CN117636641A - 一种用于车辆搬运机器人的车辆间协同搬运方法及装置 - Google Patents
一种用于车辆搬运机器人的车辆间协同搬运方法及装置 Download PDFInfo
- Publication number
- CN117636641A CN117636641A CN202311609492.XA CN202311609492A CN117636641A CN 117636641 A CN117636641 A CN 117636641A CN 202311609492 A CN202311609492 A CN 202311609492A CN 117636641 A CN117636641 A CN 117636641A
- Authority
- CN
- China
- Prior art keywords
- path
- index
- vehicle
- parking
- robot
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012546 transfer Methods 0.000 claims description 101
- 238000012937 correction Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000007726 management method Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 9
- 238000011065 in-situ storage Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 229910052761 rare earth metal Inorganic materials 0.000 description 16
- 150000002910 rare earth metals Chemical class 0.000 description 16
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种用于车辆搬运机器人的车辆间协同搬运方法及装置。该用于车辆搬运机器人的车辆间协同搬运方法,包括以下步骤:接收目标车辆和停车位分配;计算第一事件路径的路径初始化指数;计算第二事件路径的搬运路径规划指数;获取其他AGV机器人数据,计算路径情况指数和协同决策指数;根据指数确定并实时修正路径。本发明通过机器人使用协同决策指数来确定是否需要等待其他机器人和切换路径,根据预计碰撞时间、任务优先级和路径重叠长度进行决策,从而利用信息共享和协同决策确保了机器人之间的协同作业,进而降低协同路径冲突出现率,解决了现有技术中存在机器人协同路径易出现冲突的问题。
Description
技术领域
本发明涉及智能驾驶运动规划技术领域,尤其涉及一种用于车辆搬运机器人的车辆间协同搬运方法及装置。
背景技术
随着城市交通问题的不断增加,车库管理成为了一个日益重要的挑战。车库通常是城市中车辆存放的重要设施,尤其在繁忙的商业区和居住区。车辆搬运机器人是一种创新技术,旨在自动化车辆在车库内的停车和检索过程。车库内的车辆间协同搬运方法涉及如何使多辆搬运机器人协同工作,以有效地将车辆从停车位移动到存放区域,或者反之,以确保车库的停车流程高效、安全、并减少车辆之间的碰撞风险。
现有实现技术中,车库内的车辆间协同搬运方法通常依赖于自主机器人技术、自动导航、传感技术和通信技术的综合应用。每辆搬运机器人通常配备激光雷达或摄像头等传感器,用于感知车辆和环境。自动导航***允许机器人在车库内规划路径,避开障碍物,定位车辆,并将其安全搬移到目标停车位。通信技术用于机器人之间的协同操作,使它们可以共享信息、协调行动,以确保车库操作的高效性。车库内的车辆间协同搬运方法还可以结合车库管理***,以实现车位管理、计费和车库操作的综合管理。
例如公开号为:CN116382295A的发明专利公开的一种基于多AGV的协同搬运方法及***,包括:获取搬运任务对应的搬运对象的规格数据;根据规格数据确定用于该搬运任务的AGV的数量及协同搬运策略;根据协同搬运策略控制多个AGV对搬运对象进行搬运作业。本发明的方案无需按照最高搬运能力来配备搬运场景中的AGV,而是可以根据不同的使用场景而配备统一规格的AGV,在AGV的搬运性能无法应对搬运对象时,则可以基于待搬运对象的具体规格数据来调度一定数量的AGV进行协同搬运。
例如公开号为:CN114967666A的发明专利公开的一种泊车机器人的协同规划方法,包括:S1、根据搬运任务要求与停车场的关键路径节点拓扑地图,制订全局规划路径;S2、根据全局规划路径,获得四个泊车机器人各自的参考路径;S3、各泊车机器人依照参考路径,到达各搬运点,实施车辆的搬运工作;S4、各泊车机器人返回起始点。
但本申请在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中,由于协同路径规划需考虑多个因素,包括机器人位置、目标位置、速度、障碍物等,易出现路径冲突和拥堵,导致机器人相互干扰并降低效率,综上所述,现有技术中存在机器人协同路径易出现冲突的问题。
发明内容
本申请实施例通过提供一种用于车辆搬运机器人的车辆间协同搬运方法及装置,解决了现有技术中存在机器人协同路径易出现冲突的问题,实现了降低协同路径冲突出现率。
