CN114967711B - 一种基于动态加权地图的多agv协同路径规划方法及系统 - Google Patents
一种基于动态加权地图的多agv协同路径规划方法及系统 Download PDFInfo
- Publication number
- CN114967711B CN114967711B CN202210781250.8A CN202210781250A CN114967711B CN 114967711 B CN114967711 B CN 114967711B CN 202210781250 A CN202210781250 A CN 202210781250A CN 114967711 B CN114967711 B CN 114967711B
- Authority
- CN
- China
- Prior art keywords
- path
- map
- weight value
- agv
- current
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000003068 static effect Effects 0.000 description 7
- 230000002238 attenuated effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G05D1/0287—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
-
- 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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- 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
-
- 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)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于动态加权地图的多AGV协同路径规划方法及系统,包括:步骤1,栅格化真实环境的地图,获得栅格地图,将栅格地图中的栅格所对应的路点的通行能力赋予权重值,获得动态加权地图,以评估各个路点的交通拥堵程度;步骤2,初始化动态加权地图中各路点对应的权重值;步骤3,每隔预设时间间隔,根据所有AGV在当前动态加权地图上的路点位置以及已规划路径,实时计算当前动态加权地图中所有路点的权重值,将已规划路径集清空;步骤4,响应AGV的路径规划请求时,获取相应AGV当前的任务起点和终点,获取当前动态加权地图中所有路点的权重值,进行路径规划,最后将规划好的路点信息添加到已规划路径集;步骤5,返回步骤3。
Description
技术领域
本发明涉及AGV协同路径规划技术领域,特别是关于一种基于动态加权地图的多AGV协同路径规划方法及系统。
背景技术
自动导引车辆AGV(Automated Guided Vehicle)常被用于执行搬运任务,在执行任务前,需要规划一条从起点到终点的可执行路径。可采用集中式规划和分布式规划的方法,集中式规划会考虑所有AGV的行驶路径和行驶时间,提前考虑多个AGV的路径冲突,计算时间会比较长,并且AGV数量越多,求解难度越高。而分布式规划一般不会考虑其他AGV的行驶路径和行驶时间,由AGV自主进行路径规划,一般计算较为简单,在路径规划之初一般不考虑路径冲突情况,产生路径冲突时,由AGV实时自主解决。常采用的方法有A*算法,传统A*算法属于静态规划算法,仅会考虑静态的障碍物,如果任务的起点和终点相同,规划的路径基本上是一致的,无法动态的随着环境的变化规划出不同的路径。可能会导致某一路段出现多个AGV,导致道路拥堵的情况产生,使AGV解决路口冲突排队等候的时间过长,整体的协调性下降。因此,亟待提供一种效率更高更有效的多AGV协同路径规划方法。
发明内容
本发明的目的在于提供一种基于动态加权地图的多AGV协同路径规划方法及系统来克服或至少减轻现有技术的上述缺陷中的至少一个。
为实现上述目的,本发明提供一种基于动态加权地图的多AGV协同路径规划方法,其包括:
步骤1,栅格化真实环境的地图,获得栅格地图,再将所述栅格地图中的栅格所对应的路点的通行能力赋予权重值,获得动态加权地图,以评估各个路点的交通拥堵程度;
步骤2,初始化所述动态加权地图中各所述路点对应的权重值;
步骤3,每隔预设时间间隔,根据所有AGV在当前所述动态加权地图上的路点位置以及已规划路径,实时计算当前所述动态加权地图中所有所述路点的权重值,并将已规划路径集清空;
步骤4,响应AGV的路径规划请求时,获取相应AGV当前的任务起点和终点,并获取由所述步骤3获得的当前所述动态加权地图中所有所述路点的权重值,进行路径规划,最后将规划好的路点信息添加到所述已规划路径集;
步骤5,返回步骤3。
进一步地,所述步骤3中的“实时计算当前所述动态加权地图中所有所述路点的权重值”的方法具体包括:
步骤3.1,根据所有AGV在当前所述动态加权地图上的路点位置,计算位置影响数组B,其中的元素bij表示第i行第j列的位置影响权重值;
步骤3.2,根据当前所有AGV的所述已规划路径,计算路径影响数组C,其中的元素cij表示第i行第j列的路径影响权重值;
步骤3.3,根据所述位置影响数组B和所述路径影响数组C之和,获得所述动态加权地图中各所述路点对应的权重值。
进一步地,所述步骤3.1具体包括:
步骤3.11,初始化所述位置影响数组B中的bij;
步骤3.12,以位于当前所述动态加权地图上行驶的第m辆AGV所处的坐标 (xm,ym)的栅格为参照栅格,将该参照栅格对应的位置影响权重值更新为:该栅格原来的位置影响权重值与第一预设固定值b之和;
步骤3.13,以所述参照栅格为起点,对于沿横向/纵向查询得到的所述横向 /纵向通行能力处于可通行状态的第一栅格对应的位置影响权重值更新为:所述第一栅格原来的位置影响权重值与受第m辆AGV影响带来的权重值之和;其中,所述受第m辆AGV影响带来的权重值表示为k表示所述第一栅格与所述参照栅格在横向/纵向的距离,k的取值范围为0~K,xm-k>0且ym-k>0。
进一步地,所述步骤3.2具体包括:
步骤3.21,初始化所述路径影响数组C中的cij;
步骤3.22,当前所有AGV已规划路径形成路径集P,将所述路径集P中的所包含路径的所有路点对应的路径影响权重值更新为:路点在所述路径影响数组C 中对应的元素与第二预设固定值c之和;
步骤3.23,将由步骤3.22更新后的所述路径影响数组C乘上预设的衰减因子α,获得最新的路径影响数组C′,并清空路径集P中的所有路径。
进一步地,所述步骤4具体包括:
步骤4.1,根据AGV的路径规划请求获取AGV当前的任务起点和任务终点,再获取当前的动态加权地图数组;
步骤4.2,利用A*算法的代价函数f′(n)获取当前的动态加权地图中的各个路点的权重值,再传入任务起点和任务终点,利用步骤4.2获得的当前的动态加权地图中的各个路点的权重值,进行路径规划,并更新所述路径集P:
f′(n)=g(n)+h(n)+A′(n)
其中,g(n)表示AGV从起点移动到当前路点n的真实代价,h(n)表示AGV从当前路点n到终点的预估代价,A′(n)表示当前路点n在动态加权地图上的权重值。
本发明还提供一种基于动态加权地图的多AGV协同路径规划系统,其包括:
地图数据模块,其用于栅格化真实环境的地图,获得栅格地图,再将所述栅格地图中的栅格所对应的路点的通行能力赋予权重值,获得动态加权地图,然后初始化所述动态加权地图中各所述路点对应的权重值,并每隔预设时间间隔,根据所有AGV在当前所述动态加权地图上的路点位置以及已规划路径,实时计算当前所述动态加权地图中所有所述路点的权重值,并将已规划路径集清空;
路径规划模块,其用于响应AGV的路径规划请求时,获取相应AGV当前的任务起点和终点,并获取由所述步骤3获得的当前所述动态加权地图中所有所述路点的权重值,进行路径规划,最后将规划好的路点信息添加到AGV已规划路径集。
进一步地,所述路径规划模块具体包括实时动态加权地图当前权重值计算单元,其具体包括:
位置影响权重值计算单元,其用于根据所有AGV在当前所述动态加权地图上的路点位置,计算位置影响数组B,其中的元素bij表示第i行第j列的位置影响权重值;
路径影响权重值计算单元,其用于根据当前所有AGV的已规划路径,计算路径影响数组C,其中的元素cij表示第i行第j列的路径影响权重值;
动态加权地图的权重值计算单元,其用于根据所述位置影响数组B和所述路径影响数组C之和,获得所述动态加权地图中各所述路点对应的权重值。
进一步地,所述位置影响权重值计算单元具体包括:
位置影响权重值初始化子单元,其用于初始化所述位置影响数组B中的bij;
位置影响权重值更新子单元,其用于以位于所述动态加权地图上行驶的第m 辆AGV当前所处的坐标(xm,ym)的栅格为参照栅格,将该参照栅格对应的位置影响权重值更新为该栅格原来的位置影响权重值与第一预设固定值b之和,再以所述参照栅格为起点,对于沿横向/纵向查询得到的所述横向/纵向通行能力为可通行的第一栅格对应的位置影响权重值更新为:所述第一栅格原来的位置影响权重值与受第m辆AGV影响带来的权重值之和;其中,所述受第m辆AGV影响带来的权重值表示为k表示所述第一栅格与所述参照栅格在横向/纵向的距离, k的取值范围为0~K,xm-k>0且ym-k>0。
进一步地,所述路径影响权重值计算单元具体包括:
路径影响权重值初始化子单元,其用于初始化所述路径影响数组C中的cij;
路径影响权重值更新子单元,其用于当前所有AGV已规划路径形成路径集P,将所述路径集P中的所包含路径的所有路点对应的路径影响权重值更新为:路点在所述路径影响数组C中对应的元素与第二预设固定值c之和,再将更新后的所述路径影响数组C乘上预设的衰减因子α,获得最新的路径影响数组C′,并清空路径集P中的所有路径。
进一步地,所述路径规划模块具体还包括路径规划更新单元,其用于根据 AGV的路径规划请求获取AGV当前的任务起点和任务终点,再获取当前的动态加权地图数组,利用A*算法的代价函数f′(n)获取当前的动态加权地图中的各个路点的权重值,以此权重值进行路径规划,并更新所述路径集P:
f′(n)=g(n)+h(n)+A′(n)
其中,g(n)表示AGV从起点移动到当前路点n的真实代价,h(n)表示AGV从当前路点n到终点的预估代价,A′(n)表示当前路点n在动态加权地图上的权重值。
本发明由于采取以上技术方案,其具有以下优点:
1、本发明的方法适用于多种场景,主要针对于仓储、物流等具有明显结构化道路的环境,本发明提出来的多AGV协同路径规划算法,通过动态加权地图隐式反映其他AGV预规划路径对道路的影响和道路的拥挤程度,帮助AGV在路径规划之初避开道路繁忙区域,提高多AGV的运行效率。
2、本发明提出了一种动态加权地图更新方法,采用栅格法记录地图的静态环境,采用二维数组记录地图的加权重值,地图的加权重值每隔一定时间自动更新,权重值由各个AGV的当前位置和各个AGV预规划的路径决定,预规划路径的权重值会随着时间逐步衰减,动态加权地图可以有效道路的拥堵情况和未来车流的变化情况。
3、本发明在传统A*算法基础上,引入动态地图加权重值,代价函数为当前路点距离起点的代价、当前路点距离终点的预计代价、当前路点的动态权重值之和,道路越拥堵的路段上的路点的权重值越高,路点的权重值动态改变,可以帮助AGV路径规划之初就尽量避免道路拥堵路段,减少了多AGV发生路口拥堵的情况,减少路口排队情况的发生,有效提高了多AGV的运行效率,使多AGV协同路径规划。
附图说明
图1为本发明实施例提供的多AGV协同路径规划路径规划方法的流程图。
图2为本发明实施例提供的动态加权地图,图中的小圆圈表示AGV,灰色系色块表示道路拥挤热度,道路越拥堵,颜色越深。
图3为传统A*算法规划的路径。
图4为本发明实施例提供的A*算法规划后获得的路径。
图5为传统A*算法和本发明实施例提供的A*算法在完成任务时长对比示意图。
图6为传统A*算法和本发明实施例提供的A*算法在平均行驶距离对比示意图。
图7为本发明实施例提供的多AGV协同路径规划路径规划系统的结构示意图。
具体实施方式
在附图中,使用相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面结合附图对本发明的实施例进行详细说明。
本文涉及下列术语,为便于理解,对其含义说明如下。本领域技术人员应当理解,下列术语也可能有其它名称,但在不脱离其含义的情形下,其它任何名称都应当被认为与本文所列术语一致。
鉴于传统A*算法(现有的A*算法)属于静态规划算法,仅考虑静态的障碍物,起点和终点一致规划的路径基本是一致的,无法动态地随着环境的变化规划出不同的路径,这样很大程度会导致某一路段出现多个AGV,从而产生道路拥堵,进而使AGV等候的时间过长,整体协调性下降。
本发明实施例提供的基于动态加权地图的多AGV协同路径规划方法包括,如图1所示:
步骤1,栅格化真实环境的地图,获得栅格地图,再将所述栅格地图中的栅格所对应的路点的通行能力赋予权重值,获得动态加权地图,以评估各个路点的交通拥堵程度。其中,动态加权地图呈现为多个栅格的栅格地图及其信息记录表。通过动态加权地图的信息记录表可以记录地图的静态环境,如道路路点、道路方向、货架区域和分拣台等关键信息。
其中,如图2所示,动态加权地图中每一个栅格的大小与可通行道路同宽,采用单向双道的形式,相邻的可通行道路行驶方向不同,道路方向约束为横向和纵向,即上下左右。
所述信息记录表包含每一个所述栅格的索引键、通行性、横向通行能力和纵向通行能力。其中,栅格在表中的索引键为key,索引键为由对应所述栅格的x 坐标和y坐标组成的字符串,坐标的原点可以根据实际需要选择得到,通过索引键可以快速查询到栅格的相关信息。所述通行性表示AGV是否可以在该栅格上通行,pass表示AGV是否可以在该栅格上通行,如果不可通行pass值为0,后续横向和纵向方向值也为0,可通行则pass值为1。所述横向通行能力lateral 表示AGV是否可以在该栅格上横向通行的状态,lateral值为0表示不可横向通行,值为1表示可以横向向右行驶,值为2表示可以横向向左行驶。所述纵向通行能力portrait表示AGV是否可以在该栅格上纵向通行的状态,portrait值为 0表示不可纵向通行,值为1表示可以纵向向上行驶,值为2表示可以纵向向下行驶。
表1栅格信息
索引键 | x坐标 | y坐标 | 通行性 | 横向 | 纵向 |
key | x | y | pass | lateral | portrait |
本发明实施例提出动态加权地图更新方法,首先用栅格法构建仓储环境的动态加权地图,采用二维数组表示地图的加权重值,数组的行下标对应地图的x 坐标,数组的列下标对应地图的y坐标,地图的加权重值由各个AGV的当前位置和各个AGV预规划的路径决定,各个AGV当前所在位置的权重值最大,周围栅格权重值逐步衰减,预规划的路径的权重值会随着时间逐步衰减。动态加权地图可以有效反映道路的拥堵情况和未来车流的变化情况。
步骤2,初始化所述动态加权地图中各所述路点对应的权重值c
例如:步骤2中初始化动态加权地图的行为详细表述为以下内容。
步骤2.1,动态加权地图数组A的行的下标对应栅格的x坐标,列的下标对应栅格的y坐标。栅格的坐标即为其所对应的路点的坐标。
步骤2.2,将各个路点设置初始值例如但不限于设置为0。
步骤3,每隔预设时间间隔Δt,根据所有AGV在当前所述动态加权地图上的路点位置以及已规划路径,实时计算当前所述动态加权地图中所有所述路点的权重值,每次计算完动态加权地图后,将AGV已规划路径集合清空。
在一个实施例中,步骤3中的“实时计算当前所述动态加权地图中所有所述路点的权重值”的方法具体包括:
步骤3.1,根据所有AGV在当前所述动态加权地图上的路点位置,计算二维的位置影响数组B,其中的元素bij表示第i行第j列的位置影响权重值,动态加权地图的权重值由所有AGV的当前位置和所有AGV预规划的路径的决定。其中,位置影响数组B的行列数与数组A一致,bij表示位于位置影响数组B中第i行第j列的位置影响权重值。
当然,也可以采用现有的其他方法计算当前所述动态加权地图中所有所述路点的权重值。
在一个实施例中,步骤3.1具体包括:
步骤3.11,每次计算位置影响数组B的取值时,都需要初始化所述位置影响数组B中的bij,例如:设置位置影响数组B的初始值为0。
步骤3.12,以位于所述动态加权地图上行驶的第m辆AGV当前所处的坐标 (xm,ym)的栅格为参照栅格,将该参照栅格对应的位置影响权重值更新为该栅格原来的位置影响权重值与第一预设固定值b之和。
步骤3.13,以所述参照栅格为起点,对于沿横向查询得到的所述横向通行能力为可通行的第一栅格对应的位置影响权重值更新为:所述第一栅格原来的位置影响权重值与受第m辆AGV影响带来的权重值之和;其中,所述受第m辆AGV 影响带来的权重值表示为k表示所述第一栅格与所述参照栅格在横向的距离,k的取值范围为0~K,xm-k>0且ym-k>0,K为预设的第m辆AGV 对地图权重值最大影响范围距离,如下式所示:
以所述参照栅格为起点,对于沿纵向查询得到的所述纵向通行能力为可通行的第一栅格对应的位置影响权重值更新为:所述第一栅格原来的位置影响权重值与受第m辆AGV影响带来的权重值之和;其中,所述受第m辆AGV影响带来的权重值表示为k表示所述第一栅格与所述参照栅格在纵向的距离,k的取值范围为0~K,xm-k>0且ym-k>0,如下式所示:
遍历M个AGV的当前位置,计算每个AGV对地图权重值的影响,计算出位置影响位置影响数组B的值。
步骤3.2,获取所有AGV已预规划的路径集P。该路径集P由步骤4产生,每次计算完动态加权地图后,该路径集的数据会被清空。
P={path1,…,pathn}
根据当前所有AGV的已规划路径的路径集P,计算路径影响数组C,其中的元素cij表示第i行第j列的路径影响权重值。
在一个实施例中,步骤3.2具体包括:
步骤3.21,初始化所述路径影响数组C中的cij。
需要说明的是,路径影响数组C只初始化一次为0,如下式所示,后续计算都在该数组基础上累加,路径影响数组C的行列数与数组A一致。
步骤3.22,当前所有AGV已规划路径形成路径集P,路径集P由步骤4产生。
假设路径集P中路径pathn包含以下路点数据c
pathn={(x1,y1),…,(xn,yn)}
遍历路径集P中的所包含路径的所有路点,将该路点对应的路径影响权重值更新为:路点在所述路径影响数组C中对应的元素与第二预设固定值c之和c
步骤3.23,将由步骤3.22更新后的所述路径影响数组C乘上预设的衰减因子α,获得最新的路径影响数组C′,并将路径集P中的所有路径清空,α的取值范围为(0,1)。
C′=C*α
步骤3.3,将所述位置影响数组B和所述路径影响数组C′之和作为动态加权地图的权重值A′。
步骤4,响应各个AGV的路径规划请求,获取AGV当前的任务起点和终点,并获取当前的动态加权地图中的各个路点的权重值,进行路径规划,最后将规划好的路点信息添加到AGV已规划路径集。
在一个实施例中,步骤4具体包括:
步骤4.1,查询AGV是否需要执行,如果不需要执行任务跳到步骤5。如果需要执行任务,则根据AGV的路径规划请求获取AGV当前的任务起点start和任务终点end,再获取当前的动态加权地图数组A′;
步骤4.2,可以利用下面传统A*算法的代价函数f(n)为当前路点n距离所述起点的代价g(n)和当前路点n距离终点的预计代价h(n)之和,以此权重值进行路径规划,并更新所述路径集P。
f(n)=g(n)+h(n)
在另一个实施例中,步骤4.2也可以使用本实施例改进后的A*算法的代价函数f′(n),获取当前的动态加权地图中的各个路点的权重值,以此权重值进行路径规划,并更新所述路径集P。
本实施例改进后的A*算法的代价函数f′(n)中引入了当前路点在地图上的权重值,即:f′(n)为当前路点n距离所述起点的代价g(n)、当前路点n距离终点的预计代价h(n)、当前路点n在动态加权地图上的权重值A′(n)之和。
f′(n)=g(n)+h(n)+A′(n)
假设当前路点n的二维坐标是(yn,yn),(xend,yend)表示终点的二维坐标。
h(n)=|xn-xend|+|yn-yend|
其中,g(n)表示AGV从起点移动到当前路点n的真实代价,g(n)的值可以取但不限于从起点移动到当前路点n的距离;h(n)表示AGV从当前路点n到终点的预估代价,h(n)的值可以取当前路点n到终点的曼哈顿距离,也可以取欧式距离或者切比雪夫距离预估;A′(n)表示当前路点n在动态加权地图上的权重值 是数组A′中第xn行第yn列的元素的值。
需要说明的是,本实施例利用下面代价函数f′(n)获取起点移动到当前路点 n的代价,再通过改进后A*算法进行路径规划。A*算法维护两个集合,open_set 表示待遍历的路点,close_set表示待遍历的路点,其具体包括:
首先,遍历起点周围的可到达的路点,是否可到达通过栅格的属性判断,计算相邻路点n的代价函数f′(n);然后,在相邻路点中选择代价函数最小的路点加入close_set,并计算本次代价函数最小的路点的周围可到达的路点的代价函数,依次迭代类推,直到找到了终点,即当前路点为终点。
步骤5,返回步骤3,每隔预设时间间隔计算动态加权地图,以响应各个AGV 的路径规划请求,不断响应各个AGV的路径规划请求。
本发明在传统A*算法上做了改进,提出了一种基于动态加权地图的改进A* 路径规划算法,代价函数f′(n)为当前路点距离起点的代价、当前路点距离终点的预计代价、当前路点的动态权重值之和,道路越拥堵的路段上的路点的权重值越高,通过动态改变地图的权重值,可以帮助AGV路径规划之初就尽量避免道路拥堵路段,减少了多AGV发生路口拥堵的情况,减少路口排队情况的发生,有效提高了多AGV的运行效率,提高了多AGV整体的协调性。
如图3所示,图3示意的是传统A*算法规划的路径,图中实心黑原点为起点,星号为终点。图4本发明实施例提供的A*算法规划后获得的路径,图中实心黑原点为起点,星号为终点,显然,本发明提供的A*算法规划的路径绕过了拥堵区域。
图5和图6为图3示意的传统A*算法和图4示意的本发明实施例提供的A* 算法的性能对比,可以看出:如图5所示,在相同任务数量和任务起点终点情况下,本发明实施例提供的A*算法规划的路径长度大于传统A*算法规划的路径长度,但是车辆完成所有任务的时间要小于传统A*算法。如图6所示,本发明实施例提供的A*算法在规划路径时考虑了道路拥堵因素,从而有效避免了AGV的规划路径过于集中,并因此减少路口排队等待的时间。
另一方面,如图7所示,本发明还提供了一种多AGV协同路径规划的系统,其包括地图数据模块、路径规划模块和通信模块。其中:
地图数据模块用于栅格化真实环境的地图,获得栅格地图,再将所述栅格地图中的栅格所对应的路点的通行能力赋予权重值,获得动态加权地图。动态加权地图是在真实环境的地图的基础之上,主要记录静态环境数据,记录各个路点、道路方向、货架区域和分拣台等关键信息c地图数据模块还用于动态维护动态加权地图中各个路点的权重值,初始化所述动态加权地图中各所述路点对应的权重值,并每隔预设时间间隔,根据所有AGV在当前所述动态加权地图上的路点位置以及已规划路径,实时计算当前所述动态加权地图中所有所述路点的权重值,并将已规划路径集清空。
路径规划模块用于响应AGV的路径规划请求,当AGV有路径规划请求时需要进行路径规划时,通过通信模块获取AGV当前的任务起点和终点,并通过访问地图数据模块获取当前的动态加权地图中的各个路点的权重值,进行路径规划,最后将规划好的路点信息添加到所述已规划路径集,并通过通信模块将规划的路径传递给AGV,同时将AGV预规划的路径传递给地图数据模块。
通信模块负责路径规划模块和AGV之间的信息传输,可采用多种方式进行通信,如wifi、4G等。AGV接收规划的路径,按照规划的路径进行行驶。当然,也可以将通信单元内置于路径规划模块内,由路径规划模块中通信单元各个AGV 发送所述待分配任务。
在一个实施例中,所述路径规划模块具体包括实时当前动态加权地图权重值计算单元,其具体包括:
位置影响权重值计算单元,其用于根据所有AGV在当前所述动态加权地图上的路点位置,计算位置影响数组,其中的元素表示第行第列的位置影响权重值。
路径影响权重值计算单元,其用于根据当前所有AGV的已规划路径,计算路径影响数组,其中的元素表示第行第列的路径影响权重值。
动态加权地图的权重值计算单元,其用于将所述位置影响数组和所述路径影响数组之和作为动态加权地图的权重值。
在一个实施例中,所述位置影响权重值计算单元具体包括:
位置影响权重值初始化子单元,其用于用于初始化所述位置影响数组B中的 bij。
位置影响权重值更新子单元,其用于以位于所述动态加权地图上行驶的第m 辆AGV当前所处的坐标(xm,ym)的栅格为参照栅格,将该参照栅格对应的位置影响权重值更新为该栅格原来的位置影响权重值与第一预设固定值b之和,再以所述参照栅格为起点,对于沿横向/纵向查询得到的所述横向/纵向通行能力为可通行的第一栅格对应的位置影响权重值更新为:所述第一栅格原来的位置影响权重值与受第m辆AGV影响带来的权重值之和;其中,所述受第m辆AGV影响带来的权重值表示为k表示所述第一栅格与所述参照栅格在横向/纵向的距离, k的取值范围为0~K,xm-k>0且ym-k>0。
在一个实施例中,所述路径影响权重值计算单元具体包括路径影响权重值初始化子单元和路径影响权重值更新子单元,其中:
路径影响权重值初始化子单元用于初始化路径影响数组C中的cij。路径影响数组C只初始化一次为0,后续计算都在该数组基础上累加。
路径影响权重值更新子单元用于当前所有AGV已规划路径形成路径集P,将所述路径集P中的所包含路径的所有路点对应的路径影响权重值更新为:路点在所述路径影响数组C中对应的元素与第二预设固定值c之和,再将更新后的所述路径影响数组C乘上预设的衰减因子α,获得最新的路径影响数组C,并清空路径集P中的所有路径。
在一个实施例中,所述路径规划模块具体还包括路径规划更新单元。
路径规划更新单元用于根据AGV的路径规划请求获取AGV当前的任务起点和任务终点,再获取当前的动态加权地图数组A′,利用A*算法的代价函数f′(n) 获取当前的动态加权地图中的各个路点的权重值,以此权重值进行路径规划,并更新所述路径集P:
f′(n)=g(n)+h(n)+A′(n)
其中,g(n)表示AGV从起点移动到当前路点n的真实代价,h(n)表示AGV从当前路点n到终点的预估代价,A′(n)表示当前路点n在动态加权地图上的权重值。
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对其限制。本领域的普通技术人员应当理解: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;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 (8)
1.一种基于动态加权地图的多AGV协同路径规划方法,其特征在于,包括:
步骤1,栅格化真实环境的地图,获得栅格地图,再将所述栅格地图中的栅格所对应的路点的通行能力赋予权重值,获得动态加权地图,以评估各个路点的交通拥堵程度;
步骤2,初始化所述动态加权地图中各所述路点对应的权重值;
步骤3,每隔预设时间间隔,根据所有AGV在当前所述动态加权地图上的路点位置以及已规划路径,实时计算当前所述动态加权地图中所有所述路点的权重值,并将已规划路径集清空;
步骤4,响应AGV的路径规划请求时,获取相应AGV当前的任务起点和终点,并获取由所述步骤3获得的当前所述动态加权地图中所有所述路点的权重值,进行路径规划,最后将规划好的路点信息添加到已规划路径集;
步骤5,返回步骤3;
所述步骤3中的“实时计算当前所述动态加权地图中所有所述路点的权重值”的方法具体包括:
步骤3.1,根据所有AGV在当前所述动态加权地图上的路点位置,计算位置影响数组B,其中的元素bij表示第i行第j列的位置影响权重值;
步骤3.2,根据当前所有AGV的所述已规划路径,计算路径影响数组C,其中的元素cij表示第i行第j列的路径影响权重值;
步骤3.3,根据所述位置影响数组B和所述路径影响数组C之和,获得所述动态加权地图中各所述路点对应的权重值。
2.如权利要求1所述的基于动态加权地图的多AGV协同路径规划方法,其特征在于,所述步骤3.1具体包括:
步骤3.11,初始化所述位置影响数组B中的bij;
步骤3.12,以位于当前所述动态加权地图上行驶的第m辆AGV所处的坐标(xm,ym)的栅格为参照栅格,将该参照栅格对应的位置影响权重值更新为:该栅格原来的位置影响权重值与第一预设固定值b之和;
3.如权利要求1所述的基于动态加权地图的多AGV协同路径规划方法,其特征在于,所述步骤3.2具体包括:
步骤3.21,初始化所述路径影响数组C中的cij;
步骤3.22,当前所有AGV已规划路径形成路径集P,将所述路径集P中的所包含路径的所有路点对应的路径影响权重值更新为:路点在所述路径影响数组C中对应的元素与第二预设固定值c之和;
步骤3.23,将由步骤3.22更新后的所述路径影响数组C乘上预设的衰减因子α,获得最新的路径影响数组C′,并清空路径集P中的所有路径。
4.如权利要求1-3中任一项所述的基于动态加权地图的多AGV协同路径规划方法,其特征在于,所述步骤4具体包括:
步骤4.1,根据AGV的路径规划请求获取AGV当前的任务起点和任务终点,再获取当前的动态加权地图数组;
步骤4.2,利用A*算法的代价函数f′(n)获取当前的动态加权地图中的各个路点的权重值,再传入任务起点和任务终点,利用步骤4.2获得的当前的动态加权地图中的各个路点的权重值,进行路径规划,并更新当前所有AGV已规划路径形成的路径集P:
f′(n)=g(n)+h(n)+A′(n)
其中,g(n)表示AGV从起点移动到当前路点n的真实代价,h(n)表示AGV从当前路点n到终点的预估代价,A′(n)表示当前路点n在动态加权地图上的权重值。
5.一种基于动态加权地图的多AGV协同路径规划系统,其特征在于,包括:
地图数据模块,其用于栅格化真实环境的地图,获得栅格地图,再将所述栅格地图中的栅格所对应的路点的通行能力赋予权重值,获得动态加权地图,然后初始化所述动态加权地图中各所述路点对应的权重值,并每隔预设时间间隔,根据所有AGV在当前所述动态加权地图上的路点位置以及已规划路径,实时计算当前所述动态加权地图中所有所述路点的权重值,并将已规划路径集清空;
路径规划模块,其用于响应AGV的路径规划请求时,获取相应AGV当前的任务起点和终点,并获取当前所述动态加权地图中所有所述路点的权重值,进行路径规划,最后将规划好的路点信息添加到AGV已规划路径集;
所述路径规划模块具体包括实时动态加权地图当前权重值计算单元,其具体包括:
位置影响权重值计算单元,其用于根据所有AGV在当前所述动态加权地图上的路点位置,计算位置影响数组B,其中的元素bij表示第i行第j列的位置影响权重值;
路径影响权重值计算单元,其用于根据当前所有AGV的已规划路径,计算路径影响数组C,其中的元素cij表示第i行第j列的路径影响权重值;
动态加权地图的权重值计算单元,其用于根据所述位置影响数组B和所述路径影响数组C之和,获得所述动态加权地图中各所述路点对应的权重值。
6.如权利要求5所述的基于动态加权地图的多AGV协同路径规划系统,其特征在于,所述位置影响权重值计算单元具体包括:
位置影响权重值初始化子单元,其用于初始化所述位置影响数组B中的bij;
7.如权利要求6所述的基于动态加权地图的多AGV协同路径规划系统,其特征在于,所述路径影响权重值计算单元具体包括:
路径影响权重值初始化子单元,其用于初始化所述路径影响数组C中的cij;
路径影响权重值更新子单元,其用于当前所有AGV已规划路径形成路径集P,将所述路径集P中的所包含路径的所有路点对应的路径影响权重值更新为:路点在所述路径影响数组C中对应的元素与第二预设固定值c之和,再将更新后的所述路径影响数组C乘上预设的衰减因子α,获得最新的路径影响数组C′,并清空路径集P中的所有路径。
8.如权利要求5-7中任一项所述的基于动态加权地图的多AGV协同路径规划系统,其特征在于,所述路径规划模块具体还包括路径规划更新单元,其用于根据AGV的路径规划请求获取AGV当前的任务起点和任务终点,再获取当前的动态加权地图数组,利用A*算法的代价函数f′(n)获取当前的动态加权地图中的各个路点的权重值,以此权重值进行路径规划,并更新当前所有AGV已规划路径形成的路径集P:
f′(n)=g(n)+h(n)+A′(n)其中,g(n)表示AGV从起点移动到当前路点n的真实代价,h(n)表示AGV从当前路点n到终点的预估代价,A′(n)表示当前路点n在动态加权地图上的权重值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210781250.8A CN114967711B (zh) | 2022-07-04 | 2022-07-04 | 一种基于动态加权地图的多agv协同路径规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210781250.8A CN114967711B (zh) | 2022-07-04 | 2022-07-04 | 一种基于动态加权地图的多agv协同路径规划方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114967711A CN114967711A (zh) | 2022-08-30 |
CN114967711B true CN114967711B (zh) | 2023-05-12 |
Family
ID=82968288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210781250.8A Active CN114967711B (zh) | 2022-07-04 | 2022-07-04 | 一种基于动态加权地图的多agv协同路径规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114967711B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115293711B (zh) * | 2022-10-08 | 2022-12-20 | 南通海隼信息科技有限公司 | 一种用于智能仓储的优化方法 |
CN117553800B (zh) * | 2024-01-04 | 2024-03-19 | 深圳市乐骑智能科技有限公司 | Agv定位与路径规划方法及装置 |
CN117970892B (zh) * | 2024-03-29 | 2024-07-09 | 合肥焕智科技有限公司 | 一种输送系统的控制方法及装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109489667A (zh) * | 2018-11-16 | 2019-03-19 | 楚天智能机器人(长沙)有限公司 | 一种基于权值矩阵的改进蚁群路径规划方法 |
CN110310480B (zh) * | 2019-06-25 | 2021-12-03 | 电子科技大学 | 一种基于拥塞控制的实时路径规划方法 |
CN110530388B (zh) * | 2019-09-05 | 2021-08-27 | 苏宁云计算有限公司 | 多agv的路径规划方法及系统 |
CN110595482B (zh) * | 2019-10-28 | 2020-11-13 | 深圳市银星智能科技股份有限公司 | 一种带避障权重的路径规划方法、装置及电子设备 |
CN113934201A (zh) * | 2020-06-29 | 2022-01-14 | 西门子股份公司 | 一种自动引导车集群的路径规划方法及其装置 |
CN111735470B (zh) * | 2020-07-29 | 2021-03-02 | 上海国际港务(集团)股份有限公司 | 一种动态环境下的自动导引运输车路径规划方法 |
CN112748732B (zh) * | 2020-12-01 | 2022-08-05 | 杭州电子科技大学 | 基于改进Kstar算法和深度学习的实时路径规划方法 |
CN113516429B (zh) * | 2021-04-08 | 2024-03-29 | 华南理工大学 | 一种基于网络拥堵模型的多agv全局规划方法 |
CN114397890A (zh) * | 2021-12-23 | 2022-04-26 | 广东奥博信息产业股份有限公司 | 车辆动态路径规划方法、装置、电子设备及可读存储介质 |
CN114489062B (zh) * | 2022-01-18 | 2023-03-21 | 北京理工大学 | 面向车间物流的多自动导引车分布式动态路径规划方法 |
CN114185354B (zh) * | 2022-02-15 | 2022-05-17 | 中国科学院微电子研究所 | 一种基于dqn的agv全局路径规划方法和系统 |
-
2022
- 2022-07-04 CN CN202210781250.8A patent/CN114967711B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114967711A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114967711B (zh) | 一种基于动态加权地图的多agv协同路径规划方法及系统 | |
WO2020134082A1 (zh) | 一种路径规划方法、装置和移动设备 | |
US8849559B2 (en) | Apparatus and method for generating and using a grid map path | |
WO2021042827A1 (zh) | 多agv的路径规划方法及系统 | |
CN109213153B (zh) | 一种车辆自动驾驶方法及电子设备 | |
CN109269516B (zh) | 一种基于多目标Sarsa学习的动态路径诱导方法 | |
CN112269382B (zh) | 一种机器人多目标路径规划方法 | |
CN105938572A (zh) | 一种物流存储系统预防干涉的多自动导引车路径规划方法 | |
CN113188562B (zh) | 可行驶区域的路径规划方法、装置、电子设备及存储介质 | |
CN112947591A (zh) | 基于改进蚁群算法的路径规划方法、装置、介质及无人机 | |
CN115248042A (zh) | 一种清扫路径的规划方法及装置 | |
CN114926809A (zh) | 可通行区域检测方法及装置、移动工具、存储介质 | |
CN109579861A (zh) | 一种基于强化学习的路径导航方法及系统 | |
Bassel | A hybrid technique for single-source shortest path-based on A* algorithm and ant colony optimization | |
CN114859932A (zh) | 基于强化学习的探索方法、装置和智能设备 | |
Liu et al. | An improved path planning algorithm based on fuel consumption | |
CN117522078A (zh) | 无人系统集群环境耦合下的可迁移任务规划方法及系统 | |
CN113325856A (zh) | 基于逆流逼近策略的uuv最优作业路径规划方法 | |
CN117109574A (zh) | 一种农用运输机械覆盖路径规划方法 | |
CN117371895A (zh) | 未知环境下多地面无人车路径规划方法、系统及介质 | |
CN108256662A (zh) | 到达时间的预测方法和装置 | |
CN112185149A (zh) | 基于城市路网数据的路径规划方法及系统 | |
CN116793376A (zh) | 一种基于最短路径和历史经验的路径预测方法、装置及存储介质 | |
CN114625137A (zh) | 一种基于agv的智能停车路径规划方法及系统 | |
CN115114387A (zh) | 栅格地图生成方法及装置、移动工具、存储介质 |
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 |