CN115351803B - 仓储物流机器人的路径规划方法及装置 - Google Patents
仓储物流机器人的路径规划方法及装置 Download PDFInfo
- Publication number
- CN115351803B CN115351803B CN202211283891.7A CN202211283891A CN115351803B CN 115351803 B CN115351803 B CN 115351803B CN 202211283891 A CN202211283891 A CN 202211283891A CN 115351803 B CN115351803 B CN 115351803B
- Authority
- CN
- China
- Prior art keywords
- robot
- warehouse
- idle
- position point
- path
- 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 68
- 238000013439 planning Methods 0.000 title claims abstract description 52
- 230000008569 process Effects 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 230000003068 static effect Effects 0.000 claims description 55
- 238000010586 diagram Methods 0.000 claims description 29
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 230000004888 barrier function Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract 1
- 238000010845 search algorithm Methods 0.000 description 10
- 238000013135 deep learning Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241000282461 Canis lupus Species 0.000 description 1
- 241000283973 Oryctolagus cuniculus Species 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013068 supply chain management Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
Abstract
本发明涉及一种仓储物流机器人的路径规划方法及装置,包括:接收运送指令,从运送指令中解析得到目的位置点和物品位置点,寻找仓库中空闲机器人并确定空闲机器人的机器位置点,根据机器位置点和物品位置点确定空闲机器人到达物品位置点的第一路径线,驱动空闲机器人在所述第一路径线中执行运动,实时计算空闲机器人与其他机器人、动态障碍物的电荷引力值,根据电荷引力值调节空闲机器人直至到达物品位置点并完成取货,根据所述物品位置点及目的位置点确定到达目的位置点的第二路径线,驱动完成取货的空闲机器人在第二路径线中执行运动直至到达目的位置点。本发明可以解决机器人路径规划过程造成计算资源浪费的问题。
Description
技术领域
本发明涉及路径智能规划技术领域,尤其涉及一种仓储物流机器人的路径规划方法、装置、电子设备及计算机可读存储介质。
背景技术
伴随人工智能的快速发展,越来越多的行业被智能机器人所替代,特别是物流行业中的货物运输,目前已有仓库中的货物使用机器人执行智能搬运。
基于机器人的货物智能搬运主要是在机器人中集成了监控设备,并通过监控设备内的深度学习检测算法实时捕捉仓库障碍物,并结合粒子搜索算法、蚁群搜索算法等智能路径规划模型反复迭代计算出机器人的每一步行走方向,以完美规避仓库障碍物从而完成货物搬运。
综合来说,上述方法可以较为完善的实现机器人的智能搬运,但机器人中集成了深度学习检测算法及智能路径规划模型等,由于深度学习检测算法及智能路径规划模型需要占用较高的计算资源,因此机器人的智能搬运过程会造成过多的资源消耗,即现方法缺少一种可在节约计算资源的前提下实现搬运的方法。
发明内容
本发明提供一种仓储物流机器人的路径规划方法、装置及计算机可读存储介质,其主要目的在于解决机器人在执行货物搬运时,路径规划生成过程造成过多计算资源浪费的问题。
为实现上述目的,本发明提供的一种仓储物流机器人的路径规划方法,包括:
接收运送指令,从所述运送指令中解析得到目的位置点和物品位置点,其中目的位置点和物品位置点不超过仓库范围;
寻找仓库中空闲机器人,将所述运送指令发送至空闲机器人并确定空闲机器人的机器位置点;
根据所述机器位置点和物品位置点确定空闲机器人到达物品位置点的第一路径线,确定空闲机器人的运动速度,并根据运动速度驱动空闲机器人在所述第一路径线中执行运动;
