CN111539574B - 用于多机器人的订单派送方法及系统 - Google Patents
用于多机器人的订单派送方法及系统 Download PDFInfo
- Publication number
- CN111539574B CN111539574B CN202010350781.2A CN202010350781A CN111539574B CN 111539574 B CN111539574 B CN 111539574B CN 202010350781 A CN202010350781 A CN 202010350781A CN 111539574 B CN111539574 B CN 111539574B
- Authority
- CN
- China
- Prior art keywords
- order
- robot
- dispatching
- path
- grid
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种用于多机器人的订单派送方法及系统。系统包括终端设备、订单派送服务器和机器人。方法包括:订单派送服务器根据用户发送的订单请求消息以及机器人的位置信息,先利用订单排序算法对用户订单的重要性进行排序,再根据用户订单的重要性排序为用户订单匹配订单派送机器人,再采用改进型全局路径规划算法为订单派送机器人规划出与其所匹配的订单相对应的订单派送全局路径,再对规划出的订单派送全局路径进行局部防撞优化,进而得到订单派送优化路径,再将订单派送优化路径发送给相应的机器人;机器人根据订单派送优化路径对相应订单执行派送任务。该技术方案在复杂环境下也能够高效决策,进而实现使用多机器人快速完成订单派送任务。
Description
技术领域
本发明涉及多机器人订单派送技术领域,特别涉及一种用于多机器人的订单派送方法及系统。
背景技术
随着社会经济的发展和科学技术的进步,多个智能机器人执行派送任务的应用已在酒店等多种场景中实现。多机器人执行订单派送任务时,需要在用户的订单与多个机器人之间建立科学的任务匹配关系。
目前,由于缺少针对多机器人执行订单派送任务时的全局路径规划、协调策略和局部防撞策略,多机器人在复杂的环境下执行订单派送任务时,还存在工作效率低、服务质量差的问题。
发明内容
针对现有技术的上述缺陷,本发明的实施例提供一种用于多机器人的订单派送方法及系统。
第一方面,本发明实施例提供一种用于多机器人的订单派送方法,包括:
S1、订单派送服务器接收用户通过终端设备发送的订单请求消息,所述订单请求消息包括用户终端标识、下单时间、用户位置和订单物品信息;
S2、订单派送服务器根据用户发送的订单请求消息以及机器人的位置信息,利用订单排序算法对用户订单的重要性进行排序;
S3、订单派送服务器根据用户订单的重要性排序为用户订单匹配订单派送机器人;
S4、订单派送服务器采用改进型全局路径规划算法为订单派送机器人规划出与其所匹配的订单相对应的订单派送全局路径;
S5、订单派送服务器对规划出的订单派送全局路径进行局部防撞优化,得到订单派送优化路径;
S6、订单派送服务器将订单派送优化路径发送给相应的机器人;
S7、机器人根据接收的订单派送优化路径对相应订单执行派送任务。
如上所述的订单派送方法,S2中所述的利用订单排序算法对用户订单的重要性进行排序,具体为:
计算用户订单的重要性评价值Yi,计算公式为:
式中,i为用户订单请求标识,ωi为订单请求i的订单物品重要性评价值,和为预先设置的订单时间评价参数,t为当前时刻,ti为订单请求i的下单时间,和为订单距离评价参数,di为订单请求i的用户位置与机器人初始时刻停留位置的距离,v为设置的机器人的移动速度;
按照计算出的用户订单的重要性评价值的大小对用户订单的重要性进行排序。
如上所述的订单派送方法,S4中所述的改进型全局路径规划算法,具体为:
S401、建立机器人运行环境的栅格地图,栅格的边长为机器人最大外廓长度加上设置的避障安全距离,栅格的状态为有障碍物状态或者可通行状态;
S402、将机器人初始时刻停留的位置所属的栅格设置为第一个父节点,将用户订单请求信息中的用户位置所属的栅格设置为路径目标位置;
S403、判定父节点是否为路径目标位置,即父节点所在的栅格位置是否是用户订单请求信息中的用户位置;
S404、若父节点是路径目标位置,则订单派送服务器保留父节点位置,从而获得了从机器人初始时刻停留的位置到用户订单请求信息中的用户位置的全局路径;
S405、若父节点不是路径目标位置,则以父节点为中心,将周围状态为可通行状态的栅格设置为待选子节点;
S406、作父节点所在栅格中心与路径目标位置中心的连线,以该连线为正向方向线,再过父节点所在栅格中心作正方向线的垂直线,以该连线为纵向方向线;
S407、将正向方向线与纵向方向线穿过的待选子节点设置为子节点,且不将其他待选子节点设置为子节点;如果正向方向线与纵向方向线不穿过待选子节点,则将所有待选子节点设置为子节点;
S408、计算各个子节点的评价函数值,选取评价函数值最小的子节点作为下一个父节点,如果有多个子节点的评价函数值最小,则随机选择其中一个子节点作为下一个父节点;
S409、跳转执行S403。
