一种基于自适应安全边界的AGV速度约束方法及相关组件与流程

摘要: 本发明涉及agv管理,特别涉及一种基于自适应安全边界的agv速度约束方法及相关组件。背景技术:1、随着工业物流自动化的快速发展,自动导引车(agv)及自主移动机...
一种基于自适应安全边界的AGV速度约束方法及相关组件与流程

本发明涉及agv管理,特别涉及一种基于自适应安全边界的agv速度约束方法及相关组件。

背景技术:

1、随着工业物流自动化的快速发展,自动导引车(agv)及自主移动机器人(amr)已广泛应用于仓储搬运、产线配送、装卸平台及复杂厂内物流场景。在人机混行环境中,agv周围通常同时存在行人、叉车、其他agv、静止货物托盘、固定设施等多类障碍物,各类障碍物在运动状态、行为不确定性、碰撞后果和可避让方式上存在显著差异。因此,agv需要在保证运行安全的同时维持较高的通行效率。

2、现有agv导航与避障方案通常采用代价地图、固定膨胀半径和局部规划器相结合的方式。该类方案对障碍物周围区域设置固定膨胀半径或固定安全距离,并在膨胀后的代价地图上生成局部路径和速度指令。上述方案在简单静态环境中能够正常运行,但在人机混行和动态障碍频繁的复杂场景下存在明显不足。

3、一方面,固定膨胀半径通常为各向同性参数,无法区分动态接近或行为不确定的行人与侧方静止托盘,也无法反映障碍物运动方向、相对接近速度和未来交汇风险。当膨胀半径设置过大时,agv容易在窄通道或货架通道中频繁绕行、误停甚至通行失败;当膨胀半径设置过小时,又可能无法覆盖高速工况下的制动距离、响应延迟以及定位与观测不确定性,存在安全隐患。

4、另一方面,部分现有方案虽采用自适应安全距离、风险地图或速度缩放策略,但多以单一距离函数、单层风险评分或依据障碍距离直接降速为主,缺乏将障碍类别后果、行为不确定性、预测协方差、车辆有效制动能力、响应链路时延及可用距离统一投影为可执行速度上限的综合机制。此类方案容易出现风险略微升高即触发急停、软风险场与硬安全底线混杂、在线学习调整参数后改变安全边界下限等问题,影响系统安全性与稳定性。

5、此外,从传感器采样、目标跟踪、风险评估、局部规划、通信传输到底盘执行,整个信息链路存在可测量的响应时延;同时,agv在不同载重、地面摩擦、坡度及制动健康状态下的有效减速度也存在明显差异。若速度控制仅依据瞬时障碍距离或经验阈值进行处理,难以保证在实际响应延迟和车辆真实制动能力约束下仍能满足可制动安全条件,存在安全验证不足的隐患。

技术实现思路

1、本发明的目的是提供一种基于自适应安全边界的agv速度约束方法及相关组件,旨在解决现有技术中固定膨胀安全距离难以兼顾安全与效率、风险降速不连续、响应链路延迟和车辆制动能力未进入速度上限计算等问题。

2、第一方面,本发明实施例提供一种基于自适应安全边界的agv速度约束方法,包括:

3、获取agv的本车信息和环境信息,并设定硬安全层、时空预测层和软安全层,所述环境信息包括至少一个障碍物信息;

4、根据所述本车信息和所述障碍物信息进行风险量化,得到各个障碍物的障碍风险;

5、根据所述本车信息内的当前速度、有效减速度、响应链路设计时延、定位不确定性、障碍观测不确定性和车体扫掠裕度确定物理安全底线半径,并将所述物理安全底线半径对应的区域写入所述硬安全层;

6、根据各个障碍物的障碍物信息及其对应的障碍风险生成各个障碍物的偏置前向风险投影场;

7、融合各障碍物的偏置前向风险投影场得到场景风险投影场,并将所述场景风险投影场内位于硬安全层之外且所述场景风险投影场在相应位置和预测时刻的融合风险值高于软风险阈值的区域写入软风险层,并按预测时刻写入时空预测层;

8、根据写入后的硬安全层、写入后的时空预测层和写入后的软风险层生成多条候选轨迹,并对每条所述候选轨迹分别计算所述候选轨迹在所述场景风险投影场中的风险曝光值;

9、根据各所述候选轨迹的所述风险曝光值确定各所述候选轨迹的风险速度上限,并根据所述候选轨迹的曲率确定曲率速度上限,以及根据所述候选轨迹的可用前向弧长、所述有效减速度、所述响应链路设计时延和安全冗余确定可制动速度上限;

10、将各所述候选轨迹的所述风险速度上限、所述曲率速度上限和所述可制动速度上限共同投影为各所述候选轨迹的可执行速度上限,并根据所述可执行速度上限控制所述agv运行。

11、第二方面,本发明实施例提供一种基于自适应安全边界的agv速度约束装置,包括:

12、获取模块,用于获取agv的本车信息和环境信息,并设定硬安全层、时空预测层和软安全层,所述环境信息包括至少一个障碍物信息;

13、量化模块,用于根据所述本车信息和所述障碍物信息进行风险量化,得到各个障碍物的障碍风险;

14、写入模块,用于根据所述本车信息内的当前速度、有效减速度、响应链路设计时延、定位不确定性、障碍观测不确定性和车体扫掠裕度确定物理安全底线半径,并将所述物理安全底线半径对应的区域写入所述硬安全层;

15、生成模块,用于根据各个障碍物的障碍物信息及其对应的障碍风险生成各个障碍物的偏置前向风险投影场;

16、融合模块,用于融合各障碍物的偏置前向风险投影场得到场景风险投影场,并将所述场景风险投影场内位于硬安全层之外且所述场景风险投影场在相应位置和预测时刻的融合风险值高于软风险阈值的区域写入软风险层,并按预测时刻写入时空预测层;

17、计算模块,用于根据写入后的硬安全层、写入后的时空预测层和写入后的软风险层生成多条候选轨迹,并对每条所述候选轨迹分别计算所述候选轨迹在所述场景风险投影场中的风险曝光值;

18、确定模块,用于根据各所述候选轨迹的所述风险曝光值确定各所述候选轨迹的风险速度上限,并根据所述候选轨迹的曲率确定曲率速度上限,以及根据所述候选轨迹的可用前向弧长、所述有效减速度、所述响应链路设计时延和安全冗余确定可制动速度上限;

19、投影模块,用于将各所述候选轨迹的所述风险速度上限、所述曲率速度上限和所述可制动速度上限共同投影为各所述候选轨迹的可执行速度上限,并根据所述可执行速度上限控制所述agv运行。

20、第三方面,本发明实施例又提供了一种计算机设备,其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的基于自适应安全边界的agv速度约束方法。

21、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,其中所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时实现上述第一方面所述的基于自适应安全边界的agv速度约束方法。

22、本发明公开了一种基于自适应安全边界的agv速度约束方法及相关组件,方法包括:获取agv的本车信息和环境信息,并设定硬安全层、时空预测层和软安全层,所述环境信息包括至少一个障碍物信息;根据所述本车信息和所述障碍物信息进行风险量化,得到各个障碍物的障碍风险;根据所述本车信息内的当前速度、有效减速度、响应链路设计时延、定位不确定性、障碍观测不确定性和车体扫掠裕度确定物理安全底线半径,并将所述物理安全底线半径对应的区域写入所述硬安全层;根据各个障碍物的障碍物信息及其对应的障碍风险生成各个障碍物的偏置前向风险投影场;融合各障碍物的偏置前向风险投影场得到场景风险投影场,并将所述场景风险投影场内位于硬安全层之外且所述场景风险投影场在相应位置和预测时刻的融合风险值高于软风险阈值的区域写入软风险层,并按预测时刻写入时空预测层;根据写入后的硬安全层、写入后的时空预测层和写入后的软风险层生成多条候选轨迹,并对每条所述候选轨迹分别计算所述候选轨迹在所述场景风险投影场中的风险曝光值;根据各所述候选轨迹的所述风险曝光值确定各所述候选轨迹的风险速度上限,并根据所述候选轨迹的曲率确定曲率速度上限,以及根据所述候选轨迹的可用前向弧长、所述有效减速度、所述响应链路设计时延和安全冗余确定可制动速度上限;将各所述候选轨迹的所述风险速度上限、所述曲率速度上限和所述可制动速度上限共同投影为各所述候选轨迹的可执行速度上限,并根据所述可执行速度上限控制所述agv运行。本发明通过物理安全底线半径构建不可被在线学习降低的硬安全层,确保制动距离与响应延迟得到覆盖并满足预设可制动安全约束;在硬安全层之外,针对各障碍物生成偏置前向风险投影场并融合为场景风险投影场,依据风险高低分层写入软风险层与时空预测层,使候选轨迹的生成同时受硬性禁止区域和软性风险梯度约束。在此基础上,对各候选轨迹分别计算风险曝光值以确定风险速度上限,并结合曲率速度上限及由有效减速度、响应链路设计时延、安全冗余、可用前向弧长共同确定的可制动速度上限,将三者投影为可执行速度上限,实现风险升高时连续平滑降速而非突变的急停,且仅在可制动安全约束无法满足时才停车。由此,在保障硬安全不可突破的前提下,兼顾了动态风险响应、制动能力匹配和通行效率优化,同时通过将硬安全层生成规则与速度安全投影规则排除于在线学习可调整范围之外,避免了学习过程对安全边界的侵蚀,提升了系统的长期稳定性和安全性。本发明实施例同时还提供了一种基于自适应安全边界的agv速度约束装置、一种计算机可读存储介质和一种计算机设备,具有上述有益效果,在此不再赘述。