CN112415997B - 一种用于多机器人协作的路径规划方法及系统 - Google Patents

一种用于多机器人协作的路径规划方法及系统 Download PDF

Info

Publication number
CN112415997B
CN112415997B CN202011129043.1A CN202011129043A CN112415997B CN 112415997 B CN112415997 B CN 112415997B CN 202011129043 A CN202011129043 A CN 202011129043A CN 112415997 B CN112415997 B CN 112415997B
Authority
CN
China
Prior art keywords
robot
grid
path planning
distance
initial
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
CN202011129043.1A
Other languages
English (en)
Other versions
CN112415997A (zh
Inventor
吴新开
霍向
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.)
Beijing Lobby Technology Co ltd
Original Assignee
Beijing Lobby 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 Beijing Lobby Technology Co ltd filed Critical Beijing Lobby Technology Co ltd
Priority to CN202011129043.1A priority Critical patent/CN112415997B/zh
Publication of CN112415997A publication Critical patent/CN112415997A/zh
Application granted granted Critical
Publication of CN112415997B publication Critical patent/CN112415997B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • 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
    • G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
    • 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
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • 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)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Optics & Photonics (AREA)
  • Acoustics & Sound (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本发明提供一种用于多机器人协作的路径规划方法及系统。系统包括路径规划服务器和多个机器人。方法包括：系统初始化，获取各个机器人的初始位置，目标位置和路径集合，并建立机器人运行环境的全局二维栅格地图；每个机器人利用视觉传感器、超声波传感器、红外传感器和激光雷达等设备探测环境实现周围环境感知，并将本机位置信息和感知到的环境信息发送至路径规划服务器；路径规划服务器为机器人锁定决策区域，并通过多机器人协作的路径规划方法为各个机器人选择运动过程中的初始预测位置和优化预测位置，从而实现多机器人的协作路径规划。该技术方案在复杂的环境中也能够高效、安全地做出路径规划，使多个机器人快速运动到目标位置。

