用于智能仓储的AGV避障路径规划方法和系统

本发明涉及智能仓储，具体涉及一种用于智能仓储的agv避障路径规划方法和一种用于智能仓储的agv避障路径规划系统。

背景技术：

1、随着工业4.0时代的到来，各行各业的自动化水平都在飞速发展，科学技术的进步极大地促进了智能制造产业的繁荣态势，智能仓储作为智能制造产业的一部分，也得到了越来越多企业家和相关学者的关注和研究，如何提升仓储的自动化、智能化、信息化和数字化是当前智能仓储的研究热点之一。

2、智能仓储的工作原理就是基于不同的业务场景和各式存储要求，使用先进的智能化技术提出较优的存储解决方案，智能仓储作为智慧物流的一部分，其智能化程度也影响着物流系统智能化的发展，最大限度的降低智能仓储的成本，也是降低物流整体成本的必经之路。由于我国智能仓储的起步较晚，仓储的运行成本较高，尤其是agv(automatedguided vehicle，自动导向车)的相关复杂算法的应用仍然制约着我国智能仓储agv的发展，因此，智能仓储在降低agv相关成本和路径算法方面仍然有很多问题需要解决。

技术实现思路

1、本发明为解决上述技术问题，提供了一种用于智能仓储的agv避障路径规划方法和系统，不仅能够降低agv的使用成本，并且能够优化agv的行驶路线，提升agv在智能仓储环境下的工作效率。

2、本发明采用的技术方案如下：

3、一种用于智能仓储的agv避障路径规划方法，包括以下步骤：根据所述智能仓储的基本条件获取所述智能仓储的二维地图，所述智能仓储的基本条件包括障碍物、多个所述agv、多个所述agv的起点位置和终点位置；对所述智能仓储的二维地图进行格式处理以建立所述智能仓储的栅格地图，并根据所述栅格地图建立所述智能仓储环境下的动力模型；随机获取一个agv，并以当前agv的所在位置为出发地、抵达目标位置为目标地采集所述当前agv所处的动力模型下的出发地标记位和目标地标记位；判断所述智能仓储环境下的动力模型中的所述障碍物的数量与预设数量的大小，当所述智能仓储环境下的动力模型中的所述障碍物数量小于预设数量时，通过改进后的双向搜索a*算法计算躲避所述障碍物的路径，以使所述agv从所述出发地标记位运动到所述目标地标记位；否则，则通过加入虚拟力场的改进rrt*(rapidly-exploring random tree，快速拓展随机树)算法计算躲避所述障碍物的路径，以完成所述agv避障路径规划。

4、在本发明的一个实施例中，在生成避障路径后，构建贝塞尔平滑曲线，并将所述贝塞尔平滑曲线输入至所述动力模型中。

5、在本发明的一个实施例中，所述的通过改进后的双向搜索a*算法获取躲避所述障碍物的路径，包括以下步骤：构建所述双向搜索a*算法，并对所述双向搜索a*算法进行数据预处理，以得到改进后的双向搜索a*算法；利用所述改进后的双向搜索a*算法使两个所述agv分别向所述出发地标记位向所述目标地标记位进行正反向运动，其中，所述正向运动为所述agv从所述出发地标记位向所述目标地标记位运动；所述反向运动为所述agv从所述目标地标记位向所述出发地标记位运动；判断所述正向运动和所述反向运动的运动轨迹是否相交，如果是，则将所述正反向运动轨迹进行合并成躲避所述障碍物的路径；否则，则重复所述正反向运动的过程。

6、在本发明的一个实施例中，所述的对双向搜索a*算法进行系数预处理，具体包括以下步骤：缩小所述双向搜索a*算法的搜索邻域，并放大障碍物所在栅格地图中的邻域；修改所述双向搜索a*算法中的损失函数；通过所述动力模型中栅格点对栅格点的搜索方式排除所述双向搜索a*算法在躲避所述障碍物时的无效栅格点。

7、在本发明的一个实施例中，所述的通过加入虚拟力场的改进rrt*算法使所述agv运动到所述目标地标记位，包括以下步骤：计算所述智能仓储的栅格地图中的各个栅格点在x轴方向上和y轴方向上被所述agv路径覆盖的可能性大小；根据各个所述栅格点被覆盖的可能性大小对第一标记位进行延伸，并选择第二标记位；根据所述第二标记位和所述agv路径对所述agv进行接触测试；如果所述agv与所述障碍物发生接触情况，则剔除所述第二标记位，并继续对所述第一标记位进行延伸；否则，则将所述第一标记位和所述第二标记位进行连线。

8、一种用于智能仓储的agv避障路径规划系统，包括：获取模块，所述获取模块用于根据所述智能仓储的基本条件获取所述智能仓储的二维地图，所述智能仓储的基本条件包括障碍物、多个所述agv、多个所述agv的起点位置和终点位置；建模模块，所述建模模块用于对所述智能仓储的二维地图进行格式处理以建立所述智能仓储的栅格地图，并根据所述栅格地图建立所述智能仓储环境下的动力模型；采集模块，所述采集模块用于随机获取一个agv，并以当前agv的所在位置为出发地、抵达目标位置为目标地采集所述当前agv所处的动力模型下的出发地标记位和目标地标记位；第一计算模块，所述第一计算模块用于判断所述智能仓储环境下的动力模型中的所述障碍物的数量与预设数量的大小，当所述智能仓储环境下的动力模型中的所述障碍物数量小于预设数量时，通过改进后的双向搜索a*算法计算躲避所述障碍物的路径，以使所述agv从所述出发地标记位运动到所述目标地标记位；第二计算模块，所述第二计算模块用于通过加入虚拟力场的改进rrt*算法计算躲避所述障碍物的路径，以完成所述agv避障路径规划。

9、在本发明的一个实施例中，在生成避障路径后，构建贝塞尔平滑曲线，并将所述贝塞尔平滑曲线输入至所述动力模型中。

10、在本发明的一个实施例中，所述第一计算模块具体用于：构建所述双向搜索a*算法，并对所述双向搜索a*算法进行数据预处理，以得到改进后的双向搜索a*算法；利用所述改进后的双向搜索a*算法使两个所述agv分别向所述出发地标记位向所述目标地标记位进行正反向运动，其中，所述正向运动为所述agv从所述出发地标记位向所述目标地标记位运动；所述反向运动为所述agv从所述目标地标记位向所述出发地标记位运动；判断所述正向运动和所述反向运动的运动轨迹是否相交，如果是，则将所述正反向运动轨迹进行合并成躲避所述障碍物的路径；否则，则重复所述正反向运动的过程。

11、在本发明的一个实施例中，所述第一计算模块对对双向搜索a*算法进行系数预处理，具体包括：缩小所述双向搜索a*算法的搜索邻域，并放大障碍物所在栅格地图中的邻域；修改所述双向搜索a*算法中的损失函数；通过所述动力模型中栅格点对栅格点的搜索方式排除所述双向搜索a*算法在躲避所述障碍物时的无效栅格点。

12、在本发明的一个实施例中，所述第二计算模块具体用于：计算所述智能仓储的栅格地图中的各个栅格点在x轴方向上和y轴方向上被所述agv路径覆盖的可能性大小；根据各个所述栅格点被覆盖的可能性大小对第一标记位进行延伸，并选择第二标记位；根据所述第二标记位和所述agv路径对所述agv进行接触测试；如果所述agv与所述障碍物发生接触情况，则剔除所述第二标记位，并继续对所述第一标记位进行延伸；否则，则将所述第一标记位和所述第二标记位进行连线。

13、本发明的有益效果：

14、本发明通过智能仓储的基本条件获取智能仓储的二维地图，并对智能仓储的二维地图进行格式处理以建立智能仓储的栅格地图，并根据栅格地图建立智能仓储环境下的动力模型，然后随机获取一个agv，并以当前agv的所在位置为出发地、抵达目标位置为目标地采集当前agv所处的动力模型下的出发地标记位和目标地标记位，并判断智能仓储环境下的动力模型中的障碍物的数量与预设数量的大小，以通过改进后的双向搜索a*算法或者加入虚拟力场的改进rrt*算法获取躲避障碍物的路径，由此，不仅能够降低agv的使用成本，并且能够优化agv的行驶路线，提升agv在智能仓储环境下的工作效率。