CN109416886A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN109416886A CN109416886A CN201780039191.4A CN201780039191A CN109416886A CN 109416886 A CN109416886 A CN 109416886A CN 201780039191 A CN201780039191 A CN 201780039191A CN 109416886 A CN109416886 A CN 109416886A
- Authority
- CN
- China
- Prior art keywords
- carrier vehicle
- unpiloted carrier
- unpiloted
- swept area
- vehicle
- 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
- 238000007689 inspection Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 description 13
- 238000000926 separation method Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000005096 rolling process Methods 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
用于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。本发明涉及一种用于在规划至少一个无人驾驶运输车辆(1)的运动期间检查该无人驾驶运输车辆(1)与另一无人驾驶运输车辆之间的碰撞的方法。本发明还涉及一种无人驾驶运输车辆(1)和一种具有多个无人驾驶运输车辆的系统。
Description
技术领域
本发明涉及一种用于检查两个无人驾驶运输车辆之间的碰撞的方法、一种无人驾驶运输车辆和一种具有多个无人驾驶运输车辆的系统。
背景技术
对于无人驾驶运输车辆(英语:automated guided vehicle)的自动运动来说,可以在图内部进行路径规划。图对应于无人驾驶运输车辆应该在其内部自动运动的环境。所确定的或者所规划的路径对应于无人驾驶运输车辆应该驶过的路线。
专利文献EP2818954A2公开了一种用于规划虚拟轨迹或者说虚拟行车线的方法,无人驾驶运输车辆在环境内部沿着该虚拟轨迹自动地从起始点向目标点运动。所述的环境包括中间点和将中间点、起始点和目标点连接的路段。环境对应于图,图的节点对应于环境的点,图的边对应于环境的各个路段。
如果在环境中存在多个无人驾驶运输车辆,则路径的规划还应包括避免两个无人驾驶运输车辆之间的碰撞。
发明内容
本发明的目的在于,在无人驾驶运输车辆的运动规划的框架内,更好地检查无人驾驶运输车辆与另一无人驾驶运输车辆的碰撞。
本发明的目的通过一种用于在至少一个无人驾驶运输车辆的运动规划期间检查一个无人驾驶运输车辆和另一无人驾驶运输车辆之间的碰撞的方法来实现,该方法包括以下步骤:
-提供无人驾驶运输车辆的二维模型,
-确定无人驾驶运输车辆所要掠过的区域,无人驾驶运输车辆在所规划的运动期间掠过该区域,并且
-确定另一无人驾驶运输车辆所要掠过的区域,该另一无人驾驶运输车辆在所规划的运动期间掠过该区域,并通过检查所要掠过的两个区域的相交来检查该无人驾驶运输车辆与该另一无人驾驶运输车辆之间的碰撞,或者通过检查配属于该无人驾驶运输车辆的掠过区域(überstrichene )与该另一运输车辆的二维模型的相交来检查该无人驾驶运输车辆与该另一无人驾驶运输车辆之间的碰撞。
优选地,根据本发明的方法由外部计算机、特别是所谓的车队管理器(Flottenmanager)来执行。本发明的另一个方面涉及一种系统,该系统包括一无人驾驶运输车辆、另一无人驾驶运输车辆和能够与这些无人驾驶运输车辆进行通信的计算机,其中,所述计算机被设计用于执行根据本发明的方法。
无人驾驶运输车辆例如是一移动机器人。这种被构造为移动机器人的无人驾驶运输车辆可以包括机器人臂,该机器人臂具有多个依次设置并通过关节连接的节肢。该机器人臂可以例如固定在车身上。用于使车轮运动的电子控制装置还可以被设计用于使机器人臂运动。
优选地,可以将所述无人驾驶运输车辆设计为完整的(holonomes)或者说全向的无人驾驶运输车辆。在这种情况下,无人驾驶运输车辆包括全向轮,优选为所谓的麦克纳姆轮,其由电子控制装置来操控。
因此在根据本发明的方法中,为了检查碰撞(碰撞检查),需要在规划中考虑至少一个无人驾驶运输车辆的运动。根据本发明,该运动被建模为,无人驾驶运输车辆根据其运动的规划应掠过的掠过区域。如果另一无人驾驶运输车辆根据该规划应该静止不动,则需要检查该掠过区域是否与另一无人驾驶运输车辆的二维模型相交。如果不是,则得出无人驾驶运输车辆的无碰撞运动。相反,如果另一无人驾驶运输车辆的二维模型与所述的掠过区域相交,则特别是放弃该规划或该规划的有问题的部分。
如果另一无人驾驶运输车辆也是根据该规划运动,则需要在碰撞检查中考虑两个无人驾驶运输车辆的运动,在此要检查两个掠过区域是否相交。如果不是,则得出这两个无人驾驶运输车辆的无碰撞运动。相反,如果两个掠过区域相交,则特别是放弃该规划或该规划的有问题的部分。
无人驾驶运输车辆应该特别是在一环境中运动。该环境特别是对应于一图,该图包括多个节点和连接这些节点的边。这些边对应于环境中的路段,而节点则对应于环境的对应于路段两端的点。为了规划无人驾驶运输车辆的运动,特别是在图的内部确定包括图的多个边的路径。由此获得一路线,其包括与图的边相对应的路段。据此,无人驾驶运输车辆可以自动地跟随该路线。
