CN113050635A - 一种果园采摘运输多机器人的任务分配和路径规划方法 - Google Patents
一种果园采摘运输多机器人的任务分配和路径规划方法 Download PDFInfo
- Publication number
- CN113050635A CN113050635A CN202110271356.9A CN202110271356A CN113050635A CN 113050635 A CN113050635 A CN 113050635A CN 202110271356 A CN202110271356 A CN 202110271356A CN 113050635 A CN113050635 A CN 113050635A
- Authority
- CN
- China
- Prior art keywords
- robot
- picking
- point
- harvesting
- robots
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000002420 orchard Substances 0.000 title claims abstract description 38
- 238000003306 harvesting Methods 0.000 claims abstract description 78
- 230000008878 coupling Effects 0.000 claims abstract description 27
- 238000010168 coupling process Methods 0.000 claims abstract description 27
- 238000005859 coupling reaction Methods 0.000 claims abstract description 27
- 235000013399 edible fruits Nutrition 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 19
- 235000013569 fruit product Nutrition 0.000 claims 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005070 ripening Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
Abstract
本发明属于农业多机器人技术领域,具体涉及一种果园采摘运输多机器人的任务分配和路径规划方法,本方案包括的主要步骤如下:1.保障多机器人在无故障的状态下顺利采收,不断更新采收区域,并根据采收区域内正在行驶的机器人数量来划分机器人作业任务性质;2.在更新后的采收区域内有单个机器人正在行驶时,执行紧耦合任务分配,标记机器人状态为其规划到达目标点的最短路径;3.当更新后的采收区域内有2个以上的机器人正在行驶时,执行松耦合任务分配,为采摘运输多机器人建立配合顺序,标记机器人状态为其规划到达目标点的最短路径;4.根据机器人状态和机器人目标点是否清楚,为其计算准确的目标点,并建立从机器人当前位置到目标点的最短路径。
Description
技术领域
本发明属于农业多机器人技术领域,具体涉及一种果园采摘运输多机器人的任务分配和路径规划方法。
背景技术
水果采收运输是果园种植生产中用工量最大的环节,且人力采摘时多浪费时间在果园行走中。即采用携带小型容器装满果品后,运送到地头的检验点,检验无损坏后将果品进行装箱。随着集约化种植模式的推广,适用于狭窄果园的小型采摘机器人开始进入果园替代人工采摘,而灵活性强的采摘机器人承重能力有限,仍需要往返在地头和果园之间,导致生产效率低下。
现有的多机器人任务分配多用于工厂AGV小车运输、无人机群编队、机器人足球大赛等应用环境中机器人的调度,多机器人的任务性质单一,多为松耦合或紧耦合。而果园采摘运输多机器人需要不断往返于采摘机器人和机器人仓库之间,其作业任务的性质并不固定,且同一棵树果品成熟的时间是不同的、机器人在运行过程中电量不断减少、承载重量不断增加,这些因素都会导致采摘运输多机器人的任务性质在松耦合和紧耦合之间来回转换,以及执行任务机器人的数量变换,同样地机器人的采收路径也是实时动态变化的。但果园有大量成排种植的果树,机器人可自由活动的区域较少。因此,在环境限制条件下,既能适应多机器人作业任务性质的转变,又能动态分配合理的任务量和行驶路径,是果园采摘运输多机器人任务分配和路径规划方法需要解决的问题。
发明内容
为了解决现有任务分配和路径规划方法存在的缺陷,本发明提出一种果园采摘运输多机器人的任务分配和路径规划方法,将紧耦合和松耦合相结合,根据环境变化的情况和机器人当前的状态,动态地规划采摘运输机器人的作业路径,实时地调整机器人的任务量。
本发明采用以下技术方案实现:
一种果园采摘运输多机器人的任务分配和路径规划方法,涉及集约化大规模种植的果园,分为松耦合任务分配和路径规划方法、紧耦合任务分配和路径规划方法,包括如下步骤:
S0:根据果园大小为采摘运输多机器人划分采收区域,同时获取果园可行驶路线,并记录机器人的编号和当前位置信息,并检查机器人是否故障,当发现机器存在故障问题,由采摘运输多机器人系统紧急调配新的机器人进行替换;
S1:在已更新的“1+2”采摘运输多机器人采收区域,根据采收区域内行驶机器人的数量是否大于等于2,将采摘运输多机器人的任务分配和路径规划划分为松耦合任务分配和路径规划和紧耦合任务分配和路径规划,每执行完一次任务,就判断机器人当前位置点是否为采收区域最后一个换接点,若否则更新采摘运输多机器人的采收区域,反之则任务结束。
进一步地,本实施列中的松耦合任务分配,包括如下步骤:
(1)获取“1+2”采摘或运输机器人采收区域及果园可行驶路线;
(2)根据机器人当前位置信息判断是在机器人仓库还是采收区域内,当机器人在采收区域时进入步骤(3)。反之,在机器人仓库内则继续判断机器人电量是否在阈值范围内,电量不足时给机器人充电,电量充足时继续判断机器人承载量,有载重时清空,空载时则标记机器人状态为采收,并进入步骤(4);
(3)当机器人在已更新后采收区域内时,获取机器人编号,判断是否有突发故障的出现,当存在故障时,则返回S0;反之,则根据机器人的承载量和电量是否符合阈值要求,标记机器人状态为采收或返仓;
(4)当机器人状态为采收或返仓时,根据机器人状态分别计算机器人和目标点之间的最短路径;
进一步地,当行驶的机器人数量超过2时,则执行本实施列中的紧耦合任务分配,包括如下步骤:
(1)判断是否有突发故障,当存在突发故障时,则返回S0。当没有突发故障时,则继续判断当前位置点是否在机器人仓库,当在机器人仓库时,则继续判断是否符合满电量、空载的要求,不满足要求时则充电或清空。满足满电量和空载要求则进入步骤(3);
(2)当前位置点不在机器人仓库时,则继续判断是否电量、承载量是否符合阈值要求,当满足阈值要求时则标记机器人状态为返仓并返回机器人仓库;当不满足阈值要求时进入步骤(3);
(3)判断采收区域内最后一个换接点附近的果树是否已采摘,当果树已采摘,则标记机器人状态为返仓并返回机器人仓库。反之,则进入步骤(4);
(4)当采收区域内最后一个换接点附近的果树未采摘完,则标记多机器人状态为采收,行驶至已更新后的采收区域内,采收作业路径距离最短的换接点上,并按照划分区域内固定行间距逐棵开始采摘,记录正在采摘的第q棵树已采摘的果品数量和单个果品的重量,同时每采摘完一棵树就返回一次S1,并估算采摘运输多机器人采完第q棵树后的承载量最大和最小界限,并得到采完q棵树后较准确的承载量;
(5)基于得到采摘至q棵树后运输车较准确的承载量,根据承载量与载重阈值差值,判断多机器人采摘下一棵树的位置是否在采收区域内的当前采摘行的换接点附近;
(6)当下棵树在换接点附近时,新换接的机器人的位置在采摘机器人后方与采摘机器人相隔1米处,反之,新换接机器人的位置在采摘机器人前方与采摘机器人相隔1米处。根据新换接机器人的位置,建立多机器人间配合的顺序,并向新运输机器人发送目标点的消息,为运输机器人建立到目标点的最短路径;
进一步地,根据采摘运输多机器人的松耦合任务分配和紧耦合任务分配,为采摘运输多机器人规划最短的作业路径,包括如下步骤:
(1)机器人标记状态为采收时,不清楚机器人在采收区域内采收的位置时,计算机器人到达采收区域的目标点并得到到达该点的最短路径;
(2)机器人标记状态为采收时,清楚机器人在采收区域内继续采收的位置时,并得到到达该点的最短路径;
(3)机器人标记状态为返仓时,得到机器人从当前位置点返回出入点1的最短路径;
本发明的有益效果在于:基于整数规划的分支定界法为采摘运输多机器人单次采收任务估算出最大的承载量,得到适宜地多机器人换接点。并利用路径优化算法,为采摘运输多机器人规划出到目标点的最短路径。同时,当机器人出现故障时,为替换的同类机器人规划出合适的路径。既保证采摘运输多机器人能正常协同作业,又能保证在机器人故障时采收工作能持续进行。
附图说明
以下将结合附图对本发明做进一步详细说明:
图1为本发明的任务分配规则流程图;
图2为本发明的松耦合任务分配流程图;
图3为本发明的紧耦合任务分配流程图;
图4为规划果园采摘运输多机器人最短作业路径示意图。
具体实施方式
以下结合附图对本发明作进一步的详细说明:
本实施例中,机器人仓库前采收区域外道路行走路线上的交叉点1为各机器人出入仓库的固定出入点,各机器人在机器人仓库和交叉点1之间的往返路径为固定线路。果园中果树种植间隔有标准地行间距,一种果园采摘运输多机器人系统的任务分配和路径规划包括在一个通信网络中的能实现无线通信的多个采摘机器人、多个运输机器人和采摘运输多机器人系统。其中运输机器人的数量是采摘机器人的2倍,即1个采摘机器人配2个运输机器人为1套果园采摘运输多机器人,采收时1个采摘机器人与1个运输机器人同时运行,采摘机器人与运输机器人相隔1米的安全距离,另1个运输机器人则用于换接满载的运输机器人。任务分配和路径规划方法主要针对1个采摘机器人和2个运输机器人在划分好的采收区域中的配合。
本发明涉及的果园采摘运输多机器人任务分配和路径规划方法,主要针对集约化大规模种植的果园,分为松耦合任务分配和路径规划方法和紧耦合任务分配和路径规划方法,如图1所示,该方法包括如下步骤:
S0:先根据果园大小为采摘运输多机器人划分采收区域,即人为的为采摘机器人设定固定采摘k行(k≤单个图形中果园内的果树行)的任务量,根据固定任务量,1个采摘机器人和2个运输机器人共享一块采收区域。同时,获取果园可行驶路线。
进一步地,机器人行走的路径由G=(G1,G2)组成,其中G1为采收区域外道路,G2为采收区域内采收道路。根据交叉点集V1={v1,v2,v3,…,vi}和道路行走路线的边集E1={e1,e2,e3,…,ei-1}标记采收区域外道路为G1=(V1,E1);根据换接点集V2={v1_1,v1_2,v2_1,v2_2…,vn_j,…vk_1,vk_2}和采收行走路线的边集E2={e1,e2,e3,…,en,…,ek}标记采收区域内采收道路为G2=(V2,E2)。
再记录机器人的编号和当前位置信息,其中采摘机器人编号为m,运输机器人编号相邻分别为m_1和m_2。最后检查机器人是否故障,当发现机器存在故障问题,由采摘运输多机器人系统紧急调配机器人库内空闲且编号在前的新机器人进行替换。
S1:在已更新的“1+2”采摘运输多机器人采收区域,根据采收区域内行驶机器人的数量是否大于等于2,将采摘运输多机器人的任务分配和路径规划划分为松耦合任务分配和路径规划和紧耦合任务分配和路径规划;
进一步地,单个机器人运动时执行松耦合任务分配和路径规划方法,即来换接的采摘或运输机器人从机器人仓库前出入点v1驶向目标位置点vtarget,或装载果品的运输机器人从当前位置点返回机器人仓库为松耦合任务。2个或以上机器人运动时。当行驶机器人为2个以上时选择紧耦合任务分配和路径规划方法,即采摘和运输机器人在果园中配合采收,或空载运输机器人换接满载的运输机器人为紧耦合任务。
每执行一次任务,就判断机器人当前位置点是否为采收区域最后一个换接点,若否则更新采摘运输多机器人的采收区域,反之则任务结束。
进一步地,本实施例中的松耦合任务分配如图2所示,包括如下步骤:
(1)获取“1+2”采摘或运输机器人采收区域及果园可行驶路线;
根据采摘或运输机器人的编号顺序获取采收区域,机器人的果园可行驶路线包括道路行走路线和采收区域内的采收行走路线。
(2)根据机器人当前位置信息判断是在机器人仓库还是采收区域内,当机器人在采收区域时进入步骤(3)。反之,当机器人仓库内则继续判断机器人电量是否在阈值范围内,电量不足时给机器人充电,电量充足时继续判断机器人承载量,有载重时清空,空载时则标记机器人状态为采收,并进入步骤(4);
(3)当机器人在已更新后采收区域内时,获取机器人编号,判断是否有突发故障的出现,当存在故障时,则返回S0;反之,则根据机器人的承载量和电量是否符合阈值要求,标记机器人状态为采收或返仓;
(4)当机器人状态为采收或返仓时根据机器人状态分别为机器人规划到达目标点的最短路径;
进一步地,本实施例中的紧耦合任务分配如图3所示,包括如下步骤:
(1)判断是否有突发故障,当存在突发故障时,则返回S0。当没有突发故障时,则继续判断当前位置点是否在机器人仓库,当在机器人仓库时,则继续判断是否符合满电量、空载的要求,不满足要求时则充电或清空。满足满电量和空载要求则进入步骤(3);
(2)当前位置点不在机器人仓库时,则继续判断是否电量、承载量是否符合阈值要求,当满足阈值要求时则标记机器人状态为返仓并返回机器人仓库,反之不满足阈值要求时进入步骤(3);
(3)判断采收区域内最后一个换接点附近的果树是否已采摘,当果树已采摘,则标记机器人状态为返仓并返回机器人仓库。反之,则进入步骤(4);
(4)当采收区域内最后一个换接点附近的果树未采摘完,则标记多机器人状态为采收,行驶至已更新后的采收区域内,采收作业路径距离最短的换接点上,并按照划分区域内固定行间距逐棵开始采摘,记录正在采摘的第q棵树已采摘的果品数量和单个果品的重量,同时每采摘完一棵树就返回一次S1;
进一步地,通过式(1)估算采摘运输多机器人采至第q棵树的运输车承载量最大和最小界限;
其中,i为果园单行树的编号,X为第p棵树采摘单个果品的重量,fp(X)为第p棵果树上采摘果品的重量集合,sq为第q棵树观测到的可采摘果品数量,为根据前一棵树的最大和最小果品重量的均值估算得到的运输车载重,u(X)为根据前一棵树最大果品重量估算得到的运输车载重。
(5)基于得到采摘至q棵树后运输车较准确的承载量,根据承载量与载重阈值差值,通过式(5)和式(6)确定运输机器人下一时刻的位置vposition_next:
vnext=vcurrent+株距 (5)
其中vnext为下一棵果树的位置,vcurrent为当前果树的果树;
进一步地,根据式(7)和式(8)判断多机器人采摘下一棵树的位置是否在采收区域内的当前采摘行的换接点vn_j附近;
(6)当下棵树在换接点附近时,使新换接的机器人在采摘机器人后方,且与采摘机器人相隔1米,反之,使新换接机器人在采摘机器人前方,且与采摘机器人相隔1米。根据新换接机器人在采摘机器人的前方还是后方,建立多机器人间配合的顺序,并标记多机器人状态为采收,向采摘运输多机器人发送目标点的消息,为机器人规划到达目标点最短路径;
具体建立的采摘运输多机器人配合顺序如下示例过程:
进一步地,本实施例中松耦合任务的路径规划方法和紧耦合任务的路径规划方法如图4所示,包括如下步骤:
(1)机器人标记状态为采收时,不清楚机器人在采收区域内采收的位置时,计算机器人到达采收区域的目标点并得到到达该点的最短路径;
进一步的,用式(9)(10)求得单个机器人标记采收状态时,在采收区域内的目标点:
dmax=max{dis(v1,vn_j)} (10)
其中,v1为机器人库前固定出入点,vn_j为换接点集V2中的换接点,dmax为固定出入点v1到换接点vn_j的最大距离;
在式(10)中同时得到采收区域距离固定出入点v1最远的换接点vmax_n_j和同一行的最近的换接点进一步地,通过式(11)得到换接点vmax_n_j和所在直线与道路行走路线边集E1的垂直交叉点vc_n:
其中,vmax_n_j_x和vmax_n_j_y为换接点vmax_n_j的横、纵坐标,vmax_n_j+1_x和vmax_n_j+1_y为换接点vmax_n_j+1的横、纵坐标,vi_j_x和vi_j_y为交叉点vi_j的横、纵坐标,vi+1_j_x和vi+1_j_y为交叉点vi+1_j的横、纵坐标。
进一步地,通过式(12)分别比较换接点vmax_n_j、与垂直交叉点vc_n之间的距离,得到距离最近的垂直交叉点vc_x和目标点vtarget,再代入式(13),得到机器人从v1到目标点vtarget的最短路径Dmin:
(2)机器人标记状态为采收时,清楚机器人在采收区域内继续采收的位置时,并得到到达该点的最短路径;
进一步地,根据机器人编号,当为采摘机器人时,采用式(5)和式(6)得到采摘机器人的目标点vtarget为vposition_next。当为运输机器人时,有原运输机器人在采摘机器人时,若原运输机器人在采摘机器人后,则运输机器人的目标点vtarget为采摘机器人当前位置点vcurrent+1米,反之采摘机器人当前位置点vcurrent-1米。若运输机器人小于1个时,则新的运输机器人的目标点vtarget为采摘机器人当前位置点vcurrent+1米。
(3)当机器人标记返仓状态时,得到机器人从当前位置点vcurrent到达出入点v1最短路径;
进一步地,根据更新后的采收区域,将机器人当前位置点vcurrent作为新的换接点来代替该行已遍历过的换接点,并通过公式(11)得到该行换接点vn_j、vcurrent所在直线与道路行走路线边集E1的垂直交叉点vc_n,再通过公式(12)带入当前位置点vcurrent、另一个换接点vn_j与垂直交叉点vc_n,最后得到机器人从vcurrent到出入点v1的最短路径。
上面以具体实施例予以说明发明的结构及工作原理,本发明并不局限于以上实施例,根据上述的说明内容,凡在本发明的精神和原则之内所作的任何修改、替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种果园采摘运输多机器人的任务分配和路径规划方法,分为松耦合任务分配和路径规划方法、紧耦合任务分配和路径规划方法,其特征在于,包括以下步骤:
S0:根据果园大小为采摘运输多机器人划分采收区域(果园行≤k),同时获取果园可行驶路线G(包含交叉点vi,道路行走路线ei-1,换接点vn-j,采收行走路线en),并记录机器人的编号(采摘机器人编号m,与该采摘机器人配套的运输机器人1编号m_1、运输机器人2编号m_2)和当前位置信息vcurrent,并检查机器人是否故障,当发现机器存在故障问题,由采摘运输多机器人系统紧急调配新的机器人进行替换;
S1:在已更新的“1+2”采摘运输多机器人采收区域,根据采收区域内行驶机器人的数量是否大于等于2,将采摘运输多机器人的任务分配和路径规划方法分为松耦合任务分配和路径规划方法和紧耦合任务分配和路径规划方法,且每执行完一次任务,就判断机器人当前位置点vcurrent是否为采收区域最后一个换接点,若否则更新采摘运输多机器人的采收区域,反之则任务结束。
2.根据权利要求1所述的一种果园采摘运输多机器人的任务分配和路径规划方法,其特征在于松耦合任务分配包括如下步骤:
(1)获取“1+2”采摘运输机器人采收区域及果园可行驶路线;
(2)根据机器人当前位置信息判断是在机器人仓库还是采收区域内,当机器人在采收区域时进入步骤(3)。反之,在机器人仓库内则继续判断机器人电量是否在阈值范围内,电量不足时给机器人充电,电量充足时继续判断机器人承载量,有载重时清空,空载时则标记机器人状态为采收,并进入步骤(4);
(3)当机器人在已更新后采收区域内时,获取机器人编号,判断是否有突发故障的出现,当存在故障时,则返回S0;反之,则根据机器人的承载量和电量是否符合阈值要求,标记机器人状态为采收或返仓;
(4)当机器人状态为采收或返仓时,根据机器人状态分别为机器人规划到达目标点的最短路径。
3.根据权利要求1所述的一种果园采摘运输多机器人的任务分配和路径规划方法,其特征在于紧耦合任务分配包括如下步骤:
(1)判断是否有突发故障,当存在突发故障时,则返回S0。当没有突发故障时,则继续判断当前位置点是否在机器人仓库,当在机器人仓库时,则继续判断是否符合满电量、空载的要求,不满足要求时则充电或清空。满足满电量和空载要求则进入步骤(3);
(2)当前位置点不在机器人仓库时,则继续判断是否电量、承载量是否符合阈值要求,当满足阈值要求时则标记机器人状态为返仓并返回机器人仓库;当不满足阈值要求时进入步骤(3);
(3)判断采收区域内最后一个换接点附近的果树是否已采摘,当果树已采摘,则标记机器人状态为返仓并返回机器人仓库。反之,则进入步骤(4);
(4)当采收区域内最后一个换接点附近的果树未采摘完,则行驶至已更新后的采收区域内,采收作业路径距离最短的换接点上,并按照划分区域内固定行间距逐棵开始采摘,记录正在采摘的第q棵树已采摘的果品数量和单个果品的重量,同时每采摘完一棵树就返回一次S1,并估算采摘运输多机器人采完第q棵树后的最大界限u(X)、最小界限并得到运输车采完第q棵树后较准确的承载量
估算采摘运输多机器人采完第q棵树后的运输车承载量公式的如下:
(5)基于得到采摘至q棵树后运输车较准确的承载量,根据其承载量与载重阈值差值,得到机器人采摘完第q棵树后的下一棵树的位置,并判断多机器人下一时刻的位置vposition_next是否在采收区域内的当前采摘行的换接点vn_j附近;
运输机器人下一时刻位置点vposition_next的估计公式如下;
vnext=vcurrent+株距 (5)
判断运输机器人多机器人下一时刻的位置是否在采收区域内的当前采摘行的换接点vn_j附近如下:
(6)当下棵树在换接点附近时,新换接的机器人停在采摘机器人后方,且与采摘机器人相隔1米,反之,新换接机器人停在采摘机器人前方,且与采摘机器人相隔1米。根据新换接机器人在采摘机器人的前方还是后方,建立多机器人间配合的顺序,并标记多机器人状态为采收,向采摘运输多机器人发送目标点的消息,为机器人规划到达目标点最短路径。
4.根据权利要求1所述的一种果园采摘运输多机器人的任务规划方法,其特征在于松耦合任务的路径规划方法和紧耦合任务的路径规划方法,包括下如步骤:
(1)机器人标记状态为采收时,不清楚机器人在采收区域内采收的位置时,计算机器人到达采收区域的目标点并得到到达该点的最短路径;
机器人在采收区域内距离最近的目标点vtarget和垂直交叉点vc_x的计算公式如下:
dmax=max{dis(v1,vn_j)} (10)
机器人到采收区域的目标点vtarget的最短路径计算公式Dmin如下:
(2)机器人标记状态为采收时,清楚机器人在采收区域内继续采收的位置时,用式(5)(6)得到准确的目标点vtarget,并用式(13)得到到达该点的最短路径;
(3)机器人标记状态为返仓时,得到机器人从当前位置点返回交叉点vi中的出入点v1的最短路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110271356.9A CN113050635A (zh) | 2021-03-13 | 2021-03-13 | 一种果园采摘运输多机器人的任务分配和路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110271356.9A CN113050635A (zh) | 2021-03-13 | 2021-03-13 | 一种果园采摘运输多机器人的任务分配和路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113050635A true CN113050635A (zh) | 2021-06-29 |
Family
ID=76511937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110271356.9A Pending CN113050635A (zh) | 2021-03-13 | 2021-03-13 | 一种果园采摘运输多机器人的任务分配和路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113050635A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627775A (zh) * | 2021-08-04 | 2021-11-09 | 昆山塔米机器人有限公司 | 机器人的调度方法、装置、设备和存储介质 |
CN114415697A (zh) * | 2022-03-29 | 2022-04-29 | 武汉理工大学 | 一种多无人海洋运载器协同编队的任务分配方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107727099A (zh) * | 2017-09-29 | 2018-02-23 | 山东大学 | 一种工厂内物料运输多agv调度及路径规划方法 |
WO2018120489A1 (zh) * | 2016-12-29 | 2018-07-05 | 珠海市一微半导体有限公司 | 一种智能机器人的路径规划方法 |
CN110674978A (zh) * | 2019-09-10 | 2020-01-10 | 大连理工大学 | 一种车间无人运输系统任务分配与路径规划方法 |
-
2021
- 2021-03-13 CN CN202110271356.9A patent/CN113050635A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018120489A1 (zh) * | 2016-12-29 | 2018-07-05 | 珠海市一微半导体有限公司 | 一种智能机器人的路径规划方法 |
CN107727099A (zh) * | 2017-09-29 | 2018-02-23 | 山东大学 | 一种工厂内物料运输多agv调度及路径规划方法 |
CN110674978A (zh) * | 2019-09-10 | 2020-01-10 | 大连理工大学 | 一种车间无人运输系统任务分配与路径规划方法 |
Non-Patent Citations (1)
Title |
---|
郝冬;刘斌;: "基于模糊逻辑行为融合路径规划方法", 计算机工程与设计, no. 03 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627775A (zh) * | 2021-08-04 | 2021-11-09 | 昆山塔米机器人有限公司 | 机器人的调度方法、装置、设备和存储介质 |
CN113627775B (zh) * | 2021-08-04 | 2024-01-19 | 昆山塔米机器人有限公司 | 机器人的调度方法、装置、设备和存储介质 |
CN114415697A (zh) * | 2022-03-29 | 2022-04-29 | 武汉理工大学 | 一种多无人海洋运载器协同编队的任务分配方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113050635A (zh) | 一种果园采摘运输多机器人的任务分配和路径规划方法 | |
US20230263107A1 (en) | Farming system methods and devices | |
CN107444825A (zh) | 一种基于机器人的移动集货系统及方法 | |
Auat Cheein et al. | Agricultural service unit motion planning under harvesting scheduling and terrain constraints | |
NL1043685B1 (en) | Harvest robot system | |
CN114595607A (zh) | 一种数字孪生纺织条桶输送方法及系统 | |
NL1043784B1 (en) | Harvest robot system | |
Li et al. | A multi-arm robot system for efficient apple harvesting: Perception, task plan and control | |
Zamar et al. | A constrained k-means and nearest neighbor approach for route optimization in the bale collection problem | |
Peng et al. | A strawberry harvest‐aiding system with crop‐transport collaborative robots: design, development, and field evaluation | |
CN115067061A (zh) | 一种粮箱卸粮返航位置监测系统及方法和收获机 | |
Focke Martinez et al. | Overview of a route-planning tool for capacitated field processes in arable farming | |
CN116629734A (zh) | 仓储系统物品拣选路径的规划方法、装置、设备及介质 | |
CN111144802A (zh) | 一种融合agv与机械臂的智能仓储发货方法 | |
Chu | Study the operation process of factory greenhouse robot based on intelligent dispatching method | |
Salah et al. | A hybrid control multi-agent cooperative system for autonomous bin transport during apple harvest | |
Tian et al. | Smart autonomous grain carts for harvesting-on-demand | |
Guevara et al. | Route planning for multiple N-trailers in manual harvesting operations | |
Peng | Predictive Scheduling of Collaborative Mobile Robots for Improved Crop-transport Logistics of Manually Harvested Crops | |
CN110308706A (zh) | 用于蔬菜立体栽培定植的agv智能工作方法 | |
CN117546681A (zh) | 引导机器人采摘和运送水果的协同作业方法、系统及平台 | |
CN116931496B (zh) | 一种基于数据采集的无人驾驶车辆控制系统 | |
Zamar et al. | A constrained k-means and nearest neighbor approach for route optimization: With an application to the bale collection problem | |
US20240095652A1 (en) | Systems and methods of automated indoor growing | |
Bunte | Introducing cooperativeness for agrobotics: an agent-based approach |
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 |