CN115357033A - 一种面向于agv机器人的作业控制方法 - Google Patents

一种面向于agv机器人的作业控制方法 Download PDF

Info

Publication number
CN115357033A
CN115357033A CN202211289949.9A CN202211289949A CN115357033A CN 115357033 A CN115357033 A CN 115357033A CN 202211289949 A CN202211289949 A CN 202211289949A CN 115357033 A CN115357033 A CN 115357033A
Authority
CN
China
Prior art keywords
agv robot
stacked
adaptive
target
robot
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
CN202211289949.9A
Other languages
English (en)
Other versions
CN115357033B (zh
Inventor
祝焕
李长好
陶慧
丁伯双
张家星
胡薇薇
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.)
Hefei Huanzhi Technology Co ltd
Original Assignee
Hefei Huanzhi Technology Co ltd
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 Hefei Huanzhi Technology Co ltd filed Critical Hefei Huanzhi Technology Co ltd
Priority to CN202211289949.9A priority Critical patent/CN115357033B/zh
Publication of CN115357033A publication Critical patent/CN115357033A/zh
Application granted granted Critical
Publication of CN115357033B publication Critical patent/CN115357033B/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
    • G05D1/0214—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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle

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)

Abstract

本发明涉及AGV机器人作业控制技术领域，具体公开一种面向于AGV机器人的作业控制方法，该方法包括：码放区域划分、空置格子位置信息获取、待码放物品对应的目标空置格子分析、待码放物品对应的适配AGV机器人分析、待码放物品对应的目标AGV机器人分析、目标AGV机器人取件作业控制和抓取机器人作业起始时间点分析，本发明不仅考虑了各AGV机器人的当前位置、待码放物品的当前位置和各空置格子的当前位置，也考虑到了各空置格子的优先级，提高了目标人员的工作效率，本发明根据目标AGV机器人到达待码放物品当前位置的预计时间点分析抓取机器人的作业起始时间点，保证了目标AGV机器人和抓取机器人的工作效率。

Description

一种面向于AGV机器人的作业控制方法
技术领域
本发明涉及AGV机器人作业控制技术领域，具体而言，涉及一种面向于AGV机器人的作业控制方法。
背景技术
随着社会的发展和科技的发展，机器人的发展也越来越迅速，AGV机器人由于具有提高搬运作业效率、对场地要求较低、自动化程度高和有效控制成本的优点，因此，越来越多的厂家选择使用AGV机器人来进行搬运，AGV机器人的使用频率明显增高，但是如果AGV机器人的作业控制不合理，不仅达不到理想的搬运效果，还会造成生产线堵塞，降低生产产品的效率，因此，需要对AGV机器人进行作业控制。
现有的AGV机器人作业控制可以满足AGV机器人的正常搬运功能，但是还存在以下缺陷：（1）现有的AGV机器人作业控制在筛选待码放物品对应的目标空置格子和目标AGV机器人时，大多是根据各AGV机器人的当前位置、待码放物品的当前位置和各空置格子的当前位置自主规划路径，进而从各AGV机器人自主规划路径中筛选出最短自主规划路径对应的目标AGV机器人和目标空置格子，并将其作为待码放物品对应的目标空置格子和目标AGV机器人，忽略了各空置格子的优先级对目标空置格子的影响，进而导致筛选出的目标空置格子不利于目标人员的有序操作，可能存在目标人员不便将待码放物品放置到目标空置格子的现象，在一定程度上降低了目标人员的工作效率。
（2）现有的AGV机器人作业控制在对与其关联操作的抓取机器人对应的作业起始时间点时，大多是提前设定好抓取机器人的作业起始时间点，可能会出现目标AGV机器人到达待码放物品当前位置的预计时间点与抓取机器人对应作业起始时间点并不匹配的现象，进而影响目标AGV机器人和抓取机器人的工作效率。
发明内容
为了克服背景技术中的缺点，本发明实施例提供了一种面向于AGV机器人的作业控制方法能够有效解决上述背景技术中涉及的问题。
本发明的目的可以通过以下技术方案来实现：一种面向于AGV机器人的作业控制方法，该方法包括以下步骤：S1、码放区域划分：将码放区域按照货架划分为各码放子区域。
S2、空置格子位置信息获取：从码放区域管理中心获取各码放子区域的各空置格子的位置信息和尺寸信息，其中位置信息包括行值和列值，尺寸信息包括长度、宽度、高度。
S3、待码放物品对应的目标空置格子分析：获取待码放物品的基本信息和各空置格子的尺寸信息分析待码放物品的各一级适配空置格子，其中待码放物品的基本信息包括长度、宽度、高度，进而从待码放物品的各一级适配空置格子中筛选出待码放物品对应的最优适配空置格子，并将其记为待码放物品的目标空置格子。
S4、待码放物品对应的适配AGV机器人分析：根据待码放物品的基本信息计算待码放物品的基本信息表征值，并将其与云数据库中存储的各AGV机器人对应的适配基本信息表征值范围进行对比，进而从中筛选出待码放物品的各适配AGV机器人。
S5、待码放物品对应的目标AGV机器人分析：根据待码放物品的目标空置格子和各适配AGV机器人分析待码放物品对应的优益AGV机器人，并将其标记为待码放物品的目标AGV机器人。
S6、目标AGV机器人取件作业控制：AGV机器人管理中心发送运动指令到目标AGV机器人，进而目标AGV机器人执行运动指令，并在取件过程中进行动态障碍物监测，若监测到动态障碍物，则进行目标AGV机器人取件动态障碍物异常预警。
S7、抓取机器人作业起始时间点分析：分析目标AGV机器人到达待码放物品当前位置的预计时间点，并据此分析抓取机器人的作业起始时间点，进而抓取机器人在作业起始时间点开始作业。
进一步地，所述S3中待码放物品的各一级适配空置格子的具体分析步骤为：S311：将待码放物品的长度与各码放子区域的各空置格子的长度进行对比，若某码放子区域的某空置格子的长度大于待码放物品的长度，则将该码放子区域的该空置格子标记为长度符合的空置格子，进而获取该码放子区域对应长度符合的各空置格子的编号。
S312：同理，获取该码放子区域对应宽度符合的各空置格子的编号。
S313：同理，获取该码放子区域对应高度符合的各空置格子的编号。
S314：将该码放子区域对应长度符合的各空置格子的编号、宽度符合的各空置格子的编号和高度符合的各空置格子的编号进行对比，若该码放子区域对应长度符合的某空置格子的编号、宽度符合的某空置格子的编号和高度符合的某空置格子的编号均相同，则将其标记为该码放子区域的一级适配空置格子，进而得到各码放子区域的各一级适配空置格子。
进一步地，所述S3中待码放物品对应的最优适配空置格子的具体分析步骤为：S321：获取目标人员的身高，其中目标人员为接收AGV机器人输送待码放物品的工作人员。
S322：将目标人员的身高与预设的各身高区间进行对比，进而得到目标人员对应的身高区间，并根据云数据库中存储的码放区域中各货架的行值与各身高区间的摆放优先值，筛选目标人员对应的各货架的行值所属摆放优先值。
S323：将各码放子区域的各一级适配空置格子的行值与目标人员对应的各货架的行值所属摆放优先值进行对比，筛选各码放子区域的各一级适配空置格子对应的行值所属摆放优先值，并将各码放子区域的各一级适配空置格子的列值与预设的各货架的列值对应的摆放优先值进行对比，筛选各码放子区域的各一级适配空置格子对应的列值所属摆放优先值。
S324：将各码放子区域的各一级适配空置格子的行值所属摆放优先值和列值所属摆放优先值代入到各码放子区域的各一级适配空置格子的优先系数公式
Figure 361889DEST_PATH_IMAGE001
中，其中
Figure 876441DEST_PATH_IMAGE002
表示为第
Figure 135384DEST_PATH_IMAGE003
个码放子区域的第
Figure 358555DEST_PATH_IMAGE004
个一级适配空置格子的优先系数，
Figure 689042DEST_PATH_IMAGE005
、
Figure 415689DEST_PATH_IMAGE006
分别表示为第
Figure 189741DEST_PATH_IMAGE007
个码放子区域的第
Figure 900209DEST_PATH_IMAGE008
个一级适配空置格子的行值所属摆放优先值、列值所属摆放优先值，
Figure 440911DEST_PATH_IMAGE009
、
Figure 677858DEST_PATH_IMAGE010
分别表示为预设的码放子区域的一级空置格子对应的行值所属摆放优先值的权重因子、列值所属摆放优先值的权重因子，
Figure 481866DEST_PATH_IMAGE011
表示为自然常数，
Figure 787951DEST_PATH_IMAGE012
表示为各码放子区域的编号，
Figure 335607DEST_PATH_IMAGE013
，
Figure 427060DEST_PATH_IMAGE014
表示为各一级适配空置格子的编号，
Figure 667548DEST_PATH_IMAGE015
。
S325：将各码放子区域的各一级适配空置格子的优先系数进行相互对比，筛选出各码放子区域的最大优先系数对应的一级适配空置格子，并将其作为各码放子区域对应的最优适配空置格子。
S326：将各码放子区域对应的最优适配空置格子的优先系数进行相互对比，筛选出最大优先系数对应的最优适配空置格子作为待码放物品对应的最优适配空置格子。
进一步地，所述待码放物品的基本信息表征值的具体计算公式为：
Figure 883766DEST_PATH_IMAGE016
，其中
Figure 110479DEST_PATH_IMAGE017
表示为待码放物品的基本信息表征值，
Figure 666225DEST_PATH_IMAGE018
、
Figure 202249DEST_PATH_IMAGE019
、
Figure 109025DEST_PATH_IMAGE020
分别表示为待码放物品的长度、宽度、高度，
Figure 795221DEST_PATH_IMAGE021
、
Figure 113463DEST_PATH_IMAGE022
、
Figure 695754DEST_PATH_IMAGE023
分别表示为待码放物品的长度、宽度、高度所属调整因子。
进一步地，所述S5中待码放物品对应的优益AGV机器人的具体分析步骤为：S51：获取各适配AGV机器人的当前位置、待码放物品的当前位置和待码放物品的目标空置格子的位置。
S52：基于各适配AGV机器人的当前位置和待码放物品的当前位置以及待码放物品的目标空置格子的位置，由各适配AGV机器人内置的自主导航系统自主规划取件路径和输送路径，并据此得到各适配AGV机器人的取件路径和输送路径相应的取件路程和输送路程，进而将取件路程和输送路程进行相加，从而得到各适配AGV机器人对应的预计路程。
S53：通过全方位摄像头获取各适配AGV机器人的取件路径的路况图。
S54：基于各适配AGV机器人的取件路径的路况图识别各适配AGV机器人的取件路径上是否存在静态障碍物，若各适配AGV机器人的取件路径上不存在静态障碍物，则将各适配AGV机器人的静态障碍物风险值记为
Figure 948881DEST_PATH_IMAGE024
，
Figure 642031DEST_PATH_IMAGE025
表示为各适配AGV机器人的编号，
Figure 47735DEST_PATH_IMAGE026
，若存在静态障碍物，则进行以下分析：基于各适配AGV机器人的取件路径的路况图识别道路上静态障碍物的两侧空余宽度，并将静态障碍物的两侧空余宽度进行相互对比，进而选取最大的空余宽度作为各适配AGV机器人的待评估空余宽度。
根据该适配AGV机器人的待评估空余宽度、云数据库中存储的安全补偿宽度和该适配AGV机器人的宽度分析该适配AGV机器人对应的静态障碍物风险值，其计算公式为：
Figure 597665DEST_PATH_IMAGE027
，其中
Figure 479034DEST_PATH_IMAGE028
表示为该适配AGV机器人对应的静态障碍物风险值，
Figure 100508DEST_PATH_IMAGE029
表示为该适配AGV机器人的宽度，
Figure 485353DEST_PATH_IMAGE030
表示为该适配AGV机器人的待评估空余宽度，
Figure 517769DEST_PATH_IMAGE031
表示为安全补偿宽度。
S55：获取各适配AGV机器人对应的静态障碍物风险值，并将各适配AGV机器人对应的静态障碍物风险值标记为
Figure 683171DEST_PATH_IMAGE032
，
Figure 718123DEST_PATH_IMAGE033
，其中
Figure 613267DEST_PATH_IMAGE034
表示为各适配AGV机器人的编号，
Figure 442682DEST_PATH_IMAGE035
。
S56：根据各适配AGV机器人对应的预计路程和静态障碍物风险值分析各适配AGV机器人对应的综合行驶效率指数，其计算公式为：
Figure 908430DEST_PATH_IMAGE036
，其中
Figure 747073DEST_PATH_IMAGE037
表示为第
Figure 903248DEST_PATH_IMAGE038
个适配AGV机器人对应的综合行驶效率指数，
Figure 293778DEST_PATH_IMAGE039
表示为第
Figure 105876DEST_PATH_IMAGE040
个适配AGV机器人对应的预计路程，
Figure 125041DEST_PATH_IMAGE041
表示为预设的单位路径对应的效率风险指数，
Figure 604564DEST_PATH_IMAGE042
、
Figure 165995DEST_PATH_IMAGE043
分别表示为预设的适配AGV机器人对应的预计路程和静态障碍物风险值对应的占比系数。
S57：将各适配AGV机器人对应的综合行驶效率指数进行相互对比，筛选最大综合行驶效率指数对应的适配AGV机器人作为待码放物品对应的优益AGV机器人。
进一步地，所述AGV机器人管理中心发送运动指令到目标AGV机器人，进而目标AGV机器人执行运动指令的具体方法为：由AGV机器人管理中心获取待码放物品的目标AGV机器人的编号，并发送运动指令到目标AGV机器人，目标AGV机器人接收到运动指令，进而调取运动设备执行运动指令。
进一步地，所述S7中分析目标AGV机器人到达待码放物品当前位置的预计时间点的具体方法为：S71：获取目标AGV机器人的当前时间点。
S72：若目标AGV机器人的取件路径不存在静态障碍物，则目标AGV机器人到达待码放物品当前位置的预计正常行驶时长为：
Figure 730969DEST_PATH_IMAGE044
，其中
Figure 708152DEST_PATH_IMAGE045
表示为目标AGV机器人到达待码放物品当前位置的预计正常行驶时长，
Figure 917548DEST_PATH_IMAGE046
表示为目标AGV机器人对应的取件路程，
Figure 259667DEST_PATH_IMAGE047
表示为预设的目标AGV机器人对应的正常行驶速度。
若目标AGV机器人的取件路径存在静态障碍物，则目标AGV机器人到达待码放物品当前位置的预计综合行驶时长为：
Figure 436571DEST_PATH_IMAGE048
，其中
Figure 155128DEST_PATH_IMAGE049
表示为目标AGV机器人到达待码放物品当前位置的预计综合行驶时长，
Figure 405981DEST_PATH_IMAGE050
表示为预设的目标AGV机器人对应的减速行驶速度，
Figure 558482DEST_PATH_IMAGE051
表示为预设的目标AGV机器人对应的减速路程。
S73：将目标AGV机器人到达待码放物品当前位置的预计时长标记为
Figure 98048DEST_PATH_IMAGE052
，其中
Figure 479351DEST_PATH_IMAGE053
。
S74：根据目标AGV机器人的当前时间点和目标AGV机器人到达待码放物品当前位置的预计时长得到目标AGV机器人到达待码放物品当前位置的预计时间点。
进一步地，所述分析抓取机器人的作业起始时间点的具体方法为：根据目标AGV机器人到达待码放物品当前位置的预计时间点和预设的抓取机器人的作业时长得到抓取机器人对应的作业起始时间点。
相对于现有技术，本发明的实施例至少具有如下优点或有益效果：（1）本发明的AGV机器人作业控制在筛选待码放物品对应的目标空置格子和目标AGV机器人时，不仅考虑到了各AGV机器人的当前位置、待码放物品的当前位置和各空置格子的当前位置，也考虑到了各空置格子的优先级，进而筛选出待码放物品对应的目标空置格子和目标AGV机器人，进而弥补了现有技术中筛选的目标空置格子不利于目标人员有序操作的缺陷，避免出现目标人员不便将待码放物品放置到目标空置格子的现象，提高了目标人员的工作效率。
（2）本发明的AGV机器人作业控制在对与其关联操作的抓取机器人对应的作业起始时间点时，根据目标AGV机器人到达待码放物品当前位置的预计时间点分析抓取机器人的作业起始时间点，进而避免出现目标AGV机器人到达待码放物品当前位置的预计时间点与抓取机器人对应作业起始时间点不匹配的现象，从而保证了目标AGV机器人和抓取机器人的工作效率。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的方法流程示意图。
具体实施方式
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他实施例，都属于本发明保护的范围。
参照图1所示，本发明提供一种面向于AGV机器人的作业控制方法，该方法包括以下步骤：S1、码放区域划分：将码放区域按照货架划分为各码放子区域。
S2、空置格子位置信息获取：从码放区域管理中心获取各码放子区域的各空置格子的位置信息和尺寸信息，其中位置信息包括行值和列值，尺寸信息包括长度、宽度、高度。
S3、待码放物品对应的目标空置格子分析：获取待码放物品的基本信息和各空置格子的尺寸信息分析待码放物品的各一级适配空置格子，其中待码放物品的基本信息包括长度、宽度、高度，进而从待码放物品的各一级适配空置格子中筛选出待码放物品对应的最优适配空置格子，并将其记为待码放物品的目标空置格子。
在本发明的具体实施例中，所述S3中待码放物品的各一级适配空置格子的具体分析步骤为：S311：将待码放物品的长度与各码放子区域的各空置格子的长度进行对比，若某码放子区域的某空置格子的长度大于待码放物品的长度，则将该码放子区域的该空置格子标记为长度符合的空置格子，进而获取该码放子区域对应长度符合的各空置格子的编号。
S312：同理，获取该码放子区域对应宽度符合的各空置格子的编号。
S313：同理，获取该码放子区域对应高度符合的各空置格子的编号。
S314：将该码放子区域对应长度符合的各空置格子的编号、宽度符合的各空置格子的编号和高度符合的各空置格子的编号进行对比，若该码放子区域对应长度符合的某空置格子的编号、宽度符合的某空置格子的编号和高度符合的某空置格子的编号均相同，则将其标记为该码放子区域的一级适配空置格子，进而得到各码放子区域的各一级适配空置格子。
在本发明的具体实施例中，所述S3中待码放物品对应的最优适配空置格子的具体分析步骤为：S321：获取目标人员的身高，其中目标人员为接收AGV机器人输送待码放物品的工作人员。
需要说明的是，通过全方位摄像头获取目标人员的身高。
S322：将目标人员的身高与预设的各身高区间进行对比，进而得到目标人员对应的身高区间，并根据云数据库中存储的码放区域中各货架的行值与各身高区间的摆放优先值，筛选目标人员对应的各货架的行值所属摆放优先值。
S323：将各码放子区域的各一级适配空置格子的行值与目标人员对应的各货架的行值所属摆放优先值进行对比，筛选各码放子区域的各一级适配空置格子对应的行值所属摆放优先值，并将各码放子区域的各一级适配空置格子的列值与预设的各货架的列值对应的摆放优先值进行对比，筛选各码放子区域的各一级适配空置格子对应的列值所属摆放优先值。
S324：将各码放子区域的各一级适配空置格子的行值所属摆放优先值和列值所属摆放优先值代入到各码放子区域的各一级适配空置格子的优先系数公式
Figure 787972DEST_PATH_IMAGE054
中，其中
Figure 612840DEST_PATH_IMAGE055
表示为第
Figure 170860DEST_PATH_IMAGE056
个码放子区域的第
Figure 496799DEST_PATH_IMAGE057
个一级适配空置格子的优先系数，
Figure 784561DEST_PATH_IMAGE058
、
Figure 639385DEST_PATH_IMAGE059
分别表示为第
Figure 542093DEST_PATH_IMAGE060
个码放子区域的第
Figure 406143DEST_PATH_IMAGE061
个一级适配空置格子的行值所属摆放优先值、列值所属摆放优先值，
Figure 220516DEST_PATH_IMAGE062
、
Figure 902033DEST_PATH_IMAGE063
分别表示为预设的码放子区域的一级空置格子对应的行值所属摆放优先值的权重因子、列值所属摆放优先值的权重因子，
Figure 372328DEST_PATH_IMAGE064
表示为自然常数，
Figure 915436DEST_PATH_IMAGE065
表示为各码放子区域的编号，
Figure 787577DEST_PATH_IMAGE066
，
Figure 312100DEST_PATH_IMAGE067
表示为各一级适配空置格子的编号，
Figure 659904DEST_PATH_IMAGE068
。
S325：将各码放子区域的各一级适配空置格子的优先系数进行相互对比，筛选出各码放子区域的最大优先系数对应的一级适配空置格子，并将其作为各码放子区域对应的最优适配空置格子。
S326：将各码放子区域对应的最优适配空置格子的优先系数进行相互对比，筛选出最大优先系数对应的最优适配空置格子作为待码放物品对应的最优适配空置格子。
本发明的AGV机器人作业控制在筛选待码放物品对应的目标空置格子和目标AGV机器人时，不仅考虑到了各AGV机器人的当前位置、待码放物品的当前位置和各空置格子的当前位置，也考虑到了各空置格子的优先级，进而筛选出待码放物品对应的目标空置格子和目标AGV机器人，进而弥补了现有技术中筛选的目标空置格子不利于目标人员有序操作的缺陷，避免出现目标人员不便将待码放物品放置到目标空置格子的现象，提高了目标人员的工作效率。
S4、待码放物品对应的适配AGV机器人分析：根据待码放物品的基本信息计算待码放物品的基本信息表征值，并将其与云数据库中存储的各AGV机器人对应的适配基本信息表征值范围进行对比，进而从中筛选出待码放物品的各适配AGV机器人。
在本发明的具体实施例中，所述待码放物品的基本信息表征值的具体计算公式为：
Figure 865758DEST_PATH_IMAGE069
，其中
Figure 966307DEST_PATH_IMAGE070
表示为待码放物品的基本信息表征值，
Figure 864992DEST_PATH_IMAGE071
、
Figure 106618DEST_PATH_IMAGE072
、
Figure 240796DEST_PATH_IMAGE073
分别表示为待码放物品的长度、宽度、高度，
Figure 353109DEST_PATH_IMAGE074
、
Figure 766904DEST_PATH_IMAGE075
、
Figure 964667DEST_PATH_IMAGE076
分别表示为待码放物品的长度、宽度、高度所属调整因子。
S5、待码放物品对应的目标AGV机器人分析：根据待码放物品的目标空置格子和各适配AGV机器人分析待码放物品对应的优益AGV机器人，并将其标记为待码放物品的目标AGV机器人。
在本发明的具体实施例中，所述S5中待码放物品对应的优益AGV机器人的具体分析步骤为：S51：获取各适配AGV机器人的当前位置、待码放物品的当前位置和待码放物品的目标空置格子的位置。
需要说明的是，各适配机器人的当前位置由各适配机器人自带的自主导航系统获取，待码放物品的当前位置和待码放物品的目标空置格子的位置由全方位摄像头获取。
S52：基于各适配AGV机器人的当前位置和待码放物品的当前位置以及待码放物品的目标空置格子的位置，由各适配AGV机器人内置的自主导航系统自主规划取件路径和输送路径，并据此得到各适配AGV机器人的取件路径和输送路径相应的取件路程和输送路程，进而将取件路程和输送路程进行相加，从而得到各适配AGV机器人对应的预计路程。
S53：通过全方位摄像头获取各适配AGV机器人的取件路径的路况图。
S54：基于各适配AGV机器人的取件路径的路况图识别各适配AGV机器人的取件路径上是否存在静态障碍物，若各适配AGV机器人的取件路径上不存在静态障碍物，则将各适配AGV机器人的静态障碍物风险值记为
Figure 636956DEST_PATH_IMAGE077
，
Figure 400513DEST_PATH_IMAGE078
表示为各适配AGV机器人的编号，
Figure 375422DEST_PATH_IMAGE079
，若存在静态障碍物，则进行以下分析：基于各适配AGV机器人的取件路径的路况图识别道路上静态障碍物的两侧空余宽度，并将静态障碍物的两侧空余宽度进行相互对比，进而选取最大的空余宽度作为各适配AGV机器人的待评估空余宽度。
根据该适配AGV机器人的待评估空余宽度、云数据库中存储的安全补偿宽度和该适配AGV机器人的宽度分析该适配AGV机器人对应的静态障碍物风险值，其计算公式为：
Figure 437313DEST_PATH_IMAGE080
，其中
Figure 523080DEST_PATH_IMAGE081
表示为该适配AGV机器人对应的静态障碍物风险值，
Figure 469040DEST_PATH_IMAGE082
表示为该适配AGV机器人的宽度，
Figure 880429DEST_PATH_IMAGE083
表示为该适配AGV机器人的待评估空余宽度，
Figure 583943DEST_PATH_IMAGE084
表示为安全补偿宽度。
S55：获取各适配AGV机器人对应的静态障碍物风险值，并将各适配AGV机器人对应的静态障碍物风险值标记为
Figure 348768DEST_PATH_IMAGE085
，
Figure 290179DEST_PATH_IMAGE086
，其中
Figure 465946DEST_PATH_IMAGE087
表示为各适配AGV机器人的编号，
Figure 860018DEST_PATH_IMAGE088
。
S56：根据各适配AGV机器人对应的预计路程和静态障碍物风险值分析各适配AGV机器人对应的综合行驶效率指数，其计算公式为：
Figure 927069DEST_PATH_IMAGE089
，其中
Figure 519724DEST_PATH_IMAGE090
表示为第
Figure 272916DEST_PATH_IMAGE091
个适配AGV机器人对应的综合行驶效率指数，
Figure 278919DEST_PATH_IMAGE092
表示为第
Figure 244601DEST_PATH_IMAGE093
个适配AGV机器人对应的预计路程，
Figure 770391DEST_PATH_IMAGE094
表示为预设的单位路径对应的效率风险指数，
Figure 694485DEST_PATH_IMAGE095
、
Figure 859887DEST_PATH_IMAGE096
分别表示为预设的适配AGV机器人对应的预计路程和静态障碍物风险值对应的占比系数。
S57：将各适配AGV机器人对应的综合行驶效率指数进行相互对比，筛选最大综合行驶效率指数对应的适配AGV机器人作为待码放物品对应的优益AGV机器人。
需要说明的是，筛选出的待码放物品对应的优益AGV机器人可以躲避静态障碍物。
S6、目标AGV机器人取件作业控制：AGV机器人管理中心发送运动指令到目标AGV机器人，进而目标AGV机器人执行运动指令，并在取件过程中进行动态障碍物监测，若监测到动态障碍物，则进行目标AGV机器人取件动态障碍物异常预警。
需要说明的是，在取件过程中进行动态障碍物监测的方法为：由目标AGV机器人装载的激光雷达实时监测动态障碍物。
需要说明的是，若监测到动态障碍物，则进行目标AGV机器人取件动态障碍物异常预警的具体方法为：若监测到动态障碍物，则由目标AGV机器人装载的语音提示系统进行动态障碍物异常预警。
在本发明的具体实施例中，所述AGV机器人管理中心发送运动指令到目标AGV机器人，进而目标AGV机器人执行运动指令的具体方法为：由AGV机器人管理中心获取待码放物品的目标AGV机器人的编号，并发送运动指令到目标AGV机器人，目标AGV机器人接收到运动指令，进而调取运动设备执行运动指令。
S7、抓取机器人作业起始时间点分析：分析目标AGV机器人到达待码放物品当前位置的预计时间点，并据此分析抓取机器人的作业起始时间点，进而抓取机器人在作业起始时间点开始作业。
在本发明的具体实施例中，所述S7中分析目标AGV机器人到达待码放物品当前位置的预计时间点的具体方法为：S71：获取目标AGV机器人的当前时间点。
S72：若目标AGV机器人的取件路径不存在静态障碍物，则目标AGV机器人到达待码放物品当前位置的预计正常行驶时长为：
Figure 19473DEST_PATH_IMAGE097
，其中
Figure 258824DEST_PATH_IMAGE098
表示为目标AGV机器人到达待码放物品当前位置的预计正常行驶时长，
Figure 730650DEST_PATH_IMAGE099
表示为目标AGV机器人对应的取件路程，
Figure 586611DEST_PATH_IMAGE100
表示为预设的目标AGV机器人对应的正常行驶速度。
若目标AGV机器人的取件路径存在静态障碍物，则目标AGV机器人到达待码放物品当前位置的预计综合行驶时长为：
Figure 956412DEST_PATH_IMAGE101
，其中
Figure 706062DEST_PATH_IMAGE102
表示为目标AGV机器人到达待码放物品当前位置的预计综合行驶时长，
Figure 971959DEST_PATH_IMAGE103
表示为预设的目标AGV机器人对应的减速行驶速度，
Figure 659423DEST_PATH_IMAGE104
表示为预设的目标AGV机器人对应的减速路程。
S73：将目标AGV机器人到达待码放物品当前位置的预计时长标记为
Figure 301757DEST_PATH_IMAGE105
，其中
Figure 905914DEST_PATH_IMAGE106
。
S74：根据目标AGV机器人的当前时间点和目标AGV机器人到达待码放物品当前位置的预计时长得到目标AGV机器人到达待码放物品当前位置的预计时间点。
在本发明的具体实施例中，所述分析抓取机器人的作业起始时间点的具体方法为：根据目标AGV机器人到达待码放物品当前位置的预计时间点和预设的抓取机器人的作业时长得到抓取机器人对应的作业起始时间点。
本发明的AGV机器人作业控制在对与其关联操作的抓取机器人对应的作业起始时间点时，根据目标AGV机器人到达待码放物品当前位置的预计时间点分析抓取机器人的作业起始时间点，进而避免出现目标AGV机器人到达待码放物品当前位置的预计时间点与抓取机器人对应作业起始时间点不匹配的现象，从而保证了目标AGV机器人和抓取机器人的工作效率。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.一种面向于AGV机器人的作业控制方法，其特征在于，该方法包括以下步骤：
S1、码放区域划分：将码放区域按照货架划分为各码放子区域；
S2、空置格子位置信息获取：从码放区域管理中心获取各码放子区域的各空置格子的位置信息和尺寸信息，其中位置信息包括行值和列值，尺寸信息包括长度、宽度、高度；
S3、待码放物品对应的目标空置格子分析：获取待码放物品的基本信息和各空置格子的尺寸信息分析待码放物品的各一级适配空置格子，其中待码放物品的基本信息包括长度、宽度、高度，进而从待码放物品的各一级适配空置格子中筛选出待码放物品对应的最优适配空置格子，并将其记为待码放物品的目标空置格子；
S4、待码放物品对应的适配AGV机器人分析：根据待码放物品的基本信息计算待码放物品的基本信息表征值，并将其与云数据库中存储的各AGV机器人对应的适配基本信息表征值范围进行对比，进而从中筛选出待码放物品的各适配AGV机器人；
S5、待码放物品对应的目标AGV机器人分析：根据待码放物品的目标空置格子和各适配AGV机器人分析待码放物品对应的优益AGV机器人，并将其标记为待码放物品的目标AGV机器人；
S6、目标AGV机器人取件作业控制：AGV机器人管理中心发送运动指令到目标AGV机器人，进而目标AGV机器人执行运动指令，并在取件过程中进行动态障碍物监测，若监测到动态障碍物，则进行目标AGV机器人取件动态障碍物异常预警；
S7、抓取机器人作业起始时间点分析：分析目标AGV机器人到达待码放物品当前位置的预计时间点，并据此分析抓取机器人的作业起始时间点，进而抓取机器人在作业起始时间点开始作业。
2.根据权利要求1所述的一种面向于AGV机器人的作业控制方法，其特征在于：所述S3中待码放物品的各一级适配空置格子的具体分析步骤为：
S311：将待码放物品的长度与各码放子区域的各空置格子的长度进行对比，若某码放子区域的某空置格子的长度大于待码放物品的长度，则将该码放子区域的该空置格子标记为长度符合的空置格子，进而获取该码放子区域对应长度符合的各空置格子的编号；
S312：同理，获取该码放子区域对应宽度符合的各空置格子的编号；
S313：同理，获取该码放子区域对应高度符合的各空置格子的编号；
S314：将该码放子区域对应长度符合的各空置格子的编号、宽度符合的各空置格子的编号和高度符合的各空置格子的编号进行对比，若该码放子区域对应长度符合的某空置格子的编号、宽度符合的某空置格子的编号和高度符合的某空置格子的编号均相同，则将其标记为该码放子区域的一级适配空置格子，进而得到各码放子区域的各一级适配空置格子。
3.根据权利要求1所述的一种面向于AGV机器人的作业控制方法，其特征在于：所述S3中待码放物品对应的最优适配空置格子的具体分析步骤为：
S321：获取目标人员的身高，其中目标人员为接收AGV机器人输送待码放物品的工作人员；
S322：将目标人员的身高与预设的各身高区间进行对比，进而得到目标人员对应的身高区间，并根据云数据库中存储的码放区域中各货架的行值与各身高区间的摆放优先值，筛选目标人员对应的各货架的行值所属摆放优先值；
S323：将各码放子区域的各一级适配空置格子的行值与目标人员对应的各货架的行值所属摆放优先值进行对比，筛选各码放子区域的各一级适配空置格子对应的行值所属摆放优先值，并将各码放子区域的各一级适配空置格子的列值与预设的各货架的列值对应的摆放优先值进行对比，筛选各码放子区域的各一级适配空置格子对应的列值所属摆放优先值；
S324：将各码放子区域的各一级适配空置格子的行值所属摆放优先值和列值所属摆放优先值代入到各码放子区域的各一级适配空置格子的优先系数公式
Figure 532042DEST_PATH_IMAGE001
中，其中
Figure 972382DEST_PATH_IMAGE002
表示为第
Figure 887248DEST_PATH_IMAGE003
个码放子区域的第
Figure 283595DEST_PATH_IMAGE004
个一级适配空置格子的优先系数，
Figure 15927DEST_PATH_IMAGE005
、
Figure 68197DEST_PATH_IMAGE006
分别表示为第
Figure 366848DEST_PATH_IMAGE007
个码放子区域的第
Figure 945596DEST_PATH_IMAGE008
个一级适配空置格子的行值所属摆放优先值、列值所属摆放优先值，
Figure 724197DEST_PATH_IMAGE009
、
Figure 404708DEST_PATH_IMAGE010
分别表示为预设的码放子区域的一级空置格子对应的行值所属摆放优先值的权重因子、列值所属摆放优先值的权重因子，
Figure 926956DEST_PATH_IMAGE011
表示为自然常数，
Figure 360211DEST_PATH_IMAGE012
表示为各码放子区域的编号，
Figure 44134DEST_PATH_IMAGE013
，
Figure 179318DEST_PATH_IMAGE014
表示为各一级适配空置格子的编号，
Figure 505257DEST_PATH_IMAGE015
；
S325：将各码放子区域的各一级适配空置格子的优先系数进行相互对比，筛选出各码放子区域的最大优先系数对应的一级适配空置格子，并将其作为各码放子区域对应的最优适配空置格子；
S326：将各码放子区域对应的最优适配空置格子的优先系数进行相互对比，筛选出最大优先系数对应的最优适配空置格子作为待码放物品对应的最优适配空置格子。
4.根据权利要求1所述的一种面向于AGV机器人的作业控制方法，其特征在于：所述待码放物品的基本信息表征值的具体计算公式为：
Figure 793019DEST_PATH_IMAGE016
，其中
Figure 913421DEST_PATH_IMAGE017
表示为待码放物品的基本信息表征值，
Figure 224317DEST_PATH_IMAGE018
、
Figure 963734DEST_PATH_IMAGE019
、
Figure 981368DEST_PATH_IMAGE020
分别表示为待码放物品的长度、宽度、高度，
Figure 397306DEST_PATH_IMAGE021
、
Figure 133181DEST_PATH_IMAGE022
、
Figure 912175DEST_PATH_IMAGE023
分别表示为待码放物品的长度、宽度、高度所属调整因子。
5.根据权利要求1所述的一种面向于AGV机器人的作业控制方法，其特征在于：所述S5中待码放物品对应的优益AGV机器人的具体分析步骤为：
S51：获取各适配AGV机器人的当前位置、待码放物品的当前位置和待码放物品的目标空置格子的位置；
S52：基于各适配AGV机器人的当前位置和待码放物品的当前位置以及待码放物品的目标空置格子的位置，由各适配AGV机器人内置的自主导航系统自主规划取件路径和输送路径，并据此得到各适配AGV机器人的取件路径和输送路径相应的取件路程和输送路程，进而将取件路程和输送路程进行相加，从而得到各适配AGV机器人对应的预计路程；
S53：通过全方位摄像头获取各适配AGV机器人的取件路径的路况图；
S54：基于各适配AGV机器人的取件路径的路况图识别各适配AGV机器人的取件路径上是否存在静态障碍物，若某适配AGV机器人的取件路径上不存在静态障碍物，则将该适配AGV机器人的静态障碍物风险值记为
Figure 846633DEST_PATH_IMAGE024
，若存在静态障碍物，则进行以下分析：
基于该适配AGV机器人的取件路径的路况图识别道路上静态障碍物的两侧空余宽度，并将静态障碍物的两侧空余宽度进行相互对比，进而选取最大的空余宽度作为该适配AGV机器人的待评估空余宽度；
根据该适配AGV机器人的待评估空余宽度、云数据库中存储的安全补偿宽度和该适配AGV机器人的宽度分析该适配AGV机器人对应的静态障碍物风险值，其计算公式为：
Figure 574417DEST_PATH_IMAGE025
，其中
Figure 391064DEST_PATH_IMAGE026
表示为该适配AGV机器人对应的静态障碍物风险值，
Figure 862496DEST_PATH_IMAGE027
表示为该适配AGV机器人的宽度，
Figure 730089DEST_PATH_IMAGE028
表示为该适配AGV机器人的待评估空余宽度，
Figure 159933DEST_PATH_IMAGE029
表示为安全补偿宽度；
S55：获取各适配AGV机器人对应的静态障碍物风险值，并将各适配AGV机器人对应的静态障碍物风险值标记为
Figure 198297DEST_PATH_IMAGE030
，
Figure 4579DEST_PATH_IMAGE031
，其中
Figure 851312DEST_PATH_IMAGE032
表示为各适配AGV机器人的编号，
Figure 29221DEST_PATH_IMAGE033
；
S56：根据各适配AGV机器人对应的预计路程和静态障碍物风险值分析各适配AGV机器人对应的综合行驶效率指数，其计算公式为：
Figure 961405DEST_PATH_IMAGE034
，其中
Figure 899274DEST_PATH_IMAGE035
表示为第
Figure 866093DEST_PATH_IMAGE036
个适配AGV机器人对应的综合行驶效率指数，
Figure 637740DEST_PATH_IMAGE037
表示为第
Figure 198165DEST_PATH_IMAGE038
个适配AGV机器人对应的预计路程，
Figure 549512DEST_PATH_IMAGE039
表示为预设的单位路径对应的效率风险指数，
Figure 229892DEST_PATH_IMAGE040
、
Figure 375703DEST_PATH_IMAGE041
分别表示为预设的适配AGV机器人对应的预计路程和静态障碍物风险值对应的占比系数；
S57：将各适配AGV机器人对应的综合行驶效率指数进行相互对比，筛选最大综合行驶效率指数对应的适配AGV机器人作为待码放物品对应的优益AGV机器人。
6.根据权利要求1所述的一种面向于AGV机器人的作业控制方法，其特征在于：所述AGV机器人管理中心发送运动指令到目标AGV机器人，进而目标AGV机器人执行运动指令的具体方法为：由AGV机器人管理中心获取待码放物品的目标AGV机器人的编号，并发送运动指令到目标AGV机器人，目标AGV机器人接收到运动指令，进而调取运动设备执行运动指令。
7.根据权利要求1所述的一种面向于AGV机器人的作业控制方法，其特征在于：所述S7中分析目标AGV机器人到达待码放物品当前位置的预计时间点的具体方法为：
S71：获取目标AGV机器人的当前时间点；
S72：若目标AGV机器人的取件路径不存在静态障碍物，则目标AGV机器人到达待码放物品当前位置的预计正常行驶时长为：
Figure 659310DEST_PATH_IMAGE042
，其中
Figure 611086DEST_PATH_IMAGE043
表示为目标AGV机器人到达待码放物品当前位置的预计正常行驶时长，
Figure 286918DEST_PATH_IMAGE044
表示为目标AGV机器人对应的取件路程，
Figure 993842DEST_PATH_IMAGE045
表示为预设的目标AGV机器人对应的正常行驶速度；
若目标AGV机器人的取件路径存在静态障碍物，则目标AGV机器人到达待码放物品当前位置的预计综合行驶时长为：
Figure 122335DEST_PATH_IMAGE046
，其中
Figure 690851DEST_PATH_IMAGE047
表示为目标AGV机器人到达待码放物品当前位置的预计综合行驶时长，
Figure 486769DEST_PATH_IMAGE048
表示为预设的目标AGV机器人对应的减速行驶速度，
Figure 36699DEST_PATH_IMAGE049
表示为预设的目标AGV机器人对应的减速路程；
S73：将目标AGV机器人到达待码放物品当前位置的预计时长标记为
Figure 777122DEST_PATH_IMAGE050
，其中
Figure 273962DEST_PATH_IMAGE051
；
S74：根据目标AGV机器人的当前时间点和目标AGV机器人到达待码放物品当前位置的预计时长得到目标AGV机器人到达待码放物品当前位置的预计时间点。
8.根据权利要求1所述的一种面向于AGV机器人的作业控制方法，其特征在于：所述分析抓取机器人的作业起始时间点的具体方法为：根据目标AGV机器人到达待码放物品当前位置的预计时间点和预设的抓取机器人的作业时长得到抓取机器人对应的作业起始时间点。
CN202211289949.9A 2022-10-21 2022-10-21 一种面向于agv机器人的作业控制方法 Active CN115357033B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211289949.9A CN115357033B (zh) 2022-10-21 2022-10-21 一种面向于agv机器人的作业控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211289949.9A CN115357033B (zh) 2022-10-21 2022-10-21 一种面向于agv机器人的作业控制方法

Publications (2)

Publication Number Publication Date
CN115357033A true CN115357033A (zh) 2022-11-18
CN115357033B CN115357033B (zh) 2023-01-10

Family

ID=84007671

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211289949.9A Active CN115357033B (zh) 2022-10-21 2022-10-21 一种面向于agv机器人的作业控制方法

Country Status (1)

Country Link
CN (1) CN115357033B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105117892A (zh) * 2015-10-10 2015-12-02 广东轻工职业技术学院 一种自动化仓储管理方法
WO2018147953A1 (en) * 2017-01-05 2018-08-16 Staples, Inc. Hybrid modular storage fetching system
US20190352092A1 (en) * 2017-11-14 2019-11-21 Shenzhen Hairou Innovation Technology Co., Ltd. Automated guided vehicle designed for warehouse
CN111985832A (zh) * 2020-08-27 2020-11-24 马鞍山贺辉信息科技有限公司 基于大数据的智能机器人生产线智能调度系统
CN112198880A (zh) * 2020-10-20 2021-01-08 浙江迈睿机器人有限公司 一种agv任务分配方法、物流分拣方法及系统
CN112581009A (zh) * 2020-12-25 2021-03-30 合肥焕智科技有限公司 一种基于agv站点自定义业务路径规划配置系统
CN112810726A (zh) * 2021-02-23 2021-05-18 安徽焕智科技有限公司 一种agv调度系统中的任务分配方法及系统
CN113657841A (zh) * 2021-09-10 2021-11-16 无锡唯因特数据技术有限公司 智能码垛方法、装置和存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105117892A (zh) * 2015-10-10 2015-12-02 广东轻工职业技术学院 一种自动化仓储管理方法
WO2018147953A1 (en) * 2017-01-05 2018-08-16 Staples, Inc. Hybrid modular storage fetching system
US20190352092A1 (en) * 2017-11-14 2019-11-21 Shenzhen Hairou Innovation Technology Co., Ltd. Automated guided vehicle designed for warehouse
CN111985832A (zh) * 2020-08-27 2020-11-24 马鞍山贺辉信息科技有限公司 基于大数据的智能机器人生产线智能调度系统
CN112198880A (zh) * 2020-10-20 2021-01-08 浙江迈睿机器人有限公司 一种agv任务分配方法、物流分拣方法及系统
CN112581009A (zh) * 2020-12-25 2021-03-30 合肥焕智科技有限公司 一种基于agv站点自定义业务路径规划配置系统
CN112810726A (zh) * 2021-02-23 2021-05-18 安徽焕智科技有限公司 一种agv调度系统中的任务分配方法及系统
CN113657841A (zh) * 2021-09-10 2021-11-16 无锡唯因特数据技术有限公司 智能码垛方法、装置和存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
FABJAN KALLASI: "A novel calibration method for industrial AGVs", 《ROBOTICS AND AUTONOMOUS SYSTEMS》 *
YUTA OBA: "High-accuracy pose estimation method for workpiece exchange automation by a mobile manipulator", 《CIRP ANNALS》 *
姚京松: "六氟化硫回收处理中心搬运钢瓶机器人开发及应用", 《湖北电力》 *
褚晓东: "自动化立体仓储管理系统设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Also Published As

Publication number Publication date
CN115357033B (zh) 2023-01-10

Similar Documents

Publication Publication Date Title
DE102020104468A1 (de) Robotersystem mit objektidentifizierungs- und handhabungsmechanismus und verfahren zu seinem betrieb
JP7228944B2 (ja) クレーン用情報処理装置
CN107031626B (zh) 一种叉车自主避障系统及方法
JP7221183B2 (ja) 機械学習方法、フォークリフト制御方法、及び機械学習装置
KR101660162B1 (ko) 자율 주행 기반 무인 운반차 시스템 및 이의 제어 방법
CN113985879B (zh) 基于历史数据动态优化的智能移动巡检方法
CN110733824A (zh) 基于wms系统的agv任务生成方法、agv出入库方法及存储装置
CN115357033B (zh) 一种面向于agv机器人的作业控制方法
KR20190013415A (ko) 의사결정트리 학습 기반의 조선소 블록 적치장 선정 장치 및 그 방법
CN113050636A (zh) 一种叉车自主拾取托盘的控制方法、系统及装置
CN113703460B (zh) 导航车识别空位的方法、装置及系统
CN112529444B (zh) 智能仓储无人天车调度方法
US20220051175A1 (en) System and Method for Mapping Risks in a Warehouse Environment
CN116882865A (zh) 一种基于生鲜配送的智能物流装车系统及装车方法
CN115293606A (zh) 一种无人送货车系统
CN112441510B (zh) 一种无人天车定位偏差补偿方法、装置、设备及存储介质
CN109937733B (zh) 一种果园产量自动化测量装置
CN108829108B (zh) 一种基于信息规整的agv小车运行交通管制调控方法
TWI806721B (zh) 自主移動式人工智慧菇類栽培監控系統及方法
US20230236600A1 (en) Operational State Detection for Obstacles in Mobile Robots
Schyga et al. Analysis of the operation of industrial trucks based on position data
CN117273606B (zh) 一种基于智能仓库的无人搬运车调度方法及系统
US20240182283A1 (en) Systems and methods for material flow automation
JP7507965B2 (ja) 倉庫環境におけるリスクマッピングのためのシステム及び方法
CN116339329B (zh) 一种基于5g物联网的agv调度路径优化方法及系统

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