CN113465621A - 一种考虑冲突概率的Dijkstra路径规划方法、装置及存储介质 - Google Patents

一种考虑冲突概率的Dijkstra路径规划方法、装置及存储介质 Download PDF

Info

Publication number
CN113465621A
CN113465621A CN202110690560.4A CN202110690560A CN113465621A CN 113465621 A CN113465621 A CN 113465621A CN 202110690560 A CN202110690560 A CN 202110690560A CN 113465621 A CN113465621 A CN 113465621A
Authority
CN
China
Prior art keywords
node
path
queue
marking
probability
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
CN202110690560.4A
Other languages
English (en)
Other versions
CN113465621B (zh
Inventor
单磊
邓修齐
刘成菊
陆昱初
陈启军
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN202110690560.4A priority Critical patent/CN113465621B/zh
Publication of CN113465621A publication Critical patent/CN113465621A/zh
Application granted granted Critical
Publication of CN113465621B publication Critical patent/CN113465621B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • 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)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种考虑冲突概率的Dijkstra路径规划方法、装置及存储介质，该方法包括：实时对环境中可能出现的障碍物进行检测；根据障碍物检测结果实时更新各条路径的冲突概率；采用改进Dijkstra算法进行路径规划，规划过程中，在对未标记节点进行标记处理时考虑各条路径的冲突概率，直至所有节点均被标记，每个标记节点的标记信息包括从源节点到该标记节点最短路径的长度以及从源节点到该标记节点最短路径中位于该标记节点前一位置的节点；根据标记信息确定从源节点到目标节点的最短路径。与现有技术相比，本发明考虑了多车协同、工作人员和其他动态障碍物导致的路径冲突概率，路径规划兼具实时性与鲁棒性。

