CN113342002B - 基于拓扑地图的多移动机器人调度方法及系统 - Google Patents
基于拓扑地图的多移动机器人调度方法及系统 Download PDFInfo
- Publication number
- CN113342002B CN113342002B CN202110756841.5A CN202110756841A CN113342002B CN 113342002 B CN113342002 B CN 113342002B CN 202110756841 A CN202110756841 A CN 202110756841A CN 113342002 B CN113342002 B CN 113342002B
- Authority
- CN
- China
- Prior art keywords
- path
- mobile robot
- mobile
- macro
- ring
- 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 42
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000010586 diagram Methods 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于拓扑地图的多移动机器人调度方法,包括获取待调度区域的地图并建模得到拓扑地图;对获取的拓扑地图进行处理得到压缩宏环图;当待调度区域内的移动机器人接受到新指令或移动到当前连边的设定位置时为移动机器人规划多条候选路径;对多条候选路径进行安全性判断并给移动机器人下达下一步的控制指令;重复上述步骤完成待调度区域内多移动机器人的调度。本发明还公开了一种包括了所述基于拓扑地图的多移动机器人调度方法的系统。本发明通过创新性的算法,在拓扑地图下完全避免了死锁的发生,提高了多移动机器人调度过程的可靠性、灵活性和效率。
Description
技术领域
本发明属于移动机器人调度领域,具体涉及一种基于拓扑地图的多移动机器人调度方法及系统。
背景技术
随着经济技术的发展和人们生活水平的提高,智能制造已经得到了广泛发展。伴随着工业4.0的提出,智能化的生产方式正逐步取代传统劳动密集型的生产方式,成为企业降低成本获取更多利润的重要手段。企业内物流调度作为生产制造过程中的核心环节,主要承担器械补料与产品运送的任务。在传统制造业中,尤其是大型高端装备制造业中,超过95%的时间用于物料的搬运配送,仅有不到5%的时间用于加工与装配作业。因此,利用移动机器人进行工厂内物流调度,是提高物料的运输配送效率的重要方式。
一般地,多移动机器人调度是指多移动机器人在共享一个环境的前提下,协调它们的运动并使所有机器人都能达到目标位置。多移动机器人调度主要分为三个功能部分,具体为任务分配,路径规划和调度:任务分配主要用于完成移动机器人与任务之间的匹配;路径规划用于为给定的两点规划路径;调度用于处理机器人之间冲突的问题。在多移动机器人调度中,移动机器人的冲突问题是非常突出的,而一旦发生冲突,整个调度系统将面临崩溃或急需人工干预的情况,对生产效率的影响将造成巨大的损失。
因此,许多国内外专家都致力于研究多移动机器人调度控制算法,以避免碰撞和死锁的问题。目前,大多数的算法都是基于时间窗的预防性策略;但是这样的算法往往限制较为严格,不够灵活,而且可能会导致系统资源利用率和系统吞吐量降低;此外,这些类型的方法具有随网络规模增大而指数增长的计算复杂度,且无法应对突发事件。
发明内容
本发明的目的之一在于提供一种可靠性高、灵活性高且效率较高的基于拓扑地图的多移动机器人调度方法。
本发明的目的之二在于提供一种包括了所述基于拓扑地图的多移动机器人调度方法的系统。
本发明提供的这种基于拓扑地图的多移动机器人调度方法,包括如下步骤:
S1. 获取待调度区域的地图,并建模得到拓扑地图;
S2. 对步骤S1获取的拓扑地图进行处理得到压缩宏环图;
S3. 当待调度区域内的移动机器人接受到新指令或移动到当前连边的设定位置时,为移动机器人规划多条候选路径;
S4. 对步骤S3得到的多条候选路径进行安全性判断,从而给移动机器人下达下一步的控制指令;
S5. 重复步骤S3~S4,完成待调度区域内多移动机器人的调度。
步骤S1所述的获取待调度区域的地图,并建模得到拓扑地图,具体为获取待调度区域的地图,并将拓扑地图用加权无向图G=(V,E,W)表示,其中V为节点集合,E为连边集合,W为连边上的权重集合;同时规定在拓扑地图上连边权重值不小于移动机器人的长度,且每条边同一时刻只允许容纳一台移动机器人。
步骤S2所述的对步骤S1获取的拓扑地图进行处理得到压缩宏环图,具体为为每个叶子节点添加自环生成图,然后分离自环生成图中的所有桥边,得到宏环集,其中为宏环且,为宏环的顶点集合,为宏环的连边集合,为宏环的连边的数量;最后,在自环生成图中将所有宏环压缩为节点,从而得到压缩宏环图CMG。
步骤S3所述的当待调度区域内的移动机器人接受到新指令或移动到当前连边的设定位置时,为移动机器人规划多条候选路径,具体为当待调度区域内的移动机器人接受到新指令,或者当调度区域内的移动机器人在当前连边上移动的距离超过了当前连边的x%时,采用Dijkstra算法为移动机器人规划多条候选路径;x为(0,100)上的正数。
所述的采用Dijkstra算法为移动机器人规划多条候选路径,具体为采用如下步骤为移动机器人规划多条候选路径:
A. 在步骤S2得到的拓扑地图G中,在每次进行候选路径规划时,均将移动机器人所在边的前向首节点作为源点s;
B. 根据拓扑地图G的邻接矩阵,采用现有的Dijkstra算法为移动机器人规划一条从源点s至目标点d的最短路径p 1;
C. 根据步骤B得到的最短路径p 1上的第一个分叉点,以第一个分叉点为第一源点继续规划若干条不同的从第一源点至目标点d的路径,从而得到若干条从源点s至目标点d的路径,构成可选路径集合P。
步骤C所述的根据步骤B得到的最短路径p 1上的第一个分叉点,以第一个分叉点为第一源点继续规划若干条不同的从第一源点至目标点d的路径,从而得到若干条从源点s至目标点d的路径,构成可选路径集合P,具体为采用如下步骤构成可选路径集合P:
C1. 找到最短路径p 1上的第一个分叉点v,此时源点s到第一分叉点v仅有一条前向路径p 0;
C2. 将第一分叉点v作为第一源点;
C3. 在拓扑图中删除第一源点v后最短路径p 1上的第一条边,采用现有的Dijkstra算法为移动机器人规划一条从第一源点v至目标点d的最短路径p 2;
C4. 在拓扑图中删除步骤C3得到的最短路径p 2的首个连边,并将路径p 0与p 2拼接后存入可选路径集合P;
C5. 重复步骤C3~C4直至最短路径p 2为空,从而得到最终的可选路径集合P。
步骤S4所述的对步骤S3得到的多条候选路径进行安全性判断,从而给移动机器人下达下一步的控制指令,具体为采用如下步骤进行安全性判断并给移动机器人下达下一步的控制指令:
a. 获取待调度区域的所有移动机器人的数据信息;
c. 根据宏环集M,将可选路径集合P中的路径p i 分离为p ib 、p iu 、p ibub 、u i1和u i2;其中p ib 为路径p i 的第一个宏环前的路径,p iu 为路径p i 的第一个宏环内的路径,p ibub 为路径p i 的第一个宏环和第二个宏环之间的桥边,u i1为路径p i 的第一个宏环,u i2为路径p i 的第二个宏环;
d. 采用如下步骤判断路径p i 的安全性:
d1. 若路径p i 上的第一条边没有被任何移动机器人占领,则采用如下步骤继续进行d2~d3的判定;否则,判定路径p i 为不安全;
d2. 若路径p ib 为空,则对路径p iu 进行判定:
若路径p iu 为空(意味着下一个点即为目标点),则判定路径p i 为安全;
若路径p iu 不为空,则采用如下步骤继续进行d2-1~ d2-4的判定:
d2-2. 将当前所有处于宏环u i1内的移动机器人构成集合u i1_controller;
d2-3. 遍历宏环u i1内路径p iu 上的连边:
若连边已经被其他移动机器人占有,则判定路径p i 为不安全;
若连边未被其他移动机器人占有,则在子图上将相应连边转换为相应方向的有向边并得到第一子图,再进行判断:若集合u i1_controller内所有移动机器人在第一子图中均能够按照路径达到虚拟前进连边且子图为强连通图,则判定路径p i 为安全,同时将当前遍历的连边设置为移动机器人的虚拟前进边;否则,重复步骤d2-3直至所有连边均遍历完成;
d2-4. 若宏环u i2的容量大于0且p ibub 上不存在与当前移动机器人相反方向移动的机器人,则判定路径p i 为安全,同时设p ibub 的首条边为当前移动机器人的虚拟前进边;否则,判定路径p i 为不安全;
d3. 路径p ib 不为空,则采用如下步骤继续进行的判定:
d3-1. 若宏环u i1的容量小于1,则判定路径p i 为不安全;否则,采用后续的步骤d3-2~d3-3进行判断:
d3-2. 针对所有当前处于桥边的移动机器人,将移动机器人当前连边前方首节点作为源点(即路径p i 的第一个节点),以路径上最近的宏环(即u i1)作为目标点,构成二元组集合b_controller;
d3-3. 基于压缩宏环图CMG,判断二元组集合b_controller中所有的二元组能否按照任意顺序完成配对关系,完成配对关系的定义为:每个二元组的源点能够与其他二元组无交互地到达对应的目标点:若不能,则判定路径p i 为不安全;否则,采用步骤d2中对于路径p iu 的判定方法(不考虑路径p ib 的状态),对路径p iu 进行判定;
e. 采用如下规则给移动机器人下达下一步的控制指令:
将第一个被判定为安全的路径p i 直接分配给移动机器人,作为下一步的控制指令;
若所有路径都被判定为不安全,则移动机器人暂停移动,直至收到下一步的控制指令。
步骤d3-3中所述的判断二元组集合b_controller中所有的二元组能否完成配对关系,具体为采用银行家算法判断二元组集合b_controller中所有的二元组能否完成配对关系。
本发明还提供了一种包括了所述基于拓扑地图的多移动机器人调度方法的系统。
本发明提供的这种基于拓扑地图的多移动机器人调度方法及系统,通过创新性的算法,在拓扑地图下完全避免了死锁的发生,提高了多移动机器人调度过程的可靠性、灵活性和效率。
附图说明
图1为本发明的调度方法的方法流程示意图。
图2为本发明的调度方法的实施例的拓扑地图以及预处理的示意图。
图3为本发明的调度方法的系统状态示意图。
具体实施方式
如图1所示为本发明的调度方法的方法流程示意图:本发明提供的这种基于拓扑地图的多移动机器人调度方法,包括如下步骤:
S1. 获取待调度区域的地图,并建模得到拓扑地图;具体为获取待调度区域的地图,并将拓扑地图用加权无向图G=(V,E,W)表示,其中V为节点集合,E为连边集合,W为连边上的权重集合;同时规定在拓扑地图上连边权重值不小于移动机器人的长度,且每条边同一时刻只允许容纳一台移动机器人;
S2. 对步骤S1获取的拓扑地图进行处理得到压缩宏环图;具体为为每个叶子节点添加自环生成图,然后分离自环生成图中的所有桥边,得到宏环集,其中为宏环且,为宏环的顶点集合,为宏环的连边集合,为宏环的连边的数量;最后,在自环生成图中将所有宏环压缩为节点,从而得到压缩宏环图CMG;
S3. 当待调度区域内的移动机器人接受到新指令或移动到当前连边的设定位置时,为移动机器人规划多条候选路径;具体为当待调度区域内的移动机器人接受到新指令,或者当调度区域内的移动机器人在当前连边上移动的距离超过了当前连边的x%时,采用Dijkstra算法为移动机器人规划多条候选路径;x为0~100的正数;
具体实施时,采用如下步骤为移动机器人规划多条候选路径:
A. 在步骤S2得到的拓扑地图G中,在每次进行候选路径规划时,均将移动机器人所在边的前向首节点作为源点s;
B. 根据拓扑地图G的邻接矩阵,采用现有的Dijkstra算法为移动机器人规划一条从源点s至目标点d的最短路径p 1;
C. 根据步骤B得到的最短路径p 1上的第一个分叉点,以第一个分叉点为第一源点继续规划若干条不同的从第一源点至目标点d的路径,从而得到若干条从源点s至目标点d的路径,构成可选路径集合P;具体为采用如下步骤构成可选路径集合P:
C1. 找到最短路径p 1上的第一个分叉点v,此时源点s到第一分叉点v仅有一条前向路径p 0;
C2. 将第一分叉点v作为第一源点;
C3. 在拓扑图中删除第一源点v后最短路径p 1上的第一条边,采用现有的Dijkstra算法为移动机器人规划一条从第一源点v至目标点d的最短路径p 2;
C4. 在拓扑图中删除步骤C3得到的最短路径p 2的首个连边,并将路径p 0与p 2拼接后存入可选路径集合P;
C5. 重复步骤C3~C4直至最短路径p 2为空,从而得到最终的可选路径集合P;
S4. 对步骤S3得到的多条候选路径进行安全性判断,从而给移动机器人下达下一步的控制指令;具体为采用如下步骤进行安全性判断并给移动机器人下达下一步的控制指令:
a. 获取待调度区域的所有移动机器人的数据信息;包括位置,执行路径,以及虚拟前进连边等;
c. 根据宏环集M,将可选路径集合P中的路径p i 分离为p ib 、p iu 、p ibub 、u i1和u i2;其中p ib 为路径p i 的第一个宏环前的路径,p iu 为路径p i 的第一个宏环内的路径,p ibub 为路径p i 的第一个宏环和第二个宏环之间的桥边,u i1为路径p i 的第一个宏环,u i2为路径p i 的第二个宏环;
d. 采用如下步骤判断路径p i 的安全性:
d1. 若路径p i 上的第一条边没有被任何移动机器人占领,则采用如下步骤继续进行d2~d3的判定;否则,判定路径p i 为不安全;
d2. 若路径p ib 为空,则对路径p iu 进行判定:
若路径p iu 为空(意味着下一个点即为目标点),则判定路径p i 为安全;
若路径p iu 不为空,则采用如下步骤继续进行d2-1~ d2-4的判定:
d2-2. 将当前所有处于宏环u i1内的移动机器人构成集合u i1_controller;
d2-3. 遍历宏环u i1内路径p iu 上的连边:
若连边已经被其他移动机器人占有,则判定路径p i 为不安全;
若连边未被其他移动机器人占有,则在子图上将相应连边转换为相应方向的有向边并得到第一子图,再进行判断:若集合u i1_controller内所有移动机器人在第一子图中均能够按照路径达到虚拟前进连边且子图为强连通图,则判定路径p i 为安全,同时将当前遍历的连边设置为移动机器人的虚拟前进边;否则,重复步骤d2-3直至所有连边均遍历完成;
d2-4. 若宏环u i2的容量大于0且p ibub 上不存在与当前移动机器人相反方向移动的机器人,则判定路径p i 为安全,同时设p ibub 的首条边为当前移动机器人的虚拟前进边;否则,判定路径p i 为不安全;
d3. 路径p ib 不为空,则采用如下步骤继续进行的判定:
d3-1. 若宏环u i1的容量小于1,则判定路径p i 为不安全;否则,采用后续的步骤d3-2~d3-3进行判断:
d3-2. 针对所有当前处于桥边的移动机器人,将移动机器人当前连边前方首节点作为源点(即路径p i 的第一个节点),以路径上最近的宏环(即u i1)作为目标点,构成二元组集合b_controller;
d3-3. 基于压缩宏环图CMG,判断二元组集合b_controller中所有的二元组能否按照任意顺序完成配对关系,完成配对关系的定义为:每个二元组的源点能够与其他二元组无交互地到达对应的目标点:若不能,则判定路径p i 为不安全;否则,采用步骤d2中对于路径p iu 的判定方法(不考虑路径p ib 的状态),对路径p iu 进行判定;其中,判定能否完成配对关系的过程,为采用银行家算法进行判断;
e. 采用如下规则给移动机器人下达下一步的控制指令:
将第一个被判定为安全的路径p i 直接分配给移动机器人,作为下一步的控制指令;
若所有路径都被判定为不安全,则移动机器人暂停移动,直至收到下一步的控制指令;
S5. 重复步骤S3~S4,完成待调度区域内多移动机器人的调度。
以下结合一个实施例,对本发明方法进行进一步说明:
多移动机器人系统示例拓扑地图如图2所示,为了避免碰撞,提高系统的可预测性,移动机器人被限制在连边上移动,并且采用区域控制使每条连边同时只允许一个移动机器人进入,系统中的移动机器人按照指令实现在拓扑地图节点间的无碰撞和无死锁移动。
首先,对拓扑地图作G预处理,如图2所示。给拓扑地图G的每个叶子节点添加自环生成图;然后,分离出中的所有桥边,得到一个宏环集;如宏环,其中V 2,E 2,W 2分别为的顶点集、连边集和初始容量(即宏环内连边的数量),更加具体而言,E 2={(2,3),(2,6),(3,4),(3,7),(4,10),(6,7),(6,8),(7,9),(8,9),(9,10),},W 2=10,V 2={2,3,4,6,7,8,9,10}。进一步地,将所有宏环压缩为结点,使用桥边连接压缩的结点生成压缩宏环图CMG。
假设当前状态下,移动机器人C 2的可执行路径pc2={3,4,5},虚拟前进连边为None;移动机器人C 3的可执行路径pc3={8,6,2,1},虚拟前进连边为None。根据当前系统状态信息生成部分有向图D(如图3所示)。另外假设此时移动机器人C 1接到调度指令,从当前位置移动到节点1。因此,源点s=5,目的点d=1。根据拓扑地图G的邻接矩阵,采用标准的Dijkstra算法为移动机器人规划一条从源点s至目标点d的最短路径p 01={5,4,3,2,1}。将其放入可选路径集合P。
然后,遍历路径p 01,找到p 01路径上第一个分叉点v=4(即度大于2的节点),并且在拓扑图中暂时删去v点后p 01的第一条边,即连边(4,3)。显然,s到v有且仅有一条前向路径,表示为p 0=(5,4)。将v作为源点,继续采用标准的Dijkstra算法为移动机器人规划一条从v至d的最短路径p 2={4,10,9,8,6,2,1},并且在拓扑图中暂时删除p 2的首个连边(4,10),将p 0与p 2拼接后得到的p 02={5,4,10,9,8,6,2,1}的存入可选路径集合P。最后再也找不到从v到d的路径,因此停止规划路径。将可执行路径集P按照权重之和的大小排序后,对路径进行安全判断。
最后,进行路径安全性判断。根据系统信息以及拓扑地图获得部分有向图D代表当前系统状态。
针对于可选路径集P中的第一条路径p 01={5,4,3,2,1}。根据宏环集M,将p 01分离为p b =(5,4),p u =(4,3,2),p bub =(2,1),,;由于p u 的首条边被占领,因此p 01是不安全路径。
针对p 02={5,4,10,9,8,6,2,1},分离可得p b =(5,4),p u =(4,10,9,8,6,2),p bub =(2,1),,;因为p 02依次满足多个条件,即1). 宏环u 1的容量大于0;2). 假设p b 的首条边被占领后,整个系统所有位于桥边的移动机器人能依次进入各自最近的宏环;3).在p u 内能找到一条连边(4,10),宏环u 1内其他移动机器人能够顺利移动到虚拟前进边,并且为强连通图;因此,p 02是安全的,可用于移动机器人C1执行。
如果不存在安全可执行路径,则移动机器人将原地等待。
每当系统状态改变或者移动机器人前进到当前连边的80%,将重复上述步骤,持续进行调度,避免碰撞和死锁发生。
Claims (5)
1.一种基于拓扑地图的多移动机器人调度方法,其特征在于包括如下步骤:
S1. 获取待调度区域的地图,并建模得到拓扑地图;
S2. 对步骤S1获取的拓扑地图进行处理得到压缩宏环图;具体为为每个叶子节点添加自环生成图,然后分离自环生成图中的所有桥边,得到宏环集,其中为宏环且,为宏环的顶点集合,为宏环的连边集合,为宏环的连边的数量;最后,在自环生成图中将所有宏环压缩为节点,从而得到压缩宏环图CMG;
S3. 当待调度区域内的移动机器人接受到新指令或移动到当前连边的设定位置时,为移动机器人规划多条候选路径;具体为当待调度区域内的移动机器人接受到新指令,或者当调度区域内的移动机器人在当前连边上移动的距离超过了当前连边的x%时,采用Dijkstra算法为移动机器人规划多条候选路径;x为(0,100)上的正数;
具体为采用如下步骤为移动机器人规划多条候选路径:
A. 在步骤S2得到的拓扑地图G中,在每次进行候选路径规划时,均将移动机器人所在边的前向首节点作为源点s;
B. 根据拓扑地图G的邻接矩阵,采用现有的Dijkstra算法为移动机器人规划一条从源点s至目标点d的最短路径p 1;
C. 根据步骤B得到的最短路径p 1上的第一个分叉点,以第一个分叉点为第一源点继续规划若干条不同的从第一源点至目标点d的路径,从而得到若干条从源点s至目标点d的路径,构成可选路径集合P;具体为采用如下步骤构成可选路径集合P:
C1. 找到最短路径p 1上的第一个分叉点v,此时源点s到第一分叉点v仅有一条前向路径p 0;
C2. 将第一分叉点v作为第一源点;
C3. 在拓扑图中删除第一源点v后最短路径p 1上的第一条边,采用现有的Dijkstra算法为移动机器人规划一条从第一源点v至目标点d的最短路径p 2;
C4. 在拓扑图中删除步骤C3得到的最短路径p 2的首个连边,并将路径p 0与p 2拼接后存入可选路径集合P;
C5. 重复步骤C3~C4直至最短路径p 2为空,从而得到最终的可选路径集合P;
S4. 对步骤S3得到的多条候选路径进行安全性判断,从而给移动机器人下达下一步的控制指令;具体为采用如下步骤进行安全性判断并给移动机器人下达下一步的控制指令:
a. 获取待调度区域的所有移动机器人的数据信息;
c. 根据宏环集M,将可选路径集合P中的路径p i 分离为p ib 、p iu 、p ibub 、u i1和u i2;其中p ib 为路径p i 的第一个宏环前的路径,p iu 为路径p i 的第一个宏环内的路径,p ibub 为路径p i 的第一个宏环和第二个宏环之间的桥边,u i1为路径p i 的第一个宏环,u i2为路径p i 的第二个宏环;
d. 采用如下步骤判断路径p i 的安全性:
d1. 若路径p i 上的第一条边没有被任何移动机器人占领,则采用如下步骤继续进行d2~d3的判定;否则,判定路径p i 为不安全;
d2. 若路径p ib 为空,则对路径p iu 进行判定:
若路径p iu 为空,则判定路径p i 为安全;
若路径p iu 不为空,则采用如下步骤继续进行d2-1~ d2-4的判定:
d2-2. 将当前所有处于宏环u i1内的移动机器人构成集合u i1_controller;
d2-3. 遍历宏环u i1内路径p iu 上的连边:
若连边已经被其他移动机器人占有,则判定路径p i 为不安全;
若连边未被其他移动机器人占有,则在子图上将相应连边转换为相应方向的有向边并得到第一子图,再进行判断:若集合u i1_controller内所有移动机器人在第一子图中均能够按照路径达到虚拟前进连边且子图为强连通图,则判定路径p i 为安全,同时将当前遍历的连边设置为移动机器人的虚拟前进边;否则,重复步骤d2-3直至所有连边均遍历完成;
d2-4. 若宏环u i2的容量大于0且p ibub 上不存在与当前移动机器人相反方向移动的机器人,则判定路径p i 为安全,同时设p ibub 的首条边为当前移动机器人的虚拟前进边;否则,判定路径p i 为不安全;
d3. 路径p ib 不为空,则采用如下步骤继续进行的判定:
d3-1. 若宏环u i1的容量小于1,则判定路径p i 为不安全;否则,采用后续的步骤d3-2~d3-3进行判断:
d3-2. 针对所有当前处于桥边的移动机器人,将移动机器人当前连边前方首节点作为源点,以路径上最近的宏环作为目标点,构成二元组集合b_controller;
d3-3. 基于压缩宏环图CMG,判断二元组集合b_controller中所有的二元组能否按照任意顺序完成配对关系,完成配对关系的定义为:每个二元组的源点能够与其他二元组无交互地到达对应的目标点:若不能,则判定路径p i 为不安全;否则,采用步骤d2中对于路径p iu 的判定方法,对路径p iu 进行判定;
e. 采用如下规则给移动机器人下达下一步的控制指令:
将第一个被判定为安全的路径p i 直接分配给移动机器人,作为下一步的控制指令;
若所有路径都被判定为不安全,则移动机器人暂停移动,直至收到下一步的控制指令;
S5. 重复步骤S3~S4,完成待调度区域内多移动机器人的调度。
2.根据权利要求1所述的基于拓扑地图的多移动机器人调度方法,其特征在于步骤S1所述的获取待调度区域的地图,并建模得到拓扑地图,具体为获取待调度区域的地图,并将拓扑地图用加权无向图G=(V,E,W)表示,其中V为节点集合,E为连边集合,W为连边上的权重集合;同时规定在拓扑地图上连边权重值不小于移动机器人的长度的数值,且每条边同一时刻只允许容纳一台移动机器人。
4.根据权利要求3所述的基于拓扑地图的多移动机器人调度方法,其特征在于步骤d3-3中所述的判断二元组集合b_controller中所有的二元组能否完成配对关系,具体为采用银行家算法判断二元组集合b_controller中所有的二元组能否完成配对关系。
5.一种系统,其特征在于包括了权利要求1~4之一所述的基于拓扑地图的多移动机器人调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110756841.5A CN113342002B (zh) | 2021-07-05 | 2021-07-05 | 基于拓扑地图的多移动机器人调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110756841.5A CN113342002B (zh) | 2021-07-05 | 2021-07-05 | 基于拓扑地图的多移动机器人调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113342002A CN113342002A (zh) | 2021-09-03 |
CN113342002B true CN113342002B (zh) | 2022-05-20 |
Family
ID=77482423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110756841.5A Active CN113342002B (zh) | 2021-07-05 | 2021-07-05 | 基于拓扑地图的多移动机器人调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113342002B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114489065B (zh) * | 2022-01-20 | 2023-08-25 | 华中科技大学同济医学院附属同济医院 | 手术室医疗物资配送多机器人协同路径规划方法及其应用 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108592912A (zh) * | 2018-03-24 | 2018-09-28 | 北京工业大学 | 一种基于激光雷达的室内移动机器人自主探索方法 |
CN110703747A (zh) * | 2019-10-09 | 2020-01-17 | 武汉大学 | 一种基于简化广义Voronoi图的机器人自主探索方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5179329A (en) * | 1989-04-25 | 1993-01-12 | Shinko Electric Co., Ltd. | Travel control method, travel control device, and mobile robot for mobile robot systems |
CN102566576B (zh) * | 2012-02-24 | 2014-03-19 | 山东鲁能智能技术有限公司 | 一种用于变电站顺控系统的多巡检机器人协同运作方法 |
US9216745B2 (en) * | 2013-09-16 | 2015-12-22 | Disney Enterprises, Inc. | Shared control of semi-autonomous vehicles including collision avoidance in multi-agent scenarios |
CN107121142B (zh) * | 2016-12-30 | 2019-03-19 | 深圳市杉川机器人有限公司 | 移动机器人的拓扑地图创建方法及导航方法 |
CN108614554A (zh) * | 2018-05-03 | 2018-10-02 | 南京理工大学 | 一种基于区域限制的机器人多源最短路径规划方法 |
CN111722628B (zh) * | 2020-06-19 | 2021-07-09 | 江南大学 | 一种多智能体轨迹更新迭代学习的点到点跟踪控制方法 |
CN111813124B (zh) * | 2020-07-22 | 2022-08-19 | 浙江迈睿机器人有限公司 | 一种基于拓扑地图的移动机器人混合调度方法 |
CN112947407A (zh) * | 2021-01-14 | 2021-06-11 | 华南理工大学 | 一种多智能体有限时间的编队路径跟踪控制方法及系统 |
-
2021
- 2021-07-05 CN CN202110756841.5A patent/CN113342002B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108592912A (zh) * | 2018-03-24 | 2018-09-28 | 北京工业大学 | 一种基于激光雷达的室内移动机器人自主探索方法 |
CN110703747A (zh) * | 2019-10-09 | 2020-01-17 | 武汉大学 | 一种基于简化广义Voronoi图的机器人自主探索方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113342002A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111596658A (zh) | 一种多agv无碰撞运行的路径规划方法及调度系统 | |
Skinner et al. | Optimisation for job scheduling at automated container terminals using genetic algorithm | |
CN107895225A (zh) | 一种多Agent无冲突的合作型任务分配方法 | |
CN111882215B (zh) | 一种含有agv的个性化定制柔性作业车间调度方法 | |
CN105974891B (zh) | 一种基于动态看板的模具生产过程自适应控制方法 | |
CN113822528B (zh) | 用于板坯搬运的天车调度方法、终端、调度系统及运营调度中心 | |
CN108829105A (zh) | 一种基于km算法和人工势场法的仓储物流调度避障优化方法 | |
Hu et al. | Conflict-free scheduling of large-scale multi-load AGVs in material transportation network | |
CN112465192B (zh) | 任务调度的方法、装置、设备及介质 | |
CN113342002B (zh) | 基于拓扑地图的多移动机器人调度方法及系统 | |
Sun et al. | AGV-based vehicle transportation in automated container terminals: A survey | |
Shi et al. | Multi-objective automated guided vehicle scheduling based on MapReduce framework. | |
Ojstersek et al. | Use of simulation software environments for the purpose of production optimization | |
Stahlbock et al. | Efficiency considerations for sequencing and scheduling of double-rail-mounted gantry cranes at maritime container terminals | |
CN111061987A (zh) | 一种考虑主动避让的群塔调度优化方法 | |
Zhao et al. | Model and heuristic solutions for the multiple double-load crane scheduling problem in slab yards | |
Cao et al. | Research on global optimization method for multiple AGV collision avoidance in hybrid path | |
CN114330830A (zh) | 一种多台agv协同搬运同一货物的作业方法及存储介质 | |
Li et al. | Artificial intelligence empowered multi-AGVs in manufacturing systems | |
Basile et al. | An auction-based approach to control automated warehouses using smart vehicles | |
Yao et al. | A novel mathematical model for the flexible job-shop scheduling problem with limited automated guided vehicles | |
Liu et al. | Integrated scheduling of yard and rail container handling equipment and internal trucks in a multimodal port | |
Hu et al. | A dynamic integrated scheduling method based on hierarchical planning for heterogeneous AGV fleets in warehouses | |
CN111832965A (zh) | 无人驾驶同跨多天车协同调度方法及系统、介质及终端 | |
CN114757627B (zh) | 一种接力式吊运路径规划和调度方法 |
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 |