[发明专利]基于动态加权及热力图算法的机器人路径规划方法及系统

权利要求书

1.基于动态加权及热力图算法的机器人路径规划方法，其特征在于，包括如下步骤：

获取待运输的订单任务；

基于构建的小型仓库栅格模型和热力图算法，计算货架组的热力值，将待运输的订单任务与其目标点所在的货架组一一对应，根据货架组的热力值进行任务的优先级排序并将其分配给对应的机器人；

基于A*算法代价估算函数，对有订单运输任务的机器人进行路径寻优，得到从起始点到目标点的代价最小的最优路径；

将该最优路径和预约表进行对比，查询是否存在路径冲突，若存在冲突则利用动态加权表，确定冲突点的通过顺序，若不存在冲突，直接按照最优路径执行当前订单运输任务。

2.如权利要求1所述的基于动态加权及热力图算法的机器人路径规划方法，其特征在于，所述基于构建的小型仓库栅格模型和热力图算法，计算货架组的热力值包括：

调用一定时间段的预约表数据，计算每个巷道在此时间段通过机器人的数量，并以此作为每个巷道的拥堵程度值；

对货架组及巷道进行坐标编号，基于每个巷道的拥堵程度值计算得到每个货架组的热力值。

3.如权利要求1所述的基于动态加权及热力图算法的机器人路径规划方法，其特征在于，所述每条巷道的拥堵程度计算公式如下：

其中，RI为调用预约表范围，k表示当前时刻对应的预约表张数，预约表按照时间顺序排列，Δt为机器人从栅格中心位置移动到相邻栅格中心位置的消耗时间，N(k-RI·Δt,k)为从k-RI·Δt时刻到当前k时刻，此巷道通过的机器人数量。

4.如权利要求1所述的基于动态加权及热力图算法的机器人路径规划方法，其特征在于，所述每个货架组的热力值计算公式为：

Wh(i,j)＝C_w(i,j)+C_w(i,j+1)+C_l(i,j)+C_l(i+1,j)

其中，Wh(i,j)为坐标(i,j)的货架组的热力值，C_w(i,j)为该货架组左侧的短巷道的拥堵程度值，C_l(i,j)为该货架组前方的长巷道的拥堵程度值。

5.如权利要求1所述的基于动态加权及热力图算法的机器人路径规划方法，其特征在于，对有订单运输任务的机器人进行路径寻优，得到从起始点到目标点的代价最小的最优路径包括：

从起始栅格点出发，在当前栅格点扩展周围的栅格，当前位置称为父节点，计算周围四个方向栅格的估算代价，周围所有节点完成估算代价后，选择估算代价最小的栅格作为新的移动位置，此位置成为新的父节点；

以新的父节点为中心继续扩展栅格，直至机器人到达目标点。

6.如权利要求1所述的基于动态加权及热力图算法的机器人路径规划方法，其特征在于，所述A*算法代价估算函数的表达式为：

式中，g(n)表示从起始栅格移动到当前栅格n的实际代价，为机器人在从起始栅格到当前栅格过程中转向额外花费的时间总和，p为从起始栅格到当前栅格过程中的转向次数，为机器人从起始栅格到当前栅格过程中因为路径冲突原地等待额外花费的时间，q为从起始栅格到当前栅格过程中的原地等待次数。

7.如权利要求1所述的基于动态加权及热力图算法的机器人路径规划方法，其特征在于，所述将该最优路径和预约表进行对比，具体包括：调用预约表，查询每一时刻的预约表中是否出现相同的坐标，若不同，调用交叉调用预约表，并带入判定公式，确定两机器人在相邻两个时刻恰好对调位置。