针对现有仓储物流机器人路径规划方法存在的规划路径长、规划效率低等问题,基于云计算网络的仓储机器人路径规划系统,采用全局路径规划与局部路径规划相结合的方法,提出了一种基于云计算平台的运算处理方法,将改进A*算法和改进人工势场法相结合用于仓储机器人的路径规划。通过蚁群算法对A*算法进行优化,完成全局路径规划。通过修正势场函数和加入逃逸因子优化人工势场法,完成局部路径调整。通过试验验证了所提方法的准确性和优越性。结果表明,所提混合规划方法在规划路径和时间消耗方面均优于改进前,通过云平台提高了算法的执行效率。

为了规划机器人行驶路径,保障机器人行驶安全,提高机器人任务完成的安全性与自动性,提出基于双目视觉技术的复杂环境下机器人自动导航方法标定双目摄像机,利用双目视觉技术采集机器人行驶环境图像;提取机器人行驶环境图像特征;按双目视觉三维重建原理,获取机器人行驶环境三维点云数据;以机器人行驶环境二维地图为依据,构建机器人行驶环境栅格地图;采用A*算法在构建的栅格地图中规划机器人行驶路径,完成机器人自动导航。实验表明该方法可实现复杂环境下机器人自动导航,并规划出较为理想的机器人行驶路径。

针对室外区域非结构化道路环境,为了同时解决全局路径规划问题和局部路径规划问题,提出一种基于Floyd算法、A*算法和人工势场法的路径规划融合算法。采用A*算法规划可行路径,基于Floyd全局最优距离和权重数据递归求出最优路径;改进人工势场法,设计分段力场结合自适应角度函数,规划避障路径;基于三次多项式曲线拟合得到满足动力学约束的行车轨迹。采用MATLAB/Simulink进行路径规划仿真,结果表明:路径规划融合算法根据前方检测环境能准确规划出全局绕路轨迹和局部避障轨迹,单次规划时间分别为1.14 ms和45 ms,满足实时性要求。实车实验结果表明仿真结果准确,验证了实路径规划融合算法的有效性和算法的鲁棒性。

针对传统A*算法在AGV路径规划中存在搜索范围大、转折多、实时性差等缺点,以A*算法为基础,通过建立栅格地图,改进启发函数,去除多余节点和提高避障安全性。针对AGV在复杂环境下的动态路径规划问题,将改进A*算法与动态窗口算法进行融合,规划出一条具有实时性的最优路径。通过仿真实验,验证了改进算法的有效性与可行性,实现了路径优化。通过机器人操作系统进行实验,结果表明AGV运行时的路径规划合理,满足实际应用需求。