CN111024088A - 一种激光叉车路径规划方法 - Google Patents

Abstract

本发明公开了一种激光叉车路径规划方法，包括以下步骤：构建激光叉车所处的环境模型；构建环境模型的环境拓扑图及有向图；根据任务列表获取激光叉车需要执行的任务；根据接收到激光叉车当前的位姿，判断激光叉车所处的位置，为子节点或主节点或路径上；若激光叉车处于子节点，则直接利用AStar算法规划子节点所处的主节点至目标节点的最短路径；若激光叉车处于主节点，首先利用AStar算法规划出一条最短路径。采用上述技术方案，建模简单，减少占用计算机的存储资源；提出了无需叉车原地掉头的路径规划，减少了场地路面的磨损，解决无法掉头的问题；提出了小车停靠在任意位置的路径规划，解决了以往叉车必须停靠在节点的问题。

Description

一种激光叉车路径规划方法

技术领域

本发明属于物料输送机械设备自动控制的技术领域。更具体地，本发明涉及一种激光叉车路径规划方法，并可扩展用到所有自动运输车的技术领域。

背景技术

一、相关技术发展背景介绍：

随着物料输送系统、柔性制造系统、自动化立体仓库系统等的发展，AGV(Automated Guided Vehicle，自动运输小车)作为物料输送系统和柔性制造系统中的重要组成部分，可以解决传统物流系统的弊端，在制造业输送环节得到了广泛的应用。

近年来，激光叉车因其智能化程度高、柔性强的特点，越来越受到各类企业的青睐。激光叉车相比于其他导航方式的AGV，突破了固定路径导航方式轨迹不能改变和需要铺设导轨的弊端，其只需安装反光板和布置网络等简单的施工，具有转弯半径小、路径更改方便的优势，可直接应用在人工驾驶叉车的使用场景中。

要实现叉车的自主完成堆、取货物，就涉及到激光叉车当前位置到目标点间的路径规划问题，现有的路径规划方法如Floyd，Dijstra，A-star算法已完成路径规划的最短路径的规划，但这些算法更多的是点到点的情况，并未考虑到叉车不在节点的情况，而且若规划的最短路径需要激光叉车原地掉头，这将会严重磨损地面，或因场地显示，无法使激光叉车完成原地掉头的动作，从而影响工厂的整体运行效率。

二、现有技术的文献检索结果：

1、中国专利文献：一种基于floyd算法的激光叉车路径搜索方法；(201811629622.5)，其记载的技术方案是：采用Floyd路径规划算法完成激光叉车的路径搜索，若激光叉车不在路径节点位置，则以距叉车当前位置最近的节点作为Floyd算法的起始节点，来规划叉车的任务路径。

2、中国专利文献：一种基于A*算法的AGV路径规划方法；(201711494629.6)其记载的技术方案是：采用A*算法规划AGV的运行路线。

三、最接近的现有技术及其存在的技术问题：

以上检索到的申请号为201811629622.5的中国专利“一种基于Floyd算法的激光叉车路径搜索方法”，提出了采用Floyd算法完成激光叉车路径搜索方法，该方法使用的算法计算量大，不适应于路径节点过多的情况，且该方法提出激光叉车不在路径节点位置，则以距叉车当前位置最近的节点作为Floyd算法的起始节点，来规划叉车的任务路径，这将导致激光叉车出现陆续掉头的风险。

Floy算法计算量大，若无向图节点过多，则消耗搜索路径的时间较多，当激光叉车不在节点时，若以最近的节点作为起始节点，将导致激光叉车可能出现连续掉头的情形。

申请号为201711494629.6的中国专利“一种基于A*算法的AGV路径规划方法”，提出了通过构建拓扑环境地图，利用A*算法构建启发函数，并设定合理的估价函数后，从而求解AGV任务的行驶路径。但该方法只是适应于AGV处于路径节点位置下的路径规划，而在实际工厂应用中AGV可能停放在路径上的任意位置且专利中提出的方法并未考虑到因场地限制或因AGV掉头磨损地面等带来的AGV无法原地掉头的问题。

只可用于AGV处于节点位置下的路径规划，且并未考虑到因场地限制或AGV掉头磨损地面等带来的AGV无法原地掉头的问题。

发明内容

本发明提供一种激光叉车路径规划方法，其目的是进行在复杂环境下小车停靠在任意位置时的路径规划，且解决了激光叉车无法掉头的问题。

为了实现上述目的，本发明采取的技术方案为：

本发明的激光叉车路径规划方法包括以下步骤：

1)、构建激光叉车所处的环境模型；

2)、构建环境模型的环境拓扑图及有向图；

3)、根据任务列表获取激光叉车需要执行的任务；

4)、根据接收到激光叉车当前的位姿(坐标(P(x₀，y₀))及方向(angle))，判断激光叉车所处的位置，为子节点或主节点或路径上；

5)、若激光叉车处于子节点(S_sub)，则直接利用AStar算法规划子节点所处的主节点(S_main)至目标节点(S_goal)的最短路径；

若激光叉车处于主节点(S_main)，首先利用AStar算法规划出一条最短路径，该最短路径是由一些列主节点组成的，获取规划的最短路径的首个主节点(S_1)(x₁，y₁)，判断激光叉车当前的方向(angle)与位置P(x₀，y₀)和S_1之间的夹角：

