CN110913335A - 自动引导车感知定位方法、装置、服务器及自动引导车 - Google Patents
自动引导车感知定位方法、装置、服务器及自动引导车 Download PDFInfo
- Publication number
- CN110913335A CN110913335A CN201911225711.8A CN201911225711A CN110913335A CN 110913335 A CN110913335 A CN 110913335A CN 201911225711 A CN201911225711 A CN 201911225711A CN 110913335 A CN110913335 A CN 110913335A
- Authority
- CN
- China
- Prior art keywords
- agv
- agvs
- position information
- target
- positioning
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提出一种AGV(Automated Guided Vehicle,自动引导车)感知定位方法、装置、服务器及AGV,涉及AGV技术领域。所述方法包括:通过定位传感器获取目标行驶区域中多个AGV当前的第一位置信息,所述定位传感器设置在所述目标行驶区域的上方,将多个所述AGV的所述第一位置信息,分别发送给各所述AGV,多个所述AGV的所述第一位置信息用于各所述AGV行驶控制行驶行为或行驶路线。本公开能够提高AGV感知定位的可靠性和实时性,降低成本。
Description
技术领域
本公开涉及AGV(Automated Guided Vehicle,自动引导车)技术领域,具体而言,涉及一种AGV感知定位方法、装置、服务器及AGV。
背景技术
随着物流技术的不断发展,AGV以其自动化程度高、有助于实现工厂少人化、无人化等优点,得到了广泛的应用。AGV能够沿规定的导引路径行驶、具有安全保护以及各种移载功能,因而对AGV的感知定位也逐渐受到关注。
现有技术中,AGV的车体设置有传感器,并通过该传感器获取周围其它AGV的位置信息,而根据其它AGV的位置信息引导该AGV运行。
但由于每辆AGV都要配置传感器,一方面成本高昂,另一方面容易存在盲区,且感知定位能力受车载计算单元的运算能力限制较大,感知定位的可靠性和实时性低下。
发明内容
本公开的目的在于提供一种AGV感知定位方法、装置、服务器及AGV,以提高AGV感知定位的可靠性和实时性,降低成本。
为了实现上述目的,本公开采用的技术方案如下:
第一方面,本公开提出一种AGV感知定位方法,所述方法包括:
通过定位传感器获取目标行驶区域中多个AGV当前的第一位置信息,所述定位传感器设置在所述目标行驶区域的上方;
将多个所述AGV的所述第一位置信息,分别发送给各所述AGV,多个所述AGV的所述第一位置信息用于各所述AGV行驶控制行驶行为或行驶路线。
可选地,所述定位传感器包括图像传感器,所述通过定位传感器获取目标行驶区域中多个AGV当前的第一位置信息,包括:
通过所述图像传感器获取所述目标行驶区域的当前的第一区域图像;
从所述第一区域图像识别得到多个所述AGV的所述第一位置信息。
可选地,所述从所述第一区域图像识别得到多个所述AGV的所述第一位置信息,包括:
通过预设深度学习算法,对所述第一区域图像进行识别,得到多个待识别目标的第一目标框位置和目标类别,基于多个所述待识别目标的所述目标类别,从多个所述待识别目标中识别得到多个所述AGV,并基于各所述AGV的所述第一目标框位置,确定各所述AGV的第一位置信息。
可选地,所述方法还包括:
通过所述定位传感器获取所述目标行驶区域中多个所述AGV在当前时刻之前的第二位置信息;
基于各所述AGV的所述第一位置信息和所述第二位置信息,生成各所述AGV的运动轨迹和运动状态;
将各所述AGV的所述运动轨迹和所述运动状态,发送至各所述AGV。
可选地,所述定位传感器包括图像传感器,所述通过所述定位传感器获取所述目标行驶区域中多个所述AGV在当前时刻之前的第二位置信息,包括:
通过所述图像传感器获取所述目标行驶区域在当前时刻之前的第二区域图像;
从所述第二区域图像识别得到各所述AGV的第二目标框位置、第二目标框尺寸;
基于各所述AGV的所述第二目标框位置,确定各所述AGV的所述第二位置信息;
所述基于各所述AGV的所述第一位置信息和所述第二位置信息,生成各所述AGV的运动轨迹和运动状态,包括:
通过预设跟踪算法,基于各所述AGV的所述第二目标框位置和所述第二目标框尺寸,预测各所述AGV在当前时刻的第三目标框位置和第三目标框尺寸;
通过预设关联算法,基于各所述AGV的所述第三目标框位置和所述第三目标框尺寸、各所述AGV在第一区域图像中的第一目标框位置和第一目标框尺寸,将所述第一区域图像中的各所述AGV与所述第二区域图像中的各所述AGV进行关联;
基于关联后的各所述AGV的所述第一位置信息和所述第二位置信息,生成各所述AGV的所述运动轨迹和所述运动状态。
可选地,所述方法还包括:
生成各所述AGV的身份标签;
通过各所述AGV的所述身份标签,对各所述AGV进行标记。
可选地,所述方法还包括:
通过定位传感器获取目标行驶区域中的至少一个障碍物的第一位置信息;
基于至少一个所述障碍物的所述第一位置信息发送至各所述AGV。
第二方面,本公开还提出一种AGV感知定位方法,所述方法包括:
接收多个AGV的第一位置信息,多个所述AGV的所述第一位置信息为通过定位传感器从目标行驶区域获取得到,所述定位传感器设置在所述目标行驶区域的上方;
基于多个所述AGV的所述第一位置信息控制行驶行为或行驶路线。
可选地,所述方法还包括:
接收多个所述AGV的运动轨迹和运动状态、至少一个障碍物的所述第一位置信息和至少一个所述障碍物的所述运动轨迹和所述运动状态中的至少一个;
所述基于多个所述AGV的所述第一位置信息控制行驶行为或行驶路线,包括:
基于多个所述AGV的运动轨迹和运动状态、至少一个障碍物的所述第一位置信息和至少一个所述障碍物的所述运动轨迹和所述运动状态中的至少一个以及多个所述AGV的所述第一位置信息,控制行驶行为或行驶路线。
第三方面,本公开还提出一种AGV感知定位装置,所述装置包括:
第一获取模块,用于通过定位传感器获取目标行驶区域中多个AGV当前的第一位置信息,所述定位传感器设置在所述目标行驶区域的上方;
第一发送模块,用于将多个所述AGV的所述第一位置信息,分别发送给各所述AGV,多个所述AGV的所述第一位置信息用于各所述AGV行驶控制行驶行为或行驶路线。
可选地,所述定位传感器包括图像传感器,所述第一获取模块,还用于:
通过所述图像传感器获取所述目标行驶区域的当前的第一区域图像;
从所述第一区域图像识别得到多个所述AGV的所述第一位置信息。
可选地,所述第一获取模块,还用于:
通过预设深度学习算法,对所述第一区域图像进行识别,得到多个待识别目标的第一目标框位置和目标类别,基于多个所述待识别目标的所述目标类别,从多个所述待识别目标中识别得到多个所述AGV,并基于各所述AGV的所述第一目标框位置,确定各所述AGV的第一位置信息。
可选地,所述装置还包括:
第二获取模块,用于通过所述定位传感器获取所述目标行驶区域中多个所述AGV在当前时刻之前的第二位置信息;
第一生成模块,用于基于各所述AGV的所述第一位置信息和所述第二位置信息,生成各所述AGV的运动轨迹和运动状态;
第二发送模块,用于将各所述AGV的所述运动轨迹和所述运动状态,发送至各所述AGV。
可选地,所述定位传感器包括图像传感器,所述第二获取模块,还用于:
通过所述图像传感器获取所述目标行驶区域在当前时刻之前的第二区域图像;
从所述第二区域图像识别得到各所述AGV的第二目标框位置、第二目标框尺寸;
基于各所述AGV的所述第二目标框位置,确定各所述AGV的所述第二位置信息;
所述第一生成模块,还用于:
通过预设跟踪算法,基于各所述AGV的所述第二目标框位置和所述第二目标框尺寸,预测各所述AGV在当前时刻的第三目标框位置和第三目标框尺寸;
通过预设关联算法,基于各所述AGV的所述第三目标框位置和所述第三目标框尺寸、各所述AGV在第一区域图像中的第一目标框位置和第一目标框尺寸,将所述第一区域图像中的各所述AGV与所述第二区域图像中的各所述AGV进行关联;
基于关联后的各所述AGV的所述第一位置信息和所述第二位置信息,生成各所述AGV的所述运动轨迹和所述运动状态。
可选地,所述装置还包括:
第二生成模块,用于生成各所述AGV的身份标签;
标记模块,用于通过各所述AGV的所述身份标签,对各所述AGV进行标记。
可选地,所述装置还包括:
第三获取模块,用于通过定位传感器获取目标行驶区域中的至少一个障碍物的第一位置信息;
第三发送模块,用于基于至少一个所述障碍物的所述第一位置信息发送至各所述AGV。
第四方面,本公开还提出一种AGV感知定位装置,所述装置包括:
第一接收模块,用于接收多个AGV的第一位置信息,多个所述AGV的所述第一位置信息为通过定位传感器从目标行驶区域获取得到,所述定位传感器设置在所述目标行驶区域的上方;
感知定位模块,用于基于多个所述AGV的所述第一位置信息控制行驶行为或行驶路线。
可选地,所述装置还包括:
第二接收模块,用于接收多个所述AGV的运动轨迹和运动状态、至少一个障碍物的所述第一位置信息和至少一个所述障碍物的所述运动轨迹和所述运动状态中的至少一个;
所述感知定位模块,还用于:
基于多个所述AGV的运动轨迹和运动状态、至少一个障碍物的所述第一位置信息和至少一个所述障碍物的所述运动轨迹和所述运动状态中的至少一个以及多个所述AGV的所述第一位置信息,控制行驶行为或行驶路线。
第五方面,本公开还提出一种服务器,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当所述服务器运行时,所述处理器与所述存储介质之间通过所述总线通信,所述处理器执行所述机器可读指令,以执行如前述第一方面所述方法的步骤。
第六方面,本公开还提出一种AGV,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当所述AGV运行时,所述处理器与所述存储介质之间通过所述总线通信,所述处理器执行所述机器可读指令,以执行如前述第二方面所述方法的步骤。
第七方面,本公开还提出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计算机程序,所述计算机程序被处理器运行时执行前述第一方面或第二方面所述方法的步骤。
在本公开实施例中,可以在目标行驶区域的上方设置定位传感器,通过定位传感器获取该目标行驶区域中多个AGV当前的第一位置信息,并将所获取的多个AGV的第一位置信息分别发送给该目标行驶区域中的各AGV,那么该目标行驶区域中的各AGV可以直接根据获取的多个AGV的第一位置信息对行驶行为或行驶路线进行控制,而不必分别感知周围的AGV,不仅避免了各AGV分别设置摄像头存在的盲区的问题,也避免了各AGV分别对摄像头所获取的图像的运算过程受车载计算单元的运算能力限制较大的问题,提高了AGV感知定位的可靠性和实时性,降低了成本。
本公开的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本公开了解。本公开的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本公开的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本公开所提供的一种应用环境示意图;
图2示出了本公开所提供的另一种应用环境示意图;
图3示出了本公开所提供的一种AGV感知定位方法的流程示意图;
图4示出了本公开所提供的另一种AGV感知定位方法的流程示意图;
图5示出了本公开所提供的一种AGV感知定位装置的功能模块示意图;
图6示出了本公开所提供的另一种AGV感知定位装置的功能模块示意图;
图7示出了本公开所提供的另一种AGV感知定位装置的功能模块示意图;
图8示出了本公开所提供的另一种AGV感知定位装置的功能模块示意图;
图9示出了本公开所提供的另一种AGV感知定位装置的功能模块示意图;
图10示出了本公开所提供的另一种AGV感知定位装置的功能模块示意图;
图11示出了本公开所提供的一种服务器的功能模块示意图;
图12示出了本公开所提供的一种AGV的功能模块示意图。
具体实施方式
下面将结合本公开中附图,对本公开中的技术方案进行清楚、完整地描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在对本公开进行详细地解释之前,先对本公开的应用场景予以介绍。
