CN114721382A - 一种无人车调度方法、装置及系统 - Google Patents

一种无人车调度方法、装置及系统 Download PDF

Info

Publication number
CN114721382A
CN114721382A CN202210339281.8A CN202210339281A CN114721382A CN 114721382 A CN114721382 A CN 114721382A CN 202210339281 A CN202210339281 A CN 202210339281A CN 114721382 A CN114721382 A CN 114721382A
Authority
CN
China
Prior art keywords
station
unmanned vehicle
vehicle
virtual area
unmanned
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
Application number
CN202210339281.8A
Other languages
English (en)
Inventor
彭丹
林仕杰
杨权帮
钟广炯
李航
闫世杰
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.)
Gree Electric Appliances Inc of Zhuhai
Original Assignee
Gree Electric Appliances Inc of Zhuhai
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 Gree Electric Appliances Inc of Zhuhai filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202210339281.8A priority Critical patent/CN114721382A/zh
Publication of CN114721382A publication Critical patent/CN114721382A/zh
Pending legal-status Critical Current

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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • 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
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Optics & Photonics (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开一种无人车调度方法、装置及系统。其中，该方法包括：根据至少两辆无人车的设定路径，确定交叉站点；以所述交叉站点的坐标为中心，构建虚拟区域模型；若无人车的下一个站点处于所述虚拟区域模型内，且有其他无人车的当前坐标处于所述虚拟区域模型内，则控制即将进入所述虚拟区域模型的无人车停车。本发明基于无人车设定路径能够确定出交叉路口的位置，并针对交叉路口构建虚拟区域模型，在无人车行驶过程中，基于该虚拟区域模型，能够及时控制无人车停车，防止无人车在通过交叉路口时发生运动干涉，使无人车依次有序通过交叉路口，避免碰撞，并且能够提升狭窄空间的道路规划利用率。

Description

一种无人车调度方法、装置及系统
技术领域
本发明涉及无人车调度技术领域，具体而言，涉及一种无人车调度方法、装置及系统。
背景技术
工厂激光无人车在慢慢普及，激光SLAM(Simultaneous Localization andMapping，即时定位与地图构建)无人车相比磁导航或二维码导航无人车而言，具有路线灵活，数据信息处理丰富，维护方便等优点。
在工厂或车间可使用无人搬运车(Automated Guided Vehicle，AGV)来实现智能搬运，AGV可基于SLAM算法实现导航，企业在实施激光SLAM无人车搭配使用的无人搬运车调度方案时，在空间狭小、路线复杂的应用场景下，会遇到车辆行驶过程中运动干涉，无法确切保持车辆安全距离的问题，尤其在交叉路口容易导致车辆相撞，引发安全问题。
发明内容
本发明实施例提供一种无人车调度方法、装置及系统，以至少解决现有技术中多辆无人车在交叉路口行驶时容易碰撞的问题。
为解决上述技术问题，本发明实施例提供了一种无人车调度方法，包括：
根据至少两辆无人车的设定路径，确定交叉站点；
以所述交叉站点的坐标为中心，构建虚拟区域模型；
若无人车的下一个站点处于所述虚拟区域模型内，且有其他无人车的当前坐标处于所述虚拟区域模型内，则控制即将进入所述虚拟区域模型的无人车停车。
可选的，根据至少两辆无人车的设定路径，确定交叉站点，包括：
分别获取各无人车的设定路径；
根据地图上规划的站点，分别确定各设定路径所包含的站点；
若存在站点被至少两条设定路径包含，且该站点在所述至少两条设定路径中的上一个站点不相同，则确定该站点为交叉站点。
可选的，以所述交叉站点的坐标为中心，构建虚拟区域模型，包括：
针对每个交叉站点，确定该交叉站点对应的交叉路口类型，并确定所述交叉路口类型对应的预设模型参数；
以该交叉站点的坐标为中心，根据所述预设模型参数构建所述虚拟区域模型。
可选的，所述虚拟区域模型的形状为T字型、Y字型或十字型。
可选的，在以所述交叉站点的坐标为中心，构建虚拟区域模型之后，还包括：
当无人车进入虚拟区域模型时，记录进入时刻；
若存在至少两辆无人车同时处于所述虚拟区域模型内，则控制所述至少两辆无人车根据各自的进入时刻按照先进先出的原则行驶。
可选的，上述方法还包括：
在地图上规划的所有站点中，确定至少一对冲突站点，并存储所确定的至少一对冲突站点，其中，每对冲突站点均满足以下至少之一的条件：两个站点之间的距离小于预设的x轴直行安全动作距离、两个站点之间的距离小于预设的y轴直行安全动作距离、两个站点之间的距离小于预设的车辆旋转动作半径；
若目标无人车的下一个站点属于冲突站点，则判断是否有其他无人车处于该冲突站点中的另一站点或者正往该冲突站点中的另一站点前进；
若是，则控制所述目标无人车停车；
若否，则控制所述目标无人车继续行驶。
本发明实施例还提供了一种无人车调度装置，包括：
确定模块，用于根据至少两辆无人车的设定路径，确定交叉站点；
构建模块，用于以所述交叉站点的坐标为中心，构建虚拟区域模型；
控制模块，用于若无人车的下一个站点处于所述虚拟区域模型内，且有其他无人车的当前坐标处于所述虚拟区域模型内，则控制即将进入所述虚拟区域模型的无人车停车。
本发明实施例还提供了一种无人车调度系统，包括：本发明实施例所述的无人车调度装置以及至少两辆无人车。
本发明实施例还提供了一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例所述方法的步骤。
本发明实施例还提供了一种非易失性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例所述方法的步骤。
应用本发明的技术方案，根据无人车的设定路径确定交叉站点，以交叉站点的坐标为中心构建虚拟区域模型，若无人车的下一个站点处于虚拟区域模型内，且有其他无人车的当前坐标处于虚拟区域模型内，则控制即将进入虚拟区域模型的无人车停车。基于无人车设定路径能够确定出交叉路口的位置，并针对交叉路口构建虚拟区域模型，在无人车行驶过程中，基于该虚拟区域模型，能够及时控制无人车停车，防止无人车在通过交叉路口时发生运动干涉，使无人车依次有序通过交叉路口，避免碰撞，解决了多辆无人车在交叉路口行驶时容易碰撞的问题，并且本实施例优化的调度方法针对狭窄空间，能够提升道路规划利用率，克服了狭窄空间的路径规划的困难，提升了场地利用率。
附图说明
图1是本发明实施例一提供的无人车调度方法的流程图；
图2是本发明实施例二提供的无人车调度系统的示意图；
图3是本发明实施例二提供的车辆参数的示意图；
图4是本发明实施例二提供的无人车调度方法的具体流程图；
图5是本发明实施例二提供的十字型虚拟区域模型的示意图；
图6是本发明实施例二提供的适用于交叉路口的无人车调度方法的具体流程图；
图7是本发明实施例三提供的无人车调度装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
本实施例提供一种适用于交叉路口的无人车调度方法，针对至少两辆无人车进行调度控制，特别是在空间狭小、路线复杂的场景下对无人车进行调度。无人车具体可以是SLAM激光无人搬运车。交叉路口可以是T字路口、Y字路口、十字路口等，当然，还可以有更多岔路。
图1是本发明实施例一提供的无人车调度方法的流程图，如图1所示，该方法包括以下步骤：
S101，根据至少两辆无人车的设定路径，确定交叉站点；
S102，以交叉站点的坐标为中心，构建虚拟区域模型；
S103，若无人车的下一个站点处于虚拟区域模型内，且有其他无人车的当前坐标处于虚拟区域模型内，则控制即将进入虚拟区域模型的无人车停车。
其中，上述至少两辆无人车在场所中进行行驶，对该场所的地图规划出很多站点，每个站点都有对应的坐标。每辆无人车都具有各自的设定路径，设定路径是指无人车从起点到终点所走的路径，设定路径中包含至少两个站点。虚拟区域模型确定了交叉路口的冲突区域。虚拟区域模型与交叉路口的形状相似，例如，虚拟区域模型的形状可以是T字型、Y字型、十字型等。
本实施例根据无人车的设定路径确定交叉站点，以交叉站点的坐标为中心构建虚拟区域模型，若无人车的下一个站点处于虚拟区域模型内，且有其他无人车的当前坐标处于虚拟区域模型内，则控制即将进入虚拟区域模型的无人车停车。基于无人车设定路径能够确定出交叉路口的位置，并针对交叉路口构建虚拟区域模型，在无人车行驶过程中，基于该虚拟区域模型，能够及时控制无人车停车，防止无人车在通过交叉路口时发生运动干涉，使无人车依次有序通过交叉路口，避免碰撞，解决了多辆无人车在交叉路口行驶时容易碰撞的问题，并且本实施例优化的调度方法针对狭窄空间，能够提升道路规划利用率，克服了狭窄空间的路径规划的困难，提升了场地利用率。
在一个实施方式中，步骤S101根据至少两辆无人车的设定路径，确定交叉站点，包括：分别获取各无人车的设定路径；根据地图上规划的站点，分别确定各设定路径所包含的站点；若存在站点被至少两条设定路径包含，且该站点在该至少两条设定路径中的上一个站点不相同，则确定该站点为交叉站点。所有交叉站点构成交叉站点集合。本实施方式能够准确可靠地确定出交叉站点。
在一个实施方式中，步骤S102以交叉站点的坐标为中心，构建虚拟区域模型，包括：针对每个交叉站点，确定该交叉站点对应的交叉路口类型，并确定该交叉路口类型对应的预设模型参数；以该交叉站点的坐标为中心，根据上述预设模型参数构建虚拟区域模型。
其中，交叉站点对应的交叉路口类型可以根据该交叉站点的坐标和地图来确定，例如，将交叉站点的坐标对应到地图上，以结合地图确定出交叉路口类型。交叉路口类型包括：T字路口、Y字路口、十字路口等。针对不同的交叉路口类型，分别设置有对应的预设模型参数，预设模型参数用于确定出交叉路口虚拟区域模型的边界。本实施方式能够有效快速地构建出交叉路口的虚拟区域模型。
考虑到有时会出现多辆无人车处于虚拟区域模型中，导致模型范围内的无人车均不动作，为了解决该问题，在以交叉站点的坐标为中心，构建虚拟区域模型之后，还包括：当无人车进入虚拟区域模型时，记录进入时刻；若存在至少两辆无人车同时处于虚拟区域模型内，则控制至少两辆无人车根据各自的进入时刻按照先进先出的原则行驶。具体的，可以按照进入时刻对处于虚拟区域模型内的无人车进行排序，按照进入时刻从早到晚的顺序依次控制各无人车驶出交叉路口，即进入时刻早的无人车优先驶出。由此避免了虚拟区域模型内的多辆无人车均不动作的问题。
考虑到个别站点之间的距离较近，即两站点之间的距离小于车辆安全动作距离(例如预设的x轴直行安全动作距离Lx1、y轴直行安全动作距离Ly1或车辆旋转动作半径LR)，在多车运行时，上述距离较近的站点可能并不属于根据模型所确定出的冲突点，会导致车辆运动干涉，本实施例通过人为构造冲突关系来解决该问题。具体的，上述方法还可以包括：在地图上规划的所有站点中，确定至少一对冲突站点，并存储所确定的至少一对冲突站点，其中，每对冲突站点均满足以下至少之一的条件：两个站点之间的距离小于预设的x轴直行安全动作距离(Lx1)、两个站点之间的距离小于预设的y轴直行安全动作距离(Ly1)、两个站点之间的距离小于预设的车辆旋转动作半径(LR)；若目标无人车的下一个站点属于冲突站点，则判断是否有其他无人车处于该冲突站点中的另一站点或者正往该冲突站点中的另一站点前进；若是，则控制目标无人车停车；若否，表示既没有其他无人车处于该冲突站点中的另一站点，也没有其他无人车正往该冲突站点中的另一站点前进，则控制目标无人车继续行驶。本实施例针对个别站点之间的距离较近的情况，通过人为设立冲突点能够预知无人车下一个动作是否会发生干涉，如果会干涉，则提前控制无人车停车等待，避免发生碰撞。
本实施例还提供对无人车进行同向管制调度的方法，具体包括：实时根据目标无人车当前所在站点，确定目标无人车的安全距离内所包含的站点；针对安全距离内所包含的每个站点，分别构建各站点对应的安全动作空间模型；若有其他无人车的当前坐标处于上述安全动作空间模型内，则控制目标无人车停车。
其中，目标无人车是所调度的所有无人车中的任一辆。安全距离是指预设的两辆无人车之间的安全距离。安全动作空间模型确定了目标无人车的安全动作区域，安全动作空间模型随着目标无人车的移动而实时变化。
本实施例在无人车行驶过程中，基于无人车当前所在站点以及预设的安全距离，构建出随无人车的移动而实时变化的安全动作空间模型，基于该安全动作空间模型，能够及时控制无人车停车，使得无人车在跟车行驶时保持安全距离，避免碰撞，防止同向车辆追尾，解决了多辆无人车行驶时出现的运动干涉和碰撞的问题，并且本实施例优化的调度方法针对狭窄空间，能够提升道路规划利用率，克服了狭窄空间的路径规划的困难，提升了场地利用率。
在一个可选的实施方式中，实时根据目标无人车当前所在站点，确定目标无人车的安全距离内所包含的站点，包括：实时确定目标无人车当前所在站点；根据当前所在站点的坐标、目标无人车的设定路径中按照前进方向在当前所在站点之后的站点的坐标、以及预设的无人车之间的安全距离，确定目标无人车的安全距离内所包含的站点。
本实施方式基于规划的站点和预设的安全距离，能够快速有效地确定出目标无人车安全距离内所包含的站点，为后续准确构建安全动作空间模型提供保障。
进一步的，实时确定目标无人车当前所在站点，包括：实时获取目标无人车的当前坐标；分别计算当前坐标与目标无人车的设定路径中各站点的坐标之间的距离；选择最小距离对应的站点，作为目标无人车当前所在站点。本实施方式将距离目标无人车当前位置最近的站点作为目标无人车当前所在站点，确定方式准确可靠。
具体的，根据当前所在站点的坐标、目标无人车的设定路径中按照前进方向在当前所在站点之后的站点的坐标、以及预设的无人车之间的安全距离，确定目标无人车的安全距离内所包含的站点，包括：
从当前所在站点开始，逐个站点进行距离平方的累加来计算L值：
Figure BDA0003578187080000081
当找到满足L≥La2的最小L值时，停止累加，并将计算最小L值所使用的站点作为目标无人车的安全距离内所包含的站点；
其中，La表示预设的无人车之间的安全距离；LMk表示目标无人车当前所在站点，(XLMk，YLMk)表示目标无人车当前所在站点的坐标；LMk+s表示目标无人车的设定路径中按照前进方向在当前所在站点之后的第s个站点，(XLMk+s，YLMk+s)表示目标无人车的设定路径中按照前进方向在当前所在站点之后的第s个站点的坐标；u的取值决定计算L值所使用的站点个数，u的取值随着累加而依次增大，即，每累加一个站点，u的取值加一，u为正整数，1≤u≤i-k，i表示目标无人车的设定路径中包含的站点总数。
例如，当找到满足L≥La2的最小L值时，此时计算该最小L值所累加的站点为LMk、LMk+1、…、LMk+b，那么目标无人车安全距离La内所包含的站点集合为(LMk，LMk+1，…，LMk+b)。由此能够快速准确地确定出目标无人车安全距离内所包含的站点。如果设定路径中站点LMk之后的所有站点都已经参与计算L值，但L值仍小于La2，则直接将设定路径中站点LMk之后的所有站点都作为目标无人车的安全距离内所包含的站点。
在一个可选的实施方式中，针对安全距离内所包含的每个站点，分别构建各站点对应的安全动作空间模型，包括：针对安全距离内所包含的每个站点，根据该站点的车辆动作标记，确定模型参数；根据模型参数构建该站点对应的安全动作空间模型。
其中，车辆动作标记是指无人车在站点的走向，车辆动作标记包括：直行或旋转。在确定无人车的设定路径之后，该无人车在其设定路径中各站点的车辆动作就可以标记出来。根据车辆动作标记确定出的模型参数是用于构建安全动作空间模型的参数，该模型参数可以包括：模型所包含的区域的形状、区域的中心点、区域的边长等。
本实施方式根据无人车在站点的车辆动作标记构建与该车辆动作标记对应的安全动作空间模型，使得安全动作空间模型与无人车的行驶情况相匹配，能够更好地控制无人车行驶，避免碰撞。
进一步的，针对安全距离内所包含的每个站点，根据该站点的车辆动作标记，确定模型参数，包括：
(1)若该站点的车辆动作标记为直行，确定模型参数为：以该站点坐标为中心的矩形，且该矩形在x轴方向上的边长为：x轴激光避障距离与x轴直行安全动作距离的和的2倍，该矩形在y轴方向上的边长为：y轴激光避障距离与y轴直行安全动作距离的和的2倍。
其中，x轴激光避障距离、y轴激光避障距离、x轴直行安全动作距离、y轴直行安全动作距离均是根据实际情况(如场所大小、无人车大小、无人车行驶情况等)预先设置好的参数值。激光避障距离从无人车的中心点起算，直行安全动作距离从激光避障范围的边界起算。
以站点LMk+1为例，无人车在该站点的车辆动作标记为直行，根据模型参数构建的安全动作空间模型是：以(XLMk+1，YLMk+1)为中心点，四个顶点坐标分别为(XLMk+1–Lx1–Lx，YLMk+1–Ly1–Ly)，(XLMk+1–Lx1–Lx，YLMk+1+Ly1+Ly)，(XLMk+1+Lx1+Lx，YLMk+1+Ly1+Ly)，(XLMk+1+Lx1+Lx，YLMk+1–Ly1–Ly)的矩形模型。其中，Lx1表示x轴直行安全动作距离，Ly1表示y轴直行安全动作距离，Lx表示x轴激光避障距离，Ly表示y轴激光避障距离。
(2)若该站点的车辆动作标记为旋转，确定模型参数为：以该站点坐标为中心的矩形，且该矩形在x轴和y轴方向上的边长均为车辆旋转动作半径的2倍。
其中，车辆旋转动作半径是根据实际情况(如场所大小、无人车大小、无人车行驶情况等)预先设置好的参数值。车辆旋转动作半径从无人车的中心点起算。
以站点LMk+1为例，无人车在该站点的车辆动作标记为旋转，根据模型参数构建的安全动作空间模型是：以(XLMk+1，YLMk+1)为中心点，四个顶点坐标分别为(XLMk+1–LR，YLMk+1–LR)，(XLMk+1–LR，YLMk+1+LR)，(XLMk+1+LR，YLMk+1+LR)，(XLMk+1+LR，YLMk+1–LR)的矩形模型。其中，LR表示车辆旋转动作半径。
本实施方式针对不同的车辆动作标记确定对应的模型参数，以构建对应的安全动作空间模型，通过安全距离内所包含的所有站点对应的所有安全动作空间模型，能够确定出目标无人车的安全行驶区域，若有其他无人车处于安全行驶区域，则控制目标无人车及时停车，以保持安全距离，避免碰撞。
在一个可选的实施方式中，在实时根据目标无人车当前所在站点，确定目标无人车的安全距离内所包含的站点之前，还包括：根据目标无人车的起点和终点，确定目标无人车的设定路径；根据地图上规划的站点，确定设定路径包含的站点；分别对设定路径包含的各站点进行车辆动作标记。本实施方式在对无人车开始导航之前，确定该无人车的设定路径以及设定路径包含的站点，并对设定路径包含的各站点进行车辆动作标记，便于后续基于车辆动作标记构建对应的安全动作空间模型。
具体的，分别对设定路径包含的各站点进行车辆动作标记，包括：将设定路径中的起点和终点的车辆动作标记为直行；获取设定路径中各站点的坐标；针对设定路径中除起点和终点之外的每个站点，判断该站点的坐标是否处于该站点在设定路径中的前一个站点和后一个站点的连线上；若处于连线上，表示车头方向没有改变，则标记该站点的车辆动作为直行；若未处于连线上，表示车头方向改变，则标记该站点的车辆动作为旋转。为了简便，可以用符号来表示车辆动作标记，例如，0表示直行，1表示旋转。本实施方式基于站点坐标能够快速准确地进行车辆动作标记。
当车辆在不同路径相向行驶时，若车辆道路间距狭窄，车辆的安全动作空间模型会互相包含对方车辆的坐标，导致两车均停车不走。为了解决该问题，在针对安全距离内所包含的每个站点，分别构建各站点对应的安全动作空间模型之后，上述方法还可以包括：在地图上规划的所有站点中，剔除目标无人车的设定路径包含的站点，得到第一站点集合；确定第一站点集合中处于安全动作空间模型内的站点，得到第二站点集合；若有其他无人车的当前坐标处于安全动作空间模型内，且该其他无人车的当前所在站点属于第二站点集合，表示两个无人车的路径不同，不冲突，例如在不同路径相向行驶或者在不同路径同向行驶，则控制目标无人车继续行驶。由此能够避免上述两车路径不同但均停车不走的情况发生。
实施例二
本实施例结合具体示例对上述无人车调度方法进行说明，然而值得注意的是，该具体实施例仅是为了更好地说明本申请，并不构成对本申请的不当限定。与上述实施例相同或相应的术语解释，本实施例不再赘述。
如图2所示，无人车调度系统包括：至少一辆SLAM激光无人搬运车10(简称SLAM小车)和调度管理系统20(相当于本申请实施例所述的无人车调度装置)。该无人车调度系统可应用于工厂车间，SLAM激光无人搬运车10是执行单位，上层采用调度管理系统20作为核心平台，调动SLAM激光无人搬运车10执行搬运任务。
SLAM激光无人搬运车10是单机系统，包括：小车核心控制器、激光测距仪、电机和机械底盘等，SLAM小车负责物料的搬运。调度管理系统20通过TCP/IP协议(即TCP/IP局域网30)与SLAM激光无人搬运车10通信连接，调度管理系统20负责对多个SLAM激光无人搬运车干预，下发指令实时获取无人车所在位置坐标和站点，进行判断，下达命令指挥搬运，多车调度时，需要对车辆进行交通管制，防止多车相撞。
1、同向管制方法
同向管制方法用于解决车辆追尾问题，使得车辆保持在设定的安全范围内跟车行驶。同向管制方法包括以下步骤：
(1)设置参数：车辆x轴激光避障距离Lx，车辆y轴激光避障距离Ly，车辆前后安全距离La(即两辆无人车之间的安全距离)，车辆旋转动作半径LR，车辆x轴直行安全动作距离Lx1，车辆y轴直行安全动作距离Ly1，单位均为m。例如，Lx＝0.8m，Ly＝0.4m，La＝2m，Lx1＝0.1m，Ly1＝0.1m，
Figure BDA0003578187080000111
车辆参数如图3所示，虚拟直行动作范围就是安全动作空间模型所确定出的区域范围。
(2)车辆在导航前，进行路径规划，将最优路径作为车辆的设定路径，并得到路径站点集合(LM1，LM2，LM3，…，LMi)，其中，LM1表示起点，LMi表示终点，共i个站点。
(3)判断车辆在路径站点集合中每个站点的方向，进行动作标记，车辆在该站点直行则标记为0，车辆在该站点旋转则标记为1。
具体的，通过站点名称，在地图信息中查询路径站点集合中每个站点的二维坐标(XLM1，YLM1)，(XLM2，YLM2)，…，(XLMi，YLMi)。起点LM1与终点LMi均标记为直行(0)，从第二个站点开始，通过其前一站点与下一站点连线，得到函数关系，若该站点坐标不满足该函数关系，则标记为旋转(1)，若该站点坐标满足该函数关系，则标记为直行(0)。例如，想确定站点LM2的车辆动作标记，如果LM2处于LM1与LM3的连线上，表示车头方向没有改变，将LM2标记为直行，如果LM2不处于LM1与LM3的连线上，表示车头方向改变，将LM2标记为旋转。
(4)调度管理系统20向车辆实时发送指令以获取车辆当前二维坐标(X，Y)，通过公式计算车辆当前坐标与路径站点集合中各站点距离的平方：LLMp 2＝(X-XLMp)2+(Y-YLMp)2，1≤p≤i，得到当前坐标距离路径站点集合(LM1，LM2，LM3，…，LMi)中每个站点的距离平方集合(LLM1 2，LLM2 2，…，LLMp 2，…，LLMi 2)，对距离平方集合进行排序(例如冒泡排序法)，找到最小的距离平方值LLMk 2，1≤k≤i，该值对应的站点即为车辆当前所在站点。例如，若LLM2 2为最小距离平方值，则确定车辆在站点LM2。本步骤是实时计算，不断更新车辆的当前所在站点信息。
(5)通过步骤(4)获取车辆当前所在站点LMk，其坐标为(XLMk，YLMk)。
从当前所在站点LMk开始，逐个站点进行距离平方的累加来计算L值：计算L＝(XLMk+1–XLMk)2+(YLMk+1–YLMk)2+(XLMk+2–XLMk+1)2+(YLMk+2–YLMk+1)2+…，计算L所使用的站点是车辆设定路径中的站点，具体是当前所在站点LMk及其之后的站点。求满足L≥La2的最小L值，并将计算该最小L值所使用的站点作为车辆安全距离内所包含的站点。
例如，当L≥La2且L最小时，停止累加，此时计算L所累加的站点包括LMk，LMk+1，…，LMk+b，即车辆安全距离内所包含的站点集合为(LMk，LMk+1，…，LMk+b)。
(6)获取站点集合(LMk，LMk+1，…，LMk+b)的二维坐标：(XLMk，YLMk)，(XLMk+1，YLMk+1)，…，(XLMk+b，YLMk+b)。结合步骤(1)与步骤(3)，根据站点集合(LMk，LMk+1，…，LMk+b)中各站点的坐标和车辆动作标记，建立上述各站点对应的车辆安全动作空间模型。
例如，当站点LMk+1为直行标记0时，建立以(XLMk+1，YLMk+1)为中心点，四个顶点坐标为(XLMk+1–Lx1–Lx，YLMk+1–Ly1–Ly)，(XLMk+1–Lx1–Lx，YLMk+1+Ly1+Ly)，(XLMk+1+Lx1+Lx，YLMk+1+Ly1+Ly)，(XLMk+1+Lx1+Lx，YLMk+1–Ly1–Ly)的矩形模型。当站点LMk+1为旋转标记1时，建立以(XLMk+1，YLMk+1)为中心点，四个顶点坐标为(XLMk+1–LR，YLMk+1–LR)，(XLMk+1–LR，YLMk+1+LR)，(XLMk+1+LR，YLMk+1+LR)，(XLMk+1+LR，YLMk+1–LR)的矩形模型。由此能够得到站点集合(LMk，LMk+1，…，LMk+b)中每个站点各自对应的安全动作空间模型。
(7)根据步骤(6)得到的安全动作空间模型，实时进行如下判断：当车辆的安全动作空间模型中有其他车辆存在时，进行停车动作。例如，车辆安全动作空间模型的顶点坐标为：(X1，Y1)，(X1，Y2)，(X2，Y2)和(X2，Y1)，若其他车辆的当前坐标(X0，Y0)满足X1≤X0≤X2与Y1≤Y0≤Y2，则本车停车，否则本车正常行驶。需要注意的是，对站点集合(LMk，LMk+1，…，LMk+b)中所有站点对应的所有安全动作空间模型均进行判断。
采用上述同向管制方法，当车辆在不同路径相向行驶时，若车辆道路间距狭窄，车辆安全动作空间模型会互相包含对方车辆坐标，导致两车均停车不走，可以通过以下步骤解决上述异常。
1)确定车辆的路径站点集合(LM1，LM2，LM3，…，LMi)。在地图上的所有站点中，去除路径站点集合(LM1，LM2，LM3，…，LMi)，得到站点集合A，并得到站点集合A对应的站点坐标集合B。
2)坐标集合B中所有处于车辆安全动作空间模型内的坐标所对应的站点，构成站点集合C。具体的，车辆安全动作空间模型的顶点坐标为：(X1，Y1)，(X1，Y2)，(X2，Y2)和(X2，Y1)，当坐标集合B中的站点坐标(X’，Y’)满足X1≤X’≤X2与Y1≤Y’≤Y2时，将(X’，Y’)对应的站点加入站点集合C。
3)实时进行如下判断：判断是否有其他车辆的当前坐标处于本车安全动作空间模型内，若是，则继续判断该其他车辆的当前所在站点是否属于站点集合C，若是，则表示两个无人车的路径不同，不冲突，例如在不同路径相向行驶或者在不同路径同向行驶，则不作停车处理，控制本车继续行驶。本步骤是对上述步骤(7)的优化，增加了关于站点集合C的判断。
如图4所示，为无人车调度方法的具体流程图，包括以下步骤：
S401，加载参数Lx、Ly、Lx1、Ly1、La和LR。
S402，获取车辆的设定路径以及设定路径中包含的站点。
S403，判断车辆在各站点的动作，并进行标记。
S404，若车辆当前所在站点的动作标记为旋转，构建以当前所在站点的坐标为中心，x轴方向和y轴方向的边长均为2×LR的等边矩形区域，作为安全动作空间模型。
S405，若车辆当前所在站点的动作标记为直行，构建以当前所在站点的坐标为中心，x轴方向的边长为2×(Lx+Lx1)，y轴方向的边长为2×(Ly+Ly1)的矩形区域，作为安全动作空间模型。
S406，车辆的安全动作空间模型，随着车辆的行驶而变化。
S407，判断是否有其他车辆位于本车的安全动作空间模型内，若是，进入S408，若否，进入S409。
S408，控制本车停车。
S409，控制本车前进。
2、交叉路口管制方法
交叉路口管制方法用于解决车辆在交叉路口的相撞问题，保障车辆有序通过交叉路口。交叉路口管制方法包括以下步骤：
(1)设置地图上所涉及的交叉路口的模型参数，以十字交叉路口为例，设置模型参数L1和L2，单位为m，例如，L1＝0.6m，L2＝1.8m，十字型虚拟区域模型为对称结构，根据L1和L2的值可求得12个轮廓点的坐标。L1和L2具体参见图5。
(2)根据道路规划器，获取n辆车的设定路径以及设定路径中包含的站点。例如，第1辆车的路径站点集合为(LM11，LM12，LM13，…，LM1j)，其中，LM11表示第1辆车的起点，LM1j表示第1辆车的终点，第1辆车的设定路径共包含j个站点。
(3)通过遍历确定交叉站点，具体的，若存在站点被至少两条设定路径包含，且该站点在所述至少两条设定路径中的上一个站点不相同，则确定该站点为交叉站点，将该交叉站点放入交叉站点集合D中。
(4)针对交叉站点集合D中的每一个交叉站点，以该交叉站点的坐标(X0，Y0)为中心，构建如图5所示的十字型虚拟区域模型，其中，X1＝X0-L1；X2＝X0+L1；X3＝X0+L2；X4＝X0-L2；Y1＝Y0+L1；Y2＝Y0+L2；Y3＝Y0-L1；Y4＝Y0-L2。
(5)通过地图信息，获取地图上规划的所有站点集合E，并获取站点集合E中所有站点的坐标，从站点集合E中找到处于虚拟区域模型内的站点，构成站点集合F。具体的，若某站点的坐标(X，Y)满足X1≤X≤X2且Y3≤Y≤Y1，或者满足X4≤X≤X1且Y3≤Y≤Y1，或者满足X2≤X≤X3且Y3≤Y≤Y1，或者满足X1≤X≤X2且Y4≤Y≤Y3，或者满足X1≤X≤X2且Y1≤Y≤Y2，则确定该站点落在步骤(4)所构建的虚拟区域模型内。
(6)实时检测，当车辆的下一个站点属于站点集合F时，向其他车辆发送指令，以获取其他车辆的当前坐标(X5，Y5)，根据之前构建的虚拟区域模型，若存在有其他车辆的当前坐标满足X1≤X5≤X2且Y3≤Y5≤Y1，或者满足X4≤X5≤X1且Y3≤Y5≤Y1，或者满足X2≤X5≤X3且Y3≤Y5≤Y1，或者满足X1≤X5≤X2且Y4≤Y5≤Y3，或者满足X1≤X5≤X2且Y1≤Y5≤Y2，说明有其他车辆处于虚拟区域模型范围内。发指令让即将进入虚拟区域模型的车辆停止，若没有其他车辆处于虚拟区域模型范围内，则发指令让即将进入虚拟区域模型的车辆通过。
采用上述交叉路口管制方法，有时会出现多辆车处于虚拟区域模型中，导致模型范围中的车辆均不动作，可以通过以下异常处理来解决该问题。具体的，当车辆进入虚拟区域模型内时，调度管理系统20获取当前时间作为该车辆的进入时刻进行保存，如果存在至少两辆车同时处于虚拟区域模型内，对处于虚拟区域模型内的所有车辆的进入时刻进行排序，最先进入虚拟区域模型的车辆优先通过，按照先进先出的原则，发送指令使得各车依次通过交叉路口，避免碰撞。
如图6所示，为适用于交叉路口的无人车调度方法的具体流程图，包括以下步骤：
S601，获取n辆车的路径站点。
S602，遍历检测以确定出所有的交叉站点。
S603，针对每个交叉站点，以该交叉站点的坐标为中心，构建十字型虚拟区域模型。
S604，判断是否有其他车辆位于虚拟区域模型内，若是，进入S605，若否，进入S606。
S605，控制即将进入该虚拟区域模型的车辆停车，控制虚拟区域模型内的车辆按照进入时刻依次驶出。
S606，控制即将进入该虚拟区域模型的车辆继续前进。
3、人为设立冲突点
考虑到个别站点之间的距离较近，即两站点之间的距离小于车辆安全动作距离(例如Lx1、Ly1或LR)，在多车运行时，上述距离较近的站点可能并不属于根据模型所确定出的冲突点，会导致车辆运动干涉，本实施例通过人为构造冲突关系来解决该问题。
建立数据表，具体的，在地图上规划的所有站点中，将站点之间的距离h满足以下条件的站点作为一对冲突站点：h<Lx1或者h＜Ly1或者h<LR，存储所有的冲突站点，得到数据表。在数据表中，Am表示第m对冲突站点。
例如，车辆Q的路径站点集合(LM1，LM2，LM3，…，LMi)中的某一个站点LMr∈Am，当车辆Q的下一个站点为LMr时，判断是否有其他车辆处于Am中的另一个站点或者正往Am中的另一个站点前进，若是，则控制车辆Q停车。如果没有其他车辆处于Am中的另一个站点，也没有其他车辆正往Am中的另一个站点前进，则控制车辆Q通过。
本实施例提供了一种无人车调度优化控制，应用于激光SLAM无人搬运车的交通管制调度，解决车辆运动干涉的问题，保持安全距离。以车辆为中心，设立车辆行驶时直线动态模型(即安全动作空间模型)，使车辆在行驶时保持安全固定距离，防止同向车辆追尾。针对交叉路口，以车辆设定路径为基准，构建虚拟区域模型，防止车辆通过交叉路口时发生运动干涉，使得车辆依次有序通过。基于直走与旋转模型，预知车辆下一个动作是否会发生干涉，提前停车等待，避免车辆运动发生碰撞。避免了车辆在为了节省道路空间而规划的复杂路线行驶时发生的干涉和碰撞的问题，也克服了狭窄空间的路径规划的困难，提升了车间场地利用率和道路规划利用率。
实施例三
基于同一发明构思，本实施例提供了一种无人车调度装置，可以用于实现上述实施例所述的无人车调度方法。该无人车调度装置可以通过软件和/或硬件实现，该无人车调度装置一般可集成于终端中，例如计算机。
图7是本发明实施例三提供的无人车调度装置的结构框图，如图7所示，该无人车调度装置包括：
确定模块71，用于根据至少两辆无人车的设定路径，确定交叉站点；
构建模块72，用于以所述交叉站点的坐标为中心，构建虚拟区域模型；
控制模块73，用于若无人车的下一个站点处于所述虚拟区域模型内，且有其他无人车的当前坐标处于所述虚拟区域模型内，则控制即将进入所述虚拟区域模型的无人车停车。
可选的，确定模块71包括：
获取单元，用于分别获取各无人车的设定路径；
第一确定单元，用于根据地图上规划的站点，分别确定各设定路径所包含的站点；
第二确定单元，用于若存在站点被至少两条设定路径包含，且该站点在所述至少两条设定路径中的上一个站点不相同，则确定该站点为交叉站点。
可选的，构建模块72包括：
第三确定单元，用于针对每个交叉站点，确定该交叉站点对应的交叉路口类型，并确定所述交叉路口类型对应的预设模型参数；
构建单元，用于以该交叉站点的坐标为中心，根据所述预设模型参数构建所述虚拟区域模型。
可选的，所述虚拟区域模型的形状为T字型、Y字型或十字型。
可选的，上述无人车调度装置还包括：
记录模块，用于在以所述交叉站点的坐标为中心，构建虚拟区域模型之后，当无人车进入虚拟区域模型时，记录进入时刻；
第一控制模块，用于若存在至少两辆无人车同时处于所述虚拟区域模型内，则控制所述至少两辆无人车根据各自的进入时刻按照先进先出的原则行驶。
可选的，上述无人车调度装置还包括：
冲突站点确定模块，用于在地图上规划的所有站点中，确定至少一对冲突站点，并存储所确定的至少一对冲突站点，其中，每对冲突站点均满足以下至少之一的条件：两个站点之间的距离小于预设的x轴直行安全动作距离、两个站点之间的距离小于预设的y轴直行安全动作距离、两个站点之间的距离小于预设的车辆旋转动作半径；
判断模块，用于若目标无人车的下一个站点属于冲突站点，则判断是否有其他无人车处于该冲突站点中的另一站点或者正往该冲突站点中的另一站点前进；
第二控制模块，用于若是，则控制所述目标无人车停车；以及，若否，则控制所述目标无人车继续行驶。
可选的，上述无人车调度装置还可以包括：
安全站点确定模块，用于实时根据目标无人车当前所在站点，确定所述目标无人车的安全距离内所包含的站点；
模型构建模块，用于针对所述安全距离内所包含的每个站点，分别构建各站点对应的安全动作空间模型；
第三控制模块，用于若有其他无人车的当前坐标处于所述安全动作空间模型内，则控制所述目标无人车停车。
可选的，安全站点确定模块包括：
第四确定单元，用于实时确定所述目标无人车当前所在站点；
第五确定单元，用于根据所述当前所在站点的坐标、所述目标无人车的设定路径中按照前进方向在所述当前所在站点之后的站点的坐标、以及预设的无人车之间的安全距离，确定所述目标无人车的安全距离内所包含的站点。
可选的，第四确定单元包括：
获取子单元，用于实时获取所述目标无人车的当前坐标；
计算子单元，用于分别计算所述当前坐标与所述目标无人车的设定路径中各站点的坐标之间的距离；
确定子单元，用于选择最小距离对应的站点，作为所述目标无人车当前所在站点。
可选的，第五确定单元具体用于：
从所述当前所在站点开始，逐个站点进行距离平方的累加来计算L值：
Figure BDA0003578187080000191
当找到满足L≥La2的最小L值时，停止累加，并将计算所述最小L值所使用的站点作为所述目标无人车的安全距离内所包含的站点；
其中，La表示预设的无人车之间的安全距离；LMk表示所述目标无人车当前所在站点，(XLMk，YLMk)表示所述目标无人车当前所在站点的坐标；(XLMk+s，YLMk+s)表示所述目标无人车的设定路径中按照前进方向在所述当前所在站点之后的第s个站点的坐标；u的取值决定计算L值所使用的站点个数，每累加一个站点，u的取值加一，u为正整数，1≤u≤i-k，i表示所述目标无人车的设定路径中包含的站点总数。
可选的，模型构建模块包括：
第六确定单元，用于针对所述安全距离内所包含的每个站点，根据该站点的车辆动作标记，确定模型参数；
模型构建单元，用于根据所述模型参数构建该站点对应的安全动作空间模型。
可选的，第六确定单元具体用于：
若该站点的车辆动作标记为直行，确定所述模型参数为：以该站点坐标为中心的矩形，且该矩形在x轴方向上的边长为：x轴激光避障距离与x轴直行安全动作距离的和的2倍，该矩形在y轴方向上的边长为：y轴激光避障距离与y轴直行安全动作距离的和的2倍；
若该站点的车辆动作标记为旋转，确定所述模型参数为：以该站点坐标为中心的矩形，且该矩形在x轴和y轴方向上的边长均为车辆旋转动作半径的2倍。
可选的，上述无人车调度装置还包括：
路径确定模块，用于在安全站点确定模块实时根据目标无人车当前所在站点，确定所述目标无人车的安全距离内所包含的站点之前，根据所述目标无人车的起点和终点，确定所述目标无人车的设定路径；
站点确定模块，用于根据地图上规划的站点，确定所述设定路径包含的站点；
标记模块，用于分别对所述设定路径包含的各站点进行车辆动作标记。
可选的，标记模块包括：
第一标记单元，用于将所述设定路径中的起点和终点的车辆动作标记为直行；
获取单元，用于获取所述设定路径中各站点的坐标；
判断单元，用于针对所述设定路径中除所述起点和所述终点之外的每个站点，判断该站点的坐标是否处于该站点在所述设定路径中的前一个站点和后一个站点的连线上；
第二标记单元，用于若处于所述连线上，则标记该站点的车辆动作为直行；
第三标记单元，用于若未处于所述连线上，则标记该站点的车辆动作为旋转。
可选的，上述无人车调度装置还包括：
剔除模块，用于在模型构建模块针对所述安全距离内所包含的每个站点，分别构建各站点对应的安全动作空间模型之后，在地图上规划的所有站点中，剔除所述目标无人车的设定路径包含的站点，得到第一站点集合；
集合确定模块，用于确定所述第一站点集合中处于所述安全动作空间模型内的站点，得到第二站点集合；
第四控制模块，用于若有其他无人车的当前坐标处于所述安全动作空间模型内，且所述其他无人车的当前所在站点属于所述第二站点集合，则控制所述目标无人车继续行驶。
上述无人车调度装置可执行本发明实施例所提供的无人车调度方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例提供的无人车调度方法。
实施例四
本实施例提供一种无人车调度系统，包括：上述实施例所述的无人车调度装置以及至少两辆无人车。
实施例五
本实施例提供一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例所述无人车调度方法的步骤。
实施例六
本实施例提供一种非易失性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例所述无人车调度方法的步骤。
以上所描述的装置实施例仅仅是示意性的，其中所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模块来实现本实施例方案的目的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。

Claims (10)

1.一种无人车调度方法，其特征在于，包括：
根据至少两辆无人车的设定路径，确定交叉站点；
以所述交叉站点的坐标为中心，构建虚拟区域模型；
若无人车的下一个站点处于所述虚拟区域模型内，且有其他无人车的当前坐标处于所述虚拟区域模型内，则控制即将进入所述虚拟区域模型的无人车停车。
2.根据权利要求1所述的方法，其特征在于，根据至少两辆无人车的设定路径，确定交叉站点，包括：
分别获取各无人车的设定路径；
根据地图上规划的站点，分别确定各设定路径所包含的站点；
若存在站点被至少两条设定路径包含，且该站点在所述至少两条设定路径中的上一个站点不相同，则确定该站点为交叉站点。
3.根据权利要求1所述的方法，其特征在于，以所述交叉站点的坐标为中心，构建虚拟区域模型，包括：
针对每个交叉站点，确定该交叉站点对应的交叉路口类型，并确定所述交叉路口类型对应的预设模型参数；
以该交叉站点的坐标为中心，根据所述预设模型参数构建所述虚拟区域模型。
4.根据权利要求1所述的方法，其特征在于，所述虚拟区域模型的形状为T字型、Y字型或十字型。
5.根据权利要求1至4中任一项所述的方法，其特征在于，在以所述交叉站点的坐标为中心，构建虚拟区域模型之后，还包括：
当无人车进入虚拟区域模型时，记录进入时刻；
若存在至少两辆无人车同时处于所述虚拟区域模型内，则控制所述至少两辆无人车根据各自的进入时刻按照先进先出的原则行驶。
6.根据权利要求1至4中任一项所述的方法，其特征在于，还包括：
在地图上规划的所有站点中，确定至少一对冲突站点，并存储所确定的至少一对冲突站点，其中，每对冲突站点均满足以下至少之一的条件：两个站点之间的距离小于预设的x轴直行安全动作距离、两个站点之间的距离小于预设的y轴直行安全动作距离、两个站点之间的距离小于预设的车辆旋转动作半径；
若目标无人车的下一个站点属于冲突站点，则判断是否有其他无人车处于该冲突站点中的另一站点或者正往该冲突站点中的另一站点前进；
若是，则控制所述目标无人车停车；
若否，则控制所述目标无人车继续行驶。
7.一种无人车调度装置，其特征在于，包括：
确定模块，用于根据至少两辆无人车的设定路径，确定交叉站点；
构建模块，用于以所述交叉站点的坐标为中心，构建虚拟区域模型；
控制模块，用于若无人车的下一个站点处于所述虚拟区域模型内，且有其他无人车的当前坐标处于所述虚拟区域模型内，则控制即将进入所述虚拟区域模型的无人车停车。
8.一种无人车调度系统，其特征在于，包括：权利要求7所述的无人车调度装置以及至少两辆无人车。
9.一种计算机设备，包括：存储器、处理器及存储在存储器上并可在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权利要求1至6中任一项所述方法的步骤。
10.一种非易失性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
CN202210339281.8A 2022-04-01 2022-04-01 一种无人车调度方法、装置及系统 Pending CN114721382A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210339281.8A CN114721382A (zh) 2022-04-01 2022-04-01 一种无人车调度方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210339281.8A CN114721382A (zh) 2022-04-01 2022-04-01 一种无人车调度方法、装置及系统

Publications (1)

Publication Number Publication Date
CN114721382A true CN114721382A (zh) 2022-07-08

Family

ID=82241985

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210339281.8A Pending CN114721382A (zh) 2022-04-01 2022-04-01 一种无人车调度方法、装置及系统

Country Status (1)

Country Link
CN (1) CN114721382A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115140481A (zh) * 2022-09-01 2022-10-04 青岛盈智科技有限公司 一种四向穿梭车动态避让方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115140481A (zh) * 2022-09-01 2022-10-04 青岛盈智科技有限公司 一种四向穿梭车动态避让方法及装置
CN115140481B (zh) * 2022-09-01 2022-12-02 青岛盈智科技有限公司 一种四向穿梭车动态避让方法及装置

Similar Documents

Publication Publication Date Title
JP7214017B2 (ja) 異なる交差道路を走行する車両の共同制御
CN110989582B (zh) 基于路径预先占用的多agv自动避让式智能调度方法
CN108762268B (zh) 多agv无碰撞路径规划算法
RU2737874C1 (ru) Способ хранения информации транспортного средства, способ управления движением транспортного средства и устройство хранения информации транспортного средства
CN109445438B (zh) 基于地图分享的巡航装置的巡航控制方法及系统
CN110136426A (zh) 一种还车招车系统及方法
CN111762519B (zh) 引导拣选机器人作业的方法、系统和调度装置
CN102521975B (zh) 能够引导前导车精确完成警卫任务的系统及方法
JP7353387B2 (ja) 配送ロボットの制御方法、装置、デバイス、システム及び記憶媒体
US20200147797A1 (en) Rebar automating robot
CN113223326B (zh) 基于路侧的多车多控多源低速辅助停车系统
JP2024020457A (ja) 情報処理装置、情報処理方法、コンピュータプログラム及び情報処理システム
CN113375678B (zh) 一种行车路径规划方法、管理服务器及停车管理系统
Guney et al. Dynamic prioritized motion coordination of multi-AGV systems
Hosseini et al. Interactive path planning for teleoperated road vehicles in urban environments
CN113093720A (zh) 重载智能运输车协同控制方法、系统、电子终端及存储介质
CN114721382A (zh) 一种无人车调度方法、装置及系统
CN114012732B (zh) 一种机器人控制方法、装置、设备和介质
CN114923476A (zh) 矿山无人运输的交通管制系统和方法
Wang et al. Motion planning in complex urban environments: An industrial application on autonomous last‐mile delivery vehicles
Marouf et al. Automatic parallel parking and platooning to redistribute electric vehicles in a car-sharing application
CN114721383A (zh) 一种无人车调度方法、装置及系统
CN116453366A (zh) 一种基于仓储仓位坐标的自动驾驶叉车交通规划方法
CN116166029A (zh) 一种兼容局部避障功能的多agv导航方法及系统
CN112051818A (zh) 一种机器人的本地递送调度方法、装置和机器人

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