引言
随着机器人产业的迅猛发展, 国内的一些企业也在积极开发 AGV 业务. 在 2016 年底第三届世界互联网大会期间, 针对车位紧张、停车难的问题, 海康威视AGV 智能泊车系统提出全新的停车体验, 通过 AGV智能泊车, 停车数量增加 40% 以上, 而且运营期间, 智能泊车 AGV 根据电量阈值和任务紧密程度自主进行充电任务, 不需要认为干预, 保证停车场的正常运营,大大缩减了用户停车、取车时间[1–4].
海康威视 AGV 采用视觉和惯性双导航技术实现自主定位, 定位精度误差小于 5 mm; 采用 4 组舵轮差速驱动, 支持前进、后退、平移、旋转等运动控制, 运动过程平滑柔顺; 激光雷达监测蔽障, 前/后急停按钮安全防护, 实现安全可靠的运动控制; 可完成各类汽车的升举、搬运、旋转、下放. 该方案的实施, 用户只需将车辆放置在指定位置, 出入库任务交由 AGV 完成, 省去用户的停车时间以及节约取车等待时间.
目前各类停车场智能泊车算法只是针对单任务泊车提出解决方案, 这种情况过于理想化, 对错综复杂的大型停车场来说, 存在着多个出入库任务同时进行的情况, 本文在海康威视 AGV 智能机器人的基础上, 旨在解决多个 AGV 同时工作的情况, 提出新的解决方案: 本设计在 A*算法的基础上, 将等待时间加入启发函数, 提出三维 A*算法以解决停车场的智能泊车[5]. 在该停车场管理系统, 客户进入停车场不需人工停车, 入库时只需将车停到入口位置并发出入库指令, 入库停车任务交由 AGV 完成, 并且在停车场内部设有自动泊车引导系统, 采用算法规划出到达指定车位的最优路径, 将车送入预留车位, 进而节省车主寻找有效泊车位的时间; 客户在出库时, 发出出库任务指令, 系统收到指令在最短时间内规划出最优出库路线, AGV 将车送至出口, 完成出库任务[6–8].
1 停车场环境和 AGV 模型建立
停车场环境的建模是建立一个便于 AGV 进行路径规划和使用的环境模型, 以实现 AGV 对出入口、障碍物、车位以及通道等标识的识别, 便于 AGV 控制器存储、处理、更新和使用, 有效的规划出入库合理的路径. 环境模型如图 1 所示, 以左下角为原点, 每个栅格代表一个单位, 地图中 P 表示车位, ×表示障碍物(B), 右面*表示入口 (I), 左面*表示出口 (E), 地图中存在唯一的出入口, 白色表示行车道路 (X), 每个车位都与行车道路 (X) 相邻, 每个车位 (P) 只能停一辆车[9,10].
规划出车辆出入库的最优轨迹, 记录在白色的栅格上, 在地图上存储 AGV 运载车辆的允许轨迹, 和障碍等相关信息, AGV 的轨迹被分解为单个的移动, 每秒移动一个单位, 单个的移动轨迹被记录在每个栅格上, 每个栅格上的移动信息规定了 AGV 在这个栅格的移动方向 (前、后、左、右移动).
2 停车算法设计
本算法主要分为两部分, 第一部分是车位预处理,第二部分是路径规划算法.
预处理车位分配预处理, 预处理中忽略了 AGV 的影响, 只从车位和汽车信息来计算出初步方案, 提前为每辆车计算好预留车位数, 入库时通过预留车位数选择合理车位, 相比安排具体车位, 这种方式能够提高车位的利用率和停车场的效率. 通过这种预处理方式将原本的三维数据降低至二维, 大大加快了数据的处理速度, 从而可以得到较优的全局解.
2.1 车位预处理
总距离越长的库, AGV 处理时的功耗和时间代价相应也越较高, 因此提高总距离较短车库的使用率有利于降低总体代价. 车位预处理的目的是在车入库选择时, 为后面的待入库车辆预留数个更优的车位[11], 以节省 AGV 载车能耗以及提升整个停车系统的效率. 车位预处理采用链表的存储方式处理, 具体的步骤如下:
1) 计算每个车位离出入口的总距离, 并进行降序排序.
暂无评论内容