一种烟草行业成品库平库盘点机器人的路径规划方法与流程

1.本发明涉及一种烟草行业成品库平库盘点机器人的路径规划方法，属于烟草企业盘库领域。


背景技术：

2.目前成品非高架库即平库依然是人工原始盘库办法。即人工点数的方法进行盘库，这种传统的人工盘点方式在工作效率、准确率等方面存在不足，难以满足日常灵活的盘点需要，在人员不足的情况下，无法做到日常盘点管理需要。
3.在现有的技术中，烟草工业企业的机器人系统被用于卷包车间和制丝车间内，主要用于搬运辅料、烟丝，成品件烟码垛。在平库盘点领域，没有使用智能机器人系统。使用智能机器人盘点以后，需要对机器人的行进路径规划。路径规划算法需要进行优化、迭代。现有机器人路径规划不足之处在于，规划路径不合理、没有考虑任务的优先级、不能精确识别目的地，以及不能精确避障。


技术实现要素：

4.本发明提供了一种烟草行业成品库平库盘点机器人的路径规划方法，解决了背景技术中披露的问题。
5.为了解决上述技术问题，本发明所采用的技术方案是：
6.一种烟草行业成品库平库盘点机器人的路径规划方法：
7.构建目标区域的全局栅格地图，所述全局栅格地图包括任务点和障碍物，将全局栅格地图划分为若干区域，其中任务点所在区域作为任务区域；
8.构建机器人系统模型，定位机器人初始位置信息；
9.制定目标任务点的通行代价，计算通行代价总和，按照代价总和最小原则确定多目标任务点的访问顺序，得到机器人行驶路径；
10.利用lpa*算法对机器人行驶路径优化；
11.判断机器人是否到达目标任务点，若到达目标任务点，机器人目标任务点完成目标任务；否则继续规划当前位置到目标任务点路径，直到全部任务点完成；同时更新了全部栅格地图，实现最优的路径规划。
12.进一步地，制定目标任务点的通行代价的方法为：
13.以通行距离最低原则，从机器人所在区域中心到任务点所在区域中心的距离代价为：qdis；
14.根据优先访问重要任务区域原则，以任务点的优先级作为优先级代价qlev；
15.根据优先远离障碍物原则，以任务点所在区域的障碍物数量作为代价qobs；
16.根据优先通行未访问任务点原则，以区域未访问任务点数量作为未访问代价qvis。
17.进一步地，通行代价函数为：
18.q
icost
＝μdisqdis+μlevqlev+μobsqobs+μvisqvis
19.μdis是距离代价的权重系数，μlev是优先级代价的权重系数，μobs是障碍物代价的权重系数，μvis是未访问代价的权重系数。
20.进一步地，根据广度优先遍历法得到代价总和cost为：
[0021][0022]
i为任务区域，n是任务区域总数，f
breadthfirst
()是广度优先遍历算法。
[0023]
进一步地，利用lpa*算法对机器人行驶路径优化的过程为：
[0024][0025]
s为地图中的路径节点的集合，s属于s；
[0026]
succ(s)为successors,节点s的后续节点集合；
[0027]
pred(s)为predecessors,节点s的前代节点，与succ(s)的意义相反；
[0028]
c(s＇,s)为两节点之间的代价函数；
[0029]
g*(s)为节点s到起始点sstart的实际最短距离；
[0030]
g(s)为节点s到起始点sstart的预计最短距离，是随着算法求解进程不断变动的，当所有节点的g(s)＝rhs(s)时，g(s)的值就是到起始点的实际最短距离，即g(s)＝g*(s)；
[0031][0032]
rhs(s)为right hand sides，来自dynamicswsf-fp算法；对于s的所有邻接节点，求所有邻接节点到s的距离加上邻接节点自身的值，其中最小的值作为s的rhs值，求出rhs就是最短距离。
[0033]
进一步地，若到达目标任务点，还包括利用视觉识别系统与激光雷达三维点云数据对机器人进行校对。
[0034]
相应地，一种存储一个或多个程序的计算机可读存储介质：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据上述的方法中的任一方法。
[0035]
相应地，一种计算设备，包括：
[0036]
一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据上述的方法中的任一方法的指令。
[0037]
本发明所达到的有益效果：本技术通过总代价算法，得出计划路径。并通过lpa*算法优化路径。使机器人能够自动避障，后期路径会越来越优化。为后续物流智能化、大数据化提供坚实的基础。
附图说明
[0038]
图1为托盘在某一库位示意图；
[0039]
