CN111708361B - 多机器人碰撞预测方法和装置 - Google Patents
多机器人碰撞预测方法和装置 Download PDFInfo
- Publication number
- CN111708361B CN111708361B CN202010425590.8A CN202010425590A CN111708361B CN 111708361 B CN111708361 B CN 111708361B CN 202010425590 A CN202010425590 A CN 202010425590A CN 111708361 B CN111708361 B CN 111708361B
- Authority
- CN
- China
- Prior art keywords
- bounding box
- robot
- current position
- determining
- state information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000010276 construction Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明实施例公开一种多机器人碰撞预测方法和装置,其中方法包括接收多个机器人上传的状态信息,所述状态信息包括机器人标识、当前位置以及移动速度;依据所述状态信息构建对应的机器人的包围盒,当至少两个所述包围盒存在重叠区域时,则确定所述包围盒对应的机器人存在碰撞风险。本发明实施例通过构建机器人的包围盒,以包围盒是否存在重叠区域来预测对应的机器人是否存在碰撞风险,可以在多个机器人的路径存在交错的场景下进行碰撞预测,并且可以起到一定防抖效果。
Description
【技术领域】
本发明涉及机器人技术领域,尤其涉及一种多机器人碰撞预测方法和装置。
【背景技术】
随着物流行业的快速发展和人工成本的逐渐提高,配送机器人已成为物流行业最后一公里赛道上的一颗新星。而为了解决单个机器人配送效率低的问题,尤其是像写字楼这种存在配送需求高峰期的场景,往往需要配置多个机器人一同执行配送导航任务,以满足客户对时间效率的需求。
现有技术中,为了确保多个机器人同时配送时,机器人之间不会发生碰撞,通常采用集中式调度控制的方式,即通过中央调度管理器对多个机器人进行任务调度分配时,预先为每个机器人分配一条单独的不会与其他机器人产生冲突的路径,以确保多机协作时导航的安全性。但是该方式在道路空间的使用率和时间效率上存在一定的欠缺。
【发明内容】
鉴于上述问题,提出了本发明以便提供克服上述问题或者至少部分地解决上述问题的多机器人碰撞预测方法和装置。
本发明实施例提供一种多机器人碰撞预测方法,应用于服务器,所述方法包括:
接收多个机器人上传的状态信息,所述状态信息包括机器人标识、当前位置以及移动速度;
依据所述状态信息构建对应的机器人的包围盒,所述机器人在对应的包围盒内移动;
当至少两个所述包围盒存在重叠区域时,则确定所述包围盒对应的机器人存在碰撞风险。
可选地,所述包围盒呈矩形,所述依据所述状态信息构建对应的机器人的包围盒的步骤,包括:
依据所述机器人标识,从预设第一数据库中获取对应机器人的预设路径;
依据所述当前位置、移动速度和所述预设路径,确定所述机器人在预设时间内移动到达的第二位置;
以所述当前位置和所述第二位置的连线作为所述包围盒的中心轴,且所述包围盒的长度为所述当前位置和所述第二位置的连线的长度;
依据所述当前位置和所述第二位置,确定所述预设路径距离所述中心轴距离最长的第一特征点;
计算所述第一特征点到所述中心轴的第一距离;
依据所述机器人标识,从预设第二数据库中获取对应机器人的正投影的最长半径;
依据所述第一距离和所述最长半径,计算所述包围盒的宽度,所述包围盒的宽度=2*(第一距离+最长半径)。
可选地,所述依据所述状态信息构建对应的机器人的包围盒的步骤,包括:
依据所述机器人标识,从预设第一数据库中获取对应机器人的预设路径;
依据所述当前位置、移动速度和所述预设路径,确定所述机器人在预设时间内移动到达的第二位置;
依据所述机器人标识,从预设第二数据库中获取对应机器人的正投影的最长半径;
依据所述最长半径,构建长度为所述最长半径两倍的线段;
将所述线段以所述当前位置为中点沿所述预设路径移动至所述第二位置,将所述线段扫过的面或所述线段扫过的面的边缘确定为所述包围盒。
可选地,所述方法还包括:
当存在碰撞风险时,依据对应的机器人标识,从预设第三数据库中获取对应机器人的优先级;
依据所述优先级调整对应的机器人的移动状态,所述移动状态包括移动速度和移动方向。
本发明实施例还公开了一种多机器人碰撞预测方法,应用于机器人,所述方法包括:
确定第一状态信息,所述第一状态信息包括预设路径、正投影的最长半径、当前位置以及移动速度;
依据所述第一状态信息构建并上传第一包围盒;
获取其他机器人对应的第二包围盒;
当所述第一包围盒和至少一个所述第二包围盒存在重叠区域时,则确定与其他机器人存在碰撞风险。
可选地,所述第一包围盒呈矩形,所述依据所述第一状态信息构建并上传第一包围盒的步骤,包括:
获取预设路径;
依据所述当前位置、移动速度和所述预设路径,确定在预设时间内移动到达的第二位置;
以所述当前位置和所述第二位置的连线作为所述第一包围盒的中心轴,且所述第一包围盒的长度为所述当前位置和所述第二位置的连线的长度;