如上所述的订单派送方法,S408中所述的计算各个子节点的评价函数值,具体为:
为所有子节点设定标号(1,…m,…,M),M为子节点的总个数,按如下公式依次计算各个子节点的评价函数值:
如上所述的订单派送方法,S5中所述的订单派送服务器对规划出的订单派送全局路径进行局部防撞优化,得到订单派送优化路径,具体为:
S501、根据订单派送全局路径内所有的栅格位置、当前时间、机器人在初始时刻停留的位置信息、装载订单物品的时间和机器人的移动速度信息,计算出到达订单派送全局路径内的栅格位置的到达时间;
S502、判定是否存不同的机器人将在同一时间到达同一个栅格位置的情况;如果不存在,则执行S503;如果存在,则执行S504;
S503、将规划出的订单派送全局路径作为订单派送优化路径;
S504、确定同一个到达时间,机器人订单派送全局路径的栅格有相同的情况下的相同栅格,为这些栅格建立冲突栅格集合{c1,...,ca,...cA},A是相同栅格的个数;以此选择出冲突栅格集合中的栅格;选择出一个栅格后,设定该栅格为待优化栅格,然后再确定在同一个到达时间,都在该栅格的机器人的编号,为这些机器人编号建立冲突机器人集合{e1,...,eb,...,eB},B是冲突机器人的个数;
S505、统计出冲突机器人集合{e1,...,eb,...,eB}中机器人的订单派送全局路径长度,选择其中与最短和次短的订单派送全局路径长度相对应的两个机器人;当有两个以上的最短和次短的全局路径长度的机器人后,随机选择其中两个机器人;将这两个机器人设定为待优化机器人,待优化机器人中全局路径长度长的机器人为高优先级待优化机器人,待优化机器人中全局路径长度短的机器人为低优先级待优化机器人,当待优化机器人的全局路径长度相同时,随机选择一个机器人为高优先级待优化机器人,另一个机器人为低优先级待优化机器人;
S506、重新为低优先级待优化机器人规划派送订单以及订单派送全局路径,此时将会将机器人运行环境地图中的待优化栅格设置为有障碍物状态的栅格,利用改进型全局路径规划算法为低优先级待优化机器人规划派送订单以及订单派送全局路径;如果将机器人运行环境地图中的待优化栅格设置为有障碍物状态的栅格后,机器人初始时刻停留的位置到路径目标位置不再能够规划出订单派送全局路径,则仍然保留之前规划的订单派送全局路径,并在该机器人的在初始时刻停留的位置或者装载订单物品的位置增加一个停留时间,该停留时间将根据之前规划的全局路径长度以及订单请求信息确定;
S507、重新为低优先级待优化机器人规划派送订单以及订单派送全局路径或者重新为低优先级待优化机器人在初始时刻停留的位置或者装载订单物品的位置增加一个停留时间后,执行S501。
第二方面,本发明实施例提供一种用于多机器人的订单派送系统,包括:终端设备、订单派送服务器和机器人,所述终端设备、所述机器人的数量为多个,终端设备与订单派送服务器之间、订单派送服务器与机器人之间、机器人与终端设备之间建立网络连接,所述系统用于执行权利要求1-5任一项所述的订单派送方法。
本发明实施例提供的技术方案,用户发出订单请求信息后,订单派送服务器根据用户发送的订单请求消息以及机器人的位置信息,先利用订单排序算法对用户订单的重要性进行排序,再根据用户订单的重要性排序为用户订单匹配订单派送机器人,再采用改进型全局路径规划算法为订单派送机器人规划出与其所匹配的订单相对应的订单派送全局路径,再对规划出的订单派送全局路径进行局部防撞优化,进而得到订单派送优化路径,再将订单派送优化路径发送给相应的机器人;机器人根据订单派送优化路径对相应订单执行派送任务。该技术方案在复杂环境下也能够高效决策,进而实现使用多机器人快速完成订单派送任务。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,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。
图1为本发明提供的用于多机器人的订单派送方法的流程图;
图2为本发明提供的用于多机器人的订单派送方法及系统应用实施例的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明提供的用于多机器人的订单派送方法的流程图。参考图1所示,本实施例的方法包括以下内容。
S1、订单派送服务器接收用户通过终端设备发送的订单请求消息,订单请求消息包括用户终端标识、下单时间、用户位置和订单物品信息。
S2、订单派送服务器根据用户发送的订单请求消息以及机器人的位置信息,利用订单排序算法对用户订单的重要性进行排序。
S3、订单派送服务器根据用户订单的重要性排序为用户订单匹配订单派送机器人。
S4、订单派送服务器采用改进型全局路径规划算法为订单派送机器人规划出与其所匹配的订单相对应的订单派送全局路径。
S5、订单派送服务器对规划出的订单派送全局路径进行局部防撞优化,得到订单派送优化路径。
S6、订单派送服务器将订单派送优化路径发送给相应的机器人。
S7、机器人根据接收的订单派送优化路径对相应订单执行派送任务。
