CN109116845A - 自动导引运输车定位方法、定位***及自动导引运输*** - Google Patents
自动导引运输车定位方法、定位***及自动导引运输*** Download PDFInfo
- Publication number
- CN109116845A CN109116845A CN201810939521.1A CN201810939521A CN109116845A CN 109116845 A CN109116845 A CN 109116845A CN 201810939521 A CN201810939521 A CN 201810939521A CN 109116845 A CN109116845 A CN 109116845A
- Authority
- CN
- China
- Prior art keywords
- navigator
- driving wheel
- sampling period
- predicted value
- guided vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000004807 localization Effects 0.000 title claims abstract description 23
- 230000033001 locomotion Effects 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims description 93
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000004927 fusion Effects 0.000 description 7
- 230000032258 transport Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开一种自动导引运输车定位方法、定位***及自动导引运输***。本发明根据导航仪的最新采样时间和驱动轮传感器的最新采样时间的大小关系确定导航仪的期望位置。最终获得的导航仪位置的输出频率为驱动轮传感器采样频率与导航仪采样频率之和,由于驱动轮传感器的采样频率远高于导航仪的采样频率,因此,采用本发明提供的定位方法及定位***能够有效提高AGV导航数据的更新频率,从而提高AGV控制算法频率,进而提高AGV整车控制精度,尤其在高速运动状态下,其优势尤其明显。本发明提供的自动导引运输***,预测器的输出频率高,能够有效提高自动导引运输车的控制精度,尤其在高速运动状态下,其高精度的优势尤为突出。
Description
技术领域
本发明涉及自动导引运输技术领域,特别是涉及一种自动导引运输车定位方法、定位***及自动导引运输***。
背景技术
自动导引运输车(Automated GuidedVehicle,AGV)激光导航仪的定位原理,是通过自转扫描其周边一定数量的反光桶获取位置信息,并计算当前坐标和角度。其数据输出频率主要受限于扫描仪的物理自转频率,目前行业内主流导航仪如sick 2-2NAV350最高输出频率均低于8HZ。AGV对于定位精度要求较高,而低频的导航仪数据使得控制器往往无法将AGV控制在允许精度范围内,尤其在高速运动过程中。
因此,如何提高AGV的定位精度,成为本领域技术人员亟需解决的技术问题。
发明内容
本发明的目的是提供一种自动导引运输车定位方法、定位***及自动导引运输***,能够有效提高AGV导航数据的更新频率,从而提高AGV控制算法频率,进而提高AGV整车控制精度,尤其在高速运动状态下,其优势尤其明显。
为实现上述目的,本发明提供了如下方案:
一种自动导引运输车的定位方法,所述定位方法包括:
根据目标自动导引运输车的轴距、导航仪的位姿角、驱动轮转向角和驱动轮转速确定所述目标自动导引运输车的状态预测模型,其中,所述目标自动导引运输车包括所述导航仪和所述驱动轮,所述状态预测模型的状态向量包括驱动轮位置和导航仪位姿角;
获取第k-1个采样周期的所述驱动轮的位置坐标、第k-1个采样周期的位姿角、第k个采样周期的驱动轮实测转速、第k个采样周期的驱动轮转向角;
将第k-1个采样周期的所述驱动轮的位置坐标、第k-1个采样周期的位姿角、第k个采样周期的驱动轮实测转速、第k个采样周期的驱动轮转向角输入所述状态预测模型,获得第k个采样周期的状态向量预测值;
判断所述导航仪的最新采样时间是否小于所述驱动轮传感器的最新采样时间,获得判断结果;
当所述判断结果表示所述导航仪的最新采样时间小于所述驱动轮传感器的最新采样时间时,则根据所述状态向量预测值、所述导航仪与所述驱动轮的距离确定所述导航仪的期望位置;
当所述判断结果表示所述导航仪的最新采样时间大于或者等于所述驱动轮传感器的最新采样时间时,根据所述状态向量预测值、第k个采样周期的位姿角、第k个采样周期的导航仪实测位置确定所述导航仪的期望位置。
可选的,所述状态预测模型为:
其中,表示第k个采样周期的状态向量预测值,表示驱动轮的横坐标预测值,表示驱动轮的纵坐标预测值,表示导航仪位姿角预测值,Δt表示驱动轮传感器的采样周期,v表示驱动轮的实测转速,表示驱动轮的加速度估值,θk表示驱动轮转向角,
