CN110221601A - 一种多agv系统动态障碍物实时避障方法及避障系统 - Google Patents
一种多agv系统动态障碍物实时避障方法及避障系统 Download PDFInfo
- Publication number
- CN110221601A CN110221601A CN201910361279.9A CN201910361279A CN110221601A CN 110221601 A CN110221601 A CN 110221601A CN 201910361279 A CN201910361279 A CN 201910361279A CN 110221601 A CN110221601 A CN 110221601A
- Authority
- CN
- China
- Prior art keywords
- agv
- detection
- obstacle avoidance
- value
- barrier
- 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
Links
- 230000004888 barrier function Effects 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 94
- 239000011159 matrix material Substances 0.000 claims abstract description 34
- 238000011897 real-time detection Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 8
- 239000002245 particle Substances 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000007689 inspection Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000000126 substance Substances 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种多AGV系统动态障碍物实时避障方法及避障系统,所述方法基于路径规划算法,在AGV行驶过程中,通过障碍物矩阵的方法,采用传感器实时检测当前位置在检测半径内是否存在障碍物,如果存在障碍物则AGV运动到距离目标点最近的位置点,直至AGV运动到目标点。本发明针对AGV在运行过程中在其规划路线上存在静态或动态障碍物时,障碍物会影响AGV正常行驶甚至发生碰撞等问题,提供能够在有障碍物情况下实时更新路径避开障碍物进而正常行驶。
Description
技术领域
本发明涉及多AGV系统,尤其是涉及一种多AGV系统动态障碍物实时避障方法及避障系统。
背景技术
如今,随着现代工业快速发展,应用于智能物流的AGV系统已经广泛应用在柔性化生产线和仓储物流中。由于AGV可以依据系统指令调整运输计划、增加系统柔性,使用AGV作为运输载体可以保证运输效率,降低成本。数字化车间中,产品种类多样,生产节拍严格,物流需求复杂,处于复杂环境下的AGV在运行过程中无法避免地会出现遭遇静态障碍物和动态障碍物的情况,严重影响运输效率,为了能让AGV更加稳定高效安全运行,需要为AGV设计高效的避障功能。
发明内容
为了解决上述背景技术提出的技术问题,本发明的目的在于针对AGV在运行过程中在其规划路线上存在静态或动态障碍物时,障碍物会影响AGV正常行驶甚至发生碰撞等问题,提供能够在有障碍物情况下实时更新路径避开障碍物进而正常行驶,最后到达目标点的一种多AGV系统动态障碍物实时避障的方法。
本发明提供一种多AGV系统动态障碍物实时避障方法,所述方法基于路径规划算法,在AGV行驶过程中,通过障碍物矩阵的方法,采用传感器实时检测当前位置在检测半径内是否存在障碍物,如果存在障碍物则AGV运动到距离目标点最近的位置点,直至AGV运动到目标点。
进一步的,所述方法具体包括以下步骤:
步骤1,确定搬运任务目标点,应用路径规划算法生成预行驶路径;
步骤2,AGV根据预行驶路径运动;
步骤3,判断是否到达终点,如果是,结束路径规划,否则转到步骤4;