图2为全局(一楼)栅格地图；
[0040]
图3为一楼库区的分区示意图；
[0041]
图4为本发明算法步骤示意图。
具体实施方式
[0042]
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0043]
如图4所示，本发明一种烟草行业成品库平库盘点机器人的路径规划方法，包括如下步骤：
[0044]
第一步:构建当前任务区域的全局栅格地图并划分为若干区域s
ⅰ
(
ⅰ
＝1,2，3，
‑‑‑‑‑
n),其中任务点所在区域作为任务区域，同时建立局部栅格地图。
[0045]
1)：在平库中设置任务点(即库位)si，每个库位分别命名。例如m-n-j区:就是m楼n库j区，标记为s mnj，其中m表示楼层，n表示库区，j表示区域,2-2-f,就是2楼2库f区，标记为s
22f
。
[0046]
2)：每个库位的卷烟托盘堆放必须准守以下原则：
[0047]
21)：每个库位必须垂直墙堆放，一列从上到下堆放，堆满后堆放下一列。
[0048]
(如图1所示)
[0049]
22)：每个库位只能有一个或没有非整托盘，且非整托盘放到本区域最后一个位置。
[0050]
23):非整托盘是指没有堆满30件烟的托盘，有29种可能，从1件/托盘到29件/托盘。
[0051]
24):每个库位只能堆放一种品牌卷烟。
[0052]
第二步：构建机器人系统模型，定位系统初始位置信息。具体步骤包括：获取整个库区的任务区域，以机器人充电站为中心建立坐标系，构建全局栅格地图，其中全局栅格地图包括任务点信息和障碍物(立柱、空调出风口等)信息。
[0053]
如图1所示，图中充电站为中心零位。以东西向为x轴，南北向为y轴，构建全局栅格地图。
[0054]
如图2所示，以充电站为坐标原点，取(x0,y0),向东扩展为x正，向南扩展为y正。
[0055]
如图3所示，在任务区域s
12a
中没有任务点，充电站就是任务区域的中心点。
[0056]
第三步：设计多任务点的通行代价并计算，根据得到的通行代价总和确定多任务点的访问顺序，得到最优全局路径，具体步骤如下：
[0057]
本发明中，基于多种不同原则条件下，进行多任务点的通行代价设计。
[0058]
第一种原则：根据多任务点通行距离最小原则，以机器人到任务点的距离作为距离代价：qdis；
[0059]
第二种原则：根据优先访问重要任务区域原则，以任务点的优先级作为优先级代价qlev；
[0060]
第三种原则：根据优先远离障碍物原则，以任务点所在区域的障碍物数量作为代价qobs；
[0061]
第四种原则：根据优先通行未访问任务点原则，以区域未访问任务点数量作为未访问代价qvis；
[0062]
每个任务点根据不同类型的代价建立代价函数，得到代价最小的区域si作为下一个待访问的目标区域，所述的代价函数为：
[0063]qicost
＝μdisqdis+μlevqlev+μobsqobs+μvisqvis
[0064]
其中μdis是距离代价的权重系数，μlev是优先级代价的权重系数，μobs是障碍物代价的权重系数，μvis是未访问代价的权重系数，权重系数根据情况在系统中设定。
[0065]
其中qdis是距离代价，qlev是优先级代价，qobs是障碍物代价，qvis是未访问代价。
[0066]
根据广度优先遍历法得到机器人通过所有任务区域的代价总和cost为：
[0067]
cost＝f
breadthfirst
(σ
1nqicost
)；
[0068]
其中，i为任务区域，n是任务区域总数，f
breadthfirst
()是广度优先遍历算法。
[0069]
遍历区域si的每一个栅格，若栅格存在任务点，则判断此任务点是否是下一个目标点，若是，则删除该点，并将区域si内未访问任务点数量nsi进行减一。
[0070]
根据广度优先遍历算法得到多个cost，按照代价总和最小原则确定多任务点的访问顺序，得到最优路径。具体为，分别将每个任务点作为初始点，通过广度优先算法遍历所有任务点，会得到n组cost，按照代价总和最小原则确认多个任务点的访问顺序，即为机器人的初步最优全局路径。
[0071]
第四步：利用lpa*算法进行路径再优化。
[0072]
lpa*算法(lifelong planning a*)，属于a*算法的增量搜索改进的a算法，能大大减少图的遍历次数。
[0073]
lpa*算法属于动态规划算法，适用于起点终点不变，中间的障碍物改变的场景。即计算完最短路径后，中间障碍物变化了，需要重新规划路径。若用a*算法，则需要对整个图进行重新计算路径，但往往障碍物的改变并不会影响到全局，甚至只在改变的障碍物周边有小影响，对之前求得得最短路径没有影响。这种情况下，我们边不需要对整张图进行重新计算，只需要计算因障碍物改变而影响到得点。
