CN111857149B - 一种a*算法与d*算法复合的自主路径规划方法 - Google Patents

一种a*算法与d*算法复合的自主路径规划方法 Download PDF

Info

Publication number
CN111857149B
CN111857149B CN202010744061.4A CN202010744061A CN111857149B CN 111857149 B CN111857149 B CN 111857149B CN 202010744061 A CN202010744061 A CN 202010744061A CN 111857149 B CN111857149 B CN 111857149B
Authority
CN
China
Prior art keywords
site
path
station
algorithm
agv
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
Application number
CN202010744061.4A
Other languages
English (en)
Other versions
CN111857149A (zh
Inventor
肖献强
耿奕旻
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202010744061.4A priority Critical patent/CN111857149B/zh
Publication of CN111857149A publication Critical patent/CN111857149A/zh
Application granted granted Critical
Publication of CN111857149B publication Critical patent/CN111857149B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/15Correlation function computation including computation of convolution operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种A*算法与D*算法复合的自主路径规划方法,其步骤包括:1、通过A*算法生成AGV当前位置到目标位置的全局最优路径;2、当AGV在全局路径行驶遇到障碍物时,根据障碍物和全局路径的相对位置关系,确定AGV绕开障碍物的局部搜索范围;3、结合局部路径搜索范围和D*算法,将生成的局部避障路径拼接至已有全局路径,完成了路径拼接,以实现动态障碍场景下AGV到达目标位置时的全局路径更新。本发明能将A*算法和D*算法结合规划路径,从而能实现AGV在工业现场的动态规划路径。

Description

一种A*算法与D*算法复合的自主路径规划方法
技术领域
本发明属于自动导引车路径规划领域,具体的说是一种A*算法与D*算法复合的自主路径规划方法。
背景技术
如今,工厂逐渐转向智能化的发展趋势愈加明显,AGV(Automated GuidedVehicle)成为众多学者研究的热点课题。路径规划作为AGV智能化的核心部分,目前主要有两种规划方式:基于环境已知的全局路径规划和基于环境未知的局部路径规划方法。在这两种类型的规划方法中,基于环境已知的全局路径规划对环境变化的适应性较低,无法处理工业现场的突发状况;基于环境未知的局部路径规划方法对某些工业现场变化少的情况效率较低,无法及时处理常规情景。
发明内容
本发明是为了解决上述现有技术存在的不足之处,提出一种A*算法与D*算法复合的自主路径规划方法,以期能结合A*算法在全局路径规划上的优势和D*算法在局部路径规划上的优势,从而提高了工业现场的路径规划的效率和对不同工业现场的适应性。
本发明为达到上述发明目的,采用如下技术方案:
本发明一种A*算法与D*算法复合的自主路径规划方法的特点是按如下步骤进行:
步骤1:以试验场地的外接矩形的任意一个顶角作为原点o,以所述原点o相连的两条边分别为x轴和y轴,从而建立直角坐标系oxy;
在所述直角坐标系oxy中,将所述试验场地划分成M×N的栅格地图
Figure GDA0003430172460000011
其中,STn表示所述栅格地图AM×N上坐标为(nx,ny)的站点Ldn的状态,若STn=0表示所述站点Ldn为空闲点,若STn=1表示所述站点Ldn为障碍点M表示所述栅格地图AM×N的横向栅格数,N表示栅格地图AM×N的纵向栅格数;
在栅格地图AM×N中设置坐标为(fx,fy)的起始点Ldf,设置坐标为(mx,my)的目标点Ldm,起始点Ldf与目标点Ldm的相对距离大于两个站点的距离;以Y轴正方向作为所述起始点Ldf的路径搜索方向;
步骤2:根据起始点Ldf与目标点Ldm,利用式(1)所示的A*算法的启发式函数搜索并生成全局路径L1={Ldf,Ldf+1,…,Ldd,…,Ldm},其中,Ldd表示栅格地图AM×N中坐标为(dx,dy)的站点,所述站点Ldd的状态为STd,且STd∈{0,1};
f(dx,dy)=g(dx,dy)+h(dx,dy)(1)
式(1)中:f(dx,dy)表示坐标为(dx,dy)的站点Ldd的估价函数值;g(dx,dy)表示从起始点Ldf到站点Ldd的实际的代价;h(dx,dy)表示从站点Ldd到目标点Ldm的预估代价值;
步骤3:根据所述全局路径L1,令AGV小车的初始位置为坐标为(fx,fy)的起始点Ldf,假设所述AGV小车的当前位置为坐标为(ix,iy)的当前站点Ldi,并记录当前站点Ldi在全局路径L1中的序号为ni
步骤4:初始化i=f;ni=0;
步骤5:所述AGV小车根据所述全局路径L1行驶到当前站点Ldi,并推算出所述AGV小车的当前位置的目标站点为坐标为(jx,jy)的站点Ldj
遍历所述栅格地图AM×N的状态获得站点Ldj的状态值为STj
判断i=f是否成立,若成立,则根据当前站点Ldi在全局路径L1中的序号ni,令站点Ldj等于全局路径L1中序号为ni+1的站点;否则,令站点Ldj等于全局路径L1中序号为ni+2的站点;
步骤6:判断站点Ldj的状态STj,若STj=0,则跳转至步骤9执行,若STj=1,则顺序执行步骤7;
步骤7:根据当前站点Ldi在全局路径L1中的序号ni,获得序号为ni+1的站点Ldr以及序号为ni+3的站点Lds
调用D*算法从站点Lds向站点Ldr搜索,利用式(2)计算各个站点到站点Lds的实际估价函数值h(sx,sy),从而根据所述实际估价函数值h(sx,sy)得到站点Lds到站点Ldr的局部路径L2={Ldr,Ldr+1,…,Lde,…,Lds},其中,Lde代表所述栅格地图AM×N中坐标为(ex,ey)的站点;
h(sx,sy)=c((sx,sy),f(sx,sy))+f(sx,sy) (2)
式(2)中:h(sx,sy)表示前站点Ldi在到站点Lds的实际估价函数值,c((sx,sy),f(sx,sy))表示当前点Ldi到下一站点的新加权值;
步骤8:将所述局部路径L2和全局路径L1按照拼接规则进行拼接后形成新的路径{Ldf,Ldf+1,…,Ldr,Ldr+1,…,Lde,...,Lds,...,Ldm}并赋值给全局路径L1
所述拼接规则为:将所述全局路径L1中的序号为ni+1,ni+2,ni+3的三个连续站点替换为所述局部路径L2
步骤9:将ni+1赋给ni,将i+1赋给i后,判断i>m是否成立,若成立,则表示路径规划完成,且所述AGV小车行驶完整条路径L1,否则返回步骤5顺序执行。
与现有技术相比,本发明的有益效果在于:
1.本发明通过将A*和D*算法相结合的方式,将A*算法和D*算法的估价值加权,形成新的估价值。在动态环境下调用A*算法,在未知的环境下调用D*算法并结合A*算法的方式解决了现有技术中在存在动态环境和静态环境的复合环境下的效率低下和难以自适应的问题,从而可以有效处理固定工业环境下的路径规划时间长和不同工业现场算法难以自适应的问题。
2、本发明通过使用A*算法提高了对于动态环境处理的高效性,从而提高了路径规划的柔性,降低了工业现场对于处理设备高性能的要求。
3.本发明通过将A*算法和D*算法的估价值加权,并形成新的估价值,有效的提高了对于静态环境的路径规划的时效性、自适应性、高效性。
附图说明
图1为本发明根据自动化仓库的外接矩形确定的栅格地图;
图2为本发明根据A*算法的启发式函数搜索并生成的全局路径图。
图3为本发明在遇到动态环境时根据A*和D*算法的启发式函数搜索并生成的局部路径图。
具体实施方式
本实例中以三相叉AGV为例,自重5t,正常行驶速度为1.5m/s,急刹车以及制动时间t约为2s。是按如下过程实现A*算法与D*算法复合的自主路径规划方法:1.根据试验场地的外接矩形确定栅格地图的大小;2.根据试验场地的环境情况确定栅格地图的所有站点的状态。3.根据A*算法计算得到适合此时已经环境的最短全局路径。4.在遇到动态环境时调用D*算法和A*算法的加权方法计算得到局部路径。5.将局部路径和全局路径以拼接规则拼接,并取代之前的全局路径。具体地说,该自主路径规划方法,是应用于由调度中心、若干个固定式货架和AGV小车组成的自动化仓库中。如图1所示,在整个自动化仓库内,以矩阵的形式等距离L=5m的方式按x方向和y方向划分成栅格地图。栅格地图的每个站点都包含坐标属性和状态属性。坐标属性值代表了该站点相较于整个自动化仓库的相对位置,状态属性值代表了自动化仓库中该位置的是否可通行状态。并按如下过程进行:
步骤1:如图1所示,以自动化仓库的外接矩形的任意一个顶角作为原点o,以原点o相连的两条边分别为x轴和y轴,从而建立直角坐标系oxy;
在直角坐标系oxy中,将试验场地划分成M×N的栅格地图
Figure GDA0003430172460000041
其中,STn表示栅格地图AM×N上坐标为(nx,ny)的站点Ldn的状态,若STn=0表示站点Ldn为空闲点,若STn=1表示站点Ldn为障碍点。M表示栅格地图AM×N的横向栅格数,N表示栅格地图AM×N的纵向栅格数,全图共M×N个站点;
AGV小车接收到调度中心发送的任务,任务内容:将货物从坐标为(fx,fy)的取货点Ldf送到坐标为(mx,my)的货架站点Ldm。起始点Ldf与目标点Ldm的相对距离大于两个站点的距离,仅有两个站点的路径规划空间太小,无法给AGV小车提供足够的应急反应时间;以AGV小车的当前车头方向作为起始点Ldf的路径搜索方向;
步骤2:根据取货点Ldf与货架站点Ldm,利用式(1)所示的A*算法的启发式函数搜索并生成如图2所示的全局路径L1={Ldf,Ldf+1,…,Ldd,…,Ldm},其中,Ldd表示栅格地图AM×N中坐标为(dx,dy)的站点,站点Ldd的状态为STd,且STd∈{0,1};此时的路径为针对静态环境下时生成的全局路径。A*算法为一种静态路网中求解最短路最有效的直接搜索方法。采用A*算法简洁的启发式函数可有效地减少AGV小车在现场取货点的等待时间,提高了工业节拍,从而减少了现场的AGV小车的数量,为自动化仓库提高了单台设备的效率并节约了成本。
f(dx,dy)=g(dx,dy)+h(dx,dy)(1)
式(1)中:f(dx,dy)表示坐标为(dx,dy)的站点Ldd的估价函数值;g(dx,dy)表示从起始点Ldf到站点Ldd的实际的代价;h(dx,dy)表示从站点Ldd到目标点Ldm的预估代价值;
步骤3:AGV小车的初始位置为坐标为(fx,fy)的取货点Ldf,AGV小车在自动化现场的起点一般为任务的入库点或者出库点,一方面方便在路径规划初始时不会出现其他AGV小车挡路等静态环境阻碍,另一方面AGV小车正常的行驶路线为取货点和货架来回执行任务,可大大的提高工作效率。如图2所示,AGV小车的当前位置为坐标为(ix,iy)的当前站点Ldi,并记录当前站点Ldi在全局路径L1中的序号为ni。由于工业现场可能出现动态环境,比如全局路径中的某个站点突然出现障碍物,后续的处理会改变全局路径,全局路径的总站数也会发生改变,因此ni只代表AGV行驶到该站点时此站点在全局路径中的排序。由于全局路径的站点总数是个变量值,因此在判定路径是否行驶完的标志不可用ni来判定。而i为当前站点Ldi的下标,在栅格地图AM×N中存在且唯一,所以以当前站点的下标与终点Ldm一致为路径行驶结束的标志;
步骤4:初始化i=f;ni=0;
步骤5:AGV小车根据全局路径L1行驶到当前站点Ldi,并推算出AGV小车的当前位置的目标站点为坐标为(jx,jy)的站点Ldj
遍历栅格地图AM×N的状态获得站点Ldj的状态值为STj
判断i=f是否成立,若成立,则根据当前站点Ldi在全局路径L1中的序号ni,令站点Ldj等于全局路径L1中序号为ni+1的站点,这是为了防止起点在全局路径L1的下一个站点为障碍点,AGV小车仅仅距离一个站点,无法有效避开障碍点,AGV的小车速度v为1.5m/s,每个站点为5m,发现障碍和系统处理时间约为0.5s,急刹车以及制动时间t约为2s,此时AGV小车的制动距离为S=v×t=1.5×2.5=3.75m,距离下个站点仅有1.25m,远远小于安全距离2m。AGV的车型比较大,过短的安全距离容易出现安全事故;否则,令站点Ldj等于全局路径L1中序号为ni+2的站点,全局路径L1中序号为ni+1站点为发现障碍点时的应急缓冲站点;
步骤6:判断站点Ldj的状态STj,若STj=0,则跳转至步骤9执行,若STj=1,则顺序执行步骤7;
步骤7:根据当前站点Ldi在全局路径L1中的序号ni,获得序号为ni+1的如图3所示的站点Ldr以及序号为ni+3的站点Lds
调用D*算法从站点Lds向站点Ldr搜索,利用式(2)计算各个站点到站点Lds的实际估价函数值h(sx,sy),从而根据实际估价函数值h(sx,sy)得到站点Lds到站点Ldr的如图3所示的局部路径L2={Ldr,Ldr+1,…,Lde,…,Lds},其中,Lde代表栅格地图AM×N中坐标为(ex,ey)的站点,路径L2将绕过障碍点序号为ni+2的站点Ldj;D*算法在含障碍点环境中寻路非常有效,向目标点移动中,只检查最短路径上下一个站点的变化情况,如机器人寻路等情况。对于距离远的全局路径规划,则耗时过长,效率低下。此处使用A*与D*的加权估价函数值,减少了计算的复杂度,从而减少了对工业现场计算设备的高性能要求,降低了实施成本,也提高了计算的效率,对自动化仓库常发生的多车抢占资源也有一定的缓解,间接的节约调度中心的资源耗费。
h(sx,sy)=c((sx,sy),f(sx,sy))+f(sx,sy)(2)
式(2)中:h(sx,sy)表示前站点Ldi在到站点Lds的实际估价函数值,c((sx,sy),f(sx,sy))表示当前点Ldi到下一站点的新加权值;
步骤8:将局部路径L2和全局路径L1按照拼接规则进行拼接后形成新的路径{Ldf,Ldf+1,…,Ldr,Ldr+1,…,Lde,...,Lds,...,Ldm}并赋值给如图3所示的全局路径L1
该拼接规则为:将全局路径L1中的序号为ni+1,ni+2,ni+3的三个连续站点替换为局部路径L2
步骤9:将ni+1赋给ni,将i+1赋给i后,判断i>m是否成立,若成立,则表示路径规划完成,且AGV小车行驶完整条路径L1,任务完成后上报调度中心货物安全送达,等待下一条任务,若是没有任务则在取货点等待。否则返回步骤5顺序执行。

Claims (1)

1.一种A*算法与D*算法复合的自主路径规划方法,其特征是按如下步骤进行:
步骤1:以试验场地的外接矩形的任意一个顶角作为原点o,以所述原点o相连的两条边分别为x轴和y轴,从而建立直角坐标系oxy;
在所述直角坐标系oxy中,将所述试验场地划分成M×N的栅格地图
Figure FDA0003430172450000011
其中,STn表示所述栅格地图AM×N上坐标为(nx,ny)的站点Ldn的状态,若STn=0表示所述站点Ldn为空闲点,若STn=1表示所述站点Ldn为障碍点M表示所述栅格地图AM×N的横向栅格数,N表示栅格地图AM×N的纵向栅格数;
在栅格地图AM×N中设置坐标为(fx,fy)的起始点Ldf,设置坐标为(mx,my)的目标点Ldm,起始点Ldf与目标点Ldm的相对距离大于两个站点的距离;以Y轴正方向作为所述起始点Ldf的路径搜索方向;
步骤2:根据起始点Ldf与目标点Ldm,利用式(1)所示的A*算法的启发式函数搜索并生成全局路径L1={Ldf,Ldf+1,…,Ldd,…,Ldm},其中,Ldd表示栅格地图AM×N中坐标为(dx,dy)的站点,所述站点Ldd的状态为STd,且STd∈{0,1};
f(dx,dy)=g(dx,dy)+h(dx,dy) (1)
式(1)中:f(dx,dy)表示坐标为(dx,dy)的站点Ldd的估价函数值;g(dx,dy)表示从起始点Ldf到站点Ldd的实际的代价;h(dx,dy)表示从站点Ldd到目标点Ldm的预估代价值;
步骤3:根据所述全局路径L1,令AGV小车的初始位置为坐标为(fx,fy)的起始点Ldf,假设所述AGV小车的当前位置为坐标为(ix,iy)的当前站点Ldi,并记录当前站点Ldi在全局路径L1中的序号为ni
步骤4:初始化i=f;ni=0;
步骤5:所述AGV小车根据所述全局路径L1行驶到当前站点Ldi,并推算出所述AGV小车的当前位置的目标站点为坐标为(jx,jy)的站点Ldj
遍历所述栅格地图AM×N的状态获得站点Ldj的状态值为STj
判断i=f是否成立,若成立,则根据当前站点Ldi在全局路径L1中的序号ni,令站点Ldj等于全局路径L1中序号为ni+1的站点;否则,令站点Ldj等于全局路径L1中序号为ni+2的站点;
步骤6:判断站点Ldj的状态STj,若STj=0,则跳转至步骤9执行,若STj=1,则顺序执行步骤7;
步骤7:根据当前站点Ldi在全局路径L1中的序号ni,获得序号为ni+1的站点Ldr以及序号为ni+3的站点Lds
调用D*算法从站点Lds向站点Ldr搜索,利用式(2)计算各个站点到站点Lds的实际估价函数值h(sx,sy),从而根据所述实际估价函数值h(sx,sy)得到站点Lds到站点Ldr的局部路径L2={Ldr,Ldr+1,…,Lde,…,Lds},其中,Lde代表所述栅格地图AM×N中坐标为(ex,ey)的站点;
h(sx,sy)=c((sx,sy),f(sx,sy))+f(sx,sy) (2)
式(2)中:h(sx,sy)表示前站点Ldi在到站点Lds的实际估价函数值,c((sx,sy),f(sx,sy))表示当前点Ldi到下一站点的新加权值;
步骤8:将所述局部路径L2和全局路径L1按照拼接规则进行拼接后形成新的路径{Ldf,Ldf+1,…,Ldr,Ldr+1,…,Lde,...,Lds,...,Ldm}并赋值给全局路径L1
所述拼接规则为:将所述全局路径L1中的序号为ni+1,ni+2,ni+3的三个连续站点替换为所述局部路径L2
步骤9:将ni+1赋给ni,将i+1赋给i后,判断i>m是否成立,若成立,则表示路径规划完成,且所述AGV小车行驶完整条路径L1,否则返回步骤5顺序执行。
CN202010744061.4A 2020-07-29 2020-07-29 一种a*算法与d*算法复合的自主路径规划方法 Active CN111857149B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010744061.4A CN111857149B (zh) 2020-07-29 2020-07-29 一种a*算法与d*算法复合的自主路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010744061.4A CN111857149B (zh) 2020-07-29 2020-07-29 一种a*算法与d*算法复合的自主路径规划方法

Publications (2)

Publication Number Publication Date
CN111857149A CN111857149A (zh) 2020-10-30
CN111857149B true CN111857149B (zh) 2022-03-15

Family

ID=72946705

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010744061.4A Active CN111857149B (zh) 2020-07-29 2020-07-29 一种a*算法与d*算法复合的自主路径规划方法

Country Status (1)

Country Link
CN (1) CN111857149B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113189988B (zh) * 2021-04-21 2022-04-15 合肥工业大学 一种基于Harris算法与RRT算法复合的自主路径规划方法
CN113791627B (zh) * 2021-11-16 2022-02-11 中国科学院自动化研究所 一种机器人导航方法、设备、介质和产品
CN114545944B (zh) * 2022-02-24 2024-04-16 合肥工业大学 一种基于磁钉磁场强度纠正的agv航向定位导航方法
CN115285885B (zh) * 2022-06-22 2023-12-12 广州先进技术研究所 基于仓储环境无人叉车路径和任务联合生成方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150137166A (ko) * 2014-05-28 2015-12-09 고려대학교 산학협력단 복수의 이동 로봇 간의 충돌 회피를 위한 경로 생성 방법
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
CN106774347A (zh) * 2017-02-24 2017-05-31 安科智慧城市技术(中国)有限公司 室内动态环境下的机器人路径规划方法、装置和机器人
CN106843216A (zh) * 2017-02-15 2017-06-13 北京大学深圳研究生院 一种基于回溯搜索的生物激励机器人完全遍历路径规划方法
CN107631734A (zh) * 2017-07-21 2018-01-26 南京邮电大学 一种基于D*_lite算法的动态平滑路径规划方法
CN108469827A (zh) * 2018-05-16 2018-08-31 江苏华章物流科技股份有限公司 一种适用于物流仓储系统的自动导引车全局路径规划方法
CN108549378A (zh) * 2018-05-02 2018-09-18 长沙学院 一种基于栅格地图的混合路径规划方法和系统
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
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
CN109798909A (zh) * 2019-02-01 2019-05-24 安徽达特智能科技有限公司 一种全局路径规划的方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150137166A (ko) * 2014-05-28 2015-12-09 고려대학교 산학협력단 복수의 이동 로봇 간의 충돌 회피를 위한 경로 생성 방법
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
CN106843216A (zh) * 2017-02-15 2017-06-13 北京大学深圳研究生院 一种基于回溯搜索的生物激励机器人完全遍历路径规划方法
CN106774347A (zh) * 2017-02-24 2017-05-31 安科智慧城市技术(中国)有限公司 室内动态环境下的机器人路径规划方法、装置和机器人
CN107631734A (zh) * 2017-07-21 2018-01-26 南京邮电大学 一种基于D*_lite算法的动态平滑路径规划方法
CN108549378A (zh) * 2018-05-02 2018-09-18 长沙学院 一种基于栅格地图的混合路径规划方法和系统
CN108469827A (zh) * 2018-05-16 2018-08-31 江苏华章物流科技股份有限公司 一种适用于物流仓储系统的自动导引车全局路径规划方法
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
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
CN109798909A (zh) * 2019-02-01 2019-05-24 安徽达特智能科技有限公司 一种全局路径规划的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Dynamic Path Planning for Collision Avoidance of USV based on D* Algorithm;Lin Xu;《International Core Journal of Engineering》;20200518;第6卷(第5期);全文 *
基于惯性和视觉复合导航的自动导引小车研究与设计;肖献强;《中国机械工程》;20191130;第30卷(第22期);全文 *
基于改进D*算法的室内移动机器人路径规划;王帅军;《计算机工程与设计》;20200430;第41卷(第4期);全文 *

Also Published As

Publication number Publication date
CN111857149A (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
CN111857149B (zh) 一种a*算法与d*算法复合的自主路径规划方法
CN111007862B (zh) 一种多agv协同工作的路径规划方法
CN113031603A (zh) 一种基于任务优先级的多物流机器人协同路径规划方法
CN108827311B (zh) 一种制造车间无人搬运系统路径规划方法
CN108764579B (zh) 一种基于拥塞控制的仓储多机器人任务调度方法
CN111811514A (zh) 一种基于正六边形栅格跳点搜索算法的路径规划方法
CN108983789A (zh) 一种无人艇的路径规划和布放调度方法
CN109240290A (zh) 一种电力巡检机器人返航路径确定方法
CN108724188B (zh) 一种多机器人协同运动控制方法
CN104897168A (zh) 基于道路危险评估的智能车路径搜索方法及系统
CN108829105A (zh) 一种基于km算法和人工势场法的仓储物流调度避障优化方法
JP2021054393A (ja) 車両のuターン経路を決定する方法、装置、デバイスおよび媒体
CN112710317A (zh) 自动驾驶地图的生成方法、自动驾驶方法及相关产品
CN112923940A (zh) 路径规划方法、装置、处理设备、移动设备及存储介质
CN113703452A (zh) 一种用于大型仓储环境的agv路径规划方法
CN114169628B (zh) 基于a*算法和遗传算法的舰载机调度优化方法及系统
CN109726841A (zh) 基于无人仓的agv路径计算方法及agv行驶路径控制方法
CN112925313A (zh) 机器人的避让处理方法、装置、电子设备和介质
CN116772850A (zh) 基于数字孪生的智慧园区导航方法、装置、设备及存储介质
Fan et al. Research and implementation of multi-robot path planning based on genetic algorithm
CN113253726B (zh) 一种物联网下的磁导航机器人及导航调度系统
CN114326713A (zh) 基于二维码导航的多agv移动机器人路径优化方法
Chen et al. Research on a task planning method for multi-ship cooperative driving
CN112987721A (zh) 一种多agv调度装及其全局规划与局部规划融合方法
Han et al. Hybrid path planning algorithm for mobile robot based on a* algorithm fused with dwa

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