CN115790594A - 多类型机器人路径规划方法、装置、设备和存储介质 - Google Patents

多类型机器人路径规划方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN115790594A
CN115790594A CN202211322693.7A CN202211322693A CN115790594A CN 115790594 A CN115790594 A CN 115790594A CN 202211322693 A CN202211322693 A CN 202211322693A CN 115790594 A CN115790594 A CN 115790594A
Authority
CN
China
Prior art keywords
robot
robots
path
sub
collision
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
Application number
CN202211322693.7A
Other languages
English (en)
Inventor
方茂华
陈慧云
韦磊
陶熠昆
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 Guozi Robot Technology Co Ltd
Original Assignee
Zhejiang Guozi Robot Technology Co Ltd
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 Guozi Robot Technology Co Ltd filed Critical Zhejiang Guozi Robot Technology Co Ltd
Priority to CN202211322693.7A priority Critical patent/CN115790594A/zh
Publication of CN115790594A publication Critical patent/CN115790594A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请涉及一种多类型机器人路径规划方法、装置、设备和存储介质,其中,该方法包括:构建各类型机器人对应的子地图;基于各类型机器人的尺寸,计算每个子地图之间的互斥路线,得到碰撞集合;根据碰撞集合以及机器人的当前位置和目标位置,在发生死锁时,优先行驶机器人中的主机器人,得到各类型机器人的路径规划。通过本申请,能够结合各类型机器人的尺寸,获得子地图之间的碰撞集合,再根据碰撞集合以及在死锁时优先主机器人对所有机器人的路径进行全局规划,避免发生碰撞和死锁,解决了由于机器人之间发生死锁和碰撞导致的影响机器人移动效率的问题。

Description

多类型机器人路径规划方法、装置、设备和存储介质
技术领域
本申请涉及机器人技术领域,特别是涉及一种多类型机器人路径规划方法、装置、设备和存储介质。
背景技术
随着制造业和物流业逐渐向智能化和信息化发展,现代仓库通过移动机器人完成货物分拣、搬运等任务,自动化程度已经得到了极大的提升,其中多采用AGV(AutomatedGuided Vehicle,自动导引运输车)自动沿着规划的路径行驶以实现运输。
根据实际应用的需求,不同类型的移动机器人会同时沿着各自的规划路径协同工作,由于单个机器人无法感知其他移动的机器人的位置。目前对单个机器人的路径规划方法,无法有效避免其与其他移动的机器人发生死锁和碰撞的情况发生,如果发生死锁和碰撞等故障,需要手动配置解决,进而影响机器人的移动效率。
针对相关技术中存在由于机器人之间发生死锁和碰撞导致的影响机器人移动效率的问题,目前还没有提出有效的解决方案。
发明内容
在本实施例中提供了一种多类型机器人路径规划方法、装置、设备和存储介质,以解决相关技术中由于机器人之间发生死锁和碰撞导致的影响机器人移动效率的问题。
第一个方面,在本实施例中提供了一种多类型机器人路径规划方法,包括:
构建各类型机器人对应的子地图;
基于各类型所述机器人的尺寸,计算每个所述子地图之间的互斥路线,得到碰撞集合;
根据所述碰撞集合以及所述机器人的当前位置和目标位置,在发生死锁时,优先行驶所述机器人中的主机器人,得到各类型所述机器人的路径规划。
在其中的一些实施例中,所述构建各类型机器人对应的子地图,包括:
通过定义各类型所述机器人行驶的节点和路线,构建对应的所述子地图;
所述子地图包括所述节点和所述路线。
在其中的一些实施例中,所述基于各类型所述机器人的尺寸,计算每个所述子地图之间的互斥路线,得到碰撞集合,包括:
