CN109746919B - 一种机器人动态冲突检测的优化调度方法及系统 - Google Patents
一种机器人动态冲突检测的优化调度方法及系统 Download PDFInfo
- Publication number
- CN109746919B CN109746919B CN201910161656.4A CN201910161656A CN109746919B CN 109746919 B CN109746919 B CN 109746919B CN 201910161656 A CN201910161656 A CN 201910161656A CN 109746919 B CN109746919 B CN 109746919B
- Authority
- CN
- China
- Prior art keywords
- lock
- robot
- road
- target
- model
- 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.)
- Active
Links
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种机器人动态冲突检测的优化调度方法及系统,其方法包括:获取机器人调度范围内的道路数据,根据所述道路数据建立道路模型;创建锁模型,将具有关联关系的所述道路模型关联到同一个锁模型,计算每一个锁模型的最大道路锁数量;获取所述机器人调度范围内的障碍物数据、机器人体积以及机器人坐标,标记锁模型的锁状态;当目标机器人申请目标路径对应的目标锁模型的道路锁时,根据所述目标锁模型的最大道路锁数量和锁状态为所述目标机器人分配道路锁;若所述目标机器人加锁失败,重新规划路径。本发明脱离机器人本体监测道路的冲突状态,通过云端规划判断结果,动态地规划机器人的路径。
Description
技术领域
本发明涉及机器人技术领域,尤指一种机器人动态冲突检测的优化调度方法及系统。
背景技术
在多机器人调度的场景中,可能存在窄道路、窄门或本来道路很宽敞,但被障碍物阻挡等有冲突路段,导致多台机器人不能同时通过的情况,为了更高效的调度机器人,需要某种方法最大化的利用道路资源,可以脱离机器人本体监测道路的冲突状态,并通过云端规划判断结果,动态的规划机器人的行为。
在传统基于云端冲突检测方法中,道路的冲突状态停留在机器人采集数据的层面,在机器人传感器无法感知的区域的障碍物不能被有效的检测到;并且机器人进入冲突路段前,每次需要先询问云端该路段是否可以通行,然后再根据结果去决定是否通行,也即无论该路段是否有冲突,都会停下来浪费时间去请求云端询问道路状态,影响多机器人运行效率。
发明内容
本发明的目的是提供一种机器人动态冲突检测的优化调度方法及系统,实现脱离机器人本体监测道路的冲突状态,通过云端规划判断结果,动态地规划机器人的路径。
本发明提供的技术方案如下:
本发明提供一种机器人动态冲突检测的优化调度方法,包括:获取机器人调度范围内的道路数据,根据所述道路数据建立道路模型;创建锁模型,将具有关联关系的所述道路模型关联到同一个锁模型,计算每一个锁模型的最大道路锁数量;获取所述机器人调度范围内的障碍物数据、机器人体积以及机器人坐标,标记锁模型的锁状态;当目标机器人申请目标路径对应的目标锁模型的道路锁时,根据所述目标锁模型的最大道路锁数量和锁状态为所述目标机器人分配道路锁;若所述目标机器人加锁失败,重新规划路径。
进一步的,获取所述机器人调度范围内的障碍物数据、机器人体积以及机器人坐标,标记锁模型的锁状态具体包括:若道路中新增障碍物,获取所述新增障碍物的障碍物数据;根据新增的所述障碍物数据计算道路对应的锁模型的道路允许通过体积;获取所述机器人体积,当根据所述道路允许通过体积和所述机器人体积得出不允许机器人通过时,标记对应的锁模型的锁状态为空间不足;获取所述机器人坐标,根据所述机器人坐标得到机器人所在道路对应的锁模型,标记锁模型的锁状态为其他机器人占用,获取所述机器人的识别码序列和机器人移动方向,并将所述识别码序列和所述机器人移动方向加入锁模型的道路锁中。
进一步的,当目标机器人申请目标路径对应的目标锁模型的道路锁时,根据所述目标锁模型的最大道路锁数量和锁状态为所述目标机器人分配道路锁具体包括:当所述目标机器人申请所述目标路径对应的所述目标锁模型的道路锁时,获取所述目标锁模型的锁状态;若所述目标锁模型的锁状态为空间不足,所述目标机器人加锁失败;若所述目标锁模型的锁状态为其他机器人占用,获取所述目标锁模型的的道路锁中的机器人移动方向;当所述目标机器人的移动方向与所述机器人移动方向不相同时,所述目标机器人加锁失败;当所述目标机器人的移动方向与所述机器人移动方向相同时,获取所述目标锁模型的的道路锁中的识别码序列;若识别码序列的数量达到预设道路锁数量,所述目标机器人加锁失败。
进一步的,还包括:获取机器人保护区域范围;获取和第一道路模型关联至同一个锁模型的道路模型并形成道路集合,所述第一道路模型为建立的任意一个道路模型;根据所述道路集合和所述机器人保护区域范围形成所述第一道路模型的冲突保护区域。