当abs(θ)＜90°时，将该条最短路径派发至激光叉车；否则，将首个主节点(S_1)的障碍标注属性isObstacle设置为true，重新利用Astar搜索路径，再次搜索路径时，将自动跳过isObstacle为true的节点，从而搜索了一条无需掉头的最优路径。

若激光叉车处于路径上，则先查找叉车前进方向最近的主节点S_main，然后规划出主节点至目标节点的最短路径；

判断最短路径是否需要叉车掉头；若需要，则将最短路径的首个主节点的的障碍标注属性isObstacle设置为true，重新利用Astar搜索路径。

步骤1)中所述的环境模型，包括激光叉车行驶的路径、充电点、主节点；并为每个主节点设置属性flag，flag＝0代表该位置为路径点，只包含了主节点坐标，叉车不可在该位置执行取放货的动作；flag＝1则代表激光叉车在该位置可完成取放货动作，包含了两个坐标(主节点坐标及子节点坐标)。

所述的环境拓扑图包括：各个节点以及相通节点的信息，并将相邻节点存储至对方的节点列表中，命名为邻居节点。

所述的有向图G＝(V，E)；其中，V代表图中所有的节点，E代表图中节点之间的边；节点之间的每一条边(u，v)都含有一个权值w(uv)，表示节点之间的欧式距离，两条相邻的边之间也有一个权值w(ab)，表示相邻的边的转弯大小。

所述的Astar的具体步骤为：

1)、建立两张表：openlist和表closelist；

其中，表openlist用来存放已生成而未考察的节点；表closelist用来存放已经访问过的节点；

2)、重复以下步骤：

a、遍历表openlist，查找F值最小的节点，把它作为当前要处理的节点，并将此节点移至表closelist中；

b、对该节点的邻居节点一一进行检查，若其是不可抵达的(即属性isObstacle为true)或已在表closelist中，则忽略它；否则，做如下操作：

若该邻居节点不在表openlist中，将其加入表openlist中，并把当前节点设置成其父节点；

若该邻居节点已在表openlist中，检查所选的路径是否更近；若更近，则将其父节点更改为当前方格，并重新计算节点的估价函数f(n)；

重复以上步骤，直至将终点加入到openlist中，此时查找完毕；

若查找终点失败，且表openlist为空，则表示起点至终点之间不存在可行的路径；

3)、保存路径：

所输出的路径为从终点开始，每个节点依次沿着父节点移动直至起点。

所述的估价函数f(n)＝g(n)+h(n)；

其中：

f(n)为起点S经节点n到目的节点F的距离估计值；

g(n)为起点S到节点n的实际距离；

h(n)为节点n到目标节点F的估价函数。

所述的g(n)选取的是采用曼哈顿距离，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。

所述的h(n)选择的是采用欧式距离。

若采用Astar算法重新规划的路径距离过远，可增加临时停靠点，先规划从当前点至最近的临时停靠点的路径，再规划临时停靠点至目标点的路径。

本发明采用上述技术方案，通过对工厂运输环境的建模，计算出节点间权值及相邻路径权值，根据小车的位姿得出小车所处的节点位置，或前行方向最近的节点位置，利用Astar算法对节点及目标点之间规划最优路径，并判断激光叉车执行该任务是否需要掉头；若是，则更改节点属性后重新规划路径；上述路径规划方法适应范围广，适合复杂环境下小车停靠在任意位置下的路径规划，且解决了激光叉车无法掉头的问题，对于降低场地维护成本、提高运输效率有着重要意义。

