CN112633585A - 无人设备调度方法、装置、电子设备及存储介质 - Google Patents
无人设备调度方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112633585A CN112633585A CN202011606795.2A CN202011606795A CN112633585A CN 112633585 A CN112633585 A CN 112633585A CN 202011606795 A CN202011606795 A CN 202011606795A CN 112633585 A CN112633585 A CN 112633585A
- Authority
- CN
- China
- Prior art keywords
- road section
- narrow road
- target
- unmanned
- unmanned equipment
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 5
- 235000013399 edible fruits Nutrition 0.000 description 4
- 241000209094 Oryza Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 208000031481 Pathologic Constriction Diseases 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 208000037804 stenosis Diseases 0.000 description 3
- 230000036262 stenosis Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例涉及自动驾驶技术领域,提供一种无人设备调度方法、装置、电子设备及存储介质,针对待作业的各个无人设备,按照优先度从高到低的顺序逐个确定作业路径,以一个无人设备为例,先找出该无人设备经过的每个存在冲突的狭窄路段,再根据该无人设备在每个存在冲突的狭窄路段的等待时长,确定该无人设备的作业路径。从而合理分配各个存在冲突的狭窄路段的使用权,避免等待时间过长,尽量缩短整体作业时长。
Description
技术领域
本申请实施例涉及自动驾驶技术领域,具体而言,涉及一种无人设备调度方法、装置、电子设备及存储介质。
背景技术
现有的自动驾驶系统,是基于成熟的城市道路交通规则设计的,道路往往是双向多车道,整个驾驶环境能够实现双向的闭环。但是,在类似农田、农场、公园等封闭式环境中,有些可行驶的路段往往比较狭窄,仅能支持规划出单一车道,不利于进行反向行驶。并且,在这种狭窄路段中,若出现多设备相遇的情况,必然有设备需要暂停任务进行等待,从而导致整体任务完成时间延长。
因此,在农田、农场、公园等封闭式环境中或者在农村等狭窄道路情景中,如何协调无人设备执行自动驾驶任务并且尽量缩短整体作业时长,是目前亟待解决的问题。
发明内容
本申请实施例的目的在于提供一种无人设备调度方法、装置、电子设备及存储介质,用以改善上述问题。
为了实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请实施例提供了一种无人设备调度方法,所述方法包括:
在待作业的无人设备集合中确定优先度最高的目标无人设备以及所述目标无人设备经过的每个存在冲突的第一狭窄路段;
根据所述目标无人设备在每个所述第一狭窄路段的等待时长,确定所述目标无人设备的作业路径;从所述无人设备集合中删除所述目标无人设备;
判断所述无人设备集合是否为空;
若否,则返回执行所述在待作业的无人设备集合中确定优先度最高的目标无人设备以及所述目标无人设备经过的每个存在冲突的第一狭窄路段的步骤,直至完成所述无人设备集合中每个无人设备的作业路径的确定;
若是,则完成所述无人设备集合中每个无人设备的作业路径的确定。
可选地,所述根据所述目标无人设备在每个所述第一狭窄路段的等待时长,确定所述目标无人设备的作业路径的步骤,包括:
从第一狭窄路段集合中确定任意一个目标狭窄路段,所述第一狭窄路段集合包括所有所述第一狭窄路段;
计算所述目标无人设备在所述目标狭窄路段的等待时长;
根据所述等待时长,确定所述目标狭窄路段是否为待定狭窄路段;
若是,则将所述目标狭窄路段加入待定狭窄路段集合,并在所述第一狭窄路段集合中删除所述目标狭窄路段;
若否,则在所述第一狭窄路段集合中删除所述目标狭窄路段;
判断所述第一狭窄路段集合是否为空;
若否,则返回执行所述从第一狭窄路段集合中确定任意一个目标狭窄路段的步骤,直至完成每个所述待定狭窄路段的确定;
若是,则完成每个所述待定狭窄路段的确定;
根据所述待定狭窄路段集合,对所述目标无人设备重新规划不经过每个所述待定狭窄路段的所述作业路径。
可选地,所述根据所述目标无人设备在每个所述第一狭窄路段的等待时长,确定所述目标无人设备的作业路径的步骤,还包括:
判断所述作业路径是否经过存在冲突的第二狭窄路段,所述第二狭窄路段与所述第一狭窄路段不同;
若是,则利用所述第二狭窄路段替代所述第一狭窄路段,并返回执行所述从第一狭窄路段集合中确定任意一个目标狭窄路段的步骤,直至得到所述作业路径。
可选地,获得所述目标狭窄路段的通行时间表,所述通行时间表包括多个连续的时间段、及所述多个连续时间段中每个占用时间段对应的无人设备;
在所述通行时间表中,确定所述目标无人设备的当前所处时间段;
从所述当前所处时间段及所述当前所处时间段后的时间段中确定目标时间段,其中,所述目标无人设备占用所述目标时间段后,所述目标无人设备对应的所有无人设备中所述目标无人设备的优先度最高;
对所述当前所处时间段、所述当前所处时间段与所述目标时间段之间的所有时间段进行求和,得到所述等待时长。
可选地,所述当前所处时间段及所述当前所处时间段后的时间段中确定目标时间段的步骤,包括:
判断所述当前所处时间段对应的所有无人设备中,所述目标无人设备的优先度是否最高;
若是,则确定所述当前所处时间段为所述目标时间段;
若否,则在所述通行时间表中,设置所述目标无人设备逐个占用所述当前所处时间段后的各个时间段,直至找到一个对应的所有无人设备中所述目标无人设备的优先度最高的目标时间段。
可选地,所述根据所述等待时长,确定所述目标狭窄路段是否为待定狭窄路段的步骤,包括:
计算所述目标无人设备在所述作业路径的行驶时长;
计算待比较时长,其中,所述待比较时长为所述等待时长和所述目标无人设备在所述作业路径的行驶时长之和;
设置所述目标狭窄路段为封闭路段,对所述目标无人设备重新进行路径规划,得到调整路径;
计算所述目标无人设备在所述调整路径的行驶时长;
比较所述待比较时长和所述目标无人设备在所述调整路径的行驶时长;
若所述目标无人设备在所述调整路径的行驶时长小于所述待比较时长,则确定所述目标狭窄路段为所述待定狭窄路段。
可选地,所述在待作业的无人设备集合中确定优先度最高的目标无人设备以及所述目标无人设备经过的每个存在冲突的第一狭窄路段的步骤之前,所述方法还包括:
获得作业区域中每个所述无人设备的作业路径和速度曲线,所述速度曲线与所述作业路径匹配,所述作业区域包括至少一个狭窄路段;
根据所述作业路径和所述速度曲线,建立每个所述狭窄路段的通行时间表,其中,所述通行时间表包括多个连续的时间段、及所述多个连续时间段中每个占用时间段对应的无人设备。
可选地,所述根据所述作业路径和所述速度曲线,建立每个所述狭窄路段的通行时间表的步骤,包括:
从所述狭窄路段集合中确定任意一个参考狭窄路段,所述狭窄路段集合包括所有所述狭窄路段;
根据所述作业路径,确定经过所述参考狭窄路段的所有参考无人设备;
根据所述速度曲线,计算每个所述参考无人设备在所述参考狭窄路段的到达时间点和离开时间点;
根据每个所述参考无人设备的到达时间点和离开时间点,确定各个设定时间段对应的所述参考无人设备,得到所述参考狭窄路段的通行时间表;
在所述狭窄路段集合中删除所述参考狭窄路段;
判断所述狭窄路段集合是否为空;
若否,则返回执行所述从狭窄路段集合中确定任意一个参考狭窄路段的步骤,直至得到每个所述狭窄路段的通行时间表;
若是,则得到每个所述狭窄路段的通行时间表。
第二方面,本申请实施例还提供了一种无人设备调度装置,所述装置包括:
第一确定模块,用于在待作业的无人设备集合中确定优先度最高的目标无人设备以及所述目标无人设备经过的每个存在冲突的第一狭窄路段;
第二确定模块,用于根据所述目标无人设备在每个所述第一狭窄路段的等待时长,确定所述目标无人设备的作业路径;
执行模块,用于:
从所述无人设备集合中删除所述目标无人设备;
判断所述无人设备集合是否为空;
若否,则返回执行所述在待作业的无人设备集合中确定优先度最高的目标无人设备以及所述目标无人设备经过的每个存在冲突的第一狭窄路段的步骤,直至完成每个所述无人设备的作业路径的确定;
若是,则完成每个所述无人设备的作业路径的确定。
可选地,所述装置还包括:
获得模块,用于获得作业区域中每个所述无人设备的作业路径和速度曲线,所述速度曲线与所述作业路径匹配,所述作业区域包括至少一个狭窄路段;
建表模块,用于根据所述作业路径和所述速度曲线,建立每个所述狭窄路段的通行时间表,其中,所述通行时间表包括多个连续的时间段、及所述多个连续时间段中每个占用时间段对应的无人设备。
第三方面,本申请实施例还提供了一种电子设备,所述电子设备包括:一个或多个处理器;存储器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的无人设备调度方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的无人设备调度方法。
相对现有技术,本申请实施例提供的一种无人设备调度方法、装置、电子设备及存储介质,针对待作业的各个无人设备,按照优先度从高到低的顺序逐个确定作业路径,以一个无人设备为例,先找出该无人设备经过的每个存在冲突的狭窄路段,再根据该无人设备在每个存在冲突的狭窄路段的等待时长,确定该无人设备的作业路径。从而合理分配各个存在冲突的狭窄路段的使用权,避免等待时间过长,尽量缩短整体作业时长。
附图说明
图1示出了本申请实施例提供的无人设备调度方法的应用场景示意图。
图2示出了本申请实施例提供的无人设备调度方法的一种流程示意图。
图3示出了本申请实施例提供的无人设备调度方法的另一种流程示意图。
图4为图3所示的无人设备调度方法中步骤S120的流程示意图。
图5为图2和图3所示的无人设备调度方法中步骤S102的一种流程示意图。
图6为图2和图3所示的无人设备调度方法中步骤S102的另一种流程示意图。
图7示出了本申请实施例提供的无人设备调度装置的方框示意图。
图8示出了本申请实施例提供的电子设备的方框示意图。
图标:10-电子设备;20-无人设备;30-网络;11-处理器;12-存储器;13-总线;100-无人设备调度装置;101-第一确定模块;102-第二确定模块;103-执行模块;110-获得模块;120-建表模块。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述。
请参照图1,图1示出了本申请实施例提供的无人设备调度方法的应用场景示意图,包括电子设备10和多个无人设备20,电子设备10可以通过网络30与无人设备20通信。网络30可以是广域网或者局域网,又或者是二者的组合,使用无线链路实现数据传输。
电子设备10用于在农田、农场或者公园等封闭式环境中,协调无人设备20执行自动驾驶任务并且尽量缩短整体作业时长。
可选地,电子设备10可以是计算机设备,例如,智能手机、平板电脑、个人电脑、服务器、私有云、公有云等中的任意一种,上述设备都可以用于实现下述实施例提供的无人设备调度方法,具体可根据实际应用场景确定,在此不作限制。
无人设备20用于按照电子设备10协调的作业路径,在农田、农场公园等封闭式环境中、或者在农村等狭窄道路情景中执行自动驾驶任务,例如,运输任务、巡查任务等。
可选地,无人设备可以是无人车、无人船、自动驾驶仪等,下述实施例以无人车为例进行详细描述。
在农田、农场或者公园等封闭式环境中,无人设备20的自动驾驶任务往往是重复性的,因此,可以在每次任务开始之前执行无人设备调度方法,来得到执行任务的每个无人设备20的作业路径,这样可以协调多个无人设备20顺利通过狭窄路段,并且尽量缩短整体作业时长。
请参照图2,图2示出了本申请实施例提供的无人设备调度方法的流程示意图,该无人设备调度方法应用于电子设备10,可以包括以下步骤:
S110,在待作业的无人设备集合中确定优先度最高的目标无人设备以及目标无人设备经过的每个存在冲突的第一狭窄路段。
在本实施例中,待作业的无人设备集合可以包括,作业区域中所有待作业的无人设备20;也可以包括,从所有待作业的无人设备20中去除优先度最高的无人设备20,得到的剩余无人设备20。可以理解为:可以从所有无人设备20中确定出优先度最高的目标无人设备;也可以先从所有无人设备20中去除优先度最高的无人设备20,再从剩余的无人设备20中确定出优先度最高的目标无人设备。
优先度可以是按照各个无人设备20的任务设置的任务优先度,例如,除虫任务的优先度高于运输任务,水果运输任务的优先度高于大米运输任务等。优先度也可以是按照各个无人设备20的类型设置的设备优先度,例如,植保无人车的优先度高于平地机等。下述实施例以任务优先度为例进行介绍。
任务优先度可以是用户根据实际应用场景预先设定的,通常可以按照任务的重要性、运输产品的实际情况(例如,保鲜期、价值等)等进行设置,在此不做限定。
例如,以任务的重要性来说,假设有2个无人车,分别执行除虫任务和运输任务,由于除虫比运输更重要,故可以设置除虫任务的优先度高于运输任务。又如,以运输产品的实际情况来说,假设有2个无人车,均执行运输任务,分别运输水果和大米,由于水果的保鲜期很短,故可以设置运输水果的优先度高于运输大米。
本步骤中存在冲突的第一狭窄路段,是指同一段时间内不仅目标无人设备要经过,其他无人设备也要经过的狭窄路段。即,第一狭窄路段在同一段时间内有至少两个无人设备20要经过,并且其中一个是目标无人设备。这就必然有无人设备20需要暂停任务进行等待。
S102,根据目标无人设备在每个第一狭窄路段的等待时长,确定目标无人设备的作业路径。
通常,如果有多个无人设备20在同一个狭窄路段相遇,一般会根据各个无人设备20的优先度,决定通过该狭窄路段的顺序,即,优先度高的先通过,优先度低的暂停任务进行等待。也就是,优先度最高的第一个通过,优先度最低的最后一个通过。
这种调度方式可以保证各个无人设备都能顺利通过该狭窄路段,但是,对于优先度很低的无人设备20,需要等优先度高于它的其他无人设备20都通过之后才能通过,如果其他无人设备20有很多,例如,20个,则该无人设备20需要等待很长时间,这样会到底整体任务完成时间延长。
因此,为了保证各个无人设备20都能顺利执行自动驾驶任务并且尽量缩短整体作业时长,本实施例采用以下方式确定各个无人设备20最终的作业路径:一方面,根据优先度的高低确定各个无人设备20通过的顺序;另一方面,按照优先度从高到低的顺序,从优先度最高或者优先度第二高的无人设备20开始,逐个确定是否重新规划其作业路径,直到确定出每个无人设备20最终的作业路径。
也就是,确定出目标无人设备经过的每个存在冲突的第一狭窄路段之后,通过计算目标无人设备在每个第一狭窄路段的等待时长,确定目标无人设备是否必须经过各个第一狭窄路段,并且以此为依据确定出目标无人设备最终的作业路径。即,以一个第一狭窄路段为例,由于目标无人设备在该第一狭窄路段需要等待,导致该目标无人设备完成作业的时长比绕道完成的要长,则放弃通过该第一狭窄路段,以此类推,找出目标无人设备放弃通过的全部第一狭窄路段,并且重新规划不经过全部第一狭窄路段的路径,得到目标无人设备最终的作业路径。
S103,从无人设备集合中删除目标无人设备。
本步骤中的从无人设备集合中删除目标无人设备,是指将该目标无人设备从无人设备集合中移除,并更新无人设备集合。
S104,判断无人设备集合是否为空。
如果无人设备集合为空,则说明已经确定出无人设备集合中每个无人设备20最终的作业路径,则执行步骤S105。
如果无人设备集合不为空,则说明无人设备集合中还存在无人设备20没有确定出最终的作业路径,则返回步骤S101,直至完成无人设备集合中每个无人设备的作业路径的确定。
可以理解为,上述步骤S101~S104是一个循环的过程,步骤S101的无人设备集合是动态变化的,需要删除已经完成作业路径确定的目标无人设备。
S105,完成无人设备集合中每个无人设备的作业路径的确定。
在本实施例中,针对作业区域,首先需要识别出作业区域中的可行驶道路并标记出狭窄路段,在识别出作业区域中的可行驶道路并标记出狭窄路段之后,可以根据每个无人设备20的任务起点和任务终点,通过全局规划方法(例如,Hybrid A*)规划出每个无人设备20的作业路径,并且计算出与作业路径匹配的速度曲线。
因此,在图2的基础上,请参照图3,在步骤S101之前,该无人设备调度方法还可以包括步骤S110~S120。
S110,获得作业区域中每个无人设备的作业路径和速度曲线,速度曲线与作业路径匹配,作业区域包括至少一个狭窄路段。
作业区域中的每个无人设备20,均需要在作业区域执行自动驾驶任务,例如,运输任务、巡检任务等。作业区域可以是农田、农场或者公园等封闭式区域,也可以是农村等存在狭窄道路的区域。
在每次自动驾驶任务开始之前,可以通过无人机测绘或者地形测绘等手段,获得作业区域的高精度地图。然后,根据作业区域的高精度地图,识别出作业区域中的可行驶道路和可行驶道路的路面类型,可行驶道路可以是农田中的土路、公园中的水泥路等,路面类型可以包括路面平整度、所属地形类型等信息,地形类型可以包括高原、平原、盆地、丘陵、山地等。
之后,可以根据可行驶道路的路面类型,对可行驶道路进行路段划分并标记各个路段的通行速度上限值,即,各个路段都设有速度上限值,该通行速度上限值可以是用户根据经验自行设置的,也可以是电子设备10提前存储的,在此不做限定。并且,无人设备20上可以设置有雷达等识别道路上是否存在障碍物,在某个路段畅通的情况下,无人设备20可以在该路段中以对应的速度上限值行驶。
同时,针对作业区域,需要从作业区域的高精度地图中标记出各个狭窄路段。由于高精度地图是车道级地图,可以精确到每条车道,这在传统的车载地图中是没有的,因此,可以基于车道从作业区域的高精度地图中标记出狭窄路段。
识别出作业区域中的可行驶道路并标记出狭窄路段之后,可以根据每个无人设备20的任务起点和任务终点,通过全局规划方法(例如,Hybrid A*)规划出每个无人设备20的作业路径。
速度曲线是指速度随着时间或者行驶路程变化的曲线,可以根据作业路径经过的各个路段的顺序、无人设备20的动力扭矩输出等进行计算,动力扭矩输出可以主要考虑加速度能力。
S120,根据作业路径和速度曲线,建立每个狭窄路段的通行时间表,其中,通行时间表包括多个连续的时间段、及多个连续时间段中每个占用时间段对应的无人设备。
时间段的长度可以由用户根据实际情况自行设定,例如,10s、1min、2min等。以2min为例,可以是14:01:00~14:02:59、14:03:00~14:04:59、14:05:00~14:06:59等。
建立每个狭窄路段的通行时间表时,以一个狭窄路段为例,可以是:
第一步,建立时间表,该时间表包括多个连续的时间段,例如,…14:01:00~14:02:59、14:03:00~14:04:59、14:05:00~14:06:59…等。第一个时间段的开始时间可以是整体作业的开始时间,时间段的数量可以由用户可以是实际任务灵活设置。
第二步,根据作业路径确定出所有经过该狭窄路段的无人设备20,例如,无人车A、无人车B等。
第三步,根据每个经过该狭窄路段的无人设备20的速度曲线,计算出各个经过该狭窄路段的无人设备20,到达该狭窄路段的时间点和离开该狭窄路段的时间点,例如,无人车A的到达时间点为ta1,离开时间点为ta2;无人车B的到达时间点为tb1,离开时间点为tb2等。
第四步,根据第三步计算出的各个无人设备20的到达时间点和离开时间点,在第一步建立的时间表中进行标记,即,每个无人设备20均可分配到一个或多个时间段,也可称为占用该时间段,表示该时间段内该狭窄路段的使用权属于对应的无人设备20。对于一个无人设备20,如果分配到一个时间段,则表示该无人设备20的到达时间点和离开时间点都在该时间段内;如果分配到多个时间段,则表示该无人设备的到达时间点在该多个时间段中的第一个时间段内、离开时间点在该多个时间段中的最后一个时间段内。
因此,最终得到的通行时间表包括多个连续的时间段,并且,这些时间段中可能是占用时间段,也可能是空闲时间段。占用时间段是指有无人设备20占用的时间段,空闲时间段只是没有无人设备20占用的时间段。
例如,为一个狭窄路段建立的通行时间表如下表1所示:
表1通行时间表
其中,时间段a26、a27、a28和a30为占用时间段,时间段a29为空闲时间段;无人车A和D占用时间段a26,无人车C占用时间段a27,无人车B占用时间段a28,无人车E占用时间段a30。
需要指出的是,针对每个狭窄路段,第一步中建立的时间表都是一致的,即,分割时间点一致、时间段长度一致等。只有在完成第四步的标记之后,各个狭窄路段的通行时间表才可能会不同。
下面对步骤S120进行详细介绍,在图3的基础上,请参照图4,步骤S120可以包括以下子步骤:
S1201,从狭窄路段集合中确定任意一个参考狭窄路段,狭窄路段集合包括所有狭窄路段。
本步骤中的所有狭窄路段,是指作业区域中的全部狭窄路段。
S1202,根据作业路径,确定经过参考狭窄路段的所有参考无人设备。
S1203,根据速度曲线,计算每个参考无人设备在参考狭窄路段的到达时间点和离开时间点。
S1204,根据每个参考无人设备的到达时间点和离开时间点,确定各个设定时间段对应的参考无人设备,得到参考狭窄路段的通行时间表。
S1205,在狭窄路段集合中删除参考狭窄路段。
S1206,判断狭窄路段集合是否为空。
如果狭窄路段集合为空,则说明已经建立作业区域中每个狭窄路段的通行时间表,则执行子步骤S1027。
如果狭窄路段集合不为空,则说明作业区域中还存在狭窄路段未建立通行时间表,则返回执行子步骤S1201,直至得到每个狭窄路段的通行时间表。对此可以理解为:返回执行子步骤S1201后,会继续执行子步骤S1202~S1206,直至得到每个狭窄路段的通行时间表。
S1207,得到每个狭窄路段的通行时间表。
需要指出的是,建立每个狭窄路段的通行时间表之后,在步骤S101中,也可以根据通行时间表,确定目标无人设备经过的每个第一狭窄路段,即,如果狭窄路段的通行时间表中存在一个时间段对应多个无人设备,例如,表1中无人车A和D占用同一个时间段,则确定该狭窄路段为第一狭窄路段。
下面对步骤S102进行详细介绍,在图2和图3的基础上,请参照图5,步骤S102可以包括以下子步骤:
S1021,从第一狭窄路段集合中确定任意一个目标狭窄路段,第一狭窄路段集合包括所有第一狭窄路段。
S1022,计算目标无人设备在目标狭窄路段的等待时长。
本步骤的等待时长,是指在目标无人设备到达目标狭窄路段时刻起,目标狭窄路段被优先度更高的其他无人设备20占用的多个连续时间段的总时长。
S1023,根据等待时长,确定目标狭窄路段是否为待定狭窄路段。
计算出目标无人设备在目标狭窄路段的等待时长T1之后,还需要计算目标无人设备正常行驶完作业路径所需的行驶时长T2,再对二者进行求和,即可得到目标无人设备在作业路径的实际作业时长T,即,T=T1+T2。
之后,假设该目标狭窄路段为封闭路段,重新进行路径规划得到新路径,并且计算目标无人设备在新路径的实际作业时长t。
再将两次计算出的实际作业时长进行比较,如果t<T,则确定目标狭窄路段为待定狭窄路段;如果t≥T,则确定目标狭窄路段不为待定狭窄路段。
如果目标狭窄路段为待定狭窄路段,则执行子步骤S1024;如果目标狭窄路段不为待定狭窄路段,则执行子步骤S1025。
S1024,将目标狭窄路段加入待定狭窄路段集合,并在第一狭窄路段集合中删除目标狭窄路段。
S1025,在第一狭窄路段集合中删除目标狭窄路段。
S1026,判断第一狭窄路段集合是否为空。
如果第一狭窄路段集合为空,则说明已经完成第一狭窄路段集合中所有待定狭窄路段的确定,则执行子步骤S1027。
如果第一狭窄路段集合不为空,则说明第一狭窄路段集合中还可能存在待定狭窄路段未确定出来,则返回执行子步骤S1021,直至完成每个待定狭窄路段的确定。对此可以理解为:返回执行子步骤S1021后,会继续执行子步骤S1022~S1026,直至确定每个第一狭窄路段是否为待定狭窄路段,得到所有待定狭窄路段。
S1027,完成每个待定狭窄路段的确定。
S1028,根据待定狭窄路段集合,对目标无人设备重新规划不经过每个待定狭窄路段的作业路径。
在一种可能的情形下,对目标无人设备规划出不经过每个待定狭窄路段的作业路径之后,该作业路径可能会经过其他狭窄路段,可能又会与其他无人设备20冲突。
因此,在图5的基础上,请参照图6,在子步骤S1028之后,步骤S102还可以包括子步骤S102a~S102c。
S102a,判断作业路径是否经过存在冲突的第二狭窄路段,第二狭窄路段与第一狭窄路段不同。
如果作业路径不经过存在冲突的第二狭窄路段,则该作业路径就是最终确定的目标无人设备的作业路径。如果作业路径经过存在冲突的第二狭窄路段,则该作业路径不是最终确定的目标无人设备的作业路径,需要执行子步骤S102b。如果作业路径不经过存在冲突的第二狭窄路段,则该作业路径是最终确定的目标无人设备的作业路径,执行子步骤S102c。
S102b,利用第二狭窄路段替代第一狭窄路段,并返回执行子步骤S1021,直至得到作业路径。
如果作业路径经过存在冲突的第二狭窄路段,则需要根据目标无人设备在每个第二狭窄路段的等待时长,确定是否重新规划目标无人设备的作业路径,即,利用第二狭窄路段替代第一狭窄路段,并返回执行子步骤S1021,直至得到作业路径。对此可以理解为:返回执行子步骤S1021后,会继续执行步骤S1021~S102a,直至最终确定目标无人设备的作业路径。
S102c,得到作业路径。
下面对子步骤S1022进行详细介绍,即,对计算目标无人设备在目标狭窄路段的等待时长的过程进行详细介绍,子步骤S1022可以包括以下子步骤:
S10221,获得目标狭窄路段的通行时间表,通行时间表包括多个连续的时间段、及多个连续时间段中每个占用时间段对应的无人设备。
S10322,在通行时间表中,确定目标无人设备的当前所处时间段。
S10322,从当前所处时间段及当前所处时间段后的时间段中确定目标时间段,其中,目标无人设备占用目标时间段后,目标无人设备对应的所有无人设备中目标无人设备的优先度最高。
S10324,对当前所处时间段、当前所处时间段与目标时间段之间的所有时间段进行求和,得到等待时长。
也就是,获取到目标狭窄路段的通行时间表之后,先查询该通行时间表得到目标无人设备的当前所处时间段,例如,ta。
然后,比较优先级,即,如果当前所处时间段对应的所有无人设备中目标无人设备的优先度最高,则确定当前所处时间段为目标时间段;如果目标无人设备的优先度不是最高的,则查询当前所处时间段的下一个时间段是否被占用,若否,则替换目标无人设备占用该下一个时间段;若是,则比较优先度,即,如果目标无人设备的优先度高于当前占用该下一个时间段的无人设备20的优先度,则替换目标无人设备占用该下一个时间段,如果目标无人设备的优先度低于当前占用该下一个时间段的无人设备20的优先度,则继续查询下一个时间段,直至找到一个空闲时间段、或者目标无人设备的优先度高于当前占用无人设备20的优先度的时间段,该时间段即为目标时间段,例如,td。
最后,如果目标时间段为ta,则等待时长为ta;如果目标时间段为td,则对ta和ta与td之间的所有时间段进行求和,得到等待时长,例如,假设ta和td之间有tb、tc,则等待时长为ta+tb+tc。
例如,请参照表1,假设需要计算无人车D在狭窄路段1的等待时长,无人车A~E的优先度依次降低,无人车D预计将在时间段a26内到达狭窄路段1并通过,但与无人车A发生冲突;故将无人车D移至下一个时间段a27,无人车C占用时间段a27且优先度高于无人车D;故继续将无人车D移至下一个时间段a28,无人车B占用时间段a28且优先度高于无人车D;故继续将无人车D移至下一个时间段a29,a29为空闲时间段,则设置无人车D占用时间段a29。因此,无人车D在狭窄路段1的等待时长T1=a26+a27+a28。
上述子步骤S10222可以包括以下子步骤:
S10222a,判断当前所处时间段对应的所有无人设备中,目标无人设备的优先度是否最高。
如果当前所处时间段对应的所有无人设备中,目标无人设备的优先度最高,则执行子步骤S10222b;如果当前所处时间段对应的所有无人设备中,目标无人设备的优先度不是最高的,则执行子步骤S10222c。
S10222b,确定当前所处时间段为目标时间段。
S10322c,设置目标无人设备逐个占用当前所处时间段后的各个时间段,直至找到一个对应的所有无人设备中目标无人设备的优先度最高的目标时间段。
如果当前所处时间段对应的所有无人设备中,目标无人设备的优先度不是最高的,则先设置目标无人设备占用当前所处时间段的后一个时间段。之后,判断后一个时间段对应的所有无人设备中,目标无人设备的优先度是否最高;若是,则将后一个时间段作为目标时间段;若否,则继续设置目标无人设备占用后一个时间段的下一个时间段,以此类推,直至找到一个目标无人设备占用后,对应的所有无人设备中目标无人设备的优先度最高的目标时间段。
下面对子步骤S1023进行详细介绍,即,对根据等待时长,确定目标狭窄路段是否为待定狭窄路段的过程进行详细介绍,子步骤S1023可以包括以下子步骤:
S10231,计算目标无人设备在作业路径的行驶时长。
S10232,计算待比较时长,其中,待比较时长为等待时长和目标无人设备在作业路径的行驶时长之和。
S10233,设置目标狭窄路段为封闭路段,对目标无人设备重新进行路径规划,得到调整路径。
S10234,计算目标无人设备在调整路径的行驶时长。
S10235,比较待比较时长和目标无人设备在调整路径的行驶时长。
S10236,若目标无人设备在调整路径的行驶时长小于待比较时长,则确定目标狭窄路段为待定狭窄路段。
与现有技术相比,本申请实施例具有以下有益效果:
首先,根据优先度的高低确定各个无人设备20通过狭窄路段的顺序,合理分配该狭窄路段的使用权,减少空利用率和时间消耗,同时,根据该无人设备在每个存在冲突的狭窄路段的等待时长,确定是否重新规划该无人设备的作业路径,避免等待时间过长,尽量缩短整体作业时长;
其次,现有的自动驾驶场景,是基于成熟的城市道路交通规则设计的,这种方式对于农田、农场、公园等封闭式环境或者在农村等狭窄道路情景中,并不完全适用。因此,本申请实施例根据每个无人设备20的任务起点和任务终点,规划每个无人设备20在作业区域中的作业路径,更适合农田、农场或者公园等封闭式环境。
为了执行上述无人设备调度方法实施例及各个可能的实施方式中的相应步骤,下面给出一种应用于电子设备10的无人设备调度装置的实现方式。
请参照图7,图7示出了本申请实施例提供的无人设备调度装置100的方框示意图,无人设备调度装置100应用于电子设备10,包括:第一确定模块101、第二确定模块102及执行模块103。
第一确定模块101,用于在待作业的无人设备集合中确定优先度最高的目标无人设备以及目标无人设备经过的每个存在冲突的第一狭窄路段。
第二确定模块102,用于根据目标无人设备在每个第一狭窄路段的等待时长,确定目标无人设备的作业路径。
执行模块103,用于:
从无人设备集合中删除目标无人设备;
判断无人设备集合是否为空;
若否,则并返回执行在待作业的无人设备集合中确定优先度最高的目标无人设备以及目标无人设备经过的每个存在冲突的第一狭窄路段的步骤,直至完成无人设备集合中每个无人设备的作业路径的确定;
若是,则完成无人设备集合中每个无人设备的作业路径的确定。
可选地,第二确定模块102具体用于:
从第一狭窄路段集合中确定任意一个目标狭窄路段,第一狭窄路段集合包括所有第一狭窄路段;
计算目标无人设备在目标狭窄路段的等待时长;
根据等待时长,确定目标狭窄路段是否为待定狭窄路段;
若是,则将目标狭窄路段加入待定狭窄路段集合,并在第一狭窄路段集合中删除目标狭窄路段;
若否,则在第一狭窄路段集合中删除目标狭窄路段;
判断第一狭窄路段集合是否为空;
若否,则返回执行从第一狭窄路段集合中确定任意一个目标狭窄路段的步骤,直至完成每个待定狭窄路段的确定;
若是,则完成每个待定狭窄路段的确定;
根据待定狭窄路段集合,对目标无人设备重新规划不经过每个待定狭窄路段的作业路径。
可选地,第二确定模块102具体还用于:
判断作业路径是否经过存在冲突的第二狭窄路段,第二狭窄路段与第一狭窄路段不同;
若是,则利用第二狭窄路段替代第一狭窄路段,并返回执行从第一狭窄路段集合中确定任意一个目标狭窄路段的步骤,直至得到作业路径。
可选地,第二确定模块102执行计算目标无人设备在目标狭窄路段的等待时长的方式,包括:
获得目标狭窄路段的通行时间表,通行时间表包括多个连续的时间段、及多个连续时间段中每个占用时间段对应的无人设备;
在通行时间表中,确定目标无人设备的当前所处时间段;
从当前所处时间段及当前所处时间段后的时间段中确定目标时间段,其中,目标无人设备占用目标时间段后,目标无人设备对应的所有无人设备中目标无人设备的优先度最高;
对当前所处时间段、当前所处时间段与目标时间段之间的所有时间段进行求和,得到等待时长。
可选地,第二确定模块102执行从当前所处时间段及当前所处时间段后的时间段中确定目标时间段的方式,包括:
判断当前所处时间段对应的所有无人设备中,目标无人设备的优先度是否最高;
若是,则确定当前所处时间段为目标时间段;
若否,则在通行时间表中,设置目标无人设备逐个占用当前所处时间段后的各个时间段,直至找到一个对应的所有无人设备中目标无人设备的优先度最高的目标时间段。
可选地,第二确定模块102执行根据等待时长,确定目标狭窄路段是否为待定狭窄路段的方式,包括:
计算目标无人设备在作业路径的行驶时长;
计算待比较时长,其中,待比较时长为等待时长和目标无人设备在作业路径的行驶时长之和;
设置目标狭窄路段为封闭路段,对目标无人设备重新进行路径规划,得到调整路径;
计算目标无人设备在调整路径的行驶时长;
比较待比较时长和目标无人设备在调整路径的行驶时长;
若目标无人设备在调整路径的行驶时长小于待比较时长,则确定目标狭窄路段为待定狭窄路段。
可选地,无人设备调度装置100还包括获得模块110和建表模块120。
获得模块110,用于获得作业区域中每个无人设备的作业路径和速度曲线,速度曲线与作业路径匹配,作业区域包括至少一个狭窄路段。
建表模块120,用于根据作业路径和速度曲线,建立每个狭窄路段的通行时间表,其中,通行时间表包括多个连续的时间段、及多个连续时间段中每个占用时间段对应的无人设备。
可选地,建表模块120具体用于:
从狭窄路段集合中确定任意一个参考狭窄路段,狭窄路段集合包括所有狭窄路段;
根据作业路径,确定经过参考狭窄路段的所有参考无人设备;
根据速度曲线,计算每个参考无人设备在参考狭窄路段的到达时间点和离开时间点;
根据每个参考无人设备的到达时间点和离开时间点,确定各个设定时间段对应的参考无人设备,得到参考狭窄路段的通行时间表;
在狭窄路段集合中删除参考狭窄路段;
判断狭窄路段集合是否为空;
若否,则返回执行从狭窄路段集合中确定任意一个参考狭窄路段的步骤,直至得到每个狭窄路段的通行时间表;
若是,则得到每个狭窄路段的通行时间表。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的无人设备调度装置100的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
请参照图8,图8示出了本申请实施例提供的电子设备10的方框示意图。该电子设备10包括处理器11、存储器12及总线13,处理器11通过总线13与存储器12连接。
存储器12用于存储程序,例如图7所示的无人设备调度装置100,无人设备调度装置100包括至少一个可以软件或固件(firmware)的形式存储于存储器12中的软件功能模块,处理器11在接收到执行指令后,执行所述程序以实现上述实施例揭示的应用于电子设备10的无人设备调度方法。
存储器12可能包括高速随机存取存储器(Random Access Memory,RAM),也可能还包括非易失存储器(non-volatile memory,NVM)。
处理器11可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器11中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器11可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、微控制单元(Microcontroller Unit,MCU)、复杂可编程逻辑器件(Complex Programmable LogicDevice,CPLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、嵌入式ARM等芯片。
本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器11执行时实现上述实施例揭示的应用于电子设备10的无人设备调度方法。
综上所述,本申请实施例提供的一种无人设备调度方法、装置、电子设备及存储介质,针对待作业的各个无人设备,按照优先度从高到低的顺序逐个确定作业路径,以一个无人设备为例,先找出该无人设备经过的每个存在冲突的狭窄路段,再根据该无人设备在每个存在冲突的狭窄路段的等待时长,确定该无人设备的作业路径。从而合理分配各个存在冲突的狭窄路段的使用权,避免等待时间过长,尽量缩短整体作业时长。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (12)
1.一种无人设备调度方法,其特征在于,所述方法包括:
在待作业的无人设备集合中确定优先度最高的目标无人设备以及所述目标无人设备经过的每个存在冲突的第一狭窄路段;
根据所述目标无人设备在每个所述第一狭窄路段的等待时长,确定所述目标无人设备的作业路径;
从所述无人设备集合中删除所述目标无人设备;
判断所述无人设备集合是否为空;
若否,则返回执行所述在待作业的无人设备集合中确定优先度最高的目标无人设备以及所述目标无人设备经过的每个存在冲突的第一狭窄路段的步骤,直至完成所述无人设备集合中每个无人设备的作业路径的确定;
若是,则完成所述无人设备集合中每个无人设备的作业路径的确定。
2.如权利要求1所述的方法,其特征在于,所述根据所述目标无人设备在每个所述第一狭窄路段的等待时长,确定所述目标无人设备的作业路径的步骤,包括:
从第一狭窄路段集合中确定任意一个目标狭窄路段,所述第一狭窄路段集合包括所有所述第一狭窄路段;
计算所述目标无人设备在所述目标狭窄路段的等待时长;
根据所述等待时长,确定所述目标狭窄路段是否为待定狭窄路段;
若是,则将所述目标狭窄路段加入待定狭窄路段集合,并在所述第一狭窄路段集合中删除所述目标狭窄路段;
若否,则在所述第一狭窄路段集合中删除所述目标狭窄路段;
判断所述第一狭窄路段集合是否为空;
若否,则返回执行所述从第一狭窄路段集合中确定任意一个目标狭窄路段的步骤,直至完成每个所述待定狭窄路段的确定;
若是,则完成每个所述待定狭窄路段的确定;
根据所述待定狭窄路段集合,对所述目标无人设备重新规划不经过每个所述待定狭窄路段的所述作业路径。
3.如权利要求2所述的方法,其特征在于,所述根据所述目标无人设备在每个所述第一狭窄路段的等待时长,确定所述目标无人设备的作业路径的步骤,还包括:
判断所述作业路径是否经过存在冲突的第二狭窄路段,所述第二狭窄路段与所述第一狭窄路段不同;
若是,则利用所述第二狭窄路段替代所述第一狭窄路段,并返回执行所述从第一狭窄路段集合中确定任意一个目标狭窄路段的步骤,直至得到所述作业路径。
4.如权利要求2或3所述的方法,其特征在于,所述计算所述目标无人设备在所述目标狭窄路段的等待时长的步骤,包括:
获得所述目标狭窄路段的通行时间表,所述通行时间表包括多个连续的时间段、及所述多个连续时间段中每个占用时间段对应的无人设备;
在所述通行时间表中,确定所述目标无人设备的当前所处时间段;
从所述当前所处时间段及所述当前所处时间段后的时间段中确定目标时间段,其中,所述目标无人设备占用所述目标时间段后,所述目标无人设备对应的所有无人设备中所述目标无人设备的优先度最高;
对所述当前所处时间段、所述当前所处时间段与所述目标时间段之间的所有时间段进行求和,得到所述等待时长。
5.如权利要求4所述的方法,其特征在于,所述从所述当前所处时间段及所述当前所处时间段后的时间段中确定目标时间段的步骤,包括:
判断所述当前所处时间段对应的所有无人设备中,所述目标无人设备的优先度是否最高;
若是,则确定所述当前所处时间段为所述目标时间段;
若否,则在所述通行时间表中,设置所述目标无人设备逐个占用所述当前所处时间段后的各个时间段,直至找到一个对应的所有无人设备中所述目标无人设备的优先度最高的目标时间段。
6.如权利要求2或3所述的方法,其特征在于,所述根据所述等待时长,确定所述目标狭窄路段是否为待定狭窄路段的步骤,包括:
计算所述目标无人设备在所述作业路径的行驶时长;
计算待比较时长,其中,所述待比较时长为所述等待时长和所述目标无人设备在所述作业路径的行驶时长之和;
设置所述目标狭窄路段为封闭路段,对所述目标无人设备重新进行路径规划,得到调整路径;
计算所述目标无人设备在所述调整路径的行驶时长;
比较所述待比较时长和所述目标无人设备在所述调整路径的行驶时长;
若所述目标无人设备在所述调整路径的行驶时长小于所述待比较时长,则确定所述目标狭窄路段为所述待定狭窄路段。
7.如权利要求1所述的方法,其特征在于,所述在待作业的无人设备集合中确定优先度最高的目标无人设备以及所述目标无人设备经过的每个存在冲突的第一狭窄路段的步骤之前,所述方法还包括:
获得作业区域中每个所述无人设备的作业路径和速度曲线,所述速度曲线与所述作业路径匹配,所述作业区域包括至少一个狭窄路段;
根据所述作业路径和所述速度曲线,建立每个所述狭窄路段的通行时间表,其中,所述通行时间表包括多个连续的时间段、及所述多个连续时间段中每个占用时间段对应的无人设备。
8.如权利要求7所述的方法,其特征在于,所述根据所述作业路径和所述速度曲线,建立每个所述狭窄路段的通行时间表的步骤,包括:
从所述狭窄路段集合中确定任意一个参考狭窄路段,所述狭窄路段集合包括所有所述狭窄路段;
根据所述作业路径,确定经过所述参考狭窄路段的所有参考无人设备;
根据所述速度曲线,计算每个所述参考无人设备在所述参考狭窄路段的到达时间点和离开时间点;
根据每个所述参考无人设备的到达时间点和离开时间点,确定各个设定时间段对应的所述参考无人设备,得到所述参考狭窄路段的通行时间表;
在所述狭窄路段集合中删除所述参考狭窄路段;
判断所述狭窄路段集合是否为空;
若否,则返回执行所述从狭窄路段集合中确定任意一个参考狭窄路段的步骤,直至得到每个所述狭窄路段的通行时间表;
若是,则得到每个所述狭窄路段的通行时间表。
9.一种无人设备调度装置,其特征在于,所述装置包括:
第一确定模块,用于在待作业的无人设备集合中确定优先度最高的目标无人设备以及所述目标无人设备经过的每个存在冲突的第一狭窄路段;
第二确定模块,用于根据所述目标无人设备在每个所述第一狭窄路段的等待时长,确定所述目标无人设备的作业路径;
执行模块,用于:
从所述无人设备集合中删除所述目标无人设备;
判断所述无人设备集合是否为空;
若否,则返回执行所述在待作业的无人设备集合中确定优先度最高的目标无人设备以及所述目标无人设备经过的每个存在冲突的第一狭窄路段的步骤,直至完成每个所述无人设备的作业路径的确定;
若是,则完成每个所述无人设备的作业路径的确定。
10.如权利要求9所述的装置,其特征在于,所述装置还包括:
获得模块,用于获得作业区域中每个所述无人设备的作业路径和速度曲线,所述速度曲线与所述作业路径匹配,所述作业区域包括至少一个狭窄路段;
建表模块,用于根据所述作业路径和所述速度曲线,建立每个所述狭窄路段的通行时间表,其中,所述通行时间表包括多个连续的时间段、及所述多个连续时间段中每个占用时间段对应的无人设备。
11.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-8中任一项所述的无人设备调度方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-8中任一项所述的无人设备调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011606795.2A CN112633585B (zh) | 2020-12-30 | 2020-12-30 | 无人设备调度方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011606795.2A CN112633585B (zh) | 2020-12-30 | 2020-12-30 | 无人设备调度方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112633585A true CN112633585A (zh) | 2021-04-09 |
CN112633585B CN112633585B (zh) | 2024-09-06 |
Family
ID=75286516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011606795.2A Active CN112633585B (zh) | 2020-12-30 | 2020-12-30 | 无人设备调度方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112633585B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633586A (zh) * | 2020-12-30 | 2021-04-09 | 广州极飞科技有限公司 | 调度方法、行驶方法及装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109032145A (zh) * | 2018-08-29 | 2018-12-18 | 广州市君望机器人自动化有限公司 | 对多机器人路径的调度方法及装置 |
CN110598957A (zh) * | 2019-09-30 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 路径规划方法、装置、计算机设备及存储介质 |
CN111190434A (zh) * | 2019-12-31 | 2020-05-22 | 广州极飞科技有限公司 | 无人机搭载公交车控制方法、无人机、系统及存储介质 |
CN111273669A (zh) * | 2020-02-26 | 2020-06-12 | 广东博智林机器人有限公司 | 交通调度方法、装置、设备及存储介质 |
CN111338343A (zh) * | 2020-02-27 | 2020-06-26 | 歌尔股份有限公司 | 自动引导车调度方法、装置、电子设备及存储介质 |
CN111487957A (zh) * | 2019-01-28 | 2020-08-04 | 杭州海康机器人技术有限公司 | 一种agv路径规划方法、装置、电子设备及存储介质 |
-
2020
- 2020-12-30 CN CN202011606795.2A patent/CN112633585B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109032145A (zh) * | 2018-08-29 | 2018-12-18 | 广州市君望机器人自动化有限公司 | 对多机器人路径的调度方法及装置 |
CN111487957A (zh) * | 2019-01-28 | 2020-08-04 | 杭州海康机器人技术有限公司 | 一种agv路径规划方法、装置、电子设备及存储介质 |
CN110598957A (zh) * | 2019-09-30 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 路径规划方法、装置、计算机设备及存储介质 |
CN111190434A (zh) * | 2019-12-31 | 2020-05-22 | 广州极飞科技有限公司 | 无人机搭载公交车控制方法、无人机、系统及存储介质 |
CN111273669A (zh) * | 2020-02-26 | 2020-06-12 | 广东博智林机器人有限公司 | 交通调度方法、装置、设备及存储介质 |
CN111338343A (zh) * | 2020-02-27 | 2020-06-26 | 歌尔股份有限公司 | 自动引导车调度方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
王亮;刘晓锋;刘少堂;耿杰;高婷婷;: "面向交通监控的动态无人飞机路径多目标优化", 数学的实践与认识, no. 22, 23 November 2017 (2017-11-23) * |
王冬冬;何胜学;路扬;: "考虑观测次数的无人机交通巡视时空网络模型", 上海理工大学学报, no. 05, 15 October 2019 (2019-10-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633586A (zh) * | 2020-12-30 | 2021-04-09 | 广州极飞科技有限公司 | 调度方法、行驶方法及装置、电子设备及存储介质 |
CN112633586B (zh) * | 2020-12-30 | 2024-09-06 | 广州极飞科技股份有限公司 | 调度方法、行驶方法及装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112633585B (zh) | 2024-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109976350B (zh) | 多机器人调度方法、装置、服务器及计算机可读存储介质 | |
CN108287545B (zh) | 多移动机器人的冲突管理方法及系统 | |
CN107992060B (zh) | 多移动机器人的路径规划方法及系统 | |
CN108267149B (zh) | 多移动机器人的冲突管理方法及系统 | |
CN111750862A (zh) | 基于多区域的机器人路径规划方法、机器人及终端设备 | |
CN110807236A (zh) | 一种基于多机器人的仓储物流仿真系统 | |
CN110471418B (zh) | 智能停车场中的agv调度方法 | |
CN108897317B (zh) | 一种自动导引小车agv的路径寻优方法、相关装置及存储介质 | |
KR101010718B1 (ko) | 복수개의 자원을 점유하는 무인 반송차의 동적 주행방법 | |
CN110471417B (zh) | 一种基于负载均衡的多agv避碰方法 | |
CN106643761B (zh) | 一种车辆路径规划的方法及系统 | |
CN114911238B (zh) | 一种无人驾驶矿车协同控制方法及系统 | |
CN116934059B (zh) | 一种天车调度方法、装置、设备及可读存储介质 | |
CN115547023A (zh) | 一种车辆控制方法、装置及系统 | |
CN112633585B (zh) | 无人设备调度方法、装置、电子设备及存储介质 | |
CN116974283A (zh) | 物料运输控制方法、装置、电子设备及存储介质 | |
CN116048092A (zh) | 智能体调度方法、装置、计算机可读介质及电子设备 | |
CN115755786A (zh) | 基于流量的多agv全局调度方法 | |
EP4392308A1 (en) | A hybrid method for controlling a railway system and an apparatus therefor | |
US20220300002A1 (en) | Methods and systems for path planning in a known environment | |
CN112729326A (zh) | 运动智能体轨迹规划方法、装置、存储介质和电子设备 | |
Abbou et al. | Dynamic route planning and scheduling in flexible manufacturing systems with heterogeneous resources, a max-plus approach | |
JP6943033B2 (ja) | 領域管理システム、方法およびプログラム | |
Li | Task Assignment and Path Planning for Autonomous Mobile Robots in Stochastic Warehouse Systems | |
Rivas et al. | Auction model for transport order assignment in AGV systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province Applicant after: XAG Co., Ltd. Address before: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province Applicant before: Guangzhou Xaircraft Technology Co.,Ltd. |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |