CN113191521B - 路径规划方法、装置及计算机可读存储介质 - Google Patents
路径规划方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113191521B CN113191521B CN202010037304.0A CN202010037304A CN113191521B CN 113191521 B CN113191521 B CN 113191521B CN 202010037304 A CN202010037304 A CN 202010037304A CN 113191521 B CN113191521 B CN 113191521B
- Authority
- CN
- China
- Prior art keywords
- point
- pivot
- obstacle
- points
- path
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000010586 diagram Methods 0.000 claims description 32
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 230000004888 barrier function Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Road Paving Structures (AREA)
Abstract
本公开提供了一种路径规划方法、装置及计算机可读存储介质,涉及计算机技术领域。其中的路径规划方法包括:确定仓库路面的各个枢纽点,使得仓库路面上任意非障碍物点与最近枢纽点之间的连线不经过障碍物;确定各个枢纽点之间的最短路径,最短路径上相邻枢纽点之间的连线不经过障碍物;将与非障碍物起点距离最近的枢纽点作为起点枢纽点;将与非障碍物终点距离最近的枢纽点作为终点枢纽点;将非障碍物起点至起点枢纽点之间的最短路径、起点枢纽点至终点枢纽点之间的最短路径、终点枢纽点至非障碍物终点之间的最短路径,作为非障碍物起点至非障碍物终点之间的最短路径。本公开能够快速、高效的在仓库路面上规划任意非障碍物点之间的较短路径。
Description
技术领域
本公开涉及计算机技术领域,特别涉及一种路径规划方法、装置及计算机可读存储介质。
背景技术
随着电子商务的发展,物流园区面积大幅增加,仓库面积也迅速增加。由于客户越来越追求个性化,厂商通过各式各样的商品来吸引客户,电商仓库的商品种类也逐渐增多。仓库中存在成排的货架,每个货架上排列着很多小的储位,这些储位用来放置某种商品。通常而言,大型仓库的储位数超过10万。
物流园区人员流动性较大,新手拣货员、叉车补货人员对仓库不熟悉,很难短时间内熟悉每个拣货储位所在位置,从而实现高效拣货。拣货路径优化是仓库内部的优化方向之一。给拣货员推荐合适的拣货路径,从而降低拣货的行走时间。
发明内容
本公开解决的一个技术问题是,如何快速、高效的在仓库路面上规划任意非障碍物点之间的较短路径。
根据本公开实施例的一个方面,提供了一种路径规划方法,包括:确定仓库路面的各个枢纽点,使得仓库路面上任意非障碍物点与最近枢纽点之间的连线不经过障碍物;确定各个枢纽点之间的最短路径,最短路径上相邻枢纽点之间的连线不经过障碍物;将与非障碍物起点距离最近的枢纽点作为起点枢纽点;将与非障碍物终点距离最近的枢纽点作为终点枢纽点;将非障碍物起点至起点枢纽点之间的最短路径、起点枢纽点至终点枢纽点之间的最短路径、终点枢纽点至非障碍物终点之间的最短路径,作为非障碍物起点至非障碍物终点之间的最短路径。
在一些实施例中,确定仓库路面的各个枢纽点包括:将仓库路面上由货架形成的各个十字路口上的点作为第一类枢纽点。
在一些实施例中,确定仓库路面的各个枢纽点还包括:在仓库路面上生成随机非障碍物点;在随机非障碍物点与最近枢纽点之间的连线经过障碍物的情况下,从第一类枢纽点的横坐标集合中取横坐标,从第一类枢纽点的纵坐标集合中取纵坐标,形成不包含第一类枢纽点的候选枢纽点;将与随机非障碍物点之间的连线不经过障碍物、且与随机非障碍物点之间的距离小于第一阈值的候选枢纽点,作为第二类枢纽点。
在一些实施例中,通过如下方式确定仓库路面上任意两点之间的连线是否经过障碍物:将仓库路面划分为多个大小相同的网格;将含有障碍物或与障碍物之间的距离小于第二阈值的网格设置为不可通行状态;确定任意两点所在的两个网格;采用布雷森汉姆直线算法得到任意两点之间的连线经过的网格;若任意两点之间的连线经过的网格中包含不可通行状态的网格,则任意两点之间的连线经过障碍物;若任意两点之间的连线经过的网格中不包含不可通行状态的网格,则任意两点之间的连线不经过障碍物。
在一些实施例中,确定各个枢纽点之间的最短路径包括:以各个枢纽点为节点,初始化枢纽图;若任意两个枢纽点之间的连线不经过障碍物,则在枢纽图中为任意两个枢纽点添加一条边;在枢纽图为连通图的情况下,采用迪杰斯特拉算法计算各个枢纽点之间的最短路径。
