CN111633655A - 一种分布式自主移动机器人交通调度方法 - Google Patents

Abstract

本发明公开了一种分布式自主移动机器人交通调度方法，当分布式网络环境中自主机器人遇到任务时，机器人便会根据任务需求得到相应的起点和终点，机器人根据起点和终点将规划出一条无冲突的路径，在本发明中得到的路径是一条最优的平滑路径；机器人将自身状态信息发送给分布式***并且同时获取分布式***中其他机器人状态信息；机器人根据获取到的信息对分布式***进行交通协调，即路径的冲突预检测和冲突的预处理，使得分布式***能够做到交通协调一致，使得任务能够顺利的完成。

Description

一种分布式自主移动机器人交通调度方法

技术领域

本发明属于移动机器人领域，尤其涉及一种分布式自主移动机器人交通调度方法。

背景技术

要组建分布式***，那么解决任务分配、交通协调、资源分配三个问题是研究的重中之重。其中对于交通协调主要解决路径规划中所产生的冲突问题，如何有效的避免冲突，如果存在冲突如何有效地解决冲突是未来研究的主要方向。保证多机器人可以同时处理分布在工作空间各个位置上的各项任务，相互协调工作，提高***的运输效率。因而研究分布式无人***是大势所趋，是符合社会发展的需求，具有深远的理论意义和现实价值。

研究高效的路径规划算法是机器人无人***中重要的角色。怎么搜索路径怎么解决路径中的冲突是重中之重。通过研究交通协调机制，可以使我们的无人***高效地运转，节省时间，节约劳动力，提高生产效率。机器人路径规划算法是移动机器人研制的关键核心技术。移动机器人路径规划实质上是满足一定约束条件的优化问题，其算法设计过程具有复杂性、随机性、多目标性和多约束性等特点。

发明内容

本发明的目的是在分布式环境***中，建立一个高效的交通协调机制，需要重点解决路径规划和冲突解决，使得最终能够规划出一条机器人无碰撞运动路径。对于路径规划主要解决几个重点问题，第一如何获取一条路径最短、代价最小的路径。第二当获取这条路径的时候，怎样保证这条路径上的拐点最少，使得路径趋于平滑。第三对于路径冲突检测如何保证可信度，出现冲突究竟采用什么策略会使得路径上冲突都能避免。本发明考虑几种常见的特殊情况，使得路径中的冲突问题得到完善。

本发明的目的是通过以下技术方案实现的：一种分布式自主移动机器人交通调度方法，使用完全分布式自主机器人调度与控制***，实现移动机器人之间的交通协调；每个机器人单独搭载交通协调机制；大大提升了多机器人拓扑网络的可扩展性和鲁棒性，同时减少单个机器人的计算负载；本方法有利于自主机器人调度与控制***的整体稳定性；该方法包括以下步骤：

步骤1、每个自主移动机器人根据待执行的任务自主计算最优路径；

步骤2、每个自主移动机器人将自身的状态信息通过发布\订阅方式传送给分布式***中的其他机器人，并接收其他机器人的状态信息，所述状态信息包括路径信息和速度信息；

步骤3、根据当前机器人规划路径的继续前进路段L上的其他机器人的状态信息来预测可能的冲突，并根据相应策略解决冲突；具体包括以下子步骤：

(3.1)分布式***的预定义：假设***中任意两个机器人R_j，R_k，对应的路径分别是P_j，P_k，时间窗分别T_j，T_k；n_j是P_j路径中的某一站点，n_k是P_k路径中的某一站点，其中n_j，n_k分别对应时间窗

n_j-1，n_k-1是在对应路径中n_j，n_k的父节点；

代表进入n_j点时间窗的时间点，

代表离开n_j点时间窗的时间点，

代表进入n_k点时间窗的时间点，

代表离开n_k点时间窗的时间点；机器人在未来路径段L上的运行方式总是加速-匀速或者匀速-减速状态，速度总会达到预设的最大速度v，v≤v_m，v_m为机器人限定的最大速度；

(3.2)冲突的预检测：检测未来路径段L以最大速度v运行是否存在与其他机器人冲突点或冲突路径；如果同时满足下式中的条件，那么说明此***中这两台机器人存在冲突；

(3.3)根据效率优先原则确定机器人的优先级，然后根据五个规则解决步骤(3.2)预测到的冲突；

所述优先级的确定包括以下三个原则：机器人正在处理任务的发布时间越早则优先级越高；当执行的任务离完成的时间越接近时，临时提升其优先级；根据机器人当前状态(空闲、执行任务)确定优先级，执行任务的机器人优先级较高；

规则一：当预测到在未来路径段L上优先级更高的机器人与自身机器人存在冲突，将自身机器人从最大速度v按照步长v_d递减选择能规避冲突的速度v′；

规则二：当预测到在未来路径段L上有相等优先级的机器人与自身机器人存在冲突，则计算自身机器人和冲突机器人进入和离开冲突点或冲突路径的时间窗

其中

和

代表冲突机器人R_j进入和离开冲突点或冲突路径的时刻，

和

代表冲突机器人R_k进入和离开冲突点或冲突路径的时刻；根据离开时刻越早越能获得该冲突点或冲突路径的优先使用权，即预测到较晚离开冲突点或者冲突路径的机器人从最大速度v按照步长v_d递减选择能规避冲突的速度v′；

规则三：当预测到在未来路径段L上有相同优先级的机器人与自身机器人存在冲突，并且两个机器人进入和离开冲突点或冲突路径的时刻完全相等，则随机选取一个机器人，从最大速度v按照步长v_d递减选择能规避冲突的速度v′；

规则四：当规则一、规则二无法避免冲突时，选择优先级较高的冲突机器人从最大速度v按照步长v_d递减选择能规避冲突的速度v′；

规则五：当v＝0时，即为等待策略，比较等待时间和重规划可行路径额外付出时间代价的大小；若重规划可行路径额外付出时间代价更小，则选择该重规划可行路径为自身的允许前进路段，并向所有在线机器人更新其新规划路径；否则允许前进路径段为空；

步骤4、每个机器人根据分布式***的反馈在路径L上执行；同时每个机器人每经过一个L距离后，释放该段距离并通知分布式***中其他机器人，每个机器人更新信息并发布给分布式***。

进一步地，所述步骤1中，移动机器人根据移动机器人的起点和待执行任务的终点，使用改进的最优路径规划算法计算最优路径，具体步骤如下：

首先在移动机器人的起点开始探索周围地图中的站点，把这些周围的站点看成候选节点，将这些候选节点到起点的代价和到终点的估计成本之和作为代价函数，将代价函数值最优的候选节点当作当前点继续探索路径，直至找到终点；代价函数F的公式如下：

F＝α*[G(s)+G(t)]+β*H(e)

其中α，β为调节因子，用于保证代价和估计成本在一个数量级上，G(s)是地图中某一候选节点到起点的距离代价，G(t)是拐点代价，拐点代价用于惩罚拐点带来的时间损耗，s代表起点，e代表终点，H(e)是地图中某一候选节点到终点的距离估计成本；当选择下一个要遍历的节点时，选取F值最小的候选节点。

进一步地，所述步骤3中，根据异步机制做冲突检测和冲突处理，优先处理优先级高的机器人。

进一步地，所述步骤4具体为：

每个机器人释放掉已经处理完的L距离的路径后，通知分布式***，并根据每个机器人获取的其他机器人信息，处理下一段取得的L距离的路径，按照步骤2到步骤4反复执行；

分布式***中各个机器人锁定L距离的路径段信息，一旦发生更新时，基于事件触发机制同步更新给所有在线的其他机器人；分布式***存放的路径段锁定信息采用非负整型表示，0表示未被占用，正整数表示被占用，允许冲突路径的多个机器人重复申请，申请一次即加1，释放一次即减1。

本发明的有益效果是：本发明提出的分布式自主移动机器人交通调度方法，当分布式网络环境中自主机器人遇到任务时，机器人便会根据任务需求得到相应的起点和终点，机器人根据起点和终点将规划出一条无冲突的路径，在本发明中得到的路径是一条最优的平滑路径；机器人将自身状态信息发送给分布式***并且同时获取分布式***中其他机器人状态信息；机器人根据获取到的信息对分布式***进行交通协调，即路径的冲突预检测和冲突的预处理，使得分布式***能够做到交通协调一致，使得任务能够顺利的完成。

附图说明

图1为本发明分布式自主移动机器人交通调度方法流程图；

图2为本发明分布式自主机器人调度与控制***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付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。

本申请提出的一种分布式自主移动机器人交通调度方法，使用完全分布式的自主机器人调度与控制***，实现移动机器人之间的交通协调；分布式自主机器人调度与控制***结构框图如图2所示，每个机器人单独搭载交通协调机制；大大提升了多机器人拓扑网络的可扩展性和鲁棒性，同时减少单个机器人的计算负载；本方法有利于自主机器人调度与控制***的整体稳定性；如图1所示，该方法包括以下步骤：

步骤1、每个自主移动机器人根据待执行的任务自主计算最优路径；以下给出一种最优路径计算方法，但不限于此：

移动机器人根据移动机器人的起点和待执行任务的终点，使用改进的最优路径规划算法计算最优路径，具体的步骤如下：

首先在移动机器人的起点开始探索周围地图中的站点即可通行点，把这些周围的站点看成候选节点，将这些候选节点到起点的代价和到终点的估计成本之和作为代价函数，将代价函数值最优的候选节点当作当前点继续探索路径，直至找到终点；代价函数F的公式如下：

F＝α*[G(s)+G(t)]+β*H(e)

其中α，β为调节因子(用于保证代价和估计成本在一个数量级上)，G(s)是地图中某一候选节点到起点的距离代价，G(t)是拐点代价(拐点即当前节点的父节点、当前节点和候选节点形成路径转弯)，拐点代价用于惩罚拐点带来的时间损耗，s代表起点，e代表终点，H(e)是地图中某一候选节点到终点的距离估计成本；当选择下一个要遍历的节点时，选取F值最小的候选节点。

步骤2、每个自主移动机器人将自身的状态信息(包括路径信息和速度信息)通过发布\订阅方式传送给分布式***中的其他机器人，并接收其他机器人的状态信息；此时每个机器人都拥有本身的信息和***中其他机器人的信息。

步骤3、根据当前机器人规划路径的继续前进路段L上的其他机器人的状态信息(包括路径信息和速度信息)来预测可能的冲突，并根据相应策略解决冲突，其中L一般包括1-5个站点；具体包括以下子步骤：

(3.1)分布式***的预定义：假设***中任意两个机器人R_j，R_k，对应的路径分别是P_j，P_k，时间窗分别T_j，T_k；n_j是P_j路径中的某一站点，n_k是P_k路径中的某一站点，其中n_j，n_k分别对应时间窗

n_j-1，n_k-1是在对应路径中n_j，n_k的父节点；

代表进入n_j点时间窗的时间点，

代表离开n_j点时间窗的时间点，

代表进入n_k点时间窗的时间点，

代表离开n_k点时间窗的时间点；机器人在未来路径段L上的运行方式总是加速-匀速或者匀速-减速状态，速度总会达到预设的最大速度v，v≤v_m，v_m为机器人限定的最大速度；

(3.2)冲突的预检测：检测未来路径段L以最大速度v运行是否存在与其他机器人冲突点或冲突路径；如果同时满足下式中的条件(即在同一点或同一边发生时间窗重叠)，那么说明此***中这两台机器人存在冲突；

(3.3)根据效率优先原则确定机器人的优先级，然后根据五个规则解决步骤(3.2)预测到的冲突；

所述优先级的确定包括以下三个原则：机器人正在处理任务的发布时间越早则优先级越高；当执行的任务离完成的时间越接近时，临时提升其优先级；根据机器人当前状态(空闲、执行任务)确定优先级，执行任务的机器人优先级较高；

规则一：当预测到在未来路径段L上优先级更高的机器人与自身机器人存在冲突，将自身机器人从最大速度v按照步长v_d递减选择能规避冲突的速度v′；

规则二：当预测到在未来路径段L上有相等优先级的机器人与自身机器人存在冲突，则计算自身机器人和冲突机器人进入和离开冲突点或冲突路径的时间窗

其中

和

代表冲突机器人R_j进入和离开冲突点或冲突路径的时刻，

和

代表冲突机器人R_k进入和离开冲突点或冲突路径的时刻；根据离开时刻越早越能获得该冲突点或冲突路径的优先使用权，即预测到较晚离开冲突点或者冲突路径的机器人从最大速度v按照步长v_d递减选择能规避冲突的速度v′；

规则三：当预测到在未来路径段L上有相同优先级的机器人与自身机器人存在冲突，并且两个机器人进入和离开冲突点或冲突路径的时刻完全相等，则随机选取一个机器人，从最大速度v按照步长v_d递减选择能规避冲突的速度v′；

规则四：当规则一、规则二无法避免冲突时，选择优先级较高的冲突机器人从最大速度v按照步长v_d递减选择能规避冲突的速度v′；

规则五：当v＝0时，即为等待策略，比较等待时间和重规划可行路径额外付出时间代价的大小；若重规划可行路径额外付出时间代价更小，则选择该重规划可行路径为自身的允许前进路段，并向所有在线机器人更新其新规划路径；否则允许前进路径段为空。

步骤4、每个机器人根据分布式***的反馈在路径L上执行；同时每个机器人每经过一个L距离后，释放该段距离并通知分布式***中其他机器人，每个机器人更新信息并发布给分布式***。具体地：

每个机器人释放掉已经处理完的L距离的路径后，通知分布式***，并根据每个机器人获取的其他机器人信息，处理下一段取得的L距离的路径，按照步骤2到步骤4反复执行；

分布式***中各个机器人锁定路径段(距离为L)信息，一旦发生更新时，基于事件触发机制同步更新给所有在线的其他机器人；分布式***存放的路径段锁定信息采用非负整型表示(0表示未被占用，正整数表示被占用)，允许冲突路径的多个机器人重复申请，申请一次即加1，释放一次即减1。

以上所述仅是本发明的优选实施方式，虽然本发明已以较佳实施例披露如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何的简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (4)

1.一种分布式自主移动机器人交通调度方法，其特征在于，使用分布式自主机器人调度与控制***实现移动机器人之间的交通协调，该方法包括以下步骤：

步骤1、每个自主移动机器人根据待执行的任务自主计算最优路径。

步骤2、每个自主移动机器人将自身的状态信息通过发布\订阅方式传送给分布式***中的其他机器人，并接收其他机器人的状态信息，所述状态信息包括路径信息和速度信息。

步骤3、根据当前机器人规划路径的继续前进路段L上的其他机器人的状态信息来预测可能的冲突，并根据相应策略解决冲突；具体包括以下子步骤：

(3.1)分布式***的预定义：假设***中任意两个机器人R_j,R_k，对应的路径分别是P_j,P_k，时间窗分别T_j,T_k；n_j是P_j路径中的某一站点，n_k是P_k路径中的某一站点，其中n_j,n_k分别对应时间窗

n_j-1,n_k-1是在对应路径中n_j,n_k的父节点；

代表进入n_j点时间窗的时间点，

代表离开n_j点时间窗的时间点，

代表进入n_k点时间窗的时间点，

代表离开n_k点时间窗的时间点；机器人在未来路径段L上的运行方式总是加速-匀速或者匀速-减速状态，速度总会达到预设的最大速度v，v≤v_m，v_m为机器人限定的最大速度；

(3.2)冲突的预检测：检测未来路径段L以最大速度v运行是否存在与其他机器人冲突点或冲突路径；如果同时满足下式中的条件，那么说明此***中这两台机器人存在冲突；

(3.3)根据效率优先原则确定机器人的优先级，然后根据五个规则解决步骤(3.2)预测到的冲突；

所述优先级的确定包括以下三个原则：机器人正在处理任务的发布时间越早则优先级越高；当执行的任务离完成的时间越接近时，临时提升其优先级；根据机器人当前状态(空闲、执行任务)确定优先级，执行任务的机器人优先级较高；

规则一：当预测到在未来路径段L上优先级更高的机器人与自身机器人存在冲突，将自身机器人从最大速度v按照步长v_d递减选择能规避冲突的速度v′；

规则二：当预测到在未来路径段L上有相等优先级的机器人与自身机器人存在冲突，则计算自身机器人和冲突机器人进入和离开冲突点或冲突路径的时间窗

其中

和

代表冲突机器人R_j进入和离开冲突点或冲突路径的时刻，

和

代表冲突机器人R_k进入和离开冲突点或冲突路径的时刻；根据离开时刻越早越能获得该冲突点或冲突路径的优先使用权，即预测到较晚离开冲突点或者冲突路径的机器人从最大速度v按照步长v_d递减选择能规避冲突的速度v′；

规则三：当预测到在未来路径段L上有相同优先级的机器人与自身机器人存在冲突，并且两个机器人进入和离开冲突点或冲突路径的时刻完全相等，则随机选取一个机器人，从最大速度v按照步长v_d递减选择能规避冲突的速度v′；

规则四：当规则一、规则二无法避免冲突时，选择优先级较高的冲突机器人从最大速度v按照步长v_d递减选择能规避冲突的速度v′；

规则五：当v＝0时，即为等待策略，比较等待时间和重规划可行路径额外付出时间代价的大小；若重规划可行路径额外付出时间代价更小，则选择该重规划可行路径为自身的允许前进路段，并向所有在线机器人更新其新规划路径；否则允许前进路径段为空；

步骤4、每个机器人根据分布式***的反馈在路径L上执行；同时每个机器人每经过一个L距离后，释放该段距离并通知分布式***中其他机器人，每个机器人更新信息并发布给分布式***。

2.根据权利要求1所述的一种分布式自主移动机器人交通调度方法，其特征在于，所述步骤1中，移动机器人根据移动机器人的起点和待执行任务的终点，使用改进的最优路径规划算法计算最优路径，具体步骤如下：

首先在移动机器人的起点开始探索周围地图中的站点，把这些周围的站点看成候选节点，将这些候选节点到起点的代价和到终点的估计成本之和作为代价函数，将代价函数值最优的候选节点当作当前点继续探索路径，直至找到终点；代价函数F的公式如下：

F＝α*[G(s)+G(t)]+β*H(e)

其中α，β为调节因子，用于保证代价和估计成本在一个数量级上，G(s)是地图中某一候选节点到起点的距离代价，G(t)是拐点代价，拐点代价用于惩罚拐点带来的时间损耗，s代表起点，e代表终点，H(e)是地图中某一候选节点到终点的距离估计成本；当选择下一个要遍历的节点时，选取F值最小的候选节点。

3.根据权利要求1所述的一种分布式自主移动机器人交通调度方法，其特征在于，所述步骤3中，根据异步机制做冲突检测和冲突处理，优先处理优先级高的机器人。

4.根据权利要求1所述的一种分布式自主移动机器人交通调度方法，其特征在于，所述步骤4具体为：

每个机器人释放掉已经处理完的L距离的路径后，通知分布式***，并根据每个机器人获取的其他机器人信息，处理下一段取得的L距离的路径，按照步骤2到步骤4反复执行；

分布式***中各个机器人锁定L距离的路径段信息，一旦发生更新时，基于事件触发机制同步更新给所有在线的其他机器人；分布式***存放的路径段锁定信息采用非负整型表示，0表示未被占用，正整数表示被占用，允许冲突路径的多个机器人重复申请，申请一次即加1，释放一次即减1。

Images