一种运动调度方法、装置以及介质与流程

1.本技术涉及智能机器人技术领域，特别是涉及一种运动调度方法、装置以及介质。


背景技术：

2.近年来，移动智能机器人技术飞速发展，机器人已经被运用于各种领域，例如仓储物流、自动驾驶、货物运输等。其中一种主要用于物流运输的自动引导小车(automated guided vehicle，agv)得到了广泛的应用，其在物流系统自动化中扮演着重要角色，agv具有使用便捷、可靠性好、自动化程度高、运行时间长、维护保养简便等诸多优势。在agv的实际工作过程中，如何在复杂未知的环境完成指定的任务是一个很普遍的问题。运动调度算法是为了解决这个实际问题，实现agv自主导航的关键技术。它主要解决agv如何以最快的速度、最短的距离从起点到达目标点的问题。在agv移动环境中，有可能存在各种各样的障碍物，因此通过运动调度为agv找到从起点到目标点的无碰撞最优路径。
3.但是目前的方案只适用于单个agv的情况，当存在多个agv，各agv之间会相互影响，会出现不同的agv的路径在同一时刻重合的情况，从而导致多个agv相撞，引发生产事故。
4.由此可见，如何对多个agv进行运动调度以保证各agv正常工作，是本领域技术人员亟待解决的问题。


技术实现要素：

5.本技术的目的是提供一种运动调度方法、装置以及介质，实现对多个agv进行运动调度以保证各agv正常工作。
6.为解决上述技术问题，本技术提供一种运动调度方法，包括：
7.建立多个移动目标的运动模型；
8.构造所述移动目标所处场景的障碍物地图；
9.根据各所述移动目标之间的位置关系建立避让评价函数；
10.结合所述运动模型和所述障碍物地图，并根据动态窗口算法确定各所述移动目标的运动调度方案；其中，所述动态窗口算法的评价函数包括所述避让评价函数。
11.优选地，所述避让评价函数的输出为各所述移动目标在对应的速度和角速度下各所述移动目标之间的距离评价值。
12.优选地，所诉评价函数还包括：用于表征所述移动目标在当前方向与目标方向对准的程度的方向角评价函数、用于表征所述移动目标在当前轨迹上与最靠近障碍物的距离的间隙评价函数、以及用于表征所述移动目标在相应轨迹上的速度大小的速度评价函数。
13.优选地，在预设半径范围内，所述避让评价函数的所述距离评价值为有效值。
14.优选地，当多个所述移动目标无法在同一时间通过一位置时，所述运动调度方案中根据各所述移动目标自身的任务的优先级确定所述运动调度方案。
15.优选地，所述根据动态窗口算法确定各所述移动目标的运动调度方案之后，还包
括：
16.使用mpc模型预测算法优化所述运动调度方案。
17.优选地，所述构造所述移动目标所处场景的障碍物地图包括：
18.采用视觉传感器采集所述移动目标所处场景的障碍物信息；
19.根据所述障碍物信息构造二维的所述障碍物地图。
20.为解决上述技术问题，本技术还提供一种运动调度装置，包括：
21.第一建立模块，用于建立多个移动目标的运动模型；
22.构造模块，用于构造所述移动目标所处场景的障碍物地图；
23.第二建立模块，用于根据各所述移动目标之间的位置关系建立避让评价函数；
24.确定模块，用于结合所述运动模型和所述障碍物地图，并根据动态窗口算法确定各所述移动目标的运动调度方案；其中，所述动态窗口算法的评价函数包括所述避让评价函数。
25.为解决上述技术问题，本技术还提供一种运动调度装置，包括：存储器，用于存储计算机程序；
26.处理器，用于执行计算机程序时实现上述运动调度方法的步骤。
27.为解决上述技术问题，本技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述运动调度方法的步骤。
28.本技术所提供的运动调度方法，先建立多个移动目标的运动模型和构造移动目标所处场景的障碍物地图，从而得到了实际应用场景的基础信息，再根据各移动目标之间的位置关系建立避让评价函数，并将避让评价函数加入到动态窗口算法中的评价函数中；最后结合运动模型和障碍物地图，并根据动态窗口算法确定各移动目标的运动调度方案。传统的动态窗口算法只适用于单个移动目标，而本技术提供的方案在多个移动目标之间接近时，会通过互相传递速度空间信息，从而消除碰撞的可能。
29.本技术还提供了一种运动调度装置和计算机可读存储介质，与上述方法对应，故具有与上述方法相同的有益效果。
附图说明
30.为了更清楚地说明本技术实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
31.图1为本技术实施例提供的一种运动调度方法的流程图；
32.图2为本技术实施例提供的一种算法工作流程图；
33.图3为本技术实施例提供的一种移动目标的运动模型图；
34.图4为本技术实施例提供的运动调度装置的结构图；
35.图5为本技术另一实施例提供的运动调度装置的结构图。
具体实施方式
36.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本技术保护范围。
37.本技术的核心是提供一种运动调度方法、装置以及介质，实现对多个agv进行运动调度以保证各agv正常工作。
38.为了使本技术领域的人员更好地理解本技术方案，下面结合附图和具体实施方式对本技术作进一步的详细说明。
39.本技术一般应用在物流运输场景下，所提到的移动目标通常指用于物流运输的自动引导小车agv，下文实施例中以agv举例说明，但实际应用时并不限于此，agv的类型和数量也不作限定。图1为本技术实施例提供的一种运动调度方法的流程图；如图1所示，该方法包括如下步骤：
40.s10：建立多个移动目标的运动模型。
41.本实施例提供的运动模型只是本技术实施例的其中一种方案，本技术并不限于这一种运动模型。agv的运动模型可以表示为x
t
＝f(x
t-1
,u
t
) ξ
t
，式中f(x
t-1
,u
t
)表示在控制信号下系统的状态转移函数，ξ
t
表示系统噪声。
42.设agv的驱动轮半径为r，两驱动轮间距为l，δt为采样周期，δt时间内通过光电编码器脉冲数与减速器减速比计算得到电机转动圈数为n。
43.车轮走过的距离为d＝2πr*n，由此计算得到左轮与右轮走过的距离s
l
、sr，以及左右轮平均速度为v
l
、vr。
44.agv的平均速度为：
[0045][0046]
agv在δt时间内航向角转动δθ，若δt足够小，转动的角度δθ可近似求得：
[0047][0048]
由此agv绕其轨迹旋转中心的角速度为：
[0049][0050]
通过agv的线速度和角速度，可得agv的轨迹旋转半径r为：
[0051][0052]
假设agv在t-1时刻的位姿为：
[0053]
x
t-1
＝[x
t-1
,y
t-1
,θ
t-1
]
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0054]
可得在t时刻agv的位姿为：
[0055][0056]
s11：构造移动目标所处场景的障碍物地图。
[0057]
具体构造障碍物地图的方式和障碍物地图的类型不作限定，这里提供其中一种方
案，agv使用的rgb相机传感器是将三位环境色彩信息透过相机镜头投射至相机内部平面感光元件，完成三维到二维的信息转换采集过程，也称针孔模型，通过该针孔模型结合相机的内外参可以确定每个像素点和真实环境中实际位置之间的对应关系。通过对相机进行标定可以获取相机的内部参数和外部参数，同时确定畸变参数，消除横向畸变和径向畸变的影响。内参和畸变参数使用标定工具进行求解，外参根据相机在agv系统中安装的位置获得平移矩阵和旋转矩阵，分别表示相机相对于世界坐标系的位置和姿态。
[0058]
完成对相机的校正，保障照片的精确度之后，利用orb-slam3算法的跟踪线程、建图线程和闭环检测线程将相机采集的信息转化为稀疏点云地图。随后在稀疏点云地图的基础上将深度信息转化为半稠密点云地图。为了减少存储规模和不必要信息，可以将半稠密地图转换为可压缩且变换灵活的八叉树地图模式。最后为了减少计算量和提高实时性，可以将三维的八叉树地图通过三维斜投影变换的方法转化为二维的障碍物地图。
[0059]
s12：根据各移动目标之间的位置关系建立避让评价函数。
[0060]
为了使动态窗口算法能够适用于更加复杂的环境和多辆agv的情况。在评价函数中新增一项关于与其他agv距离的函数，定义为hide(v,ω)。可以设置当一个agv在行驶过程中，与其他agv的相对距离ds小于阈值rc(预设半径范围)时，这个函数就会生效，即距离评价值为有效值。该函数通过传感器获取其他agv与当前agv的相对距离ds和相对角度θs，从这两个信息可以得到其他agv相对于该agv的准确位置，由于时间间隔t很小，为了简化计算，可以认为每条轨迹都近似于直线，从而计算出当前轨迹与其他agv的距离，所有距离求和之后，数值越大代表距离其他agv越远，评价得分也就较高，即距离评价值越高，且需要归一化处理。具体公式如下：
[0061][0062]
n表示当前agv阈值rc范围内其他agv的数量，d
si
与θ
si
表示第i个agv与当前agv的相对距离和角度，θ表示当前agv旋转的角度，vc表示当前agv的前进速度。
[0063]
s13：结合运动模型和障碍物地图，并根据动态窗口算法确定各移动目标的运动调度方案。
[0064]
本实施例得到的运动调度方案并不限定具体内容，可以是各agv的运动轨迹，也可包括各agv的速度。下面提供一种具体的方案，首先，根据s10得到的agv运动模型，通过速度传感器对agv的速度v和角速度ω进行采样，得到速度集合(v,ω)，从而推算agv的运动轨迹，得到多组速度集合的速度动态窗口。
[0065]
在实际中，agv受到自身物理结构的约束，存在速度的范围的限制。定义vm为agv最大速度和最小速度的速度集合。
[0066]vm
＝{(v,ω)|v∈[v
min
,v
max
],ω∈[ω
min
,ω
max
]}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0067]
同时，由于电机等发动工具力矩有限，所以agv的加速度也存在限制。设t为加速度v'和角加速度ω'作用的时间，vc和ωc代表agv当前速度和当前角速度。定义vd为在一个时间间隔t的时间内，能够实际达到的速度的集合。
[0068]vd
＝{(v,ω)|v∈[v
c-v'
·
t,vc v'
·
t]^ω∈[ω
c-ω'
·
t,ωc ω'
·
t]}
ꢀꢀꢀꢀꢀ
(9)
[0069]
在实际的前进道路上，存在许多障碍物，距离较近的障碍物对agv旋转加速度和平移速度都具有一定限制。dist(v,ω)表示速度对应的轨迹，也就是一段圆弧离障碍物最近
的距离。vb'、wb'为制动加速度。定义速度集合va为舍弃了模拟轨迹之后与障碍物的距离小于刹车距离的可行速度集合。
[0070][0071]
定义vr为速度动态窗口可行的区域，即可行的速度集合。
[0072]vr
＝vm∩vd∩vaꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0073]
为了在可行的速度集合中，获得最优的速度组合，需要设计评价函数对各条轨迹进行评估，取评价函数值最大的速度组合作为agv轨迹推算速度。
[0074]
其中，本技术实施例的动态窗口算法的评价函数包括避让评价函数，即在动态窗口算法的评价函数中加入避让评价函数。改进后的动态窗口算法的评价函数为：
[0075]
g(v,ω)＝σ(α
·
heading(v,ω) β
·
dist(v,ω) γ
·
vel(v,ω) λhide(v,ω))
ꢀꢀ
(12)
[0076]
其中heading(v,ω)代表方向角评价函数，用来表征agv当前方向与目标方向对准的程度。dist(v,ω)代表间隙评价函数，用来表征agv与当前轨迹上与最靠近障碍物的距离，如果当前轨迹上没有障碍物或者与障碍物的距离大于设定的安全距离d，则设定为一个较大的常值。vel(v,ω)代表速度评价函数，用来表征agv在相应轨迹上的速度大小。在传统动态窗口算法的基础上增加的hide(v,ω)代表避让评价函数，用来表征agv与其他agv之间的距离。α、β、γ、λ为四项函数的加权系数，在传统算法中通常为一定的常数。σ代表归一化系数用来消除不同度量单位带来的影响，平滑轨迹，通常用当前轨迹每一项除以所有轨迹每一项的总和。
[0077]
根据速度采样的集合，将可行的速度组合(v,ω)代入评价函数得到评价值，根据评价值的大小来选取最优速度并得到最优轨迹。如果agv机器人之间过于接近时，会通过互相传递速度空间信息，从而消除碰撞的可能。