[0074]
所述的lpa*算法实现原理是：
[0075]
搜索起始点为所设起点(正向搜索)，按照key值的大小作为搜索前进的原则，迭代到目标点为下一搜索点时完成规划；key值中包含启发式函数h项作为启发原则来影响搜索方向；处于动态环境时，lpa*可以适应环境中障碍物的变化而无需重新计算整个环境，方法是在当前搜索期间二次利用先前搜索得到的g值，以便重新规划路径。其中，key[]为一个二维数组：
[0076][0077]
g(n)代表起点到当前点的距离度量。rhs(n)为min(g(n’)+c(n’,n))，n’为n的父节点，h(n,goal)为启发项；搜索原则为：优先判断k1大小，若k1小则优先遍历，若k1＝k2，则选择k2较小的点。
[0078]
目标由k1排序，然后由k2排序，根据更小的k(n)的值搜寻更优的路径节点，当一个路径节点n比另一个路径节点n＇更优时，n节点的k(n)不大于k(n＇),即
[0079][0080]
k1(s)类比与a
*
算法中f(s)值，k2(s)类比与a
*
算法中g(s)值。
[0081]
路径搜索的主要过程与a*类似，通过由优先队列里不断将key最小的值取出来，通过相应的处理将相关邻接节点或者状态变动的节点加入到队列中，直到满足终止条件即可获得最短路径。
[0082][0083]
上面公式中的s：地形图中的路径节点的集合，s属于s。
[0084]
succ(s)：successors,节点s的后续节点集合，例如节点1，2，3\cdots i按顺序均已被搜索过，那么除了1～i的其它结点均属succ(i)。
[0085]
pred(s)：predecessors,类比上述，节点s的前代节点，与succ(s)的意义刚好相反。
[0086]
c(s＇,s)：两节点之间的代价函数。
[0087]
g*(s)：节点s到起始点sstart的实际最短距离。
[0088]
g(s)：节点s到起始点的预计最短距离，上面那个值是实际的最短距离，这个值是一个预计值，是随着算法求解进程不断变动的，当所有节点的g(s)＝rhs(s)时，g(s)的值就是到起始点的实际最短距离，即g(s)＝g*(s)。
[0089][0090]
上面公式中的rhs(s)：right hand sides，来自dynamicswsf-fp算法。对于s的所有邻接节点，求它们到s的距离加上邻接节点自身的值，其中最小的那个值作为s的rhs值。求出rhs就是最短距离。
[0091]
通过lpa*算法进行路径再优化后，系统生成优化后的路径。
[0092]
第五步：利用视觉识别系统与激光雷达三维点云数据进行校对，同时更新全部栅格地图，实现最优的路径规划。完成最终的路径算法。
[0093]
本发明中，所述的机器人基于视觉感知预测的局部轨迹优化策略、场景知识图谱建立、路标表征及规划、完成对象全局或局部路径规划；感知系统主要包括定位系统、激光雷达、毫米波雷达，以及智能照相机等传感器，用于获取当前位置周围区域的障碍物信息任务点信息。所述的视觉感知预测的局部轨迹优化策略是指：通过环境感知，轨迹优化的任务是计算出一个无碰撞可执行的轨迹(包含路径和速度信息)，保证车辆从起点安全的行驶到目的地，并尽可能高效。
[0094]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
[0095]
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指
令，所述指令当由计算设备执行时，使得所述计算设备执行一种烟草行业成品库平库盘点机器人的路径规划方法。
[0096]
一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行一种烟草行业成品库平库盘点机器人的路径规划方法的指令。
[0097]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0098]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0099]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0100]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0101]
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

