CN116757350A - 一种无人叉车集群调度处理系统 - Google Patents
一种无人叉车集群调度处理系统 Download PDFInfo
- Publication number
- CN116757350A CN116757350A CN202311010366.2A CN202311010366A CN116757350A CN 116757350 A CN116757350 A CN 116757350A CN 202311010366 A CN202311010366 A CN 202311010366A CN 116757350 A CN116757350 A CN 116757350A
- Authority
- CN
- China
- Prior art keywords
- unmanned forklift
- unmanned
- data
- forklift
- module
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 65
- 238000012544 monitoring process Methods 0.000 claims abstract description 46
- 238000007405 data analysis Methods 0.000 claims abstract description 13
- 238000010276 construction Methods 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 19
- 238000012216 screening Methods 0.000 claims description 18
- 230000001133 acceleration Effects 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000005484 gravity Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Remote Sensing (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Automation & Control Theory (AREA)
- Educational Administration (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Forklifts And Lifting Vehicles (AREA)
Abstract
本发明公开了一种无人叉车集群调度处理系统，具体涉及人工智能领域，包括无人叉车环境采集模块，无人叉车监测模块，无人叉车数据分析模块，无人叉车三维地图构建模块，无人叉车路径规划模块，以及无人叉车集群调度处理模块；通过无人叉车集群调度处理模块，根据货品数量以及货品摆放起始点、终点之间的直线距离获取无人叉车分配结果，反馈数据给无人叉车路径规划模块；根据无人叉车行驶历史路径数据，按照重复次数从高到低筛选出最优路径，降低无人叉车载荷过大且长时间运行后，作业区域地面破损的风险；根据行驶的实时速度计算当前无人叉车的安全速度系数，避免货物掉落；通过三维地图数据和三维模型的比对，及时检测障碍物的闯入。
Description
技术领域
本发明涉及人工智能技术领域，更具体地说，本发明涉及一种无人叉车集群调度处理系统。
背景技术
在技术高速发展的今天，机器人产业飞速发展，随着工业自动化需求的增加，无人叉车逐渐走入人们的视野，越来越多的企业引入智能无人叉车对仓储物流搬运转型升级改造；无人叉车作为仓储物流搬运场景中的一种智能新设备，可以实现对重型货物的自动搬运，既节省了人工成本，又加速提升了工作效率，很好地解决了仓储物流中搬运强度大、安全隐患多的问题。
然而在这种情况下如何对无人叉车进行调度和管理便成了重要问题。现有的无人叉车集群调度处理系统，利用计算机对现场环境进行实时监测和自动控制，根据需要可向计算机发出指令，使叉车按照预先设定方案运行，具有对运行情况进行监视、分析处理和判断的功能；能有效地提高作业效率，降低劳动强度。
但是其在实际使用时，仍旧存在较多缺点，如现有的无人叉车集群调度处理系统规划重复路径的可能性很高，无人叉车作业时完全按照规划路线行驶，载荷很大，长时间运行很容易出现地面被无人叉车碾坏压裂的情况；在预设的地图里，通常很难识别现场的情况，比如有障碍物突然闯入，干扰叉车行驶路径，有极大的碰撞风险。
发明内容
为了克服现有技术的上述缺陷，本发明提供一种无人叉车集群调度处理系统。通过无人叉车集群调度处理模块，根据货品数量以及货品摆放起始点、终点之间的直线距离获取无人叉车分配结果，反馈数据给无人叉车路径规划模块；根据无人叉车行驶历史路径数据，按照重复次数从高到低筛选出最优路径，降低无人叉车载荷过大且长时间运行后，作业区域地面破损的风险；根据行驶的实时速度计算当前无人叉车的安全速度系数，避免货物掉落；通过三维地图数据和三维模型的比对，及时检测障碍物的闯入，避免干扰无人叉车行驶；以及提高了障碍物识别的精准度，极大可能的降低碰撞风险，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种无人叉车集群调度处理系统，包括：
无人叉车环境采集模块：用于采集当前无人叉车自身周围10米圆形区域内的环境数据，并将数据传输至无人叉车三维地图构建模块；
无人叉车三维地图构建模块：用于利用双目算法分析无人叉车环境采集模块输出的环境数据，构建无人叉车自身周围10米圆形区域三维地图，并将数据传输至无人叉车集群调度处理模块；
无人叉车监测模块包括障碍物监测单元，姿态监测单元和速度监测单元；所述障碍物监测单元用于检测无人叉车作业区域内的障碍物；所述姿态监测单元用于测量无人叉车行驶过程中的角速度和倾斜角度，得到当前无人叉车的姿态数据；所述速度监测单元用于通过光电传感器监测无人叉车行驶的实时速度，将数据传输至无人叉车数据分析模块、无人叉车路径规划模块，以及无人叉车集群调度处理模块；
无人叉车数据分析模块：用于接收无人叉车监测模块传输的数据，结合当前无人叉车的姿态数据进行分析，将分析结果传输至无人叉车集群调度处理模块；
无人叉车路径规划模块：用于根据无人叉车监测模块，以及无人叉车集群调度处理模块传输的数据，进行路径规划得到多条路径，并将数据传输至无人叉车集群调度处理模块；
无人叉车集群调度处理模块包括货品摆放匹配单元，路径筛选单元，运动控制单元，以及紧急制动单元；所述货品摆放匹配单元用于将无人叉车根据货品摆放位置进行分配及得到无人叉车分配结果；所述路径筛选单元用于根据历史路径数据筛选无人叉车的最优路径；所述运动控制单元用于将无人叉车分配结果和最优路径数据下发至无人叉车进行执行；所述紧急制动单元用于检测最优路径行驶过程中是否有突然出现的障碍物，根据无人叉车运输的货物有掉落风险的数据，结合无人叉车行驶的实时速度计算紧急制动所需的安全速度系数。
在一个优选的实施方式中，所述无人叉车环境采集模块的具体采集方式为：在每台无人叉车左右位置分别安装小型全方位摄像头，摄像头采集无人叉车自身周围10米圆形区域内的环境数据。
在一个优选的实施方式中，所述障碍物监测单元，具体是在每台无人叉车上安装三维激光扫描仪，根据三维激光扫描仪实时测量无人叉车周围的物体表面点的三维信息生成三维点云数据，构建出作业区域的三维模型，从而可实时检测作业区域内的障碍物。
在一个优选的实施方式中，所述姿态监测单元，具体通过加速度计和陀螺仪相结合实现三维姿态解算和位置定位；所述陀螺仪用于测量角速度，，ω表示T时间段内物体的角速度，θ表示为T时间段内物体转动的角度；所述加速度计用于测量物体的加速度，根据加速度计算出物体相对于水平面的倾斜角度；利用加速度计所获得的角度信息α与陀螺仪积分后的角度β进行比较，将比较的误差信号经过比例Tg放大之后，与陀螺仪输出的角速度信号叠加之后再进行积分，用于消除误差，获得当前无人叉车的姿态数据。
在一个优选的实施方式中，所述无人叉车数据分析模块的具体分析过程为：根据当前无人叉车的姿态数据a和预先设定的无人叉车运输货物的姿态数据b计算差值，将差值/>和阈值x进行对比，监测无人叉车运输的货物是否有掉落的风险；若/>≥x则表示无人叉车运输的货物有掉落的风险，若/><x则表示无人叉车运输的货物没有掉落的风险。
在一个优选的实施方式中，所述无人叉车路径规划模块的具体规划过程为：
步骤一、将无人叉车分配结果作为前置条件，根据作业区域的三维模型，通过Disjkstra算法生成每台无人叉车存在的所有最短路径；
步骤二、将每台无人叉车的所有最短路径，传输至无人叉车集群调度处理模块的路径筛选单元进行筛选。
在一个优选的实施方式中，所述货品摆放匹配单元，具体将各个货品摆放起始点、终点在三维模型中进行标记，依次编号为Ai，Ai，，i=1，2……n；根据货品数量以及货品摆放起始点、终点之间的直线距离分配所有无人叉车，将无人叉车分配结果传输至无人叉车路径规划模块。
在一个优选的实施方式中，所述路径筛选单元，具体将每台无人叉车的所有最短路径，结合无人叉车自身周围10米圆形区域三维地图，通过DFS算法进行探索处理得到多条路径，将这些路径对应数据库中的无人叉车行驶历史路径数据按照重复次数从高到低进行排序，将最低的重复次数所在路径作为最优路径，将其传输至运动控制单元和紧急制动单元。
在一个优选的实施方式中，所述紧急制动单元具体处理过程为：
101、当接收到无人叉车运输的货物有掉落风险的数据时，无人叉车指示灯变为红色，根据行驶的实时速度计算当前无人叉车的安全速度系数，用于避免货物掉落；其计算公式为：，其中q表示安全速度系数，Vt表示末速度，Vt=0，V0表示无人叉车行驶的实时速度，s表示当前路径下，无人叉车当前位置距障碍物的距离，α表示物体相对于水平面的倾斜角度；λ表示为影响因子；
102、当接收到最优路径数据，根据无人叉车自身周围10米圆形区域三维地图和作业区域的三维模型进行比对，当检测到三维地图数据和无人叉车当前位置的三维模型比对不一致时，无人叉车停止工作，并以停止工作的具体位置作为起始点，传输至货品摆放匹配单元。
本发明的技术效果和优点：
本发明通过无人叉车三维地图构建模块构建无人叉车自身周围10米圆形区域三维地图；通过无人叉车监测模块构建作业区域的三维模型，检测无人叉车作业区域内的障碍物，获取当前无人叉车的姿态数据和行驶的实时速度；通过无人叉车数据分析模块分析无人叉车运输的货物是否有掉落风险；通过无人叉车路径规划模块生成多条路径；通过无人叉车集群调度处理模块，根据货品数量以及货品摆放起始点、终点之间的直线距离获取无人叉车分配结果，反馈数据给无人叉车路径规划模块；根据无人叉车行驶历史路径数据，按照重复次数从高到低筛选出最优路径，降低无人叉车载荷过大且长时间运行后，作业区域地面破损的风险；根据行驶的实时速度计算当前无人叉车的安全速度系数，避免货物掉落；通过三维地图数据和三维模型的比对，及时检测障碍物的闯入，避免干扰无人叉车行驶路径，从而提高了障碍物识别的精准度，极大可能的降低碰撞风险。
附图说明
图1为本发明的整体结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供了如图1所示的一种无人叉车集群调度处理系统，包括无人叉车环境采集模块，无人叉车监测模块，无人叉车数据分析模块，无人叉车三维地图构建模块，无人叉车路径规划模块，以及无人叉车集群调度处理模块；其中无人叉车环境采集模块和无人叉车三维地图构建模块连接，无人叉车三维地图构建模块和无人叉车集群调度处理模块连接，无人叉车监测模块分别和无人叉车数据分析模块、无人叉车路径规划模块，以及无人叉车集群调度处理模块连接，无人叉车数据分析模块和无人叉车集群调度处理模块连接，无人叉车路径规划模块和无人叉车集群调度处理模块连接，无人叉车集群调度处理模块和无人叉车路径规划模块连接。
所述无人叉车环境采集模块用于采集当前无人叉车自身周围10米圆形区域内的环境数据，并将数据传输至无人叉车三维地图构建模块；
本实施例需要具体说明的是，所述无人叉车环境采集模块的具体采集方式为：在每台无人叉车左右位置分别安装小型全方位摄像头，摄像头采集无人叉车自身周围10米圆形区域内的环境数据；
所述无人叉车三维地图构建模块用于利用双目算法分析无人叉车环境采集模块输出的环境数据，构建无人叉车自身周围10米圆形区域三维地图，并将数据传输至无人叉车集群调度处理模块；
本实施例需要具体说明的是，所述无人叉车三维地图构建模块的具体处理过程为：
步骤1、将两个摄像头采集的无人叉车自身周围10米圆形区域内的环境数据按照每秒转化10帧的转化帧率转化为图片，根据相同时间节点区分图片用于确保两个摄像头是同时采集的数据；其中无人叉车自身周围10米圆形区域内的环境数据具体为视频形式的数据，需要将视频转化为图片；
步骤2、采用张正友标定法将左边摄像头进行标定，用于获取左边摄像头的内外参数；对右边摄像头进行标定，用于获取右边摄像头的外参数；根据左边摄像头的内外参数和右边摄像头的外参数进行双目标定，获取摄像机之间的平移旋转关系；其中张正友标定法属于现有技术手段，因此本实施例未做出具体说明；
步骤3、实时处理两张图像，使用IVE进行硬化得到映射Map，并行化使用映射Map重新得到像素位置，从而完成对图像所有点的位置矫正操作；
步骤4、采用立体匹配技术明确左右图像中的点的对应关系，从而得到视差，恢复点的三维信息；其中立体匹配技术包括基本约束条件；运用基本约束条件对匹配结果进行检验，可以有效排除很多误匹配的点，减小搜索范围，降低立体匹配计算的复杂度，提高立体匹配的速度和精度， 获得最好的匹配效果；
步骤5、根据三维信息构建无人叉车自身周围10米圆形区域三维地图，传输至无人叉车集群调度处理模块；
所述无人叉车监测模块包括障碍物监测单元，姿态监测单元和速度监测单元；所述障碍物监测单元用于检测无人叉车作业区域内的障碍物；所述姿态监测单元用于测量无人叉车行驶过程中的角速度和倾斜角度，得到当前无人叉车的姿态数据；所述速度监测单元用于通过光电传感器监测无人叉车行驶的实时速度，将数据传输至无人叉车数据分析模块、无人叉车路径规划模块，以及无人叉车集群调度处理模块；其中作业区域具体是指所有无人叉车活动区域范围的并集；
本实施例需要具体说明的是，所述障碍物监测单元，具体是在每台无人叉车上安装三维激光扫描仪，根据三维激光扫描仪实时测量无人叉车周围的物体表面点的三维信息生成三维点云数据，构建出作业区域的三维模型，从而可实时检测作业区域内的障碍物；其中障碍物是针对无人叉车自身而言，即无人叉车的障碍物具体为作业区域内除无人叉车自身的所有物体；
本实施例需要具体说明的是，所述姿态监测单元，具体通过加速度计和陀螺仪相结合实现三维姿态解算和位置定位；所述陀螺仪用于测量角速度，，ω表示T时间段内物体的角速度，θ表示为T时间段内物体转动的角度；所述加速度计用于测量物体的加速度，根据加速度计算出物体相对于水平面的倾斜角度；其计算原理为：重力加速度是一个物体受重力作用的情况下所具有的加速度；当物体处于静止状态时，加速度计测量出来的值就等于重力加速度1g，重力加速度g的方向总是竖直向下的，通过获得重力加速度在其X轴，Y轴上的分量，计算出物体相对于水平面的倾斜角度；利用加速度计所获得的角度信息α与陀螺仪积分后的角度β进行比较，将比较的误差信号经过比例Tg放大之后，与陀螺仪输出的角速度信号叠加之后再进行积分，用于消除误差，获得当前无人叉车的姿态数据；
本实施例需要具体说明的是，所述速度监测单元具体通过光电传感器监测无人叉车行驶的实时速度；
所述无人叉车数据分析模块用于接收无人叉车监测模块传输的数据，结合当前无人叉车的姿态数据进行分析，将分析结果传输至无人叉车集群调度处理模块；
本实施例需要具体说明的是，所述无人叉车数据分析模块的具体分析过程为：根据当前无人叉车的姿态数据a和预先设定的无人叉车运输货物的姿态数据b计算差值，将差值/>和阈值x进行对比，监测无人叉车运输的货物是否有掉落的风险；若≥x则表示无人叉车运输的货物有掉落的风险，若/><x则表示无人叉车运输的货物没有掉落的风险；其中预先设定的无人叉车运输货物的姿态数据b和阈值x可依据具体情况具体设定，本实施例不对具体数据做具体限定；
所述无人叉车路径规划模块用于根据无人叉车监测模块，以及无人叉车集群调度处理模块传输的数据，进行路径规划得到多条路径，并将数据传输至无人叉车集群调度处理模块；
本实施例需要具体说明的是，所述无人叉车路径规划模块的具体规划过程为：
步骤一、将无人叉车分配结果作为前置条件，根据作业区域的三维模型，通过Disjkstra算法生成每台无人叉车存在的所有最短路径；其中每次生成每台无人叉车存在的所有最短路径都不完全一致，即第一次生成和第二次生成的路径在未改变无人叉车分配结果的情况下，存在两次路径部分不相同的情况；Disjkstra算法属于现有技术手段，因此本实施例未做出具体说明；
步骤二、将每台无人叉车的所有最短路径，传输至无人叉车集群调度处理模块的路径筛选单元进行筛选；
所述无人叉车集群调度处理模块包括货品摆放匹配单元，路径筛选单元，运动控制单元，以及紧急制动单元；所述货品摆放匹配单元用于将无人叉车根据货品摆放位置进行分配及得到无人叉车分配结果；所述路径筛选单元用于根据历史路径数据筛选无人叉车的最优路径；所述运动控制单元用于将无人叉车分配结果和最优路径数据下发至无人叉车进行执行；所述紧急制动单元用于检测最优路径行驶过程中是否有突然出现的障碍物，根据无人叉车运输的货物有掉落风险的数据，结合无人叉车行驶的实时速度计算紧急制动所需的安全速度系数；
本实施例需要具体说明的是，所述货品摆放匹配单元，具体将各个货品摆放起始点、终点在三维模型中进行标记，依次编号为Ai，Ai，，i=1，2……n；根据货品数量以及货品摆放起始点、终点之间的直线距离分配所有无人叉车，将无人叉车分配结果传输至无人叉车路径规划模块；其中单个货品摆放起始点和终点限制为一对一的关系，例如起始点标记为A1，对应终点标记为A1，；
本实施例需要具体说明的是，所述路径筛选单元，具体将每台无人叉车的所有最短路径，结合无人叉车自身周围10米圆形区域三维地图，通过DFS算法进行探索处理得到多条路径，将这些路径对应数据库中的无人叉车行驶历史路径数据按照重复次数从高到低进行排序，将最低的重复次数所在路径作为最优路径，将其传输至运动控制单元和紧急制动单元；其中DFS算法属于现有技术手段，因此本实施例未做出具体说明；
本实施例需要具体说明的是，所述运动控制单元具体将指令下发至无人叉车进行执行；其中无人叉车收到的指令包携带最优路径数据和货品摆放起始点、终点；
本实施例需要具体说明的是，所述紧急制动单元具体处理过程为：
101、当接收到无人叉车运输的货物有掉落风险的数据时，无人叉车指示灯变为红色，根据行驶的实时速度计算当前无人叉车的安全速度系数，用于避免货物掉落；其计算公式为：，其中q表示安全速度系数，Vt表示末速度，Vt=0，V0表示无人叉车行驶的实时速度，s表示当前路径下，无人叉车当前位置距障碍物的距离，α表示物体相对于水平面的倾斜角度；λ表示为影响因子，例如作业区域地面平滑程度；
102、当接收到最优路径数据，根据无人叉车自身周围10米圆形区域三维地图和作业区域的三维模型进行比对，当检测到三维地图数据和无人叉车当前位置的三维模型比对不一致时，无人叉车停止工作，并以停止工作的具体位置作为起始点，传输至货品摆放匹配单元；通过三维地图数据和三维模型的比对，减小误判的风险，从而提高了障碍物识别的精准度，极大可能地避免碰撞风险；
最后：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，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 (9)
1.一种无人叉车集群调度处理系统，其特征在于：包括：
无人叉车环境采集模块：用于采集当前无人叉车自身周围10米圆形区域内的环境数据，并将数据传输至无人叉车三维地图构建模块；
无人叉车三维地图构建模块：用于利用双目算法分析无人叉车环境采集模块输出的环境数据，构建无人叉车自身周围10米圆形区域三维地图，并将数据传输至无人叉车集群调度处理模块；
无人叉车监测模块包括障碍物监测单元，姿态监测单元和速度监测单元；所述障碍物监测单元用于检测无人叉车作业区域内的障碍物；所述姿态监测单元用于测量无人叉车行驶过程中的角速度和倾斜角度，得到当前无人叉车的姿态数据；所述速度监测单元用于通过光电传感器监测无人叉车行驶的实时速度，将数据传输至无人叉车数据分析模块、无人叉车路径规划模块，以及无人叉车集群调度处理模块；
无人叉车数据分析模块：用于接收无人叉车监测模块传输的数据，结合当前无人叉车的姿态数据进行分析，将分析结果传输至无人叉车集群调度处理模块；
无人叉车路径规划模块：用于根据无人叉车监测模块，以及无人叉车集群调度处理模块传输的数据，进行路径规划得到多条路径，并将数据传输至无人叉车集群调度处理模块；
无人叉车集群调度处理模块包括货品摆放匹配单元，路径筛选单元，运动控制单元，以及紧急制动单元；所述货品摆放匹配单元用于将无人叉车根据货品摆放位置进行分配及得到无人叉车分配结果；所述路径筛选单元用于根据历史路径数据筛选无人叉车的最优路径；所述运动控制单元用于将无人叉车分配结果和最优路径数据下发至无人叉车进行执行；所述紧急制动单元用于检测最优路径行驶过程中是否有突然出现的障碍物，根据无人叉车运输的货物有掉落风险的数据，结合无人叉车行驶的实时速度计算紧急制动所需的安全速度系数。
2.根据权利要求1所述的一种无人叉车集群调度处理系统，其特征在于：所述无人叉车环境采集模块的具体采集方式为：在每台无人叉车左右位置分别安装小型全方位摄像头，摄像头采集无人叉车自身周围10米圆形区域内的环境数据。
3.根据权利要求1所述的一种无人叉车集群调度处理系统，其特征在于：所述障碍物监测单元，具体是在每台无人叉车上安装三维激光扫描仪，根据三维激光扫描仪实时测量无人叉车周围的物体表面点的三维信息生成三维点云数据，构建出作业区域的三维模型，从而可实时检测作业区域内的障碍物。
4.根据权利要求1所述的一种无人叉车集群调度处理系统，其特征在于：所述姿态监测单元，具体通过加速度计和陀螺仪相结合实现三维姿态解算和位置定位；所述陀螺仪用于测量角速度，，ω表示T时间段内物体的角速度，θ表示为T时间段内物体转动的角度；所述加速度计用于测量物体的加速度，根据加速度计算出物体相对于水平面的倾斜角度；利用加速度计所获得的角度信息α与陀螺仪积分后的角度β进行比较，将比较的误差信号经过比例Tg放大之后，与陀螺仪输出的角速度信号叠加之后再进行积分，用于消除误差，获得当前无人叉车的姿态数据。
5.根据权利要求1所述的一种无人叉车集群调度处理系统，其特征在于：所述无人叉车数据分析模块的具体分析过程为：根据当前无人叉车的姿态数据a和预先设定的无人叉车运输货物的姿态数据b计算差值，将差值/>和阈值x进行对比，监测无人叉车运输的货物是否有掉落的风险；若/>≥x则表示无人叉车运输的货物有掉落的风险，若<x则表示无人叉车运输的货物没有掉落的风险。
6.根据权利要求1所述的一种无人叉车集群调度处理系统，其特征在于：所述无人叉车路径规划模块的具体规划过程为：
步骤一、将无人叉车分配结果作为前置条件，根据作业区域的三维模型，通过Disjkstra算法生成每台无人叉车存在的所有最短路径；
步骤二、将每台无人叉车的所有最短路径，传输至无人叉车集群调度处理模块的路径筛选单元进行筛选。
7.根据权利要求1所述的一种无人叉车集群调度处理系统，其特征在于：所述货品摆放匹配单元，具体将各个货品摆放起始点、终点在三维模型中进行标记，依次编号为Ai，Ai，，i=1，2……n；根据货品数量以及货品摆放起始点、终点之间的直线距离分配所有无人叉车，将无人叉车分配结果传输至无人叉车路径规划模块。
8.根据权利要求1所述的一种无人叉车集群调度处理系统，其特征在于：所述路径筛选单元，具体将每台无人叉车的所有最短路径，结合无人叉车自身周围10米圆形区域三维地图，通过DFS算法进行探索处理得到多条路径，将这些路径对应数据库中的无人叉车行驶历史路径数据按照重复次数从高到低进行排序，将最低的重复次数所在路径作为最优路径，将其传输至运动控制单元和紧急制动单元。
9.根据权利要求1所述的一种无人叉车集群调度处理系统，其特征在于：所述紧急制动单元具体处理过程为：
当接收到无人叉车运输的货物有掉落风险的数据时，无人叉车指示灯变为红色，根据行驶的实时速度计算当前无人叉车的安全速度系数，用于避免货物掉落；其计算公式为：，其中q表示安全速度系数，Vt表示末速度，Vt=0，V0表示无人叉车行驶的实时速度，s表示当前路径下，无人叉车当前位置距障碍物的距离，α表示物体相对于水平面的倾斜角度；λ表示为影响因子；
当接收到最优路径数据，根据无人叉车自身周围10米圆形区域三维地图和作业区域的三维模型进行比对，当检测到三维地图数据和无人叉车当前位置的三维模型比对不一致时，无人叉车停止工作，并以停止工作的具体位置作为起始点，传输至货品摆放匹配单元。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311010366.2A CN116757350B (zh) | 2023-08-11 | 2023-08-11 | 一种无人叉车集群调度处理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311010366.2A CN116757350B (zh) | 2023-08-11 | 2023-08-11 | 一种无人叉车集群调度处理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116757350A true CN116757350A (zh) | 2023-09-15 |
| CN116757350B CN116757350B (zh) | 2024-04-26 |
Family
ID=87948019
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311010366.2A Active CN116757350B (zh) | 2023-08-11 | 2023-08-11 | 一种无人叉车集群调度处理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116757350B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118052421A (zh) * | 2024-04-16 | 2024-05-17 | 中建安装集团有限公司 | 基于人工智能的无人叉车数据管理方法及系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109062202A (zh) * | 2018-07-24 | 2018-12-21 | 北京京东尚科信息技术有限公司 | 基于物联网驱动的智能仓储配送系统 |
| CN109160452A (zh) * | 2018-10-23 | 2019-01-08 | 西安中科光电精密工程有限公司 | 基于激光定位和立体视觉的无人转运叉车及导航方法 |
| CN110872080A (zh) * | 2019-12-17 | 2020-03-10 | 合肥钦力电子有限公司 | 一种基于无人叉车的路线规划系统 |
| CN111024088A (zh) * | 2019-12-27 | 2020-04-17 | 芜湖哈特机器人产业技术研究院有限公司 | 一种激光叉车路径规划方法 |
| CN111273667A (zh) * | 2020-02-18 | 2020-06-12 | 唐山鼎信电器仪表工程有限公司 | 一种无人搬运车导航控制方法及系统 |
| CN112325847A (zh) * | 2020-10-23 | 2021-02-05 | 劢微机器人科技(深圳)有限公司 | 叉车倾斜角度测量方法、设备、存储介质及装置 |
| CN112947475A (zh) * | 2021-03-22 | 2021-06-11 | 山东大学 | 一种激光导航叉车式agv车载系统及方法 |
| CN113985877A (zh) * | 2021-10-27 | 2022-01-28 | 深圳市渐近线科技有限公司 | 一种基于数字孪生的仓储物流路径自动引导系统 |
| CN114815802A (zh) * | 2022-01-06 | 2022-07-29 | 中冶南方（武汉）自动化有限公司 | 一种基于改进蚁群算法的无人天车路径规划方法和系统 |
| CN115877854A (zh) * | 2023-03-03 | 2023-03-31 | 江西丹巴赫机器人股份有限公司 | 一种无人驾驶叉式移动机器人的控制系统 |
| CN115903826A (zh) * | 2022-12-02 | 2023-04-04 | 未来机器人（深圳）有限公司 | 路径规划方法及路径规划装置 |
-
2023
- 2023-08-11 CN CN202311010366.2A patent/CN116757350B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109062202A (zh) * | 2018-07-24 | 2018-12-21 | 北京京东尚科信息技术有限公司 | 基于物联网驱动的智能仓储配送系统 |
| CN109160452A (zh) * | 2018-10-23 | 2019-01-08 | 西安中科光电精密工程有限公司 | 基于激光定位和立体视觉的无人转运叉车及导航方法 |
| CN110872080A (zh) * | 2019-12-17 | 2020-03-10 | 合肥钦力电子有限公司 | 一种基于无人叉车的路线规划系统 |
| CN111024088A (zh) * | 2019-12-27 | 2020-04-17 | 芜湖哈特机器人产业技术研究院有限公司 | 一种激光叉车路径规划方法 |
| CN111273667A (zh) * | 2020-02-18 | 2020-06-12 | 唐山鼎信电器仪表工程有限公司 | 一种无人搬运车导航控制方法及系统 |
| CN112325847A (zh) * | 2020-10-23 | 2021-02-05 | 劢微机器人科技(深圳)有限公司 | 叉车倾斜角度测量方法、设备、存储介质及装置 |
| CN112947475A (zh) * | 2021-03-22 | 2021-06-11 | 山东大学 | 一种激光导航叉车式agv车载系统及方法 |
| CN113985877A (zh) * | 2021-10-27 | 2022-01-28 | 深圳市渐近线科技有限公司 | 一种基于数字孪生的仓储物流路径自动引导系统 |
| CN114815802A (zh) * | 2022-01-06 | 2022-07-29 | 中冶南方（武汉）自动化有限公司 | 一种基于改进蚁群算法的无人天车路径规划方法和系统 |
| CN115903826A (zh) * | 2022-12-02 | 2023-04-04 | 未来机器人（深圳）有限公司 | 路径规划方法及路径规划装置 |
| CN115877854A (zh) * | 2023-03-03 | 2023-03-31 | 江西丹巴赫机器人股份有限公司 | 一种无人驾驶叉式移动机器人的控制系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118052421A (zh) * | 2024-04-16 | 2024-05-17 | 中建安装集团有限公司 | 基于人工智能的无人叉车数据管理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116757350B (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111201879B (zh) | 基于图像识别的粮食收割、运输一体化装载装置/方法 | |
| US11734935B2 (en) | Transferring synthetic lidar system data to real world domain for autonomous vehicle training applications | |
| CN110687549A (zh) | 障碍物检测方法和装置 | |
| CN116757350B (zh) | 一种无人叉车集群调度处理系统 | |
| CN111634636B (zh) | 一种斗轮机的全自动取料控制系统 | |
| US10974730B2 (en) | Vehicle perception system on-line diangostics and prognostics | |
| CN214520204U (zh) | 一种基于深度相机和激光雷达的港区智能巡检机器人 | |
| CN111813130A (zh) | 一种输变电站智能巡检机器人自主导航避障系统 | |
| US20230064071A1 (en) | System for 3d surveying by an autonomous robotic vehicle using lidar-slam and an estimated point distribution map for path planning | |
| US20230087467A1 (en) | Methods and systems for modeling poor texture tunnels based on vision-lidar coupling | |
| US20220122324A1 (en) | Systems and methods for map generation based on ray-casting and semantic class images | |
| CN111813114A (zh) | 智能小车视觉导航方法 | |
| CN110852180A (zh) | 用于自动引导车的tof相机标定方法及自动引导车 | |
| CN112611374A (zh) | 基于激光雷达和深度相机的路径规划及避障的方法及系统 | |
| CN212515475U (zh) | 一种输变电站智能巡检机器人自主导航避障系统 | |
| US20230300319A1 (en) | Automated real-time calibration | |
| AU2021278260B2 (en) | Method for the machine-based determination of the functional state of support rollers of a belt conveyor system, computer program and machine-readable data carrier | |
| US11454987B2 (en) | Self-driving coordination system and control method thereof | |
| KR20180066668A (ko) | 무인 이동체의 주행 환경 제작 기술을 위한 장치 및 방법 | |
| EP4160269A1 (en) | Systems and methods for onboard analysis of sensor data for sensor fusion | |
| CN112688438B (zh) | 仪表识别与读数智能系统 | |
| JP2021039388A (ja) | 測位装置及び車両 | |
| CN113064425A (zh) | 一种agv设备及其导航的控制方法 | |
| CN111121639A (zh) | 一种刚柔一体的建筑物狭窄空间的裂缝检测系统 | |
| JPWO2019130932A1 (ja) | 車両監視装置、車両、及び車両監視システム |
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 |