本发明实施例提供的技术方案,用户发出订单请求信息后,订单派送服务器根据用户发送的订单请求消息以及机器人的位置信息,先利用订单排序算法对用户订单的重要性进行排序,再根据用户订单的重要性排序为用户订单匹配订单派送机器人,再采用改进型全局路径规划算法为订单派送机器人规划出与其所匹配的订单相对应的订单派送全局路径,再对规划出的订单派送全局路径进行局部防撞优化,进而得到订单派送优化路径,再将订单派送优化路径发送给相应的机器人;机器人根据订单派送优化路径对相应订单执行派送任务。该技术方案在复杂环境下也能够高效决策,进而实现使用多机器人快速完成订单派送任务。
如上所述的订单派送方法,在具体应用中,S2中所述的利用订单排序算法对用户订单的重要性进行排序,具体可以为:
计算用户订单的重要性评价值Yi,计算公式为:
式中,i为用户订单请求标识,ωi为订单请求i的订单物品重要性评价值,和为预先设置的订单时间评价参数,t为当前时刻,ti为订单请求i的下单时间,和为订单距离评价参数,di为订单请求i的用户位置与机器人初始时刻停留位置的距离,v为设置的机器人的移动速度;
按照计算出的用户订单的重要性评价值的大小对用户订单的重要性进行排序。
如上所述的订单派送方法,在具体应用中,S4中所述的改进型全局路径规划算法,具体可以为:
S401、建立机器人运行环境的栅格地图,栅格的边长为机器人最大外廓长度加上设置的避障安全距离,栅格的状态为有障碍物状态或者可通行状态;
S402、将机器人初始时刻停留的位置所属的栅格设置为第一个父节点,将用户订单请求信息中的用户位置所属的栅格设置为路径目标位置;
S403、判定父节点是否为路径目标位置,即父节点所在的栅格位置是否是用户订单请求信息中的用户位置;
S404、若父节点是路径目标位置,则订单派送服务器保留父节点位置,从而获得了从机器人初始时刻停留的位置到用户订单请求信息中的用户位置的全局路径;
S405、若父节点不是路径目标位置,则以父节点为中心,将周围状态为可通行状态的栅格设置为待选子节点;
S406、作父节点所在栅格中心与路径目标位置中心的连线,以该连线为正向方向线,再过父节点所在栅格中心作正方向线的垂直线,以该连线为纵向方向线;
S407、将正向方向线与纵向方向线穿过的待选子节点设置为子节点,且不将其他待选子节点设置为子节点;如果正向方向线与纵向方向线不穿过待选子节点,则将所有待选子节点设置为子节点;
S408、计算各个子节点的评价函数值,选取评价函数值最小的子节点作为下一个父节点,如果有多个子节点的评价函数值最小,则随机选择其中一个子节点作为下一个父节点;
S409、跳转执行S403。
如上所述的订单派送方法,进一步地,S408中所述的计算各个子节点的评价函数值,具体可以为:
为所有子节点设定标号(1,…m,…,M),M为子节点的总个数,按如下公式依次计算各个子节点的评价函数值:
如上所述的订单派送方法,在具体应用中,S5中所述的订单派送服务器对规划出的订单派送全局路径进行局部防撞优化,得到订单派送优化路径,具体可以为:
S501、根据订单派送全局路径内所有的栅格位置、当前时间、机器人在初始时刻停留的位置信息、装载订单物品的时间和机器人的移动速度信息,计算出到达订单派送全局路径内的栅格位置的到达时间;
S502、判定是否存不同的机器人将在同一时间到达同一个栅格位置的情况;如果不存在,则执行S503;如果存在,则执行S504;
S503、将规划出的订单派送全局路径作为订单派送优化路径;
S504、确定同一个到达时间,机器人订单派送全局路径的栅格有相同的情况下的相同栅格,为这些栅格建立冲突栅格集合{c1,...,cb,...,cA},A是相同栅格的个数;以此选择出冲突栅格集合中的栅格;选择出一个栅格后,设定该栅格为待优化栅格,然后再确定在同一个到达时间,都在该栅格的机器人的编号,为这些机器人编号建立冲突机器人集合{e1,...,eb,...,eB},B是冲突机器人的个数;
S505、统计出冲突机器人集合{e1,...,eb,...,eB}中机器人的订单派送全局路径长度,选择其中与最短和次短的订单派送全局路径长度相对应的两个机器人;当有两个以上的最短和次短的全局路径长度的机器人后,随机选择其中两个机器人;将这两个机器人设定为待优化机器人,待优化机器人中全局路径长度长的机器人为高优先级待优化机器人,待优化机器人中全局路径长度短的机器人为低优先级待优化机器人,当待优化机器人的全局路径长度相同时,随机选择一个机器人为高优先级待优化机器人,另一个机器人为低优先级待优化机器人;
S506、重新为低优先级待优化机器人规划派送订单以及订单派送全局路径,此时将会将机器人运行环境地图中的待优化栅格设置为有障碍物状态的栅格,利用改进型全局路径规划算法为低优先级待优化机器人规划派送订单以及订单派送全局路径;如果将机器人运行环境地图中的待优化栅格设置为有障碍物状态的栅格后,机器人初始时刻停留的位置到路径目标位置不再能够规划出订单派送全局路径,则仍然保留之前规划的订单派送全局路径,并在该机器人的在初始时刻停留的位置或者装载订单物品的位置增加一个停留时间,该停留时间将根据之前规划的全局路径长度以及订单请求信息确定;
S507、重新为低优先级待优化机器人规划派送订单以及订单派送全局路径或者重新为低优先级待优化机器人在初始时刻停留的位置或者装载订单物品的位置增加一个停留时间后,执行S501。