可选的,所述根据所述状态向量预测值、所述导航仪与所述驱动轮的距离确定所述导航仪的期望位置,具体包括:
获取所述导航仪与所述驱动轮的距离和所述导航仪与所述驱动轮的位置变换关系式,所述位置变换关系式为:
其中,(xn,yn)表示导航仪的位置坐标,(xd,yd)表示驱动轮的位置坐标,h表示导航仪与驱动轮的距离,ψ为位姿角;
对所述位置变换关系式进行逆变换,获得导航仪位置预测模型;
将所述状态向量预测值、所述导航仪与所述驱动轮的距离输入所述导航仪位置预测模型,获得所述导航仪的期望位置。
可选的,所述根据所述状态向量预测值、第k个采样周期的位姿角、第k个采样周期的导航仪实测位置确定所述导航仪的期望位置,具体包括:
获取所述导航仪与所述驱动轮的距离、观测矩阵和所述导航仪与所述驱动轮的位置变换关系式,所述位置变换关系式为:
其中,(xn,yn)表示导航仪的位置坐标,(xd,yd)表示驱动轮的位置坐标,h表示导航仪与驱动轮的距离,ψ为位姿角;
对所述位置变换关系式进行逆变换,获得导航仪位置预测模型;
将所述状态向量预测值、所述导航仪与所述驱动轮的距离输入所述导航仪位置预测模型,获得导航仪预测位置;
根据所述导航仪预测位置和第k个采样周期的导航仪实测位置确定预测误差;
根据所述状态预测模型确定所述状态预测模型的状态协方差矩阵;
根据所述状态协方差矩阵确定卡尔曼增益;
根据所述预测误差、所述卡尔曼增益和所述所述导航仪的预测位置确定所述导航仪的期望位置。
一种自动导引运输车的定位***,所述定位***包括:
状态预测模型确定模块,用于根据目标自动导引运输车的轴距、导航仪的位姿角、驱动轮转向角和驱动轮转速确定所述目标自动导引运输车的状态预测模型,其中,所述目标自动导引运输车包括所述导航仪和所述驱动轮,所述状态预测模型的状态向量包括驱动轮位置和导航仪位姿角;
数据获取模块,用于获取第k-1个采样周期的所述驱动轮的位置坐标、第k-1个采样周期的位姿角、第k个采样周期的驱动轮实测转速、第k个采样周期的驱动轮转向角;
状态向量预测值确定模块,用于将第k-1个采样周期的所述驱动轮的位置坐标、第k-1个采样周期的位姿角、第k个采样周期的驱动轮实测转速、第k个采样周期的驱动轮转向角输入所述状态预测模型,获得第k个采样周期的状态向量预测值;
判断模块,用于判断所述导航仪的最新采样时间是否小于所述驱动轮传感器的最新采样时间,获得判断结果;
判断处理模块,用于当所述判断结果表示所述导航仪的最新采样时间小于所述驱动轮传感器的最新采样时间时,则根据所述状态向量预测值、所述导航仪与所述驱动轮的距离确定所述导航仪的期望位置;
当所述判断结果表示所述导航仪的最新采样时间大于或者等于所述驱动轮传感器的最新采样时间时,根据所述状态向量预测值、第k个采样周期的位姿角、第k个采样周期的导航仪实测位置确定所述导航仪的期望位置。
一种自动导引运输***,所述自动导引运输***包括:自动导引运输车和预测器,所述自动导引运输车包括导航仪和驱动轮,所述预测器用于根据所述的定位方法确定所述导航仪的期望位置,以控制所述自动导引运输车运动带动所述导航仪到达所述期望位置。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供的一种自动导引运输车的定位方法及定位***,根据导航仪的最新采样时间和驱动轮传感器的最新采样时间的大小关系确定导航仪的期望位置。当导航仪的最新采样时间小于驱动轮传感器的最新采样时间时,根据状态向量预测值、所述导航仪与所述驱动轮的距离确定所述导航仪的期望位置。当导航仪的最新采样时间大于或者等于驱动轮传感器的最新采样时间时,根据状态向量预测值、第k个采样周期的位姿角、第k个采样周期的导航仪实测位置确定所述导航仪的期望位置。可见,最终获得的导航数据的更新频率为驱动轮传感器采样频率与导航仪采样频率之和,由于驱动轮传感器的采样频率远高于导航仪的采样频率,因此,采用本发明提供的定位方法及定位***能够有效提高AGV导航数据的更新频率,从而提高AGV控制算法频率,进而提高AGV整车控制精度,尤其在高速运动状态下,其优势尤其明显。
进一步地,基于本发明提供的定位方法的自动导引运输***,预测器的输出频率高,AGV导航数据的更新频率高,能够有效提高自动导引运输车的控制精度,尤其是在高速运动状态下,其高精度的优势尤为突出。
附图说明
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,下面将对实施例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的附图。
图1为本发明实施例1提供的一种自动导引运输车的定位方法的流程图;
图2为本发明实施例2提供的一种自动导引运输车的定位***的结构框图;
图3为本发明实施例3提供的自动导引运输车的平面坐标图;
图4为本发明实施例3提供的预测器的结构框图;
图5为本发明实施例3提供的预测模块的结构框图;
图6为本发明实施例3提供的AGV的实测数据对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种自动导引运输车定位方法、定位***及自动导引运输***,能够有效提高AGV导航数据的更新频率,从而提高AGV控制算法频率,进而提高AGV整车控制精度,尤其在高速运动状态下,其优势尤其明显。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1:
图1为本发明实施例1提供的一种自动导引运输车的定位方法的流程图,所述定位方法包括:
步骤101:根据目标自动导引运输车的轴距、导航仪的位姿角、驱动轮转向角和驱动轮转速确定所述目标自动导引运输车的状态预测模型,其中,所述目标自动导引运输车包括所述导航仪和所述驱动轮,所述状态预测模型的状态向量包括驱动轮位置和导航仪位姿角。
所述状态预测模型为:
其中,表示第k个采样周期的状态向量预测值,表示驱动轮的横坐标预测值,表示驱动轮的纵坐标预测值,表示导航仪位姿角预测值,Δt表示驱动轮传感器的采样周期,v表示驱动轮的实测转速,表示驱动轮的加速度估值,θk表示驱动轮转向角,
步骤102:获取第k-1个采样周期的所述驱动轮的位置坐标、第k-1个采样周期的位姿角、第k个采样周期的驱动轮实测转速、第k个采样周期的驱动轮转向角。
步骤103:将第k-1个采样周期的所述驱动轮的位置坐标、第k-1个采样周期的位姿角、第k个采样周期的驱动轮实测转速、第k个采样周期的驱动轮转向角输入所述状态预测模型,获得第k个采样周期的状态向量预测值。
步骤104:判断所述导航仪的最新采样时间是否小于所述驱动轮传感器的最新采样时间,获得判断结果。
当所述判断结果表示所述导航仪的最新采样时间小于所述驱动轮传感器的最新采样时间时,执行步骤105。
当所述判断结果表示所述导航仪的最新采样时间大于或者等于所述驱动轮传感器的最新采样时间时,执行步骤106。
步骤105:根据所述状态向量预测值、所述导航仪与所述驱动轮的距离确定所述导航仪的期望位置。
步骤106:根据所述状态向量预测值、第k个采样周期的位姿角、第k个采样周期的导航仪实测位置确定所述导航仪的期望位置。本实施例中,第0个采样周期的采样数据均为0。
具体地,所述根据所述状态向量预测值、所述导航仪与所述驱动轮的距离确定所述导航仪的期望位置,具体包括:
获取所述导航仪与所述驱动轮的距离和所述导航仪与所述驱动轮的位置变换关系式,所述位置变换关系式为:
其中,(xn,yn)表示导航仪的位置坐标,(xd,yd)表示驱动轮的位置坐标,h表示导航仪与驱动轮的距离,ψ为位姿角;
对所述位置变换关系式进行逆变换,获得导航仪位置预测模型;
将所述状态向量预测值、所述导航仪与所述驱动轮的距离输入所述导航仪位置预测模型,获得所述导航仪的期望位置。
所述根据所述状态向量预测值、第k个采样周期的位姿角、第k个采样周期的导航仪实测位置确定所述导航仪的期望位置,具体包括:
获取所述导航仪与所述驱动轮的距离、观测矩阵和所述导航仪与所述驱动轮的位置变换关系式,所述位置变换关系式为:
其中,(xn,yn)表示导航仪的位置坐标,(xd,yd)表示驱动轮的位置坐标,h表示导航仪与驱动轮的距离,ψ为位姿角;
对所述位置变换关系式进行逆变换,获得导航仪位置预测模型;
将所述状态向量预测值、所述导航仪与所述驱动轮的距离输入所述导航仪位置预测模型,获得导航仪预测位置;
根据所述导航仪预测位置和第k个采样周期的导航仪实测位置确定预测误差。本实施例中,首先根据公式:获得所述导航仪预测位置观测值,其中,C表示观测矩阵,表示导航仪预测位置观测值,
表示导航仪预测位置。然后根据确定预测误差,Y(k)
表示导航仪实测位置,r表示预测误差。
根据所述状态预测模型确定所述状态预测模型的状态协方差矩阵;
根据所述状态协方差矩阵确定卡尔曼增益;
根据所述预测误差、所述卡尔曼增益和所述所述导航仪的预测位置确定所述导航仪的期望位置。
实施例2:
图2为本发明实施例2提供的一种自动导引运输车的定位***的结构框图。如图2所示,一种自动导引运输车的定位***,所述定位***包括:
状态预测模型确定模块201,用于根据目标自动导引运输车的轴距、导航仪的位姿角、驱动轮转向角和驱动轮转速确定所述目标自动导引运输车的状态预测模型,其中,所述目标自动导引运输车包括所述导航仪和所述驱动轮,所述状态预测模型的状态向量包括驱动轮位置和导航仪位姿角;
数据获取模块202,用于获取第k-1个采样周期的所述驱动轮的位置坐标、第k-1个采样周期的位姿角、第k个采样周期的驱动轮实测转速、第k个采样周期的驱动轮转向角;
状态向量预测值确定模块203,用于将第k-1个采样周期的所述驱动轮的位置坐标、第k-1个采样周期的位姿角、第k个采样周期的驱动轮实测转速、第k个采样周期的驱动轮转向角输入所述状态预测模型,获得第k个采样周期的状态向量预测值;
判断模块204,用于判断所述导航仪的最新采样时间是否小于所述驱动轮传感器的最新采样时间,获得判断结果;
判断处理模块205,用于当所述判断结果表示所述导航仪的最新采样时间小于所述驱动轮传感器的最新采样时间时,则根据所述状态向量预测值、所述导航仪与所述驱动轮的距离确定所述导航仪的期望位置;
当所述判断结果表示所述导航仪的最新采样时间大于或者等于所述驱动轮传感器的最新采样时间时,根据所述状态向量预测值、第k个采样周期的位姿角、第k个采样周期的导航仪实测位置确定所述导航仪的期望位置。
实施例3:
一种自动导引运输***,所述自动导引运输***包括:自动导引运输车和预测器,所述自动导引运输车包括导航仪和驱动轮,所述预测器用于根据实施例1所述的定位方法确定所述导航仪的期望位置,以控制所述自动导引运输车运动带动所述导航仪到达所述期望位置,所述自动导引运输***预测器的确定步骤如下:
步骤1:确定自动导引运输车的状态预测模型;
图3为本发明实施例3提供的自动导引运输车的平面坐标图。如图3所示,θ为驱动轮转向角,v为驱动轮转速,ψ为位姿角,δ为驱动轮与x正半轴夹角,w为位姿角速度,h为导航仪与驱动轮距离,L为驱动轮与后轮中点距离,r为转向半径,D为驱动轮,N为导航仪,O为旋转圆心。AGV在xy坐标系的某一位置,当驱动轮转向角度为θ、驱动轮速度分别为v时,车体将以O为圆心,r为半径做圆周运动。
已知导航仪坐标采样值(xn,yn),根据导航仪与驱动轮的位置变换关系式可以得到相应驱动轮的坐标(xd,yd),位置变换关系式为:
为位姿角估值值,θ为驱动轮的实测转向角度,当θ顺时针转向时,θ>0;逆时针时θ<0, 表示第k个采样周期驱动轮与x正半轴夹角的估计值,k表示采样周期序号。
因为驱动轮传感器的采样周期很小,可近似认相邻采样周期内车体为匀速直线运动,因此,有
其中,表示第k个采样周期的驱动轮转速估计值,Δtk表示负k个采样周期。
ψ,分别为位姿角的实测值和估计值,w为位姿角速度的估计值,
v分别为驱动轮转速的估计值和实测值,为驱动轮加速度的估计值
将(5)式带入公式(2)得;
将(8)和(9)写成状态转移矩阵为:
即:
其中,为***的状态向量,Ak为状态转移矩阵,Bk为输入矩阵,Uk为***输入向量。
步骤2:预测器设计;
图4为本发明实施例3提供的预测器的结构框图。如图4所示,预测器包括预测模块和数据融合模块,为预测模块输出的状态向量和状态协方差矩阵,为融合模块输出的状态向量和状态协方差矩阵,Xout为预测器输出的状态向量。预测器整体基于卡尔曼滤波原理,融合驱动轮传感器的多传感器数据得到预测输出。
预测模块根据当前周期驱动轮传感器的采样值,经车体运动模型(状态预测模型)可得到单周期内车体导航数据的偏移增量,再叠加上周期导航数据即可得到当前周期的预测值。预测模块同时计算融合模块所需的状态协方差矩阵,预测模块输出给融合模块的参数包括导航仪预测位置及状态矩阵协方差
其中,Q表示过程噪声。
图5为本发明实施例3提供的预测模块的结构框图。如图5所示,融合模块将预测模块的输出数据与导航仪实测数据进行数据融合得到预测器的输出。任一输入数据更新,融合模块都将输出新预测值。
首先根据公式(14)确定所述导航仪预测位置观测值,
其中,C表示观测矩阵,表示导航仪预测位置观测值,表示导航仪预测位置。
根据公式(15)确定预测误差:
根据公式(13)所示的状态协方差矩阵及公式(16)确定卡尔曼增益K:
其中,R表示输入噪声。
根据公式(18)确定所述导航仪的期望位置。
设tn为导航仪最新一次采样时间,tm为磁编码器最新一次采样时间,本发明的融合决策模块的决策规则见公式(19):
图6为本发明实施例3提供的AGV的实测数据对比图。如图6中显示了AGV在高速运动状态下,导航仪原始数据以及预测器的输出值。可以看出,相较于导航仪原始数据,预测器的输出频率显著提高7倍以上。且即使在高速状态下,预测器的输出与原始数据具有高度的线性一致性。可见,本发明提供的自动导引运输车的定位方法、定位***及自动导引运输***具有较高的工程应用价值,应用前景良好。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种自动导引运输车的定位方法,其特征在于,所述定位方法包括:
根据目标自动导引运输车的轴距、导航仪的位姿角、驱动轮转向角和驱动轮转速确定所述目标自动导引运输车的状态预测模型,其中,所述目标自动导引运输车包括所述导航仪和所述驱动轮,所述状态预测模型的状态向量包括驱动轮位置和导航仪位姿角;
获取第k-1个采样周期的所述驱动轮的位置坐标、第k-1个采样周期的位姿角、第k个采样周期的驱动轮实测转速、第k个采样周期的驱动轮转向角;
将第k-1个采样周期的所述驱动轮的位置坐标、第k-1个采样周期的位姿角、第k个采样周期的驱动轮实测转速、第k个采样周期的驱动轮转向角输入所述状态预测模型,获得第k个采样周期的状态向量预测值;
判断所述导航仪的最新采样时间是否小于所述驱动轮传感器的最新采样时间,获得判断结果;
当所述判断结果表示所述导航仪的最新采样时间小于所述驱动轮传感器的最新采样时间时,则根据所述状态向量预测值、所述导航仪与所述驱动轮的距离确定所述导航仪的期望位置;
当所述判断结果表示所述导航仪的最新采样时间大于或者等于所述驱动轮传感器的最新采样时间时,根据所述状态向量预测值、第k个采样周期的位姿角、第k个采样周期的导航仪实测位置确定所述导航仪的期望位置。
2.根据权利要求1所述的定位方法,其特征在于,所述状态预测模型为:
其中,表示第k个采样周期的状态向量预测值,表示驱动轮的横坐标预测值,表示驱动轮的纵坐标预测值,表示导航仪位姿角预测值,Δt表示驱动轮传感器的采样周期,v表示驱动轮的实测转速,表示驱动轮的加速度估值,θk表示驱动轮转向角,
3.根据权利要求1所述的定位方法,其特征在于,所述根据所述状态向量预测值、所述导航仪与所述驱动轮的距离确定所述导航仪的期望位置,具体包括:
获取所述导航仪与所述驱动轮的距离和所述导航仪与所述驱动轮的位置变换关系式,所述位置变换关系式为:
其中,(xn,yn)表示导航仪的位置坐标,(xd,yd)表示驱动轮的位置坐标,h表示导航仪与驱动轮的距离,ψ为位姿角;
对所述位置变换关系式进行逆变换,获得导航仪位置预测模型;
将所述状态向量预测值、所述导航仪与所述驱动轮的距离输入所述导航仪位置预测模型,获得所述导航仪的期望位置。
4.根据权利要求2所述的定位方法,其特征在于,所述根据所述状态向量预测值、第k个采样周期的位姿角、第k个采样周期的导航仪实测位置确定所述导航仪的期望位置,具体包括:
获取所述导航仪与所述驱动轮的距离、观测矩阵和所述导航仪与所述驱动轮的位置变换关系式,所述位置变换关系式为:
其中,(xn,yn)表示导航仪的位置坐标,(xd,yd)表示驱动轮的位置坐标,h表示导航仪与驱动轮的距离,ψ为位姿角;
对所述位置变换关系式进行逆变换,获得导航仪位置预测模型;
将所述状态向量预测值、所述导航仪与所述驱动轮的距离输入所述导航仪位置预测模型,获得导航仪预测位置;
根据所述导航仪预测位置和第k个采样周期的导航仪实测位置确定预测误差;
根据所述状态预测模型确定所述状态预测模型的状态协方差矩阵;
根据所述状态协方差矩阵确定卡尔曼增益;
根据所述预测误差、所述卡尔曼增益和所述所述导航仪的预测位置确定所述导航仪的期望位置。
5.一种自动导引运输车的定位***,其特征在于,所述定位***包括:
状态预测模型确定模块,用于根据目标自动导引运输车的轴距、导航仪的位姿角、驱动轮转向角和驱动轮转速确定所述目标自动导引运输车的状态预测模型,其中,所述目标自动导引运输车包括所述导航仪和所述驱动轮,所述状态预测模型的状态向量包括驱动轮位置和导航仪位姿角;
数据获取模块,用于获取第k-1个采样周期的所述驱动轮的位置坐标、第k-1个采样周期的位姿角、第k个采样周期的驱动轮实测转速、第k个采样周期的驱动轮转向角;
状态向量预测值确定模块,用于将第k-1个采样周期的所述驱动轮的位置坐标、第k-1个采样周期的位姿角、第k个采样周期的驱动轮实测转速、第k个采样周期的驱动轮转向角输入所述状态预测模型,获得第k个采样周期的状态向量预测值;
判断模块,用于判断所述导航仪的最新采样时间是否小于所述驱动轮传感器的最新采样时间,获得判断结果;
判断处理模块,用于当所述判断结果表示所述导航仪的最新采样时间小于所述驱动轮传感器的最新采样时间时,则根据所述状态向量预测值、所述导航仪与所述驱动轮的距离确定所述导航仪的期望位置;
当所述判断结果表示所述导航仪的最新采样时间大于或者等于所述驱动轮传感器的最新采样时间时,根据所述状态向量预测值、第k个采样周期的位姿角、第k个采样周期的导航仪实测位置确定所述导航仪的期望位置。
6.一种自动导引运输***,其特征在于,所述自动导引运输***包括:自动导引运输车和预测器,所述自动导引运输车包括导航仪和驱动轮,所述预测器用于根据权利要求1-4任一项所述的定位方法确定所述导航仪的期望位置,以控制所述自动导引运输车运动带动所述导航仪到达所述期望位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810939521.1A CN109116845B (zh) | 2018-08-17 | 2018-08-17 | 自动导引运输车定位方法、定位***及自动导引运输*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810939521.1A CN109116845B (zh) | 2018-08-17 | 2018-08-17 | 自动导引运输车定位方法、定位***及自动导引运输*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109116845A true CN109116845A (zh) | 2019-01-01 |
CN109116845B CN109116845B (zh) | 2021-09-17 |
Family
ID=64853329
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810939521.1A Active CN109116845B (zh) | 2018-08-17 | 2018-08-17 | 自动导引运输车定位方法、定位***及自动导引运输*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109116845B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110031010A (zh) * | 2019-04-09 | 2019-07-19 | 百度在线网络技术(北京)有限公司 | 车辆引导路线绘制方法、装置及设备 |
CN111983480A (zh) * | 2020-08-19 | 2020-11-24 | 华晟(青岛)智能装备科技有限公司 | 一种基于马氏过程的agv电量状态预测方法及*** |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0769735A2 (en) * | 1995-10-18 | 1997-04-23 | Jervis B. Webb International Company | Motion tracking apparatus for driverless vehicle |
US7747384B1 (en) * | 2002-06-06 | 2010-06-29 | Trimble Navigation, Ltd. | Method for substituting at least one high quality position measurement taken before an interrupting event with a set of upgraded low quality position measurements provided by the same source of measurements after the interrupting event |
CN101813943A (zh) * | 2010-02-08 | 2010-08-25 | 吉林大学 | 智能导航车及其操控方法 |
CN101971116A (zh) * | 2008-02-07 | 2011-02-09 | 丰田自动车株式会社 | 自动移动体及其控制方法、以及控制*** |
EP2437132A1 (en) * | 2010-09-30 | 2012-04-04 | Honda Motor Co., Ltd. | Control apparatus for autonomous operating vehicle |
CN102538781A (zh) * | 2011-12-14 | 2012-07-04 | 浙江大学 | 基于机器视觉和惯导融合的移动机器人运动姿态估计方法 |
CN102706342A (zh) * | 2012-05-31 | 2012-10-03 | 重庆邮电大学 | 一种智能移动机器人的定位与环境建模方法 |
CN103383570A (zh) * | 2013-06-25 | 2013-11-06 | 天奇自动化工程股份有限公司 | 一种可全向移动的自动导航小车 |
CN103558856A (zh) * | 2013-11-21 | 2014-02-05 | 东南大学 | 动态环境下服务动机器人导航方法 |
KR20140076401A (ko) * | 2012-12-12 | 2014-06-20 | 현대자동차주식회사 | 차량용 주행 맵 제어 방법 |
CN104713555A (zh) * | 2015-03-03 | 2015-06-17 | 南昌大学 | 应用全天域中性点辅助定向的车辆自主导航方法 |
US20160077525A1 (en) * | 2014-09-12 | 2016-03-17 | Toyota Jidosha Kabushiki Kaisha | Control system and control method for vehicle |
CN105549588A (zh) * | 2015-12-10 | 2016-05-04 | 上海电机学院 | 一种多功能导视机器人 |
CN106444766A (zh) * | 2016-10-21 | 2017-02-22 | 北京京东尚科信息技术有限公司 | Agv 运输车及其控制方法 |
CN106896361A (zh) * | 2015-12-17 | 2017-06-27 | 中国科学院沈阳自动化研究所 | 一种深水机器人多模型ekf组合导航装置及方法 |
CN107490803A (zh) * | 2017-06-14 | 2017-12-19 | 合肥中导机器人科技有限公司 | 利用gps和惯导***对机器人定位定向方法 |
US20170371349A1 (en) * | 2016-06-23 | 2017-12-28 | Lg Electronics Inc. | Vehicle control device mounted on vehicle and method for controlling the vehicle |
CN107702722A (zh) * | 2017-11-07 | 2018-02-16 | 云南昆船智能装备有限公司 | 一种激光导引agv自然导航定位方法 |
CN107907131A (zh) * | 2017-11-10 | 2018-04-13 | 珊口(上海)智能科技有限公司 | 定位***、方法及所适用的机器人 |
CN108052106A (zh) * | 2018-01-19 | 2018-05-18 | 东南大学 | 一种基于ros的无人驾驶农机路径跟踪*** |
US20180143648A1 (en) * | 2016-11-24 | 2018-05-24 | Lg Electronics Inc. | Vehicle control device mounted on vehicle and method for controlling the vehicle |
CN108120438A (zh) * | 2017-12-15 | 2018-06-05 | 北京工商大学 | 一种基于imu和rfid信息融合的室内目标快速跟踪方法 |
-
2018
- 2018-08-17 CN CN201810939521.1A patent/CN109116845B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0769735A2 (en) * | 1995-10-18 | 1997-04-23 | Jervis B. Webb International Company | Motion tracking apparatus for driverless vehicle |
US7747384B1 (en) * | 2002-06-06 | 2010-06-29 | Trimble Navigation, Ltd. | Method for substituting at least one high quality position measurement taken before an interrupting event with a set of upgraded low quality position measurements provided by the same source of measurements after the interrupting event |
CN101971116A (zh) * | 2008-02-07 | 2011-02-09 | 丰田自动车株式会社 | 自动移动体及其控制方法、以及控制*** |
CN101813943A (zh) * | 2010-02-08 | 2010-08-25 | 吉林大学 | 智能导航车及其操控方法 |
EP2437132A1 (en) * | 2010-09-30 | 2012-04-04 | Honda Motor Co., Ltd. | Control apparatus for autonomous operating vehicle |
CN102538781A (zh) * | 2011-12-14 | 2012-07-04 | 浙江大学 | 基于机器视觉和惯导融合的移动机器人运动姿态估计方法 |
CN102706342A (zh) * | 2012-05-31 | 2012-10-03 | 重庆邮电大学 | 一种智能移动机器人的定位与环境建模方法 |
KR20140076401A (ko) * | 2012-12-12 | 2014-06-20 | 현대자동차주식회사 | 차량용 주행 맵 제어 방법 |
CN103383570A (zh) * | 2013-06-25 | 2013-11-06 | 天奇自动化工程股份有限公司 | 一种可全向移动的自动导航小车 |
CN103558856A (zh) * | 2013-11-21 | 2014-02-05 | 东南大学 | 动态环境下服务动机器人导航方法 |
US20160077525A1 (en) * | 2014-09-12 | 2016-03-17 | Toyota Jidosha Kabushiki Kaisha | Control system and control method for vehicle |
CN104713555A (zh) * | 2015-03-03 | 2015-06-17 | 南昌大学 | 应用全天域中性点辅助定向的车辆自主导航方法 |
CN105549588A (zh) * | 2015-12-10 | 2016-05-04 | 上海电机学院 | 一种多功能导视机器人 |
CN106896361A (zh) * | 2015-12-17 | 2017-06-27 | 中国科学院沈阳自动化研究所 | 一种深水机器人多模型ekf组合导航装置及方法 |
US20170371349A1 (en) * | 2016-06-23 | 2017-12-28 | Lg Electronics Inc. | Vehicle control device mounted on vehicle and method for controlling the vehicle |
CN106444766A (zh) * | 2016-10-21 | 2017-02-22 | 北京京东尚科信息技术有限公司 | Agv 运输车及其控制方法 |
US20180143648A1 (en) * | 2016-11-24 | 2018-05-24 | Lg Electronics Inc. | Vehicle control device mounted on vehicle and method for controlling the vehicle |
CN107490803A (zh) * | 2017-06-14 | 2017-12-19 | 合肥中导机器人科技有限公司 | 利用gps和惯导***对机器人定位定向方法 |
CN107702722A (zh) * | 2017-11-07 | 2018-02-16 | 云南昆船智能装备有限公司 | 一种激光导引agv自然导航定位方法 |
CN107907131A (zh) * | 2017-11-10 | 2018-04-13 | 珊口(上海)智能科技有限公司 | 定位***、方法及所适用的机器人 |
CN108120438A (zh) * | 2017-12-15 | 2018-06-05 | 北京工商大学 | 一种基于imu和rfid信息融合的室内目标快速跟踪方法 |
CN108052106A (zh) * | 2018-01-19 | 2018-05-18 | 东南大学 | 一种基于ros的无人驾驶农机路径跟踪*** |
Non-Patent Citations (3)
Title |
---|
YUN-PING SUN,等: "Autopilot System Design and Practice of an Unmanned Ground Vehicle", 《2018 IEEE INTERNATIONAL CONFERENCE ON APPLIED SYSTEM INVENTION (ICASI)》 * |
任波,等: "基于信息融合技术的车载组合导航定位***", 《沈阳工业学院学报》 * |
钱晓明,等: "基于位姿状态的全向运行型AGV 路径跟踪优化控制方法", 《农业机械学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110031010A (zh) * | 2019-04-09 | 2019-07-19 | 百度在线网络技术(北京)有限公司 | 车辆引导路线绘制方法、装置及设备 |
CN111983480A (zh) * | 2020-08-19 | 2020-11-24 | 华晟(青岛)智能装备科技有限公司 | 一种基于马氏过程的agv电量状态预测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN109116845B (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107618503B (zh) | 一种自动泊车控制方法及*** | |
CN105764773B (zh) | 用于控制车辆的方法 | |
CN109866752A (zh) | 基于预测控制的双模式并行车辆轨迹跟踪行驶***及方法 | |
CN109724592B (zh) | 一种基于进化梯度搜索的auv地磁仿生导航方法 | |
CN110987463A (zh) | 面向多场景的智能驾驶自主车道变换性能测试方法 | |
CN111610523B (zh) | 一种轮式移动机器人的参数校正方法 | |
CN110341715A (zh) | 无人车坡道速度控制方法及装置 | |
CN109116845A (zh) | 自动导引运输车定位方法、定位***及自动导引运输*** | |
CN113625702B (zh) | 基于二次规划的无人车同时路径跟踪与避障方法 | |
CN105890595A (zh) | 基于信息滤波的车载组合导航*** | |
CN112097792B (zh) | 一种阿克曼模型移动机器人里程计标定方法 | |
CN109017808A (zh) | 一种无人驾驶汽车模型预测控制器设计方法 | |
CN109552417A (zh) | 一种驱动轮角度零偏的校准方法及*** | |
CN110068334A (zh) | 一种磁导航agv的高精度定位方法 | |
Śmieszek et al. | Application of Kalman filter in navigation process of automated guided vehicles | |
CN110162037A (zh) | 一种车辆自身轨迹的预测方法 | |
CN115061142A (zh) | 一种基于激光雷达的agv定位方法及*** | |
Zhu et al. | Curvature map-based magnetic guidance for automated vehicles in an urban environment | |
CN101592492B (zh) | 车载导航***误差协方差阵部分参数自适应调节的方法 | |
CN108196545A (zh) | 采用自抗扰控制技术的agv磁导航控制方法 | |
CN114089774B (zh) | 一种仓储环境下agv路径规划方法和装置 | |
Zhang et al. | Fuzzy adaptive Kalman filtering for DR/GPS | |
Krantz et al. | Non-uniform dead-reckoning position estimate updates | |
Jiao et al. | A sliding parameter estimation method based on UKF for agricultural tracked robot | |
CN115542925A (zh) | 一种无人车横向控制用的偏差精准估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |