CN113253686B - Agv车辆路径规划方法及装置、电子设备、存储介质 - Google Patents
Agv车辆路径规划方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN113253686B CN113253686B CN202110645073.6A CN202110645073A CN113253686B CN 113253686 B CN113253686 B CN 113253686B CN 202110645073 A CN202110645073 A CN 202110645073A CN 113253686 B CN113253686 B CN 113253686B
- Authority
- CN
- China
- Prior art keywords
- path
- planned
- agv
- target point
- planning
- 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
- 238000013439 planning Methods 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000004888 barrier function Effects 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 51
- 230000033001 locomotion Effects 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000037361 pathway Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013434 data augmentation Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4189—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system
- G05B19/41895—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system using automatic guided vehicles [AGV]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- 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
- Y02P90/60—Electric or hybrid propulsion means for production processes
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种AGV车辆路径规划方法及装置、电子设备、存储介质，所述方法包括：基于AGV车辆预定轨道线中的节点信息，生成通道地图；为AGV车辆执行路径规划时，基于所述通道地图截取包含待规划路径的AGV车辆的位姿点和参考路径线的局部规划地图，并获取当前障碍物的位置信息及其他AGV车辆的轮廓信息；获取所述待规划路径的AGV车辆的参考路径线上的至少一个节点，作为上轨道线的目标点；以所述目标点进行路径搜索规划，若路径规划成功则为所述待规划路径的AGV车辆输出规划路径，失败则使用下一目标点进行路径搜索规划，直至路径规划成功或失败。本发明保证了AGV车辆及时准确地回归于轨道线上而开启相关作业。
Description
技术领域
本发明涉及移动机器人路径规划技术，尤其涉及一种基于混合A*搜索的AGV车辆路径规划方法及装置、电子设备、存储介质。
背景技术
近年来，移动机器人在工业领域的飞速拓展，有力地推动了工业4.0的进程。移动机器人与工业机器人相比，更具备灵活性，可以在一定的场景环境中自主完成作业，极大地解放了生产力，因此在制造业、物流行业等领域有极高的应用价值。
叉车式自动导引小车（AGV，Automated Guided Vehicle）由于其结构、作业灵活等优势，是智能物流行业的宠儿，广泛应用于智能工厂的物流线上。传统的磁条导引式叉车缺少灵活性，同时影响了道路美观性，还增加维护成本，不受工厂的青睐。而激光叉车由于其技术先进和铺设装置简单的特点，越来越多的工厂开始投入运行。这其中，对叉车的路径规划问题尤其受到考验，如何让叉车的运行路线更加智能，是目前的研究难点。而传统的Dijstra、A*的算法，是基于拓扑点路线的规划算法，如何让叉车不在运行路线上或者被工人手操之后恢复自动运行，传统方法是无法解决的，而这些意外的事件往往极大地降低物流效率。因此，针对如何让叉车根据实际现场环境，如何自主地规划一条安全可通行的路径回到轨道线上，是提高运行效率的关键之一。遗憾的是，目前尚未有相关技术可供参考。
发明内容
本发明提供一种AGV车辆路径规划方法及装置、电子设备、存储介质，以至少解决现有技术中存在的以上技术问题。
本发明一方面提供一种AGV车辆路径规划方法，所述方法包括：
基于AGV车辆预定轨道线中的节点信息，生成通道地图；