另一方面,本发明实施例提供一种用于多机器人的订单派送系统,系统包括:终端设备、订单派送服务器和机器人,所述终端设备、所述机器人的数量为多个,终端设备与订单派送服务器之间、订单派送服务器与机器人之间、机器人与终端设备之间建立网络连接,所述系统可以用于执行如上所述的订单派送方法。
图2为本发明提供的用于多机器人的订单派送方法及系统应用实施例的示意图。参考图2所示,具体可以包括以下步骤:
步骤1,用户可以通过手机软件或微信小程序等多种方式向订单派送服务器发出订单请求信息,其中订单请求信息包括:下单时间,用户位置,订单需求物品等详细的信息。
步骤2,订单派送系统接收到各将根据各个订单请求信息,设定订单排序算法所需参数,利用订单排序算法来为订单的重要性进行排序。
将各个用户发出的订单请求设置为订单请求集合I∈{1,...,i,...,N},其中N为当前时刻系统需满足的用户订单请求总数量。订单请求i的订单请求信息中包括订单请求i的下单时间ti,订单请求i的用户位置,订单请求i的订单需求物品重要性评价值ωi等信息,根据订单请求i的用户位置和机器人初始时刻停留的位置计算得到订单请求i的用户位置与机器人初始时刻停留位置的距离di。订单派送系统设定订单排序算法所需参数后,利用如下公式计算订单请求i的重要性评价值Yi:
其中,Yi为订单请求i的重要性评价值,ωi为订单请求i的订单需求物品重要性评价值,该值根据订单需求的物品在系统中已被设定,和为订单时间评价参数,这两个参数在系统中已被设定,t为订单派送系统获取到的当前时刻,ti为订单请求i的下单时间,(t-ti)为订单请求i的已经下单的时间,和为订单距离评价参数,这两个参数在系统中已被设定,di为订单请求i的用户位置与机器人初始时刻停留位置的距离,v为机器人被设定的合理的移动速度。订单请求i的重要性评价值Yi主要由订单请求i的已经下单的时间和订单请求i的用户位置与机器人初始时刻停留位置的距离所决定。
在计算得到当前时刻系统需满足的用户订单的重要性评价值后,由用户订单的重要性评价值大在前,用户订单的重要性评价值小在后的原则为当前时刻系统需满足的用户订单进行排序。
步骤3,路径规划系统进行环境初始化,进行导入机器人运行环境地图,导入机器人初始时刻停留的位置信息以及各用户位置信息,导入机器人状态信息以及机器人设定的合理的移动速度、角速度等运动参数。其中机器人状态信息中包括当前时刻可进行派送任务的机器人数量等参数。
步骤4,路径规划系统为各机器人规划出派送每个订单的全局路径;
路径规划系统获取到当前时刻系统需满足的用户订单请求总数量N,排序后的用户订单集合以及机器人状态信息中的当前时刻可进行派送任务的机器人数量等信息,路径规划系统会为当前时刻系统需满足的用户订单请求和当前时刻可进行派送任务的机器人做出一对一的匹配。按照排序后的用户订单集合和可进行派送任务的机器人编号由前到后以此进行匹配。当前时刻系统需满足的用户订单请求总数量N大于当前时刻可进行派送任务的机器人数量时,多余的用户订单请求保留至下一时刻进行订单派送方案的规划。当前时刻系统需满足的用户订单请求总数量N小于当前时刻可进行派送任务的机器人数量时,多余的机器人会闲置在初始时刻停留位置。
当路径规划系统会为当前时刻系统需满足的用户订单请求和当前时刻可进行派送任务的机器人做出一对一的匹配后,这些可进行派送任务的机器人在完成本次派送任务前将被设置为不再进行派送任务。路径规划系统采用改进的全局路径规划算法为机器人及其对应匹配的订单规划出派送订单的全局路径。
所述的改进的全局路径规划算法步骤如下:
在路径规划系统中,首先需要将获得的环境信息进行融合,建立一个表示周围环境的机器人运行环境地图。路径规划系统导入机器人运行环境地图。环境地图可由栅格地图表示。栅格地图的每个单元格的边长为机器人最大外廓长度加上一定的避障安全距离。根据环境信息将栅格分成了2种状态:有障碍物状态和可通行状态。有障碍物状态表示移动机器人不可以通过的区域,可通行状态表示移动机器人可以通过的区域。
在路径规划系统中,以机器人初始时刻停留的位置为第一个父节点,以用户订单请求信息中的用户位置所在的栅格为路径目标位置;
判定父节点是否为路径目标位置,即父节点所在的栅格位置是否是用户订单请求信息中的用户位置。
父节点是路径目标位置,路径规划系统保留所有父节点位置,从而获得了从机器人初始时刻停留的位置到用户订单请求信息中的用户位置的全局路径;
父节点不是路径目标位置,以此父节点为中心周围的八个栅格中的可通行状态的栅格设置为待选子节点。
作父节点所在栅格中心与路径目标位置中心的连线,以该连线为正向方向线,再过父节点所在栅格中心作正方向线的垂直线,以该连线为纵向方向线;
将正向方向线与纵向方向线穿过的待选子节点设置为子节点,其他待选子节点不会被设置为子节点。如果正向方向线与纵向方向线不穿过待选子节点,将所有待选子节点设置为子节点;
为所有子节点设定标号(1,…m,…,M),M为子节点的总个数,按如下公式依次计算各个子节点的评价函数值:
其中,Zm为子节点m的评价函数值,为父节点到子节点m的路径距离,为子节点m所在栅格中心到路径目标位置的直线距离,为子节点m的安全评价值,每个可通行状态的栅格的安全评价值将根据机器人运行环境地图,一个可通行状态的栅格周围的有障碍物状态的栅格越少,该可通行状态的栅格的安全评价值越小。每个可通行状态的栅格的安全评价值在系统中已被设定。
选取各个子节点的评价函数值最小的子节点为下一个父节点,如果有多个子节点的评价函数值最小,随机选择其中一个子节点设置为父节点。设置成为新的父节点后,继续执行判定父节点是否为路径目标位置,执行上述的优化算法。
步骤5,路径优化系统为各机器人规划出局部防撞的优化路径,路径优化系统将规划出的优化路径发送到每个机器人系统内;
路径规划系统会为当前时刻系统需满足的用户订单请求和当前时刻可进行派送任务的机器人做出一对一的匹配后,并且路径规划系统按照改进的全局路径规划算法为各机器人规划出派送每个订单的全局路径后,路径优化系统为各个需执行派送任务的机器人建立派送机器人集合{1,...,r,...R}。机器人r在步骤4中已生成派送订单的全局路径,路径优化系统将根据派送订单的全局路径内所有的栅格位置,当前时间、机器人在初始时刻停留的位置信息装载订单需求物品的估计时间,机器人被设定的合理的移动速度等信息,为生成的派送订单全局路径内的栅格位置估计一个到达时间,该到达时间表示机器人到达该栅格的时间。所有机器人全局路径内的栅格的到达时间确定后,路径规划系统采用局部防撞路径规划算法为各机器人规划出局部防撞的优化路径。
所述的局部防撞路径规划算法步骤如下:
步骤a,路径优化系统将根据派送订单的全局路径内所有的栅格位置,当前时间、机器人在初始时刻停留的位置信息装载订单需求物品的估计时间,机器人被设定的合理的移动速度等信息,为生成的派送订单全局路径内的栅格位置估计一个到达时间。判定是否存在同一个到达时间,不同机器人全局路径内的栅格有相同的,即在同一时间,不同的机器人将到达同一个栅格,如果不存在,执行步骤b,如果存在,执行步骤c;
步骤b,各机器人规划出派送每个订单的全局路径就是局部防撞的优化路径,路径优化系统将规划出的优化路径发送到每个机器人系统内;
步骤c,确定同一个到达时间,机器人全局路径内的栅格有相同的情况下的相同栅格,为这些栅格建立冲突栅格集合{c1,…,ca,…,cA},A是相同栅格的个数。以此选择出冲突栅格集合中的栅格。选择出一个栅格后,设定该栅格为待优化栅格,然后再确定在同一个到达时间,都在该栅格的机器人的编号,为这些机器人编号建立冲突机器人集合{e1,...,eb,...,eB},B是冲突机器人的个数;
步骤d,路径优化系统统计出冲突机器人集合{e1,...,eb,...,eB}中机器人的全局路径长度,选择其中最短和次短的全局路径长度的两个机器人,当有两个以上的最短和次短的全局路径长度的机器人后,随机选择其中两个机器人。将这两个机器人设定为待优化机器人,待优化机器人中全局路径长度长的机器人为高优先级待优化机器人,待优化机器人中全局路径长度短的机器人为低优先级待优化机器人,当待优化机器人的全局路径长度相同时,随机选择一个机器人为高优先级待优化机器人,另一个机器人为低优先级待优化机器人;
步骤e,路径优化系统重新为低优先级待优化机器人规划派送订单、规划全局路径,此时将会将机器人运行环境地图中的待优化栅格设置为有障碍物状态的栅格,利用上述的改进的全局路径规划算法为低优先级待优化机器人规划派送订单规划全局路径。如果将机器人运行环境地图中的待优化栅格设置为有障碍物状态的栅格后,机器人初始时刻停留的位置到路径目标位置不再能够规划出全局路径,则仍然保留之前规划的全局路径,但是需要将此机器人在初始时刻停留的位置或者装载订单物品的位置增加一个合理的停留时间,该停留时间将根据之前规划的全局路径长度以及订单请求信息确定的,增加停留时间以避免在派送过程中将会发生局部碰撞的情况。
步骤f,路径优化系统重新为低优先级待优化机器人规划派送订单规划全局路径或者路径优化系统重新为低优先级待优化机器人在初始时刻停留的位置或者装载订单物品的位置增加一个合理的停留时间后,执行步骤a。
步骤6,各机器人系统接收到规划出的优化路径,开始自动为用户执行派送任务。
综上所述,本实施例提供的技术方案包括:用户发出订单请求信息;根据各个订单请求信息利用订单排序算法来为订单的重要性进行排序;系统为各机器人规划出派送每个订单的全局路径;系统为各机器人规划出局部防撞的优化路径;各机器人接收规划出的优化路径自动为用户执行派送任务。该技术方案在复杂环境下也能够高效决策,进而实现使用多机器人快速完成订单派送任务。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (2)
1.一种用于多机器人的订单派送方法,其特征在于,包括:
S1、订单派送服务器接收用户通过终端设备发送的订单请求消息,所述订单请求消息包括用户终端标识、下单时间、用户位置和订单物品信息;
S2、订单派送服务器根据用户发送的订单请求消息以及机器人的位置信息,利用订单排序算法对用户订单的重要性进行排序;
S3、订单派送服务器根据用户订单的重要性排序为用户订单匹配订单派送机器人;
S4、订单派送服务器采用改进型全局路径规划算法为订单派送机器人规划出与其所匹配的订单相对应的订单派送全局路径;
S5、订单派送服务器对规划出的订单派送全局路径进行局部防撞优化,得到订单派送优化路径;
S6、订单派送服务器将订单派送优化路径发送给相应的机器人;