请参照图1,为本公开所提供的一种应用环境示意图。AGV可以应用于仓库、车间等工作场景,在该工作场景中,可能会包括多个AGV,各AGV可以具有不同的行驶行为和行驶路线,比如在如图1所示的圆形的目标行驶区域中包括5个AGV,其中,AGV1、AGV2和AGV5的行驶方向可能与AGV3和AGV4的行驶方向相同,为了确保各AGV都能够安全行驶,需要对AGV进行感知定位。
其中,目标行驶区域为AGV在仓库、车间等工作场景中行驶的区域。
现有技术中,AGV车体安装有摄像头,通过摄像头可以确定四周是否存在其它的AGV,从而对当前的行驶行为或行驶路线进行控制,但现有技术的感知定位方式中,AGV的摄像头可能会出现盲区,比如在如图1所示的工作场景中,处于十字路口的AGV1,难以感知到AGV3和AGV5,且由于每个AGV都要设置摄像头,并对摄像头所感知的图像进行运算来得到各AGV的位置信息,从而使感知定位能力受车载计算单元的运算能力限制较大,因而感知定位的成本较高、可靠性和实时性低下。
为解决上述技术问题,本公开提供了一种AGV感知定位方法。请参照图2,为本公开所提供的一种应用环境示意图,可以在目标行驶区域的上方,比如仓库或车间的顶部,设置定位传感器(比如单目相机),通过定位传感器获取该目标行驶区域中多个AGV当前的第一位置信息,并将所获取的多个AGV的第一位置信息分别发送给该目标行驶区域中的各AGV,从而同时完成对各AGV对其它AGV的感知和定位,那么各AGV可以直接根据获取的多个AGV的第一位置信息对行驶行为或行驶路线进行控制,而不必分别感知周围的AGV,不仅避免了各AGV分别设置摄像头存在的盲区的问题,且服务器具有更强的运算能力,也就避免了各AGV分别对摄像头所获取的图像的运算过程受车载计算单元的运算能力限制较大的问题,提高了AGV感知定位的可靠性和实时性,降低了成本。
另外,将定位传感器设置在目标行驶区域的顶部,还能够便于对现有的AGV进行改造,进一步降低成本。
还需要说明的是,在实际应用中,本公开所提供的AGV感知定位方法也可以应用与其它类型的车辆。
以下将结合上述应用环境,对本公开进行具体说明。
请参照图3,为本公开所提供的一种AGV感知定位方法的流程示意图。该AGV感知定位的方法可以应用于服务器中。需要说明的是,本公开所述的AGV感知定位方法并不以图3以及以下所述的具体顺序为限制,应当理解,在其它实施例中,本公开所述的AGV感知定位方法其中部分步骤的顺序可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。下面将对图3所示的流程进行详细阐述。
步骤301,通过定位传感器获取目标行驶区域中多个AGV当前的第一位置信息,该定位传感器设置在该目标行驶区域的上方。
为了避免各AGV分别设置摄像头来感知周围AGV而导致的可靠性和实时性低以及成本较高的问题,可以在目标行驶区域的上方设置定位传感器,从而通过该定位传感器获取该目标行驶区域内多个AGV的当前的第一位置信息,再通过后续步骤将所获取的多个AGV的第一位置信息发送给各AGV,从而使AGV不需要分别设置摄像头,不仅避免了各AGV分别感知周围的AGV存在盲区的问题以及各AGV分别对摄像头所获取的图像的运算过程受车载计算单元的运算能力限制较大的问题,提高了AGV感知定位的可靠性和实时性,也降低了感知定位成本。
定位传感器可以包括雷达、图像传感器或超声波传感器,从而可以获取感知范围内的电磁波信号或声波信号,进而获取得到目标行驶区域中AGV的位置信息。当然也可以用于获取AGV的其它信息,比如AGV的车体图像等。
需要说明的是,定位传感器的感知范围可以大于或等于目标形式区域的范围。
位置信息可以包括AGV的坐标。
定位传感器可以固定设置在目标行驶区域的上方,俯视目标行驶区域,服务器可以与定位传感器通信连接,从而能够通过定位传感器获取到多个AGV的第一位置信息。
步骤302,将多个AGV的第一位置信息,分别发送给各AGV,多个AGV的第一位置信息用于各AGV行驶控制行驶行为或行驶路线。
为了便于各AGV根据周围的AGV所在的位置,控制相应的行驶行为或行为路线,从而完成感知定位,可以将所获取到的多个AGV的第一位置信息发送给各AGV。
服务器可以通过广播的方式,将多个AGV的第一位置信息发送给各AGV。
需要说明的是,服务器可以通过任意的通信技术,将多个AGV的第一位置信息广播给各AGV,比如第五代移动通信技术,本公开实施例对此通信技术不做具体限定。
行驶行为可以包括对行驶速度或形式方向的改变。
行驶路线可以为AGV行驶至预设目标地点的路线。
其中,AGV根据多个AGV的第一位置信息控制行驶行为或行驶路线的方式可以参见后续的相关描述,此处不再一一赘述。
在本公开实施例中,可以在目标行驶区域的上方设置定位传感器,通过定位传感器获取该目标行驶区域中多个AGV当前的第一位置信息,并将所获取的多个AGV的第一位置信息分别发送给该目标行驶区域中的各AGV,那么该目标行驶区域中的各AGV可以直接根据获取的多个AGV的第一位置信息对行驶行为或行驶路线进行控制,而不必分别感知周围的AGV,不仅避免了各AGV分别设置摄像头存在的盲区的问题,也避免了各AGV分别对摄像头所获取的图像的运算过程受车载计算单元的运算能力限制较大的问题,提高了AGV感知定位的可靠性和实时性,降低了成本。
可选地,定位传感器包括图像传感器,则步骤301中通过定位传感器获取目标行驶区域中多个AGV当前的第一位置信息的操作,可以包括:通过图像传感器获取目标行驶区域的当前的第一区域图像,从第一区域图像识别得到多个AGV的第一位置信息。
其中,由前述可知,定位传感器固定设置在目标行驶区域上方,那么在确定各AGV的第一位置信息时,不需要考虑深度信息,当定位传感器包括图像传感器时,服务器可以对第一区域图像进行识别,得到各AGV相对于第一区域图像的第三位置信息,然后基于预设的位置映射关系,对第三位置信息进行矩阵变换,即可得到AGV相对于目标行驶区域的第一位置信息。
需要说明的是,预设的位置映射关系可以通过事先设置得到,用于说明区域图像中的位置信息与目标行驶区域中的位置信息之间的映射关系。
可选的,图像传感器可以包括单目相机。
可选地,从第一区域图像识别得到多个AGV的所述第一位置信息的步骤,可以包括:通过预设深度学习算法,对第一区域图像进行识别,得到多个待识别目标的属性信息,包括第一目标框位置和目标类别,基于多个待识别目标的目标类别,从多个待识别目标中识别得到多个AGV,并基于各AGV的目标框位置,确定各AGV的第一位置信息。
由于神经网络等深度学习算法具有自学习能力以及高速运算能力,那么为了进一步提高从第一区域图像识别得到各AGV的第一位置信息的准确性和效率,进而提高对AGV进行感知定位的可靠性和实时性,可以通过预设深度学习算法对第一区域图像进行识别。
待识别目标为第一区域图像待识别的目标,该待识别目标的目标类别可以包括AGV和障碍物,其中,障碍物可以包括行人、动物或墙体等。
属性信息可以用于说明待识别目标的属性,目标框位置可以为待识别目标的目标框的中心坐标,其中,目标框可以为待识别目标的最小外包矩形框。当然,在实际应用中,属性信息还可以包括更多能够说明待识别目标的属性的信息,比如第一目标框尺寸,目标框尺寸以为该目标框的高和宽。
需要说明的是,第一目标框位置可以作为待识别目标相对于第一区域图像的第三位置信息。
预设深度学习算法可以包括卷积神经网络YOLO(You Only Look Once,一种目标检测算法)v3。
可以将第一区域图像输入至预设深度学习算法,通过该预设深度学习算法获取得到各待识别目标的属性信息,包括第一目标框位置目标类别,基于各待识别目标的目标类别,从多个待识别目标中识别出多个AGV,基于各AGV的第一目标框位置确定该AGV的第一位置信息,从而输出多个AGV的第一位置信息。
其中,可以事先获取多个包括多个待识别目标的图像作为训练样本,该训练样本标记有各待识别目标的属性信息,通过训练样本对深度学习算法进行训练,从而得到该预设深度学习算法。
可选地,可以通过定位传感器获取目标行驶区域中的至少一个障碍物的第一位置信息,基于至少一个障碍物的所述第一位置信息发送至各AGV。
由于AGV所在的目标行驶区域还可能会包括障碍物,因此,为了便于AGV对障碍物进行避让,进一步提高感知定位的可靠性,可以识别目标行驶区域的至少一个障碍物的第一位置信息,并将至少一个障碍物的第一位置信息发送给各AGV。
其中,通过定位传感器获取目标行驶区域的至少一个障碍物的第一位置信息的方式,可以与通过通过定位传感器获取目标行驶区域的多个AGV的第一位置信息的方式相似,将至少一个障碍物的第一位置信息发送给各AGV的方式,可以与将多个AGV的第一位置信息发送给各AGV的方式相同,此处不再一一赘述。
可选地,若定位传感器包括图像传感器,可以通过预设深度学习算法对第一区域图像进行识别,得到多个待识别目标的第一目标框位置和第一目标类别等属性信息,基于多个待识别目标的目标类别,从多个待识别目标中识别得到多个AGV和至少一个障碍物,并基于各AGV和各障碍物的第一目标框位置,确定各AGV和各障碍物的第一位置信息。
其中,可以事先获取多个包括多个待识别目标的图像作为训练样本,该训练样本标记有各待识别目标以及障碍物的属性信息,通过训练样本对深度学习算法进行训练,从而得到该预设深度学习算法。
需要说明的是,在实际应用中,也可以通过其它的目标检测算法,对第一区域图像进行识别,从而得到AGV或障碍物的第一位置信息。
可选地,可以通过定位传感器获取目标行驶区域中多个AGV在当前时刻之前的第二位置信息,基于各AGV的第一位置信息和第二位置信息,生成各AGV的运动轨迹和运动状态,将各AGV的运动轨迹和运动状态,发送至各AGV。
由于AGV可能是时刻处于运动状态中的,那么为了进一步便于AGV更加全面地感知到周围其它AGV的运动情况,从而及时对周围其它AGV进行避让,进一步提高感知定位的可靠性和实时性,可以将各AGV的运动轨迹和运动状态也发送至各AGV。
需要说明的是,通过定位传感器获取目标行驶区域中各AGV的第二位置信息的方式,与获取各AGV的第一位置信息的方式相同。
运动状态可以包括运动速度和运动方向,运动轨迹可以包括AGV在当前时刻之前以及当前时刻所处的各位置的连线。
可以根据AGV相邻时刻之间位置变化的多少,确定该AGV的运动速度和运动方向,基于该AGV在当前时刻之前以及当前时刻的位置信息,将该AGV在当前时刻之前以及当前时刻所处的位置按时序连接,从而生成该AGV的轨迹。
可选地,若定位传感器包括图像传感器,则通过定位传感器获取目标行驶区域中多个AGV在当前时刻之前的第二位置信息的步骤,可以包括:通过图像传感器获取目标行驶区域在当前时刻之前的第二区域图像,从第二区域图像识别得到各AGV的第二目标框位置、第二目标框尺寸,基于各AGV的第二目标框位置,确定各AGV的所述第二位置信息,相应的,基于各AGV的第一位置信息和第二位置信息,生成各AGV的运动轨迹和运动状态的步骤,可以包括:通过预设跟踪算法,基于各AGV的第二目标框位置和第二目标框尺寸,预测各AGV在当前时刻的第三目标框位置和第三目标框尺寸,通过预设关联算法,基于各AGV的第三目标框位置和第三目标框尺寸、各AGV在第一区域图像中的第一目标框位置和第一目标框尺寸,将第一区域图像中的各AGV与所述第二区域图像中的各AGV进行关联,基于关联后的各AGV的第一位置信息和第二位置信息,生成各AGV的运动轨迹和运动状态。
通过采用跟踪算法和关联算法,将相邻时刻的区域图像中同一AGV进行关联,不仅确保了能够准确地识别出不同区域图像中的各AGV,确保能够生成AGV的运动轨迹和运动状态,还可以避免在某一个区域图像中对AGV的误检或错检时,在接下来的区域图像中能够及时重新检测到被误检或错检的AGV,进一步提高了识别AGV的可靠性以及生成AGV的运动轨迹和运动状态的可靠性。
可以通过前述中的预设深度学习算法,对第二区域图像进行识别,从而得到多个AGV的第二目标框位置和第二目标框尺寸,通过预设跟踪算法,根据各AGV的在该时刻的运动状态,预测AGV在当前时刻的第三目标框位置和第三目标框尺寸,通过预设关联算法,基于各AGV的第三目标框位置和第三目标框尺寸、各AGV在第一区域图像中的第一目标框位置和第一目标框尺寸,确定预测的各AGV在第一区域图像中的目标框与各AGV实际在第一区域图像中的目标框之间的重叠率,如果该重叠率大于预设重叠率阈值,则确定预测的目标框与实际第一区域图像中的目标框表示同一AGV,从而可以第一区域图像和第二图像中的同一AGV进行识别和关联。
需要说明的是,预设跟踪算法可以通过事先设置得到。其中,该预设跟踪算法可以包括实时性好的卡尔曼滤波算法,当然,在实际应用中,该预设跟踪算法也可以包括其它类型的跟踪算法,本公开实施例对此预设跟踪算法的类型不做具体限定。
还需要说明的是,预设关联算法可以通过事先设置得到。其中,预设关联算法可以包括匈牙利算法,当然,在实际应用中,该预设关联算法也可以包括其它类型的关联算法,本公开实施例对此预设跟踪算法的类型不做具体限定。
还需要说明的是,预设重叠率阈值可以通过事先确定,且本公开实施例对此预设重叠率阈值的大小不做具体限定。
可选地,可以通过定位传感器获取目标行驶区域中至少一个障碍物在当前时刻之前的第二位置信息,基于各障碍物的第一位置信息和第二位置信息,生成各障碍物的运动轨迹和运动状态,将各障碍物的运动轨迹和运动状态,发送至各AGV。
由于障碍物也可能会运动,比如行人或动物,那么为了进一步避免AGV与障碍物发生碰撞或摩擦的可能,从而提高感知定位的可靠性,可以将障碍物的运动状态和运动轨迹发送给各AGV。
需要说明的是,确定障碍物的运动轨迹和运动状态的方式,可以与确定AGV的运动轨迹和运动状态的方式相同,此处不再一一赘述。
可选地,可以生成各AGV的身份标签,通过各AGV的身份标签,对各AGV进行标记。
为了便于对目标行驶区域中的AGV进行监控、统计和管理,可以生成各AGV的身份标签,从而对各AGV进行标记。
身份标签可以用于说明AGV的身份,比如身份标签可以包括对AGV的编号:“AGV1”、“AGV2”和“AGV3”。
服务器可以按照预设标签生成规则,生成各AGV的身份标签。其中,预设标签生成规则可以通过事先确定,比如,可以随机对各AGV进行编号,从而生成各AGV的身份标签,或者,各AGV的车体可以设置有承载有身份信息的二维码或条形码,从而可以从二维码或条形码中读取该身份信息,并基于该身份信息生成身份标签。当然,在实际应用中,也可以通过其它方式生成各AGV的身份标签,本公开实施例对此预设标签生成规则不做具体限定。
请参照图4,为本公开所提供的一种AGV感知定位方法的流程示意图。该方法可以应用于图1或2所示的AGV中。需要说明的是,本公开所述的AGV感知定位方法并不以图4以及以下所述的具体顺序为限制,应当理解,在其它实施例中,本公开所述的AGV感知定位方法其中部分步骤的顺序可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。下面将对图4所示的流程进行详细阐述。
步骤401,接收多个AGV的第一位置信息,多个AGV的第一位置信息为通过定位传感器从目标行驶区域获取得到,该定位传感器设置在该目标行驶区域的上方。
其中,AGV可以通过接收服务器所广播的信息,从而获取得到该目标行驶区域中多个AGV的第一位置信息。
步骤402,基于多个AGV的第一位置信息控制行驶行为或行驶路线。
各AGV可以基于该AGV的第一位置信息以及其它AGV的位置信息,确定该AGV与其它AGV之间的相对方向和相对距离,从而基于该相对方向和相对距离,控制加速、减速或转向等行驶行为,或者,确定是否修改行驶路线,并在确定修改行驶路线时重新确定行驶路线。
例如,AGV可以在确定周围预设范围内存在的AGV数目大于第一预设数目时进行加速,存在AGV数目小于第二预设数目时进行减速,在确定即将转向的方向在该预设范围内不存在AGV时进行转向,在确定当前的行驶路线中存在的AGV数目大于第三预设数目时确定修改行驶路线。当然,在实际应用中,AGV也可以通过其它方式,来基于多个AGV的第一位置信息控制行驶行为或行驶路线,本公开实施例对此基于多个AGV的第一位置信息控制行驶行为或行驶路线的方式不做具体限定。
在本公开实施例中,可以接收多个AGV的第一位置信息,并基于多个AGV的第一位置信息控制行驶行为或行驶路线。由于定位传感器可以设置在目标行驶区域的上方,且通过定位传感器获取该目标行驶区域中多个AGV当前的第一位置信息,那么该目标行驶区域中的各AGV可以直接根据获取的多个AGV的第一位置信息对行驶行为或行驶路线进行控制,而不必分别感知周围的AGV,不仅避免了各AGV分别设置摄像头存在的盲区的问题,也避免了各AGV分别对摄像头所获取的图像的运算过程受车载计算单元的运算能力限制较大的问题,提高了AGV感知定位的可靠性和实时性,降低了成本。
可选地,可以接收多个AGV的运动轨迹和运动状态、至少一个障碍物的第一位置信息和至少一个障碍物的运动轨迹和运动状态中的至少一个,步骤402中基于多个所述AGV的所述第一位置信息控制行驶行为或行驶路线的操作,可以包括:基于多个AGV的运动轨迹和运动状态、至少一个障碍物的第一位置信息和至少一个障碍物的运动轨迹和运动状态中的至少一个以及多个AGV的所述第一位置信息,控制行驶行为或行驶路线。
由于目标行驶区域可能会包括障碍物、且障碍物和AGV可能是运动的,那么可以将多个AGV的运动轨迹和运动状态、至少一个障碍物的第一位置信息和至少一个障碍物的运动轨迹和运动状态中的至少一个发送至各AGV,从而便于各AGV可以基于多个AGV的运动轨迹和运动状态、至少一个障碍物的第一位置信息和至少一个障碍物的运动轨迹和运动状态中的至少一个以及多个AGV的所述第一位置信息,控制行驶行为或行驶路线,以进一步减少AGV与其它AGV或障碍物发生碰撞或摩擦的可能,提高感知定位的可靠性。
请参照图5,为本公开所提供的一种AGV感知定位装置500的功能模块示意图。需要说明的是,本实施例所提供的AGV感知定位装置500,其基本原理及产生的技术效果与前述对应的方法实施例相同,为简要描述,本实施例中未提及部分,可参考方法实施例中的相应内容。该AGV感知定位装置500包括第一获取模块501、第一发送模块502。
第一获取模块501,用于通过定位传感器获取目标行驶区域中多个AGV当前的第一位置信息,该定位传感器设置在该目标行驶区域的上方;
第一发送模块502,用于将多个该AGV的该第一位置信息,分别发送给各该AGV,多个该AGV的该第一位置信息用于各该AGV行驶控制行驶行为或行驶路线。
可选地,该定位传感器包括图像传感器,该第一获取模块501,还用于:
通过该图像传感器获取该目标行驶区域的当前的第一区域图像;
从该第一区域图像识别得到多个该AGV的该第一位置信息。
可选地,该第一获取模块501,还用于:
通过预设深度学习算法,对该第一区域图像进行识别,得到多个待识别目标的第一目标框位置和目标类别,基于多个该待识别目标的该目标类别,从多个该待识别目标中识别得到多个该AGV,并基于各该AGV的该第一目标框位置,确定各该AGV的第一位置信息。
可选地,请参照图6,该装置还包括:
第二获取模块503,用于通过该定位传感器获取该目标行驶区域中多个该AGV在当前时刻之前的第二位置信息;
第一生成模块504,用于基于各该AGV的该第一位置信息和该第二位置信息,生成各该AGV的运动轨迹和运动状态;
第二发送模块505,用于将各该AGV的该运动轨迹和该运动状态,发送至各该AGV。
可选地,该定位传感器包括图像传感器,该第二获取模块503,还用于:
通过该图像传感器获取该目标行驶区域在当前时刻之前的第二区域图像;
从该第二区域图像识别得到各该AGV的第二目标框位置、第二目标框尺寸;
基于各该AGV的该第二目标框位置,确定各该AGV的该第二位置信息;
该第一生成模块504,还用于:
通过预设跟踪算法,基于各该AGV的该第二目标框位置和该第二目标框尺寸,预测各该AGV在当前时刻的第三目标框位置和第三目标框尺寸;
通过预设关联算法,基于各该AGV的该第三目标框位置和该第三目标框尺寸、各该AGV在该第一区域图像中的第一目标框位置和第一目标框尺寸,将该第一区域图像中的各该AGV与该第二区域图像中的各该AGV进行关联;
基于关联后的各该AGV的该第一位置信息和该第二位置信息,生成各该AGV的运动轨迹和运动状态。
可选地,请参照图7,该装置还包括:
第二生成模块506,用于生成各该AGV的身份标签;
标记模块507,用于通过各该AGV的该身份标签,对各该AGV进行标记。
可选地,请参照图8,该装置还包括:
第三获取模块508,用于通过定位传感器获取目标行驶区域中的至少一个障碍物的第一位置信息;
第三发送模块509,用于基于至少一个该障碍物的该第一位置信息发送至各该AGV。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
请参照图9,为本公开所提供的一种AGV感知定位装置900的功能模块示意图。需要说明的是,本实施例所提供的AGV感知定位装置900,其基本原理及产生的技术效果与前述对应的方法实施例相同,为简要描述,本实施例中未提及部分,可参考方法实施例中的相应内容。该AGV感知定位装置900包括第一接收模块901、感知定位模块902。
第一接收模块901,用于接收多个AGV的第一位置信息,多个该AGV的该第一位置信息为通过定位传感器从目标行驶区域获取得到,该定位传感器设置在该目标行驶区域的上方;
感知定位模块902,用于基于多个该AGV的该第一位置信息控制行驶行为或行驶路线。
可选地,请参照图10,该装置还包括:
第二接收模块903,用于接收多个该AGV的运动轨迹和运动状态、至少一个障碍物的该第一位置信息和至少一个该障碍物的该运动轨迹和该运动状态中的至少一个;
该感知定位模块902,还用于:
基于多个该AGV的运动轨迹和运动状态、至少一个障碍物的该第一位置信息和至少一个该障碍物的该运动轨迹和该运动状态中的至少一个以及多个该AGV的该第一位置信息,控制行驶行为或行驶路线。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上***(system-on-a-chip,简称SOC)的形式实现。
请参照图11,为本公开所提供的一种服务器的功能模块示意图。该服务器可以包括处理器1101、计算机可读存储介质1102和总线1103,该计算机可读存储介质1102存储有该处理器1101可执行的机器可读指令,当该服务器运行时,该处理器1101与该计算机可读存储介质1102之间通过总线1103通信,该处理器1101执行该机器可读指令,可以实现上述方法实施例。具体实现方式和技术效果类似,这里不再赘述。
请参照图12,为本公开所提供的一种服务器的功能模块示意图。该服务器可以包括处理器1201、计算机可读存储介质1202和总线1203,该计算机可读存储介质1202存储有该处理器1201可执行的机器可读指令,当该服务器运行时,该处理器1201与该计算机可读存储介质1202之间通过总线1203通信,该处理器1201执行该机器可读指令,可以实现上述方法实施例。具体实现方式和技术效果类似,这里不再赘述。
可选地,本公开还提供一计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行,以实现上述方法实施例。
在本公开所提供的几个实施例中,应该理解到,以上所描述的装置实施例仅仅是示意性的,所揭露的装置和方法,可以通过其它的方式实现。例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行,例如各单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (13)
1.一种自动引导车AGV感知定位方法,其特征在于,所述方法包括:
通过定位传感器获取目标行驶区域中多个AGV当前的第一位置信息,所述定位传感器设置在所述目标行驶区域的上方;
将多个所述AGV的所述第一位置信息,分别发送给各所述AGV,多个所述AGV的所述第一位置信息用于各所述AGV行驶控制行驶行为或行驶路线。
2.如权利要求1所述的方法,其特征在于,所述定位传感器包括图像传感器,所述通过定位传感器获取目标行驶区域中多个AGV当前的第一位置信息,包括:
通过所述图像传感器获取所述目标行驶区域的当前的第一区域图像;
从所述第一区域图像识别得到多个所述AGV的所述第一位置信息。
3.如权利要求2所述的方法,其特征在于,所述从所述第一区域图像识别得到多个所述AGV的所述第一位置信息,包括:
通过预设深度学习算法,对所述第一区域图像进行识别,得到多个待识别目标的第一目标框位置和目标类别,基于多个所述待识别目标的所述目标类别,从多个所述待识别目标中识别得到多个所述AGV,并基于各所述AGV的所述第一目标框位置,确定各所述AGV的第一位置信息。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
通过所述定位传感器获取所述目标行驶区域中多个所述AGV在当前时刻之前的第二位置信息;
基于各所述AGV的所述第一位置信息和所述第二位置信息,生成各所述AGV的运动轨迹和运动状态;
将各所述AGV的所述运动轨迹和所述运动状态,发送至各所述AGV。
5.如权利要求4所述的方法,其特征在于,所述定位传感器包括图像传感器,所述通过所述定位传感器获取所述目标行驶区域中多个所述AGV在当前时刻之前的第二位置信息,包括:
通过所述图像传感器获取所述目标行驶区域在当前时刻之前的第二区域图像;
从所述第二区域图像识别得到各所述AGV的第二目标框位置、第二目标框尺寸;
基于各所述AGV的所述第二目标框位置,确定各所述AGV的所述第二位置信息;
所述基于各所述AGV的所述第一位置信息和所述第二位置信息,生成各所述AGV的运动轨迹和运动状态,包括:
通过预设跟踪算法,基于各所述AGV的所述第二目标框位置和所述第二目标框尺寸,预测各所述AGV在当前时刻的第三目标框位置和第三目标框尺寸;
通过预设关联算法,基于各所述AGV的所述第三目标框位置和所述第三目标框尺寸、各所述AGV在第一区域图像中的第一目标框位置和第一目标框尺寸,将所述第一区域图像中的各所述AGV与所述第二区域图像中的各所述AGV进行关联;
基于关联后的各所述AGV的所述第一位置信息和所述第二位置信息,生成各所述AGV的所述运动轨迹和所述运动状态。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
生成各所述AGV的身份标签;
通过各所述AGV的所述身份标签,对各所述AGV进行标记。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
通过定位传感器获取目标行驶区域中的至少一个障碍物的第一位置信息;
基于至少一个所述障碍物的所述第一位置信息发送至各所述AGV。
8.一种AGV感知定位方法,其特征在于,所述方法包括:
接收多个AGV的第一位置信息,多个所述AGV的所述第一位置信息为通过定位传感器从目标行驶区域获取得到,所述定位传感器设置在所述目标行驶区域的上方;
基于多个所述AGV的所述第一位置信息控制行驶行为或行驶路线。
9.一种AGV感知定位装置,其特征在于,所述装置包括:
第一获取模块,用于通过定位传感器获取目标行驶区域中多个AGV当前的第一位置信息,所述定位传感器设置在所述目标行驶区域的上方;
第一发送模块,用于将多个所述AGV的所述第一位置信息,分别发送给各所述AGV,多个所述AGV的所述第一位置信息用于各所述AGV行驶控制行驶行为或行驶路线。
10.一种AGV感知定位装置,其特征在于,所述装置包括:
第一接收模块,用于接收多个AGV的第一位置信息,多个所述AGV的所述第一位置信息为通过定位传感器从目标行驶区域获取得到,所述定位传感器设置在所述目标行驶区域的上方;
感知定位模块,用于基于多个所述AGV的所述第一位置信息控制行驶行为或行驶路线。
11.一种服务器,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当所述服务器运行时,所述处理器与所述存储介质之间通过所述总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1-7任一方法的步骤。
12.一种AGV,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当所述AGV运行时,所述处理器与所述存储介质之间通过所述总线通信,所述处理器执行所述机器可读指令,以执行如权利要求8方法的步骤。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1-7任一方法或权利要求8方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911225711.8A CN110913335B (zh) | 2019-12-03 | 2019-12-03 | 自动引导车感知定位方法、装置、服务器及自动引导车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911225711.8A CN110913335B (zh) | 2019-12-03 | 2019-12-03 | 自动引导车感知定位方法、装置、服务器及自动引导车 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110913335A true CN110913335A (zh) | 2020-03-24 |
CN110913335B CN110913335B (zh) | 2021-08-24 |
Family
ID=69822140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911225711.8A Active CN110913335B (zh) | 2019-12-03 | 2019-12-03 | 自动引导车感知定位方法、装置、服务器及自动引导车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110913335B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021223085A1 (en) * | 2020-05-06 | 2021-11-11 | Abb Schweiz Ag | Transporter and method for transporting object |
CN113992864A (zh) * | 2021-10-20 | 2022-01-28 | 中国电信股份有限公司 | Agv视觉导航***、方法、装置、电子设备和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105159302A (zh) * | 2015-09-23 | 2015-12-16 | 许继集团有限公司 | 一种agv小车及其自动导航方法 |
US20180102128A1 (en) * | 2016-10-06 | 2018-04-12 | Wal-Mart Stores, Inc. | Systems and methods to communicate with persons of interest |
CN108133608A (zh) * | 2016-12-01 | 2018-06-08 | 江苏森蓝智能***有限公司 | 一种采用交互机制的agv路径控制方式 |
CN109857107A (zh) * | 2019-01-30 | 2019-06-07 | 广州大学 | Agv小车导航方法、装置、***、介质和设备 |
CN110377027A (zh) * | 2019-06-04 | 2019-10-25 | 深圳市速腾聚创科技有限公司 | 无人驾驶感知方法、***、装置和存储介质 |
-
2019
- 2019-12-03 CN CN201911225711.8A patent/CN110913335B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105159302A (zh) * | 2015-09-23 | 2015-12-16 | 许继集团有限公司 | 一种agv小车及其自动导航方法 |
US20180102128A1 (en) * | 2016-10-06 | 2018-04-12 | Wal-Mart Stores, Inc. | Systems and methods to communicate with persons of interest |
CN108133608A (zh) * | 2016-12-01 | 2018-06-08 | 江苏森蓝智能***有限公司 | 一种采用交互机制的agv路径控制方式 |
CN109857107A (zh) * | 2019-01-30 | 2019-06-07 | 广州大学 | Agv小车导航方法、装置、***、介质和设备 |
CN110377027A (zh) * | 2019-06-04 | 2019-10-25 | 深圳市速腾聚创科技有限公司 | 无人驾驶感知方法、***、装置和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021223085A1 (en) * | 2020-05-06 | 2021-11-11 | Abb Schweiz Ag | Transporter and method for transporting object |
CN113992864A (zh) * | 2021-10-20 | 2022-01-28 | 中国电信股份有限公司 | Agv视觉导航***、方法、装置、电子设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110913335B (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111670468B (zh) | 移动体行为预测装置以及移动体行为预测方法 | |
EP3091370B1 (en) | Method and arrangement for determining safe vehicle trajectories | |
EP2865575B1 (en) | Confidence estimation for predictive driver assistance systems based on plausibility rules | |
US20190286145A1 (en) | Method and Apparatus for Dynamic Obstacle Avoidance by Mobile Robots | |
Darms et al. | Obstacle detection and tracking for the urban challenge | |
CN111474930B (zh) | 一种基于视觉定位的循迹控制方法、装置、设备及介质 | |
US20210269040A1 (en) | Driving assist method and driving assist device | |
AlZu'bi et al. | Data fusion in autonomous vehicles research, literature tracing from imaginary idea to smart surrounding community | |
CN109844843A (zh) | 用于检查超车可能性条件的方法 | |
US10160459B2 (en) | Vehicle lane direction detection | |
Kim et al. | Probabilistic threat assessment with environment description and rule-based multi-traffic prediction for integrated risk management system | |
US20220097732A1 (en) | Method and system for using a reaction of other road users to ego-vehicle actions in autonomous driving | |
US11814072B2 (en) | Method and system for conditional operation of an autonomous agent | |
CN110913335B (zh) | 自动引导车感知定位方法、装置、服务器及自动引导车 | |
US20190221125A1 (en) | Driving assistance device and driving assistance method | |
CN114061581A (zh) | 通过相互重要性对自动驾驶车辆附近的智能体排名 | |
CN110908379A (zh) | 基于历史信息的车辆轨迹预测方法、装置及存储介质 | |
US20220392276A1 (en) | Vehicle behavior evaluation device, vehicle behavior evaluation method, and vehicle behavior evaluation program product | |
AU2022200113A1 (en) | Proactive lane change for autonomous vehicles | |
CN113228131B (zh) | 用于提供周围环境数据的方法和*** | |
US20200189588A1 (en) | Driving Assistance Method and Driving Assistance Apparatus | |
RU2763330C1 (ru) | Способ управления автономным движением и система управления автономным движением | |
CN112536795B (zh) | 控制机器人运行的方法、装置、终端设备及存储介质 | |
CN115171371B (zh) | 一种协作式道路交叉口通行方法及装置 | |
CN116022168A (zh) | Ads感知***感知的自由空间验证 |
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 |