一种人工智能的AGV小车自动跟随方法及系统与流程

一种人工智能的agv小车自动跟随方法及系统
技术领域
1.本发明涉及人工智能技术领域，具体涉及一种agv小车的自动跟随方法及系统。


背景技术：

2.随着工厂智能化的发展，agv小车也被越来越广泛的应用，但是传统agv小车存在一些缺点，在仓库中的某些货物无法直接分配给agv小车进行跟随，例如没有摆放好的货物或者agv小车无法识别的货物以及一些特殊的货物，需要工作人员进行货物的巡检和搬运，人为的搬运和放置位置的指定实现对货物的调整。
3.当这种情况发生时agv小车需要在工作人员搬运货物之前跟随工作人员，当工作人员发现需要搬运货物时，将货物放置在跟随的agv小车上。
4.现有技术的不足之处：只是简单的跟随，会造成盲目跟随的情况，例如当工作人员没有搬运货物的意图时一直紧跟着工作人员的情况，不仅会影响工作人员的工作，也会影响agv小车的工作效率。


技术实现要素：

5.为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的agv小车行人自动跟随方法，所采用的技术方案具体如下：
6.获取多帧第一图像；根据所述多帧第一图像获取目标位置、agv小车位置、人员位置；
7.获取所述人员的跟随需求度、由所述agv小车位置到达所述目标位置的第一任务路径和由所述人员位置到达所述目标位置的第二任务路径之间的距离关系、所述agv小车的跟随程度。
8.根据所述跟随需求度、所述距离关系和所述agv小车追随程度获得所述agv小车的最终融合路径，以使所述agv小车沿所述最终融合路径行驶；
9.在识别到所述人员搬运货物时，选取到达所述人员的位置的所述agv小车。
10.本发明还提供了一种基于人工智能的agv小车自动跟随系统的技术方案，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述基于人工智能的agv小车自动跟随方法。
11.上述agv小车自动跟随方法和系统的有益效果是：本发明首先采集了工厂内部信息，然后通过获取人员的跟所需求度得到第一融合路径；通过获取第二任务路径与第一任务路径的距离关系得到第二融合路径；通过获取agv小车追随程度得到最终融合路径，最后选取需要跟随的agv小车。本发明实施例解决了agv小车盲目跟随人员的情况，提高了agv小车的工作效率和人员的体验程度。
12.进一步地，人员跟随需求度获取方法包括：
13.根据所述多帧第一图像中的所述人员位置确定所述人员运动轨迹，获取所述人员的运动方向和运动速度的变化程度；
14.根据所述变化程度获取所述人员跟随需求度。
15.进一步地，最终融合路径的获得方法包括：
16.获取由所述agv小车位置到所述人员位置的最短路径；以所述跟随需求度作为所述最短路径与所述第一任务路径之间的权重进行融合，获得第一融合路径；
17.以所述距离关系作为所述最短路径与所述第一融合路径之间的权重进行融合，获得第二融合路径；
18.根据所述agv小车的追随程度；以所述追随程度作为所述第一任务路径与所述第二融合路径之间的权重进行融合，获得最终融合路径。
19.进一步地，agv小车追随程度的获得方法包括：
20.根据所述跟随需求度、所述距离关系和到达所述人员位置的所述agv小车的数量获取每个所述agv小车的追随抑制幅度；
21.根据所述追随抑制幅度和所述跟随需求度获取所述追随程度。
附图说明
22.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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它附图。
23.图1为本发明一个实施例所提供的一种基于人工智能的agv小车自动跟随方法的步骤流程图。
具体实施方式
24.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种agv小车的自动跟随方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
25.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
26.下面结合附图具体的说明本发明所提供的一种基于人工智能的agv小车自动跟随方法的具体方案。
27.在实际仓库中，有些货物无法直接分配给agv小车进行搬运，需要人员进行货物的巡检和搬运从而实现对货物位置的调整，例如没有摆放好的货物或者、agv小车无法识别的货物或者其他特殊的货物，都需要人为的搬运，为了节省工作人员的体力，agv小车需要在人搬运货物前跟随着工作人员，当工作人员发现需要搬运的货物时，将货物放置在跟随的小车上，让agv小车完成搬运。
28.为了解决仓库内agv小车盲目跟随问题，本实施例利用路径融合手段，达到了agv小车自动智能跟随目的，具体的如下：
29.请参阅图1，其示出了本发明一个实施例提供的一种基于人工智能的agv小车自动
跟随方法的步骤流程图，该方法包括以下步骤：
30.步骤s001，获取多帧第一图像；根据多帧第一图像获取目标位置、agv小车位置、人员位置。
31.具体的，在仓库顶部安装多个相机，相机视野朝下，所有的相机的视野覆盖整个仓库，根据获取到的多帧图像得到目标位置、agv小车位置、人员位置、货物位置。
32.需要说明的是，本实施例中的agv小车是指距离人员位置半径30米内的agv小车且agv小车可以共享上述数据，本实施例将所有货物位置的外接凸多边形作为货物放置区域。
33.当检测到人员进入该放置区域时，进行步骤s002.
34.步骤s002，获取人员的跟随需求度、agv小车位置到达目标位置的第一任务路径和人员位置到达目标位置的第二任务路径之间的距离关系，agv小车的跟随程度。
35.(1)获取人员的跟随需求度。
36.具体的，在仓库中如果人员以固定的方向和速度前进或者运动速度较大时认为人员是不会停下来去搬运货物的，即不需要跟随人员。当人员速度减速到停止，获取人员的速度大小和运动方向的不确定性大，说明人员可能有停下来的意图，当存在搬运货物的意图时，需要agv小车有向人员行驶的趋势，以便检测到人员搬运货物时，快速响应人员的需求，辅助人员搬运货物。
37.人员搬运货物的意图通过人员的跟随需求度体现，人员的跟随需求度是根据当前时刻之前预设时间段内的运动方向序列和运动速度大小序列获得的。
38.具体的，获取运动方向序列与速度大小序列的平稳程度的和，该值越大说明速度方向变化越小，则人员越不可能搬运货物，就不需要agv小车跟随。当值越小时说明人员速度大小和方向多变，此时无法确认人员是否需要搬运货物，那么agv小车就有必要跟随。具体的人员跟随需求度w1的具体计算方法如下：
39.设人员运动方向序列归一化的结果为p1＝{p11,...p1
i
,...p1
n
}，速度大小序列归一化后的结果为p2＝{p21,...p2
i
,...p2
n
}，n为序列的长度。
[0040][0041]
其中，表示速度序列的均值，p1表示序列p1的平稳程度，p2表示序列p2的平稳程度，其中：
[0042][0043][0044]
(2)获得第一任务路径与第二任务路径的距离关系。
[0045]
设第二任务路径为g3，g1的路径长度为l1，g3与g2的路径长度之和为l2，计算一个修正权重：
[0046]
w2为第一任务路径与第二任务路径的距离关系，l1与l2的差值越小且l1越大，则w2就越大。
[0047]
(3)获得agv小车的追随程度
[0048]
将每个agv小车视为节点，每两个agv小车获取一个边权值，边权值为两个agv小车
的最短路径g2的长度之差的负指数次方，边权值越大说明两个agv小车到达人员处的时间差越小，获取每个agv小车的度，agv小车的度为与其相邻的所有agv小车的边权值之和，具体的：
[0049]
设agv小车的度为d，agv小车的节点大小为q，agv小车的追随抑制幅度的具体计算方法为：
[0050]
其中，节点大小q＝[w2(w1‑
1)+1]，d为agv小车的度。
[0051]
一同到达的agv小车越多，节点大小越小，说明b
i
越大，即对该agv小车的追随进行抑制的幅度越大。
[0052]
agv小车追随程度的具体计算方法为：
[0053]
w3＝αexp(
‑
b
i
)w1[0054]
其中，w3为agv小车的追随程度，b
i
为该agv小车的追随抑制幅度，w1为人员的跟随需求度，α为超参数，令α＝0.8。
[0055]
步骤s003，根据跟随需求度、距离关系和agv小车追随程度获得agv小车的最终融合路径，以使agv小车沿最终融合路径行驶。
[0056]
(1)获得第一融合路径。
[0057]
具体的，当检测到人员搬运货物时，agv小车到达人员处进行货物的搬运。当人员没有搬运货物时，但是具有搬运货物的可能性，该可能性用人员跟随需求程度表示，则agv小车的任务应该是跟随任务和自身的搬运任务的融合，具体的：
[0058]
设agv小车位置为q1、目标位置为q2、人员位置q3、agv小车到目标位置q2的第一任务路径为g1、agv小车到人员位置的最短路径为g2,以人员的跟随需求度w1作为最短路径g2的权重与第一任务路径g1融合，获得第一融合路径g4。
[0059]
(2)获得第二融合路径。
[0060]
当w2大于预设权重阈值时，以w2作为最短路径g2的权重与第一融合路径g4融合，获得第二融合路径g5，当w2小于等于预设权重阈值时，将第一任务路径g1作为第二融合路径g5。
[0061]
(3)获得最终融合路径。
[0062]
获取agv小车的追随抑制幅度最大的k个agv小车，计算这k个agv小车中每个agv小车的追随程度为，对于这k个agv小车，以追随程度w3作为第一任务路径权重g1的权重与第二融合路径g5进行融合，获得最终融合路径g6。
[0063]
步骤s004，在识别到人员搬运货物时，选取到达人员的位置的agv小车。
[0064]
在当前时刻和下一时刻之间的这一段时间内agv小车需要沿着最终融合路径g6行驶，通过dnn网络检测到人员出现搬运货物的行为时节点大小q最大的agv小车沿着最短路径g2跟随人员，其他agv小车放弃跟随完成原有任务，这样既能保证辅助人员搬运货物的目的，又保证不影响其他agv小车的搬运任务。
[0065]
需要说明的是，本实施例的dnn网络是由opense和tcn网络构成的。
[0066]
优选的，最短路径g2与第一任务路径g1融合的具体方法如下：
[0067]
获取这两个路径中最短的路径g1，在较长的路径上截取一段与g1同长度的路径g2至此g1与g2长度相同。并且有相同的起点，获取agv小车单位时间的行走距离x，在g1上每隔
长度x的路径采集一个点，最终获得一个z1＝{z11,...,z1
k
,...z1
n
}序列，同理从g2上也可以获得一个序列z2＝{z21,
…
,z2
k
,...z2
n
}，其中n为序列的长度，z1序列和z2序列的长度一致，最短路径g2与第一任务路径g1融合的具体方法为：
[0068]
设序列中第k个点的二维坐标为z1
k
和z2
k
，获得一个点z
k
，
[0069]
令z
k
＝w1z2
k
+(1
‑
w1z1
k
)
[0070]
其中，w1为人员的跟随需求度。
[0071]
将序列中每个点都获得一个位置，最终得到一个序列z＝{z1,z2,...,z
k
,...}，连接序列z上的所有点，构成的路径就是以w1作为权重融合最短路径g2与第一任务路径g1的结果。
[0072]
需要说明的是，本实施例中获的第二次融合路径g5的路径融合方法和最终融合路径g6的路径融合方法与上述最短路径g2与第一任务路径g1融合的融合方法一致。
[0073]
综上所述，本实施例首先采集了工厂内部信息，然后通过获取人员的跟所需求度得到第一融合路径；通过获取第二任务路径与第一任务路径的距离关系得到第二融合路径；通过获取agv小车追随程度得到最终融合路径，最后选取需要跟随的agv小车。本发明实施例解决了agv小车盲目跟随人员的情况，提高了agv小车的工作效率和人员的体验程度。
[0074]
基于人工智能和大数据的变电站选址系统实施例
[0075]
本实施例的基于人工智能的agv小车自动跟随系统包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如基于人工智能的agv小车自动跟随方法实施例所描述的基于人工智能的agv小车自动跟随方法。
[0076]
由于基于人工智能的agv小车自动跟随方法实施例中已经对基于人工智能的agv小车自动跟随方法进行了说明，此处就不再赘述。
[0077]
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0078]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0079]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。