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

AGV机器人在工业生产企业内部物流应用越来越广泛。本发明专利技术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。通过本发明专利技术的方法，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。

【技术实现步骤摘要】

本专利技术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。
技术介绍
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。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。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，本专利技术提出一种多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。
技术实现思路
为了解决上述技术问题，本专利技术的技术方案如下：一种多机器人协作路径优化方法，所述的方法包括如下步骤：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，作为多机器人各自建立的最优路径进行交叉碰撞检测。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。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。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：网格化密度ρ＝障碍物所占空间大小/工作空间总大小*0.4*100％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：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，以便之后的最优路径计算能够避开障碍物。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。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Θ＝(a,b)，目标位置坐标为G＝(m，n)，网格点记为障碍物区域记为Ω，连通路径记为一个二维向量，步骤3.1.2：以本身机器人所在位置为圆心，半径为式中β是调整因子，按照右手法则扫描周边网格点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。步骤3.1.5：跳转到步骤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。 ω = d i s tan ( χ ) = d i s tan ( x 1 ) + Σ i = 2 n x i + d i s tan ( x n ) ]]>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vi，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τi，若是交叉路径的小车之间τi≠τj，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，ωi＜ωj，则ωi优先权较大，小车优先通过。并且对于ωj，进行一次优先权值调整，ωi+1＝γωi，0<γ<1，其中γ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。通过本专利技术的方法，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。附图说明图1为多机器人协作路径优化流程图。图2为网格化的x,y二维坐标模型图。图3为多机器人协作路径优化的路径库图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；下面结合附图和实施例对本专利技术的技术方案做进一步的说明。一种多机器人协作路径优化方法，如图1所示包括以下步骤：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。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。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，从而实现对本文档来自技高网...

【技术保护点】
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。

【技术特征摘要】
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ρ＝障碍物所占空间大小/工作空间总大...

【专利技术属性】
技术研发人员：程良伦，林嘉华，王涛，肖红，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44