CN111949020A - 基于ar路径引导的仓库多人拣货的路径规划方法及系统 - Google Patents
基于ar路径引导的仓库多人拣货的路径规划方法及系统 Download PDFInfo
- Publication number
- CN111949020A CN111949020A CN202010705271.2A CN202010705271A CN111949020A CN 111949020 A CN111949020 A CN 111949020A CN 202010705271 A CN202010705271 A CN 202010705271A CN 111949020 A CN111949020 A CN 111949020A
- Authority
- CN
- China
- Prior art keywords
- picking
- goods
- path
- warehouse
- node
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000035772 mutation Effects 0.000 claims description 23
- 108090000623 proteins and genes Proteins 0.000 claims description 15
- 238000010586 diagram Methods 0.000 description 10
- 210000000349 chromosome Anatomy 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010899 nucleation Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
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
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- 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
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
Abstract
本发明实施方式提供一种基于AR路径引导的仓库多人拣货的路径规划方法及系统,属于仓库拣货技术领域。所述路径规划方法包括:获取拣货人员上传的取货信息单;通过图像识别方法确定所述取货信息单的每件货物在仓库中的位置,并标定为拣货节点;根据所述拣货节点生成最佳路径以指引所述拣货人员前往取货。本发明提供的基于AR路径引导的仓库多人拣货的路径规划方法及系统通过获取拣货人员上传的取货信息单,再通过预设的图像识别方法确定取货信息单中每件货物在仓库中的位置,然后生成最佳路径指令拣货人员前往拣货,简化了拣货人员的工作流程,提高了仓库拣货的效率。
Description
技术领域
本发明涉及仓库拣货技术领域,具体地涉及一种基于AR路径引导的仓库多人拣货的路径规划方法及系统。
背景技术
随着电商及制造业发展规模越来越大,电商和制造业仓库在进行发货或出库作业的时候,往往需要对货品进行拣货处理,仓库进行批量拣货,一般分为两种,一种是人工播种式拣货,这种拣货方式在仓库中十分常用,是将多张订单集合成一批,按照商品品种类别加总后再进行拣货,然后依据不同客户或不同订单分类集中的拣货方式,又称为播种式拣货方式。把一定时间段里多张订单集合成一批依照货品种类将货品数量汇总,全部由人工按货品进行拣选,然后再根据每张客户订单进行分货处理的过程。一种是人工摘果式拣货,人工摘取式拣选是针对每一张订单,由拣货员完全用人工方式根据订单上的货品信息到相应的存储位置将货品逐一挑出并集中的过程。优点是操作方法简单;延迟时间短;拣货人员责任明确,易于评估;拣货后不用再进行分类作业,是比较传统的拣货方式。
目前仓库多人拣货由于货品品类较多时,拣货行走路径较长,拣货效率降低;拣货区域较大时,搬运困难,并且拣货人员过多,很容易导致忙中出错,因此需要一种更为精确的拣货路径规划方法对人们提供帮助。
发明内容
本发明实施方式的目的是提供一种基于AR路径引导的仓库多人拣货的路径规划方法及系统,该路径规划方法及系统能够提高仓库的拣货效率。