本申请实施例提供了一种用于车辆搬运机器人的车辆间协同搬运方法,包括以下步骤:AGV车辆搬运机器人接收由中央控制***为其分配的目标待搬运车辆和目标停车位;AGV车辆搬运机器人根据车库的路线节点拓扑图,计算出路径初始化指数,根据路径初始化指数分析出其从当前位置到泊车房位置的第一事件路径;AGV车辆搬运机器人根据目标待搬运车辆和目标停车位,计算出搬运路径规划指数,根据搬运路径规划指数分析出从泊车房到目标停车位的第二事件路径;AGV车辆搬运机器人获取车库内其他AGV车辆搬运机器人的定位数据和任务数据,计算出路径情况指数和协同决策指数;AGV车辆搬运机器人根据路径情况指数确定第一事件路径和第二事件路径,在AGV车辆搬运机器人行驶过程中,根据协同决策指数实时修正第一事件路径和第二事件路径。
进一步的,所述目标待搬运车辆和目标停车位的具体分配方法指:当泊车房中有新的待搬运车辆时,中央控制***选择距离该泊车房欧氏距离最短的AGV车辆搬运机器人,将该待搬运车辆设置为该AGV车辆搬运机器人的目标待搬运车辆;中央控制***根据当前泊车房内的车辆数据和车库内停车位数据计算出泊车分配指数,并根据泊车分配指数为目标待搬运车辆分配目标停车位。
进一步的,所述泊车分配指数的具体计算方法为:从当前泊车房内的车辆数据中提取出车辆类型属性数据,从车库内停车位数据中提取出车位可承载车辆类型属性数据、车位周围空位数、空闲车位位置数据;将车库内的停车位和车辆类型属性分别进行编号,将提取的数据进行预处理和归一化处理;构建泊车分配指数公式模型,具体的泊车分配指数模型为:式中,PASIk为车库中第k个停车位的泊车分配指数,e为自然常数,k为车库内停车位的编号,k=1,2,...,K,K为停车位总数,/>为第k个停车位当前为空闲状态,/>为车库内第k个停车位为空闲状态的对应编号,/> 为空闲停车位总数,k和/>的值一一映射,ε1为第k个停车位当前为空闲状态时在泊车分配指数中的权重占比,/>为第k个停车位支持的第n个车辆类型属性,n为车辆类型属性编号,n=1,2,...,N,N为车辆类型属性编号总数,ε2为第k个停车位支持的车辆类型属性总数在泊车分配指数中的权重占比,/>为第k个停车位周围邻近位置的空闲车位数量,m为停车位周围邻近位置的空闲车位总数,ε3为第k个停车位周围邻近位置的空闲车位数量在泊车分配指数中的权重占比,LDk为第k个停车位到泊车房的欧式距离,ε4为第k个停车位到泊车房的欧式距离在泊车分配指数中的权重占比,ζ为泊车分配指数的修正系数。
进一步的,所述路径初始化指数的具体分析方法为:根据车库的路线节点拓扑图找出当前AGV车辆搬运机器人能够成功行驶到泊车房的初始路径;构建路径初始化指数模型公式,计算初始路径的路径初始化指数;具体的路径初始化指数模型公式为:式中,CSD为第D条初始路径对应的路径初始化指数,D为初始路径的编号,D=1,2,...,D0,D0为初始路径的总数,/>为路径上允许行驶最大时长,XY为预计行驶时长,α1为预计行驶时长在路径初始化指数中的权重因子,JDD为第D条初始路径对应的节点总数,JD0为路径允许的最少节点总数,α2为节点总数在路径初始化指数中的权重因子,ξ为第D条初始路径对应的路径初始化指数的修正系数。
进一步的,所述搬运路径规划指数的具体分析方法为:获取目标待搬运车辆和目标停车位的位置数据,结合车库的路线节点拓扑图,分析出搬运路径;获取车库内已占用停车位位置数据并编号;构建搬运路径规划指数模型公式,计算搬运路径的搬运路径规划指数;具体的搬运路径规划指数模型公式为:式中,GHB为第B条搬运路径对应的搬运路径规划指数,B为搬运路径的编号,B=1,2,...,B0,B0为搬运路径的总数,/>表示第B条搬运路径上第k个停车位当前为已占用状态;/>为车库内第k个停车位为已占用状态的对应编号,/> 为已占用停车位总数,k和/>的值一一映射,/>当/>时,/>反之同理;ω为搬运路径规划指数的修正系数。
进一步的,所述路径情况指数的具体分析方法为:获取其他AGV车辆搬运机器人的当前位置及其当前正在行驶的路径,据其分析出当前AGV车辆搬运机器人正在行驶的路径对应的路径情况指数;构建路径情况指数模型公式,计算路径情况指数;具体的路径情况指数模型公式为:式中,ROE为第一事件路径和第二事件路径集合中的路径对应的路径情况指数,E为第一事件路径和第二事件路径的集合,SGE为第一事件路径和第二事件路径集合中的路径与其他AGV车辆搬运机器人当前行驶路径的交叉总数量,SG0为允许交叉最小总值,χ0为路径情况指数的修正系数。
进一步的,所述协同决策指数的具体计算公式为:式中,XT为当前AGV车辆搬运机器人对应的协同决策指数,CAI为当前AGV车辆搬运机器人对应的冲突避让指数,YI为当前AGV车辆搬运机器人对应的让步指数。
进一步的,所述冲突避让指数的具体分析方法为:获取当前AGV车辆搬运机器人和车库内其他AGV车辆搬运机器人的实时位置、行驶速度和行驶路径;据其通过碰撞算法得出预计碰撞时间;构建冲突避让指数模型公式,计算冲突避让指数;具体的冲突避让指数模型公式为:式中,TD为当前AGV车辆搬运机器人与行驶路径上的其他AGV车辆搬运机器人的预计碰撞时间,TD0为当前AGV车辆搬运机器人最小安全碰撞时间,/>为冲突避让指数的修正系数。
进一步的,所述让步指数的具体分析方法为:获取当前AGV车辆搬运机器人和车库内其他AGV车辆搬运机器人的实时位置和行驶路径,据其计算出重合路径长度;构建让步指数模型公式,计算让步指数;具体的让步指数模型公式为:式中,RE0为当前AGV车辆搬运机器人的任务优先级,RE为当前AGV车辆搬运机器人行驶路径上最近的AGV车辆搬运机器人的任务优先级,LF为当前AGV车辆搬运机器人与行驶路径上的其他AGV车辆搬运机器人的重合路径长度,LF'为当前AGV车辆搬运机器人原地等待允许范围内的重合路径允许等待长度。
本申请实施例提供了一种用于车辆搬运机器人的车辆间协同搬运装置,包括目标分配模块、路径初始化计算模块、搬运路径规划模块、路径情况和协同决策计算模块和路径修正模块:所述目标分配模块:用于AGV车辆搬运机器人接收由中央控制***为其分配的目标待搬运车辆和目标停车位;所述路径初始化计算模块:用于AGV车辆搬运机器人根据车库的路线节点拓扑图,计算出路径初始化指数,根据路径初始化指数分析出其从当前位置到泊车房位置的第一事件路径;所述搬运路径规划模块:用于AGV车辆搬运机器人根据目标待搬运车辆和目标停车位,计算出搬运路径规划指数,根据搬运路径规划指数分析出从泊车房到目标停车位的第二事件路径;所述路径情况和协同决策计算模块:用于AGV车辆搬运机器人获取车库内其他AGV车辆搬运机器人的定位数据和任务数据,计算出路径情况指数和协同决策指数;所述路径修正模块:用于AGV车辆搬运机器人根据路径情况指数确定第一事件路径和第二事件路径,在AGV车辆搬运机器人行驶过程中,根据协同决策指数实时修正第一事件路径和第二事件路径。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1、通过机器人使用协同决策指数来确定是否需要等待其他机器人和切换路径,根据预计碰撞时间、任务优先级和路径重叠长度进行决策,从而利用信息共享和协同决策确保了机器人之间的协同作业,进而实现了降低协同路径冲突出现率,有效解决了现有技术中存在机器人协同路径易出现冲突的问题。
2、通过车库的路线节点拓扑图找到了多条初始路径,包括最短路径和其他可通行路径,从而确保了机器人能够到达目的地,进而为机器人提供了灵活性和选择性,降低了路径冲突的概率,同时提高了路径的可适应性。
3、通过中央控制***根据车辆和停车位的特性分配了最适合的目标停车位,从而最大化了停车位的利用率,确保了车辆被分配到最合适的停车位,进而减少了拥堵和资源浪费。
附图说明
图1为本申请实施例提供的用于车辆搬运机器人的车辆间协同搬运方法流程图;
图2为本申请实施例提供的用于车辆搬运机器人的车辆间协同搬运装置结构图。
具体实施方式
本申请实施例通过提供一种用于车辆搬运机器人的车辆间协同搬运方法及装置,解决了现有技术中存在机器人协同路径易出现冲突的问题,通过机器人使用协同决策指数来确定是否需要等待其他机器人和切换路径,根据预计碰撞时间、任务优先级和路径重叠长度进行决策,从而利用信息共享和协同决策确保了机器人之间的协同作业,进而实现了降低协同路径冲突出现率。
本申请实施例中的技术方案为解决上述现有技术中存在机器人协同路径易出现冲突的问题,总体思路如下:
AGV车辆搬运机器人在协同搬运过程中,接收中央控制***分配的目标车辆和停车位信息,通过计算路径初始化指数和搬运路径规划指数,确定了从当前位置到泊车房和从泊车房到目标停车位的第一和第二事件路径。机器人还获取其他AGV车辆搬运机器人的数据,计算路径情况指数和协同决策指数,以便在行驶过程中根据协同决策指数实时调整这两个事件路径,达到了降低协同路径冲突出现率。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
如图1所示,为本申请实施例提供的用于车辆搬运机器人的车辆间协同搬运方法流程图,该方法应用于用于车辆搬运机器人的车辆间协同搬运装置中,该方法包括以下步骤:接收目标车辆和停车位分配:AGV车辆搬运机器人接收由中央控制***为其分配的目标待搬运车辆和目标停车位;计算第一事件路径的路径初始化指数:AGV车辆搬运机器人根据车库的路线节点拓扑图,计算出路径初始化指数,根据路径初始化指数分析出其从当前位置到泊车房位置的第一事件路径;计算第二事件路径的搬运路径规划指数:AGV车辆搬运机器人根据目标待搬运车辆和目标停车位,计算出搬运路径规划指数,根据搬运路径规划指数分析出从泊车房到目标停车位的第二事件路径;获取其他AGV机器人数据,计算路径情况指数和协同决策指数:AGV车辆搬运机器人获取车库内其他AGV车辆搬运机器人的定位数据和任务数据,计算出路径情况指数和协同决策指数;根据指数确定并实时修正路径:AGV车辆搬运机器人根据路径情况指数确定第一事件路径和第二事件路径,在AGV车辆搬运机器人行驶过程中,根据协同决策指数实时修正第一事件路径和第二事件路径。
在本实施例中,第一事件路径特指AGV车辆搬运机器人从当前位置到泊车房中目标待搬运车辆的路径,第二事件路径特指AGV车辆搬运机器人将目标搬运车辆从泊车房搬运到目标停车位的路径。
进一步的,所述目标待搬运车辆和目标停车位的具体分配方法指:当泊车房中有新的待搬运车辆时,中央控制***选择距离该泊车房欧氏距离最短的AGV车辆搬运机器人,将该待搬运车辆设置为该AGV车辆搬运机器人的目标待搬运车辆;中央控制***根据当前泊车房内的车辆数据和车库内停车位数据计算出泊车分配指数,并根据泊车分配指数为目标待搬运车辆分配目标停车位。
在本实施例中,选择泊车分配指数最高的停车位作为分配的目标停车位,泊车分配指数最高的停车位意味着该停车位为空闲状态,其支持存放的车辆类型属性不经包含目标待搬运车辆对应的类型属性,还支持更多类型属性,此外其周围的空停车位数是最多的,其到泊车房的欧式距离也是当前最近的。泊车分配指数最高的停车位表示该停车位的可用性在当前而言最高,为最优的分配对象。
进一步的,所述泊车分配指数的具体计算方法为:从当前泊车房内的车辆数据中提取出车辆类型属性数据,从车库内停车位数据中提取出车位可承载车辆类型属性数据、车位周围空位数、空闲车位位置数据;将车库内的停车位和车辆类型属性分别进行编号,将提取的数据进行预处理和归一化处理;构建泊车分配指数公式模型,具体的泊车分配指数模型为:式中,PASIk为车库中第k个停车位的泊车分配指数,e为自然常数,k为车库内停车位的编号,k=1,2,...,K,K为停车位总数,/>为第k个停车位当前为空闲状态,/>为车库内第k个停车位为空闲状态的对应编号,/> 为空闲停车位总数,k和/>的值一一映射,ε1为第k个停车位当前为空闲状态时在泊车分配指数中的权重占比,/>为第k个停车位支持的第n个车辆类型属性,n为车辆类型属性编号,n=1,2,...,N,N为车辆类型属性编号总数,ε2为第k个停车位支持的车辆类型属性总数在泊车分配指数中的权重占比,/>为第k个停车位周围邻近位置的空闲车位数量,m为停车位周围邻近位置的空闲车位总数,ε3为第k个停车位周围邻近位置的空闲车位数量在泊车分配指数中的权重占比,LDk为第k个停车位到泊车房的欧式距离,ε4为第k个停车位到泊车房的欧式距离在泊车分配指数中的权重占比,ζ为泊车分配指数的修正系数。
在本实施例中,ε1+ε2+ε3+ε4=1,k为车库内停车位的编号,该停车位存在两种状态:空闲状态和已占用状态/>例如,2号停车位目前处于空闲状态,那么这个停车位表示为/>若该2号停车位目前处于已占用状态,那么这个停车位表示为/> 和/>的值相互互斥,且/>即同一时间一个停车位k仅允许两种状态中的一种出现,例如当/>时,当/>时,/>优先选取四周空位多的停车位,便于在对车辆进行存、挪或取操作时更加便捷。停车位到泊车房的欧式距离具体指从停车位上一个测量点到泊车房对应测量点的空间直线距离。欧氏距离一定程度上能够显示出停车位到泊车房的最短路径,便于取车时,欧氏距离对应路径上没有车辆的情况下,可以更快的将车辆搬运到泊车房。车辆类型属性根据车辆的一些规格得规划出,例如尺寸、高度、重量等,以考虑到停车位能能否支持存放当前目标待搬运车辆。m为停车位周围邻近位置的空闲车位总数,此处用于双层车库,默认前后有是走廊,m=1,2,3,4,分别代表左、右、上、下;当车位前后有车位时,m=1,2,3,4,5,6,分别代表左、右、上、下、前、后。
进一步的,所述路径初始化指数的具体分析方法为:根据车库的路线节点拓扑图找出当前AGV车辆搬运机器人能够成功行驶到泊车房的初始路径;构建路径初始化指数模型公式,计算初始路径的路径初始化指数;具体的路径初始化指数模型公式为:式中,CSD为第D条初始路径对应的路径初始化指数,D为初始路径的编号,D=1,2,...,D0,D0为初始路径的总数,/>为路径上允许行驶最大时长,XY为预计行驶时长,α1为预计行驶时长在路径初始化指数中的权重因子,JDD为第D条初始路径对应的节点总数,JD0为路径允许的最少节点总数,α2为节点总数在路径初始化指数中的权重因子,ξ为第D条初始路径对应的路径初始化指数的修正系数。
在本实施例中,α1+α2=1,路线节点拓扑图中的节点指的是AGV车辆搬运机器人在行驶路径中可以进行转向的节点。根据车库的路线节点拓扑图,可以通过路径规划算法得出多条从当前AGV车辆搬运机器人位置到泊车房的初始路径。该初始路径包括所有可通行给的路径,不仅仅包括最短路径。路径规划算法包括:A*算法、基于深度优先搜索的算法、基于广度优先搜索的算法等用于找到所有可通行路径的算法。根据初始路径上的节点总数,以及AGV车辆搬运机器人到泊车采用该初始路径时预计需要行驶的时长(即预计行驶时长),计算出初始路径的路径初始化指数。路径上的节点数重要性在路径初始化指数中大大高于预计行驶时长:节点数越高,路径初始化指数越大,该条初始路径越不适合作为前往泊车房的路径;预计行驶时长越长、越接近于路径上允许行驶最大时长,路径初始化指数越大,该条初始路径越不适合作为前往泊车房的路径。当初始路径上的节点越少,选择车辆预计行驶时长越小,路径初始化指数的值也将越小,同时意味着该条初始路径越适合于作为第一事件路径。当计算出每个初始路径对应的路径初始化指数时,设置一个阈值U0,将路径初始化指数低于阈值U0的路径全部舍弃,仅保留路径初始化指数不低于一定阈值U0的初始路径,并将保留下的多个初始路径记为第一事件路径。
进一步的,所述搬运路径规划指数的具体分析方法为:获取目标待搬运车辆和目标停车位的位置数据,结合车库的路线节点拓扑图,分析出搬运路径;获取车库内已占用停车位位置数据并编号;构建搬运路径规划指数模型公式,计算搬运路径的搬运路径规划指数;具体的搬运路径规划指数模型公式为:式中,GHB为第B条搬运路径对应的搬运路径规划指数,B为搬运路径的编号,B=1,2,...,B0,B0为搬运路径的总数,/>表示第B条搬运路径上第k个停车位当前为已占用状态;/>为车库内第k个停车位为已占用状态的对应编号,/> 为已占用停车位总数,k和/>的值一一映射,/>当/>时,/>反之同理;ω为搬运路径规划指数的修正系数。
在本实施例中,根据车库的路线节点拓扑图,结合目标待搬运车辆和目标停车位的位置数据,通过路径规划算法得出多条从当前泊车房中目标待搬运车辆到目标停车位的搬运路径。该搬运路径包括所有可通行给的路径,不仅仅包括最短路径。当计算出每个搬运路径对应的搬运路径规划指数时,设置一个阈值U1,将搬运路径规划指数低于阈值U1的路径全部舍弃,仅保留搬运路径规划指数不低于一定阈值U1的搬运路径,并将保留下的多个搬运路径记为第二事件路径。
进一步的,所述路径情况指数的具体分析方法为:获取其他AGV车辆搬运机器人的当前位置及其当前正在行驶的路径,据其分析出当前AGV车辆搬运机器人正在行驶的路径对应的路径情况指数;构建路径情况指数模型公式,计算路径情况指数;具体的路径情况指数模型公式为:式中,ROE为第一事件路径和第二事件路径集合中的路径对应的路径情况指数,E为第一事件路径和第二事件路径的集合,SGE为第一事件路径和第二事件路径集合中的路径与其他AGV车辆搬运机器人当前行驶路径的交叉总数量,SG0为允许交叉最小总值,χ0为路径情况指数的修正系数。
在本实施例中,计算第一事件路径和第二事件路径中所组成集合中各个路径的路径情况指数,根据其他AGV车辆搬运机器人的当前位置,计算其对应的行驶路径剩余部分与当前AGV车辆搬运机器人的行驶路径的交叉点总数量,交叉总数量越大,路径情况指数越高,表示当前AGV车辆搬运机器人在行驶路径上遇到的阻碍越多、需要进行协同决策的次数也越多,浪费计算资源,同时路径情况指数越高意味着该条路径越不适合作为行驶路径。将第一事件路径或第二事件路径中路径情况指数最低的确定为当前AGV车辆搬运机器人将要行驶的第一事件路径或第二事件路径,同时保留其他未被确定的第一事件路径或第二事件路径。允许交叉最小总值最低可以为0,最高不得超过车库内的AGV车辆搬运机器人总数。
进一步的,所述协同决策指数的具体计算公式为:式中,XT为当前AGV车辆搬运机器人对应的协同决策指数,CAI为当前AGV车辆搬运机器人对应的冲突避让指数,YI为当前AGV车辆搬运机器人对应的让步指数。
在本实施例中,若当前AGV车辆搬运机器人在确定好的第一事件路径或第二事件路径上遇到其他AGV车辆搬运机器人发生行驶路径冲突,根据协同决策指数判断当前AGV车辆搬运机器人是否需要原地等待或是避让切换路径。行驶路径冲突指的是其他AGV车辆搬运机器人出现在当前AGV车辆搬运机器人的行驶路线前方,将阻碍当前AGV车辆搬运机器人并干扰其正常速度行驶。当RE0大于RE时,当前AGV车辆搬运机器人不需要让步,同时,若冲突避让指数低于零则使AGV车辆搬运机器人降速行驶,若冲突避让指数不低于零则使AGV车辆搬运机器人保持原速行驶。当RE0不大于RE时:若让步指数低于零且冲突避让指数低于零,则降速并等待其他AGV车辆搬运机器人通过后继续行驶;若让步指数低于零且冲突避让指数不低于零,则保持原速在路径上行驶并在行驶的同时,其他AGV车辆搬运机器人会顺利通过路径交叉位置,完成在行驶途中等待的情况;若让步指数不低于零且冲突避让指数低于零,则降速向新确定的路径上行驶;若让步指数不低于零且冲突避让指数不低于零,则保持原速并新确定的路径上行驶。
进一步的,所述冲突避让指数的具体分析方法为:获取当前AGV车辆搬运机器人和车库内其他AGV车辆搬运机器人的实时位置、行驶速度和行驶路径;据其通过碰撞算法得出预计碰撞时间;构建冲突避让指数模型公式,计算冲突避让指数;具体的冲突避让指数模型公式为:式中,TD为当前AGV车辆搬运机器人与行驶路径上的其他AGV车辆搬运机器人的预计碰撞时间,TD0为当前AGV车辆搬运机器人最小安全碰撞时间,/>为冲突避让指数的修正系数。
在本实施例中,可以通过TTC测距碰撞算法得出预计碰撞时间;最小安全碰撞时间指的是二者距离刚好满足不会发生碰撞情况时对应的时间。预计碰撞时间能够反映出当前AGV车辆搬运机器人在行驶过程中与其他AGV车辆搬运机器人还有多久将会相撞。预计碰撞时间越短,冲突避让指数越小,意味着AGV车辆搬运机器人将要发生冲突避让的可能性越大。当冲突避让指数低于零时,使当前AGV车辆搬运机器人减速行驶;当冲突避让指数不低于零时,当前AGV车辆搬运机器人将保持当前速度行驶。
进一步的,所述让步指数的具体分析方法为:获取当前AGV车辆搬运机器人和车库内其他AGV车辆搬运机器人的实时位置和行驶路径,据其计算出重合路径长度;构建让步指数模型公式,计算让步指数;具体的让步指数模型公式为:式中,RE0为当前AGV车辆搬运机器人的任务优先级,RE为当前AGV车辆搬运机器人行驶路径上最近的AGV车辆搬运机器人的任务优先级,LF为当前AGV车辆搬运机器人与行驶路径上的其他AGV车辆搬运机器人的重合路径长度,LF'为当前AGV车辆搬运机器人原地等待允许范围内的重合路径允许等待长度。
在本实施例中,任务包括存车、取车、挪车和空闲归位,任务优先级为:存车>取车>挪车>空闲归位;存车指前往泊车房并将泊车房中的车辆搬运到目标停车位中;取车指前往停车位并将停车位上的车辆搬运到泊车房内;挪车指将停车位上的车辆转移到其他停车位上;空闲归位指无任务将返回AGV车辆搬运机器人的默认初始位置。当RE0大于RE时,当前AGV车辆搬运机器人不用为其他AGV车辆搬运机器人让步,即No concession(不让步);当RE0不大于RE时,让步指数若不大于零,则等待其他AGV车辆搬运机器人通过,若大于零则切换路径。重合路径长度反映当前AGV车辆搬运机器人与其他AGV车辆搬运机器人的行驶路径中重叠的路径长度。当重合路径长度大于重合路径允许等待长度则使当前AGV车辆搬运机器人切换路径,即从其他第一事件路径或第二事件路径中根据路径情况指数选择出新的第一事件路径或第二事件路径,且选择出的路径需要与当前AGV车辆搬运机器人位置有重合的路径。
如图2所示,为本申请实施例提供的用于车辆搬运机器人的车辆间协同搬运装置结构图,本申请实施例提供的用于车辆搬运机器人的车辆间协同搬运装置包括:目标分配模块、路径初始化计算模块、搬运路径规划模块、路径情况和协同决策计算模块和路径修正模块:所述目标分配模块:用于AGV车辆搬运机器人接收由中央控制***为其分配的目标待搬运车辆和目标停车位;所述路径初始化计算模块:用于AGV车辆搬运机器人根据车库的路线节点拓扑图,计算出路径初始化指数,根据路径初始化指数分析出其从当前位置到泊车房位置的第一事件路径;所述搬运路径规划模块:用于AGV车辆搬运机器人根据目标待搬运车辆和目标停车位,计算出搬运路径规划指数,根据搬运路径规划指数分析出从泊车房到目标停车位的第二事件路径;所述路径情况和协同决策计算模块:用于AGV车辆搬运机器人获取车库内其他AGV车辆搬运机器人的定位数据和任务数据,计算出路径情况指数和协同决策指数;所述路径修正模块:用于AGV车辆搬运机器人根据路径情况指数确定第一事件路径和第二事件路径,在AGV车辆搬运机器人行驶过程中,根据协同决策指数实时修正第一事件路径和第二事件路径。
请实施例中的技术方案,至少具有如下的技术效果或优点:相对于公开号为:CN116382295A的发明专利公开的一种基于多AGV的协同搬运方法及***,本申请实施例通过机器人使用协同决策指数来确定是否需要等待其他机器人和切换路径,根据预计碰撞时间、任务优先级和路径重叠长度进行决策,从而利用信息共享和协同决策确保了机器人之间的协同作业,进而实现了降低协同路径冲突出现率;相对于公开号为:CN114967666A的发明专利公开的一种泊车机器人的协同规划方法,本申请实施例通过车库的路线节点拓扑图找到了多条初始路径,包括最短路径和其他可通行路径,从而确保了机器人能够到达目的地,进而为机器人提供了灵活性和选择性,降低了路径冲突的概率,同时提高了路径的可适应性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种用于车辆搬运机器人的车辆间协同搬运方法,其特征在于,包括以下步骤:
AGV车辆搬运机器人接收由中央控制***为其分配的目标待搬运车辆和目标停车位;
AGV车辆搬运机器人根据车库的路线节点拓扑图,计算出路径初始化指数,根据路径初始化指数分析出其从当前位置到泊车房位置的第一事件路径;
AGV车辆搬运机器人根据目标待搬运车辆和目标停车位,计算出搬运路径规划指数,根据搬运路径规划指数分析出从泊车房到目标停车位的第二事件路径;
AGV车辆搬运机器人获取车库内其他AGV车辆搬运机器人的定位数据和任务数据,计算出路径情况指数和协同决策指数;
AGV车辆搬运机器人根据路径情况指数确定第一事件路径和第二事件路径,在AGV车辆搬运机器人行驶过程中,根据协同决策指数实时修正第一事件路径和第二事件路径。
2.如权利要求1所述用于车辆搬运机器人的车辆间协同搬运方法,其特征在于,所述目标待搬运车辆和目标停车位的具体分配方法指:
当泊车房中有新的待搬运车辆时,中央控制***选择距离该泊车房欧氏距离最短的AGV车辆搬运机器人,将该待搬运车辆设置为该AGV车辆搬运机器人的目标待搬运车辆;
中央控制***根据当前泊车房内的车辆数据和车库内停车位数据计算出泊车分配指数,并根据泊车分配指数为目标待搬运车辆分配目标停车位。
3.如权利要求2所述用于车辆搬运机器人的车辆间协同搬运方法,其特征在于,所述泊车分配指数的具体计算方法为:
从当前泊车房内的车辆数据中提取出车辆类型属性数据,从车库内停车位数据中提取出车位可承载车辆类型属性数据、车位周围空位数、空闲车位位置数据;
将车库内的停车位和车辆类型属性分别进行编号,
将提取的数据进行预处理和归一化处理;
构建泊车分配指数公式模型,具体的泊车分配指数模型为:
式中,PASIk为车库中第k个停车位的泊车分配指数,e为自然常数,k为车库内停车位的编号,k=1,2,...,K,K为停车位总数,为第k个停车位当前为空闲状态,/>为车库内第k个停车位为空闲状态的对应编号,/> 为空闲停车位总数,k和/>的值一一映射,ε1为第k个停车位当前为空闲状态时在泊车分配指数中的权重占比,/>为第k个停车位支持的第n个车辆类型属性,n为车辆类型属性编号,n=1,2,...,N,N为车辆类型属性编号总数,ε2为第k个停车位支持的车辆类型属性总数在泊车分配指数中的权重占比,/>为第k个停车位周围邻近位置的空闲车位数量,m为停车位周围邻近位置的空闲车位总数,ε3为第k个停车位周围邻近位置的空闲车位数量在泊车分配指数中的权重占比,LDk为第k个停车位到泊车房的欧式距离,ε4为第k个停车位到泊车房的欧式距离在泊车分配指数中的权重占比,ζ为泊车分配指数的修正系数。
4.如权利要求3所述用于车辆搬运机器人的车辆间协同搬运方法,其特征在于,所述路径初始化指数的具体分析方法为:
根据车库的路线节点拓扑图找出当前AGV车辆搬运机器人能够成功行驶到泊车房的初始路径;
构建路径初始化指数模型公式,计算初始路径的路径初始化指数;
具体的路径初始化指数模型公式为:
式中,CSD为第D条初始路径对应的路径初始化指数,D为初始路径的编号,D=1,2,...,D0,D0为初始路径的总数,为路径上允许行驶最大时长,XY为预计行驶时长,α1为预计行驶时长在路径初始化指数中的权重因子,JDD为第D条初始路径对应的节点总数,JD0为路径允许的最少节点总数,α2为节点总数在路径初始化指数中的权重因子,ξ为第D条初始路径对应的路径初始化指数的修正系数。
5.如权利要求3所述用于车辆搬运机器人的车辆间协同搬运方法,其特征在于,所述搬运路径规划指数的具体分析方法为:
获取目标待搬运车辆和目标停车位的位置数据,结合车库的路线节点拓扑图,分析出搬运路径;
获取车库内已占用停车位位置数据并编号;
构建搬运路径规划指数模型公式,计算搬运路径的搬运路径规划指数;
具体的搬运路径规划指数模型公式为:
式中,GHB为第B条搬运路径对应的搬运路径规划指数,B为搬运路径的编号,B=1,2,...,B0,B0为搬运路径的总数,表示第B条搬运路径上第k个停车位当前为已占用状态;/>为车库内第k个停车位为已占用状态的对应编号,/> 为已占用停车位总数,k和/>的值一一映射,/>当/>时,/>反之同理;ω为搬运路径规划指数的修正系数。
6.如权利要求3所述用于车辆搬运机器人的车辆间协同搬运方法,其特征在于,所述路径情况指数的具体分析方法为:
获取其他AGV车辆搬运机器人的当前位置及其当前正在行驶的路径,据其分析出当前AGV车辆搬运机器人正在行驶的路径对应的路径情况指数;
构建路径情况指数模型公式,计算路径情况指数;
具体的路径情况指数模型公式为:
式中,ROE为第一事件路径和第二事件路径集合中的路径对应的路径情况指数,E为第一事件路径和第二事件路径的集合,SGE为第一事件路径和第二事件路径集合中的路径与其他AGV车辆搬运机器人当前行驶路径的交叉总数量,SG0为允许交叉最小总值,χ0为路径情况指数的修正系数。
7.如权利要求3所述用于车辆搬运机器人的车辆间协同搬运方法,其特征在于,所述协同决策指数的具体计算公式为:
式中,XT为当前AGV车辆搬运机器人对应的协同决策指数,CAI为当前AGV车辆搬运机器人对应的冲突避让指数,YI为当前AGV车辆搬运机器人对应的让步指数。
8.如权利要求7所述用于车辆搬运机器人的车辆间协同搬运方法,其特征在于,所述冲突避让指数的具体分析方法为:
获取当前AGV车辆搬运机器人和车库内其他AGV车辆搬运机器人的实时位置、行驶速度和行驶路径;
据其通过碰撞算法得出预计碰撞时间;
构建冲突避让指数模型公式,计算冲突避让指数;
具体的冲突避让指数模型公式为:
式中,TD为当前AGV车辆搬运机器人与行驶路径上的其他AGV车辆搬运机器人的预计碰撞时间,TD0为当前AGV车辆搬运机器人最小安全碰撞时间,为冲突避让指数的修正系数。
9.如权利要求7所述用于车辆搬运机器人的车辆间协同搬运方法,其特征在于,所述让步指数的具体分析方法为:
获取当前AGV车辆搬运机器人和车库内其他AGV车辆搬运机器人的实时位置和行驶路径,据其计算出重合路径长度;
构建让步指数模型公式,计算让步指数;
具体的让步指数模型公式为:
式中,RE0为当前AGV车辆搬运机器人的任务优先级,RE为当前AGV车辆搬运机器人行驶路径上最近的AGV车辆搬运机器人的任务优先级,LF为当前AGV车辆搬运机器人与行驶路径上的其他AGV车辆搬运机器人的重合路径长度,LF'为当前AGV车辆搬运机器人原地等待允许范围内的重合路径允许等待长度。
10.一种用于车辆搬运机器人的车辆间协同搬运装置,其特征在于,包括目标分配模块、路径初始化计算模块、搬运路径规划模块、路径情况和协同决策计算模块和路径修正模块:
所述目标分配模块:用于AGV车辆搬运机器人接收由中央控制***为其分配的目标待搬运车辆和目标停车位;
所述路径初始化计算模块:用于AGV车辆搬运机器人根据车库的路线节点拓扑图,计算出路径初始化指数,根据路径初始化指数分析出其从当前位置到泊车房位置的第一事件路径;
所述搬运路径规划模块:用于AGV车辆搬运机器人根据目标待搬运车辆和目标停车位,计算出搬运路径规划指数,根据搬运路径规划指数分析出从泊车房到目标停车位的第二事件路径;
所述路径情况和协同决策计算模块:用于AGV车辆搬运机器人获取车库内其他AGV车辆搬运机器人的定位数据和任务数据,计算出路径情况指数和协同决策指数;
所述路径修正模块:用于AGV车辆搬运机器人根据路径情况指数确定第一事件路径和第二事件路径,在AGV车辆搬运机器人行驶过程中,根据协同决策指数实时修正第一事件路径和第二事件路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311609492.XA CN117636641B (zh) | 2023-11-29 | 一种用于车辆搬运机器人的车辆间协同搬运方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311609492.XA CN117636641B (zh) | 2023-11-29 | 一种用于车辆搬运机器人的车辆间协同搬运方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117636641A true CN117636641A (zh) | 2024-03-01 |
CN117636641B CN117636641B (zh) | 2024-07-26 |
Family
ID=
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105467997A (zh) * | 2015-12-21 | 2016-04-06 | 浙江工业大学 | 基于线性时序逻辑理论的仓储机器人路径规划方法 |
CN109669456A (zh) * | 2018-12-26 | 2019-04-23 | 芜湖哈特机器人产业技术研究院有限公司 | 一种agv调度控制*** |
CN110471418A (zh) * | 2019-08-22 | 2019-11-19 | 北京交通大学 | 智能停车场中的agv调度方法 |
CN111474926A (zh) * | 2020-03-24 | 2020-07-31 | 浙江中烟工业有限责任公司 | 一种基于多agv时间窗路径优化算法的废烟回收方法 |
US20200394745A1 (en) * | 2019-06-14 | 2020-12-17 | Toyota Motor North America, Inc. | Parking monitoring and assistance for transports |
CN113075927A (zh) * | 2021-03-22 | 2021-07-06 | 哈尔滨理工大学 | 基于预约表的仓储潜伏式多agv路径规划方法 |
KR20220015819A (ko) * | 2020-07-31 | 2022-02-08 | 한국로봇융합연구원 | 자율 주차 로봇 시스템의 작업 계획 관리 장치 및 관리 방법 |
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105467997A (zh) * | 2015-12-21 | 2016-04-06 | 浙江工业大学 | 基于线性时序逻辑理论的仓储机器人路径规划方法 |
CN109669456A (zh) * | 2018-12-26 | 2019-04-23 | 芜湖哈特机器人产业技术研究院有限公司 | 一种agv调度控制*** |
US20200394745A1 (en) * | 2019-06-14 | 2020-12-17 | Toyota Motor North America, Inc. | Parking monitoring and assistance for transports |
CN110471418A (zh) * | 2019-08-22 | 2019-11-19 | 北京交通大学 | 智能停车场中的agv调度方法 |
CN111474926A (zh) * | 2020-03-24 | 2020-07-31 | 浙江中烟工业有限责任公司 | 一种基于多agv时间窗路径优化算法的废烟回收方法 |
KR20220015819A (ko) * | 2020-07-31 | 2022-02-08 | 한국로봇융합연구원 | 자율 주차 로봇 시스템의 작업 계획 관리 장치 및 관리 방법 |
CN113075927A (zh) * | 2021-03-22 | 2021-07-06 | 哈尔滨理工大学 | 基于预约表的仓储潜伏式多agv路径规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109991977B (zh) | 机器人的路径规划方法及装置 | |
EP4002049A1 (en) | Systems and methods for optimizing route plans in an operating environment | |
CN106556406B (zh) | 多agv调度方法 | |
RU2589869C2 (ru) | Способ и система для эффективного планирования для множества автоматизированных неголономных транспортных средств с использованием планировщика скоординированных маршрутов | |
CN105182981B (zh) | 机器人的行进方法、控制方法、控制***和服务器 | |
CN108762268B (zh) | 多agv无碰撞路径规划算法 | |
CN111532641B (zh) | 仓储分拣中自动引导车的并行路径规划方法 | |
CN111596658A (zh) | 一种多agv无碰撞运行的路径规划方法及调度*** | |
JP2020149370A (ja) | 運行計画システム、運行計画方法及びコンピュータプログラム | |
CN110471418B (zh) | 智能停车场中的agv调度方法 | |
Yang et al. | Hierarchical planning for multiple AGVs in warehouse based on global vision | |
US11860621B2 (en) | Travel control device, travel control method, travel control system and computer program | |
EP4141599B1 (en) | Multi-robot route planning | |
US20230147624A1 (en) | Autonomous mobile robots for coverage path planning | |
CN114489062A (zh) | 面向车间物流的多自动导引车分布式动态路径规划方法 | |
CN115328113A (zh) | 基于改进时间窗算法的多物流机器人路径规划方法 | |
CN115657611A (zh) | 一种任务分配、处理方法和装置 | |
Shi et al. | Task allocation and path planning of many robots with motion uncertainty in a warehouse environment | |
WO2024051507A1 (zh) | 多机器人路径规划方法、装置及计算设备 | |
Sharma | Control classification of automated guided vehicle systems | |
CN117636641B (zh) | 一种用于车辆搬运机器人的车辆间协同搬运方法及装置 | |
CN116858267A (zh) | 一种烟草行业成品库平库盘点机器人的路径规划方法 | |
CN117636641A (zh) | 一种用于车辆搬运机器人的车辆间协同搬运方法及装置 | |
Zhao et al. | Dynamic node allocation-based multirobot path planning | |
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 |
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 |