步骤4,采用传感器,建立基于传感器检测半径的障碍物检测矩阵S,判断的S取值,如果所述检测矩阵值为1,转到步骤5,否则转到步骤2;
步骤5,计算所述检测矩阵中0值对应的传感器检测范围边缘与目标点之间的距离,得到最小值,并将AGV运动到该位置;
步骤6,判断S的值,如果其中有扇区取值为1,转到步骤5,否则转到步骤7;
步骤7,判断是否到达位置点,如果是,转到步骤1,否则转到步骤5。
进一步的,所述步骤4具体为:
步骤4.1,以AGV为圆心,传感器的检测半径为半径的圆形成的检测区域,将检测区域等分为若干扇区;
步骤4.2,将每个扇区顺序标记为Si,其取值0或1,0代表当前扇区内没检测到障碍物,1代表检测到障碍物,则有障碍物分布列表S=[S1,S2,...,SM],M为扇区的个数。
进一步的,所述步骤5具体为:
步骤5.1,依次计算取值为0的扇区中心线与传感器检测范围边缘相交的位置点pi到目标点的距离di,将其作为确定最佳路径的代价函数;
步骤5.2,计算di最小值对应的位置点pi min,将pi min作为新的目标位置点,再依据路径规划算法生成预行驶路径行驶。
进一步的,在步骤4.1中,所述扇区的个数越多,检测的精度越准确。
进一步的,在AGV的前后左右4个对角各放置一个传感器,每个传感器分成2个独立检测区域,实时感知AGV周围环境的障碍物分布情况,在步骤4.1中,形成8个扇区。
作为一种优选,所述路径规划算法为基于静态障碍物矩阵的局部粒子群路径规划算法。
本发明还提供一种多AGV系统动态障碍物实时避障系统,所述避障系统包括路径规划算法模块、传感器检测模块、避障算法模块;其中,所述路径规划算法模块用于生成基于目标点的行驶路径,所述传感器检测模块用于实时检测障碍物的位置,所述避障算法模块在检测区域内存在障碍物时,基于代价函数形成避让障碍物的行驶路径。
进一步的,所述传感器检测模块以AGV为圆心,传感器的检测半径为半径的圆形成的检测区域,将检测区域等分为若干扇区;将每个扇区顺序标记为Si,其取值0或1,0代表当前扇区内没检测到障碍物,1代表检测到障碍物,则有障碍物分布列表S=[S1,S2,...,SM],M为扇区的个数。
进一步的,所述传感器检测模块,建立基于传感器检测半径的障碍物检测矩阵S,判断的S取值,如果所述检测矩阵值为1,则所述避障算法模块计算实时避障行驶路径,如果所述检测矩阵值为0,则AGV基于路径规划算法模块生成基于目标点的行驶路径行驶。
进一步的,如果有扇区取值为1,所述避障算法模块计算所述检测矩阵中0值对应的传感器检测范围边缘与目标点之间的距离,得到最小值,并将AGV运动到该位置;再判断是否到达位置点,如果是则再通过所述径规划算法模块规划基于目标点的行驶路径,AGV继续沿行驶路径行驶,如果不是,则通过避障算法模块规划避障路径再沿其行驶。
进一步的,所述传感器检测模块中所分的扇区个数越多,检测的精度越准确。
作为一种优选,所述传感器检测模块中包含4个传感器,在AGV的前后左右4个对角各放置一个传感器,每个传感器分成2个独立检测区域,实时感知AGV周围环境的障碍物分布情况,形成8个扇区。
进一步的,所述避障算法模块计算所述检测矩阵中0值对应的传感器检测范围边缘与目标点之间的距离,得到最小值,最小值对应的位置点,将该位置点作为新的目标位置点,在依据路径规划算法生成预行驶路径行驶。
作为一种优选,所述路径规划算法模块基于全局静态障碍物矩阵,使用局部粒子群算法计算出当前位置点到目标点的预行驶路径。
本发明具有如下有益效果:
除了静态障碍物之外还充分考虑了动态障碍物对路径规划的影响,避障策略简单易实现,算法复杂度低,在部署成本较低的同时实现了良好的动态障碍物实时避障效果。
附图说明
图1为本发明实施例的AGV运行环境。
图2为本发明实施例的传感器分布示意图。
图3为本发明实施例的检测模型图。
图4为本发明实施例AGV在动态障碍物环境下无碰撞避障路径图。
具体实施方式
现将结合附图对本发明的技术方案进行完整的描述。以下描述仅仅是本发明的一部分实施案例而已,并非全部。基于本发明中的实施案例,本领域技术人员在没有作出创造性劳动的前提下所获得的所有其他实施案例,都属于本发明的权利保护范围之内。
实施例1
一种多AGV系统动态障碍物实时避障方法,所述方法基于路径规划算法,在AGV行驶过程中,通过障碍物矩阵的方法,采用传感器实时检测当前位置在检测半径内是否存在障碍物,如果存在障碍物则AGV运动到距离目标点最近的位置点,直至AGV运动到目标点。
进一步的,所述方法具体包括以下步骤:
步骤1,确定搬运任务目标点,应用路径规划算法生成预行驶路径;
步骤2,AGV根据预行驶路径运动;
步骤3,判断是否到达终点,如果是,结束路径规划,否则转到步骤4;
步骤4,采用传感器,建立基于传感器检测半径的障碍物检测矩阵S,判断的S取值,如果所述检测矩阵值为1,转到步骤5,否则转到步骤2;
步骤5,计算所述检测矩阵中0值对应的传感器检测范围边缘与目标点之间的距离,得到最小值,并将AGV运动到该位置;
步骤6,判断S的值,如果其中有扇区取值为1,转到步骤5,否则转到步骤7;
步骤7,判断是否到达位置点,如果是,转到步骤1,否则转到步骤5。
进一步的,所述步骤4具体为:
步骤4.1,以AGV为圆心,传感器的检测半径为半径的圆形成的检测区域,将检测区域等分为若干扇区;
步骤4.2,将每个扇区顺序标记为Si,其取值0或1,0代表当前扇区内没检测到障碍物,1代表检测到障碍物,则有障碍物分布列表S=[S1,S2,...,SM],M为扇区的个数。
进一步的,所述步骤5具体为:
步骤5.1,依次计算取值为0的扇区中心线与传感器检测范围边缘相交的位置点pi到目标点的距离di,将其作为确定最佳路径的代价函数;
步骤5.2,计算di最小值对应的位置点pi min,将pi nin作为新的目标位置点,再依据路径规划算法生成预行驶路径行驶。
进一步的,在步骤4.1中,所述扇区的个数越多,检测的精度越准确。
进一步的,在AGV的前后左右4个对角各放置一个传感器,每个传感器分成2个独立检测区域,实时感知AGV周围环境的障碍物分布情况,在步骤4.1中,形成8个扇区。
作为一种优选,所述路径规划算法为基于静态障碍物矩阵的局部粒子群路径规划算法。
在如图1所示的AGV运行环境中存在生产设备、建筑设施等静态障碍物和车间中的其他AGV这类动态障碍物。在AGV上配备了能够检测障碍物的传感器,如图2所示,其中va为AGV当前的运动方向;L为传感器检测范围半径;si为传感器检测扇区,其取值0或1,0代表当前扇区内没检测到障碍物,1代表检测到障碍物;扇区总数为8,其值越大检测障碍物的分辨率就越高,进而AGV采取避障措施而规划出的新路径就越精确。则有障碍物分布列表:S=[s1,s2,...,s8]。
避障算法流程如下:
步骤1确定搬运任务目标点,并应用路径规划算法生成预行驶路径。
步骤2 AGV根据预行驶路径运动,并实时检测障碍物。
步骤3判断是否到达终点,如果是,结束路径规划,否则转到步骤4。
步骤4判断S的取值,如果其中有扇区取值为1,转到步骤5,否则转到步骤2。
步骤5依次计算取值为0的扇区中心线与传感器检测范围边缘相交的位置点pi到目标点的距离di,将其作为确定最佳路径的代价函数,需要满足si=0,i∈[1,8]。
步骤6 AGV运动到距离目标点最近的位置点pi min,di min=min(di),并实时检测障碍物。
步骤7判断S的取值,如果其中有扇区取值为1,转到步骤5,否则转到步骤8。
步骤8判断是否到达位置点pi min,如果是,转到步骤1,否则转到步骤5。
在图3所示的例子中,S=[1,0,0,1,0,0,1,1]。其中s2=s3=s5=s6=0,s1=s4=s7=s8=1,p2、p3、p5、p6是可行的待选位置点,此时AGV需要根据避障策略判断待选位置点中哪一点离目标点距离最近,在本例中,p2距离搬运任务目标点最近,所以选择该位置点为局部目标点,重新规划路径。在AGV从当前位置运动到p2的过程中,每隔固定时间判断S的取值,如步骤7所述,通过这样的逐步迭代过程,最终到达搬运任务的目标点。AGV在动态障碍物环境下的无碰撞路径如图4所示。
实施例2
本发明还提供一种多AGV系统动态障碍物实时避障系统,所述避障系统包括路径规划算法模块、传感器检测模块、避障算法模块;其中,所述路径规划算法模块用于生成基于目标点的行驶路径,所述传感器检测模块用于实时检测障碍物的位置,所述避障算法模块在检测区域内存在障碍物时,基于代价函数形成避让障碍物的行驶路径。
进一步的,所述传感器检测模块以AGV为圆心,传感器的检测半径为半径的圆形成的检测区域,将检测区域等分为若干扇区;将每个扇区顺序标记为Si,其取值0或1,0代表当前扇区内没检测到障碍物,1代表检测到障碍物,则有障碍物分布列表S=[S1,S2,...,SM],M为扇区的个数。
进一步的,所述传感器检测模块,建立基于传感器检测半径的障碍物检测矩阵S,判断的S取值,如果所述检测矩阵值为1,则所述避障算法模块计算实时避障行驶路径,如果所述检测矩阵值为0,则AGV基于路径规划算法模块生成基于目标点的行驶路径行驶。
进一步的,如果有扇区取值为1,所述避障算法模块计算所述检测矩阵中0值对应的传感器检测范围边缘与目标点之间的距离,得到最小值,并将AGV运动到该位置;再判断是否到达位置点,如果是则再通过所述径规划算法模块规划基于目标点的行驶路径,AGV继续沿行驶路径行驶,如果不是,则通过避障算法模块规划避障路径再沿其行驶。
进一步的,所述传感器检测模块中所分的扇区个数越多,检测的精度越准确。
作为一种优选,所述传感器检测模块中包含4个传感器,在AGV的前后左右4个对角各放置一个传感器,每个传感器分成2个独立检测区域,实时感知AGV周围环境的障碍物分布情况,形成8个扇区。
进一步的,所述避障算法模块计算所述检测矩阵中0值对应的传感器检测范围边缘与目标点之间的距离,得到最小值,最小值对应的位置点,将该位置点作为新的目标位置点,在依据路径规划算法生成预行驶路径行驶。
作为一种优选,所述路径规划算法模块基于全局静态障碍物矩阵,使用局部粒子群算法计算出当前位置点到目标点的预行驶路径。
本发明提供的方法及系统除了静态障碍物之外还充分考虑了动态障碍物对路径规划的影响,避障策略简单易实现,算法复杂度低,在部署成本较低的同时实现了良好的动态障碍物实时避障效果。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前下,本发明还会有各种变化和改进,本发明要求保护范围由所附的权利要求书、说明书及其等效物界定。
Claims (15)
1.一种多AGV系统动态障碍物实时避障方法,其特征在于,所述方法基于路径规划算法,在AGV行驶过程中,通过障碍物矩阵的方法,采用传感器实时检测当前位置在检测半径内是否存在障碍物,如果存在障碍物则AGV运动到距离目标点最近的位置点,直至AGV运动到目标点。
2.根据权利要求1所述的一种多AGV系统动态障碍物实时避障方法,其特征在于,所述方法具体包括以下步骤:
步骤1,确定搬运任务目标点,应用路径规划算法生成预行驶路径;
步骤2,AGV根据预行驶路径运动;
步骤3,判断是否到达终点,如果是,结束路径规划,否则转到步骤4;
步骤4,采用传感器,建立基于传感器检测半径的障碍物检测矩阵S,判断的S取值,如果所述检测矩阵值为1,转到步骤5,否则转到步骤2;
步骤5,计算所述检测矩阵中0值对应的传感器检测范围边缘与目标点之间的距离,得到最小值,并将AGV运动到该位置;
步骤6,判断S的值,如果其中有扇区取值为1,转到步骤5,否则转到步骤7;
步骤7,判断是否到达位置点,如果是,转到步骤1,否则转到步骤5。
3.根据权利要求2所述的一种多AGV系统动态障碍物实时避障方法,其特征在于,所述步骤4具体为:
步骤4.1,以AGV为圆心,传感器的检测半径为半径的圆形成的检测区域,将检测区域等分为若干扇区;
步骤4.2,将每个扇区顺序标记为Si,其取值0或1,0代表当前扇区内没检测到障碍物,1代表检测到障碍物,则有障碍物分布列表S=[S1,S2,...,SM],M为扇区的个数。
4.根据权利要求3所述的一种多AGV系统动态障碍物实时避障方法,其特征在于,所述步骤5具体为:
步骤5.1,依次计算取值为0的扇区中心线与传感器检测范围边缘相交的位置点pi到目标点的距离di,将其作为确定最佳路径的代价函数;
步骤5.2,计算di最小值对应的位置点Pi min,将Pi min作为新的目标位置点,再依据路径规划算法生成预行驶路径行驶。
5.根据权利要求3所述的一种多AGV系统动态障碍物实时避障方法,其特征在于,在步骤4.1中,所述扇区的个数越多,检测的精度越准确。
6.根据权利要求3所述的一种多AGV系统动态障碍物实时避障方法,其特征在于,在AGV的前后左右4个对角各放置一个传感器,每个传感器分成2个独立检测区域,实时感知AGV周围环境的障碍物分布情况,在步骤4.1中,形成8个扇区。
7.根据权利要求3所述的一种多AGV系统动态障碍物实时避障方法,其特征在于,所述路径规划算法为基于静态障碍物矩阵的局部粒子群路径规划算法。
8.一种多AGV系统动态障碍物实时避障系统,其特征在于,所述避障系统包括路径规划算法模块、传感器检测模块、避障算法模块;其中,所述路径规划算法模块用于生成基于目标点的行驶路径,所述传感器检测模块用于实时检测障碍物的位置,所述避障算法模块在检测区域内存在障碍物时,基于代价函数形成避让障碍物的行驶路径。