为了实现上述目的,本发明实施方式提供一种基于AR路径引导的仓库多人拣货的路径规划方法,所述路径规划方法包括:
获取拣货人员上传的取货信息单;
通过图像识别方法确定所述取货信息单的每件货物在仓库中的位置,并标定为拣货节点;
根据所述拣货节点生成最佳路径以指引所述拣货人员前往取货。
可选地,通过图像识别方法确定所述取货信息单的每件货物在仓库中的位置,并标定为拣货节点具体包括:
读取所述取货信息单中每件货物的名称;
根据所述名称调用对应的图像识别模块以及所述货物在所述仓库中的预设位置;
获取所述预设位置处的图像;
采用所述图像识别模块确定在所述预设位置处是否存在对应的所述货物;
在所述预设位置处存在所述货物的情况下,将所述预设位置标记为拣货节点。
可选地,所述路径规划方法进一步包括:
在所述预设位置处不存在所述货物的情况下,标记所述货物为缺货状态。
可选地,根据所述拣货节点生成最佳路径以指引所述拣货人员前往取货具体包括:
所述AR设备接收所述最佳路径并定位当前的所述拣货人员的位置;
以AR路径引导的方式引导所述拣货人员前往取货。
可选地,根据所述拣货节点生成最佳路径以指引所述拣货人员前往取货具体包括:
对所述拣货节点进行编码;
采用贪心算法生成初始的种群;
计算所述种群中每个个体的适应度;
采用轮盘赌法对所述种群执行选择操作;
对所述种群执行变异操作;
判断迭代次数是否大于或等于预设的次数阈值;
在判断所述迭代次数大于或等于所述次数阈值的情况下,输出所述适应度最大的个体作为所述最佳路径。
可选地,所述对所述拣货节点进行编码具体包括:
采用实数编码对所述拣货节点及货物进行编码;
采用双层编码的方式对路径进行编码。
可选地,所述计算所述种群中每个个体的适应度具体包括:
根据公式(1)计算所述适应度,
其中,f为所述适应度,D为所述拣货距离,M为所述拣货人员m的数量,h为所述拣货节点的数量,dlij为路径l上的拣货节点i与拣货节点j之间的距离,xlij为表示在路径l上拣完拣货节点i后是否立即前往拣货节点j的变量,xlij=1表示立即前往,xlij=0表示不立即前往,d0l为路径l上的第一个拣货节点与拣选中心之间的距离,dnl为路径l上的最后一个拣货节点与拣选中心之间的距离。
可选地,所述采用轮盘赌法对所述种群执行选择操作具体包括:
根据公式(2)计算每个个体进入下一代的概率,
其中,Pi为表示个体i被选择的概率,Fi为个体i的适应度,n为所述种群中个体i的数量。
可选地,所述对所述种群执行变异操作具体包括:
针对所述双层编码中的第一层编码,随机生成自然数a和自然数b;
互相交换待变异的一个个体的第a位和第b位的基因;
随机生成自然数a和自然数b;
互相交换待变异的两个个体的第a位至第b位的基因;
取所述两个个体中未交换的基因重新排列组合以形成新的个体。
可选地,所述对所述种群执行变异操作具体包括:
针对所述双层编码中的第二层编码,随机生成自然数c;
针对所述双层编码中的第二层编码,随机生成自然数a;
采用随机变异的方式对待变异的个体的第a位基因执行变异操作;
随机生成自然数a和自然数b;
互相交换待变异的两个个体的第a至第b位的基因以形成新的个体。
另一方面,本发明还提供一种基于AR路径引导的仓库多人拣货的路径规划系统,其特征在于,所述系统包括仓储服务器和AR设备,所述仓储服务器和所述AR设备用于协同工作以执行如上述任一所述的路径规划方法。
通过上述技术方案,本发明提供的基于AR路径引导的仓库多人拣货的路径规划方法及系统通过获取拣货人员上传的取货信息单,再通过预设的图像识别方法确定取货信息单中每件货物在仓库中的位置,然后生成最佳路径指令拣货人员前往拣货,简化了拣货人员的工作流程,提高了仓库拣货的效率。
本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施方式的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施方式,但并不构成对本发明实施方式的限制。在附图中:
图1是根据本发明的一个实施方式的基于AR路径引导的仓库多人拣货的路径规划方法的流程图;
图2是根据本发明的一个实施方式的基于AR路径引导的仓库多人拣货的路径规划方法的部分流程图;
图3是根据本发明的一个实施方式的基于AR路径引导的仓库多人拣货的路径规划方法的部分流程图;
图4是根据本发明的一个实施方式的变异操作的流程图;
图5是根据本发明的一个实施方式的变异操作的示意图;
图6是根据本发明的一个实施方式的变异操作的示意图;
图7是根据本发明的一个实施方式的变异操作的流程图;
图8是根据本发明的一个实施方式的变异操作的示意图;
图9是根据本发明的一个实施方式的变异操作的示意图;
图10是根据本发明的一个实施方式的基于AR路径引导的仓库多人拣货的路径规划方法的部分流程图;以及
图11是根据本发明的一个实施方式的基于AR路径引导的仓库多人拣货的路径规划系统的结构框图。
具体实施方式
以下结合附图对本发明实施方式的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施方式,并不用于限制本发明实施方式。
在本发明实施方式中,在未作相反说明的情况下,使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的或者是针对竖直、垂直或重力方向上而言的各部件相互位置关系描述用词。
另外,若本发明实施方式中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施方式之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
如图1所示是根据本发明的一个实施方式的基于AR路径引导的仓库多人拣货的路径规划方法的流程图。在图1中,该路径规划方法可以包括:
在步骤S10中,获取拣货人员上传的取货信息单。在该实施方式中,该取货信息单可以是由拣货人员通过佩戴的AR设备上传。在仓库拣货的过程中,每个拣货人员可以预先佩戴有AR设备,该AR设备可以是例如AR眼镜,与仓库的仓储服务器连接。每个工作人员可以以语音、手势操作等方式输入该取货信息单。在取货信息单完成后,被AR设备上传至仓储服务器中。
在步骤S11中,通过图像识别方法确定取货信息单的每件货物在仓库中的位置,并标定为拣货节点。具体地,在该实施方式中,考虑到每个仓库中存货的方式都是按照预定规则的。那么在获取了取货信息单后,可以根据每件货物的名称直接按照该预定规则确定该货物的位置。但是,由于仓库在拣货的过程中,可能存在部分货物缺货的情况。因此,该步骤S11可以包括如图2所示的方法。在图2中,该步骤S11可以进一步包括:
在步骤S20中,读取取货信息单中每件货物的名称。在该实施方式中,该名称可以是该货物的常规名称,但考虑到程序算法的高效性,该名称也可以是该货物所预设对应的编码。
在步骤S21中,根据该名称调用对应的图像识别模块以及货物在仓库中的预设位置。其中,该图像识别模块可以是针对对应的货物预先采用大量的数据集对神经网络进行训练来获得的。对于该训练的具体方式,则可以是常规的神经网络训练方法,应当为本领域人员所知。
在步骤S22中,获取预设位置处的图像。其中,该图像可以是预设于货架上的摄像头直接拍摄得到。具体地,仓储服务器可以在接收到每件货物的名称后,通过预先存储的货物存放规则获取其对应的预设位置。然后调用该预设位置附近的摄像头以拍摄预设位置处的图像。
在步骤S23中,采用图像识别模块确定在预设位置处是否存在对应的货物。
在步骤S24中,在预设位置处存在货物的情况下,此时说明对于该货物,该仓库仍然有存货,那么可以将该预设位置标记为拣货节点以便于后续生成最佳路径。
在步骤S25中,在预设位置处不存在货物的情况下,此时说明对于该货物,该仓库已经缺货,那么标记该货物为缺货状态以避免给拣货人员增加无用的工作量。
另外,在该步骤S11中,为了进一步便于拣货人员理解该最佳路径,该最佳路线的具体形式可以是例如网格状的运输路线。
在步骤S12中,根据拣货节点生成最佳路径以指引拣货人员前往取货。具体地,在该实施方式中,对于生成该最佳路径的方式,可以是本领域人员所知的多种形式。在本发明的一个优选示例中,该方式可以是例如图3中所示出的步骤。在图3中,该方式可以包括:
在步骤S30中,对拣货节点及货物进行编码。
发明人在设计该方法时发现,每个仓库往往包括多个拣货节点,不同的拣货人员在拣货的过程中,其对应的路径可能存冲突,从而影响拣货人员在拣货节点之间的行进速度。因此,在该实施方式中,发明人在对拣货节点及货物采用实数编码的基础上,进一步采用双层编码的方式,对由拣货节点构成的路径进行编码。其中,该双层编码的第一层编码可以用于表示拣选货物的顺序,第二层编码可以用于表示拣选拣货节点的顺序。以形如[5,4,2,1,3,1,2,3,3,1]合法的染色体(路径或个体)为例,其第一层编码可以为5,4,2,1,3。该第一层编码可以表示一次拣选货物5、4、2、1、3,第二层编码则可以表示一次经过拣货节点1、2、3、3、1。另外,在对拣货节点及货物进行实数编码时,为了区分不同拣货节点,可以将拣选中心(拣货人员的起点)编码为0,而不同拣货人员所对应的路径的编码之间,也可以采用0来间隔开。基于上述的编码,则可以建立如公式(1)至公式(17)所示的数学模型,
其中,该公式(1)可以用于表示取所有拣货人员的路径的长度(距离)最短,且,D为路径的长度,M为拣货人员的总数量,qt为货物t的拣货量,
其中,该公式(2)可以用于表示计算拣货人员的数量,M为拣货人员的数量,T为路径的总数量,Q为拣选小车的最大承载能力;
约束条件如下:
其中,该公式(3)可以用于表示一条路径上所有拣货节点的拣选量不能超过拣选小车的最大承重,qli可以用于表示在路径l上的拣货节点i的拣货量;
其中,该公式(4)可以用于表示所拣选的货物的总量不能超过所有拣货小车的最大承重的总量,qt为货物t的拣货量,
其中,该公式(5)可以用于表示所拣选的货物的总量必须满足实际每种货物的拣选要求,L可以用于表示路径i的数量;
其中,该公式(6)可以用于表示有一种货物只能从一个拣货节点上进行拣选;
其中,该公式(7)可以用于表示拣货节点满足货物的需求量的前提是该拣货节点上有货物;
其中,该公式(8)用于表示拣选的拣货节点满足拣选需求;
其中,该公式(9)可以用于表示所有拣选人员的总的拣货节点的数量不能超过货物分布的拣货节点数;
其中,该公式(10)和公式(11)可以用于表示任一一个拣货节点至存在拣货路径上并且只能被拣选一次;
L≤M,(12)
其中,该公式(12)可以用于表示路径的数量不得超过拣货人员的数量;
其中,该公式(13)可以用于表示拣货节点i在路径l上只能被拣选一次或不能被拣选;
在步骤S31中,采用贪心算法生成初始的种群。在对上述拣货节点、货物进行编码后,本发明要解决的规划多个拣货人员最佳路径的问题实质上被转化为多旅行商问题,即NP问题。那么作为最佳路径,势必要保证在满足每个拣货人员的路径最短的情况下,确保不同拣货人员之间的路径不冲突。贪心算法的核心思想是每个拣货人员以初始的拣货中心作为出发点,始终选择距离自己最近的拣货节点作为下一个拣选货位,直到不超过拣选小车的载重,最后回到拣选中心,这很好地契合了本发明要解决的技术问题。因此,在该实施方式中,可以采用贪心算法来生成初始的种群,从而在生成初始种群的初始阶段,最大程度地减少算法迭代的次数,以降低计算机的运算资源。
在步骤S32中,计算种群中每个个体的适应度。其中,对于计算该适应度的具体形式,可以是本领域人员所知的多种方式。在本发明的一个优选示例中,发明人考虑到本发明要解决的技术问题为规划最佳路径,其实质上是获取最短的拣货路径。那么该适应度函数则可以与路径的长度计算相关。另一方面,由于路径的数值大小不一,在算法迭代的过程中,可能会出现某一个路径的长度过大,从而导致计算的增加以及对应的阈值设置难以确定等问题。所以本发明采用倒数的形式来确定该适应度函数。进一步地,为了避免数据溢出,即路径的数值过小而导致的适应度偏差过大的问题,可以在该适应度函数的分母上增加1,从而得到如公式(1)所示的适应度函数,
其中,f为该适应度,D为拣货距离(长度),M为拣货人员m的数量,h为拣货节点的数量,dlij为路径l上的拣货节点i与拣货节点j之间的距离,xlij为表示在路径l上拣完拣货节点i后是否立即前往拣货节点j的变量,xlij=1表示立即前往,xlij=0表示不立即前往,d0l为路径l上的第一个拣货节点与拣选中心之间的距离,dnl为路径l上的最后一个拣货节点与拣选中心之间的距离。
在步骤S33中,采用轮盘赌法对种群执行选择操作。在上述适应度函数的基础上,路径的长度越短,则该路径更优。相应地,适应度的数值也越大。因此,在执行选择操作时,可以针对该适应度数值大小的特点,来进一步确定该路径(个体)被选择至下一代的概率。即可以采用公式(2)来计算每个个体进入下一代的概率,
其中,Pi为表示个体i被选择的概率,Fi为个体i的适应度,n为种群中个体i的数量。
在步骤S34中,对种群执行变异操作。其中,该变异操作可以是本领域人员所知的多种方式。在本发明的一个优选示例中,发明人基于大量的实验,在以算法的迭代次数最小为目标的前提下,采用如图4和图5中所示出的方法来执行该变异操作。具体地,在该优选示例中,针对第一层编码,可以采用图4中所示出的方法来执行变异操作。在图4中,该方法可以包括:
在步骤S40中,随机生成自然数a和自然数b。
在步骤S41中,互相交换待变异的一个个体的第a位和第b位的基因。
在步骤S42中,随机生成自然数a和自然数b。
在步骤S43中,互相交换待变异的两个个体的第a位至第b位的基因。
在步骤S44中,取两个个体中未交换的基因重新排列组合以形成新的个体。
在该示例中,针对步骤S40和步骤S41,以染色体(路径)[1,3,2,5,4]为例,产生的两个自然数分别为2和4,那么步骤S41的过程可以是如图5所示,得到的染色体可以为[1,5,2,3,4]。
在该示例中,针对步骤S42至步骤S44,以染色体[4,3,2,1,5]和[2,3,5,1,4]为例,产生的两个自然数分别为2和3,那么步骤S42至步骤S44则可以如图6所示。
针对第二层编码,可以采用图7中所示出的方法来执行变异操作。在图7中,该方法可以包括:
在步骤S50中,针对双层编码中的第二层编码,随机生成自然数a。
在步骤S51中,采用随机变异的方式对待变异的个体的第a位基因执行变异操作。
在步骤S52中,随机生成自然数a和自然数b。
在步骤S53中,互相交换待变异的两个个体的第a至第b位的基因以形成新的个体。
在该示例中,针对步骤S50和步骤S51,以染色体(路径)[1,3,3,2,1,2]为例,产生的自然数为3,那么步骤S51的过程可以是如图8所示,得到的染色体可以为[1,3,1,2,1,2]。
在该示例中,针对步骤S52和步骤S53,以染色体(路径)[1,3,3,2,1,2]和[2,3,1,1,2,3]为例,产生的自然数为2和4,那么步骤S52和步骤S53则可以是如图9所示。
在步骤S35中,判断迭代次数是否大于或等于预设的次数阈值。
在步骤S36中,在判断迭代次数大于或等于次数阈值的情况下,输出适应度最大的个体作为最佳路径。
在该实施方式中,指引拣货人员前往取货的具体方式则可以包括例如图3中示出的步骤。在图10中,该步骤S12可以包括:
在步骤S60中,AR设备接收最佳路径并定位当前的拣货人员的位置;
在步骤S61中,以AR路径引导的方式引导拣货人员前往取货。在该实施方式中,引导该拣货人员前往取货的具体方式可以是通过AR设备(例如AR眼镜)直接显示当前的行进路线,也可以是通过预设的扬声器以语音播报的方式指引拣货人员前进。
另一方面,本发明还提供一种基于AR路径引导的仓库多人拣货的路径规划系统,该路径规划系统可以包括仓储服务器和AR设备。如图11所示,该仓储服务器和AR设备用于协同工作以执行如上述任一所述的路径规划方法。
通过上述技术方案,本发明提供的基于AR路径引导的仓库多人拣货的路径规划方法及系统通过获取拣货人员上传的取货信息单,再通过预设的图像识别方法确定取货信息单中每件货物在仓库中的位置,然后生成最佳路径指令拣货人员前往拣货,简化了拣货人员的工作流程,提高了仓库拣货的效率。
以上结合附图详细描述了本发明例的可选实施方式,但是,本发明实施方式并不限于上述实施方式中的具体细节,在本发明实施方式的技术构思范围内,可以对本发明实施方式的技术方案进行多种简单变型,这些简单变型均属于本发明实施方式的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施方式对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施方式方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本发明实施方式的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施方式的思想,其同样应当视为本发明实施方式所公开的内容。
Claims (11)
1.一种基于AR路径引导的仓库多人拣货的路径规划方法,其特征在于,所述路径规划方法包括:
获取拣货人员上传的取货信息单;
通过图像识别方法确定所述取货信息单的每件货物在仓库中的位置,并标定为拣货节点;
根据所述拣货节点生成最佳路径以指引所述拣货人员前往取货。
2.根据权利要求1所述的路径规划方法,其特征在于,通过图像识别方法确定所述取货信息单的每件货物在仓库中的位置,并标定为拣货节点具体包括:
读取所述取货信息单中每件货物的名称;
根据所述名称调用对应的图像识别模块以及所述货物在所述仓库中的预设位置;
获取所述预设位置处的图像;
采用所述图像识别模块确定在所述预设位置处是否存在对应的所述货物;
在所述预设位置处存在所述货物的情况下,将所述预设位置标记为拣货节点。
3.根据权利要求2所述的路径规划方法,其特征在于,所述路径规划方法进一步包括:
在所述预设位置处不存在所述货物的情况下,标记所述货物为缺货状态。
4.根据权利要求2所述的路径规划方法,其特征在于,根据所述拣货节点生成最佳路径以指引所述拣货人员前往取货具体包括:
所述AR设备接收所述最佳路径并定位当前的所述拣货人员的位置;
以AR路径引导的方式引导所述拣货人员前往取货。
5.根据权利要求1所述的路径规划方法,其特征在于,根据所述拣货节点生成最佳路径以指引所述拣货人员前往取货具体包括:
对所述拣货节点进行编码;
采用贪心算法生成初始的种群;
计算所述种群中每个个体的适应度;
采用轮盘赌法对所述种群执行选择操作;
对所述种群执行变异操作;
判断迭代次数是否大于或等于预设的次数阈值;
在判断所述迭代次数大于或等于所述次数阈值的情况下,输出所述适应度最大的个体作为所述最佳路径。
6.根据权利要求5所述的路径规划方法,其特征在于,所述对所述拣货节点进行编码具体包括:
采用实数编码对所述拣货节点及货物进行编码;
采用双层编码的方式对路径进行编码。
9.根据权利要求6所述的路径规划方法,其特征在于,所述对所述种群执行变异操作具体包括:
针对所述双层编码中的第一层编码,随机生成自然数a和自然数b;
互相交换待变异的一个个体的第a位和第b位的基因;
随机生成自然数a和自然数b;
互相交换待变异的两个个体的第a位至第b位的基因;
取所述两个个体中未交换的基因重新排列组合以形成新的个体。
10.根据权利要求6所述的路径规划方法,其特征在于,所述对所述种群执行变异操作具体包括:
针对所述双层编码中的第二层编码,随机生成自然数a;
采用随机变异的方式对待变异的个体的第a位基因执行变异操作;
随机生成自然数a和自然数b;
互相交换待变异的两个个体的第a至第b位的基因以形成新的个体。
11.一种基于AR路径引导的仓库多人拣货的路径规划系统,其特征在于,所述系统包括仓储服务器和AR设备,所述仓储服务器和所述AR设备用于协同工作以执行如权利要求1至10任一所述的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010705271.2A CN111949020A (zh) | 2020-07-21 | 2020-07-21 | 基于ar路径引导的仓库多人拣货的路径规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010705271.2A CN111949020A (zh) | 2020-07-21 | 2020-07-21 | 基于ar路径引导的仓库多人拣货的路径规划方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111949020A true CN111949020A (zh) | 2020-11-17 |
Family
ID=73341790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010705271.2A Pending CN111949020A (zh) | 2020-07-21 | 2020-07-21 | 基于ar路径引导的仓库多人拣货的路径规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111949020A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114355918A (zh) * | 2021-12-27 | 2022-04-15 | 北京航天数据股份有限公司 | 一种除冰车路径规划方法、装置及存储介质 |
CN116151500A (zh) * | 2022-12-06 | 2023-05-23 | 山东紫菜云数字科技有限公司 | 一种物资自动化处理方法及系统 |
CN116611763A (zh) * | 2023-04-25 | 2023-08-18 | 亳州神农谷中药控股有限公司 | 一种仓库货物定位查找系统 |
CN116629734A (zh) * | 2023-04-14 | 2023-08-22 | 珠海市格努科技有限公司 | 仓储系统物品拣选路径的规划方法、装置、设备及介质 |