[0078]
如果agv之间的距离达到甚至小于视觉传感器感知范围rs时，代表存在发生冲突的风险，hide(v,ω)函数使agv之间远离的软约束已经不足以消除这种风险。所以这时候agv之间还可以通过各项同性无线电通信模块互相传递各自的运动状态，例如速度、方向等和各自的实际可达速度集合vd。使用实际可达速度集合vd而没有使用速度动态窗口可行的集合vr是为了防止突然检测到障碍物导致速度动态窗口可行的集合vr发生改变和给agv计算与躲避留有余地，防止可能发生的意外。
[0079]
在得到其他agv实际可达速度集合vd与传感器获得相对距离、相对角度信息之后，当前agv就可以计算出其他agv在下一时刻能够达到的区域，而这块区域可以近似成一个三角形障碍物区域。当前agv通过自身速度动态窗口可行的集合vr与该区域进行对比，舍弃重合的区域的速度采样，从剩下的安全区域中选择，避免agv之间发生碰撞冲突。
[0080]
另外，上文的方案可适用于一般情况，面对一些可能出现的特殊情况还需要做出额外的应对和调整。例如，在有多个agv机器人经过十字路口时，此时二者的速度动态窗口可行集合，因为周遭的障碍物限制了角速度的变化，可能导致出现大规模的重合，不利于交错通过。当出现这种情况时，任务优先级较低的agv会减慢自己的速度甚至停止，从而缩小速度动态窗口可行的集合，使任务优先度较高的agv能够快速通过。另外，当两个agv在狭窄直道相向而行时，如果直道的宽度不能够使两车并行而过时，就会发生拥堵，导致两车都不能够通过。当出现前方都是不可通行区域时，任务优先度较低的agv会原地转向，行驶出这
片不可通行区域，而优先度较高的agv就能够继续沿着直道前进。在实际应用时，在得到了agv下一时刻的轨迹后，还可以通过模型预测算法(model predictive control，mpc)来控制输入更好的追踪轨迹。
[0081]
目前采用的路径规划算法大部分只适用于全局地图信息已知和单个agv的场景，不能够处理地图信息未知和多个agv协同工作的情况。本技术能够通过使用agv的视觉传感器来感知周围障碍物分布，通过三位点云地图构造出二维地图，扩大集的信息范围。为了将动态窗口算法(dynamic window approach，dwa)运用到多agv的路径规划，在传统动态窗口算法的基础之上，增加了一个与其他agv距离相关的评价指标，当agv之间靠近到一定距离时，这个指标就会生效。通过这个指标对于评价值的影响，能够使得远离其他agv的轨迹评价会有所上升，减小了agv之间发生冲突的可能性。当agv之间过于接近时，评价函数不能够杜绝冲突的发生，此时agv之间就会互相传递运动姿态和动态窗口信息，其他agv能够根据这些信息判断出可能发生冲突的区域，将这些可能发生冲突的区域舍弃，就可以避免agv之间发生碰撞。如果agv行驶到一些特殊的环境不能对可能发生的冲突进行规避，例如十字路口或者狭窄直道，这时候根据agv之间任务优先级的不同，低优先级的agv会通过减速、停车甚至转向的形式，让高优先级的agv能够率先通过特殊环境。为了使最终轨迹更加平滑并加强对agv的控制，使用了mpc对动态窗口算法得到的轨迹进行轨迹跟踪，用尽可能小的控制输入量让状态尽快收敛到期望的参考点。
[0082]
本技术实施例所提供的运动调度方法，先建立多个移动目标的运动模型和构造移动目标所处场景的障碍物地图，从而得到了实际应用场景的基础信息，再根据各移动目标之间的位置关系建立避让评价函数，并将避让评价函数加入到动态窗口算法中的评价函数中；最后结合运动模型和障碍物地图，并根据动态窗口算法确定各移动目标的运动调度方案。传统的动态窗口算法只适用于单个移动目标，而本技术实施例提供的方案在多个移动目标之间接近时，会通过互相传递速度空间信息，从而消除碰撞的可能。
[0083]
本技术实施例提供一种评价函数的具体内容，评价函数的公式可具体参考公式(12)，所诉评价函数用于表征移动目标在当前方向与目标方向对准的程度的方向角评价函数、用于表征移动目标在当前轨迹上与最靠近障碍物的距离的间隙评价函数、用于表征移动目标在相应轨迹上的速度大小的速度评价函数、以及建立的避让评价函数。避让评价函数的输出表征各移动目标在对应的速度和角速度下各移动目标之间的距离评价值，避让评价函数的公式可参考公式(7)。
[0084]
本技术实施例提供一些特殊情况下的解决方案，当多个移动目标无法在同一时间通过一位置时，运动调度方案中根据各移动目标自身的任务的优先级确定运动调度方案。面对一些可能出现的特殊情况还需要做出额外的应对和调整。例如，在有多个agv机器人经过十字路口时，此时二者的速度动态窗口可行集合，因为周遭的障碍物限制了角速度的变化，可能导致出现大规模的重合，不利于交错通过。当出现这种情况时，任务优先级较低的agv会减慢自己的速度甚至停止，从而缩小速度动态窗口可行的集合，使任务优先度较高的agv能够快速通过。另外，当两个agv在狭窄直道相向而行时，如果直道的宽度不能够使两车并行而过时，就会发生拥堵，导致两车都不能够通过。当出现前方都是不可通行区域时，任务优先度较低的agv会原地转向，行驶出这片不可通行区域，而优先度较高的agv就能够继续沿着直道前进。
[0085]
在实际应用时，根据动态窗口算法确定各移动目标的运动调度方案之后，还可以对运动调度方案进行优化。具体可使用mpc模型预测算法优化运动调度方案，即可通过mpc模型预测算法来控制输入更好的追踪轨迹。
[0086]
控制信号为：
[0087]
u＝[v ω]
t
[0088]
将agv的运动模型写成离散形式：
[0089][0090]
根据agv运动模型的离散形式，可以得到增量式方程：
[0091]
δx(k 1)＝aδx(k) bδu(k)
[0092]
yc(k)＝cδx(k) yc(k-1)
[0093]
具体的，a、b、c的含义如下：
[0094][0095][0096]
c＝[0 1 0]
[0097]
设置预测步长为p，控制步长为m。
[0098][0099]
其中：
[0100]
δu(k)＝[δu(k)
…
δu(k m-1)]
t
[0101]
为了确保参考轨迹与实际值之间的差异尽可能小，并更好地跟踪参考轨迹，同时agv应该平稳行驶。
[0102]
成本函数如下：
[0103][0104]
约束为：
[0105]umin
≤u(k n)≤u
max
[0106]
δu
min
≤δu(k n)≤δu
max
[0107]
其中，n＝0,1
…
m。q和r为权重矩阵，y
ref
(k)为输出参考轨迹，δu(k n-1)为k n-1时刻输入的变化值，u
min
和u
max
为控制输入的阈值，δu
min
和δu
max
为控制输入变化值的阈值。
[0108]
在实际应用时，需要根据agv的应用场景构造障碍物地图，才能够保证agv在工作
时不会收到障碍物影响，本技术实施例提供一种构造障碍物地图的具体方案，包括：采用视觉传感器采集移动目标所处场景的障碍物信息；根据障碍物信息构造二维的障碍物地图。具体的构造方式如下：agv使用的rgb相机传感器是将三位环境色彩信息透过相机镜头投射至相机内部平面感光元件，完成三维到二维的信息转换采集过程。通过对相机进行标定可以获取相机的内部参数和外部参数，同时确定畸变参数，消除横向畸变和径向畸变的影响。内参和畸变参数使用标定工具进行求解，外参根据相机在agv系统中安装的位置获得平移矩阵和旋转矩阵，分别表示相机相对于世界坐标系的位置和姿态。完成对相机的校正，保障照片的精确度之后，利用orb-slam3算法的跟踪线程、建图线程和闭环检测线程将相机采集的信息转化为稀疏点云地图。随后在稀疏点云地图的基础上将深度信息转化为半稠密点云地图。为了减少存储规模和不必要信息，可以将半稠密地图转换为可压缩且变换灵活的八叉树地图模式。最后为了减少计算量和提高实时性，可以将三维的八叉树地图通过三维斜投影变换的方法转化为二维的障碍物地图。
[0109]
路径规划方法分为全局路径规划和局部路径规划算法。全局路径规划代表地图环境信息全部已知，而局部路径规划则为环境部分未知或者完全未知需要自身感知力进行实时获取。全局路径规划算法包括dijkstra算法、a-star算法、遗传算法ga、蚁群算法ac、粒子群算法pso等；局部路径规划算法包括teb算法、动态窗口算法算法、强化学习算法等。全局路径规划算法需要在规划前获取所有的环境信息，包括全部的障碍物信息、行驶过程中的路况信息等，不能适用于陌生位置的环境中。由于全局路径规划是在agv行驶前就进行了路径的规划，所以对行驶过程中出现的位置障碍物或动态障碍物不能做出很好的应对，可能会导致碰撞的发生。局部路径规划由于只能获取部分信息，导致规划出的路径并非最优路径，存在一定的失败率。传统动态窗口算法一般是作为一种避障算法配合全局规划路径算法一起使用，因为传统动态窗口算法只能获取周围一部分信息，容易陷入局部最优，计算轨迹过程中把运动过程近似看作为匀速运动，最终路径不够平滑，并且只适用于单个agv的路径规划过程，具有很强的局限性。本技术所提供的方案根据上述算法的缺点进行改进，且可以结合上述算法的优点，从而优化自身算法。
[0110]
本技术的关键点在于：1、使用agv视觉传感器采集障碍物信息构造三维和二维地图。2、在多agv的情况下，对传统动态窗口局部路径规划算法的评价函数进行优化，使agv之间互相远离。3、通过agv之间互相传递运动状态和动态窗口信息，生成可能冲突的区域，从而规避碰撞。4、使用mpc优化和跟踪动态窗口算法的轨迹。使用本技术的多机器人路径规划系统，能够在陌生的环境中，根据机器人自身的视觉传感器得到周围的障碍物信息，在避免机器人之间发生碰撞的前提下，让具有不同起始点和目的地的机器人完成各自的任务，并且保证了控制输入的稳定与路径的平滑。本技术能够通过局部路径规划解决多agv之间的路径规划问题，不同于全局规划需要全部的地图信息，本技术通过agv上的视觉传感器获取周围一定范围的障碍物信息，并且通过数据处理将其先处理成三维地图再转化为简便易存储的二维地图，对传统动态窗口算法的评价函数进行改进和优化，能够有效的适应多agv情况，让agv之间互相远离。通过无限电通讯元件在agv之间传递各自状态信息、动态窗口信息等，从而规避多agv之间可能发生的一些碰撞与冲突，让可能碰撞的agv之间进行路线调整甚至等待，并且能够适应目的地突然改变的特殊情况，继续得到一条合理的路径，确保多agv在各种情况下有效安全的完成任务。使用mpc对动态窗口算法得到的轨迹进行轨迹跟
踪，用尽可能小的控制输入量让状态尽快收敛到期望的参考点。图2为本技术实施例提供的一种算法工作流程图；如图2所示，该算法包括如下步骤：
[0111]
s20：给定起点和终点。
[0112]
s21：速度采样。
[0113]
s22：生成速度空间。
[0114]
s23：轨迹评价。
[0115]
s24：判断agv相对距离大小；若rs《ds《rc，则进入s25；若ds《rs，则进入步骤s26；若ds》rc，则进入步骤s27。
[0116]
s25：函数hide(v,ω)生效。
[0117]
s26：传递信息，舍弃重叠区域。
[0118]
s27：函数hide(v,ω)不生效。
[0119]
s28：评价值最大路径选取。
[0120]
s29：mpc路径跟踪。
[0121]
s30：判断是否到达终点，若是，则结束，若否，则返回步骤s21。
[0122]
通过以上步骤，可得到本技术的算法具体工作流程。
[0123]
图3为本技术实施例提供的一种移动目标的运动模型图；如图3所示，agv的驱动轮半径为r，两驱动轮间距为l，通过二维坐标对移动目标1的线速度v和角速度ω进行分析，从而得到运动轨迹。
[0124]
在上述实施例中，对于运动调度方法进行了详细描述，本技术还提供运动调度装置对应的实施例。需要说明的是，本技术从两个角度对装置部分的实施例进行描述，一种是基于功能模块的角度，另一种是基于硬件的角度。
[0125]
基于功能模块的角度，本实施例提供一种运动调度装置，图4为本技术实施例提供的运动调度装置的结构图，如图4所示，该装置包括：
[0126]
第一建立模块10，用于建立多个移动目标的运动模型；
[0127]
构造模块11，用于构造移动目标所处场景的障碍物地图；
[0128]
第二建立模块12，用于根据各移动目标之间的位置关系建立避让评价函数；
[0129]
确定模块13，用于结合运动模型和障碍物地图，并根据动态窗口算法确定各移动目标的运动调度方案；其中，动态窗口算法的评价函数包括避让评价函数。
[0130]
由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
[0131]
本实施例提供的运动调度装置，与上述方法对应，故具有与上述方法相同的有益效果。
[0132]
基于硬件的角度，本实施例提供了另一种运动调度装置，图5为本技术另一实施例提供的运动调度装置的结构图，如图5所示，运动调度装置包括：存储器20，用于存储计算机程序；
[0133]
处理器21，用于执行计算机程序时实现如上述实施例中所提到的运动调度方法的步骤。
[0134]
其中，处理器21可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器21可以采用数字信号处理器(digital signal processor，dsp)、现场可编程门
阵列(field－programmable gate array，fpga)、可编程逻辑阵列(programmable logic array，pla)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称中央处理器(central processing unit，cpu)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器21可以集成有图像处理器(graphics processing unit，gpu)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器21还可以包括人工智能(artificial intelligence，ai)处理器，该ai处理器用于处理有关机器学习的计算操作。
[0135]
存储器20可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器20还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。本实施例中，存储器20至少用于存储以下计算机程序201，其中，该计算机程序被处理器21加载并执行之后，能够实现前述任一实施例公开的运动调度方法的相关步骤。另外，存储器20所存储的资源还可以包括操作系统202和数据203等，存储方式可以是短暂存储或者永久存储。其中，操作系统202可以包括windows、unix、linux等。数据203可以包括但不限于运动调度方法涉及到的数据等。
[0136]
在一些实施例中，运动调度装置还可包括有显示屏22、输入输出接口23、通信接口24、电源25以及通信总线26。
[0137]
本领域技术人员可以理解，图中示出的结构并不构成对运动调度装置的限定，可以包括比图示更多或更少的组件。
[0138]
本技术实施例提供的运动调度装置，包括存储器和处理器，处理器在执行存储器存储的程序时，能够实现如下方法：运动调度方法。
[0139]
本实施例提供的运动调度装置，与上述方法对应，故具有与上述方法相同的有益效果。
[0140]
最后，本技术还提供一种计算机可读存储介质对应的实施例。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。
[0141]
可以理解的是，如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本技术各个实施例描述的方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0142]
本实施例提供的计算机可读存储介质，与上述方法对应，故具有与上述方法相同的有益效果。
[0143]
以上对本技术所提供的运动调度方法、装置以及介质进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，
对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以对本技术进行若干改进和修饰，这些改进和修饰也落入本技术权利要求的保护范围内。
[0144]
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括上述要素的过程、方法、物品或者设备中还存在另外的相同要素。