9.根据权利要求8所述的一种多AGV系统动态障碍物实时避障系统,其特征在于,所述传感器检测模块以AGV为圆心,传感器的检测半径为半径的圆形成的检测区域,将检测区域等分为若干扇区;将每个扇区顺序标记为Si,其取值0或1,0代表当前扇区内没检测到障碍物,1代表检测到障碍物,则有障碍物分布列表S=[S1,S2,...,SM],M为扇区的个数。
10.根据权利要求9所述的一种多AGV系统动态障碍物实时避障系统,其特征在于,所述传感器检测模块,建立基于传感器检测半径的障碍物检测矩阵S,判断的S取值,如果所述检测矩阵值为1,则所述避障算法模块计算实时避障行驶路径,如果所述检测矩阵值为0,则AGV基于路径规划算法模块生成基于目标点的行驶路径行驶。
11.根据权利要求10所述的一种多AGV系统动态障碍物实时避障系统,其特征在于,如果有扇区取值为1,所述避障算法模块计算所述检测矩阵中0值对应的传感器检测范围边缘与目标点之间的距离,得到最小值,并将AGV运动到该位置;再判断是否到达位置点,如果是则再通过所述径规划算法模块规划基于目标点的行驶路径,AGV继续沿行驶路径行驶,如果不是,则通过避障算法模块规划避障路径再沿其行驶。
12.根据权利要求10所述的一种多AGV系统动态障碍物实时避障系统,其特征在于,所述传感器检测模块中所分的扇区个数越多,检测的精度越准确。
13.根据权利要求10所述的一种多AGV系统动态障碍物实时避障系统,其特征在于,所述传感器检测模块中包含4个传感器,在AGV的前后左右4个对角各放置一个传感器,每个传感器分成2个独立检测区域,实时感知AGV周围环境的障碍物分布情况,形成8个扇区。
14.根据权利要求10所述的一种多AGV系统动态障碍物实时避障系统,其特征在于,所述避障算法模块计算所述检测矩阵中0值对应的传感器检测范围边缘与目标点之间的距离,得到最小值,最小值对应的位置点,将该位置点作为新的目标位置点,在依据路径规划算法生成预行驶路径行驶。
15.根据权利要求10所述的一种多AGV系统动态障碍物实时避障系统,其特征在于,所述路径规划算法模块基于全局静态障碍物矩阵,使用局部粒子群算法计算出当前位置点到目标点的预行驶路径。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910361279.9A CN110221601A (zh) | 2019-04-30 | 2019-04-30 | 一种多agv系统动态障碍物实时避障方法及避障系统 |
PCT/CN2019/112408 WO2020220604A1 (zh) | 2019-04-30 | 2019-10-22 | 一种多agv系统动态障碍物实时避障方法及避障系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910361279.9A CN110221601A (zh) | 2019-04-30 | 2019-04-30 | 一种多agv系统动态障碍物实时避障方法及避障系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110221601A true CN110221601A (zh) | 2019-09-10 |
Family
ID=67820417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910361279.9A Pending CN110221601A (zh) | 2019-04-30 | 2019-04-30 | 一种多agv系统动态障碍物实时避障方法及避障系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110221601A (zh) |
WO (1) | WO2020220604A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110597261A (zh) * | 2019-09-24 | 2019-12-20 | 浙江大华技术股份有限公司 | 一种预防碰撞冲突的方法及装置 |
WO2020220604A1 (zh) * | 2019-04-30 | 2020-11-05 | 南京航空航天大学 | 一种多agv系统动态障碍物实时避障方法及避障系统 |