Description

一种考虑冲突概率的Dijkstra路径规划方法、装置及存储 介质
技术领域
本发明涉及自动导引车路径规划技术领域，尤其是涉及一种考虑冲突概率的Dijkstra路径规划方法。
背景技术
近年来随着社会的进步与人力成本的提高，制造业的成本也呈不断上升的趋势。自动化的物流设备运用多功能集成的硬件与先进的算法技术，逐步提高了物流环节的自动化程度，从而达到降低制造环节物流成本的目的，提升了企业的核心竞争力，物流运输自动化的前景也越来越广阔。
在工业领域，自动导引车(Automated Guided Vehicle，AGV)已经被广泛应用，国内有不少企业都将同步定位与地图构建(Simultaneous Localization and Mapping，SLAM)技术应用到AGV上，并部署在工业物流的各个场景中，极大提高生产工作效率。AGV在生产工业和基础设施方面发挥着越来越重要的作用，并且正逐渐走进更多的领域。当下无人仓库与无人物流技术受到了越来越多的关注，叉车式AGV成为了重要的市场需求，在可以预见的未来，智能化叉车技术会迎来蓬勃发展窗口期。
Dijkstra算法是一种用于AGV路径规划的单源最短路径规划问题的算法，可以求从一个点到所有其他点的最短路径。它将网络节点分为未标记节点和已标记节点两大类，在搜索过程中遍历任一路径中相连通的节点，把从临时标记节点中搜索距源节点路径长度最短的节点变为已标记接节点，直至找到目标节点或者所有的节点都成为已标记节点。Dijkstra算法将AGV工作环境视作静态环境，任意两点间的最优路径总是唯一的。
然而在实际生产作业环境中，环境往往是动态变化的，例如环境中可能有多台AGV同时运行，也可能有工作人员在环境中作业和走动，一些集装箱和货物也有可能被临时摆放在路径上。这些动态障碍物都是传统Dijkstra算法在规划路径时无法考虑到的，AGV一旦在前往目的地的过程中遇到这些障碍物，都会浪费大量的时间去避障或等待。
若在生成路径的时刻通过传感器检测各条路径上的障碍物，会存在很大的偶然误差。例如一条路径上时常保持畅通，但在规划路径的时刻有个工作人员刚好路过，算法就会因为该条路径被占据而规划一条其他路径。由此可见对于障碍物的检测，不能仅考虑当前时刻障碍物的位置，还应该考虑各条路径上一段时间内的障碍物占据情况。
综上所述，工业AGV场景下的Dijkstra算法主要存在以下缺陷：
1)没有考虑多车协同时可能产生的路径冲突问题；
2)没有考虑工作人员在环境中作业带来的路径占据问题；
3)没有考虑环境纪中的动态障碍物；
4)没有考虑一段时间内各路径有障碍物的概率。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑冲突概率的Dijkstra路径规划方法、装置及存储介质。
本发明的目的可以通过以下技术方案来实现：
一种考虑冲突概率的Dijkstra路径规划方法，该方法包括：
实时对环境中可能出现的障碍物进行检测；
根据障碍物检测结果实时更新各条路径的冲突概率；
采用改进Dijkstra算法进行路径规划，规划过程中，在对未标记节点进行标记处理时考虑各条路径的冲突概率，直至所有节点均被标记，每个标记节点的标记信息包括从源节点到该标记节点最短路径的长度以及从源节点到该标记节点最短路径中位于该标记节点前一位置的节点；
根据标记信息确定从源节点到目标节点的最短路径。
优选地，对障碍物进行检测的方式包括机器视觉检测、红外传感器检测中的一种或多种的组合。
优选地，所述的实时更新各条路径的冲突概率的具体方式为：
对于任意一条路径Sij，分别维护一个队列Qij，队列Qij用于存放路径Sij在一段时间内的各时刻存在障碍冲突的概率；
根据障碍物检测结果判断路径Qij是否存在障碍冲突，若是则向队列Qij中加入有冲突标记元素，否则向队列Qij中加入无冲突标元素；
按设定周期更新路径Sij的冲突概率Cij，冲突概率Cij与队列Qij中有冲突标记元素占队列总长度的比例呈正相关关系。
优选地，根据障碍物检测结果判断路径Qij是否存在障碍冲突的方式为：估计障碍物的坐标，确定障碍物到路径Sij的距离Dij，若Dij小于安全阈值则存在障碍冲突，否则不存在障碍冲突。
优选地，障碍物到路径Sij的距离Dij通过下式确定：
Figure BDA0003126529850000031
其中，(x0，y0)为障碍物的坐标，(xi，yi)、(xj，yj)分别为路径Sij两个端点的坐标。
优选地，所述的队列Qij为FIFO队列，队列长度的上限阈值为Lmax，维护队列时，从对列尾部加入元素，当队列长度达到上限阈值时，每当向队列中加入一个元素，则从对列头部弹出一个头部元素。
优选地，冲突概率Cij通过下式得到：
Figure BDA0003126529850000032
γ为常数，Nij为队列Qij中有冲突标记元素的个数，Length(Qij)为队列Qij的长度。
优选地，采用改进Dijkstra算法进行路径规划的具体步骤为：
S1、记任意一个节点m的标记信息为(wm,pm)，wm为从源节点到节点m最短路径的长度，pm为从源节点到节点m最短路径中位于节点m前一位置的节点，将源节点作为已标记节点加入标记节点集中，其余节点为未标记节点，m＝s时表示为源节点，初始化：
Figure BDA0003126529850000033
S2、对于标记节点集中的已标记节点i，依次遍历与已标记节点i相邻的全部未标记节点，任意一个与已标记节点i相邻的未标记节点记作节点j，更新节点j标记信息中对应的从源节点到节点j最短路径的长度，记作wj：
wj＝min{wjq,wi+dij+cij}，
wjq为更新前从源节点到节点j最短路径的长度，wi为从源节点到已标记节点i最短路径的长度，dij为从节点i到节点j的直接连接距离，cij为从节点i到节点j的直接连接路径的冲突概率；
S3、从所有未标记的节点集合V中将路径长度wj取值最小的节点x加入标记节点集中：
Figure BDA0003126529850000041
p为未标记的节点集合V中的任意一个节点；
S4、从节点x的相邻节点集Dx中找到从源节点到节点x最短路径中位于节点x前一位置的节点px：
Figure BDA0003126529850000042
其中，q为节点x的相邻节点集Dx中的任意一个节点，wq为从源节点到节点q最短路径的长度，dqx为从节点q到节点x的直接连接距离，cqx为从节点q到节点x的直接连接路径的冲突概率；
S4、判断所有节点是否均已标记，若是则结束，否则，将新加入标记节点集中的节点x更新为已标记节点i，返回步骤S2循环执行。
一种考虑冲突概率的Dijkstra路径规划装置，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于当执行所述计算机程序时，实现所述的考虑冲突概率的Dijkstra路径规划方法。
一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的考虑冲突概率的Dijkstra路径规划方法。
与现有技术相比，本发明具有如下优点：
(1)本发明提出了一种考虑冲突概率的Dijkstra路径规划算法，通过实时采样法计算多车协同、工作人员和其他动态障碍物导致的路径冲突概率，兼具实时性与鲁棒性；
(2)本发明通过采样法对障碍物进行检测，无需复杂的数学建模，简单易行；
(3)本发明实时检测障碍物位置，并及时将失去时效性的状态弹出队列，具有实时性；
(4)本发明通过队列维护一段时间内冲突情况，降低了偶然误差带来的干扰，具有鲁棒性。
附图说明
图1为本发明一种考虑冲突概率的Dijkstra路径规划方法的流程框图；
图2为本发明实施例1中某物流仓库的作业环境平面地图；
图3为本发明实施例1中采用本发明考虑冲突概率的Dijkstra算法进行路径规划时物流仓库内冲突概率较高的路径标记示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。
实施例1
如图1所示，本实施例提供一种考虑冲突概率的Dijkstra路径规划方法，该方法包括：
实时对环境中可能出现的障碍物进行检测；
根据障碍物检测结果实时更新各条路径的冲突概率；
采用改进Dijkstra算法进行路径规划，规划过程中，在对未标记节点进行标记处理时考虑各条路径的冲突概率，直至所有节点均被标记，每个标记节点的标记信息包括从源节点到该标记节点最短路径的长度以及从源节点到该标记节点最短路径中位于该标记节点前一位置的节点；
根据标记信息确定从源节点到目标节点的最短路径。
对障碍物进行检测的方式包括机器视觉检测、红外传感器检测中的一种或多种的组合。
实时更新各条路径的冲突概率的具体方式为：
对于任意一条路径Sij，分别维护一个队列Qij，队列Qij用于存放路径Sij在一段时间内的各时刻存在障碍冲突的概率；
根据障碍物检测结果判断路径Qij是否存在障碍冲突，若是则向队列Qij中加入有冲突标记元素，否则向队列Qij中加入无冲突标元素，此处有冲突标记元素用1表示，无冲突标元素用0表示；
按设定周期更新路径Sij的冲突概率Cij，冲突概率Cij与队列Qij中有冲突标记元素占队列总长度的比例呈正相关关系。
根据障碍物检测结果判断路径Qij是否存在障碍冲突的方式为：估计障碍物的坐标，确定障碍物到路径Sij的距离Dij，若Dij小于安全阈值dsafe则存在障碍冲突，否则不存在障碍冲突，dsafe一般取值为AGV的车体半径。
障碍物到路径Sij的距离Dij通过下式确定：
Figure BDA0003126529850000061
其中，(x0，y0)为障碍物的坐标，(xi，yi)、(xj，yj)分别为路径Sij两个端点的坐标。
考虑到随着时间的推移，靠近队头的状态失去了时效性，不再具有参考价值，因此，队列Qij为FIFO队列，队列长度的上限阈值为Lmax，维护队列时，从对列尾部加入元素，当队列长度达到上限阈值时，每当向队列中加入一个元素，则从对列头部弹出一个头部元素。
冲突概率Cij通过下式得到：
Figure BDA0003126529850000062
γ为常数，Nij为队列Qij中有冲突标记元素的个数(本实施例中队列Nij为队列Qij中1的数量)，Length(Qij)为队列Qij的长度，γ为认为设定，γ值越大，冲突概率对最优路径规划的影响也越大。
采用改进Dijkstra算法进行路径规划的具体步骤为：
S1、记任意一个节点m的标记信息为(wm,pm)，wm为从源节点到节点m最短路径的长度，pm为从源节点到节点m最短路径中位于节点m前一位置的节点，将源节点作为已标记节点加入标记节点集中，其余节点为未标记节点，m＝s时表示为源节点，初始化：
Figure BDA0003126529850000063
S2、对于标记节点集中的已标记节点i，依次遍历与已标记节点i相邻的全部未标记节点，任意一个与已标记节点i相邻的未标记节点记作节点j，更新节点j标记信息中对应的从源节点到节点j最短路径的长度，记作wj：
wj＝min{wjq,wi+dij+cij}，
wjq为更新前从源节点到节点j最短路径的长度，wi为从源节点到已标记节点i最短路径的长度，dij为从节点i到节点j的直接连接距离，cij为从节点i到节点j的直接连接路径的冲突概率；
S3、从所有未标记的节点集合V中将路径长度wj取值最小的节点x加入标记节点集中：
Figure BDA0003126529850000071
p为未标记的节点集合V中的任意一个节点；
S4、从节点x的相邻节点集Dx中找到从源节点到节点x最短路径中位于节点x前一位置的节点px：
Figure BDA0003126529850000072
其中，q为节点x的相邻节点集Dx中的任意一个节点，wq为从源节点到节点q最短路径的长度，dqx为从节点q到节点x的直接连接距离，cqx为从节点q到节点x的直接连接路径的冲突概率；
S4、判断所有节点是否均已标记，若是则结束，否则，将新加入标记节点集中的节点x更新为已标记节点i，返回步骤S2循环执行。
本实施例中某物流仓库的作业环境平面地图如图2所示，图中，标号1～17为17个顶点，待规划路径的起点是点2，终点是点7，点6附近正有大量工人进行作业。
用传统Dijkstra算法搜索最短路径，结果是：2→6→7，但显然这条路径会由于被障碍物占据，AGV很大概率无法正常通过。
本发明提出的考虑了冲突概率的Dijkstra算法，通过冲突队列可以计算出与点6相连的几条路径S26、S67、S617，S65冲突概率都很高，图3中用加粗线段表示4条冲突概率较高的路径。用本发明提出的考虑了冲突概率的Dijkstra算法搜索最优路径，结果是：2→3→8→7，虽然路径长度有所增加，但由于该路径的冲突概率极低，从而更适合被选为AGV移动的路径。
实施例2
本实施例提供一种考虑冲突概率的Dijkstra路径规划装置，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于当执行所述计算机程序时，实现考虑冲突概率的Dijkstra路径规划方法，其中，考虑冲突概率的Dijkstra路径规划方法与实施例1完全相同，在本实施例中不再赘述。
实施例3
本实施例提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现考虑冲突概率的Dijkstra路径规划方法，其中，考虑冲突概率的Dijkstra路径规划方法与实施例1完全相同，在本实施例中不再赘述。
上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。

Claims (10)

1.一种考虑冲突概率的Dijkstra路径规划方法，其特征在于，该方法包括：
实时对环境中可能出现的障碍物进行检测；
根据障碍物检测结果实时更新各条路径的冲突概率；
采用改进Dijkstra算法进行路径规划，规划过程中，在对未标记节点进行标记处理时考虑各条路径的冲突概率，直至所有节点均被标记，每个标记节点的标记信息包括从源节点到该标记节点最短路径的长度以及从源节点到该标记节点最短路径中位于该标记节点前一位置的节点；
根据标记信息确定从源节点到目标节点的最短路径。
2.根据权利要求1所述的一种考虑冲突概率的Dijkstra路径规划方法，其特征在于，对障碍物进行检测的方式包括机器视觉检测、红外传感器检测中的一种或多种的组合。
3.根据权利要求1所述的一种考虑冲突概率的Dijkstra路径规划方法，其特征在于，所述的实时更新各条路径的冲突概率的具体方式为：
对于任意一条路径Sij，分别维护一个队列Qij，队列Qij用于存放路径Sij在一段时间内的各时刻存在障碍冲突的概率；
根据障碍物检测结果判断路径Qij是否存在障碍冲突，若是则向队列Qij中加入有冲突标记元素，否则向队列Qij中加入无冲突标元素；
按设定周期更新路径Sij的冲突概率Cij，冲突概率Cij与队列Qij中有冲突标记元素占队列总长度的比例呈正相关关系。
4.根据权利要求3所述的一种考虑冲突概率的Dijkstra路径规划方法，其特征在于，根据障碍物检测结果判断路径Qij是否存在障碍冲突的方式为：估计障碍物的坐标，确定障碍物到路径Sij的距离Dij，若Dij小于安全阈值则存在障碍冲突，否则不存在障碍冲突。
5.根据权利要求4所述的一种考虑冲突概率的Dijkstra路径规划方法，其特征在于，障碍物到路径Sij的距离Dij通过下式确定：
Figure FDA0003126529840000011
其中，(x0，y0)为障碍物的坐标，(xi，yi)、(xj，yj)分别为路径Sij两个端点的坐标。
6.根据权利要求3所述的一种考虑冲突概率的Dijkstra路径规划方法，其特征在于，所述的队列Qij为FIFO队列，队列长度的上限阈值为Lmax，维护队列时，从对列尾部加入元素，当队列长度达到上限阈值时，每当向队列中加入一个元素，则从对列头部弹出一个头部元素。
7.根据权利要求3所述的一种考虑冲突概率的Dijkstra路径规划方法，其特征在于，冲突概率Cij通过下式得到：
Figure FDA0003126529840000021
γ为常数，Nij为队列Qij中有冲突标记元素的个数，Length(Qij)为队列Qij的长度。
8.根据权利要求1所述的一种考虑冲突概率的Dijkstra路径规划方法，其特征在于，采用改进Dijkstra算法进行路径规划的具体步骤为：
S1、记任意一个节点m的标记信息为(wm,pm)，wm为从源节点到节点m最短路径的长度，pm为从源节点到节点m最短路径中位于节点m前一位置的节点，将源节点作为已标记节点加入标记节点集中，其余节点为未标记节点，m＝s时表示为源节点，初始化：
Figure FDA0003126529840000022
S2、对于标记节点集中的已标记节点i，依次遍历与已标记节点i相邻的全部未标记节点，任意一个与已标记节点i相邻的未标记节点记作节点j，更新节点j标记信息中对应的从源节点到节点j最短路径的长度，记作wj：
wj＝min{wjq,wi+dij+cij}，
wjq为更新前从源节点到节点j最短路径的长度，wi为从源节点到已标记节点i最短路径的长度，dij为从节点i到节点j的直接连接距离，cij为从节点i到节点j的直接连接路径的冲突概率；
S3、从所有未标记的节点集合V中将路径长度wj取值最小的节点x加入标记节点集中：
Figure FDA0003126529840000023
p为未标记的节点集合V中的任意一个节点；
S4、从节点x的相邻节点集Dx中找到从源节点到节点x最短路径中位于节点x前一位置的节点px：
Figure FDA0003126529840000031
其中，q为节点x的相邻节点集Dx中的任意一个节点，wq为从源节点到节点q最短路径的长度，dqx为从节点q到节点x的直接连接距离，cqx为从节点q到节点x的直接连接路径的冲突概率；
S4、判断所有节点是否均已标记，若是则结束，否则，将新加入标记节点集中的节点x更新为已标记节点i，返回步骤S2循环执行。
9.一种考虑冲突概率的Dijkstra路径规划装置，其特征在于，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于当执行所述计算机程序时，实现如权利要求1～8任一项所述的考虑冲突概率的Dijkstra路径规划方法。
10.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1～8任一项所述的考虑冲突概率的Dijkstra路径规划方法。
CN202110690560.4A 2021-06-22 2021-06-22 一种考虑冲突概率的Dijkstra路径规划方法、装置及存储介质 Active CN113465621B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110690560.4A CN113465621B (zh) 2021-06-22 2021-06-22 一种考虑冲突概率的Dijkstra路径规划方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110690560.4A CN113465621B (zh) 2021-06-22 2021-06-22 一种考虑冲突概率的Dijkstra路径规划方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN113465621A true CN113465621A (zh) 2021-10-01
CN113465621B CN113465621B (zh) 2022-09-20