据此,根据本发明的碰撞检查优选是路径规划的一部分,在此,放弃那些被断定碰撞的边。
可以设定:每个无人驾驶运输车辆都装载有至少一个有效负荷。因此,所述的二维模型优选是装载有效负荷的无人驾驶运输车辆的二维模型,优选是装载有效负荷的无人驾驶运输车辆的二维凸模型。对于一欧几里得空间的一子集来说,如果对于属于该集合的任意两个点来说,它们的连接线段总是完全位于该集合中,则该子集是凸的。亦即,二维凸模型不包括凹处(Einbuchtungen)。使用二维凸模型的优点在于可以相对有效地自动检查它们是否相交。特别是在这里可以使用所谓的分离原理(Trennungssatz)。由此,在执行所找到的规划时,能够防止无人驾驶运输车辆的突出部分或其有效负荷移动到另一无人驾驶运输车辆的凹处中。这种机动特别是对于庞大且重的有效负荷是不希望的。
因此,本发明的一个方面涉及到使用装载有效负荷的无人驾驶运输车辆的二维凸模型来检查与另一无人驾驶运输车辆的碰撞,或者说一种用于检查一无人驾驶运输车辆和另一无人驾驶运输车辆之间的碰撞以规划至少一个无人驾驶运输车辆的运动的方法,该方法包括:提供装载有效负荷的无人驾驶运输车辆的二维凸模型。
装载有效负荷的无人驾驶运输车辆的二维凸模型可以按照以下方法步骤来构建:
-确定装载至少一个有效负荷的无人驾驶运输车辆的平面图的轮廓,和
-形成该轮廓的一凸包络,以获得该装载有效负荷的无人驾驶运输车辆的二维凸模型。
有效负荷的和/或无人驾驶运输车辆的至少一部分可以具有至少一个圆形轮廓作为平面图。优选地,该圆形轮廓在形成凸包络之前被以其最小的环绕正方形来近似。这对于相对有效的自动碰撞检查是有利的。
为了提高碰撞检查时的安全性,优选地,可以使凸包络膨胀了设定的安全距离,以便获得装载有效负荷的无人驾驶运输车辆的二维凸模型。
优选地,所述掠过区域是凸形的,即,没有凹处。所述另一掠过区域也优选是凸形的。由此,可以相对有效地特别是使用分离原理来检查两个凸起的掠过区域是否相交。
所规划的无人驾驶运输车辆的运动例如是无人驾驶运输车辆的就地转动。在这种情况下,优选将掠过区域构造为二维模型的最小外接圆。圆同样是凸的,因此构造为外接圆的掠过区域也是凸的。
无人驾驶运输车辆的所规划的运动可以沿着一路段运行。在这种情况下,优选将所规划的无人驾驶运输车辆在路段两端的方向考虑用于掠过区域。
掠过区域还可以取决于沿所述路段的所规划运动的类型。沿所述路段的运动的类型示例如下:无人驾驶运输车辆应该沿虚拟的行车线运动。无人驾驶运输车辆应该自主地沿路段运动。
无人驾驶运输车辆的掠过区域可以是例如二维模型在路段两端的外接圆。该掠过区域是凸形的并允许相对快速且有效的碰撞检查。
无人驾驶运输车辆的掠过区域可以是例如二维模型在路段两端的轴线平行(achsenparallele)的环绕矩形。该掠过区域也是凸形的。虽然这样的掠过区域相比于外接圆更准确地对无人驾驶运输车辆的运动建模,但它在碰撞检查中需要更大的计算成本。
例如,如果无人驾驶运输车辆应沿路段自主地行驶,则掠过区域可以是二维模型在路段两端的占用区域的并集。这样的掠过区域尽管不是凸形的,但是其两个组成部分可以优选是凸形的。
无人驾驶运输车辆的掠过区域可以例如是环绕路段两端处的二维模型的凸包络。对掠过区域的这种建模主要适用于下述情况:即,无人驾驶运输车辆在路段两端的方向应保持不变,并且无人驾驶运输车辆特别是应该沿着虚拟的行车线行进。
无人驾驶运输车辆的掠过区域可以例如包括无人驾驶运输车辆在路段两端的二维模型的外接圆,其中,掠过区域是这两个外接圆的凸包络。该模型主要适用于下述情况:即,无人驾驶运输车辆在路段两端的方向应该是不同的,并且无人驾驶运输车辆特别是应该沿着虚拟的行车线行进。
根据本发明方法的一种实施方式,对碰撞的检查经由多个分级的阶段进行。在这种情况下,特别是后续阶段中的掠过区域相比于其之前的阶段对检查相交更准确,但是计算成本更高。优选地,只有由于在先前阶段中,无人驾驶运输车辆的对应于该先前阶段的掠过区域在另一无人驾驶运输车辆应该运动的情况下与对应于该先前阶段的另一掠过区域相交时,或者在另一无人驾驶运输车辆不动的情况下与该另一运输车辆的二维模型相交时,才执行后续的阶段。
由于先前阶段被更计算有效地执行,因此可以在必要时相对快速地断定有问题的所规划的运动可以在没有碰撞的情况下执行。
例如,可以设置第一、第二和第三分级阶段。在这种情况下,可以优选地设置为:第一阶段的掠过区域是在路段两端的二维模型的外接圆,第二阶段的掠过区域是在路段两端的二维模型的轴线平行的环绕矩形。特别地,外接圆作为掠过区域使得相对计算有效地检查相交。
优选地,第三阶段形成最后的阶段。对于该阶段,掠过区域特别是取决于所规划运动的类型。第三阶段的掠过区域例如是在路段两端的二维模型的占用区域的并集,或者是环绕在路段两端处的二维模型的凸包络,或者包括无人驾驶运输车辆在路段两端的二维模型的外接圆,在此,掠过区域是两个外接圆的凸包络。
附图说明
在附图中示例性示出了本发明的实施例。其中:
图1示出了环境和对应于该环境的图,
图2示出了无人驾驶运输车辆,
图3-图7示出了带有所运输的有效负荷的无人驾驶运输车辆的二维模型的建模,
图8示出了作为沿一路段运动的无人驾驶运输车辆的掠过区域的外接圆,
图9示出了作为沿一路段运动的无人驾驶运输车辆的掠过区域的环绕矩形,
图10示出了作为一转动的无人驾驶运输车辆的掠过区域的外接圆,和
图11-图13示出了无人驾驶运输车辆的掠过区域的示例。
具体实施方式
图1示出了环境U和对应于该环境U的图G。图G例如存储在中央计算机R中,并且对环境U建模。计算机R特别是所谓的车队管理器。
图G包括节点K和连接节点K的边E。特别地,环境U包括点和将中间点连接起来的路段S。所述路段S对应于边E,所述的点对应于节点K。
在环境U的内部应该有多个无人驾驶运输车辆运动。在图2中示出了其中的一个无人驾驶运输车辆1。
在图2中示意性示出的无人驾驶运输车辆1优选被设计为,其能够在所有方向上自由运动。该无人驾驶运输车辆1特别是被设计为可全向运动的或者说完整的无人驾驶运输车辆1。该无人驾驶运输车辆1可以是可移动机器人,其包括机器人臂,机器人臂具有多个依次设置的节肢,这些节肢通过关节连接。
在本实施例的情况下,无人驾驶运输车辆1包括车辆主体2和多个全向车轮3,这些全向车轮也被称为麦克纳姆轮。这种车轮包括例如可转动地安装的轮辋,在该轮辋上无驱动地安装有多个滚动体。轮辋可由驱动器驱动。在本实施例的情况下,车轮3分别由一电驱动器4驱动。这些驱动器优选是受控的电驱动器。
无人驾驶运输车辆1还具有设置在车辆主体2上的电子控制装置5,该电子控制装置连接驱动器4。如有必要,其还可以操控机器人臂的运动(如果存在)。
无人驾驶运输车辆1被设计为,在环境U的内部自动地特别是从一个点运动到另一个点,并因此经过至少一个路段S。为此,在电子控制装置5上运行一计算机程序,该计算机程序操控驱动器4,使得驱动器使无人驾驶运输车辆1自动运动。
在本实施例的情况下,无人驾驶运输车辆应驶过的路线由计算机R来规划。为此,在计算机R上运行一计算机程序,该计算机程序首先在图G内部规划对应于无人驾驶运输车辆应驶过的相应路段S的路径。为了使各个无人驾驶运输车辆从计算机R接收与它们相关的信息,将计算机R和无人驾驶运输车辆或其电子控制装置设计为,它们能够彼此通信。
在本实施例的情况下规定:计算机R在规划路径时要考虑到两个无人驾驶运输车辆1的潜在碰撞,或者将路径规划为,能够避免两个无人驾驶运输车辆1的碰撞。为此,无人驾驶运输车辆1在本实施例的情况下被建模为,至少近似地模拟各个无人驾驶运输车辆1的轮廓的平面图的区域。无人驾驶运输车辆1的相应的二维模型或区域例如存储在计算机R中或者被实时计算。
在本实施例的情况下,无人驾驶运输车辆1被设定为运输至少一个有效负荷。该有效负荷可以例如突出于相应的无人驾驶运输车辆1。
在本实施例的情况下,在无人驾驶运输车辆1的建模中还要一同考虑其运输的有效负荷。
图3至图7示出了如何能对带有所运输的有效负荷的无人驾驶运输车辆1建模的示例。
图3示出了无人驾驶运输车辆1或其轮廓的平面图。在本实施例的情况下,该轮廓基本上对应于矩形。与无人驾驶运输车辆1的轮廓相关的信息例如存储在计算机R能够访问的数据库中。
在本实施例的情况下,所述轮廓或者与可能存在的有效负荷的轮廓相关的信息也存储在数据库中。因此,例如图4示出了圆形有效负荷6和有角的有效负荷7的平面图或者说轮廓,无人驾驶运输车辆1装载有上述有效负荷,并且这些有效负荷分别突出于无人驾驶运输车辆1。
在本实施例的情况下,没有使用装载有效负荷6、7的无人驾驶运输车辆1的精确轮廓来建模,而是例如出于提高碰撞检查效率的原因,以环绕圆形轮廓的最小正方形8来近似所有的圆形轮廓。这在图5中示出。
在本实施例的情况下,根据所得到的轮廓形成如图6所示的所谓的(二维)凸包络9。在数学或计算机科学中,凸包络被理解为包含初始集合的最小凸集。对于一欧几里得空间的一子集来说,如果对于属于该集合的任意两个点来说,它们的连接线段总是完全位于该集合中,则该子集是凸的。亦即,凸包络不包括凹处。
然后,为了更好地避免碰撞或者说进行碰撞检查,对已装载的无人驾驶运输车辆1建模的凸包络9(其在图7中以虚线示出)扩展或膨胀了一安全距离或者可参数化的距离,由此产生了在图7中示出的已装载的无人驾驶运输车辆1的二维凸模型10。该二维凸模型10也是凸的,即,该二维凸模型10也是一凸形区域或一凸多边形或是一凸形。因此,该二维凸模型10也没有凹处。
使用凸包络9或二维凸模型10代替对已装载的无人驾驶运输车辆1更准确建模的形状(其通常不是凸形的)的原因可能包括以下内容:对于所谓的车队管理器、即计算机R来说,下述情况可能并不可取:即,规划路径(已装载的无人驾驶运输车辆1根据该路径运动),使得无人驾驶运输车辆或者有效负荷6、7的突出部分移动到可能在另一无人驾驶运输车辆与其有效负荷6、7之间出现的自由空间中。通过使用凸包络9或二维凸模型10,如果不能完全排除的话,至少降低了这种风险。其次,由此可以将所谓的分离原理用于碰撞检查。
在本实施例的情况下,在路径规划期间对两个无人驾驶运输车辆1的可能碰撞进行检查。在此,需要考虑到两个无人驾驶运输车辆1中的至少一个的运动或对其建模,在此期间确定已装载的无人驾驶运输车辆1在运动期间至少占据的掠过区域。该掠过区域例如是在无人驾驶运输车辆1就地转动时得到。掠过区域主要是无人驾驶运输车辆1根据对相应路径的规划沿着一定的路段S所掠过的区域,该路段S包括两个相邻的节点K和图G的对应于这些节点的边E。
掠过区域特别地也是凸形的,亦即也没有凹处。
然后检查该掠过区域是否与对应于另一无人驾驶运输车辆1的掠过区域相交。该另一无人驾驶运输车辆1在此也可以是移动的,或者也可以是静止的。如果这两个掠过区域不相交,则该已装载的无人驾驶运输车辆1可以无碰撞地通过该路段S或者就地转动,并且相应的路段S或相应的转动可以被用于规划路径。如果另一无人驾驶运输车辆是静止的,则其掠过区域对应于其二维凸模型。
为了确定掠过区域,特别是要考虑无人驾驶运输车辆1在路段S的两端或相应的边E的节点K处的潜在的规划方向。
本实施例的情况下,为了确定无人驾驶运输车辆1的掠过区域,通过模拟在图G的对应于有问题的路段S的两端的节点K上的相应方向,来使用无人驾驶运输车辆的二维凸模型10在有问题的路段S的两端模拟无人驾驶运输车辆1的潜在位置和方向。然后,例如通过计算环绕两个二维凸模型10的凸包络得到掠过区域。
在本实施例的情况下,对潜在碰撞的检查经由多个阶段进行,即,有用于碰撞检查的启发式阶层。
在本实施例的情况下,在第一阶段中,使用相对简单的几何形状来近似掠过区域。为了检查潜在的碰撞,在计算机R上执行凸多边形或凸形形状之间的以及凸多边形或凸形形状与圆形之间的例行检查。在此,特别重视尽可能有效率的执行。这样的执行特别是基于分离原理。在许多情况下,分离原理使得能够相对及早地认识到不存在交集,即凸形几何形状的相交。
这种相对简单的几何形状包括有问题的无人驾驶运输车辆1在通过有问题的路段S时或者在就地转动时所掠过的整个掠过区域。在第一阶段中,该掠过区域相对不准确,但是却被选择相对有效率地用于自动检查。
在本实施例的情况下,两个阶段或启发前置于使用相对精确建模的掠过区域所进行的碰撞检查,这使得能够以相对较低的成本检查并在许多情况下都能够告知不存在交集或者无碰撞的潜在运动。
在本实施例中,首先在第一阶段中确定至少一个待检查的无人驾驶运输车辆的外接圆11(见图8)作为掠过区域并关于相交进行检查。如果断定相交,则在第二阶段中(见图9)关于交集来检查各轴线平行的最小环绕的矩形12。这两个检查可以相对有效率地实现,并且在不存在交集的情况下就已经排除了更精确建模的掠过区域的交集。
如果第一阶段存在相交,则检查第二阶段的相交。如果再次存在相交,则在第三并且是最后的阶段,基于掠过区域的更精确建模的形状来检查相交。如果还出现相交,则有问题的运动不能被执行并且被放弃用于规划有问题的路径。
也就是说,在本实施例的情况下,在第一阶段中,无人驾驶运输车辆1可能掠过的区域由外接圆11形成。为此,对于有问题的无人驾驶运输车辆1和有问题的路段S或其所属的边E来说,通过模拟图G的对应于有问题的路段S两端的节点K上的相应方向,来在使用无人驾驶运输车辆的二维凸模型10的情况下模拟无人驾驶运输车辆1在有问题的路段S的两端的方向。
在图8中,无人驾驶运输车辆1在一个节点K处的一个二维凸模型10由虚线示出。无人驾驶运输车辆的模拟运动应该是从节点K(在该处以虚线示出二维凸模型10)运动到另一节点K(在该处以实线示出了二维凸模型10)。外接圆11作为第一阶段的掠过区域环绕在这两个节点K处的两个二维凸模型10。
图10示出了就地转动的无人驾驶运输车辆1的示例,其具有相应最小的外接圆13作为掠过区域。
在本实施例的情况下,在第二阶段中,无人驾驶运输车辆1可能掠过的区域由环绕的轴线平行的矩形12形成。为此,对于无人驾驶运输车辆1和有问题的路段S或其所属的边E来说,通过模拟图G的对应于有问题的路段S的两端的节点K上的相应方向,来在使用无人驾驶运输车辆的二维凸模型10的情况下模拟无人驾驶运输车辆1在有问题的路段S的两端的方向。在图9中,无人驾驶运输车辆1在一个节点K处的一个二维凸模型10由虚线示出。无人驾驶运输车辆的模拟运动应该是从节点K(在该处以虚线示出二维凸模型10)运动到另一节点K(在该处以实线示出了二维凸模型10)。所述环绕的轴线平行的矩形12作为第二阶段的掠过区域环绕在这两个节点K处的两个二维凸模型10。
在本实施例的情况下,掠过区域的形状、特别是第三阶段的掠过区域的形状也可以取决于潜在运动的类型。因此可以例如规定为:无人驾驶运输车辆1应在某个路段S上沿着虚拟的行车线行进。但是也可以规定:无人驾驶运输车辆1应该例如通过分析环境U的图像自主地行驶于某个路段S。
图11至图13示出了第三阶段的掠过区域的示例对。
图11示出了无人驾驶运输车辆1沿着某个路段S进行可能的自主运动时的掠过区域14。在此情况下,只使用沿着有问题的路段S在运动开始时所占据的区域和运动结束时所占据的区域作为掠过区域14,即,掠过区域14是在对应于有问题的路段S的节点K处的二维凸模型10的并集。亦即,在这种情况下只考虑了规划形状,也就是无人驾驶运输车辆1在两个节点K处的二维凸模型10。特别地,针对在有问题的路段的两端处的两个二维凸模型单独执行碰撞检查。
图12示出了无人驾驶运输车辆1例如沿着一虚拟行车线的模拟运动的一示例。无人驾驶运输车辆1的方向在有问题的路段S的两端或者说在有问题的两个节点处是相同的。亦即,无人驾驶运输车辆1在运动期间不应改变其方向。在这种情况下,掠过区域是另一个凸包络15,其环绕对应于有问题的路段S的两个节点K处的二维凸模型10。
图13示出了无人驾驶运输车辆1例如沿着一虚拟行车线的模拟运动的一示例。无人驾驶运输车辆1的方向在有问题的路段S的两端或者说在有问题的两个节点处是不同的。亦即,无人驾驶运输车辆1应该在运动期间改变其方向。在这种情况下,例如为了确定掠过区域,首先要确定二维凸模型10在两个有问题的节点处的外接圆16,然后确定一凸包络17作为掠过区域,该凸包络环绕对应于有问题的路段S的两个节点K处的外接圆16。该凸包络17特别是包括两个外接圆16和一个矩形18,该矩形具有四个边。每两个边是相对置的,因此矩形18具有两对边,每一对包括两个相对置的边。一对边的边的长度相当于有问题的边E的长度,另一对边的边的长度相当于外接圆16的直径。一对边的边延伸穿过节点K。
特别地,可以通过替代完整的凸包络17地单个使用所述两个外接圆16和分开使用所述矩形18来进行对碰撞的检查。
通过这种方式,特别是能够确保不同类型运动的不同特性被适当地考虑。
用于计算有问题的掠过区域的形状特别是取决于沿着边E的运动开始时的方向和所规划的运动结束处的方向。如果这两个方向是一致的,则优选针对第三阶段准确地考虑如下区域,即在本实施例的情况下已装载的无人驾驶运输车辆1的二维凸模型10在保持该方向的条件下掠过的规划形状。由此获得一凸多边形,即凸包络15,这对于优选采用的分离原理的利用是必要的。
否则,例如考虑无人驾驶运输车辆1的规划形状的外接圆16在该外接圆从相应的边的一个节点K向另一节点K运动时掠过的区域。由此也获得一凸形的形状,即凸包络17。
另外,通过优选唯一地考虑凸形形状,至少能够降低至少是两个从彼此旁边驶过的无人驾驶运输车辆1相对于彼此旁边太过靠近地转动的危险。
其中一个无人驾驶运输车辆为了碰撞检查也可以停止不动或就地转动。
通过这种方式,既能够考虑到沿着边E或相应的路段S的运动,也能够考虑到所规划的方向。
Claims (14)
1.一种用于在规划至少一个无人驾驶运输车辆(1)的运动期间检查该无人驾驶运输车辆(1)与另一无人驾驶运输车辆之间的碰撞的方法,包括以下方法步骤:
-提供所述无人驾驶运输车辆(1)的二维模型,
-确定由所述无人驾驶运输车辆(1)掠过的区域,所述无人驾驶运输车辆(1)在所规划的运动期间掠过该区域,和
-确定由所述另一无人驾驶运输车辆掠过的另一区域,所述另一无人驾驶运输车辆在所规划的运动期间掠过该另一区域,并通过检查这两个掠过区域的相交来检查所述无人驾驶运输车辆(1)与所述另一无人驾驶运输车辆之间的碰撞,或者通过检查对应于所述无人驾驶运输车辆(1)的掠过区域与所述另一运输车辆的二维模型的相交来检查所述无人驾驶运输车辆(1)与所述另一无人驾驶运输车辆之间的碰撞。
2.根据权利要求1所述的方法,还包括:如果所述另一无人驾驶运输车辆的二维模型与掠过区域相交,则放弃所述规划或所述规划的有问题的部分;或者如果所述两个掠过区域相交,则放弃所述规划或所述规划的有问题的部分。
3.根据权利要求1或2所述的方法,其中,所述无人驾驶运输车辆(1)分别装载至少一个有效负荷(6,7),并且所述二维模型是装载所述有效负荷(6,7)的无人驾驶运输车辆(1)的二维凸模型。
4.根据权利要求3所述的方法,其中,装载所述有效负荷(6,7)的无人驾驶运输车辆(1)的二维凸模型根据以下方法步骤创建:
-确定装载至少一个所述有效负荷(6,7)的无人驾驶运输车辆(1)的平面图的轮廓,并且
-形成该轮廓的一凸包络(9),以获得装载所述有效负荷(6,7)的该无人驾驶运输车辆(1)的二维凸模型。
5.根据权利要求4所述的方法,其中,所述有效负荷(6)的和/或所述无人驾驶运输车辆(1)的至少一部分具有至少一个圆形轮廓作为平面图,并且该圆形轮廓在形成所述凸包络(9)之前被以其最小的环绕正方形(8)来近似。
6.根据权利要求4或5所述的方法,包括:使所述凸包络(9)膨胀了设定的安全距离,以便获得所述无人驾驶运输车辆(1)的二维凸模型(10)。
7.根据权利要求1至6中任一项所述的方法,其中,所述掠过区域是凸形的。
8.根据权利要求1至7中任一项所述的方法,其中,所规划的所述无人驾驶运输车辆(1)的运动是所述无人驾驶运输车辆(1)的就地转动,并且所述掠过区域是所述二维模型的最小外接圆(13)。
9.根据权利要求1至7中任一项所述的方法,其中,所述无人驾驶运输车辆(1)的所规划的运动沿着一路段(S)进行。
10.权利要求9所述的方法,其中,针对所述掠过区域,考虑所述无人驾驶运输车辆(1)在所述路段(S)的两端处的所规划的方向,和/或其中,所述掠过区域取决于所规划的运动的类型。
11.根据权利要求9或10所述的方法,其中,所述无人驾驶运输车辆(1)的掠过区域
-是在所述路段(S)的两端处的二维模型的外接圆(11),或者
-是在所述路段(S)的两端处的二维模型的轴线平行的环绕矩形(12),或者
-是在所述路段(S)的两端处的二维模型的占用区域的总和,或者
-是凸包络(15),其环绕在所述路段(S)的两端处的二维模型,或者
-包括所述无人驾驶运输车辆(1)在所述路段(S)的两端处的二维模型的外接圆(16),并且所述掠过区域是这两个外接圆(16)的凸包络(17)。
12.根据权利要求1至11中任一项所述的方法,其中,对碰撞的检查经由多个分级阶段进行,其中,后续阶段中的掠过区域相比于其先前阶段对检查相交更准确,但是计算成本更高,并且,只有由于在所述先前阶段中,所述无人驾驶运输车辆(1)的对应于该先前阶段的掠过区域与所述另一无人驾驶运输车辆的对应于该先前阶段的另一掠过区域或二维模型相交时,才执行所述后续阶段。
13.根据权利要求12所述的方法,包括分级的第一阶段、第二阶段和第三阶段,其中,特别地,所述第一阶段的掠过区域是在所述路段(S)的两端处的二维模型的外接圆(11),所述第二阶段的掠过区域是在所述路段(S)的两端处的二维模型的轴线平行的环绕矩形(12)。
14.一种系统,包括无人驾驶运输车辆(1)、另一无人驾驶运输车辆(R)和能够与这些无人驾驶运输车辆进行通信的计算机,其中,所述计算机(R)被设计用于执行根据权利要求1至13中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102016211129.9 | 2016-06-22 | ||
DE102016211129.9A DE102016211129A1 (de) | 2016-06-22 | 2016-06-22 | Verfahren zum Überprüfen einer Kollision zwischen zwei fahrerlosen Transportfahrzeugen, fahrerloses Transportfahrzeug und System mit mehreren fahrerlosen Transportfahrzeugen |
PCT/EP2017/065083 WO2017220574A1 (de) | 2016-06-22 | 2017-06-20 | Verfahren zum überprüfen einer kollision zwischen zwei fahrerlosen transportfahrzeugen, fahrerloses transportfahrzeug und system mit mehreren fahrerlosen transportfahrzeugen |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109416886A true CN109416886A (zh) | 2019-03-01 |
CN109416886B CN109416886B (zh) | 2022-01-04 |
Family
