CN113359774A - 一种用于四向穿梭车的路径规划方法 - Google Patents

一种用于四向穿梭车的路径规划方法 Download PDF

Info

Publication number
CN113359774A
CN113359774A CN202110767436.3A CN202110767436A CN113359774A CN 113359774 A CN113359774 A CN 113359774A CN 202110767436 A CN202110767436 A CN 202110767436A CN 113359774 A CN113359774 A CN 113359774A
Authority
CN
China
Prior art keywords
path
node
cross
nodes
way shuttle
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.)
Granted
Application number
CN202110767436.3A
Other languages
English (en)
Other versions
CN113359774B (zh
Inventor
蔡传玉
于静楠
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.)
Jiangsu Think Tank Intelligent Technology Co ltd
Original Assignee
Jiangsu Think Tank Intelligent Technology Co ltd
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 Jiangsu Think Tank Intelligent Technology Co ltd filed Critical Jiangsu Think Tank Intelligent Technology Co ltd
Priority to CN202110767436.3A priority Critical patent/CN113359774B/zh
Publication of CN113359774A publication Critical patent/CN113359774A/zh
Application granted granted Critical
Publication of CN113359774B publication Critical patent/CN113359774B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05D1/0217Control 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

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)

Abstract

本发明涉及一种用于四向穿梭车的路径规划方法,以四向穿梭车立体库中可四向行驶的节点为交叉节点,用于放置货物的货位为货位节点,相邻交叉节点的连线为路径段,构建四向穿梭车运行地图;以四向穿梭车当前所在交叉节点/所在路径段可达的最接近交叉节点为初始交叉节点,以目标节点所在交叉节点/货位节点绑定的路径段可达的最接近交叉节点为目标交叉节点,以四向穿梭车的运行时间为成本函数,在成本函数的约束下进行交叉节点之间的路径查找,形成四向穿梭车的规划路径。本发明提出了一种动态树形数据结构来构建地图降低路径算法计算的时间复杂度,可配置路径可行性与方向性,适用于更多的应用场景,且路径查找的算法时间复杂度低。

