CN115963838A - 一种高效的物流机器人集群路径规划方法 - Google Patents
一种高效的物流机器人集群路径规划方法 Download PDFInfo
- Publication number
- CN115963838A CN115963838A CN202310036780.4A CN202310036780A CN115963838A CN 115963838 A CN115963838 A CN 115963838A CN 202310036780 A CN202310036780 A CN 202310036780A CN 115963838 A CN115963838 A CN 115963838A
- Authority
- CN
- China
- Prior art keywords
- path
- path planning
- planning
- strip
- warehouse
- 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
Links
Images
Landscapes
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种高效的物流机器人集群路径规划方法,属于机器人路径规划领域。首先针对某一物流仓库,对仓库平面布局进行一维切分,完成仓库空间建模,形成基于一维通道的图结构G。然后在图结构G中,利用最短路径搜索技术,进行条带间路径规划;同时,利用回溯搜索方法,判断激进搜索路径与已有的路径规划轨迹是否存在交叉,如果有交叉,则物流机器人返回前一时刻的位置等待,直至不会发生交叉后再开始运动,完成条带内路径规划。将规划好的条带间路径和条带内路径转化为行动指令传输给各物流机器人,对物流机器人集群完成路径规划。本发明将路径规划限制在一维空间内,降低了碰撞判断的难度,提高了路径搜索效率。
Description
技术领域
本发明属于机器人路径规划领域,具体涉及一种高效的物流机器人集群路径规划方法。
背景技术
随着电子商务的飞速发展,海量在线购物订单给物流系统造成巨大压力。传统物流仓库难以应对高吞吐量的要求。为应对这一挑战,主流的解决方案是部署机器人集群系统,这些机器人能够把货架搬运到分拣员所在位置,分拣员从货架选取订单所需物品后,再由机器人把货架运回。通过机器人移动而分拣员固定的“货架到人”模式,极大减少了分拣人员的走动,提高了仓库的运行效率,降低了运营成本。然而,机器人集群的路径规划方式成为了决定机器人集群效率的关键,不同于传统的路径规划问题,为机器人集群系统划路径既要考虑传统路基该规划中障碍的躲避,还要考虑智机器人之间的碰撞避免问题。
现有机器人碰撞避免路径规划方法普遍采用了基于A*算法的路径搜索的技术。但是因为需要考虑机器人之间的彼此碰撞,因此其路径搜索空间从二维仓库平面拓展到三维时空空间。机器人的碰撞被建模成不同路径轨迹在同一时空坐标的冲突访问,基于此建模,这类规划方法便能够使用A*搜索捕捉到潜在的碰撞点。该技术由于提高了搜索空间的维度,造成搜索空间庞大,引发了巨大的运行时间和内存占用开销。尽管为了提高效率,现有工作提出了大量剪枝优化技术,尝试压缩搜索空间提高效率,在一定程度上挑了吞吐量。但是依然难以应对如今海量购物订单带来的十万级路径规划计算需求。规划时间开销大会带来分拣延时,极大降低机器人集群的运行效率。因此现有的基于A*搜索并不适用于现代大规模仓库的场景需求。
其他的路径规划技术通常面向共享出行场景,如地图导航、网约车和外卖员的路径规划等,这类路径规划技术因为服务群体规模庞大,通常引入了索引结构或动态规划技术提高效率,能够适用于大规模场景,但受场景限制不能应用于仓库中的物流机器人集群路径规划。具体原因在于:首先这类技术通常面向路网结构,其距离采用的是欧氏距离,而仓库中距离采用曼哈顿距离,其次这类技术并不能处理碰避免问题,因此建模方法不适用,最后此类应用中的优化目标和仓库场景不同,共享出行的优化目标和用户需求相关,如最短距离和最快时间等,而仓库的场景需求是提高吞吐量。
发明内容
针对现有路径规划技术的不足,本发明利用了仓库布局规则的特点,通过对仓库中通道和货架群的划分,重新建模仓库平面空间。该建模能够把碰撞避免限制在每个一维的通道内,从而把原来三维的时空轨迹压缩成若干二维平面轨迹。因此路径的碰撞转化成了二维平面上的线段交叉问题,极大简化了问题难度,也有助于引入索引技术加速判断,从而实现了高效的物流机器人集群路径规划,使其具备了规模可扩展性,适用于现代仓库高吞吐需求。
高效物流机器人集群路径规划方法,包括以下步骤:
步骤一,针对某一物流仓库,对仓库平面布局进行一维切分,完成仓库空间建模,形成基于一维通道的图结构G。
具体为:
在仓库中,货架构成矩形,其长边彼此平行,矩形和矩形之间为通道。
首先,将垂直于矩形长边的贯穿型长通道建模成条带A。
然后,对剩余空间按照平行于矩形长边的方向划分成宽度为1,长度和矩形长边相同的条带B。
最后,把每个条带A和条带B都看作图结构的一个结点,根据各条带间的毗邻关系,构造结点间的边,形成基于一维通道的图结构G。
步骤二,在图结构G中,利用最短路径搜索技术,进行条带间路径规划。
设路径规划的起点和终点对为<src,dst>,找到起点和终点坐标对应的两个条带,然后在图结构G中搜索到两个条带间的最短路径长度。
步骤三,在条带间路径规划的基础上,采用回溯搜索方法,进行条带内路径规划。
所述回溯搜索方法包括探索、判断、回溯和再探索的迭代流程,具体为:
步骤3.1,通过激进尝试直接前进到目标位置,进行最短路径的探索过程,并形成相应的由若干线段组成的序列{φ1,φ2,…,φn},用于接下来的碰撞判断。
每个线段φ可以表示为二维向量组成的二元组〈s,f〉。s[0]和s[1]分别为线段起点的时间和空间坐标。f[0]和f[1]分别为线段终点的时间和空间坐标。
步骤3.2,在时间维度上建立红黑树索引,判断各线段φ是否和空间中现有的路径规划轨迹所对应的线段集合{ψ1,…,ψn}发生交叉;
具体为:
先按照时间二分法查找所有在时间跨度上出现重叠的线段,然后把这些潜在线段是否碰撞逐一进行判断,具体可以按照如下公式判断:
C(φ,ψ)=(sφ-fψ)×(sψ-fψ)(fφ-fψ)×(sψ-fψ)>0
∨(fψ-fφ×sφ-fφ)(sψ-fφ)×(sφ-fφ)>0
其中,sφ为线段φ的起点坐标,fφ为线段φ的终点坐标,fψ为现有路径规划轨迹线段ψ的终点坐标,sψ为现有路径规划轨迹线段ψ的起点坐标。
若不满足上述条件,则为当前线段与现有路径规划轨迹没有交叉,则继续进行下一个线段的判断;如果满足上述条件,则判断结果为有交叉,则进一步计算出碰撞的时间点,计算方式如下:
sφ[0]为线段φ起点的时间坐标,sψ[0]为现有路径规划轨迹线段ψ起点的时间坐标,sφ[1]为线段φ起点的空间坐标,sψ[1]为现有路径规划轨迹线段ψ起点的空间坐标;
此时,路径会前进到碰撞时刻发生的前一个时刻等待,直至在其前进不发生碰撞时继续搜索。
步骤四,将规划好的条带间路径和条带内路径转化为行动指令传输给各物流机器人,对所述物流仓库内的物流机器人集群进行路径规划。
具体为:
对物流机器人集群输入一系列起点和终点对{<o1,d1>,<o2,d2>,…,<on,dn>},每个起点和终点对规划相应的路径{r1,r2,…,rn},以及每条路径r=<str,Gr>包括开始的时间点str和经过的一系列位置坐标Gr。满足所有路径线段不会发生碰撞,即对任意路径r1,r2,不存在同一时刻访问同一位置(gi∈G1,gj∈G2 s.t.gi=gj∧st1+i=st2+j)。
本发明的优点在于:
(1)本发明通过把位置进行聚合形成条带,避免在坐标层次上判断碰撞,而是直接从线段交叉来判断,降低了路径规划过程中碰撞的判断难度,能高效完成计算,以应用至大规模数据。
(2)本发明为物流机器人集群路径规划提供了一种全新框架,不同于以往按照坐标点对空间的建模,本发明通过挖掘利用仓库平面布局规则的特点,对仓库空间重新建模,把碰撞避免的判断过程限制在一维空间内,降低了碰撞判断的难度,提高路径搜索效率。
(3)基于上述框架,本发明把路径碰撞的判断转化为线段相交的判定问题,并基于向量坐标在常数时间内判断两条线段相交的时间点,利用红黑树索引在对数时间内快速判断和所有线段的碰撞情况。
附图说明
图1为本发明物流机器人集群路径规划系统的框架结构示意图;
图2为本发明实施例中对仓库划分的示意图;
图3为本发明实施例中进行条带内路径规划的流程示意图;其中,图3a为激进搜索,图3b为回溯和碰撞前等待,图3c为找到路径。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
本发明的目的在于为现代化物流仓库提供一种高效的物流机器人集群路径规划方法。使得机器人能够不发生碰撞的高效完成搬运任务。
在本实施例中,将物流机器人集群路径规划系统部署在仓库生产服务器上,操作系统为Linux的发行版本CentOS 7.2,能够通过仓库局域网接受机器人和货架的位置信息并返回路径规划指令。该系统的运行使用JRE1.8环境支持,运行内存分配5GB。操作的机器人型号为Geek+RoboShuttle+P40。
物流机器人集群路径规划系统架构如图1所示,包括三个部分,分别为条带间路径规划模块、条带内路径规划模块和路径聚合模块;其中,条带间路径规划模块主要负责对仓库空间的建模,以及条带间的路径规划过程。条带内路径规划模块主要完成回溯搜索过程,该过程依赖于线段索引对线段的组织。路径聚合模块主要负责协调上述两个模块的配合,即在条带间搜索时需要调用条带内搜索来返回具体路径长度作为边权参数。此外路径聚合模块还承担了把系统内部的路径表达转化为机器人行动指令的功能,将机器人行动指令传输给机器人集群。
通过上述系统实现高效的物流机器人集群路径规划的方法,具体步骤如下:
步骤一,针对某一物流仓库,对仓库平面布局进行一维切分,完成仓库空间建模,形成基于一维通道的图结构G。
本实施例中所选的物流仓库如图2所示,仓库空间建模的具体过程为:
首先,将图中的仓库平面布局划分为两个水平向(horizontal)的通道和8条垂直向(vertical)的条带节点,垂直方向分别是4条货架类型(rack)的条带和4条通道类型(aisle)条带。
然后,根据条带的毗邻关系构造图结构G。每个条带被看作一个结点,如果两个结点不全是货架类型且相互毗邻,则可以构造一条边。边的权重被初始化为0。
步骤二,在图结构G中,利用最短路径搜索技术,进行条带间路径规划。
对于路径规划的起点终点对〈src,dst〉,首先找到坐标对应的条带,然后在步骤一构造的图结构G中执行Dijkstra路径搜索算法。搜索过程中,当物流机器人的路径规划尝试从一个结点转移至另一结点时,需要调用步骤三的条带内搜索,获取两结点连边的具体权重。由于步骤一的建模优势,碰撞的计算被局限在条带内部,条带间路径规划只需要考虑路径长度,因此直接调用传统Dijkstra算法,以期望获得最大效率。
步骤三,在条带间路径规划的基础上,采用回溯搜索方法,进行条带内路径规划。
如图3所示,具体为:
首先,尝试激进搜索,直接从起点前进至终点位置,产生相应的虚线箭头线段,并判断和空间中现有路径规划轨迹所对应的线段的碰撞情况,如图3a所示。如果发现存在碰撞,说明无法直接行进至目标位置,因此尝试行进至碰撞前sn时刻的位置(本实施例中,sn=1),开始等待,等待1个时间单位后尝试行进发现依然存在碰撞,于是继续等待,如图3b所示。直至可以直接行进至终点,回溯结束,如图3c所示。
时间单位参数sn为安全参数,其调整的灵活性决定物流机器人要在碰撞前sn时刻停止行进。sn越大,对机器人的控制要求越低,越安全,但是规划的路径消耗时间也会变长。现有具体实现路径规划的物流机器人具有较高的控制灵敏度,所以把sn设置为1。但是该方法具备拓展性,如果应用在其他控制性差的机器人上,只需调整此参数即可。
步骤四,将规划好的条带间路径和条带内路径转化为行动指令传输给各物流机器人,对物流仓库内的物流机器人集群进行路径规划。
Claims (5)
1.一种高效的物流机器人集群路径规划方法,其特征在于,包括以下步骤:
步骤一,针对某一物流仓库,对仓库平面布局进行一维切分,完成仓库空间建模,形成基于一维通道的图结构G;
具体为:
在仓库中,货架构成矩形,其长边彼此平行,矩形和矩形之间为通道;
首先,将垂直于矩形长边的贯穿型长通道建模成条带A;
然后,对剩余空间按照平行于矩形长边的方向划分成宽度为1,长度和矩形长边相同的条带B;
最后,把每个条带A和条带B均看作图结构的一个结点,根据各条带间的毗邻关系,构造结点间的边,形成基于一维通道的图结构G;
步骤二,在图结构G中,利用最短路径搜索技术,进行条带间路径规划;
设路径规划的起点和终点对为<src,dst>,找到起点和终点坐标对应的两个条带,然后在图结构G中搜索到两个条带间的最短路径长度;
步骤三,在条带间路径规划的基础上,采用回溯搜索方法,进行条带内路径规划;
所述回溯搜索方法具体为:
步骤3.1,从起点至终点,通过激进尝试直接前进到目标位置,进行最短路径的探索过程,并形成相应的由若干线段组成的序列{φ1,φ2,…,φn},用于接下来的碰撞判断;
步骤3.2,在时间维度上建立红黑树索引,判断各线段φ是否和空间中现有的路径规划轨迹所对应的线段集合{ψ1,…,ψn}发生交叉,
具体为:
先按照时间二分法查找所有在时间跨度上出现重叠的线段,然后把这些潜在线段是否碰撞逐一进行判断,具体判断公式如下:
C(φ,ψ)=(sφ-fψ)×(sψ-fψ)(fφ-fψ)×(sψ-fψ)>0∨(fψ-fφ×sφ-fφ)(sψ-fφ)×(sφ-fφ)>0
其中,sφ为线段φ的起点坐标,fφ为线段φ的终点坐标,fψ为现有路径规划轨迹线段ψ的终点坐标,sψ为现有路径规划轨迹线段ψ的起点坐标;
若没有交叉,则继续进行下一个线段的判断;若判断结果为有交叉,则计算出碰撞的时间点;此时,路径会前进到碰撞时刻发生的前一个时刻等待,直至在其前进不发生碰撞时继续搜索;
碰撞的时间点的计算方式如下:
sφ[0]为线段φ起点的时间坐标,sψ[0]为现有路径规划轨迹线段ψ起点的时间坐标,sψ[1]为线段φ起点的空间坐标,sψ[1]为现有路径规划轨迹线段ψ起点的空间坐标;
步骤四,将规划好的条带间路径和条带内路径转化为行动指令传输给各物流机器人,对所述物流仓库内的物流机器人集群进行路径规划。
2.根据权利要求1所述的一种高效的物流机器人集群路径规划方法,其特征在于,所述的条带B包括货架类型的条带和通道类型的条带。
3.根据权利要求1或2所述的一种高效的物流机器人集群路径规划方法,其特征在于,所述的根据各条带间的毗邻关系,构造结点间的边,具体为:每个条带被看作一个结点,如果两个结点不全是货架类型且相互毗邻,则构造一条边。
4.根据权利要求1所述的一种高效的物流机器人集群路径规划方法,其特征在于,所述的条带间路径规划采用的最短路径搜索技术为Dijkstra路径搜索算法。
5.根据权利要求1所述的一种高效的物流机器人集群路径规划方法,其特征在于,所述物流仓库内物流机器人集群的路径规划具体为:
对物流机器人集群输入一系列起点和终点对{<o1,d1>,<o2,d2>,…,<on,dn>},每个起点和终点对规划相应的路径{r1,r2,…,rn},以及每条路径r=<str,Gr>包括开始的时间点str和经过的一系列位置坐标Gr;满足所有路径线段不会发生碰撞,即对任意路径r1,r2,不存在同一时刻访问同一位置(gi∈G1,gj∈G2s.t.gi=gj∧st1+i=st2+j)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310036780.4A CN115963838A (zh) | 2023-01-10 | 2023-01-10 | 一种高效的物流机器人集群路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310036780.4A CN115963838A (zh) | 2023-01-10 | 2023-01-10 | 一种高效的物流机器人集群路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115963838A true CN115963838A (zh) | 2023-04-14 |
Family
ID=87352665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310036780.4A Pending CN115963838A (zh) | 2023-01-10 | 2023-01-10 | 一种高效的物流机器人集群路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115963838A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474441A (zh) * | 2023-12-27 | 2024-01-30 | 天津万事达物流装备有限公司 | 一种基于智慧物流大数据的无人仓库进出路径管理方法 |
-
2023
- 2023-01-10 CN CN202310036780.4A patent/CN115963838A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474441A (zh) * | 2023-12-27 | 2024-01-30 | 天津万事达物流装备有限公司 | 一种基于智慧物流大数据的无人仓库进出路径管理方法 |
CN117474441B (zh) * | 2023-12-27 | 2024-03-15 | 天津万事达物流装备有限公司 | 一种基于智慧物流大数据的无人仓库进出路径管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109115226B (zh) | 基于跳点搜索的多机器人冲突避免的路径规划方法 | |
CN105354648B (zh) | Agv调度管理的建模及其优化方法 | |
CN110531770B (zh) | 一种基于改进的rrt路径规划方法和系统 | |
CN111532641B (zh) | 仓储分拣中自动引导车的并行路径规划方法 | |
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 | |
CN111024080B (zh) | 一种无人机群对多移动时敏目标侦察路径规划方法 | |
JP7328923B2 (ja) | 情報処理装置、情報処理方法、及びコンピュータプログラム | |
CN115079705A (zh) | 基于改进a星融合dwa优化算法的巡检机器人路径规划方法 | |
Schmid et al. | A unified approach for autonomous volumetric exploration of large scale environments under severe odometry drift | |
CN113671985A (zh) | 一种分阶段多基地无人机任务分配和航迹规划方法 | |
CN112947415A (zh) | 一种基于障碍物语义信息的室内路径规划方法 | |
CN113899383B (zh) | 基于短路径的多车防死锁方法、系统、设备及存储介质 | |
CN113189988B (zh) | 一种基于Harris算法与RRT算法复合的自主路径规划方法 | |
CN115963838A (zh) | 一种高效的物流机器人集群路径规划方法 | |
CN112683275A (zh) | 一种栅格地图的路径规划方法 | |
Maw et al. | iADA*: Improved anytime path planning and replanning algorithm for autonomous vehicle | |
CN113191521A (zh) | 路径规划方法、装置及计算机可读存储介质 | |
Li et al. | A route and speed optimization model to find conflict-free routes for automated guided vehicles in large warehouses based on quick response code technology | |
CN114527753A (zh) | 人机共融的楼宇间路径规划方法、计算机装置及程序产品 | |
CN115328113A (zh) | 基于改进时间窗算法的多物流机器人路径规划方法 | |
CN114840001A (zh) | 一种封闭环境下的多车协同轨迹规划方法 | |
CN111238519B (zh) | 一种基于拓扑地图和冲突消除策略的多无人车寻路方法 | |
Chen et al. | Coordinated optimal path planning of multiple substation inspection robots based on conflict detection | |
CN112631338B (zh) | 一种航线规划方法、装置、计算机设备及存储介质 | |
CN114740891A (zh) | 结合启发式与最优控制的飞机牵引路径规划方法和装置 |
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 |