CN113237688A (zh) * | 2021-07-09 | 2021-08-10 | 深圳市普渡科技有限公司 | 机器人、机器人避障性能测试方法、装置及可读存储介质 |
CN115049346A (zh) * | 2022-08-16 | 2022-09-13 | 成都秦川物联网科技股份有限公司 | 基于物料运输障碍识别的工业物联网及控制方法 |
CN115903830A (zh) * | 2022-12-07 | 2023-04-04 | 杭州丰坦机器人有限公司 | 基于激光测距导航功能的建筑agv底盘 |
CN118010032A (zh) * | 2024-04-09 | 2024-05-10 | 中油管道物资装备有限公司 | 一种运输车路径规划方法、装置及设备 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113569701B (zh) * | 2021-07-23 | 2024-03-15 | 盐城中科高通量计算研究院有限公司 | 多传感器融合的障碍物感知智能车检测算法 |
CN113435417B (zh) * | 2021-08-26 | 2021-11-16 | 山东华力机电有限公司 | 一种双轮驱动的agv转向视觉控制方法 |
CN113878580A (zh) * | 2021-10-26 | 2022-01-04 | 南京智凝人工智能研究院有限公司 | 一种可碰撞检测机械臂采摘场景下的避障问题处理方法 |
CN114911240B (zh) * | 2022-05-27 | 2024-09-06 | 哈尔滨工程大学 | 一种无人机辅助无人艇动态避障路径规划方法 |
CN114995421B (zh) * | 2022-05-31 | 2024-06-18 | 重庆长安汽车股份有限公司 | 自动驾驶避障方法、装置、电子设备、存储介质及程序产品 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106647769A (zh) * | 2017-01-19 | 2017-05-10 | 厦门大学 | 基于a*提取引导点的agv路径跟踪与避障协调方法 |
CN107990903A (zh) * | 2017-12-29 | 2018-05-04 | 东南大学 | 一种基于改进a*算法的室内agv路径规划方法 |
CN108363395A (zh) * | 2018-02-11 | 2018-08-03 | 智久(厦门)机器人科技有限公司 | 一种agv自主避障的方法 |
CN108549385A (zh) * | 2018-05-22 | 2018-09-18 | 东南大学 | 一种结合a*算法和vfh避障算法的机器人动态路径规划方法 |
CN108775902A (zh) * | 2018-07-25 | 2018-11-09 | 齐鲁工业大学 | 基于障碍物虚拟膨胀的伴随机器人路径规划方法及系统 |
CN109085836A (zh) * | 2018-08-29 | 2018-12-25 | 深圳市浦硕科技有限公司 | 一种扫地机器人回指定位置最短路线的方法 |
CN109282815A (zh) * | 2018-09-13 | 2019-01-29 | 天津西青区瑞博生物科技有限公司 | 一种动态环境下基于蚁群算法的移动机器人路径规划方法 |
CN109387214A (zh) * | 2018-09-05 | 2019-02-26 | 南京理工大学 | 一种基于虚拟墙的机器人路径规划算法 |
CN109491383A (zh) * | 2018-11-06 | 2019-03-19 | 上海应用技术大学 | 多机器人定位与建图系统及方法 |
CN109540155A (zh) * | 2019-02-01 | 2019-03-29 | 西安全志科技有限公司 | 一种扫地机器人的路径规划与导航方法、计算机装置以及计算机可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101318560B1 (ko) * | 2012-02-29 | 2013-10-16 | 부산대학교 산학협력단 | 유도라인 추적 agv의 유연한 주행 제어를 위한 영상 기반 유도라인 해석 방법 |