Description

一种用于多机器人协作的路径规划方法及系统
技术领域
本发明涉及机器人路径规划技术领域，特别涉及一种用于多机器人协作的路径规划方法及系统。
背景技术
随着机器人技术的发展与机器人智能化水平的提高，多个智能机器人协作执行任务的应用已越来越多，这就涉及多机器人系统。多机器人系统已在仓储物流运送、餐厅酒店配送等场景中得到广泛应用，而多机器人系统中的路径规范方法是目前人工智能领域中的研究热点。
目前，针对多机器人协作的路径规划的研究还不够成熟,尤其缺乏即高效又安全的多机器人协作的路径规划方法。例如，申请号为CN201911216397.7的专利提供一种基于改进天牛须算法的多机器人路径规划方法，申请号为CN201910784067.1的专利提供一种基于差分进化烟花算法的多机器人协同路径规划方法，申请号为CN201910735725.8的专利提供一种基于先验知识与DQN算法的多机器人路径规划方法，这些专利提供的多个机器人规划路径的方法都比较复杂，且效率较低。
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协作的路径规划方法及系统。
第一方面，本发明实施例提供一种用于多机器人协作的路径规划方法，包括：包括：
S1、路径规划服务器对路径规划参数进行初始化，确定机器人的数量为n；
S2、路径规划服务器获取各个机器人的初始位置、目标位置和运动路径集合，机器人的初始运动路径集合只包括初始位置一个路径点；
S3、路径规划服务器根据各个机器人的初始位置和目标位置，建立机器人运行环境的全局二维栅格地图，二维栅格地图包括可通行栅格和障碍物栅格；
S4、机器人利用视觉传感器、超声波传感器、红外传感器和激光雷达探测其当前位置在当前时刻的周围环境，并把探测到的周围环境信息以及机器人的当前位置信息发送给路径规划服务器；
S5、路径规划服务器根据机器人的周围环境信息、目标位置信息、运动路径集合以及机器人的当前位置信息为机器人锁定决策区域；当运动路径集合中最后的(n-1)个路径点均为同一个位置且不是目标位置时，所述决策区域设定为以机器人在当前时刻的当前位置为中心，包括左上、上、右上、左、右、左下、下，右下8处栅格位置，当前位置不再为决策区域位置，当运动路径集合中最后的(n-1)个路径点不为同一个位置时，所述决策区域设定为以机器人在当前时刻的当前位置为中心，包括左上、上、右上、左、当前位置、右、左下、下，右下9处栅格位置；
S6、路径规划服务器根据机器人的当前位置、目标位置，以及障碍物的位置，为每个机器人对应的决策区域内的每个栅格位置计算初始评价值；
S7、路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的初始评价值预测机器人下一时刻的初始预测位置；
S8、路径规划服务器据机器人的当前位置、目标位置、障碍物的位置，以及各个机器人下一时刻的初始预测位置，为每个机器人对应的决策区域内的每个栅格位置计算优化评价值；
S9、路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的优化评价值预测机器人下一时刻的优化预测位置；
S10、路径规划服务器判断机器人下一时刻的优化预测位置是否为该机器人的目标位置；
S11、如果为是，则机器人运动到其下一时刻的优化预测位置时即到达目标位置；
S12、如果为否，则机器人运动到其下一时刻的优化预测位置后，更新其当前位置，将更新的当前位置存储到运动路径集合，然后执行S4。
如上所述的路径规划方法，S6中所述的路径规划服务器根据机器人的当前位置、目标位置，以及障碍物的位置，为每个机器人对应的决策区域内的每个栅格位置计算初始评价值，具体为：
