基于改进A^(*)算法的多AGV路径规划研究

自动导引车AGV(Automated guided vehicle,AGV)的路径规划问题是工业生产和物流领域的关键问题,其中多AGV无碰撞路径规划是研究的难点。本文以实际工业生产现场为背景,提出一种改进的A^(*)算法,该算法利用切比雪夫距离对传统A^(*)算法的启发函数进行加权,显著地减少了A^(*)算法的搜索时间和搜索节点数,提高了传统A^(*)算法的路径搜索效率,并将改进的A^(*)算法和时间窗模型结合,通过时间窗模型提前预判多AGV路径上节点占用情况,根据生产任务需求和AGV离终点的远近程度,动态调整AGV的优先级,有效地解决了多AGV同时行驶时产生的死锁,碰撞冲突问题。试验结果表明,该算法在多AGV进行动态路径规划时,路径的搜索效率得到显著的提高,路径冲突问题也得到有效的解决。

基于视觉辨色的AGV路径识别算法研究

针对AGV的单一路径和多路径交叉的路径识别问题,提出了一种基于不同颜色色带的AGV路径识别方法。在工业现场使用红黄两种不同颜色的色带铺设路径,将摄像头采集的RGB格式图像分别转换为灰度图像和HSV格式图像,然后将灰度图像和S通道的图像进行混合,通过阈值化处理后得到二值化的路径图像。根据在单一路径和多路径交叉时,红黄色路径图像特征的差异以及不同的导航命令,实现了不同路径类型的识别,并且通过计算路径中心线的方向偏移量和角度偏移量实现了AGV的运动控制。试验表明,这种方法的实现算法简单,鲁棒性好,处理一帧图像的平均时间较短。该方法通过结合路径的颜色识别结果,为单一路径和多路径交叉时的路径识别问题提出了一种解决方案,最后通过试验验证了所提方法的有效性。