依据所述当前位置和所述第二位置,确定所述预设路径距离所述中心轴距离最长的第一特征点;
计算所述第一特征点到所述中心轴的第一距离;
确定正投影的最长半径;
依据所述第一距离和所述最长半径,计算所述第一包围盒的宽度,所述第一包围盒的宽度=2*(第一距离+最长半径)。
可选地,所述依据依据所述第一状态信息构建第一包围盒的步骤,包括:
获取预设路径;
依据所述当前位置、移动速度和所述预设路径,确定在预设时间内移动到达的第二位置;
确定正投影的最长半径;
依据所述最长半径,构建长度为所述最长半径两倍的线段;
将所述线段以所述当前位置为中点沿所述预设路径移动至所述第二位置,将所述线段扫过的面或所述线段扫过的面的边缘确定为所述第一包围盒。
可选地,所述方法还包括:
当存在碰撞风险时,依据所述第一包围盒和所述第二包围盒对应的机器人标识,从预设第三数据库中获取对应机器人的优先级;
依据所述优先级调整移动状态,所述移动状态包括移动速度和移动方向。
本发明实施例还公开了一种多机器人碰撞预测装置,所述装置包括:
第一接收模块,用于接收多个机器人上传的状态信息,所述状态信息包括机器人标识、当前位置以及移动速度;
第一构建模块,用于依据所述状态信息构建对应的机器人的包围盒;
第一风险预测模块,用于当至少两个所述包围盒存在重叠区域时,则确定所述包围盒对应的机器人存在碰撞风险。
本发明实施例还公开了一种多机器人碰撞预测装置,所述装置包括:
信息确定模块,用于确定第一状态信息,所述第一状态信息包括预设路径、正投影的最长半径、当前位置以及移动速度;
第二构建模块,用于依据所述第一状态信息构建并上传第一包围盒;
第一获取模块,用于获取其他机器人对应的第二包围盒;
第二风险预测模块,用于当所述第一包围盒和至少一个所述第二包围盒存在重叠区域时,则确定与其他机器人存在碰撞风险。
与现有技术相比,本发明实施例包括以下优点:
在本发明实施例中,通过接收多个机器人上传的状态信息,所述状态信息包括机器人标识、当前位置以及移动速度;依据所述状态信息构建对应的机器人的包围盒,当至少两个所述包围盒存在重叠区域时,则确定所述包围盒对应的机器人存在碰撞风险。本发明实施例通过构建机器人的包围盒,以包围盒是否存在重叠区域来预测对应的机器人是否存在碰撞风险,可以在多个机器人的路径存在交错的场景下进行碰撞预测,并且可以起到一定防抖效果。
【附图说明】
为了更清楚地说明本发明的技术方案,下面将对本发明的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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一的一种多机器人碰撞预测方法的步骤流程图;
图2是本发明实施例提供的一种包围盒的结构示意图;
图3是本发明实施例提供的另一种包围盒的结构示意图;
图4是本发明实施例一种多机器人碰撞预测方法的设计方案流程框图;
图5是本发明实施例二的一种多机器人碰撞预测方法的步骤流程图;
图6是本发明实施例三的一种多机器人碰撞预测装置的结构框图;
图7是本发明实施例四的一种多机器人碰撞预测装置的结构框图。
【具体实施方式】
为了使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
请参照图1,图1示出了本发明实施例一的一种多机器人碰撞预测方法的步骤流程图,该方法应用于服务器,该服务器包括中央调度管理器,等,具体可以包括如下步骤:
步骤101,接收多个机器人上传的状态信息,所述状态信息包括机器人标识、当前位置以及移动速度。
本发明实施例应用于多个机器人的路径存在交错的场景。每个机器人获取自身的状态信息并上传到服务器端,状态信息包括机器人标识,当前位置以及移动速度。其中,机器人标识可以是机器人的名称、编号、设备出厂编码等具有唯一性的标识,通过机器人标识可以唯一确定对应的机器人。
在服务器中设置有第一数据库、第二数据库和第三数据库,其中,第一数据库预先存储机器人标识和预设路径之间的关系,第二数据库预先存储机器人标识和机器人的正投影的最长半径之间的关系,第三数据库预先存储机器人标识和机器人等级之间的关系。当然,在具体实现中,也可以将机器人标识和预设路径、机器人的正投影的最长半径、机器人等级之间的关系预先存储在同一个数据库中;或者,在机器人上传的状态信息中包含对应的预设路径、正投影的最长半径以及优先级的信息,等;此处不作限定。
步骤102,依据所述状态信息构建对应的机器人的包围盒。
本发明实施例中,包围盒是指机器人在预设时间内沿预设路径移动时的安全区域,可以理解,机器人在预设时间内移动时位于对应的包围盒内。
请参照图2,在一示例中,所述包围盒呈矩形,所述依据所述状态信息构建对应的机器人的包围盒的步骤,包括:
依据所述机器人标识,从预设第一数据库中获取对应机器人的预设路径;
依据所述当前位置、移动速度和所述预设路径,确定所述机器人在预设时间内移动到达的第二位置;
以所述当前位置和所述第二位置的连线作为所述包围盒的中心轴,且所述包围盒的长度为所述当前位置和所述第二位置的连线的长度;
依据所述当前位置和所述第二位置,确定所述预设路径距离所述中心轴距离最长的第一特征点;
计算所述第一特征点到所述中心轴的第一距离;
依据所述机器人标识,从预设第二数据库中获取对应机器人的正投影的最长半径;
依据所述第一距离和所述最长半径,计算所述包围盒的宽度,所述包围盒的宽度=2*(第一距离+最长半径)。
本示例中,预设路径是指机器人在接收到配送任务时,由中央调度管理器或其他管理系统为机器人分配的从起点到达目标位置的路径;机器人在接收到任务后,根据预设路径从起点移动到目标位置,以完成配送任务。当前位置和第二位置均是预设路径上的点,第二位置是指机器人以当前位置为起点,在预设时间内移动到达路径上的点,可以通过计算移动速度与预设时间的乘积来获得第二位置与当前位置的位置关系,然后在预设路径上查找符合该位置关系的点作为第二位置。其中,预设时间一般选择2~5秒,当然也可以根据实际情况,选取适当的时间作为预设时间,例如,在移动速度较大时,选择的预设时间相对较短;在移动速度较小时,选择的预设时间相对较长,此处不作限定。机器人的正投影的最长半径是指以地面作为投影面,平行投射线垂直于投影面,对机器人进行投影,在地面产生的影子,影子的边缘点距离机器人中心点投影的最长距离。
图2中,曲线LC表示机器人的预设路径;点P0表示机器人的当前位置;点P1表示机器人的第二位置;线段P0P1是包围盒的中心轴;点PV表示第一特征点,是预设路径中当前位置P0和第二位置P1之间距离线段P0P1最远的点;点PV与线段P0P1的距离,即,过点PV作线段P0P1的垂线PVLO,垂足为LO,线段PVLO即为第一距离;机器人的正投影的最长半径记为R;计算线段PVLO和R的和,记为D;线段P0P1向其垂直的两个方向,即线段P0P1沿线段PVLO和线段PVLO的反方向分别移动D个单位长度,其扫过的面或扫过的面的边缘即为包围盒B1。由此可见,无论机器人在预设路径上如何移动,均不会超出对应的包围盒。
请参照图3,在另一示例中,所述依据所述状态信息构建对应的机器人的包围盒的步骤,包括:
依据所述机器人标识,从预设第一数据库中获取对应机器人的预设路径;
依据所述当前位置、移动速度和所述预设路径,确定所述机器人在预设时间内移动到达的第二位置;
依据所述机器人标识,从预设第二数据库中获取对应机器人的正投影的最长半径;
依据所述最长半径,构建长度为所述最长半径两倍的线段;
将所述线段以所述当前位置为中点沿所述预设路径移动至所述第二位置,将所述线段扫过的面或所述线段扫过的面的边缘确定为所述包围盒。
本示例中,预设路径、第二位置以及机器人的正投影的最长半径与上一示例完全相同。图3中,曲线LC表示机器人的预设路径;点P0表示机器人的当前位置;点P1表示机器人的第二位置;机器人的正投影的最长半径记为R;线段AB的长度是R的两倍,且P0是线段AB的中点,线段AB沿曲线LC从P0点移动至点P1,其扫过的面或扫过的面的边缘即为包围盒B2。由此可见,无论机器人在预设路径上如何移动,均不会超出对应的包围盒。
进一步地,在一优选实施例中,所述依据所述状态信息构建对应的机器人的包围盒的步骤,还包括:
依据所述状态信息按照预设时间间隔更新对应的机器人的包围盒。
本实施例中,可以按照预设时间间隔接收状态信息,然后依据状态信息构建或更新对应的机器人的包围盒;或者实时接收状态信息,按照预设时间间隔构建或更新对应的机器人的包围盒,相比于实时更新构建对应的机器人的包围盒的方式,可以适当节约网络资源开支。优选地,预设时间间隔与上述预设时间相关联,例如,当预设时间为5秒时,则预设时间间隔应小于等于5秒,以提高预测的精度。
步骤103,当至少两个所述包围盒存在重叠区域时,则确定所述包围盒对应的机器人存在碰撞风险。
本实施例中,当至少两个包围盒存在重叠区域时,确定存在重叠区域的包围盒,以及包围盒对应的机器人;可以通过机器人标识确定存在碰撞风险的机器人,然后控制对应的机器人进行避让,防止发生碰撞。
在本发明一优选实施例中,所述方法还包括:
步骤104,当存在碰撞风险时,依据对应的机器人标识,从预设第三数据库中获取对应机器人的优先级;
步骤105,依据所述优先级调整对应的机器人的移动状态,所述移动状态包括移动速度和移动方向。
本实施例中,机器人的优先级可以与机器人标识相关联,具体地,可以依据机器人的标识固定机器人的优先级,即,对于某一个机器人而言,其优先级与执行的任务无关,无论执行何种任务,其优先级都是固定不变的;在另一示例中,还可以依据机器人执行任务的等级来动态确定机器人的优先级,即,对于某一个机器人而言,其优先级与执行的任务相关,当执行的任务变化时,其优先级也会对应地发生改变,因此,对于该示例,在分配任务时,需要同时更新第三数据库中的机器人的优先级。需要说明的是,在配置机器人的优先级时应当以所有机器人为对象进行配置,即要考虑多个机器人之间的优先级,避免存在多个相同优先级的机器人。
依据存在碰撞风险的机器人对应的优先级调整机器人的移动状态,移动状态包括移动速度和移动方向。具体地,当两个机器人存在碰撞风险时,通过向机器人发送指令,使得优先级较低的机器人停止移动,即优先级较低的机器人的移动速度为0;此外,还可以使得优先级较高的机器人降速移动,即优先级较高的机器人按照预设路径以相比于当前移动速度较低的速度移动,其降速的比例可以依据包围盒重叠区域的面积进行调整,例如,重叠区域的面积越大,降速的比例越大,调整后的移动速度越慢;反之,重叠区域的面积越小,降速的比例越小,调整后的移动速度越接近调整前的移动速度。本实施例通过优先级来调整存在碰撞风险的机器人的移动状态,可以解决存在碰撞风险的机器人互相等待,彼此进入死锁状态的问题。
在本发明实施例中,通过接收多个机器人上传的状态信息,所述状态信息包括机器人标识、当前位置以及移动速度;依据所述状态信息构建对应的机器人的包围盒,当至少两个所述包围盒存在重叠区域时,则确定所述包围盒对应的机器人存在碰撞风险。本发明实施例通过构建机器人的包围盒,以包围盒是否存在重叠区域来预测对应的机器人是否存在碰撞风险,可以在多个机器人的路径存在交错的场景下进行碰撞预测,以提高空间利用率,并且可以起到一定防抖效果;通过机器人优先级来调整存在碰撞风险的机器人的移动状态,可以解决死锁问题,在防止碰撞的同时提高机器人的执行效率。
