室内配送机器人路径规划方法、系统及室内配送机器人

摘要

本发明公开了室内配送机器人路径规划方法、系统及室内配送机器人，其技术方案为：根据订单到达时间进行配送物品预处理，设定室内配送机器人按照物品顺序依次进行配送；检测配送地点路径及环境信息是否存在于数据库中，若存在，按照已有先验信息以离线加在线方式结合激光雷达等主动探测传感器采集的障碍物信息进行配送路径规划；若不存在，采用在线方式进行配送路径规划；结合采集的障碍物信息，对不同堵塞状态节点采用不同的避障策略或路径规划策略，按照改进动态D*算法进行路径规划；到达配送地点后检测是否仍存在配送任务，若存在，根据D*算法完成剩余路径规划；若不存在，则完成配送任务。

说明书

技术领域

本发明涉及机器人路径规划领域，尤其涉及一种室内配送机器人路径规划方法、系统及室内配送机器人。

背景技术

近年来室内物流配送等服务行业发展迅速，传统人工物流配送服务存在着人工成本高、配送效率低下等问题，使用智能移动机器人取代人工配送成为室内物流配送的发展趋势。路径规划及避障问题是配送机器人实现智能化的关键技术。室内物流配送场景千差万别，不同于室外自动驾驶路径规划拥有地图等全局环境信息，室内移动机器人主要依靠主动式探测传感器感知部分环境信息，因此路径规划有三个特点：

第一，移动机器人装备的主动探测传感器的观察范围一般都是有限的，机器人只有感知到环境信息的改变才会改变其规划路径；第二，机器人在向既定目标运动时的过程是近似单调的，若大多数障碍物体积小且密度低，那么简单的路径改变或者停止运行即可解决，可以减小因更新全局路径而付出的计算代价，提高规划效率；第三，移动机器人行进到某位置时，大多数情况下可在此位置上规划剩余部分路径，而非必须重新进行全局规划。此外，在室内配送领域，移动机器人存在成本有限、算力不足、环境信息不完全甚至完全未知的问题，同时存在实际应用场景中如何躲避动态障碍等问题。

发明内容

针对现有技术存在的不足，本发明的目的是提供一种室内配送机器人路径规划方法、系统及室内配送机器人，能够在环境部分已知或者完全未知的情况下，根据实时检测到的局部环境信息及动态障碍物信息进行路径规划并采取不同的避障策略，缩短路径规划时间，提升配送效率。

为了实现上述目的，本发明是通过如下的技术方案来实现：

第一方面，本发明的实施例提供了一种室内配送机器人路径规划方法，包括：

根据订单到达时间进行配送物品预处理，设定室内配送机器人按照物品顺序依次进行配送；

检测配送地点路径及环境信息是否存在于数据库中，若存在，按照已有先验信息以离线加在线方式进行配送路径规划；若不存在，采用在线方式进行配送路径规划；

结合采集的障碍物信息，对不同堵塞状态节点采用不同的避障或路径规划策略，按照改进动态D*算法进行路径规划；

到达配送地点后检测是否仍存在配送任务，若存在，根据D*算法完成剩余路径规划；若不存在，则完成配送任务。

作为进一步的实现方式，采用改进动态D*算法进行路径规划，在室内配送机器人行进过程中结合实时障碍物信息，通过判断障碍物是否移动采用不同的避障策略或配送路径再规划。

作为进一步的实现方式，室内配送机器人按照改进动态D*算法进行路径规划的步骤为：

获取周围环境信息，运行D*算法进行局部地图构建及路径规划；

检测周围是否存在障碍物，若存在障碍物，检测障碍物密度信息及障碍物是否动态移动；

若障碍物距离较近且处于动态移动状态，则暂停D*算法，室内配送机器人停车等待障碍物移动出感知范围，或障碍物密度较低时重新开始局部路径规划进行避障；

若障碍物密度较大且无明显移动，则采用D*算法从当前位置子节点开始重新规划剩余路径。

作为进一步的实现方式，到达不同配送地点后将D*算法中的回指指针及路径信息保存，等待上传服务器，并将地图保留在数据库中。

作为进一步的实现方式，当检测到仍存在配送任务，则依据订单到达时间进行物品派送次序预处理，依据配送次序进行物品派送，记录当前状态，运行D*算法计算代价函数和子节点代价函数，完成剩余路径规划。

作为进一步的实现方式，若完成配送任务，则保留环境信息及路径信息，上传至服务器，保存在数据库中。

第二方面，本发明实施例还提供了一种室内配送机器人路径规划系统，包括：

第一模块，被配置为根据订单到达时间进行配送物品预处理，设定室内配送机器人按照物品顺序依次进行配送；

第二模块，被配置为检测配送地点路径及环境信息是否存在于数据库中，若存在，按照已有先验信息以离线加在线方式进行配送路径规划；若不存在，采用在线方式进行配送路径规划；

第三模块，被配置为按照改进动态D*算法进行路径规划；

第四模块，被配置为到达配送地点后进行语音及LED灯闪烁提示，指示用户拿取物品，并进一步检测是否仍存在配送任务，若存在，根据D*算法完成剩余路径规划；若不存在，则完成配送任务。

第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的室内配送机器人路径规划方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的室内配送机器人路径规划方法。

第五方面，本发明实施例还提供了一种室内配送机器人，执行所述的室内配送机器人路径规划方法。

上述本发明的实施例的有益效果如下：

(1)本发明的一个或多个实施方式根据配送地点是否已知给机器人提供不同先验信息，确定配送机器人使用在线或离线方式进行路径规划，降低规划时间成本，提高配送效率；

(2)本发明的一个或多个实施方式提出改进动态D*算法实现路径规划，能够在已知环境信息与实际环境有差异的情况下重新规划配送路径，且为部分重规划而非全局路径重规划，在保证提升规划效率的同时保证配送路径的最优；

(3)本发明的一个或多个实施方式能够根据主动式探测传感器获取障碍物与配送车体距离信息，综合障碍物密度及是否动态变化等因素实现不同避障策略与实时路径再规划；能够随着配送场景数量及路径数据的增加，为后续配送提供更多先验信息，提升路径规划效率；能够一次配送较大数量的物品，根据订单到达顺序进行配送。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1是D*算法流程图；

图2(a)是实际地图示例；

图2(b)是D*算法根据图2(a)已知部分信息规划路径示例图；

图3(a)是实际地图示例；

图3(b)是D*算法检测到图3(a)差异路径规划运行示例图；

图4是本发明的一个或多个实施方式的障碍物检测及躲避运行流程图；

图5是本发明的一个或多个实施方式的室内配送机器人及管理系统框图；

图6是本发明的一个或多个实施方式的后台系统组成框图；

图7是本发明的一个或多个实施方式的基于改进动态D*算法的物流配送路径规划方法流程图；

图8是本发明的一个或多个实施方式的室内配送路径规划流程图；

图9是本发明的一个或多个实施方式的硬件控制系统组成框图。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合；

改进动态D*算法：D*算法中在进行路径规划时判断下一节点N的状态为堵塞时，会立即根据代价函数进行全局或局部路径规划，这样一些移动障碍会导致过度的路径重规划。改进动态D*算法进一步结合激光雷达、超声波、立体视觉深度相机等主动探测传感器，实时检测障碍物信息并获取堵塞节点状态，进一步判断采用暂停躲避策略或继续D*算法路径规划策略。

实施例一：

本实施例提供了一种室内配送机器人路径规划方法，基于改进动态D*算法进行路径规划，以找到最短配送路径。

针对最为核心的路径规划问题，D*算法使用New、Open、Closed表示当前结点状态，使用h(X)表示代价函数估计，计算当前State到目标Goal的开销估计，并用K(X)表示X到G的最小代价h(X)，C(X，Y)表示X与Y之间的路径开销。

D*算法流程如图1所示：

(1)先用Dijstra算法从目标节点G向起始节点搜索。储存路网中目标点到各个节点的最短路径和该位置到目标点的实际值h值和K值，其中K值为所有变化h值之中最小的值。原OPEN和CLOSE中节点信息保存。

(2)机器人沿最短路径开始移动，在移动的下一节点没有变化时，无需计算，利用上一步Dijstra计算出的最短路径信息从出发点向后追述即可。当在Y点探测到下一节点N状态发生改变(如堵塞)时，机器人首先调整自己在当前位置Y到目标点G的实际值h(Y)，h(Y)＝c(N,Y)+h(N)。其中，N为下一节点，Y是当前点，C(N,Y)是N到Y的新权值，h(N)为N的原实际值，到目标点方向为Y移动到N，最后移动到G。K值取h(Y)值变化前后的最小值。

(3)用A*或其它算法计算，这里假设用A*算法，遍历Y的子节点，点放入CLOSE，调整Y的子节点a的h值，h(a)＝h(Y)+C(Y,a)，其中C(Y，a)为Y到子节点a的权重。比较a点是否存在于OPEN和CLOSE中，若存在且新计算的h(a)值小于OpenList或CLOSE表中的旧h(a)数据，则K值取最小h值，重新规划未收影响的最短路径。将Y值放入CLOSE表中，对OPEN表中K值比较大小，并进行排序。

如图2(a)、图2(b)和图3(a)、图3(b)所示，D*算法主要过程分为离线与在线两部分。上述算法描述为在线部分，主要指移动机器人遇到和已知部分环境不相同或者环境完全未知情况下，重新规划一条从机器人当前位置到目标位置的路径的过程；离线部分主要指在已有部分环境信息下规划出一条机器人行进路线的过程。

其次，综合机器人主动探测传感器数据可以获得障碍物密度及距离信息，如图4所示，此时可以针对障碍物信息采取两种策略更改机器运行及路径规划。

(i)若动态障碍密度较低、距离较近且动态变化，则采取暂停运行躲避障碍；(ii)若动态障碍密度较高且无明显动态变化，则采用局部避障方法重新利用动态D*算法规划路径，绕过所检测到的障碍。

具体的，D*算法的具体操作步骤为：

步骤(1)，参数表达。路径规划中所用到的路径点用状态state表示；使用BackPointer表示指向前一个state的回指指针，目标state即Goal无BackPointer；用h(X)表示代价估计函数，表示当前state到Goal的开销估计；用New、Open、Closed表示当前state未被置于OpenList、正位于OpenList以及不在OpenList中的三种状态；用K(X)表示优先队列OpenList中的排序依据，K值最小的state位于队列头部，K值将OpenList中的state分为两种，一种是Raise，表示K(X)

步骤(2)，将最低K值的状态state X从OpenList中移出，如果X为Lower，且路径代价为最小，此时机器人按照X路径进行移动，若不为代价最小则跳转至步骤(3)；如果X为Raise，则跳转至步骤(4)。

步骤(3)，若X处于Lower状态，X的所有邻接state都被检测是否有更低的路径代价，状态为New的邻接state被赋予初始路径开销值，并且开销变动传播给每一个BackPointer指向X的邻接状态state Y。后续对Y进行处理时，会将其BackPointer指向周围路径中开销最小的state。此外将所有路径开销有所变动的state都放置于OpenList中进行处理，将变动传播给邻接state。

步骤(4)，若X为Raise，则路径开销h(X)可能不是最优的，若其邻接state处于最优开销即h(Y)

步骤(5)，开销变动传播到状态为New的邻接state，如果X可以使一个BackPointer并不指向X的邻接state的路径开销最小，即Y通过X到目标G的距离更短，但是此时Y的BackPointer并不指向X，针对这种情况，可以将X重新置于OpenList中进而优化Y。

步骤(6)，若X可以通过一个状态为closed且不是最理想邻接state Y来减小路径开销，则将Y重新置于OpenList中，跳转至步骤(2)进行操作。

结合上述D*算法操作过程，本实施例进行路径规划的步骤如图8所示：

(1)根据订单到达时间进行配送物品预处理，设定室内配送机器人按照物品顺序依次进行室内配送。

(2)检测配送地点相关信息是否已存在于数据库中，若存在，则将已有环境信息及路径相关先验信息发送给室内配送机器人，室内配送机器人采用离线+在线方式进行配送路径规划；若不存在先验环境信息，则配送机器人完全采用在线方式进行路径规划；执行步骤(3)。

(3)室内配送机器人结合激光雷达、超声波以及双目立体视觉深度相机等主动探测传感器采集的障碍物信息，对不同堵塞状态节点采用不同的避障或路径规划策略，按照改进动态D*算法进行路径规划，当到达配送地点时进行语音提示及LED灯闪烁指示用户拿取相应快递。

(4)检测到仍存在配送任务，则进行物品派送，记录当前状态，运行D*算法计算代价函数h(Y)＝c(N,Y)+h(N)和子节点代价函数h(a)＝h(Y)+C(Y,a)完成剩余路径规划。

(5)若完成配送任务，则保留环境信息及回指指针等路径信息，上传至服务器，保存在数据库中，供该室内配送点再次执行配送任务使用。

进一步的，室内配送机器人按照改进动态D*算法进行路径规划的步骤如图7所示：

(1)室内配送机器人根据激光雷达、超声波、双目立体视觉深度相机等主动探测传感器感知周围环境信息，运行D*算法进行局部地图构建及路径规划。

(2)室内配送机器人检测周围是否存在障碍物，若存在障碍物，根据主动探测传感器检测障碍物密度信息及障碍物是否动态移动。

(3)若障碍物距离较近(在车体正前方不足2m)且处于动态移动状态，则暂停D*算法，室内配送机器人停车等待障碍物移动出感知范围或障碍物密度较低(即障碍物之间允许配送机器人车体通过)时重新开始局部路径规划进行避障。

(4)若障碍物密度较大(即障碍物之间相隔较近，不允许配送机器人车体通过)且无明显移动，则采用D*算法从当前位置子节点开始重新规划剩余路径。

(5)到达目的地后将D*算法中的回指指针及路径信息进行保存，等待上传服务器，将地图保留在数据库中。

本实施例对多件物品按照订单到达时间进行预处理指定派送顺序后，检索室内配送点在系统数据库中是否有路径及地图环境信息，根据检索结果进一步确定配送机器人采取在线或离线路径规划方式，保证路径规划的可靠性，降低规划时间成本，进而提高物品配送效率。

此外，本实施例采用改进动态D*算法实现路径规划，在室内配送机器人行进过程中结合主动探测传感器实时采集的障碍物信息，通过判断障碍物是否移动采用不同的避障策略或配送路径再规划，防止系统过度使用路径重规划，有效提升配送效率。

实施例二：

本实施例提供了一种室内配送机器人路径规划系统，包括：

第一模块，被配置为根据订单到达时间进行配送物品预处理，设定室内配送机器人按照物品顺序依次进行配送；

第二模块，被配置为检测配送地点路径及环境信息是否存在于数据库中，若存在，按照已有先验信息以离线加在线方式进行配送路径规划；若不存在，采用在线方式进行配送路径规划；

第三模块，被配置为按照改进动态D*算法进行路径规划；

第四模块，被配置为到达配送地点后检测是否仍存在配送任务，若存在，根据D*算法完成剩余路径规划；若不存在，则完成配送任务。

实施例三：

本实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例一所述的室内配送机器人路径规划方法。

实施例四：

本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现实施例一所述的室内配送机器人路径规划方法。

实施例五：

本实施例提供了一种室内配送机器人，执行实施例一所述的室内配送机器人路径规划方法。

如图5和图9所示，室内配送机器人包括主动探测模块、语音提示模块、碰撞检测模块、障碍检测模块等，室内配送机器人通过后台系统控制；如图6所示，所述后台系统包括前端设备、服务器、数据库；后台系统与室内配送机器人之间通过无线方式通讯。

以上实施例二-五中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。

本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。