CN116679724A - 一种多重载agv无冲突和死锁的路径规划方法 - Google Patents
一种多重载agv无冲突和死锁的路径规划方法 Download PDFInfo
- Publication number
- CN116679724A CN116679724A CN202310823539.6A CN202310823539A CN116679724A CN 116679724 A CN116679724 A CN 116679724A CN 202310823539 A CN202310823539 A CN 202310823539A CN 116679724 A CN116679724 A CN 116679724A
- Authority
- CN
- China
- Prior art keywords
- grid
- agv
- path
- cost
- algorithm
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 66
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 239000011435 rock Substances 0.000 description 5
- 238000005457 optimization Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 2
- 229920002430 Fibre-reinforced plastic Polymers 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011151 fibre-reinforced plastic Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种多重载AGV无冲突和死锁的路径规划方法，包括以下步骤：建立AGV的路径规划环境模型；在AGV的路径规划环境模型中使用改进的A*算法搜索出AGV的规划路径；改进的A*算法包括在A*算法的基础上增加路径转弯代价和路径重叠的实际代价。本发明解决了使用传统A*算法进行搜索路径时，AGV会随机选择相同代价的栅格，导致规划后的路径并不适应于实际生产环境，仍然出现多AGV之间发生冲突和锁死的情况的问题。
Description
技术领域
本发明涉及AGV路径规划技术领域，特别是一种多重载AGV无冲突和死锁的路径规划方法。
背景技术
在智能仓储车间中，AGV的行驶路径直接影响到其搬运作业的效率，进一步影响智能仓储车间的效率和稳定性。由于多AGV无冲突路径规划问题属于NP-hard问题，智能算法求解问题高度依赖问题特征，因此，考虑采用最短路算法为每辆AGV规划初始路径，目前主流的最短算法包括A*算法和Dijkstra算法。A*算法作为Dijkstra算法的改进版，采用启发式搜索的方式，可以更加智能地搜索图形，从而减少了搜索的时间和空间开销。传统A*算法中往往将AGV视作质点，没有考虑AGV在实际生产环境中的现实约束，当按照传统A*算法进行搜索路径时，AGV会随机选择相同代价的栅格，导致规划后的路径并不适应于实际生产环境，仍然出现多AGV之间发生冲突和锁死的情况。
发明内容
针对上述缺陷，本发明提出了一种多重载AGV无冲突和死锁的路径规划方法，其目的在于解决使用传统A*算法进行搜索路径时，AGV会随机选择相同代价的栅格，导致规划后的路径并不适应于实际生产环境，仍然出现多AGV之间发生冲突和锁死的情况的问题。
为达此目的，本发明采用以下技术方案：
一种多重载AGV无冲突和死锁的路径规划方法，包括以下步骤：
步骤S1：建立AGV的路径规划环境模型；
步骤S2：在所述AGV的路径规划环境模型中使用改进的A*算法搜索出AGV的规划路径；
所述改进的A*算法包括在A*算法的基础上增加路径转弯代价和路径重叠的实际代价。
优选地，在步骤S1中，AGV的路径规划环境模型的建立使用的栅格法。
优选地，在步骤S2中，在A*算法的基础上增加路径转弯代价，具体包括：
在从起始栅格到目标栅格的距离实际成本G1(i)的基础上增加从起始栅格到目标栅格的转弯实际成本G2(i)，得到从起始栅格到目标栅格的总实际成本G(i)，具体的计算公式如下：
G(i)＝G1(i)+G2(i)；
从起始栅格到目标栅格的距离实际成本G1(i)具体的计算公式如下：
G1(i)＝αL+G1(i-1)
其中，α表示第一权重；L表示从当前栅格行驶到目标栅格的距离；G1(i-1)表示从起始栅格到第i-1个栅格的距离实际成本；
从起始栅格到目标栅格的转弯实际成本G2(i)具体的计算公式如下：
G2(i)＝βTurn(i，i-1，i-2)+G2(i-1)
其中，β表示第二权重；Turn(i，i-1，i-2)表示转弯函数，用于判断下一目标栅格是否需要转弯，具体公式如下：
其中，I表示条件函数，当且仅当内部条件为真时其值为1，否则为0；xi和yi分别表示第i个栅格的X轴坐标和Y轴坐标；xi-1和yi-1分别表示第i-1个栅格的X轴坐标和Y轴坐标；xi-2和yi-2分别表示第i-2个栅格的X轴坐标和Y轴坐标；
G2(i-1)表示从起始栅格到第i-1个栅格的转弯实际成本。
优选地，在步骤S2中，在A*算法的基础上增加路径转弯代价，具体还包括：
在从起始点到目标点的距离估计成本H1(i)的基础上增加从起始点到目标点的转弯估计成本H2(i)，得到从起始点到目标点的总估计成本H(i)，具体的计算公式如下：
H(i)＝H1(i)+H2(i)；
从起始点到目标点的距离估计成本H1(i)具体的计算公式如下：
其中，xi和yi分别表示第i个栅格的X轴坐标和Y轴坐标；xi-1和yi-1分别表示第i-1个栅格的X轴坐标和Y轴坐标；
从起始点到目标点的转弯估计成本H2(i)具体的计算公式如下：
H2(i)＝βTurn(i，i-1，i-2)
其中，β表示第二权重；Turn(i，i-1，i-2)表示转弯函数。
优选地，在步骤S2中，在A*算法的基础上路径重叠的实际代价，所述路径重叠的实际代价具体的计算公式如下：
其中，P(i)表示路径重叠的实际代价；γ表示第三权重；index(i，k)表示目标格栅i的综合权重值，具体的计算公式如下：
其中，i表示目标栅格；k表示AGV的个数，k＝1，2，.....，K，K为正整数；AGVk表示第k个AGV；
P(i-1)表示目标格栅重叠的实际代价。
优选地，在步骤S2中，具体包括以下步骤：
在所述AGV的路径规划环境模型中，根据改进的A*算法中从起始栅格到目标栅格的总实际成本G(i)、从起始点到目标点的总估计成本H(i)以及路径重叠的实际代价P(i)，组成改进的A*算法的评价函数F(i)，以确定AGV的规划路径；
改进的A*算法的评价函数F(i)的具体计算公式如下：
F(i)＝G(i)+H(i)+P(i)。
本申请实施例提供的技术方案可以包括以下有益效果：
本方案中通过采用改进的A*算法搜索出AGV的规划路径，改进的A*算法是在A*算法的基础上增加路径转弯代价和路径重叠的实际代价，考虑了AGV的转弯次数和多AGV之间的冲突优化，能够更加适应实际的工作环境。
附图说明
图1是一种多重载AGV无冲突和死锁的路径规划方法的步骤流程图。
具体实施方式
下面详细描述本发明的实施方式，实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
一种多重载AGV无冲突和死锁的路径规划方法，包括以下步骤：
步骤S1：建立AGV的路径规划环境模型；
步骤S2：在所述AGV的路径规划环境模型中使用改进的A*算法搜索出AGV的规划路径；
所述改进的A*算法包括在A*算法的基础上增加路径转弯代价和路径重叠的实际代价。
本方案的一种多重载AGV无冲突和死锁的路径规划方法，如图1所示，第一步是建立AGV的路径规划环境模型，本实施例中，为了能够更直观和形象的表述AGV路径规划算法的求解效果，需要对AGV的搬运作业环境进行模拟，因此本方案通过建立AGV的路径规划环境模型来模拟AGV的实际搬运作业环境，目前，有多种方法可用于建立AGV的路径规划环境模型，而本方案采用栅格法构建AGV的路径规划环境模型，简单且高效，能够很好地表达不规则障碍物。由于实际仓储环境比较整齐，由一个个虚拟货位组成，因此选用栅格法建立AGV运行环境模型，能够基于实际车间情况。第二步是在所述AGV的路径规划环境模型中使用改进的A*算法搜索出AGV的规划路径；所述改进的A*算法包括在A*算法的基础上增加路径转弯代价和路径重叠的实际代价。本实施例中，A*算法是一种启发式搜索算法，它结合了广度优先搜索的效率和迪杰斯特拉算法的准确性，能够有效地处理大型图形，可以有效的求解离线规划中的路径搜索问题。A*算法使用了两个函数来确定搜索路径，分别是从起始栅格到目标栅格的距离实际成本G1(i)和从起始点到目标点的距离估计成本H1(i)。本方案采用改进的A*算法进行路径搜索，改进的A*算法是根据实际的工作环境要求对A*算法进行优化，使其能够更加适应现实工作环境。改进的A*算法包括在A*算法的基础上增加路径转弯代价和路径重叠的实际代价，其中，在A*算法的基础上增加路径转弯代价，能够有效减少规划路径中AGV搬运岩板的转弯次数，从而减少重载AGV频繁地进行加减速导致岩板的掉落和碰撞的风险。在A*算法的基础上增加路径重叠的实际代价，这个实际代价可以量化已有路径与规划路径之间的重叠程度，帮助AGV远离拥堵区域，能够有效减少多AGV之间发生的冲突和死锁的情况，从而更加有效地规划AGV的路径。
本方案中通过采用改进的A*算法搜索出AGV的规划路径，改进的A*算法是在A*算法的基础上增加路径转弯代价和路径重叠的实际代价，考虑了AGV的转弯次数和多AGV之间的冲突优化，能够更加适应实际的工作环境。
优选的，在步骤S1中，AGV的路径规划环境模型的建立使用的栅格法。
本实施例中，栅格法是一种将空间环境划分为一个个相同的栅格，每个栅格代表环境中的一个小区域，通过设置障碍物栅格，模拟生产环境的方法，它已成为AGV环境模拟建模的主要方法之一。本方案采用栅格法构建AGV的路径规划环境模型，简单且高效，能够很好地表达不规则障碍物。
优选的，在步骤S2中，在A*算法的基础上增加路径转弯代价，具体包括：
在从起始栅格到目标栅格的距离实际成本G1(i)的基础上增加从起始栅格到目标栅格的转弯实际成本G2(i)，得到从起始栅格到目标栅格的总实际成本G(i)，具体的计算公式如下：
G(i)＝G1(i)+G2(i)；
从起始栅格到目标栅格的距离实际成本G1(i)具体的计算公式如下：
G1(i)＝αL+G1(i-1)
其中，α表示第一权重；L表示从当前栅格行驶到目标栅格的距离；G1(i-1)表示从起始栅格到第i-1个栅格的距离实际成本；
从起始栅格到目标栅格的转弯实际成本G2(i)具体的计算公式如下：
G2(i)＝βTurn(i，i-1，i-2)+G2(i-1)
其中，β表示第二权重；Turn(i，i-1，i-2)表示转弯函数，用于判断下一目标栅格是否需要转弯，具体公式如下：
其中，I表示条件函数，当且仅当内部条件为真时其值为1，否则为0；xi和yi分别表示第i个栅格的X轴坐标和Y轴坐标；xi-1和yi-1分别表示第i-1个栅格的X轴坐标和Y轴坐标；xi-2和yi-2分别表示第i-2个栅格的X轴坐标和Y轴坐标；
G2(i-1)表示从起始栅格到第i-1个栅格的转弯实际成本。
本实施例中，第一权重α和第二权重β均设置为1。由于重载AGV多为搬运体积较大、较重的岩板，频繁的进行加减速会增加岩板的掉落和碰撞的风险，因此在路径规划时减少AGV岩板搬运的转弯次数至关重要。本方案采用栅格地图模拟智能仓储生产环境，为了减少路径中转弯的次数，需要在A*算法的基础上引入一个路径转弯代价，即在从起始栅格到目标栅格的距离实际成本G1(i)的基础上增加从起始栅格到目标栅格的转弯实际成本G2(i)。
由于在栅格地图中AGV仅能沿X轴和Y轴进行移动，因此可以直接通过连续的三个节点的坐标判断AGV在经过当前点时是否转弯，本方案通过采用Turn(i，i-1，i-2)函数来判断下一目标栅格是否需要转弯。
优选的，在步骤S2中，在A*算法的基础上增加路径转弯代价，具体还包括：
在从起始点到目标点的距离估计成本H1(i)的基础上增加从起始点到目标点的转弯估计成本H2(i)，得到从起始点到目标点的总估计成本H(i)，具体的计算公式如下：
H(i)＝H1(i)+H2(i)；
从起始点到目标点的距离估计成本H1(i)具体的计算公式如下：
其中，xi和yi分别表示第i个栅格的X轴坐标和Y轴坐标；xi-1和yi-1分别表示第i-1个栅格的X轴坐标和Y轴坐标；
从起始点到目标点的转弯估计成本H2(i)具体的计算公式如下：
H2(i)＝βTurn(i，i-1，i-2)
其中，β表示第二权重；Turn(i，i-1，i-2)表示转弯函数。
本实施例中，为了提高A*算法的准确率和搜索效率，除了在从起始栅格到目标栅格的距离实际成本G1(i)的基础上增加从起始栅格到目标栅格的转弯实际成本G2(i)，还需要在从起始点到目标点的距离估计成本H1(i)的基础上增加从起始点到目标点的转弯估计成本H2(i)。
优选的，在步骤S2中，在A*算法的基础上路径重叠的实际代价，所述路径重叠的实际代价具体的计算公式如下：
其中，P(i)表示路径重叠的实际代价；γ表示第三权重；index(i，k)表示目标格栅i的综合权重值，具体的计算公式如下：
其中，i表示目标栅格；k表示AGV的个数，k＝1，2，.....，K，K为正整数；AGVk表示第k个AGV；
P(i-1)表示目标格栅重叠的实际代价。
具体地，多AGV之间发生冲突和死锁是路径的重叠和资源竞争的结果。为了降低冲突和死锁的发生概率，可以在A*算法的基础上增加一个路径重叠的实际代价。这个实际代价可以量化已有路径与规划路径之间的重叠程度，帮助AGV远离拥堵区域，从而更加有效地规划AGV的路径。
本实施例中，第三权重γ设置为2，函数index(i，k)的输入是AGVk的路径和目标栅格i，其输出是目标栅格i的赋权值，若目标栅格i处于AGVk的剩余路径上，则为1，若AGVk已通过目标栅格i或没有预约目标栅格i，则为0。在路径规划过程中，考虑到AGV的移动代价，如果其他AGV在路径规划中已经选择了某些区域，那么这些区域的移动代价会增加，因为它们已经被占据，这将有助于生成的路径避开这些拥堵区域，从而减少AGV之间的冲突和死锁的发生概率。
优选的，在步骤S2中，具体包括以下步骤：
在所述AGV的路径规划环境模型中，根据改进的A*算法中从起始栅格到目标栅格的总实际成本G(i)、从起始点到目标点的总估计成本H(i)以及路径重叠的实际代价P(i)，组成改进的A*算法的评价函数F(i)，以确定AGV的规划路径；
改进的A*算法的评价函数F(i)的具体计算公式如下：
F(i)＝G(i)+H(i)+P(i)。
本实施例中，通过改进的A*算法的评价函数F(i)来确定AGV的规划路径，该AGV的规划路径考虑了AGV的转弯次数和多AGV之间的冲突优化，能够更加适应实际的工作环境。
此外，在本发明的各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
尽管上面已经示出和描述了本发明的实施方式，可以理解的是，上述实施方式是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种多重载AGV无冲突和死锁的路径规划方法，其特征在于：包括以下步骤：
步骤S1：建立AGV的路径规划环境模型；
步骤S2：在所述AGV的路径规划环境模型中使用改进的A*算法搜索出AGV的规划路径；
所述改进的A*算法包括在A*算法的基础上增加路径转弯代价和路径重叠的实际代价。
2.根据权利要求1所述的一种多重载AGV无冲突和死锁的路径规划方法，其特征在于：在步骤S1中，AGV的路径规划环境模型的建立使用的栅格法。
3.根据权利要求1所述的一种多重载AGV无冲突和死锁的路径规划方法，其特征在于：在步骤S2中，在A*算法的基础上增加路径转弯代价，具体包括：
在从起始栅格到目标栅格的距离实际成本G1(i)的基础上增加从起始栅格到目标栅格的转弯实际成本G2(i)，得到从起始栅格到目标栅格的总实际成本G(i)，具体的计算公式如下：
G(i)＝G1(i)+G2(i)；
从起始栅格到目标栅格的距离实际成本G1(i)具体的计算公式如下：
G1(i)＝αL+G1(i-1)
其中，α表示第一权重；L表示从当前栅格行驶到目标栅格的距离；G1(i-1)表示从起始栅格到第i-1个栅格的距离实际成本；
从起始栅格到目标栅格的转弯实际成本G2(i)具体的计算公式如下：
G2(i)＝βTurn(i，i-1，i-2)+G2(i-1)
其中，β表示第二权重；Turn(i，i-1，i-2)表示转弯函数，用于判断下一目标栅格是否需要转弯，具体公式如下：
其中，I表示条件函数，当且仅当内部条件为真时其值为1，否则为0；xi和yi分别表示第i个栅格的X轴坐标和Y轴坐标；xi-1和yi-1分别表示第i-1个栅格的X轴坐标和Y轴坐标；xi-2和yi-2分别表示第i-2个栅格的X轴坐标和Y轴坐标；
G2(i-1)表示从起始栅格到第i-1个栅格的转弯实际成本。
4.根据权利要求3所述的一种多重载AGV无冲突和死锁的路径规划方法，其特征在于：在步骤S2中，在A*算法的基础上增加路径转弯代价，具体还包括：
在从起始点到目标点的距离估计成本H1(i)的基础上增加从起始点到目标点的转弯估计成本H2(i)，得到从起始点到目标点的总估计成本H(i)，具体的计算公式如下：
H(i)＝H1(i)+H2(i)；
从起始点到目标点的距离估计成本H1(i)具体的计算公式如下：
其中，xi和yi分别表示第i个栅格的X轴坐标和Y轴坐标；xi-1和yi-1分别表示第i-1个栅格的X轴坐标和Y轴坐标；
从起始点到目标点的转弯估计成本H2(i)具体的计算公式如下：
H2(i)＝βTurn(i，i-1，i-2)
其中，β表示第二权重；Turn(i，i-1，i-2)表示转弯函数。
5.根据权利要求4所述的一种多重载AGV无冲突和死锁的路径规划方法，其特征在于：在步骤S2中，在A*算法的基础上路径重叠的实际代价，所述路径重叠的实际代价具体的计算公式如下：
其中，P(i)表示路径重叠的实际代价；γ表示第三权重；index(i，k)表示目标格栅i的综合权重值，具体的计算公式如下：
其中，i表示目标栅格；k表示AGV的个数，k＝1，2，.....，K，K为正整数；AGVk表示第k个AGV；
P(i-1)表示目标格栅重叠的实际代价。
6.根据权利要求5所述的一种多重载AGV无冲突和死锁的路径规划方法，其特征在于：在步骤S2中，具体包括以下步骤：
在所述AGV的路径规划环境模型中，根据改进的A*算法中从起始栅格到目标栅格的总实际成本G(i)、从起始点到目标点的总估计成本H(i)以及路径重叠的实际代价P(i)，组成改进的A*算法的评价函数F(i)，以确定AGV的规划路径；
改进的A*算法的评价函数F(i)的具体计算公式如下：
F(i)＝G(i)+H(i)+P(i)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310823539.6A CN116679724B (zh) | 2023-07-05 | 2023-07-05 | 一种多重载agv无冲突和死锁的路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310823539.6A CN116679724B (zh) | 2023-07-05 | 2023-07-05 | 一种多重载agv无冲突和死锁的路径规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116679724A true CN116679724A (zh) | 2023-09-01 |
| CN116679724B CN116679724B (zh) | 2024-02-02 |
Family
ID=87787409
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310823539.6A Active CN116679724B (zh) | 2023-07-05 | 2023-07-05 | 一种多重载agv无冲突和死锁的路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116679724B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5984986B1 (ja) * | 2015-03-12 | 2016-09-06 | 株式会社シンテックホズミ | 搬送車システム |
| CN107727099A (zh) * | 2017-09-29 | 2018-02-23 | 山东大学 | 一种工厂内物料运输多agv调度及路径规划方法 |
| CN109460039A (zh) * | 2018-12-26 | 2019-03-12 | 芜湖哈特机器人产业技术研究院有限公司 | 一种agv的路径规划方法 |
| CN110989570A (zh) * | 2019-10-15 | 2020-04-10 | 浙江工业大学 | 一种多agv防碰撞协同路径规划方法 |
| 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 |
| CN115494810A (zh) * | 2022-10-24 | 2022-12-20 | 西北工业大学 | 一种自动化码头的agv在线路径规划方法 |
-
2023
- 2023-07-05 CN CN202310823539.6A patent/CN116679724B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5984986B1 (ja) * | 2015-03-12 | 2016-09-06 | 株式会社シンテックホズミ | 搬送車システム |
| CN107727099A (zh) * | 2017-09-29 | 2018-02-23 | 山东大学 | 一种工厂内物料运输多agv调度及路径规划方法 |
| CN109460039A (zh) * | 2018-12-26 | 2019-03-12 | 芜湖哈特机器人产业技术研究院有限公司 | 一种agv的路径规划方法 |
| CN110989570A (zh) * | 2019-10-15 | 2020-04-10 | 浙江工业大学 | 一种多agv防碰撞协同路径规划方法 |
| 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 |
| CN115494810A (zh) * | 2022-10-24 | 2022-12-20 | 西北工业大学 | 一种自动化码头的agv在线路径规划方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116679724B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107203190B (zh) | 一种基于复杂路径的惯性导航agv调度方法及系统 | |
| Lian et al. | Cyber-physical system-based heuristic planning and scheduling method for multiple automatic guided vehicles in logistics systems | |
| CN109785619A (zh) | 区域交通信号协调优化控制系统及其控制方法 | |
| CN111024092A (zh) | 一种多约束条件下智能飞行器航迹快速规划方法 | |
| CN113075927A (zh) | 基于预约表的仓储潜伏式多agv路径规划方法 | |
| CN112859847B (zh) | 一种通行方向限制下的多机器人协同路径规划方法 | |
| CN114705196B (zh) | 一种用于机器人的自适应启发式全局路径规划方法与系统 | |
| WO2022142893A1 (zh) | 双足机器人路径规划方法、装置和双足机器人 | |
| CN113516429B (zh) | 一种基于网络拥堵模型的多agv全局规划方法 | |
| CN110045738A (zh) | 基于蚁群算法和Maklink图的机器人路径规划方法 | |
| CN111857149A (zh) | 一种a*算法与d*算法复合的自主路径规划方法 | |
| CN115826586B (zh) | 一种融合全局算法和局部算法的路径规划方法及系统 | |
| CN110514224B (zh) | 一种无人驾驶汽车局部路径规划性能评价方法 | |
| CN113899383A (zh) | 基于短路径的多车防死锁方法、系统、设备及存储介质 | |
| Liu et al. | Impact of sharing driving attitude information: A quantitative study on lane changing | |
| CN105046052B (zh) | 一种受限空间内的移动对象最短距离计算方法 | |
| CN116679724B (zh) | 一种多重载agv无冲突和死锁的路径规划方法 | |
| CN111432449B (zh) | 基于新生粒子群工业无线可充电传感器网络充电调度方法 | |
| Fan et al. | Research and implementation of multi-robot path planning based on genetic algorithm | |
| CN111427368A (zh) | 一种改进的多目标无人智能车避碰行驶方法 | |
| CN116893689A (zh) | 一种无人机自动避障航线规划方法和系统 | |
| CN115220461B (zh) | 室内复杂环境下机器人单体系统及多机器人交互协同方法 | |
| Zhao et al. | Dynamic node allocation-based multirobot path planning | |
| CN114187781B (zh) | 一种分布式多车协同行为决策方法和系统 | |
| CN114879665B (zh) | 用于车辆远程召唤系统的安全节能运动规划方法及系统 |
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 |