CN114661047A - 一种基于时间窗的多agv实时调度的路径优化方法 - Google Patents
一种基于时间窗的多agv实时调度的路径优化方法 Download PDFInfo
- Publication number
- CN114661047A CN114661047A CN202210260353.XA CN202210260353A CN114661047A CN 114661047 A CN114661047 A CN 114661047A CN 202210260353 A CN202210260353 A CN 202210260353A CN 114661047 A CN114661047 A CN 114661047A
- Authority
- CN
- China
- Prior art keywords
- path
- conflict
- trolley
- time
- node
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005457 optimization Methods 0.000 title claims abstract description 29
- 238000007514 turning Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 241000208125 Nicotiana Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于时间窗的多AGV实时调度的路径优化方法,先通过采集无人车间地形环境信息,构建无人车间模型;***接收机床物料请求,分配空闲小车,采用A*算法或Dijkstra算法实现路径规划和添加时间窗标记;逐个遍历正在工作的小车路线,通过时间窗检查法判断是否存在时间冲突及冲突类型;根据冲突类型消除冲突,进行路线的二次优化。本发明通过将路线规划、冲突消解合为一起的实时调度方法,给空闲小车静态分配路线时,提前预判出在之后某个时间点会和工作中的小车存在冲突,可提前避免之后某个时间点的冲突,有效提高搬运物料的效率,为***调度控制提供新的途径和优化方法,具有广阔的应用前景。
Description
技术领域
本发明涉及导航和控制技术领域,具体涉及一种基于时间窗的多AGV实时调度的路径优化方法。
背景技术
自动导航车AGV是现代工业自动化物流***中的关键设备之一。AGV具有灵活性、智能化等显著特点,可以方便的重组***,达到生产制造业柔性化运输的需求。与传统的人工或半人工的物料运输方式相比,AGV***降低了劳动强度,减少了物料运输时的潜在危险,极大的提高了生产效率,在各行各业发挥着重要的作用。
传统的AGV小车的路径规划,是根据无人工厂或无人车间的环境影响,通过激光导引技术为每一辆AGV小车规划出一条无冲突且效率较高的路径,AGV小车的路径规划主要包括3个方面的问题:(1)确定从起始点到目标点之间是否存在可行的路径。(2)为AGV小车规划出来的路径必须是无阻塞、无冲突、无死锁的。(3)为AGV小车规划出来的路径应该使得整个***的运行效率达到一个较优的效果。其中,激光导引技术主要分为两部分:AGV激光扫描器和AGV反射板。安装在AGV小车上的激光扫描器以固定的转速旋转360°,并且向反射板发送激光。激光扫描器根据反射板返回的激光的方向,就能探测到反射板的位置并可得到激光角度的信息。AGV车载计算机接收到以上信息并加以处理,可以计算出AGV小车的位置以及运动的方向。AGV小车在运行的过程中将自己的当前位置发送给上层控制***,上层控制***将AGV小车的位置和***内置的关于该辆AGV小车的参数进行对比校正,从而引导AGV小车沿着正确的路线行驶。对于需要多AGV小车的场合,存在着多AGV的调度问题。
目前,应用和研究比较广泛的调度方法主要有基于时间窗路径规划的调度算法、基于冲突避障的调度算法、基于人工智能预测的调度算法等。基于时间窗路径规划的调度算法是一种简单实用的调度方法,能够避免AGV小车间的冲突与等待死锁等情况。该方法规定在某个时间段中,某个路段被某辆AGV小车所独占,其它AGV小车在该时间段中不得驶入该路段中;基于时间窗的冲突类型,一般分为共点冲突类型和相向冲突类型;基于时间窗的全局路径规划方法,主要用于静态全局路径规划,试图解决避免冲突发生,这种方法求解非常耗时,特别是已经存在许多路径约束的情况,甚至得不到合适的路径。彭成吉的“基于时间窗算法的多AGV路径冲突的研究”论文《中国烟草学会学术年会优秀论文集》提出了一种基于时间窗的动态路径规划方法,其在冲突节点暂停,然后再次调用Dijstra算法重新进行后续路径规划,该方法是在冲突节点暂停,或移到避障点,然后修改后续路径中每个节点的时间窗,并重新检查修改过时间窗的节点是否存在冲突,若存在冲突,则重复解决此冲突,直到路径全部检查结束,这种方法的不足是再次规划路径可能还是原来的路径,导致规划失败。
例如,专利号为CN113515117A的发明中提出了一种基于时间窗的多AGV实时调度的冲突消解方法,在处理相向冲突的方法是在冲突节点之后增加一个让位点S,之后所有出行点的时间戳均加上1,这种方法的不足是进入让位点之后没有计算停等时间,小车进入让位点S之后返回原来路径之后依然可能出现相向冲突,没有对冲突后的路径进行二次优化来再次避免冲突。
发明内容
本发明针对现有技术中的不足,提供一种基于时间窗的多AGV实时调度的路径优化方法,通过将地形环境信息进行数据化处理,建立无人车间模型,同时将路线规划与冲突消解合为一起的实时调度方法,给空闲小车静态分配路线的时候就可以提前预判出在之后某个时间点会和工作中的小车存在冲突,因此在分配路线的时候就可以再进行路线的二次优化,将提前避免之后某个时间点的冲突,有效提高搬运物料的效率。
为实现上述目的,本发明采用以下技术方案:
本发明实施例提出了一种基于时间窗的多AGV实时调度的路径优化方法,所述方法包括以下步骤:
S1,采集无人车间地形环境信息,进行数据格网化处理,构建无人车间模型;
S2,接收机床物料请求,分配空闲小车,结合无人车间模型,采用A*算法或Dijkstra算法对该机床物料请求进行初始路径规划,并添加相应的时间窗标记;机床物料请求包括源点和目标节点;
S3,逐个遍历正在工作的AGV小车路线,结合时间窗判断其未完成的路线与步骤S2中规划的初始路径是否存在时间冲突,若无冲突,将该路线加入到线路集合P中,转到步骤S6,如存在冲突,进一步判断冲突类型,转入步骤S4;冲突类型包括共点冲突和相向冲突;
S4,根据冲突类型,以最小化停等次数为优化目标,通过让其中一个AGV小车停等的方式消除冲突,对初始路径进行二次优化;
S5,根据预设的调度周期刷新路线集合P,消除每个AGV小车已经走过的路线、路线出行点及相应出行点的时间窗标记;
S6,重复执行步骤S2至S5,直到所有AGV小车调度结束。
进一步地,步骤S2中,对该机床物料请求进行初始路径规划,并添加相应的时间窗标记的过程包括以下子步骤:
S21,接收机床物料请求,结合无人车间模型,根据机床位置,采用A*算法或Dijkstra算法,得到一条最优路径La={r1,r2,r3,...rN},其中N为该路径节点个数,将此路径分配给一个空闲的AGV小车a;
S22,根据小车a的出发时间t,将路径La中的每一个出行点加上一个时间戳,得到小车a的时间戳集合Ta={t1,t2,t3,...tN},其中tN是以t为开始时间,到达第N个节点rN的时间;
S23,将该路径的调度路线集合和路线时间戳集合加入到路线集P中,具体的表示形式如下:
p=p∪{La,Ta}。
进一步地,步骤S3中,所述结合时间窗判断其未完成的路线与步骤S2中规划的初始路径是否存在时间冲突的过程包括以下子步骤:
逐个遍历线路La中的出行点ri,其中i=1,2,…,N,判断是否与路线集P中的规划路线的任意一个出行点存在时间冲突:
如果检测出小车a的路径节点与小车b的路径节点相同,且小车a的路径节点对应的时间戳与小车b的路径节点对应的时间戳相同,则判断为小车a和小车b存在共点冲突;如果检测出小车a的路径节点与小车b的路径节点相同,且小车a下一个路径节点与小车b的上一个路径节点相同,其中对应路径节点的时间戳存在交叉,则判断小车a和小车b存在相向冲突。
进一步地,步骤S4中,根据冲突类型,以最小化停等次数为优化目标,通过让其中一个AGV小车停等的方式消除冲突,对初始路径进行二次优化的过程包括以下子步骤:
当冲突类型为共点冲突时,标记出共点冲突的路径节点ri,在其中一个小车的路径节点ri+1添加路径节点ri,原路径节点ri之后的节点顺延至下一个节点位置,使小车在共点冲突的路径节点ri暂停一次,再修改对应的时间戳集合,ti+1=ti+1,修改的ri+1后所有路径节点对应的时间戳加1;
当冲突类型为相向冲突时,标记出相向冲突的入口路径节点ri,选择其中一辆小车的路径节点ri+1作为让位点S,令该小车在让位点S停等直至相向冲突的小车驶离入口路径节点ri;计算选择的小车从入口路径节点ri到达让位点S需要的时间t1,修改对应时间戳根据相向冲突的小车当前位置到入口路径节点ri的距离,以及相向冲突的小车的速度,计算出选择的小车在让位点S的停等时间t2;停等时间结束时,选择的小车重返相向冲突的入口路径节点ri,修改路线ri+2=ri,并且之后的对应的时间戳均加上t1+t2,j∈{2,3,4,...N-i+2}。
本发明的有益效果是:
第一,本发明提出的基于时间窗的多AGV实时调度的路径优化方法,通过将地形环境信息进行数据化处理,建立无人车间模型,可应用于绝大多数的无人车间、港口码头和仓储物流等环境,解决了自动导航车AGV在物流操作的局限性,扩展了更多的通用场景。
第二,本发明提出的基于时间窗的多AGV实时调度的路径优化方法,提出了将路线规划与冲突消解合为一起的实时调度方法,在给空闲小车静态分配路线的时候就可以提前预判出在之后某个时间点会和工作中的小车存在冲突,因此在分配路线的时候就可以再进行路线的二次优化,将提前避免之后某个时间点的冲突。