进一步的,若所述目标机器人加锁失败,重新规划路径具体包括:若所述目标机器人针对所述目标路径加锁失败,向所述目标机器人发出暂停运动指令;排除所述目标路径的冲突保护区域对所述目标机器人重新规划路径;若重新规划路径失败,所述机器人继续原地等待,预设时长后再次申请目标路径对应的目标锁模型的道路锁。
本发明还提供一种机器人动态冲突检测的优化调度系统,包括:道路模型建立模块,获取机器人调度范围内的道路数据,根据所述道路数据建立道路模型;锁模型创建模块,创建锁模型,将所述道路模型建立模块建立的具有关联关系的所述道路模型关联到同一个锁模型,计算每一个锁模型的最大道路锁数量;锁状态标记模块,获取所述机器人调度范围内的障碍物数据、机器人体积以及机器人坐标,标记所述锁模型创建模块创建的锁模型的锁状态;道路锁分配模块,当目标机器人申请目标路径对应的目标锁模型的道路锁时,根据所述锁模型创建模块计算的所述目标锁模型的最大道路锁数量和所述锁状态标记模块标记的锁状态为所述目标机器人分配道路锁;处理模块,若所述道路锁分配模块得出所述目标机器人加锁失败,重新规划路径。
进一步的,所述锁状态标记模块具体包括:障碍物获取单元,若道路中新增障碍物,获取所述新增障碍物的障碍物数据;计算单元,根据所述障碍物获取单元获取的新增的所述障碍物数据计算道路对应的锁模型的道路允许通过体积;标记单元,获取所述机器人体积,当根据所述计算单元得到的所述道路允许通过体积和所述机器人体积得出不允许机器人通过时,标记对应的锁模型的锁状态为空间不足;所述标记单元,获取所述机器人坐标,根据所述机器人坐标得到机器人所在道路对应的锁模型,标记锁模型的锁状态为其他机器人占用,获取所述机器人的识别码序列和机器人移动方向,并将所述识别码序列和所述机器人移动方向加入锁模型的道路锁中。
进一步的,所述道路锁分配模块具体包括:锁状态获取单元,当所述目标机器人申请所述目标路径对应的所述目标锁模型的道路锁时,获取所述目标锁模型的锁状态;道路锁分配单元,若所述锁状态获取单元获取的所述目标锁模型的锁状态为空间不足,所述目标机器人加锁失败;方向获取单元,若所述锁状态获取单元获取的所述目标锁模型的锁状态为其他机器人占用,获取所述目标锁模型的的道路锁中的机器人移动方向;所述道路锁分配单元,当所述方向获取单元获取的所述目标机器人的移动方向与所述机器人移动方向不相同时,所述目标机器人加锁失败;识别码获取单元,当所述方向获取单元获取的所述目标机器人的移动方向与所述机器人移动方向相同时,获取所述目标锁模型的的道路锁中的识别码序列;所述道路锁分配单元,若所述识别码获取单元获取的识别码序列的数量达到预设道路锁数量,所述目标机器人加锁失败。
进一步的,还包括:保护范围获取模块,获取机器人保护区域范围;
道路集合生成模块,获取和第一道路模型关联至同一个锁模型的道路模型并形成道路集合,所述第一道路模型为建立的任意一个道路模型;保护区域生成模块,根据所述道路集合生成模块生成的所述道路集合和所述获取的所述机器人保护区域范围形成所述第一道路模型的冲突保护区域。
进一步的,所述处理模块具体包括:指令发送单元,若所述道路锁分配模块得出所述目标机器人针对所述目标路径加锁失败,向所述目标机器人发出暂停运动指令;路径规划单元,排除所述保护区域生成模块得到的所述目标路径的冲突保护区域对所述目标机器人重新规划路径;处理单元,若所述路径规划单元重新规划路径失败,所述机器人继续原地等待,预设时长后再次申请目标路径对应的目标锁模型的道路锁。
通过本发明提供的一种机器人动态冲突检测的优化调度方法及系统,能够带来以下至少一种有益效果:
1、本发明中,通过创建锁模型在使用机器人之前对机器人调度范围内道路进行前期的规划与分析,另外计算得到锁模型的最大道路锁数量,从而方便后续机器人的调度。
2、本发明中,通过冲突保护区域在加锁失败后重新规划路径时规避不可通行的道路,快速筛除不适宜的路径,减少无效申请道路锁的次数,提高重新规划路径的速度。
附图说明
下面将以明确易懂的方式,结合附图说明优选实施方式,对一种机器人动态冲突检测的优化调度方法及系统的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明一种机器人动态冲突检测的优化调度方法的第一个实施例的流程图;
图2是本发明一种机器人动态冲突检测的优化调度方法的第二个实施例的流程图;
图3是本发明一种机器人动态冲突检测的优化调度方法的第三个实施例的流程图;
图4是本发明一种机器人动态冲突检测的优化调度方法的第四个实施例的流程图;
图5是本发明一种机器人动态冲突检测的优化调度方法的第五个实施例的流程图;
图6是本发明一种机器人动态冲突检测的优化调度系统的第六个实施例的结构示意图
图7是本发明一种机器人动态冲突检测的优化调度系统的第七个实施例的结构示意图。
具体实施方式
为了能够更加清楚地说明本发明实施例或现有技术中的技术方案,下面将对照说明书附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,并且获得其他的实施方式。
为了使图面简洁,各图中只示意性地表示出了与本发明相关的部分,它们并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”不仅表示“仅此一个”,也可以表示“多于一个”的情形。
本发明的第一实施例,如图1所示,一种机器人动态冲突检测的优化调度方法,包括:
获取机器人调度范围内的道路数据,根据道路数据建立道路模型;
创建锁模型,将具有关联关系的道路模型关联到同一个锁模型,计算每一个锁模型的最大道路锁数量;
获取机器人调度范围内的障碍物数据、机器人体积以及机器人坐标,标记锁模型的锁状态;
当目标机器人申请目标路径对应的目标锁模型的道路锁时,根据目标锁模型的最大道路锁数量和锁状态为目标机器人分配道路锁;
若目标机器人加锁失败,重新规划路径。
具体的,本实施例中,云端获取机器人调度范围内的道路数据,道路数据包括道路长度、宽度以及不可移动的障碍物尺寸。根据道路数据建立道路模型,也就是将机器人调度范围内的道路划分为若干个小段,划分原则由用户设定,也可以直接按照现有道路划分,每一个小段建立一个对应的道路模型,道路模型的参数包括自身具有唯一性的道路名称以及道路的起始点坐标。
云端创建锁模型,将具有关联关系的道路模型关联到同一个锁模型,例如道路A与道路B通过同一个路口,则将道路A与道路B关联到同一个锁模型。上述关联关系可以由用户设定。然后计算每一个锁模型的最大道路锁数量,例如根据锁模型中长度最短的道路的长度以及机器人的体积计算最大道路锁数量。
上述过程是云端在机器人还未投入使用时对机器人调度范围内内的道路进行设置,并且或许一旦道路发生变化同步进行更新。
当机器人投入使用之后,云端获取机器人调度范围内的可移动的障碍物的障碍物数据、机器人体积以及每一个机器人坐标,从而标记锁模型的锁状态。每一个机器人每进入下一个道路模型对应的道路上时,都要向云端申请即将进入的目标路径对应的目标锁模型的道路锁,只有云端为目标机器人分配道路锁也就是目标机器人加锁成功之后,机器人才能进入目标路径。云端根据目标锁模型的最大道路锁数量和锁状态来判断是否能够为目标机器人分配道路锁。如果目标机器人加锁失败,则需要重新规划路径。
本申请通过创建锁模型在使用机器人之前对机器人调度范围内道路进行前期的规划与分析,从而当机器人投入使用之后,机器人在行进过程中询问云端前期是否允许通行时,基于前期的规划与分析,云端可以快速地反应,避免机器人暂停等待,降低调度效率。
本发明第二实施例,是上述第一实施例的优化实施例,如图2所示,本实施例与上述第一实施例相比,主要改进在于,获取机器人调度范围内的障碍物数据、机器人体积以及机器人坐标,标记锁模型的锁状态具体包括:
若道路中新增障碍物,获取新增障碍物的障碍物数据;
根据新增的障碍物数据计算道路对应的锁模型的道路允许通过体积;
获取机器人体积,当根据道路允许通过体积和机器人体积得出不允许机器人通过时,标记对应的锁模型的锁状态为空间不足;
获取机器人坐标,根据机器人坐标得到机器人所在道路对应的锁模型,标记锁模型的锁状态为其他机器人占用,获取机器人的识别码序列和机器人移动方向,并将识别码序列和机器人移动方向加入锁模型的道路锁中。
具体的,本实施例中,云端获取机器人调度范围内的道路数据,根据道路数据建立道路模型,道路模型的参数包括自身具有唯一性的道路名称以及道路的起始点坐标。云端创建锁模型,将具有关联关系的道路模型关联到同一个锁模型,然后计算每一个锁模型的最大道路锁数量。
如果检测模块监测到某一条道路中新增了障碍物,例如某一条道路上堆积了一部分货物,那么新堆积的货物会对该道路上机器人的通行造成一定的影响,因此云端通过传感器获取新增的障碍物数据,障碍物数据包括障碍物体积以及坐标等数据,云端根据障碍物坐标得到障碍物所在的道路模型,然后根据障碍物体积计算该道路模型除障碍物之外的剩余可通行体积,然后根据机器人体积判断剩余可通行体积能否允许机器人通过,如果不能,则标记新增障碍物上的道路模型对应锁模型的锁状态为空间不足。但是当新增的障碍物移走之后,同步更新相应的锁模型的锁状态。
另外,云端通过传感器获取每一个机器人坐标,根据机器人坐标得到机器人所在的道路模型,说明该道路模型对应的道路锁分配有道路锁给该机器人,则标记该锁模型的锁状态为其他机器人占用。然后获取该机器人的识别码序列和机器人移动方向,并将识别码序列和机器人移动方向加入锁模型的道路锁中,便于后续有新的机器人申请同一锁模型的时候进行判断是否分配道路锁给新的机器人。当机器人移动至锁模型对应的道路模型之外时,道路锁中关于该机器人的数据应及时删除或显示过期。
每一个机器人每进入下一个道路模型对应的道路上时,都要向云端申请即将进入的目标路径对应的目标锁模型的道路锁,只有云端为目标机器人分配道路锁也就是目标机器人加锁成功之后,机器人才能进入目标路径。云端根据目标锁模型的最大道路锁数量和锁状态来判断是否能够为目标机器人分配道路锁。如果目标机器人加锁失败,则需要重新规划路径。
本申请中当监测到机器人调度范围内新增可移动的障碍物时,快速及时更改标记相应位置的道路模型对应的锁模型的锁状态,减小机器人调度范围内突然新增障碍物对机器人调度效率的影响。
本发明第三实施例,是上述第二实施例的优化实施例,如图3所示,本实施例与上述第一实施例相比,主要改进在于,当目标机器人申请目标路径对应的目标锁模型的道路锁时,根据目标锁模型的最大道路锁数量和锁状态为目标机器人分配道路锁具体包括:
当目标机器人申请目标路径对应的目标锁模型的道路锁时,获取目标锁模型的锁状态;
若目标锁模型的锁状态为空间不足,目标机器人加锁失败;
若目标锁模型的锁状态为其他机器人占用,获取目标锁模型的的道路锁中的机器人移动方向;
当目标机器人的移动方向与机器人移动方向不相同时,目标机器人加锁失败;
当目标机器人的移动方向与机器人移动方向相同时,获取目标锁模型的的道路锁中的识别码序列;
若识别码序列的数量达到预设道路锁数量,目标机器人加锁失败。
具体的,本实施例中,云端获取机器人调度范围内的道路数据,根据道路数据建立道路模型,道路模型的参数包括自身具有唯一性的道路名称以及道路的起始点坐标。云端创建锁模型,将具有关联关系的道路模型关联到同一个锁模型,然后计算每一个锁模型的最大道路锁数量。当机器人投入使用之后,云端获取机器人调度范围内的可移动的障碍物的障碍物数据、机器人体积以及每一个机器人坐标,从而标记锁模型的锁状态。
当目标机器人申请目标路径对应的目标锁模型的道路锁时,获取目标锁模型的锁状态,如果锁状态为空间不足,说明目标路径存在无法通行的路段,目标机器人加锁失败。
如果目标锁模型的锁状态为其他机器人占用,说明目标路径上已经有机器人在通行,因此获取目标锁模型的道路锁中的关于正在通行的机器人的移动方向,如果移动方向和目标机器人的移动方向不同,如果目标机器人进行目标路径,则会造成两者都无法通行的情形,因此目标机器人加锁失败。
如果目标锁模型的锁状态为其他机器人占用,但是正在通行的机器人的移动方向和目标机器人的移动方向相同,则从目标锁模型的道路锁中获取正在通行的机器人的数量,如果已经到达预设道路锁数量,说明已经到达允许通行的最大数量,则目标机器人加锁失败。如果没有到达预设道路锁数量,由于正在通行的机器人的移动方向和目标机器人的移动方向相同,目标机器人加锁成功,进入目标路径并不会对前面进入的机器人造成影响。如果目标机器人加锁失败,则需要重新规划路径。
本发明根据锁模型的最大道路锁数量和锁状态来判断是否能够为目标机器人分配道路锁,其中更是通过从正在通行的机器人的移动方向和数量准确分析是否分配道路锁给目标机器人,从而提高每条道路的通行能力,进一步提高整个机器人调度范围内的机器人调度数据。
本发明第四实施例,是上述第一实施例的优化实施例,如图4所示,本实施例与上述第一实施例相比,主要改进在于,还包括:
获取机器人保护区域范围;
获取和第一道路模型关联至同一个锁模型的道路模型并形成道路集合,第一道路模型为建立的任意一个道路模型;
根据道路集合和机器人保护区域范围形成第一道路模型的冲突保护区域。
具体的,本实施例中,云端获取机器人调度范围内的道路数据,根据道路数据建立道路模型,道路模型的参数包括自身具有唯一性的道路名称以及道路的起始点坐标。云端创建锁模型,将具有关联关系的道路模型关联到同一个锁模型,然后计算每一个锁模型的最大道路锁数量。
另外,云端获取机器人保护区域范围,该机器人保护区域范围用于保护机器人不与其余的机器人发生道路冲突,以及当路线发生变化时能够及时进行调整。然后获取每一条道路模型与自身关联到同一个锁模型的道路模型并形成道路集合,根据道路集合和机器人保护区域范围形成对应的道路模型的冲突保护区域。当机器人申请某一条道路模型的道路锁,如果加锁失败,无法在该道路模型上通行,那么同样无法在该道路模型的冲突保护区域内通行。
当机器人投入使用之后,云端获取机器人调度范围内的可移动的障碍物的障碍物数据、机器人体积以及每一个机器人坐标,从而标记锁模型的锁状态。每一个机器人每进入下一个道路模型对应的道路上时,都要向云端申请即将进入的目标路径对应的目标锁模型的道路锁,只有云端为目标机器人分配道路锁也就是目标机器人加锁成功之后,机器人才能进入目标路径。云端根据目标锁模型的最大道路锁数量和锁状态来判断是否能够为目标机器人分配道路锁。如果目标机器人加锁失败,则需要重新规划路径。
本发明通过机器人保护区域范围和关联至同一个锁模型的道路模型形成的道路集合生成每一个道路模型的冲突保护区域,便于重新规划路径时进行规避。
本发明第五实施例,是上述第四实施例的优化实施例,如图5所示,本实施例与上述第一实施例相比,主要改进在于,若目标机器人加锁失败,重新规划路径具体包括:
若目标机器人针对目标路径加锁失败,向目标机器人发出暂停运动指令;
排除目标路径的冲突保护区域对目标机器人重新规划路径;
若重新规划路径失败,机器人继续原地等待,预设时长后再次申请目标路径对应的目标锁模型的道路锁。