在一些实施例中,确定各个枢纽点之间的最短路径还包括:在枢纽图为非连通图的情况下,确定任意两个不连通枢纽点所在的网格,并采用A-STAR算法或迪杰斯特拉算法确定任意两个不连通枢纽点之间的最短网格路径;将最短网格路径的拐点网格的中心点加入枢纽点,并更新枢纽图中的节点和边,直至枢纽图为连通图。
在一些实施例中,将最短网格路径的拐点网格的中心点加入枢纽点包括:按照最短网格路径的路径方向,从最短网格路径的所有拐点网格中,确定与第一个网格之间的连线不经过障碍物的拐点网格,并删除二者之间的拐点网格,使得所有拐点网格中只存在一个与第一个网格之间的连线不经过障碍物的拐点网格;从第一个网格至最后一个网格,依次对未被删除的各个拐点网格执行以上删除操作,得到筛选后的拐点网格;将筛选后的拐点网格的中心点加入枢纽点。
在一些实施例中,该路径规划方法还包括:确定各个枢纽点之间的最短路径后,存储各个枢纽点之间的最短路径;查询起点枢纽点至终点枢纽点之间的最短路径。
根据本公开实施例的另一个方面,提供了一种路径规划装置,包括:枢纽点确定模块,被配置为确定仓库路面的各个枢纽点,使得仓库路面上任意非障碍物点与最近枢纽点之间的连线不经过障碍物;路径确定模块,被配置为确定各个枢纽点之间的最短路径,最短路径上相邻枢纽点之间的连线不经过障碍物;起点枢纽点确定模块,被配置为将与非障碍物起点距离最近的枢纽点作为起点枢纽点;终点枢纽点确定模块,被配置为将与非障碍物终点距离最近的枢纽点作为终点枢纽点;最短路径确定模块,被配置为将非障碍物起点至起点枢纽点之间的最短路径、起点枢纽点至终点枢纽点之间的最短路径、终点枢纽点至非障碍物终点之间的最短路径,作为非障碍物起点至非障碍物终点之间的最短路径。
在一些实施例中,枢纽点确定模块被配置为:将仓库路面上由货架形成的各个十字路口上的点作为第一类枢纽点。
在一些实施例中,枢纽点确定模块还被配置为:在仓库路面上生成随机非障碍物点;在随机非障碍物点与最近枢纽点之间的连线经过障碍物的情况下,从第一类枢纽点的横坐标集合中取横坐标,从第一类枢纽点的纵坐标集合中取纵坐标,形成不包含第一类枢纽点的候选枢纽点;将与随机非障碍物点之间的连线不经过障碍物、且与随机非障碍物点之间的距离小于第一阈值的候选枢纽点,作为第二类枢纽点。
在一些实施例中,该路径规划装置还包括障碍物判断模块,被配置为通过如下方式确定仓库路面上任意两点之间的连线是否经过障碍物:将仓库路面划分为多个大小相同的网格;将含有障碍物或与障碍物之间的距离小于第二阈值的网格设置为不可通行状态;确定任意两点所在的两个网格;采用布雷森汉姆直线算法得到任意两点之间的连线经过的网格;若任意两点之间的连线经过的网格中包含不可通行状态的网格,则任意两点之间的连线经过障碍物;若任意两点之间的连线经过的网格中不包含不可通行状态的网格,则任意两点之间的连线不经过障碍物。
在一些实施例中,路径确定模块被配置为:以各个枢纽点为节点,初始化枢纽图;若任意两个枢纽点之间的连线不经过障碍物,则在枢纽图中为任意两个枢纽点添加一条边;在枢纽图为连通图的情况下,采用迪杰斯特拉算法计算各个枢纽点之间的最短路径。
在一些实施例中,路径确定模块还被配置为:在枢纽图为非连通图的情况下,确定任意两个不连通枢纽点所在的网格,并采用A-STAR算法或迪杰斯特拉算法确定任意两个不连通枢纽点之间的最短网格路径;将最短网格路径的拐点网格的中心点加入枢纽点,并更新枢纽图中的节点和边,直至枢纽图为连通图。
在一些实施例中,路径确定模块被配置为:按照最短网格路径的路径方向,从最短网格路径的所有拐点网格中,确定与第一个网格之间的连线不经过障碍物的拐点网格,并删除二者之间的拐点网格,使得所有拐点网格中只存在一个与第一个网格之间的连线不经过障碍物的拐点网格;从第一个网格至最后一个网格,依次对未被删除的各个拐点网格执行以上删除操作,得到筛选后的拐点网格;将筛选后的拐点网格的中心点加入枢纽点。
在一些实施例中,该路径规划装置还包括:路径存储模块,被配置为确定各个枢纽点之间的最短路径后,存储各个枢纽点之间的最短路径;路径查询模块,被配置为查询起点枢纽点至终点枢纽点之间的最短路径。
根据本公开实施例的又一个方面,提供了又一种路径规划装置,包括:存储器;以及耦接至存储器的处理器,处理器被配置为基于存储在存储器中的指令,执行前述的路径规划方法。
根据本公开实施例的再一个方面,提供了一种计算机可读存储介质,其中,计算机可读存储介质存储有计算机指令,指令被处理器执行时实现前述的路径规划方法。
本公开能够快速、高效的在仓库路面上规划任意非障碍物点之间的较短路径。
通过以下参照附图对本公开的示例性实施例的详细描述,本公开的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术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公开的一些实施例,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示出了仓库路面的示意图。
