一种购物车路径的优化方法及系统技术方案

本发明专利技术提供一种购物车路径的优化方法及系统，方法包括：获取购物车活动范围内的所有物品对应的坐标信息，基于所有物品对应的坐标信息生成购物车活动范围的障碍物栅格图；在障碍物栅格图中从预设起始点方向和预设目标点方向同时执行启发式搜索，直至搜索到一条从预设起始点通往预设目标点的全局路径；在全局路径中插入多个控制点以得到多个路径点，并判断购物车在各个路径点处的位姿状态是否处于预设安全范围内，若是，则输出对应的路径至购物车主控模块。本方法及系统通过UWB准确测量出目标的位置坐标，通过双向启发式搜索路径减少了冗余节点数，有效减少了搜索时长，从购物车的运动学约束以及障碍物约束方面对路径进行评价以对路径优化。评价以对路径优化。评价以对路径优化。

【技术实现步骤摘要】
一种购物车路径的优化方法及系统


[0001]本专利技术属于智能超市购物车系统和路径规划控制
，更具体地涉一种购物车路径的优化方法及系统。

技术介绍

[0002]由于大型超市和购物中心的激增，加上机器人技术的快速发展，促使超市里的购物车逐渐往智能化的方向发展，为超市用户们提供更多的便利，其功能主要体现在自动导航以及路径规划等方面，而购物车的导航功能对于路径的获取和规划往往是至关重要的。
[0003]当前常用的路径规划算法有人工势场法、快速搜索随机树算法等。但这些算法都存在部分问题：如人工势场法容易在终点附近由于引力过小找不到路径。快速搜索随机树算法搜索时间在复杂环境中搜索时间过长，路径拐点较多。此外，A
‑
Star算法是一种静态路网中求解最短路径最有效的直接搜索方法，其主要在运算过程中每次从优先队列中选取优先级最高的节点作为下一个待遍历的节点，直到节点到达目标点，连接之前全部优先级最高的节点就是生成的全局路径。但A
‑
Star算法缺乏考虑车辆运动学与障碍物之间的配合约束问题，其关键在于如何在实际调试中根据环境信息调整好局部路径控制要求，在需要设置的权重要求上相对较少，控制难度系数较低。
[0004]另外，在室内各种遮挡物较多的环境下，信号传输会产生衍射现象，进而导致当前主流导航技术全球定位系统GPS的信号传播受损，因此定位效果很差有时甚至难以正常运行，无法满足室内环境的定位要求。
[0005]由此可见，购物车的路径设置策略还有待优化。
专利技术内容
[0006]基于现有技术中存在的上述缺点和不足，本专利技术的目的之一是至少解决现有技术中存在的上述问题之一或多个，换言之，本专利技术的目的之一是提供满足前述需求之一或多个的一种购物车路径的优化方法及系统。
[0007]为了达到上述专利技术目的，本专利技术采用以下技术方案：
[0008]第一方面，本专利技术提供了一种购物车路径的优化方法，包括步骤：
[0009]S1、获取购物车活动范围内的所有物品对应的坐标信息，基于所有物品对应的坐标信息生成购物车活动范围的障碍物栅格图；
[0010]S2、在障碍物栅格图中从预设起始点方向和预设目标点方向同时执行启发式搜索，直至搜索到一条从预设起始点通往预设目标点的全局路径；
[0011]S3、在全局路径中插入多个控制点以得到多个路径点，并判断购物车在各个路径点处的位姿状态是否处于预设安全范围内，若是，则输出对应的路径至购物车主控模块。
[0012]作为一种优选的方案，步骤S2中启发式搜索包括：
[0013]同时寻找预设起始点和预设目标点各自周围的可达格点，计算预设起始点和预设目标点移动到可达点的移动代价，直至预设起始点的下一可达格点为预设目标点或预设目
标点的下一可达格点为预设起始点，或者直至预设起始点和预设目标点的下一可达格点有重复。
[0014]作为一种优选的方案，可达格点包括预设起始点和预设目标点各自周围横竖方向的格点和斜向方向的格点，预设起始点和预设目标点在横竖方向移动到下一可达格点的移动代价的设置范围为9～11，预设起始点和预设目标点在斜向方向移动到下一可达格点的移动代价的设置范围为13～15。
[0015]作为一种优选的方案，步骤S3中购物车在各个路径点处位姿状态的获得方式为：
[0016]获取购物车在活动范围内的线速度；
[0017]计算全局路径的路径长度；
[0018]基于购物车在活动范围内的线速度和全局路径的路径长度，计算购物车在各个路径点处位姿状态。
[0019]作为一种优选的方案，步骤S3中预设安全范围的半径的获得方式为：
[0020]基于预设的膨胀半径对各个路径点处障碍物做膨胀化处理，以得到障碍物膨胀圆；
[0021]计算购物车的后轴中心与障碍物膨胀圆的距离，以得到安全范围半径。
[0022]作为一种优选的方案，步骤S3中判断购物车在各个路径点处的位姿状态是否处于安全范围内之前，包括步骤：
[0023]判断购物车在各个路径点处的速度和加速度是否分别属于预设速度范围和预设加速度范围内。
[0024]第二方面，本专利技术还提供一种购物车路径的优化系统，基于上述任一方案中的一种购物车路径的优化方法，包括依次连接的获取模块、转换模块、搜索模块、插入模块、判断模块、输出模块；
[0025]所述获取模块，用于获取购物车活动范围内的所有物品对应的坐标信息；
[0026]所述转换模块，基于所有物品对应的坐标信息生成购物车活动范围的障碍物栅格图；
[0027]所述搜索模块，用于在障碍物栅格图中从预设起始点方向和预设目标点方向同时执行启发式搜索，直至搜索到一条从预设起始点通往预设目标点的全局路径；
[0028]所述插入模块，用于在全局路径中插入多个控制点以得到多个路径点；
[0029]所述判断模块，用于判断购物车在各个路径点处的位姿状态是否处于预设安全范围内；
[0030]所述输出模块，用于基于判断结果输出对应的路径至购物车主控模块。
[0031]作为一种优选的方案，包括与搜索模块连接的计算模块；
[0032]所述搜索模块，还用于同时寻找预设起始点和预设目标点各自周围的可达格点；
[0033]所述搜索模块，用于计算预设起始点和预设目标点移动到可达点的移动代价，直至预设起始点的下一可达格点为预设目标点或预设目标点的下一可达格点为预设起始点，或者直至预设起始点和预设目标点的下一可达格点有重复。
[0034]作为一种优选的方案，所述获取模块，还用于获取购物车在活动范围内的线速度；
[0035]所述计算模块，还用于计算全局路径的路径长度，并基于购物车在活动范围内的线速度和全局路径的路径长度，计算购物车在各个路径点处位姿状态。
[0036]作为一种优选的方案，所述判断模块，还用于判断购物车在各个路径点处的速度和加速度是否分别属于预设速度范围和预设加速度范围内。
[0037]本专利技术与现有技术相比，有益效果是：
[0038]本方法及系统，通过UWB准确的测量出目标的位置坐标，并通过双向启发式搜索路径减少了冗余节点数，路径搜索的效率显著提升，有效减少了搜索节点数和搜索时长，从购物车的运动学约束以及障碍物约束方面对路径进行评价以对路径优化。
[0039]进一步地或者更细节的有益效果将在具体实施方式中结合具体实施例进行说明。
附图说明
[0040]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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。
[0041]图1是本专利技术所述一种购物车路径的优化方法的流程图。
[0042]图2是本专利技术所述一种购物车路径的优化系统的示意图。
具本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种购物车路径的优化方法，其特征在于，包括步骤：S1、获取购物车活动范围内的所有物品对应的坐标信息，基于所有物品对应的坐标信息生成购物车活动范围的障碍物栅格图；S2、在障碍物栅格图中从预设起始点方向和预设目标点方向同时执行启发式搜索，直至搜索到一条从预设起始点通往预设目标点的全局路径；S3、在全局路径中插入多个控制点以得到多个路径点，并判断购物车在各个路径点处的位姿状态是否处于预设安全范围内，若是，则输出对应的路径至购物车主控模块。2.根据权利要求1所述的一种购物车路径的优化方法，其特征在于，步骤S2中启发式搜索包括：同时寻找预设起始点和预设目标点各自周围的可达格点，计算预设起始点和预设目标点移动到可达点的移动代价，直至预设起始点的下一可达格点为预设目标点或预设目标点的下一可达格点为预设起始点，或者直至预设起始点和预设目标点的下一可达格点有重复。3.根据权利要求2所述的一种购物车路径的优化方法，其特征在于：可达格点包括预设起始点和预设目标点各自周围横竖方向的格点和斜向方向的格点，预设起始点和预设目标点在横竖方向移动到下一可达格点的移动代价的设置范围为9～11，预设起始点和预设目标点在斜向方向移动到下一可达格点的移动代价的设置范围为13～15。4.根据权利要求1所述的一种购物车路径的优化方法，其特征在于，步骤S3中购物车在各个路径点处位姿状态的获得方式为：获取购物车在活动范围内的线速度；计算全局路径的路径长度；基于购物车在活动范围内的线速度和全局路径的路径长度，计算购物车在各个路径点处位姿状态。5.根据权利要求4所述的一种购物车路径的优化方法，其特征在于，步骤S3中预设安全范围的半径的获得方式为：基于预设的膨胀半径对各个路径点处障碍物做膨胀化处理，以得到障碍物膨胀圆；计算购物车的后轴中心与障碍物膨胀圆的距离，以得到安全范围半径。6.根据权利要求1所述的一种购物车路径的优化方法，其特征在于，步骤S3中...

【专利技术属性】
技术研发人员：杨庆华，戴楚迪，荀一，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：