为AGV车辆执行路径规划时，基于所述通道地图截取包含待规划路径的AGV车辆的位姿点和参考路径线的局部规划地图，并获取当前障碍物的位置信息及其他AGV车辆的轮廓信息；
获取所述待规划路径的AGV车辆的参考路径线上的至少一个节点，作为上轨道线的目标点；以所述目标点进行路径搜索规划，若路径规划成功则为所述待规划路径的AGV车辆输出规划路径，失败则使用下一目标点进行路径搜索规划，直至路径规划成功或失败。
可选地，所述基于AGV车辆预定轨道线中的节点信息，生成通道地图，包括：
基于AGV车辆预定轨道线中的节点的坐标信息，以及预设的车道宽度值，生成AGV车辆的通道地图。
可选地，所述以所述目标点进行路径搜索规划，包括：
为所述待规划路径的AGV车辆设置节点优先级队列，并按照路径代价对节点进行排序；
从首个节点开始，以与所述待规划路径的AGV车辆的运动能力匹配的曲线探测方式，确定所述待规划路径的AGV车辆能否到达所述目标点；若能到达所述目标点，则拼接当前节点与所述目标点之前的探测路径，确定路径规划成功；
若不能到达所述目标点，以当前节点为起点，以设定搜索步长及设定旋转角度为基准，确定所述当前节点的子节点；以所述子节点为起点，以与所述待规划路径的AGV车辆的运动能力匹配的曲线探测方式，确定所述待规划路径的AGV车辆能否到达所述目标点，若能到达所述目标点，则拼接当前节点、子节点与所述目标点之前的探测路径，确定路径规划成功；若所有子节点不能到达所述目标点，则确定所述节点优先级队列中的其他节点为起点，探测能到达所述目标点的路径。
可选地，以所述子节点为起点探测能到达所述目标点的路径之前，所述方法还包括：
确定子节点为所述优先级队列中已进行路径探测的节点或与障碍物之间的距离小于设定阈值时，不再进行到达所述目标点的路径探测。
可选地，所述以与所述待规划路径的AGV车辆的运动能力匹配的曲线探测方式，确定所述待规划路径的AGV车辆能否到达所述目标点，包括：
所述待规划路径的AGV车辆支持前进后退运动时，以reeds-shepp曲线探测方式确定所述待规划路径的AGV车辆能否到达所述目标点；
所述待规划路径的AGV车辆仅支持前进运动时，则以dubins曲线探测方式确定所述待规划路径的AGV车辆能否到达所述目标点。
可选地，所述基于所述通道地图截取包含待规划路径的AGV车辆的位姿点和参考路径线的局部规划地图，包括：
确定能包含所述待规划路径的AGV车辆的位姿点和参考路径线的最小矩形框，将所述最小矩形框的上下左右各扩展设定距离，得到第二矩形框，从所述通道地图中截取所述第二矩形框覆盖区域，作为所述待规划路径的AGV车辆的局部规划地图。
本发明另一方面提供一种AGV车辆路径规划装置，所述装置包括：
生成单元，用于基于AGV车辆预定轨道线中的节点信息，生成通道地图；
第一获取单元，用于为AGV车辆执行路径规划时，基于所述通道地图截取包含待规划路径的AGV车辆的位姿点和参考路径线的局部规划地图，并获取当前障碍物的位置信息及其他AGV车辆的轮廓信息；
第二获取单元，用于获取所述待规划路径的AGV车辆的参考路径线上的至少一个节点，作为上轨道线的目标点；
路径搜索规划单元，用于以所述目标点进行路径搜索规划，若路径规划成功则为所述待规划路径的AGV车辆输出规划路径，失败则使用下一目标点进行路径搜索规划，直至路径规划成功或失败。
可选地，所述生成单元，还用于：
基于AGV车辆预定轨道线中的节点的坐标信息，以及预设的车道宽度值，生成AGV车辆的通道地图。
可选地，所述路径搜索规划单元，还用于：
为所述待规划路径的AGV车辆设置节点优先级队列，并按照路径代价对节点进行排序；
从首个节点开始，以与所述待规划路径的AGV车辆的运动能力匹配的曲线探测方式，确定所述待规划路径的AGV车辆能否到达所述目标点；若能到达所述目标点，则拼接当前节点与所述目标点之前的探测路径，确定路径规划成功；
若不能到达所述目标点，以当前节点为起点，以设定搜索步长及设定旋转角度为基准，确定所述当前节点的子节点；以所述子节点为起点，以与所述待规划路径的AGV车辆的运动能力匹配的曲线探测方式，确定所述待规划路径的AGV车辆能否到达所述目标点，若能到达所述目标点，则拼接当前节点、子节点与所述目标点之前的探测路径，确定路径规划成功；若所有子节点不能到达所述目标点，则确定所述节点优先级队列中的其他节点为起点，探测能到达所述目标点的路径。
可选地，所述装置还包括：
确定单元，用于在以所述子节点为起点探测能到达所述目标点的路径之前，确定子节点为所述优先级队列中已进行路径探测的节点或与障碍物之间的距离小于设定阈值时，不触发所述路径搜索规划单元进行到达所述目标点的路径探测。
可选地，所述路径搜索规划单元，还用于：
所述待规划路径的AGV车辆支持前进后退运动时，以reeds-shepp曲线探测方式确定所述待规划路径的AGV车辆能否到达所述目标点；
所述待规划路径的AGV车辆仅支持前进运动时，则以dubins曲线探测方式确定所述待规划路径的AGV车辆能否到达所述目标点。
可选地，所述第一获取单元，还用于：
确定能包含所述待规划路径的AGV车辆的位姿点和参考路径线的最小矩形框，将所述最小矩形框的上下左右各扩展设定距离，得到第二矩形框，从所述通道地图中截取所述第二矩形框覆盖区域，作为所述待规划路径的AGV车辆的局部规划地图。
本发明另一方面提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现所述的AGV车辆路径规划方法的步骤。
本发明再一方面提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现所述的AGV车辆路径规划方法的步骤。
本发明通过为AGV车辆生成通道地图，并基于通道地图及当前障碍物的位置信息等，为不在轨道线上的AGV车辆确定到达参考路径线的目标点最近规划线路，能够自动规避各种障碍物及其他的AGV车辆，保证AGV车辆及时准确地回归于轨道线上，开启正常的作业。本发明能够在较为复杂的应用环境中为AGV车辆规划出最佳的上轨线路，适应环境能力较强，通过设置通道地图，预先避免了AGV车辆到达传感器无法检测的危险区域，通过增加节点朝向与目标点朝向的代价，达到了加速搜索收敛到与目标点姿态一致，尤其在与目标点距离相近，但是朝向相反的情形，效果更为良好。
附图说明
图1示出了本发明实施例的AGV车辆路径规划方法的流程图；
图2示出了本发明实施例的AGV车辆路径规划系统整体结构示意图；
图3示出了本发明实施例的通道地图的示意图；
图4示出了本发明实施例的基于混合A*的路径规划搜索算法示意图；
图5示出了本发明实施例的AGV车辆路径规划装置的组成结构示意图；
图6示出了本发明实施例的电子设备的结构图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例所针对的技术问题是，由于人为操作等意外因素，当叉车AGV不在预定的轨道线上的时候，利用先验的通道宽度地图，以及实时获取的激光传感器信息和其他设备如各种障碍物或其他的AGV车辆的位姿信息，需要为当前的AGV车辆规划出一条无碰撞的、符合AGV车辆动力学模型的路径，使得AGV车辆能够自主回到预定的轨道线上。否则，该AGV车辆将停留在原地或障碍物附近而无法上轨，导致不能作业。因此，需要结合AGV车辆的位姿情况，以及当前的障碍物情况等，为AGV车辆规划出较佳的上轨路径，使AGV车辆可以随时投入到作业中。
图1示出了本发明实施例的AGV车辆路径规划方法的流程图，如图1所示，本发明实施例的AGV车辆路径规划方法包括以下处理步骤：
步骤101，基于AGV车辆预定轨道线中的节点信息，生成通道地图。
本发明实施例中，基于AGV车辆预定轨道线中的节点的坐标信息，以及预设的车道宽度值，生成AGV车辆的通道地图。也就是说，需要事先为AGV车辆设置通道地图，以使其按照通道地图开展运输作业等，该通道地图的相关信息需要预先设置，并配置于AGV车辆及相关的服务网络节点中。
本发明实施例中以叉车AGV为例进行说明，本领域技术人员应当理解，所有的AGV车辆均适于本发明实施例的技术方案。
叉车AGV预定的轨道线主要是由节点和节点间的连通性组成的，相邻两个节点又是由直线或者三阶贝塞尔曲线构成它们之间的连通性，由此构成了一张节点的拓扑路线图。在此基础上，对每段路线赋予左右的宽度值，即引出了车道的概念。根据叉车AGV预定的轨道线上的节点坐标信息，以及预设的通道宽度值，即可生成一张通道地图。
步骤102，为AGV车辆执行路径规划时，基于所述通道地图截取包含待规划路径的AGV车辆的位姿点和参考路径线的局部规划地图，并获取当前障碍物的位置信息及其他AGV车辆的轮廓信息。
具体地，确定能包含所述待规划路径的AGV车辆的位姿点和参考路径线的最小矩形框，将所述最小矩形框的上下左右各扩展设定距离，得到第二矩形框，从所述通道地图中截取所述第二矩形框覆盖区域，作为所述待规划路径的AGV车辆的局部规划地图。
步骤103，获取所述待规划路径的AGV车辆的参考路径线上的至少一个节点，作为上轨道线的目标点；以所述目标点进行路径搜索规划，若路径规划成功则为所述待规划路径的AGV车辆输出规划路径，失败则使用下一目标点进行路径搜索规划，直至路径规划成功或失败。
本发明实施例中，为所述待规划路径的AGV车辆设置节点优先级队列，并按照路径代价对节点进行排序；
从首个节点开始，以与所述待规划路径的AGV车辆的运动能力匹配的曲线探测方式，确定所述待规划路径的AGV车辆能否到达所述目标点；若能到达所述目标点，则拼接当前节点与所述目标点之前的探测路径，确定路径规划成功；
若不能到达所述目标点，以当前节点为起点，以设定搜索步长及设定旋转角度为基准，确定所述当前节点的子节点；以所述子节点为起点，以与所述待规划路径的AGV车辆的运动能力匹配的曲线探测方式，确定所述待规划路径的AGV车辆能否到达所述目标点，若能到达所述目标点，则拼接当前节点、子节点与所述目标点之前的探测路径，确定路径规划成功；若所有子节点不能到达所述目标点，则确定所述节点优先级队列中的其他节点为起点，探测能到达所述目标点的路径。
其中，以所述子节点为起点探测能到达所述目标点的路径之前，所述方法还包括：
确定子节点为所述优先级队列中已进行路径探测的节点或与障碍物之间的距离小于设定阈值时，不再进行到达所述目标点的路径探测。
其中，所述待规划路径的AGV车辆支持前进后退运动时，以reeds-shepp曲线探测方式确定所述待规划路径的AGV车辆能否到达所述目标点；所述待规划路径的AGV车辆仅支持前进运动时，则以dubins曲线探测方式确定所述待规划路径的AGV车辆能否到达所述目标点。
以下通过具体示例，进一步阐明本发明实施例的技术方案的本质。
图2示出了本发明实施例的AGV车辆路径规划系统整体结构示意图，如图2所示，本发明实施例的技术方案，是一种基于混合A*搜索的叉车AGV路径规划方法，在规划时主要解决如何利用先验的通道地图，和实时的激光传感器所检测到的相关障碍物的位置信息和其他设备如其他叉车AGV的位姿信息，使得规划出的运行路径可以高效的绕开视野中的障碍物，快速地到达指定的目标点。图2所示的整体流程框架图主要包括规划地图预处理、任务场景处理以及路径规划层，其中，路径规划层是本发明实施例的实现核心。
如图2所示，本发明实施例的整体的框架主要由数据管理及处理层和规划决策层组成，数据管理及处理层主要负责对输入信息的校验和处理，规划决策层则根据输入的信息进行路径的决策规划。
具体地，数据处理与管理层的主要处理逻辑是，需要首先对通道地图进行生成并保存在本地，然后每次需要执行路径规划时，加上当前的实时输入信息，如当前叉车AGV的位姿、避障信息，其他设备信息以及参考路线信息等，截取出一张局部的规划地图，传递给规划决策层。
其中，通道地图的生成包括：叉车AGV预定的轨道线主要是由节点和节点间的连通性组成的，相邻两个节点又是由直线或者三阶贝塞尔曲线构成他们的连通性，由此构成了一张节点的拓扑路线图。在此基础上，对每段路线赋予左右的宽度值，即引出了车道的概念。根据设置的宽度值，以及节点的坐标信息，即可生成一张通道地图，如图3所示，其中灰色区域表示叉车可通行区域，白色区域则为不安全区域，如可以是障碍物区域等，具体可以是传感器无法检测的危险区域，比如货架区域或者低洼的路线区。
该拓扑路线地图可以为2D的栅格地图，例如可以使用PGM格式存储，地图宽高、分辨率、坐标原点等信息存放在yaml文件中，均保存在本地，一旦需要路径规划时即可取出使用，不占用实时计算时间。
本发明实施例中，为了能安全避开障碍物，需要获取当前一帧的障碍物的点云数据，转化为世界坐标系下的坐标点云，并存储下来。为了能不碰撞附近运行的叉车AGV，需要获取当前时刻其他叉车AGV的姿态和轮廓信息，并存储下来。
由于待进行路线规划的叉车AGV的当前姿态不在预定的路径线上，因此需要获取附近能回到轨道线的拓扑点坐标以及后续任务的连通节点及连通性，得到需要输入的参考路径线。
因此，本发明实施例可以为待路线规划的叉车AGV设置一个最小矩形框BoxBound，该Box Bound的横边和竖边分别与世界坐标系X轴和Y轴平行，且包含当前叉车AGV的位姿点和参考路径线，并将Box Bound上下左右各扩展如5m，当然也可以根据需要，扩展10m、8m等。将这个Box Bound对应的区域从通道地图中截取出来，即得到叉车当前位姿和参考路径附近的通道地图信息，用于规划决策层的路径规划的搜索空间。
得到用于规划的地图之后，需要将当前的障碍物信息和其他叉车AGV的轮廓信息放置于该Box Bound截取的通道地图中，将当前的障碍物信息和其他叉车AGV的轮廓统一视为不可通行的障碍物区域。
本发明实施例的规划决策层利用上层传递下来的规划地图信息，和AGV当前姿态以及参考路径信息，即可进行决策规划。
本发明实施例中，首先确定参考路径的节点，即确定叉车AGV拟上轨道线的目标点信息，假设为叉车AGV确定了三个目标点A，B和C，对目标点按照与叉车AGV的当前姿态的距离远近进行排序，设置一个优先距离值priority_dis如2m，按照接近这个priority_dis的值进行排序。首先使用第一个目标点（即接近priority_dis的距离值的点）进行搜索规划，如果成功则输出规划路径，失败则使用下一个目标点继续规划。如果目标点全部搜索过仍失败，则返回失败报警。以下详细说明本发明实施例的路径搜索规划的实现细节。
本发明实施例的规划算法是基于混合A*的搜索算法，其基本的流程为图4所示，具体包括以下处理步骤：
（2.1）定义一个优先级队列pq，按照路径代价（cost）进行排序，保证pq的首值为
cost最小的节点。路径cost由已走过的路径距离和到目标点的启发式函数值组成。本发明
实施例在混合A*的基础上，还增加了节点的朝向和目标点朝向的代价，即
，k表示权重值（如k = 2），
表示当前节点的朝向角度，
表示目标节点的
朝向角度。另外未搜索的节点列表为open，已搜索过的节点列表为close。首先将起点放入
pq中的open。
（2.2）如果open不为空，则取出pq中open的首个节点，设置为当前节点，并在pq中将所取出的节点删除，将该首个节点放入close，表示已经被搜索过，然后进入下一步（2.3）。如果open为空，表示搜索失败，跳转至最后一步（2.6）。
（2.3）如果叉车AGV可以前进和后退，以当前节点为起点，使用reeds-shepp曲线探测方式，确定叉车AGV能否直接无碰撞地到达目标点，如果成功则拼接之前探测的路径，将所探测的路径作为叉车AGV上轨道线的路径，并使叉车AGV基于该规划路径成功返回轨道线上；反之失败则进入下一步（2.4）。如果叉车AGV不能后退，则使用dubins曲线代替reeds-shepp曲线进行路径探测。
（2.4）以当前节点
为起点，按照如下公式进行子节点
的生成：
其中， 
表示当前节点在世界坐标系下的横纵坐标和角度朝
向，
表示子节点在世界坐标系下的横纵坐标和角度朝向，
表
示搜索的步长大小，为预设值，如可以设置为0.05m等，
表示子节点的旋转角度值，设
置的前进子节点数目为3，例如，
分别为（
, 根据经验，
一般取0.08弧度左右。本发明实施例中，当需要生成后退子节点只要将公式（1）的
取相反数即可。
对每个子节点进行下一步检测，若已经在close中，舍弃该子节点；若不在close中，但是能碰到障碍物，则舍弃该子节点；若节点安全无碰撞，则将该子节点放入open。这里，能碰到障碍物，表示子节点所在坐标与障碍物之间的距离小于设定距离如0.1m、0.05m等。
（2.5）返回（2.2）继续搜索。
（2.6）算法完成后如果成功返回，则输出搜索到的路径点序列，叉车AGV可以按规划好的路径重新回归轨道线，若搜索失败，则返回失败报警。
本发明能够在较为复杂的应用环境中为AGV车辆规划出最佳的上轨线路，适应环境能力较强，通过设置通道地图，预先避免了AGV车辆到达传感器无法检测的危险区域，通过增加节点朝向与目标点朝向的代价，达到了加速搜索收敛到与目标点姿态一致，尤其在与目标点距离相近，但是朝向相反的情形，效果更为良好。
图5示出了本发明实施例的AGV车辆路径规划装置的组成结构示意图，如图5所示，本发明实施例的AGV车辆路径规划装置包括：
生成单元50，用于基于AGV车辆预定轨道线中的节点信息，生成通道地图；
第一获取单元51，用于为AGV车辆执行路径规划时，基于所述通道地图截取包含待规划路径的AGV车辆的位姿点和参考路径线的局部规划地图，并获取当前障碍物的位置信息及其他AGV车辆的轮廓信息；
第二获取单元52，用于获取所述待规划路径的AGV车辆的参考路径线上的至少一个节点，作为上轨道线的目标点；
路径搜索规划单元53，用于以所述目标点进行路径搜索规划，若路径规划成功则为所述待规划路径的AGV车辆输出规划路径，失败则使用下一目标点进行路径搜索规划，直至路径规划成功或失败。
作为一种实现方式，所述生成单元50，还用于：
基于AGV车辆预定轨道线中的节点的坐标信息，以及预设的车道宽度值，生成AGV车辆的通道地图。
作为一种实现方式，所述路径搜索规划单元53，还用于：
为所述待规划路径的AGV车辆设置节点优先级队列，并按照路径代价对节点进行排序；
从首个节点开始，以与所述待规划路径的AGV车辆的运动能力匹配的曲线探测方式，确定所述待规划路径的AGV车辆能否到达所述目标点；若能到达所述目标点，则拼接当前节点与所述目标点之前的探测路径，确定路径规划成功；
若不能到达所述目标点，以当前节点为起点，以设定搜索步长及设定旋转角度为基准，确定所述当前节点的子节点；以所述子节点为起点，以与所述待规划路径的AGV车辆的运动能力匹配的曲线探测方式，确定所述待规划路径的AGV车辆能否到达所述目标点，若能到达所述目标点，则拼接当前节点、子节点与所述目标点之前的探测路径，确定路径规划成功；若所有子节点不能到达所述目标点，则确定所述节点优先级队列中的其他节点为起点，探测能到达所述目标点的路径。
作为一种实现方式，在图5所示的AGV车辆路径规划装置的基础上，本发明实施例的AGV车辆路径规划装置还包括：
确定单元（图5中未示出），用于在以所述子节点为起点探测能到达所述目标点的路径之前，确定子节点为所述优先级队列中已进行路径探测的节点或与障碍物之间的距离小于设定阈值时，不触发所述路径搜索规划单元进行到达所述目标点的路径探测。
作为一种实现方式，所述路径搜索规划单元53，还用于：
所述待规划路径的AGV车辆支持前进后退运动时，以reeds-shepp曲线探测方式确定所述待规划路径的AGV车辆能否到达所述目标点；
所述待规划路径的AGV车辆仅支持前进运动时，则以dubins曲线探测方式确定所述待规划路径的AGV车辆能否到达所述目标点。
作为一种实现方式，所述第一获取单元51，还用于：
确定能包含所述待规划路径的AGV车辆的位姿点和参考路径线的最小矩形框，将所述最小矩形框的上下左右各扩展设定距离，得到第二矩形框，从所述通道地图中截取所述第二矩形框覆盖区域，作为所述待规划路径的AGV车辆的局部规划地图。
在示例性实施例中，生成单元50、第一获取单元51、第二获取单元52、路径搜索规划单元53和确定单元等可以被一个或多个中央处理器（CPU，Central Processing Unit）、图形处理器（GPU，Graphics Processing Unit）、基带处理器（BP，Base Processor）、应用专用集成电路（ASIC，Application Specific Integrated Circuit）、数字信号处理器（Digital Signal Processor，DSP）、可编程逻辑器件（PLD，Programmable Logic Device）、复杂可编程逻辑器件（CPLD，Complex Programmable Logic Device）、现场可编程门阵列（FPGA，Field-Programmable Gate Array）、通用处理器、控制器、微控制器（MCU，MicroController Unit）、微处理器（Microprocessor）、或其他电子元件实现，用于执行前述实施例的基于数据扩增的神经网络评价方法的步骤。
在本公开实施例中，图5示出的AGV车辆路径规划装置中各个单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
下面，参考图6来描述根据本申请实施例的电子设备11。
如图6所示，电子设备11包括一个或多个处理器111和存储器112。
处理器111可以是中央处理单元（CPU）或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备11中的其他组件以执行期望的功能。
存储器112可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。所述非易失性存储器例如可以包括只读存储器（ROM）、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器111可以运行所述程序指令，以实现上文所述的本申请的各个实施例的验证方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中，电子设备11还可以包括：输入装置113和输出装置114，这些组件通过总线系统和/或其他形式的连接机构（未示出）互连。
该输入装置113可以包括例如键盘、鼠标等等。
该输出装置114可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出装置114可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图6中仅示出了该电子设备11中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备11还可以包括任何其他适当的组件。
除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“如但不限于”，且可与其互换使用。
还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (12)
1.一种AGV车辆路径规划方法，其特征在于，所述方法包括：
基于AGV车辆预定轨道线中的节点信息，生成通道地图；
为AGV车辆执行路径规划时，基于所述通道地图截取包含待规划路径的AGV车辆的位姿点和参考路径线的局部规划地图，并获取当前障碍物的位置信息及其他AGV车辆的轮廓信息；
获取所述待规划路径的AGV车辆的参考路径线上的至少一个节点，作为上轨道线的目标点；以所述目标点进行路径搜索规划，若路径规划成功则为所述待规划路径的AGV车辆输出规划路径，失败则使用下一目标点进行路径搜索规划，直至路径规划成功或失败；其中，所述以所述目标点进行路径搜索规划，包括：
为所述待规划路径的AGV车辆设置节点优先级队列，并按照路径代价对节点进行排序；
从首个节点开始，以与所述待规划路径的AGV车辆的运动能力匹配的曲线探测方式，确定所述待规划路径的AGV车辆能否到达所述目标点；若能到达所述目标点，则拼接当前节点与所述目标点之前的探测路径，确定路径规划成功；
若不能到达所述目标点，以当前节点为起点，以设定搜索步长及设定旋转角度为基准，确定所述当前节点的子节点；以所述子节点为起点，以与所述待规划路径的AGV车辆的运动能力匹配的曲线探测方式，确定所述待规划路径的AGV车辆能否到达所述目标点，若能到达所述目标点，则拼接当前节点、子节点与所述目标点之前的探测路径，确定路径规划成功；若所有子节点不能到达所述目标点，则确定所述节点优先级队列中的其他节点为起点，探测能到达所述目标点的路径。
2.根据权利要求1所述的方法，其特征在于，所述基于AGV车辆预定轨道线中的节点信息，生成通道地图，包括：
基于AGV车辆预定轨道线中的节点的坐标信息，以及预设的车道宽度值，生成AGV车辆的通道地图。
3.根据权利要求1所述的方法，其特征在于，以所述子节点为起点探测能到达所述目标点的路径之前，所述方法还包括：
确定子节点为所述优先级队列中已进行路径探测的节点或与障碍物之间的距离小于设定阈值时，不再进行到达所述目标点的路径探测。
4.根据权利要求1所述的方法，其特征在于，所述以与所述待规划路径的AGV车辆的运动能力匹配的曲线探测方式，确定所述待规划路径的AGV车辆能否到达所述目标点，包括：
所述待规划路径的AGV车辆支持前进后退运动时，以reeds-shepp曲线探测方式确定所述待规划路径的AGV车辆能否到达所述目标点；
所述待规划路径的AGV车辆仅支持前进运动时，则以dubins曲线探测方式确定所述待规划路径的AGV车辆能否到达所述目标点。
5.根据权利要求1所述的方法，其特征在于，所述基于所述通道地图截取包含待规划路径的AGV车辆的位姿点和参考路径线的局部规划地图，包括：
确定能包含所述待规划路径的AGV车辆的位姿点和参考路径线的最小矩形框，将所述最小矩形框的上下左右各扩展设定距离，得到第二矩形框，从所述通道地图中截取所述第二矩形框覆盖区域，作为所述待规划路径的AGV车辆的局部规划地图。
6.一种AGV车辆路径规划装置，其特征在于，所述装置包括：
生成单元，用于基于AGV车辆预定轨道线中的节点信息，生成通道地图；
第一获取单元，用于为AGV车辆执行路径规划时，基于所述通道地图截取包含待规划路径的AGV车辆的位姿点和参考路径线的局部规划地图，并获取当前障碍物的位置信息及其他AGV车辆的轮廓信息；
第二获取单元，用于获取所述待规划路径的AGV车辆的参考路径线上的至少一个节点，作为上轨道线的目标点；
路径搜索规划单元，用于为所述待规划路径的AGV车辆设置节点优先级队列，并按照路径代价对节点进行排序；从首个节点开始，以与所述待规划路径的AGV车辆的运动能力匹配的曲线探测方式，确定所述待规划路径的AGV车辆能否到达所述目标点；若能到达所述目标点，则拼接当前节点与所述目标点之前的探测路径，确定路径规划成功；若不能到达所述目标点，以当前节点为起点，以设定搜索步长及设定旋转角度为基准，确定所述当前节点的子节点；以所述子节点为起点，以与所述待规划路径的AGV车辆的运动能力匹配的曲线探测方式，确定所述待规划路径的AGV车辆能否到达所述目标点，若能到达所述目标点，则拼接当前节点、子节点与所述目标点之前的探测路径，确定路径规划成功；若所有子节点不能到达所述目标点，则确定所述节点优先级队列中的其他节点为起点，探测能到达所述目标点的路径；
若路径规划成功则为所述待规划路径的AGV车辆输出规划路径，失败则使用下一目标点进行路径搜索规划，直至路径规划成功或失败。
7.根据权利要求6所述的装置，其特征在于，所述生成单元，还用于：
基于AGV车辆预定轨道线中的节点的坐标信息，以及预设的车道宽度值，生成AGV车辆的通道地图。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：
确定单元，用于在以所述子节点为起点探测能到达所述目标点的路径之前，确定子节点为所述优先级队列中已进行路径探测的节点或与障碍物之间的距离小于设定阈值时，不触发所述路径搜索规划单元进行到达所述目标点的路径探测。
9.根据权利要求6所述的装置，其特征在于，所述路径搜索规划单元，还用于：
所述待规划路径的AGV车辆支持前进后退运动时，以reeds-shepp曲线探测方式确定所述待规划路径的AGV车辆能否到达所述目标点；
所述待规划路径的AGV车辆仅支持前进运动时，则以dubins曲线探测方式确定所述待规划路径的AGV车辆能否到达所述目标点。
10.根据权利要求6所述的装置，其特征在于，所述第一获取单元，还用于：
确定能包含所述待规划路径的AGV车辆的位姿点和参考路径线的最小矩形框，将所述最小矩形框的上下左右各扩展设定距离，得到第二矩形框，从所述通道地图中截取所述第二矩形框覆盖区域，作为所述待规划路径的AGV车辆的局部规划地图。
11.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现权利要求1-5任一项所述的AGV车辆路径规划方法的步骤。
12.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一项所述的AGV车辆路径规划方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110645073.6A CN113253686B (zh) | 2021-06-10 | 2021-06-10 | Agv车辆路径规划方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110645073.6A CN113253686B (zh) | 2021-06-10 | 2021-06-10 | Agv车辆路径规划方法及装置、电子设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113253686A CN113253686A (zh) | 2021-08-13 |
| CN113253686B true CN113253686B (zh) | 2021-10-15 |
Family
ID=77187286
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110645073.6A Active CN113253686B (zh) | 2021-06-10 | 2021-06-10 | Agv车辆路径规划方法及装置、电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113253686B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113418522B (zh) * | 2021-08-25 | 2021-12-14 | 季华实验室 | Agv路径规划方法、跟随方法、装置、设备及存储介质 |
| CN114170844B (zh) * | 2021-12-03 | 2023-04-25 | 广东嘉腾机器人自动化有限公司 | 多辆agv同场运行情况下的防碰撞方法 |
| CN114545922A (zh) * | 2021-12-28 | 2022-05-27 | 美的集团(上海)有限公司 | 路径规划方法、电子设备及计算机存储介质 |
| CN116824976B (zh) * | 2023-08-30 | 2023-11-28 | 弥费科技(上海)股份有限公司 | 空中运输车轨道地图生成方法、装置、设备 |
| CN116858254A (zh) * | 2023-09-01 | 2023-10-10 | 青岛中德智能技术研究院 | 单舵轮agv路径规划方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1097321A (ja) * | 1996-09-24 | 1998-04-14 | Mitsubishi Heavy Ind Ltd | 無人搬送車の走行制御装置 |
| CN103309350A (zh) * | 2013-05-24 | 2013-09-18 | 南京航空航天大学 | 基于全局无线精确定位的自动导引车调度系统及其方法 |
| CN106647734B (zh) * | 2016-10-12 | 2020-11-24 | 北京京东乾石科技有限公司 | 自动导引车、路径规划方法与装置 |
| JP7235060B2 (ja) * | 2019-02-01 | 2023-03-08 | 日本電気株式会社 | 経路計画装置、経路計画方法、及びプログラム |
| CN110244712A (zh) * | 2019-05-22 | 2019-09-17 | 南通大学 | 一种多agv系统路径规划方法 |
| CN111289007A (zh) * | 2020-03-23 | 2020-06-16 | 南京理工大学 | 基于改进蚁群算法的泊车agv路径规划方法 |
| CN112539750B (zh) * | 2020-11-25 | 2022-08-16 | 湖北三环智能科技有限公司 | 一种智能运输车路径规划方法 |
-
2021
- 2021-06-10 CN CN202110645073.6A patent/CN113253686B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113253686A (zh) | 2021-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113253686B (zh) | Agv车辆路径规划方法及装置、电子设备、存储介质 | |
| CN109116867B (zh) | 一种无人机飞行避障方法、装置、电子设备及存储介质 | |
| US20230123298A1 (en) | Robot navigation using 2d and 3d path planning | |
| CN109931942B (zh) | 机器人路径生成方法、装置、机器人和存储介质 | |
| CN111301409A (zh) | 一种泊车路径规划方法、装置、车辆和存储介质 | |
| KR20190039438A (ko) | 자재 핸들링 차량 경로 검증 및 동적 경로 수정 | |
| CN110834631A (zh) | 一种行人避让方法、装置、车辆及存储介质 | |
| WO2023216596A1 (zh) | 障碍物检测方法、装置、设备及存储介质 | |
| CN112965490B (zh) | 控制机器人的方法、装置及非瞬时性计算机可读存储介质 | |
| CN112539749A (zh) | 机器人导航方法、机器人、终端设备及存储介质 | |
| CN110609546B (zh) | 拣货装置的防护方法、系统、计算机设备和可读存储介质 | |
| CN113867347A (zh) | 机器人路径规划方法、装置、管理系统及计算机存储介质 | |
| CN112327826A (zh) | 一种路径规划方法、装置、设备和介质 | |
| US20240001913A1 (en) | Method and apparatus for determining travel path bound, vehicle, storage medium, and terminal | |
| CN116700298B (zh) | 路径规划方法、系统、设备及存储介质 | |
| CN111752275A (zh) | 一种用于机器人的自动巡航方法、装置和存储介质 | |
| CN112256052B (zh) | 无人机的速度控制方法、装置、无人机和存储介质 | |
| CN112099491A (zh) | 机器人排队方法、机器人和计算机可读存储介质 | |
| CN110930422B (zh) | 物体外框确定方法、装置、计算机设备和可读存储介质 | |
| CN116430906B (zh) | 一种基于凸点平移的无人机动态避障方法、系统、设备及介质 | |
| CN117308964A (zh) | 智能游船的路径规划方法、装置、无人船及介质 | |
| CN116448095A (zh) | 移动机器人及其导航方法、装置、计算机设备和存储介质 | |
| CN115657675A (zh) | 一种车辆运动路径生成方法、系统及存储介质 | |
| García et al. | Vodec: A fast Voronoi algorithm for car-like robot path planning in dynamic scenarios | |
| KR20230122349A (ko) | 가상 장애물 기반 이동로봇의 충돌회피 제어방법 |
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 | ||
| CB02 | Change of applicant information |
Address after: 310051 8 / F, building a, 1181 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Zhejiang Huarui Technology Co.,Ltd. Address before: 310051 8 / F, building a, 1181 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province Applicant before: ZHEJIANG HUARAY TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |