CN107203214B - 一种运载机器人复杂混合路径协同自适应智能规划方法 - Google Patents
一种运载机器人复杂混合路径协同自适应智能规划方法 Download PDFInfo
- Publication number
- CN107203214B CN107203214B CN201710640560.7A CN201710640560A CN107203214B CN 107203214 B CN107203214 B CN 107203214B CN 201710640560 A CN201710640560 A CN 201710640560A CN 107203214 B CN107203214 B CN 107203214B
- Authority
- CN
- China
- Prior art keywords
- path
- carrying robot
- floor
- point
- robot
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims abstract description 29
- 230000005764 inhibitory process Effects 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 230000004888 barrier function Effects 0.000 claims description 26
- 125000006850 spacer group Chemical group 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 5
- 230000003993 interaction Effects 0.000 abstract description 2
- 238000005381 potential energy Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 210000003739 neck Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003016 pheromone Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种运载机器人复杂混合路径协同自适应智能规划方法，该方法包括：步骤1：构建全局地图三维坐标系；步骤2：对全局地图按照楼层层号进行划分，获得每个楼层的二维地图和距离矩阵；步骤3：根据运输任务指令获得运输任务的起始点和终止点在全局地图三维坐标系下的坐标，基于各楼层的距离矩阵以及各楼层中所有楼道以及房间的距离矩阵，采用Floyd算法进行路径规划，获得运输规划路径；步骤4：按照规划的路径控制运载机器人前进，完成运输任务。本发明通过对多楼层环境进行模块划分，减少算法计算量，包括门禁、电梯交互以及避障策略，便于运载机器人在智能环境下执行运输任务。
Description
技术领域
本发明属于机器人路径规划问题，特别涉及一种运载机器人复杂混合路径协同自适应智能规划方法。
背景技术
随着工业4.0时代的开启，人工智能炙手可热，机器人开始进入日常生活、实验室、工厂等领域，由于科技的快速发展，机器人用途愈发广泛，由95％的工业应用扩展到更多领域的非工业应用，对于社会的作用也越来越大。而且中自推动机器人产业发展以来，正成长为全球最大的机器人市场，机器人的“中国时代”或即将来临。如何让机器人更加高效，更加智能地为人类服务，是所有人关注的重点，其中运输机器人的路径规划和控制是机器人领域的核心问题。
移动机器人的路径规划和控制是指机器人能自主感知周围环境，针对目标任务智能规划出一条相对最短，耗时最少的路径，同时能与路径上的门禁进行交互，具备自动避障功能，在保证机器人、人及所运物品的安全的前提下，顺利完成任务。
针对路径规划和控制这个问题，前人曾提出了很多优秀的方法，例如中国专利CN102819264B中公开了一种基于人工势能场的移动机器人强化学习初始化方法，将机器人工作环境虚拟化为一个人工势能场，利用先验知识确定所有状态的势能值，使得障碍物区域势能值为零，目标点具有全局最大的势能值，这时人工势能场中每个状态的势能值就代表相应状态遵循最优策略获得的最大累积回报。此法的突出优点***的路径生成与控制直接与环境形成了闭环，因此增强了***的适应性和避障性能，但是其容易陷入局部最优解，完全依赖先验知识确定，对于新出现的障碍物，无法实时反馈到***中，导致对于灵活变动的实际机器人工作环境没有应对能力，并且在相邻较近的障碍物之间不能发现路径，所以不便于应用到实践中。又如中国专利CN105527965A公开一种基于遗传蚁群算法的路径规划方法及***，方法是将遗传算法得到的一部分优化解转化为蚁群算法的信息素初始值，然后通过蚁群算法再进行路径寻优，寻优结束后对符合条件的路径进行交叉操作，最终得到最优路径。此法是解决机器人路径规划问题的最常用方法之一，通过可行解相互间不断进行信息交流，发现更加优秀的路径，它的优点有鲁棒性强，具有高度可行性，但其容易陷入局部最优解，计算量大导致计算时间过长，过慢的反应不利于机器人在现实环境中运行，造成工作的低效率。
发明内容
本发明提供了一种运载机器人复杂混合路径协同自适应智能规划方法，其目的在于，针对以上方法的不足，针对多楼层，多房间及电梯将其分为多个模块，针对每个模块设置主干路径相互连接，每个模块内部进行有效路径区域规划，以及机器人的所有需要到达的任务点进行设置，并且对于运输机器人进行任务中遇到障碍物及人进行避让，保障双方安全，并且将每个门禁编号，当机器人行走的路径中遇到门禁，门禁将自动打开/关闭，高效、安全地解决了机器人核心路径规划问题。
一种运载机器人复杂混合路径协同自适应智能规划方法，包括以下步骤：
步骤1：构建全局地图三维坐标系；
运载区域地面中心点为原点，正东方向为X轴，正北方向为Y轴，垂直地面方向为Z轴；
所述运载机器人运载区域为一个楼栋内所有的地板连通区域，可行走区域是指从所有的地板连通区域中删除楼栋内的障碍物所在区域；
在全局地图三维坐标系中，每个楼层的地板连通区域的二维平面坐标相同，z坐标不同；
步骤2：对全局地图按照楼层层号进行划分，获得每个楼层的二维地图和距离矩阵；
每个楼层的距离矩阵由所有楼道和所有房间之间的相邻关系构成，若两房间、房间与楼道以及两楼道相邻，则楼层距离矩阵中的对应权值为1，否则为无穷大；
每个楼层中各楼道的距离矩阵中的权值是在楼层二维地图下每个楼道中各路径点之间的实际距离；
每个楼层中各房间的距离矩阵中的权值是在楼层二维地图下每个房间中所有路径点之间的实际距离构成；
在每个楼道距离矩阵和房间距离矩阵中，若两路径点之间存在障碍物，则距离矩阵中对应的权值为无穷大；
划分的处理，有利于之后的全局静态路径规划中的最优路径拼接，减小路径规划模型的计算量，加快运算速度。
步骤3：根据运输任务指令获得运输任务的起始点和终止点在全局地图三维坐标系下的坐标，基于各楼层的距离矩阵以及各楼层中所有楼道以及房间的距离矩阵，采用Floyd算法进行路径规划，获得运输规划路径；
采用Floyd算法进行路径规划，减少计算量；
当运载机器人需要从一个楼层运动至另外一个楼层时，将路径规划任务分解成在两个楼层中的路径规划；
第一个路径规划的起点为运输任务起始点，终点为第一个楼层的电梯所在位置；
第二个路径规划的起点为第二个楼层的电梯所在位置，终点为运输任务终止点；
第一个楼层的电梯和第二个楼层的电梯为同一电梯；
步骤4：利用步骤3获得的运输规划路径控制运载机器人前进，完成运输任务。
进一步地，在运载机器人依据获得的规划路径前进过程中，运载机器人到达门禁前的路径点时，先发送开门指令，利用Kinect传感器检测门禁的开启情况，确认门开启后，通过门禁后到达下一路径点，发送关门指令后，继续前往下一路径点；
运载机器人到达电梯前的路径点时，先发送开门指令，然后使用Kinect传感器 检测电梯的开启情况，确认门开启后，进入电梯。
进一步地，运载机器人在执行运输任务的前进过程中，利用Kinect传感器实时识别路径前方是否有人或其他障碍物，当运载机器人现行路径前方两米范围内出现障碍物时，按照以下操作进行避障：
A)当运载机器人在楼道中遇到人时，通过Kinect传感器结合天花板的定位片得到运载机器人和人之间的位置关系，进行退避；
在当前所在楼层的二维坐标中规划退避方向，依据规划的退避方向进行退避；
所述退避方向是指运载机器人与人之间连线的垂线上拥有最大退避距离的方向，沿退避方向在可行走区域中前行，直到人离开机器人3米范围后，原路返回正常行驶线路，前往下一个路径点；
B)当运载机器人在房间中遇到人时，若运载机器人在读取路径点，则保持自身位置不动，待人离开运载机器人的路径后，运载机器人继续前行；若运载机器人正在向下一个路径点行进中，则沿原路返回前一路径点，并留在前一路径点等待人离开前往下一路径点的路径，再继续前往下一路径点。
C)当运载机器人遇到新出现的静态障碍物时，运载机器人使用Kinect传感器扫描并发送指令给远程控制中心，将静态障碍物临时在全局地图中进行标识，并更新可行走区域和所有距离矩阵中的不可连接点，使用Floyd算法重新规划当前楼层中的最佳路径，并发送给运载机器人，绕过静态障碍物，继续前进；
D)当运载机器人遇到其他运输机器人时，两者同时停止前进，远程控制中心向剩余电量较高的运载机器人发送遇动态障碍物指令，向另一台运载机器人发送继续正常行驶指令；
接收到遇动态障碍物指令的运载机器人按照A)或B)情况将另一台运载机器人当作动态障碍物进行动态避障，另一台机器人正常按照路径图行驶。
进一步的，运载机器人按照以下方法从当前路径点到达下一路径点：
首先，读取当前路径点的坐标(x1，y1)以及运载机器人的角度θc；
接着，利用当前路径点坐标和下一个路径点坐标以及两点之间的距离计算出前往下一路径点的运载机器人的角度；
最后，按照新的运载机器人角度和两路径点之间的距离，控制运载机器人前进。
进一步地，所述运载机器人取物、放物过程中执行以下操作防止碰撞桌面：
在运载机器人取物、放物过程中，运载机器人本体不发生旋转，当取物或放物完成后，前行到达下一个路径点后，运载机器人本体接收控制指令进行姿态调整。
用以防止运输机器人在取物点或放物点直接转向前往下一路径点时，机器人身体与取物/ 放物台发生碰撞，发生意外。
进一步地，运载机器人在前行过程中与远程控制中心进行实时通信：
当运载机器人连续三次无法与远程控制中心进行通信时，沿原路径返回上一路径点等待，直至重新与远程控制中心进行通信；
当远程控制中心连续三次无法收到运载机器人发出的信号时，发出警报。
进一步地，所述相邻定位片间隔为3m。
在机器人工作环境中布置定位片，在机器人待命点，取物点，放物点，电梯点，门禁点等地点布置定位片，有利于机器人在保证自身位置精度的基础进行取物、放物、门禁交互、电梯交互操作；同时在机器人的行驶路径上，每隔3m设置一个路径点，使机器人在实验室智能环境下能及时校准位置。实验室内按照一个路径点控制1.5m2空间进行布置，保证实验室中机器人的可行走区域能全部被覆盖。
有益效果
1、通过模块划分，大大降低了算法的运算量，提高了Floyd算法的运算效率，节省了机器人在路径规划中的时间；
2、门禁和电梯的交互方案使运载机器人在实验室等智能环境下执行运输任务成为可能，有利于减少实验室人员的简单劳动，提高实验室运行效率。
3、避障策略能够让运载机器人在复杂环境正常工作，保证运载机器人、所运物品以及实验室仪器、人员的安全。
附图说明
图1为某楼层的路径点示意图；
图2为本发明所述方法的流程示意图。
具体实施方式
下面将结合实例和附图对本发明做进一步的说明。
步骤1：构建全局地图三维坐标系；
运载区域地面中心点为原点，正东方向为X轴，正北方向为Y轴，垂直地面方向为Z轴；
所述运载机器人运载区域为一个楼栋内所有的地板连通区域，可行走区域是指从所有的地板连通区域中删除楼栋内的障碍物所在区域；
在全局地图三维坐标系中，每个楼层的地板连通区域的二维平面坐标相同，z坐标不同；
步骤2：对全局地图按照楼层层号进行划分，获得每个楼层的二维地图和距离矩阵；
每个楼层的距离矩阵由所有楼道和所有房间之间的相邻关系构成，若两房间、房间与楼道以及两楼道相邻，则楼层距离矩阵中的对应权值为1，否则为无穷大；
每个楼层中各楼道的距离矩阵中的权值是在楼层二维地图下每个楼道中各路径点之间的实际距离；
每个楼层中各房间的距离矩阵中的权值是在楼层二维地图下每个房间中所有路径点之间的实际距离构成；
在每个楼道距离矩阵和房间距离矩阵中，若两路径点之间存在障碍物，则距离矩阵中对应的权值为无穷大；
划分的处理，有利于之后的全局静态路径规划中的最优路径拼接，减小路径规划模型的计算量，加快运算速度。
步骤3：根据运输任务指令获得运输任务的起始点和终止点在全局地图三维坐标系下的坐标，基于各楼层的距离矩阵以及各楼层中所有楼道以及房间的距离矩阵，采用Floyd算法进行路径规划，获得运输规划路径；
采用Floyd算法进行路径规划，减少计算量；
当运载机器人需要从一个楼层运动至另外一个楼层时，将路径规划任务分解成在两个楼层中的路径规划；
第一个路径规划的起点为运输任务起始点，终点为第一个楼层的电梯所在位置；
第二个路径规划的起点为第二个楼层的电梯所在位置，终点为运输任务终止点；
第一个楼层的电梯和第二个楼层的电梯为同一电梯；
步骤4：利用步骤3获得的运输规划路径控制运载机器人前进，完成运输任务。
在运载机器人依据获得的规划路径前进过程中，运载机器人到达门禁前的路径点时，先发送开门指令，利用Kinect传感器检测门禁的开启情况，确认门开启后，通过门禁后到达下一路径点，发送关门指令后，继续前往下一路径点；
运载机器人到达电梯前的路径点时，先发送开门指令，然后使用Kinect传感器检测电梯的开启情况，确认门开启后，进入电梯。
运载机器人在执行运输任务的前进过程中，利用Kinect传感器实时识别路径前方是否有人或其他障碍物，当运载机器人现行路径前方两米范围内出现障碍物时，按照以下操作进行避障：
A)当运载机器人在楼道中遇到人时，通过Kinect传感器结合天花板的定位片得到运载机器人和人之间的位置关系，进行退避；
在当前所在楼层的二维坐标中规划退避方向，依据规划的退避方向进行退避；
所述退避方向是指运载机器人与人之间连线的垂线上拥有最大退避距离的方向，沿退避方向在可行走区域中前行，直到人离开机器人3米范围后，原路返回正常行驶线路，前往下一个路径点；
B)当运载机器人在房间中遇到人时，若运载机器人在读取路径点，则保持自身位置不动，待人离开运载机器人的路径后，运载机器人继续前行；若运载机器人正在向下一个路径点行进中，则沿原路返回前一路径点，并留在前一路径点等待人离开前往下一路径点的路径，再继续前往下一路径点。
C)当运载机器人遇到新出现的静态障碍物时，运载机器人使用Kinect传感器扫描并发送指令给远程控制中心，将静态障碍物临时在全局地图中进行标识，并更新可行走区域和所有距离矩阵中的不可连接点，使用Floyd算法重新规划当前楼层中的最佳路径，并发送给运载机器人，绕过静态障碍物，继续前进；
D)当运载机器人遇到其他运输机器人时，两者同时停止前进，远程控制中心向剩余电量较高的运载机器人发送遇动态障碍物指令，向另一台运载机器人发送继续正常行驶指令；
接收到遇动态障碍物指令的运载机器人按照A)或B)情况将另一台运载机器人当作动态障碍物进行动态避障，另一台机器人正常按照路径图行驶。
运载机器人按照以下方法从当前路径点到达下一路径点：
首先，读取当前路径点的坐标(x1，y1)以及运载机器人的角度θc；
接着，利用当前路径点坐标和下一个路径点坐标以及两点之间的距离计算出前往下一路径点的运载机器人的角度；
最后，按照新的运载机器人角度和两路径点之间的距离，控制运载机器人前进。
所述运载机器人取物、放物过程中执行以下操作防止碰撞桌面：
在运载机器人取物、放物过程中，运载机器人本体不发生旋转，当取物或放物完成后，前行到达下一个路径点后，运载机器人本体接收控制指令进行姿态调整。
用以防止运输机器人在取物点或放物点直接转向前往下一路径点时，机器人身体与取物/ 放物台发生碰撞，发生意外。
运载机器人在前行过程中与远程控制中心进行实时通信：
当运载机器人连续三次无法与远程控制中心进行通信时，沿原路径返回上一路径点等待，直至重新与远程控制中心进行通信；
当远程控制中心连续三次无法收到运载机器人发出的信号时，发出警报。
所述相邻定位片间隔为3m。
在机器人工作环境中布置定位片，在机器人待命点，取物点，放物点，电梯点，门禁点等地点布置定位片，有利于机器人在保证自身位置精度的基础进行取物、放物、门禁交互、电梯交互操作；同时在机器人的行驶路径上，每隔3m设置一个路径点，使机器人在实验室智能环境下能及时校准位置。实验室内按照一个路径点控制1.5m2空间进行布置，保证实验室中机器人的可行走区域能全部被覆盖。
具体实例：
运载机器人接收到命令，从路径点12提取物品，到达路径点76放置物品，中间路径轨迹为路径点12-14-16-17-33-34-35-36-37-38-98-97-96-72-73-74-76，如图一所示，其中路径点 12、14、15、17在1楼房间102中，路径点33、34、35、36、37、38在1楼楼道中，而且路径点38为电梯门前路径点，路径点98、97、96在4楼楼道中，72、73、74、76在4楼房间405中，该路径中间需要穿过3道门禁，使用一次电梯，门禁门前路径点为路径点17、35、 96。
运载机器人在取物点取得物品后，沿命令路径运行，运载机器人到达路径点17时，先发送开门指令，然后利用Kinect传感器检测门禁的开启情况，确认门开启后，通过门禁后到达下一路径点33后，发送关门指令后，继续前往接下来的路径点，同理通过之后两个门禁。机器人到达路径点38时，先发送电梯开门指令，然后使用Kinect检测电梯的开启情况，确认门开启后，进入电梯。到达4楼后，在路径点97附近有垃圾桶障碍物，使用Kinect传感器深度距离识别，将障碍物位置在坐标系中位置传输到远端，将静态障碍物临时在全局地图中进行标识，并更新可行走区域和所有距离矩阵中的不可连接点，使用Floyd算法重新规划当前楼层中的最佳路径，并发送给运载机器人，绕过垃圾桶，继续前进，到达放物路径点，放下物品，任务完成。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (7)
1.一种运载机器人复杂混合路径协同自适应智能规划方法，其特征在于，包括以下步骤：
步骤1：构建全局地图三维坐标系；
运载区域地面中心点为原点，正东方向为X轴，正北方向为Y轴，垂直地面方向为Z轴；
所述运载机器人运载区域为一个楼栋内所有的地板连通区域，可行走区域是指从所有的地板连通区域中删除楼栋内的障碍物所在区域；
步骤2：对全局地图按照楼层层号进行划分，获得每个楼层的二维地图和距离矩阵；
每个楼层的距离矩阵由所有楼道和所有房间之间的相邻关系构成，若两房间、房间与楼道以及两楼道相邻，则楼层距离矩阵中的对应权值为1，否则为无穷大；
每个楼层中各楼道的距离矩阵中的权值是在楼层二维地图下每个楼道中各路径点之间的实际距离；
每个楼层中各房间的距离矩阵中的权值是在楼层二维地图下每个房间中所有路径点之间的实际距离构成；
在每个楼道距离矩阵和房间距离矩阵中，若两路径点之间存在障碍物，则距离矩阵中对应的权值为无穷大；
步骤3：根据运输任务指令获得运输任务的起始点和终止点在全局地图三维坐标系下的坐标，基于各楼层的距离矩阵以及各楼层中所有楼道以及房间的距离矩阵，采用Floyd算法进行路径规划，获得运输规划路径；
当运载机器人需要从一个楼层运动至另外一个楼层时，将路径规划任务分解成在两个楼层中的路径规划；
第一个路径规划的起点为运输任务起始点，终点为第一个楼层的电梯所在位置；
第二个路径规划的起点为第二个楼层的电梯所在位置，终点为运输任务终止点；
第一个楼层的电梯和第二个楼层的电梯为同一电梯；
步骤4：利用步骤3获得的运输规划路径控制运载机器人前进，完成运输任务。
2.根据权利要求1所述的方法，其特征在于，在运载机器人依据获得的规划路径前进过程中，运载机器人到达门禁前的路径点时，先发送开门指令，利用Kinect传感器检测门禁的开启情况，确认门开启后，通过门禁后到达下一路径点，发送关门指令后，继续前往下一路径点；
运载机器人到达电梯前的路径点时，先发送开门指令，然后使用Kinect检测电梯的开启情况，确认门开启后，进入电梯。
3.根据权利要求2所述的方法，其特征在于，运载机器人在执行运输任务的前进过程中，利用Kinect传感器实时识别路径前方是否有人或其他障碍物，当运载机器人现行路径前方两米范围内出现障碍物时，按照以下操作进行避障：
A)当运载机器人在楼道中遇到人时，通过Kinect传感器结合天花板的定位片得到运载机器人和人之间的位置关系，进行退避；
在当前所在楼层的二维坐标中规划退避方向，依据规划的退避方向进行退避；
所述退避方向是指运载机器人与人之间连线的垂线上拥有最大退避距离的方向，沿退避方向在可行走区域中前行，直到人离开机器人3米范围后，原路返回正常行驶线路，前往下一个路径点；
B)当运载机器人在房间中遇到人时，若运载机器人在读取路径点，则保持自身位置不动，待人离开运载机器人的路径后，运载机器人继续前行；若运载机器人正在向下一个路径点行进中，则沿原路返回前一路径点，并留在前一路径点等待人离开前往下一路径点的路径，再继续前往下一路径点；
C)当运载机器人遇到新出现的静态障碍物时，运载机器人使用Kinect传感器扫描并发送指令给远程控制中心，将静态障碍物临时在全局地图中进行标识，并更新可行走区域和所有距离矩阵中的不可连接点，使用Floyd算法重新规划当前楼层中的最佳路径，并发送给运载机器人，绕过静态障碍物，继续前进；
D)当运载机器人遇到其他运输机器人时，两者同时停止前进，远程控制中心向剩余电量较高的运载机器人发送遇动态障碍物指令，向另一台运载机器人发送继续正常行驶指令；
接收到遇动态障碍物指令的运载机器人按照A)或B)情况将另一台运载机器人当作动态障碍物进行动态避障，另一台机器人正常按照路径图行驶。
4.根据权利要求1-3任一项所述的方法，其特征在于，运载机器人按照以下方法从当前路径点到达下一路径点：
首先，读取当前路径点的坐标(x1，y1)以及运载机器人的角度θc；
接着，利用当前路径点坐标和下一个路径点坐标以及两点之间的距离计算出前往下一路径点的运载机器人的角度；
最后，按照新的运载机器人角度和两路径点之间的距离，控制运载机器人前进。
5.根据权利要求4所述的方法，其特征在于，所述运载机器人取物、放物过程中执行以下操作防止碰撞桌面：
在运载机器人取物、放物过程中，运载机器人本体不发生旋转，当取物或放物完成后，前行到达下一个路径点后，运载机器人本体接收控制指令进行姿态调整。
6.根据权利要求5所述的方法，其特征在于，运载机器人在前行过程中与远程控制中心进行实时通信：
当运载机器人连续三次无法与远程控制中心进行通信时，沿原路径返回上一路径点等待，直至重新与远程控制中心进行通信；
当远程控制中心连续三次无法收到运载机器人发出的信号时，发出警报。
7.根据权利要求3所述的方法，其特征在于，所述相邻定位片间隔为3m。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710640560.7A CN107203214B (zh) | 2017-07-31 | 2017-07-31 | 一种运载机器人复杂混合路径协同自适应智能规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710640560.7A CN107203214B (zh) | 2017-07-31 | 2017-07-31 | 一种运载机器人复杂混合路径协同自适应智能规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107203214A CN107203214A (zh) | 2017-09-26 |
| CN107203214B true CN107203214B (zh) | 2018-03-27 |
Family
ID=59911285
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710640560.7A Active CN107203214B (zh) | 2017-07-31 | 2017-07-31 | 一种运载机器人复杂混合路径协同自适应智能规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107203214B (zh) |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108415424B (zh) * | 2018-02-05 | 2019-09-13 | 腾讯科技（深圳）有限公司 | 智能机器人控制方法和装置、***及存储介质 |
| CN108171892A (zh) * | 2018-03-13 | 2018-06-15 | 深圳市三维通机器人***有限公司 | 一种智能无人图书馆*** |
| CN108873908B (zh) * | 2018-07-12 | 2020-01-24 | 重庆大学 | 基于视觉slam和网络地图结合的机器人城市导航*** |
| CN109101022A (zh) * | 2018-08-09 | 2018-12-28 | 北京智行者科技有限公司 | 一种作业路径更新方法 |
| CN109324615A (zh) * | 2018-09-20 | 2019-02-12 | 深圳蓝胖子机器人有限公司 | 办公楼送货控制方法、装置以及计算机可读存储介质 |
| CN110942169A (zh) * | 2018-09-25 | 2020-03-31 | 上海云绅智能科技有限公司 | 一种路径规划方法及机器人 |
| CN109164810B (zh) * | 2018-09-28 | 2021-08-10 | 昆明理工大学 | 一种基于蚁群-聚类算法的机器人自适应动态路径规划方法 |
| CN111258275B (zh) * | 2018-11-30 | 2022-11-15 | 沈阳新松机器人自动化股份有限公司 | 一种重载agv双车联动控制方法 |
| CN109760975A (zh) * | 2019-03-29 | 2019-05-17 | 深圳中科云海科技有限公司 | 一种智能回收垃圾的*** |
| CN110221600B (zh) * | 2019-04-25 | 2022-05-31 | 深圳一清创新科技有限公司 | 路径规划方法、装置、计算机设备和存储介质 |
| CN112060072B (zh) * | 2019-06-11 | 2023-06-20 | 华邦电子股份有限公司 | 一种协同型机器人控制***和方法 |
| CN110347161B (zh) * | 2019-07-22 | 2022-12-06 | 浙江华睿科技股份有限公司 | 自动导引运输车的调度方法及装置 |
| JP2021064233A (ja) * | 2019-10-16 | 2021-04-22 | トヨタ自動車株式会社 | 物品搬送ロボット、物品搬送システム、ロボット管理装置 |
| CN110647129A (zh) * | 2019-10-30 | 2020-01-03 | 广东博智林机器人有限公司 | 机器人调度方法、升降机调度方法和*** |
| CN111462375A (zh) * | 2020-04-01 | 2020-07-28 | 中国工商银行股份有限公司 | 门禁控制方法、装置、巡检***和电子设备 |
| CN111862567A (zh) * | 2020-07-20 | 2020-10-30 | 广东博殿堡电子科技有限公司 | 通过移动终端进行远程控制的控制方法及*** |
| CN112235759B (zh) * | 2020-09-15 | 2022-05-17 | 武汉工程大学 | 一种多机器人路由优化方法及装置 |
| CN111874764B (zh) * | 2020-09-28 | 2021-02-02 | 上海木承智能医疗科技有限公司 | 一种机器人的调度方法、服务器和存储介质 |
| CN112229408B (zh) * | 2020-10-10 | 2023-02-17 | 广州海格星航信息科技有限公司 | 一种三维室内多楼层行人路线规划方法 |
| CN113115622B (zh) * | 2021-03-08 | 2022-09-30 | 深圳拓邦股份有限公司 | 视觉机器人避障控制方法、装置及割草机器人 |
| CN113823092B (zh) * | 2021-09-28 | 2022-11-18 | 深圳优地科技有限公司 | 机器人运行控制方法、设备及计算机可读存储介质 |
| CN114442608B (zh) * | 2021-12-21 | 2024-06-14 | 北京未末卓然科技有限公司 | 一种写字楼物流机器人及其控制方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07225612A (ja) * | 1994-02-15 | 1995-08-22 | Fujitsu Ltd | 時間軸を探索空間に取り入れた経路探索方法，及び装置 |
| WO2008013568A2 (en) * | 2005-12-30 | 2008-01-31 | Irobot Corporation | Autonomous mobile robot |
| CN103900600A (zh) * | 2012-12-25 | 2014-07-02 | 中国电信股份有限公司 | 室内跨楼层地图路径导航方法及*** |
| CN104898660B (zh) * | 2015-03-27 | 2017-10-03 | 中国科学技术大学 | 一种提高机器人路径规划效率的室内地图构建方法 |
| CN105183955B (zh) * | 2015-08-21 | 2018-10-30 | 林浩嘉 | 一种多层建筑最优路径规划方法 |
| CN105203095B (zh) * | 2015-09-14 | 2018-11-30 | 博康云信科技有限公司 | 一种室内三维空间实时路径导航方法及导航*** |
| CN106767826A (zh) * | 2016-12-23 | 2017-05-31 | 上海雅丰信息科技有限公司 | 一种室内跨楼层路径导航的方法 |
-
2017
- 2017-07-31 CN CN201710640560.7A patent/CN107203214B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN107203214A (zh) | 2017-09-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107203214B (zh) | 一种运载机器人复杂混合路径协同自适应智能规划方法 | |
| CN103064416B (zh) | 巡检机器人室内外自主导航*** | |
| CN103389699B (zh) | 基于分布式智能监测控制节点的机器人监控及自主移动***的运行方法 | |
| CN107544515A (zh) | 基于云服务器的多机器人建图导航***与建图导航方法 | |
| CN205507542U (zh) | 基于激光和视觉的道路自主清扫控制*** | |
| CN102736627B (zh) | 多智能体目标搜捕自主决策协调控制装置 | |
| CN105500406A (zh) | 变电站开关箱操作移动机器人、工作方法及*** | |
| CN106347919A (zh) | 一种自动仓储*** | |
| AU2021266203B2 (en) | Semantic laser-based multilevel obstacle avoidance system and method for mobile robot | |
| CN108363385A (zh) | Agv同场工作协同方法、电子设备、存储介质及*** | |
| CN101739027B (zh) | 基于分布式视觉传感网络的移动导航*** | |
| CN103699136A (zh) | 基于蛙跳算法的智能家庭服务机器人***及服务方法 | |
| CN106979786A (zh) | 基于3d实景地图和uwb定位技术的巡检机器人路径优化方法 | |
| Barberá et al. | I-Fork: a flexible AGV system using topological and grid maps | |
| CN106155062A (zh) | 一种移动机器人控制*** | |
| CN105022399A (zh) | 对于作业机构具有改进的地面跟随农机控制*** | |
| Jia et al. | A system control strategy of a conflict-free multi-AGV routing based on improved A* algorithm | |
| CN102708512A (zh) | 基于物联网和3d gis的桥梁智能检修管理*** | |
| Tavakoli et al. | Cooperative multi-agent mapping of three-dimensional structures for pipeline inspection applications | |
| CN113679305A (zh) | 一种喷擦一体化清洁机器人及其控制方法 | |
| CN108287553A (zh) | 一种两轮驱动低速无人驾驶巡逻车***及工作方法 | |
| Hager et al. | Toward domain-independent navigation: Dynamic vision and control | |
| CN110426045A (zh) | 一种农田喷药机器人视觉导航参数获取方法 | |
| CN114564008A (zh) | 基于改进A-Star算法的移动机器人路径规划方法 | |
| CN108490935A (zh) | 一种四轮驱动低速无人驾驶巡逻车***及工作方法 |
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 |