ID=59258192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780039191.4A Active CN109416886B (zh) | 2016-06-22 | 2017-06-20 | 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 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11221632B2 (zh) |
EP (1) | EP3475936B1 (zh) |
CN (1) | CN109416886B (zh) |
DE (1) | DE102016211129A1 (zh) |
WO (1) | WO2017220574A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330959A (zh) * | 2020-10-30 | 2021-02-05 | 东北大学 | 一种用于无人驾驶车辆的最优对等碰撞避免方法 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018215560A1 (de) | 2018-08-28 | 2020-03-05 | Robert Bosch Gmbh | Verfahren zum Koordinieren und Überwachen von Objekten |
US10967851B2 (en) * | 2018-09-24 | 2021-04-06 | Ford Global Technologies, Llc | Vehicle system and method for setting variable virtual boundary |
DE102018008624A1 (de) * | 2018-10-31 | 2020-04-30 | Trw Automotive Gmbh | Steuerungssystem und Steuerungsverfahren zum samplingbasierten Planen möglicher Trajektorien für Kraftfahrzeuge |
JP7341704B2 (ja) * | 2019-04-09 | 2023-09-11 | 清水建設株式会社 | 統合管理システム |
DE102019215334A1 (de) * | 2019-10-07 | 2021-04-08 | W. Gessmann Gmbh | Fahrerloses Transportfahrzeug für die innerbetriebliche Warenlogistik und Steuerverfahren |
CN113759889A (zh) * | 2020-06-12 | 2021-12-07 | 北京京东乾石科技有限公司 | 运输路径的处理方法、装置及存储介质 |
DE102020128829A1 (de) | 2020-11-03 | 2021-12-02 | Audi Aktiengesellschaft | Betriebsverfahren für ein fahrerloses Transportsystem |
CN115220447A (zh) * | 2022-05-26 | 2022-10-21 | 北京极智嘉科技股份有限公司 | 多机器人的运动调度方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050273200A1 (en) * | 2004-06-08 | 2005-12-08 | Gerhard Hietmann | Process for protecting a robot from collisions |
CN102323822A (zh) * | 2011-05-09 | 2012-01-18 | 无锡引域智能机器人有限公司 | 一种避免工业机器人碰撞工人的方法 |
CN102576075A (zh) * | 2009-10-02 | 2012-07-11 | 罗伯特·博世有限公司 | 用于成像车辆周围环境的方法 |
CN102806912A (zh) * | 2011-06-01 | 2012-12-05 | 通用汽车环球科技运作有限责任公司 | 用于连接的自主车辆和手动车辆的快速碰撞检测技术 |
CN102834345A (zh) * | 2010-03-25 | 2012-12-19 | 库卡实验仪器有限公司 | 用于运行自动地面运输车的方法 |
CN104133471A (zh) * | 2013-04-30 | 2014-11-05 | 库卡实验仪器有限公司 | 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 |
CN104176055A (zh) * | 2013-05-27 | 2014-12-03 | 大众汽车有限公司 | 用于识别机动车的紧急行驶状况的设备和方法 |
CN105427669A (zh) * | 2015-12-04 | 2016-03-23 | 重庆邮电大学 | 一种基于dsrc车车通信技术的防撞预警方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4576445B2 (ja) | 2007-04-12 | 2010-11-10 | パナソニック株式会社 | 自律移動型装置および自律移動型装置用プログラム |
DE102009006256B4 (de) * | 2009-01-27 | 2019-01-03 | Deutsches Forschungszentrum für künstliche Intelligenz GmbH | Verfahren zur Vermeidung von Kollisionen gesteuert beweglicher Teile einer Anlage |
US8676466B2 (en) * | 2009-04-06 | 2014-03-18 | GM Global Technology Operations LLC | Fail-safe speed profiles for cooperative autonomous vehicles |
EP2508956B1 (en) * | 2011-04-06 | 2013-10-30 | Kollmorgen Särö AB | A collision avoiding method and system |
US8874360B2 (en) * | 2012-03-09 | 2014-10-28 | Proxy Technologies Inc. | Autonomous vehicle and method for coordinating the paths of multiple autonomous vehicles |
DE102012008846A1 (de) | 2012-04-28 | 2012-11-29 | Daimler Ag | Fahrerloses Transportsystem und Verfahren zum Betreiben eines solchen fahrerlosen Transportsystems |
DE102013201935A1 (de) * | 2013-02-06 | 2014-08-07 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Vorrichtung zum Ermitteln von kollisionsfreien Pfaden |
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 |
US9776632B2 (en) * | 2013-07-31 | 2017-10-03 | Elwha Llc | Systems and methods for adaptive vehicle sensing systems |
US9751506B2 (en) * | 2015-10-27 | 2017-09-05 | GM Global Technology Operations LLC | Algorithms for avoiding automotive crashes at left and right turn intersections |
-
2016
- 2016-06-22 DE DE102016211129.9A patent/DE102016211129A1/de not_active Ceased
-
2017
- 2017-06-20 WO PCT/EP2017/065083 patent/WO2017220574A1/de unknown
- 2017-06-20 US US16/307,714 patent/US11221632B2/en active Active
- 2017-06-20 EP EP17734266.4A patent/EP3475936B1/de active Active
- 2017-06-20 CN CN201780039191.4A patent/CN109416886B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050273200A1 (en) * | 2004-06-08 | 2005-12-08 | Gerhard Hietmann | Process for protecting a robot from collisions |
CN102576075A (zh) * | 2009-10-02 | 2012-07-11 | 罗伯特·博世有限公司 | 用于成像车辆周围环境的方法 |
CN102834345A (zh) * | 2010-03-25 | 2012-12-19 | 库卡实验仪器有限公司 | 用于运行自动地面运输车的方法 |
CN102323822A (zh) * | 2011-05-09 | 2012-01-18 | 无锡引域智能机器人有限公司 | 一种避免工业机器人碰撞工人的方法 |
CN102806912A (zh) * | 2011-06-01 | 2012-12-05 | 通用汽车环球科技运作有限责任公司 | 用于连接的自主车辆和手动车辆的快速碰撞检测技术 |
CN104133471A (zh) * | 2013-04-30 | 2014-11-05 | 库卡实验仪器有限公司 | 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 |
CN104176055A (zh) * | 2013-05-27 | 2014-12-03 | 大众汽车有限公司 | 用于识别机动车的紧急行驶状况的设备和方法 |
CN105427669A (zh) * | 2015-12-04 | 2016-03-23 | 重庆邮电大学 | 一种基于dsrc车车通信技术的防撞预警方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330959A (zh) * | 2020-10-30 | 2021-02-05 | 东北大学 | 一种用于无人驾驶车辆的最优对等碰撞避免方法 |
CN112330959B (zh) * | 2020-10-30 | 2022-02-22 | 东北大学 | 一种用于无人驾驶车辆的最优对等碰撞避免方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3475936A1 (de) | 2019-05-01 |
US20190302800A1 (en) | 2019-10-03 |
DE102016211129A1 (de) | 2017-12-28 |
WO2017220574A1 (de) | 2017-12-28 |
EP3475936B1 (de) | 2020-05-13 |
CN109416886B (zh) | 2022-01-04 |
US11221632B2 (en) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109416886A (zh) | 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 | |
Takács et al. | Highly automated vehicles and self-driving cars [industry tutorial] | |
González et al. | Continuous curvature planning with obstacle avoidance capabilities in urban scenarios | |
CN114206698B (zh) | 在具有动态障碍物的环境中促进运动规划的装置、方法和物品 | |
US11440564B2 (en) | Method and system for data-driven and modular decision making and trajectory generation of an autonomous agent | |
Rastelli et al. | Dynamic trajectory generation using continuous-curvature algorithms for door to door assistance vehicles | |
Althoff et al. | Safety verification of autonomous vehicles for coordinated evasive maneuvers | |
US9821801B2 (en) | System and method for controlling semi-autonomous vehicles | |
Brunner et al. | Hierarchical rough terrain motion planning using an optimal sampling-based method | |
CN102834345B (zh) | 用于运行自动地面运输车的方法 | |
US11628850B2 (en) | System for generating generalized simulation scenarios | |
US11697412B2 (en) | Collision monitoring using statistic models | |
US10832439B1 (en) | Locating entities in a mapped environment | |
Jeong et al. | Long-term prediction of vehicle trajectory based on a deep neural network | |
JP2022549763A (ja) | 安全性モジュール、自動化運転システム、及びその方法 | |
Fuji et al. | Trajectory planning for automated parking using multi-resolution state roadmap considering non-holonomic constraints | |
CN111591288B (zh) | 基于距离变换图的碰撞检测方法及装置 | |
Horst et al. | Trajectory generation for an on-road autonomous vehicle | |
CN116331264A (zh) | 一种未知障碍物分布的避障路径鲁棒规划方法及系统 | |
CN115246416A (zh) | 轨迹预测方法、装置、设备及计算机可读存储介质 | |
Sankalprajan et al. | Analysis of Computational Need of 2D-SLAM Algorithms for Unmanned Ground Vehicle | |
WO2021106616A1 (ja) | 情報処理装置、情報処理方法およびプログラム | |
Naranjo et al. | Automation of haulers for debris removal in tunnel construction | |
Zhang et al. | A convolution-based motion planning method for autonomous driving with localization uncertainty | |
Pereira et al. | Towards a Simple Navigation Strategy for Autonomous Inspection of Ducts and Galleries |
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 |