CN112445218A - 机器人路径规划方法、装置、服务器、存储介质及机器人 - Google Patents
机器人路径规划方法、装置、服务器、存储介质及机器人 Download PDFInfo
- Publication number
- CN112445218A CN112445218A CN201910815610.XA CN201910815610A CN112445218A CN 112445218 A CN112445218 A CN 112445218A CN 201910815610 A CN201910815610 A CN 201910815610A CN 112445218 A CN112445218 A CN 112445218A
- Authority
- CN
- China
- Prior art keywords
- path
- robot
- point
- key points
- key
- 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
- 238000013439 planning Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 23
- 238000001514 detection method Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000002940 Newton-Raphson method Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本申请公开了一种机器人路径规划方法、装置、服务器、存储介质及机器人,该机器人路径规划方法包括:对机器人的场地空间进行网格化,得到网格化的场地空间;获取机器人的起始点和目标点;基于起始点和目标点,在网格化的场地空间中确定多个路径关键点;基于起始点、目标点和多个路径关键点生成多条行驶路径;在多条行驶路径中确定最优路径和备选路径。本申请可以控制机器人先按照最优路径进行行驶,当机器人的最优路径上出现障碍点时,可以控制机器人按照备选路径或生成新的局部路径进行行驶,以规避障碍点,提高了机器人行驶速度和稳定性,行驶路径之间的关联性强,各行驶路径的重合部分不用多次重复加载,减少了系统加载行驶路径的工作量。
Description
技术领域
本发明涉及无人驾驶技术领域,具体涉及一种机器人路径规划方法、装置、服务器、存储介质及机器人。
背景技术
在物流行业中,无人仓库已成为行业趋势,其通过多个机器人自动对货物进行搬运,极大的提高了货物的搬运效率,减少了人工成本。
其中,对多个机器人在场地中的路径规划是实现机器人自动搬运货物的基础,现有技术中,通常会在场地中设计出多条固定路径,使机器人按照固定路径进行行驶,若某一机器人出现故障,会造成该机器人所在路径上的其它机器人也无法工作,对无人仓库的整体效率造成影响。
发明内容
本发明实施例提供一种机器人路径规划方法、装置、服务器、存储介质及机器人,旨在改进机器人路径规划方法,使机器人能够有效规避行驶路径上的障碍点,提高机器人行驶速度和稳定性。
为了解决上述问题,第一方面,本发明实施例提供一种机器人路径规划方法,所述方法包括:
对机器人的场地空间进行网格化,得到网格化的场地空间;
获取机器人的起始点和目标点;
基于所述起始点和所述目标点,在所述网格化的场地空间中确定多个路径关键点;
基于所述起始点、所述目标点和所述多个路径关键点生成多条行驶路径;
在所述多条行驶路径中确定最优路径和备选路径。
在本申请的一些实施例中,所述基于所述起始点、所述目标点和所述多个路径关键点生成多条行驶路径,包括:
获取所述多个路径关键点的信息;
根据所述多个路径关键点信息,建立路径关联表;
根据所述起始点、所述目标点和所述多个路径关键点,确定目标路径关键点;
根据所述目标路径关键点生成多条行驶路径。
在本申请的一些实施例中,所述根据所述多个路径关键点的信息,建立路径关联表,包括:
基于所述多个路径关键点的信息确定多个路径关键点之间的前后连接关系;
基于多个路径关键点之间的前后连接关系,建立路径关联表。
在本申请的一些实施例中,所述根据所述起始点、所述目标点和所述多个路径关键点,确定目标路径关键点,包括:
确定所述起始点对应的第一路径关键点和所述目标点对应的第二路径关键点;
基于所述第一路径关键点和第二路径关键点,从所述路径关联表中查找连接在所述第一路径关键点和所述第二路径关键点之间的路径关键点,作为目标路径关键点。
在本申请的一些实施例中,所述路径关键点的信息包括路径关键点的行驶方向;所述方法还包括:
检测有前后连接关系的两个路径关键点的行驶方向;
将有前后连接关系,且行驶方向形成的夹角大于或等于预设角度的两个路径关键点,作为拐弯路径关键点;
在两个拐弯路径关键点之间生成圆弧转弯轨迹。
在本申请的一些实施例中,所述方法还包括:
检测所述机器人的最优路径上是否出现障碍点;
若是,则检测所述机器人的备选路径上是否出现障碍点;
若否,则从所述备选路径中确定所述机器人行驶路径。
在本申请的一些实施例中,所述方法还包括:
若检测出所述机器人的最优路径和备选路径上均出现障碍点,则获取与所述最优路径上的故障点预设范围内的路径关键点作为避让路径关键点;
基于所述避让路径关键点与所述优选路径上的路径关键点的前后连接关系,生成避让路径。
在本申请的一些实施例中,所述方法还包括:
若检测出所述机器人的最优路径和备选路径上均出现障碍点,则在所述最优路径上的故障点预设范围内创建新的路径关键点;
确定所述新的路径关键点与所述优选路径上的路径关键点的前后连接关系;
基于所述新的路径关键点和所述优选路径上的路径关键点,生成避让路径。
在本申请的一些实施例中,所述对机器人的场地空间进行网格化,得到网格化的场地空间,包括:
获取所述机器人的底盘尺寸;
基于所述机器人的底盘尺寸确定单个网格的尺寸;
基于所述单个网格的尺寸对所述场地空间进行网格化,得到网格化的场地空间。
第二方面,本申请还提供一种机器人路径规划装置,包括:
网格化单元,用于对机器人的场地空间进行网格化,得到网格化的场地空间;
第一获取单元,用于获取机器人的起始点和目标点;
第一确定单元,用于基于所述起始点和所述目标点,在所述网格化的场地空间中确定多个路径关键点;
路径规划单元,用于基于所述起始点、所述目标点和所述多个路径关键点生成多条行驶路径;
路径确定单元,用于在所述多条行驶路径中确定最优路径和备选路径。
在本申请的一些实施例中,所述路径规划单元包括:
第二获取单元,用于获取所述多个路径关键点的信息;
关系表生成单元,用于根据所述多个路径关键点的信息,建立路径关联表;
第二确定单元,用于根据所述起始点、所述目标点和所述多个路径关键点,确定目标路径关键点;
路径规划子单元,用于根据所述目标路径关键点生成多条行驶路径。
在本申请的一些实施例中,所述关系表生成单元包括:
第三确定单元,用于基于所述多个路径关键点的信息确定多个路径关键点之间的前后连接关系;
关系表生成子单元,用于基于多个路径关键点之间的前后连接关系,建立路径关联表。
