CN112633606B - 一种多agv路径规划方法、装置及计算机可读存储介质 - Google Patents
一种多agv路径规划方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112633606B CN112633606B CN202110007735.7A CN202110007735A CN112633606B CN 112633606 B CN112633606 B CN 112633606B CN 202110007735 A CN202110007735 A CN 202110007735A CN 112633606 B CN112633606 B CN 112633606B
- Authority
- CN
- China
- Prior art keywords
- node
- agv
- cost
- path
- nodes
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 239000007787 solid Substances 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及多AGV路径规划技术领域,具体涉及一种多AGV路径规划方法、装置及计算机可读存储介质,所述方法包括:将车间的平面地图转换为栅格地图,确定每台AGV在所述栅格地图中的起点、以及该台AGV所要到达的终点;根据栅格地图中每个节点的路径代价,依次确定每台AGV从起点至终点的规划路径,本发明能够对多台AGV进行合理的路径规划。
Description
技术领域
本发明涉及多AGV路径规划技术领域,具体涉及一种多AGV路径规划方法、装置及计算机可读存储介质。
背景技术
在制造业中,车间物料的运输效率,直接影响产品生产节拍的快慢,进而很大程度上决定了车间的生产效率,所以车间的智能化离不开物流系统高度的信息化和自动化。正是在这种背景下,AGV(Automated-Guided-Vehicle,自动导引运输车)在自动化车间中被广泛使用,并仍处于迅速发展阶段。而合理的路径规划算法可以让智能机器人快速准确的完成搬运任务。
在实际运输场景中,需要多台AGV同时工作,所以就产生了AGV相互冲突的问题。现有的解决方式大都通过调度算法来从减少冲突状况的发生,路径规划算法使用的仍是单AGV路径规划算法,即没从根本上解决问题。
发明内容
本发明提供一种多AGV路径规划方法、装置及计算机可读存储介质,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
为了实现上述目的,本发明提供以下技术方案:
一种多AGV路径规划方法,所述方法包括以下步骤:
步骤S100、将车间的平面地图转换为栅格地图,确定每台AGV在所述栅格地图中的起点、以及该台AGV所要到达的终点;
步骤S200、根据栅格地图中每个节点的路径代价,依次确定每台AGV从起点至终点的规划路径。
进一步,所述步骤S200包括:
步骤S210、将栅格地图中的栅格作为节点,计算栅格地图中每个节点的路径代价;
步骤S220、从全部AGV中依次选取一台AGV,将该台AGV的起点加入开启列表,遍历开启列表,查找路径代价最小的节点,记为优选节点;
步骤S230、将优选节点移到关闭列表中,搜索与所述优选节点相邻的8个邻节点;
步骤S240、从所述8个邻节点中选取移动代价最小的邻节点,将所述移动代价最小的邻节点的父节点设置为所述优选节点;
步骤S250、当终点不在关闭列表中且开启列表中存在节点时,执行步骤S270;否则,执行步骤S260;
步骤S260、将所述移动代价最小的邻节点作为优选节点,并执行步骤S220;
步骤S270、判断关闭列表中是否存在终点,若是,则执行步骤S280,若否,则结束;
步骤S280、从起点依次连接优选节点,直至终点,得到该台AGV的规划路径;
步骤S290、重复执行步骤S220至步骤S280,直至完成对全部AGV的路径规划。
进一步,所述步骤S240包括:
步骤S241、将判定为障碍物和/或存在于关闭列表中的邻节点忽略,从8个邻节点中筛选得到剩余节点;
步骤S242、判断剩余节点是否在开启列表中,若否,则执行步骤S243,若是,则执行步骤S244;
步骤S243、将剩余节点加入开启列表,确定剩余节点的移动代价;
步骤S244、分别计算从所述优选节点到达每个剩余节点的移动代价,确定移动代价最小的剩余节点,将所述移动代价最小的剩余节点的父节点设置为所述优选节点。
进一步,所述移动代价的计算公式为:
f(n)=g(n)+h(n);
其中,n表示节点总数,f(n)表示AGV从起点经过该邻节点到终点的路径代价,g(n)表示AGV从起点到该邻节点的移动代价,h(n)表示AGV从该邻节点到终点的估算成本;
所述估算成本的计算公式为:
其中,px表示起点的横坐标,nx表示终点的横坐标,py表示起点的纵坐标,ny表示终点的纵坐标;
所述移动代价的计算公式为:
其中,g′(n)为第(n-1)台AGV进行路径规划时确定的移动代价,ζij为第i行第j列的格栅的惩罚值;
所述惩罚值的计算公式为:
ζij=nij/N;
其中,nij表示第i行第j列的格栅被AGV经过的总次数,N表示该AGV的规划路径经过的总格栅数。
一种多AGV路径规划装置,所述装置包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现上述任一项所述的多AGV路径规划方法。
一种计算机可读存储介质,所述计算机可读存储介质上存储有多AGV路径规划程序,所述多AGV路径规划程序被处理器执行时实现上述任意一项所述的多AGV路径规划方法的步骤。
本发明的有益效果是:本发明公开一种多AGV路径规划方法、装置及计算机可读存储介质,本发明将车间的平面地图转换为栅格地图,采用地图搜索的方法,依据节点的路径代价对多台AGV进行路径规划,由于对每台AGV依次进行路径规划时,节点具有不同的路径代价,因此,多台AGV的规划路径不会冲突;本发明能够对多台AGV进行合理的路径规划。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中多AGV路径规划方法的流程示意图。
具体实施方式
以下将结合实施例和附图对本申请的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本申请的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
参考图1,如图1所示为本申请实施例提供的一种多AGV路径规划方法,所述方法包括以下步骤:
步骤S100、将车间的平面地图转换为栅格地图,确定每台AGV在所述栅格地图中的起点、以及该台AGV所要到达的终点;
其中,所述栅格地图中的每个栅格均为正方形;
步骤S200、根据栅格地图中每个节点的路径代价,依次确定每台AGV从起点至终点的规划路径。
作为上述实施例的优选,所述步骤S200包括:
步骤S210、将栅格地图中的栅格作为节点,计算栅格地图中每个节点的路径代价;
步骤S220、从全部AGV中依次选取一台AGV,将该台AGV的起点加入开启列表,遍历开启列表,查找路径代价最小的节点,记为优选节点;
步骤S230、将优选节点移到关闭列表中,搜索与所述优选节点相邻的8个邻节点;
步骤S240、从所述8个邻节点中选取移动代价最小的邻节点,将所述移动代价最小的邻节点的父节点设置为所述优选节点;
步骤S250、当终点不在关闭列表中且开启列表中存在节点时,执行步骤S270;否则,执行步骤S260;
步骤S260、将所述移动代价最小的邻节点作为优选节点,并执行步骤S220;
步骤S270、判断关闭列表中是否存在终点,若是,则执行步骤S280,若否,则结束;
步骤S280、从起点依次连接优选节点,直至终点,得到该台AGV的规划路径;
步骤S290、重复执行步骤S220至步骤S280,直至完成对全部AGV的路径规划。
本实施例中,所述规划路径的结果包括:确定了规划路径;或者,查找终点失败,并且开启列表是空的,此时没有得出规划路径。确定路径的方法具体为:从终点开始,沿当前节点的父节点移动,直至到达起点,得到一条路径;将沿该路径从起点到终点的线路作为规划路径。实际工作中,控制AGV从规划路径上的每个节点的中心行驶,直至目标。
作为上述实施例的优选,所述步骤S240包括:
步骤S241、将判定为障碍物和/或存在于关闭列表中的邻节点忽略,从8个邻节点中筛选得到剩余节点;
步骤S242、判断剩余节点是否在开启列表中,若否,则执行步骤S243,若是,则执行步骤S244;
步骤S243、将剩余节点加入开启列表,确定剩余节点的移动代价;
步骤S244、分别计算从所述优选节点到达每个剩余节点的移动代价,确定移动代价最小的剩余节点,将所述移动代价最小的剩余节点的父节点设置为所述优选节点。
也可以理解为,将移动代价最小的剩余节点作为所述优选节点的子节点。
作为上述实施例的优选,所述移动代价的计算公式为:
f(n)=g(n)+h(n);
其中,n表示节点总数,f(n)表示AGV从起点经过该邻节点到终点的路径代价,g(n)表示AGV从起点到该邻节点的移动代价,h(n)表示AGV从该邻节点到终点的估算成本;
所述估算成本的计算公式为:
其中,px表示起点的横坐标,nx表示终点的横坐标,py表示起点的纵坐标,ny表示终点的纵坐标;
所述移动代价的计算公式为:
其中,g′(n)为第(n-1)台AGV进行路径规划时确定的移动代价,ζij为第i行第j列的格栅的惩罚值;可以理解,g′(1)表示移动代价为0。
所述惩罚值的计算公式为:
ζij=nij/N;
其中,nij表示第i行第j列的格栅被AGV经过的总次数,N表示该AGV的规划路径经过的总格栅数。
本实施例中,将垂直移动一个节点的移动代价设置为1,斜向移动一个节点的移动代价设置为1.4;每台AGV完成一次规划路径之后,需计算每个格栅的惩罚值,从而更新移动代价,下一台AGV需在更新后的移动代价上进行路径规划。当单个节点经过的AGV次数越多时,其惩罚值越大,以此限制其他AGV从该节点经过,从而减少了AGV之间的冲突。
与图1的方法相对应,本发明实施例还提供一种多AGV路径规划装置,所述装置包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现上述任一实施例所述的多AGV路径规划方法。
上述方法实施例中的内容均适用于本装置实施例中,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
与图1的方法相对应,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有多AGV路径规划程序,所述多AGV路径规划程序被处理器执行时实现上述任一实施例所述的多AGV路径规划方法的步骤。
所述处理器可以是中央处理单元(Central-Processing-Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital-Signal-Processor,DSP)、专用集成电路(Application-Specific-Integrated-Circuit,ASIC)、现场可编程门阵列(Field-Programmable-Gate-Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述多AGV路径规划装置的控制中心,利用各种接口和线路连接整个多AGV路径规划装置可运行装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述多AGV路径规划装置的各种功能。所述存储器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手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器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,例如硬盘、内存、插接式硬盘,智能存储卡(Smart-Media-Card,SMC),安全数字(Secure-Digital,SD)卡,闪存卡(Flash-Card)、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。
尽管本申请的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求,考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本申请的预定范围。此外,上文以发明人可预见的实施例对本申请进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本申请的非实质性改动仍可代表本申请的等效改动。
Claims (4)
1.一种多AGV路径规划方法,其特征在于,所述方法包括以下步骤:
步骤S100、将车间的平面地图转换为栅格地图,确定每台AGV在所述栅格地图中的起点、以及该台AGV所要到达的终点;
步骤S200、根据栅格地图中每个节点的路径代价,依次确定每台AGV从起点至终点的规划路径;
其中,所述步骤S200包括:
步骤S210、将栅格地图中的栅格作为节点,计算栅格地图中每个节点的路径代价;
步骤S220、从全部AGV中依次选取一台AGV,将该台AGV的起点加入开启列表,遍历开启列表,查找路径代价最小的节点,记为优选节点;
步骤S230、将优选节点移到关闭列表中,搜索与所述优选节点相邻的8个邻节点;
步骤S240、从所述8个邻节点中选取移动代价最小的邻节点,将所述移动代价最小的邻节点的父节点设置为所述优选节点;
步骤S250、当终点不在关闭列表中且开启列表中存在节点时,执行步骤S270;否则,执行步骤S260;
步骤S260、将所述移动代价最小的邻节点作为优选节点,并执行步骤S220;
步骤S270、判断关闭列表中是否存在终点,若是,则执行步骤S280,若否,则结束;
步骤S280、从起点依次连接优选节点,直至终点,得到该台AGV的规划路径;
步骤S290、重复执行步骤S220至步骤S280,直至完成对全部AGV的路径规划;
其中,所述移动代价的计算公式为:
f(n)=g(n)+h(n);
其中,n表示节点总数,f(n)表示AGV从起点经过该邻节点到终点的路径代价,g(n)表示AGV从起点到该邻节点的移动代价,h(n)表示AGV从该邻节点到终点的估算成本;
所述估算成本的计算公式为:
其中,px表示起点的横坐标,nx表示终点的横坐标,py表示起点的纵坐标,ny表示终点的纵坐标;
所述移动代价的计算公式为:
其中,g′(n)为第(n-1)台AGV进行路径规划时确定的移动代价,ζij为第i行第j列的格栅的惩罚值;
所述惩罚值的计算公式为:
ζij=nij/N;
其中,nij表示第i行第j列的格栅被AGV经过的总次数,N表示该AGV的规划路径经过的总格栅数。
2.根据权利要求1所述的一种多AGV路径规划方法,其特征在于,所述步骤S240包括:
步骤S241、将判定为障碍物和/或存在于关闭列表中的邻节点忽略,从8个邻节点中筛选得到剩余节点;
步骤S242、判断剩余节点是否在开启列表中,若否,则执行步骤S243,若是,则执行步骤S244;
步骤S243、将剩余节点加入开启列表,确定剩余节点的移动代价;
步骤S244、分别计算从所述优选节点到达每个剩余节点的移动代价,确定移动代价最小的剩余节点,将所述移动代价最小的剩余节点的父节点设置为所述优选节点。
3.一种多AGV路径规划装置,其特征在于,所述装置包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1至2任一项所述的多AGV路径规划方法。
4.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有多AGV路径规划程序,所述多AGV路径规划程序被处理器执行时实现如权利要求1至2中任意一项所述的多AGV路径规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110007735.7A CN112633606B (zh) | 2021-01-05 | 2021-01-05 | 一种多agv路径规划方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110007735.7A CN112633606B (zh) | 2021-01-05 | 2021-01-05 | 一种多agv路径规划方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112633606A CN112633606A (zh) | 2021-04-09 |
CN112633606B true CN112633606B (zh) | 2022-11-01 |
Family
ID=75290762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110007735.7A Active CN112633606B (zh) | 2021-01-05 | 2021-01-05 | 一种多agv路径规划方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112633606B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113246129B (zh) * | 2021-05-21 | 2022-04-26 | 佛山科学技术学院 | 一种叉车机器人控制系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111422741A (zh) * | 2020-03-24 | 2020-07-17 | 苏州西弗智能科技有限公司 | 一种桥式起重机运动路径规划方法 |
CN111459108A (zh) * | 2020-04-08 | 2020-07-28 | 北京理工大学 | 拖挂式多agv系统的任务分配及无冲突路径规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004061636A1 (de) * | 2004-12-17 | 2006-07-06 | Eads Deutschland Gmbh | Zur Implementierung in ein Computersystem vorgesehenes Verfahren zur Ermittlung optimierter Bahnen eines Fahrzeugs sowie System zur Ermittlung optimierter Soll-Bahnen |
-
2021
- 2021-01-05 CN CN202110007735.7A patent/CN112633606B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111422741A (zh) * | 2020-03-24 | 2020-07-17 | 苏州西弗智能科技有限公司 | 一种桥式起重机运动路径规划方法 |
CN111459108A (zh) * | 2020-04-08 | 2020-07-28 | 北京理工大学 | 拖挂式多agv系统的任务分配及无冲突路径规划方法 |
Non-Patent Citations (1)
Title |
---|
基于多影响因素RDMA*算法的无人驾驶动态路径规划;许伦辉;《交通信息与安全》;20200229;第38卷(第224期);第24-34页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112633606A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109115226B (zh) | 基于跳点搜索的多机器人冲突避免的路径规划方法 | |
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 | |
Arslan et al. | Use of relaxation methods in sampling-based algorithms for optimal motion planning | |
CN113074728B (zh) | 基于跳点寻路与协同避障的多agv路径规划方法 | |
WO2023155371A1 (zh) | 室内移动机器人的平稳移动全局路径规划方法 | |
CN111708364B (zh) | 一种基于a*算法改进的agv路径规划方法 | |
CN111024092A (zh) | 一种多约束条件下智能飞行器航迹快速规划方法 | |
CN109885891A (zh) | 一种智能车gpu并行加速轨迹规划方法 | |
CN106779252B (zh) | 一种基于改进量子蚁群算法的agv实时路线规划方法 | |
CN112833905A (zh) | 基于改进a*算法的分布式多agv无碰撞路径规划方法 | |
CN105527964A (zh) | 一种机器人路径规划方法 | |
CN114489062B (zh) | 面向车间物流的多自动导引车分布式动态路径规划方法 | |
CN112633606B (zh) | 一种多agv路径规划方法、装置及计算机可读存储介质 | |
CN109163722A (zh) | 一种仿人机器人路径规划方法及装置 | |
WO2022016320A1 (zh) | 地图更新方法、装置、计算机设备和存储介质 | |
CN109341698B (zh) | 一种移动机器人的路径选择方法及装置 | |
CN113485360A (zh) | 基于改进搜索算法的agv机器人路径规划方法及系统 | |
CN115981264A (zh) | 一种考虑冲突的agv调度与数量联合优化方法 | |
Le et al. | D* lite with reset: Improved version of D* lite for complex environment | |
CN114690787A (zh) | 一种多移动机器人路径规划方法、系统、计算机设备及存储介质 | |
CN114578828A (zh) | 一种基于空间约束a星算法的移动机器人路径规划方法 | |
CN112764413B (zh) | 一种机器人路径规划方法 | |
CN109870163B (zh) | 一种基于拓扑地图多模型的建图系统 | |
Zanardi et al. | Game Theoretical Motion Planning: Tutorial ICRA 2021 | |
Mahmood et al. | Robot Path Planning Based on Hybrid Adaptive Dimensionality Representation with Glowworm Swarm Optimization |
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 |