参照图4,图4示出了本发明实施例一种多机器人碰撞预测方法的设计方案流程框图。
在多机器人同时作业的场景中,多台机器人之间共享机器人位置、路径等信息;构建每台机器人行驶安全区域的包围盒;计算出包围盒间存在交叉重叠的机器人;对于包围盒存在交叉重叠的机器人,根据优先级进行相应调整,即优先级高的机器人自发降速行驶,而优先级第的机器人自发停止,可以解决死锁问题。
参照图5,图5示出了本发明实施例二的一种多机器人碰撞预测方法的步骤流程图,该方法应用于机器人,具体可以包括如下步骤:
步骤201,确定第一状态信息,所述第一状态信息包括预设路径、正投影的最长半径、当前位置以及移动速度。
本实施例中,机器人实时或按照预设时间间隔获取自身的第一状态信息。其中,预设路径、正投影的最长半径、当前位置以及移动速度可以参照本发明实施例一中的相关说明,在此不再赘述。
步骤202,依据所述第一状态信息构建并上传第一包围盒。
本实施例中,机器人依据第一状态信息构建第一包围盒,并将第一包围盒上传至服务器,服务器包括中央调度管理器;在上传的第一包围盒中包含机器人标识,以便接收端可以明确接收到的包围盒与多个机器人之间的对应关系。
在一示例中,如图2所示,所述包围盒呈矩形,所述依据所述第一状态信息构建并上传第一包围盒的步骤,包括:
获取预设路径;
依据所述当前位置、移动速度和所述预设路径,确定在预设时间内移动到达的第二位置;
以所述当前位置和所述第二位置的连线作为所述第一包围盒的中心轴,且所述第一包围盒的长度为所述当前位置和所述第二位置的连线的长度;
依据所述当前位置和所述第二位置,确定所述预设路径距离所述中心轴距离最长的第一特征点;
计算所述第一特征点到所述中心轴的第一距离;
确定正投影的最长半径;
依据所述第一距离和所述最长半径,计算所述第一包围盒的宽度,所述第一包围盒的宽度=2*(第一距离+最长半径)。
本示例中,机器人构建第一包围盒的方法与本发明实施例一第一示例构建包围盒的方法类似,请参照实施例一中的相关描述;区别点主要在于,本实施例二中的包围盒由机器人端构建完成后上传至服务器端,而实施例一中的包围盒由服务器端构建。
在另一示例中,请参照图3,依据所述第一状态信息构建并上传第一包围盒的步骤,包括:
获取预设路径;
依据所述当前位置、移动速度和所述预设路径,确定在预设时间内移动到达的第二位置;
确定正投影的最长半径;
依据所述最长半径,构建长度为所述最长半径两倍的线段;
将所述线段以所述当前位置为中点沿所述预设路径移动至所述第二位置,将所述线段扫过的面或所述线段扫过的面的边缘确定为所述第一包围盒。
本示例中,机器人构建第一包围盒的方法与本发明实施例一第二示例构建包围盒的方法类似,请参照实施例一中的相关描述;区别点主要在于,本实施例二中的包围盒由机器人端构建完成后上传至服务器端,而实施例一中的包围盒由服务器端构建。
进一步地,在一优选实施例中,所述依据所述第一状态信息构建并上传第一包围盒的步骤,还包括:
依据所述第一状态信息按照预设时间间隔更新并上传第一包围盒。
本实施例中,按照预设时间间隔更新并上传第一包围盒,相比于实时构建并上传第一包围盒的方式,可以适当节约网络资源开支。其中,预设时间间隔与上述预设时间相关联,例如,当预设时间为5秒时,则预设时间间隔应小于等于5秒,以提高预测的精度。
步骤203,获取其他机器人对应的第二包围盒。
本实施例中,服务器端用于接收机器人构建的包围盒并实现信息共享,即机器人可以从服务端中获取除自身构建的第一包围盒外的第二包围盒。
步骤204,当所述第一包围盒和至少一个所述第二包围盒存在重叠区域时,则确定与其他机器人存在碰撞风险。
本实施例中,机器人可以通过遍历第二包围盒与自身的第一包围盒之间的位置关系,判断是否有与第一包围盒存在重叠区域的第二包围盒。当第一包围盒与第二包围盒存在重叠区域时,则说明该机器人与第二包围盒对应的机器人存在碰撞风险。
进一步地,在本发明一优选实施例中,所述方法还包括:
步骤205,当存在碰撞风险时,依据所述第一包围盒和所述第二包围盒对应的机器人标识,从预设第三数据库中获取对应机器人的优先级;
步骤206,依据所述优先级调整移动状态,所述移动状态包括移动速度和移动方向。
上述步骤205和206分别与实施例一中的步骤104和105基本类似,具体可以参见实施例一中的相关描述,区别仅在于,本发明实施例二中,通过机器人判断优先级高低,并依据获取到的优先级主动调整移动状态;而实施例一种,是由服务器端判断存在碰撞风险的至少两个机器人之间的优先级高低,并由服务器端发送相关指令以控制机器人调整移动状态。
本发明实施例中,机器人通过确定第一状态信息,依据第一状态信息构建并上传第一包围盒,获取其他机器人对应的第二包围盒,当第一包围盒和至少一个第二包围盒存在重叠区域时,则确定与其他机器人存在碰撞风险。本发明实施例通过构建机器人的包围盒,以包围盒是否存在重叠区域来预测是否存在碰撞风险,可以在多个机器人的路径存在交错的场景下进行碰撞预测,以提高空间利用率,并且可以起到一定防抖效果;当存在碰撞风险时,通过机器人优先级来调整移动状态,可以解决死锁问题,在防止碰撞的同时提高机器人的执行效率。