在本申请的一些实施例中,所述第二确定单元包括:
第一确定子单元,用于确定所述起始点对应的第一路径关键点和所述目标点对应的第二路径关键点;
第二确定子单元,用于基于所述第一路径关键点和第二路径关键点,从所述路径关联表中查找连接在所述第一路径关键点和所述第二路径关键点之间的路径关键点,作为目标路径关键点。
在本申请的一些实施例中,所述路径关键点的信息包括路径关键点的行驶方向;所述机器人路径规划装置还包括:
第一检测单元,用于检测有前后连接关系的两个路径关键点的行驶方向;
第四确定单元,用于将有前后连接关系,且行驶方向形成的夹角大于或等于预设角度的两个路径关键点,作为拐弯路径关键点;
第一生成单元,用于在两个拐弯路径关键点之间生成圆弧转弯轨迹。
在本申请的一些实施例中,所述机器人路径规划装置还包括:
第二检测装置,用于检测所述机器人的最优路径上是否出现障碍点;
第三检测装置,用于在所述机器人的最优路径上出现障碍点时,则检测所述机器人的备选路径上是否出现障碍点;
路径选择单元,用于在所述机器人的备选路径上未出现障碍点时,从所述备选路径中确定所述机器人行驶路径。
在本申请的一些实施例中,所述机器人路径规划装置还包括:
第三获取单元,用于在检测出所述机器人的最优路径和备选路径上均出现障碍点时,获取与所述最优路径上的故障点预设范围内的路径关键点作为避让路径关键点;
第二生成单元,用于基于所述避让路径关键点与所述优选路径上的路径关键点的前后连接关系,生成避让路径。
在本申请的一些实施例中,所述机器人路径规划装置还包括:
路径关键点新建单元,用于在检测出所述机器人的最优路径和备选路径上均出现障碍点时,在所述最优路径上的故障点预设范围内创建新的路径关键点;
第五确定单元,用于确定所述新的路径关键点与所述优选路径上的路径关键点的前后连接关系;
第三生成单元,基于所述新的路径关键点和所述优选路径上的路径关键点,生成避让路径。
在本申请的一些实施例中,所述网格化单元包括:
尺寸获取单元,用于获取所述机器人的底盘尺寸;
尺寸确定单元,用于基于所述机器人的底盘尺寸确定单个网格的尺寸;
网格化子单元,用于基于所述单个网格的尺寸对所述场地空间进行网格化,得到网格化的场地空间。
第三方面,本申请还提供一种服务器,所述服务器包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现第一方面中任一项所述的机器人路径规划方法。
第四方面,本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行第一方面中任一项所述的机器人路径规划方法中的步骤。
第五方面,本申请还提供一种机器人,所述机器人包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现第一方面中任一项所述的机器人路径规划方法。
本发明实施例通过对机器人的场地空间进行网格化,并基于机器人的起始点和目标点,在场地空间中确定多个路径关键点,然后通过多个路径关键点能够快速有效的生成多条连接在起始点和目标点之间的行驶路径,从中确定出最优路径和备选路径,可以控制机器人先按照最优路径进行行驶,由于有备选路径的存在,当机器人的最优路径上出现障碍点时,可以控制机器人按照备选路径进行行驶,以规避障碍点,从而提高机器人行驶速度和稳定性,而且,由于机器人的行驶路径是通过多个路径关键点确定,每条行驶路径之间的关联性强,各行驶路径的重合部分不用多次重复加载,减少了系统加载行驶路径的工作量。
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是本发明实施例提供的机器人路径规划方法的一个实施例流程示意图;
图2是本发明实施例提供的场地空间的一个实施例的结构示意图;
图3是本发明实施例中步骤104的一个实施例流程示意图;
图4是本发明实施例提供的机器人在拐弯处的行驶轨迹示意图;
图5是现有技术中机器人在拐弯处的行驶轨迹示意图;
图6是本发明实施提供的机器人在障碍点处的避让路径示意图;
图7是本发明实施例提供的机器人路径规划方法的整体流程图;
图8是本发明实施例提供的机器人路径规划装置的一个实施例结构示意图;
图9是本发明实施例提供的服务器的一个实施例结构示意图。
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。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示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一个或者更多个所述特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,“示例性”一词用来表示“用作例子、例证或说明”。本发明中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本发明。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本发明的描述变得晦涩。因此,本发明并非旨在限于所示的实施例,而是与符合本发明所公开的原理和特征的最广范围相一致。
本发明实施例提供一种机器人路径规划方法、装置、服务器、计算机可读存储介质及机器人。以下分别进行详细说明。
首先,本发明实施例提供一种机器人路径规划方法,该机器人路径规划方法包括:对机器人的场地空间进行网格化,得到网格化的场地空间;获取机器人的起始点和目标点;基于所述起始点和所述目标点,在所述网格化的场地空间中确定多个路径关键点;基于所述起始点、所述目标点和所述多个路径关键点生成多条行驶路径;在所述多条行驶路径中确定最优路径和备选路径。
图1所示为本发明实施例提供的一种机器人路径规划方法的一个实施例的流程示意图。如图1所示,该机器人路径规划方法的执行主体可以是本发明实施例提供的机器人路径规划装置,或者集成了该机器人路径规划装置的服务器、计算机可读存储介质、机器人等等。其中,机器人可以是自动导引运输车(Automated Guided Vehicle,AGV)、无人配送车、无人叉车、无人驾驶汽车等等,此处不作限制。
如图1所示,本发明实施例一实施例的机器人路径规划方法包括步骤101至步骤105,详细说明如下:
101、对机器人的场地空间进行网格化,得到网格化的场地空间。
在本发明一些实施例中,机器人的场地空间可以是供机器人移动的空间。例如:当机器人为自动导引运输车(AGV)、无人配送车、无人叉车等用于无人仓库中的搬运车辆时,则场地空间可以为无人仓库内供机器人移动的空间;当机器人为无人驾驶汽车或其它交通工具时,则场地空间可以为道路。
具体的,在本发明一些实施例中,所述对机器人的场地空间进行网格化,得到网格化的场地空间的方法可以包括如下步骤,详细描述如下:
(1)、获取所述机器人的底盘尺寸。
其中,机器人的底盘可以是机器人底部的尺寸,该尺寸具体可包括形状、面积等等。当机器人为无人驾驶汽车或其它交通工具时,机器人的底盘可以为包括传动系、行驶系、转向系和制动系四部分组成的结构。
(2)、基于所述机器人的底盘尺寸确定单个网格的尺寸。
在本发明一些实施中,可以基于机器人的底盘尺寸确定场地空间中单个网格的尺寸。其中,单个网格的尺寸可以与机器人的底盘尺寸相同,也可以略大于或略小于机器人的底盘尺寸。另外,单个网格形状可以与机器人的底盘形状相同,也可以与机器人的底盘形状不同,此处不作限制。
(3)、基于所述单个网格的尺寸对所述场地空间进行网格化,得到网格化的场地空间。
在本发明一些实施中,在基于机器人的底盘尺寸确定单个网格的尺寸后,可以对场地空间按照单个网格的尺寸进行划分,以将场地空间进行网格化,得到网格化的场地空间。
在一些实施例中,将场地空间进行网格化,得到网格化的场地空间可以是:在确定机器人的场地空间后,可以在场地空间中的预设位置为坐标原点建立坐标系,然后以预设网格边长对场地空间划分网格,得到网格化的场地空间。具体如图2所示,场地空间的左下角为坐标原点,将场地空间沿横坐标(X)和纵坐标(Y)按照预设边长进行划分,从而实现对场地空间网格化,并确定出每个网格的相对位置,得到网格化的场地空间。
如图2所示,可以以单个网格为正方形,将场地空间划分为包括多个正方形的网格结构,机器人在场地空间中的装货口(S1、S2)、卸货口(1-12)、终点(E1、E2)等分别位于其中一个或多个正方形的网格中。
102、获取机器人的起始点和目标点。
具体的,在本发明一些实施中,可以根据机器人需要搬运的货物的物流信息,获取机器人的起始点和目标点。对于机器人需要搬运的货物,当货物的物流信息不同时,机器人的起始点和目标点也不同。例如图2所示,当机器人开始搬运货物时,机器人的起点为无人仓库中的装货口(S1、S2)、目标点为无人仓库中的卸货口(1-12),当机器人在卸货口卸货后,机器人的起点可以为无人仓库中的卸货口(1-12),目标点为无人仓库中的终点(E1、E2)。
103、基于所述起始点和所述目标点,在所述网格化的场地空间中确定多个路径关键点。
在本发明一些实施例中,路径关键点是机器人由起始点至目标点的行驶路径中的一些与场地空间的网格相对应的特殊点,根据机器人在路径关键点的作用,可以将路径关键点分为两种。其中一种路径关键点是用于控制机器人调度决策的特殊点,机器人到达这种特殊点后,会完成一些装货、卸货、充电等调度决策。另一种路径关键点是用于控制机器人运动决策的特殊点,当机器人到达这种控制点后,会对自身的运动状态进行调整,具体例如:调整行驶方向、加速、减速等等,以确保机器人能够按照预定的路径行驶。
104、基于所述起始点、所述目标点和所述多个路径关键点生成多条行驶路径。
在本发明一些实施例中,在获取机器人的起始点和目标点后,可以根据起始点和目标点之间的路径关键点生成多条行驶路径,每条行驶路径可以包括起始点、目标点,以及部分路径关键点,使机器人按照该行驶路径能够从起始点移动至目标点。由于行驶路径上的各路径关键点可以包含整条路径的调度及运动信息,不用确定行驶路径上所有的点,因此,存储量小,更有利于机器人的调度和控制。
具体的,如图3所示,所述基于所述起始点、所述目标点和所述多个路径关键点生成多条行驶路径的方法,可以包括步骤1041至步骤1044,详细描述如下:
1041、获取所述多个路径关键点的信息。
在本发明一些实施例中,每个路径关键点都可以包含有其自身的信息,该信息包括位置、行驶方向及属性。
其中,路径关键点的位置信息是指路径关键点在场景空间中的网格的位置。例如:路径关键点与场地空间中第10列、第6行的网格对应,则路径关键点的位置信息可以为(10,6)。
具体的,路径关键点的行驶方向为机器人在该路径关键点处的行驶方向,例如:机器人当前所在的路径关键点为A,机器人需要行驶到的下一个路径关键点为B,若路径关键点B在路径关键点A的正西方向,则机器人在路径关键点A应向左运动才能到达路径关键点B,故路径关键点A的行驶方向为正西方向。
另外,路径关键点的属性可以包括机器人在该路径关键点的应该执行的调度决定,该调度决定可以包括装货、卸货、充电、拐弯等等。其中,路径关键点的属性可以由机器人的起始点和目标点共同决定。例如:当路径关键点为机器人的装货口时,则该路径关键点的属性可以定义为机器人接到货后去送货;当路径关键点为机器人的卸货口时,则该路径关键点的属性可以定义为机器人卸货完成后去充电。
1042、根据所述多个路径关键点的信息,建立路径关联表。
在本发明一些实施例中,可以根据多个路径关键点的位置、行驶方向、属性等信息,确定各路径关键点之间的关系,从而建立路径关联表。由此,当确定一个路径关键点后,可以很方便的通过路径关联表查找到与该路径关键点相关的其它路径关键点,从而快速生成行驶路径。
在本发明的一些实施例中,所述根据所述多个路径关键点的信息,建立路径关联表的方法,可以包括步骤(1)和步骤(2),详细描述如下:
(1)、基于所述多个路径关键点的信息确定多个路径关键点之间的前后连接关系。
在本发明一些实施例中,多个路径关键点之间的前后连接关系是指机器人的行驶路径上的前后关系。
具体例如:机器人当前所在的路径关键点为A,机器人需要行驶到的下一个路径关键点为B,然后再由路径关键点B行驶到路径关键点C,则路径关键点A为路径关键点B的向前关联点,路径关键点C为路径关键点B的向后关联点。
其中,机器人在有前后连接关系的两个路径关键点之间的行驶轨迹可以通过A星(Astar,A*)算法、网格(Lattice)算法、最大期望(Expectation-Maximization algorithm,EM)算法等等,具体的生成方法此处不作限定。
其中,A星算法是启发式搜索算法之一,其在检查最短路径中每个可能的节点时引入了全局信息,对当前节点距终点的距离做出估计,并作为评价该节点处于最短路线上的可能性的量度,并最终获得混合A星轨迹。
网格(Lattice)算法先采样足够多的轨迹,以提供尽可能多的选择,然后计算每一条轨迹计算的cost,该cost考虑了轨迹的可行性、安全性等因素,最后,先挑选出cost最低的轨迹,对其进行物理限制检测和碰撞检测,如果挑出来的轨迹不能同时通过可行性、安全性等检测,就将其筛除,考察下一条cost最低的轨迹,直至选出符合要求的轨迹,并将该轨迹作为规划轨迹输出。
最大期望(EM)算法主要是在地图上进行机动撒点,然后通过预设的代价函数(cost function)一层一层的进行动态规划,从而对问题进行了有效的简化,最后再通过平滑的曲线连接各层采样点得到最终的EM轨迹。最大期望(EM)算法,是一类通过迭代进行极大似然估计(Maximum Likelihood Estimation,MLE)的优化算法,通常作为牛顿迭代法(Newton-Raphson method)的替代用于对包含隐变量(latent variable)或缺失数据(incomplete-data)的概率模型进行参数估计。EM算法的标准计算框架由E步(Expectation-step)和M步(Maximization step)交替组成,算法的收敛性可以确保迭代至少逼近局部极大值。EM算法是MM算法(Minorize-Maximization algorithm)的特例之一,有多个改进版本,包括使用了贝叶斯推断的EM算法、EM梯度算法、广义EM算法等。本发明实施例中EM算法可以是贝叶斯推断的EM算法、EM梯度算法、广义EM算法等,具体此处不作限定。
需要说明的是,利用网格算法、EM算法、A星算法等生成车辆轨迹为现有技术中常用的轨迹计算方法,此处不再赘述。
(2)、基于多个路径关键点之间的前后连接关系,建立路径关联表。
在本发明一些实施例中,可以以机器人的所有行驶路径上的路径关键点为对象,和其他路径关键点组成路径关联表。
如下表所示,路径关键节点1的前一个路径关键节点为关键节点0;路径关键节点n的前一个路径关键节点包括路径关键节点2和路径关键节点5。通过路径关联表,可以很方便的确定某个路径关键节点的前一个路径关键节点和下一个路径关键节点。
在本发明一些实施例中,当所述路径关键点的信息包括路径关键点的行驶方向时;所述机器人路径规划方法还可以进一步包括如下步骤,详细描述如下:
(1)、检测有前后连接关系的两个路径关键点的行驶方向。
(2)、将有前后连接关系,且行驶方向形成的夹角大于或等于预设角度的两个路径关键点,作为拐弯路径关键点。
在本发明一些实施例中,可以检测路径关联表中具有前后连接关系的两个路径关键点的行驶方向,当两个路径关键点有前后连接关系,且两个路径关键点的行驶方向形成的夹角大于或等于预设角度时,说明机器人在从其中一个路径关键点行驶至另一个路径关键点时,需要进行拐弯,可以将这两个路径关键点作为拐弯路径关键点。
(3)、在两个拐弯路径关键点之间生成圆弧转弯轨迹。
在本发明一些实施例中,如图4所示,可以通过现有网格的分布情况,并根据两个拐弯路径关键点的位置,计算出两个拐弯路径关键点之间的圆弧转弯轨迹,使机器人实现按照圆弧进行拐弯,无需进行减速。显然,这种使机器人在拐弯处按照圆弧进行拐弯的方式,和现有技术中控制机器人在拐弯点处先停止,并旋转移动角度后,在加速行驶的拐弯方式(图5所示)相比,提高机器人的运行效率。
1043、根据所述起始点、所述目标点和所述多个路径关键点,确定目标路径关键点。
在本发明一些实施例中,可以在确定机器人的起始点和目标点后,可以根据起始点和目标点从多个路径关键点中确定目标路径点,该目标路径点是用于确定机器人行驶路径的路径关键点。
在本发明一些实施例中,所述根据所述起始点、所述目标点和所述多个路径关键点,确定目标路径关键点的方法可以包括如下步骤,具体如下:确定所述起始点对应的第一路径关键点和所述目标点对应的第二路径关键点;基于所述第一路径关键点和第二路径关键点,从所述路径关联表中查找连接在所述第一路径关键点和所述第二路径关键点之间的路径关键点,作为目标路径关键点。
其中,机器人的起始点和目标点位于场地空间中,可以根据机器人的起始点所在的网格确定为第一路径关键点,将目标点所在的网格确定为第二路径关键点。
在本发明一些实施例中,当机器人的起始点对应的第一路径关键点和目标点对应的路径关键点确定后,可以从路径关联表中查找起始点所对应的第一路径关键点向后关联的路径关键点1,然后再查找路径关键点1点向后关联的路径关键点2,依次类推,直至查找到机器人的目标点所对应的第二路径关键点向前关联的路径关键点n。其中,路径关键点1至路径关键点n可以作为目标路径关键点。
1044、根据所述目标路径关键点生成多条行驶路径。
在本发明一些实施例中,可以将起始点对应的第一路径关键点、路径关键点1至路径关键点n,以及目标点对应的第二路径关键点依次连接形成机器人的行驶路径。可以理解的是,由于起始点对应的路径关键点的向后关联的路径关键点可以有多个,因此,可以形成多条行驶路径。
如图2所示,1-12为场地空间的卸货口,S1与S2为机器人装货口,E1与E2为机器人行驶路径的终点,机器人将货物从S1装货口运输至5号卸货口的行驶路径所包括的路径关键点为S1、A、B、C、D和E。机器人从S1装货口移动至终点E1的行驶路径所包括的路径关键点为E、F、G、H、I、J、E1。
105、在所述多条行驶路径中确定最优路径和备选路径。
本发明实施例通过对机器人的场地空间进行网格化,并基于机器人的起始点和目标点,在场地空间中确定多个路径关键点,然后通过多个路径关键点能够快速有效的生成多条连接在起始点和目标点之间的行驶路径,从中确定出最优路径和备选路径。可以控制机器人先按照最优路径进行行驶,由于有备选路径的存在,当机器人的最优路径上出现障碍点时,可以控制机器人按照备选路径进行行驶,以规避障碍点,从而提高机器人行驶速度和稳定性,而且,由于机器人的行驶路径是通过多个路径关键点确定,每条行驶路径之间的关联性强,各行驶路径的重合部分不用多次重复加载,减少了系统加载行驶路径的工作量。
在本发明一些实施例中,可以多条行驶路径中,能够使机器人行驶速度最快,或者,使机器人的行驶速度最快的行驶路径确定为最优路径,并将其它全部或部分行驶路径确定为备选路径。另外,还可以按照其它条件从多条行驶路径中确定最优路径和备选路径,此处不作限制。
在一些实施例中,所述机器人路径规划方法还可以包括步骤如下步骤,具体如下:检测所述机器人的最优路径上是否出现障碍点;若是,则检测所述机器人的备选路径上是否出现障碍点;若否,则从所述备选路径中确定所述机器人行驶路径。
在本发明一些实施例中,机器人会将自己的位置和状态上报给服务器,当服务器检测到目标机器人的最优行驶路径上出现拥堵,或者,目标机器人的最优行驶路径上出现其它机器人宕机时,确定机器人的最优路径上出现了障碍点,且出现拥堵的位置,或者,机器人宕机的位置为障碍点。
此外,若优选路径上不存在拥堵,但与优选路径相交的其它行驶路径上存在拥堵,且随着拥堵时间延长,其它行驶路径上的机器人可能拥堵至于优选路径相交的位置,此时,也可以确定最优路径上出现障碍点。
在本发明一些实施例中,当检测大到机器人的最优路径上出现障碍点时,可以对该机器人的备选路径进行检测,以确定备选路径上是否出现障碍点,其检测方式与优选路径上故障点的检测方式基本相同。其中,由于备选路径有多条,因此,可以对每条备选路径均进行检测。
若机器人的最优路径上出现障碍点,而机器人的备选路径上未出现障碍点,则可以控制机器人沿备选路径进行行驶,以绕开障碍点。
在本发明一些实施例中,所述机器人路径规划方法还可以包括如下步骤:、若检测出所述机器人的最优路径和备选路径上均出现障碍点,则获取与所述最优路径上的故障点预设范围内的路径关键点作为避让路径关键点;基于所述避让路径关键点与所述优选路径上的路径关键点的前后连接关系,生成避让路径。
具体的,最优路径上的故障点预设范围的大小可根据障碍点的大小而定,以使机器人沿避让路径关键点行驶时,能够避让障碍点,且行驶路径较短即可。其中,最优路径上的故障点预设范围内的路径关键点可以是其它机器人的形式路径上的路径关键点。
在本发明一些实施例中,当确定避让路径关键点后,可以从路径关联表中查找避让路径关键点与机器人的优选路径上的路径关键点的前后连接关系,确定优选路径上位于障碍点之前的路径关键点,向后关联的避让路径关键点1,然后,再查找避让路径关键点1向后关联的避让路径关键点2依次类推,直至查找优选路径上位于障碍点之后的路径关键点,向前关联的避让路径关键点n。将优选路径上位于障碍点之前的路径关键点、避让路径关键点1至避让路径关键点n,以及优选路径上位于障碍点之后的路径关键点依次连接形成机器人的避让路径。可以理解的是,由于起始点对应的第一路径关键点的向后关联的路径关键点可以有多个,因此,可以形成多条行驶路径。
具体地,如图6所示,机器人的优选路径上存在路径关键点A和B,其它机器人的行驶路径上存在路径关键点C和D,AB段路径和CD段路径存在交点M,若M出现拥堵,且AM段靠近M点的一段为拥堵段,而CM段并未出现拥堵,且机器人可以由路径关键点A移动至路径关键点C,则可以将路径关键点C作为一个避让路径关键点,使机器人从路径关键点A先移动至路径关键点C,然后再从路径关键点C移动至路径关键点B,以避开M点。
其中,为了尽量减小机器人的移动路径,可以在保证机器人绕开M点的情况下,选择AM段上的某个路径关键点,以及CM段上的某个避让关键点生成避让路径,以缩短避让路径的长度。具体如图5所示,可以选择AM段上的路径关键点r1s,并选择CM段上的避让路径关键点r3s,然后通过路径关联表查找出关联路径关键点r1s、r1e、r2s、r2e、r3e、r4s和r4e,使机器人按照A、r1s、r1e、r2s、r2e、r3s、r3e、r4s、r4e依次行驶,其中,r4e与B点重合。当然,也可以从DM段上选择避让路径关键点,此处不再赘述。
在本发明一些实施例中,所述机器人路径规划方法还可以进一步包括如下步骤:若检测出所述机器人的最优路径和备选路径上均出现障碍点,则在所述最优路径上的故障点预设范围内创建新的路径关键点;确定所述新的路径关键点与所述优选路径上的路径关键点的前后连接关系;基于所述新的路径关键点和所述优选路径上的路径关键点,生成避让路径。
其中,当检测出机器人的最优路径和备选路径上均出现障碍点时,也可以在最优路径上的故障点预设范围内创建新的路径关键点,以使机器人沿新的路径关键点行驶,并避让障碍点。
在本发明一些实施例中,可以在新的路径关键点与机器人的优选路径上的路径关键点的前后连接关系确定后,将新的路径关键点添加至路径关系表中,以便于在后续生成避让路径时查询。
另外,可以从路径关联表中查找新的路径关键点与机器人的优选路径上的路径关键点的前后连接关系,确定优选路径上位于障碍点之前的路径关键点,向后关联的新的路径关键点1,然后,再查找新的路径关键点1向后关联的新的路径关键点2依次类推,直至查找优选路径上位于障碍点之后的路径关键点,向前关联的新的路径关键点n。将优选路径上位于障碍点之前的路径关键点、新的路径关键点1至新的路径关键点n,以及优选路径上位于障碍点之后的路径关键点依次连接形成机器人的避让路径。
下面以图7为例对本发明实施例的机器人路径规划方法进行说明。如图7所示,路径1与路径2为对应装货口到卸货口的最优路径。
在本发明一些实施例中,当机器人沿路径2行驶,而路径2的关键节点2出现障碍点时,可以通过备用路径绕过关键节点2。当机器人沿路径1行驶,而路径1的关键节点1出现障碍点,且机器人的备选路径也无法行驶时,可选择路径2的关键节点2借道,以绕开关键节点1;或者,也可以在关键节点1的附近产生新的关键节点,通过该新的关键节点形成避让路径。
为了更好实施本发明实施例中机器人路径规划方法,在机器人路径规划方法基础之上,如图8所示,本发明实施例中还提供一种机器人路径规划装置800,该机器人路径规划装置800包括网格化单元801、第一获取单元802、第一确定单803、路径规划单元804和路径确定单元805,其中,网格化单元801用于对机器人的场地空间进行网格化,得到网格化的场地空间;第一获取单元802用于获取机器人的起始点和目标点;第一确定单元803用于基于所述起始点和所述目标点,在所述网格化的场地空间中确定多个路径关键点;路径规划单元804用于基于所述起始点、所述目标点和所述多个路径关键点生成多条行驶路径;路径确定单元805用于在所述多条行驶路径中确定最优路径和备选路径。
在本发明一些实施例中,所述路径规划单元804包括:
第二获取单元,用于获取所述多个路径关键点的信息;
关系表生成单元,用于根据所述多个路径关键点的信息,建立路径关联表;
第二确定单元,用于根据所述起始点、所述目标点和所述多个路径关键点,确定目标路径关键点;
路径规划子单元,用于根据所述目标路径关键点生成多条行驶路径。
在一些实施例中,所述关系表生成单元包括:
第三确定单元,用于基于所述多个路径关键点的信息确定多个路径关键点之间的前后连接关系;
关系表生成子单元,用于基于多个路径关键点之间的前后连接关系,建立路径关联表。
在本发明一些实施例中,所述第二确定单元包括:
第一确定子单元,用于确定所述起始点对应的第一路径关键点和所述目标点对应的第二路径关键点;
第二确定子单元,用于基于所述第一路径关键点和第二路径关键点,从所述路径关联表中查找连接在所述第一路径关键点和所述第二路径关键点之间的路径关键点,作为目标路径关键点。
在本发明一些实施例中,所述路径关键点的信息包括路径关键点的行驶方向;所述机器人路径规划装置800还包括:
第一检测单元,用于检测有前后连接关系的两个路径关键点的行驶方向;
第四确定单元,用于将有前后连接关系,且行驶方向形成的夹角大于或等于预设角度的两个路径关键点,作为拐弯路径关键点;
第一生成单元,用于在两个拐弯路径关键点之间生成圆弧转弯轨迹。
在本发明一些实施例中,所述机器人路径规划装置800还包括:
第二检测装置,用于检测所述机器人的最优路径上是否出现障碍点;
第三检测装置,用于在所述机器人的最优路径上出现障碍点时,则检测所述机器人的备选路径上是否出现障碍点;
路径选择单元,用于在所述机器人的备选路径上未出现障碍点时,从所述备选路径中确定所述机器人行驶路径。
在本发明一些实施例中,所述机器人路径规划装置800还包括:
第三获取单元,用于在检测出所述机器人的最优路径和备选路径上均出现障碍点时,获取与所述最优路径上的故障点预设范围内的路径关键点作为避让路径关键点;
第二生成单元,用于基于所述避让路径关键点与所述优选路径上的路径关键点的前后连接关系,生成避让路径。
在一些实施例中,所述机器人路径规划装置800还包括:
路径关键点新建单元,用于在检测出所述机器人的最优路径和备选路径上均出现障碍点时,在所述最优路径上的故障点预设范围内创建新的路径关键点;
第五确定单元,用于确定所述新的路径关键点与所述优选路径上的路径关键点的前后连接关系;
第三生成单元,基于所述新的路径关键点和所述优选路径上的路径关键点,生成避让路径。
在本发明一些实施例中,所述网格化单元801包括:
尺寸获取单元,用于获取所述机器人的底盘尺寸;
尺寸确定单元,用于基于所述机器人的底盘尺寸确定单个网格的尺寸;
网格化子单元,用于基于所述单个网格的尺寸对所述场地空间进行网格化,得到网格化的场地空间。
本发明实施还提供一种机器人,其集成了本发明实施例所提供的任一种机器人路径规划装置,该机器人包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现本发明实施例所提供的任一种机器人路径规划方法中的步骤。
另外,本发明实施例还提供一种服务器,其集成了本发明实施例所提供的任一种机器人路径规划装置,所述服务器包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行上述机器人路径规划方法实施例中任一实施例中所述的机器人路径规划方法中的步骤。
如图9所示,其示出了本发明实施例所涉及的服务器的结构示意图,具体来讲:
该服务器可以包括一个或者一个以上处理核心的处理器901、一个或一个以上计算机可读存储介质的存储器902、电源903和输入单元904等部件。本领域技术人员可以理解,图9中示出的服务器结构并不构成对服务器的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器901是该服务器的控制中心,利用各种接口和线路连接整个服务器的各个部分,通过运行或执行存储在存储器902内的软件程序和/或模块,以及调用存储在存储器902内的数据,执行服务器的各种功能和处理数据,从而对服务器进行整体监控。可选的,处理器901可包括一个或多个处理核心;优选的,处理器901可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器901中。
存储器902可用于存储软件程序以及模块,处理器901通过运行存储在存储器902的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器902可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据服务器的使用所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器902还可以包括存储器控制器,以提供处理器901对存储器902的访问。
服务器还包括给各个部件供电的电源903,优选的,电源903可以通过电源管理系统与处理器901逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源903还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该服务器还可包括输入单元904,该输入单元904可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,服务器还可以包括显示单元等,在此不再赘述。具体在本实施例中,服务器中的处理器901会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器902中,并由处理器901来运行存储在存储器902中的应用程序,从而实现各种功能,如下:
对机器人的场地空间进行网格化,得到网格化的场地空间;
获取机器人的起始点和目标点;
基于所述起始点和所述目标点,在所述网格化的场地空间中确定多个路径关键点;
基于所述起始点、所述目标点和所述多个路径关键点生成多条行驶路径;
在所述多条行驶路径中确定最优路径和备选路径。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本发明实施例提供一种计算机可读存储介质,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random AccessMemory)、磁盘或光盘等。该计算机可读存储介质中存储有多条指令,该指令能够被处理器进行加载,以执行本发明实施例所提供的任一种机器人路径规划方法中的步骤。例如,该指令可以执行如下步骤:
对机器人的场地空间进行网格化,得到网格化的场地空间;
获取机器人的起始点和目标点;
基于所述起始点和所述目标点,在所述网格化的场地空间中确定多个路径关键点;
基于所述起始点、所述目标点和所述多个路径关键点生成多条行驶路径;
在所述多条行驶路径中确定最优路径和备选路径。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见上文针对其他实施例的详细描述,此处不再赘述。
具体实施时,以上各个单元或结构可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元或结构的具体实施可参见前面的方法实施例,在此不再赘述。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
以上对本发明实施例所提供的一种机器人路径规划方法、装置、服务器、存储介质及机器人进行了详细介绍,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用于帮助理解本发明的方法及其核心思想;对于本领域的技术人员,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 (13)
1.一种机器人路径规划方法,其特征在于,所述方法包括:
对机器人的场地空间进行网格化,得到网格化的场地空间;
获取机器人的起始点和目标点;
基于所述起始点和所述目标点,在所述网格化的场地空间中确定多个路径关键点;
基于所述起始点、所述目标点和所述多个路径关键点生成多条行驶路径;
在所述多条行驶路径中确定最优路径和备选路径。
2.如权利要求1所述的机器人路径规划方法,其特征在于,所述基于所述起始点、所述目标点和所述多个路径关键点生成多条行驶路径,包括:
获取所述多个路径关键点的信息;
根据所述多个路径关键点的信息,建立路径关联表;
根据所述起始点、所述目标点和所述多个路径关键点,确定目标路径关键点;
根据所述目标路径关键点生成多条行驶路径。
3.如权利要求2所述的机器人路径规划方法,其特征在于,所述根据所述多个路径关键点的信息,建立路径关联表,包括:
基于所述多个路径关键点的信息确定多个路径关键点之间的前后连接关系;
基于所述多个路径关键点之间的前后连接关系,建立路径关联表。
4.如权利要求2所述的机器人路径规划方法,其特征在于,所述根据所述起始点、所述目标点和所述多个路径关键点,确定目标路径关键点,包括:
确定所述起始点对应的第一路径关键点和所述目标点对应的第二路径关键点;
基于所述第一路径关键点和第二路径关键点,从所述路径关联表中查找连接在所述第一路径关键点和所述第二路径关键点之间的路径关键点,作为目标路径关键点。
5.如权利要求2所述的机器人路径规划方法,其特征在于,所述路径关键点的信息包括路径关键点的行驶方向;所述方法还包括:
检测有前后连接关系的两个路径关键点的行驶方向;
将有前后连接关系,且行驶方向形成的夹角大于或等于预设角度的两个路径关键点,作为拐弯路径关键点;
在两个拐弯路径关键点之间生成圆弧转弯轨迹。
6.如权利要求1所述的机器人路径规划方法,其特征在于,所述方法还包括:
检测所述机器人的最优路径上是否出现障碍点;
若是,则检测所述机器人的备选路径上是否出现障碍点;
若否,则从所述备选路径中确定所述机器人行驶路径。
7.如权利要求6所述的机器人路径规划方法,其特征在于,所述方法还包括:
若检测出所述机器人的最优路径和备选路径上均出现障碍点,则获取与所述最优路径上的故障点预设范围内的路径关键点作为避让路径关键点;
基于所述避让路径关键点与所述优选路径上的路径关键点的前后连接关系,生成避让路径。
8.如权利要求6所述的机器人路径规划方法,其特征在于,所述方法还包括:
若检测出所述机器人的最优路径和备选路径上均出现障碍点,则在所述最优路径上的故障点预设范围内创建新的路径关键点;
确定所述新的路径关键点与所述优选路径上的路径关键点的前后连接关系;
基于所述新的路径关键点和所述优选路径上的路径关键点,生成避让路径。
9.如权利要求1至8中任意一项所述的机器人路径规划方法,其特征在于,所述对机器人的场地空间进行网格化,得到网格化的场地空间,包括:
获取所述机器人的底盘尺寸;
基于所述机器人的底盘尺寸确定单个网格的尺寸;
基于所述单个网格的尺寸对所述场地空间进行网格化,得到网格化的场地空间。
10.一种机器人路径规划装置,其特征在于,包括:
网格化单元,用于对机器人的场地空间进行网格化,得到网格化的场地空间;
第一获取单元,用于获取机器人的起始点和目标点;
第一确定单元,用于基于所述起始点和所述目标点,在所述网格化的场地空间中确定多个路径关键点;
路径规划单元,用于基于所述起始点、所述目标点和所述多个路径关键点生成多条行驶路径;
路径确定单元,用于在所述多条行驶路径中确定最优路径和备选路径。
11.一种服务器,其特征在于,所述服务器包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现权利要求1至9中任一项所述的机器人路径规划方法。
12.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行权利要求1至9任一项所述的机器人路径规划方法中的步骤。
13.一种机器人,其特征在于,所述机器人包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现权利要求1至9中任一项所述的机器人路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910815610.XA CN112445218A (zh) | 2019-08-30 | 2019-08-30 | 机器人路径规划方法、装置、服务器、存储介质及机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910815610.XA CN112445218A (zh) | 2019-08-30 | 2019-08-30 | 机器人路径规划方法、装置、服务器、存储介质及机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112445218A true CN112445218A (zh) | 2021-03-05 |
Family
ID=74733899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910815610.XA Pending CN112445218A (zh) | 2019-08-30 | 2019-08-30 | 机器人路径规划方法、装置、服务器、存储介质及机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112445218A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256212A (zh) * | 2021-05-28 | 2021-08-13 | 深圳优地科技有限公司 | 订单处理方法、装置、通信设备及存储介质 |
CN113741439A (zh) * | 2021-08-23 | 2021-12-03 | 深圳优地科技有限公司 | 路径规划方法、装置、机器人和存储介质 |
CN114131599A (zh) * | 2021-11-30 | 2022-03-04 | 珠海格力电器股份有限公司 | 一种机器人编程控制方法、装置、存储介质及示教器 |
CN114185355A (zh) * | 2022-02-16 | 2022-03-15 | 科大智能物联技术股份有限公司 | 图信息和改进型遗传算法相结合的路径规划方法、系统 |
CN115373398A (zh) * | 2022-08-31 | 2022-11-22 | 上海木蚁机器人科技有限公司 | 搬运设备路径规划方法、装置以及电子设备 |
WO2023179760A1 (zh) * | 2022-03-25 | 2023-09-28 | 德利国际有限公司 | 运输控制方法、系统、装置、电子设备、运输车和介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004110288A (ja) * | 2002-09-17 | 2004-04-08 | Mitsubishi Heavy Ind Ltd | Agv経路探索方法及びプログラム |
JP2007033057A (ja) * | 2005-07-22 | 2007-02-08 | Toyota Central Res & Dev Lab Inc | 候補経路作成装置、方法、プログラム、交通シミュレーション装置、方法及びプログラム、経路探索装置、方法、及びプログラム |
JP2009008524A (ja) * | 2007-06-28 | 2009-01-15 | Nec Soft Ltd | 経路探索方法、経路探索システム、及び、プログラム |
WO2009059574A1 (de) * | 2007-11-07 | 2009-05-14 | Navigon Ag | Verfahren zum betrieb eines navigationssystems |
US20110035051A1 (en) * | 2009-08-10 | 2011-02-10 | Samsung Electronics Co., Ltd | Path planning apparatus and method for robot |
KR101096592B1 (ko) * | 2010-09-29 | 2011-12-20 | 국방과학연구소 | 장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 장치 및 방법 |
CN108762255A (zh) * | 2018-05-03 | 2018-11-06 | 南京理工大学 | 一种室内智能移动机器人及控制方法 |
JP2019036302A (ja) * | 2017-08-15 | 2019-03-07 | 株式会社豊田自動織機 | 無人搬送車の制御装置及び制御方法 |
CN110135644A (zh) * | 2019-05-17 | 2019-08-16 | 北京洛必德科技有限公司 | 一种用于目标搜索的机器人路径规划方法 |
-
2019
- 2019-08-30 CN CN201910815610.XA patent/CN112445218A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004110288A (ja) * | 2002-09-17 | 2004-04-08 | Mitsubishi Heavy Ind Ltd | Agv経路探索方法及びプログラム |
JP2007033057A (ja) * | 2005-07-22 | 2007-02-08 | Toyota Central Res & Dev Lab Inc | 候補経路作成装置、方法、プログラム、交通シミュレーション装置、方法及びプログラム、経路探索装置、方法、及びプログラム |
JP2009008524A (ja) * | 2007-06-28 | 2009-01-15 | Nec Soft Ltd | 経路探索方法、経路探索システム、及び、プログラム |
WO2009059574A1 (de) * | 2007-11-07 | 2009-05-14 | Navigon Ag | Verfahren zum betrieb eines navigationssystems |
US20110035051A1 (en) * | 2009-08-10 | 2011-02-10 | Samsung Electronics Co., Ltd | Path planning apparatus and method for robot |
KR101096592B1 (ko) * | 2010-09-29 | 2011-12-20 | 국방과학연구소 | 장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 장치 및 방법 |
JP2019036302A (ja) * | 2017-08-15 | 2019-03-07 | 株式会社豊田自動織機 | 無人搬送車の制御装置及び制御方法 |
CN108762255A (zh) * | 2018-05-03 | 2018-11-06 | 南京理工大学 | 一种室内智能移动机器人及控制方法 |
CN110135644A (zh) * | 2019-05-17 | 2019-08-16 | 北京洛必德科技有限公司 | 一种用于目标搜索的机器人路径规划方法 |
Non-Patent Citations (1)
Title |
---|
梁承姬;沈珊珊;胡文辉;: "基于路段时间窗考虑备选路径的AGV路径规划", 工程设计学报, no. 02, pages 200 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256212A (zh) * | 2021-05-28 | 2021-08-13 | 深圳优地科技有限公司 | 订单处理方法、装置、通信设备及存储介质 |
CN113256212B (zh) * | 2021-05-28 | 2024-04-05 | 深圳优地科技有限公司 | 订单处理方法、装置、通信设备及存储介质 |
CN113741439A (zh) * | 2021-08-23 | 2021-12-03 | 深圳优地科技有限公司 | 路径规划方法、装置、机器人和存储介质 |
CN114131599A (zh) * | 2021-11-30 | 2022-03-04 | 珠海格力电器股份有限公司 | 一种机器人编程控制方法、装置、存储介质及示教器 |
CN114185355A (zh) * | 2022-02-16 | 2022-03-15 | 科大智能物联技术股份有限公司 | 图信息和改进型遗传算法相结合的路径规划方法、系统 |
WO2023179760A1 (zh) * | 2022-03-25 | 2023-09-28 | 德利国际有限公司 | 运输控制方法、系统、装置、电子设备、运输车和介质 |
CN115373398A (zh) * | 2022-08-31 | 2022-11-22 | 上海木蚁机器人科技有限公司 | 搬运设备路径规划方法、装置以及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112445218A (zh) | 机器人路径规划方法、装置、服务器、存储介质及机器人 | |
US6324476B1 (en) | Method and apparatus for identifying or controlling travel to a rendezvous | |
CN113075927A (zh) | 基于预约表的仓储潜伏式多agv路径规划方法 | |
CN114407929A (zh) | 无人驾驶绕障处理方法、装置、电子设备及存储介质 | |
CN111724015A (zh) | 一种搬运任务切换方法、装置、设备和存储介质 | |
JP2021071891A (ja) | 走行制御装置、走行制御方法、及びコンピュータプログラム | |
CN113532443B (zh) | 路径规划方法、装置、电子设备及介质 | |
CN113406951A (zh) | 行驶控制装置、行驶控制方法以及计算机程序 | |
CN109341698B (zh) | 一种移动机器人的路径选择方法及装置 | |
CN114543815A (zh) | 基于基因调控网络的多智能体导航控制方法、设备及介质 | |
CN111860919A (zh) | 库货架存储策略的确定方法、装置、介质及电子设备 | |
CN109816131B (zh) | 路径规划方法、路径规划装置及计算机可读存储介质 | |
CN114281080B (zh) | 一种amr调度系统中解死锁的方法 | |
JP2022089974A (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
CN113899383A (zh) | 基于短路径的多车防死锁方法、系统、设备及存储介质 | |
WO2022032444A1 (zh) | 一种多智能主体避障方法、系统和计算机可读存储介质 | |
Lin et al. | An improved fault-tolerant cultural-PSO with probability for multi-AGV path planning | |
CN111998858B (zh) | 一种基于改进a*算法的无人机航路规划方法 | |
CN112212875B (zh) | 车辆掉头轨迹规划方法、装置、车辆及存储介质 | |
CN115683120B (zh) | 机器人多车互锁检测、解锁方法和装置 | |
CN116700298A (zh) | 路径规划方法、系统、设备及存储介质 | |
CN112034844A (zh) | 多智能主体编队搬运方法、系统和计算机可读存储介质 | |
CN114355867A (zh) | 多agv无冲突无死锁的运动规划方法及装置 | |
CN115129068A (zh) | 一种基于agv叉车的智能定位导航系统 | |
WO2022032443A1 (zh) | 多智能主体编队搬运方法、系统和计算机可读存储介质 |
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 |