Description

一种用于四向穿梭车的路径规划方法
技术领域
本发明属于自动化仓储设备及其控制技术领域,具体涉及一种用于四向穿梭车的路径规划方法。
背景技术
物流设备移动机器人是一个集环境信息感知、路径规划、行为控制与执行等多种功能于一体的综合智能系统。而其中的路径规划技术是机器人研究领域的关键技术之一,是机器人完成任务的安全保障,是机器人智能化程度的标志之一,同时也是人工智能与机器人学的一个重要的结合点和研究热点。
自上世纪70年代起,路径规划问题就已经受到了国内外众多机构和学者的广泛关注,尤其是80年代以来,在人工智能、计算机科学、数学和机械工程等领域内的专家学者们的共同努力下,路经规划技术的研究在理论和实践方面都有了很大的提高。
近年来,随着机器人技术越来越多的渗入到我们的生产生活中,具有自主感知决策和执行功能的智能移动机器人得到了快速的发展,随着人类在生存和工作中对机器人代为劳动的要求不断增长,自主移动式机器人研究取得了很大发展。随着机器人应用的日益广泛,及机器人作业效率问题所具有的复杂性、随机性、多约束性、多目标性等特点,如何在各种不同的环境中具体问题具体地分析,合理有效地选择路径规划方法及策略等问题已经成为机器人研究中的具有非常实际意义的课题。现有技术中,四向穿梭车在地图构建基本使用栅格化方法构建一种二位数组计算路径,这样计算路径的时间复杂度会随着地图的增加成指数增长;同时在评价路径标准为路径的距离的长短,没有考虑四向穿梭车的换向与顶升的时间,计算出的路径可能耗时不是最短;最后,现有的路径计算方法都以枚举法或迭代次数作为结束条件,这样影响算法的计算效率。
发明内容
为解决现有技术中的地图构建、成本函数定义以及最优路径计算方法的问题,本发明的目的是提供一种用于四向穿梭车的路径规划方法已、。
为解决上述技术问题,本发明采用的技术方案为:
一种用于四向穿梭车的路径规划方法,包括:
以四向穿梭车立体库中可四向行驶的节点为交叉节点,用于放置货物的货位为货位节点,相邻交叉节点的连线为路径段,构建四向穿梭车运行地图;
将路径段与货位节点绑定;
对各路径段预设可行驶性及可行驶方向;
以四向穿梭车当前所在交叉节点/所在路径段可达的最接近交叉节点为初始交叉节点,以目标节点所在交叉节点/货位节点绑定的路径段可达的最接近交叉节点为目标交叉节点,以四向穿梭车的运行时间为成本函数,在成本函数的约束下进行交叉节点之间的路径查找,形成四向穿梭车的规划路径。
作为一种优选的实施方式,所述路径查找过程包括:
a.建立候选路径池和可用路径池,将以初始交叉节点为起点的路径段作为初始路径存放到候选路径池中;
b.判断四向穿梭车的初始交叉节点是否和目标交叉节点相同,如果相同,则按照默认路径行驶,跳转i;否则跳转c;
c.查找初始交叉节点是否有相邻交叉节点,如果没有,跳转d,否则转e;
d.从候选路径池中移除该路径,计算候选路径池size是否为0,若size≠0,则跳转g;若size==0,则判断可用路径池是否为空,如果为空,则无可用路径,跳转i;如果可用路径池不为空,则在可用路径池中寻找路径成本最小的路径作为四向车的运行路径,跳转h;
e.判断相邻交叉节点是否包含目标交叉节点,如果包含,则将生成路径存放至可用路径池中,跳转f;如果不包含,则将相邻交叉节点与候选路径池中的初始路径组成的路径作为新的初始路径,替换候选路径池中原有的初始路径,跳转g;
f.判断可用路径池size是否大于设定值,若size>设定值则从可用路径池中选择路径成本最小的路径作为作为四向车的行驶路径,跳转h;若size≤设定值则继续遍历路径,跳转g;
