CN114089747A - 一种基于时间片的多agv路径规划方法 - Google Patents

一种基于时间片的多agv路径规划方法 Download PDF

Info

Publication number
CN114089747A
CN114089747A CN202111304892.0A CN202111304892A CN114089747A CN 114089747 A CN114089747 A CN 114089747A CN 202111304892 A CN202111304892 A CN 202111304892A CN 114089747 A CN114089747 A CN 114089747A
Authority
CN
China
Prior art keywords
agv
grid
time
path
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
CN202111304892.0A
Other languages
English (en)
Other versions
CN114089747B (zh
Inventor
钟泽邦
邹雪丰
张校志
张洊闻
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.)
Ji Hua Laboratory
Original Assignee
Ji Hua Laboratory
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 Ji Hua Laboratory filed Critical Ji Hua Laboratory
Priority to CN202111304892.0A priority Critical patent/CN114089747B/zh
Publication of CN114089747A publication Critical patent/CN114089747A/zh
Application granted granted Critical
Publication of CN114089747B publication Critical patent/CN114089747B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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
    • G05D1/0289—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 with means for avoiding collisions between vehicles
    • 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
    • Y02P90/60—Electric or hybrid propulsion means for production processes

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提供了一种基于时间片的多AGV路径规划方法，涉及机器人控制技术领域，采用基于时间片的调度方法，通过将AGV的运动路径保存到时间+空间的地图中，可以让AGV在无法与控制中心或其它AGV进行实时通信的情况下进行路径规划。本发明有益效果：对恶劣环境具有较强的适应性；相较于其它预先设计运动路径的方法，本方法中各AGV在同时刻占用的物理空间更小，可以提升工作效率；考虑了AGV在运行过程中的运行误差，增加了路径规划的冗余。

Description

一种基于时间片的多AGV路径规划方法
技术领域
本发明属于机器人控制技术领域，具体地涉及一种基于时间片的多AGV路径规划方法。
背景技术
在有多个AGV的环境中对AGV进行路径规划时，往往需要考虑其它AGV对该AGV路径产生的影响。为了避免多AGV间产生的路径干扰，传统方法往往需要AGV和控制中心进行实时数据传输，同时需要AGV使用雷达等设备对周围障碍进行识别和避障。在特殊环境下(如沙尘暴，宇宙射线)，AGV与控制中心无法进行实时通信，也无法使用传感器识别周围环境，只能使用提前规划好的路径进行工作。
在以往的方法中，如对比文件201711441555.X中，只考虑了AGV完全依照路径规划和运动规划进行运动的情况。而在实际生产环境中，AGV的运动受到其自身性能、负载、工作环境等因素的影响，理论与实际位置会产生误差，影响多AGV间的协同。
发明内容
本发明提供一种基于时间片的多AGV路径规划方法，解决现有技术中AGV路径规划方法需要实时通信等问题。
本发明提供一种基于时间片的多AGV路径规划方法，包括：
(1)储存AGV在时间段ts_i中的位置和概率，表示为：ts_i＝{[agv_1,x_1,y_1,p_1],[agv_2,x_2,y_2,p_2],[agv_3,x_3,y_3,p_3],...,[agv_n,x_m,y_m,p_m],[agv_m,x_n,y_n,p_n]}，其中agv_n为agv的编号，x_n，y_n为agv_n在时刻t_i所处的位置，p_n则为agv_n在时刻t_i时处于该位置的概率；
(2)设置时间片长度t，单一时间片中可接受的碰撞概率阈值ps，在路径总时间内可接受的碰撞概率阈值pt；创建一个空的数据存储结构D[X][Y][1]，所有的元素标记为0，其中X，Y分别为栅格地图的横纵长度，1表示当前时间片数量为1，元素标记0则代表当前栅格可能存在AGV的概率为0；
(3)将栅格地图中有障碍物的元素标记为-1；
(4)控制中心接收到AGV1的运动请求，使用A*算法计算AGV的运动路径；
(5)根据AGV的运动学和动力学参数估计AGV运动所需要的时间片数量N；
(6)复制时间片t_0，扩展D[X][Y][1]至D[X][Y][N]，将有障碍物的元素均标记为-1；
(7)根据(5)中的计算结果计算AGV1在时间片t_i中所在的栅格位置，同时根据AGV1产生运动误差的概率，向理论位置所在栅格和考虑到误差影响所在栅格填入相应的碰撞概率pi；
(8)控制中心接收到AGV2的运动请求；
(9)使用广度优先算法(BFS)来计算AGV2的运动路径；
(10)将步骤(9)计算得到的运动路径发送给AGV2，使其按照运动路径开始运动。
本发明所述步骤(9)中使用广度优先算法(BFS)来计算AGV2的运动路径的具体方法为：
a、假设的初始位置为[x_3,y_3,t0]，目的位置为[x_4,y_4,t1]；
b、搜索AGV2在下一时间片中相邻的栅格[x_3±1,y_3±1,t0+1]，排除碰撞概率超过阈值的栅格，同时记录当前栅格的碰撞概率值p_i；
c、继续搜索下一时间片AGV2可以运行到的位置，排除碰撞概率超过阈值ps的栅格，同时记录当前栅格的碰撞概率值p_j,判断累计不碰撞概率(1-p_i)*(1-p_j)是否低于安全阈值pt，若超过则删除该路径；
d、继续搜索，当搜索到栅格[x_4,y_4,t1]时，则可以确定AGV2的运动路径。
应当理解，发明内容部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征，亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。
本发明有益效果：本发明针对过去路径规划方法需要实时通信的问题，提供一种基于时间片的多AGV路径规划方法，在不需要实时通信的情况下完成多AGV的全局路径规划，同时可以最大化利用环境空间，具有以下几个方面的优点，(1)本发明采用的路径规划算法不需要AGV与控制中心或AGV间的通信即可并行工作，对恶劣环境具有较强的适应性；(2)相较于其它预先设计运动路径的方法，本方法中各AGV在同时刻占用的物理空间更小，可以提升工作效率；(3)考虑了AGV在运行过程中的运行误差，增加了路径规划的冗余；(4)操作人员可以根据AGV的性能和环境的恶劣程度，调节时间片的大小、栅格大小、和AGV在时间片中占用的栅格数量，来应对不同情况。
附图说明
图1为本发明AGV周围环境情况示意图；
图2为本发明AGV周围环境时间片存储格式示意图；
图3为本发明时间片t_i时AGV情况示意图；
图4为本发明时间片t_i时AGV时间片碰撞概率示意图；
图5为本发明时间片t_i+1时AGV情况示意图；
图6为本发明时间片t_i+1时AGV时间片碰撞概率示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本发明保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
本发明基于时间片的多AGV路径规划方法，通过将AGV的运动路径保存到时间+空间的地图中，可以让AGV在无法与控制中心或其它AGV进行实时通信的情况下进行路径规划，同时考虑到AGV运动产生的误差，让路径尽量降低产生冲突的位置，同时减少了AGV路径冲突的情况，提升了多AGV工作的效率。
本发明采用的方案需要储存AGV在各个时间段中的位置和概率，如ts_0,ts_1,…,ts_n，而每个时间片ts_i中储存了各AGV在时间t_i规划路径所在的位置和概率，故可表示为:
ts_i＝{[agv_1,x_1,y_1,p_1],[agv_1,x_2,y_2,p_2],[agv_1,x_3,y_23p_3],...,[agv_n,x_m,y_m,p_m],[agv_m,x_n,y_n,p_n]}；
其中agv_n为agv的编号，x_n,y_n为agv_n在时刻t_i所处的位置,p_n则为agv_n在该时刻时处于该位置的概率。
用户设置时间片长度t，同时设置在单一时间片t中可接受的碰撞概率阈值ps，和在路径总时间内可接受的碰撞概率阈值pt。
本发明中路径规划方法的具体流程为：
1.创建一个空的数据存储结构D[X][Y][1]，所有的元素标记为0，其中其中X，Y分别为栅格地图的横纵长度，1表示当前时间片数量为1，元素标记0则代表当前栅格可能存在AGV的概率为0；
2.将栅格地图中的有障碍物的元素标记为-1；
3.控制中心接收到AGV的运动请求，如agv_1从坐标x_1,y_1移动到x_2,y_2；
4.使用A*算法计算从坐标x_1,y_1移动到x_2,y_2的路径；
5.根据AGV的运动学和动力学参数估计agv_1运动所需要的时间片数量，如N；
6.扩展D[X][Y][1]至D[X][Y][N]，将有障碍物的元素均标记为-1；
7.根据5中的计算结果计算agv_1在时间片t_i所在的栅格位置，同时根据AGV产生误差的概率，向理论位置所在栅格和考虑到误差影响所在栅格填入相应的碰撞概率pi；
8.控制中心接收到AGV的运动请求，如agv_2从坐标x_3,y_3移动到x_4,y_4
9.使用广度优先算法(BFS)来计算agv_2从x_3,y_3到x_4,y_4的路径，具体方法为：
a.agv_2的初始位置为[x_3,y_3,t0]；
b.搜索agv_2在下一时间片中相邻的栅格[x_3+-1,y_3+-1,t0+1]，排除碰撞概率超过阈值的栅格，同时记录当前栅格的值p_i；
c.继续搜索下一时刻agv_2可以运行到的位置，排除碰撞概率超过阈值Ps的栅格，同时记录当前栅格的值p_j,判断累计不碰撞概率(1-p_i)*(1-p_j)是否低于安全阈值Pt，若超过则删除该路径；
d.当搜索到栅格[x_4,y_4,t1]时，则可以确定路径[x_3,y_3,t0]至[x_4,y_4,t1]为agv_2运行所经过的路径；
10.将路径发送给agv，使其开始运动。
本发明采用基于时间片的调度方法，通过将AGV的运动路径保存到时间+空间的地图中，可以让AGV在无法与控制中心或其它AGV进行实时通信的情况下进行路径规划，同时考虑到AGV运动产生的误差，让路径尽量降低产生冲突的位置，同时减少了AGV路径冲突的情况，提升了多AGV工作的效率。
针对过去路径规划方法需要实时通信的问题，本方法可以在不需要实时通信的情况下完成多AGV的全局路径规划，同时可以最大化利用环境空间。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (2)

1.一种基于时间片的多AGV路径规划方法，其特征在于，包括：
(1)储存AGV在时间段ts_i中的位置和概率，表示为：ts_i＝{[agv_1,x_1,y_1,p_1],[agv_2,x_2,y_2,p_2],[agv_3,x_3,y_3,p_3],...,[agv_n,x_m,y_m,p_m],[agv_m,x_n,y_n,p_n]}，其中agv_n为agv的编号，x_n，y_n为agv_n在时刻t_i所处的位置，p_n则为agv_n在时刻t_i时处于该位置的概率；
(2)设置时间片长度t，单一时间片中可接受的碰撞概率阈值ps，在路径总时间内可接受的碰撞概率阈值pt；创建一个空的数据存储结构D[X][Y][1]，所有的元素标记为0，其中X，Y分别为栅格地图的横纵长度，1表示当前时间片数量为1，元素标记0则代表当前栅格可能存在AGV的概率为0；
(3)将栅格地图中有障碍物的元素标记为-1；
(4)控制中心接收到AGV1的运动请求，使用A*算法计算AGV的运动路径；
(5)根据AGV的运动学和动力学参数估计AGV运动所需要的时间片数量N；
(6)复制时间片t_0，扩展D[X][Y][1]至D[X][Y][N]，将有障碍物的元素均标记为-1；
(7)根据(5)中的计算结果计算AGV1在时间片t_i所在的栅格位置，同时根据AGV1产生运动误差的概率，向理论位置所在栅格和考虑到误差影响所在栅格填入相应的碰撞概率pi；
(8)控制中心接收到AGV2的运动请求；
(9)使用广度优先算法(BFS)来计算AGV2的运动路径；
(10)将步骤(9)计算得到的运动路径发送给AGV2，使其按照运动路径开始运动。
2.根据权利要求1所述的一种基于时间片的多AGV路径规划方法，其特征在于，所述步骤(9)中使用广度优先算法(BFS)来计算AGV2的运动路径的具体方法为：
a、假设的初始位置为[x_3,y_3,t0]，目的位置为[x_4,y_4,t1]；
b、搜索AGV2在下一时间片中相邻的栅格[x_3+-1,y_3+-1,t0+1]，排除碰撞概率超过阈值的栅格，同时记录当前栅格的碰撞概率值pi；
c、继续搜索下一时间片AGV2可以运行到的位置，排除碰撞概率超过阈值ps的栅格，同时记录当前栅格的值p_j,判断累计不碰撞概率(1-p_i)*(1-p_j)是否低于安全阈值pt，若超过则删除该路径；
d、继续搜索，当搜索到栅格[x_4,y_4,t1]时，则可以确定AGV2的运动路径。
CN202111304892.0A 2021-11-05 2021-11-05 一种基于时间片的多agv路径规划方法 Active CN114089747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111304892.0A CN114089747B (zh) 2021-11-05 2021-11-05 一种基于时间片的多agv路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111304892.0A CN114089747B (zh) 2021-11-05 2021-11-05 一种基于时间片的多agv路径规划方法

Publications (2)

Publication Number Publication Date
CN114089747A true CN114089747A (zh) 2022-02-25
CN114089747B CN114089747B (zh) 2023-07-04

Family

ID=80298999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111304892.0A Active CN114089747B (zh) 2021-11-05 2021-11-05 一种基于时间片的多agv路径规划方法

Country Status (1)

Country Link
CN (1) CN114089747B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016045615A1 (zh) * 2014-09-25 2016-03-31 科沃斯机器人有限公司 机器人静态路径规划方法
WO2017173990A1 (zh) * 2016-04-07 2017-10-12 北京进化者机器人科技有限公司 一种机器人避障中的最短路径规划方法
CN112612275A (zh) * 2020-12-23 2021-04-06 南京市晨枭软件技术有限公司 一种数据库机房复杂路径规划系统及其规划方法
CN112833905A (zh) * 2021-01-08 2021-05-25 北京大学 基于改进a*算法的分布式多agv无碰撞路径规划方法
US20210191404A1 (en) * 2018-02-28 2021-06-24 Five AI Limited Path planning in mobile robots
CN113074728A (zh) * 2021-03-05 2021-07-06 北京大学 基于跳点寻路与协同避障的多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
WO2016045615A1 (zh) * 2014-09-25 2016-03-31 科沃斯机器人有限公司 机器人静态路径规划方法
WO2017173990A1 (zh) * 2016-04-07 2017-10-12 北京进化者机器人科技有限公司 一种机器人避障中的最短路径规划方法
US20210191404A1 (en) * 2018-02-28 2021-06-24 Five AI Limited Path planning in mobile robots
CN112612275A (zh) * 2020-12-23 2021-04-06 南京市晨枭软件技术有限公司 一种数据库机房复杂路径规划系统及其规划方法
CN112833905A (zh) * 2021-01-08 2021-05-25 北京大学 基于改进a*算法的分布式多agv无碰撞路径规划方法
CN113074728A (zh) * 2021-03-05 2021-07-06 北京大学 基于跳点寻路与协同避障的多agv路径规划方法

Also Published As

Publication number Publication date
CN114089747B (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
US20210109537A1 (en) Autonomous exploration framework for indoor mobile robotics using reduced approximated generalized voronoi graph
Cao et al. TARE: A Hierarchical Framework for Efficiently Exploring Complex 3D Environments.
CN108549385B (zh) 一种结合a*算法和vfh避障算法的机器人动态路径规划方法
KR102466940B1 (ko) 로봇 주행용 위상 지도 생성 장치 및 방법
US11300964B2 (en) Method and system for updating occupancy map for a robotic system
CN111543908B (zh) 一种行进路径、智能设备行进路径规划方法和装置
CN112526993B (zh) 栅格地图更新方法、装置、机器人及存储介质
CN110456825B (zh) 一种基于改进快速随机搜索树的无人机在线运动规划方法
CN109931942A (zh) 机器人路径生成方法、装置、机器人和存储介质
KR101427186B1 (ko) 미지환경에서 지능형 로봇의 이동경로 생성을 위한 영역탐색 및 매핑 장치
CN112068588A (zh) 一种基于飞行走廊和贝塞尔曲线的无人飞行器轨迹生成方法
KR101949609B1 (ko) 대표 광선 기반의 점유맵 업데이트 방법 및 시스템
CN112432648A (zh) 一种移动型机器人安全运动轨迹的实时规划方法
CN116982011A (zh) 用于更新机器人用于自定位的环境地图的方法和装置
CN114740846A (zh) 面向拓扑-栅格-度量混合地图的分层路径规划方法
JP7047576B2 (ja) 地図作成装置
CN105527968A (zh) 信息处理方法和信息处理装置
CN114995415A (zh) 一种基于时空可达集理论的自动驾驶汽车轨迹规划方法
CN114089747A (zh) 一种基于时间片的多agv路径规划方法
CN113375686A (zh) 路径规划的方法、装置以及智能输送系统
CN116136417B (zh) 一种面向越野环境的无人驾驶车辆局部路径规划方法
KR20220102684A (ko) 무인이동체를 위한 인공지능 기반의 경로 재계획 방법 및 장치
CN113885567B (zh) 一种基于冲突搜索的多无人机的协同路径规划方法
CN115268461A (zh) 一种融合算法的移动机器人自主导航方法
CN112578798B (zh) 机器人地图获取方法、装置、处理器和电子装置

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