多agv车行驶控制方法、装置、设备及存储介质与流程-k8凯发

本申请涉及agv车行驶控制，尤其涉及一种多agv车行驶控制方法、装置、设备及存储介质。

背景技术：

1、在当今物流与制造业中，自动引导车（agv）的运用已经成为提高生产效率和物流运输灵活性的关键技术。然而，随着工厂和仓库规模的扩大，多agv车辆之间的协同运动和路径规划问题变得愈发复杂。

2、现有的agv车辆行驶控制方法在面对大规模、高动态性的环境时，往往难以满足实时性和智能化的需求。此外，传统的路径规划算法在处理动态障碍物和复杂环境时存在一定的局限性，而对于多车协同运动的优化策略也需要更进一步的研究。在环境感知方面，目前的方法主要依赖于视觉传感器获取图像信息，但对于光照变化、视野遮挡等问题的处理仍有待提高。

技术实现思路

1、本申请提供了一种多agv车行驶控制方法、装置、设备及存储介质，用于提高多agv车的行驶控制准确率。

2、第一方面，本申请提供了一种多agv车行驶控制方法，所述多agv车行驶控制方法包括：

3、通过多个目标agv车进行全局视图获取和目标检测，得到每个目标agv车的环境感知数据；

4、通过所述环境感知数据进行全局路径规划和局部路径规划，得到每个目标agv车的第一行驶路径，并分别建立每个目标agv车的虚拟行驶环境；

5、分别对所述第一行驶路径进行曲线特征提取和曲线导航优化，得到每个目标agv车的第二行驶路径；

6、根据所述虚拟行驶环境和所述第二行驶路径，分别对每个目标agv车进行虚拟环境同步，得到每个目标agv车的状态同步参数集合；

7、将所述状态同步参数集合输入预置的强化学习模型进行行驶控制分析，得到每个目标agv车的第一控制动作执行策略；

8、通过多元自适应回归样条模型对所述第一控制动作执行策略进行汇合决策行为与实时调整，得到每个目标agv车的第二控制动作执行策略。

9、第二方面，本申请提供了一种多agv车行驶控制装置，所述多agv车行驶控制装置包括：

10、获取模块，用于通过多个目标agv车进行全局视图获取和目标检测，得到每个目标agv车的环境感知数据；

11、规划模块，用于通过所述环境感知数据进行全局路径规划和局部路径规划，得到每个目标agv车的第一行驶路径，并分别建立每个目标agv车的虚拟行驶环境；

12、优化模块，用于分别对所述第一行驶路径进行曲线特征提取和曲线导航优化，得到每个目标agv车的第二行驶路径；

13、同步模块，用于根据所述虚拟行驶环境和所述第二行驶路径，分别对每个目标agv车进行虚拟环境同步，得到每个目标agv车的状态同步参数集合；

14、分析模块，用于将所述状态同步参数集合输入预置的强化学习模型进行行驶控制分析，得到每个目标agv车的第一控制动作执行策略；

15、调整模块，用于通过多元自适应回归样条模型对所述第一控制动作执行策略进行汇合决策行为与实时调整，得到每个目标agv车的第二控制动作执行策略。

16、本申请第三方面提供了一种多agv车行驶控制设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述多agv车行驶控制设备执行上述的多agv车行驶控制方法。

17、本申请的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的多agv车行驶控制方法。

18、本申请提供的技术方案中，通过使用多个agv车辆的视觉传感器进行全局视图获取和目标检测，能够更全面地感知环境，包括检测障碍物和其他agv车辆，从而提高了整体行驶安全性。a*算法用于全局路径规划，rrt算法用于局部路径规划，这种组合能够在复杂环境中找到高效的路径，并且通过避障策略优化局部路径，确保路径的实时适应性。利用b样条路径曲线和c-mpc算法进行曲线特征提取和导航优化，使得agv车辆能够更加灵活地适应路径的曲率变化，提高了行驶的平滑性和稳定性。通过虚拟行驶环境同步，agv车辆能够在虚拟环境中进行状态同步，从而更好地模拟实际行驶情况，提高了算法的仿真精度。强化学习模型对每个agv车辆的第一控制动作执行策略进行分析，通过学习和优化，提高了对复杂环境和多agv协同行驶的适应性，使得车辆能够更加智能地做出决策。通过多元自适应回归样条模型的汇合，可以有效地处理路径影响变量，如速度、距离和行驶优先级，提高了对不同变量之间复杂关系的建模能力，增强了控制决策的综合性，进而提高了多agv车的行驶控制准确率。

技术特征：

1.一种多agv车行驶控制方法，其特征在于，所述多agv车行驶控制方法包括：

2.根据权利要求1所述的多agv车行驶控制方法，其特征在于，所述通过多个目标agv车进行全局视图获取和目标检测，得到每个目标agv车的环境感知数据，包括：

3.根据权利要求2所述的多agv车行驶控制方法，其特征在于，所述通过所述环境感知数据进行全局路径规划和局部路径规划，得到每个目标agv车的第一行驶路径，并分别建立每个目标agv车的虚拟行驶环境，包括：

4.根据权利要求1所述的多agv车行驶控制方法，其特征在于，所述分别对所述第一行驶路径进行曲线特征提取和曲线导航优化，得到每个目标agv车的第二行驶路径，包括：

5.根据权利要求4所述的多agv车行驶控制方法，其特征在于，所述根据所述虚拟行驶环境和所述第二行驶路径，分别对每个目标agv车进行虚拟环境同步，得到每个目标agv车的状态同步参数集合，包括：

6.根据权利要求1所述的多agv车行驶控制方法，其特征在于，所述将所述状态同步参数集合输入预置的强化学习模型进行行驶控制分析，得到每个目标agv车的第一控制动作执行策略，包括：

7.根据权利要求1所述的多agv车行驶控制方法，其特征在于，所述通过多元自适应回归样条模型对所述第一控制动作执行策略进行汇合决策行为与实时调整，得到每个目标agv车的第二控制动作执行策略，包括：

8.一种多agv车行驶控制装置，其特征在于，所述多agv车行驶控制装置包括：

9.一种多agv车行驶控制设备，其特征在于，所述多agv车行驶控制设备包括：存储器和至少一个处理器，所述存储器中存储有指令；

10.一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指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的多agv车行驶控制方法。

技术总结
本申请涉及agv车行驶控制技术领域，公开了一种多agv车行驶控制方法、装置、设备及存储介质。所述方法包括：通过多个目标agv车进行全局视图获取和目标检测，得到环境感知数据；进行全局路径规划和局部路径规划，得到第一行驶路径并建立虚拟行驶环境；进行曲线特征提取和曲线导航优化，得到第二行驶路径；进行虚拟环境同步，得到状态同步参数集合；将状态同步参数集合输入强化学习模型进行行驶控制分析，得到每个目标agv车的第一控制动作执行策略；通过多元自适应回归样条模型对第一控制动作执行策略进行汇合决策行为与实时调整，得到每个目标agv车的第二控制动作执行策略，本申请提高了多agv车的行驶控制准确率。

技术研发人员：崔艳辉,刘玉冰,黄振祥
受保护的技术使用者：深圳市乐骑智能科技有限公司
技术研发日：
技术公布日：2024/2/8