[发明专利]多AGV的路径规划方法及设备

说明书

本发明的目的是提供一种多AGV的路径规划方法及设备，本发明着眼于大规模AGV快递分拣系统的分拣峰值和分拣效率优化。在传统A*路径规划算法的基础上，经过改进得出一种具有自动平滑化的的路径搜索算法，改进算法通过将转弯的时间映射成水平距离，充分考虑了AGV转弯的时间，减少路线的的转折次数，改进了场地的峰值分拣量和分拣效率，验证了算法的有效性。在改进的A*算法基础上再次改进，引入拥挤度，解决拥挤问题，能一定程度上有效的避免拥挤，提高场地的AGV饱和值，提升场地的分拣峰值，使得场地能得到充分利用。本发明在针对大规模AGV在快递分拣系统中的路径规划，能提高系统的分拣效率和场地的峰值分拣量。

技术领域

本发明涉及计算机领域，尤其涉及一种多AGV的路径规划及设备。

背景技术

随着电商物流行业的快速发展，电子商务的规模越来越大。传统的人工分拣已不能满足要求，依靠传送带等传输设备的自动分拣系统虽然分拣效率高，但占地面积大，一次性投入成本高，只适用于大型的分拣中心，而且一旦建成就不可改变，柔性和灵活性差，能耗高。自动引导小车(AGV) 高度的灵活性，低能耗能很好的适应现代物流“多品种，小批量，相对集中”的特点。因此基于AGV的快递分拣系统的研究具有重要的实用价值。

传统的自动引导小车(AGV)主要应用于光电制造、烟草、汽车、银行、印刷等行业。在这些行业中，AGV的应用大多表现出工作独立，固定轨道，以及AGV应用规模小等特点。

所以相关的研究主要集中在单AGV单任务或者小规模、大型的AGV在物料配送过程中路径和生产效率的优化。本文针对的是分拣中心大批量、外形规则、小而轻量的快递在大规模小型AGV自动分拣过程中路径和系统的优化。

路径规划是自动引导小车系统(AGVs)的关键技术之一。其包含两个方面，一是建立环境模型，即对移动机器人工作空间(环境信息)进行有效表达，是移动机器人导航定位的基础。二是进行路径搜索，即寻找从起点到终点的符合条件约束的路径。

不同的环境建模方式对路径搜索有显著的影响。常见的的环境地图表示方法，可概括为栅格地图法(grid map)[1]、几何特征地图法(geometric feature map)[2]、拓扑地图法(topologic map)[3]和三种基本地图表示法。

几何特征地图法又称可视图(Visibi lity Graph)，可视图法将移动机器人看做一个质点，将障碍物在空间中扩展为多边形，将移动机器人的起始点、目标点和多边形障碍物的各个顶点通过直线相连并且不与障碍物相交，路径规划任务就转换为可视图中两点距离最短的问题。节点数量和连线数量少，故搜索所需的时间短。但是由于当起始点和目标点发生改变后，整个地图需要重建。在大规模、快速刷新的分拣任务中，这种重建的代价会迅速提升。

拓扑地图法相对于栅格建模法和几何建模法而言，结构较为紧凑。路径通常由代表路径交叉的节点、代表行驶路径的线段或弧及同样位于节点处的各个装卸载站点等组成。在描述车辆的运行路径时，可以用有序的节点集合进行表示，其中节点的顺序指明了车辆的运行方向。在物料车间等具有装配顺序的场合，尤为适用。

栅格地图法是目前研究最广泛的方法之一。该方法将机器人的工作空间分解为多个简单的区域，一般称为栅格。由这些栅格构成一个显式的连通图，或在搜索过程中形成隐式的连通图，然后在图上搜索一条从起始栅格到目标栅格的路径。栅格地图信息直接与环境区域对应，容易创建和维护，方便进行自定位。但是栅格划分需要精准，划分过大会导致环境信息存储量小、分辨率和精度低，路径规划不明确。划分过小会提高精度但寻找时间过长，效率下降。

路径搜索算法根据对环境信息掌握的程度将其分为2种：基于传感器信息的局部路径规划，又称动态或在线路径规划。基于环境先验完全信息的全局路径规划，又称静态或离线规划。局部的路径规划有人工势场法、蚁群优化算法，粒子群算法等。全局路径规划主要方法有可视图法、自由空间法、A*算法等。