在运动过程中实时计算空闲机器人与其他机器人、动态障碍物的电荷引力值,根据所述电荷引力值调节空闲机器人的运动速度及运动方向,直至空闲机器人到达物品位置点并完成取货,其中电荷引力值的计算方法为:
其中,表示空闲机器人r与其他机器人或动态障碍物的电荷引力值,表示空闲机器人r在仓库栅格集的位置,表示其他机器人或动态障碍物d在仓库栅格集的位置,d表示与距离值,表示其他机器人或动态障碍物d所发起的电荷被空闲机器人r接收时的电荷强度;
根据所述物品位置点及目的位置点确定空闲机器人到达目的位置点的第二路径线,驱动完成取货的空闲机器人在所述第二路径线中执行运动,直至到达目的位置点。
可选地,所述接收运送指令之前包括:
接收仓库的位置信息,其中位置信息至少包括仓库的上下左右共四组拐角GPS点;
根据四组拐角GPS点生成仓库平面系,根据仓库平面系的面积划分仓库平面系为仓库栅格集,其中仓库栅格集由个仓库栅格组成;
将仓库中的障碍物分为动态障碍物和静态障碍物,并确定每个静态障碍物的静态GPS点,同时实时检测每个动态障碍物的GPS变化,得到包括时间变化的动态GPS点;
接收仓库内的所有机器人的机器GPS点,其中机器人按照是否正在实施搬运任务分为空闲机器人和忙碌机器人;
将机器GPS点、静态GPS点和包括时间变化的动态GPS点投射到所述仓库栅格集,得到以仓库范围内包括动态障碍物、静态障碍物及机器人的仓库网格图。
可选地,所述将仓库中的障碍物分为动态障碍物和静态障碍物,之后还包括:
将仓库中每个动态障碍物及每个机器人均绑定可生成电荷的电荷发生装置及电荷强度接收器。
可选地,所述运送指令的构建过程包括:
接收仓库管理员点击预先构建在移动设备内的机器人搬运指令;
当点击成功所述机器人搬运指令时,自动定位仓库管理员所在位置,得到仓管GPS点;
确定所述仓管GPS点是否为物品位置点,当所述仓管GPS点不为物品位置点时,接收仓库管理员重新输入的物品GPS点,将仓管GPS点或物品GPS点投射到所述仓库网格图中得到物品位置点;
接收仓库管理员输入的目的GPS点,将所述目的GPS点投射到所述仓库网格图中得到目的位置点;
将所述物品位置点及目的位置点嵌入至机器人搬运指令中生成所述运送指令。
可选地,所述寻找仓库中空闲机器人,包括:
在所述仓库网格图中搜索存在的空闲机器人,若仓库网格图中均为忙碌机器人,等待其中一个忙碌机器人完成搬运任务后立刻确定为空闲机器人;
若仓库网格图中仅存在的一个空闲机器人,确定该空闲机器人即为执行运送指令的机器人;
若仓库网格图中存在的多个空闲机器人,依次计算每个空闲机器人与物品位置点的距离,选择距离最小的空闲机器人确定为执行运送指令的机器人。
可选地,所述根据所述机器位置点和物品位置点确定空闲机器人到达物品位置点的第一路径线,包括:
在所述仓库网格图中搜索出机器位置点和物品位置点,并分别以机器位置点和物品位置点作为矩形区域的两个对角点,确定出矩形形状的取货路径范围;
在所述取货路径范围内搜索出所有静态障碍物所在的网格点;
根据路径最优化算法,在考虑所有静态障碍物所在网格点的情况下,规划出在取货路径范围内的空闲机器人到达物品位置点的第一路径线。
可选地,所述确定空闲机器人的运动速度,包括:
计算所述取货路径范围内每个静态障碍物与空闲机器人的距离值,得到一组或多组距离值;
根据预先构建的运动速度计算公式计算得到空闲机器人的运动速度,其中计算方法为:
其中,v表示空闲机器人的运动速度,表示第一路径线的长度,表示距离空闲机器人与取货路径范围内最近的静态障碍物的距离,表示距离空闲机器人与取货路径范围内第二近的静态障碍物的距离,表示距离空闲机器人与取货路径范围内第n近的静态障碍物的距离,t为预先设定的取货时间。
可选地,所述在运动过程中实时计算空闲机器人与其他机器人、动态障碍物的电荷引力值,包括:
确定所述取货路径范围内所包括的动态障碍物及机器人
启动所述空闲机器人的电荷强度接收器,利用电荷强度接收器接收在取货路径范围内,每个动态障碍物及每个机器人利用所绑定的电荷发生装置所发起的电荷强度;
依次计算空闲机器人与每个机器人、动态障碍物的电荷引力值。
可选地,所述根据所述电荷引力值调节空闲机器人的运动速度及运动方向,包括:
判断所述电荷引力值与预设的电荷引力阈值的大小关系;
当电荷引力值小于电荷引力阈值时,保持空闲机器人的运动速度及运动方向不变,直至电荷引力值大于或等于所述电荷引力阈值时,将运动速度置零,使得空闲机器人从运动状态变为静止状态;
当空闲机器人的静止状态持续时间大于或等于阈值时间,且电荷引力值依然大于或等于所述电荷引力阈值时,调整空闲机器人的运动方向,直至电荷引力值小于电荷引力阈值时,保持调整后的运动方向继续运动至物品位置点。
为了解决上述问题,本发明还提供一种仓储物流机器人的路径规划装置,所述装置包括:
指令接收模块,用于接收运送指令,从所述运送指令中解析得到目的位置点和物品位置点,其中目的位置点和物品位置点不超过仓库范围;
机器位置点确定模块,用于寻找仓库中空闲机器人,将所述运送指令发送至空闲机器人并确定空闲机器人的机器位置点;
第一路径线确定模块,用于根据所述机器位置点和物品位置点确定空闲机器人到达物品位置点的第一路径线,确定空闲机器人的运动速度,并根据运动速度驱动空闲机器人在所述第一路径线中执行运动;
电荷引力值计算模块,用于在运动过程中实时计算空闲机器人与其他机器人、动态障碍物的电荷引力值,根据所述电荷引力值调节空闲机器人的运动速度及运动方向,直至空闲机器人到达物品位置点并完成取货,其中电荷引力值的计算方法为:
其中,表示空闲机器人r与其他机器人或动态障碍物的电荷引力值,表示空闲机器人r在仓库栅格集的位置,表示其他机器人或动态障碍物d在仓库栅格集的位置,d表示与距离值,表示其他机器人或动态障碍物d所发起的电荷被空闲机器人r接收时的电荷强度;
第二路径线确定模块,用于根据所述物品位置点及目的位置点确定空闲机器人到达目的位置点的第二路径线,驱动完成取货的空闲机器人在所述第二路径线中执行运动,直至到达目的位置点。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的仓储物流机器人的路径规划方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的仓储物流机器人的路径规划方法。
本发明实施例为解决背景技术所述问题,先接收运送指令,从运送指令中解析得到目的位置点和物品位置点,然后寻找仓库中空闲机器人,将所述运送指令发送至空闲机器人并确定空闲机器人的机器位置点,根据所述机器位置点和物品位置点确定空闲机器人到达物品位置点的第一路径线,确定空闲机器人的运动速度,并根据运动速度驱动空闲机器人在所述第一路径线中执行运动,在此过程中可见,本发明实施例抛弃通过监控设备内的深度学习检测算法实时捕捉仓库障碍物的方法,而是直接确定出机器位置点和物品位置点后一次性计算出第一路径线,且未像传统粒子搜索算法、蚁群搜索算法等智能路径规划模型,先驱动机器人行驶一段路线后又反复迭代迭代计算下一段路线,因此节约了大量的计算资源,且在运动过程中实时计算空闲机器人与其他机器人、动态障碍物的电荷引力值,根据所述电荷引力值调节空闲机器人的运动速度及运动方向,直至空闲机器人到达物品位置点并完成取货,可见在运动过程中通过物理学的电荷引力值大小智能调节,相比于反复迭代路径来说,所需计算的数据量大大减少。因此本发明提出的仓储物流机器人的路径规划方法、装置、电子设备及计算机可读存储介质,可以解决机器人在执行货物搬运时,路径规划生成过程造成过多计算资源浪费的问题。
附图说明
图1为本发明一实施例提供的仓储物流机器人的路径规划方法的流程示意图;
图2为本发明一实施例提供的仓储物流机器人的路径规划方法的仓库网格图示意图;
图3为本发明一实施例提供的仓储物流机器人的路径规划装置的功能模块图;
图4为本发明一实施例提供的实现所述仓储物流机器人的路径规划方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种仓储物流机器人的路径规划方法。所述仓储物流机器人的路径规划方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述仓储物流机器人的路径规划方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示,为本发明一实施例提供的仓储物流机器人的路径规划方法的流程示意图。在本实施例中,所述仓储物流机器人的路径规划方法包括:
S1、接收运送指令,从所述运送指令中解析得到目的位置点和物品位置点,其中目的位置点和物品位置点不超过仓库范围。
本发明实施例中,所述运送指令可有仓库管理员发出。示例性的,某仓库用于存储各个类型的抽纸,现仓库管理员A接收到物流车送来的一大批盒装抽纸,故向仓库内的空闲机器人中发起运送指令。可理解的是,运送指令中包括仓库管理员A指示空闲机器人盒装抽纸的物品位置点,也同时嵌入了仓库管理员A希望空闲机器人将盒装抽纸送往的目的地,即目的位置点。
需解释的是,本发明实施例按照二维坐标系方法将仓库切分为无数个小格栅,通过每个小格栅的位置信息确定出目的位置点和物品位置点,因此目的位置点和物品位置点不能超过仓库范围。
详细地,所述接收仓库发出的运送指令,之前包括:
接收仓库的位置信息,其中位置信息至少包括仓库的上下左右共四组拐角GPS点;
根据四组拐角GPS点生成仓库平面系,根据仓库平面系的面积划分仓库平面系为仓库栅格集,其中仓库栅格集由个仓库栅格组成;
将仓库中的障碍物分为动态障碍物和静态障碍物,并确定每个静态障碍物的静态GPS点,同时实时检测每个动态障碍物的GPS变化,得到包括时间变化的动态GPS点;
接收仓库内的所有机器人的机器GPS点,其中机器人按照是否正在实施搬运任务分为空闲机器人和忙碌机器人;
将机器GPS点、静态GPS点和包括时间变化的动态GPS点投射到所述仓库栅格集,得到以仓库范围内包括动态障碍物、静态障碍物及机器人的仓库网格图。
参阅图2所示,展示了本发明实施例其中一种仓库网格图。需解释的是,空心三角形为静态障碍物、空心圆形为空闲机器人、实心圆形为忙碌机器人、实心菱形为动态障碍物。
需解释的是,不同仓库的形状各不相同,本发明实施例以矩形形状的仓库为例,至少需要获取仓库的上下左右共四组拐角GPS点,或为圆形类的仓库,则需要获取其仓库的圆心GPS点及半径长度。即不同形状的仓库对应获取不同数量的GPS点。
此外,仓库栅格集是根据仓库平面系的面积执行划分,可理解的是,仓库平面系的面积越大,则划分出的仓库栅格数量越多,仓库平面系的面积越小,则相应划分出的仓库栅格数量越少。
进一步地,动态障碍物和静态障碍物最主要的区别在于,静态障碍物一般情况下静止不动,如支持仓库顶棚的支撑柱、石墩等。动态障碍物包括小推车、叉车等。
重点地,本发明实施例驱动机器人执行搬运任务时,对于机器人与动态障碍物、机器人与静态障碍物采用不同的防碰撞方法。
详细地,所述将仓库中的障碍物分为动态障碍物和静态障碍物,之后还包括:
将仓库中每个动态障碍物及每个机器人均绑定可生成电荷的电荷发生装置及电荷强度接收器。
可理解的是,本发明实施例在驱动机器人实现搬运任务的时候,为了防止与动态障碍物及其他机器人发生碰撞,通过电势场变化实现规避。
可理解的是,运送指令的生成过程与仓库网格图具有紧密关系,即所述接收运送指令,之前还包括:
接收仓库管理员点击预先构建在移动设备内的机器人搬运指令;
当点击成功所述机器人搬运指令时,自动定位仓库管理员所在位置,得到仓管GPS点;
确定所述仓管GPS点是否为物品位置点,当所述仓管GPS点不为物品位置点时,接收仓库管理员重新输入的物品GPS点,将仓管GPS点或物品GPS点投射到所述仓库网格图中得到物品位置点;
接收仓库管理员输入的目的GPS点,将所述目的GPS点投射到所述仓库网格图中得到目的位置点;
将所述物品位置点及目的位置点嵌入至机器人搬运指令中生成运送指令。
可理解的是,物品位置点及目的位置点与仓库网格图严格对应,即可理解的是,后续空闲机器人所有的搬运任务都基于仓库网格图实现,故当接收到运送指令后,需从运送指令中解析得到目的位置点和物品位置点并告知至空闲机器人。
S2、寻找仓库中空闲机器人,将所述运送指令发送至空闲机器人并确定空闲机器人的机器位置点。
参阅图2所示,当接收运送指令以后需要寻找仓库中存在的空闲机器人以执行搬运任务。详细地,所述寻找仓库中空闲机器人,包括:
在所述仓库网格图中搜索存在的空闲机器人,若仓库网格图中均为忙碌机器人,等待其中一个忙碌机器人完成搬运任务后立刻确定为空闲机器人;
若仓库网格图中仅存在的一个空闲机器人,确定该空闲机器人即为执行运送指令的机器人;
若仓库网格图中存在的多个空闲机器人,依次计算每个空闲机器人与物品位置点的距离,选择距离最小的空闲机器人确定为执行运送指令的机器人。
可理解的是,当完成空闲机器人的搜索以后,需要告知空闲机器人后续的任务执行过程,即将运送指令发送至空闲机器人,同时需要确定出空闲机器人的机器位置点,以方便做出路径规划。
S3、根据所述机器位置点和物品位置点确定空闲机器人到达物品位置点的第一路径线,确定空闲机器人的运动速度,并根据运动速度驱动空闲机器人在所述第一路径线中执行运动。
本发明实施例中,所述根据所述机器位置点和物品位置点确定空闲机器人到达物品位置点的第一路径线,包括:
在所述仓库网格图中搜索出机器位置点和物品位置点,并分别以机器位置点和物品位置点作为矩形区域的两个对角点,确定出矩形形状的取货路径范围;
在所述取货路径范围内搜索出所有静态障碍物所在的网格点;
根据路径最优化算法,在考虑所有静态障碍物所在网格点的情况下,规划出在取货路径范围内的空闲机器人到达物品位置点的第一路径线。
示例性的,如机器位置点在仓库网格图中表现为,物品位置点为,则通过两组位置点可确定出矩形的取货路径范围为、、及。假设在该路径范围内有3组静态障碍物,则确定静态障碍物的网格点,从而该三组静态障碍物的网格点的位置即为路径最优化算法的约束条件。
进一步地,本发明实施例所述路径最优化算法可为粒子群搜索算法、鱼群搜索算法、狼群搜索算法等。根据此类搜索算法从而确定出空闲机器人到达物品位置点的第一路径线。
详细地,所述确定空闲机器人的运动速度,包括:
计算所述取货路径范围内每个静态障碍物与空闲机器人的距离值,得到一组或多组距离值;
根据预先构建的运动速度计算公式计算得到空闲机器人的运动速度,其中计算方法为:
其中,v表示空闲机器人的运动速度,表示第一路径线的长度,表示距离空闲机器人与取货路径范围内最近的静态障碍物的距离,表示距离空闲机器人与取货路径范围内第二近的静态障碍物的距离,表示距离空闲机器人与取货路径范围内第n近的静态障碍物的距离,t为预先设定的取货时间。
S4、在运动过程中实时计算空闲机器人与其他机器人、动态障碍物的电荷引力值,根据所述电荷引力值调节空闲机器人的运动速度及运动方向,直至空闲机器人到达物品位置点并完成取货。
可理解的是,空闲机器人在第一路径线内固定的运动速度执行运动,想要到达物品位置点完成取货,但可理解的是,由于在第一路径线可能出现其他的机器人或动态障碍物,若此时依然不采取规避措施,则空闲机器人极可能与其他机器人、动态障碍物发生碰撞。
因此本发明实施例通过空闲机器人内的电荷强度接收器实时捕获每个机器人、动态障碍物所发出的电荷强度,通过电荷强度的变化重新调整空闲机器人的运动速度或运动方向。
详细地,所述在运动过程中实时计算空闲机器人与其他机器人、动态障碍物的电荷引力值,包括:
确定所述取货路径范围内所包括的动态障碍物及机器人
启动所述空闲机器人的电荷强度接收器,利用电荷强度接收器接收在取货路径范围内,每个动态障碍物及每个机器人利用所绑定的电荷发生装置所发起的电荷强度;
依次计算空闲机器人与每个机器人、动态障碍物的电荷引力值,其中电荷引力值的计算方法为:
其中,表示空闲机器人r与其他机器人或动态障碍物的电荷引力值,表示空闲机器人r在仓库栅格集的位置,表示其他机器人或动态障碍物d在仓库栅格集的位置,d表示与距离值,表示其他机器人或动态障碍物d所发起的电荷被空闲机器人r接收时的电荷强度。
根据上式可理解的是,一般情况下,距离值d越小的情况下,电荷引力值越大。
进一步地,所述根据所述电荷引力值调节空闲机器人的运动速度及运动方向,包括:
判断所述电荷引力值与预设的电荷引力阈值的大小关系;
当电荷引力值小于电荷引力阈值时,保持空闲机器人的运动速度及运动方向不变,直至电荷引力值大于或等于所述电荷引力阈值时,将运动速度置零,使得空闲机器人从运动状态变为静止状态;
当空闲机器人的静止状态持续时间大于或等于阈值时间,且电荷引力值依然大于或等于所述电荷引力阈值时,调整空闲机器人的运动方向,直至电荷引力值小于电荷引力阈值时,保持调整后的运动方向继续运动至物品位置点。
可理解的是,当电荷引力值大于或等于所述电荷引力阈值时,表明空闲机器人与其他机器人或动态障碍物的距离过近,很有可能会发生碰撞情况,因此此时保持空闲机器人为静止状态,当空闲机器人保持静止状态持续如1秒或2秒且电荷引力值依然大于或等于所述电荷引力阈值时,则此时表示空闲机器人不能在守株待兔,需要重新规划运动方向,直至电荷引力值小于电荷引力阈值时,直至到达物品位置点。
S5、根据所述物品位置点及目的位置点确定空闲机器人到达目的位置点的第二路径线,驱动完成取货的空闲机器人在所述第二路径线中执行运动,直至到达目的位置点。
需解释的是,当空闲机器人到达物品位置点完成取货以后,其第二路径线的生成与第一路径线相同,在生成第二路径线后依然计算出在第二路径线的运动速度,并实时根据步骤S3及S4调节运动速度及运动方向,直至到达目的位置点完成送货。具体运动速度及调节过程与上述S3及S4相似,仅是将机器位置点用目的位置点替代,在此不再赘述。
本发明实施例为解决背景技术所述问题,先接收运送指令,从运送指令中解析得到目的位置点和物品位置点,然后寻找仓库中空闲机器人,将所述运送指令发送至空闲机器人并确定空闲机器人的机器位置点,根据所述机器位置点和物品位置点确定空闲机器人到达物品位置点的第一路径线,确定空闲机器人的运动速度,并根据运动速度驱动空闲机器人在所述第一路径线中执行运动,在此过程中可见,本发明实施例抛弃通过监控设备内的深度学习检测算法实时捕捉仓库障碍物的方法,而是直接确定出机器位置点和物品位置点后一次性计算出第一路径线,且未像传统粒子搜索算法、蚁群搜索算法等智能路径规划模型,先驱动机器人行驶一段路线后又反复迭代迭代计算下一段路线,因此节约了大量的计算资源,且在运动过程中实时计算空闲机器人与其他机器人、动态障碍物的电荷引力值,根据所述电荷引力值调节空闲机器人的运动速度及运动方向,直至空闲机器人到达物品位置点并完成取货,可见在运动过程中通过物理学的电荷引力值大小智能调节,相比于反复迭代路径来说,所需计算的数据量大大减少。因此本发明提出的仓储物流机器人的路径规划方法、装置、电子设备及计算机可读存储介质,可以解决机器人在执行货物搬运时,路径规划生成过程造成过多计算资源浪费的问题。
如图3所示,是本发明一实施例提供的仓储物流机器人的路径规划装置的功能模块图。
本发明所述仓储物流机器人的路径规划装置100可以安装于电子设备中。根据实现的功能,所述仓储物流机器人的路径规划装置100可以包括指令接收模块101、机器位置点确定模块102、第一路径线确定模块103、电荷引力值计算模块104及第二路径线确定模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
所述指令接收模块101,用于接收运送指令,从所述运送指令中解析得到目的位置点和物品位置点,其中目的位置点和物品位置点不超过仓库范围;
所述机器位置点确定模块102,用于寻找仓库中空闲机器人,将所述运送指令发送至空闲机器人并确定空闲机器人的机器位置点;
所述第一路径线确定模块103,用于根据所述机器位置点和物品位置点确定空闲机器人到达物品位置点的第一路径线,确定空闲机器人的运动速度,并根据运动速度驱动空闲机器人在所述第一路径线中执行运动;
所述电荷引力值计算模块104,用于在运动过程中实时计算空闲机器人与其他机器人、动态障碍物的电荷引力值,根据所述电荷引力值调节空闲机器人的运动速度及运动方向,直至空闲机器人到达物品位置点并完成取货,其中电荷引力值的计算方法为:
其中,表示空闲机器人r与其他机器人或动态障碍物的电荷引力值,表示空闲机器人r在仓库栅格集的位置,表示其他机器人或动态障碍物d在仓库栅格集的位置,d表示与距离值,表示其他机器人或动态障碍物d所发起的电荷被空闲机器人r接收时的电荷强度;
所述第二路径线确定模块105,用于根据所述物品位置点及目的位置点确定空闲机器人到达目的位置点的第二路径线,驱动完成取货的空闲机器人在所述第二路径线中执行运动,直至到达目的位置点。
详细地,本发明实施例中所述仓储物流机器人的路径规划装置100中的所述各模块在使用时采用与上述的图1中所述的基于区块链的产品供应链管理方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图4所示,是本发明一实施例提供的实现仓储物流机器人的路径规划方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线12,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如仓储物流机器人的路径规划方法程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(SecureDigital, SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如仓储物流机器人的路径规划方法程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如仓储物流机器人的路径规划方法程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线12可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线12可以分为地址总线、数据总线、控制总线等。所述总线12被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图4仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图4示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,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等同替换,而不脱离本发明技术方案的精神和范围。
Claims (9)
1.一种仓储物流机器人的路径规划方法,其特征在于,所述方法包括:
接收运送指令,从所述运送指令中解析得到目的位置点和物品位置点,其中目的位置点和物品位置点不超过仓库范围;
寻找仓库中空闲机器人,将所述运送指令发送至空闲机器人并确定空闲机器人的机器位置点;
根据所述机器位置点和物品位置点确定空闲机器人到达物品位置点的第一路径线,确定空闲机器人的运动速度,并根据运动速度驱动空闲机器人在所述第一路径线中执行运动;
所述确定空闲机器人的运动速度,包括:
计算取货路径范围内每个静态障碍物与空闲机器人的距离值,得到一组或多组距离值;
根据预先构建的运动速度计算公式计算得到空闲机器人的运动速度,其中计算方法为:
其中,v表示空闲机器人的运动速度,表示第一路径线的长度,表示距离空闲机器人与取货路径范围内最近的静态障碍物的距离,表示距离空闲机器人与取货路径范围内第二近的静态障碍物的距离,表示距离空闲机器人与取货路径范围内第n近的静态障碍物的距离,t为预先设定的取货时间;
在运动过程中实时计算空闲机器人与其他机器人、动态障碍物的电荷引力值,根据所述电荷引力值调节空闲机器人的运动速度及运动方向,直至空闲机器人到达物品位置点并完成取货,其中电荷引力值的计算方法为:
其中,表示空闲机器人r与其他机器人或动态障碍物的电荷引力值,表示空闲机器人r在仓库栅格集的位置,表示其他机器人或动态障碍物d在仓库栅格集的位置,d表示与距离值,表示其他机器人或动态障碍物d所发起的电荷被空闲机器人r接收时的电荷强度;
根据所述物品位置点及目的位置点确定空闲机器人到达目的位置点的第二路径线,驱动完成取货的空闲机器人在所述第二路径线中执行运动,直至到达目的位置点。
2.如权利要求1所述的仓储物流机器人的路径规划方法,其特征在于,所述接收运送指令之前包括:
接收仓库的位置信息,其中位置信息至少包括仓库的上下左右共四组拐角GPS点;
根据四组拐角GPS点生成仓库平面系,根据仓库平面系的面积划分仓库平面系为仓库栅格集,其中仓库栅格集由n*m个仓库栅格组成;
将仓库中的障碍物分为动态障碍物和静态障碍物,并确定每个静态障碍物的静态GPS点,同时实时检测每个动态障碍物的GPS变化,得到包括时间变化的动态GPS点;
接收仓库内的所有机器人的机器GPS点,其中机器人按照是否正在实施搬运任务分为空闲机器人和忙碌机器人;
将机器GPS点、静态GPS点和包括时间变化的动态GPS点投射到所述仓库栅格集,得到以仓库范围内包括动态障碍物、静态障碍物及机器人的仓库网格图。
3.如权利要求2所述的仓储物流机器人的路径规划方法,其特征在于,所述将仓库中的障碍物分为动态障碍物和静态障碍物,之后还包括:
将仓库中每个动态障碍物及每个机器人均绑定可生成电荷的电荷发生装置及电荷强度接收器。
4.如权利要求3所述的仓储物流机器人的路径规划方法,其特征在于,所述运送指令的构建过程包括:
接收仓库管理员点击预先构建在移动设备内的机器人搬运指令;
当点击成功所述机器人搬运指令时,自动定位仓库管理员所在位置,得到仓管GPS点;
确定所述仓管GPS点是否为物品位置点,当所述仓管GPS点不为物品位置点时,接收仓库管理员重新输入的物品GPS点,将仓管GPS点或物品GPS点投射到所述仓库网格图中得到物品位置点;
接收仓库管理员输入的目的GPS点,将所述目的GPS点投射到所述仓库网格图中得到目的位置点;
将所述物品位置点及目的位置点嵌入至机器人搬运指令中生成所述运送指令。
5.如权利要求4所述的仓储物流机器人的路径规划方法,其特征在于,所述寻找仓库中空闲机器人,包括:
在所述仓库网格图中搜索存在的空闲机器人,若仓库网格图中均为忙碌机器人,等待其中一个忙碌机器人完成搬运任务后立刻确定为空闲机器人;
若仓库网格图中仅存在的一个空闲机器人,确定该空闲机器人即为执行运送指令的机器人;
若仓库网格图中存在的多个空闲机器人,依次计算每个空闲机器人与物品位置点的距离,选择距离最小的空闲机器人确定为执行运送指令的机器人。
6.如权利要求5所述的仓储物流机器人的路径规划方法,其特征在于,所述根据所述机器位置点和物品位置点确定空闲机器人到达物品位置点的第一路径线,包括:
在所述仓库网格图中搜索出机器位置点和物品位置点,并分别以机器位置点和物品位置点作为矩形区域的两个对角点,确定出矩形形状的取货路径范围;
在所述取货路径范围内搜索出所有静态障碍物所在的网格点;
根据路径最优化算法,在考虑所有静态障碍物所在网格点的情况下,规划出在取货路径范围内的空闲机器人到达物品位置点的第一路径线。
7.如权利要求6所述的仓储物流机器人的路径规划方法,其特征在于,所述在运动过程中实时计算空闲机器人与其他机器人、动态障碍物的电荷引力值,包括:
确定所述取货路径范围内所包括的动态障碍物及机器人
启动所述空闲机器人的电荷强度接收器,利用电荷强度接收器接收在取货路径范围内,每个动态障碍物及每个机器人利用所绑定的电荷发生装置所发起的电荷强度;
依次计算空闲机器人与每个机器人、动态障碍物的电荷引力值。
8.如权利要求7所述的仓储物流机器人的路径规划方法,其特征在于,所述根据所述电荷引力值调节空闲机器人的运动速度及运动方向,包括:
判断所述电荷引力值与预设的电荷引力阈值的大小关系;
当电荷引力值小于电荷引力阈值时,保持空闲机器人的运动速度及运动方向不变,直至电荷引力值大于或等于所述电荷引力阈值时,将运动速度置零,使得空闲机器人从运动状态变为静止状态;
当空闲机器人的静止状态持续时间大于或等于阈值时间,且电荷引力值依然大于或等于所述电荷引力阈值时,调整空闲机器人的运动方向,直至电荷引力值小于电荷引力阈值时,保持调整后的运动方向继续运动至物品位置点。
9.一种仓储物流机器人的路径规划装置,其特征在于,所述装置包括:
指令接收模块,用于接收运送指令,从所述运送指令中解析得到目的位置点和物品位置点,其中目的位置点和物品位置点不超过仓库范围;
机器位置点确定模块,用于寻找仓库中空闲机器人,将所述运送指令发送至空闲机器人并确定空闲机器人的机器位置点;
第一路径线确定模块,用于根据所述机器位置点和物品位置点确定空闲机器人到达物品位置点的第一路径线,确定空闲机器人的运动速度,并根据运动速度驱动空闲机器人在所述第一路径线中执行运动;
所述确定空闲机器人的运动速度,包括:
计算取货路径范围内每个静态障碍物与空闲机器人的距离值,得到一组或多组距离值;
根据预先构建的运动速度计算公式计算得到空闲机器人的运动速度,其中计算方法为:
其中,v表示空闲机器人的运动速度,表示第一路径线的长度,表示距离空闲机器人与取货路径范围内最近的静态障碍物的距离,表示距离空闲机器人与取货路径范围内第二近的静态障碍物的距离,表示距离空闲机器人与取货路径范围内第n近的静态障碍物的距离,t为预先设定的取货时间;
电荷引力值计算模块,用于在运动过程中实时计算空闲机器人与其他机器人、动态障碍物的电荷引力值,根据所述电荷引力值调节空闲机器人的运动速度及运动方向,直至空闲机器人到达物品位置点并完成取货,其中电荷引力值的计算方法为:
其中,表示空闲机器人r与其他机器人或动态障碍物的电荷引力值,表示空闲机器人r在仓库栅格集的位置,表示其他机器人或动态障碍物d在仓库栅格集的位置,d表示与距离值,表示其他机器人或动态障碍物d所发起的电荷被空闲机器人r接收时的电荷强度;
第二路径线确定模块,用于根据所述物品位置点及目的位置点确定空闲机器人到达目的位置点的第二路径线,驱动完成取货的空闲机器人在所述第二路径线中执行运动,直至到达目的位置点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211283891.7A CN115351803B (zh) | 2022-10-20 | 2022-10-20 | 仓储物流机器人的路径规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211283891.7A CN115351803B (zh) | 2022-10-20 | 2022-10-20 | 仓储物流机器人的路径规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115351803A CN115351803A (zh) | 2022-11-18 |
CN115351803B true CN115351803B (zh) | 2023-04-21 |
Family
ID=84008242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211283891.7A Active CN115351803B (zh) | 2022-10-20 | 2022-10-20 | 仓储物流机器人的路径规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115351803B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MX2020014269A (es) * | 2018-06-21 | 2021-03-25 | Beijing Geekplus Tech Co Ltd | Metodo de planificacion de robot y control de trayectoria de robot, servidor y medio de almacenamiento. |
CN110083166A (zh) * | 2019-05-30 | 2019-08-02 | 浙江远传信息技术股份有限公司 | 针对多机器人的协同调度方法、装置、设备及介质 |
CN112799385B (zh) * | 2019-10-25 | 2021-11-23 | 中国科学院沈阳自动化研究所 | 一种基于引导域人工势场的智能体路径规划方法 |
CN112183932A (zh) * | 2020-08-28 | 2021-01-05 | 广州赛特智能科技有限公司 | 一种机器人配送任务调度方法及*** |
CN112757303A (zh) * | 2021-01-15 | 2021-05-07 | 上海擎朗智能科技有限公司 | 机器人控制方法、装置、机器人、运送***及介质 |
CN113821029B (zh) * | 2021-08-31 | 2022-05-10 | 南京天溯自动化控制***有限公司 | 一种路径规划方法、装置、设备及存储介质 |
CN114047750A (zh) * | 2021-10-26 | 2022-02-15 | 南京理工大学 | 一种基于移动机器人的快递入库方法 |
-
2022
- 2022-10-20 CN CN202211283891.7A patent/CN115351803B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115351803A (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10421186B2 (en) | Method and apparatus for working-place backflow of robots | |
US20190233102A1 (en) | Drone management system and drone management method | |
CN109532558A (zh) | 一种多agv小车充电控制方法及*** | |
US10987700B2 (en) | Article sorting system having security inspection function | |
US10649446B2 (en) | Techniques for conveyance device control | |
WO2021238243A1 (zh) | 一种基于密集存储的货箱搬运方法 | |
CN113646789A (zh) | 仓库订单执行操作中机器人停留时间最小化 | |
JP2020147444A (ja) | ピッキングスケジューリング方法、装置、保管システム及び可読記憶媒体 | |
WO2019080678A1 (zh) | 包裹的供件方法、装置、电子设备及存储介质 | |
CN111604898B (zh) | 牲畜寻回方法、机器人、终端设备及存储介质 | |
CN112184053B (zh) | 一种任务调度的方法、装置及其设备 | |
CN114415610B (zh) | 机器人的调度方法、装置、电子设备及存储介质 | |
CN114091515A (zh) | 障碍物检测方法、装置、电子设备和存储介质 | |
CN115351803B (zh) | 仓储物流机器人的路径规划方法及装置 | |
CN112016802A (zh) | 设备调度方法、装置及电子设备 | |
CN110766228B (zh) | 用于拣货的方法、装置、拣货***、电子设备以及介质 | |
CN116343169A (zh) | 路径规划方法、目标对象运动控制方法、装置及电子设备 | |
CN113003086B (zh) | 货物搬运方法、设备及存储介质 | |
TWI701622B (zh) | 用於機器人場地回流的方法和裝置 | |
CN114048965A (zh) | 物品配送方法、装置和存储介质 | |
CN114202272A (zh) | 一种基于电子围栏的车货匹配方法、装置、存储介质及终端 | |
WO2023035756A1 (zh) | 可移动设备的调度方法、调度装置、电子设备和存储介质 | |
Castillo et al. | A distributed smart camera system based on an edge orchestration architecture | |
CN112256041B (zh) | 运输机器人的调度方法,装置以及*** | |
US20220147747A1 (en) | Object Classification for Autonomous Navigation Systems |
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 |