基于所述机器人的尺寸,计算第一机器人在对应子地图的路线上行驶时,与第二机器人在对应子地图的路线上行驶时发生碰撞的路线,得到所述互斥路线;所述第一机器人为所述机器人中的主机器人;第二机器人为所述机器人中的从机器人;
获取每个所述子地图中每个所述路线的互斥路线,得到所述碰撞集合。
在其中的一些实施例中,所述根据所述机器人的当前位置和目标位置以及所述碰撞集合,在发生死锁时,优先行驶所述机器人中的主机器人,得到各类型所述机器人的路径规划,包括:
基于所述机器人的当前位置和目标位置,获取所述机器人的完整路径序列和当前可行驶路径;
基于所述碰撞集合,从所述当前可行驶路径中返回可申请路径;
根据所述完整路径序列和所述可申请路径,并在发生死锁时,优先行驶所述机器人中的主机器人,得到所述路径规划。
在其中的一些实施例中,所述基于所述机器人的当前位置和目标位置,获取所述机器人的完整路径序列和当前可行驶路径,包括:
根据所述机器人的行驶路线和角度,得到所述机器人的当前位置;
基于所述机器人的所述当前位置和目标位置,以预设周期定时获取所述机器人的完整路径序列和当前可行驶路径。
在其中的一些实施例中,所述基于所述碰撞集合,从所述当前可行驶路径中返回可申请路径,还包括:
预先设置所述机器人占用路径长度的上限,得到占用路径上限;
基于所述机器人满足所述占用路径上限的情况,从所述当前可行驶路径中返回可申请路径。
在其中的一些实施例中,所述各类型机器人对应的子地图采用图层地图。
第二个方面,在本实施例中提供了一种多类型机器人路径规划装置,包括:地图构建模块、碰撞检测模块以及路径规划模块;
所述地图构建模块,用于构建各类型机器人对应的子地图;
所述碰撞检测模块,用于基于各类型所述机器人的尺寸,计算每个所述子地图之间的互斥路线,得到碰撞集合;
所述路径规划模块,用于根据所述碰撞集合以及所述机器人的当前位置和目标位置,在发生死锁时,优先行驶所述机器人中的主机器人,得到各类型所述机器人的路径规划。
第三个方面,在本实施例中提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一个方面所述的多类型机器人路径规划方法。
第四个方面,在本实施例中提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一个方面所述的多类型机器人路径规划方法。
与相关技术相比,在本实施例中提供的一种多类型机器人路径规划方法、装置、设备和存储介质,通过构建各类型机器人对应的子地图;基于各类型所述机器人的尺寸,计算每个所述子地图之间的互斥路线,得到碰撞集合;根据所述碰撞集合以及所述机器人的当前位置和目标位置,在发生死锁时,优先行驶所述机器人中的主机器人,得到各类型所述机器人的路径规划,能够结合各类型机器人的尺寸,获得子地图之间的碰撞集合,再根据碰撞集合以及在死锁时优先主机器人对所有机器人的路径进行全局规划,避免发生碰撞和死锁,解决了由于机器人之间发生死锁和碰撞导致的影响机器人移动效率的问题。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是一个实施例中多类型机器人路径规划方法的终端的硬件结构图;
图2是相关技术中机器人发生碰撞的路线示意图;
图3是相关技术中机器人发生死锁的路线示意图;
图4是一个实施例中多类型机器人路径规划方法的流程图;
图5是一个优选实施例中多类型机器人路径规划方法的流程图;
图6是一个实施例中多类型机器人路径规划装置的结构框图。
图中:102、处理器;104、存储器;106、传输设备;108、输入输出设备;10、地图构建模块;20、碰撞检测模块;30、路径规划模块。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点,下面结合附图和实施例,对本申请进行了描述和说明。
除另作定义外,本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制,它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体,其目的是涵盖不排他的包含;例如,包含一系列步骤或模块(单元)的过程、方法和***、产品或设备并未限定于列出的步骤或模块(单元),而可包括未列出的步骤或模块(单元),或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接,而可以包括电气连接,无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。通常情况下,字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等,只是对相似对象进行区分,并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行,图1是本实施例的多类型机器人路径规划方法的终端的硬件结构框图。