一种多障碍空间多agv机器人协作防碰撞路径优化方法
【专利摘要】AGV机器人在工业生产企业内部物流应用越来越广泛。本发明公开了一种多障碍空间下生产车间中内部物流运输多AGV机器人协作防碰撞路径优化方法。以车间环境实时二维动态模型为基础，以机器人自身为原点建立车间二维坐标图并网格化，基于网格化二维坐标系计算网格交叉点之间的连通性，利用最短连通路径方法计算各个机器人到达目标位置最优路径；随后，比较路径库中各机器人规划路径，避免路径交叉，从而指导机器人碰撞避免。通过本发明的方法，可以在多障碍生产空间中快速规划出多AGV机器人防碰撞协同路径，减少复杂路径规划算法带来的计算时间，实现高效的任务协作，在现实的多机器人工作车间中具有使用的实际意义。
【专利说明】
一种多障碍空间多AGV机器人协作防碰撞路径优化方法
技术领域
[0001] 本发明涉及多机器人协作路径优化领域，特别的涉及到一种最优碰撞避免路径优 化方法。
【背景技术】
[0002] 多AGV机器人协作是指在同一个工作空间中同时存在多个机器人一起运作，并且 每一个机器人的运作和其它机器人之间的工作是互不干预的。一旦在同一个狭窄的工作空 间中同时存在多个机器人工作，有可能会导致机器人之间的相互碰撞，从而导致生产车间 的生产混乱和造成不必要的损失。
[0003] 目前，国内外的研究中，最优多机器人协作防碰撞路径优化一般采用蚁群算法，遗 传算法或是一些神经网络算法，但是这些算法会带来一些比较大的计算消耗，因此对机器 人结构设计的硬件要求也就比较高，会造成成本的额外消耗。
[0004] 针对上述所说的现有的防碰撞技术在多机器人的碰撞避免中的实现的操作性差、 适用性不强、路径优化的算法消耗大、机器人结构成本比较高等问题，本发明提出一种多 AGV机器人协作路径优化方法，对得到的环境图像建立网格化的二维坐标系。通过计算本身 机器人、目标位置、网格交叉点之间的连通性，规划出一条多机器人协作的路径，再和建立 的优化路径库中其它机器人规划出的路径进行比较，从而优化多机器人协作防碰撞路径。 这种方法实现较为简单、易于操作，并且使用网格化的连通点规划路径的方法，相比于使用 计算量消耗较大的蚁群算法和遗传算法等智能化方式，可降低硬件成本，并且实现效果好， 能够有效的在多机器人协作中的行进路径优化中得到很好的应用。
【发明内容】
[0005] 为了解决上述技术问题，本发明的技术方案如下：
[0006] -种多机器人协作路径优化方法，所述的方法包括如下步骤：
[0007] 步骤1:对获取的机器人所处环境的图像信息进行网格化二维重构，再现机器人所 处的环境网格化模型。
[0008] 步骤2:在网格化图像基础上以自身机器人为原点建立一个x，y二维坐标系，并且 建立一个优化路径库，作为多机器人各自建立的最优路径进行交叉碰撞检测。
[0009] 步骤3:在建立的x，y二维坐标系中，计算获取网格化的交叉点和本身机器人所在 位置坐标、目标位置之间的连通性，从而计算出机器人自身到目标位置的最优碰撞避免路 径，并为计算出的最优路径以位移大小为权值设置优先权，将路径信息存放在优化路径决 策库中。比较各个避碰路径。
[0010] 进一步的，步骤1中，对获取的环境图像进行二维网格化重构，识别出图像中各个 物体，获得目标位置和其它机器人位置信息，障碍物的位置信息。
[0011] 网格化的密度可依据所处空间环境进行设置，在障碍物密集，空间狭小的环境中， 理论上网格化密度也应该越高，多协作路径优化效果越好，但是随之计算的计算量也增加， 因此网格化密度应该保持适中。以下给出了网格化密度计算的公式：
[0012]网格化密度P =障碍物所占空间大小/工作空间总大小*0.4*100%
[0013] 进一步的，步骤2中，对获取的网格化的环境模型图像进行x，y二维坐标系建模，包 括以下几个步骤：
[0014] 步骤2.1:建立x，y二维坐标系，标记其他机器人和目标所处位置。
[0015] 步骤2.2:计算出每一个网格交叉点在X，y二位坐标系中的坐标信息。
[0016] 步骤2.3:对于图像中的不规则障碍物，直接使用一个八阶拟合的椭圆或者圆形图 像对障碍物进行包围，以便之后的最优路径计算能够避开障碍物。
