037812A (zh) * 2017-03-31 2017-08-11 南京理工大学 一种基于仓储无人车的车辆路径规划方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106371445A (zh) * 2016-11-17 2017-02-01 浙江大学 一种基于拓扑地图的无人车规划控制方法
CN107037812A (zh) * 2017-03-31 2017-08-11 南京理工大学 一种基于仓储无人车的车辆路径规划方法

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109163722B (zh) * 2018-06-29 2020-06-30 北京建筑大学 一种仿人机器人路径规划方法及装置
CN109163722A (zh) * 2018-06-29 2019-01-08 北京建筑大学 一种仿人机器人路径规划方法及装置
CN109911272B (zh) * 2019-03-19 2021-08-31 厦门大学嘉庚学院 一种基于参考线准则的自由码垛装箱方法
CN109911272A (zh) * 2019-03-19 2019-06-21 厦门大学嘉庚学院 一种基于参考线准则的自由码垛装箱方法
CN110207706A (zh) * 2019-05-30 2019-09-06 浙江圣奥家具制造有限公司 一种基于栅格地图的自动归位椅路径规划算法
CN110231627A (zh) * 2019-07-23 2019-09-13 南京邮电大学盐城大数据研究院有限公司 基于可见光定位的服务机器人运行路径计算方法
CN111076736A (zh) * 2020-01-02 2020-04-28 清华大学 一种基于FPGA设计的车载系统和A star路径搜索方法
CN111076736B (zh) * 2020-01-02 2020-10-27 清华大学 一种基于FPGA设计的车载系统和A star路径搜索方法
CN111412918A (zh) * 2020-03-13 2020-07-14 天津大学 无人艇全局安全路径规划方法
CN111412918B (zh) * 2020-03-13 2022-01-07 天津大学 无人艇全局安全路径规划方法
CN112197778A (zh) * 2020-09-08 2021-01-08 南京理工大学 基于改进a*算法的轮式机场巡界机器人路径规划方法
CN112539750A (zh) * 2020-11-25 2021-03-23 湖北三环智能科技有限公司 一种智能运输车路径规划方法
CN112539750B (zh) * 2020-11-25 2022-08-16 湖北三环智能科技有限公司 一种智能运输车路径规划方法
WO2022121059A1 (zh) * 2020-12-08 2022-06-16 南威软件股份有限公司 一种基于5g物联网及ai智能门禁综合管理系统
CN114148959A (zh) * 2021-12-13 2022-03-08 哈尔滨工业大学芜湖机器人产业技术研究院 一种激光叉车路径搜索方法
CN114582114A (zh) * 2022-02-18 2022-06-03 广州华生信息科技有限公司 一种基于物联网的消防车辆优先通行系统、控制方法、计算机可读存储介质和终端

Similar Documents

Publication Publication Date Title
CN108225326A (zh) 一种基于a*算法的agv路径规划方法
CN106527448B (zh) 适用于仓库环境的改进a*机器人最优路径规划方法
CN109947120B (zh) 仓储系统中的路径规划方法
CN104023923B (zh) 轨道生成装置、移动体、轨道生成方法
CN102155942B (zh) 大范围环境下基于模糊拓扑地图的全局路径规划方法
CN108897330A (zh) 一种基于交通拥堵控制的物流中心搬运机器人路径规划方法
CN104850011B (zh) 一种障碍物环境中tsp避障最优路径规划方法
CN110110763B (zh) 一种基于最大公共子图的栅格地图融合方法
CN110059879B (zh) 车身三坐标测量的自动规划方法
CN102749084A (zh) 一种面向海量交通信息的路径选择方法
CN108827311B (zh) 一种制造车间无人搬运系统路径规划方法
CN115164907B (zh) 基于动态权重的a*算法的森林作业机器人路径规划方法
CN105574541A (zh) 一种基于紧密度排序的网络社区发现方法
CN113110601B (zh) 一种无人机电力线路巡检路径优化方法及装置
CN111975767A (zh) 基于多级任务分配的多机器人视觉检测系统的协同运动规划方法
US20230384767A1 (en) Industrial internet of things for determining material transportation paths, control methods and media thereof
CN105869512A (zh) 多信息的混杂度量地图建图方法和装置
CN111736524A (zh) 一种基于时间和空间的多机器人调度方法、装置和设备
CN106931978B (zh) 自动构建路网的室内地图生成的方法
Zhang et al. Optimal inspection path planning of substation robot in the complex substation environment
Zeng et al. An efficient path planning algorithm for mobile robots
Li et al. Dijkstra's algorithm in AGV
CN112613830B (zh) 一种物资储备中心选址方法
CN114779788A (zh) 一种改进a*算法的路径规划方法
Huang et al. A Multi-robot Coverage Path Planning Algorithm Based on Improved DARP Algorithm

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: 20180629