一种基于矢量场和动态预测的agv路径优化方法与流程

本发明涉及agv控制，具体涉及一种基于矢量场和动态预测的agv路径优化方法。

背景技术：

1、随着智能制造和智慧物流的发展，自动导引车agv作为柔性化物料搬运的核心设备，在仓储、配送、生产等多种作业场景中得到广泛应用，agv系统的核心能力之一是路径规划，即在复杂动态环境中为agv提供安全、可行且高效的移动路线，从而保障任务高效完成和系统稳定运行。

2、现有agv路径规划技术主要依赖于静态环境建图与传统导航算法，如a*算法、dijkstra算法或基于拓扑图的路径搜索策略，这些方法多以全局最短路径为优化目标，较难有效处理动态障碍物干扰与多任务调度带来的路径冲突问题，部分研究尝试引入局部避障算法（如dwa、vfh等）应对复杂环境下的障碍规避问题，然而此类方法常常局限于单点避障逻辑，难以兼顾整体路径的连续性与环境适应性。

3、在实际作业场景中，agv不仅需面对动态障碍物频繁进入任务区域的问题，同时还需处理多种载货状态下对路径稳定性、安全性的不同要求，现有方法普遍未能将agv的载货属性、任务区域的功能分区与实时环境状态进行有机融合，导致路径规划方案在环境动态性增强时鲁棒性不足，存在路径震荡、局部陷入甚至任务失败等风险，同时，目前多数路径引导策略仅基于栅格代价或简化的速度权重进行路径调整，缺乏基于物理语义与预测机制的路径调整机制，对动态目标的未来状态预测能力有限，难以实现高精度、高响应的避障决策控制。

技术实现思路

1、为了解决上述技术问题，本发明提供了一种基于矢量场和动态预测的agv路径优化方法，包括：

2、获取agv的交互点数据、运载数据和任务地图，并根据交互点数据和任务地图生成任务区域图层，将任务区域图层作为空间载体构建agv进行运行的矢量场；

3、获取动态障碍物数据并进行轨迹分析，生成轨迹点集合和位置预测数据；

4、基于轨迹点集合和位置预测数据来构建热力图，将热力图中各单元格的热力值与预设的热力阈值进行比对，以获取高热区域并输出热力掩码；

5、基于热力图和高热掩码，对每个单元格进行避障向量的生成，将避障向量和优化引导向量进行整合，以生成最终引导向量并对agv进行引导。

6、进一步地，所述运载数据包括agv载货属性和agv运行速度，所述载货属性包括无装载，小型货物装载和大型货物装载，所述交互点数据包括交互点的货物属性和区域约束属性。

7、进一步地，所述生成任务区域图层的逻辑为：

8、将agv的任务地图划分为m×n 个单元格，每个单元格标记为d（m，n），m为单元格的横向索引，n为单元格的竖向索引；

9、对各个单元格进行属性定义：d（m，n）={s（m，n），a（m，n）}，m,n皆为大于0的整数；

10、其中，s（m，n）为第m行、第n列单元格的占据属性，a（m，n）为第m行、第n列单元格的区域属性向量；

11、s（m，n）∈{0，1}，当s（m，n）=0，对应的单元格为通行单元格，当s（m，n）=1，对应的单元格为障碍单元格；

12、根据交互点数据对对应的单元格进行区域属性向量定义，a（m，n）=[a1m,n，a2m,n]；

13、其中，a1m,n为第m行、第n行的货物属性，a1m,n∈{0，1，2}；

14、当a1m,n=0时，第m行、第n行的单元格无法承载货物；

15、当a1m,n=1时，对应的单元格可承载小型货物；

16、当a1m,n=2时，对应的单元格可承载大型货物；

17、a2m,n为第m行、第n行的区域约束属性，a2m,n∈{0，1}；

18、a2m,n=0时，第m行、第n行的单元格无区域约束条件；

19、a2m,n=1时，对应的单元格有区域约束条件；

20、输出通过各个单元格经过属性定义和区域属性向量定义的任务地图，并作为任务区域图层进行输出。

21、进一步地，所述矢量场的构建逻辑为：

22、在任务区域图层设定任务目标单元格g，g=（mg，ng），mg、ng为第m行、第n列标记为序号g的单元格，g为大于0的整数，初始化在任务目标单元格g的矢量场值v（mg，ng），使矢量值v（mg，ng）为零向量，即v（mg，ng）=；

23、根据任务目标单元格进行反向传播引导向量的计算，以获取各个单元格的引导向量：v（m，n）==unit（g-（m，n）；

24、根据各个单元格的属性定义，对单元格的引导向量v（m，n）进行修正，生成优化引导向量vx（m，n），完成矢量场构建。

25、进一步地，所述对单元格的引导向量v（m，n）进行修正的逻辑为：

26、遍历各个单元格d（m，n），若所述单元格d（m，n）的占据属性s（m，n）=1，判定为障碍单元格，将引导向量v（m，n）修正为零向量，以输出优化引导向量vx（m，n）=；

27、若所述单元格d（m，n）的占据属性s（m，n）=0，获取修正系数β，对单元格的引导向量v（m，n）进行修正，所述v（m，n）的修正公式为：vx（m，n）=β×v（m，n）；

28、所述修正系数β的获取逻辑为：

29、将agv的载货属性定义为l，l∈{0，1，2}，当l=0时，agv无装载，当l=1时，agv为小型货物装载，l=2时，agv为大型货物装载；将agv载货属性l与所述单元格的货物属性a1m,n进行比对，若agv载货属性l小于货物属性a1m,n，输出β=1；

30、若agv载货属性l大于或等于货物属性a1m,n，输出β=1-γ×（l-a1m,n），γ为衰减因子，γ∈（0，1）。

31、进一步地，所述动态障碍物数据包括目标标识、时间戳、位置信息和速度信息。

32、进一步地，轨迹分析的逻辑为：

33、将第j个进入任务地图中的动态障碍物目标标识记作id（j），j为大于0的整数；

34、采集动态障碍物id（j）当前的时间戳ti，i为大于等于0的常数，位置信息pj（ti）=（mj(ti)，nj(ti)，速度信息uj（ti）=(umj(ti)，unj(ti))；

35、对动态障碍物id（j）的位置信息进行整合，以构建轨迹点集合：δj={pj（t0），pj（t1），……，pj（tk）}，0＜k≤i；

36、设定当前动态障碍物id（j）当前的时间戳为t，通过线性外推法对各个障碍物未来z时刻的位置状态进行预测，生成位置预测数据，预测公式为：

37、p^（t+f)=pj（t)+uj（t)×f,f∈[0,z]。

38、进一步地，基于轨迹点集合和位置预测数据来构建热力图的逻辑为：

39、对各个动态障碍物id（j）的位置预测数据p^（t+f）进行位置坐标落格，以映射到任务区域图层对应的单元格d（m,n）中；

40、统计所有轨迹点结合中的轨迹点，以及位置预测数据在各单元格的出现频率，生成热力值ht(m，n)，所述热力值ht(m，n)的计算公式为：

41、ht(m,n)=；

42、式中，为判断位置预测数据p^（t+f）是否落入单元格d（m,n）中，wt为预设的加权因子；

43、获取各个单元格d（m,n）的热力值ht(m，n)以构建热力图。

44、进一步地，将热力图中各单元格的热力值与预设的热力阈值进行比对，以获取高热区域并输出热力掩码的逻辑为；

45、将各个单元格的热力值ht(m，n)与预设的热力阈值η进行比对；

46、若ht(m，n)≥η，标记为对应单元格为高热区域，输出热力掩码lh（m,n）=1；

47、若ht(m，n)＜η，标记为对应单元格为常规区域，输出热力掩码lh（m,n）=0。

48、进一步地，最终引导向量的生成逻辑为：

49、提取任务区域图层中的单元格d（m,n）中的优化引导向量vx（m，n），并同步提取该单元格对应的热力值ht(m，n)与热力掩码lh（m,n）；

50、将热力掩码lh（m,n）=1的单元格保留优化引导向量作为最终引导向量进行输出；

51、将热力掩码lh（m,n）=0的单元格记作待修正单元；

52、对于待修正单元格，以当前单元格d（m,n）为中心，在任务区域图层中延伸1个单元格形成3×3区域，计算当前单元格相邻区域内的热力梯度∇ht(m，n)：

53、∇ht(m,n)=（,）；

54、基于热力梯度计算规避向量vavoid，规避向量vavoid的计算公式为：

55、vavoid(m,n)=-;

56、其中，梯度范数=（2+（2；

57、若梯度范数小于或等于预设的最小梯度时，输出vavoid(m，n)=0，热力值平稳，无避障需求；

58、若梯度范数大于预设的最小梯度时，热力值不平稳，需要进行避障引导；

59、将需要进行避障引导的单元格的原始引导向量vx（m，n）和避障向量vavoid(m，n)进行整合，生成最终引导向量ve（m，n），最终引导向量ve（m，n）的计算公式为：

60、ve（m，n）=（1-y×vx（m，n+y×vavoid(m，n)，其中，y为预设的优化因子，y∈（0,1）。

61、相比于现有技术，本发明的有益效果在于：

62、本发明通过将agv的载货属性与任务地图中各单元格的货物承载属性与区域约束属性相结合，实现了任务区域图层的多维属性建模，并引入可调节的矢量修正系数以动态适配不同载荷状态下的路径引导，使路径规划结果在安全性、合理性与环境适应性方面得到显著提升；同时对目标单元格与障碍单元格的矢量语义进行了明确区分，增强了引导矢量场在路径控制过程中的鲁棒性，有效支持agv在复杂作业环境下的自主运行与任务适配；

63、此外，本发明根据热力值与热力阈值的比对提取高热区域，有效标识潜在的碰撞风险区域，并借助热力梯度计算出规避向量，实现对原有引导路径的动态修正。最终通过融合优化引导向量与避障向量生成的最终引导路径，实现了对agv任务地图中障碍物的动态预测，以及agv在复杂环境中的路径引导。