【技术实现步骤摘要】
本专利技术涉及机器人，尤其涉及一种agv避障方法、装置、计算机设备及可读存储介质。
技术介绍
1、自动导引运输车(automated guided vehicle，agv)是装备有电磁或光学等自动导引装置，以充电电池为动力的无人驾驶自动运输车辆，能够沿规定的导引路径实现自动化运输。当前激光agv的行驶路径规划是通过读取预先绘制的地图软件路径完成，但agv在指定路径行驶过程中，可能遭遇临时摆放的障碍物、人为越界进入行驶路径、与其他agv发生路径冲突等问题。为了解决上述问题，过去常采取的方法是agv通过自身的避障传感器检测后原地停止，待障碍物移出检测区域后继续行驶。然而，如果障碍物无法及时移除，agv将一直停止在原地，无法继续通过该路径。这不仅会影响整个工序的进行节奏，还会破坏自动化生产流程的连贯性。
2、目前主流的agv系统通常需要强大的计算能力来处理大量的传感器数据、进行复杂的路径规划和决策，这导致了系统的高能耗和高昂的成本。此外，由于agv系统的算力限制，其在处理大规模任务和应对复杂环境时面临着诸多挑战。例如，在高密度存储和输送系统中，agv需要实时感知和响应周围环境的变化，以实现高效的货物搬运和管理。然而由于算力不足，agv往往无法快速准确地识别和处理大量的传感器数据，导致系统性能下降甚至发生错误操作。
技术实现思路
1、有鉴于此，本专利技术的目的是为了克服现有技术中的不足，提供一种agv避障方法、装置、计算机设备及可读存储介质。
2、本专利技术提供如下
3、第一方面，本公开实施例中提供了一种agv避障方法，所述方法包括:
4、设置机器人的安全防区，通过极坐标系方程表示所述安全防区的防区边界，并依据激光雷达分辨率对所述防区边界进行离散化，得到离散边界，其中，所述安全防区包括避障区、减速区与急停区；
5、获取激光数据，通过索引查找所述激光数据对应的离散边界，根据所述激光数据对应的离散边界确定障碍物所在的安全防区；
6、若所述障碍物所在的安全防区为所述避障区或所述减速区，则利用主动避障算法基于sl坐标系和三角函数曲线生成多条避障采样曲线；
7、剔除各所述避障采样曲线中与所述障碍物碰撞的错误避障曲线，得到多条正确避障曲线，通过预设代价函数评估各所述正确避障曲线，得到多个对应的代价值，将最小的代价值对应的正确避障曲线作为目标避障路径。
8、进一步地，所述依据激光雷达分辨率对所述防区边界进行离散化，得到离散边界，包括：
9、f(ρi,θi)＝0,θi＝i×resolution,其中,i＝1,2,…,n
10、式中，ρi为所述离散边界，θi为离散极角，resolution为所述激光雷达分辨率，n为离散总数，n＝360/resolution。
11、进一步地，所述若所述障碍物的所在防区为所述避障区或所述减速区之前，还包括：
12、若所述障碍物所在的安全防区为所述急停区，则控制所述机器人停止运行；
13、若各所述安全防区内未检测到所述障碍物，则控制所述机器人按照预设速度运行。
14、进一步地，所述若所述障碍物所在的安全防区为所述避障区或所述减速区之后，还包括：
15、判断所述障碍物所在的安全防区是否为所述减速区；
16、若所述障碍物所在的安全防区为所述避障区，则控制所述机器人按照规划速度运行；
17、若所述障碍物所在的安全防区为所述减速区，则控制所述机器人降低所述规划速度。
18、进一步地，所述避障采样曲线包括离散纵向位置曲线与成离散横向位置曲线，所述利用主动避障算法基于sl坐标系和三角函数曲线生成多条避障采样曲线，包括：
19、利用所述主动避障算法基于所述sl坐标系，生成多个采样终点；
20、获取采样起点，并根据所述采样起点、所述采样终点与所述三角函数曲线，生成所述离散纵向位置曲线与所述成离散横向位置曲线。
21、进一步地，所述离散纵向位置曲线为：
22、si＝si-1+vreftsample,i＝1,2,…,n,n＝tplan/tsample
23、式中，tsample为采样时间，si为i×tsample时刻所述机器人的纵向位置，si-1为(i-1)×tsample时刻所述机器人的纵向位置，vref为所述机器人的参考速度，tplan为规划时间，n为所述规划时间内的离散总数；
24、所述离散横向位置曲线为：
25、
26、式中，li为i×tsample时刻所述机器人的横向位置，l0为所述采样起点的横向位置，lfinal为所述采样终点的横向位置，s0为所述采样起点的纵向位置，sfinal为所述采样终点的纵向位置。
27、进一步地，所述预设代价函数为：
28、
29、式中，cost为代价值，wl为横向位移权重，wdl为横向速度权重，wddl为横向加速度权重，ws为纵向位移权重，为横向速度，为横向加速度，wjerk为纵向加速度权重，为纵向加速度，为纵向速度。
30、第二方面，本公开实施例中提供了一种agv避障装置，所述装置包括：
31、离散模块，用于设置机器人的安全防区，通过极坐标系方程表示所述安全防区的防区边界，并依据激光雷达分辨率对所述防区边界进行离散化，得到离散边界，其中，所述安全防区包括避障区、减速区与急停区；
32、确定模块，用于获取激光数据，通过索引查找所述激光数据对应的离散边界，根据所述激光数据对应的离散边界确定障碍物所在的安全防区；
33、生成模块，用于若所述障碍物所在的安全防区为所述避障区或所述减速区，则利用主动避障算法基于sl坐标系和三角函数曲线生成多条避障采样曲线；
34、评估模块，用于剔除各所述避障采样曲线中与所述障碍物碰撞的错误避障曲线，得到多条正确避障曲线，通过预设代价函数评估各所述正确避障曲线，得到多个对应的代价值，将最小的代价值对应的正确避障曲线作为目标避障路径。
35、第三方面，本公开实施例中提供了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面中所述的agv避障方法的步骤。
36、第四方面，本公开实施例中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第一方面中所述的agv避障方法的步骤。
37、本申请的有益效果：
38、本申请实施例提供的agv避障方法，方法包括：设置机器人的安全防区，通过极坐标系方程表示所述安全防区的防区边界，并依据激光雷达分辨率对所述防区边界进行离散化，得到离散边界，其中，所述安全防区包括避障区、减速区与急停区；获取激光数据，通过索引查找所述激光数据对应的离散边界，根据所述激光数据对应的离散边界确定本文档来自技高网...
【技术保护点】
1.一种AGV避障方法，其特征在于，所述方法包括：
2.根据权利要求1所述的AGV避障方法，其特征在于，所述依据激光雷达分辨率对所述防区边界进行离散化，得到离散边界，包括：
3.根据权利要求1所述的AGV避障方法，其特征在于，所述若所述障碍物的所在防区为所述避障区或所述减速区之前，还包括：
4.根据权利要求1所述的AGV避障方法，其特征在于，所述若所述障碍物所在的安全防区为所述避障区或所述减速区之后，还包括：
5.根据权利要求4所述的AGV避障方法，其特征在于，所述避障采样曲线包括离散纵向位置曲线与成离散横向位置曲线，所述利用主动避障算法基于SL坐标系和三角函数曲线生成多条避障采样曲线，包括：
6.根据权利要求5所述的AGV避障方法，其特征在于，所述离散纵向位置曲线为：
7.根据权利要求6所述的AGV避障方法，其特征在于，所述预设代价函数为：
8.一种AGV避障装置，其特征在于，所述装置包括：
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执
10.一种计算机可读存储介质，其特征在于，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权利要求1-7中任一项所述的AGV避障方法的步骤。
...【技术特征摘要】
1.一种agv避障方法，其特征在于，所述方法包括：
2.根据权利要求1所述的agv避障方法，其特征在于，所述依据激光雷达分辨率对所述防区边界进行离散化，得到离散边界，包括：
3.根据权利要求1所述的agv避障方法，其特征在于，所述若所述障碍物的所在防区为所述避障区或所述减速区之前，还包括：
4.根据权利要求1所述的agv避障方法，其特征在于，所述若所述障碍物所在的安全防区为所述避障区或所述减速区之后，还包括：
5.根据权利要求4所述的agv避障方法，其特征在于，所述避障采样曲线包括离散纵向位置曲线与成离散横向位置曲线，所述利用主动避障算法基于sl坐标系和三角函数曲线生...
【专利技术属性】
技术研发人员：高大伟，许义恒，刘晓飞，李昱峰，
申请(专利权)人：浙江欣奕华智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。