多机器人路径规划方法、装置及电子设备

本技术涉及路径规划，具体涉及一种多机器人路径规划方法、装置及电子设备。

背景技术：

1、现代智能系统中，多机器人路径规划是一项重要且复杂的任务，其要求多个机器人能够在已知的复杂环境中从起点位置移动到目标位置，同时避免与其他机器人发生碰撞。随着自动驾驶车辆、物流机器人和协作无人机等应用的兴起，多机器人路径规划逐渐成为近年来的研究热点。

2、相关技术中，通常采用基于冲突的搜索(conflict-based search，cbs)算法进行多机器人路径规划。然而，随着地图的增大和机器人数量的增多，传统的cbs算法在进行路径规划时，会出现求解时间延长、路径规划效率低、不能准确规划最优路径等问题。

技术实现思路

1、有鉴于此，本技术实施例提供了一种多机器人路径规划方法、装置及电子设备，以解决相关技术在多机器人路径规划时求解时间长、路径规划效率低、不能准确规划最优路径的技术问题。

2、第一方面，本技术实施例提供了一种多机器人路径规划方法，包括：

3、获取地图中多个机器人分别对应的起点位置和目标位置，基于各机器人的起点位置和目标位置进行路径规划，确定所述各机器人的最优路径；

4、检测所述各机器人的最优路径是否存在路径冲突，若任意两个机器人的最优路径存在路径冲突，则检测所述路径冲突的冲突类型，并根据所述冲突类型确定所述路径冲突的冲突属性；所述冲突属性包括可避免重规划的冲突属性和不可避免重规划的冲突属性；

5、根据所述冲突属性，利用相应的路径搜索算法对所述路径冲突对应的机器人重新进行路径规划，得到新的最优路径作为最优路径；

6、重新执行检测所述各机器人的最优路径是否存在路径冲突的步骤，直至所述各机器人的最优路径均不存在路径冲突，输出各机器人当前的最优路径。

7、在第一方面的一种可能的实施方式中，所述冲突类型包括顶点冲突和边冲突；

8、所述根据所述冲突类型确定所述路径冲突的冲突属性，包括：

9、若所述路径冲突为顶点冲突，则根据所述两个机器人的负载情况和在发生路径冲突的上一时刻的行驶方向，确定所述路径冲突的顶点冲突类型，并根据所述顶点冲突类型，确定所述路径冲突的冲突属性；其中，所述顶点冲突类型包括交叉顶点冲突、相向顶点冲突、地图顶点交叉顶点冲突和追击顶点冲突；

10、若所述路径冲突为边冲突，则确定所述路径冲突的冲突属性为不可避免重规划的冲突属性。

11、在第一方面的一种可能的实施方式中，所述负载情况包括负载状态和空载状态；

12、所述根据所述两个机器人的负载情况和在发生路径冲突的上一时刻的行驶方向，确定所述路径冲突的顶点冲突类型，包括：

13、检测所述两个机器人的负载情况；

14、若所述两个机器人在发生路径冲突的上一时刻为侧向行驶，且所述路径冲突对应的顶点不位于所述地图的顶点，则确定所述路径冲突为交叉顶点冲突；

15、若所述两个机器人在发生路径冲突的上一时刻为对向行驶，则确定所述路径冲突为相向顶点冲突；

16、若所述两个机器人的负载情况不同、在发生路径冲突的上一时刻同向行驶，且空载状态的机器人在在路径冲突的上一时刻落后于负载状态的机器人，则确定所述路径冲突为追击顶点冲突；

17、若所述两个机器人在发生路径冲突的上一时刻为侧向行驶，且所述路径冲突对应的顶点位于所述地图的顶点，则确定所述路径冲突为地图顶点交叉顶点冲突。

18、在第一方面的一种可能的实施方式中，所述根据所述顶点冲突类型，确定所述路径冲突的冲突属性，包括：

19、若所述顶点冲突类型为交叉顶点冲突、相向顶点冲突或追击顶点冲突，则确定所述路径冲突的冲突属性为可避免重规划的冲突属性；

20、若所述顶点冲突类型为地图顶点交叉顶点冲突，则确定所述路径冲突的冲突属性为不可避免重规划的冲突属性。

21、在第一方面的一种可能的实施方式中，所述路径搜索算法包括第一路径搜索算法和第二路径搜索算法；

22、在所述根据所述冲突属性，利用相应的路径搜索算法对所述路径冲突对应的最优路径重新进行路径规划，得到新的最优路径作为最优路径之前，还包括：

23、根据所述两个机器人的负载情况，设置约束条件；所述约束条件包括第一约束条件和第二约束条件；

24、所述根据所述冲突属性，利用相应的路径搜索算法对所述路径冲突对应的机器人重新进行路径规划，得到新的最优路径作为最优路径，包括：

25、若所述冲突属性为可避免重规划的冲突属性，则基于所述第一约束条件，利用第一路径搜索算法对所述路径冲突对应的机器人重新进行路径规划；

26、若所述冲突属性为不可避免重规划的冲突属性，则基于所述第二约束条件，利用第二路径搜索算法对所述路径冲突对应的机器人重新进行路径规划。

27、在第一方面的一种可能的实施方式中，所述根据所述两个机器人的负载情况，设置约束条件，包括：

28、若所述两个机器人的负载情况相同，则分别对所述两个机器人设置禁止占用目标顶点或目标边的第一约束条件；

29、若所述两个机器人的负载情况不同，则设置禁止所述两个机器人中负载情况为空载状态的机器人占用目标顶点或目标边的第二约束条件；

30、其中，所述目标顶点为冲突类型为顶点冲突的路径冲突中的顶点，所述目标边为冲突类型为边冲突的路径冲突中的边。

31、在第一方面的一种可能的实施方式中，所述第一路径搜索算法为第一改进的a*搜索算法；

32、所述基于所述第一约束条件，利用第一路径搜索算法对所述路径冲突对应的机器人重新进行路径规划，包括：

33、根据所述两个机器人的起点位置和目标位置，以及第一约束条件，利用所述第一改进的a*搜索算法对所述两个机器人重新进行路径规划；其中，所述第一改进的a*搜索算法的启发函数h1为

34、

35、式中，x(s)和x(g)分别为机器人的起点位置的x坐标和目标位置的x坐标，y(s)和y(g)分别为机器人的起点位置的y坐标和目标位置的y坐标，k为可数值，dx为机器人的起点位置的x坐标与目标位置的x坐标的差值的绝对值，dy为机器人的起点位置的y坐标与目标位置的y坐标的差值的绝对值。

36、在第一方面的一种可能的实施方式中，所述第二路径搜索算法为第二改进的a*搜索算法；

37、所述基于所述第二约束条件，利用第二路径搜索算法对所述路径冲突对应的机器人重新进行路径规划，包括：

38、根据所述两个机器人中负载情况为空载状态的机器人的起点位置和目标位置，以及第二约束条件，利用所述第二改进的a*搜索算法对所述负载情况为空载状态的机器人重新进行路径规划；其中，所述第二改进的a*搜索算法的启发函数h2为

39、

40、式中，δ为自适应因子，cross为交叉影响因子，d(s)为机器人的起点位置到目标位置的对角线距离。

41、第二方面，本技术实施例提供了一种多机器人路径规划装置，包括：

42、获取模块，用于获取地图中多个机器人分别对应的起点位置和目标位置，基于各机器人的起点位置和目标位置进行路径规划，确定所述各机器人的最优路径；

43、确定模块，用于检测所述各机器人的最优路径是否存在路径冲突，若任意两个机器人的最优路径存在路径冲突，则检测所述路径冲突的冲突类型，并根据所述冲突类型确定所述路径冲突的冲突属性；所述冲突属性包括可避免重规划的冲突属性和不可避免重规划的冲突属性；

44、得到模块，用于根据所述冲突属性，利用相应的路径搜索算法对所述路径冲突对应的机器人重新进行路径规划，得到新的最优路径作为最优路径；

45、输出模块，用于重新执行检测所述各机器人的最优路径是否存在路径冲突的步骤，直至所述各机器人的最优路径均不存在路径冲突，输出各机器人当前的最优路径。

46、第三方面，本技术实施例提供了一种电子设备，包括存储器和处理器，存储器中存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现如第一方面任一项所述的多机器人路径规划方法。

47、第四方面，本技术实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如第一方面任一项所述的多机器人路径规划方法。

48、第五方面，本技术实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面中任一项所述的多机器人路径规划方法。

49、可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

50、本技术实施例提供的多机器人路径规划方法、装置及电子设备，对各机器人进行路径规划，确定各机器人的最优路径，之后，检测到任意两个机器人的最优路径存在路径冲突时，根据路径冲突的冲突类型确定路径冲突的冲突属性，这里，冲突属性包括可避免重规划的冲突属性和不可避免重规划的冲突属性，之后，对不同冲突属性，利用不同的路径搜索算法对相应的机器人重新进行路径规划，并重复检测各机器人的最优路径是否存在路径冲突，直至各机器人的最优路径均不存在路径冲突，输出各机器人当前的最优路径，这样，区分路径冲突的不同冲突类型，确定路径冲突的冲突属性，并对不同冲突属性采用不同路径搜索算法重新进行路径规划，能够缩短求解时间，提高路径规划效率，准确规划多机器人的最优路径。

51、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。

技术特征：

1.一种多机器人路径规划方法，其特征在于，包括：

2.根据权利要求1所述的多机器人路径规划方法，其特征在于，所述冲突类型包括顶点冲突和边冲突；

3.根据权利要求2所述的多机器人路径规划方法，其特征在于，所述负载情况包括负载状态和空载状态；

4.根据权利要求2所述的多机器人路径规划方法，其特征在于，所述根据所述顶点冲突类型，确定所述路径冲突的冲突属性，包括：

5.根据权利要求1至4任一项所述的多机器人路径规划方法，其特征在于，所述路径搜索算法包括第一路径搜索算法和第二路径搜索算法；

6.根据权利要求5所述的多机器人路径规划方法，其特征在于，所述根据所述两个机器人的负载情况，设置约束条件，包括：

7.根据权利要求6所述的多机器人路径规划方法，其特征在于，所述第一路径搜索算法为第一改进的a*搜索算法；

8.根据权利要求7所述的多机器人路径规划方法，其特征在于，所述第二路径搜索算法为第二改进的a*搜索算法；

9.一种多机器人路径规划装置，其特征在于，包括：

10.一种电子设备，包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的多机器人路径规划方法。

技术总结
本申请适用于路径规划技术领域，提供了一种多机器人路径规划方法、装置及电子设备。该方法包括：基于各机器人的起点位置和目标位置进行路径规划，确定各机器人的最优路径；检测各机器人的最优路径是否存在路径冲突，若任意两个机器人的最优路径存在路径冲突，则根据路径冲突的冲突类型确定路径冲突的冲突属性；根据冲突属性，利用相应的路径搜索算法对路径冲突对应的机器人重新进行路径规划，得到新的最优路径作为最优路径；重新执行检测各机器人的最优路径是否存在路径冲突的步骤，直至各机器人的最优路径均不存在路径冲突，输出各机器人当前的最优路径。本申请能够缩短求解时间，提高路径规划效率，准确规划多机器人的最优路径。

技术研发人员：贾科进,彭程,杜云,张哲
受保护的技术使用者：河北科技大学
技术研发日：
技术公布日：2024/12/5