CN111708365A - 一种自动路径规划方法 - Google Patents

一种自动路径规划方法 Download PDF

Info

Publication number
CN111708365A
CN111708365A CN202010585641.3A CN202010585641A CN111708365A CN 111708365 A CN111708365 A CN 111708365A CN 202010585641 A CN202010585641 A CN 202010585641A CN 111708365 A CN111708365 A CN 111708365A
Authority
CN
China
Prior art keywords
point
path
path planning
boundary
boundary number
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
Application number
CN202010585641.3A
Other languages
English (en)
Inventor
张元玲
黄汉群
何杰
崔慧君
纪云峰
王仕满
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baowu Group Environmental Resources Technology Co Ltd
Original Assignee
Baowu Group Environmental Resources Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Baowu Group Environmental Resources Technology Co Ltd filed Critical Baowu Group Environmental Resources Technology Co Ltd
Priority to CN202010585641.3A priority Critical patent/CN111708365A/zh
Publication of CN111708365A publication Critical patent/CN111708365A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214Control 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
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223Control 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

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)
  • Control And Safety Of Cranes (AREA)

Abstract

本发明提供了一种基于无人化抓斗行车模式的自动路径规划方法,包括在判定取料点和落料点连成的线段与保存的危险区各边界相交时,记录危险区编号,和/或计算交点个数和相交边界号,和/或在判定交点为危险区端点时对该边界号进行标记,和/或根据记录的危险区编号、相交点个数和边界号以及边界号标记,设置新路径规划点;和/或对新路径规划点和当前点坐标得到新路径,继续进行路径规划;和/或在所有危险区边界都没有相交时,下发目标值。