S7、机器人根据接收的订单派送优化路径对相应订单执行派送任务;
S2中所述的利用订单排序算法对用户订单的重要性进行排序,具体为:
计算用户订单的重要性评价值Yi,计算公式为:
式中,i为用户订单请求标识,ωi为订单请求i的订单物品重要性评价值,和为预先设置的订单时间评价参数,t为当前时刻,ti为订单请求i的下单时间,和为订单距离评价参数,di为订单请求i的用户位置与机器人初始时刻停留位置的距离,v为设置的机器人的移动速度;
按照计算出的用户订单的重要性评价值的大小对用户订单的重要性进行排序;
S4中所述的改进型全局路径规划算法,具体为:
S401、建立机器人运行环境的栅格地图,栅格的边长为机器人最大外廓长度加上设置的避障安全距离,栅格的状态为有障碍物状态或者可通行状态;
S402、将机器人初始时刻停留的位置所属的栅格设置为第一个父节点,将用户订单请求信息中的用户位置所属的栅格设置为路径目标位置;
S403、判定父节点是否为路径目标位置,即父节点所在的栅格位置是否是用户订单请求信息中的用户位置;
S404、若父节点是路径目标位置,则订单派送服务器保留父节点位置,从而获得了从机器人初始时刻停留的位置到用户订单请求信息中的用户位置的全局路径;
S405、若父节点不是路径目标位置,则以父节点为中心,将周围状态为可通行状态的栅格设置为待选子节点;
S406、作父节点所在栅格中心与路径目标位置中心的连线,以该连线为正向方向线,再过父节点所在栅格中心作正方向线的垂直线,以该连线为纵向方向线;
S407、将正向方向线与纵向方向线穿过的待选子节点设置为子节点,且不将其他待选子节点设置为子节点;如果正向方向线与纵向方向线不穿过待选子节点,则将所有待选子节点设置为子节点;
S408、计算各个子节点的评价函数值,选取评价函数值最小的子节点作为下一个父节点,如果有多个子节点的评价函数值最小,则随机选择其中一个子节点作为下一个父节点;
S409、跳转执行S403;
S408中所述的计算各个子节点的评价函数值,具体为:
为所有子节点设定标号(1,...m,...,M),M为子节点的总个数,按如下公式依次计算各个子节点的评价函数值:
S5中所述的订单派送服务器对规划出的订单派送全局路径进行局部防撞优化,得到订单派送优化路径,具体为:
S501、根据订单派送全局路径内所有的栅格位置、当前时间、机器人在初始时刻停留的位置信息、装载订单物品的时间和机器人的移动速度信息,计算出到达订单派送全局路径内的栅格位置的到达时间;
S502、判定是否存不同的机器人将在同一时间到达同一个栅格位置的情况;如果不存在,则执行S503;如果存在,则执行S504;
S503、将规划出的订单派送全局路径作为订单派送优化路径;
S504、确定同一个到达时间,机器人订单派送全局路径的栅格有相同的情况下的相同栅格,为这些栅格建立冲突栅格集合{c1,...,ca,...cA},A是相同栅格的个数;以此选择出冲突栅格集合中的栅格;选择出一个栅格后,设定该栅格为待优化栅格,然后再确定在同一个到达时间,都在该栅格的机器人的编号,为这些机器人编号建立冲突机器人集合{e1,...,eb,...,eB},B是冲突机器人的个数;
S505、统计出冲突机器人集合{e1,...,eb,...,eB}中机器人的订单派送全局路径长度,选择其中与最短和次短的订单派送全局路径长度相对应的两个机器人;当有两个以上的最短和次短的全局路径长度的机器人后,随机选择其中两个机器人;将这两个机器人设定为待优化机器人,待优化机器人中全局路径长度长的机器人为高优先级待优化机器人,待优化机器人中全局路径长度短的机器人为低优先级待优化机器人,当待优化机器人的全局路径长度相同时,随机选择一个机器人为高优先级待优化机器人,另一个机器人为低优先级待优化机器人;
S506、重新为低优先级待优化机器人规划派送订单以及订单派送全局路径,此时将会将机器人运行环境地图中的待优化栅格设置为有障碍物状态的栅格,利用改进型全局路径规划算法为低优先级待优化机器人规划派送订单以及订单派送全局路径;如果将机器人运行环境地图中的待优化栅格设置为有障碍物状态的栅格后,机器人初始时刻停留的位置到路径目标位置不再能够规划出订单派送全局路径,则仍然保留之前规划的订单派送全局路径,并在该机器人在初始时刻停留的位置或者装载订单物品的位置增加一个停留时间,该停留时间将根据之前规划的全局路径长度以及订单请求信息确定;
S507、重新为低优先级待优化机器人规划派送订单以及订单派送全局路径或者重新为低优先级待优化机器人在初始时刻停留的位置或者装载订单物品的位置增加一个停留时间后,执行S501。
2.一种用于多机器人的订单派送系统,其特征在于,包括:终端设备、订单派送服务器和机器人,所述终端设备、所述机器人的数量为多个,终端设备与订单派送服务器之间、订单派送服务器与机器人之间、机器人与终端设备之间建立网络连接,所述系统用于执行权利要求1所述的订单派送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010350781.2A CN111539574B (zh) | 2020-04-28 | 2020-04-28 | 用于多机器人的订单派送方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010350781.2A CN111539574B (zh) | 2020-04-28 | 2020-04-28 | 用于多机器人的订单派送方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111539574A CN111539574A (zh) | 2020-08-14 |
CN111539574B true CN111539574B (zh) | 2021-04-09 |
Family
ID=71980214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010350781.2A Active CN111539574B (zh) | 2020-04-28 | 2020-04-28 | 用于多机器人的订单派送方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111539574B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112183932A (zh) * | 2020-08-28 | 2021-01-05 | 广州赛特智能科技有限公司 | 一种机器人配送任务调度方法及系统 |
CN112415997B (zh) * | 2020-10-21 | 2023-07-28 | 北京洛必德科技有限公司 | 一种用于多机器人协作的路径规划方法及系统 |
WO2022094746A1 (zh) * | 2020-11-03 | 2022-05-12 | 北京洛必德科技有限公司 | 一种多机器人多任务协同工作方法与服务器 |
CN114187067A (zh) * | 2021-12-01 | 2022-03-15 | 北京云迹科技有限公司 | 移动机器人的订单配送方法、装置、存储介质及设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105716613A (zh) * | 2016-04-07 | 2016-06-29 | 北京进化者机器人科技有限公司 | 一种机器人避障中的最短路径规划方法 |
CN107944751A (zh) * | 2017-12-12 | 2018-04-20 | 链家网(北京)科技有限公司 | 一种订单派送方法及系统 |
CN108202965A (zh) * | 2016-12-16 | 2018-06-26 | 东莞市海柔智能科技有限公司 | 自动化仓储管理方法、装置和系统 |
CN108710988A (zh) * | 2018-04-13 | 2018-10-26 | 拉扎斯网络科技(上海)有限公司 | 一种订单派送方法、装置及存储介质 |
CN109146346A (zh) * | 2017-06-19 | 2019-01-04 | 苏宁云商集团股份有限公司 | 一种订单派送方法及系统 |
CN109341698A (zh) * | 2018-11-29 | 2019-02-15 | 深圳市银星智能科技股份有限公司 | 一种移动机器人的路径选择方法及装置 |
CN109540146A (zh) * | 2018-11-29 | 2019-03-29 | 珠海格力智能装备有限公司 | 路径规划方法及装置 |
CN110174118A (zh) * | 2019-05-29 | 2019-08-27 | 北京洛必德科技有限公司 | 基于强化学习的机器人多目标搜索路径规划方法和装置 |
CN110807236A (zh) * | 2018-08-03 | 2020-02-18 | 深圳先进技术研究院 | 一种基于多机器人的仓储物流仿真系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009039988A1 (de) * | 2009-09-03 | 2011-03-17 | Siemens Aktiengesellschaft | Verfahrwege für Lackierroboter |
US9798327B2 (en) * | 2016-01-08 | 2017-10-24 | King Fahd University Of Petroleum And Minerals | Apparatus and method for deploying sensors |
-
2020
- 2020-04-28 CN CN202010350781.2A patent/CN111539574B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105716613A (zh) * | 2016-04-07 | 2016-06-29 | 北京进化者机器人科技有限公司 | 一种机器人避障中的最短路径规划方法 |
CN108202965A (zh) * | 2016-12-16 | 2018-06-26 | 东莞市海柔智能科技有限公司 | 自动化仓储管理方法、装置和系统 |
CN109146346A (zh) * | 2017-06-19 | 2019-01-04 | 苏宁云商集团股份有限公司 | 一种订单派送方法及系统 |
CN107944751A (zh) * | 2017-12-12 | 2018-04-20 | 链家网(北京)科技有限公司 | 一种订单派送方法及系统 |
CN108710988A (zh) * | 2018-04-13 | 2018-10-26 | 拉扎斯网络科技(上海)有限公司 | 一种订单派送方法、装置及存储介质 |
CN110807236A (zh) * | 2018-08-03 | 2020-02-18 | 深圳先进技术研究院 | 一种基于多机器人的仓储物流仿真系统 |
CN109341698A (zh) * | 2018-11-29 | 2019-02-15 | 深圳市银星智能科技股份有限公司 | 一种移动机器人的路径选择方法及装置 |
CN109540146A (zh) * | 2018-11-29 | 2019-03-29 | 珠海格力智能装备有限公司 | 路径规划方法及装置 |
CN110174118A (zh) * | 2019-05-29 | 2019-08-27 | 北京洛必德科技有限公司 | 基于强化学习的机器人多目标搜索路径规划方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111539574A (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111539574B (zh) | 用于多机器人的订单派送方法及系统 | |
EP3401750B1 (en) | Method and device for returning robots from site | |
CN110182527B (zh) | 用于货架阵列的出入库控制方法和搬运系统 | |
CN110262408A (zh) | 一种用于多agv的智能仓储路线识别装置和方法 | |
CN108469786A (zh) | 大规模智能仓储分布式拣选系统 | |
CN107977763B (zh) | 一种资源分配方法和相关装置 | |
CN110807236A (zh) | 一种基于多机器人的仓储物流仿真系统 | |
CN108364143A (zh) | 配送方法和配送系统 | |
CN110182529B (zh) | 用于货架阵列的出入库控制方法和搬运系统 | |
CN109543872A (zh) | 多机器人无停车调度方法和系统 | |
CN110861104B (zh) | 一种辅助机器人运送物品的方法、介质、终端和装置 | |
CN110182528B (zh) | 用于货架阵列的出入库控制方法和搬运系统 | |
CN113359702B (zh) | 一种基于水波优化-禁忌搜索的智能仓库agv作业优化调度方法 | |
CN111784211B (zh) | 一种基于分簇的群体多任务分配方法及存储介质 | |
CN102542411A (zh) | 基于aca模型的多品种多工艺制造企业车间调度控制方法 | |
CN112561362A (zh) | 无人递送系统订单调度方法、系统、终端及存储介质 | |
CN114415610A (zh) | 机器人的调度方法、装置、电子设备及存储介质 | |
Zhang et al. | Multi-agent path finding for precedence-constrained goal sequences | |
Shi et al. | Task allocation and path planning of many robots with motion uncertainty in a warehouse environment | |
Liu et al. | Performance modeling, real-time dispatching and simulation of wafer fabrication systems using timed extended object-oriented Petri nets | |
CN110837950A (zh) | 一种rgv的动态调度方法 | |
CN112862212B (zh) | 基于改进麻雀搜索算法的多agv调度方法、装置及设备 | |
TWI701622B (zh) | 用於機器人場地回流的方法和裝置 | |
Matsutani et al. | Delivery Routing to Reduce Calculation Load of Drones on Divided Logistics Areas for Drone Logistics Networks | |
Li et al. | Risk-Based A*: Simulation Analysis of a Novel Task Assignment and Path Planning Method |
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 |