[0017] 进一步的，步骤3中，计算机器人、目标位置以及网格交叉点之间的连通性，从而计 算出最优路径决策的方法，计算机器人到目标位置的最优路径决策的方法具体包括路径规 划，路径优化。
[0018] 所述路径规划包含以下步骤：
[0019] 步骤3.1.1:记自身机器人所在位置坐标为Θ = (a，b)，目标位置坐标为G = (m，n)， 网格点记力备.=.i € i￥'障碍物区域记为Ω，连通路径记为一个二维向量，
[0020]
[0021] 步骤3.1.2:以本身机器人所在位置为圆心，半抒力r=i^_2p，PHA中β是调整 因子，按照右手法则扫描周边网格点瑪，氣€ Q。计算本身机器人到下一跳节点欧式距离，
[0022]
[0023] 步骤3.1.3:选择最佳的连通路径，使用贪婪路由转发算法选择下一跳节点位置， 即是下一跳的节点距离目标位置是最小的。
[0024]
[0025] 步骤3.1.4:选取最佳的下一跳节点之后加入到连通路径向量。
[0026]
[0027]步骤3.1.5:跳转到步骤3，重复操作，直到到达目的位置。
[0028]步骤3.1.6:计算机器人连通路径总的位移，作为一个优先权值，距离越小，优先权
越大。
[0029]
[0030] 所还路牷优化包贫以卜步骤：
[0031 ]步骤3.2.1:在所建立的路径库中比较每个机器人所建立的路径，检查是否有路径 交叉。
[0032] 步骤3.2.2:若在点(?*?)路径交叉，计算在该点处是否会发生碰撞，设AGV 小车车身长度为L，行驶速度为V1，使用小车行驶到碰撞交叉点位置所用的时间来判断是否 会发生碰撞，贝1J有
[0033]
[0034]比较T1，若是交叉路径的小车之间^辛。，则证明小车在经过交叉点时不会发生碰 撞，可按照规划路径直接行走。否则跳到步骤3.2.3。
[0035] 步骤3.2.3:建立一个停等机制，在小车行驶到碰撞点的时候进行权值比较，ω i< Wj，则COi优先权较大，小车优先通过。并且对于COj，进行一次优先权值调整，ω?+1= γ c〇i， 〇〈γ〈?，其中γ为权值的调整因子。
[0036] 若在小车等待的时间段内又有一个优先权比较大的小车通过碰撞点，则小车继续 对步骤3.2.3进行迭代，修改等待中的小车权值，从而对小车的路径进行了优化。
[0037] 通过本发明的方法，可以在多机器人协同工作生产空间中实现高效的路径规划， 优化各个机器人之间协作路径，减少由于复杂的计算方法带来的计算时间，该方法碰撞避 免程度高、已于操作实现，在现实的多机器人工作车间中具有使用的实际意义，同时，通过 环境采集过程，可以实时了解各个机器人实时位置信息，加强了机器人协作路径的优化，指 导机器人高效率的协同工作。
【附图说明】
[0038] 图1为多机器人协作路径优化流程图。
[0039]图2为网格化的x，y二维坐标模型图。
[0040]图3为多机器人协作路径优化的路径库图。
【具体实施方式】
[0041 ]附图仅用于示例性说明，不能理解为对本专利的限制；
[0042]下面结合附图和实施例对本发明的技术方案做进一步的说明。
[0043] -种多机器人协作路径优化方法，如图1所示包括以下步骤：
[0044] 步骤1:对获取的机器人所处环境的图像信息进行网格化二维重构，再现机器人所 处的环境网格化模型。
[0045] 步骤2:在网格化的图像中，以自身机器人为原点建立一个x，y二维坐标系，标记自 身机器人、目标以及网格交叉点的坐标位置，并且建立一个路径库，作为多机器人各自建立 的最优路径进行交叉碰撞检测。
[0046] 步骤3:在建立的x，y二维坐标系中，计算获取网格化的交叉点和本身机器人所在 位置坐标、目标位置之间的连通性，从而计算出机器人自身到目标位置的最优碰撞避免路 径，并为计算出的最优路径以位移大小为权值设置优先权，将路径信息存放在优化路径决 策库中。比较各个避碰路径。
[0047] 在具体的实施过程中，步骤1中，对获取的图像进行网格化操作，不改变图像中的 物体形态，只对背景图像做一个网格化操作，从而实现对图像网格化重构。
[0048] 以下给出了网格化密度计算的公式：
[0049] 网格化密度P =障碍物所占空间大小/工作空间总大小*0.4*100%
[0050] 假设障碍物所占空间为40m2,工作空间大小为100,则可计算出网格化密度为 0.16m2，网格密度既是代表着每一个网格所占的面积大小为0.16m 2。
[0051] 在具体的实施过程中，步骤2中，对所获取的动态环境建立x，y二维坐标系具体包 括以下步骤：
[0052]步骤2.1:建立x，y二维坐标系，标记其他机器人和目标所处位置。
[0053] 步骤2.2:计算出每一个网格交叉点在x，y二位坐标系中的坐标信息。
[0054] 步骤2.3:对于图像中的不规则障碍物，直接使用一个八阶拟合的椭圆或者圆形图 像对障碍物进行包围，以便之后的最优路径计算能够避开障碍物。
[0055] 在具体的实施过程中，步骤3中，计算机器人到目标位置的最优路径决策的方法具 体包括以下几个步骤：
[0056] 步骤3.1.1:如图2所示，设机器人I (Robotl)当前所在位置坐标为Θ = (a，b)，目标 位置坐标为G= (m，n)，网格点记为I 障碍物区域记为Ω，连通路径记为 一个二维向』
并 且由上述步骤1的具体实施中可知网格密度P = 0.16m2。
[0057] 步骤3.1.2:以本身机器人所在位置为圆心，半径^
式中β是调整 因子，这里选取β= 1.2,按照右手法则扫描周边网格点丨计算本身机器人到下 一跳节点欧式距离，
[0058]
[0059] 步骤3.1.3:选择最佳的连通路径，使用贪婪路由转发算法选择下一跳节点位置， 即是下一跳的节点距离目标位詈是最小的。
[0060]
[0061] 步骤3.1.4:选取最佳的下一跳节点之后加入到连通路径向量。
[0062]
[0063]步骤3.1.5:跳转到步骤3.1.3，重复操作，直到到达目的位置。
[0064] 经过多次运算迭代之后，假设连通路径向量为X={[a，b]，[m，V1]，[U3， V3]，[u4， V4]，[U6，V6]，[U7, V7]，[U12, V12]，[U16，V16]，[Ι?，η] }
[0065] 步骤3.1.6:计算Robot I连通路径总的位移，作为一个优先权值，距离越小，优先权
越大。
[0066]
[0067]由上述式子计算得到的权值ω为128。
[0068] 如图3所示，多机器人协作路径优化的方法步骤为：
[0069] 步骤3.2.1:在所建立的路径库中比较每个机器人所建立的路径，检查是否有路径 交叉。
[0070] 步骤3.2.2:r如图2所示，Robotl，2,3,5在点C = (uiq，viq)路径交叉，计算在该点处 是否会发生碰撞，AGV小车车身长度为L = 1.5m，行驶速度为vi = 0.3m/s，V2 = 0.5m/s，V3 = 0.7m/s，V5 = 0.6m/s，使用小车行驶到碰撺交叉点位置所用的时间为
[0071]
[0072] 计算得出Robotl，2,3,5到达碰撞点时间分别St1 = Asa = S .5s，t3 = 4s，t：5 = 6s。 比较Ti，T1 = τ3 = 4s，则Robot I，3发生碰撞概率非常大，执行第3.2.3步骤。
[0073]步骤3.2.3:建立一个停等机制，在小车行驶到碰撞点的时候进行Robotl，3权值比 较，由上述具体步骤中可知ω 1 = 128,经计算，Robot3权值CJ1= 130, ω:< ω 3,则Co1优先权 较大，Robot 1优先通过。并且对于ω 3，进行一次优先权值调整，取γ=〇.2, ω3 = 〇. 87*130 = 113.1 AobotS在Robotl通过之后继续按原路径行驶。
[0074] 本发明的多机器人碰撞避免决策方法，在动态多变的环境中规划出快速的规划出 每一个机器人的协作路径，并在最优路径库中比较各个机器人规划出的路径，以此判断是 否会有碰撞风险，一次优化多机器人在多障碍物有限空间下的协作路径。通过本发明的方 法，可以高效、快速的规划出多机器人的协作路径，并且优化碰撞路径，减少路径规划所带 来的计算复杂度，降低了机器人所使用的计算硬件要求，从而降低制造成本。该方法实现的 碰撞避免程度高、实现简单、易于操作，在现实的多机器人工作车间中具有使用的实际意 义。
[0075] 最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制;尽 管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其依 然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进 行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术 方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
【主权项】
1. 一种多障碍空间下多AGV机器人协作防碰撞路径优化方法，其特征在于，所述方法包 括以下步骤： 步骤1，对获取的机器人所处环境的图像信息进行网格化二维重构，再现机器人所处的 环境网格化模型； 步骤2,在网格化图像基础上以自身机器人为原点建立一个x，y二维坐标系，并且建立 一个优化路径库； 步骤3,在建立的所述x，y二维坐标系中，计算获取网格的交叉点和机器人所在位置坐 标、目标位置坐标之间的连通性，从而计算出机器人自身到目标位置的最优碰撞避免路径， 并为计算出的最优路径以位移大小为权值设置优先权，将路径信息存放在优化路径决策库 中，比较各个避碰路径。2. 根据权利要求1所述的多障碍空间下多AGV机器人协作防碰撞路径优化方法，其特征 在于，在所述步骤1中，对处理过后的机器人所处环境图像进行一定密度的网格化操作，网 格化的密度可依据所处空间环境进行设置，网格化密度计算的公式： 网格化密度P =障碍物所占空间大小/工作空间总大小*0.4*100 %。3. 根据权利要求1所述的多障碍空间下多AGV机器人协作防碰撞路径优化方法，其特征 在于，在所述步骤2中，对获取的环境模型图像进行x，y二维坐标系建模包括以下几个步骤： 步骤2.1，建立x，y二维坐标系，标记其他机器人和目标所处位置； 步骤2.2，计算出每一个网格交叉点在x，y二位坐标系中的坐标信息； 步骤2.3,对于图像中的不规则障碍物，直接使用一个八阶拟合的椭圆或者圆形图像对 障碍物进行包围，障碍物区域记为Q。4. 根据权利要求1所述的多障碍空间下多AGV机器人协作防碰撞路径优化方法，其特征 在于，在所述步骤3中，计算机器人到目标位置的最优路径决策的方法具体包括路径规划， 路径优化， 其中所述路径规划包含以下步骤： 步骤3.1.1:记自身机器人所在位置坐标为? = (a，b)，目标位置坐标为G = (m，n)，网格 点记为= (%,%)，[￡矿，障碍物区域记为〇，连通路径记为一个二维向量， x{xi，X2，…，xn} = {x :xi= {a，b}，，xn = [m, n) |ie2,.3,…，71, 钇 Q }; 步骤3.1.2:以本身机器人所在位置为圆心，，式中0是调整因子， 按照右手法则扫描周边网格点私，仏这Q :，计算本身机器人到下一跳节点欧式距离，步骤3.1.3:选择最佳的连通路径，使用贪婪路由转发算法选择下一跳节点位置，即是 下一跳的节点距离目标位置是最小的，步骤3.1.4:选取最佳的下一跳节点之后加入到连通路径向量， )C = X + 0/ ； 步骤3.1.5:跳转到步骤3.1.3，重复操作，直到到达目的位置； 步骤3.1.6 :计算机器人连通路径总的位移，作为一个优先权值，距离越小，优先权越 大，所述路径优化包含以下步骤： 步骤3.2.1，在所建立的路径库中比较每个机器人所建立的路径，检查是否有路径交 叉， 步骤3.2.2,若在点X = (M&，）路径交叉，计算在碰撞交叉点处是否会发生碰撞，设 AGV小车车身长度为L，行驶速度为只，使用小车行驶到碰撞交叉点位置所用的时间来判断 是否会发生碰撞，则有比较^，若是交叉路径的小车之间则证明小车在经过交叉点时不会发生碰撞， 可按照规划路径直接行走，否则跳到步骤3.2.3， 步骤3.2.3，建立一个停等机制，在小车行驶到碰撞点的时候进行权值比较，X ?」，则 Wi优先权较大，小车优先通过;并且对于〇 j，进行一次优先权值调整，〇i+i= y 〇i，0〈 y〈 1，其中y为权值的调整因子， 若在小车等待的时间段内又有一个优先权比较大的小车通过碰撞点，则小车继续对步 骤3.2.3进行迭代，修改等待中的小车权值，从而对小车的路径进行了优化。
【文档编号】B25J9/16GK106041931SQ201610513956
【公开日】2016年10月26日
【申请日】2016年6月30日
【发明人】程良伦, 林嘉华, 王涛, 肖红
【申请人】广东工业大学