[发明专利]一种多数量仓储无人车智能调度方法及装置

权利要求书

1.一种多数量仓储无人车智能调度方法，其特征在于，包括：

获取栅格地图，对无人车的起始点、目标终点和初始速度进行初始化配置，创建初始条件；

根据所述初始条件，通过A-Star算法进行全局路径规划，确定全局路径节点；

当动态环境中存在障碍物时，通过TEB算法以及ACO算法进行局部路径规划，对所述全局路径节点进行更新，并把动态障碍物转换为静态带障碍物的栅格地图；

根据更新后的全局路径节点，通过所述A-Star算法再次进行全局路径规划，确定全局路径节点以及得到新的路径规划图，直到新的路径规划图中不存在动态障碍物；

根据最终的路径规划图完成对无人车的智能调度。

2.根据权利要求1所述的一种多数量仓储无人车智能调度方法，其特征在于，所述方法还包括：

收集无人车所处的当前环境下的无人车数量以及无人车所在的静态位置；

根据所述无人车数量和各个无人车的静态位置，确定目标无人车与其他无人车之间的安全距离；

对目标无人车所处的当前环境的环境图像进行图像识别，识别出所述环境图像中包含的每个障碍物的类别信息；

以所述目标无人车所在的地点为原点，根据每个左右邻居的无人车和障碍物位置，在待构建的环境地图中添加像素位置，并计算每个无人车与其他无人车以及障碍物之间的距离信息；

将无人车和障碍物的像素位置转换到目标坐标系内，生成当前环境的环境地图。

3.根据权利要求1所述的一种多数量仓储无人车智能调度方法，其特征在于，所述根据所述初始条件，通过A-Star算法进行全局路径规划，确定全局路径节点，包括：

将全局路径节点的起始点放到开始队列中，在所述起始点周围查找能够通过的方格，并将方格加入到所述开始队列中，设置所述起始点为新加入方格的父节点并用箭头标注后，将所述起始点中开始队列移入到结束队列；

从所述开始队列中依次选择综合优先级最小的节点，并将该综合优先级最小的节点放入所述结束队列，直到综合优先级最小的节点为目标终点为止；

根据所述目标终点方向以及箭头标注，反向寻路找到所述起始点，形成一条当前栅格地图中的最短路径。

4.根据权利要求3所述的一种多数量仓储无人车智能调度方法，其特征在于，所述根据所述初始条件，通过A-Star算法进行全局路径规划，确定全局路径节点这一步骤中，每个节点的优先级的计算公式为：

f(n)＝g(n)+h(n)

其中，f(n)是节点n的综合优先级；g(n)是节点n距离起点的代价；h(n)是节点n距离终点的预计代价。

5.根据权利要求3所述的一种多数量仓储无人车智能调度方法，其特征在于，所述通过TEB算法以及ACO算法进行局部路径规划这一步骤中，所述ACO算法的局部路径规划包括：

对所述A-Star算法输出的当前栅格地图中的最短路径进行赋值；

为每辆无人车配置下一节点后，更新信息素矩阵；

根据所述信息素矩阵判断是否满足终止条件，当满足终止条件时，输出最优局部路径。

6.一种多数量仓储无人车智能调度装置，其特征在于，包括：

第一模块，用于获取栅格地图，对无人车的起始点、目标终点和初始速度进行初始化配置，创建初始条件；

第二模块，用于根据所述初始条件，通过A-Star算法进行全局路径规划，确定全局路径节点；

第三模块，用于当动态环境中存在障碍物时，通过TEB算法以及ACO算法进行局部路径规划，对所述全局路径节点进行更新，并把动态障碍物转换为静态带障碍物的栅格地图；

第四模块，用于根据更新后的全局路径节点，通过所述A-Star算法再次进行全局路径规划，确定全局路径节点以及得到新的路径规划图，直到新的路径规划图中不存在动态障碍物；

第五模块，用于根据最终的路径规划图完成对无人车的智能调度。