式中，e(xi)是xi栅格位置的初始评价值，xi∈X，X＝{x1,x2,x3,x4,x5,x6,x7,x8}或者X＝{x1,x2,x3,x4,x5,x6,x7,x8,x9}，其中，x1到x8分别对应机器人左上、上、右上、左、右、左下、下，右下8处栅格位置，x9对应当前位置；是xi栅格位置的第一评价参数，当xi栅格位置是障碍物位置时，设置为一个正无穷大值∞+，当xi栅格位置不是障碍物位置时，设置为1；c1为第一距离评价参数，c2为第二距离评价参数，c1、c2的在系统初始化后被导入系统；/>是机器人在当前位置运动到xi栅格位置的距离，/>是xi栅格位置到机器人目标位置的距离。
进一步地，S7中所述的路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的初始评价值预测机器人下一时刻的初始预测位置，具体为：取初始评价值最小的栅格位置为机器人下一时刻的初始预测位置；
当存在有多个初始评价值最小的栅格位置时，选择规则为：距离xi栅格位置到机器人目标位置的距离越小优先级越高，/>相同时，机器人在当前位置运动到xi栅格位置的距离/>越小优先级越高；/>和/>相同时，栅格位置距离最近距离障碍物的距离越大优先级越高；根据优先级确定多个初始评价值最小的栅格位置中的一个栅格位置，该位置为机器人下一时刻的初始预测位置。
如上所述的路径规划方法，S8中所述的路径规划服务器据机器人的当前位置、目标位置、障碍物的位置，以及各个机器人下一时刻的初始预测位置，为每个机器人对应的决策区域内的每个栅格位置计算优化评价值，具体为：
式中，E(xi)是xi栅格位置的优化评价值，xi∈X，X＝{x1,x2,x3,x4,x5,x6,x7,x8}，或者，X＝{x1,x2,x3,x4,x5,x6,x7,x8,x9}，其中，x1到x8分别对应机器人左上、上、右上、左、右、左下、下，右下8处栅格位置，x9对应当前位置；是xi栅格位置的第二评价参数，当xi栅格位置是障碍物位置时，设置为一个正无穷大值∞+，当xi栅格位置是其他机器人下一时刻初始预测位置时，设置为一个正无穷大值∞+，当xi栅格位置既不是障碍物位置又不是其他机器人下一时刻初始预测位置时，设置为1；c1为第一距离评价参数，c2为第二距离评价参数，c1、c2的在系统初始化后被导入系统；/>是机器人在当前位置运动到xi栅格位置的距离，/>是xi栅格位置到机器人目标位置的距离。
进一步地，S9中所述的路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的优化评价值预测机器人下一时刻的优化预测位置，具体为：取优化评价值最小的栅格位置为机器人下一时刻的优化预测位置；
当存在有多个优化评价值最小的栅格位置时，选择规则为：距离xi栅格位置到机器人目标位置的距离越小优先级越高，/>相同时，机器人在当前位置运动到xi栅格位置的距离/>越小优先级越高；/>和/>相同时，栅格位置距离最近距离障碍物的距离越大优先级别越高；根据优先级确定多个优化评价值最小的栅格位置中的一个栅格位置，该位置为机器人下一时刻的优化预测位置。
优选地，第一距离评价参数c1、第二距离评价参数c2的取值为1。
第二方面，本发明实施例提供一种用于多机器人的路径规划系统，包括：路径规划服务器和机器人，所述机器人的数量为多个，路径规划服务器与机器人之间建立网络连接，所述系统用于执行权利要求1-6任一项所述的路径规划方法。
与现有技术相比，本发明实施例提供的技术方案的优点在于：
运算效率高，在复杂的环境中也能够高效安全地做出路径规划，使多个机器人快速运动到目标位置。
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协作的路径规划方法的流程图；
图2为本发明提供的用于多机器人协作的路径规划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协作的路径规划方法的流程图。参考图1所示，本实施例的方法包括以下内容。
S1、路径规划服务器对路径规划参数进行初始化，确定机器人的数量。
S2、路径规划服务器获取各个机器人的初始位置、目标位置和运动路径集合。
机器人的初始运动路径集合只包括初始位置一个路径点(集合元素)。
S3、路径规划服务器根据各个机器人的初始位置和目标位置，建立机器人运行环境的全局二维栅格地图，二维栅格地图包括可通行栅格和障碍物栅格。
S4、机器人利用视觉传感器、超声波传感器、红外传感器和激光雷达探测其当前位置在当前时刻的周围环境，并把探测到的周围环境信息以及机器人的当前位置信息发送给路径规划服务器。
S5、路径规划服务器根据机器人的周围环境信息、目标位置信息、运动路径集合以及机器人的当前位置信息为机器人锁定决策区域。
例如，在S1确定机器人的数量为n。当运动路径集合中最后的(n-1)个路径点(集合元素)均为同一个位置且不是目标位置时，为避免陷入运动锁死机器人一直待在某一位置的状态，所述决策区域设定为以机器人在当前时刻的当前位置为中心，包括左上、上、右上、左、右、左下、下，右下8处栅格位置，当前位置不再为决策区域位置；当运动路径集合中最后的(n-1)个路径点(集合元素)不为同一个位置时，所述决策区域设定为以机器人在当前时刻的当前位置为中心，包括左上、上、右上、左、当前位置、右、左下、下，右下9处栅格位置，其中n为机器人的数量。
S6、路径规划服务器根据机器人的当前位置、目标位置，以及障碍物的位置，为每个机器人对应的决策区域内的每个栅格位置计算初始评价值。
S7、路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的初始评价值预测机器人下一时刻的初始预测位置。
S8、路径规划服务器据机器人的当前位置、目标位置、障碍物的位置，以及各个机器人下一时刻的初始预测位置，为每个机器人对应的决策区域内的每个栅格位置计算优化评价值。
S9、路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的优化评价值预测机器人下一时刻的优化预测位置。
S10、路径规划服务器判断机器人下一时刻的优化预测位置是否为该机器人的目标位置。
S11、如果为是，则机器人运动到其下一时刻的优化预测位置时即到达目标位置。
S12、如果为否，则机器人运动到其下一时刻的优化预测位置后，更新其当前位置，将更新的当前位置存储到运动路径集合，然后执行S4。
如上所述的路径规划方法，S6中所述的路径规划服务器根据机器人的当前位置、目标位置，以及障碍物的位置，为每个机器人对应的决策区域内的每个栅格位置计算初始评价值，具体为：
式中，e(xi)是xi栅格位置的初始评价值，X＝{x1,x2,x3,x4,x5,x6,x7,x8}或者X＝{x1,x2,x3,x4,x5,x6,x7,x8,x9}，其中，x1到x8分别对应机器人左上、上、右上、左、右、左下、下，右下8处栅格位置，x9对应当前位置；是xi栅格位置的第一评价参数，当xi栅格位置是障碍物位置时，设置为一个正无穷大值∞+，当xi栅格位置不是障碍物位置时，设置为1；c1为第一距离评价参数，c2为第二距离评价参数，c1、c2的在系统初始化后被导入系统；/>是机器人在当前位置运动到xi栅格位置的距离，/>是xi栅格位置到机器人目标位置的距离。
进一步地，S7中所述的路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的初始评价值预测机器人下一时刻的初始预测位置，具体为：
取初始评价值最小的栅格位置为机器人下一时刻的初始预测位置；
当存在有多个初始评价值最小的栅格位置时，选择规则为：距离xi栅格位置到机器人目标位置的距离越小优先级越高，/>相同时，机器人在当前位置运动到xi栅格位置的距离/>越小优先级越高；/>和/>相同时，栅格位置距离最近距离障碍物的距离越大优先级越高；根据优先级确定多个初始评价值最小的栅格位置中的一个栅格位置，该位置为机器人下一时刻的初始预测位置。
如上所述的路径规划方法，S8中所述的路径规划服务器据机器人的当前位置、目标位置、障碍物的位置，以及各个机器人下一时刻的初始预测位置，为每个机器人对应的决策区域内的每个栅格位置计算优化评价值，具体为：