如图1所示,终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104,其中,处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述终端的结构造成限制。例如,终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如在本实施例中的多类型机器人路径规划方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(NetworkInterface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
随着制造业和物流业逐渐向智能化和信息化发展,现代仓库通过移动机器人完成货物分拣、搬运等任务,自动化程度已经得到了极大的提升,其中多采用AGV(AutomatedGuided Vehicle,自动导引运输车)自动沿着规划的路径行驶以实现运输。
根据实际应用的需求,不同类型的移动机器人会同时沿着各自的规划路径协同工作,由于单个机器人无法感知其他移动的机器人的位置。目前对单个机器人的路径规划方法,无法有效避免其与其他移动的机器人发生死锁和碰撞的情况发生,如果发生死锁和碰撞等故障,需要手动配置解决,进而影响机器人的移动效率。
图2和图3分别是相关技术中机器人发生碰撞和死锁的路线示意图,多辆移动机器人在各自的路线中行走,独立执行其任务,现有的交通管制方法多使用节点或者栅格资源分配的方式,根据节点是否被占用来判断是否可以被申请,但是不同类型机器人的物理尺寸不同,即使该节点是空闲的,但是考虑到相邻路线上其他机器人的尺寸,实际中也是可能发生碰撞的。如图2所示,机器人A行驶路线由13到14,机器人B行驶路线由15到16,虽然机器人A和机器人B的路线都是空闲的,但是在路线6至12和路线1至2间,机器人A和机器人B在相邻路线上相对行驶时,考虑到机器人A和机器人B的实际尺寸,因此可能会发生碰撞。根据可能会发生碰撞的情况,可以预先定义互斥路线以避免机器人碰撞,但是由此还会出现机器人之间的死锁情况,如图3所示,机器人A行驶在路线1至2上,机器人B行驶在路线5至6上,但由于路线2至3与路线6至7互斥,机器人A和机器人B都会停止,并等待对方离开,因此会发生机器人之间的死锁。
为了解决以上问题,在以下实施例中提供了一种多类型机器人路径规划方法、装置、设备和存储介质,能够结合各类型机器人的尺寸,获得子地图之间的碰撞集合,再根据碰撞集合以及在死锁时优先主机器人对所有机器人的路径进行全局规划,避免发生碰撞和死锁。
在本实施例中提供了一种多类型机器人路径规划方法,图4是本实施例方法的流程图,如图4所示,该方法包括如下步骤:
步骤S410,构建各类型机器人对应的子地图。
具体地,根据实际应用的需求,不同类型的移动机器人会同时沿着各自的规划路径协同工作。为不同类型的机器人构建对应的子地图,并定义各类型机器人的尺寸,其中,机器人对应的子地图可以采用图层地图,使得各类型机器人行驶时只需要识别自身对应图层的子地图。
步骤S420,基于各类型机器人的尺寸,计算每个子地图之间的互斥路线,得到碰撞集合。
具体地,根据各类型机器人的尺寸,在每个图层子地图中计算机器人在各路线上行驶时,与该机器人发生碰撞的其他机器人所在的路线,进一步得到所有子地图之间的互斥路线,综合所有互斥路线得到碰撞集合。
步骤S430,根据碰撞集合以及机器人的当前位置和目标位置,在发生死锁时,优先行驶机器人中的主机器人,得到各类型机器人的路径规划。
具体地,在全局地图中,根据机器人的当前位置和目标位置,通过搜路算法实时得到每个机器人的完整路径序列,再结合碰撞集合判断搜路算法得到的完整路径序列能否申请,并在发生死锁时,通过管制优先行驶机器人中的主机器人,最终得到路径规划。
上述步骤通过为不同类型的机器人构建对应的图层子地图,再基于各类型机器人的物理尺寸,获取各子地图中所有路线之间的互斥路线,得到碰撞合集,根据碰撞合集以及机器人的当前位置和目标位置,再结合死锁时的管制策略,能够为所有机器人进行全局的路径规划,同时考虑了机器人的物理尺寸以避免发生碰撞,以及死锁时的管制策略避免机器人发生死锁,无需手动配置解决死锁和碰撞等故障,有效提高了机器人的移动效率,解决了由于机器人之间发生死锁和碰撞导致的影响机器人移动效率的问题。
在其中的一些实施例中,上述构建各类型机器人对应的子地图,包括:
通过定义各类型机器人行驶的节点和路线,构建对应的子地图;子地图包括节点和路线。
具体地,每个子地图可以是拓扑型地图,拓扑型地图由节点和路线组成,通过定义各类型机器人所使用的子地图包括节点和路线,构建得到对应的子地图。
进一步地,在每个子地图中,路线是机器人的最小行驶单位。
通过本实施例中为不同类型的机器人构建对应的图层子地图,使得各类型机器人行驶时只需要识别自身对应图层的子地图,进而提高机器人行驶效率。
在其中的一些实施例中,上述基于各类型机器人的尺寸,计算每个子地图之间的互斥路线,得到碰撞集合,包括步骤:
基于机器人的尺寸,计算第一机器人在对应子地图的路线上行驶时,与第二机器人在对应子地图的路线上行驶时发生碰撞的路线,得到互斥路线;第一机器人为机器人中的主机器人;第二机器人为机器人中的从机器人;获取每个子地图中每个路线的互斥路线,得到碰撞集合。
具体地,机器人通常不是规则的形状,其物理尺寸具体包括:左半宽、右半宽、前半长以及后半长。以第一机器人为机器人中的主机器人,第二机器人为机器人中的从机器人,计算第一机器人在对应子地图的路线上行驶时,与第二机器人在对应子地图的路线上行驶时发生碰撞的路线,得到第一机器人对应子地图和第二机器人对应子地图之间的互斥路线。以此类推,综合每个子地图中每个路线的互斥路线,得到碰撞集合。
进一步地,由于在每个子地图中,路线是机器人的最小行驶单位,每条路线的互斥路线可以通过计算路线上所有离散点的互斥点得到。例如,将一条路线离散成200个离散点,能够得到每个离散点的坐标,分别计算机器人在每个离散点上与周围相邻的路线(同样离散成离散点)是否发生碰撞,只要有一个离散点发生碰撞,说明这是一组互斥路线。
进一步地,最终生成的碰撞集合可以包括路线ID、机器人类型以及碰撞的路线ID和碰撞的机器人类型。
通过本实施例中在每个图层子地图中根据机器人的尺寸来计算每条路线与全局地图中其他所有路线的碰撞集合,无需人工配置地图中的互斥路线,能够减少人工配置的错误和遗漏,以及有效避免机器人之间发生碰撞。
在其中的一些实施例中,上述根据机器人的当前位置和目标位置以及碰撞集合,在发生死锁时,优先行驶机器人中的主机器人,得到各类型机器人的路径规划,包括以下步骤:
步骤S431,基于机器人的当前位置和目标位置,获取机器人的完整路径序列和当前可行驶路径。
根据所有机器人的当前位置和目标位置,通过全局的搜路算法,根据全局地图中机器人的拥堵情况得到所有机器人的完整路径序列和当前可行驶路径。其中,机器人的完整路径序列是机器人当前位置到目标位置的完整路径序列,但并不代表此时完整路径序列中的每个路线机器人都能申请和行驶。当前可行驶路径是每次搜路算法后,每个机器人能够申请预占用的路径序列,当前可行驶路径是完整路径序列的一部分,是为了防止多个机器人为了抢占路线而发生死锁。例如,机器人A的完整路径序列为2、3、4、5、6、7,机器人B的完整路径序列为8、6、5、4、3、1,其中在路线3、4、5、6上机器人A和机器人B相向经过,因此需要有一个机器人A先经过,相应机器人A的可行驶路径为2、3、4、5、6、7,机器人B的可行驶路径为8。
进一步地,根据机器人的行驶路线和角度,得到机器人的当前位置;基于机器人的当前位置和目标位置,以预设周期定时获取机器人的完整路径序列和当前可行驶路径。
其中,机器人的行驶路线包括机器人在对应子地图中的当前路线,以及机器人在当前路线上的具***置(相对于路线的开始节点行驶的距离与路线长度的百分比)。机器人的角度指机器人头部逆时针旋转与当前行驶的路线间的夹角。根据机器人的当前路线、当前路线上的具***置以及角度,得到机器人的当前位置,再通过全局搜路算法,根据机器人的拥堵情况实时调整机器人到达目标位置的最优路径,以预设周期定时返回所有机器人的完整路径序列和当前可行驶路径。
优选地,预设周期可以设置为5s,则全局搜路算法每5s计算并返回所有机器人的完整路径序列和当前可行驶路径。
步骤S432,基于碰撞集合,从当前可行驶路径中返回可申请路径。
具体地,基于碰撞集合,进一步判断返回的当前可行驶路径是否会发生碰撞,如果会发生碰撞,则说明不可以申请。通过管制优先行驶机器人中的主机器人,待主机器人通过互斥路线后,再批准机器人中的从机器人行驶。
以图2中机器人发生碰撞的路线示意图为例,路线6至12和路线1至2互斥,基于碰撞集合,当机器人A申请通过路线1至2时,需先检查路线6至7,路线7至8,路线8至12是否已被机器人B占用,如果已经占用,则拒绝机器人A的申请,此时机器人A进入等待,直到机器人B离开路线6至12后,机器人A才能申请路线1至2并通过该路线。
进一步地,预先设置机器人占用路径长度的上限,得到占用路径上限;基于机器人满足占用路径上限的情况,从当前可行驶路径中返回可申请路径。
其中,预先设置占用路径上限是为了防止一个机器人占用过多的路径长度,妨碍其他机器人行驶,优选可以设置占用路径上限为5米。当机器人已占用的路径达到占用路径上限时,即使该路线可以行驶,暂时也不分配给该机器人,因此该路线暂时不能申请。
步骤S433,根据完整路径序列和可申请路径,并在发生死锁时,优先行驶机器人中的主机器人,得到路径规划。
具体地,根据全局搜路算法返回的完整路径序列以及根据碰撞集合得到的可申请路径,再结合发生死锁时的管制策略,得到所有机器人的路径规划。其中,机器人中的主机器人并不唯一。
以图3中机器人发生死锁的路线示意图为例,当机器人A行驶到路线13至9,其目标位置为路线由10至14,当机器人B行驶到路线15至11,其目标位置为路线由12至16,此时根据全局搜路算法可以得到机器人A的完整路径序列是13、9、1、2、3、4、10、14,机器人B的完整路径序列是15、11、5、6、7、8、12、16,以机器人A为主机器人,机器人B为从机器人,则优先行驶机器人A,机器人A的行驶路径为13、9、1、2、3、4、10、14,机器人B的行驶路径为15、11,因此机器人B在原地等待,直到机器人A完全离开该区域,机器人B才能进入。
通过本实施例中获取机器人的当前位置和目标位置,根据全局搜路算法实时获取每个机器人的完整路径序列和当前可行驶路径,结合碰撞集合和发生死锁时的管制策略,对所有机器人进行路径规划,这样全局规划效率更优,也避免了机器人间发生碰撞和死锁的情况,同时也无需人工手动配置碰撞集合以及解决死锁的情况,有效提高了机器人的移动效率。
下面通过优选实施例对本实施例进行描述和说明。
图5是本优选实施例的多类型机器人路径规划方法的流程图,如图5所示,该方法包括以下步骤:
步骤S510,通过定义各类型机器人行驶的节点和路线,构建对应的图层子地图;子地图包括节点和路线。
步骤S520,基于机器人的尺寸,计算第一机器人在对应子地图的路线上行驶时,与第二机器人在对应子地图的路线上行驶时发生碰撞的路线,得到互斥路线;第一机器人为机器人中的主机器人;第二机器人为机器人中的从机器人。
步骤S530,获取每个子地图中每个路线的互斥路线,得到碰撞集合。
步骤S540,根据机器人的行驶路线和角度,得到机器人的当前位置。
步骤S550,基于机器人的当前位置和目标位置,以预设周期定时获取机器人的完整路径序列和当前可行驶路径。
步骤S560,基于碰撞集合和预先设置的占用路径上限,从当前可行驶路径中返回可申请路径。
步骤S570,根据完整路径序列和可申请路径,并在发生死锁时,优先行驶机器人中的主机器人,得到路径规划。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中还提供了一种多类型机器人路径规划装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图6是本实施例的多类型机器人路径规划装置的结构框图,如图6所示,该装置包括:地图构建模块10、碰撞检测模块20以及路径规划模块30。
地图构建模块10,用于构建各类型机器人对应的子地图。
碰撞检测模块20,用于基于各类型机器人的尺寸,计算每个子地图之间的互斥路线,得到碰撞集合。
路径规划模块30,用于根据碰撞集合以及机器人的当前位置和目标位置,在发生死锁时,优先行驶机器人中的主机器人,得到各类型机器人的路径规划。
通过本实施例中提供的装置,为不同类型的机器人构建对应的图层子地图,再基于各类型机器人的物理尺寸,获取各子地图中所有路线之间的互斥路线,得到碰撞合集,根据碰撞合集以及机器人的当前位置和目标位置,再结合死锁时的管制策略,能够为所有机器人进行全局的路径规划,同时考虑了机器人的物理尺寸以避免发生碰撞,以及死锁时的管制策略避免机器人发生死锁,无需手动配置解决死锁和碰撞等故障,有效提高了机器人的移动效率,解决了由于机器人之间发生死锁和碰撞导致的影响机器人移动效率的问题。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在本实施例中还提供了一种计算机设备,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述计算机设备还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
需要说明的是,在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,在本实施例中不再赘述。
此外,结合上述实施例中提供的多类型机器人路径规划方法,在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种多类型机器人路径规划方法。
应该明白的是,这里描述的具体实施例只是用来解释这个应用,而不是用来对它进行限定。根据本申请提供的实施例,本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例,均属本申请保护范围。
显然,附图只是本申请的一些例子或实施例,对本领域的普通技术人员来说,也可以根据这些附图将本申请适用于其他类似情况,但无需付出创造性劳动。另外,可以理解的是,尽管在此开发过程中所做的工作可能是复杂和漫长的,但是,对于本领域的普通技术人员来说,根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段,不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例,也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是,本申请中描述的实施例在没有冲突的情况下,可以与其它实施例结合。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对专利保护范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种多类型机器人路径规划方法,其特征在于,包括:
构建各类型机器人对应的子地图;
基于各类型所述机器人的尺寸,计算每个所述子地图之间的互斥路线,得到碰撞集合;
根据所述碰撞集合以及所述机器人的当前位置和目标位置,在发生死锁时,优先行驶所述机器人中的主机器人,得到各类型所述机器人的路径规划。
2.根据权利要求1所述的多类型机器人路径规划方法,其特征在于,所述构建各类型机器人对应的子地图,包括:
通过定义各类型所述机器人行驶的节点和路线,构建对应的所述子地图;
所述子地图包括所述节点和所述路线。
3.根据权利要求1所述的多类型机器人路径规划方法,其特征在于,所述基于各类型所述机器人的尺寸,计算每个所述子地图之间的互斥路线,得到碰撞集合,包括:
基于所述机器人的尺寸,计算第一机器人在对应子地图的路线上行驶时,与第二机器人在对应子地图的路线上行驶时发生碰撞的路线,得到所述互斥路线;所述第一机器人为所述机器人中的主机器人;第二机器人为所述机器人中的从机器人;
获取每个所述子地图中每个所述路线的互斥路线,得到所述碰撞集合。
4.根据权利要求1所述的多类型机器人路径规划方法,其特征在于,所述根据所述机器人的当前位置和目标位置以及所述碰撞集合,在发生死锁时,优先行驶所述机器人中的主机器人,得到各类型所述机器人的路径规划,包括:
基于所述机器人的当前位置和目标位置,获取所述机器人的完整路径序列和当前可行驶路径;
基于所述碰撞集合,从所述当前可行驶路径中返回可申请路径;
根据所述完整路径序列和所述可申请路径,并在发生死锁时,优先行驶所述机器人中的主机器人,得到所述路径规划。
5.根据权利要求4所述的多类型机器人路径规划方法,其特征在于,所述基于所述机器人的当前位置和目标位置,获取所述机器人的完整路径序列和当前可行驶路径,包括:
根据所述机器人的行驶路线和角度,得到所述机器人的当前位置;
基于所述机器人的所述当前位置和目标位置,以预设周期定时获取所述机器人的完整路径序列和当前可行驶路径。
6.根据权利要求4所述的多类型机器人路径规划方法,其特征在于,所述基于所述碰撞集合,从所述当前可行驶路径中返回可申请路径,还包括:
预先设置所述机器人占用路径长度的上限,得到占用路径上限;
基于所述机器人满足所述占用路径上限的情况,从所述当前可行驶路径中返回可申请路径。
7.根据权利要求1所述的多类型机器人路径规划方法,其特征在于,所述各类型机器人对应的子地图采用图层地图。
8.一种多类型机器人路径规划装置,其特征在于,包括:地图构建模块、碰撞检测模块以及路径规划模块;
所述地图构建模块,用于构建各类型机器人对应的子地图;
所述碰撞检测模块,用于基于各类型所述机器人的尺寸,计算每个所述子地图之间的互斥路线,得到碰撞集合;
所述路径规划模块,用于根据所述碰撞集合以及所述机器人的当前位置和目标位置,在发生死锁时,优先行驶所述机器人中的主机器人,得到各类型所述机器人的路径规划。
9.一种计算机设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的多类型机器人路径规划方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的多类型机器人路径规划方法的步骤。
CN202211322693.7A 2022-10-27 2022-10-27 多类型机器人路径规划方法、装置、设备和存储介质 Pending CN115790594A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211322693.7A CN115790594A (zh) 2022-10-27 2022-10-27 多类型机器人路径规划方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211322693.7A CN115790594A (zh) 2022-10-27 2022-10-27 多类型机器人路径规划方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN115790594A true CN115790594A (zh) 2023-03-14

Family

ID=85433968

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211322693.7A Pending CN115790594A (zh) 2022-10-27 2022-10-27 多类型机器人路径规划方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN115790594A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117325185A (zh) * 2023-11-27 2024-01-02 成都越凡创新科技有限公司 移动机器人解死锁的方法及调度设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117325185A (zh) * 2023-11-27 2024-01-02 成都越凡创新科技有限公司 移动机器人解死锁的方法及调度设备
CN117325185B (zh) * 2023-11-27 2024-04-09 成都越凡创新科技有限公司 移动机器人解死锁的方法及调度设备

Similar Documents

Publication Publication Date Title
CN110989582B (zh) 基于路径预先占用的多agv自动避让式智能调度方法
CN107203190B (zh) 一种基于复杂路径的惯性导航agv调度方法及***
WO2017118001A1 (zh) 用于机器人场地回流的方法和装置
CN111596658A (zh) 一种多agv无碰撞运行的路径规划方法及调度***
Vincent et al. Distributed multirobot exploration, mapping, and task allocation
CN103608740A (zh) 使用经协调路径规划器有效调度多个自动非完整车辆的方法和设备
JP2020087420A (ja) 分散型ロボットのスケジューリング決定方法、装置、システム並びに電子機器及び記憶媒体
CN103256931A (zh) 无人机的可视导航***
EP4141599B1 (en) Multi-robot route planning
US20230111516A1 (en) Vehicle scheduling method, apparatus and system
CN115790594A (zh) 多类型机器人路径规划方法、装置、设备和存储介质
CN116700298B (zh) 路径规划方法、***、设备及存储介质
WO2019141226A1 (zh) 多移动机器人的冲突管理方法及***
Böckenkamp et al. Towards autonomously navigating and cooperating vehicles in cyber-physical production systems
Secchi et al. A dynamic routing strategy for the traffic control of AGVs in automatic warehouses
CN111736606A (zh) 移动机器人行驶方法、装置及存储介质
Rybarsch et al. Cooperative parking search: Reducing travel time by information exchange among searching vehicles
CN111722629B (zh) 路径规划方法和装置、存储介质及电子装置
Grosset et al. A cooperative approach to avoiding obstacles and collisions between autonomous industrial vehicles in a simulation platform
CN115638804B (zh) 一种无死锁的无人车辆在线路径规划方法
CN115755786A (zh) 基于流量的多agv全局调度方法
CN116774603A (zh) 多agv协同调度仿真平台及仿真方法
CN114326753A (zh) 一种调控区域内多机器人的死锁检测方法
CN113485378A (zh) 基于交通规则的移动机器人路径规划方法、***及存储介质
CN113128938A (zh) 一种机器人移动路径规划方法

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