专利交易市场

本发明公开L型路径趋势改进A‑STAR算法的智能仓储物流机器人路径规划方法，在A‑STAR算法规划出初始路径之后，依据“尽可能使局部路径与S、T构成的路径趋势一致”的原则，通过路径趋势标识进行优化。局部路径中，邻近的三个节点k‑1、k、k+1构成L型链路时，判断其与当前L型路径趋势标识是否匹配，如果匹配，判断局部链路中间节点k的对角节点D是否为障碍物，如果不是障碍物，则将对角节点D替换该节点k。本发明提出的L型路径趋势改进A‑STAR算方法，以微小的算法运行时间代价，能够有效减少智能仓储物流机器人路径规划中局部路径的转折次数和累计转折角度。

本发明涉及智能物流技术领域，公开了一种多四向穿梭车的路径规划方法及装置，该方法包括基于立库信息构建初始栅格地图；基于订单信息以及立库信息确定出初始栅格地图中的重要节点，并根据重要节点的坐标设置单向节点，得到目标栅格地图；获取与初始栅格地图对应的初始路径规划算法，并基于目标栅格地图对初始路径规划算法进行调整，得到目标路径规划算法；通过目标路径规划算法得到与订单信息对应的目标路径。本申请通过在根据立库信息构建的栅格地图中设置单向节点，以改进路径规划算法，进而减少多个四向穿梭车的多个目标路径之间的冲突，缩短四向穿梭车的通行时间，从而提高立库系统的运行效率。

一种基于目标覆盖的可充电小车移动最优路径规划方法，包括以下步骤：(1)、构建网络模型并根据网络中传感器节点和覆盖目标的位置构建网络图；(2)、构造互不相交覆盖集；(3)、从互不相交覆盖集中选出关键覆盖目标tj，实现区域内的目标都能被覆盖；(4)、调度关键目标的覆盖目标集实现最大化网络寿命；(5)、在网络区域中心部署基站BS，引入移动充电小车MC，对覆盖目标集中的传感器节点进行无线充电。本发明通过联合考虑目标覆盖问题和传感器节点能量问题，确保目标全覆盖的条件下，进行最大化覆盖目标的传感器节点的同时最大化网络寿命，在此基础上引入移动充电小车MC。

本发明公开了一种基于全方位轮的模块化智能物流系统物料配送路径规划方法，包括以下几个步骤：S1、采集系统状态，一旦采集到以下两类事件，立即转步骤2，启动系统物料输送路径规划流程；S2、物料输送数据的预处理，确定所有物料配送的起始点、终点及物料配送流量，确定各物料配送路径规划的顺序，确定顺序后，生成物料配送路径规划顺序表，依此为各物料规划配送路径，完成后转步骤S3；S3、按照规划顺序表继续为下一种物料规划配送路径，每为一种物料规划出配送路径后，转步骤S4；S4、检查物料配送路径规划顺序表是否为空，若非空，则转步骤S3，继续为下一种物料规划配送路径，若为空，则转步骤S1。

本发明属于机器人路径规划技术领域，尤其涉及一种基于路径标记回溯策略的改进式RRT路径规划方法，包括基于RRT规划算法，建立多自由度关节机器人规划系统模型；设置多层数据筛选结构，对初始数据进行优化；修改多自由度关节机器人规划系统模型中的扩展函数，完成路径标记策略，实现路径规划；采用碰撞试验检测新生成的随机树路径是否经过障碍信息；进行结果输出或下次迭代过程的判断，当可扩展节点进入目标区域的很小邻域内，通过路径标记中的回溯法则，实现路径的最终规划。本发明有效的降低了数据的复杂度、路径规划的时间量，优化了规划系统，使得规划模型的平均响应周期相对于传统算法更短，具有良好的可行性。

本申请公开了一种机器人的路径规划方法、设备及介质，方法包括：根据机器人对应的环境信息确定初始的搜索树，并确定搜索树的初始点和目标点，其中，环境信息包括障碍物信息；确定预先设置的多个采样点，根据环境信息确定多个采样点对应的障碍度密度和路径平滑度，以根据障碍度密度和路径平滑度确定最优采样点；根据环境信息确定目标点引力和障碍物斥力，以根据最优采样点、目标点引力和障碍物斥力确定策略模型；通过策略模型进行碰撞检测，以确定新节点，并根据新节点对搜索树进行多次更新，以通过多次更新后的搜索树确定机器人的路径。本申请环境适应能力强、采样精度高、扩展精度高。