g.取出候选路径池中路径成本最小的一条路径的最后一位交叉节点作为新的初始交叉节点,重复步骤b~f;
h.结束路径查找。
进一步的,还包括,将候选路径池和可用路径池中的路径按路径成本升序排序。
作为一种优选的实施方式,根据四向穿梭车立体库实际布局将路径段与货位节点绑定。
作为一种优选的实施方式,根据四向穿梭车立体库实际布局确定路径段的可行驶性及可行驶方向。
作为一种优选的实施方式,所述初始交叉节点的判断方式为:
当四向穿梭车的当前位置为路径段时,判断路径段的可行驶方向:
如果为双向行驶,则路径段两端的交叉节点为最接近交叉节点;
如果为单向行驶,则路径段方向下游节点为最接近交叉节点,即初始交叉节点。
作为一种优选的实施方式,所述目标交叉节点的判断方式为:
当目标节点为货位节点时,判断货位节点绑定的路径段的可行驶方向:
如果为双向行驶,则路径段两端的交叉节点为最接近交叉节点;
如果为单向行驶,则路径段方向下游节点为最接近交叉节点,即目标交叉节点。
作为一种优选的实施方式,所述四向穿梭车的运行时间包括四向穿梭车执行反应时间及四向穿梭车各动作的运行时间。
作为一种优选的实施方式,所述四向穿梭车各动作的运行时间包括直行动作、转弯动作、升/降动作的运行时间。
作为一种优选的实施方式,所述四向穿梭车的运行时间计算包括:
I.将每条路径切分为四向穿梭车动作,分为直行动作、换向动作、顶升动作与下降动作;
II.根据四向穿梭车实际的换向时间配置换向动作成本;
III.根据四向穿梭车实际的顶升/下降的时间配置的顶升/下降动作成本;
IV.根据PLC程序中的实际速度曲线配置四向穿梭车直线运行时间成本。
现有四向穿梭车路径规划方法中,传统的地图构建采取的是栅格化方法,将四向穿梭车运行的地图构建为一个点矩阵,并且在程序中数据结构表达形式为二维数组,影响路径算法计算的时间复杂度,因此本发明提出一种动态树形数据结构来构建地图降低路径算法计算的时间复杂度,可配置路径可行性与方向性,适用于更多的应用场景;传统的方法成本函数是以路径的长度为衡量标准,本发明提出的成本函数以四向穿梭车运行时间为成本函数,实现可配置的路径成本计算方法,寻找出的路径更符合实际的运行路径;同时本发明提出了一种路径算法,在计算路径算法时进行树的深度遍历,与传统的进化算法对比,本发明的算法时间复杂度更低。
附图说明
图1为本发明构建的四向穿梭车运行地图示例。
图2为本发明的路径规划方法的总体流程图。
图3为初始交叉节点确认方法流程图。
图4为目标交叉节点确认方法流程图。
具体实施方式
下面结合附图对本发明作进一步的描述,以下实例仅用于更加清楚的说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明主要包括四向穿梭车运行的地图构建方案,成本函数的设置方案与四向穿梭车路径规划方案。
如图1所示,是本发明构建四向穿梭车运行的地图示例,地图有三个部分组成,第一部分是可以换向的交叉节点,如1,2,3,5,6号节点为交叉节点,在该节点,四向穿梭车在该节点可以进行上下左右四个方向行走;第二部分是四向穿梭车运行的路径段,路径段是由相邻的交叉节点组成,如图中的1→2,1→3,2→4,3→4,3→5,4→6,6→5都为地图中得到路径段,考虑路径的方向性,路径可以设置为双向与单向,四向穿梭车在路径段1→2上可以从1行走到2节点也可以从2行走至1节点,四向穿梭车在路径段3→4上时只能从3节点移动至4节点不能从节点4移动至节点3,在路径段6→5上时只能从节点6移动至节点5,不能逆向行走;第三部分为可以存放货物的货位节点,如图中的1001,1002,1003,1004,1005,1006号节点,货位节点需与路径段绑定,如节点1001与1002号节点属于路径段1→2。通过本发明的地图构建方案,地图有传统的栅格型转换成点线,数据结构由二维数组转换成动态树结构,减少算法后续的遍历次数,提升路径规划算法的计算效率;同时,本发明的地图构建方式提供了单双向配置,适用的业务场景更加广泛。
本发明提出的成本函数构建方案,与以前以距离为衡量标准相比,本发明提出以时间作为成本的适度函数构建方案。由于四向穿梭车的作业路径由三个部分组成:直行移动,转弯换向、顶升/下降;因此本发明将三种动作的运行时间作为成本函数的计算标准;本发明的顶升换向的两种动作时间标准是以四向穿梭车实际运行的时间统计出来的结果;对于目前公司现有的几种四向穿梭车进行多次执行顶升与换向操作计算出每款四向穿梭车的运行平均时间作为标准;直行的运行时间则是以PLC程序中的速度曲线来计算出的运行时间;目前算法中的这些标准都开放一些配置接口,可提供不同的种类四向穿梭车来配置顶升换向的时间,不同的速度曲线因素,从而使算法更加通用化。路径查找时还应考虑四向穿梭车的负载状态以筛选路线,有负载时则预先排除有货货位通道的路径段,负载状态判断属于常识部分,本发明在下述流程表述中不再列入这一判断逻辑。
本发明提出的路径计算方案基于上述的地图与成本函数方案,在计算效率上有了很大的提升。如图2所示,本发明的路径规划方案包括以下步骤:
步骤一、构建四向穿梭车的运行地图,初始化候选路径池与可用路径池;
步骤二、获取当前四向穿梭车的当前位置;
步骤三、根据当前四向穿梭车的当前位置确定初始交叉节点与目标交叉节点,将以初始交叉节点为起点的路径段作为初始路径存放到候选路径池中;
步骤四、判断初始交叉节点与目标交叉节点是否相同;
步骤五、若初始交叉节点与目标交叉节点相同,则可确定四向穿梭车目标节点与当前位置处于相同的路径段中,则根据两点之间直线距离最短原则,并且该路径中无需转换换向操作,则默认寻找到最优路径并移除候选路径池中的初始路径,跳转步骤十六;
步骤六、若初始交叉节点与目标交叉节点不同,寻找初始交叉节点的相邻交叉节点;
所述相邻交叉节点为以初始交叉节点为起点可抵达的相邻交叉节点,需预先判断初始交叉节点和相邻交叉节点组成的路径段的可方向性,并剔除已走过的相邻交叉节点;
步骤七、判断是否有相邻交叉节点,若有相邻交叉节点则跳至步骤十一;否则从候选路径池中移除该路径;
步骤八、判断候选路径池size是否为0,若size==0,则判断可用路径池是否为空;否则跳转步骤十五;
步骤九、若可用路径池为空,则没有可用路径,跳转步骤十六;
步骤十、若可用路径池不为空,则在可用路径池中寻找路径成本最小的路径作为四向车的运行路径,跳转至步骤十六;
步骤十一、判断相邻交叉节点是否包含目标交叉节点;
步骤十二、若相邻交叉节点包含目标交叉节点,则将生成路径存放至可用路径池中,按成本函数从小到大排序,并移除候选路径池中的初始路径;否则跳转步骤十四;
步骤十三、判断可用路径池size是否大于设定值,若大于设定值则跳出遍历,确定最短路径,跳转至步骤十六;若size小于等于设定值则继续遍历路径,跳转至步骤十五;
步骤十四、将相邻交叉点与候选路径池中的初始路径组成的路径作为新的初始路径,替换候选路径池中原有的初始路径,并将新的初始路径按成本函数从小到大排序;
步骤十五、取出候选路径池中路径成本最小的一条路径的最后一位交叉节点作为新的初始交叉节点,重复步骤六;
步骤十六、结束路径查找。
本发明所述的路径寻找方案是基于交叉节点之间的路径寻找,但路径寻找的过程中还需考虑的货位节点到交叉节点的成本,货位节点与交叉节点的绑定,因此本发明提出确定初始与结束交叉节点的确认方法,若四向穿梭车的位置或目标节点位置不在交叉节点上,在上述的寻找路径方法中需将四向车当前位置(目标节点位置)到交叉节点的路径段包含进去。如图3所示,初始交叉节点初始方式步骤如下:
步骤一、获取四向穿梭车的当前位置;
步骤二、判断当前位置是否为某交叉节点的坐标;
步骤三、若当前位置为某个交叉节点坐标,则该节点为初始交叉节点;
步骤四、若当前位置不为某交叉节点坐标,则寻找当前位置所在的路径段;
步骤五、判断当前路径的方向性;
步骤六、若当前路径段为双向可行时,路径段两端的交叉节点为初始交叉节点;
步骤七、若当前路径段为单向行驶时,路径段的下游交叉节点为初始交叉节点;
如图4所示,与初始交叉节点确定相比,四向穿梭车作业的目标点基本处于货位节点或者交叉节点,不会处于两个节点中间,因此目标交叉节点位置确定方式比较简单,具体步骤如下:
步骤一、确定四向穿梭车运行的目标节点;
步骤二、判断目标节点为交叉节点还是货位节点;
步骤三、若目标节点为交叉节点,则该节点为目标交叉节点;
步骤四、若目标节点为货位节点,则先寻找货位节点所在的路径段;
步骤五、判断路径段的方向性;
步骤六、若当前路径段为双向可行时,路径段两端的交叉节点为目标交叉节点;
步骤七、若当前路径段为单向行驶时,路径段的上游交叉节点为目标交叉节点。
以图1的地图为例,假设初始交叉节点1,目标节点1006。
目标节点1006为货位节点,所在路段6→5为单向可行,因此路径段的上游交叉节点6为目标交叉节点。
则初始候选路径池是1和相邻交叉节点2、3组成的路径段1→3,1→2;
首先判断1是否为目标交叉节点,1≠6,因此寻找其相邻交叉节点2、3;在另一种情景中,例如目标节点为1001,则1、2为目标交叉节点,此时可以直接按照1→2的路径继续行驶,终止循环;
对比相邻交叉节点2、3均不是目标交叉节点,则将1→3,1→2都存入候选路径池,此时相邻交叉节点和初始路径组成的路径并没有变化,因此候选路径池仍是1→3,1→2;将1→3,1→2按照成本函数排序,1→3成本较低,因此选择3作为新的初始交叉节点,继续循环;
初始交叉节点3和目标交叉节点6不同,因此寻找其相邻交叉节点,为1、4和5,其中1为已途径交叉节点,因此剔除;3→4单向可行,因此可选的相邻交叉节点为5、4,相邻交叉节点仍不是目标交叉节点,因此将4、5放入候选路径与当前路径组成新的路径1→3→5,1→3→4,1→2→4,并按照成本函数排序;此处相邻交叉节点与候选路径中的一个端点交叉节点形成一个路径段,例如相邻交叉节点5与路径1→2中的任一端点交叉节点1、2都无法形成一个路径段,因此组成路径中不包括1→2→5;
1→3→5成本最低,因此选择5为新的初始交叉节点;
初始交叉节点5≠6,因此寻找其相邻交叉节点,3为已途径节点,因此剔除,判断可方向性后剔除6,因此5没有相邻交叉节点,从候选路径池中移除路径1→3→5;
判断候选路径池size是否为0,此时候选路径池size≠0,取出候选路径池中路径成本最小的一条路径的最后一位交叉节点作为新的初始交叉节点,候选路径中剩余路径1→3→4,1→2→4,1→3→4转向成本高,1→2→4成本低,因此1→2→4成本最低,因此选择4为新的初始交叉节点;
4的相邻交叉节点中包含目标交叉节点6,则按照步骤十二,将路径1→2→4→6放入可用路径池。根据可用路径池的size判断是否跳出循环,如果size>设定值,则跳出循环,确定最短路径(可用路径池中成本函数最低的路径)。

Claims (10)

1.一种用于四向穿梭车的路径规划方法,其特征在于,包括:
以四向穿梭车立体库中可四向行驶的节点为交叉节点,用于放置货物的货位为货位节点,相邻交叉节点的连线为路径段,构建四向穿梭车运行地图;
将路径段与货位节点绑定;
对各路径段预设可行驶性及可行驶方向;
以四向穿梭车当前所在交叉节点/所在路径段可达的最接近交叉节点为初始交叉节点,以目标节点所在交叉节点/货位节点绑定的路径段可达的最接近交叉节点为目标交叉节点,以四向穿梭车的运行时间为成本函数,在成本函数的约束下进行交叉节点之间的路径查找,形成四向穿梭车的规划路径。
2.根据权利要求1所述的方法,其特征在于,所述路径查找过程包括:
a. 建立候选路径池和可用路径池,将以初始交叉节点为起点的路径段作为初始路径存放到候选路径池中;
b. 判断四向穿梭车的初始交叉节点是否和目标交叉节点相同,如果相同,则按照默认路径行驶,跳转i;否则跳转c;
c. 查找初始交叉节点是否有相邻交叉节点,如果没有,跳转d,否则转e;
d. 从候选路径池中移除该路径,计算候选路径池size是否为0,若size≠0,则跳转g;若size==0,则判断可用路径池是否为空,如果为空,则无可用路径,跳转i;如果可用路径池不为空,则在可用路径池中寻找路径成本最小的路径作为四向车的运行路径,跳转h;
e. 判断相邻交叉节点是否包含目标交叉节点,如果包含,则将生成路径存放至可用路径池中,跳转f;如果不包含,则将相邻交叉节点与候选路径池中的初始路径组成的路径作为新的初始路径,替换候选路径池中原有的初始路径,跳转g;
f. 判断可用路径池size是否大于设定值,若size>设定值则从可用路径池中选择路径成本最小的路径作为作为四向车的行驶路径,跳转h;若size≤设定值则继续遍历路径,跳转g;
g. 取出候选路径池中路径成本最小的一条路径的最后一位交叉节点作为新的初始交叉节点,重复步骤b~f;
h. 结束路径查找。
3.根据权利要求2所述的方法,其特征在于,还包括,将候选路径池和可用路径池中的路径按路径成本升序排序。
4.根据权利要求1所述的方法,其特征在于,根据四向穿梭车立体库实际布局将路径段与货位节点绑定。
5.根据权利要求1所述的方法,其特征在于,根据四向穿梭车立体库实际布局确定路径段的可行驶性及可行驶方向。
6.根据权利要求1所述的方法,所述初始交叉节点的判断方式为:
当四向穿梭车的当前位置为路径段时,判断路径段的可行驶方向:
如果为双向行驶,则路径段两端的交叉节点为最接近交叉节点;
如果为单向行驶,则路径段方向下游节点为最接近交叉节点,即初始交叉节点。
7.根据权利要求1所述的方法,所述目标交叉节点的判断方式为:
当目标节点为货位节点时,判断货位节点绑定的路径段的可行驶方向:
如果为双向行驶,则路径段两端的交叉节点为最接近交叉节点;
如果为单向行驶,则路径段方向下游节点为最接近交叉节点,即目标交叉节点。
8.根据权利要求1所述的方法,其特征在于,所述四向穿梭车的运行时间包括四向穿梭车执行反应时间及四向穿梭车各动作的运行时间。
9.根据权利要求1所述的方法,其特征在于,所述四向穿梭车各动作的运行时间包括直行动作、转弯动作、升/降动作的运行时间。
10.根据权利要求1、8或9任一项所述的方法,其特征在于,所述四向穿梭车的运行时间计算包括:
I. 将每条路径切分为四向穿梭车动作,分为直行动作、换向动作、顶升动作与下降动作;
II. 根据四向穿梭车实际的换向时间配置换向动作成本;
III. 根据四向穿梭车实际的顶升/下降的时间配置的顶升/下降动作成本;
IV. 根据PLC程序中的实际速度曲线配置四向穿梭车直线运行时间成本。
CN202110767436.3A 2021-07-07 2021-07-07 一种用于四向穿梭车的路径规划方法 Active CN113359774B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110767436.3A CN113359774B (zh) 2021-07-07 2021-07-07 一种用于四向穿梭车的路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110767436.3A CN113359774B (zh) 2021-07-07 2021-07-07 一种用于四向穿梭车的路径规划方法

Publications (2)

Publication Number Publication Date
CN113359774A true CN113359774A (zh) 2021-09-07
CN113359774B CN113359774B (zh) 2022-07-15

Family

ID=77538600

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110767436.3A Active CN113359774B (zh) 2021-07-07 2021-07-07 一种用于四向穿梭车的路径规划方法

Country Status (1)

Country Link
CN (1) CN113359774B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113835431A (zh) * 2021-09-23 2021-12-24 江苏智库智能科技有限公司 一种用于多台四向穿梭同区域作业的调度方法和系统
CN114510062A (zh) * 2022-03-28 2022-05-17 山东西曼克技术有限公司 穿梭车导航控制方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107168316A (zh) * 2017-05-23 2017-09-15 华南理工大学 一种基于单双向混合路径的多agv调度系统
CN108469827A (zh) * 2018-05-16 2018-08-31 江苏华章物流科技股份有限公司 一种适用于物流仓储系统的自动导引车全局路径规划方法
CN109542098A (zh) * 2018-11-06 2019-03-29 上海威瞳视觉技术有限公司 一种基于最小转弯代价的agv路径规划方法
CN110398965A (zh) * 2019-07-22 2019-11-01 北京特种机械研究所 一种基于有迹导航地图设计的agv导航调度方法
CN112068544A (zh) * 2020-07-20 2020-12-11 上海擎朗智能科技有限公司 一种自主移动装置的调度方法、装置、设备及存储介质
CN113075927A (zh) * 2021-03-22 2021-07-06 哈尔滨理工大学 基于预约表的仓储潜伏式多agv路径规划方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107168316A (zh) * 2017-05-23 2017-09-15 华南理工大学 一种基于单双向混合路径的多agv调度系统
CN108469827A (zh) * 2018-05-16 2018-08-31 江苏华章物流科技股份有限公司 一种适用于物流仓储系统的自动导引车全局路径规划方法
CN109542098A (zh) * 2018-11-06 2019-03-29 上海威瞳视觉技术有限公司 一种基于最小转弯代价的agv路径规划方法
CN110398965A (zh) * 2019-07-22 2019-11-01 北京特种机械研究所 一种基于有迹导航地图设计的agv导航调度方法
CN112068544A (zh) * 2020-07-20 2020-12-11 上海擎朗智能科技有限公司 一种自主移动装置的调度方法、装置、设备及存储介质
CN113075927A (zh) * 2021-03-22 2021-07-06 哈尔滨理工大学 基于预约表的仓储潜伏式多agv路径规划方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113835431A (zh) * 2021-09-23 2021-12-24 江苏智库智能科技有限公司 一种用于多台四向穿梭同区域作业的调度方法和系统
CN113835431B (zh) * 2021-09-23 2024-03-19 江苏智库智能科技有限公司 一种用于多台四向穿梭同区域作业的调度方法和系统
CN114510062A (zh) * 2022-03-28 2022-05-17 山东西曼克技术有限公司 穿梭车导航控制方法及系统
CN114510062B (zh) * 2022-03-28 2022-07-26 山东西曼克技术有限公司 穿梭车导航控制方法及系统

Also Published As

Publication number Publication date
CN113359774B (zh) 2022-07-15

Similar Documents

Publication Publication Date Title
CN113359774B (zh) 一种用于四向穿梭车的路径规划方法
CN104050390B (zh) 一种基于可变维粒子群膜算法的移动机器人路径规划方法
CN109240290B (zh) 一种电力巡检机器人返航路径确定方法
CN105467997A (zh) 基于线性时序逻辑理论的仓储机器人路径规划方法
CN112633590B (zh) 一种用于四向穿梭车的智能入库方法及系统
CN105527964A (zh) 一种机器人路径规划方法
CN113671910B (zh) 一种集成多agv柔性作业车间调度方法、装置及介质
Shibata et al. Selfish and coordinative planning for multiple mobile robots by genetic algorithm
CN105005823A (zh) 一种基于遗传算法的船舶分支管路路径规划方法
CN111879327B (zh) 集群自动驾驶车辆泊位作业的空间配置和时序规划方法
CN114358233A (zh) 基于双混合粒子群的多agv路径规划问题优化方法及系统
Pivtoraiko et al. Differentially constrained motion replanning using state lattices with graduated fidelity
CN114740834A (zh) 一种基于Petri网模型的多AGV路径规划避障方法
Shibata et al. Coordination in evolutionary multi-agent-robotic system using fuzzy and genetic algorithm
Zeng et al. An efficient path planning algorithm for mobile robots
Shibata et al. Path-Planning for Multiple Mobile robots by using Genetic Algorithms.
Abi-Char et al. A collision-free path planning algorithm for non-complex ASRS using heuristic functions
CN115700647A (zh) 一种基于禁忌搜索遗传算法的车间柔性作业调度方法
CN111912407B (zh) 一种多机器人系统的路径规划方法
Shi et al. A two-phase strategy with micro genetic algorithm for scheduling Multiple AGVs
CN116976535B (zh) 一种基于少数障碍侧与转向代价相融合的路径规划方法
Aljarboua Geometric path planning for general robot manipulators
Yu et al. Research on AGV scheduling based on point-to-point mode
CN113627646B (zh) 一种基于神经网络的路径规划方法、装置、设备及介质
Huo et al. Multi-robot path planning algorithm in dense environments using particular collision-free traffic rules

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