CN112835364B - 一种基于冲突检测的多机器人路径规划方法 - Google Patents

一种基于冲突检测的多机器人路径规划方法 Download PDF

Info

Publication number
CN112835364B
CN112835364B CN202011614359.XA CN202011614359A CN112835364B CN 112835364 B CN112835364 B CN 112835364B CN 202011614359 A CN202011614359 A CN 202011614359A CN 112835364 B CN112835364 B CN 112835364B
Authority
CN
China
Prior art keywords
path
robot
point
path planning
planning
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.)
Expired - Fee Related
Application number
CN202011614359.XA
Other languages
English (en)
Other versions
CN112835364A (zh
Inventor
张德昊
杜歆
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202011614359.XA priority Critical patent/CN112835364B/zh
Publication of CN112835364A publication Critical patent/CN112835364A/zh
Application granted granted Critical
Publication of CN112835364B publication Critical patent/CN112835364B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process

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)

Abstract

本发明公开了一种基于冲突检测的多机器人路径规划方法，该方法首先建立栅格地图，将环境中需要进行路径规划的机器人组成分布式网络，接着在机器人得到路径规划目标点后请求路径规划权限，得到权限后使用本发明提出的改进A*路径规划算法进行规划，然后将规划的路径利用ROS Service通信机制发布，最后当机器人到达目标点后删除之前发布的路径信息。仿真实验证明，本发明可以有效避免多机器人路径冲突问题。

Description

一种基于冲突检测的多机器人路径规划方法
技术领域
本发明涉及机器人路径规划技术领域，具体涉及一种多机器人在路径规划时考虑当前环境下其他机器人已经规划好的路径，以规划出一条与其他机器人不冲突的路径的方法。
背景技术
机器人路径规划技术是机器人导航技术中的重要部分，路径规划问题是机器人根据实际的优化准则规划出一条从当前位置出发到终点的连续无碰撞路径。常见的路径规划算法有Dijkstra算法、A*算法、D*算法等以及对这些算法的改进算法。其中A*算法为启发式搜索算法，它保留了Dijkstra算法可以规划最短路径的优势，利用启发函数来评价当前点到目标点的代价，减少搜索时间和计算消耗，适用于静态地图路径规划。D*算法适用于动态场景下实时规划，但计算复杂，内存占用较高。
随着机器人技术的发展，多机器人的协同工作越来越重要，如何解决多机器人路径规划问题成为多机器人协同工作的关键，其重点是避免机器人之间的碰撞和出现机器人之间的路径死锁问题。现有的多机器人协同路径规划技术大多侧重于多个机器人在行进过程中路径冲突的检测以及遇到冲突时的协调避障策略，包括速率调整法、交通规则法、优先级法等。但在通过利用多机器人通信来掌握其他机器人已经规划好的路线，从而在当前机器人规划时避免路径冲突这方面的研究比较少。
发明内容
本发明的目的在于解决多机器人路径规划的路径冲突问题，这里的路径冲突是指两个或两个以上的机器人在沿着规划的路径前进时由于在同一时间到达同一位置而产生的冲突，以及由于规划的路径之间距离过小而可能产生的机器人之间的碰撞。为解决上述问题，本发明提出了一种基于冲突检测的多机器人路径规划方法，能够在机器人路径规划时考虑当前环境中已经存在的路径，避免上述的路径冲突。
本发明的目的是通过以下技术方案来实现的：一种基于冲突检测的多机器人路径规划方法，该方法包括以下步骤：
(1)根据机器人的实际工作环境通过栅格法建立栅格地图。
(2)将环境中需要进行路径规划的机器人组成分布式网络。
(3)设定机器人路径规划的目标点，机器人得到路径规划的目标点后，请求路径规划权限。
(4)使用改进A*路径规划算法进行规划，该步骤通过以下子步骤来实现：
(4.1)获取当前机器人的位置、目标点、栅格地图、其他机器人已经规划的路径信息和对应机器人的位置、速度。
(4.2)将起点放入A*算法的存放待遍历节点的列表open list中。
(4.3)在open list中取出总代价F最小的点作为当前节点，判断当前节点是否为目标点，如果是则找到路径，本次规划结束；否则将当前节点放入A*算法中存放不需要再遍历的节点的列表close list中。
(4.4)遍历当前节点四周可到达的点并计算遍历到的点的总代价，如果遍历到的点不在现有的其他机器人规划的路径的半径r范围内，则按照A*算法的节点代价计算规则计算该节点的总代价，即F＝G+H；如果遍历到的点在现有的其他机器人规划的路径的半径r范围内，则判断遍历到的点是否在其他机器人的路径点上，如果不在则该点总代价为F＝G+H+C2，如果在则判断该点是否路径冲突，如果该点有路径冲突则该点总代价为F＝G+H+C2+C1，否则该点总代价为F＝G+H+C2。
(4.5)将按照步骤(4.4)所述规则扩展到的点放入open list中。
(4.6)重复步骤(4.3)～步骤(4.5)，直到找到路径规划的目标点，形成路径。
(5)将当前机器人已经规划好的路径，包括路径点的信息和起点到每个路径点的里程信息发布到分布式网络中。
(6)机器人到达目标点后，删除其之前发布的路径信息。
进一步地，所述的步骤(2)中，所述将环境中需要进行路径规划的机器人组成分布式网络具体为：机器人在路径规划时利用ROS Service通信机制检测当前时刻是否有其他机器人正在规划路线，并获取其他机器人已经规划好的路径信息。
进一步地，所述的步骤(3)中，所述请求路径规划权限具体为：使用ROS Service通信机制定义一个用于授予机器人路径规划权限的Service，该Service的服务端运行在步骤2中组成的分布式网络的公共节点上，这个公共节点上设置一个变量Flag表示当前正在规划的机器人的编号，当变量Flag为0表示当前没有机器人正在进行路径规划，变量Flag不为0表示对应编号的机器人当前正在进行路径规划。机器人在路径规划前需要调用这个Service请求获取路径规划的权限，运行在公共节点上的该Service服务端在此Service被调用时检查变量Flag，如果变量Flag为0，则授予调用该Service的机器人路径规划的权限，并将变量Flag设置为该机器人的编号；如果变量Flag不为0，则不授予调用该Service的机器人路径规划的权限，没有得到路径规划权限的机器人等待一段时间继续调用该Service请求获取路径规划的权限。得到路径规划权限的机器人在路径规划完成后，通过ROSService通信机制将公共节点上授予机器人路径规划权限的Service服务端的变量Flag重新置0。为了防止因获得路径规划权限的机器人故障而导致的不能把变量Flag置0的情况，如果获得路径规划权限的机器人在tw后仍未把变量Flag置0，则运行该Service的公共节点会强制将变量Flag置0，这里tw是根据实际应用场景设置的等待时间。
进一步地，所述步骤(5)中，当前机器人规划好自己的路径后，利用ROS的Service通信机制将路径点的信息和起点到每个路径点的里程信息发布到分布式网络中。
本发明的有益效果在于：
(1)本发明提供了一种避免路径冲突的多机器人路径规划方法，通过让机器人在路径规划时考虑当前环境中其他机器人已规划好的路径信息，规划出一条不与其他机器人冲突的路径。
(2)本发明定义了冲突代价和避路代价，机器人的路径点的选择是根据每个点的代价进行量化处理的，所以这里通过增加冲突点的代价来使规划的路径远离冲突点，通过增加其他机器人已规划路径附近的代价来使规划的路径远离已有路径。在此基础上本发明提出一种改进A*路径规划算法。
(3)本发明提出利用ROS机器人操作***的Service通信机制使机器人在路径规划时获取其他机器人已经规划的路径信息，及规划完成后发布自己的路径信息。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作详细描述，其中
图1为本发明方法的流程图；
图2为栅格地图示意图；
图3为本发明改进A*路径规划算法流程图；
图4为本发明定义的冲突代价示意图；
图5为本发明定义的避路代价示意图；
图6为使用传统A*算法为机器人规划的路径效果图；
图7为使用本发明提出的算法为机器人规划的路径效果图；
图8为使用传统A*算法为机器人规划的路径效果图；
图9为使用本发明提出的算法为机器人规划的路径效果图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细描述，本发明的目的和效果将变得更加明显。
图1给出了本发明的方法流程图，本发明基于冲突检测的多机器人路径规划方法主要分为六个步骤：(1)建立栅格地图；(2)将多个机器人利用ROS组成分布式网络；(3)设定机器人路径规划的目标点，机器人得到路径规划目标点后请求路径规划权限；(4)如果机器人得到路径规划权限，则使用本发明提出的改进A*路径规划算法进行规划；(5)将规划的路径利用ROS Service通信机制发布；(6)当机器人到达目标点后删除之前发布的路径信息。
ROS是机器人操作***(Robot Operating System)的英文缩写，是用于编写机器人软件程序的一种具有高度灵活性的软件架构。关于ROS的详情可参见：胡春旭.ROS机器人开发实践[M].机械工业出版社,2018-04-30。
如图1所示，在步骤101中，根据机器人的实际工作环境通过栅格法建立栅格地图。栅格法使用大小相同的栅格划分环境空间，并用栅格数组来表示环境。黑格表示障碍物，在栅格数组中标1，白格表示自由空间，在栅格数组中标0。每个栅格点在自由空间或者障碍物空间中，对于混合栅格点(即一部分是自由空间另一部分是障碍物)，依据其自由空间和障碍物占有的比例，将其归属于自由空间或障碍物空间。栅格地图的分辨率(即每个栅格代表的实际环境中空间的大小)根据具体的应用场景自行定义。建立好的栅格地图样例如图2所示。
如图1所示，在步骤102中，将环境中需要进行路径规划的机器人使用ROS机器人操作***组成分布式网络，在此分布式网络中的机器人有自己唯一的编号，这里机器人的编号不为0，组成该分布式网络的目的是利用ROS的通信机制实现多个机器人之间的通信。
如图1所示，在步骤103中，设定机器人路径规划的目标点，机器人得到路径规划的目标点后，请求路径规划权限，具体方案如下：使用ROS Service通信机制定义一个用于授予机器人路径规划权限的Service，该Service的服务端运行在步骤102中组成的分布式网络的公共节点上，这个公共节点上设置一个变量Flag表示当前正在规划的机器人的编号，当变量Flag为0表示当前没有机器人正在进行路径规划，变量Flag不为0表示对应编号的机器人当前正在进行路径规划。机器人在路径规划前需要调用这个Service请求获取路径规划的权限，运行在公共节点上的该Service服务端在此Service被调用时检查变量Flag，如果变量Flag为0则授予调用该Service的机器人路径规划的权限，并将变量Flag设置为该机器人的编号；如果变量Flag不为0则不授予调用该Service的机器人路径规划的权限，没有得到路径规划权限的机器人等待一段时间继续调用该Service请求获取路径规划的权限。得到路径规划权限的机器人在路径规划完成后，通过ROS Service通信机制将公共节点上授予机器人路径规划权限的Service服务端的变量Flag重新置0。为了防止因获得路径规划权限的机器人故障而导致的不能把变量Flag置0的情况，如果获得路径规划权限的机器人在tw后仍未把变量Flag置0，则运行该Service的公共节点会强制将变量Flag置0，这里tw是根据实际应用场景设置的等待时间。步骤103的目的是使分布式网络中同一时刻只有一个机器人正在规划路径。
如图1所示，在步骤104中，当得到路径规划权限后，使用本发明提出的改进A*路径规划算法为当前机器人规划路径，算法的流程图如图3所示，具体包括以下子步骤：
如图3所示，在步骤301中，将当前机器人的位置、目标点、栅格地图、其他机器人已经规划的路径信息(包括路径点在栅格地图中的坐标、路径点半径r范围内点的坐标和路径点相对于起点的里程)和对应机器人的位置、速度作为本发明提出的改进A*路径规划算法的输入。
关于A*算法可参考文献：徐思远.基于ROS平台的轮式机器人路径规划算法研究[D].南京理工大学,2019.
如图3所示，在步骤302中，将当前机器人的位置作为起点放入A*算法中存放待遍历节点的列表open list中。
如图3所示，在步骤303中，从open list中取出总代价F最小的点作为当前节点，然后在步骤304中判断当前节点是否为目标点，如果是则找到路径，本次规划结束；否则执行步骤305，将当前节点放入A*算法中存放不需要再遍历的节点的列表close list中，遍历当前节点四周可到达的点，并计算遍历到的点的总代价。
在本发明提出的改进A*路径规划算法中一个点的总代价F由四部分组成：传统A*算法中的G和H，以及本发明定义的冲突代价和避路代价。其中G为起点到当前遍历到的点的代价，H为当前遍历到的点到终点的估计代价。
冲突代价如图4所示，机器人B在路径规划时获取了机器人A已经规划好的路径信息、机器人A当前的位置和当前时刻机器人A的速度vA。当机器人B在路径规划的过程中遍历到机器人A的路径点P时，机器人A当前位置到P点的里程为CostPA,机器人B当前位置到P点的里程为CostPB，这里假设机器人A从当前位置到达P点为匀速运动，则机器人A到达P点的预估时间tA表示为：
Figure BDA0002876031060000051
机器人B在路径规划时预估自己到P点的平均速度vB，则机器人B到达P点的预估时间tB表示为：
Figure BDA0002876031060000052
当tA与tB之差的绝对值大于阈值tK，这里tK用户可以根据实际应用场景自行设置，则认为机器人A与机器人B会先后经过P点，不会在P点发生路径冲突；否则，认为机器人A与机器人B会在P点发生路径冲突，此时对于正在规划路径的机器人B其在P点的冲突代价为C1，C1为用户自己设定的一个常数。冲突代价的设置是为了避免两个机器人在同一时刻到达某地而造成路径冲突。用公式表示路径相交点P的冲突代价为：
Figure BDA0002876031060000061
避路代价如图5所示，机器人已经规划好的路径点半径r范围内的点设置避路代价C2，这里的C2可以设置为常数，在半径r的范围外的点没有避路代价。避路代价的设置是为了让机器人在路径规划时尽量避开其他机器人已经规划好的路径。
本算法中每个遍历到的点总代价的计算规则如下：
如图3所示，在步骤306中，如果遍历到的点不在现有的其他机器人规划的路径的半径r范围内，则按照A*算法的节点代价计算规则计算该节点的总代价，即F＝G+H；如果遍历到的点在现有的其他机器人规划的路径的半径r范围内，则执行步骤307判断遍历到的点是否在其他机器人的路径点上，如果不在则该点总代价为F＝G+H+C2，如果在则执行步骤308判断是否路径冲突，判断路径冲突的具体方法根据上述冲突代价的定义，如果该点有路径冲突则该点总代价为F＝G+H+C2+C1，否则该点总代价为F＝G+H+C2。
如图3所示，在步骤309中，遍历到的点放入A*算法中存放待遍历节点的列表openlist中。
重复上述步骤303至309，直到找到路径规划的目标点，在步骤310中输出路径。
如图1所示，在步骤105中，将当前机器人已经规划好的路径，包括路径点的信息和起点到每个路径点的里程信息使用ROS Service通信机制发布到分布式网络中，并使用ROSService通信机制将步骤103中分布式网络的公共节点上授予机器人路径规划权限的Service服务端的变量Flag重新置0。
如图1所示，在步骤106中，机器人到达目标点后，使用ROS Service通信机制删除其之前发布的路径信息。
本方法经仿真实验证明能够有效避免规划的路线与环境中其他机器人已经规划好的路线冲突，图6至图9为使用传统A*算法与使用本方法规划的路径效果对比。如图6所示，使用传统A*算法为两个机器人分别规划路线，两个机器人到达路径交点处的所用时间之差的绝对值小于阈值，容易在交点处产生路径冲突；如图7所示，使用本方法为两个机器人规划路径，与图6使用传统A*算法相比避开了路径冲突的情况。如图8所示，使用传统A*算法为两个机器人分别规划路线，可见二者的路径有一部分重合；如图9所示，使用本方法为两个机器人规划路径，机器人B在路径规划时考虑了机器人A已经规划好的的路径，从而避开了机器人A的路径。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (3)

1.一种基于冲突检测的多机器人路径规划方法，其特征在于，该方法包括以下步骤：
(1)根据机器人的实际工作环境通过栅格法建立栅格地图；
(2)将环境中需要进行路径规划的机器人组成分布式网络；
(3)设定机器人路径规划的目标点，机器人得到路径规划的目标点后，请求路径规划权限；所述请求路径规划权限具体为：使用ROS Service通信机制定义一个用于授予机器人路径规划权限的Service，该Service的服务端运行在步骤(2)中组成的分布式网络的公共节点上，这个公共节点上设置一个变量Flag表示当前正在规划的机器人的编号，当变量Flag为0表示当前没有机器人正在进行路径规划，变量Flag不为0表示对应编号的机器人当前正在进行路径规划；机器人在路径规划前需要调用这个Service请求获取路径规划的权限，运行在公共节点上的该Service服务端在此Service被调用时检查变量Flag，如果变量Flag为0，则授予调用该Service的机器人路径规划的权限，并将变量Flag设置为该机器人的编号；如果变量Flag不为0，则不授予调用该Service的机器人路径规划的权限，没有得到路径规划权限的机器人等待一段时间继续调用该Service请求获取路径规划的权限；得到路径规划权限的机器人在路径规划完成后，通过ROS Service通信机制将公共节点上授予机器人路径规划权限的Service服务端的变量Flag重新置0；为了防止因获得路径规划权限的机器人故障而导致的不能把变量Flag置0的情况，如果获得路径规划权限的机器人在tw后仍未把变量Flag置0，则运行该Service的公共节点会强制将变量Flag置0，这里tw是根据实际应用场景设置的等待时间；
(4)使用改进A*路径规划算法进行规划，该步骤通过以下子步骤来实现：
(4.1)获取当前机器人的位置、目标点、栅格地图、其他机器人已经规划的路径信息和对应机器人的位置、速度；
(4.2)将起点放入A*算法的存放待遍历节点的列表open list中；
(4.3)在open list中取出总代价F最小的点作为当前节点，判断当前节点是否为目标点，如果是则找到路径，本次规划结束；否则将当前节点放入A*算法中存放不需要再遍历的节点的列表close list中；
(4.4)遍历当前节点四周可到达的点并计算遍历到的点的总代价，如果遍历到的点不在现有的其他机器人规划的路径的半径r范围内，则按照A*算法的节点代价计算规则计算该节点的总代价，即F＝G+H；如果遍历到的点在现有的其他机器人规划的路径的半径r范围内，则判断遍历到的点是否在其他机器人的路径点上，如果不在则该点总代价为F＝G+H+C2，如果在则判断该点是否路径冲突，如果该点有路径冲突则该点总代价为F＝G+H+C2+C1，否则该点总代价为F＝G+H+C2，其中，G为起点到当前遍历到的点的代价，H为当前遍历到的点到终点的估计代价，C1和C2均为常数；
(4.5)将按照步骤(4.4)所述规则扩展到的点放入open list中；
(4.6)重复步骤(4.3)～步骤(4.5)，直到找到路径规划的目标点，形成路径；
(5)将当前机器人已经规划好的路径，包括路径点的信息和起点到每个路径点的里程信息发布到分布式网络中；
(6)机器人到达目标点后，删除其之前发布的路径信息。
2.根据权利要求1所述的基于冲突检测的多机器人路径规划方法，其特征在于，所述的步骤(2)中，所述将环境中需要进行路径规划的机器人组成分布式网络具体为：机器人在路径规划时利用ROS Service通信机制检测当前时刻是否有其他机器人正在规划路线，并获取其他机器人已经规划好的路径信息。
3.根据权利要求1所述基于冲突检测的多机器人路径规划方法，其特征在于，所述步骤(5)中，当前机器人规划好自己的路径后，利用ROS的Service通信机制将路径点的信息和起点到每个路径点的里程信息发布到分布式网络中。
CN202011614359.XA 2020-12-30 2020-12-30 一种基于冲突检测的多机器人路径规划方法 Expired - Fee Related CN112835364B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011614359.XA CN112835364B (zh) 2020-12-30 2020-12-30 一种基于冲突检测的多机器人路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011614359.XA CN112835364B (zh) 2020-12-30 2020-12-30 一种基于冲突检测的多机器人路径规划方法

Publications (2)

Publication Number Publication Date
CN112835364A CN112835364A (zh) 2021-05-25
CN112835364B true CN112835364B (zh) 2022-05-13

Family

ID=75925750

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011614359.XA Expired - Fee Related CN112835364B (zh) 2020-12-30 2020-12-30 一种基于冲突检测的多机器人路径规划方法

Country Status (1)

Country Link
CN (1) CN112835364B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113804197B (zh) * 2021-07-30 2024-07-12 深圳市新盒科技有限公司 基于复杂轨道地图的多台机器小车路径规划方法
CN113671965B (zh) * 2021-08-24 2024-03-12 同济大学 路径规划方法及装置
CN114063612B (zh) * 2021-10-20 2024-06-21 深圳市优必选科技股份有限公司 一种路径规划方法、路径规划装置及电子设备
CN115220461B (zh) * 2022-09-21 2023-02-17 睿羿科技(山东)有限公司 室内复杂环境下机器人单体***及多机器人交互协同方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100670565B1 (ko) * 2004-04-01 2007-01-18 재단법인서울대학교산학협력재단 확장된 충돌 지도를 이용한 다개체 로봇의 충돌 회피 방법및 그 방법을 기록한 컴퓨터로 판독 가능한 기록 매체
CN103217979B (zh) * 2013-03-29 2015-04-15 无锡普智联科高新技术有限公司 基于缓冲区的多移动机器人路径冲突解决方法
CN106325280B (zh) * 2016-10-20 2019-05-31 上海物景智能科技有限公司 一种多机器人防碰撞方法及***
CN106873604A (zh) * 2017-04-18 2017-06-20 中国科学院重庆绿色智能技术研究院 基于无线通讯的智能多机器人控制***
CN108253984A (zh) * 2017-12-19 2018-07-06 昆明理工大学 一种基于改进a星算法的移动机器人路径规划方法
CN108268037B (zh) * 2018-01-19 2021-05-07 广东美的智能机器人有限公司 多移动机器人的冲突管理方法及***
CN109115226B (zh) * 2018-09-01 2021-11-19 哈尔滨工程大学 基于跳点搜索的多机器人冲突避免的路径规划方法

Also Published As

Publication number Publication date
CN112835364A (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
CN112835364B (zh) 一种基于冲突检测的多机器人路径规划方法
CN107773164B (zh) 用于清洁机器人的清洁方法、装置及机器人
WO2019141222A1 (zh) 多移动机器人的冲突管理方法及***
Nishi et al. Petri net decomposition approach to optimization of route planning problems for AGV systems
CN111638717B (zh) 一种分布式自主机器人交通协调机制的设计方法
CN113031603A (zh) 一种基于任务优先级的多物流机器人协同路径规划方法
CN109213153B (zh) 一种车辆自动驾驶方法及电子设备
CN106525047A (zh) 一种基于floyd算法的无人机路径规划方法
JP2004280213A (ja) 分散型経路計画装置及び方法、分散型経路計画プログラム
CN112700479B (zh) 一种基于cnn点云目标检测的配准方法
Pan et al. Research for path planning based on improved astart algorithm
CN114815802A (zh) 一种基于改进蚁群算法的无人天车路径规划方法和***
CN111735466A (zh) 一种多车协同轨迹规划方法、装置、设备及存储介质
CN109508010B (zh) 一种基于栅格地图的多移动机器人***栅格点前瞻性防死锁动态分配方法
CN109115220B (zh) 一种用于停车场***路径规划的方法
WO2019141225A1 (zh) 多移动机器人的冲突管理方法及***
CN111737395A (zh) 一种占据栅格地图生成方法、装置及机器人***
JP2020042793A (ja) 確率プロットに基づく障害物分布シミュレーション方法、装置及び端末
CN111142567A (zh) 一种无人机***中的无人机目标位置交换方法及装置
CN114399125B (zh) 车队最优轨迹控制方法、装置、电子设备及存储介质
Li et al. An Improved Path Planning Algorithm Based on A* Algorithm
CN114063612A (zh) 一种路径规划方法、路径规划装置及电子设备
CN116414139B (zh) 基于A-Star算法的移动机器人复杂路径规划方法
Zhang et al. APFD: an effective approach to taxi route recommendation with mobile trajectory big data
Fanti A deadlock avoidance strategy for AGV systems modelled by coloured Petri nets

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220513