附图说明

附图所示内容简要说明如下：

图1为本发明的路径规划方法流程图；

图2为本发明的环境拓扑图。

具体实施方式

下面对照附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。

一、本发明的激光叉车路径规划方法的过程：

为了解决现有技术存在的问题并克服其缺陷，实现进行在复杂环境下小车停靠在任意位置时的路径规划，且解决了激光叉车无法掉头的问题的发明目的，本发明采取的技术方案为：

本发明的激光叉车路径规划方法包括以下步骤(如图1所示)：

1)、构建激光叉车所处的环境模型：

2)、构建环境模型的环境拓扑图及有向图；

3)、根据任务列表获取激光叉车需要执行的任务；

4)、根据接收到激光叉车当前的位姿(坐标(P(x₀，y₀))及方向(angle))，判断激光叉车所处的位置，为子节点或主节点或路径上；

5)、若激光叉车处于子节点(S_sub)，则直接利用AStar算法规划子节点所处的主节点(S_main)至目标节点(S_goal)的最短路径；

若激光叉车处于主节点(S_main)，首先利用AStar算法规划出一条最短路径，该最短路径是由一些列主节点组成的，获取规划的最短路径的首个主节点(S_1)(x₁，y₁)，判断激光叉车当前的方向(angle)与位置P(x₀，y₀)和S_1之间的夹角：

当abs(θ)＜90°时，将该条最短路径派发至激光叉车；否则，将首个主节点(S_1)的障碍标注属性isObstacle设置为true，重新利用Astar搜索路径，再次搜索路径时，将自动跳过isObstacle为true的节点，从而搜索了一条无需掉头的最优路径。

若激光叉车处于路径上，则先查找叉车前进方向最近的主节点(S_main)，然后规划出主节点至目标节点的最短路径；

判断最短路径是否需要叉车掉头；若需要，则将最短路径的首个主节点的的障碍标注属性isObstacle设置为true，重新利用Astar搜索路径。

步骤1)中所述的环境模型，包括激光叉车行驶的路径、充电点、主节点；并为每个主节点设置属性flag，flag＝0代表该位置为路径点，只包含了主节点坐标，叉车不可在该位置执行取放货的动作；flag＝1则代表激光叉车在该位置可完成取放货动作，包含了两个坐标(主节点坐标及子节点坐标)。

上述技术方案解决了在规划路径时，激光叉车无法原地掉头的问题；实现了激光叉车所处的运输节点较多下的路径规划和激光叉车停靠在任意位置下的路径规划。

二、环境拓扑图和有向图(如图2所示)：

所述的环境拓扑图包括：各个节点以及相通节点的信息，并将相邻节点存储至对方的节点列表中，命名为邻居节点。

所述的有向图G＝(V，E)；其中，V代表图中所有的节点，E代表图中节点之间的边；节点之间的每一条边(u，v)都含有一个权值w(uv)，表示节点之间的欧式距离，两条相邻的边之间也有一个权值w(ab)，表示相邻的边的转弯大小。

三、Astar的具体步骤：

所述的Astar的具体步骤为：

1)、建立两张表：openlist和表closelist；

其中，表openlist用来存放已生成而未考察的节点；表closelist用来存放已经访问过的节点；

2)、重复以下步骤：

a、遍历表openlist，查找F值最小的目标节点，把它作为当前要处理的节点，并将此节点移至表closelist中；

b、对该节点的邻居节点一一进行检查，若其是不可抵达的(即属性isObstacle为true)或已在表closelist中，则忽略它；否则，做如下操作：

若该邻居节点不在表openlist中，将其加入表openlist中，并把当前节点设置成其父节点；

若该邻居节点已在表openlist中，检查所选的路径是否更近；若更近，则将其父节点更改为当前方格，并重新计算节点的估价函数f(n)；

重复以上步骤，直至将终点加入到openlist中，此时查找完毕；

若查找终点失败，且表openlist为空，则表示起点至终点之间不存在可行的路径；

3)、保存路径：

所输出的路径为从终点开始，每个节点依次沿着父节点移动直至起点。

所述的估价函数f(n)＝g(n)+h(n)；

其中：

f(n)为起点S经节点n到目的节点F的距离估计值；

g(n)为起点S到节点n的实际距离；

h(n)为节点n到目标节点F的估价函数。

所述的g(n)选取的是采用曼哈顿距离，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。

所述的h(n)选择的是采用欧式距离。

四、本发明进一步优化的方案：

若采用Astar算法重新规划的路径距离过远，可增加临时停靠点，先规划从当前点至最近的临时停靠点的路径，再规划临时停靠点至目标点的路径。

五、本发明的有益效果：

本发明通过对工厂运输环境的建模，计算出节点间权值及相邻路径权值，根据小车的位姿得出小车所处的节点位置，或前行方向最近的节点位置，利用Astar算法对节点及目标点之间规划最优路径，并判断激光叉车执行该任务是否需要掉头；若是，则更改节点属性后重新规划路径。

本发明所提出的路径规划方法，适应范围广，适合复杂环境下小车停靠在任意位置下的路径规划，且解决了激光叉车无法掉头的场景，对于降低场地维护成本、提高运输效率有着实际的意义。

六、本发明的创新点总结：

1、建模简单，不再使用传统的栅格地图，减少对计算机的存储资源的占用；

2、提出了无需叉车原地掉头的路径规划，减少了场地路面的磨损，解决了一些因产地限制无法掉头的场合；

3、提出了小车停靠在任意位置的路径规划，解决了传统路径规划中叉车必须停靠在节点的情形。

上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (9)

1.一种激光叉车路径规划方法，其特征在于：所述的路径规划方法包括以下步骤：

1)、构建激光叉车所处的环境模型；

2)、构建环境模型的环境拓扑图及有向图；

3)、根据任务列表获取激光叉车需要执行的任务；

4)、根据接收到激光叉车当前的位姿，判断激光叉车所处的位置，为子节点或主节点或路径上；

5)、若激光叉车处于子节点S_sub，则直接利用AStar算法规划子节点所处的主节点S_main至目标节点S_goal的最短路径；

若激光叉车处于主节点S_main，首先利用AStar算法规划出一条最短路径，该最短路径是由一些列主节点组成的，获取规划的最短路径的首个主节点S_1(x₁，y₁)，判断激光叉车当前的方向angle与位置P(x₀，y₀)和S_1之间的夹角：

当abs(θ)＜90°时，将该条最短路径派发至激光叉车；否则，将首个主节点S_1的障碍标注属性isObstacle设置为true，重新利用Astar搜索路径，再次搜索路径时，将自动跳过isObstacle为true的节点，从而搜索了一条无需掉头的最优路径；

若激光叉车处于路径上，则先查找叉车前进方向最近的主节点(S_main)，然后规划出主节点至目标节点的最短路径；

判断最短路径是否需要叉车掉头；若需要，则将最短路径的首个主节点的的障碍标注属性isObstacle设置为true，重新利用Astar搜索路径。

2.按照权利要求1所述的激光叉车路径规划方法，其特征在于：步骤1)中所述的环境模型，包括激光叉车行驶的路径、充电点、主节点；并为每个主节点设置属性flag，flag＝0代表该位置为路径点，只包含了主节点坐标，叉车不可在该位置执行取放货的动作；flag＝1则代表激光叉车在该位置可完成取放货动作，包含了两个坐标：分别为主节点坐标及子节点坐标。

3.按照权利要求1所述的激光叉车路径规划方法，其特征在于：所述的环境拓扑图包括：各个节点以及相通节点的信息，并将相邻节点存储至对方的节点列表中，命名为邻居节点。

4.按照权利要求1所述的激光叉车路径规划方法，其特征在于：所述的有向图G＝(V，E)；其中，V代表图中所有的节点，E代表图中节点之间的边；节点之间的每一条边(u，v)都含有一个权值w(uv)，表示节点之间的欧式距离，两条相邻的边之间也有一个权值w(ab)，表示相邻的边的转弯大小。

5.按照权利要求1所述的激光叉车路径规划方法，其特征在于：所述的Astar的具体步骤为：

1)、建立两张表：openlist和表closelist；

其中，表openlist用来存放已生成而未考察的节点；表closelist用来存放已经访问过的节点；

2)、重复以下步骤：

a、遍历表openlist，查找F值最小的目标节点，把它作为当前要处理的节点，并将此节点移至表closelist中；

b、对该节点的邻居节点一一进行检查，若其是不可抵达的或已在表closelist中，则忽略它；否则，做如下操作：

若该邻居节点不在表openlist中，将其加入表openlist中，并把当前节点设置成其父节点；

若该邻居节点已在表openlist中，检查所选的路径是否更近；若更近，则将其父节点更改为当前方格，并重新计算节点的估价函数f(n)；

重复以上步骤，直至将终点加入到openlist中，此时查找完毕；

若查找终点失败，且表openlist为空，则表示起点至终点之间不存在可行的路径；

3)、保存路径：

所输出的路径为从终点开始，每个节点依次沿着父节点移动直至起点。

6.按照权利要求5所述的激光叉车路径规划方法，其特征在于：所述的估价函数f(n)＝g(n)+h(n)；

其中：

f(n)为起点S经节点n到目的节点F的距离估计值；

g(n)为起点S到节点n的实际距离；

h(n)为节点n到目标节点F的估价函数。

7.按照权利要求6所述的激光叉车路径规划方法，其特征在于：所述的g(n)选取的是采用曼哈顿距离，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。

8.按照权利要求6所述的激光叉车路径规划方法，其特征在于：所述的h(n)选择的是采用欧式距离。

9.按照权利要求1所述的激光叉车路径规划方法，其特征在于：若采用Astar算法重新规划的路径距离过远，可增加临时停靠点，先规划从当前点至最近的临时停靠点的路径，再规划临时停靠点至目标点的路径。

Images