CN114063612A - 一种路径规划方法、路径规划装置及电子设备 - Google Patents
一种路径规划方法、路径规划装置及电子设备 Download PDFInfo
- Publication number
- CN114063612A CN114063612A CN202111221284.3A CN202111221284A CN114063612A CN 114063612 A CN114063612 A CN 114063612A CN 202111221284 A CN202111221284 A CN 202111221284A CN 114063612 A CN114063612 A CN 114063612A
- Authority
- CN
- China
- Prior art keywords
- robot
- conflict
- road section
- path
- time window
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 10
- 230000000875 corresponding effect Effects 0.000 description 24
- 230000003111 delayed effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction 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
-
- 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
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)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开了一种路径规划方法、路径规划装置、电子设备及计算机可读存储介质。其中,该方法包括:确定目标区域内的各个机器人的当前位置及目标位置;根据所述当前位置及所述目标位置,规划各个机器人的移动路径及机器人时间窗,所述机器人时间窗用于表示机器人对对应的移动路径的各个路段的占用时段;检测是否存在冲突机器人,所述冲突机器人为对同一路段的占用时段重合的机器人;若存在,则调整所述冲突机器人的机器人时间窗,并返回执行所述检测是否存在冲突机器人的步骤及后续步骤;若不存在,则向各个机器人推送对应的移动路径及机器人时间窗。本申请方案可以在多个机器人执行任务时减少出现交通拥堵的情况,一定程度提升机器人的运行效率。
Description
技术领域
本申请属于机器人控制技术领域,尤其涉及一种路径规划方法、路径规划装置、电子设备及计算机可读存储介质。
背景技术
目前,市面上大多数机器人调度系统所使用的路径规划算法基本为普通的狄克斯特拉算法或者A星寻路算法。这些路径规划算法所使用的信息仅仅为地图的空间信息,只能保证机器人能够获得可达路径,而没有考虑到各路段在不同时间的占用情况。这将可能出现因多个机器人在相同时段进入同一路段而导致的交通拥堵甚至交通死锁的情况,严重影响机器人的运行效率。
发明内容
本申请提供了一种路径规划方法、路径规划装置、电子设备及计算机可读存储介质,可以在多个机器人执行任务时减少出现交通拥堵的情况,一定程度提升机器人的运行效率。
第一方面,本申请提供了一种路径规划方法,包括:
确定目标区域内的各个机器人的当前位置及目标位置;
根据上述当前位置及上述目标位置,规划各个机器人的移动路径及机器人时间窗,上述机器人时间窗用于表示机器人对对应的移动路径的各个路段的占用时段;
检测是否存在冲突机器人,上述冲突机器人为对同一路段的占用时段重合的机器人;
若存在上述冲突机器人,则调整上述冲突机器人的机器人时间窗,并返回执行上述检测是否存在冲突机器人的步骤及后续步骤;
若不存在上述冲突机器人,则向各个机器人推送对应的移动路径及机器人时间窗。
第二方面,本申请提供了一种路径规划装置,包括:
确定模块,用于确定目标区域内的各个机器人的当前位置及目标位置;
规划模块,用于根据上述当前位置及上述目标位置,规划各个机器人的移动路径及机器人时间窗,上述机器人时间窗用于表示机器人对对应的移动路径的各个路段的占用时段;
检测模块,用于检测是否存在冲突机器人,上述冲突机器人为对同一路段的占用时段重合的机器人;
调整模块,用于若存在上述冲突机器人,则调整上述冲突机器人的机器人时间窗,并返回执行上述检测是否存在冲突机器人的步骤及后续步骤;
推送模块,用于若不存在上述冲突机器人,则向各个机器人推送对应的移动路径及机器人时间窗。
第三方面,本申请提供了一种电子设备,上述电子设备包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器执行上述计算机程序时实现如上述第一方面的方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,上述计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
第五方面,本申请提供了一种计算机程序产品,上述计算机程序产品包括计算机程序,上述计算机程序被一个或多个处理器执行时实现如上述第一方面的方法的步骤。
本申请与现有技术相比存在的有益效果是:首先确定目标区域内的各个机器人的当前位置及目标位置,然后根据上述当前位置及上述目标位置,规划各个机器人的移动路径及机器人时间窗,上述机器人时间窗用于表示机器人对对应的移动路径的各个路段的占用时段,接着检测是否存在冲突机器人,上述冲突机器人为对同一路段的占用时段重合的机器人,若存在上述冲突机器人,则调整上述冲突机器人的机器人时间窗,并返回执行上述检测是否存在冲突机器人的步骤及后续步骤,反之,若不存在上述冲突机器人,则向各个机器人推送对应的移动路径及机器人时间窗。上述过程在初步规划好机器人的移动路径的同时,也会对机器人对其移动路径上的各路段的占用时段(也即机器人时间窗)进行规划,并可通过各个机器人的机器人时间窗来检测是否存在对相同路段的占用时段发生重合的冲突机器人。一旦发现有冲突机器人,就会对这些冲突机器人的机器人时间窗再作调整,以避免机器人后续在规划好的移动路径上移动时,出现多个机器人在同一时间进入相同路段的情况,可减少交通拥堵的情况发生,帮助提升了机器人的运行效率。可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的路径规划方法的实现流程示意图;
图2是本申请实施例提供的路径规划装置的结构框图;
图3是本申请实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请所提出的技术方案,下面通过具体实施例来进行说明。
下面对本申请实施例所提出的路径规划方法作出说明。该路径规划方法应用于电子设备,该电子设备搭载有路径规划系统。可以将该电子设备视作一控制中心,以控制各个机器人的移动操作。需要说明的是,本申请实施例所说的机器人,可以是自主移动机器人(Automated Mobile Robot,AMR),也可以是自主引导交通设备(Automated GuidedVehicle,AGV),此处不作限定。请参阅图1,该路径规划方法的实现流程详述如下:
步骤101,确定目标区域内的各个机器人的当前位置及目标位置。
在本申请实施例中,目标区域指的是机器人进行移动的区域,也即任务执行区域。为实现对该目标区域内的各个机器人的有序路径规划,可先确定该目标区域内的各个机器人的当前位置及目标位置。
在一些实施例中,只有运行中的机器人(也即执行任务的机器人)才需要进行路径规划,而空闲的机器人(也即未执行任务的机器人)只需要在原地等待即可。可以理解,本申请实施例中需要进行路径规划的各个机器人均指的是运行中的机器人。由此可以看出,对机器人进行路径规划的前提是已经为机器人分配了任务。基于此,在步骤101之前,该路径规划方法还包括:获取待执行的任务,并基于该待执行的任务的任务内容为该待执行的任务分配机器人。
在一些示例中,为该待执行的任务分配机器人时,主要从机器人的类型(例如搬运型机器人、顶升型机器人及辊送型机器人等)、机器人的电量、机器人的运行状态(例如运行中及空闲)进行考虑。其分配规则可具体为,为待执行的任务分配空闲的机器人中电量最高的类型相匹配的机器人。例如,假定待执行的任务是搬运物体A;又假定实际有5个机器人R1、R2至R5,其中R1为运行中,R2至R5空闲;且R2、R3及R5为搬运型机器人;且R2电量90%、R3电量50%,R5电量67%;则基于该分配规则,会将“搬运物体A”这一待执行的任务分配给机器人R2。
需要注意的是,机器人在执行一项任务的过程中,其目标位置通常是不会再发生变化的,只有其当前位置会因为需要向目标位置靠拢而不断发生变化。基于此,对于目标位置来说,机器人在被分配到任务后,仅需基于该任务进行一次目标位置的确定即可,后续该目标位置不会再发生更改,直至该机器人完成该任务并被分配了新的任务后,才需要基于该新的任务进行新一次的目标位置的确定;对于当前位置来说,则需要通过机器人自身所搭载的定位系统实时进行确定。
在一些实施例中,电子设备在创建任务时,还可根据该任务的实际需求情况设定该任务的优先级。该优先级可记为参数P。仅作为示例,P的取值可以在[0,10]这一范围内,且P为整数,其中,优先级越高,P的取值越小。可以认为,机器人的优先级等同于该机器人所被分配的任务的优先级。
步骤102,根据上述当前位置及上述目标位置,规划各个机器人的移动路径及机器人时间窗。
在本申请实施例中,电子设备可根据每个机器人的当前位置及目标位置,分别为每个机器人的移动路径及机器人时间窗进行规划。其中,该机器人时间窗用于表示机器人(或该机器人所执行的任务)对对应的移动路径的各个路段的占用时段。下面对该机器人时间窗的概念作出具体说明:
将任务记作m,则某一任务mi可表示为:mi(t)=(si,di,λi,Pi,qi)。其中,i为任务编号;mi(t)表示t时间系统所创建的任务mi;si表示执行该任务mi的机器人的当前位置;di表示执行该任务mi的机器人的目标位置(也即该任务mi的目标位置);Pi表示该任务mi的优先级(也即执行该任务mi的机器人的优先级);qi表示执行该任务mi的机器人;λi表示为该机器人qi所规划的移动路径,其中,该移动路径可表示为λi={e1,e2,e3,...,ek,...},ek表示为该移动路径中的某一路段。
基于该任务的表达,则机器人qi在路段ek上的机器人时间窗Tw,ik可表示为:
Tw,ik=(qi,mi,rk,tin,k,tout,k)
其中,qi及mi的含义在前文已给出,此处不作赘述;rk表示该路段ek在移动路径λi上的位置;tin,k表示t时间系统下机器人qi进入路段ek的时刻;tout,k表示t时间系统下机器人qi离开路段ek的时刻。
其中,tout,k可以这样计算而得:tout,k=tin,k+ωi,k。其中,ωi,k表示机器人qi通过路段ek所花费的时长,可由下式计算得到:lk表示路段ek的实际距离(也即实际代价),vi表示机器人qi所预设的移动速度。
可以理解的是,由于机器人在执行任务的过程中,其当前位置会发生变化;因而,每当该目标区域内有一个机器人产生了移动时(也即机器人移动到了新的位置时),电子设备就会根据该机器人的当前位置及目标位置再次为该机器人的移动路径进行规划;若该机器人的移动路径未发生更改,则可仍采用之前已规划好的机器人时间窗进行后续各步骤的操作;反之,若该机器人的移动路径发生了更改,则将基于该更改后的移动路径为其规划新的机器人时间窗,并基于该新的机器人时间窗进行后续各步骤的操作。
在一些实施例中,由于机器人时间窗与机器人的移动路径强相关,通常需要先规划好机器人的移动路径之后,再规划机器人的机器人时间窗。基于此,电子设备可先根据各个机器人的当前位置及目标位置来为各个机器人的移动路径进行规划,之后再根据各个机器人所分别预设的移动速度及对应的移动路径,对各个机器人的机器人时间窗进行规划。可以理解,通常根据机器人的类型的不同,各机器人有着不同的预设的移动速度,例如搬运型机器人预设的移动速度为A,顶升型机器人预设的移动速度为B,辊送型机器人预设的移动速度为C等。
在一些实施例中,为了在路径规划时就充分考虑各条路段被占用的情况,电子设备可采用改进后的A星寻路算法来作为其路径规划算法;也即,电子设备可根据各个机器人的当前位置、目标位置及改进后的A星寻路算法来规划各个机器人的移动路径。下面对该改进后的A星寻路算法进行简单说明:
该改进后的A星寻路算法未对其算法处理流程作出改进,也即,该改进后的A星寻路算法仍沿用改进前的A星寻路算法的算法处理流程,此处不再赘述。实际上,该改进后的A星寻路算法的改进之处具体在于对总移动代价的计算。也即,改进后A星寻路算法具体更改了其路径评分计算公式。
改进前的A星寻路算法的总移动代价的计算公式如下:
F=G+H
其中,F表示总移动代价(也即路径评分);G表示当前所判断的点与机器人的当前位置的实际代价(也即当前所判断的点距离当前位置的实际路径的耗费);H表示当前所判断的点与机器人的目标位置的预估代价(也即当前所判断的点距离目标位置的预估路径的耗费)。仅作为示例,该预估代价可基于曼哈顿距离启发函数来进行计算,也即,该预估代价可以是当前所判断的点距离目标位置的曼哈顿距离。
改进后的A星寻路算法的总移动代价的计算公式如下:
F=G’+H
其中,F及H仍为原有定义;G’表示当前所判断的点距离当前位置的实际路径中,各条路段的实际耗费与对应的路段系数的乘积的总和,该路段系数用于表示路段当前被占用的情况。举例来说,路段未被占用时,其路段系数可以等于1;路段被占用时,其路段系数可以大于1,例如可以是1.5。
仅作为示例,将当前位置记作点S,将目标位置记作点O。基于A星寻路算法的算法处理流程,其会先将S的各个邻居点分别作为当前所判断的点来进行F值的计算。假定S的邻居点有P1、P2、P3及P4。其中,S到P1的实际代代价为5,S到P2的实际代代价为7,S到P3的实际代代价为8,S到P4的实际代代价为8;P1到O的预估代价为120,P2到O的预估代价为120,P3到O的预估代价为120,P4到O的预估代价为122;S到P1的路段目前被占用,S到P2的路段、S到P3的路段及S到P4的路段目前未被占用。
基于改进前的A星寻路算法,可得到P1的F值为125,P2的F值为127,P3的F值为128,P4的F值为130。也即,改进前的A星寻路算法会选定P1作为该当前位置在移动路径的下一个点,并继续对P1的各个邻居点的F值进行计算来选定P1在移动路径的下一个点,以此类推,直至到达O点。
基于改进后的A星寻路算法,可得到P1的F值为127.5,P2的F值为127,P3的F值为128,P4的F值为130。也即,改进后的A星寻路算法考虑到了S到P1的路段目前被占用的情况,会选定P2作为该当前位置在移动路径的下一个点,并继续对P2的各个邻居点的F值进行计算来选定P2在移动路径的下一个点,以此类推,直至到达O点。
可以理解,当路段被占用时,机器人需要一定的等待时间才可进入该被占用的路段,这造成了一定的时间消耗,实际上也是一种代价。本申请实施例所提出的改进后的A星寻路算法正是考虑到了这种代价所作出的改进,使得总移动代价的计算考虑到了路段的被占用情况,优先基于更加空闲的路段进行路径规划,从而也一定程度减少了交通拥堵的情况发生,更加符合实际场景的需求。
在一些实施例中,为更好地进行路径规划,使得前文所提出的改进后的A性寻路算法可以适应于各种类型的地图,电子设备还可采用一种新的地图信息格式,具体为将地图上的各个地图点剥离出来,只考虑地图点的实际坐标,以及与其它地图点的联通关系,由此即可对栅格地图上每个地图点的上下左右的联通关系和拓扑地图上自定义的联通关系进行描述,也即兼容这两种地图类型。仅作为示例,该新的地图信息格式可表示为:地图点ID:[邻居点ID,去往邻居点的实际代价,去往邻居点的路段的路段系数];该地图信息格式描述了每个地图点所能到达邻居点,去往邻居点的实际代价(通常是实际的路段长度)以及往邻居点的路段的路段系数(通常可基于各个机器人的当前位置而确定)。基于该新的地图信息格式,可建立目标区域的实时地图。可以理解,该实时地图中,每个地图点所能到达的邻居点以及每个地图点到达对应的各个邻居点的实际代价是固定的,而每个路段的路段系数是基于各个机器人的当前位置而动态确定的,此处不再赘述。由此,后续电子设备即可根据各个机器人的当前位置、目标位置、实时地图及改进后的A星寻路算法规划各个机器人的移动路径。
步骤103,检测是否存在冲突机器人,若是,则执行步骤104,若否,则执行步骤105。
在本申请实施例中,根据各个机器人的机器人时间窗,可检测出是否存在冲突机器人,其中,冲突机器人指的是对同一路段的占用时段重合的机器人。可以理解,该冲突机器人所包含的机器人的数量必然为两个以上,否则无法构成“占用时段重合”(也即“冲突”)的概念。
在一些实施例中,考虑到机器人时间窗主要是从机器人对路段的占用时段进行考虑,而不是对路段的整体占用情况的直接描述,这导致冲突机器人的检测效率较为受限。为提升冲突机器人的检测效率,本申请实施例在此基础上还提出了路段时间窗的概念,则电子设备可先基于各个机器人的移动路径及机器人时间窗,确定该目标区域内的各个路段的路段时间窗,然后再基于各个路段的路段时间窗,检测是否存在冲突机器人。其中,该路段时间窗用于表示路段被各个机器人占用的占用时段。则对于路段ek来说,其路段时间窗可表示为:en k={Tw,1k,Tw,2k,...,Tw,ik,...,Tw,nk},其中,n为任务的数量(也可等价于运行中的机器人的数量)。通过比对其路段时间窗en k中的任意两个元素是否有重合的占用时段(基于元素中的tin,k及tout,k计算而得),即可快速检测出针对该路段ek的所有的冲突机器人。
在一些实施例中,针对任务mi,也可基于该任务mi所对应的移动路径(也即λi={e1,e2,e3,...,ek,...})中的各个路段的路段时间窗,将该任务mi的任务时间窗表示为Di={ei 1,ei 2,ei 3,...,ei k,...}。
步骤104,调整上述冲突机器人的机器人时间窗,并返回执行步骤103。
在本申请实施例中,可对冲突机器人的机器人时间窗进行调整。例如,调整机器人时间窗,使得针对同一路段,在该发生冲突的占用时段内(也即产生重合的占用时段内)只有一个机器人进入该路段,其它机器人可在该路段的端口处稍作等待。也即,针对同一路段,有些机器人可享有优先通过的权利,有些机器人则需要推迟进入该路段(也即将其对该路段的占用时段推迟)。
在一些实施例中,为了使得较为重要的任务可以被优先完成,电子设备可基于冲突机器人中的各个机器人所执行的任务的任务优先级由高至低的顺序(也即机器人优先级由高至低的顺序),对冲突机器人进行排序,之后即可基于预设的调整策略,对冲突机器人中未排于首位的各个机器人的机器人时间窗进行调整,使得冲突机器人对该同一路段的占用时段不重合,其中,该调整策略为:排序越靠后的机器人,对该同一路段的占用时段越靠后。可以理解的是,在调整机器人时间窗的过程中,若推迟了机器人对某一路段的占用时段,则该机器人对其移动路径中的该路段之后的其它路段的占用时段也需要作适应性推迟。
仅作为示例,假定针对路段1,机器人1、机器人2与机器人3存在占用时段重合的情况,且机器人1的优先级最高,机器人3的优先级次高,机器人2的优先级最低,则:
机器人1的机器人时间窗可不作调整。
针对机器人3的机器人时间窗,将机器人3进入该路段1的时刻调整为机器人1离开该路段1的时刻之后,并适应性推迟该机器人3离开该路段1的时刻,同时,还适应性推迟该机器人3对其移动路径中在该路段1之后的其它路段的占用时段。
类似地,针对机器人2的机器人时间窗,将机器人2进入该路段1的时刻调整为机器人3离开该路段1的时刻之后,并适应性推迟该机器人2离开该路段1的时刻,同时,还适应性推迟该机器人2对其移动路径中在该路段1之后的其它路段的占用时段。
通过上述过程,即可使得冲突机器人对该同一路段的占用时段不再发生重合。但需要注意的是,在调整了机器人时间窗后,可能会导致其它路段又产生冲突机器人,基于此,电子设备会返回执行步骤103,检测是否有新的冲突机器人的出现,并在有新的冲突机器人的出现时,再次对冲突机器人的机器人时间窗进行调整,直至所有路段在同一时刻只有一个机器人通过。
考虑到实际场景中,可能有多个路段都产生有冲突机器人,电子设备可针对路段的不同,划分出多组冲突机器人。例如,针对路段1,机器人1、机器人2及机器人3存在占用时段重合的情况,则机器人1、机器人2及机器人3作为一组冲突机器人;针对路段2,机器人4与机器人5存在占用时段重合的情况,则机器人4及机器人5可作为一组冲突机器人。电子设备可以每组冲突机器人为单位,依次对各组冲突机器人的机器人时间窗进行调整,并在每组冲突机器人的机器人时间窗均调整完毕后,再返回执行步骤103及后续步骤。
步骤105,向各个机器人推送对应的移动路径及机器人时间窗。
在本申请实施例中,若未检测到冲突机器人,即可确定在当前各个机器人的机器人时间窗下,所有路段在同一时刻只有一个机器人通过,这可以很好的避免交通拥堵的情况出现。此时,可向各个机器人推送对应的移动路径及机器人时间窗,使得各个机器人可按照当前规划好的移动路径及机器人时间窗进行移动。
在一些实施例中,路段的路段系数还可进一步与该路段的等待通过的机器人相关,具体表现为:等待通过的机器人越多,路段系数越大;也即路段系数可以与等待通过的机器人的数量呈正相关关系。仅作为示例,路段空闲时,该路段的路段系数可以为1;路段当前只有一个机器人占用时,该路段的路段系数为1.5;当路段当前有一个机器人占用,且还有一个机器人在该路段的端口处等待进入时,该路段的路段系数为2;当路段当前有一个机器人占用,且还有两个机器人在该路段的端口处等待进入时,该路段的路段系数为2.5,以此类推,此处不再赘述。这种路段系数的设定方法,不仅考虑到了路段当前被占用的情况,而且考虑到了路段未来一段时间内被占用的情况,能够进一步帮助机器人避开繁忙路段。
在一些实施例中,当某一机器人在移动的过程中出现随机扰动时,电子设备可对该机器人进行交通管制,暂停该机器人的移动,直至该随机扰动消失后再恢复其移动能力。仅作为示例,该随机扰动可以是人员进入场地造成机器人避障,或者机器人因设备故障等情况导致其机器人时间窗无法被完美执行等情况,此处不作限定。
由上可见,通过本申请实施例,在初步规划好机器人的移动路径的同时,也会对机器人对各路段的占用时段(也即机器人时间窗)进行规划,并可通过各个机器人的机器人时间窗来检测是否存在对相同路段的占用时段发生重合的冲突机器人。一旦发现有冲突机器人,就会对这些冲突机器人的机器人时间窗再作调整,以避免机器人后续在规划好的移动路径上移动时,出现多个机器人在同一时间进入相同路段的情况,可减少交通拥堵的情况发生,帮助提升了机器人的运行效率。
对应于上文所提供的路径规划方法,本申请实施例还提供了一种路径规划装置。如图2所示,该路径规划装置200包括:
确定模块201,用于确定目标区域内的各个机器人的当前位置及目标位置;
规划模块202,用于根据上述当前位置及上述目标位置,规划各个机器人的移动路径及机器人时间窗,上述机器人时间窗用于表示机器人对对应的移动路径的各个路段的占用时段;
检测模块203,用于检测是否存在冲突机器人,上述冲突机器人为对同一路段的占用时段重合的机器人;
调整模块204,用于若存在上述冲突机器人,则调整上述冲突机器人的机器人时间窗,并返回执行上述检测是否存在冲突机器人的步骤及后续步骤;
推送模块205,用于若不存在上述冲突机器人,则向各个机器人推送对应的移动路径及机器人时间窗。
可选地,上述调整模块204,包括:
冲突机器人排序单元,用于基于上述冲突机器人中的各个机器人所执行的任务的任务优先级由高至低的顺序,对上述冲突机器人进行排序;
冲突机器人调整单元,用于基于预设的调整策略,对上述冲突机器人中未排于首位的各个机器人的机器人时间窗进行调整,使得上述冲突机器人对上述同一路段的占用时段不重合,其中,上述调整策略为:排序越靠后的机器人,对上述同一路段的占用时段越靠后。
可选地,上述检测模块203,包括:
路段时间窗确定单元,用于基于各个机器人的移动路径及机器人时间窗,确定上述目标区域内的各个路段的路段时间窗,上述路段时间窗用于表示路段被各个机器人占用的占用时段;
冲突机器人检测单元,用于基于各个路段的路段时间窗,检测是否存在上述冲突机器人。
可选地,上述规划模块202,包括:
第一规划单元,用于根据上述当前位置及上述目标位置,规划各个机器人的移动路径;
第二规划单元,用于根据各个机器人的移动速度及移动路径,规划各个机器人的机器人时间窗。
可选地,上述第一规划单元,具体用于根据上述当前位置、上述目标位置及改进后的A星寻路算法规划各个机器人的移动路径,其中,上述改进后的A星寻路算法基于实际代价、路段系数及预估代价对总移动代价进行计算,上述路段系数用于表示路段当前被占用的情况。
可选地,上述路径规划装置200还包括:
建立单元,用于建立上述目标区域的实时地图,上述实时地图包括:每个地图点所能到达的邻居点,每个地图点到达各个邻居点的实际代价,以及每个地图点与各个邻居点所形成的路段的路段系数,其中,上述路段系数基于上述目标区域内的各个机器人的当前位置而确定;
相应地,上述第一规划单元,具体用于根据上述当前位置、上述目标位置、上述实时地图及上述改进后的A星寻路算法规划各个机器人的移动路径。
可选地,上述路径规划装置200还包括:
获取模块,用于获取待执行的任务;
分配模块,用于基于上述待执行的任务的任务内容为上述待执行的任务分配机器人;
相应地,上述确定模块201,包括:
当前位置确定单元,用于根据各个机器人所搭载的定位系统确定各个机器人的当前位置;
目标位置确定单元,用于根据各个机器人所被分配的任务确定各个机器人的目标位置。
由上可见,通过本申请实施例,路径规划装置在初步规划好机器人的移动路径的同时,也会对机器人对各路段的占用时段(也即机器人时间窗)进行规划,并可通过各个机器人的机器人时间窗来检测是否存在对相同路段的占用时段发生重合的冲突机器人。一旦发现有冲突机器人,就会对这些冲突机器人的机器人时间窗再作调整,以避免机器人后续在规划好的移动路径上移动时,出现多个机器人在同一时间进入相同路段的情况,可减少交通拥堵的情况发生,帮助提升了机器人的运行效率。
对应于上文所提供的路径规划方法,本申请实施例还提供了一种电子设备。请参阅图3,本申请实施例中的电子设备3包括:存储器301,一个或多个处理器302(图3中仅示出一个)及存储在存储器301上并可在处理器上运行的计算机程序。其中:存储器301用于存储软件程序以及单元,处理器302通过运行存储在存储器301的软件程序以及单元,从而执行各种功能应用以及诊断,以获取上述预设事件对应的资源。具体地,处理器302通过运行存储在存储器301的上述计算机程序时实现以下步骤:
确定目标区域内的各个机器人的当前位置及目标位置;
根据上述当前位置及上述目标位置,规划各个机器人的移动路径及机器人时间窗,上述机器人时间窗用于表示机器人对对应的移动路径的各个路段的占用时段;
检测是否存在冲突机器人,上述冲突机器人为对同一路段的占用时段重合的机器人;
若存在上述冲突机器人,则调整上述冲突机器人的机器人时间窗,并返回执行上述检测是否存在冲突机器人的步骤及后续步骤;
若不存在上述冲突机器人,则向各个机器人推送对应的移动路径及机器人时间窗。
假设上述为第一种可能的实施方式,则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中,上述调整上述冲突机器人的机器人时间窗,包括:
基于上述冲突机器人中的各个机器人所执行的任务的任务优先级由高至低的顺序,对上述冲突机器人进行排序;
基于预设的调整策略,对上述冲突机器人中未排于首位的各个机器人的机器人时间窗进行调整,使得上述冲突机器人对上述同一路段的占用时段不重合,其中,上述调整策略为:排序越靠后的机器人,对上述同一路段的占用时段越靠后。
在上述第一种可能的实施方式作为基础而提供的第三种可能的实施方式中,上述检测是否存在冲突机器人,包括:
基于各个机器人的移动路径及机器人时间窗,确定上述目标区域内的各个路段的路段时间窗,上述路段时间窗用于表示路段被各个机器人占用的占用时段;
基于各个路段的路段时间窗,检测是否存在上述冲突机器人。
在上述第一种可能的实施方式作为基础而提供的第四种可能的实施方式中,上述根据上述当前位置及上述目标位置,规划各个机器人的移动路径及机器人时间窗,包括:
根据上述当前位置及上述目标位置,规划各个机器人的移动路径;
根据各个机器人的移动速度及移动路径,规划各个机器人的机器人时间窗。
在上述第四种可能的实施方式作为基础而提供的第五种可能的实施方式中,上述根据上述当前位置及上述目标位置,规划各个机器人的移动路径,包括:
根据上述当前位置、上述目标位置及改进后的A星寻路算法规划各个机器人的移动路径,其中,上述改进后的A星寻路算法基于实际代价、路段系数及预估代价对总移动代价进行计算,上述路段系数用于表示路段当前被占用的情况。
在上述第五种可能的实施方式作为基础而提供的第六种可能的实施方式中,在上述根据上述当前位置、上述目标位置及改进后的A星寻路算法规划各个机器人的移动路径之前,处理器302通过运行存储在存储器301的上述计算机程序时还实现以下步骤:
建立上述目标区域的实时地图,上述实时地图包括:每个地图点所能到达的邻居点,每个地图点到达各个邻居点的实际代价,以及每个地图点与各个邻居点所形成的路段的路段系数,其中,上述路段系数基于上述目标区域内的各个机器人的当前位置而确定;
相应地,上述根据上述当前位置、上述目标位置及改进后的A星寻路算法规划各个机器人的移动路径,包括:
根据上述当前位置、上述目标位置、上述实时地图及上述改进后的A星寻路算法规划各个机器人的移动路径。
在上述第一种可能的实施方式作为基础,或者上述第二种可能的实施方式作为基础,或者上述第三种可能的实施方式作为基础,或者上述第四种可能的实施方式作为基础,或者上述第五种可能的实施方式作为基础,或者上述第六种可能的实施方式作为基础而提供的第七种可能的实施方式中,在上述确定目标区域内的各个机器人的当前位置及目标位置之前,处理器302通过运行存储在存储器301的上述计算机程序时还实现以下步骤:
获取待执行的任务;
基于上述待执行的任务的任务内容为上述待执行的任务分配机器人;
相应地,上述确定目标区域内的各个机器人的当前位置及目标位置,包括:
根据各个机器人所搭载的定位系统确定各个机器人的当前位置;
根据各个机器人所被分配的任务确定各个机器人的目标位置。
应当理解,在本申请实施例中,所称处理器302可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器301可以包括只读存储器和随机存取存储器,并向处理器302提供指令和数据。存储器301的一部分或全部还可以包括非易失性随机存取存储器。例如,存储器301还可以存储设备类别的信息。
由上可见,通过本申请实施例,电子设备在初步规划好机器人的移动路径的同时,也会对机器人对各路段的占用时段(也即机器人时间窗)进行规划,并可通过各个机器人的机器人时间窗来检测是否存在对相同路段的占用时段发生重合的冲突机器人。一旦发现有冲突机器人,就会对这些冲突机器人的机器人时间窗再作调整,以避免机器人后续在规划好的移动路径上移动时,出现多个机器人在同一时间进入相同路段的情况,可减少交通拥堵的情况发生,帮助提升了机器人的运行效率。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者外部设备软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,上述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关联的硬件来完成,上述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读存储介质可以包括:能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机可读存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括是电载波信号和电信信号。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种路径规划方法,其特征在于,包括:
确定目标区域内的各个机器人的当前位置及目标位置;
根据所述当前位置及所述目标位置,规划各个机器人的移动路径及机器人时间窗,所述机器人时间窗用于表示机器人对对应的移动路径的各个路段的占用时段;
检测是否存在冲突机器人,所述冲突机器人为对同一路段的占用时段重合的机器人;
若存在所述冲突机器人,则调整所述冲突机器人的机器人时间窗,并返回执行所述检测是否存在冲突机器人的步骤及后续步骤;
若不存在所述冲突机器人,则向各个机器人推送对应的移动路径及机器人时间窗。
2.如权利要求1所述的路径规划方法,其特征在于,所述调整所述冲突机器人的机器人时间窗,包括:
基于所述冲突机器人中的各个机器人所执行的任务的任务优先级由高至低的顺序,对所述冲突机器人进行排序;
基于预设的调整策略,对所述冲突机器人中未排于首位的各个机器人的机器人时间窗进行调整,使得所述冲突机器人对所述同一路段的占用时段不重合,其中,所述调整策略为:排序越靠后的机器人,对所述同一路段的占用时段越靠后。
3.如权利要求1所述的路径规划方法,其特征在于,所述检测是否存在冲突机器人,包括:
基于各个机器人的移动路径及机器人时间窗,确定所述目标区域内的各个路段的路段时间窗,所述路段时间窗用于表示路段被各个机器人占用的占用时段;
基于各个路段的路段时间窗,检测是否存在所述冲突机器人。
4.如权利要求1所述的路径规划方法,其特征在于,所述根据所述当前位置及所述目标位置,规划各个机器人的移动路径及机器人时间窗,包括:
根据所述当前位置及所述目标位置,规划各个机器人的移动路径;
根据各个机器人的移动速度及移动路径,规划各个机器人的机器人时间窗。
5.如权利要求4所述的路径规划方法,其特征在于,所述根据所述当前位置及所述目标位置,规划各个机器人的移动路径,包括:
根据所述当前位置、所述目标位置及改进后的A星寻路算法规划各个机器人的移动路径,其中,所述改进后的A星寻路算法基于实际代价、路段系数及预估代价对总移动代价进行计算,所述路段系数用于表示路段当前被占用的情况。
6.如权利要求5所述的路径规划方法,其特征在于,在所述根据所述当前位置、所述目标位置及改进后的A星寻路算法规划各个机器人的移动路径之前,所述路径规划方法还包括:
建立所述目标区域的实时地图,所述实时地图包括:每个地图点所能到达的邻居点,每个地图点到达各个邻居点的实际代价,以及每个地图点与各个邻居点所形成的路段的路段系数,其中,所述路段系数基于所述目标区域内的各个机器人的当前位置而确定;
相应地,所述根据所述当前位置、所述目标位置及改进后的A星寻路算法规划各个机器人的移动路径,包括:
根据所述当前位置、所述目标位置、所述实时地图及所述改进后的A星寻路算法规划各个机器人的移动路径。
7.如权利要求1至6任一项所述的路径规划方法,其特征在于,在所述确定目标区域内的各个机器人的当前位置及目标位置之前,所述路径规划方法还包括:
获取待执行的任务;
基于所述待执行的任务的任务内容为所述待执行的任务分配机器人;
相应地,所述确定目标区域内的各个机器人的当前位置及目标位置,包括:
根据各个机器人所搭载的定位系统确定各个机器人的当前位置;
根据各个机器人所被分配的任务确定各个机器人的目标位置。
8.一种路径规划装置,其特征在于,包括:
确定模块,用于确定目标区域内的各个机器人的当前位置及目标位置;
规划模块,用于根据所述当前位置及所述目标位置,规划各个机器人的移动路径及机器人时间窗,所述机器人时间窗用于表示机器人对对应的移动路径的各个路段的占用时段;
检测模块,用于检测是否存在冲突机器人,所述冲突机器人为对同一路段的占用时段重合的机器人;
调整模块,用于若存在所述冲突机器人,则调整所述冲突机器人的机器人时间窗,并返回执行所述检测是否存在冲突机器人的步骤及后续步骤;
推送模块,用于若不存在所述冲突机器人,则向各个机器人推送对应的移动路径及机器人时间窗。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111221284.3A CN114063612B (zh) | 2021-10-20 | 一种路径规划方法、路径规划装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111221284.3A CN114063612B (zh) | 2021-10-20 | 一种路径规划方法、路径规划装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114063612A true CN114063612A (zh) | 2022-02-18 |
CN114063612B CN114063612B (zh) | 2024-06-21 |
Family
ID=
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024007731A1 (zh) * | 2022-05-26 | 2024-01-11 | 北京极智嘉科技股份有限公司 | 多机器人的运动调度方法及装置 |
WO2024098515A1 (zh) * | 2022-11-11 | 2024-05-16 | 劢微机器人科技(深圳)有限公司 | 一种基于动态时间窗插入的amr无死锁路径规划方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251016A (zh) * | 2016-08-01 | 2016-12-21 | 南通大学 | 一种基于动态时间窗的泊车系统路径规划方法 |
KR101740529B1 (ko) * | 2015-12-30 | 2017-05-30 | 한국철도기술연구원 | 무인운전차량의 주행경로 결정 및 배차 방법 |
CN107167154A (zh) * | 2017-04-21 | 2017-09-15 | 东南大学 | 一种基于时间代价函数的时间窗路径规划冲突解决方法 |
CN107727099A (zh) * | 2017-09-29 | 2018-02-23 | 山东大学 | 一种工厂内物料运输多agv调度及路径规划方法 |
CN109991977A (zh) * | 2019-03-04 | 2019-07-09 | 斯坦德机器人(深圳)有限公司 | 机器人的路径规划方法及装置 |
CN110174111A (zh) * | 2019-05-31 | 2019-08-27 | 山东华锐智能技术有限公司 | 基于时间窗的任务分段式的多agv路径规划算法 |
CN110231044A (zh) * | 2019-06-10 | 2019-09-13 | 北京三快在线科技有限公司 | 一种路径规划方法及装置 |
CN111136658A (zh) * | 2019-12-30 | 2020-05-12 | 广东博智林机器人有限公司 | 机器人的控制方法、装置、电子设备及存储介质 |
CN111633655A (zh) * | 2020-06-06 | 2020-09-08 | 杭州电子科技大学 | 一种分布式自主移动机器人交通调度方法 |
CN111721297A (zh) * | 2020-06-19 | 2020-09-29 | 重庆大学 | 一种智能车库多agv的路径规划方法 |
CN112462763A (zh) * | 2020-11-18 | 2021-03-09 | 河北工业大学 | 一种基于栅格地图的割草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 |
CN113031603A (zh) * | 2021-03-05 | 2021-06-25 | 湖南大学 | 一种基于任务优先级的多物流机器人协同路径规划方法 |
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 |
CN113311829A (zh) * | 2021-05-11 | 2021-08-27 | 北京理工大学 | 一种基于动态时间窗冲突搜索的多机器人路径规划方法 |
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101740529B1 (ko) * | 2015-12-30 | 2017-05-30 | 한국철도기술연구원 | 무인운전차량의 주행경로 결정 및 배차 방법 |
CN106251016A (zh) * | 2016-08-01 | 2016-12-21 | 南通大学 | 一种基于动态时间窗的泊车系统路径规划方法 |
CN107167154A (zh) * | 2017-04-21 | 2017-09-15 | 东南大学 | 一种基于时间代价函数的时间窗路径规划冲突解决方法 |
CN107727099A (zh) * | 2017-09-29 | 2018-02-23 | 山东大学 | 一种工厂内物料运输多agv调度及路径规划方法 |
CN109991977A (zh) * | 2019-03-04 | 2019-07-09 | 斯坦德机器人(深圳)有限公司 | 机器人的路径规划方法及装置 |
CN110174111A (zh) * | 2019-05-31 | 2019-08-27 | 山东华锐智能技术有限公司 | 基于时间窗的任务分段式的多agv路径规划算法 |
CN110231044A (zh) * | 2019-06-10 | 2019-09-13 | 北京三快在线科技有限公司 | 一种路径规划方法及装置 |
CN111136658A (zh) * | 2019-12-30 | 2020-05-12 | 广东博智林机器人有限公司 | 机器人的控制方法、装置、电子设备及存储介质 |
CN111633655A (zh) * | 2020-06-06 | 2020-09-08 | 杭州电子科技大学 | 一种分布式自主移动机器人交通调度方法 |
CN111721297A (zh) * | 2020-06-19 | 2020-09-29 | 重庆大学 | 一种智能车库多agv的路径规划方法 |
CN112462763A (zh) * | 2020-11-18 | 2021-03-09 | 河北工业大学 | 一种基于栅格地图的割草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 |
CN113031603A (zh) * | 2021-03-05 | 2021-06-25 | 湖南大学 | 一种基于任务优先级的多物流机器人协同路径规划方法 |
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 |
CN113311829A (zh) * | 2021-05-11 | 2021-08-27 | 北京理工大学 | 一种基于动态时间窗冲突搜索的多机器人路径规划方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024007731A1 (zh) * | 2022-05-26 | 2024-01-11 | 北京极智嘉科技股份有限公司 | 多机器人的运动调度方法及装置 |
WO2024098515A1 (zh) * | 2022-11-11 | 2024-05-16 | 劢微机器人科技(深圳)有限公司 | 一种基于动态时间窗插入的amr无死锁路径规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109991977B (zh) | 机器人的路径规划方法及装置 | |
CN109947100B (zh) | 路径规划方法、系统及终端设备 | |
CN110471418B (zh) | 智能停车场中的agv调度方法 | |
TWI676090B (zh) | 用於多個機器人之移動控制方法以及其系統 | |
CN109901578B (zh) | 一种控制多机器人的方法、装置及终端设备 | |
US10824166B2 (en) | Methods and systems of distributing task regions for a plurality of cleaning devices | |
CN110645991B (zh) | 一种基于节点调节的路径规划方法、装置及服务器 | |
CN113682318B (zh) | 车辆行驶控制方法及装置 | |
CN111735466B (zh) | 一种多车协同轨迹规划方法、装置、设备及存储介质 | |
CN113219993B (zh) | 一种路径规划方法及清洁机器人 | |
Ma et al. | A time-independent trajectory optimization approach for connected and autonomous vehicles under reservation-based intersection control | |
CN109115220B (zh) | 一种用于停车场系统路径规划的方法 | |
CN112454367B (zh) | 一种轨迹规划方法、装置以及计算机存储介质 | |
CN113619602B (zh) | 引导车辆行驶的方法及相关系统、存储介质 | |
US20230152820A1 (en) | Automated guided vehicle scheduling method, electronic device and computer-readable storage medium | |
CN113899383B (zh) | 基于短路径的多车防死锁方法、系统、设备及存储介质 | |
CN113219992A (zh) | 一种路径规划方法及清洁机器人 | |
CN112824198A (zh) | 一种轨迹决策方法、装置、设备和存储介质 | |
CN113442908B (zh) | 自动泊车路径规划方法及系统、泊车控制设备 | |
CN113532443A (zh) | 路径规划方法、装置、电子设备及介质 | |
CN111461396A (zh) | 物流排线方法、装置、电子设备及可读存储介质 | |
CN110930092B (zh) | 一种配送路线调整方法、装置、电子设备和存储介质 | |
CN114063612A (zh) | 一种路径规划方法、路径规划装置及电子设备 | |
CN114063612B (zh) | 一种路径规划方法、路径规划装置及电子设备 | |
CN113867371A (zh) | 路径规划方法和电子设备 |
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 |