Description

一种自动路径规划方法
技术领域
本发明涉及行车动作执行控制领域。尤其是,本发明涉及一种自动路径规划方法,所述方法基于无人化抓斗行车模式的危险区避让与路径规划,可适用于例如抓斗行车全自动无人驾驶等相关作业。
背景技术
目前各行业中抓斗行车运用广泛,散料场保有量巨大,主要采用抓斗行车进行倒运、上料作业等,需要配备一定的操作司机来驾驶这些设备,而且散料场粉尘污染比较严重。
在行车执行上料,倒料等具体任务时,库区本身存在一些危险区,例如检修区,观察平台等行车大多情况下不能经过的地方。而在人工作业时行车工通常需要通过肉眼来识别这些危险区,甚至会无视这些危险区,这对库区的安全造成了很大的隐患。因此需要采用递归算法对行车每次任务路径进行判断和规划,保证每次动作的安全性。在目前的项目应用及实验中,对于非矩形的危险区,需要通过扩充成单个或多个矩形,难免会有空间上的浪费,但是扩充的矩形越多,危险区的个数越多,浪费的空间越小,在一定程度上可以弥补。
发明内容
本发明的一个目的在于提供一种自动路径规划方法,所述方法基于无人化抓斗行车模式的危险区避让与路径规划,可适用于例如抓斗行车全自动无人驾驶等相关作业。
依据本发明的一个方面,提供了一种自动路径规划方法,包括危险区标识,以对不同形状的危险区的边界号进行标识;和/或危险区判断,以确定当前路径是否和危险区的各条边相交、相交点的个数、边界号和/或边界号标记;和/或根据危险区编号、相交点个数、危险区边界号和/或边界号标记,设置路径规划点。
依据本发明以上方面的方法,还包括直接标识矩形危险区或将非矩形危险区扩充成单个或多个矩形,并将其各点坐标值存入配置文件或数据库中,配置文件或数据库中保存的危险区比实际危险区大;和/或对相交点为危险区端点的边界号做标记;和/或根据相交点的个数判断当前路径是否需要进行路径规划,并执行路径规划策略;和/或通过格雷母线对行车和库区内物料进行定位,并建立三维坐标系;和/或采用递归算法执行路径规划,对每次生成的新路径都进行一次路径规划;和/或按比例控制行车大小车的速度,以使执行的路径可以是一条直线;和/或实时检测判断当前坐标值是否在配置文件或数据库保存的危险区内,和/或在判定在危险区内时,停止行车行驶。
依据本发明以上方面的方法,还包括对于相交点为0的路径,所述路径与危险区都不发生干扰,直接执行,无需路径规划;和/或对于相交点为1的路径,判定其为进入或离开危险区,不予执行,直接报警;和/或对于相交点为2-4的路径,根据返回的边界号值确定路径规划点。
依据本发明以上方面的方法,还包括把危险区的边界分别标识为0、1、2、3,对于相交点为2到4个的路径,根据返回的边界号值:对于边界号为01或03有标记的边界号013或12有标记的边界号012,确定路径规划点为01端点;和/或对于边界号为03或23有标记的边界号023或01有标记的边界号013,确定路径规划点为03端点;和/或对于边界号为23或03有标记的边界号023或12有标记的边界号123,确定路径规划点为23端点;和/或对于边界号为12或23有标记的边界号123或01有标记的边界号012,确定路径规划点为12端点;和/或对于连接取料点和落料点的当前路径为该危险区对角线所在线段的边界号0123,判断取料点或落料点与该危险区最大横坐标、最小横坐标、最大纵坐标、最小纵坐标的大小关系来确定所述取料点或落料点所在直线,并确定路径规划点。
依据本发明的另一个方面,提供了一种基于无人化抓斗行车模式的自动路径规划方法,包括在判定取料点和落料点连成的线段与保存的危险区各边界相交时,记录危险区编号,和/或计算交点个数和相交边界号,和/或在判定交点为危险区端点时对该边界号进行标记,和/或根据记录的危险区编号、相交点个数和边界号以及边界号标记,设置新路径规划点;和/或对新路径规划点和当前点坐标得到新路径,继续进行路径规划;和/或在所有危险区边界都没有相交时,下发目标值。
依据本发明以上方面的方法,还包括实时判断行车当前坐标是否在危险区内,若是,则立即停止并报警;和/或在执行完成下发的目标值后,如果该目标值为一开始的落料点,则任务结束,否则返回到根据记录的危险区编号、相交点个数和边界号以及边界号标记,设置新路径规划点;和/或在新路径下发目标值前,进行路径规划。
依据本发明的又一个方面,提供了一种非易失性机器可读存储介质,其特征在于包括一个或多个指令,其中所述一个或多个指令响应于被执行而使得一个或多个处理器执行如以上所述方法的一个或多个步骤。
依据本发明的再一个方面,提供了一种计算设备,其特征在于包括一个或多个处理器;与所述一个或多个处理器耦合的一个或多个存储器,所述存储器用于存储一个或多个指令,其中所述一个或多个响应于被执行而使得所述一个或多个处理器执行如以上所述方法的一个或多个步骤。
如上所述,依据本发明的上述方面,如上所述,依据本发明图1到7所示的实施例,由于本发明通过危险区标识、危险区判断、规划路径、路径规划执行以及实时检测功能的配合等,可保障无人抓斗行车动作安全性,并在此基础上提高作业效率。而且还可实现无人行车自动识别和避让危险区,让无人化行车在执行任务时能自动避让库区所有的危险区域,保障了行车和现场设备作业的安全性。在保证安全的前提下,系统通过合理设置路径,保证行车在避让危险区的同时,尽可能地减少了路径的长度,提高了作业的效率。此外,可利用抓斗行车倒料和上料作业,由于抓斗行车倒料和上料作业在冶金行业具有很高的保有量,所以具有广阔的市场前景,危险区的避让和路径规划方法能显著提高行车的倒料和上料作业的安全性,保障现场安全。
附图说明
图1A和1B分别示意地示出依据本发明一个实施例的危险区的一个例子的示意图;
图2示意地示出依据本发明一个实施例的危险区边界号的一个例子的示意图;
图3A到3L分别示意地示出依据本发明一个实施例的不同边界号路径规划规则的例子的示意图;
图4示意地示出依据本发明一个实施例的路径规划的一个例子的示意图;
图5示意地示出依据本发明一个实施例的路径规划方法的一个例子的流程图;
图6示意地示出依据本发明一个实施例的路径规划方法的一个例子的示意图;
图7示意地示出依据本发明一个实施例的设备的一个例子的方框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
虽然以下描述阐述可以例如在系统架构中示出的各个实现方式,但本文所描述的技术和/或布置的实现方式不限于特定系统架构和/或计算系统,并且可以通过用于相似目的的任何架构和/或计算系统得以实现。例如,采用例如一个多个集成电路芯片和/或封装的各种架构和/或各种计算设备和/或电子设备可以实现本文所描述的技术和/或布置。此外,虽然以下描述可以阐述大量具体细节(例如系统组件的逻辑实现方式、类型和相互关系、逻辑分区/集成选取等),但可以在没有这些具体细节的情况下实践所要求的主题。在其它实例中,为了不模糊本文所公开的材料,可以并不详细地示出一些材料(例如控制结构和完整软件指令序列)。可以在硬件、固件、软件或其任何组合中实现本文所公开的材料。
本文所公开的材料也可以实现为可以由一个或多个处理器读取并且执行的机器可读介质或存储器上所存储的指令。计算机可读介质可以包括用于存储或发送机器(例如计算设备)可读的形式的信息的任何介质和/或机构。例如,机器可读介质可以包括只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质;光存储介质;闪存设备;和/或其它介质。在另一形式中,非瞬时性物品(例如非瞬时性计算机可读介质)可以用于以上所提及的任何示例或其它示例,包括可以通过“瞬时”方式临时保存数据的这些元件(例如RAM等)。
图1A和1B分别示出依据本发明一个实施例的危险区的一个例子。在一个实施例中,可把例如库区中不允许行车自动行驶的地方设置成危险区。例如,库区本身可存在一些危险区,包括例如检修区、观察平台等行车在大多数情况下不能经过的地方。对于例如矩形等危险区,可直接将各点坐标信息写入配置文件和/或数据库中,以在程序运行起始时对其进行读取。在另一个实施例中,参考图1A和1B,对于非矩形或其他形状或具有不规则图形的危险区102,可把危险区102扩充成单个矩形(例如,图1A的矩形104)或多个矩形(例如,图1B的矩形104和106)。例如,如图1A和1B所示,通过如图1B所示把危险区102扩充为两个矩形,使得浪费空间变少。在一个实施例中,扩充成多个矩形有利于空间的更有效利用。可将扩充的各矩形点坐标存入配置文件和/或数据库中。在一个实施例中,为保证安全,配置文件或数据库中保存的危险区会比实际的危险区要大一些。
图2示出依据本发明一个实施例的危险区边界号的一个实施例。如图2所示,在一个实施例中,可在矩形或扩充成矩形的危险区202的边界设置边界号。例如,图2所示的危险区202可包括边界212、214、216和218。边界212具有边界号0、边界214具有边界号1、边界216具有边界号2和边界218具有边界号3。图2示出危险区202的边界号的一个例子,在其他实施例中,可按其他方式给危险区202的边界设置边界号。
图3A到3L分别示出依据本发明的不同边界号路径规划规则的例子的示意图。如图3A到3L所示,在一个实施例中,在行车任务动作下发前,通过确定点与直线、线段与线段的关系,再遍历每个危险区的各条边,以判断行车的当前路径(例如,取料点A(304)和落料点B(306)所连接的直线326或其他行车任务路径)是否与危险区相交,并计算出相交点的个数(例如,0-4)和相交的边界号(如图2所示)。在一个实施例中,如果相交的点为危险区的端点,则可给该边界号做标记。一旦发现当前路径326与其中一个危险区发生干扰,则进行路径规划,停止其它危险区判断,并将该危险区取出。对于相交点为0的路径,说明该条路径与所有危险区都不发生干扰,则直接执行行车任务动作,无需规划。对于相交点为1的路径,可判定其为进入或离开危险区,不予执行,直接报警。对于相交点为2-4的路径,可根据返回的边界号值进行处理。
例如,如图3A所示,当前路径326与危险区302相交的边界为边界312和314,边界号为01,规划路径为322和324,路径规划点为危险区302的端点01。类似地,如图3B所示,当前路径326与危险区302相交的边界为边界312、314和318,边界号位013,其中路径326经过边界312和318的端点,因此对边界号03进行标记。规划路径为322和324,路径规划点为端点01。如图3C所示,边界号为012,其中12有标记,路径规划点为端点01。
类似地,如图3D所示,边界号为03,路径规划点为端点03。如图3E所示,边界号为023,其中23有标记,路径规划点为端点03。如图3F所示,边界号为013,其中01有标记,路径规划点为端点03。
如图3G所示,边界号为23,路径规划点为端点23。如图3H所示,边界号为023,其中03有标记,路径规划点为端点23。如图3I所示,边界号为123,其中12有标记,路径规划点为端点23。
如图3J所示,边界号为12,路径规划点为端点12。如图3K所示,边界号为123,其中23有标记,路径规划点为端点12。如图3L所示,边界号为012,其中01有标记,路径规划点为端点12。
图4示出依据本发明另一个实施例路径为对角线时路径规划的一个例子的示意图。如图4所示,在一个实施例中,在当前路径426经过危险区402的对角线时,边界号为0123,从而可获得图4所示方案一(422和424)和方案二(432和434)。参考图4,如果当前路径426为该危险区402的对角线所在线段(例如,路径长度大于对角线),只需判断取料点404或落料点406中任一个与该危险区402的最大横坐标(MaxX)、最小横坐标(MinX)、最大纵坐标(MaxY)、最小纵坐标(MinY)的大小关系。在一个实施例中,对于取料点404(X,Y),如果横坐标X>MaxX,且纵坐标Y<MaxY,则可确定其所在直线,继而路径规划点为03端点或12端点皆可。类似地,在另一个实施例中,如果当前路径426经过另一方向的对角线(未示出),则路径规划点可为01端点或23端点。
图5示出依据本发明一个实施例的方法的一个例子的流程图。在一个实施例中,依据图5所示的方法,可进行系统定位、危险区标识、危险区判断、规划路径、规划路径执行、和/或实时监测等。例如,对于整个库区,系统可通过格雷母线等设备对行车和库区内物料和相关设备进行精确定位,并建立三维坐标系,对后续危险区识别和路径规划提供基础。危险区标识可用于对不同形状的危险区,进行直接标识(矩形)或将其(非矩形)扩充成单个或多个矩形进行标识,并将其各点坐标值存入配置文件或数据库中。为保证安全,配置文件或数据库中保存的危险区会比实际的危险区要大一些。在危险区判断中,可判断当前路径(例如,取料点和落料点连接的直线或其他路径)是否和各危险区的各条边相交以及相交点的个数(例如,0-4个,但本发明不限于此)。在规划路径时,可根据相交点的个数决定当前路径是否需要进行路径规划以及如何规划,并进行不同的路径规划策略。在路径规划执行时,可采用递归算法,以保证每次生成的新的路径都进行一次路径规划。在执行过程中,通过按比例控制大小车的速度,在最大速度范围内,保证执行的路径可以是一条直线。实时检测可用于实时判断当前的坐标值是否在配置文件或数据库保存的危险区内,一旦判定为是,立即停止。
如图5所示,在一个实施例中,所述方法可用于实现无人行车自动识别和避让危险区,能够让无人化行车在执行任务时自动避让库区的危险区域,以保障行车和现场设备作业的安全性。而且在保证安全的前提下,可通过合理设置路径,保证行车在避让危险区的同时,尽可能减少路径的长度,提高作业效率。在一个实施例中,可进行危险区标识。
如图5所示,在框502,流程开始。在框504,可存储危险区相关信息和/或数据。例如,可把库区中不允许行车自动行驶的地方设置成为危险区。对于矩形危险区,可直接将各点坐标信息写入存入配置文件和/或数据库中配置文件或者数据库中,以在程序运行起始时对其进行读取。参考图2,对于其他形状或者不规则图形的危险区,可将其扩充成单个或多个矩形,再将各矩形点坐标存入配置文件和/或数据库中。在一个实施例中,为保证安全,配置文件和/或数据库中保存的危险区会比实际危险区要大。
在框506,可开始执行行车任务。在508,可读取当前任务队列中最新的一条任务。在判断框510,在行车任务动作下发前,可判断该任务是否需要进行路径规划。在一个实施例中,在判断是否需要进行路径规划时,可通过确定点与直线、线段与线段的关系,和/或遍历任务所涉及每个危险区的各条边,以判断所述任务的当前路径是否与危险区相交,和/或计算相交点的个数(例如,0-4)和相交的边界号,其中相交的点若为危险区的端点,则将该边界号做标记。如果在判断框510发现当前路径与一危险区发生干扰,则停止其它危险区判断,流程进到框512以进行路径规划,并将该危险区取出。如果在判断框510确定相交点为2到4个,则判定任务需要路径规划,流程进到框512,以计算路径规划点,并存入任务队列中,继而流程返回框508,以读取任务队列中的最新任务。
在一个实施例中,在框512,根据例如在判断框510所返回的边界号值,可计算路径规划点和/或进行路径规划。例如,参考图3A到3C,如果边界号为01或013(03有标记)或012(12有标记),则可确定路径规划点为01端点。参考3D到3F,如果边界号为03或023(23有标记)或013(01有标记),则可确定路径规划点为03端点。参考图3G到3I,如果边界号为23或023(03有标记)或123(12有标记),则可确定路径规划点为23端点。参考图3J到3L,如果边界号为12或123(23有标记)或012(01有标记),则路径规划点为12端点。参考图4,如果边界号为0123,则当前路径为该危险区对角线所在线段(长度大于对角线)。参考图4,可通过例如当前路径的起点(例如,取料点)或终点(落料点)与危险区的最大横坐标(MaxX)、最小横坐标(MinX)、最大纵坐标(MaxY)、最小纵坐标(MinY)的大小关系,来确定当前路径所在直线,继而确定路径规划点。可将框512所确定的路径规划点存入任务队列中。继而,流程返回框508。在一个实施例中,可采用递归算法,即对每条新路径(例如,原始路径和通过路径规划生成的新路径)都进行一次路径规划,直到当前路径规划不会路过危险区,才直接执行,以保证每条路径最终都是安全的路径。
如图5所示,例如,如果在判断框510确定当前路径与危险区的相交点为0,则该条路径与所有危险区都不发生干扰,流程进到框514,从而直接下发该任务,执行和完成该任务,而无需规划。在一个实施例中,可在执行框514的流程时,执行框516的流程,例如实时监测行车是否靠近危险区。如果行车靠近危险区,则可使行车立即停止。例如,可通过加装在行车本体上的设备(例如,格雷母线等),实时监测行车当前大小车坐标,并判断是否与各危险区边界相交。如果判定为是,则立即停止动作,通知画面并报警,以进一步保证安全。如果在判断框510得到相交点为1的路径,可判定行车为进入或离开危险区,则不予执行,直接报警。
在另一个实施例中,执行的顺序可按从后往前得到的路径点依次执行,即最后一次路径规划得到的点会最先执行,但在其他实施例中可无需按此顺序。如图5所示,响应于在框514完成当前任务时,可在判断框518判断当前任务是否为最初任务,如果当前任务为最初任务,则流程进到框520,任务结束。相反,如果在判断框518判定当前任务不是最初任务,则流程返回508,以读取当前任务队列中的最新任务。
虽然在图5中未示出,在一个实施例中,所述方法可包括在执行任务的过程中,通过按比例控制行车大小车的速度,在最大速度范围内,保证执行的路径是一条直线,但本发明不限于此。在另一个实施例中,所述方法可包括通过在行车大车轨道和小车轨道上安装格雷母线和其相关配件等设备,建立平面二维坐标系,以对行车大小车走行和库区内危险区等进行实时的精确定位,并数字化显示。
在一个实施例中,可通过例如向量叉积来判断线段与线段是否相交,所述方法不需要算出直线方程,在代码实现上比较简便,但本发明不限于此。在一个实施例中,所述向量叉积方法判别线段是否相交可包括快速排斥实验和跨立实验。
在另一个实施例中,在系统开始运行前,可将格雷母线和其配套设备按要求安装在大小车相应位置上,并形成二维坐标系。例如,格雷母线位置检测设备可包括地址编码发生器、天线箱、地址解码器、格雷母线、协议转换模块和/或安装辅件等部分。
例如,以一对地址线和一对基准线组成的格雷母线为例,可利用单匝线圈的感应原理,当天线箱线圈中通入交变电流时,在天线箱附近会产生交变磁场。格雷母线近似处在一个交变、均匀分布的磁场中。每对格雷母线芯线会产生感应电动势。发射单元地址信号通过电磁耦合方式传送到格雷母线的感应环线上。地址检测单元对接收到的信号进行相位比较。交叉线的信号相位与平行线的信号相位相同,地址为“0”。交叉线的信号相位与平行线的信号相位相反,地址为“1”,这样感应的地址信息是格雷码排列,永不重复,由此确定坐标在格雷母线长度方向上的位置。
图6示出依据本发明另一个实施例的方法的一个例子的流程图。在一个实施例中,所述方法可用于定位、危险区标识、危险区判断、规划路径、规划路径执行、和/或实时监测等。
例如,对于整个库区,系统可通过格雷母线等设备对行车和库区内物料和相关设备进行精确定位,并建立三维坐标系,对后续危险区识别和路径规划提供基础。危险区标识可用于对不同形状的危险区,直接利用(矩形)或将其(非矩形)扩充成单个或多个矩形,并将其各点坐标值存入配置文件或数据库中。为保证安全,配置文件或数据库中保存的危险区会比实际的危险区要大一些。在危险区判断中,可判断当前路径(例如,取料点和落料点连接的直线或其他路径)是否和各危险区的各条边相交以及相交点的个数(例如,0-4个,但本发明不限于此)。在规划路径时,可根据相交点的个数决定当前路径是否需要进行路径规划以及如何规划,并进行不同的路径规划策略。在路径规划执行时,可采用递归算法,以保证每次生成的新的路径都进行一次路径规划。在执行过程中,通过按比例控制大小车的速度,在最大速度范围内,保证执行的路径可以是一条直线。实时检测可用于实时判断当前的坐标值是否在配置文件或数据库保存的危险区内,一旦判定为是,立即停止。
在一个实施例中,所述方法可用于无人化行车倒料作业的例子。在系统开始运行时,可将危险区存入数据库和/或配置文件中。当在画面点击库区倒料按钮时,行车自动进行倒料作业,在从模型或画面获取到取料点和落料点后,在下发任务之前,可如图6所示执行路径规划。
在框602,流程开始。在判断框604,判断取料点和落料点连成的线段与系统保存的危险区各边界是否相交。如果在判断框604判定所述线段与所有危险区边界都没有相交,则流程进到框616,直接下发落料点,和/或执行任务。如果在判断框604判定所述线段与一危险区相交,则在框606记录危险区编号,计算交点个数和相交边界号,以及在判断框608判断交点是否为危险区端点。如果在判断框608判定交点是危险区端点,则流程进到框610,以对相应边界号进行标记,并开始规划路径,不再继续下一危险区的判定。
在框612,根据如上所述例如在框606和/或610保存的危险区编号、相交点个数和边界号以及边界号的标记,设置新路径规划点,并存入到行车任务中(当前目标值之前),继而流程进到框614。
在框614,对于框612获得的新路径规划点和当前点坐标可得到新路径,继而流程返回框604,以继续进行路径规划。
如果取料点和落料点线段与所有危险区都不相交,则在框616直接下发目标值(例如,落料点),并在判断框618实时判断行车当前坐标是否在危险区内。如果判断框618判定当前坐标在危险区内,则立即停止并报警(框626)。否则,则在框620继续执行该目标值,直至完成该目标值。在判断框622判断该目标值是否为一开始的落料点(非路径规划点),若是,则该次任务结束(框624)。否则,流程返回框612,以在新路径下发目标值之前,进行路径规划,继而流程回到框604。
虽然在图6中未示出,在一个实施例中,可利用抓斗行车进行倒料和上料作业。抓斗行车倒料和上料作业在冶金行业具有很高的保有量,具有广阔的市场前景。在一个实施例中,按照图6所示的危险区避让和路径规划方法能显著提高行车的倒料和上料作业的安全性,保障现场安全。在另一个实施例中,图6所示的方法还可包括图5所述方法的一个或多个流程。
在一个实施例中,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及各个模块以外,可通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
图7示出依据本发明一个实施例的示例设备700的一个例子。在一个实施例中,所述设备700可包括一个多个集成电路芯片和/或封装的各种架构和/或各种计算设备和/或电子设备等。可包括一个或多个处理器702以及与所述一个或多个处理器702耦合的一个或多个存储器704。在一个实施例中,所述一个或多个存储器704可包括随机存取存储器、动态随机存取存储器或静态随机存取存储器等各种存储设备。在一个实施例中,所述一个或多个存储器704可用于存储可由所述一个或多个处理器702读取和/或执行的一个或多个指令(例如,机器可读指令和/或计算机程序)。所述一个或多个指令还可存储于一非易失性机器可读存储介质上。响应于被执行,所述一个或多个指令使得所述一个或多个处理器702可实现如图1-7所示的一个或多个模块、流程、和/或操作。在一个实施例中,图7仅示出设备700的一个例子,而非对本发明的限制。
如上所述,依据本发明图1到7所示的实施例,由于本发明通过危险区标识、危险区判断、规划路径、路径规划执行以及实时检测功能的配合等,可保障无人抓斗行车动作安全性,并在此基础上提高作业效率。而且还可实现无人行车自动识别和避让危险区,让无人化行车在执行任务时能自动避让库区所有的危险区域,保障了行车和现场设备作业的安全性。在保证安全的前提下,系统通过合理设置路径,保证行车在避让危险区的同时,尽可能地减少了路径的长度,提高了作业的效率。此外,可利用抓斗行车倒料和上料作业,由于抓斗行车倒料和上料作业在冶金行业具有很高的保有量,所以具有广阔的市场前景,危险区的避让和路径规划方法能显著提高行车的倒料和上料作业的安全性,保障现场安全。
以上所述仅为本发明的实施例,并不用以限制本发明。凡在本发明精神和原则之内所作的任何修改、等同替换和改进等并不影响本发明的实质内容,均应包含在本发明的保护范围之内。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。

Claims (8)

1.一种自动路径规划方法,其特征在于包括:
危险区标识,以对不同形状的危险区的边界号进行标识;和/或
危险区判断,以确定当前路径是否和危险区的各条边相交、相交点的个数、边界号和/或边界号标记;和/或
根据危险区编号、相交点个数、危险区边界号和/或边界号标记,设置路径规划点。
2.如权利要求1所述的方法,其特征在于还包括:
直接标识矩形危险区或将非矩形危险区扩充成单个或多个矩形,并将其各点坐标值存入配置文件或数据库中,配置文件或数据库中保存的危险区比实际危险区大;和/或
对相交点为危险区端点的边界号做标记;和/或
根据相交点的个数判断当前路径是否需要进行路径规划,并执行路径规划策略;和/或
通过格雷母线对行车和库区内物料进行定位,并建立三维坐标系;和/或
采用递归算法执行路径规划,对每次生成的新路径都进行一次路径规划;和/或
按比例控制行车大小车的速度,以使执行的路径可以是一条直线;和/或
实时检测判断当前坐标值是否在配置文件或数据库保存的危险区内,和/或在判定在危险区内时,停止行车行驶。
3.如权利要求1或2所述的方法,其特征在于还包括:
对于相交点为0的路径,所述路径与危险区都不发生干扰,直接执行,无需路径规划;和/或
对于相交点为1的路径,判定其为进入或离开危险区,不予执行,直接报警;和/或
对于相交点为2-4的路径,根据返回的边界号值确定路径规划点。
4.如权利要求3所述的方法,其特征在于包括:
把危险区的边界分别标识为0、1、2、3,对于相交点为2到4个的路径,根据返回的边界号值:
对于边界号为01或03有标记的边界号013或12有标记的边界号012,确定路径规划点为01端点;和/或
对于边界号为03或23有标记的边界号023或01有标记的边界号013,确定路径规划点为03端点;和/或
对于边界号为23或03有标记的边界号023或12有标记的边界号123,确定路径规划点为23端点;和/或
对于边界号为12或23有标记的边界号123或01有标记的边界号012,确定路径规划点为12端点;和/或
对于连接取料点和落料点的当前路径为该危险区对角线所在线段的边界号0123,判断取料点或落料点与该危险区最大横坐标、最小横坐标、最大纵坐标、最小纵坐标的大小关系来确定所述取料点或落料点所在直线,并确定路径规划点。
5.一种基于无人化抓斗行车模式的自动路径规划方法,其特征在于包括:
在判定取料点和落料点连成的线段与保存的危险区各边界相交时,记录危险区编号,和/或计算交点个数和相交边界号,和/或在判定交点为危险区端点时对该边界号进行标记,和/或
根据记录的危险区编号、相交点个数和边界号以及边界号标记,设置新路径规划点;和/或
对新路径规划点和当前点坐标得到新路径,继续进行路径规划;和/或
在所有危险区边界都没有相交时,下发目标值。
6.如权利要求5所述的方法,其特征在于还包括:
实时判断行车当前坐标是否在危险区内,若是,则立即停止并报警;和/或
在执行完成下发的目标值后,如果该目标值为一开始的落料点,则任务结束,否则返回到根据记录的危险区编号、相交点个数和边界号以及边界号标记,设置新路径规划点;和/或
在新路径下发目标值前,进行路径规划。
7.一种非易失性机器可读存储介质,其特征在于包括一个或多个指令,其中所述一个或多个指令响应于被执行而使得一个或多个处理器执行如权利要求1到6中任一个所述方法的一个或多个步骤。
8.一种计算设备,其特征在于包括一个或多个处理器;与所述一个或多个处理器耦合的一个或多个存储器,所述存储器用于存储一个或多个指令,其中所述一个或多个响应于被执行而使得所述一个或多个处理器执行权利要求1到6中任一个所述方法的一个或多个步骤。
CN202010585641.3A 2020-06-24 2020-06-24 一种自动路径规划方法 Pending CN111708365A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010585641.3A CN111708365A (zh) 2020-06-24 2020-06-24 一种自动路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010585641.3A CN111708365A (zh) 2020-06-24 2020-06-24 一种自动路径规划方法

Publications (1)

Publication Number Publication Date
CN111708365A true CN111708365A (zh) 2020-09-25

Family

ID=72542980

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010585641.3A Pending CN111708365A (zh) 2020-06-24 2020-06-24 一种自动路径规划方法

Country Status (1)

Country Link
CN (1) CN111708365A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113183967A (zh) * 2021-06-04 2021-07-30 多伦科技股份有限公司 一种车辆安全控制方法、装置、设备及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07129238A (ja) * 1993-11-01 1995-05-19 Fujitsu Ltd 障害物回避経路生成方式
CA2212240A1 (en) * 1997-08-01 1999-02-01 Position Inc. Guidance system with target line generation in virtual reality display
US20170045367A1 (en) * 2015-08-14 2017-02-16 Hyundai Motor Company Safe driving inducement method and program and navigation terminal, server and computer readable recording medium for executing the same
CN107422708A (zh) * 2017-07-24 2017-12-01 宝武集团环境资源科技有限公司 一种工业废弃物物流信息化管理系统
CN108628326A (zh) * 2018-07-11 2018-10-09 哈尔滨工程大学 一种智能水下机器人运动重规划策略
CN108958293A (zh) * 2018-09-07 2018-12-07 济南大学 一种无人机路径规划方法
CN108973896A (zh) * 2018-06-19 2018-12-11 光大环保技术研究院(南京)有限公司 一种行车控制系统
CN109059924A (zh) * 2018-07-25 2018-12-21 齐鲁工业大学 基于a*算法的伴随机器人增量路径规划方法及系统
CN109799817A (zh) * 2019-01-15 2019-05-24 智慧航海(青岛)科技有限公司 一种基于光反射特性的无人船全局路径规划方法
CN111060103A (zh) * 2019-12-11 2020-04-24 安徽工程大学 一种局部动态寻优避障的路径规划方法
US20200130696A1 (en) * 2017-08-29 2020-04-30 Guangzhou Xiaopeng Motors Technology Co., Ltd. Method, apparatus and system for detecting obstacle collision in automatic parking path
CN111240334A (zh) * 2020-01-18 2020-06-05 山东交通学院 一种船舶航行自动避碰航路规划方法及模型

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07129238A (ja) * 1993-11-01 1995-05-19 Fujitsu Ltd 障害物回避経路生成方式
CA2212240A1 (en) * 1997-08-01 1999-02-01 Position Inc. Guidance system with target line generation in virtual reality display
US20170045367A1 (en) * 2015-08-14 2017-02-16 Hyundai Motor Company Safe driving inducement method and program and navigation terminal, server and computer readable recording medium for executing the same
CN107422708A (zh) * 2017-07-24 2017-12-01 宝武集团环境资源科技有限公司 一种工业废弃物物流信息化管理系统
US20200130696A1 (en) * 2017-08-29 2020-04-30 Guangzhou Xiaopeng Motors Technology Co., Ltd. Method, apparatus and system for detecting obstacle collision in automatic parking path
CN108973896A (zh) * 2018-06-19 2018-12-11 光大环保技术研究院(南京)有限公司 一种行车控制系统
CN108628326A (zh) * 2018-07-11 2018-10-09 哈尔滨工程大学 一种智能水下机器人运动重规划策略
CN109059924A (zh) * 2018-07-25 2018-12-21 齐鲁工业大学 基于a*算法的伴随机器人增量路径规划方法及系统
CN108958293A (zh) * 2018-09-07 2018-12-07 济南大学 一种无人机路径规划方法
CN109799817A (zh) * 2019-01-15 2019-05-24 智慧航海(青岛)科技有限公司 一种基于光反射特性的无人船全局路径规划方法
CN111060103A (zh) * 2019-12-11 2020-04-24 安徽工程大学 一种局部动态寻优避障的路径规划方法
CN111240334A (zh) * 2020-01-18 2020-06-05 山东交通学院 一种船舶航行自动避碰航路规划方法及模型

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113183967A (zh) * 2021-06-04 2021-07-30 多伦科技股份有限公司 一种车辆安全控制方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN106547271B (zh) Agv交通管制方法和装置
CN105468001A (zh) 一种潜入式agv导航小车及其控制方法
CN111444599A (zh) 一种agv项目仿真与监控方法及系统
CN109656224A (zh) 一种智能agv中央调度系统及方法
CN104444800A (zh) 一种三维自动控制的吊车及控制方法
CN110609546B (zh) 拣货装置的防护方法、系统、计算机设备和可读存储介质
CN111708365A (zh) 一种自动路径规划方法
CN113771878A (zh) 基于全作业场景的港口自动驾驶车辆全局路线引导方法
CN111880525A (zh) 机器人避障方法、装置、电子设备及可读存储介质
CN108549391B (zh) Agv小车控制系统及方法
CN114012732B (zh) 一种机器人控制方法、装置、设备和介质
CN114380199A (zh) 一种天车的控制方法和装置
CN106477255A (zh) 防碰撞的调度方法、系统及轨道道路
CN109002027B (zh) 一种中控方法和中控系统
CN117284939B (zh) 一种智能晶圆自动搬运装置速度控制系统及方法
CN114229302A (zh) 四向穿梭车立体库仓库管理系统仿真模拟方法
CN113138597A (zh) 一种智能小车的避障方法及智能小车
CN112731920A (zh) 搬运设备的控制方法、装置、搬运设备及存储介质
CN115185286B (zh) 一种移动机器人自主绕障规划方法及其任务调度系统
CN110428660A (zh) 一种自导向车辆线路运行方向的识别及控制方法、装置、系统以及计算机可读存储介质
CN111232843A (zh) 智能行吊吊装调度方法
CN204324722U (zh) 一种三维自动控制的吊车
CN112256029A (zh) 一种无人抓钢机控制方法及系统
CN114418341A (zh) 矿区多矿卡协同作业的控制方法及装置
CN202854845U (zh) 一种行车定位跟踪装置

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