具体的,本实施例中,云端获取机器人调度范围内的道路数据,根据道路数据建立道路模型,道路模型的参数包括自身具有唯一性的道路名称以及道路的起始点坐标。云端创建锁模型,将具有关联关系的道路模型关联到同一个锁模型,然后计算每一个锁模型的最大道路锁数量。
另外,云端获取机器人保护区域范围,然后获取每一条道路模型与自身关联到同一个锁模型的道路模型并形成道路集合,根据道路集合和机器人保护区域范围形成对应的道路模型的冲突保护区域。
当机器人投入使用之后,云端获取机器人调度范围内的可移动的障碍物的障碍物数据、机器人体积以及每一个机器人坐标,从而标记锁模型的锁状态。每一个机器人每进入下一个道路模型对应的道路上时,都要向云端申请即将进入的目标路径对应的目标锁模型的道路锁,只有云端为目标机器人分配道路锁也就是目标机器人加锁成功之后,机器人才能进入目标路径。云端根据目标锁模型的最大道路锁数量和锁状态来判断是否能够为目标机器人分配道路锁。
如果目标机器人加锁失败,则云端发出暂停运动指令至目标机器人,然后为目标机器人重新规划路径,在重新规划路径时排除目标路径的冲突保护区域,并且同样需要对新规划的目标路径申请道路锁。如果有另外的路径可以到达目的地则目标机器人更换路径。但是如果没有其余的路径可以到达目的地活着其余的路径同样加锁失败,则目标机器人继续原地等待,并且预设时长后再次申请目标路径对应的目标锁模型的道路锁,重复上述过程。
本发明通过冲突保护区域在加锁失败后重新规划路径时规避不可通行的道路,快速筛除不适宜的路径,减少无效申请道路锁的次数,提高重新规划路径的速度。
本发明的第六实施例,如图6所示,一种机器人动态冲突检测的优化调度系统,包括:
道路模型建立模块110,获取机器人调度范围内的道路数据,根据所述道路数据建立道路模型;
锁模型创建模块120,创建锁模型,将所述道路模型建立模块110建立的具有关联关系的所述道路模型关联到同一个锁模型,计算每一个锁模型的最大道路锁数量;
锁状态标记模块130,获取所述机器人调度范围内的障碍物数据、机器人体积以及机器人坐标,标记所述锁模型创建模块120创建的锁模型的锁状态;
道路锁分配模块140,当目标机器人申请目标路径对应的目标锁模型的道路锁时,根据所述锁模型创建模块120计算的所述目标锁模型的最大道路锁数量和所述锁状态标记模块130标记的锁状态为所述目标机器人分配道路锁;
处理模块150,若所述道路锁分配模块140得出所述目标机器人加锁失败,重新规划路径。
本实施例中的各个模块的具体操作方式在上述对应的方法实施例中已经进行了详细描述,因此不再一一进行赘述。
本发明第七实施例,是上述第六实施例的优化实施例,如图7所示,本实施例与上述第一实施例相比,主要改进在于:
所述锁状态标记模块130具体包括:
障碍物获取单元131,若道路中新增障碍物,获取新增障碍物的障碍物数据;
计算单元132,根据障碍物获取单元131获取的新增的障碍物数据计算道路对应的锁模型的道路允许通过体积;
标记单元133,获取机器人体积,当根据计算单元132得到的道路允许通过体积和获取单元获取的机器人体积得出不允许机器人通过时,标记对应的锁模型的锁状态为空间不足;
标记单元133,获取机器人坐标,根据获取单元获取的机器人坐标得到机器人所在道路对应的锁模型,标记锁模型的锁状态为其他机器人占用,获取机器人的识别码序列和机器人移动方向,并将识别码序列和机器人移动方向加入锁模型的道路锁中。
所述道路锁分配模块140具体包括:
锁状态获取单元141,当所述目标机器人申请所述目标路径对应的所述目标锁模型的道路锁时,获取所述目标锁模型的锁状态;
道路锁分配单元142,若所述锁状态获取单元141获取的所述目标锁模型的锁状态为空间不足,所述目标机器人加锁失败;
方向获取单元143,若所述锁状态获取单元141获取的所述目标锁模型的锁状态为其他机器人占用,获取所述目标锁模型的的道路锁中的机器人移动方向;
所述道路锁分配单元142,当所述方向获取单元143获取的所述目标机器人的移动方向与所述机器人移动方向不相同时,所述目标机器人加锁失败;
识别码获取单元144,当所述方向获取单元143获取的所述目标机器人的移动方向与所述机器人移动方向相同时,获取所述目标锁模型的的道路锁中的识别码序列;
所述道路锁分配单元142,若所述识别码获取单元144获取的识别码序列的数量达到预设道路锁数量,所述目标机器人加锁失败。
还包括:
保护范围获取模块160,获取机器人保护区域范围;
道路集合生成模块170,获取和第一道路模型关联至同一个锁模型的道路模型并形成道路集合,第一道路模型为建立的任意一个道路模型;
保护区域生成模块180,根据所述道路集合生成模块170生成的所述道路集合和所述获取的所述机器人保护区域范围形成所述第一道路模型的冲突保护区域。
所述处理模块150具体包括:
指令发送单元151,若所述道路锁分配模块140得出所述目标机器人针对所述目标路径加锁失败,向所述目标机器人发出暂停运动指令;
路径规划单元152,排除所述保护区域生成模块180得到的所述目标路径的冲突保护区域对所述目标机器人重新规划路径;
处理单元153,若所述路径规划单元152重新规划路径失败,所述机器人继续原地等待,预设时长后再次申请目标路径对应的目标锁模型的道路锁。
本实施例中的各个模块的具体操作方式在上述对应的方法实施例中已经进行了详细描述,因此不再一一进行赘述。
应当说明的是,上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种机器人动态冲突检测的优化调度方法,其特征在于,包括:
获取机器人调度范围内的道路数据,根据所述道路数据建立道路模型;
创建锁模型,将具有关联关系的所述道路模型关联到同一个锁模型,计算每一个锁模型的最大道路锁数量;
获取所述机器人调度范围内的障碍物数据、机器人体积以及机器人坐标,标记锁模型的锁状态;
当目标机器人申请目标路径对应的目标锁模型的道路锁时,根据所述目标锁模型的最大道路锁数量和锁状态为所述目标机器人分配道路锁;
若所述目标机器人加锁失败,重新规划路径。
2.根据权利要求1所述的机器人动态冲突检测的优化调度方法,其特征在于,获取所述机器人调度范围内的障碍物数据、机器人体积以及机器人坐标,标记锁模型的锁状态具体包括:
若道路中新增障碍物,获取所述新增障碍物的障碍物数据;
根据新增的所述障碍物数据计算道路对应的锁模型的道路允许通过体积;
获取所述机器人体积,当根据所述道路允许通过体积和所述机器人体积得出不允许机器人通过时,标记对应的锁模型的锁状态为空间不足;
获取所述机器人坐标,根据所述机器人坐标得到机器人所在道路对应的锁模型,标记锁模型的锁状态为其他机器人占用,获取所述机器人的识别码序列和机器人移动方向,并将所述识别码序列和所述机器人移动方向加入锁模型的道路锁中。
3.根据权利要求2所述的机器人动态冲突检测的优化调度方法,其特征在于,当目标机器人申请目标路径对应的目标锁模型的道路锁时,根据所述目标锁模型的最大道路锁数量和锁状态为所述目标机器人分配道路锁具体包括:
当所述目标机器人申请所述目标路径对应的所述目标锁模型的道路锁时,获取所述目标锁模型的锁状态;
若所述目标锁模型的锁状态为空间不足,所述目标机器人加锁失败;
若所述目标锁模型的锁状态为其他机器人占用,获取所述目标锁模型的道路锁中的机器人移动方向;
当所述目标机器人的移动方向与所述机器人移动方向不相同时,所述目标机器人加锁失败;
当所述目标机器人的移动方向与所述机器人移动方向相同时,获取所述目标锁模型的道路锁中的识别码序列;
若识别码序列的数量达到预设道路锁数量,所述目标机器人加锁失败。
4.根据权利要求1所述的机器人动态冲突检测的优化调度方法,其特征在于,还包括:
获取机器人保护区域范围;
获取和第一道路模型关联至同一个锁模型的道路模型并形成道路集合,所述第一道路模型为建立的任意一个道路模型;
根据所述道路集合和所述机器人保护区域范围形成所述第一道路模型的冲突保护区域。
5.根据权利要求4所述的机器人动态冲突检测的优化调度方法,其特征在于,若所述目标机器人加锁失败,重新规划路径具体包括:
若所述目标机器人针对所述目标路径加锁失败,向所述目标机器人发出暂停运动指令;
排除所述目标路径的冲突保护区域对所述目标机器人重新规划路径;
若重新规划路径失败,所述目标机器人继续原地等待,预设时长后再次申请目标路径对应的目标锁模型的道路锁。
6.一种机器人动态冲突检测的优化调度系统,其特征在于,包括:
道路模型建立模块,获取机器人调度范围内的道路数据,根据所述道路数据建立道路模型;
锁模型创建模块,创建锁模型,将所述道路模型建立模块建立的具有关联关系的所述道路模型关联到同一个锁模型,计算每一个锁模型的最大道路锁数量;
锁状态标记模块,获取所述机器人调度范围内的障碍物数据、机器人体积以及机器人坐标,标记所述锁模型创建模块创建的锁模型的锁状态;
道路锁分配模块,当目标机器人申请目标路径对应的目标锁模型的道路锁时,根据所述锁模型创建模块计算的所述目标锁模型的最大道路锁数量和所述锁状态标记模块标记的锁状态为所述目标机器人分配道路锁;
处理模块,若所述道路锁分配模块得出所述目标机器人加锁失败,重新规划路径。
7.根据权利要求6所述的机器人动态冲突检测的优化调度系统,其特征在于,所述锁状态标记模块具体包括:
障碍物获取单元,若道路中新增障碍物,获取所述新增障碍物的障碍物数据;
计算单元,根据所述障碍物获取单元获取的新增的所述障碍物数据计算道路对应的锁模型的道路允许通过体积;
标记单元,获取所述机器人体积,当根据所述计算单元得到的所述道路允许通过体积和所述机器人体积得出不允许机器人通过时,标记对应的锁模型的锁状态为空间不足;
所述标记单元,获取所述机器人坐标,根据所述机器人坐标得到机器人所在道路对应的锁模型,标记锁模型的锁状态为其他机器人占用,获取所述机器人的识别码序列和机器人移动方向,并将所述识别码序列和所述机器人移动方向加入锁模型的道路锁中。
8.根据权利要求7所述的机器人动态冲突检测的优化调度系统,其特征在于,所述道路锁分配模块具体包括:
锁状态获取单元,当所述目标机器人申请所述目标路径对应的所述目标锁模型的道路锁时,获取所述目标锁模型的锁状态;
道路锁分配单元,若所述锁状态获取单元获取的所述目标锁模型的锁状态为空间不足,所述目标机器人加锁失败;
方向获取单元,若所述锁状态获取单元获取的所述目标锁模型的锁状态为其他机器人占用,获取所述目标锁模型的道路锁中的机器人移动方向;
所述道路锁分配单元,当所述方向获取单元获取的所述目标机器人的移动方向与所述机器人移动方向不相同时,所述目标机器人加锁失败;
识别码获取单元,当所述方向获取单元获取的所述目标机器人的移动方向与所述机器人移动方向相同时,获取所述目标锁模型的道路锁中的识别码序列;
所述道路锁分配单元,若所述识别码获取单元获取的识别码序列的数量达到预设道路锁数量,所述目标机器人加锁失败。
9.根据权利要求6所述的机器人动态冲突检测的优化调度系统,其特征在于,还包括:
保护范围获取模块,获取机器人保护区域范围;
道路集合生成模块,获取和第一道路模型关联至同一个锁模型的道路模型并形成道路集合,所述第一道路模型为建立的任意一个道路模型;
保护区域生成模块,根据所述道路集合生成模块生成的所述道路集合和所述获取的所述机器人保护区域范围形成所述第一道路模型的冲突保护区域。
10.根据权利要求9所述的机器人动态冲突检测的优化调度系统,其特征在于,所述处理模块具体包括:
指令发送单元,若所述道路锁分配模块得出所述目标机器人针对所述目标路径加锁失败,向所述目标机器人发出暂停运动指令;
路径规划单元,排除所述保护区域生成模块得到的所述目标路径的冲突保护区域对所述目标机器人重新规划路径;
处理单元,若所述路径规划单元重新规划路径失败,所述机器人继续原地等待,预设时长后再次申请目标路径对应的目标锁模型的道路锁。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910161656.4A CN109746919B (zh) | 2019-03-04 | 2019-03-04 | 一种机器人动态冲突检测的优化调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910161656.4A CN109746919B (zh) | 2019-03-04 | 2019-03-04 | 一种机器人动态冲突检测的优化调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109746919A CN109746919A (zh) | 2019-05-14 |
CN109746919B true CN109746919B (zh) | 2020-10-09 |
Family
ID=66406809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910161656.4A Active CN109746919B (zh) | 2019-03-04 | 2019-03-04 | 一种机器人动态冲突检测的优化调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109746919B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112336267B (zh) * | 2019-08-07 | 2022-10-18 | 杭州萤石软件有限公司 | 一种清洁机器人及其控制方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6052045B2 (ja) * | 2013-05-01 | 2016-12-27 | 村田機械株式会社 | 自律移動体 |
CN106155064B (zh) * | 2016-09-28 | 2019-04-02 | 深圳市普渡科技有限公司 | 一种基于临界区加锁解锁的多机器人调度方法 |
CN108615384A (zh) * | 2016-12-12 | 2018-10-02 | 普天信息技术有限公司 | 基于云平台的车道分配方法及用于车道分配的云平台 |
CN107844117B (zh) * | 2017-10-23 | 2020-10-30 | 上海木木聚枞机器人科技有限公司 | 一种基于云端的道路锁定系统及方法 |
CN108268040A (zh) * | 2018-01-19 | 2018-07-10 | 广东美的智能机器人有限公司 | 多移动机器人的冲突管理方法及系统 |
CN108958241B (zh) * | 2018-06-21 | 2020-09-04 | 北京极智嘉科技有限公司 | 机器人路径的控制方法、装置、服务器和存储介质 |
CN109085832A (zh) * | 2018-08-14 | 2018-12-25 | 广东工业大学 | 一种agv小车自动避障方法及避障系统 |
-
2019
- 2019-03-04 CN CN201910161656.4A patent/CN109746919B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109746919A (zh) | 2019-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109945882B (zh) | 一种无人驾驶车辆路径规划与控制系统及方法 | |
Kim et al. | Solving the dynamic vehicle routing problem under traffic congestion | |
CN104854429B (zh) | 用于产生供在高级驾驶员辅助系统(adas)中使用的视野的方法及系统 | |
KR102113816B1 (ko) | 차량 자율주행 서비스 시스템 및 이를 위한 클라우드 서버 및 그 동작 방법 | |
EP2851760A1 (en) | Multi-robot system | |
CN107406073B (zh) | 用于在无碰撞性方面监视要由车辆驶过的额定轨迹的方法和设备 | |
US20180224284A1 (en) | Distributed autonomous mapping | |
US20200126408A1 (en) | Method for automatically producing and updating a data set for an autonomous vehicle | |
CN110262472B (zh) | 路径规划方法、装置和计算机可读存储介质 | |
EP2370965B1 (en) | Traffic information unit, traffic information system, vehicle management system, vehicle and method of controlling a vehicle | |
CN109746919B (zh) | 一种机器人动态冲突检测的优化调度方法及系统 | |
CN108628299A (zh) | 移动体、移动体控制系统及移动体控制方法 | |
DE102022100213A1 (de) | Auf Maschinenlernen basierendes Framework für die Annotation befahrbarer Oberflächen | |
EP3227159B1 (de) | Verfahren zur bestimmung der position eines fahrzeugs | |
CN110570653B (zh) | 一种自动驾驶辅助方法及系统 | |
CN110849378A (zh) | 用于对泊车环境绘制地图的方法和泊车环境 | |
CN112529444B (zh) | 智能仓储无人天车调度方法 | |
CN113759894A (zh) | 信息处理装置、信息处理方法、信息处理系统以及计算机程序 | |
JP7295106B2 (ja) | 軌道ネットワーク内でのナビゲートのためのシステムおよび方法 | |
Xu et al. | Single elevator scheduling problem with complete information: An exact model using mixed integer linear programming | |
US8170786B2 (en) | Method and apparatus for determining reference points for groups of data | |
JP2019071017A (ja) | 道路工事スケジューリング装置及び道路工事スケジューリングプログラム | |
CN114386913A (zh) | 一种基于云计算的物联网智能物流系统 | |
CN112550301A (zh) | 用于自主车辆的并行树状决策方案 | |
JP4187395B2 (ja) | 配送計画立案システム |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210806 Address after: 200335 Room 401, floor 4, building 2, No. 33, Guangshun Road, Changning District, Shanghai Patentee after: Noah robot technology (Shanghai) Co.,Ltd. Address before: 201400 room 2340, building 2, Lane 1800, Xinyang highway, Fengxian District, Shanghai Patentee before: SHANGHAI MUMU JUCONG ROBOT TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |