CN112799404B - Agv的全局路径规划方法、装置及计算机可读存储介质 - Google Patents

Agv的全局路径规划方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN112799404B
CN112799404B CN202110008407.9A CN202110008407A CN112799404B CN 112799404 B CN112799404 B CN 112799404B CN 202110008407 A CN202110008407 A CN 202110008407A CN 112799404 B CN112799404 B CN 112799404B
Authority
CN
China
Prior art keywords
grid
path
agv
map
node
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110008407.9A
Other languages
English (en)
Other versions
CN112799404A (zh
Inventor
肖红军
古宗宝
袁豪
胡杰
余显俊
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.)
Foshan University
Original Assignee
Foshan University
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 Foshan University filed Critical Foshan University
Priority to CN202110008407.9A priority Critical patent/CN112799404B/zh
Publication of CN112799404A publication Critical patent/CN112799404A/zh
Application granted granted Critical
Publication of CN112799404B publication Critical patent/CN112799404B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214Control 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
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276Control 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)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Instructional Devices (AREA)

Abstract

本发明涉及AGV路径规划技术领域,具体涉及一种AGV的全局路径规划方法、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AGV在栅格地图中的起点和终点,采用A*算法确定AGV在栅格地图中的规划路径;将栅格地图分割为多个栅格块,根据栅格块的大小分别确定每个栅格块的类型,根据规划路径与栅格块沿路径方向的相交位置,分别确定AGV在每个栅格块的起点和终点;采用A*算法分别得到AGV在每个栅格块的子路径,将全部栅格块的子路径连接形成AGV在栅格地图的改进路径;从改进路径的起点所在栅格开始,依次对相间隔的栅格之间的路径进行平滑,得到AGV的最终路径,本发明能够在大地图或精细地图上快速、准确的确定最短规划路径。

Description

AGV的全局路径规划方法、装置及计算机可读存储介质
技术领域
本发明涉及AGV路径规划技术领域,具体涉及一种AGV的全局路径规划方法、装置及计算机可读存储介质。
背景技术
AGV(Automated-Guided-Vehicle,自动导引运输车)在自动化车间中被广泛使用,在实际运输场景中,合理的路径规划可以让智能机器人快速准确的完成搬运任务。
现有的路径规划大多只适用于中小地图,而在大地图或精细地图上规划出改进路径的时间却不尽人意,需要较长的时间。
因此,亟待提供一种在大地图或精细地图上可以快速、准确的确定最短规划路径的方法。
发明内容
本发明提供一种AGV的全局路径规划方法、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AGV的全局路径规划方法,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,确定所述栅格地图中每个栅格的栅格类型,所述栅格类型包括通道和障碍物,所述栅格地图中的每个栅格均为正方形;
步骤S200、将所述栅格地图等比例划分为多个栅格块,得到栅格块地图,将栅格块中占比更多的栅格类型作为所述栅格块的类型;
步骤S300、确定AGV在所述栅格块地图中的起点和终点,采用A*算法确定所述AGV在所述栅格块地图中的规划路径;
步骤S400、根据规划路径与栅格块沿路径方向的相交位置,分别确定AGV在每个栅格块的起点和终点;
步骤S500、采用A*算法分别得到AGV在每个栅格块的子路径,将全部栅格块的子路径连接形成AGV在栅格地图的改进路径;
步骤S600、从所述改进路径的起点所在栅格开始,依次对相间隔的栅格之间的路径进行平滑,得到所述AGV的最终路径。
进一步,所述步骤S200包括:
确定所述栅格地图在横坐标的栅格数量和纵坐标的栅格数量,得到所述栅格地图的总栅格数量;
令x为所述栅格地图在横坐标的栅格数量,y为所述栅格地图在纵坐标的栅格数量,所述栅格地图的大小为x×y;
确定每个栅格块的大小为:其中,i=1,2,3,…,x×y;2≤Xi≤x,2≤Yi≤y;x/y=Xi/Yi;Xi为第i个子地图在横坐标的分割值,Yi为第i个子地图在纵坐标的分割值;
分别确定每个所述栅格块中栅格类型为通道的数量和栅格类型为障碍物的数量,比较栅格类型为通道的数量和栅格类型为障碍物的数量的大小,将数量更多的栅格类型作为所述栅格块的类型。
进一步,所述步骤S300包括:
分别确定规划路径经过每个栅格块的相交位置和路径方向,若所述规划路径和栅格块相交于相邻栅格的连接点,则将规划路径与栅格块沿路径方向首次相交的连接点作为AGV在所述栅格块的起点,将规划路径与栅格块沿路径方向最后相交的连接点作为AGV在所述栅格块的终点;
若所述规划路径和栅格块相交于相邻栅格的连接线,则将规划路径与栅格块沿路径方向首次相交的交点作为AGV在所述栅格块的起点,将规划路径与栅格沿路径方向最后相交的交点作为AGV在所述栅格块的终点,并将交点改为该交点所在连接线的中心点。
进一步,所述步骤S500包括:
步骤S510、沿所述改进路径选取第一个栅格Node(j),以栅格Node(j)、栅格Node(j+1)和栅格Node(j+2)为一组栅格;其中,j=1;
步骤S520、判断栅格Node(j)和栅格Node(j+2)连接的直线是否经过栅格类型为障碍物的栅格,若否,则执行步骤S530;若是,则执行步骤S540;
步骤S530、删除栅格Node(j+1),将栅格Node(j)和栅格Node(j+2)直线连接,作为从栅格Node(j)到栅格Node(j+2)的最终路径;
步骤S540、以栅格Node(j),栅格Node(j+2)为矩形对角线的两个端点,在栅格地图上对应的位置生成栅格块H(j),以栅格Node(j)为起点,栅格Node(j+2)为终点采用A*算法生成新路径,若生成的新路径比沿所述改进路径从栅格Node(j)经过栅格Node(j+1)到栅格Node(j+2)的路径短,则将新路径作为所述AGV在栅格块H(j)中的最终路径,否则,执行步骤S550;
步骤S550、判断j是否等于n-2,若否,则将j的数值加1并跳转执行步骤S420;若是,则将连接形成所述AGV的最终路径,n为所述改进路径的栅格总数量。
一种AGV的全局路径规划装置,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AGV的全局路径规划方法。
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AGV的全局路径规划程序,所述AGV的全局路径规划程序被处理器执行时实现上述任意一项所述的AGV的全局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AGV的全局路径规划方法、装置及计算机可读存储介质,本发明首先将车间的平面地图转换为栅格地图,对栅格地图进行分割,再采用A*算法确定所述AGV在所述栅格地图中的规划路径,可以快速的确定一条改进路径;接着,从所述改进路径的起点所在栅格开始,依次对相间隔的栅格之间的路径进行平滑,从而对改进路径进行优化,减少折点数量,进一步缩短路径长度,得到路径最短的最终路径。本发明能够在大地图或精细地图上快速、准确的确定最短规划路径。
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AGV的全局路径规划方法的流程示意图;
图2是本发明实施例中将栅格地图转为栅格块地图的示意图;
图3是本发明实施例中确定栅格块的子路径的一个示意图;
图4是本发明实施例中确定栅格块的子路径的另一个示意图;
图5是本发明实施例中一个栅格块地图的改进路径的示意图;
图6是本发明实施例中根据图5中的改进路径得到的最终路径的示意图;
图7是本发明实施例中栅格地图的改进路径的流程示意图;
图8是本发明实施例中根据图7中的改进路径得到的最终路径的示意图。
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AGV的全局路径规划方法,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,确定所述栅格地图中每个栅格的栅格类型;
其中,所述栅格类型包括通道和障碍物,所述栅格地图中的每个栅格均为正方形;
在一个示例性的实施例中,所述平面地图中存在可通行区域和货架,则将该可通行区域标记为通道,将该货架标记为障碍物,该货架在栅格地图中对应的栅格标记为障碍物,将可通行区域在栅格地图中对应的栅格标记为通道。
步骤S200、将所述栅格地图等比例划分为多个栅格块,得到栅格块地图,将栅格块中占比更多的栅格类型作为所述栅格块的类型;
在一个示例性的实施例中,如果栅格块中栅格类型为通道的栅格比栅格类型为障碍物的栅格更多,则将所述栅格块的栅格类型作为通道;如果栅格块中栅格类型为障碍物的栅格比栅格类型为通道的栅格更多,则将所述栅格块的栅格类型作为障碍物。
步骤S300、确定AGV在所述栅格块地图中的起点和终点,采用A*算法确定所述AGV在所述栅格块地图中的规划路径;
步骤S400、根据规划路径与栅格块沿路径方向的相交位置,分别确定AGV在每个栅格块的起点和终点;
步骤S500、采用A*算法分别得到AGV在每个栅格块的子路径,将全部栅格块的子路径连接形成AGV在栅格地图的改进路径;
步骤S600、从所述改进路径的起点所在栅格开始,依次对相间隔的栅格之间的路径进行平滑,得到所述AGV的最终路径。
本发明提供的实施例中,首先将车间的平面地图转换为栅格地图,对栅格地图进行分割,再采用A*算法确定所述AGV在所述栅格地图中的规划路径,可以快速的确定一条改进路径;接着,从所述改进路径的起点所在栅格开始,依次对相间隔的栅格之间的路径进行平滑,从而对改进路径进行优化,减少折点数量,进一步缩短路径长度,得到路径最短的最终路径。
参考图2,作为上述实施例的优选,所述步骤S200包括:
确定所述栅格地图在横坐标的栅格数量和纵坐标的栅格数量,得到所述栅格地图的总栅格数量;
令x为所述栅格地图在横坐标的栅格数量,y为所述栅格地图在纵坐标的栅格数量,所述栅格地图的大小为x×y;所述栅格地图的大小以所述栅格地图中总栅格数量的形式表示;
确定每个栅格块的大小为:其中,i=1,2,3,…,x×y;2≤Xi≤x,2≤Yi≤y;x/y=Xi/Yi;从而将所述栅格地图等比例划分为多个栅格块;其中,Xi为第i个子地图在横坐标的分割值,Yi为第i个子地图在纵坐标的分割值;
分别确定每个所述栅格块中栅格类型为通道的数量和栅格类型为障碍物的数量,比较栅格类型为通道的数量和栅格类型为障碍物的数量的大小,将数量更多的栅格类型作为所述栅格块的类型。
作为上述实施例的优选,所述步骤S300包括:
分别确定规划路径经过每个栅格块的相交位置和路径方向,若所述规划路径和栅格块相交于相邻栅格的连接点,则将规划路径与栅格块沿路径方向首次相交的连接点作为AGV在所述栅格块的起点,将规划路径与栅格块沿路径方向最后相交的连接点作为AGV在所述栅格块的终点;
若所述规划路径和栅格块相交于相邻栅格的连接线,则将规划路径与栅格块沿路径方向首次相交的交点作为AGV在所述栅格块的起点,将规划路径与栅格沿路径方向最后相交的交点作为AGV在所述栅格块的终点,并将交点改为该交点所在连接线的中心点。
需要说明的是,本实施例中,可以是一个栅格的起点为连接点,终点为中心点;也可以是一个栅格的起点为中心点,终点为连接点;又或者,一个栅格的起点和终点均为连接点或中心点。
在一个具体的实施例中,设规划路径的节点总数量为m,在确定规划路径所有节点对应的栅格块的起点和终点之后,基于所述栅格块的起点和终点执行A*算法,得每个栅格块的子路径path(i)(i=0,1,2,……,m),把所有子路径path(i)拼接在一块,即得到改进路径Path。
如图3和图4所示,栅格块的子路径path(i)采用以下方式确定,以图3为例,相邻栅格A和栅格B具有连接点,若所述规划路径和栅格A首次相交于该连接点,则将该连接点作为栅格A的起点,作为栅格B的终点;若所述规划路径和栅格A最后相交于该连接点,则将该连接点作为栅格A的终点,作为栅格B的起点;
以图4为例,若所述规划路径和栅格块相交于连接线,确定所述规划路径和栅格A首次相交的交点,将该交点作为栅格A的起点,作为栅格B的终点,并将该交点改为该交点所在连接线的中心点;确定所述规划路径和栅格A最后相交的交点,将该交点作为栅格A的终点,作为栅格B的起点,并将该交点改为该交点所在连接线的中心点。
作为上述实施例的优选,所述步骤S500包括:
步骤S510、沿所述改进路径选取第一个栅格Node(j),以栅格Node(j)、栅格Node(j+1)和栅格Node(j+2)为一组栅格;其中,j=1;
步骤S520、判断栅格Node(j)和栅格Node(j+2)连接的直线是否经过栅格类型为障碍物的栅格,若否,则执行步骤S530;若是,则执行步骤S540;
步骤S530、删除栅格Node(j+1),将栅格Node(j)和栅格Node(j+2)直线连接,作为从栅格Node(j)到栅格Node(j+2)的最终路径;
本步骤中,将栅格Node(j)和栅格Node(j+2)直线连接,替换从栅格Node(j)经过栅格Node(j+1)到栅格Node(j+2)的改进路径,解决了规划路径只能一步一个栅格前进的问题,将现实中可以畅通的两个节点直线连接,采用直线行走的方式得到最短路径。
步骤S540、以栅格Node(j),栅格Node(j+2)为矩形对角线的两个端点,在栅格地图上对应的位置生成栅格块H(j),以栅格Node(j)为起点,栅格Node(j+2)为终点采用A*算法生成新路径,若生成的新路径比沿所述改进路径从栅格Node(j)经过栅格Node(j+1)到栅格Node(j+2)的路径短,则将新路径作为所述AGV在栅格块H(j)中的最终路径,否则,执行步骤S550;
本步骤中,将新路径作为从栅格Node(j)到栅格Node(j+2)的最终路径,替换从栅格Node(j)经过栅格Node(j+1)到栅格Node(j+2)的改进路径,从而对原有的改进路径作进一步的优化,得到最优结果。
参考图5和图6,可以看出,将图5中的折线改为图6中的直线后,得到的路径更短。
步骤S550、判断j是否等于n-2,若否,则将j的数值加1并跳转执行步骤S420;若是,则将连接形成所述AGV的最终路径,n为所述改进路径的栅格总数量。
本实施例中,从所述改进路径的第一个栅格开始,沿所述改进路径依次选取一个栅格Node(j),以栅格Node(j)、栅格Node(j+1)和栅格Node(j+2)为一组栅格;对改进路径作进一步的优化;从而避免在确定改进路径时因丢失全局信息导致的弊端,可以减少改进路径中的折点数量,进一步缩短路径长度,得到路径更短的最终路径。
参考图7和图8,可以看出,通过对图7中的改进路径做进一步优化后,得到的最终路径如图8所示,最终路径更加平滑,路径也更短。
与图1的方法相对应,本发明实施例还提供一种AGV的全局路径规划装置,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AGV的全局路径规划方法。
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AGV的全局路径规划程序,所述AGV的全局路径规划程序被处理器执行时实现如上述任意一实施例所述的AGV的全局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-Arr ay,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AGV的全局路径规划装置的控制中心,利用各种接口和线路连接整个AGV的全局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AGV的全局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 (5)

1.一种AGV的全局路径规划方法,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,确定所述栅格地图中每个栅格的栅格类型,所述栅格类型包括通道和障碍物,所述栅格地图中的每个栅格均为正方形;
步骤S200、将所述栅格地图等比例划分为多个栅格块,得到栅格块地图,将栅格块中占比更多的栅格类型作为所述栅格块的类型;
步骤S300、确定AGV在所述栅格块地图中的起点和终点,采用A*算法确定所述AGV在所述栅格块地图中的规划路径;
步骤S400、根据规划路径与栅格块沿路径方向的相交位置,分别确定AGV在每个栅格块的起点和终点;
步骤S500、采用A*算法分别得到AGV在每个栅格块的子路径,将全部栅格块的子路径连接形成AGV在栅格地图的改进路径;
步骤S600、从所述改进路径的起点所在栅格开始,依次对相间隔的栅格之间的路径进行平滑,得到所述AGV的最终路径;
其中,所述步骤S500包括:
步骤S510、沿规划路径选取第一个栅格Node(j),以栅格Node(j)、栅格Node(j+1)和栅格Node(j+2)为一组栅格;其中,j=1;
步骤S520、判断栅格Node(j)和栅格Node(j+2)连接的直线是否经过栅格类型为障碍物的栅格,若否,则执行步骤S530;若是,则执行步骤S540;
步骤S530、删除栅格Node(j+1),将栅格Node(j)和栅格Node(j+2)直线连接,作为从栅格Node(j)到栅格Node(j+2)的最终路径;
步骤S540、以栅格Node(j),栅格Node(j+2)为矩形对角线的两个端点,在栅格地图上对应的位置生成栅格块H(j),以栅格Node(j)为起点,栅格Node(j+2)为终点采用A*算法生成新路径,若生成的新路径比沿规划路径从栅格Node(j)经过栅格Node(j+1)到栅格Node(j+2)的路径短,则将新路径作为所述AGV在栅格块H(j)中的最终路径,否则,执行步骤S550;
步骤S550、判断j是否等于n-2,若否,则将j的数值加1并跳转执行步骤S520;若是,则将连接形成所述AGV的最终路径,n为所述规划路径的栅格总数量。
2.根据权利要求1所述的一种AGV的全局路径规划方法,其特征在于,所述步骤S200包括:
确定所述栅格地图在横坐标的栅格数量和纵坐标的栅格数量,得到所述栅格地图的总栅格数量;
令x为所述栅格地图在横坐标的栅格数量,y为所述栅格地图在纵坐标的栅格数量,所述栅格地图的大小为
确定每个栅格块的大小为:,其中,/>;/>;/>为第i个子地图在横坐标的分割值,/>为第i个子地图在纵坐标的分割值;
分别确定每个所述栅格块中栅格类型为通道的数量和栅格类型为障碍物的数量,比较栅格类型为通道的数量和栅格类型为障碍物的数量的大小,将数量更多的栅格类型作为所述栅格块的类型。
3.根据权利要求2所述的一种AGV的全局路径规划方法,其特征在于,所述步骤S300包括:
分别确定规划路径经过每个栅格块的相交位置和路径方向,若所述规划路径和栅格块相交于相邻栅格的连接点,则将规划路径与栅格块沿路径方向首次相交的连接点作为AGV在所述栅格块的起点,将规划路径与栅格块沿路径方向最后相交的连接点作为AGV在所述栅格块的终点;
若所述规划路径和栅格块相交于相邻栅格的连接线,则将规划路径与栅格块沿路径方向首次相交的交点作为AGV在所述栅格块的起点,将规划路径与栅格沿路径方向最后相交的交点作为AGV在所述栅格块的终点,并将交点改为该交点所在连接线的中心点。
4.一种AGV的全局路径规划装置,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3任一项所述的AGV的全局路径规划方法。
5.一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AGV的全局路径规划程序,所述AGV的全局路径规划程序被处理器执行时实现如权利要求1至3中任意一项所述的AGV的全局路径规划方法的步骤。
CN202110008407.9A 2021-01-05 2021-01-05 Agv的全局路径规划方法、装置及计算机可读存储介质 Active CN112799404B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110008407.9A CN112799404B (zh) 2021-01-05 2021-01-05 Agv的全局路径规划方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110008407.9A CN112799404B (zh) 2021-01-05 2021-01-05 Agv的全局路径规划方法、装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112799404A CN112799404A (zh) 2021-05-14
CN112799404B true CN112799404B (zh) 2024-01-16

Family

ID=75808276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110008407.9A Active CN112799404B (zh) 2021-01-05 2021-01-05 Agv的全局路径规划方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112799404B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003266345A (ja) * 2002-03-18 2003-09-24 Sony Corp 経路計画装置、経路計画方法及び経路計画プログラム並びに移動型ロボット装置
US6629037B1 (en) * 2000-06-26 2003-09-30 Westerngeco, L.L.C. Optimal paths for marine data collection
CN101769754A (zh) * 2010-01-19 2010-07-07 湖南大学 一种基于类三维地图的移动机器人全局路径规划方法
KR20100094213A (ko) * 2009-02-18 2010-08-26 삼성전자주식회사 격자지도를 이용한 경로 생성 장치 및 방법
KR20110026776A (ko) * 2009-09-08 2011-03-16 부산대학교 산학협력단 실제 로봇의 다중 경로계획 방법
CN106970617A (zh) * 2017-04-06 2017-07-21 佛山科学技术学院 一种求解三目标机器人路径规划问题的方法
CN108896048A (zh) * 2018-06-01 2018-11-27 浙江亚特电器有限公司 用于移动载具的路径规划方法
CN109541634A (zh) * 2018-12-28 2019-03-29 歌尔股份有限公司 一种路径规划方法、装置和移动设备
CN109557928A (zh) * 2019-01-17 2019-04-02 湖北亿咖通科技有限公司 基于矢量地图和栅格地图的自动驾驶车辆路径规划方法
EP3557359A1 (en) * 2016-12-15 2019-10-23 Positec Power Tools (Suzhou) Co., Ltd Self-moving device return method, self-moving device, storage medium, and server
CN112066989A (zh) * 2020-08-19 2020-12-11 合肥工业大学 基于激光slam的室内agv自动导航系统及导航方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6629037B1 (en) * 2000-06-26 2003-09-30 Westerngeco, L.L.C. Optimal paths for marine data collection
JP2003266345A (ja) * 2002-03-18 2003-09-24 Sony Corp 経路計画装置、経路計画方法及び経路計画プログラム並びに移動型ロボット装置
KR20100094213A (ko) * 2009-02-18 2010-08-26 삼성전자주식회사 격자지도를 이용한 경로 생성 장치 및 방법
KR20110026776A (ko) * 2009-09-08 2011-03-16 부산대학교 산학협력단 실제 로봇의 다중 경로계획 방법
CN101769754A (zh) * 2010-01-19 2010-07-07 湖南大学 一种基于类三维地图的移动机器人全局路径规划方法
EP3557359A1 (en) * 2016-12-15 2019-10-23 Positec Power Tools (Suzhou) Co., Ltd Self-moving device return method, self-moving device, storage medium, and server
CN106970617A (zh) * 2017-04-06 2017-07-21 佛山科学技术学院 一种求解三目标机器人路径规划问题的方法
CN108896048A (zh) * 2018-06-01 2018-11-27 浙江亚特电器有限公司 用于移动载具的路径规划方法
CN109541634A (zh) * 2018-12-28 2019-03-29 歌尔股份有限公司 一种路径规划方法、装置和移动设备
CN109557928A (zh) * 2019-01-17 2019-04-02 湖北亿咖通科技有限公司 基于矢量地图和栅格地图的自动驾驶车辆路径规划方法
CN112066989A (zh) * 2020-08-19 2020-12-11 合肥工业大学 基于激光slam的室内agv自动导航系统及导航方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Research on path planning algorithm with obligatory node constraint;Lei W 等;《Computer Engineering and Applications》;第56卷(第21期);25-29 *
基于A-star改进路径规划算法研究;昊健;《中国优秀硕士学位论文全文数据库信息科技辑》(第2期);I138-4 *

Also Published As

Publication number Publication date
CN112799404A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
US11182624B2 (en) Method, system and memory for constructing transverse topological relationship of lanes in high-definition map
US20200292336A1 (en) Vehicle track planning method, device, computer device and computer-readable storage medium
US20130253827A1 (en) Apparatus for fast path search by learning heuristic function and method thereof
CN112504286A (zh) 基于引导线图层的路径规划方法及系统、服务器及介质
US20200088536A1 (en) Method for trajectory planning of a movable object
CN113721608A (zh) 机器人局部路径规划方法、系统和可读存储介质
JP2022013830A (ja) 自律走行車両のためのロードネットワークデータ生成方法、装置およびコンピュータプログラム
CN114399125B (zh) 车队最优轨迹控制方法、装置、电子设备及存储介质
CN113821860B (zh) 在钢筋图元上确定断点的方法、装置、设备及存储介质
CN112799404B (zh) Agv的全局路径规划方法、装置及计算机可读存储介质
CN111985366B (zh) 一种道路中心线及桩号识别方法、装置
CN113887043A (zh) 在钢筋图元上确定断点的方法、装置、设备及存储介质
CN117422439A (zh) 轨道线路划分方法、装置、设备及存储介质
CN112269848A (zh) 一种众包轨迹数据融合方法及装置
CN116764225A (zh) 一种高效寻路的处理方法、装置、设备及介质
CN113673154B (zh) 一种晶粒分选过程中的寻径方法、装置、设备及存储介质
KR20240031654A (ko) 차량에서의 메모리 관리 방법 및 시스템
CN112286424A (zh) 笔画擦除方法、终端及计算机可读存储介质
CN113919033B (zh) 施工段中钢筋甩筋的确定方法及确定装置
CN111179375B (zh) 建筑承台的轮廓图形的自动生成方法、装置及计算机存储介质
CN110910313B (zh) 基于维诺图的栅格地图拼接方法、装置及可读存储介质
CN118570341A (zh) 一种平面轴网自动优化绘制的方法、设备及可读介质
CN113804205B (zh) 自移动设备的路径规划方法、装置、介质及自移动设备
CN108303105A (zh) 导航设备中增加路径实现路径规划的方法
CN113390415A (zh) 机器人的定位方法、定位装置、管理系统和存储介质

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
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: No.33 Guangyun Road, Shishan town, Nanhai District, Foshan City, Guangdong Province

Patentee after: Foshan University

Country or region after: China

Address before: No.33 Guangyun Road, Shishan town, Nanhai District, Foshan City, Guangdong Province

Patentee before: FOSHAN University

Country or region before: China

CP03 Change of name, title or address