[发明专利]一种基于神经网络的路径规划方法、装置、设备及介质

说明书

本发明涉及一种基于神经网络的路径规划方法、装置、设备及介质，所述方法包括：获取区域信息；根据所述区域信息将区域分割成面积和形状一致的若干个栅格；根据若干个所述栅格确定与其对应的神经网络结构，所述神经网络结构中各个神经元与各个所述栅格位置一一对应；从若干个所述神经元中确定出目标点和若干个AGV；构建与所述目标点对应的目标神经网络；根据所述目标神经网络得到各个AGV位置的状态值；当所述目标点和各个所述AGV位置的状态值不等于0时，完成构建所述目标神经网络，以确定目标AGV及对应的路径。通过改变构建神经网络的终止条件，提升了构建神经网络的效率；解决了现有技术中构建神经网络达到稳定状态来完成路径规划，耗时过长的问题。

技术领域

本发明涉及路径规划技术领域，尤其涉及一种基于神经网络的路径规划方法、装置、设备及介质。

背景技术

随着科学技术的发展与自动化物流技术的逐渐成熟，无人搬运车AGV(AutomatedGuided Vehicle)在面对复杂活动区域时，无论进行仓储物流运输，还是应用于自动化生产线，能充分地体现其自智能化和自动化的特点，并从单AGV作业向多AGV作业转变，多AGV多任务分配与路径规划是多AGV系统能否安全高效地完成运输任务的关键。

针对多AGV多目标点存在任务分配不合理和路径规划结果不平滑而产生较多折线的问题，综合路径长度、路径平滑度和路径风险度的路径评价指标，根据AGV的航行方式来，识别路径点中的冗余点，对规划出的路径进行路径平滑处理和优化，提出基于生物启发神经网络的多AGV路径规划算法，任务分配更合理，规划出的路径更短、更安全，经过平滑处理和优化后，路径更优，有利于实现AGV高效航行。但是当区域较大时，栅格化后二维栅格较多，根据GBNN数学模型训练GBNN计算过程复杂，训练到各个栅格位置的状态值不再变化需要很长时间，因此，确定神经网络达到稳定状态时GBNN网络构建完成，以各个栅格位置的状态值不再变化作为完成构建网络的判定条件，需要耗费大量时间完成计算过程，浪费时间成本。

因此，需要提供一种快速完成任务分配和路径规划任务并且可以实现按照最短路径到达目标点的路径规划方法来解决上述技术问题。

发明内容

为了解决上述技术问题，本发明提供了一种基于神经网络的路径规划方法。解决了现有技术中通过构建神经网络达到稳定状态来完成路径规划，耗时过长的问题。

本发明的技术效果通过如下实现的：

一种基于神经网络的路径规划方法，所述方法包括：

获取区域信息；

根据所述区域信息将区域分割成面积和形状一致的若干个栅格；

根据若干个所述栅格确定与其对应的神经网络结构，所述神经网络结构中各个神经元与各个所述栅格位置一一对应；

从若干个所述神经元中确定出目标点和若干个AGV的位置；

构建与所述目标点对应的目标神经网络；

根据所述目标神经网络得到各个AGV位置的状态值；

当所述目标点的状态值和各个所述AGV位置的状态值不等于0时，完成构建所述目标神经网络，以确定目标AGV及对应的路径。

进一步地，所述栅格包括自由栅格和非自由栅格，根据区域信息将区域分割成面积和形状一致的若干个栅格，之后包括：

根据区域信息将区域分为自由通过区域和障碍物区域；

根据所述自由通过区域确定对应的自由栅格；

根据所述障碍物区域确定对应的非自由栅格；

进一步地，根据所述目标神经网络得到各个AGV位置的状态值，包括：