CN116399352A - 一种智慧无人停车场agv的路径规划方法、装置及存储介质 - Google Patents

一种智慧无人停车场agv的路径规划方法、装置及存储介质 Download PDF

Info

Publication number
CN116399352A
CN116399352A CN202310377786.8A CN202310377786A CN116399352A CN 116399352 A CN116399352 A CN 116399352A CN 202310377786 A CN202310377786 A CN 202310377786A CN 116399352 A CN116399352 A CN 116399352A
Authority
CN
China
Prior art keywords
path
agv
node
ith
obstacle
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
CN202310377786.8A
Other languages
English (en)
Other versions
CN116399352B (zh
Inventor
牛伟明
周皓然
叶绍泽
苗东菁
陆国锋
黎治华
李雨桐
袁杰遵
余齐
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.)
Shenzhen Senge Data Technology Co ltd
Original Assignee
Shenzhen Senge Data 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 Shenzhen Senge Data Technology Co ltd filed Critical Shenzhen Senge Data Technology Co ltd
Priority to CN202310377786.8A priority Critical patent/CN116399352B/zh
Publication of CN116399352A publication Critical patent/CN116399352A/zh
Application granted granted Critical
Publication of CN116399352B publication Critical patent/CN116399352B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • 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)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种智慧无人停车场AGV的路径规划方法、装置、电子设备及存储介质，本发明在进行任一AGV的路径规划时，考虑到了其余AGV的初始位置，以及其上一个AGV所经过的路径节点，从而将前述初始位置和上一个AGV所经过的路径节点视作为障碍物节点，以在本次路径规划的节点中予以去除；如此，即可在路径规划时，避免多个AGV在同一时间运动至同一路径节点；基于此，本发明能够处理停车场的多个AGV的协同路径规划，从而避免了多个AGV的碰撞冲突，可完成多个AGV的同时调度，进而实现多辆车辆的同时停靠，由此，提高了停靠效率，适用于在AGV停车领域的大规模应用与推广。

Description

一种智慧无人停车场AGV的路径规划方法、装置及存储介质
技术领域
本发明属于路径规划技术领域，具体涉及一种智慧无人停车场AGV的路径规划方法、装置及存储介质。
背景技术
随着汽车保有量的不断增加，停车困难以及停车耗时的问题也越来越严重；因此，降低停车时间在整个出行过程中的占比越来越重要，亟需一种新的停车方式来解决前述问题。
同时，随着计算机的快速发展，AGV(Automated Guided Vehicle，自动导向搬运车)已经被逐渐应用至停车场中；AGV是一种灵活、智能的运输机器人，可以自动运输车辆沿预设路径移动，具有高安全性和各种转移功能，目前，基于AGV的智慧无人停车场通过高效协同操作以及避免不确定和不准确的人为干扰，可以高效地同时操作多辆车的停车过程，不仅减轻了驾驶员的负担，还降低了停车耗时，已成为智慧停车的新方式。
目前，对于AGV在停车场中的路径规划，存在以下技术：(1)公开号为CN110471418A的发明专利，公开了一种“智能停车场中的AGV调度方法”，其采用广度优先算法选择合适的停车位，并利用改进的Dijkstra算法计算出起点和终点的最优停车路径；(2)公开号为CN110285821A的发明专利，公开了“一种基于智能停车场的AGV存取车路径优化方法”，该方案使用启发式A*算法可迅速得到最佳车位并进行路径的规划。
但是，前述两现有技术均存在以下不足：都是应用于单个AGV的路径规划，并未考虑到多个AGV同时运行过程中的碰撞冲突，因此，无法同时调度多辆AGV执行任务，从而导致无法同时停放多辆车辆；基于此，提供一种可实现多辆AGV同时运行的路径规划方法，已成为一个亟待解决的问题。
发明内容
本发明的目的是提供一种智慧无人停车场AGV的路径规划方法、装置及存储介质，用以解决现有技术存在的无法同时调度多辆AGV执行任务，从而导致无法同时停放多辆车辆的问题。
为了实现上述目的，本发明采用以下技术方案：
第一方面，提供了一种智慧无人停车场AGV的路径规划方法，包括：
获取目标停车场的三维网格地图以及目标停车场中至少一个AGV的调度信息，其中，所述三维网格地图包括多个路径节点，任一路径节点的横坐标和纵坐标，用于表征所述任一路径节点在所述目标停车场所处的位置，所述任一路径节点的z轴坐标，用于表征各个AGV抵达该任一路径节点的抵达时间，且任一AGV的调度信息包括该任一AGV的起点位置和终点位置；
对于所述至少一个AGV中的第i个AGV，基于目标AGV的调度信息中的起点位置，确定出所述第i个AGV在所述三维网格地图中的初始障碍路径节点集合，其中，所述目标AGV为所述至少一个AGV中去除所述第i个AGV后所剩余的AGV；
获取第i-1个AGV的规划路径，其中，所述第i-1个AGV的规划路径包括该第i-1个AGV在所述三维网格地图中所途经的路径节点，且当i为1时，第i-1个AGV的规划路径为空；
将所述第i-1个AGV在所述三维网格地图中所途经的路径节点，添加至所述初始障碍路径节点集合中，得到所述第i个AGV的障碍路径节点集合；
基于所述障碍路径节点集合、所述三维网格地图以及所述第i个AGV的调度信息，对所述第i个AGV进行路径规划处理，得到所述第i个AGV的规划路径，其中，所述第i个AGV的规划路径中所包含的任一路径节点不属于所述障碍路径节点集合；
将i自加1，并重新基于目标AGV的调度信息中的起点位置，确定出所述第i个AGV在所述三维网格地图中的初始障碍路径节点集合，直至i等于n时，得到每个AGV的规划路径，其中，i的初始值为1，且n为AGV的总个数。
基于上述公开的内容，本发明在传统路径规划所使用的二维网格地图的基础上，增加了时间维度，以便使用时间维度表征各个AGV抵达网格地图中各个路径节点的时间信息，并以此来构建了三维网格地图；其中，在对第i个AGV进行路径规划时，首先利用除去第i个AGV以外的所有AGV的起点位置，来确定出该第i个AGV的初始障碍节点集合，如此，该步骤相当于得到了除去第i个AGV以外的所有AGV的初始位置；而后，获取该第i个AGV的上一个AGV的规划路径，以便基于上一个规划路径确定出上一个AGV所途经的路径节点，以及途经的路径节点的时间；接着，将该上一个AGV所途经的路径节点添加至初始障碍节点集合中，即可得到该第i个AGV的障碍路径节点集合；而后，通过该障碍路径节点集合、三维网格地图以及所述第i个AGV的调度信息，即可进行路径规划，得到该第i个AGV的规划路径；同时，在本发明中，该规划路径中所包含的任一路径节点不属于前述障碍路径节点集合，如此，相当于避免了多辆AGV在同一时间运动至同一路径节点的问题；最后，以此原理，并不断重复前述过程，直至i等于n时，即可得到每个AGV的规划路径。
通过前述设计，本发明在进行任一AGV的路径规划时，考虑到了其余AGV的初始位置，以及其上一个AGV所经过的路径节点，从而将前述初始位置和上一个AGV所经过的路径节点视作为障碍物节点，以在本次路径规划的节点中予以去除；如此，即可在路径规划时，避免多个AGV在同一时间运动至同一路径节点；基于此，本发明能够处理停车场的多个AGV的协同路径规划，从而避免了多个AGV的碰撞冲突，可完成多个AGV的同时调度，进而实现多辆车辆的同时停靠，由此，提高了停靠效率，适用于在AGV停车领域的大规模应用与推广。
在一个可能的设计中，基于所述障碍路径节点集合、所述三维网格地图以及所述第i个AGV的调度信息，对所述第i个AGV进行路径规划处理，得到所述第i个AGV的规划路径，包括：
根据所述第i个AGV的调度信息中的起点位置和终点位置，确定出所述第i个AGV的起点位置在所述三维网格地图中对应的起点路径节点，以及所述第i个AGV的终点位置在所述三维网格地图中对应的终点路径节点，其中，所述起点路径节点的z轴坐标为0；
初始化待遍历节点集合和已遍历节点集合，其中，待遍历节点集合和已遍历节点集合为空；
设置起点路径节点的优先级为最高优先级，并将起点路径节点添加至待遍历节点集合中；
从所述待遍历节点集合中选取目标节点，并判断所述目标节点是否为所述终点路径节点，其中，所述目标节点为所述待遍历节点集合中优先级最高的节点；
若否，则从所述待遍历节点集合中删除所述目标节点，并将所述目标节点添加至所述已遍历节点集合中；
获取所述目标节点在所述三维网格地图中所有的相邻节点，并判断是否存在至少一个相邻节点为所述障碍路径节点集合中的障碍路径节点和/或所述已遍历节点集合中的已遍历节点；
若是，则从所有相邻节点中，删除指定相邻节点，得到实际相邻节点，其中，所述指定相邻节点为所有相邻节点中为障碍路径节点和/或已遍历节点的相邻节点；
计算各个实际相邻节点的优先级，并从各个实际相邻节点中，选取优先级最高的实际相邻节点，作为所述第i个AGV所途经的一路径节点；
将优先级最高的实际相邻节点添加至所述待遍历节点集合中，并重新从所述待遍历节点集合中选取目标节点，直至所述目标节点为所述终点路径节点时，得到所述第i个AGV所途经的所有路径节点；
利用所述第i个AGV所途经的所有路径节点，确定出所述第i个AGV的规划路径。
在一个可能的设计中，计算各个实际相邻节点的优先级，包括：
对于任一实际相邻节点，计算所述任一实际相邻节点与所述终点路径节点之间的最小成本代价，以及计算所述任一实际相邻节点与所述起点路径节点之间的路径代价；
求和所述路径代价和所述最小成本代价，得到所述任一实际相邻节点的优先级。
在一个可能的设计中，计算所述任一实际相邻节点与所述终点路径节点之间的最小成本代价，包括：
获取所述任一实际相邻节点以及所述终点路径节点的横坐标和纵坐标；
计算所述任一实际相邻节点的横坐标与纵坐标之间差值的第一绝对值，以及计算所述终点路径节点的横坐标与纵坐标之间差值的第二绝对值，并求和所述第一绝对值和所述第二绝对值，以得到所述任一实际相邻节点与所述终点路径节点之间的曼哈顿距离；
将所述曼哈顿距离与代价系数之间的乘积，作为所述任一实际相邻节点与所述终点路径节点之间的最小成本代价。
在一个可能的设计中，计算所述任一实际相邻节点与所述起点路径节点之间的路径代价，包括：
获取所述任一实际相邻节点与所述起点路径节点之间的实际距离，以及所述第i个AGV从所述起点路径节点运动至所述任一实际相邻节点的运动时长；
利用所述实际距离和所述运动时长，并按照如下公式(1)，计算得到所述任一实际相邻节点与所述起点路径节点之间的路径代价；
g＝λ*dstart+γ*tstart (1)
上述式(1)中，g表示所述路径代价，dstart表示所述实际距离，tstart表示所述运动时长，且λ,γ均表示可调参数。
在一个可能的设计中，基于目标AGV的调度信息中的起点位置，确定出所述第i个AGV在所述三维网格地图中的初始障碍路径节点集合，包括：
基于各个目标AGV的调度信息中的起点位置，确定出各个目标AGV的起点位置在所述三维网格地图中所对应的目标起点路径节点；
利用各个目标AGV的目标起点路径节点，组成所述初始障碍路径节点集合。
在一个可能的设计中，在基于目标AGV的调度信息中的起点位置，确定出所述第i个AGV在所述三维网格地图中的初始障碍路径节点集合后，所述方法还包括：
获取所述目标停车场中固有障碍物的位置，并基于所述固有障碍物的位置以及所述三维网格地图，确定出所述固有障碍物在所述三维网格地图中所处的路径节点，以将所述固有障碍物在所述三维网格地图中所处的路径节点，作为固有障碍物路径节点；
将所述固有障碍物路径节点添加至所述初始障碍路径节点集合中，得到更新后的初始障碍路径节点集合，以便在将所述第i-1个AGV在所述三维网格地图中所途经的路径节点，添加至所述更新后的初始障碍路径节点集合中后，得到所述第i个AGV的障碍路径节点集合。
第二方面，提供了一种智慧无人停车场AGV的路径规划装置，包括：
数据获取单元，用于获取目标停车场的三维网格地图以及目标停车场中至少一个AGV的调度信息，其中，所述三维网格地图包括多个路径节点，任一路径节点的横坐标和纵坐标，用于表征所述任一路径节点在所述目标停车场所处的位置，所述任一路径节点的z轴坐标，用于表征各个AGV抵达该任一路径节点的抵达时间，且任一AGV的调度信息包括该任一AGV的起点位置和终点位置；
障碍物确定单元，用于对于所述至少一个AGV中的第i个AGV，基于目标AGV的调度信息中的起点位置，确定出所述第i个AGV在所述三维网格地图中的初始障碍路径节点集合，其中，所述目标AGV为所述至少一个AGV中去除所述第i个AGV后所剩余的AGV；
障碍物确定单元，用于获取第i-1个AGV的规划路径，其中，所述第i-1个AGV的规划路径包括该第i-1个AGV在所述三维网格地图中所途经的路径节点，且当i为1时，第i-1个AGV的规划路径为空；
障碍物确定单元，用于将所述第i-1个AGV在所述三维网格地图中所途经的路径节点，添加至所述初始障碍路径节点集合中，得到所述第i个AGV的障碍路径节点集合；
路径规划单元，用于基于所述障碍路径节点集合、所述三维网格地图以及所述第i个AGV的调度信息，对所述第i个AGV进行路径规划处理，得到所述第i个AGV的规划路径，其中，所述第i个AGV的规划路径中所包含的任一路径节点不属于所述障碍路径节点集合；
路径规划单元，还用于将i自加1，并重新基于目标AGV的调度信息中的起点位置，确定出所述第i个AGV在所述三维网格地图中的初始障碍路径节点集合，直至i等于n时，得到每个AGV的规划路径，其中，i的初始值为1，且n为AGV的总个数。
第三方面，提供了另一种智慧无人停车场AGV的路径规划装置，以装置为电子设备为例，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面或第一方面中任意一种可能设计的所述智慧无人停车场AGV的路径规划方法。
第四方面，提供了一种存储介质，存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面或第一方面中任意一种可能设计的所述智慧无人停车场AGV的路径规划方法。
第五方面，提供了一种包含指令的计算机程序产品，当指令在计算机上运行时，使计算机执行如第一方面或第一方面中任意一种可能设计的所述智慧无人停车场AGV的路径规划方法。
有益效果：
(1)本发明在进行任一AGV的路径规划时，考虑到了其余AGV的初始位置，以及其上一个AGV所经过的路径节点，从而将前述初始位置和上一个AGV所经过的路径节点视作为障碍物节点，以在本次路径规划的节点中予以去除；如此，即可在路径规划时，避免多个AGV在同一时间运动至同一路径节点；基于此，本发明能够处理停车场的多个AGV的协同路径规划，从而避免了多个AGV的碰撞冲突，可完成多个AGV的同时调度，进而实现多辆车辆的同时停靠，由此，提高了停靠效率，适用于在AGV停车领域的大规模应用与推广。
(2)本发明设计了针对每个路径节点的优先级计算的路径代价函数和最小成本代价函数，并在路径代价函数中，同时考虑了距离以及时间，因此，平衡了AGV的运营成本与运营效率，使得路径规划效果可达到最优。
附图说明
图1为本发明实施例提供的智慧无人停车场AGV的路径规划方法的步骤流程示意图；
图2为本发明实施例提供的三维网格地图上目标节点的相邻节点的分布示意图；
图3为本发明实施例提供的智慧无人停车场AGV的路径规划装置的结构示意图；
图4为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍，显而易见地，下面关于附图结构的描述仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。
应当理解，尽管本文可能使用术语第一、第二等等来描述各种单元，但是这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元，同时不脱离本发明的示例实施例的范围。
应当理解，对于本文中可能出现的术语“和/或”，其仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，单独存在B，同时存在A和B三种情况；对于本文中可能出现的术语“/和”，其是描述另一种关联对象关系，表示可以存在两种关系，例如，A/和B，可以表示：单独存在A，单独存在A和B两种情况；另外，对于本文中可能出现的字符“/”，一般表示前后关联对象是一种“或”关系。
实施例：
参见图1所示，本实施例所提供的智慧无人停车场AGV的路径规划方法，能够处理停车场的多个AGV的协同路径规划，可避免多个AGV的碰撞冲突问题，如此，可完成多个AGV的同时调度，从而实现多辆车辆的同时停靠；由此，本方法适用于在AGV智慧停车领域的大规模应用与推广；可选的，举例本方法可以但不限于在路径规划端侧运行，且举例路径规划端可以但不限于为个人电脑(personal computer，PC)、平板电脑或智能手机；可以理解的是，前述执行主体并不构成对本申请实施例的限定，相应的，本方法的运行步骤可以但不限于如下述步骤S1～S6所示。
S1.获取目标停车场的三维网格地图以及目标停车场中至少一个AGV的调度信息，其中，所述三维网格地图包括多个路径节点，任一路径节点的横坐标和纵坐标，用于表征所述任一路径节点在所述目标停车场所处的位置，所述任一路径节点的z轴坐标，用于表征各个AGV抵达该任一路径节点的抵达时间，且任一AGV的调度信息包括该任一AGV的起点位置和终点位置；在本实施例中，相当于在传统路径规划的二维网格地图上，增加了时间维度，也就是将各个AGV到达二维网格地图上任一路径节点的时间，作为该路径节点的z轴坐标；如假设任一AGV所经过的路径节点A的坐标为(Xa，Ya，Za)，那么，(Xa，Ya)表示路径节点A在目标停车场所处的位置，而Za则表示该任一AGV到达该路径节点A的抵达时间；如此，将前述的抵达时间引入至路径节点的三维坐标中，可从抵达时间层面上，避免多个AGV在同一时间经过同一路径节点的问题，如此，基于前述三维网格地图，即可解决多个AGV同时运行时的冲突碰撞。
在本实施例中，举例三维网格地图中的z轴坐标的取值区间为[0，Zmax]，Zmax为任一AGV从其对应起点位置运动至终点位置所能容忍的最长时长；可选的，该最长时长为预设值，可根据实际使用而具体设定；同时，举例z轴坐标之间的间隔是基于任一AGV在相邻两路径节点之间的实际运动时长所换算得到的；如，任一AGV在相邻两路径节点的实际运动时长为10s，间隔可取1s；当然，前述举例仅是示意，不限定于此；另外，举例任一AGV的起点位置可以但限于包括其在三维网格地图中的横纵坐标；而终点位置所包含信息也是如此，于此不再赘述。
由此，基于前述带有抵达时间的三维网格地图，则可进行后续的路径规划，同时，由于每个AGV的路径规划过程相同，下述以第i个AGV的路径规划过程为例，来进行详细阐述，如下述步骤S2～S5所示。
S2.对于所述至少一个AGV中的第i个AGV，基于目标AGV的调度信息中的起点位置，确定出所述第i个AGV在所述三维网格地图中的初始障碍路径节点集合，其中，所述目标AGV为所述至少一个AGV中去除所述第i个AGV后所剩余的AGV；在本实施例中，可以但不限于先基于各个目标AGV的调度信息中的起点位置，确定出各个目标AGV的起点位置在所述三维网格地图中所对应的目标起点路径节点；然后，再利用各个目标AGV的目标起点路径节点，组成所述初始障碍路径节点集合。
具体的，下述以一个实例来阐述前述步骤S2：
假设存在3个AGV，分别为AGV1、AGV2和AGV3，其中，当i为1时，目标AGV则为AGV2和AGV3；同时，前述就已说明任一AGV的起点位置和终点位置可以但限于包括其在三维网格地图中的横纵坐标，因此，假设AGV2的起点位置的横纵坐标为(X2，Y2)，AGV3的起点位置的横纵坐标为(X3，Y3)；那么，基于前述坐标，即可确定出AGV2和AGV3的起点位置在三维网格地图中的多个路径节点(由于z轴坐标未知，因此存在多个)；更进一步的，由于AGV2和AGV3在起点时并未运动，因此，其抵达起点位置对应的时间应为0；如此，前述AGV2和AGV3的起点位置的三维坐标则分别为(X2,Y2,0)和(X3,Y3,0)；由此，则可唯一确定出AGV2和AGV3的起点位置在三维网格地图中所对应的路径节点；即将(X2,Y2,0)和(X3,Y3,0)对应的路径节点，作为目标起点路径节点，从而组成AGV1的初始障碍路径节点集合；当然，当i为其余值时，其对应的初始障碍路径节点集合的确定原理与前述举例相同，于此不再赘述。
在得到第i个AGV的初始障碍路径节点集合时，还需获取其上一个AGV的规划路径，以便从上一个AGV的规划路径中，确定出上一个AGV所途经的路径节点；进行前述操作的原因为：若在本次路径规划过程中，所需要遍历的节点包括有上一个AGV所途经的路径节点，那么，则可能将上一个AGV所途经的路径节点规划为第i个AGV的途经节点，如此，则会存在两AGV在同一时间到达同一路径节点的问题，也就是存在碰撞冲突；基于此，则需要在本次路径规划时，从本次路径规划的路径节点中去除上一个AGV所途经的节点；具体的，去除过程如下述步骤S3和步骤S4所示。
S3.获取第i-1个AGV的规划路径，其中，所述第i-1个AGV的规划路径包括该第i-1个AGV在所述三维网格地图中所途经的路径节点，且当i为1时，第i-1个AGV的规划路径为空；在本实施例中，由于在进行路径规划时，是以单个AGV为目标所进行的，因此，任一AGV的上一个AGV的规划路径，在上一次路径规划过程中就已得出，其在本步骤中无需进行任何规划操作；而在得到上一个AGV所途经的路径节点后，即可将其视作为障碍路径节点，添加至初始障碍路径节点集合中，以便在进行第i个AGV的路径规划时，予以规避；具体的，上一个AGV所途经的路径节点的添加过程如下述步骤S4所示。
S4.将所述第i-1个AGV在所述三维网格地图中所途经的路径节点，添加至所述初始障碍路径节点集合中，得到所述第i个AGV的障碍路径节点集合；在本实施中，当i为1时，由于在第一个AGV前未进行任何AGV的路径规划，因此，第一个AGV的上一个AGV的规划路径为空，此时，第一个AGV的障碍路径节点集合中实质则仅包含有各个目标AGV的目标起点路径节点。
同时，在前述举例的基础上，假设第一个AGV规划路径为：路径节点A-路径节点C-路径节点F，其中，第一个AGV(也就是AGV1)的目标起点路径节点为路径节点A，且前述AGV3的起点位置的三维坐标(X3,Y3,0)对应的路径节点为B；那么第二个AGV的障碍路径节点集合则为{A,C,F,B}；当然，其余各个AGV的障碍路径节点集合的确定原理与前述举例原理相同，于此不再赘述。
在得到第i个AGV的障碍路径节点集合后，即可进行第i个AGV的路径规划，如下述步骤S5所示。
S5.基于所述障碍路径节点集合、所述三维网格地图以及所述第i个AGV的调度信息，对所述第i个AGV进行路径规划处理，得到所述第i个AGV的规划路径，其中，所述第i个AGV的规划路径中所包含的任一路径节点不属于所述障碍路径节点集合；在本实施例中，由于将第i个AGV以外的其余AGV的初始位置，以及其上一个AGV所经过的路径节点，视作为障碍物节点，如此，在经过第i个AGV的路径规划时，即可以避免选中其余AGV的初始位置和上一个AGV所途经的路径节点；由此，即可在路径规划时，避免多个AGV在同一时间运动至同一路径节点的问题。
如在前述第二个AGV的障碍路径节点集合的基础上进行举例，假设障碍路径节点A的坐标为(X1,Y1,0),障碍路径节点C的坐标为(X5,Y5,1),障碍路径节点F的坐标为(X6,Y6,2),障碍路径节点B的坐标为(X3,Y3,0)，且3个AGV在同一时间开始移动，那么，第二个AGV所开始途经的路径节点必然不会为障碍路径节点A和障碍路径节点N，在开始移动后的第1s，不会运动至障碍路径节点C，在开始移动后的第2s，不会运动至障碍路径节点F；如此，即可避免第二个AGV在同一时间运动至第一个AGV所途经节点的问题，从而避免了其与第一个AGV之间的冲突碰撞；当然，其余各个AGV的避碰原理也是如此，于此不再赘述。
在本实施例中，下述公开第i个AGV的路径规划的详细过程，可以但不限于如下步骤S50～S59所示。
S50.根据所述第i个AGV的调度信息中的起点位置和终点位置，确定出所述第i个AGV的起点位置在所述三维网格地图中对应的起点路径节点，以及所述第i个AGV的终点位置在所述三维网格地图中对应的终点路径节点，其中，所述起点路径节点的z轴坐标为0；在本实施例中，第i个AGV的起点路径节点的确定过程可参见前述步骤S2，其原理不再赘述。
在得到第i个AGV的起点路径节点后，即可以该起点路径节点为起始点，进行路径的规划，也就是进行路径的寻优，如下述步骤S51～S59所示。
S51.初始化待遍历节点集合和已遍历节点集合，其中，待遍历节点集合和已遍历节点集合为空。
S52.设置起点路径节点的优先级为最高优先级，并将起点路径节点添加至待遍历节点集合中；在本实施例中，举例最高优先级为0，且数值依次递增1，同时，数值越大，优先级越低；如此，在路径规划起始时，待遍历节点集合中仅有第i个AGV的起点路径节点；而后，即可从待遍历节点集合中，选择优先级最高的节点，作为目标节点，进行节点的遍历，如下述步骤S53、步骤S54和步骤S55所示。
S53.从所述待遍历节点集合中选取目标节点，并判断所述目标节点是否为所述终点路径节点，其中，所述目标节点为所述待遍历节点集合中优先级最高的节点；在本实施例中，若目标节点的横坐标与终点路径节点的横坐标相同，且目标节点的纵坐标与终点路径节点的纵坐标相同，则可认定目标节点为终点路径节点；否则，目标节点则不是终点路径节点，此时，则需要进行前述待遍历节点集合和已遍历节点集合的更新，如下述步骤S54所示。
S54.若否，则从所述待遍历节点集合中删除所述目标节点，并将所述目标节点添加至所述已遍历节点集合中；在本实施例中，开始循环时，目标节点为第i个AGV的起点路径节点，其并不是终点路径节点，因此，需将其从待遍历节点集合中删除，并添加至已遍历节点中，此时，则完成了前述两集合的更新；而后，则可进行目标节点的扩展处理，如下述步骤S55所示。
S55.获取所述目标节点在所述三维网格地图中所有的相邻节点，并判断是否存在至少一个相邻节点为所述障碍路径节点集合中的障碍路径节点和/或所述已遍历节点集合中的已遍历节点。
S56.若是，则从所有相邻节点中，删除指定相邻节点，得到实际相邻节点，其中，所述指定相邻节点为所有相邻节点中为障碍路径节点和/或已遍历节点的相邻节点。
在本实施例中，下述在前述举例的基础上，阐述前述节点扩展以及剔除处理过程：
参见图2所示，在前述举例的基础上，目标节点为第i个AGV的起点路径节点(假设i为1，其坐标为(X1,Y1,0)，图2中用0表示)，其相邻节点则共计有9个，分别为相邻节点1(X1,Y1,1)，图2中用1表示，其表示在起点路径节点上等待了1s；相邻节点2(X1,Y1+1,1)，相邻节点3(X1,Y1-1,1)，相邻节点4(X1+1,Y1,1)，相邻节点5(X1-1,Y1,1)，相邻节点6(X1-1,Y1+1,1)，相邻节点7(X1-1,Y1-1,1)，相邻节点8(X1+1,Y1+1,1)，相邻节点9(X1+1,Y1-1,1)；如此，第i个AGV则可能在第1s运动至前述9个节点中的任一节点；而在得到目标节点的相邻节点后，则还需要判断前述各个相邻节点是否为第i个AGV的障碍路径节点集合中的节点，和/或前述已遍历节点集合中的节点；同样参见图2，图2中的节点10、节点11、节点12和节点13则属于障碍路径节点集合中的障碍路径节点，而一旦任一相邻节点属于前述障碍路径节点和/或已遍历节点，则需要进行剔除，只保留属于障碍路径节点集合和已遍历节点集合之外的相邻节点；而后，则可将保留的相邻节点，作为第i个AGV实际能够达到的路径节点(即实际相邻节点)，从而在实际相邻节点中寻找出第i个AGV在第1s时的最优移动节点；当然，其余各个AGV对应目标节点的扩展过程与前述举例原理相同，于此不再赘述。
在得到第i个AGV实际能够达到的路径节点后，即可进行节点寻优处理，如下述步骤S57所示。
S57.计算各个实际相邻节点的优先级，并从各个实际相邻节点中，选取优先级最高的实际相邻节点，作为所述第i个AGV所途经的一路径节点；在本实施例中，由于各个实际相邻节点的优先级的计算过程相同，下述以任一实际相邻节点为例，来进行具体阐述，如下述步骤S57a和步骤S57b所示。
S57a.对于任一实际相邻节点，计算所述任一实际相邻节点与所述终点路径节点之间的最小成本代价，以及计算所述任一实际相邻节点与所述起点路径节点之间的路径代价；在本实施例中，对于最小成本代价，可先获取所述任一实际相邻节点以及所述终点路径节点的横坐标和纵坐标；然后计算所述任一实际相邻节点的横坐标与纵坐标之间差值的第一绝对值，以及计算所述终点路径节点的横坐标与纵坐标之间差值的第二绝对值，并求和所述第一绝对值和所述第二绝对值，以得到所述任一实际相邻节点与所述终点路径节点之间的曼哈顿距离；最后，将所述曼哈顿距离与代价系数之间的乘积，作为所述任一实际相邻节点与所述终点路径节点之间的最小成本代价。
可选的，下述以将前述最小成本代价的计算过程总结为如下公式(2)：
h＝α*dend (2)
上述式(2)中，h为最小成本代价，α为代价系数，dend表示曼哈顿距离，其中，dend＝|x-y|+|x′-y′|，且x,y表示任一实际相邻节点的横坐标与纵坐标，x′,y′表示终点路径节点的横坐标与纵坐标。
同理，对于任一实际相邻节点与所述起点路径节点之间的路径代价，可以但不限于采用如下步骤计算得到：
第一步：获取所述任一实际相邻节点与所述起点路径节点之间的实际距离，以及所述第i个AGV从所述起点路径节点运动至所述任一实际相邻节点的运动时长；在本实施例中，可根据任一实际相邻节点和起点路径节点的横纵坐标，并借助坐标距离计算公式得到任一实际相邻节点与所述起点路径节点之间的坐标距离，而后，根据三维网格地图中单位距离与实际距离之间的比例关系，计算得到坐标距离对应的实际距离；同理，前述就已说明，路径节点的三维坐标中的z轴坐标，表示对应AGV到达该路径节点的时间，因此，任一实际相邻节点的z轴坐标与所述起点路径节点的z轴坐标之间的差值，则为地图运动时长；最后，根据z轴坐标的间隔与任一AGV在相邻两路径节点之间的实际运动时长的比例换算关系，即可确定出地图运动时长对应的实际运动时长，也就是第i个AGV从所述起点路径节点运动至所述任一实际相邻节点的运动时长；如假设地图运动时间为3s，且z轴间隔与实际时长的比例为1:10，那么，第i个AGV从所述起点路径节点运动至所述任一实际相邻节点的运动时长则为30s。
在得到前述实际距离和所述运动时长后，则可进行路径代价的计算，如下述步骤所示。
第二步：利用所述实际距离和所述运动时长，并按照如下公式(1)，计算得到所述任一实际相邻节点与所述起点路径节点之间的路径代价；
g＝λ*dstart+γ*tstart (1)
上述式(1)中，g表示所述路径代价，dstart表示所述实际距离，tstart表示所述运动时长，且λ,γ均表示可调参数；在具体应用时，举例λ,γ均为0.05，而α为0.1。
如此，通过前述公式(1)和公式(2)，计算得到所述任一实际相邻节点与所述终点路径节点之间的最小成本代价，以及所述任一实际相邻节点与所述起点路径节点之间的路径代价后，将二者求和，则可计算出该任一实际相邻节点的优先级；如下述步骤S57b所示。
S57b。求和所述路径代价和所述最小成本代价，得到所述任一实际相邻节点的优先级。
由此通过前述步骤S57a和步骤S57b，即可计算出每个实际相邻节点的优先级，以便根据优先级的大小，确定出优先级最高的实际相邻节点；同时，由于在计算优先级时，同时考虑了距离以及时间，因此，平衡了AGV的运营成本与运营效率，使得路径规划效果可达到最优。
在本实施例中，优先级最小的，则为优先级最高的实际相邻节点；而优先级最高的实际相邻节点，则作为第i个AGV所途经的一路径节点。
在得到实际相邻节点中优先级最高的实际相邻节点后，则可以此原理，不断进行下一路径节点的寻优，直至达到终点路径节点时为止，其中，循环过程如下述步骤S58所示。
S58.将优先级最高的实际相邻节点添加至所述待遍历节点集合中，并重新从所述待遍历节点集合中选取目标节点，直至所述目标节点为所述终点路径节点时，得到所述第i个AGV所途经的所有路径节点；在本实施例中，以前述9个相邻节点为例来阐述步骤S58，假设前述九个相邻节点均为实际相邻节点，且优先级最高的为相邻节点3，那么则将相邻节点3添加至待遍历节点集合中；此时，则进行下一次的循环，也就是从待遍历节点集合中，再次选取目标节点，且由于待遍历节点集合中也仅有相邻节点3，那么目标节点为相邻节点3；而后，若相邻节点3不是终点路径节点，那么则从待遍历节点集合中删除相邻节点3，并将相邻节点3添加至已遍历节点集合中，此时，已遍历节点集合则包括有相邻节点3和第i个AGV的起点路径节点；接着，再执行步骤S55～S58，直至从待遍历节点集合中提取的目标节点为终点路径节点时，则可结束本次路径规划过程，从而得到第i个AGV的规划路径。
S59.利用所述第i个AGV所途经的所有路径节点，确定出所述第i个AGV的规划路径；在本实施例中，可以将步骤S57中所得到的每个路径节点，按照寻优顺序，依次排序，从而来得到第i个AGV的规划路径；当然，也可在每次扩展时，设置优先级最高的实际相邻节点的父节点，为目标节点；而后，在循环结束时，将终点路径节点作为最后一个途经的路径节点，并从终点路径节点开始，依次向前追踪父节点，一直追踪到起点路径节点，追踪结束后，也可得到前述第i个AGV的规划路径。
由此通过前述步骤S2～S5及其子步骤，则可完成第i个AGV的路径规划，而后将i自加1，并重复前述步骤S2～S5，直至将所有AGV轮询完毕时，即可得到每个AGV的规划路径，如下述步骤S6所示。
S6.将i自加1，并重新基于目标AGV的调度信息中的起点位置，确定出所述第i个AGV在所述三维网格地图中的初始障碍路径节点集合，直至i等于n时，得到每个AGV的规划路径，其中，i的初始值为1，且n为AGV的总个数。
由此通过前述步骤S1～S6所详细描述的智慧无人停车场AGV的路径规划方法，本发明能够处理停车场的多个AGV的协同路径规划，可避免多个AGV的碰撞冲突问题，如此，可完成多个AGV的同时调度，从而实现多辆车辆的同时停靠；由此，本方法适用于在AGV智慧停车领域的大规模应用与推广。
另外，若目标停车场中存在固有障碍物，如包括静态障碍物(包括立柱、墙壁等)和按照一定规律运动的动态障碍物时，也可先获取所述目标停车场中固有障碍物的位置，并基于所述固有障碍物的位置以及所述三维网格地图，确定出所述固有障碍物在所述三维网格地图中所处的路径节点，以将所述固有障碍物在所述三维网格地图中所处的路径节点，作为固有障碍物路径节点；在本实施例中，对于静态障碍物，其对应的路径节点的确定方法与前述步骤S2一致，而对于动态障碍物，则还是首先确定出其在三维网格地图中的横纵坐标，而后，按照其运动规律，来确定z轴坐标，如一动态障碍物每隔10s运动一次(对应在地图中，则为1s)，且运动位置确定，分别在三维网格地图中的横纵坐标为(X9,Y9)和(X10,Y10)，那么，该动态障碍物在三维网格地图中的坐标为：(X9,Y9,0)，(X10,Y10,1)，即将前述两坐标对应的路径节点，作为该动态障碍物的固有障碍物路径节点；当然，其余不同动态障碍物在三维网格地图中的坐标确定原理与前述举例一致，于此不再赘述。
在得到各个固有障碍物的固有障碍物路径节点后，即可将所述固有障碍物路径节点添加至所述初始障碍路径节点集合中，得到更新后的初始障碍路径节点集合，以便在将所述第i-1个AGV在所述三维网格地图中所途经的路径节点，添加至所述更新后的初始障碍路径节点集合中后，得到所述第i个AGV的障碍路径节点集合；当然，后续的路径规划过程可参见前述步骤S2～S6，于此不多加赘述。
由此通过前述设计，本发明还可考虑到目标停车场内固有障碍物的影响，从而在对AGV进行路径规划时，进行固定障碍物的规避；如此，提高了路径规划的准确性以及合理性。
在一个可能的设计中，本实施例第二方面提供了实施例第一方面所提供方法的仿真模拟实验数据，如下所示：
使用计算机进行仿真模拟实验，参数设置α＝0.1，λ＝0.05，γ＝0.05，生成8个任务，分配给3个AGV执行；采用本实施例第一方面所提供的方法对AGV进行路径规划，最终3个AGV能够顺利的，且在无冲突情况下完成任务执行；同时，将本方法与传统的A*算法进行对比，在不考虑A*算法无法避免AGV的冲突碰撞的条件下，得到如下运算对比数据，如表1所示。
表1为实施例第一方面所提供方法与传统A*算法的运算对比数据。
表1
Figure BDA0004170995640000171
从上述表1中可以看出，本方法不仅能够在路径规划时避免多辆AGV之间的冲突，同时还可以缩短任务完成的时间，从而降低冲突检测以及重新规划的成本。
如图2所示，本实施例第三方面提供了一种实现实施例第一方面所述的智慧无人停车场AGV的路径规划方法的硬件装置，包括：
数据获取单元，用于获取目标停车场的三维网格地图以及目标停车场中至少一个AGV的调度信息，其中，所述三维网格地图包括多个路径节点，任一路径节点的横坐标和纵坐标，用于表征所述任一路径节点在所述目标停车场所处的位置，所述任一路径节点的z轴坐标，用于表征各个AGV抵达该任一路径节点的抵达时间，且任一AGV的调度信息包括该任一AGV的起点位置和终点位置。
障碍物确定单元，用于对于所述至少一个AGV中的第i个AGV，基于目标AGV的调度信息中的起点位置，确定出所述第i个AGV在所述三维网格地图中的初始障碍路径节点集合，其中，所述目标AGV为所述至少一个AGV中去除所述第i个AGV后所剩余的AGV。
障碍物确定单元，用于获取第i-1个AGV的规划路径，其中，所述第i-1个AGV的规划路径包括该第i-1个AGV在所述三维网格地图中所途经的路径节点，且当i为1时，第i-1个AGV的规划路径为空。
障碍物确定单元，用于将所述第i-1个AGV在所述三维网格地图中所途经的路径节点，添加至所述初始障碍路径节点集合中，得到所述第i个AGV的障碍路径节点集合。
路径规划单元，用于基于所述障碍路径节点集合、所述三维网格地图以及所述第i个AGV的调度信息，对所述第i个AGV进行路径规划处理，得到所述第i个AGV的规划路径。
路径规划单元，还用于将i自加1，并重新基于目标AGV的调度信息中的起点位置，确定出所述第i个AGV在所述三维网格地图中的初始障碍路径节点集合，直至i等于n时，得到每个AGV的规划路径，其中，i的初始值为1，且n为AGV的总个数。
本实施例提供的装置的工作过程、工作细节和技术效果，可以参见实施例第一方面，于此不再赘述。
如图3所示，本实施例第三方面提供了另一种智慧无人停车场AGV的路径规划装置，以装置为电子设备为例，包括：依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如实施例第一方面所述的智慧无人停车场AGV的路径规划方法。
具体举例的，所述存储器可以但不限于包括随机存取存储器(random accessmemory，RAM)、只读存储器(Read Only Memory，ROM)、闪存(Flash Memory)、先进先出存储器(First Input First Output，FIFO)和/或先进后出存储器(First In Last Out，FILO)等等；具体地，处理器可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现，同时，处理器也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。
在一些实施例中，处理器可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制，例如，所述处理器可以不限于采用型号为STM32F105系列的微处理器、精简指令集计算机(reduced instruction setcomputer,RISC)微处理器、X86等架构处理器或集成嵌入式神经网络处理器(neural-network processing units，NPU)的处理器；所述收发器可以但不限于为无线保真(WIFI)无线收发器、蓝牙无线收发器、通用分组无线服务技术(General Packet Radio Service，GPRS)无线收发器、紫蜂协议(基于IEEE802.15.4标准的低功耗局域网协议，ZigBee)无线收发器、3G收发器、4G收发器和/或5G收发器等。此外，所述装置还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例提供的电子设备的工作过程、工作细节和技术效果，可以参见实施例第一方面，于此不再赘述。
本实施例第四方面提供了一种存储包含有实施例第一方面所述的智慧无人停车场AGV的路径规划方法的指令的存储介质，即所述存储介质上存储有指令，当所述指令在计算机上运行时，执行如实施例第一方面所述的智慧无人停车场AGV的路径规划方法。
其中，所述存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例提供的存储介质的工作过程、工作细节和技术效果，可以参见实施例第一方面，于此不再赘述。
本实施例第五方面提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如实施例第一方面所述的智慧无人停车场AGV的路径规划方法，其中，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种智慧无人停车场AGV的路径规划方法，其特征在于，包括：
获取目标停车场的三维网格地图以及目标停车场中至少一个AGV的调度信息，其中，所述三维网格地图包括多个路径节点，任一路径节点的横坐标和纵坐标，用于表征所述任一路径节点在所述目标停车场所处的位置，所述任一路径节点的z轴坐标，用于表征各个AGV抵达该任一路径节点的抵达时间，且任一AGV的调度信息包括该任一AGV的起点位置和终点位置；
对于所述至少一个AGV中的第i个AGV，基于目标AGV的调度信息中的起点位置，确定出所述第i个AGV在所述三维网格地图中的初始障碍路径节点集合，其中，所述目标AGV为所述至少一个AGV中去除所述第i个AGV后所剩余的AGV；
获取第i-1个AGV的规划路径，其中，所述第i-1个AGV的规划路径包括该第i-1个AGV在所述三维网格地图中所途经的路径节点，且当i为1时，第i-1个AGV的规划路径为空；
将所述第i-1个AGV在所述三维网格地图中所途经的路径节点，添加至所述初始障碍路径节点集合中，得到所述第i个AGV的障碍路径节点集合；
基于所述障碍路径节点集合、所述三维网格地图以及所述第i个AGV的调度信息，对所述第i个AGV进行路径规划处理，得到所述第i个AGV的规划路径，其中，所述第i个AGV的规划路径中所包含的任一路径节点不属于所述障碍路径节点集合；
将i自加1，并重新基于目标AGV的调度信息中的起点位置，确定出所述第i个AGV在所述三维网格地图中的初始障碍路径节点集合，直至i等于n时，得到每个AGV的规划路径，其中，i的初始值为1，且n为AGV的总个数。
2.根据权利要求1所述的方法，其特征在于，基于所述障碍路径节点集合、所述三维网格地图以及所述第i个AGV的调度信息，对所述第i个AGV进行路径规划处理，得到所述第i个AGV的规划路径，包括：
根据所述第i个AGV的调度信息中的起点位置和终点位置，确定出所述第i个AGV的起点位置在所述三维网格地图中对应的起点路径节点，以及所述第i个AGV的终点位置在所述三维网格地图中对应的终点路径节点，其中，所述起点路径节点的z轴坐标为0；
初始化待遍历节点集合和已遍历节点集合，其中，待遍历节点集合和已遍历节点集合为空；
设置起点路径节点的优先级为最高优先级，并将起点路径节点添加至待遍历节点集合中；
从所述待遍历节点集合中选取目标节点，并判断所述目标节点是否为所述终点路径节点，其中，所述目标节点为所述待遍历节点集合中优先级最高的节点；
若否，则从所述待遍历节点集合中删除所述目标节点，并将所述目标节点添加至所述已遍历节点集合中；
获取所述目标节点在所述三维网格地图中所有的相邻节点，并判断是否存在至少一个相邻节点为所述障碍路径节点集合中的障碍路径节点和/或所述已遍历节点集合中的已遍历节点；
若是，则从所有相邻节点中，删除指定相邻节点，得到实际相邻节点，其中，所述指定相邻节点为所有相邻节点中为障碍路径节点和/或已遍历节点的相邻节点；
计算各个实际相邻节点的优先级，并从各个实际相邻节点中，选取优先级最高的实际相邻节点，作为所述第i个AGV所途经的一路径节点；
将优先级最高的实际相邻节点添加至所述待遍历节点集合中，并重新从所述待遍历节点集合中选取目标节点，直至所述目标节点为所述终点路径节点时，得到所述第i个AGV所途经的所有路径节点；
利用所述第i个AGV所途经的所有路径节点，确定出所述第i个AGV的规划路径。
3.根据权利要求2所述的方法，其特征在于，计算各个实际相邻节点的优先级，包括：
对于任一实际相邻节点，计算所述任一实际相邻节点与所述终点路径节点之间的最小成本代价，以及计算所述任一实际相邻节点与所述起点路径节点之间的路径代价；
求和所述路径代价和所述最小成本代价，得到所述任一实际相邻节点的优先级。
4.根据权利要求3所述的方法，其特征在于，计算所述任一实际相邻节点与所述终点路径节点之间的最小成本代价，包括：
获取所述任一实际相邻节点以及所述终点路径节点的横坐标和纵坐标；
计算所述任一实际相邻节点的横坐标与纵坐标之间差值的第一绝对值，以及计算所述终点路径节点的横坐标与纵坐标之间差值的第二绝对值，并求和所述第一绝对值和所述第二绝对值，以得到所述任一实际相邻节点与所述终点路径节点之间的曼哈顿距离；
将所述曼哈顿距离与代价系数之间的乘积，作为所述任一实际相邻节点与所述终点路径节点之间的最小成本代价。
5.根据权利要求3所述的方法，其特征在于，计算所述任一实际相邻节点与所述起点路径节点之间的路径代价，包括：
获取所述任一实际相邻节点与所述起点路径节点之间的实际距离，以及所述第i个AGV从所述起点路径节点运动至所述任一实际相邻节点的运动时长；
利用所述实际距离和所述运动时长，并按照如下公式(1)，计算得到所述任一实际相邻节点与所述起点路径节点之间的路径代价；
g＝λ*dstart+γ*tstart (1)
上述式(1)中，g表示所述路径代价，dstart表示所述实际距离，tstart表示所述运动时长，且λ,γ均表示可调参数。
6.根据权利要求1所述的方法，其特征在于，基于目标AGV的调度信息中的起点位置，确定出所述第i个AGV在所述三维网格地图中的初始障碍路径节点集合，包括：
基于各个目标AGV的调度信息中的起点位置，确定出各个目标AGV的起点位置在所述三维网格地图中所对应的目标起点路径节点；
利用各个目标AGV的目标起点路径节点，组成所述初始障碍路径节点集合。
7.根据权利要求1所述的方法，其特征在于，在基于目标AGV的调度信息中的起点位置，确定出所述第i个AGV在所述三维网格地图中的初始障碍路径节点集合后，所述方法还包括：
获取所述目标停车场中固有障碍物的位置，并基于所述固有障碍物的位置以及所述三维网格地图，确定出所述固有障碍物在所述三维网格地图中所处的路径节点，以将所述固有障碍物在所述三维网格地图中所处的路径节点，作为固有障碍物路径节点；
将所述固有障碍物路径节点添加至所述初始障碍路径节点集合中，得到更新后的初始障碍路径节点集合，以便在将所述第i-1个AGV在所述三维网格地图中所途经的路径节点，添加至所述更新后的初始障碍路径节点集合中后，得到所述第i个AGV的障碍路径节点集合。
8.一种智慧无人停车场AGV的路径规划装置，其特征在于，包括：
数据获取单元，用于获取目标停车场的三维网格地图以及目标停车场中至少一个AGV的调度信息，其中，所述三维网格地图包括多个路径节点，任一路径节点的横坐标和纵坐标，用于表征所述任一路径节点在所述目标停车场所处的位置，所述任一路径节点的z轴坐标，用于表征各个AGV抵达该任一路径节点的抵达时间，且任一AGV的调度信息包括该任一AGV的起点位置和终点位置；
障碍物确定单元，用于对于所述至少一个AGV中的第i个AGV，基于目标AGV的调度信息中的起点位置，确定出所述第i个AGV在所述三维网格地图中的初始障碍路径节点集合，其中，所述目标AGV为所述至少一个AGV中去除所述第i个AGV后所剩余的AGV；
障碍物确定单元，用于获取第i-1个AGV的规划路径，其中，所述第i-1个AGV的规划路径包括该第i-1个AGV在所述三维网格地图中所途经的路径节点，且当i为1时，第i-1个AGV的规划路径为空；
障碍物确定单元，用于将所述第i-1个AGV在所述三维网格地图中所途经的路径节点，添加至所述初始障碍路径节点集合中，得到所述第i个AGV的障碍路径节点集合；
路径规划单元，用于基于所述障碍路径节点集合、所述三维网格地图以及所述第i个AGV的调度信息，对所述第i个AGV进行路径规划处理，得到所述第i个AGV的规划路径，其中，所述第i个AGV的规划路径中所包含的任一路径节点不属于所述障碍路径节点集合；
路径规划单元，还用于将i自加1，并重新基于目标AGV的调度信息中的起点位置，确定出所述第i个AGV在所述三维网格地图中的初始障碍路径节点集合，直至i等于n时，得到每个AGV的规划路径，其中，i的初始值为1，且n为AGV的总个数。
9.一种智慧无人停车场AGV的路径规划装置，其特征在于，包括：依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如权利要求1～7任意一项所述的智慧无人停车场AGV的路径规划方法。
10.一种存储介质，其特征在于，所述存储介质上存储有指令，当所述指令在计算机上运行时，执行如权利要求1～7任意一项所述的智慧无人停车场AGV的路径规划方法。
CN202310377786.8A 2023-04-06 2023-04-06 一种智慧无人停车场agv的路径规划方法、装置及存储介质 Active CN116399352B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310377786.8A CN116399352B (zh) 2023-04-06 2023-04-06 一种智慧无人停车场agv的路径规划方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310377786.8A CN116399352B (zh) 2023-04-06 2023-04-06 一种智慧无人停车场agv的路径规划方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN116399352A true CN116399352A (zh) 2023-07-07
CN116399352B CN116399352B (zh) 2024-01-19

Family

ID=87011939

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310377786.8A Active CN116399352B (zh) 2023-04-06 2023-04-06 一种智慧无人停车场agv的路径规划方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN116399352B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109960261A (zh) * 2019-03-22 2019-07-02 北京理工大学 一种基于碰撞检测的动态障碍物避让方法
CN111721297A (zh) * 2020-06-19 2020-09-29 重庆大学 一种智能车库多agv的路径规划方法
WO2021189720A1 (zh) * 2020-03-23 2021-09-30 南京理工大学 基于改进蚁群算法的泊车agv路径规划方法
US20210333108A1 (en) * 2018-12-28 2021-10-28 Goertek Inc. Path Planning Method And Device And Mobile Device
CN115047880A (zh) * 2022-06-17 2022-09-13 湖北亦煌科技有限公司 一种未知动态环境下机器人智能路径规划方法
CN115167457A (zh) * 2022-08-05 2022-10-11 中国科学院微电子研究所 一种考虑电量约束的多agv调度与协同路径规划方法和装置
CN115237137A (zh) * 2022-08-05 2022-10-25 中国科学院微电子研究所 一种多agv调度与协同路径规划方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210333108A1 (en) * 2018-12-28 2021-10-28 Goertek Inc. Path Planning Method And Device And Mobile Device
CN109960261A (zh) * 2019-03-22 2019-07-02 北京理工大学 一种基于碰撞检测的动态障碍物避让方法
WO2021189720A1 (zh) * 2020-03-23 2021-09-30 南京理工大学 基于改进蚁群算法的泊车agv路径规划方法
CN111721297A (zh) * 2020-06-19 2020-09-29 重庆大学 一种智能车库多agv的路径规划方法
CN115047880A (zh) * 2022-06-17 2022-09-13 湖北亦煌科技有限公司 一种未知动态环境下机器人智能路径规划方法
CN115167457A (zh) * 2022-08-05 2022-10-11 中国科学院微电子研究所 一种考虑电量约束的多agv调度与协同路径规划方法和装置
CN115237137A (zh) * 2022-08-05 2022-10-25 中国科学院微电子研究所 一种多agv调度与协同路径规划方法和装置

Also Published As

Publication number Publication date
CN116399352B (zh) 2024-01-19

Similar Documents

Publication Publication Date Title
JP7350075B2 (ja) ルート計画のためのシステム及び方法
CN109947120B (zh) 仓储系统中的路径规划方法
CN109477723A (zh) 自动驾驶车辆运动规划和可重新配置的运动规划处理器
CN111735466B (zh) 一种多车协同轨迹规划方法、装置、设备及存储介质
CN107766994A (zh) 一种共享自行车调度方法与调度系统
Zhou et al. Multi-objective optimization of electric vehicle routing problem with battery swap and mixed time windows
CN108764579A (zh) 一种基于拥塞控制的仓储多机器人任务调度方法
WO2024021809A1 (zh) 容器搬运任务的分配方法及装置
Siddique et al. Puzzle-based parking
CN112015185A (zh) 一种机器人的本地调度方法、装置和机器人
CN110132296A (zh) 基于溶解势场的多智能体子目标划分路径规划方法及系统
Luo et al. An efficient simulation model for layout and mode performance evaluation of robotic mobile fulfillment systems
CN114385362B (zh) 一种基于云-边计算的多搬运机器人调度方法
Gan et al. Dp-a*: For path planing of ugv and contactless delivery
CN116399352B (zh) 一种智慧无人停车场agv的路径规划方法、装置及存储介质
Fu et al. Research on online scheduling and charging strategy of robots based on shortest path algorithm
Zhang et al. APFD: an effective approach to taxi route recommendation with mobile trajectory big data
Lin et al. Lift path planning for tower cranes based on environmental point clouds
Kong et al. Scheduling of automated guided vehicles for tandem quay cranes in automated container terminals
CN116880507A (zh) 具有运动学约束的多任务分配与多机器人路径规划的协同调度方法
Wang et al. A partitioning-based approach for robot path planning problems
CN113627646B (zh) 一种基于神经网络的路径规划方法、装置、设备及介质
CN116481513A (zh) 地图生成方法、装置、电子设备
CN117933581A (zh) 机器人调度方法及装置
CN115752491A (zh) 一种路径规划方法、终端及计算机存储介质

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