CN116823123A (zh) * | 2023-08-30 | 2023-09-29 | 青岛宇方机器人工业股份有限公司 | 基于ar定位的仓库管理方法、装置、电子设备及介质 |
CN117146828A (zh) * | 2023-10-30 | 2023-12-01 | 网思科技股份有限公司 | 拣货路径引导方法、装置、存储介质及计算机设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108833857A (zh) * | 2018-07-10 | 2018-11-16 | 京东方科技集团股份有限公司 | 一种货架监控方法、系统以及货架 |
CN108921464A (zh) * | 2018-06-01 | 2018-11-30 | 深圳大学 | 一种拣货路径生成方法、存储介质及终端设备 |
KR20180129242A (ko) * | 2017-05-26 | 2018-12-05 | 한경대학교 산학협력단 | 자동 화물이송 및 피킹 시스템 |
CN109583660A (zh) * | 2018-12-07 | 2019-04-05 | 陕西科技大学 | 一种动态拣货策略的实现方法 |
CN110639818A (zh) * | 2019-08-15 | 2020-01-03 | 浙江国自机器人技术有限公司 | 物流仓储的拣货方法、装置、计算机设备和存储介质 |
CN110653168A (zh) * | 2019-01-30 | 2020-01-07 | 湖北物资流通技术研究所 | 基于多目标识别的智能分拣系统 |
CN111260001A (zh) * | 2020-01-09 | 2020-06-09 | 秒针信息技术有限公司 | 一种引导拣货方法、装置、电子设备及存储介质 |
-
2020
- 2020-07-21 CN CN202010705271.2A patent/CN111949020A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180129242A (ko) * | 2017-05-26 | 2018-12-05 | 한경대학교 산학협력단 | 자동 화물이송 및 피킹 시스템 |
CN108921464A (zh) * | 2018-06-01 | 2018-11-30 | 深圳大学 | 一种拣货路径生成方法、存储介质及终端设备 |
CN108833857A (zh) * | 2018-07-10 | 2018-11-16 | 京东方科技集团股份有限公司 | 一种货架监控方法、系统以及货架 |
CN109583660A (zh) * | 2018-12-07 | 2019-04-05 | 陕西科技大学 | 一种动态拣货策略的实现方法 |
CN110653168A (zh) * | 2019-01-30 | 2020-01-07 | 湖北物资流通技术研究所 | 基于多目标识别的智能分拣系统 |
CN110639818A (zh) * | 2019-08-15 | 2020-01-03 | 浙江国自机器人技术有限公司 | 物流仓储的拣货方法、装置、计算机设备和存储介质 |
CN111260001A (zh) * | 2020-01-09 | 2020-06-09 | 秒针信息技术有限公司 | 一种引导拣货方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
胡小建: "面向数字化车间液压元件的物料配送研究", 《合肥工业大学学报(自然科学版)》 * |
路辉等: "测试任务调度理论和方法[M]", 《测试任务调度理论和方法[M]》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114355918A (zh) * | 2021-12-27 | 2022-04-15 | 北京航天数据股份有限公司 | 一种除冰车路径规划方法、装置及存储介质 |
CN116151500A (zh) * | 2022-12-06 | 2023-05-23 | 山东紫菜云数字科技有限公司 | 一种物资自动化处理方法及系统 |
CN116151500B (zh) * | 2022-12-06 | 2024-01-09 | 山东紫菜云数字科技有限公司 | 一种物资自动化处理方法及系统 |
CN116629734A (zh) * | 2023-04-14 | 2023-08-22 | 珠海市格努科技有限公司 | 仓储系统物品拣选路径的规划方法、装置、设备及介质 |
CN116611763A (zh) * | 2023-04-25 | 2023-08-18 | 亳州神农谷中药控股有限公司 | 一种仓库货物定位查找系统 |
CN116611763B (zh) * | 2023-04-25 | 2023-12-15 | 亳州神农谷中药控股有限公司 | 一种仓库货物定位查找系统 |
CN116823123A (zh) * | 2023-08-30 | 2023-09-29 | 青岛宇方机器人工业股份有限公司 | 基于ar定位的仓库管理方法、装置、电子设备及介质 |
CN116823123B (zh) * | 2023-08-30 | 2023-12-05 | 青岛宇方机器人工业股份有限公司 | 基于ar定位的仓库管理方法、装置、电子设备及介质 |
CN117146828A (zh) * | 2023-10-30 | 2023-12-01 | 网思科技股份有限公司 | 拣货路径引导方法、装置、存储介质及计算机设备 |
CN117146828B (zh) * | 2023-10-30 | 2024-03-19 | 网思科技股份有限公司 | 拣货路径引导方法、装置、存储介质及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111949020A (zh) | 基于ar路径引导的仓库多人拣货的路径规划方法及系统 | |
CN109447317B (zh) | 一种基于多人同时拣货的仓库最短路径优化方法 | |
CN110119847B (zh) | 一种配送时长的预测方法、装置、存储介质和电子设备 | |
US8326760B2 (en) | Computer-based collective intelligence recommendations for transaction review | |
WO2021017609A1 (zh) | 确定预计送达时间 | |
CN108921464B (zh) | 一种拣货路径生成方法、存储介质及终端设备 | |
US20090313163A1 (en) | Credit line optimization | |
CN106062811A (zh) | 收益管理系统及收益管理方法 | |
CN111099363B (zh) | 码垛方法、码垛系统和存储介质 | |
CN110390561B (zh) | 基于动量加速随机梯度下降的用户-金融产品选用倾向高速预测方法和装置 | |
CN112378415B (zh) | 一种工器具的调度规划方法、装置及设备 | |
CN111027853B (zh) | 密集仓储的订单分配方法、装置和电子设备 | |
CN111401801A (zh) | 一种确定目标物品仓库分散化存储的处理系统、方法 | |
JP4987275B2 (ja) | 生産スケジューリング装置及び生産スケジューリング方法、並びにプログラム | |
JP6868869B2 (ja) | 巡回経路生成装置、巡回経路生成方法及びプログラム | |
CN111178580A (zh) | 一种基于改进bp神经网络的超市选址方法 | |
CN114387131A (zh) | 一种针对工程造价项目的数据审核方法及系统 | |
CN107038165A (zh) | 一种业务参数获取方法及装置 | |
CN113435805B (zh) | 物品存储信息确定方法、装置、设备和存储介质 | |
CN116664053A (zh) | 一种商品库存管理方法 | |
CN108681939A (zh) | 基于交易机器人及数据处理中心的信息推荐方法 | |
CN115423414A (zh) | 生成维修器材仓库货位分配方案的工具及方法 | |
CN111274376B (zh) | 一种训练标记预测模型的方法和系统 | |
CN108305174A (zh) | 资源处理方法、装置、存储介质和计算机设备 | |
CN111310993A (zh) | 一种基于多目标进化算法的项目配置方法、装置及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201117 |