第三,本发明提出的基于时间窗的多AGV实时调度的路径优化方法,当发生冲突时根据冲突类型调用消解策略解决当前冲突,对于冲突之后的路径进行二次优化,找到合适的避障点进行停等,极大的提高了AGV的运行效率,减少了冗余且无效路线的运行。
第四,本发明提出的基于时间窗的多AGV实时调度的路径优化方法,通过对于复杂的情况下采用设立特定避障点的方式,可以有效避免无法消解的多AGV冲突情况,有效提高搬运物料的效率,为***调度控制提供新的途径和优化方法,具有广阔的应用前景。
附图说明
图1是本发明实施例的基于时间窗的多AGV实时调度的路径优化方法的流程示意图。
图2是本发明实施例的无人车间的地图建模结构示意图。
图3是本发明实施例的A*算法进行最短路径的计算方式示意图。
图4是本发明实施例的最短路径标注的示意图。
图5是本发明实施例的多个AGV冲突案例示意图。
图6是本发明实施例的冲突解决运行示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
需要注意的是,发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
图1是本发明实施例的基于时间窗的多AGV实时调度的路径优化方法的流程示意图。本实施例提出了一种基于时间窗的多AGV实时调度的路径优化方法,该方法包括以下步骤:
S1,采集无人车间地形环境信息,进行数据格网化处理,构建无人车间模型。
S2,接收机床物料请求,分配空闲小车,结合无人车间模型,采用A*算法或Dijkstra算法对该机床物料请求进行初始路径规划,并添加相应的时间窗标记;机床物料请求包括源点和目标节点。
S3,逐个遍历正在工作的AGV小车路线,结合时间窗判断其未完成的路线与步骤S2中规划的初始路径是否存在时间冲突,若无冲突,将该路线加入到线路集合P中,转到步骤S6,如存在冲突,进一步判断冲突类型,转入步骤S4;冲突类型包括共点冲突和相向冲突。
S4,根据冲突类型,以最小化停等次数为优化目标,通过让其中一个AGV小车停等的方式消除冲突,对初始路径进行二次优化。
S5,根据预设的调度周期刷新路线集合P,消除每个AGV小车已经走过的路线、路线出行点及相应出行点的时间窗标记。
S6,重复执行步骤S2至S5,直到所有AGV小车调度结束。
一、构建无人车间模型
采集无人车间地形环境信息,进行数据格网化处理,构建无人车间模型。
二、路径规划和添加时间窗标记
***接收机床物料请求,结合无人车间模型,根据机床位置调用A*算法或Dijkstra算法得到一条最短路径La={r1,r2,r3,...rN},其中N为该路径节点个数,并将此路径分配给一个空闲的AGV小车a;然后根据小车出发时间t,给该路径的每一个出行点加上时间戳,得到小车a的时间戳集合Ta={t1,t2,t3,...tN},t1是以t为开始时间,到达对应第一个节点r1的时间,t2是以t为开始时间,到达对应第二个节点r2的时间,...tN是以t为开始时间,到达对应第N个节点rN的时间,最后将该路径加入到调度路线集合和对应路线时间戳集合加入到路线集P中,p=p∪{La,Ta}。
如图2所示。本实施例以无人车间为例,该车间中有一个物料起始中心,里面存放着待加工的零件;有5条公共道路,供AGV小车行驶;有25个机床,等待零件的加工。
当第一个机床发出请求时,***响应该请求,为各辆AGV小车规划全局静态最短路径时,考虑到Dijkstra算法具有较高的时间复杂度和空间复杂度,而A*算法搜索的是从源点到目标节点的最短路径,包含了具体的路径,方便有效,所以本实施例采用A*算法进行实现。
如图3、图4所示,采用A*算法进行最短路径的计算,生成最短路径标注示意图。
三、通过时间窗检查法判断是否存在时间冲突及冲突类型
首先对路线La,逐个遍历La中的出行点ri,其中i=1,2,…,N,检查是否与P中的每条路线的每个出行点存在时间冲突,如果小车a检测出路径节点与小车b的路径节点相同并且小车a的路径节点对应的时间戳与小车b的路径节点对应的时间戳时间相同,则判断出是共点冲突。
若无冲突,则将该路线加入到路线P中,转到步骤S6。
四、根据冲突类型消除冲突,进行路线的二次优化
若冲突类型属于共点冲突,则先标记出共点冲突的路径节点ri,在路径节点ri+1添加路径节点ri,原本路径节点ri之后的节点向后移动一个节点的位置,在共点冲突的路径节点ri暂停一次,再修改对应的时间戳集合,ti+1=ti+1,并且修改ri+1之后所有路径节点对应的时间戳加1。
若冲突类型属于相向冲突,则需要对相向冲突路径进行二次优化,先标记出相向冲突的入口路径节点ri,则ri+1应进入让位点S,计算从入口路径节点ri到达让位点S需要的时间t1,并且修改对应时间戳然后在让位点S需要进行停等,等待相向冲突的小车驶离相向冲突的入口路径节点ri,根据(小车当前位置到入口路径节点ri的距离/小车速度)计算出停等时间t2,之后小车需要重返相向冲突的入口路径节点ri,修改路线ri+2=ri,再修改之后的对应的时间戳均加上t1+t2,j∈{2,3,4,...N-i+2}。
如图5、图6所示,例如本实施例中共有2辆AGV小车,且在它们各自的行进路线上存在着相向冲突。
其中,1号AGV小车的坐标在(1,14)处,它的下一步位置是(1,15);2号AGV小车的坐标在(1,18)处,它的下一步位置是(1,17)。
2辆AGV小车间的相向冲突,具体的冲突消除及路径优化方法如下:
(1)1号AGV小车与2号AGV小车发生相向冲突,而2号AGV小车的右方存在空闲的避障点,所以2号AGV小车的下一步位置更新为(2,18),计算从(1,18)到(2,18)的时间,从而更新之后所有路径节点的时间。
(2)需要计算2号AGV小车在(1,17)位置的停等时间,从而让1号小车能够顺利的通过,1号小车现在位置(1,14)距离冲突路口点(1,18)有四格,小车速度是1格每秒,因此2号小车需要在避障点(2,18)停留4秒,再添加原来路径节点路径,从而更新之后所有路径节点的时间。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (4)
1.一种基于时间窗的多AGV实时调度的路径优化方法,其特征在于,所述方法包括以下步骤:
S1,采集无人车间地形环境信息,进行数据格网化处理,构建无人车间模型;
S2,接收机床物料请求,分配空闲小车,结合无人车间模型,采用A*算法或Dijkstra算法对该机床物料请求进行初始路径规划,并添加相应的时间窗标记;机床物料请求包括源点和目标节点;
S3,逐个遍历正在工作的AGV小车路线,结合时间窗判断其未完成的路线与步骤S2中规划的初始路径是否存在时间冲突,若无冲突,将该路线加入到线路集合P中,转到步骤S6,如存在冲突,进一步判断冲突类型,转入步骤S4;冲突类型包括共点冲突和相向冲突;
S4,根据冲突类型,以最小化停等次数为优化目标,通过让其中一个AGV小车停等的方式消除冲突,对初始路径进行二次优化;
S5,根据预设的调度周期刷新路线集合P,消除每个AGV小车已经走过的路线、路线出行点及相应出行点的时间窗标记;
S6,重复执行步骤S2至S5,直到所有AGV小车调度结束。
2.根据权利要求1所述的基于时间窗的多AGV实时调度的路径优化方法,其特征在于,步骤S2中,对该机床物料请求进行初始路径规划,并添加相应的时间窗标记的过程包括以下子步骤:
S21,接收机床物料请求,结合无人车间模型,根据机床位置,采用A*算法或Dijkstra算法,得到一条最优路径La={r1,r2,r3,...rN},其中N为该路径节点个数,将此路径分配给一个空闲的AGV小车a;
S22,根据小车a的出发时间t,将路径La 中的每一个出行点加上一个时间戳,得到小车a的时间戳集合Ta={t1,t2,t3,...tN},其中tN是以t为开始时间,到达第N个节点rN的时间;
S23,将该路径的调度路线集合和路线时间戳集合加入到路线集P中,具体的表示形式如下:
p=p∪{La,Ta}。
3.根据权利要2所述的基于时间窗的多AGV实时调度的路径优化方法,其特征在于,步骤S3中,所述结合时间窗判断其未完成的路线与步骤S2中规划的初始路径是否存在时间冲突的过程包括以下子步骤:
逐个遍历线路La中的出行点ri,其中i=1,2,…,N,判断是否与路线集P中的规划路线的任意一个出行点存在时间冲突:
4.根据权利要求3所述的基于时间窗的多AGV实时调度的路径优化方法,其特征在于,步骤S4中,根据冲突类型,以最小化停等次数为优化目标,通过让其中一个AGV小车停等的方式消除冲突,对初始路径进行二次优化的过程包括以下子步骤:
当冲突类型为共点冲突时,标记出共点冲突的路径节点ri,在其中一个小车的路径节点ri+1添加路径节点ri,原路径节点ri之后的节点顺延至下一个节点位置,使小车在共点冲突的路径节点ri暂停一次,再修改对应的时间戳集合,ti+1=ti+1,修改的ri+1后所有路径节点对应的时间戳加1;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210260353.XA CN114661047A (zh) | 2022-03-16 | 2022-03-16 | 一种基于时间窗的多agv实时调度的路径优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210260353.XA CN114661047A (zh) | 2022-03-16 | 2022-03-16 | 一种基于时间窗的多agv实时调度的路径优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114661047A true CN114661047A (zh) | 2022-06-24 |
Family
ID=82028628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210260353.XA Pending CN114661047A (zh) | 2022-03-16 | 2022-03-16 | 一种基于时间窗的多agv实时调度的路径优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114661047A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024051507A1 (zh) * | 2022-09-07 | 2024-03-14 | 北京极智嘉科技股份有限公司 | 多机器人路径规划方法、装置及计算设备 |
-
2022
- 2022-03-16 CN CN202210260353.XA patent/CN114661047A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024051507A1 (zh) * | 2022-09-07 | 2024-03-14 | 北京极智嘉科技股份有限公司 | 多机器人路径规划方法、装置及计算设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Banzhaf et al. | The future of parking: A survey on automated valet parking with an outlook on high density parking | |
CN107816996B (zh) | 时变环境下agv流时空干涉检测与规避方法 | |
CN103492968B (zh) | 碰撞避免方法和相关的*** | |
EP1727011B1 (en) | Transportation system | |
JP7328923B2 (ja) | 情報処理装置、情報処理方法、及びコンピュータプログラム | |
CN111532641B (zh) | 仓储分拣中自动引导车的并行路径规划方法 | |
CN109885049A (zh) | 一种基于航位推算的激光导引agv自动建图和路径匹配方法 | |
Yang et al. | Hierarchical planning for multiple AGVs in warehouse based on global vision | |
JP2024020457A (ja) | 情報処理装置、情報処理方法、コンピュータプログラム及び情報処理システム | |
CN111024088A (zh) | 一种激光叉车路径规划方法 | |
CN111487983A (zh) | 一种封闭式自动化物流园区的多台agv调度方法 | |
CN114077254A (zh) | 一种agv路径冲突处理方法 | |
CN114661047A (zh) | 一种基于时间窗的多agv实时调度的路径优化方法 | |
CN110412990B (zh) | 一种用于工厂环境下的agv避碰方法 | |
CN114740834A (zh) | 一种基于Petri网模型的多AGV路径规划避障方法 | |
CN114115248A (zh) | 一种仓储环境下多机器人协同运输方法及*** | |
CN114924538A (zh) | 一种基于图结构的多agv实时调度与冲突消解方法 | |
CN113515117A (zh) | 一种基于时间窗的多agv实时调度的冲突消解方法 | |
CN116923951A (zh) | 一种适用于智能仓储的运动调度控制*** | |
CN114840001A (zh) | 一种封闭环境下的多车协同轨迹规划方法 | |
Matsui et al. | Local and global path planning for autonomous mobile robots using hierarchized maps | |
CN117008595A (zh) | 行进路径规划方法及装置、自移动机器人和存储介质 | |
van den Berg et al. | Curvature aware motion planning with closed-loop rapidly-exploring random trees | |
Nevliudov et al. | Modeling of a Decentralized System for Maintenance of Production Equipment Based on Transport Robots | |
JPH04340607A (ja) | 最適経路決定装置 |
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 |