CN104375505B (zh) * | 2014-10-08 | 2017-02-15 | 北京联合大学 | 一种基于激光测距的机器人自主寻路方法 |
CN105955280A (zh) * | 2016-07-19 | 2016-09-21 | Tcl集团股份有限公司 | 移动机器人路径规划和避障方法及系统 |
CN107168305B (zh) * | 2017-04-01 | 2020-03-17 | 西安交通大学 | 路口场景下基于Bezier和VFH的无人车轨迹规划方法 |
CN110221601A (zh) * | 2019-04-30 | 2019-09-10 | 南京航空航天大学 | 一种多agv系统动态障碍物实时避障方法及避障系统 |
-
2019
- 2019-04-30 CN CN201910361279.9A patent/CN110221601A/zh active Pending
- 2019-10-22 WO PCT/CN2019/112408 patent/WO2020220604A1/zh active Application Filing
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106647769A (zh) * | 2017-01-19 | 2017-05-10 | 厦门大学 | 基于a*提取引导点的agv路径跟踪与避障协调方法 |
CN107990903A (zh) * | 2017-12-29 | 2018-05-04 | 东南大学 | 一种基于改进a*算法的室内agv路径规划方法 |
CN108363395A (zh) * | 2018-02-11 | 2018-08-03 | 智久(厦门)机器人科技有限公司 | 一种agv自主避障的方法 |
CN108549385A (zh) * | 2018-05-22 | 2018-09-18 | 东南大学 | 一种结合a*算法和vfh避障算法的机器人动态路径规划方法 |
CN108775902A (zh) * | 2018-07-25 | 2018-11-09 | 齐鲁工业大学 | 基于障碍物虚拟膨胀的伴随机器人路径规划方法及系统 |
CN109085836A (zh) * | 2018-08-29 | 2018-12-25 | 深圳市浦硕科技有限公司 | 一种扫地机器人回指定位置最短路线的方法 |
CN109387214A (zh) * | 2018-09-05 | 2019-02-26 | 南京理工大学 | 一种基于虚拟墙的机器人路径规划算法 |
CN109282815A (zh) * | 2018-09-13 | 2019-01-29 | 天津西青区瑞博生物科技有限公司 | 一种动态环境下基于蚁群算法的移动机器人路径规划方法 |
CN109491383A (zh) * | 2018-11-06 | 2019-03-19 | 上海应用技术大学 | 多机器人定位与建图系统及方法 |
CN109540155A (zh) * | 2019-02-01 | 2019-03-29 | 西安全志科技有限公司 | 一种扫地机器人的路径规划与导航方法、计算机装置以及计算机可读存储介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020220604A1 (zh) * | 2019-04-30 | 2020-11-05 | 南京航空航天大学 | 一种多agv系统动态障碍物实时避障方法及避障系统 |
CN110597261A (zh) * | 2019-09-24 | 2019-12-20 | 浙江大华技术股份有限公司 | 一种预防碰撞冲突的方法及装置 |
CN113237688A (zh) * | 2021-07-09 | 2021-08-10 | 深圳市普渡科技有限公司 | 机器人、机器人避障性能测试方法、装置及可读存储介质 |
CN113237688B (zh) * | 2021-07-09 | 2021-10-08 | 深圳市普渡科技有限公司 | 机器人、机器人避障性能测试方法、装置及可读存储介质 |
CN115049346A (zh) * | 2022-08-16 | 2022-09-13 | 成都秦川物联网科技股份有限公司 | 基于物料运输障碍识别的工业物联网及控制方法 |
US11994850B2 (en) | 2022-08-16 | 2024-05-28 | Chengdu Qinchuan Iot Technology Co., Ltd. | Industrial internet of things based on identification of material transportation obstacles, control method and storage medium thereof |
CN115903830A (zh) * | 2022-12-07 | 2023-04-04 | 杭州丰坦机器人有限公司 | 基于激光测距导航功能的建筑agv底盘 |
CN118010032A (zh) * | 2024-04-09 | 2024-05-10 | 中油管道物资装备有限公司 | 一种运输车路径规划方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2020220604A1 (zh) | 2020-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110221601A (zh) | 一种多agv系统动态障碍物实时避障方法及避障系统 | |
CN107885209B (zh) | 一种基于动态窗口与虚拟目标点的避障方法 | |
CN108303986B (zh) | 一种激光slam导航的临时障碍物处理方法 | |
CN111693050B (zh) | 基于建筑信息模型的室内中大型机器人导航方法 | |
CN108762264A (zh) | 基于人工势场与滚动窗口的机器人的动态避障方法 | |
CN104375505B (zh) | 一种基于激光测距的机器人自主寻路方法 | |
CN107168337A (zh) | 一种基于视觉识别的移动机器人路径规划与调度方法 | |
CN105043376B (zh) | 一种适用于非全向移动车辆的智能导航方法及系统 | |
CN106843223A (zh) | 一种智能化避障agv小车系统及避障方法 | |
CN113050646B (zh) | 一种用于室内移动机器人动态环境路径规划方法 | |
CN109085838A (zh) | 一种基于激光定位的动态障碍物剔除算法 | |
CN109213161A (zh) | 基于边缘计算的agv控制系统及方法 | |
CN105974925A (zh) | Agv小车行驶的控制方法及系统 | |
JP6895911B2 (ja) | 物体追跡装置、物体追跡方法及び物体追跡用コンピュータプログラム | |
CN107807643A (zh) | 机器人的行走预测和控制方法 | |
CN115755888A (zh) | 多传感器数据融合的agv障碍物检测系统及避障方法 | |
CN111413980A (zh) | 一种用于巡检的自动导引车路径规划方法 | |
US20210048825A1 (en) | Predictive and reactive field-of-view-based planning for autonomous driving | |
CN114755373B (zh) | 一种基于多机器人编队的空气污染源预警定位方法 | |
CN115309168B (zh) | 一种井下无人车控制方法及装置 | |
CN114859929A (zh) | 动态环境下基于改进dwa算法的agv路径规划方法 | |
CN115857504A (zh) | 基于dwa的机器人在狭窄环境局部路径规划方法、设备和存储介质 | |
CN117428774A (zh) | 一种用于船舶巡检的工业机器人控制方法及系统 | |
CN117141472B (zh) | 一种车辆行驶主动避障控制系统及方法 | |
CN113341999A (zh) | 一种基于优化d*算法的叉车路径规划方法及装置 |
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 |
Application publication date: 20190910 |
|
RJ01 | Rejection of invention patent application after publication |