一种智能停车库中存取车路径规划方法、装置及存储介质与流程

本发明涉及智能停车场内停取车
技术领域：
，尤其涉及一种用于智能停车库中agv存取车的路径规划方法、装置及存储介质。
背景技术：
：伴随科技与经济快速发展、城市规模不断扩张、城市人口密度的急剧上升、汽车保有量也急剧增加，城市泊车位供应不足等问题，由此导致城市交通拥堵和停车位困难问题日益严重。那么在此背景下，如何最大限度使用有限土地资源为城市的发展提供更便捷的服务，并对与日俱增的汽车提供必要的泊车位是当今许多大城市规划者亟待解决的难题，而基于agv(automatedguidedvehicle)的移动式智能停车库也就应运而生，且能够很好地解决了这一泊车位的难题，并节省很大的土地资源，并提高了泊车效率，降低泊车事故等问题，目前也已经有很多公司在从事相关技术的研发。目前主要的技术是通过引导的技术，比如采用磁引导的方法为agv导航和路径规划，需要在停车场内设置一定的轨迹和路线的磁条。或者采用激光雷达构建室内地图为agv提供地图，这两种方法需要极大的投入与消耗。技术实现要素：本发明实施例所要解决的技术问题在于，提供一种智能停车库中存取车路径规划方法、装置及存储介质，可有效避开路径资源竞争和冲突，在较短时间内顺利完成车辆的存取及停放任务。为了解决上述技术问题，本发明实施例提供了一种智能停车库中存取车路径规划方法，包括以下步骤：s1：对停车库中的各个元素以灰度值图像的方法进行建模，以得到二值化栅格地图；s2：对所述栅格地图进行形态学膨胀，生成用于路径规划的泊车势能图；s3：采用动态时间窗法解决多泊车路径资源竞争，从所述泊车势能图选取最优路径。进一步地，所述步骤s1具体包括以下步骤：对所述停车库中的各个元素标记成具有对应数量灰度值的所述灰度图像，采用阀值分割方法对所述灰度图像进行预处理，以得到所述二值化栅格地图。更进一步地，所述步骤s2具体包括以下步骤：对所述栅格地图进行检测，并判断所述栅格地图是否正确的步骤。更进一步地，所述步骤s2具体还包括以下步骤：判断所述栅格地图的进口和出口是否都有且只有一个，且进口和出口的坐标是否都在边界上，且不重合；若是，则判断进口、出口、车位是否四连通，且每一个车位与过道四连通。更进一步地，所述判断进口、出口、车位是否四连通还包括以下步骤：定义一个3*3的结构体元素；使用所述结构体元素对所述二值化栅格地图的进口，出口以及车位进行膨胀处理，膨胀之后的位置元素若为1则是四连通的，否则所述二值化栅格地图是错误的。更进一步地，所述步骤s2还包括：通过对所述停车库的进口处开始形态学膨胀，并不断的对每一次膨胀的位置增加其势能值；对每次膨胀结果除去上一次形态学膨胀的像素点，并检测膨胀位置是否存在障碍物，并将障碍物和上一次的膨胀像素不再参与下一次的形态学膨胀；不断的进行形态学膨胀并增加每个像素位置的势能值，生成所述泊车势能图。更进一步地，所述从所述泊车势能图选取最优路径通过以下方法进行：从泊车位势能处沿着势能下降的路径到出口即为最优路径。相应地，本发明实施例还提供了一种用于智能停车库中存取车路径规划的装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述方法的步骤。相应地，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述方法的步骤。实施本发明实施例，具有如下有益效果：能够通过获得对智能车库的泊车势能图和取车势能图，按照势能下降的路径搜索策略对agv进行最优的路径规划。1、本发明中，不仅阐述了如何对一个智能车库进行建模，并对停车场空间中的各种元素在使用栅格地图建模时进行标记，从而生成灰度图，用于后期的形态学膨胀处理生成势能图。2、本发明中，从图像处理的角度阐述了如何生成势能图，并说明如何利用势能图中势能下降的方式给agv规划出最优路径。3、本发明中，提出了当多个agv工作时，为每一个agv分配优先级，在规划出最优路径后，引入动态时间窗法避免多agv的路径资源竞争与冲突的问题。附图说明图1是本发明智能停车库中元素示意图；图2为本发明结合形态学处理生成势能图的过程图；图3为图2所示的地图经过形态学处理后生成的势能图；图4是本发明实施例的各种元素可视化的示意图；图5是图4发明实施例的势能图；图6是生成势能图的流程图。具体实施方式为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。针对目前在智能停车库中的agv运输车路径规划的问题，本发明从对智能停车库建模的角度，对停车场的进口、出口、障碍物、过道以及停车位，从图像处理的角度，根据不同元素生成不同的灰度级地图环境，并选择合适的结构体从形态学膨胀操作方式，把智能停车库的原始灰度级地图生成相应的泊车势能图和取车势能图，完成对泊车与取车的路径规划问题，该路径都是沿着势能下降的路径。并考虑多个agv同时工作时路径资源竞争与冲突的问题，采用动态时间窗法有效的避开资源冲突。本发明实施例提供了一种智能停车库中的agv运输车路径规划方法，使用图像处理的方法得到势能图，图4为形态学处理与势能图生成的具体实施过程，具体实施例结合图5所示解释如下：(1)将地图看成是一幅有5个灰度级的图像isrc：进口i的灰度值为0，出口e的灰度值为1，停车位p的灰度值为2，过道x的灰度值为3，障碍物b的灰度值为4，使用阈值处理将各部分分割出来，将这5个等级的灰度值按照如下的阀值分割方法分割为二值图像：进口：出口：停车位：过道：障碍物：(2)判断地图是否正确：对于上述生成的二值地图，需要判断地图的元素是否有错误，这是进行后期形态学操作的预处理工作，判断地图的进口和出口是否只有一个，且进口和出口都在边界上，且不重合。同时需要判断生成的地图的停车位是否可用，判断的方法是使用一个结构体元素检测每一个停车位与过道是否四连通。定义一个3*3的结构体se:010111010使用ix_dilate＝imdilate(ix,se)，对可行过道区域利用该结构体进行膨胀，其中ix_dilate表示膨胀的结果，ix是过道二值图，se则是上表所示的十字型结构元。地图的合理性判断是对地图生成对应势能图的预处理。(3)使用形态学操作获得势能图的步骤：势能值生成分析：根据agv的移动规则，并以图1为实例，以水平方向为x轴，以垂直方向为y轴，那么从进口处，机器人移动第一步，能到达最远点(0,3)，(1,4)，(0,5)，这三个点是进口位置的4邻域，在图中相应位置标注为1；机器人移动两步时可以到达的最远的点是(0,2)，(1,3)(2,4)，这些点是第一步达到最远点的4邻域，在上图中相应位置标注为2；依此类推，第n步到达的最远的点的是第n-1步到达最远的点的4邻域，在图中相应位置标注为n。得到的结果如图3。3.1、首先得到agv在智能停车区域的可行过道，ifeasible_region是灰度值小于4的可行区域二值图：ifeasible_region＝i＜43.2、机器人从进口位置走一步所达到的最远的位置是进口位置(0,4)的4连通(0,3)，(1,4)，(0,5)，因此，仍然使用十字型结构体se，使用结构体对ii进行一次膨胀，icurr_step即为当前原始图像ii一次膨胀的结果：icurr_step＝imdilate(ii,se)为了确保膨胀后agv仍然在可行区域内，所以需要计算：icurr_step＝icurr_step∩ifeasibale_region其中icurr_step是膨胀后当前可行区域的迭代过程，和ifeasible_region“与”操作，用来除去不参与下一次膨胀的不可行区域。即icurr_point中像素为1的点：i[1]curr_point＝icurr_step-ii3.3、同样agv走两步能到达的最远位置等价于对进行连续两次膨胀减去第一次膨胀后的位置，每次膨胀后都要检测可行域：icurr_step＝imdilate(ii,se)∩ifeasible_regionicurr_step＝imdilate(ilast_step,se)∩ifeasible_regioni[2]curr_point＝icurr_step-ilast_step(4)以此类推，agv走n步到达最远位置等价于对ii进行第n次膨胀减去对ii进行第n-1次膨胀后的位置(每次膨胀后将结果图与ifeasible_region进行“与”操作确保机器人在可行区域中)，i[n]curr_point用来表示agv走了n步所能达到的可行区域：i[n]curr_point＝icurr_step-ilast_step(5)将每一步得到的i[i]curr_point表示agv行走第i步达到的可行区域，乘以对应的步数i叠加在一起得到势能图ienergy_map：具体的实现结果如图5，使用同样的方法可以得到以出口为零势能的势能图用于搜索停车位到出口的路径。(6)根据泊车势能图在智能停车库中的路径规划策略沿着坐标位置势能下降的顺序即为最优路径，那么，对于取车路径规划的问题，同样适用沿着势能下降的顺序，可以为取车agv规划出最优路径。路径搜索策略：根据图3所示，标注了第n步能到达的最远位置，该图上标注出了从每一点到进口位置所需要的最少的步数，比如在右上角(5,1)号停车位到进口位置的最少步数是10，如果将每个位置上标注的步数看作是一种势能，则图3称为势能图，那么从停车位到进口位置的最优路径是路径上所有位置的势能和最小的路径，例如：停车位(5,1)势能顺序为10→(5,0)、势能为9→(4,0)、势能8→(3,0)、势能7→(2,0)、势能6→(1,0)、势能5→(0,0)、势能4→(0,1)、势能3→(0,2)、势能2→(0,3)、势能1→进口位置(0,4)势能0，从停车位到进口的路径的搜索方法是停车机器人每走一步都是往比当前位置势能小的方向走，最终能到达势能为0的进口位置。在过程中如果有多个agv同时运行，便为给每一辆agv分配优先级结合动态时间窗法，解决路径资源的竞争与冲突的问题，以达到快速且高效的存取车。本发明实施例还提供了一种智能停车库中存取车路径规划的装置，可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述一种用于图像相似度比对的装置可包括，但不仅限于处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是一种智能停车库中存取车路径规划的装置，并不构成对一种智能停车库中存取车路径规划的的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种智能停车库中存取车路径规划的装置还可以包括输入输出设备、网络接入设备、总线等。所述处理器可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种智能停车库中存取车路径规划的控制中心，利用各种接口和线路连接整个一种智能停车库中存取车路径规划的各个部分。所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种智能停车库中存取车路径规划的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。所述一种智能停车库中存取车路径规划的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。当前第1页12