Family

ID=77869058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110690560.4A Active CN113465621B (zh) 2021-06-22 2021-06-22 一种考虑冲突概率的Dijkstra路径规划方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN113465621B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104331910A (zh) * 2014-11-24 2015-02-04 沈阳建筑大学 一种基于机器视觉的轨道障碍物检测系统
CN106444769A (zh) * 2016-10-31 2017-02-22 湖南大学 一种室内移动机器人增量式环境信息采样的最优路径规划方法
CN108287547A (zh) * 2018-01-19 2018-07-17 广东美的智能机器人有限公司 多移动机器人的冲突管理方法及系统
CN108287545A (zh) * 2018-01-19 2018-07-17 广东美的智能机器人有限公司 多移动机器人的冲突管理方法及系统
CN109782757A (zh) * 2018-12-30 2019-05-21 芜湖哈特机器人产业技术研究院有限公司 一种基于分段调度的多agv系统的路径调度方法
CN110715662A (zh) * 2019-10-09 2020-01-21 浙江大华技术股份有限公司 段路径的下发方法及装置、存储介质、电子装置
CN110989570A (zh) * 2019-10-15 2020-04-10 浙江工业大学 一种多agv防碰撞协同路径规划方法
CN111220157A (zh) * 2020-01-10 2020-06-02 重庆康爵特智能科技有限公司 基于区域分割的导航路径规划方法及计算机可读存储介质
CN111462323A (zh) * 2020-05-06 2020-07-28 中国人民解放军国防科技大学 一种面向三维空间的动态欺骗路径规划方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104331910A (zh) * 2014-11-24 2015-02-04 沈阳建筑大学 一种基于机器视觉的轨道障碍物检测系统
CN106444769A (zh) * 2016-10-31 2017-02-22 湖南大学 一种室内移动机器人增量式环境信息采样的最优路径规划方法
CN108287547A (zh) * 2018-01-19 2018-07-17 广东美的智能机器人有限公司 多移动机器人的冲突管理方法及系统
CN108287545A (zh) * 2018-01-19 2018-07-17 广东美的智能机器人有限公司 多移动机器人的冲突管理方法及系统
CN109782757A (zh) * 2018-12-30 2019-05-21 芜湖哈特机器人产业技术研究院有限公司 一种基于分段调度的多agv系统的路径调度方法
CN110715662A (zh) * 2019-10-09 2020-01-21 浙江大华技术股份有限公司 段路径的下发方法及装置、存储介质、电子装置
CN110989570A (zh) * 2019-10-15 2020-04-10 浙江工业大学 一种多agv防碰撞协同路径规划方法
CN111220157A (zh) * 2020-01-10 2020-06-02 重庆康爵特智能科技有限公司 基于区域分割的导航路径规划方法及计算机可读存储介质
CN111462323A (zh) * 2020-05-06 2020-07-28 中国人民解放军国防科技大学 一种面向三维空间的动态欺骗路径规划方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SD BOPARDIKAR,ET AL: "Multiobjective path planning: Localization constraints and collision probability", 《IEEE TRANSACTIONS ON ROBOTICS》 *
SUN XIAOXIAN,ET AL: "Obstacle Avoidance Algorithm for Mobile Robot Based on Deep Reinforcement Learning in Dynamic Environments", 《2020 IEEE 16TH INTERNATIONAL CONFERENCE ON CONTROL & AUTOMATION (ICCA)》 *

Also Published As

Publication number Publication date
CN113465621B (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN109115226B (zh) 基于跳点搜索的多机器人冲突避免的路径规划方法
CN109724612B (zh) 一种基于拓扑地图的agv路径规划方法及设备
Zhao et al. The experience-memory Q-learning algorithm for robot path planning in unknown environment
CN111798041A (zh) 一种基于时间窗的agv智能调度方法
CN109947120B (zh) 仓储系统中的路径规划方法
CN111007862B (zh) 一种多agv协同工作的路径规划方法
Fulgenzi et al. Probabilistic motion planning among moving obstacles following typical motion patterns
CN111024088B (zh) 一种激光叉车路径规划方法
CN112633590B (zh) 一种用于四向穿梭车的智能入库方法及系统
CN113899383B (zh) 基于短路径的多车防死锁方法、系统、设备及存储介质
CN113515117A (zh) 一种基于时间窗的多agv实时调度的冲突消解方法
US20200088536A1 (en) Method for trajectory planning of a movable object
Fermin-Leon et al. TIGRE: Topological graph based robotic exploration
Guo et al. Intelligent path planning for automated guided vehicles system based on topological map
CN113721608A (zh) 机器人局部路径规划方法、系统和可读存储介质
CN115167398A (zh) 一种基于改进a星算法的无人船路径规划方法
CN117232517A (zh) 用于电力行业仓储场景的多移动工业机器人路径规划方法
CN113532443A (zh) 路径规划方法、装置、电子设备及介质
CN113465621B (zh) 一种考虑冲突概率的Dijkstra路径规划方法、装置及存储介质
CN116414139B (zh) 基于A-Star算法的移动机器人复杂路径规划方法
CN117308964A (zh) 智能游船的路径规划方法、装置、无人船及介质
AL-ZUBAIDI et al. A comparative study of various path planning algorithms for pick-and-place robots
Wattanavekin et al. Mobile robot exploration by using environmental boundary information
US20220300002A1 (en) Methods and systems for path planning in a known environment
Abi-Char et al. A collision-free path planning algorithm for non-complex ASRS using heuristic functions

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