图2示出了处理后仓库路面上的枢纽点示意图。
图3示出了规划的最短路径的示意图。
图4示出了本公开一些实施例的路径规划装置的结构示意图。
图5示出了本公开另一些实施例的路径规划装置的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本公开保护的范围。
图1示出了仓库路面的示意图。如图1所示,仓库中存在多个货架。由于仓库路面是连续的,在仓库路面选定一个点时,下一步可以行走的方向有无数个。此时绕过货架等障碍物从一个点到另一个点的路径难以通过经典的迪杰斯特拉算法求解,也就无法预先存储任意两点之间的最短距离。
发明人研究发现,可以将仓库路面划分为网格,使用网格来表示仓库路径信息,这样在考虑下一个行走的网格时,仅考虑周围4个或者8个网格。通常来说,仅保存仓库网格信息,并给定起点和终点时,需要重新计算路径。当仓库面积较大时(例如2万平米),为提升精度设置网格宽度较小时(例如5cm),网格个数超过3千万,很难快速实时的计算得到不同网格之间的最短距离。若不实时计算不同网格之间的最短距离,采用先计算距离矩阵并存入数据库,后续直接从数据库读取数据的方式,由于网格数量较多,距离矩阵的行的数量级为1014,需耗费大量的存储空间,且查找数据也会相对较慢。另外若要求提供仓库的网格图,数据采集也将花费大量时间。
仓内路网信息是仓内优化的基础,仓内路网信息准确时,可以大幅提高仓内优化率。同时,规划路径时需要提供路径具体经过的仓库路面位置点。为了给拣货员、叉车等规划出较短的路径,需要对仓库路网信息进行数字化。仓库路网信息包括三个主要部分:1)仓库路面的枢纽点;2)相邻枢纽点之间连接关系;3)任意两个枢纽点之间的最短路径。通过这些信息,能够很快得到仓库路面上任意两个点之间的较短路径。
首先介绍如何构建仓库路网信息。
给定仓库的边界坐标(x0,y0,w0,h0),另外提供仓库路面上各个障碍物i(障碍物包括货架)的边界坐标(xi,yi,wi,hi)。其中,(x,y)表示它们在仓库路面中的左上角坐标,(w,h)分别表示它们的宽度和长度,则(x+w,y+h)表示它们在仓库路面中的右下角坐标。
(步骤1)从各个障碍物中筛选出货架。
由于各个障碍物会提供类型标记,根据类型标记可以提供仓库中每种货架的长度h′和宽度w′。对于障碍物i,其边界坐标为(xi,yi,wi,hi),若同时满足条件|hi-h′|<eps及|wi-w'|<eps则认为障碍物i是一个货架,其中eps是一个控制误差范围的预设值。
(步骤2)将仓库路面网格化。
(2.1)选定网格宽度s,例如可以设置为5cm~10cm。当网格较大时会产生一定误差,网格较小时更耗费路径规划时间。
(2.2)将仓库路面划分为多个大小相同的网格,仓库宽包含网格个数ceil(h0/s),长包含网格ceil(w0/s),其中ceil表示向上取整。
(2.3)将所有网格初始化为可通行状态,然后设置含障碍物网格为不可通行状态。
假设仓库路面上的实际坐标(x,y),它对应的网格坐标(gridX,gridY)为:
其中,int表示取整函数,而网格坐标(gridX,gridY)恢复为实际坐标(x,y)的公式为:
x=(gridX+0.5)·s+x0
y=(gridY+0.5)·s+y0
因此,对某个障碍物(xi,yi,wi,hi),需要将如下范围内的网格设置为不可通行状态:
(2.4)将与障碍物之间的距离较小的网格设置为不可通行状态。
实际仓库路面上,某些位置虽然没有障碍物,但是由于空间较窄导致人或捡货车不能通过,因此需要将这部分网格设置为不可通行状态。假定保证人或捡货车可以通行时,需要跨越(2k+1)个网格,假设网格大小为10cm,k取2,则表示网格所在位置宽度大于50cm时,人或捡货车可以通过。因此,可以对所有可通行状态的网格进行遍历,依次判断周围(2k+1)*(2k+1)网格是否有障碍物。若有障碍物,则将该网格设置为不可通行状态。
通过仓库路面网格化技术,能够自动识别出人或拣货车可以通过的网格。
(2.5)确定仓库路面上任意非障碍物点A、B之间的连线是否经过障碍物。具体步骤如下:
(2.5.1)采用(2.3)中的计算方法确定任意两点A点和B点所在的两个网格。
(2.5.2)采用布雷森汉姆直线算法(Bresenham's line algorithm),得到任意两点A、B之间的连线经过的网格。
(2.5.3)若任意两点A、B之间的连线经过的网格中包含不可通行状态的网格,则任意两点A、B之间的连线经过障碍物;若任意两点A、B之间的连线经过的网格中不包含不可通行状态的网格,则任意两点A、B之间的连线不经过障碍物。
(步骤3)确定仓库路面的各个枢纽点,使得仓库路面上任意非障碍物点与最近枢纽点之间的连线不经过障碍物。
首先,将仓库路面上由货架形成的各个十字路口上的点作为第一类枢纽点,具体包括(3.1)~(3.6)。
(3.1)判断货架朝向。假设货架i的坐标为(xi,yi,wi,hi),若wi<hi则货架i为竖直货架;若wi≥hi则表示货架i为水平货架。
(3.2)将货架按水平货架及竖直货架分为两类,分别处理。
(3.3)对于水平货架,按照货架横坐标xi进行排序,对于竖直货架按货架纵坐标yi排序。
(3.4)以水平货架为例,对排序后的水平货架进行分组,设置当前货架为排序后第一个水平货架,得到横坐标x,若后面货架j的横坐标xj与当前货架横坐标满足|x-xj|<e,(e表示因货架未对齐导致的最大误差预设值),则将货架j加入到当前组中。若不满足|x-xj|<e,则新建一个分组,后面货架再根据相同的判断标准加入新建的分组中。
(3.5)对水平货架的每个分组,按照纵坐标进行排序,并得到空隙较大的两个连续货架,去两侧空白位置终点,并添加为枢纽点。竖直货架同理。
(3.6)对于两个连续分组的水平货架,计算它们的中轴线,并将(3.5)中确定的枢纽点向中轴线投影,还可以将这些投影点中距离较近的投影点取平均位置进行合并。合并后,可以将这些加入到枢纽点。
本领域技术人员应理解,竖直货架采用相同的原理进行处理。
(3.7)接生成第二类枢纽点。
(3.7.1)在仓库路面上生成随机非障碍物点。
(3.7.2)通过(2.5)中的方法判断随机非障碍物点与最近枢纽点之间的连线是否经过障碍物。
(3.7.3)在随机非障碍物点与最近枢纽点之间的连线经过障碍物的情况下,从第一类枢纽点的横坐标集合SX中取横坐标,从第一类枢纽点的纵坐标集合SY中取纵坐标,形成不包含第一类枢纽点的候选枢纽点。
(3.7.4)将与随机非障碍物点之间的连线不经过障碍物、且与随机非障碍物点之间的距离较小的候选枢纽点,作为第二类枢纽点。
本领域技术人员应理解,(3.7)部分可以不断重复,直到满足如下约束条件:仓库路面上任意非障碍物点与最近枢纽点之间的连线不经过障碍物。处理后仓库路面上的枢纽点示意图如图2所示。
(步骤4)确定各个枢纽点之间的最短距离及网格路径,最短路径上相邻枢纽点之间的连线不经过障碍物;
(4.1)以各个枢纽点为节点,初始化枢纽图。采用(2.5)中的算法,若任意两个枢纽点A1、A2之间不经过障碍物,则可以从A1出发不经过其它枢纽点,直接到达A2,二者之间的距离为它们之间的欧式距离;此时在枢纽图中为这两个枢纽点添加一条连边。若经过障碍物,暂不处理两个点之间距离。
(4.2)根据(4.1)得到的枢纽点之间的连接关系,判断所有枢纽点是否连通。在枢纽图为非连通图的情况下,需要计算不连通枢纽点点和其余点之间的最短路径,计算方法见(4.3)~(4.4),否则跳转到(4.5)。
(4.3)根据步骤(2.3)中公式,分别得到任意两个点不连通枢纽点A1、A2所在的网格(即对应的网格坐标),使用A*算法或迪杰斯特拉算法确定任意两个不连通枢纽点A1、A2之间的最短网格路径,得到两个点的最短距离,并记录经过的网格。
(4.4)确定网格路径的拐点网格。若最短网格路径的拐点网格的中心点不在枢纽点中,将最短网格路径的拐点网格的中心点加入枢纽点,并重复(4.1)在枢纽图中给这些拐点网格的中心点添加节点之间连接关系,以更新枢纽图中的节点和边,直至枢纽图为连通图。
确定网格路径的拐点网格时,按照最短网格路径的路径方向,从最短网格路径的所有拐点网格中,确定与第一个网格之间的连线不经过障碍物的拐点网格,并删除二者之间的拐点网格,使得所有拐点网格中只存在一个与第一个网格之间的连线不经过障碍物的拐点网格。然后,从第一个网格至最后一个网格,依次对未被删除的各个拐点网格执行以上删除操作,得到筛选后的拐点网格,并将筛选后的拐点网格的中心点加入枢纽点。具体可以分解为(4.4.1)~(4.4.9)。
(4.4.1)初始化一个栈S,设置原路径方向preDirection为空。
(4.4.2)按照最短网格路径的路径方向,遍历最短网格路径的每个网格点。
(4.4.3)若栈S为空,将当前网格坐标加入到栈S。若栈S不为空,获取栈顶元素,并计算当前路径方向curDirection。
(4.4.4)在preDirection为空的情况下,令preDirection为当前路径方向curDirection,并加入当前网格点到栈S中。
(4.4.5)在preDirection不为空的情况下,若preDirection与当前路径方向curDirection相同,则删除栈顶元素,并加入当前网格点到栈S。若preDirection与当前方向curDirection相同,加入当前网格点到栈S。
(4.4.6)将栈S中所有网格点,作为候选拐点网格集T。
(4.4.7)令m表示T中第一个网格点序号,即m初始值为1。
(4.4.8)令n为T中最后一个网格点序号,例如n初始值为100。当m<n时,令n向前遍历,若点m和点n连线没有障碍物(采用步骤2.5中的方法判断),删除m、n之间的网格点。
(4.4.9)将m赋值为n+1,若m不是T中最后一个网格点,回到步骤(4.4.7);若m不是T中最后一个网格点,则得到筛选后的拐点网格集T’。将筛选后的拐点网格的中心点加入枢纽点。
(4.4.1)~(4.4.9)能够自动检测最短网格路径中的拐点网格,并对拐点网格进行精简,以减少拐点网格的个数,从而减少路径规划中的计算量。
(4.5)在枢纽图为连通图的情况下,采用迪杰斯特拉算法计算各个枢纽点之间的最短距离及经过的最短路径。
(步骤5)将仓库路网信息存入数据库
需要存入数据库的数据包括各个枢纽点的编号及坐标、各个枢纽点之间的连接关系、各个枢纽点之间的最短路径及拐点网格的中心点。
下面结合图3描述本公开路径规划方法的一些实施例。
图3示出了规划的最短路径的示意图。如图3所示,本实施例包括步骤S301~步骤S304。
在步骤S301中,将与非障碍物起点距离最近的枢纽点作为起点枢纽点。
在步骤S302中,将与非障碍物终点距离最近的枢纽点作为终点枢纽点。
在步骤S303中,查询起点枢纽点至终点枢纽点之间的最短路径。
在步骤S304中,将非障碍物起点至起点枢纽点之间的最短路径、起点枢纽点至终点枢纽点之间的最短路径、终点枢纽点至非障碍物终点之间的最短路径,作为非障碍物起点至非障碍物终点之间的最短路径。
本公开仓库中障碍物的位置及尺寸信息,通过自动化提取仓库路面的枢纽点,并计算这些枢纽点之间的较短路径及路径距离,最后将枢纽点的信息及枢纽点之间的较短路径存储至数据库中。当请求计算仓库路面上任意两点之间的路径时,能够以O(1)时间复杂度,通过存储的数据以快速、高效的规划连续平面下任意非障碍物点之间的较短路径及路径距离,且这些较短路径不会跨越仓库障碍物。同时,当仓库路面的情况发生变化时,能够快速、高效的实现仓库路网信息更新。
下面结合图4描述本公开路径规划装置的一些实施例。
图4示出了本公开一些实施例的路径规划装置的结构示意图。如图4所示,本实施例中的路径规划装置40包括:
枢纽点确定模块401,被配置为确定仓库路面的各个枢纽点,使得仓库路面上任意非障碍物点与最近枢纽点之间的连线不经过障碍物;路径确定模块403,被配置为确定各个枢纽点之间的最短路径,最短路径上相邻枢纽点之间的连线不经过障碍物;起点枢纽点确定模块405,被配置为将与非障碍物起点距离最近的枢纽点作为起点枢纽点;终点枢纽点确定模块407,被配置为将与非障碍物终点距离最近的枢纽点作为终点枢纽点;最短路径确定模块409,被配置为将非障碍物起点至起点枢纽点之间的最短路径、起点枢纽点至终点枢纽点之间的最短路径、终点枢纽点至非障碍物终点之间的最短路径,作为非障碍物起点至非障碍物终点之间的最短路径。
在一些实施例中,枢纽点确定模块401被配置为:将仓库路面上由货架形成的各个十字路口上的点作为第一类枢纽点。
在一些实施例中,枢纽点确定模块401还被配置为:在仓库路面上生成随机非障碍物点;在随机非障碍物点与最近枢纽点之间的连线经过障碍物的情况下,从第一类枢纽点的横坐标集合中取横坐标,从第一类枢纽点的纵坐标集合中取纵坐标,形成不包含第一类枢纽点的候选枢纽点;将与随机非障碍物点之间的连线不经过障碍物、且与随机非障碍物点之间的距离小于第一阈值的候选枢纽点,作为第二类枢纽点。
在一些实施例中,该路径规划装置40还包括障碍物判断模块400,被配置为通过如下方式确定仓库路面上任意两点之间的连线是否经过障碍物:将仓库路面划分为多个大小相同的网格;将含有障碍物或与障碍物之间的距离小于第二阈值的网格设置为不可通行状态;确定任意两点所在的两个网格;采用布雷森汉姆直线算法得到任意两点之间的连线经过的网格;若任意两点之间的连线经过的网格中包含不可通行状态的网格,则任意两点之间的连线经过障碍物;若任意两点之间的连线经过的网格中不包含不可通行状态的网格,则任意两点之间的连线不经过障碍物。
在一些实施例中,路径确定模块403被配置为:以各个枢纽点为节点,初始化枢纽图;若任意两个枢纽点之间的连线不经过障碍物,则在枢纽图中为任意两个枢纽点添加一条边;在枢纽图为连通图的情况下,采用迪杰斯特拉算法计算各个枢纽点之间的最短路径。
在一些实施例中,路径确定模块403还被配置为:在枢纽图为非连通图的情况下,确定任意两个不连通枢纽点所在的网格,并采用A-STAR算法或迪杰斯特拉算法确定任意两个不连通枢纽点之间的最短网格路径;将最短网格路径的拐点网格的中心点加入枢纽点,并更新枢纽图中的节点和边,直至枢纽图为连通图。
在一些实施例中,路径确定模块403被配置为:按照最短网格路径的路径方向,从最短网格路径的所有拐点网格中,确定与第一个网格之间的连线不经过障碍物的拐点网格,并删除二者之间的拐点网格,使得所有拐点网格中只存在一个与第一个网格之间的连线不经过障碍物的拐点网格;从第一个网格至最后一个网格,依次对未被删除的各个拐点网格执行以上删除操作,得到筛选后的拐点网格;将筛选后的拐点网格的中心点加入枢纽点。
在一些实施例中,该路径规划装置40还包括:路径存储模块404,被配置为确定各个枢纽点之间的最短路径后,存储各个枢纽点之间的最短路径;路径查询模块408,被配置为查询起点枢纽点至终点枢纽点之间的最短路径。
下面结合图5描述本公开路径规划装置的一些实施例。
图5示出了本公开另一些实施例的路径规划装置的结构示意图。如图5所示,该实施例的路径规划装置50包括:存储器510以及耦接至该存储器510的处理器520,处理器520被配置为基于存储在存储器510中的指令,执行前述任意一些实施例中的路径规划方法。
其中,存储器510例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。
路径规划装置50还可以包括输入输出接口530、网络接口540、存储接口550等。这些接口530、540、550以及存储器510和处理器520之间例如可以通过总线560连接。其中,输入输出接口530为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口540为各种联网设备提供连接接口。存储接口550为SD卡、U盘等外置存储设备提供连接接口。
本公开还包括一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现前述任意一些实施例中的路径规划方法。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的较佳实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (9)
1.一种路径规划方法,包括:
确定仓库路面的各个枢纽点,使得仓库路面上任意非障碍物点与最近枢纽点之间的连线不经过障碍物,其中,确定仓库路面的各个枢纽点包括:
将仓库路面上由货架形成的各个十字路口上的点作为第一类枢纽点;
在仓库路面上生成随机非障碍物点;
在随机非障碍物点与最近枢纽点之间的连线经过障碍物的情况下,从第一类枢纽点的横坐标集合中取横坐标,从第一类枢纽点的纵坐标集合中取纵坐标,形成不包含第一类枢纽点的候选枢纽点;
将与随机非障碍物点之间的连线不经过障碍物、且与随机非障碍物点之间的距离小于第一阈值的候选枢纽点,作为第二类枢纽点;
确定各个枢纽点之间的最短路径,所述最短路径上相邻枢纽点之间的连线不经过障碍物;
将与非障碍物起点距离最近的枢纽点作为起点枢纽点;
将与非障碍物终点距离最近的枢纽点作为终点枢纽点;
将非障碍物起点至起点枢纽点之间的最短路径、起点枢纽点至终点枢纽点之间的最短路径、终点枢纽点至非障碍物终点之间的最短路径,作为非障碍物起点至非障碍物终点之间的最短路径。
2.如权利要求1所述的路径规划方法,其中,通过如下方式确定仓库路面上任意两点之间的连线是否经过障碍物:
将仓库路面划分为多个大小相同的网格;
将含有障碍物或与障碍物之间的距离小于第二阈值的网格设置为不可通行状态;
确定所述任意两点所在的两个网格;
采用布雷森汉姆直线算法得到所述任意两点之间的连线经过的网格;
若所述任意两点之间的连线经过的网格中包含不可通行状态的网格,则所述任意两点之间的连线经过障碍物;若所述任意两点之间的连线经过的网格中不包含不可通行状态的网格,则所述任意两点之间的连线不经过障碍物。
3.如权利要求1所述的路径规划方法,其中,所述确定各个枢纽点之间的最短路径包括:
以各个枢纽点为节点,初始化枢纽图;
若任意两个枢纽点之间的连线不经过障碍物,则在枢纽图中为所述任意两个枢纽点添加一条边;
在所述枢纽图为连通图的情况下,采用迪杰斯特拉算法计算各个枢纽点之间的最短路径。
4.如权利要求3所述的路径规划方法,其中,所述确定各个枢纽点之间的最短路径还包括:
在所述枢纽图为非连通图的情况下,确定任意两个不连通枢纽点所在的网格,并采用A-STAR算法或迪杰斯特拉算法确定所述任意两个不连通枢纽点之间的最短网格路径;
将最短网格路径的拐点网格的中心点加入枢纽点,并更新枢纽图中的节点和边,直至所述枢纽图为连通图。
5.如权利要求4所述的路径规划方法,其中,所述将最短网格路径的拐点网格的中心点加入枢纽点包括:
按照最短网格路径的路径方向,从最短网格路径的所有拐点网格中,确定与第一个网格之间的连线不经过障碍物的拐点网格,并删除二者之间的拐点网格,使得所有拐点网格中只存在一个与第一个网格之间的连线不经过障碍物的拐点网格;
从第一个网格至最后一个网格,依次对未被删除的各个拐点网格执行以上删除操作,得到筛选后的拐点网格;
将筛选后的拐点网格的中心点加入枢纽点。
6.如权利要求1所述的路径规划方法,还包括:
确定各个枢纽点之间的最短路径后,存储各个枢纽点之间的所述最短路径;
查询起点枢纽点至终点枢纽点之间的所述最短路径。
7.一种路径规划装置,包括:
枢纽点确定模块,被配置为确定仓库路面的各个枢纽点,使得仓库路面上任意非障碍物点与最近枢纽点之间的连线不经过障碍物,其中,将仓库路面上由货架形成的各个十字路口上的点作为第一类枢纽点,以及在仓库路面上生成随机非障碍物点,在随机非障碍物点与最近枢纽点之间的连线经过障碍物的情况下,从第一类枢纽点的横坐标集合中取横坐标,从第一类枢纽点的纵坐标集合中取纵坐标,形成不包含第一类枢纽点的候选枢纽点,将与随机非障碍物点之间的连线不经过障碍物、且与随机非障碍物点之间的距离小于第一阈值的候选枢纽点,作为第二类枢纽点;
路径确定模块,被配置为确定各个枢纽点之间的最短路径,所述最短路径上相邻枢纽点之间的连线不经过障碍物;
起点枢纽点确定模块,被配置为将与非障碍物起点距离最近的枢纽点作为起点枢纽点;
终点枢纽点确定模块,被配置为将与非障碍物终点距离最近的枢纽点作为终点枢纽点;
最短路径确定模块,被配置为将非障碍物起点至起点枢纽点之间的最短路径、起点枢纽点至终点枢纽点之间的最短路径、终点枢纽点至非障碍物终点之间的最短路径,作为非障碍物起点至非障碍物终点之间的最短路径。
8.一种路径规划装置,包括:
存储器;以及
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如权利要求1至6中任一项所述的路径规划方法。
9.一种计算机可读存储介质,其中,所述计算机可读存储介质存储有计算机指令,所述指令被处理器执行时实现如权利要求1至6中任一项所述的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010037304.0A CN113191521B (zh) | 2020-01-14 | 2020-01-14 | 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 |
---|---|---|---|
CN202010037304.0A CN113191521B (zh) | 2020-01-14 | 2020-01-14 | 路径规划方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113191521A CN113191521A (zh) | 2021-07-30 |
CN113191521B true CN113191521B (zh) | 2023-11-07 |
Family
ID=76972465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010037304.0A Active CN113191521B (zh) | 2020-01-14 | 2020-01-14 | 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) | CN113191521B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570682B (zh) * | 2021-08-02 | 2024-05-07 | 北京经纬恒润科技股份有限公司 | 一种直角路由方法和装置 |
CN114485611B (zh) * | 2021-12-28 | 2024-04-26 | 中科星图股份有限公司 | 基于北斗网格码的三维空间最短路径规划方法和装置 |
CN114522367A (zh) * | 2022-01-21 | 2022-05-24 | 天津博迈科海洋工程有限公司 | 一种海洋平台自动泡沫灭火车的快速精准灭火方法 |
CN116703364B (zh) * | 2023-08-02 | 2024-01-16 | 杭州宇谷科技股份有限公司 | 基于最优化算法的运维工单生成方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103017757A (zh) * | 2012-12-06 | 2013-04-03 | 中联重科股份有限公司 | 工程机械入场路径规划方法和路径规划装置 |
CN105117892A (zh) * | 2015-10-10 | 2015-12-02 | 广东轻工职业技术学院 | 一种自动化仓储管理方法 |
CN107450535A (zh) * | 2017-07-31 | 2017-12-08 | 中南大学 | 一种智能运载机器人最优路径混合图论控制规划方法 |
CN109739219A (zh) * | 2018-12-05 | 2019-05-10 | 北京百度网讯科技有限公司 | 通行路径的规划方法、装置、设备及可读存储介质 |
CN109947120A (zh) * | 2019-04-29 | 2019-06-28 | 西安电子科技大学 | 仓储系统中的路径规划方法 |
CN110264120A (zh) * | 2019-05-06 | 2019-09-20 | 盐城品迅智能科技服务有限公司 | 一种基于多agv的智能仓储路线规划系统和方法 |
CN110263983A (zh) * | 2019-05-31 | 2019-09-20 | 中国人民解放军国防科技大学 | 一种车辆与无人机物流配送的双层路径规划方法及系统 |
-
2020
- 2020-01-14 CN CN202010037304.0A patent/CN113191521B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103017757A (zh) * | 2012-12-06 | 2013-04-03 | 中联重科股份有限公司 | 工程机械入场路径规划方法和路径规划装置 |
CN105117892A (zh) * | 2015-10-10 | 2015-12-02 | 广东轻工职业技术学院 | 一种自动化仓储管理方法 |
CN107450535A (zh) * | 2017-07-31 | 2017-12-08 | 中南大学 | 一种智能运载机器人最优路径混合图论控制规划方法 |
CN109739219A (zh) * | 2018-12-05 | 2019-05-10 | 北京百度网讯科技有限公司 | 通行路径的规划方法、装置、设备及可读存储介质 |
CN109947120A (zh) * | 2019-04-29 | 2019-06-28 | 西安电子科技大学 | 仓储系统中的路径规划方法 |
CN110264120A (zh) * | 2019-05-06 | 2019-09-20 | 盐城品迅智能科技服务有限公司 | 一种基于多agv的智能仓储路线规划系统和方法 |
CN110263983A (zh) * | 2019-05-31 | 2019-09-20 | 中国人民解放军国防科技大学 | 一种车辆与无人机物流配送的双层路径规划方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113191521A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113191521B (zh) | 路径规划方法、装置及计算机可读存储介质 | |
CN108519094B (zh) | 局部路径规划方法及云处理端 | |
CN109163730B (zh) | 一种自动驾驶用高精度地图数据网格化的管理方法及装置 | |
CN110135644B (zh) | 一种用于目标搜索的机器人路径规划方法 | |
EP2679956B1 (en) | Method and Apparatus for Detecting Deviations from Map Data | |
CN109668561B (zh) | 一种室内路径规划方法、终端及可读存储介质 | |
CN111080786B (zh) | 基于bim的室内地图模型构建方法及装置 | |
CN113390407A (zh) | 车道级导航地图的构建方法、装置、设备以及存储介质 | |
JP6439400B2 (ja) | 配送計画プログラム、配送計画方法、および配送計画装置 | |
CN107564077B (zh) | 一种绘制道路网的方法及装置 | |
CN110909961A (zh) | 基于bim的室内路径查询方法及装置 | |
CN113532443B (zh) | 路径规划方法、装置、电子设备及介质 | |
CN108229717B (zh) | 计算拣货路径的方法及系统 | |
Xu et al. | An efficient algorithm for environmental coverage with multiple robots | |
CN114723121A (zh) | 基于gis的野外复杂地形路径规划方法 | |
CN113295166A (zh) | Agv路径规划方法、电子装置和计算机可读存储介质 | |
CN110659752B (zh) | 用于确定移动路径的方法和装置 | |
CN110926488A (zh) | 用于对能运动的物体进行轨迹规划的方法 | |
Shen et al. | Beyond pairwise reasoning in multi-agent path finding | |
CN113283643B (zh) | Agv终点筛选方法、电子装置和计算机可读存储介质 | |
CN111369189A (zh) | 生成拣货任务的方法、装置、存储介质及电子设备 | |
CN116308059A (zh) | 货格位置确定方法和装置、拣货路径优化方法和装置 | |
CN115963838A (zh) | 一种高效的物流机器人集群路径规划方法 | |
CN115824216A (zh) | 一种养猪场喂食车自适应控制方法及系统 | |
US20220300002A1 (en) | Methods and systems for path planning in a known environment |
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 |