CN109269518A - 一种基于智能体的可移动装置有限空间路径生成方法 - Google Patents
一种基于智能体的可移动装置有限空间路径生成方法 Download PDFInfo
- Publication number
- CN109269518A CN109269518A CN201811007323.8A CN201811007323A CN109269518A CN 109269518 A CN109269518 A CN 109269518A CN 201811007323 A CN201811007323 A CN 201811007323A CN 109269518 A CN109269518 A CN 109269518A
- Authority
- CN
- China
- Prior art keywords
- movable fixture
- geoagent
- intelligent body
- path
- space
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于智能体的可移动装置有限空间路径生成方法,支持可移动装置在有限空间的路径生成问题。步骤如下:1.空间智能体封装。利用正六边形栅格对可移动装置的空间环境进行分割与封装,每个栅格作为一个空间智能体,代表一块空间区域。2.可移动装置智能体封装。将可移动装置移动中的形状简化为圆形,并定义其从起始位置向目标位置移动的偏离函数fgoal。3.构建多智能体的路径生成框架。将每个可移动装置智能体的总体移动描述为奔向目标行为和避障行为。4.基于空间智能体选择的路径确定。定义可移动装置智能体路径生成的确定函数,并根据确定函数选择下一个空间智能体。5.消解空间智能体冲突。采用等待或绕行策略来消解空间智能体冲突。
Description
所属技术领域
本发明提供一种基于智能体的可移动装置的有限空间路径生成方法,尤其指一种基于智 能体的路径生成方法,将空间和移动装置封装为智能体,通过改进A-Star(A*)方法生成可 移动装置在有限空间的移动路径,属于工业工程领域。
背景技术
可移动装置,如汽车、移动机器人等的移动路径生成问题一直以来受到人们的广泛关注。 当可移动区域较大时,将可移动装置视为质点进行研究。但当可移动装置在有限空间内移动 时,障碍物的尺寸以及可移动装置的尺寸均会影响可移动装置的移动效率,因此不能视为质 点展开研究。由于路径规划具有典型的NP-hard特性,有效的搜索方法可以得到最优的移动 路径,目前使用最多的路径搜索方法是A*搜索方法,但在形状不规则或者有障碍物的作业区 域内进行路径搜索时表现出一定的局限性。为此,本发明采用智能体方法,将空间和可移动 装置封装为智能体,并采用集成改进A*方法,通过智能体协同获取可移动装置在有限空间的 移动路径。
发明内容
本发明的目的是为考虑空间约束的可移动装置提供有效的全局寻优的路径生成方法,使 可移动装置在有限空间内寻找最优的移动路径,缩短移动时间,提高移动效率。
本发明提出了一种基于智能体的可移动装置有限空间路径生成方法,主要包含以下步骤:
步骤一:空间智能体封装。
本发明利用正六边形栅格对可移动装置的空间环境进行分割与封装,每个栅格作为一个 空间智能体,代表一块空间区域,从而获得高效移动方向。
1)空间智能体的位置
L={l/l=[x,y]T,0≤x≤X,0≤y≤Y}
X,Y分别表示整个空间行坐标与列坐标的最大值。
2)空间智能体的状态
C={-1,0,1}
-1表示固定占用空间,该空间的状态为一直不可用;0表示临时占用,并假设该空间在 有限的时间t后可变为可用状态;1表示该空间可用。
3)空间智能体的邻居
Lk(xk,yk)表示某一空间智能体的位置,Lk+1(xk+i,yk+i)表示该空间智能体的邻居坐标,则该 空间智能体的邻居的集合为:
在整个可移动装置的路径生成中,空间智能体通过其自身状态属性影响着可移动装置的 路径搜索结果。从起始点S(i,j)移动到目标点G(i,j)的过程中,每个空间智能体都有可能成为可移 动装置路径生成中的某一个路径点,所有搜索到的空间智能体构成可移动装置移动的路径。
步骤二:可移动装置智能体封装。
为更加真实的反应可移动装置在移动中的长宽空间占比情况,本发明将可移动装置移动 中的形状简化为圆形。
1)可移动装置智能体在某一k栅格的状态为:
pk={Ak,θk,vk}∈P
其中P为np维度的状态空间;可移动装置智能体选择空间智能体的控制函数为wk=g(v,ψ, d,ω),由可移动装置智能体转移时的速度、偏转角、安全距离及目的角度等参数组成。
2)可移动装置智能体从起始位置向目标位置移动的偏离函数用fgoal表示,fgoal越大越不 利于靠近目标位置,fgoal为:
其中,θ(Ai)表示可移动装置智能体在位置Ai时距离目标位置G的角度,表示该可移动 装置智能体在位置Ai时的运动方向与目的位置方向的偏差,且α1,α2表示可 移动装置智能体的两个偏移角度要素对其奔向目标的作用权重,且α1+α2=1。
步骤三:构建多智能体的路径生成框架。
将每一个可移动装置智能体的总体行为描述为奔向目标行为和避障行为;奔向目标行为 用fgoal来表示,避障行为是飞机寻找状态为1的空间智能体的行为。
1)可移动装置智能体在其初始位置开始移动的时间为FTi(0),1≤i≤N,通过一系列路 径搜索,得到各个路径点,形成可移动装置智能体从初始位置到目的地的完整路径。
2)记录可移动装置智能体到达目的位置的时间为FTi(r),1≤i≤N,整个规划实现目标 函数F的最优值应满足:
3)可移动装置智能体的干涉行为:①同一可移动装置智能体碰撞,即两个可移动装置智 能体在同一时间内移动到同一个空间智能体,即li k=lj k,k∈(1,2,…M×N),i,j∈(1,2,…N); ②可移动装置智能体移动到固定障碍物处,即C(li k)=-1,i∈(1,2,…N),k∈(1,2,…M×N); ③两个可移动装置智能体正面相撞,两个可移动装置智能体的下一个路径点是彼此当前所在 的空间智能体位置,即li k=lj k+1,li k+1=lj k,k∈(1,2,…M×N),i,j∈(1,2,…N)。由上述分析, 可设置障碍探测安全距离d,以保证可移动装置智能体提前转变移动方向,避免与障碍物相撞, 其避障所用时间为g(Ai)。
步骤四:基于空间智能体选择的路径确定。
基于多智能体的路径生成框架给出了可移动装置智能体对空间智能体的选择标准以及对 冲突空间资源的处理。
定义可移动装置智能体路径生成的确定函数f:
f(Ai)=g(Ai)+fgoal(Ai)
其中,g(Ai)是可移动装置智能体移动到Ai位置实际花费的时间,该时间包括可移动装 置在采用等待、绕行策略后的时间。fgoal(Ai)是可移动装置智能体距离目标位置偏离函数,可 以将其作为可移动装置智能体搜索下一个空间智能体的启发式函数。
1)可移动装置智能体在接到任务后,需要从其当前所属空间智能体的邻居集合Neighbor(Ai)中选择下一个路径点,Ai表示可移动装置智能体当前位置;在控制函数wk=g(v, ψ,d,ω)的约束下,应满足:
其中[xk,yk]T,[xk+1,yk+1]T分别为当前空间智能体位置坐标和下一路径点(邻居集要素) 的位置坐标。满足上式不等式的空间智能体可作为可移动装置智能体路径点,并构成备选空 间智能体集Selected(Ai)=(SAi 1,SAi 2,…SAi n),解集包含所有可移动装置智能体可以到达的下一 个空间智能体。
2)在Selected(Ai)中,明确各个空间智能体的状态属性C(SAi n),剔除C(SAi n)=-1的备选空 间智能体。根据当前可移动装置智能体所在的位置进行以下判定:
①θ(Ai)>90°时,表示可移动装置在目标位置的前方,因此此时应设定α1占较大比重, 且移动后方向为从而保证可移动装置智能体从正向移动至目 标位置,提高规划的成功率。
②θ(Ai)≤90°,时,表示可移动装置在向远离目标位置的方向移动,因此,应 设定α2占大比重,且移动后的方向为从而使得可移动装置能够 改变移动方向,向目标位置移动。
③θ(Ai)≤90°,时,表明可移动装置智能体正在向目标位置移动,可设置α1, α2均衡的比重,且移动后的方向为保障可移动装置平稳的向 目标移动。
在可移动装置智能体的单次规划安全距离d内,可移动装置可以到达所有Selected(Ai)中 的位置。假设可移动装置智能体从当前位置到Selected(Ai)中每个空间智能体所经历的时间 是θ的函数:
它对可移动装置智能体移动时间产生影响;fgoal是影响可移动装置智能体选择空间智能 体的另一要素:
min g(Ai+1)+fgoal(Ai+1)
将上式作为可移动装置智能体选择下一个空间智能体的依据,其中
步骤五:消解空间智能体冲突。
如果一个空间智能体的状态值C(SAi n)≠-1,那么其可以成为备选空间集的要素。对于动 态障碍物的避障策略可以采用等待或绕行策略,定义C(SAi n)=0为空间智能体的临时占用状态, 并在一段时间t后变为可用状态。若某可移动装置智能体所在空间智能体为C(SAi x),则 C(SAi x)=0,所选择的空间智能体为C(SAi y)=0时,应首先选择等待策略。
在基于智能体理论的移动路径生成中,将智能体之间的协商过程融入到路径A*方法的实 现过程中,有效地解决了可移动装置在移动中的碰撞问题。在智能体的选择规则中,将已移 动时间作为改进A*算法的决策变量,兼顾了可移动装置调度时间最小的目标。
本发明通过以上步骤给出一种基于智能体的可移动装置有限空间路径生成方法,支持可 移动装置在有限空间的路径生成问题。其优点在于:①充分考虑可移动装置以及移动区域的 空间特征对路径生成的影响;②利用智能体间交流协作的特性,使路径生成结果更精确;③ 利用改进A*方法消解空间智能体冲突问题,保证移动路径的有效性。
附图说明
图1为本发明中所述方法的整体框架图
图2为本发明中的空间智能体栅格模型图
图3为本发明中的可移动装置形状简化图
图4为本发明中可移动装置智能体的运动行为学状态图
图5为本发明中可移动装置智能体的路径生成框架
图6为本发明中的可移动装置路径节点图
图7为本发明中可移动装置路径搜索算法实现过程图
图8为本发明中考虑避障的可移动装置路径节点图
具体实施方式
为使本发明的技术方案、特征及优点得到更清楚的了解,以下结合附图,作详细说明。
本发明提供了一种基于空间智能体的可移动装置有限空间路径生成方法,可用于解决在 有限空间中,具有自身空间特征的可移动装置的移动路径优化问题。本发明的整体架构如图 1所示,下面以实例进一步说明本发明的实质内容,但本发明的内容并不限于此。
步骤一:空间智能体封装。
本发明利用正六边形栅格对可移动装置的空间环境进行分割与封装,每个栅格作为一个 空间智能体,代表一块空间区域。
例1:利用栅格法将某一型号移动式机器人的工作空间区域进行分割,如图2所示,每 个栅格代表一块空间区域,基于划分结果对栅格的基本信息作如下说明:
1)栅格数量为m×n个,每个栅格的编号分别用二维坐标(i,j)来表示,其中i表示行坐标, j表示列坐标;
2)初始化每个栅格为两种状态,0表示该栅格被占用,1表示该栅格未被占用;
3)划分的每个栅格都有可能成为可移动装置智能体路径生成中的某一个路径点,所有搜 索到路径点构成可移动装置移动的路径。
步骤二:可移动装置智能体封装。
为更加真实的反映可移动装置在移动中的长宽空间占比情况,本发明将可移动装置移动 中的形状简化为圆形,如图3所示。
1)可移动装置智能体在某一k栅格的状态为:pk={Ak,θk,vk}∈P,其中P为np维度的状 态空间;可移动装置智能体选择空间智能体的控制函数为wk=g(v,ψ,d,ω),由可移动装 置智能体转移时的速度、偏转角、安全距离及目的角度等参数组成,见图4。
例2:接例1,该机器人在移动时的尺寸为1.2m*0.8m,机器人的基本参数如表1所示,定 义机器人开始移动的时刻为0时刻。
表1机器人相关参数
2)可移动装置智能体从起始位置向目标位置移动的偏离函数用fgoal表示,fgoal越大越不 利于靠近目标位置,fgoal为:其中,θ(Ai)表示可移动装置智能体在位 置Ai时距离目标位置G的角度,表示该可移动装置智能体在位置Ai时的运动方向与目 的位置方向的偏差,且α1,α2表示可移动装置智能体的两个偏移角度要素对 其奔向目标的作用权重,且α1+α2=1。
例3:接例2,该机器人在移动前的初始位置(580,76)距离目标位置(620,120)的偏角为θ(Ai),取其权重为0.6;移动时的运动方向与目标位置偏差取其权重为0.4,则
步骤三:构建多智能体的路径生成框架。
将每一个可移动装置智能体的总体行为描述为奔向目标行为和避障行为;奔向目标行为 用fgoal来表示,避障行为是飞机寻找状态为1的空间智能体的行为,见图5。
1)可移动装置智能体在其初始位置开始移动的时间为0,通过一系列路径搜索,得到 各个路径点,形成可移动装置智能体从初始位置到目的地的完整路径。
2)记录可移动装置智能体到达目的位置的时间为FTi(r),1≤i≤N,整个规划的最优值 为FTi(r)的最小值。
3)可移动装置智能体的干涉行为:①同一可移动装置智能体碰撞,即两个可移动装置智 能体在同一时间内移动到同一个空间智能体,即li k=lj k,k∈(1,2,…M×N),i,j∈(1,2,…N); ②可移动装置智能体移动到固定障碍物处,即C(li k)=-1,i∈(1,2,…N),k∈(1,2,…M×N); ③两个可移动装置智能体正面相撞,两个可移动装置智能体的下一个路径点是彼此当前所在 的空间智能体位置,即li k=lj k+1,li k+1=lj k,k∈(1,2,…M×N),i,j∈(1,2,…N)。设置障碍探测安 全距离为0.8米,以保证可移动装置智能体提前转变移动方向,避免与障碍物相撞,其避障所 用时间为g(Ai)。
步骤四:基于空间智能体选择的路径。
基于多智能体的路径生成框架给出了可移动装置智能体对空间智能体的选择标准以及对 冲突空间资源的处理。
定义可移动装置智能体路径生成的确定函数f:f(Ai)=g(Ai)+fgoal(Ai),其中,g(Ai)是可 移动装置智能体移动到Ai位置实际花费的时间,该时间包括可移动装置在采用等待、绕行 策略后的时间。fgoal(Ai)是可移动装置智能体距离目标位置偏离函数。
1)可移动装置智能体在接到任务后,从其当前所属空间智能体的邻居集合Neighbor(Ai) 中选择下一个路径点,并将所有可移动装置智能体可以到达的下一个空间智能体作为备选空 间智能体集合Selected(Ai)=(SAi 1,SAi 2,…SAi n)。
例:4:接例3,以该机器人寻找的第一个路径点为例,其备选空间智能体集合Selected(Ai)=((580,76),((586,70),((575,76),((587,79),((592,74),((580,67)).
2)在Selected(Ai)中,明确各个空间智能体的状态属性C(SAi n),剔除C(SAi n)=-1的备选空 间智能体。根据当前可移动装置智能体所在的位置进行以下判定:
①θ(Ai)>90°时,表示可移动装置在目标位置的前方,因此此时应设定α1占较大比重, 且移动后方向为从而保证可移动装置智能体从正向移动至目 标位置,提高规划的成功率。
②θ(Ai)≤90°,时,表示可移动装置在向远离目标位置的方向移动,因此,应 设定α2占大比重,且移动后的方向为从而使得可移动装置能够 改变移动方向,向目标位置移动。
③θ(Ai)≤90°,时,表明可移动装置智能体正在向目标位置移动,可设置α1, α2均衡的比重,且移动后的方向为保障可移动装置平稳的向 目标移动。
在可移动装置智能体的单次规划安全距离0.8米内,可移动装置可以到达所有Selected(Ai)中的位置。假设可移动装置智能体从当前位置到Selected(Ai)中每个空间智能体所 经历的时间是θ的函数:它对可移动装 置智能体移动时间产生影响;fgoal是影响可移动装置智能体选择空间智能体的另一要素: min g(Ai+1)+fgoal(Ai+1),将该式作为可移动装置智能体选择下一个空间智能体的依据,其中
例5:接例4,通过路径寻优算法得出的路径节点依次是(580,76)-(635,171)-(745,171)- (855,171)-(965,171)-(1075,171)-(1185,171),其路径生成结果如图6所示。
步骤五:消解空间智能体冲突。
如果一个空间智能体的状态值C(SAi n)≠-1,那么其可以成为备选空间集的要素。对于动 态障碍物的避障策略可以采用等待或绕行策略,定义C(SAi n)=0为空间智能体的临时占用状 态,并在一段时间t后变为可用状态。若某可移动装置智能体所在空间智能体为C(SAi x),则 C(SAi x)=0,所选择的空间智能体为C(SAi y)=0时,应首先选择等待策略。
在基于智能体理论的移动路径生成中,将智能体之间的协商过程融入到路径A*方法的实 现过程中,见图7,有效地解决了可移动装置在移动中的碰撞问题。在智能体的选择规则中, 引入已移动时间作为改进A*算法的决策变量,兼顾了可移动装置调度时间最小的目标。
例6:接例5,空间点(855,171)处于占用状态,在(745,171)点之后,可移动装置智能体 可选择包括坐标为(800,226)空间智能体以及坐标为(800,76)的空间智能体;并经过A*方法的 时间函数计算,二者具有相同的等待时间值,但是,由于(800,76)位置处于机器人初始位置 上,该空间智能体被选择的优先级较低,因此,给出了图8中的可移动装置智能体的路径生成 过程。
Claims (6)
1.一种基于空间智能体的可移动装置有限空间路径生成方法,其特征在于:它包含以下步骤:
第一步:空间智能体封装。本发明利用正六边形栅格对可移动装置的空间环境进行分割与封装,每个栅格作为一个空间智能体,代表一块空间区域,此外,还定义了空间智能体的位置、状态及邻居,每个空间智能体都有可能成为可移动装置路径生成中的某一个路径点,所有搜索到的空间智能体构成可移动装置移动的路径。
第二步:可移动装置智能体封装。为更加真实的反应可移动装置在移动中的长宽空间占比情况,本发明将可移动装置移动中的形状简化为圆形,并描述了其在某一k栅格的状态及其从起始位置向目标位置移动的偏离函数fgoal,fgoal越小越有利于靠近目标位置。
第三步:构建多智能体的路径规划框架。将每个可移动装置智能体的总体移动为描述为奔向目标行为和避障行为;奔向目标行为用fgoal来表示,避障行为是飞机寻找状态为1的空间智能体的行为,整个路径规划的最优值应该满足总体移动时间最短,并且定义了可移动装置智能体的三种干涉行为。
第四步:基于空间智能体选择的路径确定。定义可移动装置智能体路径规划的确定函数,当可移动装置智能体在接到任务时,从其当前所属空间智能体的邻居集合Neighbor(Ai)中选择下一个路径点存放到Selected(Ai)中,并根据确定函数选择下一个空间智能体,形成最终的路径规划方案。
第五步:消解空间智能体冲突。如果一个空间智能体的状态值C(SAi n)≠-1,那么其可以成为备选空间集的要素。对于动态障碍物的避障策略可以采用等待或绕行策略,将智能体之间的协商过程融入到路径A*方法的实现过程中,有效地解决了可移动装置在移动中的碰撞问题。
通过以上步骤给出一种基于空间智能体的可移动装置有限空间路径生成方法,可有效解决可移动装置在有限空间的路径生成问题。
2.根据权利要求1所述的一种基于空间智能体的可移动装置有限空间路径生成方法,其特征在于:在第一步中所述的“空间智能体封装”中,利用正六边形栅格对可移动装置的空间环境进行分割与封装,每个栅格作为一个空间智能体,代表一块空间区域。
1)空间智能体的位置:L={l/l=[x,y]T,0≤x≤X,0≤y≤Y},其中:X,Y分别表示整个空间行坐标与列坐标的最大值。
2)空间智能体的状态:C={-1,0,1},其中:-1表示固定占用空间,该空间的状态为一直不可用;0表示临时占用,并假设该空间在有限的时间t后可变为可用状态;1表示该空间可用。
3)空间智能体的邻居
Lk(xk,yk)表示某一空间智能体的位置,Lk+1(xk+i,yk+i)表示该空间智能体的邻居坐标,则该空间智能体的邻居的集合为: 在整个可移动装置的路径生成中,空间智能体通过其自身状态属性影响着可移动装置的路径搜索结果。从起始点S(i,j)移动到目标点G(i,j)的过程中,每个空间智能体都有可能成为可移动装置路径生成中的某一个路径点,所有搜索到的空间智能体构成可移动装置移动的路径。
3.根据权利要求1所述的一种基于空间智能体的可移动装置有限空间路径生成方法,其特征在于:在第二步中所述的“可移动装置智能体封装”中,根据可移动装置在移动中的长宽空间占比情况,将可移动装置移动中的形状简化为圆形。
1)可移动装置智能体在某一k栅格的状态为:pk={Ak,θk,vk}∈P,其中:P为np维度的状态空间;可移动装置智能体选择空间智能体的控制函数为wk=g(v,ψ,d,ω),由可移动装置智能体转移时的速度、偏转角、安全距离及目的角度等参数组成。
2)可移动装置智能体从起始位置向目标位置移动的偏离函数用fgoal表示,fgoal越大越不利于靠近目标位置,fgoal为:其中,θ(Ai)表示可移动装置智能体在位置Ai时距离目标位置G的角度,表示该可移动装置智能体在位置Ai时的运动方向与目的位置方向的偏差,且 α1,α2表示可移动装置智能体的两个偏移角度要素对其奔向目标的作用权重,且α1+α2=1。
4.根据权利要求1所述的一种基于空间智能体的可移动装置有限空间路径生成方法,其特征在于:在第三步中所述的“构建多智能体的路径生成框架”中,将每一个可移动装置智能体的总体行为描述为奔向目标行为和避障行为;奔向目标行为用fgoal来表示,避障行为是飞机寻找状态为1的空间智能体的行为。
1)可移动装置智能体在其初始位置开始移动的时间为FTi(0),1≤i≤N,通过一系列路径搜索,得到各个路径点,形成可移动装置智能体从初始位置到目的地的完整路径。
2)记录可移动装置智能体到达目的位置的时间为FTi(r),1≤i≤N,整个规划实现目标函数F的最优值应满足:
3)可移动装置智能体的干涉行为:①同一可移动装置智能体碰撞,即两个可移动装置智能体在同一时间内移动到同一个空间智能体,即li k=lj k,k∈(1,2,…M×N),i,j∈(1,2,…N);②可移动装置智能体移动到固定障碍物处,即C(li k)=-1,i∈(1,2,…N),k∈(1,2,…M×N);③两个可移动装置智能体正面相撞,两个可移动装置智能体的下一个路径点是彼此当前所在的空间智能体位置,即li k=lj k+1,li k+1=lj k,k∈(1,2,…M×N),i,j∈(1,2,…N)。由上述分析,可设置障碍探测安全距离d,以保证可移动装置智能体提前转变移动方向,避免与障碍物相撞,其避障所用时间为g(Ai)。
5.根据权利要求1所述的一种基于空间智能体的可移动装置有限空间路径生成方法,其特征在于:在第四步中所述的“基于空间智能体选择的路径确定”中,给出了可移动装置智能体对空间智能体的选择标准以及对冲突空间资源的处理。
定义可移动装置智能体路径生成的确定函数f:f(Ai)=g(Ai)+fgoal(Ai),其中,g(Ai)是可移动装置智能体移动到Ai位置实际花费的时间,该时间包括可移动装置在采用等待、绕行策略后的时间。fgoal(Ai)是可移动装置智能体距离目标位置偏离函数,可以将其作为可移动装置智能体搜索下一个空间智能体的启发式函数。
1)可移动装置智能体在接到任务后,需要从其当前所属空间智能体的邻居集合Neighbor(Ai)中选择下一个路径点,Ai表示可移动装置智能体当前位置;在控制函数wk=g(v,ψ,d,ω)的约束下,应满足:其中:[xk,yk]T,[xk+1,yk+1]T分别为当前空间智能体位置坐标和下一路径点(邻居集要素)的位置坐标。满足上式不等式的空间智能体可作为可移动装置智能体路径点,并构成备选空间智能体集Selected(Ai)=(SAi 1,SAi 2,…SAi n),解集包含所有可移动装置智能体可以到达的下一个空间智能体。
2)在Selected(Ai)中,明确各个空间智能体的状态属性C(SAi n),剔除C(SAi n)=-1的备选空间智能体。根据当前可移动装置智能体所在的位置进行以下判定:
①θ(Ai)>90°时,表示可移动装置在目标位置的前方,因此此时应设定α1占较大比重,且移动后方向为从而保证可移动装置智能体从正向移动至目标位置,提高规划的成功率。
②θ(Ai)≤90°,时,表示可移动装置在向远离目标位置的方向移动,因此,应设定α2占大比重,且移动后的方向为 从而使得可移动装置能够改变移动方向,向目标位置移动。
③θ(Ai)≤90°,时,表明可移动装置智能体正在向目标位置移动,可设置α1,α2均衡的比重,且移动后的方向为 保障可移动装置平稳的向目标移动。
在可移动装置智能体的单次规划安全距离d内,可移动装置可以到达所有Selected(Ai)中的位置。假设可移动装置智能体从当前位置到Selected(Ai)中每个空间智能体所经历的时间是θ的函数:: 它对可移动装置智能体移动时间产生影响;fgoal是影响可移动装置智能体选择空间智能体的另一要素:ming(Ai+1)+fgoal(Ai+1),将该式作为可移动装置智能体选择下一个空间智能体的依据,其中
6.根据权利要求1所述的一种基于空间智能体的可移动装置有限空间路径生成方法,其特征在于:在第五步中所述的“消解空间智能体冲突”中,给出针对动态障碍物的避障策略——等待或绕行,定义C(SAi n)=0为空间智能体的临时占用状态,并在一段时间t后变为可用状态。若某可移动装置智能体所在空间智能体为C(SAi x),则C(SAi x)=0,所选择的空间智能体为C(SAi y)=0时,应首先选择等待策略。
在基于智能体理论的移动路径生成中,将智能体之间的协商过程融入到路径A*方法的实现过程中,有效地解决了可移动装置在移动中的碰撞问题。在智能体的选择规则中,将已移动时间作为改进A*算法的决策变量,兼顾了可移动装置调度时间最小的目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811007323.8A CN109269518B (zh) | 2018-08-31 | 2018-08-31 | 一种基于智能体的可移动装置有限空间路径生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811007323.8A CN109269518B (zh) | 2018-08-31 | 2018-08-31 | 一种基于智能体的可移动装置有限空间路径生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109269518A true CN109269518A (zh) | 2019-01-25 |
CN109269518B CN109269518B (zh) | 2022-01-11 |
Family
ID=65154798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811007323.8A Active CN109269518B (zh) | 2018-08-31 | 2018-08-31 | 一种基于智能体的可移动装置有限空间路径生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109269518B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109900289A (zh) * | 2019-03-18 | 2019-06-18 | 北京智行者科技有限公司 | 基于闭环控制的路径规划方法及装置 |
CN109916421A (zh) * | 2019-03-18 | 2019-06-21 | 北京智行者科技有限公司 | 路径规划方法及装置 |
CN110398964A (zh) * | 2019-07-16 | 2019-11-01 | 浙江大学 | 一种低能量损耗机器人全覆盖路径规划方法及系统 |
CN111307153A (zh) * | 2020-02-26 | 2020-06-19 | 河海大学 | 基于六边形栅格地图的多auv任务分配与路径规划方法 |
CN111811514A (zh) * | 2020-07-03 | 2020-10-23 | 大连海事大学 | 一种基于正六边形栅格跳点搜索算法的路径规划方法 |
CN112595337A (zh) * | 2020-12-01 | 2021-04-02 | 苏州欧菲光科技有限公司 | 避障路径规划方法、装置、电子装置、车辆及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050216182A1 (en) * | 2004-03-24 | 2005-09-29 | Hussain Talib S | Vehicle routing and path planning |
CN101619984A (zh) * | 2009-07-28 | 2010-01-06 | 重庆邮电大学 | 一种基于颜色路标的移动机器人视觉导航方法 |
CN102778229A (zh) * | 2012-05-31 | 2012-11-14 | 重庆邮电大学 | 未知环境下基于改进蚁群算法的移动Agent路径规划方法 |
CN106970615A (zh) * | 2017-03-21 | 2017-07-21 | 西北工业大学 | 一种深度强化学习的实时在线路径规划方法 |
-
2018
- 2018-08-31 CN CN201811007323.8A patent/CN109269518B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050216182A1 (en) * | 2004-03-24 | 2005-09-29 | Hussain Talib S | Vehicle routing and path planning |
CN101619984A (zh) * | 2009-07-28 | 2010-01-06 | 重庆邮电大学 | 一种基于颜色路标的移动机器人视觉导航方法 |
CN102778229A (zh) * | 2012-05-31 | 2012-11-14 | 重庆邮电大学 | 未知环境下基于改进蚁群算法的移动Agent路径规划方法 |
CN106970615A (zh) * | 2017-03-21 | 2017-07-21 | 西北工业大学 | 一种深度强化学习的实时在线路径规划方法 |
Non-Patent Citations (2)
Title |
---|
TURKER SAHIN ET AL.: "A Computationally Efficient Path Planner for a Collection of Wheeled Mobile Robots with Limited Sensing Zones", 《2007 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION》 * |
徐翔等: "一种改进的群体智能寻路算法", 《计算机应用与软件》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109900289A (zh) * | 2019-03-18 | 2019-06-18 | 北京智行者科技有限公司 | 基于闭环控制的路径规划方法及装置 |
CN109916421A (zh) * | 2019-03-18 | 2019-06-21 | 北京智行者科技有限公司 | 路径规划方法及装置 |
CN109900289B (zh) * | 2019-03-18 | 2023-02-10 | 北京智行者科技股份有限公司 | 基于闭环控制的路径规划方法及装置 |
CN109916421B (zh) * | 2019-03-18 | 2023-02-10 | 北京智行者科技股份有限公司 | 路径规划方法及装置 |
CN110398964A (zh) * | 2019-07-16 | 2019-11-01 | 浙江大学 | 一种低能量损耗机器人全覆盖路径规划方法及系统 |
CN110398964B (zh) * | 2019-07-16 | 2022-02-01 | 浙江大学 | 一种低能量损耗机器人全覆盖路径规划方法及系统 |
CN111307153A (zh) * | 2020-02-26 | 2020-06-19 | 河海大学 | 基于六边形栅格地图的多auv任务分配与路径规划方法 |
CN111307153B (zh) * | 2020-02-26 | 2023-03-21 | 河海大学 | 基于六边形栅格地图的多auv任务分配与路径规划方法 |
CN111811514A (zh) * | 2020-07-03 | 2020-10-23 | 大连海事大学 | 一种基于正六边形栅格跳点搜索算法的路径规划方法 |
CN111811514B (zh) * | 2020-07-03 | 2023-06-09 | 大连海事大学 | 一种基于正六边形栅格跳点搜索算法的路径规划方法 |
CN112595337A (zh) * | 2020-12-01 | 2021-04-02 | 苏州欧菲光科技有限公司 | 避障路径规划方法、装置、电子装置、车辆及存储介质 |
CN112595337B (zh) * | 2020-12-01 | 2023-08-15 | 苏州欧菲光科技有限公司 | 避障路径规划方法、装置、电子装置、车辆及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109269518B (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109269518A (zh) | 一种基于智能体的可移动装置有限空间路径生成方法 | |
CN108444482A (zh) | 一种无人机自主寻路避障方法及系统 | |
CN109254588A (zh) | 一种基于交叉变异鸽群优化的无人机集群协同侦察方法 | |
CN101241507B (zh) | 一种地图寻路方法及系统 | |
CN107883962A (zh) | 一种多旋翼无人机在三维环境下的动态航路规划方法 | |
CN110262518A (zh) | 基于轨迹拓扑地图和避障的车辆导航方法、系统及介质 | |
CN112068588A (zh) | 一种基于飞行走廊和贝塞尔曲线的无人飞行器轨迹生成方法 | |
CN112229419B (zh) | 一种动态路径规划导航方法及系统 | |
JPH10501908A (ja) | 自律可動式装置のオリエンテーション、ルート選定及び制御のための方法 | |
CN107402018A (zh) | 一种基于连续帧的导盲仪组合路径规划方法 | |
CN110045738A (zh) | 基于蚁群算法和Maklink图的机器人路径规划方法 | |
CN110531782A (zh) | 用于社区配送的无人机航迹路径规划方法 | |
CN111427341B (zh) | 一种基于概率地图的机器人最短预期时间目标搜索方法 | |
CN116360457A (zh) | 一种基于自适应栅格和改进a*-dwa融合算法的路径规划方法 | |
Chen et al. | A coordinated path planning algorithm for multi-robot in intelligent warehouse | |
Xin et al. | Coordinated motion planning of multiple robots in multi-point dynamic aggregation task | |
CN114690787A (zh) | 一种多移动机器人路径规划方法、系统、计算机设备及存储介质 | |
CN103260238A (zh) | 无线传感器网络中基于速度采样区的移动节点定位方法 | |
CN114625162A (zh) | 基于混合算法的无人机最优路径规划方法、系统及介质 | |
CN105698796A (zh) | 一种多机器人调度系统的路径搜索方法 | |
Chin et al. | Vision guided AGV using distance transform | |
Zhao et al. | A study of the global topological map construction algorithm based on grid map representation for multirobot | |
CN114578827B (zh) | 一种分布式多智能体协同全覆盖路径规划方法 | |
Zhang et al. | Improve RRT algorithm for path planning in complex environments | |
CN111736580A (zh) | 扫地设备的避障脱困方法、装置、电子设备及存储介质 |
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 |