CN116184996A - 多机器人路径规划方法及装置 - Google Patents

多机器人路径规划方法及装置 Download PDF

Info

Publication number
CN116184996A
CN116184996A CN202211091138.8A CN202211091138A CN116184996A CN 116184996 A CN116184996 A CN 116184996A CN 202211091138 A CN202211091138 A CN 202211091138A CN 116184996 A CN116184996 A CN 116184996A
Authority
CN
China
Prior art keywords
robot
conflict
robots
target
information
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
CN202211091138.8A
Other languages
English (en)
Inventor
李晶
谭文哲
魏锡光
赵成业
李洪波
韩昊
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.)
Beijing Jizhijia Technology Co Ltd
Original Assignee
Beijing Jizhijia 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 Beijing Jizhijia Technology Co Ltd filed Critical Beijing Jizhijia Technology Co Ltd
Priority to CN202211091138.8A priority Critical patent/CN116184996A/zh
Publication of CN116184996A publication Critical patent/CN116184996A/zh
Priority to PCT/CN2023/115133 priority patent/WO2024051507A1/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
    • G05D1/0212—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
    • G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
    • 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
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

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

本发明提供多机器人路径规划方法及装置，其中所述多机器人路径规划方法包括：获取多个机器人的待行驶信息；根据各机器人的待行驶信息，预测各机器人的冲突信息；对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合第一冲突对应的重规划条件的目标机器人，其中，第一冲突为任一类冲突；根据第一冲突，对目标机器人进行路径重规划。根据获取到的多个机器人与其他机器人发生的冲突，对各机器人的冲突信息进行预测，并对发生第一冲突的机器人的冲突信息进行统计，确定符合第一冲突对应的重规划条件的目标机器人，接着根据第一冲突，对目标机器人进行路径重规划，使得可以对各机器人的冲突进行预测，并进行路径重规划。

Description

多机器人路径规划方法及装置
技术领域
本发明涉及仓储技术领域，特别涉及一种多机器人路径规划方法。本发明同时涉及一种多机器人路径规划装置、一种计算设备，以及一种计算机可读存储介质。
背景技术
随着物流仓库的智能化与自动化程度越来越高，自主移动机器人(AGV，Autonomous Mobile Robot)越来越多地承担起仓库中的搬运和拣选任务，为提高自主移动机器人搬运和拣选的效率，对自主移动机器人的路径进行合理的规划，成为了仓储技术领域研究的重点方向。
现有技术中，通常使用分布式机器人路径规划方式为自主移动机器人进行路径规划：在为单台自主移动机器人进行路径规划时，借助预约表或全地图机器人的行驶情况进行路径规划，但由于在物流仓储环境中动态事件频发，比如会车时停车避让、制动减速、启动加速等等，使得机器人在行驶过程中会产生很多无法预料的路径冲突，导致机器人无法正常行驶与工作，因此亟需一种更为合理的多机器人路径规划方法。
发明内容
有鉴于此，本发明实施例提供了一种多机器人路径规划方法，以解决现有技术中存在的技术缺陷。本发明实施例同时提供了一种多机器人路径规划装置，一种计算设备，以及一种计算机可读存储介质。
根据本发明实施例的第一方面，提供了一种多机器人路径规划方法，包括：
获取多个机器人的待行驶信息；
根据各机器人的待行驶信息，预测各机器人的冲突信息，其中，冲突信息包括机器人与其他机器人发生的冲突；
对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合第一冲突对应的重规划条件的目标机器人，其中，第一冲突为任一类冲突；
根据第一冲突，对目标机器人进行路径重规划。
根据本发明实施例的第二方面，提供了一种多机器人路径规划装置，包括：
获取模块，被配置为获取多个机器人的待行驶信息；
预测模块，被配置为根据各机器人的待行驶信息，预测各机器人的冲突信息，其中，冲突信息包括机器人与其他机器人发生的冲突；
确定模块，被配置为对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合第一冲突对应的重规划条件的目标机器人，其中，第一冲突为任一类冲突；
重规划模块，被配置为根据第一冲突，对目标机器人进行路径重规划。
根据本发明实施例的第三方面，提供了一种计算设备，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器执行所述计算机可执行指令时实现所述多机器人路径规划方法的步骤。
根据本发明实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现所述多机器人路径规划方法的步骤。
本发明提供的多机器人路径规划方法，获取多个机器人的待行驶信息；根据各机器人的待行驶信息，预测各机器人的冲突信息，其中，冲突信息包括机器人与其他机器人发生的冲突；对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合第一冲突对应的重规划条件的目标机器人，其中，第一冲突为任一类冲突；根据第一冲突，对目标机器人进行路径重规划。通过获取多个机器人的待行驶信息，预测每一个机器人与其他机器人发生的冲突，对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合第一冲突对应的重规划条件的目标机器人，也就是说，在机器人可能发生冲突之前，先预测出可能发生的冲突，然后对可能发生冲突的机器人进行筛选，筛选出冲突信息的统计结果符合第一冲突对应重规划条件的目标机器人，对其进行路径重规划，即在可能发生冲突前，对目标机器人进行重规划，能够合理规避冲突发生，并且进行路径重规划的目标机器人符合重规划条件，重规划的效率更高。
附图说明
图1是本发明一实施例提供的一种多机器人路径规划方法的系统结构示意图；
图2是本发明一实施例提供的一种多机器人路径规划方法的流程图；
图3a是本发明一实施例提供的一种多机器人路径规划方法中的相向冲突示意图；
图3b是本发明一实施例提供的一种多机器人路径规划方法中的跟随冲突示意图；
图3c是本发明一实施例提供的一种多机器人路径规划方法中的交叉冲突示意图；
图3d是本发明一实施例提供的一种多机器人路径规划方法中的停留冲突示意图；
图4是本发明一实施例提供的一种多机器人路径规划方法中针对相向冲突的处理流程图；
图5是本发明一实施例提供的一种多机器人路径规划方法中针对交叉和跟随冲突的处理流程图；
图6是本发明一实施例提供的一种多机器人路径规划方法的基本流程图；
图7a是本发明一实施例提供的一种多机器人路径规划方法的处理流程图；
图7b是本发明一实施例提供的一种多机器人路径规划方法处理过程中机器人待行驶信息示意图；
图8是本发明一实施例提供的一种多机器人路径规划装置的结构示意图；
图9是本发明一实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。
在本发明一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明一个或多个实施例。在本发明一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本发明一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本发明一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。
首先，对本发明一个或多个实施例涉及的名词术语进行解释。
自主移动机器人(AGV，Automated Guided Vehicle)：其显著的特点是无人驾驶，AGV上装备有自动导向系统，可以保障系统在不需要人工引航的情况下就能够沿预定的路线自动行驶，将货物或物料自动从起始点运送到目的地。
路径重规划：由路径规划和轨迹规划组成，连接起点位置和终点位置的序列点或曲线称之为路径，构成路径的策略称之为路径规划，路径重规划通常是在现有路径无法进行行驶时，重新进行路径规划。
机器人冲突：指在机器人行驶过程中与其他机器人出现路径边重合或路径点重合的情况。
相向冲突：指两个机器人以180度方向经过同一个点或跨过同一条边。
交叉冲突：指两个机器人以90度方向经过同一个点。
停留冲突：指机器人路径某点是其他机器人的终点。
跟随冲突：指两个机器人以相同方向经过同一个点或跨过同一条边。
在本发明中，提供了一种多机器人路径规划方法。本发明同时涉及一种多机器人路径规划装置、一种计算设备，以及一种计算机可读存储介质，在下面的实施例中逐一进行详细说明。
随着物流仓库的智能化、自动化程度越来越高，AGV越来越多地承担起仓库中的搬运和拣选任务，为方便调度和控制机器人，一般会把仓库划分为由路径点和路径边构成的格网地图。多机器人路径规划问题是影响仓库效率的重要因素，在理论研究领域与实践应用领域都非常具有挑战性。
目前，对机器人进行路径规划，最常使用的是集中式方法与分布式方法两种：
集中式方法从时空维度搜索多机器人的无冲突路径。核心原理是：用一张预约表存储所有机器人路径点，路径点形如(x,y,t)，表示在时间步t到达坐标位置(x,y)。算法要求两机器人不能在相同时间步占据同一节点或经过同一条边，否则视为路径冲突。但是该算法复杂度高、搜索空间随着机器人的增多呈指数增长，很难满足成百上千台机器人路径规划的庞大计算开销与实时响应需求。
分布式方法只需为单台机器人规划路径，在路径规划过程中，以避免出现拥堵和死锁为原则进行路径规划。在为单台机器人搜索路径时，也可借助预约表或全地图机器人拥堵情况，额外添加启发式代价引导搜索，避免一部分潜在冲突。但是在遇到冲突时变通能力较差，需要借助其他手段完成交通控制功能，如解决死锁和拥堵等。
一方面，由于算法机制和算力限制，路径规划平台解决冲突的能力较弱；另一方面，仓储环境中动态事件频发，且具有高不确定性，如机器人会车时要停车避让、制动减速和启动加速、不停更换新目标点、机器人发生异常与故障等等。这些动态事件会导致路径规划平台在对当前机器人进行路径规划时发生无法预料的冲突，比如路径死锁和拥堵，影响当前机器人及其他机器人正常行驶。这两个因素共同导致分布式方法会产生更多路径冲突，因此需要更为积极的实时冲突协调策略。
具体地，获取多个机器人的待行驶信息；根据各机器人的待行驶信息，预测各机器人的冲突信息，其中，冲突信息包括机器人与其他机器人发生的冲突；对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合第一冲突对应的重规划条件的目标机器人，其中，第一冲突为任一类冲突；根据第一冲突，对目标机器人进行路径重规划。通过获取多个机器人的待行驶信息，预测每一个机器人与其他机器人发生的冲突，对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合第一冲突对应的重规划条件的目标机器人，也就是说，在机器人可能发生冲突之前，先预测出可能发生的冲突，然后对可能发生冲突的机器人进行筛选，筛选出冲突信息的统计结果符合第一冲突对应重规划条件的目标机器人，对其进行路径重规划，即在可能发生冲突前，对目标机器人进行重规划，能够合理规避冲突发生，并且进行路径重规划的目标机器人符合重规划条件，重规划的效率更高。
图1示出了根据本发明一实施例提供的一种多机器人路径规划方法的系统结构示意图，该系统包括机器人路径规划端101、机器人端102。
机器人路径规划端101包括：存储器1011和处理器1012，其中，存储器1011存储有预先编写好的路径规划规则的程序代码，处理器1012用来执行路径规划规则的程序代码来对机器人进行路径规划；
机器人端102包括：机器人1021、机器人1022、机器人1023；
机器人路径规划端101从机器人端102获取多个机器人的待行驶信息，根据各机器人的待行驶信息，预测各机器人的冲突信息；对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合第一冲突对应的重规划条件的目标机器人；根据第一冲突，对目标机器人进行路径重规划。
具体的多机器人路径规划方法将在后续实施例中详述。
图2示出了根据本发明一实施例提供的一种多机器人路径规划方法的流程图，具体包括以下步骤：
步骤202：获取多个机器人的待行驶信息。
具体地，机器人是指仓储场景下的机器人，具体可以是用于搬运货箱或者货架的搬运机器人。待行驶信息是指预先规划好的行驶相关的信息，包括机器人的当前位置、终点位置、待行驶路径、终点作业时长等。
需要说明的是，获取多个机器人的待行驶信息，是用于后期对该些多个机器人的待行驶信息进行分析判断，以便于预测其中任一机器人与其他机器人发生的冲突。
应用本发明实施例的方案，通过获取多个机器人的待行驶信息，使得后续可以基于该多个机器人的待行驶信息进行分析，来预测各机器人与其他机器人的冲突信息，实现了对多个机器人冲突信息的预测。
本发明另一种可选的实现方式中，可以预先设置检测周期，并按照检测周期，获取多个机器人在当前检测时刻的待行驶信息，也即，上述获取多个机器人的待行驶信息的步骤，可以包括如下具体步骤：
按照预设的检测周期，获取多个机器人在当前检测时刻的待行驶信息。
具体地，预设的检测周期是指预先设置的进行冲突检测的时间周期，通常检测周期会较短，比如3秒。获取多个机器人在当前检测时刻的待行驶信息是指获取在当前检测时刻开始起，多个机器人的待行驶信息，比如，机器人A的待行驶路径总长8秒、机器人B的待行驶路径总长为10秒，则按照每3秒的周期进行冲突检测，分别在第3秒、6秒、9秒进行多个机器人待行驶信息的获取，其中在第6秒获取的待行驶信息中至少包括：机器人A的6秒至8秒的待行驶信息、机器人B的6秒至10秒的待行驶信息。
需要说明的是，预设的检测周期间隔通常较短，比如3秒，在每隔较短固定周期触发一次冲突检测，获取多个机器人在当前检测时刻的待行驶信息，可以在较短时间内进行多次冲突检测，进一步增加对多个机器人的待行驶信息的分析频次，提高了后续对多个机器人冲突检测并确定重规划机器人的及时性。
应用本发明实施例的方案，通过按照预设的检测周期，获取多个机器人在当前检测时刻的待行驶信息，使得可以按照固定的检测周期对多个机器人在当前检测时刻的待行驶信息进行获取，实现按照均匀的时间周期对冲突进行检测，提高对冲突进行检测的规范性。
步骤204：根据各机器人的待行驶信息，预测各机器人的冲突信息，其中，冲突信息包括机器人与其他机器人发生的冲突。
具体地，冲突信息包括机器人与其他机器人发生的冲突类型、发生冲突的时间、发生冲突的位置以及具体发生冲突的机器人的名称。
可选地，在对各机器人的冲突信息进行预测时，可以直接将各机器人的待行驶信息全部进行比对，依次从全地图的开始路径点到终点路径点进行冲突预测，并依次记录每一路径点存在冲突的机器人的冲突信息，判断存在冲突的路径点的冲突数是否大于预设冲突数量阈值，若大于，则将该路径点确定为目标路径点，对该目标路径点中存在冲突的机器人进行路径重规划，若小于，则只需依靠停车避让、减速制动、启动加速等进行解决冲突。
本发明一种可选的实现方式中，在根据各机器人的待行驶信息，预测各机器人存在的冲突时，可以对各机器人从当前位置到终点位置的全部待行驶路径进行冲突预测。
本发明另一种可选的实现方式中，可以先根据各机器人的待行驶信息，确定在预设冲突检测范围内的目标行驶数据，然后识别个机器人是否经过同一路径点，若是，则存在冲突，并判断冲突类型，并生成各机器人的冲突信息，也即，上述根据各所述机器人的待行驶信息，预测各所述机器人的冲突信息的步骤，可以包括如下具体步骤：
根据各所述机器人的待行驶信息，确定各所述机器人在预设冲突检测范围内的目标行驶数据；
根据第一机器人和第二机器人的目标行驶数据，识别所述第一机器人和第二机器人是否在预设时段内经过同一路径点，其中，所述第一机器人和第二机器人为任两个机器人；
若是，则确定所述第一机器人和第二机器人存在冲突；
根据所述第一机器人和第二机器人的目标行驶数据，识别所述第一机器人和第二机器人的冲突类型；
根据所述冲突类型，生成所述第一机器人的冲突信息。
具体地，预设冲突检测范围是指冲突检测窗口的大小，具体指机器人从当前位置开始一小段长度固定的未完成路径，通常用单元格数量来衡量，比如10格，可用windowSize(窗口大小)表示。目标行驶数据是指待行驶信息在预设冲突检测范围内的数据，比如，在预设冲突检测范围内的待行驶路径、路径点、路径边与到达时间等。预设时段是指预先设置的时间间隔，比如，预设时段可以是5秒、10秒等等。冲突类型是指机器人之间发生的冲突的类型，比如，相向冲突、跟随冲突、交叉冲突与停留冲突。
可选地，根据第一机器人和第二机器人的目标行驶数据，识别第一机器人和第二机器人是否在预设时段内经过同一路径点，其中，第一机器人和第二机器人可以是从相同方向驶来，经过同一路径点；还可以是从相向方向驶来，经过同一路径点；还可以是从90度的方向驶来，经过同一路径点。
示例性地，图3a示出了根据本发明以实施例提供的一种多机器人路径规划方法中的相向冲突示意图、图3b示出了根据本发明以实施例提供的一种多机器人路径规划方法中的跟随冲突示意图、图3c示出了根据本发明以实施例提供的一种多机器人路径规划方法中的交叉冲突示意图、图3d示出了根据本发明以实施例提供的一种多机器人路径规划方法中的停留冲突示意图。相向冲突：两个机器人以180度方向经过同一个点，或跨过同一条边，比如，如图3a所示，机器人A的待行驶路径是2→3→4、机器人B的待行驶路径是4→3→2，则称机器人A与机器人B存在相向冲突。跟随冲突：两个机器人以相同方向经过同一个点，比如，如图3b所示，机器人A的待行驶路径是2→3→4、机器人B的待行驶路径是2→3→4，则称机器人A与机器人B存在跟随冲突。交叉冲突：两个机器人以90度方向经过同一个点，比如，如图3c所示，机器人A的待行驶路径是2→3→4、机器人B的待行驶路径是1→3→5，则称机器人A与机器人B在路径点3处存在交叉冲突。停留冲突：机器人路径某点是其他机器人的终点，比如，如图3d所示，机器人A的待行驶路径是2→3→4、机器人B的待行驶路径是5→3，则称机器人A与机器人B在路径点3处存在停留冲突。
需要说明的是，预测各机器人之间存在的冲突，还可以是按照每一路径点进行预测，预测在任一路径点可能发生的冲突及冲突类型，然后先统计各路径点发生的冲突及冲突类型，然后再统计各机器人发生的冲突及冲突类型。
进一步需要说明的是，根据第一机器人和第二机器人的目标行驶数据，识别第一机器人和第二机器人的冲突类型可以是：识别第一机器人与第二机器人其中一个是否以该点为终点，若是，则第一机器人与第二机器人为停留冲突，若不是，则进一步判断是否以相同方向经过该路径点，若相同，则为跟随冲突，若是180度方向经过，则为相向冲突，若为90度方向经过，则为交叉冲突。
应用本发明实施例的方案，根据各机器人的待行驶信息，确定各机器人在预设冲突检测范围内的目标行驶数据，并识别第一机器人与第二机器人是否在预设时段内经过同一个路径点，若是，则确定第一机器人与第二机器人存在冲突，接着根据第一机器人和第二机器人的目标行驶数据，识别第一机器人和第二机器人的冲突类型，并根据冲突类型，生成第一机器人的冲突信息，通过各机器人在预设冲突检测范围内的目标行驶数据，识别各机器人是否存在冲突以及存在的冲突的类型，使得可以通过预设冲突检测范围灵活调节检测窗口的大小以及重规划机器人的数量，提高了对机器人冲突检测的准确率。
本发明另一种可选的实现方式中，可以在根据冲突类型生成第一机器人的冲突信息之前，可以是先根据第一机器人和第二机器人的目标行驶数据，确定第一机器人和第二机器人的目标位置参数，然后在目标位置参数符合预设约束条件的情况下，再根据冲突类型生成第一机器人的冲突信息，也即，在上述根据所述冲突类型，生成所述第一机器人的冲突信息之前的步骤，还可以包括如下具体步骤：
根据所述第一机器人和第二机器人的目标行驶数据，确定所述第一机器人和第二机器人的目标位置参数；
所述根据所述冲突类型，生成所述第一机器人的冲突信息，包括：
在所述目标位置参数符合预设位置约束条件的情况下，根据所述冲突类型，生成所述第一机器人的冲突信息。
具体地，目标位置参数是指与预设位置约束条件相关的位置的参数，比如，到达所述路径点的时间。预设位置约束条件是指预先设置的对某位置识别冲突具有约束的条件，比如，判断停留冲突时需要预先到达冲突路径点的机器人是将该点作为终点的；判断相向冲突时需要第一机器人与第二机器人之间的距离足够小等等。
可选地，不同的冲突类型可以对应不同的预设位置约束条件，通过设置预设位置约束条件，可以使得减少机器人冲突信息的误预测，比如，机器人A与机器人B均会经过一个路径点5，但机器人A的当前位置已经是路径点5，还需要接着移动，而机器人B还需要两条连接的路径边才可以到达路径点5，则该机器人A与机器人B必然是不会在路径点5处发生冲突的，则设置预设距离阈值为1，可以判断得出机器人A与机器人B不满足预设位置约束条件，则机器人A与机器人B在路径点5处不存在冲突，以此来减少对冲突的误预测。
需要说明的是，根据第一机器人和第二机器人的目标行驶数据，确定第一机器人和第二机器人的目标位置参数，需要确定第一机器人与第二机器人的目标位置参数符合预设位置约束条件时，根据在冲突路径点处发生的冲突及冲突类型，生成第一机器人的冲突信息。
应用本发明实施例的方案，通过先确定第一机器人与第二机器人的目标位置参数，并在目标位置参数符合预设位置约束条件的情况下，根据冲突类型生成第一机器人的冲突信息，使得可以依据预设位置约束条件剔除掉部分判断出来具有冲突，但实际不具备冲突的冲突，然后根据剔除过的冲突及冲突类型，来生成第一机器人的冲突信息，提高了识别冲突的准确率，进一步提高了确定目标机器人的效率。
本发明另一种可选的实现方式中，预设位置约束条件可以是根据机器人到达路径点的时间相关，也即，在目标位置参数包括：到达所述路径点的时间；相应地，所述预设位置约束条件包括：
所述第一机器人到达所述路径点的时间晚于所述第二机器人，和/或，所述第一机器人与所述第二机器人到达所述路径点的时间差小于预设时间阈值。
具体地，路径点是指发生冲突的路径点，比如，机器人A与机器人B经过同一路径点，则该路径点为发生冲突的路径点。当前位置是指机器人在冲突检测时刻所在的位置。预设时间阈值是指预先设置的机器人到达路径点的时间的差值的阈值，比如，预设时间阈值为10秒，则机器人A与机器人B到达路径点“2”的时间分别为20秒、15秒，则确定机器人A与机器人B的到达路径点“2”的时间差为5秒，即第一机器人与第二机器人到达路径点“2”的时间差小于预设时间阈值。
示例性地，在判断得到机器人A与机器人B存在停留冲突，且机器人A的终点为路径停留冲突点，若机器人A晚于机器人B到达，则确定机器人A与机器人B不存在停留冲突，若机器人A早于机器人B到达，则确定机器人A与机器人B存在停留冲突。
可选地，到达路径冲突点的时间早晚可以判断停留冲突、交叉冲突、相向冲突与跟随冲突；到达路径冲突点的时间的差值也可以判断停留冲突、交叉冲突、相向冲突与跟随冲突。
应用本发明实施例的方案，预设约束条件包括：第一机器人到达路径点的时间晚于第二机器人，和/或，第一机器人与第二机器人到达路径点的时间差小于预设时间阈值，通过将机器人到达路径点的时间的早晚与差值是否小于预设时间阈值作为预设约束条件，充分考虑了在时间维度的约束条件，使得最终确定出来的冲突信息更加的准确。
本发明另一种可选的实现方式中，可以在确定第一机器人和第二机器人存在冲突后，再根据目标行驶数据，识别第一机器人和第二机器人是否经过同一路径边，若经过，则进一步判断第一机器人和第二机器人的行驶方向是否相同，若相同则是跟随冲突，若不相同，则是相向冲突；若不经过同一条边，则确定为交叉冲突，也即，上述根据所述第一机器人和第二机器人的目标行驶数据，识别所述第一机器人和第二机器人的冲突类型的步骤，可以包括如下具体步骤：
根据所述第一机器人和第二机器人的目标行驶数据，识别所述第一机器人和第二机器人是否经过同一路径边，其中，所述路径边包括所述路径点；
若经过同一路径边，则根据所述第一机器人和第二机器人的目标行驶数据，识别所述第一机器人和第二机器人行驶方向是否相同；
若相同，则确定所述第一机器人与第二机器人的冲突类型为跟随冲突；
若不相同，则确定所述第一机器人与第二机器人的冲突类型为相向冲突；
若不经过同一路径边，则确定所述第一机器人与第二机器人的冲突类型为交叉冲突。
具体地，路径边是指待行驶路径中的多个路径边中的任一条路径边。行驶方向是依据目标行驶数据中待行驶路径确定的。
需要说明的是，在确定第一机器人和第二机器人经过同一路径点，即存在冲突后，判断第一机器人和第二机器人是否经过同一路径边，其中路径边包括该路径点；若经过同一路径边，则第一机器人和第二机器人都经过同一路径边与该路径边上包括的至少一个路径点，则存在的冲突有相向冲突与跟随冲突，进一步判断第一机器人和第二机器人的行驶方向，若第一机器人和第二机器人的行驶方向相同，则为跟随冲突，若第一机器人和第二机器人的行驶方向不同，则为相向冲突；若不经过同一条边，而只经过同一个路径点，则第一机器人和第二机器人存在交叉冲突。
可选地，可以是存放不同的冲突类型的机器人对应有不同的冲突类型集合，均以conflictSet或冲突集合命名；也可以是将不同冲突类型的机器人均放入以conflictSet或冲突集合命名的一个冲突集合。
示例性地，若机器人A的当前路径点为N1，上一路径点为N，则该机器人经过路径边(N，N1)，若有另一机器人B当前路径点为N，也会经过(N，N1)，且机器人A与机器人B的当前位置距离1格小于预设距离阈值2格、机器人B处于机器人A后方，因此机器人A与机器人B存在跟随冲突，将机器人B存放至冲突集合；若机器人A的当前路径点为N，下一路径点为N1，则该机器人A待行驶路径边(N，N1)，若有另一机器人B当前路径点为N1，待行驶路径边(N1，N)，即以180度方向经过同一条边，则将机器人B存放至冲突集合；若机器人A当前路径点为N1，下一路径点为N，机器人B的当前路径点为M，下一路径点为N，且(N1，N)与(M，N)的方向是非跟随非相向的，则将机器人B存放至冲突集合。
应用本发明实施例的方案，确定存在冲突的第一机器人和第二机器人之间是何冲突时，通过判断第一机器人和第二机器人是否经过同一路径边，其中该路径点在该路径边上，若经过同一路径边则可以确定为相向冲突或跟随冲突；若不经过同一路径边则为交叉冲突；在确定经过同一路径边后，进一步判断第一机器人和第二机器人的行驶方向，行驶方向相同为跟随冲突、行驶方向不同为相向冲突。通过对第一机器人和第二机器人在路径点、路径边、行驶方向上的识别，来确定第一机器人和第二机器人存在的冲突类型，提高了后续生成第一机器人的冲突信息的准确性，进一步提高了确定目标机器人的准确率。
本发明另一种可选的实现方式中，可以是根据第一机器人和第二机器人的目标行驶数据，识别第一机器人或第二机器人是否以该路径点为路径终点，若是，则确定该路径点存在的冲突为停留冲突，也即，根据所述第一机器人和第二机器人的目标行驶数据，识别所述第一机器人和第二机器人的冲突类型的步骤，可以包括如下具体步骤：
根据所述第一机器人和第二机器人的目标行驶数据，识别所述第一机器人和第二机器人是否以所述路径点作为终点；
若所述第二机器人以所述路径点作为终点、且所述第一机器人不以所述路径点作为终点，则确定所述第一机器人与第二机器人的冲突类型为停留冲突。
具体地，终点是指机器人的待行驶路径中的路径终点。
需要说明的是，在第一机器人和第二机器人经过同一路径点存在路径冲突的情况下，根据第一机器人和第二机器人的目标行驶数据，识别第一机器人和第二机器人是否以该路径点作为终点；若第一机器人以该路径点作为终点，且第二机器人不以该路径点作为终点，则确定第二机器人存在停留冲突，第一机器人为第二机器人的冲突机器人，且还需要第二机器人晚于第一机器人到达该路径点；若第二机器人以该路径点作为终点，且第一机器人不以该路径点作为终点，则确定第一机器人存在停留冲突，第二机器人为第一机器人的冲突机器人，且还需要第一机器人晚于第二机器人到达该路径点；若第一机器人和第二机器人均以该路径点作为终点，则确定第一机器人和第二机器人不存在停留冲突。
示例性地，若机器人A与机器人B经过同一路径点N，且机器人A先于机器人B到达，并以路径点N作为路径终点，则将机器人B存放至冲突集合
应用本发明实施例的方案，确定存在冲突的第一机器人和第二机器人之间是何冲突时，通过判断第一机器人和第二机器人是否以该路径点作为终点，若只第一机器人或只第二机器人将该点作为终点时，则确定第一机器人和第二机器人在该路径点存在停留冲突。通过对第一机器人和第二机器人的终点进行识别，确定第一机器人和第二机器人之间是否存在停留冲突，提高了后续生成第一机器人的冲突信息的准确性，进一步提高了确定目标机器人的准确率。
本发明另一种可选的实现方式中，在获取到多个机器人的待行驶数据后，还可以将多个机器人的待行驶数据计入预设信息表，后续可通过遍历该预设信息表中每个机器人的待行驶信息，来预测每个机器人的冲突信息，也即，在所述获取多个机器人的待行驶信息之后的步骤，还可以包括如下具体步骤：
将所述多个机器人的待行驶信息记入预设信息表；
所述根据各所述机器人的待行驶信息，预测各所述机器人的冲突信息，包括：
遍历所述预设信息表，根据所述预设信息表中每个所述机器人的待行驶信息，预测每个所述机器人的冲突信息。
具体地，预设信息表是指预先设置的用于记录信息的表，比如，将获取到的多个机器人的待行驶信息进入预设信息表。
需要说明的是，在获取到多个机器人的待行驶信息后，将其计入预设信息表，后续在预测每个机器人的冲突信息时，可直接遍历预设信息表，根据遍历到的每个机器人的待行驶信息，来预测每个机器人的冲突信息。
进一步需要说明的是，也可以在获取到多个机器人的待行驶信息后，直接读取每个机器人的待行驶信息，对每个机器人的冲突信息进行预测。
应用本发明实施例的方案，在获取到多个机器人的待行驶信息后，将其计入预设信息表，后续可以通过遍历的方式，根据每个机器人的待行驶信息，预测每个机器人的冲突信息，使得根据遍历得到的每个机器人的待行驶信息，对机器人的冲突信息进行预测，得到的预测结果更加的全面、准确，进一步保证了对每个机器人的待行驶信息的全面性。
步骤206：对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合第一冲突对应的重规划条件的目标机器人，其中，第一冲突为任一类冲突。
具体地，统计结果是指对发生冲突的机器人的冲突信息进行统计得到的结果，比如，机器人A发生的相向冲突有3次、交叉冲突有6次；机器人B发生的交叉冲突有4次，停留冲突有2次等等。重规划条件是指判断需要对机器人进行路径重规划的条件，比如，相向冲突中，重规划条件可以是，将某一机器人发生相向冲突的次数是否大于预设冲突数阈值。
需要说明的是，若第一冲突为相向冲突，则对发生相向冲突的机器人的冲突信息进行统计，可以是根据统计结果确定符合相向冲突对应的重规划条件的目标机器人，也可以是确定统计结果符合相向冲突对应的重规划条件的目标机器人。
可选地，将上述确定出来的目标机器人存放至重规划集合中。
本发明另一种可选的实现方式中，可以是第一冲突包括相向冲突，针对发生相向冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生相向冲突的机器人数目，进一步得到该机器人发生的相向冲突数，并确定相向冲突数大于预设冲突数阈值的机器人，将确定的机器人作为目标机器人，进行重规划，也即，当第一冲突包括相向冲突时，上述对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合所述第一冲突对应的重规划条件的目标机器人的步骤，可以包括如下具体步骤：
针对发生相向冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生相向冲突的机器人数目，得到该机器人的相向冲突数；
确定相向冲突数大于预设冲突数阈值的机器人作为目标机器人。
具体地，相向冲突数是指任一机器人发生相向冲突的数量，比如，机器人A发生相向冲突数为3、机器人B发生相向冲突数为5。预设冲突数阈值是指预先设置的相向冲突数的阈值，比如，预设冲突数阈值为4，则机器人B发生相向冲突数为5大于预设冲突数阈值4，则确定机器人B为目标机器人。
可选地，任意两个机器人发生同一冲突类型对应的冲突数可以是一个，也可以是多个，统计与机器人A发生相向冲突的机器人的数目可以是机器人B为1、机器人C为2、机器人D为1，得到机器人A的相向冲突数为4。
可选地，将目标机器人存放至预设重规划集合中，通常用rePlanSet(重新计划)表示重规划集合，初始值为空。
需要说明的是，在确定出冲突集合(conflictSet)中相向冲突数大于预设冲突数阈值的机器人作为目标机器人之后，将该目标机器人从conflictSet移动至rePlanSet中，继续判断conflictSet(此时，已将确定出来的目标机器人删去)中剩余其他存在相向冲突的机器人中是否存在大于预设冲突数阈值的目标机器人，循环往复，直至conflictSet中存在相向冲突的机器人为0停止，具体可通过下述式(1)进行计算：
Figure BDA0003837277420000121
其中，C表示冲突类型，i表示第几个机器人，n表示conflictSet大小，opposite为相向冲突，j表示未完成路径第几个路径点。
Figure BDA0003837277420000122
表示第i个机器人c类冲突的数量，/>
Figure BDA0003837277420000123
表示第i个机器人第j个路径点c类冲突的数量。
示例性地，A的相向冲突机器人：B、C；B的相向冲突机器人：A；C的相向冲突机器人：A、D；第1轮：conflictSet＝{A,B,C}，rePlanSet＝{空}，A、B、C冲突数分别为2、1、2，选择A作为目标机器人，从conflictSet中删去A并放入rePlanSet；第2轮：conflictSet＝{B,C}，rePlanSet＝{A}，A已经确定为目标机器人不再贡献冲突，所以B、C冲突数分别为0、1，选择C作为目标机器人。
应用本发明实施例的方案，针对发生相向冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生相向冲突的机器人数目，进一步得到该机器人发生的相向冲突数，并确定该相向冲突数是否大于预设冲突数阈值，若大于，则确定该机器人为目标机器人，使得确定出来的目标机器人的相向冲突数大于预设冲突数阈值的条件的机器人，提高了确定目标机器人的准确率及效率。
本发明另一种可选的实现方式中，可以是针对冲突集合中的任一机器人，根据该冲突机器人的冲突信息，统计与该机器人发生相向冲突的机器人数目，来得到该机器人的相向冲突数，并在确定出目标机器人之后，将目标机器人从冲突集合中删除，并将该目标机器人存入重规划集合中，后续可对该目标机器人根据相向冲突，进行路径重规划，即，上述针对发生相向冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生相向冲突的机器人数目，得到该机器人的相向冲突数，包括：
针对冲突集合中的任一机器人，根据该机器人的冲突信息，统计与该机器人发生相向冲突的机器人数目，得到该机器人的相向冲突数，其中，所述冲突集合用于记录存在冲突的机器人；
在所述确定相向冲突数大于预设冲突数阈值的机器人作为目标机器人之后，还包括：
从所述冲突集合中删除所述目标机器人，并将所述目标机器人存入重规划集合，返回执行所述针对冲突集合中的任一机器人，根据该机器人的冲突信息，统计与该机器人发生相向冲突的机器人数目，得到该机器人的相向冲突数的步骤，直至所述冲突集合中不存在相向冲突的机器人；
所述根据所述第一冲突，对所述目标机器人进行路径重规划，包括：
根据所述相向冲突，对所述重规划集合中的各目标机器人进行路径重规划。
具体地，冲突集合是指用于记录存在各种冲突的机器人的集合，比如，存放有存在相向冲突的机器人、存放有存在交叉冲突的机器人等等。
可选地，针对冲突集合中的任一机器人，根据机器人的冲突细心，统计与该机器人发生相向冲突的机器人的数目，其中统计机器人的数目时，可以是该机器人与某一机器人发生一次或大于一次相向冲突数。
图4示出了根据本发明一实施例提供的一种多机器人路径规划方法中针对相向冲突的处理流程图，具体包括以下步骤：
步骤402：计算conflictSet中各机器人的相向冲突数。
步骤404：选择相向冲突数大于预设冲突数阈值的机器人作为目标机器人。
步骤406：判断conflictSet是否为空或者机器人的相向冲突数是否为0。
若是，则结束；若否，跳转至步骤408。
步骤408：将目标机器人从conflictSet中删去，并放入rePlanSet。
在步骤408之后，返回至步骤402。
应用本发明实施例的方案，针对存放于冲突集合中的任一机器人，通过该机器人的冲突信息，将与该机器人发生相向冲突的机器人的数目进行统计，得到该机器人的相向冲突数，并将该机器人从冲突集合中删除，并存入重规划集合，返回继续执行针对冲突集合中的任一机器人，并对重规划集合中的各目标机器人根据相向冲突进行路径重规划，通过将目标机器人从冲突集合中进行删除，并存入重规划集合，减少冲突集合中机器人的数目，以便于后续统计冲突集合中其余机器人的相向冲突数，并且方便后续直接在重规划集合中提取机器人进行重规划，加快对存在冲突的机器人的重规划速度。
本发明另一种可选的实现方式中，可以是第一冲突包括停留冲突，针对发生停留冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生停留冲突的机器人的终点作业时长，若该终点作业时长超过预设时长阈值，则确定该机器人作为目标机器人，进行重规划，也即，当第一冲突包括停留冲突时，上述对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合所述第一冲突对应的重规划条件的目标机器人的步骤，可以包括如下具体步骤：
针对发生停留冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生停留冲突的机器人终点作业时长；
若所述终点作业时长超过预设时长阈值，则确定该机器人作为目标机器人。
具体地，终点作业时长是指机器人到达待行驶路径的终点后进行作业的时长，比如，料箱机器人到达终点后会进行取放料箱的工作，包括货叉升降、叉取/放回料箱的耗时，该耗时即为料箱机器人的终点作业时长。预设时长阈值是指预先设置的终点作业的时长的阈值，比如，预设时长阈值为1分钟，机器人A的冲突机器人B在终点的作业时长为2分钟，2分钟超过1分钟，则确定机器人A为目标机器人。
可选地，在某一路径点与机器人A发生停留冲突的机器人有多个时，只需确定多个机器人中在终点作业时长最长的机器人，判断该机器人对应的终点作业时长是否超过预设时长阈值，若超过则确定机器人A作为目标机器人。
需要说明的是，在当前机器人前方路径有停留冲突，且对应冲突机器人在终点作业时长，超过预设时长阈值，则将当前机器人作为目标机器人，即将该当前机器人从conflictSet中删去，并放入rePlanSet。
应用本发明实施例的方案，针对发生停留冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生停留冲突的机器人终点作业时长，若终点作业时长超过预设时长阈值，则确定该机器人为目标机器人，提高了确定目标机器人的准确率及效率。
本发明另一种可选的实现方式中，可以是第一冲突包括交叉冲突和跟随冲突，针对发生交叉冲突和/或跟随冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生交叉冲突和/或跟随冲突的机器人数目，进一步得到该机器人发生的交叉冲突和/或跟随冲突数量和，并确定交叉冲突和/或跟随冲突数量和大于预设数量阈值的机器人，将确定的机器人作为目标机器人，进行重规划，也即，当第一冲突包括相向冲突时，上述对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合所述第一冲突对应的重规划条件的目标机器人的步骤，可以包括如下具体步骤：
针对发生交叉冲突和/或跟随冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生交叉冲突和跟随冲突的机器人数目，得到该机器人的交叉冲突与跟随冲突数量和；
确定数量和大于预设数量阈值的机器人作为目标机器人。
具体地，交叉冲突与跟随冲突数量和是指任一机器人发生交叉冲突与跟随冲突的数量之和，比如，机器人A发生交叉冲突数为3跟随冲突数为2，则机器人A发生交叉冲突与跟随冲突的数量之和为5；机器人B发生交叉冲突数为1跟随冲突数为2，则机器人B发生交叉冲突与跟随冲突的数量之和为3。预设数量阈值是指预先设置的交叉冲突与跟随冲突的数量之和的阈值，比如，预设数量阈值为4，则机器人A发生交叉冲突与跟随冲突的数量之和为5大于预设冲突数阈值4，则确定机器人A为目标机器人。
可选地，任意两个机器人发生交叉冲突和/或跟随冲突对应的冲突数可以是一个，也可以是多个，统计与机器人A发生交叉冲突和/或跟随冲突的机器人的数目可以是机器人B为1、机器人C为2、机器人D为1，得到机器人A的交叉冲突与跟随冲突数量和为4。
需要说明的是，在确定出冲突集合(conflictSet)中交叉冲突与跟随冲突数量和大于预设数量阈值的机器人作为目标机器人之后，将该目标机器人从conflictSet移动至rePlanSet中，
继续判断conflictSet(此时，已将确定出来的目标机器人删去)中剩余其他存在交叉与跟随冲突的机器人中是否存在大于预设数量阈值的目标机器人，循环往复，直至交叉冲突与跟随冲突数量和小于预设数量阈值或目标机器人数量超过预设百分比上限，具体可通过下述式(2)进行计算：
Figure BDA0003837277420000151
其中，C表示冲突类型，i表示第几个机器人，n表示conflictSet大小，follow是指跟随冲突，cross是指交叉冲突，j表示未完成路径第几个路径点。
Figure BDA0003837277420000152
表示第i个机器人c类冲突的数量，/>
Figure BDA0003837277420000153
表示第i个机器人第j个路径点c类冲突的数量。
可选地，交叉和跟随冲突可以通过后到达的机器人通过减速或者停车避让来解决冲突，在交叉冲突与跟随冲突数量和大于预设数量阈值时可能导致拥堵，此时可以需要将后到达的机器人作为目标机器人进行路径重规划；在交叉冲突与跟随冲突数量和不大于预设数量阈值时，影响可以容忍，可以通过减速或者停车避让来解决冲突，同时交叉冲突与跟随冲突相比于停留冲突与相向冲突出现的频次更多，若全部进行重规划，会导致重规划的计算量较大，且效果可能也会大打折扣，故一般选择交叉冲突与跟随冲突数量和不大于预设数量阈值的机器人进行路径重规划，当然也可以全部进行路径重规划，可根据实际情况自行选择。
应用本发明实施例的方案，针对发生交叉冲突和/或跟随冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生交叉冲突和跟随冲突的机器人数目，进一步得到该机器人发生的交叉冲突和跟随冲突数量和，并确定该交叉冲突和跟随冲突数量和是否大于预设数量阈值，若大于，则确定该机器人为目标机器人，使得确定出来的目标机器人的交叉冲突和跟随冲突数量和大于预设数量阈值的条件的机器人，提高了确定目标机器人的效率。
本发明另一种可选的实现方式中，可以是在针对冲突集合中的任一机器人，基于该机器人的冲突信息，统计与该机器人发生交叉冲突与跟随冲突的数量和，并且在确定目标机器人之后，将该目标机器人从冲突集合中删除，存入重规划集合中，并将该存入重规划集合中的目标机器人根据交叉冲突和相向冲突进行路径重规划，即上述针对发生交叉冲突和/或跟随冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生交叉冲突和跟随冲突的机器人数目，得到该机器人的交叉冲突与跟随冲突数量和，包括：
针对冲突集合中的任一机器人，根据该机器人的冲突信息，统计与该机器人发生交叉冲突和跟随冲突的机器人数目，得到该机器人的交叉冲突与跟随冲突数量和，其中，所述冲突集合用于记录存在冲突的机器人；
在所述确定数量和大于预设数量阈值的机器人作为目标机器人之后，还包括：
从所述冲突集合中删除所述目标机器人，并将所述目标机器人存入重规划集合，返回执行所述针对冲突集合中的任一机器人，根据该机器人的冲突信息，统计与该机器人发生交叉冲突和跟随冲突的机器人数目，得到该机器人的交叉冲突与跟随冲突数量和的步骤，直至所述冲突集合中不存在数量和大于所述预设数量阈值的机器人或者所述重规划集合中的机器人数目超过预设数目；
所述根据所述第一冲突，对所述目标机器人进行路径重规划，包括：
根据所述交叉冲突和跟随冲突，对所述重规划集合中的各目标机器人进行路径重规划。
可选地，将该目标机器人从冲突集合中删除，并将该机器人存入重规划集合中，可以是直接将该目标机器人及冲突信息从冲突集合中删除，将该目标机器人的标识或名称及对应的待行驶信息存入重规划集合中，后续基于交叉冲突和跟随冲突，对重规划集合中的各目标机器人进行路径重规划。
可选地，重规划集合中的机器人数目超过预设数目，有多种可能的实现方式，一种可能的实现方式中，可以是为重规划集合预先设置一个阈值，比如，阈值为10个，则在重规划集合中的机器人的数目小于10个时，不对重规划集合中的机器人进行重规划；另一种可能的实现方式中，可以是预先设置一个百分比，比如，百分比是10％，重规划集合中的机器人数目是80，则在重规划集合中的机器人的数目小于8个时，不对重规划集合中的机器人进行重规划。
应用本发明实施例的方案，针对存放于冲突集合中的任一机器人，通过该机器人的冲突信息，将与该机器人发生交叉冲突和跟随冲突的机器人的数目进行统计，得到该机器人的交叉冲突和跟随冲突数量和，并将该机器人从冲突集合中删除，并存入重规划集合，返回继续执行针对冲突集合中的任一机器人，并对重规划集合中的各目标机器人根据交叉冲突和跟随冲突进行路径重规划，通过将目标机器人从冲突集合中进行删除，并存入重规划集合，减少冲突集合中机器人的数目，以便于后续统计冲突集合中其余机器人的交叉冲突和跟随冲突数量和，并且方便后续直接在重规划集合中提取机器人进行重规划，加快对存在冲突的机器人的重规划速度。
图5示出了根据本发明一实施例提供的一种多机器人路径规划方法中针对交叉和跟随冲突的处理流程图，具体包括以下步骤：
步骤502：计算conflictSet中各机器人的交叉冲突与跟随冲突数量和。
步骤504：选择交叉冲突与跟随冲突数量和大于预设数量阈值的机器人作为目标机器人。
步骤506：判断是否存在机器人的交叉冲突与跟随冲突数量和小于等于预设数量阈值或者目标机器人占conflictSet中总机器人的百分是否大于等于预设百分比上限。
若是，则结束；若否，跳转至步骤408。
步骤508：将目标机器人从conflictSet中删去，并放入rePlanSet。
在步骤508之后，返回至步骤502。
步骤208：根据第一冲突，对目标机器人进行路径重规划。
可选地，不同的冲突类型可以对应着不同路径重规划的方式。
需要说明的是，根据第一冲突，对目标机器人进行路径重规划，可以是根据冲突类型，对目标机器人进行路径重规划，记录各种冲突类型对应的不同的基础交通代价，一种可能的实施方式中，目标机器人的当前位置为基准，确定出多条附带惩罚总值的路径，然后从多条路径中确定出惩罚总值小于预设基础交通代价阈值的路径，作为重规划出的路径；另一种可能的实施方式中，可以是以该机器人当前位置对应的路径点为基准，探索周围节点，获取周围节点中其他机器人的路径信息，进而确定冲突类型，根据不同冲突类型对应的基础交通代价不同，选择满足当前节点至下一节点符合预设基础交通代价阈值的节点作为下一节点；进而将该下一节点为基准，进行移动，直至到达终点。
本发明另一种可选的实现方式中，可以是先确定第一冲突对应的基础交通代价，然后对至少一个机器人在目标路径点处与该机器人发生冲突的概率进行预测，
根据基础交通代价与发生冲突的概率，分别确定各机器人在该目标路径点处为目标机器人产生的交通代价，也即，上述根据所述第一冲突，对所述目标机器人进行路径重规划的步骤，可以包括如下具体步骤：
确定所述第一冲突对应的基础交通代价；
对至少一个冲突机器人在目标路径点处与所述目标机器人发生冲突的概率进行预测，其中，所述目标路径点为所述目标机器人当前位置预设范围内的路径点；
根据所述基础交通代价以及所述发生冲突的概率，分别确定各所述冲突机器人在所述目标路径点为所述目标机器人产生的交通代价；
基于各所述交通代价，对所述目标机器人进行路径重规划。
具体地，基础交通代价是指与冲突类型相对应的所造成的冲突对应的基础交通代价，可以分别为相向、交叉或跟随类型的冲突配置不同的基础交通代价，比如，由轻到重可以分别为：(1)跟随冲突可能会减慢后边机器人的行走速度，但是通常不会造成死锁等，因此，基础交通代价最低；(2)交叉冲突一般发生在十字路口，机器人需要减速、停车避让、加速等，会影响行走速度，其基础交通代价可以高于跟随冲突；(3)相向冲突可能会造成死锁，例如，在一些比较狭窄的巷道区域时，如果发生相向冲突，则可能需要一方调头并重新规划路径，因此，造成的代价会比较大；(4)对于停留冲突而言，由于其他机器人在到达终点时，一般要接着原地作业，比如顶升或放下货架、叉取货箱、托盘等，因此，可能造成被阻塞机器人长时间等待等等。目标路径点是指目标机器人当前位置预设范围内的路径点，可以是目标机器人当前位置对应路径点的周围路径点。
可选地，根据基础交通代价以及发生冲突的概率，分别确定各机器人在目标路径点为目标机器人产生的交通代价，比如，当前机器人目前处于当前路径点L处时，存在周围路径点M和N：将周围路径点M作为目标路径点M进行探索时，冲突机器人A对应的冲突类型为相向，假设对应的冲突概率是P1，基础交通代价为t1；冲突机器人B对应的冲突类型为交叉，假设对应的冲突概率是P2，基础交通代价为t2；冲突机器人C对应的冲突类型为跟随，假设对应的冲突概率是P3，基础交通代价为t3。则冲突机器人A产生的交通代价为t1*P1、冲突机器人B产生的交通代价为t2*P2、冲突机器人C产生的交通代价为t3*P3，故目标路径点M的总交通代价为t1*P1+t2*P2+t3*P3；同样进一步地，将周围路径点N作为目标路径点N进行探索时，计算得到目标路径点N的总交通代价，从各周围路径点对应的各总交通代价，选择符合预设交通代价阈值的目标路径点作为下一路径点，进一步将该下一路径点作为当前路径点继续对周围路径点进行探索，直至到达所需要进行重规划的目标机器人的待行驶路径终点。
可选地，在基于交通代价对路径进行重规划的基础上，还需要根据确定出来的路径的长度进行选择，使得重规划的路径满足预设路径长度阈值，在较短路径长度下，可以快速的完成移动搬运任务，节省机器人移动资源以及占用路径资源。
应用本发明实施例的方案，通过确定第一冲突对应的基础交通代价，对至少一个冲突机器人在目标路径点处与目标机器人发生冲突的概率进行预测，根据基础交通代价以及发生冲突的概率，分别确定各冲突机器人在目标路径点为目标机器人产生的交通代价，然后基于各交通代价，对目标机器人进行路径重规划，其是通过对目标路径点的总交通代价进行探索，从多个目标路径点中选择符合预设交通代价阈值的目标路径点，循环往复，使得重规划出来的路径中的路径点都是符合预设交通代价阈值的，实现了对目标机器人的路径重规划，并且重规划后的路径也充分保证了目标机器人移动的安全性。
图6示出了根据本发明一实施例提供的一种多机器人路径规划方法的基本流程图，具体包括以下步骤：
步骤602：按照预设的检测周期触发冲突检测，获取多个机器人的待行驶信息。
步骤604：将多个机器人的待行驶信息计入预设信息表。
步骤606：计算各机器人在预设冲突检测范围内的冲突信息。
步骤608：冲突数量大于0的机器人放入conflictSet，并令rePanSet＝空集。
步骤610：解决相向冲突，将重规划机器人放入rePanSet。
步骤612：解决停留冲突，将重规划机器人放入rePanSet。
步骤614：解决交叉冲突和跟随冲突，将重规划机器人放入rePanSet。
步骤616：rePanSet中的机器人做路径重规划。
应用本发明实施例的方案，获取多个机器人的待行驶信息；根据各机器人的待行驶信息，预测各机器人的冲突信息，其中，冲突信息包括机器人与其他机器人发生的冲突；对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合第一冲突对应的重规划条件的目标机器人，其中，第一冲突为任一类冲突；根据第一冲突，对目标机器人进行路径重规划。通过获取多个机器人的待行驶信息，预测每一个机器人与其他机器人发生的冲突，对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合第一冲突对应的重规划条件的目标机器人，也就是说，在机器人可能发生冲突之前，先预测出可能发生的冲突，然后对可能发生冲突的机器人进行筛选，筛选出冲突信息的统计结果符合第一冲突对应重规划条件的目标机器人，对其进行路径重规划，即在可能发生冲突前，对目标机器人进行重规划，能够合理规避冲突发生，并且进行路径重规划的目标机器人符合重规划条件，重规划的效率更高。
下述结合附图7a与图7b以本发明提供的一种多机器人路径规划方法对四种冲突进行预测的应用为例，对所述多机器人路径规划方法进行进一步说明。其中，图7a示出了根据本发明一实施例提供的一种多机器人路径规划方法的处理流程图，图7b示出了根据本发明一实施例提供的一种多机器人路径规划方法处理过程中机器人待行驶信息示意图，具体包括以下步骤：
步骤702：按照3秒为周期获取机器人A的待行驶信息{4→5→6→3}；机器人B的待行驶信息{6→5→2}；机器人C的待行驶信息{3→6→9}。
步骤702中，机器人A、机器人B、机器人C的待行驶信息示意图参见图7b。
步骤704：确定在6格内，机器人A的目标行驶数据{4→5→6→3}；机器人B的目标行驶数据{6→5→2}；机器人C的目标行驶数据{3→6}。
步骤706：确定机器人A存在的冲突有：与机器人B存在相向冲突1次、与机器人C存在停留冲突1次；机器人B存在的冲突有：与机器人A存在相向冲突1次。
步骤708：针对相向冲突，确定机器人B为进行路径重规划的目标机器人；针对停留冲突，确定机器人A为进行路径重规划的机器人。
步骤710：相向冲突对应的基础交通代价为5，跟随冲突对应的基础交通代价为2，则为机器人A进行路径重规划得到：{4→1→2→3}；机器人B进行路径重规划得到：{6→9→8→5→2}。
应用本发明实施例的方案，获取多个机器人的待行驶信息；根据各机器人的待行驶信息，预测各机器人的冲突信息，其中，冲突信息包括机器人与其他机器人发生的冲突；对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合第一冲突对应的重规划条件的目标机器人，其中，第一冲突为任一类冲突；根据第一冲突，对目标机器人进行路径重规划。通过获取多个机器人的待行驶信息，预测每一个机器人与其他机器人发生的冲突，对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合第一冲突对应的重规划条件的目标机器人，也就是说，在机器人可能发生冲突之前，先预测出可能发生的冲突，然后对可能发生冲突的机器人进行筛选，筛选出冲突信息的统计结果符合第一冲突对应重规划条件的目标机器人，对其进行路径重规划，即在可能发生冲突前，对目标机器人进行重规划，能够合理规避冲突发生，并且进行路径重规划的目标机器人符合重规划条件，重规划的效率更高。
与上述方法实施例相对应，本发明还提供了多机器人路径规划装置实施例，图8示出了本发明一实施例提供的一种多机器人路径规划装置的结构示意图。如图8所示，该装置包括：
获取模块802，被配置为获取多个机器人的待行驶信息；
预测模块804，被配置为根据各机器人的待行驶信息，预测各机器人的冲突信息，其中，冲突信息包括机器人与其他机器人发生的冲突；
确定模块806，被配置为对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合第一冲突对应的重规划条件的目标机器人，其中，第一冲突为任一类冲突；
重规划模块808，被配置为根据第一冲突，对目标机器人进行路径重规划。
可选地，预测模块804，进一步被配置为根据各机器人的待行驶信息，确定各机器人在预设冲突检测范围内的目标行驶数据；根据第一机器人和第二机器人的目标行驶数据，识别第一机器人和第二机器人是否在预设时段内经过同一路径点，其中，第一机器人和第二机器人为任两个机器人；若是，则确定第一机器人和第二机器人存在冲突；根据第一机器人和第二机器人的目标行驶数据，识别第一机器人和第二机器人的冲突类型；根据冲突类型，生成第一机器人的冲突信息。
可选地，预测模块804之前还包括目标位置参数确定模块，被配置为根据第一机器人和第二机器人的目标行驶数据，确定第一机器人和第二机器人的目标位置参数；预测模块804进一步被配置为在目标位置参数符合预设位置约束条件的情况下，根据冲突类型，生成第一机器人的冲突信息。
可选地，预测模块804，进一步被配置为目标位置参数包括到达路径点的时间，和/或，当前位置；相应地，预设位置约束条件包括：第一机器人到达路径点的时间晚于第二机器人，和/或，第一机器人与第二机器人到达路径点的时间差小于预设时间阈值。
可选地，预测模块804，进一步被配置为根据第一机器人和第二机器人的目标行驶数据，识别第一机器人和第二机器人是否经过同一路径边，其中，路径边包括路径点；若经过同一路径边，则根据第一机器人和第二机器人的目标行驶数据，识别第一机器人和第二机器人行驶方向是否相同；若相同，则确定第一机器人与第二机器人的冲突类型为跟随冲突；若不相同，则确定第一机器人与第二机器人的冲突类型为相向冲突；若不经过同一路径边，则确定第一机器人与第二机器人的冲突类型为交叉冲突。
可选地，预测模块804，进一步被配置为根据第一机器人和第二机器人的目标行驶数据，识别第一机器人和第二机器人是否以路径点作为终点；若第二机器人以路径点作为终点、且第一机器人不以路径点作为终点，则确定第一机器人与第二机器人的冲突类型为停留冲突。
可选地，获取模块802之后装置还包括记入模块，被配置为将多个机器人的待行驶信息记入预设信息表；预测模块804，进一步被配置为遍历预设信息表，根据预设信息表中每个机器人的待行驶信息，预测每个机器人的冲突信息。
可选地，第一冲突包括相向冲突；确定模块806，进一步被配置为针对发生相向冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生相向冲突的机器人数目，得到该机器人的相向冲突数；确定相向冲突数大于预设冲突数阈值的机器人作为目标机器人。
可选地，确定模块806，进一步被配置为针对冲突集合中的任一机器人，根据该机器人的冲突信息，统计与该机器人发生相向冲突的机器人数目，得到该机器人的相向冲突数，其中，冲突集合用于记录存在冲突的机器人；确定模块806之后，装置还包括第一执行模块，被配置为从冲突集合中删除目标机器人，并将目标机器人存入重规划集合，返回执行针对冲突集合中的任一机器人，根据该机器人的冲突信息，统计与该机器人发生相向冲突的机器人数目，得到该机器人的相向冲突数的步骤，直至冲突集合中不存在相向冲突的机器人；重规划模块808，进一步被配置为根据相向冲突，对重规划集合中的各目标机器人进行路径重规划。
可选地，第一冲突包括停留冲突；确定模块806，进一步被配置为对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合第一冲突对应的重规划条件的目标机器人，包括：针对发生停留冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生停留冲突的机器人终点作业时长；若终点作业时长超过预设时长阈值，则确定该机器人作为目标机器人。
可选地，第一冲突包括交叉冲突和跟随冲突；确定模块806，进一步被配置为针对发生交叉冲突和/或跟随冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生交叉冲突和跟随冲突的机器人数目，得到该机器人的交叉冲突与跟随冲突数量和；确定数量和大于预设数量阈值的机器人作为目标机器人。
可选地，确定模块806，进一步被配置为针对冲突集合中的任一机器人，根据该机器人的冲突信息，统计与该机器人发生交叉冲突和跟随冲突的机器人数目，得到该机器人的交叉冲突与跟随冲突数量和，其中，冲突集合用于记录存在冲突的机器人；确定模块806之后，装置还包括第二执行模块，被配置为从冲突集合中删除目标机器人，并将目标机器人存入重规划集合，返回执行针对冲突集合中的任一机器人，根据该机器人的冲突信息，统计与该机器人发生交叉冲突和跟随冲突的机器人数目，得到该机器人的交叉冲突与跟随冲突数量和的步骤，直至冲突集合中不存在数量和大于预设数量阈值的机器人或者重规划集合中的机器人数目超过预设数目；重规划模块808，进一步被配置为根据交叉冲突和跟随冲突，对重规划集合中的各目标机器人进行路径重规划。
可选地，重规划模块808，进一步被配置为确定第一冲突对应的基础交通代价；对至少一个冲突机器人在目标路径点处与目标机器人发生冲突的概率进行预测，其中，目标路径点为目标机器人当前位置预设范围内的路径点；根据基础交通代价以及发生冲突的概率，分别确定各冲突机器人在目标路径点为目标机器人产生的交通代价；基于各交通代价，对目标机器人进行路径重规划。
应用本发明实施例的方案，获取多个机器人的待行驶信息；根据各机器人的待行驶信息，预测各机器人的冲突信息，其中，冲突信息包括机器人与其他机器人发生的冲突；对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合第一冲突对应的重规划条件的目标机器人，其中，第一冲突为任一类冲突；根据第一冲突，对目标机器人进行路径重规划。通过获取多个机器人的待行驶信息，预测每一个机器人与其他机器人发生的冲突，对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合第一冲突对应的重规划条件的目标机器人，也就是说，在机器人可能发生冲突之前，先预测出可能发生的冲突，然后对可能发生冲突的机器人进行筛选，筛选出冲突信息的统计结果符合第一冲突对应重规划条件的目标机器人，对其进行路径重规划，即在可能发生冲突前，对目标机器人进行重规划，能够合理规避冲突发生，并且进行路径重规划的目标机器人符合重规划条件，重规划的效率更高。
上述为本实施例的一种多机器人路径规划装置的示意性方案。需要说明的是，该多机器人路径规划装置的技术方案与上述的多机器人路径规划方法的技术方案属于同一构思，多机器人路径规划装置的技术方案未详细描述的细节内容，均可以参见上述多机器人路径规划方法的技术方案的描述。此外，装置实施例中的各组成部分应当理解为实现该程序流程各步骤或该方法各步骤所必须建立的功能模块，各个功能模块并非实际的功能分割或者分离限定。由这样一组功能模块限定的装置权利要求应当理解为主要通过说明书记载的计算机程序实现该解决方案的功能模块构架，而不应当理解为主要通过硬件方式实现该解决方案的实体装置。
图9示出了根据本发明一实施例提供的一种计算设备的结构框图。该计算设备900的部件包括但不限于存储器910和处理器920。处理器920与存储器910通过总线930相连接，数据库950用于保存数据。
计算设备900还包括接入设备940，接入设备940使得计算设备900能够经由一个或多个网络960通信。这些网络的示例包括公用交换电话网(PSTN，Public SwitchedTelephone Network)、局域网(LAN，Local Area Network)、广域网(WAN，Wide AreaNetwork)、个域网(PAN，Personal Area Network)或诸如因特网的通信网络的组合。接入设备940可以包括有线或无线的任何类型的网络接口，例如，网络接口卡(NIC，NetworkInterface Controller)中的一个或多个，诸如IEEE802.11无线局域网(WLAN，WirelessLocal Area Networks)无线接口、全球微波互联接入(Wi-MAX，World Interoperabilityfor Microwave Access)接口、以太网接口、通用串行总线(USB，Universal Serial Bus)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC，Near Field Communication)接口，等等。
在本发明的一个实施例中，计算设备900的上述部件以及图9中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图9所示的计算设备结构框图仅仅是出于示例的目的，而不是对本发明范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
计算设备900可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或PC的静止计算设备。计算设备900还可以是移动式或静止式的服务器。
其中，处理器920用于执行所述多机器人路径规划方法的计算机可执行指令。
上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的多机器人路径规划方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述多机器人路径规划方法的技术方案的描述。
本发明一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时以用于多机器人路径规划方法。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的多机器人路径规划方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述多机器人路径规划方法的技术方案的描述。
上述对本发明特定实施例进行了描述。其他实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上公开的本发明优选实施例只是用于帮助阐述本发明。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本发明的内容，可作很多的修改和变化。本发明选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (16)

1.一种多机器人路径规划方法，其特征在于，包括：
获取多个机器人的待行驶信息；
根据各所述机器人的待行驶信息，预测各所述机器人的冲突信息，其中，所述冲突信息包括所述机器人与其他机器人发生的冲突；
对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合所述第一冲突对应的重规划条件的目标机器人，其中，所述第一冲突为任一类冲突；
根据所述第一冲突，对所述目标机器人进行路径重规划。
2.根据权利要求1所述的方法，其特征在于，所述根据各所述机器人的待行驶信息，预测各所述机器人的冲突信息，包括：
根据各所述机器人的待行驶信息，确定各所述机器人在预设冲突检测范围内的目标行驶数据；
根据第一机器人和第二机器人的目标行驶数据，识别所述第一机器人和第二机器人是否在预设时段内经过同一路径点，其中，所述第一机器人和第二机器人为任两个机器人；
若是，则确定所述第一机器人和第二机器人存在冲突；
根据所述第一机器人和第二机器人的目标行驶数据，识别所述第一机器人和第二机器人的冲突类型；
根据所述冲突类型，生成所述第一机器人的冲突信息。
3.根据权利要求2所述的方法，其特征在于，在所述根据所述冲突类型，生成所述第一机器人的冲突信息之前，还包括：
根据所述第一机器人和第二机器人的目标行驶数据，确定所述第一机器人和第二机器人的目标位置参数；
所述根据所述冲突类型，生成所述第一机器人的冲突信息，包括：
在所述目标位置参数符合预设位置约束条件的情况下，根据所述冲突类型，生成所述第一机器人的冲突信息。
4.根据权利要求3所述的方法，其特征在于，所述目标位置参数包括：到达所述路径点的时间；
相应地，所述预设位置约束条件包括：所述第一机器人到达所述路径点的时间晚于所述第二机器人，和/或，所述第一机器人与所述第二机器人到达所述路径点的时间差小于预设时间阈值。
5.根据权利要求2所述的方法，其特征在于，所述根据所述第一机器人和第二机器人的目标行驶数据，识别所述第一机器人和第二机器人的冲突类型，包括：
根据所述第一机器人和第二机器人的目标行驶数据，识别所述第一机器人和第二机器人是否经过同一路径边，其中，所述路径边包括所述路径点；
若经过同一路径边，则根据所述第一机器人和第二机器人的目标行驶数据，识别所述第一机器人和第二机器人行驶方向是否相同；
若相同，则确定所述第一机器人与第二机器人的冲突类型为跟随冲突；
若不相同，则确定所述第一机器人与第二机器人的冲突类型为相向冲突；
若不经过同一路径边，则确定所述第一机器人与第二机器人的冲突类型为交叉冲突。
6.根据权利要求2所述的方法，其特征在于，所述根据所述第一机器人和第二机器人的目标行驶数据，识别所述第一机器人和第二机器人的冲突类型，包括：
根据所述第一机器人和第二机器人的目标行驶数据，识别所述第一机器人和第二机器人是否以所述路径点作为终点；
若所述第二机器人以所述路径点作为终点、且所述第一机器人不以所述路径点作为终点，则确定所述第一机器人与第二机器人的冲突类型为停留冲突。
7.根据权利要求1或2所述的方法，其特征在于，在所述获取多个机器人的待行驶信息之后，还包括：
将所述多个机器人的待行驶信息记入预设信息表；
所述根据各所述机器人的待行驶信息，预测各所述机器人的冲突信息，包括：
遍历所述预设信息表，根据所述预设信息表中每个所述机器人的待行驶信息，预测每个所述机器人的冲突信息。
8.根据权利要求1-6中任一项所述的方法，其特征在于，所述第一冲突包括相向冲突；
所述对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合所述第一冲突对应的重规划条件的目标机器人，包括：
针对发生相向冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生相向冲突的机器人数目，得到该机器人的相向冲突数；
确定相向冲突数大于预设冲突数阈值的机器人作为目标机器人。
9.根据权利要求8所述的方法，其特征在于，所述针对发生相向冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生相向冲突的机器人数目，得到该机器人的相向冲突数，包括：
针对冲突集合中的任一机器人，根据该机器人的冲突信息，统计与该机器人发生相向冲突的机器人数目，得到该机器人的相向冲突数，其中，所述冲突集合用于记录存在冲突的机器人；
在所述确定相向冲突数大于预设冲突数阈值的机器人作为目标机器人之后，还包括：
从所述冲突集合中删除所述目标机器人，并将所述目标机器人存入重规划集合，返回执行所述针对冲突集合中的任一机器人，根据该机器人的冲突信息，统计与该机器人发生相向冲突的机器人数目，得到该机器人的相向冲突数的步骤，直至所述冲突集合中不存在相向冲突的机器人；
所述根据所述第一冲突，对所述目标机器人进行路径重规划，包括：
根据所述相向冲突，对所述重规划集合中的各目标机器人进行路径重规划。
10.根据权利要求1-6中任一项所述的方法，其特征在于，所述第一冲突包括停留冲突；
所述对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合所述第一冲突对应的重规划条件的目标机器人，包括：
针对发生停留冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生停留冲突的机器人终点作业时长；
若所述终点作业时长超过预设时长阈值，则确定该机器人作为目标机器人。
11.根据权利要求1-6中任一项所述的方法，其特征在于，所述第一冲突包括交叉冲突和跟随冲突；
所述对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合所述第一冲突对应的重规划条件的目标机器人，包括：
针对发生交叉冲突和/或跟随冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生交叉冲突和跟随冲突的机器人数目，得到该机器人的交叉冲突与跟随冲突数量和；
确定数量和大于预设数量阈值的机器人作为目标机器人。
12.根据权利要求11所述的方法，其特征在于，所述针对发生交叉冲突和/或跟随冲突的任一机器人，根据该机器人的冲突信息，统计与该机器人发生交叉冲突和跟随冲突的机器人数目，得到该机器人的交叉冲突与跟随冲突数量和，包括：
针对冲突集合中的任一机器人，根据该机器人的冲突信息，统计与该机器人发生交叉冲突和跟随冲突的机器人数目，得到该机器人的交叉冲突与跟随冲突数量和，其中，所述冲突集合用于记录存在冲突的机器人；
在所述确定数量和大于预设数量阈值的机器人作为目标机器人之后，还包括：
从所述冲突集合中删除所述目标机器人，并将所述目标机器人存入重规划集合，返回执行所述针对冲突集合中的任一机器人，根据该机器人的冲突信息，统计与该机器人发生交叉冲突和跟随冲突的机器人数目，得到该机器人的交叉冲突与跟随冲突数量和的步骤，直至所述冲突集合中不存在数量和大于所述预设数量阈值的机器人或者所述重规划集合中的机器人数目超过预设数目；
所述根据所述第一冲突，对所述目标机器人进行路径重规划，包括：
根据所述交叉冲突和跟随冲突，对所述重规划集合中的各目标机器人进行路径重规划。
13.根据权利要求1所述的方法，其特征在于，所述根据所述第一冲突，对所述目标机器人进行路径重规划，包括：
确定所述第一冲突对应的基础交通代价；
对至少一个冲突机器人在目标路径点处与所述目标机器人发生冲突的概率进行预测，其中，所述目标路径点为所述目标机器人当前位置预设范围内的路径点；
根据所述基础交通代价以及所述发生冲突的概率，分别确定各所述冲突机器人在所述目标路径点为所述目标机器人产生的交通代价；
基于各所述交通代价，对所述目标机器人进行路径重规划。
14.一种多机器人路径规划装置，其特征在于，包括：
获取模块，被配置为获取多个机器人的待行驶信息；
预测模块，被配置为根据各所述机器人的待行驶信息，预测各所述机器人的冲突信息，其中，所述冲突信息包括所述机器人与其他机器人发生的冲突；
确定模块，被配置为对发生第一冲突的机器人的冲突信息进行统计，确定统计结果符合所述第一冲突对应的重规划条件的目标机器人，其中，所述第一冲突为任一类冲突；
重规划模块，被配置为根据所述第一冲突，对所述目标机器人进行路径重规划。
15.一种计算设备，其特征在于，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令实现权利要求1至13任意一项所述多机器人路径规划方法的步骤。
16.一种计算机可读存储介质，其存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1至13任意一项所述多机器人路径规划方法的步骤。
CN202211091138.8A 2022-09-07 2022-09-07 多机器人路径规划方法及装置 Pending CN116184996A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211091138.8A CN116184996A (zh) 2022-09-07 2022-09-07 多机器人路径规划方法及装置
PCT/CN2023/115133 WO2024051507A1 (zh) 2022-09-07 2023-08-28 多机器人路径规划方法、装置及计算设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211091138.8A CN116184996A (zh) 2022-09-07 2022-09-07 多机器人路径规划方法及装置

Publications (1)

Publication Number Publication Date
CN116184996A true CN116184996A (zh) 2023-05-30

Family

ID=86442938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211091138.8A Pending CN116184996A (zh) 2022-09-07 2022-09-07 多机器人路径规划方法及装置

Country Status (2)

Country Link
CN (1) CN116184996A (zh)
WO (1) WO2024051507A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024051507A1 (zh) * 2022-09-07 2024-03-14 北京极智嘉科技股份有限公司 多机器人路径规划方法、装置及计算设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110071750A1 (en) * 2009-09-21 2011-03-24 The Mitre Corporation Airport Surface Conflict Detection
CN108268016A (zh) * 2018-01-19 2018-07-10 广东美的智能机器人有限公司 多移动机器人的冲突管理方法及系统
CN113870602B (zh) * 2021-09-28 2022-07-29 湖南大学 一种多agv泊车调度的方法和系统
CN114527751A (zh) * 2022-01-21 2022-05-24 北京极智嘉科技股份有限公司 机器人路径规划方法、装置及电子设备
CN114661047A (zh) * 2022-03-16 2022-06-24 南京师范大学 一种基于时间窗的多agv实时调度的路径优化方法
CN116184996A (zh) * 2022-09-07 2023-05-30 北京极智嘉科技股份有限公司 多机器人路径规划方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024051507A1 (zh) * 2022-09-07 2024-03-14 北京极智嘉科技股份有限公司 多机器人路径规划方法、装置及计算设备

Also Published As

Publication number Publication date
WO2024051507A1 (zh) 2024-03-14

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
US20220163969A1 (en) Systems and methods for optimizing route plans in an operating environment
CN113031603B (zh) 一种基于任务优先级的多物流机器人协同路径规划方法
CN111596658A (zh) 一种多agv无碰撞运行的路径规划方法及调度系统
JP2022533784A (ja) 倉庫保管タスク処理方法と装置、倉庫保管システム、およびストレージ媒体
Ribino et al. Agent-based simulation study for improving logistic warehouse performance
CN111532641B (zh) 仓储分拣中自动引导车的并行路径规划方法
CN111026128B (zh) 一种多激光agv的避让方法
CN109108973A (zh) 单向式路径调度方法及系统
Li et al. A simulation study on the robotic mobile fulfillment system in high-density storage warehouses
CN113406951A (zh) 行驶控制装置、行驶控制方法以及计算机程序
CN116184996A (zh) 多机器人路径规划方法及装置
Shi et al. Task allocation and path planning of many robots with motion uncertainty in a warehouse environment
Xu et al. Dynamic spare point application based coordination strategy for multi-AGV systems in a WIP warehouse environment
CN116700298B (zh) 路径规划方法、系统、设备及存储介质
WO2022032444A1 (zh) 一种多智能主体避障方法、系统和计算机可读存储介质
Ali et al. Prioritized SIPP for multi-agent path finding with kinematic constraints
CN116007624A (zh) 一种路径规划方法、装置、设备及存储介质
Haiming et al. Algorithm of path planning based on time window for multiple mobile robots in warehousing system
CN114924538A (zh) 一种基于图结构的多agv实时调度与冲突消解方法
Zhang et al. Multi-AGVs pathfinding based on improved jump point search in logistic center
Li Task Assignment and Path Planning for Autonomous Mobile Robots in Stochastic Warehouse Systems
Verma et al. Traffic management of multi-AGV systems by improved dynamic resource reservation
Yu et al. Research on multi-AGV path planning in automated container terminal
Dobrzanska et al. Simulation modelling of material handling using AGV

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