[发明专利]一种多障碍空间多AGV机器人协作防碰撞路径优化方法

权利要求书

1.一种多障碍空间下多AGV机器人协作防碰撞路径优化方法，其特征在于，所述方法包括以下步骤：

步骤1，对获取的机器人所处环境的图像信息进行网格化二维重构，再现机器人所处的环境网格化模型；

步骤2，在网格化图像基础上以自身机器人为原点建立一个x,y二维坐标系，并且建立一个优化路径库；

步骤3，在建立的所述x,y二维坐标系中，计算获取网格的交叉点和机器人所在位置坐标、目标位置坐标之间的连通性，从而计算出机器人自身到目标位置的最优碰撞避免路径，并为计算出的最优路径以位移大小为权值设置优先权，将路径信息存放在优化路径决策库中，比较各个避碰路径。

2.根据权利要求1所述的多障碍空间下多AGV机器人协作防碰撞路径优化方法，其特征在于，在所述步骤1中，对处理过后的机器人所处环境图像进行一定密度的网格化操作，网格化的密度可依据所处空间环境进行设置，网格化密度计算的公式：

网格化密度ρ＝障碍物所占空间大小/工作空间总大小*0.4*100％。

3.根据权利要求1所述的多障碍空间下多AGV机器人协作防碰撞路径优化方法，其特征在于，在所述步骤2中，对获取的环境模型图像进行x,y二维坐标系建模包括以下几个步骤：

步骤2.1，建立x,y二维坐标系，标记其他机器人和目标所处位置；

步骤2.2，计算出每一个网格交叉点在x,y二位坐标系中的坐标信息；

步骤2.3，对于图像中的不规则障碍物，直接使用一个八阶拟合的椭圆或者圆形图像对障碍物进行包围，障碍物区域记为Ω。

4.根据权利要求1所述的多障碍空间下多AGV机器人协作防碰撞路径优化方法，其特征在于，在所述步骤3中，计算机器人到目标位置的最优碰撞避免路径的方法具体包括路径规划，路径优化，

其中所述路径规划包含以下步骤：

步骤3.1.1：记自身机器人所在位置坐标为Θ＝(a,b)，目标位置坐标为G＝(m,n)，网格点记为i∈N⁺，障碍物区域记为Ω，连通路径记为一个二维向量χ{x₁,x₂,...,x_n}＝{x:x₁＝{a,b}，

步骤3.1.2：以自身机器人所在位置为圆心，半径为β≥1，式中β是调整因子，按照右手法则扫描周边网格点计算自身机器人到下一跳节点欧式距离，

步骤3.1.3：选择最佳的连通路径，使用贪婪路由转发算法选择下一跳节点位置，即是下一跳的节点距离目标位置是最小的，

步骤3.1.4：选取最佳的下一跳节点之后加入到连通路径向量，

步骤3.1.5：跳转到步骤3.1.3，重复操作，直到到达目的位置，

步骤3.1.6：计算机器人连通路径总的位移，作为一个优先权值，距离越小，优先权越大，

ω=distan(χ)=distan(x1)+Σi=2nxi+distan(xn)]]>

所述路径优化包含以下步骤：

步骤3.2.1，在所建立的路径库中比较每个机器人所建立的路径，检查是否有路径交叉，

步骤3.2.2，若在点路径交叉，计算在碰撞交叉点处是否会发生碰撞，设AGV小车车身长度为L，行驶速度为V_i，使用小车行驶到碰撞交叉点位置所用的时间来判断是否会发生碰撞，则有

比较τ_i，若是交叉路径的小车之间τ_i≠τ_j，则证明小车在经过交叉点时不会发生碰撞，可按照规划路径直接行走，否则跳到步骤3.2.3,

步骤3.2.3，建立一个停等机制，在小车行驶到碰撞点的时候进行权值比较，ω_i<ω_j，则ω_i优先权较大，小车优先通过；并且对于ω_j，进行一次优先权值调整，ω_i+1＝γω_i，0<γ<1，其中γ为权值的调整因子，

若在小车等待的时间段内又有一个优先权比较大的小车通过碰撞点，则小车继续对步骤3.2.3进行迭代，修改等待中的小车权值，从而对小车的路径进行了优化。