式中，E(xi)是xi栅格位置的优化评价值，X＝{x1,x2,x3,x4,x5,x6,x7,x8}，或者，X＝{x1,x2,x3,x4,x5,x6,x7,x8,x9}，其中，x1到x8分别对应机器人左上、上、右上、左、右、左下、下，右下8处栅格位置，x9对应当前位置；是xi栅格位置的第二评价参数，当xi栅格位置是障碍物位置时，设置为一个正无穷大值∞+，当xi栅格位置是其他机器人下一时刻初始预测位置时，设置为一个正无穷大值∞+，当xi栅格位置既不是障碍物位置又不是其他机器人下一时刻初始预测位置时，设置为1；c1为第一距离评价参数，c2为第二距离评价参数，c1、c2的在系统初始化后被导入系统；/>是机器人在当前位置运动到xi栅格位置的距离，/>是xi栅格位置到机器人目标位置的距离。
进一步地，S9中所述的路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的优化评价值预测机器人下一时刻的优化预测位置，具体为：取优化评价值最小的栅格位置为机器人下一时刻的优化预测位置；
当存在有多个优化评价值最小的栅格位置时，选择规则为：距离xi栅格位置到机器人目标位置的距离越小优先级越高，/>相同时，机器人在当前位置运动到xi栅格位置的距离/>越小优先级越高；/>和/>相同时，栅格位置距离最近距离障碍物的距离越大优先级别越高；根据优先级确定多个优化评价值最小的栅格位置中的一个栅格位置，该位置为机器人下一时刻的优化预测位置。
优选地，第一距离评价参数c1、第二距离评价参数c2的取值为1。
另一方面，本发明实施例提供一种用于多机器人的路径规划系统，系统包括：路径规划服务器和机器人，所述机器人的数量为多个，路径规划服务器与机器人之间建立网络连接，所述系统用于执行如上所述的路径规划方法。
图2为本发明提供的用于多机器人协作的路径规划方法及系统应用实施例的示意图。参考图2所示，在具体应用中，具体可以包括以下步骤：
步骤1，进行系统初始化，导入初始化参数。
初始化参数具体可以包括：机器人总数量n、机器人编号、第一距离评价参数和第二距离评价参数。
步骤2，多机器人智能管理系统获取每一个机器人的目标位置和运动路径集合，初始时的运动路径集合只包括初始位置一个路径点(集合元素)。
步骤3，建立一个环境的全局地图，全局地图设置为二维栅格地图，二维栅格地图包括可通行栅格和障碍物栅格。
具体的，基于栅格法将所述二维空间地图设置成多个栅格，栅格大小的划分取决于机器人的外廓大小，每个单元栅格的边长为机器人最大外廓长度加上预设定的避障安全距离。全局地图的各个栅格中除了各个机器人当前的位置所在的栅格外都被设置是不可通行的栅格，各个机器人当前的位置所在的栅格都被设置为可通行的栅格。
步骤4，基于全局二维栅格地图，各个机器人在当前位置利用视觉传感器、超声波传感器、红外传感器和激光雷达探测当前时刻的周围环境。
机器人探测墙体或其他障碍物的表面信息、同时探测可以通行的区域，针对可通行区域，其所占的初始全局地图中的栅格由不可通行的栅格更改为可通行栅格，再根据探测到的墙体或其他障碍物的表面信息，与障碍物相邻的可通行栅格都设置为可通行边界栅格。
步骤5，各个机器人利用自身的通信模块，将在当前时刻机器人探测到的周围环境信息，机器人的路径集合以及机器人当前位置，发送到多机器人智能管理系统。
步骤6，多机器人智能管理系统为每一个机器人锁定决策区域，当运动路径集合中最后的(n-1)个路径点(集合元素)均为同一个位置且不是目标位置，为避免陷入运动锁死机器人一直待在某一位置的状态，所述决策区域设定为以机器人在当前时刻的当前位置为中心，包括左上、上、右上、左、右、左下、下，右下8处栅格位置，当前位置不再为决策区域位置，当运动路径集合中最后的(n-1)个路径点(集合元素)不为同一个位置，所述决策区域设定为以机器人在当前时刻的当前位置为中心，包括左上、上、右上、左、当前位置、右、左下、下，右下9处栅格位置，其中n为机器人的数量；
。设置上述8处或9处栅格位置为决策位置集合X，X＝{x1,x2,x3,x4,x5,x6,x7,x8}或者X＝{x1,x2,x3,x4,x5,x6,x7,x8,x9}，其中，x1到x8分别对应机器人左上、上、右上、左、右、左下、下，右下8处栅格位置，x9对应当前位置。
步骤7，多机器人智能管理系统为每一个机器人对应的决策区域内每一个位置计算初始评价值。
其中，e(xi)是xi栅格位置的初始评价值，其中xi∈X，是xi栅格位置的第一评价参数，当xi栅格位置是障碍物位置时，设置为一个正无穷大值∞+，当xi栅格位置不是障碍物位置时，设置为1。c1为第一距离评价参数，在系统初始化后被导入系统，该值在本实施例中设置为1，该值可以根据实际应用可以设置为其他值。c2为第二距离评价参数，在系统初始化后被导入系统，该值在本实施例中设置为1，该值可以根据实际应用可以设置为其他值。是机器人在当前位置运动到xi栅格位置的距离，/>是xi栅格位置到机器人目标位置的距离。
步骤8，多机器人智能管理系统根据计算的机器人对应的决策区域内每一个位置的初始评价值来预测机器人下一时刻的初始预测位置。初始评价值最小的栅格位置为机器人下一时刻的初始预测位置。当存在有多个初始评价值最小的栅格位置时，设置选择规则，本实施例中设置的选择规则为距离xi栅格位置到机器人目标位置的距离越小优先级越高，/>相同时，机器人在当前位置运动到xi栅格位置的距离/>越小优先级越高。/>和/>相同时，栅格位置距离最近距离障碍物的距离越大优先级越高。根据优先级确定多个初始评价值最小的栅格位置中的一个栅格位置，该位置为机器人下一时刻的初始预测位置。
步骤9，多机器人智能管理系统为每一个机器人对应的决策区域内每一个位置计算优化评价值。
其中，E(xi)是xi栅格位置的优化评价值，其中xi∈X，是xi栅格位置的第二评价参数，当xi栅格位置是障碍物位置时，设置为一个正无穷大值∞+，当xi栅格位置是其他机器人下一时刻初始预测位置时，设置为一个正无穷大值∞+，当xi栅格位置既不是障碍物位置又不是其他机器人下一时刻初始预测位置时，设置为1。c1为第一距离评价参数，在系统初始化后被导入系统，该值在本实施例中设置为1，该值可以根据实际应用可以设置为其他值。c2为第二距离评价参数，在系统初始化后被导入系统，该值在本实施例中设置为1，该值可以根据实际应用可以设置为其他值。/>是机器人在当前位置运动到xi栅格位置的距离，是xi栅格位置到机器人目标位置的距离。
多机器人智能管理系统根据计算的机器人对应的决策区域内每一个位置的优化评价值来预测机器人下一时刻的优化预测位置。优化评价值最小的栅格位置为机器人下一时刻的优化预测位置。当存在有多个优化评价值最小的栅格位置时，设置选择规则，本实施例中设置的选择规则为距离xi栅格位置到机器人目标位置的距离越小优先级越高，/>相同时，机器人在当前位置运动到xi栅格位置的距离/>越小优先级越高。/>和/>相同时，栅格位置距离最近距离障碍物的距离越大优先级别越高。根据优先级确定多个优化评价值最小的栅格位置中的一个栅格位置，该位置为机器人下一时刻的优化预测位置。
当为一个机器人确定了优化预测位置后，更新该机器人的初始预测位置，将优化预测位置设置为初始预测位置，在为其他未计算优化预测位置的机器人计算优化预测位置时，需要用到已经计算完优化预测位置的机器人的初始预测位置，则直接使用优化预测位置。
步骤10，多机器人智能管理系统判断机器人的优化预测位置是否是该机器人的目标位置，如果是该机器人的目标位置，则机器人运动到该优化预测位置后，完成了该机器人的路径规划，直到所有机器人到达目标位置后，完成多机器人的路径规划。如果不是该机器人的目标位置，则机器人运动到该优化预测位置后，机器人当前位置更新，然后返回执行步骤4。
综上所述，本实施例提供的技术方案在复杂的环境中也能够高效、安全地做出路径规划，进而能够使多个机器人快速运动到目标位置。
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 (5)

1.一种用于多机器人协作的路径规划方法，其特征在于，包括：
S1、路径规划服务器对路径规划参数进行初始化，确定机器人的数量为n；
S2、路径规划服务器获取各个机器人的初始位置、目标位置和运动路径集合，机器人的初始运动路径集合只包括初始位置一个路径点；
S3、路径规划服务器根据各个机器人的初始位置和目标位置，建立机器人运行环境的全局二维栅格地图，二维栅格地图包括可通行栅格和障碍物栅格；
S4、机器人利用视觉传感器、超声波传感器、红外传感器和激光雷达探测其当前位置在当前时刻的周围环境，并把探测到的周围环境信息以及机器人的当前位置信息发送给路径规划服务器；
S5、路径规划服务器根据机器人的周围环境信息、目标位置信息、运动路径集合以及机器人的当前位置信息为机器人锁定决策区域；当运动路径集合中最后的(n-1)个路径点均为同一个位置且不是目标位置时，所述决策区域设定为以机器人在当前时刻的当前位置为中心，包括左上、上、右上、左、右、左下、下，右下8处栅格位置，当前位置不再为决策区域位置；当运动路径集合中最后的(n-1)个路径点不为同一个位置时，所述决策区域设定为以机器人在当前时刻的当前位置为中心，包括左上、上、右上、左、当前位置、右、左下、下，右下9处栅格位置；
S6、路径规划服务器根据机器人的当前位置、目标位置，以及障碍物的位置，为每个机器人对应的决策区域内的每个栅格位置计算初始评价值；该步骤中所述的路径规划服务器根据机器人的当前位置、目标位置，以及障碍物的位置，为每个机器人对应的决策区域内的每个栅格位置计算初始评价值，具体为：
式中，e(xi)是xi栅格位置的初始评价值，xi∈X，X为机器人的决策位置集合，X＝{x1,x2,x3,x4,x5,x6,x7,x8}或者X＝{x1,x2,x3,x4,x5,x6,x7,x8,x9}，其中，x1到x8分别对应机器人左上、上、右上、左、右、左下、下，右下8处栅格位置，x9对应当前位置；是xi栅格位置的第一评价参数，当xi栅格位置是障碍物位置时，设置为一个正无穷大值∞+，当xi栅格位置不是障碍物位置时，设置为1；c1为第一距离评价参数，c2为第二距离评价参数，c1、c2的在系统初始化后被导入系统；/>是机器人在当前位置运动到xi栅格位置的距离，/>是xi栅格位置到机器人目标位置的距离；
S7、路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的初始评价值预测机器人下一时刻的初始预测位置；该步骤中所述的路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的初始评价值预测机器人下一时刻的初始预测位置，具体为：
取初始评价值最小的栅格位置为机器人下一时刻的初始预测位置；
当存在有多个初始评价值最小的栅格位置时，选择规则为：距离xi栅格位置到机器人目标位置的距离越小优先级越高，/>相同时，机器人在当前位置运动到xi栅格位置的距离越小优先级越高；/>和/>相同时，栅格位置距离最近距离障碍物的距离越大优先级越高；根据优先级确定多个初始评价值最小的栅格位置中的一个栅格位置，该位置为机器人下一时刻的初始预测位置；
S8、路径规划服务器据机器人的当前位置、目标位置、障碍物的位置，以及各个机器人下一时刻的初始预测位置，为每个机器人对应的决策区域内的每个栅格位置计算优化评价值；
S9、路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的优化评价值预测机器人下一时刻的优化预测位置；
S10、路径规划服务器判断机器人下一时刻的优化预测位置是否为该机器人的目标位置；
S11、如果为是，则机器人运动到其下一时刻的优化预测位置时即到达目标位置；
S12、如果为否，则机器人运动到其下一时刻的优化预测位置后，更新其当前位置，将更新的当前位置存储到运动路径集合，然后执行S4。
2.如权利要求1所述的路径规划方法，其特征在于，S8中所述的路径规划服务器据机器人的当前位置、目标位置、障碍物的位置，以及各个机器人下一时刻的初始预测位置，为每个机器人对应的决策区域内的每个栅格位置计算优化评价值，具体为：
式中，E(xi)是xi栅格位置的优化评价值，xi∈X，X＝{x1,x2,x3,x4,x5,x6,x7,x8}，或者，X＝{x1,x2,x3,x4,x5,x6,x7,x8,x9}，其中，x1到x8分别对应机器人左上、上、右上、左、右、左下、下，右下8处栅格位置，x9对应当前位置；是xi栅格位置的第二评价参数，当xi栅格位置是障碍物位置时，设置为一个正无穷大值∞+，当xi栅格位置是其他机器人下一时刻初始预测位置时，设置为一个正无穷大值∞+，当xi栅格位置既不是障碍物位置又不是其他机器人下一时刻初始预测位置时，设置为1；c1为第一距离评价参数，c2为第二距离评价参数，c1、c2的在系统初始化后被导入系统；/>是机器人在当前位置运动到xi栅格位置的距离，/>是xi栅格位置到机器人目标位置的距离。
3.如权利要求2所述的路径规划方法，其特征在于，S9中所述的路径规划服务器根据计算出的机器人对应的决策区域内的栅格位置的优化评价值预测机器人下一时刻的优化预测位置，具体为：
取优化评价值最小的栅格位置为机器人下一时刻的优化预测位置；
当存在有多个优化评价值最小的栅格位置时，选择规则为：距离xi栅格位置到机器人目标位置的距离越小优先级越高，/>相同时，机器人在当前位置运动到xi栅格位置的距离越小优先级越高；/>和/>相同时，栅格位置距离最近距离障碍物的距离越大优先级别越高；根据优先级确定多个优化评价值最小的栅格位置中的一个栅格位置，该位置为机器人下一时刻的优化预测位置。
4.如权利要求1-3任一项所述的路径规划方法，其特征在于，第一距离评价参数c1、第二距离评价参数c2的取值为1。
5.一种用于多机器人的路径规划系统，其特征在于，包括：路径规划服务器和机器人，所述机器人的数量为多个，路径规划服务器与机器人之间建立网络连接，所述系统用于执行权利要求1-4任一项所述的路径规划方法。
CN202011129043.1A 2020-10-21 2020-10-21 一种用于多机器人协作的路径规划方法及系统 Active CN112415997B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011129043.1A CN112415997B (zh) 2020-10-21 2020-10-21 一种用于多机器人协作的路径规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011129043.1A CN112415997B (zh) 2020-10-21 2020-10-21 一种用于多机器人协作的路径规划方法及系统

Publications (2)

Publication Number Publication Date
CN112415997A CN112415997A (zh) 2021-02-26
CN112415997B true CN112415997B (zh) 2023-07-28

Family

ID=74840392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011129043.1A Active CN112415997B (zh) 2020-10-21 2020-10-21 一种用于多机器人协作的路径规划方法及系统

Country Status (1)

Country Link
CN (1) CN112415997B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112859885A (zh) * 2021-04-25 2021-05-28 四川远方云天食品科技有限公司 一种送料机器人路径协同优化方法
CN113485355B (zh) * 2021-07-27 2023-11-17 北京航空航天大学 一种机器人任务规划方法、系统及搜索机器人
CN115096293B (zh) * 2022-08-24 2022-11-04 北京极光愿景科技有限公司 多机器人协作的探测地图构建方法、装置及扫雷机器人

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106708054A (zh) * 2017-01-24 2017-05-24 贵州电网有限责任公司电力科学研究院 结合地图栅格与势场法避障的巡检机器人路径规划方法
CN111539574A (zh) * 2020-04-28 2020-08-14 北京洛必德科技有限公司 用于多机器人的订单派送方法及系统
CN111562785A (zh) * 2020-05-15 2020-08-21 中南大学 一种群集机器人协同覆盖的路径规划方法及系统
CN111609848A (zh) * 2020-05-21 2020-09-01 北京洛必德科技有限公司 一种用于多机器人协作建图的智能优化方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102009482B1 (ko) * 2012-10-30 2019-08-14 한화디펜스 주식회사 로봇의 경로계획 장치와 방법 및 상기 방법을 구현하는 프로그램이 기록된 기록 매체

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106708054A (zh) * 2017-01-24 2017-05-24 贵州电网有限责任公司电力科学研究院 结合地图栅格与势场法避障的巡检机器人路径规划方法
CN111539574A (zh) * 2020-04-28 2020-08-14 北京洛必德科技有限公司 用于多机器人的订单派送方法及系统
CN111562785A (zh) * 2020-05-15 2020-08-21 中南大学 一种群集机器人协同覆盖的路径规划方法及系统
CN111609848A (zh) * 2020-05-21 2020-09-01 北京洛必德科技有限公司 一种用于多机器人协作建图的智能优化方法及系统

Also Published As

Publication number Publication date
CN112415997A (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN112415997B (zh) 一种用于多机器人协作的路径规划方法及系统
CN108664022B (zh) 一种基于拓扑地图的机器人路径规划方法及系统
Wang et al. Efficient autonomous robotic exploration with semantic road map in indoor environments
Xu et al. A brief review of the intelligent algorithm for traveling salesman problem in UAV route planning
CN111609848B (zh) 一种用于多机器人协作建图的智能优化方法及系统
CN109523011B (zh) 一种面向多无人机协同探测的多传感器自适应管理方法
Bonny et al. Highly optimized Q‐learning‐based bees approach for mobile robot path planning in static and dynamic environments
Zhang et al. Path planning based quadtree representation for mobile robot using hybrid-simulated annealing and ant colony optimization algorithm
CN109947132A (zh) 基于rfid库存盘点的无人机三维路径规划方法
KR20160048530A (ko) 자율 이동 차량의 경로 생성 방법 및 경로 생성 장치
Secchi et al. A dynamic routing strategy for the traffic control of AGVs in automatic warehouses
Hoshino et al. Optimal patrolling methodology of mobile robot for unknown visitors
CN108227718B (zh) 一种自适应切换的自动搬运小车路径规划方法
CN109048910B (zh) 机器人避让预判方法及装置
Renzaglia et al. Distributed multi-robot coverage using micro aerial vehicles
FI130697B1 (en) SYSTEM AND METHOD FOR MANAGING DEVICES IN COMMUNICATION NETWORKS IMPLEMENTED IN THE PREMISES
CN116907510A (zh) 一种基于物联网技术的智能化运动识别方法
JP6285849B2 (ja) 行動制御システム、その方法及びプログラム
Bitton et al. Hydra: A framework and algorithms for mixed-initiative UAV-assisted search and rescue
US20230068618A1 (en) Delivery robot and control method of the delivery robot
CN114740849A (zh) 基于行人步行决策规则的移动机器人自主导航方法及装置
Singh et al. Motion planning of mobile robot using Fuzzy-GA method along with three path concept in dynamic environment
Wang et al. SRM: An efficient framework for autonomous robotic exploration in indoor environments
CN114543802B (zh) 可通行区域的探索方法、装置、存储介质及电子装置
Xue et al. Active SLAM with prior topo-metric graph starting at uncertain position

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