CN113804197A - 基于复杂轨道地图的多台机器小车路径规划方法 - Google Patents
基于复杂轨道地图的多台机器小车路径规划方法 Download PDFInfo
- Publication number
- CN113804197A CN113804197A CN202110870005.XA CN202110870005A CN113804197A CN 113804197 A CN113804197 A CN 113804197A CN 202110870005 A CN202110870005 A CN 202110870005A CN 113804197 A CN113804197 A CN 113804197A
- Authority
- CN
- China
- Prior art keywords
- machine
- path
- trolley
- planning
- trolleys
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000011065 in-situ storage Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于复杂轨道地图的多台机器小车路径规划方法,属一种通过计算机实现的路线规划方法,方法包括如下步骤:步骤A、以每台机器小车的第一个目标节点为终点,使用CBS方案得出第一路径规划结果;步骤B、选择确定第一路径规划结果中步骤最多的机器小车为第一基准,然后在其它机器小车的第一路径规划结果中添加原地等待指令,使其他机器小车的第一路径规划结果的步骤与所述基准相同。通过以每台机器小车的第一个目标节点为终点计算得到路径规划结果,并且基准之外的其他机器小车路径中增加原地等待指令,使得系统中的每个机器小车均可先后交替的按照路径规划结果在轨道上行走且每台机器小车之间的规划结果会互相避障。
Description
技术领域
本发明涉及一种通过计算机实现的路线规划方法,更具体的说,本发明主要涉及一种基于复杂轨道地图的多台机器小车路径规划方法。
背景技术
目前用于目标路径规划的方式主要包括可视图法、Dijkstra算法等方式,但这些方式都是针对单个目标移动的路线规划,且都存在不同形式的缺陷,例如可视图法把机器小车用点来描述,障碍物用多边形描述,将起始点(Start)、目标点(Goal)和多边形障碍物(O1、O2)的各顶点进行组合连接,要求起始点和障碍物各顶点之间、目标点和障碍物各顶点之间以及各障碍物顶点与顶点之间的连线均不能穿越障碍物。由于每次搜索都需要重新构造可视图,动态规划时间长,并且缺乏灵活性,即一旦机器小车的起始点和目标点发生改变,就要重新构造可视图,比较麻烦。Dijkstra 算法是通过计算初始点到自由空间内任何一点的最短距离可以得到全局最优路径,主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。Dijkstra 算法从初始点开始计算周围的点与初始点的距离,再将新计算距离的点作为计算点计算其周围点与初始点的距离,这样计算像波阵面一样在自由空间内传播,直到到达目标点,这样就可以计算得到机器小车的最短路径。但是Dijkstra 算法由于没有明确的规划目标只是在地图上所有节点传播,并且遍历计算的节点很多,所以效率低。而更为重要的是,前述列举的路线规划算法均无法实现多个目标的路径规划以及多目标路径冲突的解决,因此有必要针对多目标以及多种点的路线规划的方法做进一步的研究和改进。
发明内容
本发明的目的之一在于针对上述不足,提供一种基于复杂轨道地图的多台机器小车路径规划方法,以期望解决现有技术中同类路径规划算法效率低下,步骤繁琐,且无法实现多个目标及终点的路线规划及冲突解决等技术问题。
为解决上述的技术问题,本发明采用以下技术方案:
本发明所提供的一种基于复杂轨道地图的多台机器小车路径规划方法,所述的方法包括如下步骤:
步骤A、以每台机器小车的第一个目标节点为终点,使用CBS方案得出第一路径规划结果;
步骤B、选择确定第一路径规划结果中步骤最多的机器小车为第一基准,然后在其它机器小车的第一路径规划结果中添加原地等待指令,使其他机器小车的第一路径规划结果的步骤与所述基准相同;
步骤C、以每台机器小车的第二个目标节点为终点,重复步骤A与步骤B,得到第二基准、以及与第二基准步骤相同的第二路径规划结果,直至得出每台机器小车的最后一个目标节点的路径规划结果,且完成步骤B。
作为优选,进一步的技术方案是:所述步骤A中的CBS方案为通过A*算法计算,为每台小车规划一条到终点的最短路径,然后检查判断距离最短的最短路径是否与其他小车冲突;如判断结果为是,以具有冲突的其中一台机器小车是否执行当前指令作为区分,分别生成两个子树,并在不执行当前指令的机器小车的最短路径中增加一个额外的约束;再通过A*算法计算,在各自机器小车所属的子树中重新规划最短路径;如判断结果为否,则继续判断另一条的最短路径是否与其他小车冲突;直至每台小车到终点的最短路径都没有冲突,得到路径规划结果。
更进一步的技术方案是:所述A*算法通过启发式函数h(n)在多条路径中寻找到最短路径,所述启发式函数通过下式实现:
式中,Xn为n点的X轴坐标,Yn为n点的Y轴坐标,Xg为目标点的X轴坐标,Yg为目标点的Y轴坐标。
更进一步的技术方案是:所述方法应用于机器小车调度系统中的路线规划模块中,辅助机器小车进行行走调度。
与现有技术相比,本发明的有益效果之一是:通过以每台机器小车的第一个目标节点为终点计算得到路径规划结果,并且基准之外的其他机器小车路径中增加原地等待指令,使得系统中的每个机器小车均可先后交替的按照路径规划结果在轨道上行走,从而可适应具有水平轨道和垂直轨道的轨道地图,亦可同时对多台机器小车发送运行指令,每台机器小车可以指定一个或多个目标节点,且每台机器小车之间的规划结果会互相避障,同时本发明所提供的一种基于复杂轨道地图的多台机器小车路径规划方法步骤简单,可基于现有的路径规划算法实现,可在各类规格的机器小车轨道规划系统中应用。
附图说明
图1为用于说明本发明一个实施例的方法流程图。
图2为用于说明本发明一个实施例中的CBS方案流程图。
图3为用于说明Dijkstra 算法的示意图。
具体实施方式
首先,需要明确的是,本发明下述实施例中的方案需要使用到A*算法,与CBS(Conflict-Based Search) 方案解决MAPF(Multi-Agent Path Finding)问题。
上述A* 算法是 Dijkstra 算法的改进版,目的就在于解决 Dijkstra 效率低下的问题,刚刚提到 Dijkstra 算法不知道目标节点的位置,因此它只能向所有可能的方向扩展节点直到发现目标节点为止。A* 算法为了解决这个问题,在 Dijkstra 的基础上引入了启发式函数 h(n),h(n) 表示了当前节点到目标节点的成本,保证了最优性的同时,加入了目标节点的信息,提升了搜索效率。
上述启发式函数 h(n) 一般为n点到目标点的距离:
在上式中,Xn为n点的X轴坐标,Yn为n点的Y轴坐标,Xg为目标点的X轴坐标,Yg为目标点的Y轴坐标。
如果用A* 算法解决图3的问题,使用启发式函数 h(n) 对 Dijkstra 算法的步骤进行精简:
由于h(N1) > h(N2),会忽略起始点到N1这段路径;
起始点到N2之间的路径有:Start-N2(12),最短路径为Start-N2(12);
由于h(N3) > h(N4),会忽略起始点到N3这段路径;
起始点到N4之间的路径有:Start-N2-N4(24),最短路径为Start-N2-N4(24);
起始点到目标点之间的路径有:Start-N4-Goal(36),最短路径为Start-N4-Goal(36);
最终可以得出最短路径为:Start-N2-N4-Goal(36)。可以看到A* 算法会提前把非最优的路径提前过滤出去,防止遍历过多的无效规划路径。
综上所述,A* 算法已经是一个比较完善的单台机器小车路径规划方案,但是无法满足多台机器小车的规划问题,因为 A* 算法只会得出各台机器小车的最优规划路径,无法保证各个规划结果之间没有冲突。
本发明的应用场景为多机器小车路径规划(Multi-Agent Path Finding,简称MAPF),即通过给每台机器小车规划一条路径,保证这些路径不相撞,并最小化总的运行时间,发明人使用 CBS (Conflict-Based Search) 方案解决 MAPF 问题。正如图2所示,本发明所称的CBS 方案的简要流程如下:
步骤1、先给每一台机器小车规划一条最短路径,暂时忽略此规划结果可能会与其他机器小车的规划结果冲突;
步骤2、检查当前的最短路有没有和其他小车冲突,如果有冲突算法根据其中一台机器小车是否执行当前指令且基准,分别生成两个子树,并对不执行指令的机器小车加一个额外的约束,以保证后面的规划会解决此冲突;
步骤3、在各自机器小车维护的子树中重新规划路线,此时的规划会结合已添加的约束自动解决已经存在的冲突;
步骤4、重复之前的过程,直到所有的规划结果都没有冲突。
基于上述的说明,结合附图对本发明作进一步阐述。
参考图1所示,本发明的一个实施例是一种基于复杂轨道地图的多台机器小车路径规划方法,方法可应用于机器小车调度系统中的路线规划模块中,辅助机器小车进行行走调度。具体的,该方法包括并优选按照如下顺序的步骤操作:
步骤S1、以每台机器小车的第一个目标节点为终点,使用CBS方案得出第一路径规划结果;
步骤S2、选择确定第一路径规划结果中步骤最多的机器小车为第一基准,然后在其它机器小车的第一路径规划结果中添加原地等待指令,使其他机器小车的第一路径规划结果的步骤与所述基准相同;
步骤S3、以每台机器小车的第二个目标节点为终点,然后检查每个机器小车是否还有待规划的目标点,如有,则重复前面的两个步骤,分别得到第二基准、以及与第二基准步骤相同的第二路径规划结果,再次重复后,得到第三基准、以及与第三基准步骤相同的第二路径规划结果,如此进行,直至得出每台机器小车的最后一个目标节点的路径规划结果,且完成步骤S2。
在上述的步骤结束后,上述的多台机器小车路径规划完成,此时多台机器小车可按照规划好的路径在轨道地图中行走。
即在本实施例中,通过以每台机器小车的第一个目标节点为终点计算得到路径规划结果,并且基准之外的其他机器小车路径中增加原地等待指令,使得系统中的每个机器小车均可先后交替的按照路径规划结果在轨道上行走,从而可适应具有水平轨道和垂直轨道的轨道地图,亦可同时对多台机器小车发送运行指令,并且垂直轨道可以部署单独的升降机用于接驳机器小车,每台机器小车可以指定一个或多个目标节点,且每台机器小车之间的规划结果会互相避障。
参考图2所示,上述已经介绍了CBS方案,回到本实施例的方法中,步骤S1中的CBS方案与上述相同,具体为:
为通过A*算法计算,为每台小车规划一条到终点的最短路径,然后检查判断距离最短的最短路径是否与其他小车冲突。
如判断结果为是,以具有冲突的其中一台机器小车是否执行当前指令作为区分,分别生成两个子树,并在不执行当前指令的机器小车的最短路径中增加一个额外的约束;再通过A*算法计算,在各自机器小车所属的子树中重新规划最短路径,即在重新规划最短路径的过程中会跳过前述出现冲突的路径。
如判断结果为否,则继续判断另一条的最短路径是否与其他小车冲突。
直至每台小车到终点的最短路径都没有冲突,得到上述的第一、第二、第三以及第N路径规划结果。
本发明通过上述实施例中的改进,基于A*算法及CBS方案,有效的解决了解决多台机器小车多目标节点的路径规划问题,适于与在小区自动快递配送系统中使用,优化快递物流最后一公里的配送。
除上述以外,还需要说明的是在本说明书中所谈到的“一个实施例”、“另一个实施例”、“实施例”等,指的是结合该实施例描述的具体特征、结构或者特点包括在本申请概括性描述的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一个实施例。进一步来说,结合任一实施例描述一个具体特征、结构或者特点时,所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本发明的范围内。
尽管这里参照本发明的多个解释性实施例对本发明进行了描述,但是,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说,在本申请公开、附图和权利要求的范围内,可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变型和改进外,对于本领域技术人员来说,其他的用途也将是明显的。
Claims (4)
1.一种基于复杂轨道地图的多台机器小车路径规划方法,其特征在于所述的方法包括如下步骤:
步骤A、以每台机器小车的第一个目标节点为终点,使用CBS方案得出第一路径规划结果;
步骤B、选择确定第一路径规划结果中步骤最多的机器小车为第一基准,然后在其它机器小车的第一路径规划结果中添加原地等待指令,使其他机器小车的第一路径规划结果的步骤与所述基准相同;
步骤C、以每台机器小车的第二个目标节点为终点,重复步骤A与步骤B,得到第二基准、以及与第二基准步骤相同的第二路径规划结果,直至得出每台机器小车的最后一个目标节点的路径规划结果,且完成步骤B。
2.根据权利要求1所述的基于复杂轨道地图的多台机器小车路径规划方法,其特征在于:所述步骤A中的CBS方案为通过A*算法计算,为每台小车规划一条到终点的最短路径,然后检查判断距离最短的最短路径是否与其他小车冲突;
如判断结果为是,以具有冲突的其中一台机器小车是否执行当前指令作为区分,分别生成两个子树,并在不执行当前指令的机器小车的最短路径中增加一个额外的约束;再通过A*算法计算,在各自机器小车所属的子树中重新规划最短路径;
如判断结果为否,则继续判断另一条的最短路径是否与其他小车冲突;
直至每台小车到终点的最短路径都没有冲突,得到路径规划结果。
4.根据权利要求1所述的基于复杂轨道地图的多台机器小车路径规划方法,其特征在于:所述方法应用于机器小车调度系统中的路线规划模块中,辅助机器小车进行行走调度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110870005.XA CN113804197A (zh) | 2021-07-30 | 2021-07-30 | 基于复杂轨道地图的多台机器小车路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110870005.XA CN113804197A (zh) | 2021-07-30 | 2021-07-30 | 基于复杂轨道地图的多台机器小车路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113804197A true CN113804197A (zh) | 2021-12-17 |
Family
ID=78942556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110870005.XA Pending CN113804197A (zh) | 2021-07-30 | 2021-07-30 | 基于复杂轨道地图的多台机器小车路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113804197A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116824976A (zh) * | 2023-08-30 | 2023-09-29 | 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 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105652838A (zh) * | 2016-01-29 | 2016-06-08 | 哈尔滨工大服务机器人有限公司 | 一种基于时间窗的多机器人路径规划方法 |
CN108958257A (zh) * | 2018-07-25 | 2018-12-07 | 深圳市集大自动化有限公司 | 多台agv组合导航的协同路径规划方法 |
CN109115226A (zh) * | 2018-09-01 | 2019-01-01 | 哈尔滨工程大学 | 基于跳点搜索的多机器人冲突避免的路径规划方法 |
US20210041577A1 (en) * | 2019-08-08 | 2021-02-11 | United States Of America As Represented By Secretary Of The Navy | System And Methods For Planning Routes Over Large Areas |
CN112393728A (zh) * | 2020-10-23 | 2021-02-23 | 浙江工业大学 | 一种基于a*算法和rrt*算法的移动机器人路径规划方法 |
CN112835364A (zh) * | 2020-12-30 | 2021-05-25 | 浙江大学 | 一种基于冲突检测的多机器人路径规划方法 |
-
2021
- 2021-07-30 CN CN202110870005.XA patent/CN113804197A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105652838A (zh) * | 2016-01-29 | 2016-06-08 | 哈尔滨工大服务机器人有限公司 | 一种基于时间窗的多机器人路径规划方法 |
CN108958257A (zh) * | 2018-07-25 | 2018-12-07 | 深圳市集大自动化有限公司 | 多台agv组合导航的协同路径规划方法 |
CN109115226A (zh) * | 2018-09-01 | 2019-01-01 | 哈尔滨工程大学 | 基于跳点搜索的多机器人冲突避免的路径规划方法 |
US20210041577A1 (en) * | 2019-08-08 | 2021-02-11 | United States Of America As Represented By Secretary Of The Navy | System And Methods For Planning Routes Over Large Areas |
CN112393728A (zh) * | 2020-10-23 | 2021-02-23 | 浙江工业大学 | 一种基于a*算法和rrt*算法的移动机器人路径规划方法 |
CN112835364A (zh) * | 2020-12-30 | 2021-05-25 | 浙江大学 | 一种基于冲突检测的多机器人路径规划方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116824976A (zh) * | 2023-08-30 | 2023-09-29 | 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 |
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 |
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 | |
CN104931063B (zh) | 路径规划方法 | |
CN109131318A (zh) | 一种基于拓扑地图的自主泊车路径协调方法 | |
CN108827335B (zh) | 一种基于单向搜索模型的最短路径规划方法 | |
CN110471418B (zh) | 智能停车场中的agv调度方法 | |
CN108519737B (zh) | 一种考虑能源补给的无人设备路径规划方法 | |
CN112683278B (zh) | 一种基于改进a*算法和贝塞尔曲线的全局路径规划方法 | |
CN111176286B (zh) | 一种基于改进D*lite算法的移动机器人路径规划方法及系统 | |
CN103344248B (zh) | 一种车辆导航系统的最佳路径计算方法 | |
CN109459052B (zh) | 一种扫地机全覆盖路径规划方法 | |
CN113804197A (zh) | 基于复杂轨道地图的多台机器小车路径规划方法 | |
CN115077544A (zh) | 列车路径规划方法、装置、电子设备和存储介质 | |
CN105698796B (zh) | 一种多机器人调度系统的路径搜索方法 | |
CN111024079A (zh) | 一种根据多个位置点与路线进行匹配的方法和系统 | |
US20040158397A1 (en) | Transport system and method thereof | |
CN107449426B (zh) | 导航逻辑方法及其室内ar导航系统 | |
KR101214567B1 (ko) | 열차 운행 계획 수립 방법 및 장치 | |
CN111238519A (zh) | 一种基于拓扑地图和冲突消除策略的多无人车寻路方法 | |
CN110057361A (zh) | 一种基于gps的最短路径规划方法 | |
US20190162544A1 (en) | Route information conversion system, route information transmission apparatus, and route information reception apparatus | |
CN112101686B (zh) | 一种基于可行标号接续网络的乘务交路计划编制方法 | |
CN115454062A (zh) | 一种基于贝兹曲线的机器人动态路径规划方法及系统 | |
CN113568411B (zh) | 用于轨道地图的机器小车调度系统 | |
CN113465612B (zh) | 一种基于双层索引的并行路径规划方法及系统 | |
JP2019056739A (ja) | 地図データ更新システムおよび地図データ更新プログラム |
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 |