技术特征：
1.一种烟草行业成品库平库盘点机器人的路径规划方法，其特征在于：构建目标区域的全局栅格地图，所述全局栅格地图包括任务点和障碍物，将全局栅格地图划分为若干区域，其中任务点所在区域作为任务区域；构建机器人系统模型，定位机器人初始位置信息；制定目标任务点的通行代价，计算通行代价总和，按照代价总和最小原则确定多目标任务点的访问顺序，得到机器人行驶路径；利用lpa*算法对机器人行驶路径优化；判断机器人是否到达目标任务点，若到达目标任务点，机器人目标任务点完成目标任务；否则继续规划当前位置到目标任务点路径，直到全部任务点完成；同时更新了全部栅格地图，实现最优的路径规划。2.根据权利要求1所述的烟草行业成品库平库盘点机器人的路径规划方法，其特征在于：制定目标任务点的通行代价的方法为：以通行距离最低原则，从机器人所在区域中心到任务点所在区域中心的距离代价为：qdis；根据优先访问重要任务区域原则，以任务点的优先级作为优先级代价qlev；根据优先远离障碍物原则，以任务点所在区域的障碍物数量作为代价qobs；根据优先通行未访问任务点原则，以区域未访问任务点数量作为未访问代价qvis。3.根据权利要求2所述的烟草行业成品库平库盘点机器人的路径规划方法，其特征在于：通行代价函数为：q
icost
＝μdisqdis+μlevqlev+μobsqobs+μvisqvisμdis是距离代价的权重系数，μlev是优先级代价的权重系数，μobs是障碍物代价的权重系数，μvis是未访问代价的权重系数。4.根据权利要求3所述的烟草行业成品库平库盘点机器人的路径规划方法，其特征在于：根据广度优先遍历法得到代价总和cost为：i为任务区域，n是任务区域总数，f
breadthfirst
()是广度优先遍历算法。5.根据权利要求1所述的烟草行业成品库平库盘点机器人的路径规划方法，其特征在于：利用lpa*算法对机器人行驶路径优化的过程为：s为地图中的路径节点的集合，s属于s；succ(s)为successors,节点s的后续节点集合；pred(s)为predecessors,节点s的前代节点，与succ(s)的意义相反；c(s＇,s)为两节点之间的代价函数；g*(s)为节点s到起始点sstart的实际最短距离；g(s)为节点s到起始点sstart的预计最短距离，是随着算法求解进程不断变动的，当所有节点的g(s)＝rhs(s)时，g(s)的值就是到起始点的实际最短距离，即g(s)＝g*(s)；
rhs(s)为right hand sides，来自dynamicswsf-fp算法；对于s的所有邻接节点，求所有邻接节点到s的距离加上邻接节点自身的值，其中最小的值作为s的rhs值，求出rhs就是最短距离。6.根据权利要求1所述的烟草行业成品库平库盘点机器人的路径规划方法，其特征在于：若到达目标任务点，还包括利用视觉识别系统与激光雷达三维点云数据对机器人进行校对。7.一种存储一个或多个程序的计算机可读存储介质，其特征在于：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至6所述的方法中的任一方法。8.一种计算设备，其特征在于，包括：一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至6所述的方法中的任一方法的指令。

技术总结
本发明公开了一种烟草行业成品库平库盘点机器人的路径规划方法：第一步：构建任务区域的全局栅格地图并划分为若干区域；第二步：构建机器人系统模型，定位系统初始位置信息；第三步：设计目标任务点的通行代价并计算，得到通行代价总和和确定任务的访问顺序，得到最优全局路径；第四步：利用LPA*算法对第三步得到的路径再优化；第五步：判断机器人是否到达目标任务点，若是，利用视觉识别系统与激光雷达三维点云数据进行校对，并在目标任务点完成目标任务，否则继续规划当前位置到目标任务点路径，直到全部任务点完成。智能机器人的行进路线选用通过代价总和法，得到初步最优路径，再经增量启发式搜索算法LPA*算法使路径更加优化。优化。优化。


技术研发人员：李国瑞 王毅君 盛佳绮
受保护的技术使用者：浙江中烟工业有限责任公司
技术研发日：2023.07.24
技术公布日：2023/10/11