对于机器人侧的方法实施例而言,由于其与服务器侧的方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
参照图6,图6示出了本发明实施例三的一种多机器人碰撞预测装置的结构框图,具体可以包括如下模块:
第一接收模块301,用于接收多个机器人上传的状态信息,所述状态信息包括机器人标识、当前位置以及移动速度;
第一构建模块302,用于依据所述状态信息构建对应的机器人的包围盒;
第一风险预测模块303,用于当至少两个所述包围盒存在重叠区域时,则确定所述包围盒对应的机器人存在碰撞风险。
进一步地,在一可选实施例中,所述包围盒呈矩形,所述第一构建模块302,包括:
路径获取子模块,用于依据所述机器人标识,从预设第一数据库中获取对应机器人的预设路径;
第二位置确定子模块,用于依据所述当前位置、移动速度和所述预设路径,确定所述机器人在预设时间内移动到达的第二位置;
长度确定子模块,用于以所述当前位置和所述第二位置的连线作为所述包围盒的中心轴,且所述包围盒的长度为所述当前位置和所述第二位置的连线的长度;
特征点确定子模块,用于依据所述当前位置和所述第二位置,确定所述预设路径距离所述中心轴距离最长的第一特征点;
距离计算模块,用于计算所述第一特征点到所述中心轴的第一距离;
最长半径获取子模块,用于依据所述机器人标识,从预设第二数据库中获取对应机器人的正投影的最长半径;
宽度确定子模块,用于依据所述第一距离和所述最长半径,计算所述包围盒的宽度,所述包围盒的宽度=2*(第一距离+最长半径)。
在另一可选实施例中,所述第一构建模块302,包括:
路径获取子模块,用于依据所述机器人标识,从预设第一数据库中获取对应机器人的预设路径;
第二位置确定子模块,用于依据所述当前位置、移动速度和所述预设路径,确定所述机器人在预设时间内移动到达的第二位置;
最长半径获取子模块,依据所述机器人标识,从预设第二数据库中获取对应机器人的正投影的最长半径;
线段构建子模块,用于依据所述最长半径,构建长度为所述最长半径两倍的线段;
包围盒构建子模块,用于将所述线段以所述当前位置为中点沿所述预设路径移动至所述第二位置,将所述线段扫过的面或所述线段扫过的面的边缘确定为所述包围盒。
进一步地,在一优选实施例中,所述第一构建模块302,还用于依据所述状态信息按照预设时间间隔更新对应的机器人的包围盒。
在一优选实施例中,所述装置还包括:
优先级获取模块,用于当存在碰撞风险时,依据对应的机器人标识,从预设第三数据库中获取对应机器人的优先级;
调控模块,用于依据所述优先级调整对应的机器人的移动状态,所述移动状态包括移动速度和移动方向。
对于实施例三的装置实施例而言,由于其与实施例一的方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
参照图7,图7示出了本发明实施例四的一种多机器人碰撞预测装置的结构框图,具体可以包括如下模块:
信息确定模块401,用于确定第一状态信息,所述第一状态信息包括预设路径、正投影的最长半径、当前位置以及移动速度;
第二构建模块402,用于依据所述第一状态信息构建并上传第一包围盒;
第一获取模块403,用于获取其他机器人对应的第二包围盒;
第二风险预测模块404,用于当所述第一包围盒和至少一个所述第二包围盒存在重叠区域时,则确定与其他机器人存在碰撞风险。
进一步地,在一可选实施例中,所述第一包围盒呈矩形,所述第二构建模块402,包括:
第一获取子模块,用于获取预设路径;
第一确定子模块,用于依据所述当前位置、移动速度和所述预设路径,确定在预设时间内移动到达的第二位置;
第二确定子模块,用于以所述当前位置和所述第二位置的连线作为所述第一包围盒的中心轴,且所述第一包围盒的长度为所述当前位置和所述第二位置的连线的长度;
第三确定子模块,用于依据所述当前位置和所述第二位置,确定所述预设路径距离所述中心轴距离最长的第一特征点;
第四确定子模块,用于计算所述第一特征点到所述中心轴的第一距离;
第五确定子模块,用于确定正投影的最长半径;
第六确定子模块,用于依据所述第一距离和所述最长半径,计算所述第一包围盒的宽度,所述第一包围盒的宽度=2*(第一距离+最长半径)。
在另一可选实施例中,所述第二构建模块402,包括:
第一获取子模块,用于获取预设路径;
第一确定子模块,用于依据所述当前位置、移动速度和所述预设路径,确定在预设时间内移动到达的第二位置;
第五确定子模块,用于确定正投影的最长半径;
第七确定子模块,用于依据所述最长半径,构建长度为所述最长半径两倍的线段;
第八确定子模块,用于将所述线段以所述当前位置为中点沿所述预设路径移动至所述第二位置,将所述线段扫过的面或所述线段扫过的面的边缘确定为所述第一包围盒。
进一步地,在一优选实施例中,所述第二构建模块,还用于依据所述第一状态信息按照预设时间间隔更新并上传第一包围盒。
在一优选实施例中,所述装置还包括:
第二确定模块,用于当存在碰撞风险时,依据所述第一包围盒和所述第二包围盒对应的机器人标识,从预设第三数据库中获取对应机器人的优先级;
调整模块,用于依据所述优先级调整移动状态,所述移动状态包括移动速度和移动方向。
对于实施例四的装置实施例而言,由于其与实施例二的方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种多机器人碰撞预测方法和一种多机器人碰撞预测装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种多机器人碰撞预测方法,其特征在于,应用于服务器,所述方法包括:
接收多个机器人上传的状态信息,所述状态信息包括机器人标识、当前位置以及移动速度;
依据所述状态信息构建对应的机器人的包围盒;
当至少两个所述包围盒存在重叠区域时,则确定所述包围盒对应的机器人存在碰撞风险;
所述包围盒呈矩形,所述依据所述状态信息构建对应的机器人的包围盒的步骤,包括:
依据所述机器人标识,从预设第一数据库中获取对应机器人的预设路径;
依据所述当前位置、移动速度和所述预设路径,确定所述机器人在预设时间内移动到达的第二位置;
以所述当前位置和所述第二位置的连线作为所述包围盒的中心轴,且所述包围盒的长度为所述当前位置和所述第二位置的连线的长度;
依据所述当前位置和所述第二位置,确定所述预设路径距离所述中心轴距离最长的第一特征点;
计算所述第一特征点到所述中心轴的第一距离;
依据所述机器人标识,从预设第二数据库中获取对应机器人的正投影的最长半径;
依据所述第一距离和所述最长半径,计算所述包围盒的宽度,所述包围盒的宽度=2*(第一距离+最长半径)。
2.根据权利要求1任一项所述的方法,其特征在于,所述方法还包括:
当存在碰撞风险时,依据对应的机器人标识,从预设第三数据库中获取对应机器人的优先级;
依据所述优先级调整对应的机器人的移动状态,所述移动状态包括移动速度和移动方向。
3.一种多机器人碰撞预测方法,其特征在于,应用于机器人,所述方法包括:
确定第一状态信息,所述第一状态信息包括预设路径、正投影的最长半径、当前位置以及移动速度;
依据所述第一状态信息构建并上传第一包围盒;
获取其他机器人对应的第二包围盒;
当所述第一包围盒和至少一个所述第二包围盒存在重叠区域时,则确定与其他机器人存在碰撞风险;
所述第一包围盒呈矩形,所述依据所述第一状态信息构建并上传第一包围盒的步骤,包括:
获取预设路径;
依据所述当前位置、移动速度和所述预设路径,确定在预设时间内移动到达的第二位置;
以所述当前位置和所述第二位置的连线作为所述第一包围盒的中心轴,且所述第一包围盒的长度为所述当前位置和所述第二位置的连线的长度;
依据所述当前位置和所述第二位置,确定所述预设路径距离所述中心轴距离最长的第一特征点;
计算所述第一特征点到所述中心轴的第一距离;
确定正投影的最长半径;
依据所述第一距离和所述最长半径,计算所述第一包围盒的宽度,所述第一包围盒的宽度=2*(第一距离+最长半径)。
4.根据权利要求3任一项所述的方法,其特征在于,所述方法还包括:
当存在碰撞风险时,依据所述第一包围盒和所述第二包围盒对应的机器人标识,从预设第三数据库中获取对应机器人的优先级;
依据所述优先级调整移动状态,所述移动状态包括移动速度和移动方向。
5.一种多机器人碰撞预测装置,其特征在于,所述装置包括:
第一接收模块,用于接收多个机器人上传的状态信息,所述状态信息包括机器人标识、当前位置以及移动速度;
第一构建模块,用于依据所述状态信息构建对应的机器人的包围盒;
第一风险预测模块,用于当至少两个所述包围盒存在重叠区域时,则确定所述包围盒对应的机器人存在碰撞风险;
所述包围盒呈矩形,所述依据所述状态信息构建对应的机器人的包围盒具体为:
依据所述机器人标识,从预设第一数据库中获取对应机器人的预设路径;
依据所述当前位置、移动速度和所述预设路径,确定所述机器人在预设时间内移动到达的第二位置;
以所述当前位置和所述第二位置的连线作为所述包围盒的中心轴,且所述包围盒的长度为所述当前位置和所述第二位置的连线的长度;
依据所述当前位置和所述第二位置,确定所述预设路径距离所述中心轴距离最长的第一特征点;
计算所述第一特征点到所述中心轴的第一距离;
依据所述机器人标识,从预设第二数据库中获取对应机器人的正投影的最长半径;
依据所述第一距离和所述最长半径,计算所述包围盒的宽度,所述包围盒的宽度=2*(第一距离+最长半径)。
6.一种多机器人碰撞预测装置,其特征在于,所述装置包括:
信息确定模块,用于确定第一状态信息,所述第一状态信息包括预设路径、正投影的最长半径、当前位置以及移动速度;
第二构建模块,用于依据所述第一状态信息构建并上传第一包围盒;
第一获取模块,用于获取其他机器人对应的第二包围盒;
第二风险预测模块,用于当所述第一包围盒和至少一个所述第二包围盒存在重叠区域时,则确定与其他机器人存在碰撞风险;
所述第一包围盒呈矩形,所述依据所述第一状态信息构建并上传第一包围盒具体为:
获取预设路径;
依据所述当前位置、移动速度和所述预设路径,确定在预设时间内移动到达的第二位置;
以所述当前位置和所述第二位置的连线作为所述第一包围盒的中心轴,且所述第一包围盒的长度为所述当前位置和所述第二位置的连线的长度;
依据所述当前位置和所述第二位置,确定所述预设路径距离所述中心轴距离最长的第一特征点;
计算所述第一特征点到所述中心轴的第一距离;
确定正投影的最长半径;
依据所述第一距离和所述最长半径,计算所述第一包围盒的宽度,所述第一包围盒的宽度=2*(第一距离+最长半径)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010425590.8A CN111708361B (zh) | 2020-05-19 | 2020-05-19 | 多机器人碰撞预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010425590.8A CN111708361B (zh) | 2020-05-19 | 2020-05-19 | 多机器人碰撞预测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111708361A CN111708361A (zh) | 2020-09-25 |
CN111708361B true CN111708361B (zh) | 2023-09-08 |
Family
ID=72537286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010425590.8A Active CN111708361B (zh) | 2020-05-19 | 2020-05-19 | 多机器人碰撞预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111708361B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113077643B (zh) * | 2021-03-23 | 2022-05-03 | 上海振华重工(集团)股份有限公司 | 一种交通控制方法、交通控制系统及存储介质 |
CN113050661A (zh) * | 2021-06-02 | 2021-06-29 | 成都四方伟业软件股份有限公司 | 一种三维场景内自动巡检方法及装置 |
CN113608528A (zh) * | 2021-07-12 | 2021-11-05 | 千里眼(广州)人工智能科技有限公司 | 机器人调度方法、装置、机器人及存储介质 |
US20240061431A1 (en) * | 2021-11-12 | 2024-02-22 | Hitachi, Ltd. | Robot system, control device of robot, and control method of robot |
CN114924513B (zh) * | 2022-06-07 | 2023-06-06 | 中迪机器人(盐城)有限公司 | 一种多机器人协同控制系统及方法 |
CN117114547B (zh) * | 2023-10-25 | 2024-02-02 | 交通运输部水运科学研究所 | 基于云平台的港区企业集群式安全责任预警方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102253862A (zh) * | 2011-04-26 | 2011-11-23 | 浙江大学 | 一种基于SIMD的k-DOP包围盒碰撞检测方法 |
CN102708017A (zh) * | 2012-05-18 | 2012-10-03 | 浙江大学 | 一种基于非共线剔除的柔性场景连续碰撞检测方法 |
CN103335658A (zh) * | 2013-06-19 | 2013-10-02 | 华南农业大学 | 一种基于弧线路径生成的自主车辆避障方法 |
CN103492968A (zh) * | 2011-04-06 | 2014-01-01 | 科尔摩根萨罗公司 | 碰撞避免方法和相关的系统 |
CN105404511A (zh) * | 2015-11-19 | 2016-03-16 | 福建天晴数码有限公司 | 基于理想几何的物理碰撞预测方法和装置 |
CN106325280A (zh) * | 2016-10-20 | 2017-01-11 | 上海物景智能科技有限公司 | 一种多机器人防碰撞方法及系统 |
CN106774305A (zh) * | 2016-11-30 | 2017-05-31 | 上海振华重工电气有限公司 | 自动化集装箱码头多自动引导车辆路径冲突消解方法 |
CN108216259A (zh) * | 2016-12-13 | 2018-06-29 | 福特全球技术公司 | 自主车辆故障后操作 |
CN109213153A (zh) * | 2018-08-08 | 2019-01-15 | 东风汽车有限公司 | 一种车辆自动驾驶方法及电子设备 |
CN110209485A (zh) * | 2019-06-05 | 2019-09-06 | 青岛海通胜行智能科技有限公司 | 一种协同作业时多机器人的动态避让方法 |
EP3627250A1 (en) * | 2018-09-21 | 2020-03-25 | Tata Consultancy Services Limited | Method and system for free space detection in a cluttered environment |
CN111060125A (zh) * | 2019-12-30 | 2020-04-24 | 深圳一清创新科技有限公司 | 碰撞检测方法、装置、计算机设备和存储介质 |
-
2020
- 2020-05-19 CN CN202010425590.8A patent/CN111708361B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103492968A (zh) * | 2011-04-06 | 2014-01-01 | 科尔摩根萨罗公司 | 碰撞避免方法和相关的系统 |
CN102253862A (zh) * | 2011-04-26 | 2011-11-23 | 浙江大学 | 一种基于SIMD的k-DOP包围盒碰撞检测方法 |
CN102708017A (zh) * | 2012-05-18 | 2012-10-03 | 浙江大学 | 一种基于非共线剔除的柔性场景连续碰撞检测方法 |
CN103335658A (zh) * | 2013-06-19 | 2013-10-02 | 华南农业大学 | 一种基于弧线路径生成的自主车辆避障方法 |
CN105404511A (zh) * | 2015-11-19 | 2016-03-16 | 福建天晴数码有限公司 | 基于理想几何的物理碰撞预测方法和装置 |
CN106325280A (zh) * | 2016-10-20 | 2017-01-11 | 上海物景智能科技有限公司 | 一种多机器人防碰撞方法及系统 |
CN106774305A (zh) * | 2016-11-30 | 2017-05-31 | 上海振华重工电气有限公司 | 自动化集装箱码头多自动引导车辆路径冲突消解方法 |
CN108216259A (zh) * | 2016-12-13 | 2018-06-29 | 福特全球技术公司 | 自主车辆故障后操作 |
CN109213153A (zh) * | 2018-08-08 | 2019-01-15 | 东风汽车有限公司 | 一种车辆自动驾驶方法及电子设备 |
EP3627250A1 (en) * | 2018-09-21 | 2020-03-25 | Tata Consultancy Services Limited | Method and system for free space detection in a cluttered environment |
CN110209485A (zh) * | 2019-06-05 | 2019-09-06 | 青岛海通胜行智能科技有限公司 | 一种协同作业时多机器人的动态避让方法 |
CN111060125A (zh) * | 2019-12-30 | 2020-04-24 | 深圳一清创新科技有限公司 | 碰撞检测方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111708361A (zh) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111708361B (zh) | 多机器人碰撞预测方法和装置 | |
CN109636198B (zh) | 调度方法、调度装置、计算机可读存储介质和电子设备 | |
CN107203190B (zh) | 一种基于复杂路径的惯性导航agv调度方法及系统 | |
CN110281242B (zh) | 机器人路径更新方法、电子设备及计算机可读存储介质 | |
US9637310B1 (en) | Mobile robot group for moving an item | |
CN109508021B (zh) | 一种自动导引车的导引方法、装置和系统 | |
CN111596658A (zh) | 一种多agv无碰撞运行的路径规划方法及调度系统 | |
CN111591306B (zh) | 自动驾驶车辆的行驶轨迹规划方法、相关设备及存储介质 | |
CN103608740B (zh) | 使用经协调路径规划器有效调度多个自动非完整车辆的方法和设备 | |
CN112171665A (zh) | 运动控制方法、装置、终端设备及存储介质 | |
CN110544061A (zh) | 一种物料配送方法及系统 | |
CN109976320A (zh) | 一种基于时间窗在线修正的多agv路径规划方法 | |
KR101408075B1 (ko) | 다중 로봇 시스템 및 다중 로봇 시스템 제어 방법 | |
WO2017187223A1 (en) | Method and apparatus for automating physical equipment replacement and maintenance | |
TWI796017B (zh) | 自動導引車調度方法、電子裝置及電腦可讀儲存媒體 | |
CN115271556B (zh) | 机器人任务调度方法、装置、可读存储介质及电子设备 | |
CN111459100B (zh) | 自动导引运输车的调度方法和系统 | |
CN112799432A (zh) | 无人机的避障控制方法、装置、存储介质和电子设备 | |
CN109493638B (zh) | 一种园区停车位的管理优化方法和装置 | |
JP2021071909A (ja) | 遠隔管制システム | |
Klaas et al. | Simulation aided, knowledge based routing for AGVs in a distribution warehouse | |
Hazik et al. | Fleet Management System for an Industry Environment | |
CN115755786A (zh) | 基于流量的多agv全局调度方法 | |
CN113253692B (zh) | Agv的巡游方法、装置、设备及可读存储介质 | |
CN116795087A (zh) | 自主移动机器人的调度方法、系统、电子设备和存储介质 |
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 |