CN112729289B - 应用于自动导引车的定位方法、装置、设备和存储介质 - Google Patents

应用于自动导引车的定位方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN112729289B
CN112729289B CN202011541315.9A CN202011541315A CN112729289B CN 112729289 B CN112729289 B CN 112729289B CN 202011541315 A CN202011541315 A CN 202011541315A CN 112729289 B CN112729289 B CN 112729289B
Authority
CN
China
Prior art keywords
guided vehicle
automatic guided
particle
current time
information
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.)
Active
Application number
CN202011541315.9A
Other languages
English (en)
Other versions
CN112729289A (zh
Inventor
仝新新
王延红
董文宇
钱国忠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Unicom Internet of Things Corp Ltd
Original Assignee
China Unicom Internet of Things Corp Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Unicom Internet of Things Corp Ltd filed Critical China Unicom Internet of Things Corp Ltd
Priority to CN202011541315.9A priority Critical patent/CN112729289B/zh
Publication of CN112729289A publication Critical patent/CN112729289A/zh
Application granted granted Critical
Publication of CN112729289B publication Critical patent/CN112729289B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4189—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system
    • G05B19/41895—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system using automatic guided vehicles [AGV]
    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/60—Electric or hybrid propulsion means for production processes

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请提供一种应用于自动导引车的定位方法、装置、设备和存储介质，通过采集并识别自动导引车所在环境中的每一标记图案，得到每一标记图案的位置信息，并确定自动导引车与每一标记图案之间相对位置关系；根据各图案位置信息和各相对位置关系，确定当前时刻下的估计位置；若识别出的标记图案的数量小于预设值，则获取当前时刻下自动导引车的姿态信息，并根据当前时刻下的预设粒子群、估计位置和姿态信息，确定当前时刻下的定位位置。通过上述方法，可以避免由于环境光线昏暗或者由于摄像头被遮挡导致识别出的图案数量较少，自动导引车定位不准确，误差较大的问题。

Description

应用于自动导引车的定位方法、装置、设备和存储介质
技术领域
本申请涉及通信技术，尤其涉及一种应用于自动导引车的定位方法、装置、设备和存储介质。
背景技术
目前，自动导引车作为一种运输货物的重要设备，广泛的应用于工业自动化运输中。为了实现自动化运输，通常需获取自动导引车的实时坐标，并依据实时坐标进行路径规划。
现有技术中，自动导引车通过摄像头采集实时环境图像，并对实时环境图像进行分析得到实时环境图像中的标记图案所处于的位置，依据标记图案所处于的位置，得到自动导引车的当前位置。
然而，通过上述方法，当摄像头受到遮挡或者自动导引车所处光线条件较差时，使得摄像头所获取实时图像中的标记图案数量较少或者标记图案难以识别，从而导致自动导引车的定位不准确，误差较大。
发明内容
本申请提供一种应用于自动导引车的定位方法、装置、设备和存储介质，用以解决在自动导引车定位过程中，直接依据摄像头采集的标记图案进行定位时，若采集到的标记图案数量较少或者难以识别时，导致定位结果不准确的问题。
第一方面，本申请提供一种应用于自动导引车的定位方法，包括：
采集并识别当前时刻下所述自动导引车所在环境中的每一标记图案，得到所述每一标记图案所携带的图案位置信息，并确定所述自动导引车与所述每一标记图案之间相对位置关系。
根据各所述图案位置信息和各所述相对位置关系，确定当前时刻下所述自动导引车的估计位置。
若所述自动导引车所在环境中的标记图案的数量小于预设值，则获取当前时刻下所述自动导引车的姿态信息，并根据当前时刻下的预设粒子群、当前时刻下所述自动导引车的估计位置和姿态信息，确定当前时刻下所述自动导引车的定位位置；其中，所述预设粒子群中包括多个粒子，每一粒子具有位置信息，每一粒子的位置信息与前一时刻下所述自动导引车的估计位置之间的距离小于阈值。
一种可能的设计中，根据当前时刻下的预设粒子群、当前时刻下所述自动导引车的估计位置和姿态信息，确定当前时刻下所述自动导引车的定位位置，包括：
依据当前时刻下所述自动导引车的姿态信息，对所述粒子群中每一粒子的粒子位置进行优化，得到多个优化后的粒子位置。
根据当前时刻下所述自动导引车的估计位置，对所述多个优化后的粒子位置进行加权处理，得到当前时刻下所述自动导引车的定位位置。
一种可能的设计中，当前时刻下所述自动导引车的姿态信息包括：当前时刻下所述自动导引车的第一方向角、以及当前时刻下所述自动导引车的步长，其中，所述步长表征自动导引车在相邻时刻下的相对位移；所述粒子位置中包括粒子坐标和第二方向角。
依据当前时刻下所述自动导引车的姿态信息，对所述粒子群中每一粒子的粒子位置进行优化，得到多个优化后的粒子位置，包括：
依据当前时刻下所述自动导引车的所述姿态信息中的步长和第一方向角，对所述每一粒子的粒子位置中的粒子坐标和第二方向角进行调整，得到多个优化后的粒子位置。
一种可能的设计中，所述获取当前时刻下所述自动导引车的姿态信息，包括：
获取当前时刻下的所述自动导引车上的磁力计所采集的第三方向角，并获取当前时刻下的所述自动导引车上的陀螺仪采集的角速度和加速度。
根据所述角速度，确定第四方向角，并对所述第三方向角与第四方向角进行均值滤波，得到所述第一方向角。
对所述加速度进行积分处理，确定所述步长。
一种可能的设计中，在依据当前时刻下所述自动导引车的姿态信息，对所述粒子群中每一粒子的粒子位置进行优化，得到多个优化后的粒子位置之后，还包括：
对所述多个优化后的粒子位置进行无迹卡尔曼滤波处理，以调整每一优化后的粒子位置与当前时刻下所述自动导引车的估计位置之间的距离，得到各滤波后的粒子位置。
一种可能的设计中，根据当前时刻下所述自动导引车的估计位置，对所述多个优化后的粒子位置进行加权处理，得到当前时刻下所述自动导引车的定位位置，包括：
确定当前时刻下所述自动导引车的估计位置与每一优化后的粒子位置之间的距离信息。
依据与每一优化后的粒子位置对应的距离信息，确定每一优化后的粒子位置的权重值，其中，权重值与距离信息之间为负相关关系。
对每一优化后的粒子位置的权重值和每一优化后的粒子位置进行加权处理，得到当前时刻下所述自动导引车的定位位置。
一种可能的设计中，在所述根据当前时刻下的预设粒子群、当前时刻下所述自动导引车的估计位置和姿态信息，确定当前时刻下所述自动导引车的定位位置之后，包括：
依据各优化后的粒子位置的权重值，对各优化后的粒子位置进行重采样处理，得到下一时刻的预设粒子群；其中，下一时刻的预设粒子群中权重值大于预设权重的粒子的总个数，大于预设个数。
一种可能的设计中，采集并识别当前时刻下所述自动导引车所在环境中的每一标记图案，包括：
通过摄像头采集所述每一标记图案，提取所述每一标记图案的特征。
对每一标记图案的特征与预设数据库中标记图案的特征进行比对，得到所述每一标记图案所携带的图案位置信息。
一种可能的设计中，所述方法还包括：
若所述自动导引车所在环境中的标记图案的数量大于等于预设值，则确定当前时刻下所述自动导引车的估计位置，为当前时刻下所述自动导引车的定位位置。
一种可能的设计中，所述方法还包括：
根据当前时刻下所述自动导引车的定位位置和预设目标位置，生成自动导引车的行驶路径。
根据所述行驶路径，控制所述自动导引车进行行驶。
一种可能的设计中，根据所述行驶路径，控制所述自动导引车进行行驶，包括：
根据所述行驶路径生成路径指示，将所述路径指示发送给所述自动导引车；其中，所述路径指示用于所述自动导引车依据所述路径指示所表征的行驶路径进行行驶。
第二方面，本申请提供一种应用于自动导引车的定位装置，包括：
采集单元，用于采集并识别当前时刻下所述自动导引车所在环境中的每一标记图案，得到所述每一标记图案所携带的图案位置信息，并确定所述自动导引车与所述每一标记图案之间相对位置关系。
估计单元，用于根据各所述图案位置信息和各所述相对位置关系，确定当前时刻下所述自动导引车的估计位置。
获取单元，用于若所述自动导引车所在环境中的标记图案的数量小于预设值，则获取当前时刻下所述自动导引车的姿态信息；
第一确定单元，用于根据当前时刻下的预设粒子群、当前时刻下所述自动导引车的估计位置和姿态信息，确定当前时刻下所述自动导引车的定位位置；其中，所述预设粒子群中包括多个粒子，每一粒子具有位置信息，每一粒子的位置信息与前一时刻下所述自动导引车的估计位置之间的距离小于阈值。
一种可能的设计中，第一确定单元，包括：
优化模块，用于依据当前时刻下所述自动导引车的姿态信息，对所述粒子群中每一粒子的粒子位置进行优化，得到多个优化后的粒子位置。
确定模块，用于根据当前时刻下所述自动导引车的估计位置，对所述多个优化后的粒子位置进行加权处理，得到当前时刻下所述自动导引车的定位位置。
一种可能的设计中，当前时刻下所述自动导引车的姿态信息包括：当前时刻下所述自动导引车的第一方向角、以及当前时刻下所述自动导引车的步长，其中，所述步长表征自动导引车在相邻时刻下的相对位移；所述粒子位置中包括粒子坐标和第二方向角。
优化模块，具体用于依据当前时刻下所述自动导引车的所述姿态信息中的步长和第一方向角，对所述每一粒子的粒子位置中的粒子坐标和第二方向角进行调整，得到多个优化后的粒子位置。
一种可能的设计中，所述获取单元，包括：
获取模块，用于获取当前时刻下的所述自动导引车上的磁力计所采集的第三方向角，并获取当前时刻下的所述自动导引车上的陀螺仪采集的角速度和加速度。
计算模块，用于根据所述角速度，确定第四方向角，并对所述第三方向角与第四方向角进行均值滤波，得到所述第一方向角。
处理模块，用于对所述加速度进行积分处理，确定所述步长。
一种可能的设计中，所述第一确定单元，还包括：
滤波模块，用于在所述优化模块依据当前时刻下所述自动导引车的姿态信息，对所述粒子群中每一粒子的粒子位置进行优化，得到多个优化后的粒子位置之后，对所述多个优化后的粒子位置进行无迹卡尔曼滤波处理，以调整每一优化后的粒子位置与当前时刻下所述自动导引车的估计位置之间的距离，得到各滤波后的粒子位置。
一种可能的设计中，所述确定模块，具体用于：
确定当前时刻下所述自动导引车的估计位置与每一优化后的粒子位置之间的距离信息。
依据与每一优化后的粒子位置对应的距离信息，确定每一优化后的粒子位置的权重值，其中，权重值与距离信息之间为负相关关系。
对每一优化后的粒子位置的权重值和每一优化后的粒子位置进行加权处理，得到当前时刻下所述自动导引车的定位位置。
一种可能的设计中，所述确定模块，还用于在所述根据当前时刻下的预设粒子群、当前时刻下所述自动导引车的估计位置和姿态信息，确定当前时刻下所述自动导引车的定位位置之后，依据各优化后的粒子位置的权重值，对各优化后的粒子位置进行重采样处理，得到下一时刻的预设粒子群；其中，下一时刻的预设粒子群中权重值大于预设权重的粒子的总个数，大于预设个数。
一种可能的设计中，所述采集单元，包括：
采集模块，用于通过摄像头采集所述每一标记图案，提取所述每一标记图案的特征。
比对模块，用于对每一标记图案的特征与预设数据库中标记图案的特征进行比对，得到所述每一标记图案所携带的图案位置信息。
一种可能的设计中，所述装置还包括：
第二确定单元，用于若所述自动导引车所在环境中的标记图案的数量大于等于预设值，则确定当前时刻下所述自动导引车的估计位置，为当前时刻下所述自动导引车的定位位置。
一种可能的设计中，所述装置还包括：
规划单元，用于根据当前时刻下所述自动导引车的定位位置和预设目标位置，生成自动导引车的行驶路径。
控制单元，用于根据所述行驶路径，控制所述自动导引车进行行驶。
一种可能的设计中，所述控制单元，具体用于根据所述行驶路径生成路径指示，将所述路径指示发送给所述自动导引车；其中，所述路径指示用于所述自动导引车依据所述路径指示所表征的行驶路径进行行驶。
第三方面，本申请提供一种主控制设备，包括：存储器，处理器；
存储器；用于存储所述处理器可执行指令的存储器；
其中，所述处理器，用于根据所述可执行指令执行如第一方面任一项所述的方法。
第四方面，本申请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计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面任一项所述的方法。
第五方面，本申请提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如第一方面任一项所述的方法。
第六方面，本申请提供一种应用于自动导引车的定位***，所述***包括如第三方面所述的主控制设备、以及自动导引车。
一种可能的设计中，所述自动导引车中设置有磁力计、陀螺仪和控制器。
一种可能的设计中，所述自动导引车的控制器，用于接收所述自动导引车的超声波传感器所发送的环境信息，根据所述环境信息确定障碍物信息，并根据所述障碍物信息控制所述自动导引车进行避让。
本申请提供的应用于自动导引车的定位方法、装置、设备和存储介质，通过采集并识别当前时刻下自动导引车所在环境中的每一标记图案，得到每一标记图案所携带的图案位置信息，并确定自动导引车与每一标记图案之间相对位置关系；根据各图案位置信息和各相对位置关系，确定当前时刻下自动导引车的估计位置；若自动导引车所在环境中的标记图案的数量小于预设值，则获取当前时刻下自动导引车的姿态信息，并根据当前时刻下的预设粒子群、当前时刻下自动导引车的估计位置和姿态信息，确定当前时刻下自动导引车的定位位置。通过上述方法，可以避免由于环境光线昏暗或者由于摄像头遮挡导致识别出的图案数量较少，而使得自动导引车定位不准确进而影响自动导引车路径规划出现误差的问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请提供的一种应用于自动导引车的定位方法的流程图；
图2为本申请提供的一种应用于自动导引车的定位方法的场景示意图；
图3为本申请提供的另一种应用于自动导引车的定位方法的流程图；
图4为本申请实施例提供的一种应用于自动导引车的定位装置的结构示意图；
图5为本申请实施例提供另一种应用于自动导引车的定位装置的结构示意图；
图6为本申请实施例中提供的一种主控制设备的结构示意图；
图7为本申请实施例提供的一种应用于自动导引车的定位***的结构示意图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
随着生产力的发展，自动导引车作为一种无需人为驾驶的自动化的搬运设备，广泛的应用于自动化运输中。为了实现自动导引车的自动行驶，需要实时获取自动导引车的实时位置，并依据实时位置为其进行路径规划。
一个示例中，自动导引车导航可通过在地面上设置辅助设备，例如：磁条或磁钉等材料，并通过在自动导引车上安装磁条传感器的方法，通过磁条传感器所采集到的信号，确定自动导引车位置，并为其进行路径规划。
然而，通过上述方法实现自动导引车的定位，由于地面磁条受到挤压之后容易导致磁条磨损甚至损坏，需要及时维修及更换。此外该方法还容易受到外界电磁的干扰使得定位不准确。
一个示例中，自动导引车通过摄像头采集实时环境图像，并对实时环境图像进行分析得到实时环境图像中的标记图案所处于的位置，并根据摄像头与拍摄到的标记图案之间的相对位置，估计出自动导引车的位置坐标。
然而，通过上述方法实现自动导引车的定位，当光照条件差或摄像头前出现遮挡时，会导致摄像头所拍摄到的标记图案数量较少或者对所拍摄到的图案进行识别时由于光线较弱，从而使得对标记图案提取的特征较少，无法确定该标记图案的坐标或者对这些标记图案进行准确的识别。
本申请提供的应用于自动导引车的定位方法、装置、设备和存储介质，旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图1为本申请提供的一种应用于自动导引车的定位方法的流程图，如图1所示，该方法包括：
101、采集并识别当前时刻下自动导引车所在环境中的每一标记图案，得到每一标记图案所携带的图案位置信息，并确定自动导引车与每一标记图案之间相对位置关系。
图2为本申请提供的一种应用于自动导引车的定位方法的场景示意图，如图2所示，自动导引车上安装有摄像头，用于采集自动导引车周围的环境图像。在每一储货区中设置有标记图案，标记图案的数量按照实际情况设置，标记图案可以设置在储货区的货架上或储货区的其余位置上。
示例性地，为了确定自动导引车的位置，首先可以通过自动导引车上的摄像头采集当前时刻下自动导引车周围环境图像，并且对于所采集到的环境图像进行图像识别，确定环境图像中的每一标记图案，确定出每一标记图案的位置信息以及每一标记图案与自动导引车之间的相对位置关系。
一个示例中，环境图像中的标记图案与其各自的位置坐标之间存在有预设的对应关系，经过图像分析识别出标记图案后，可以通过预设关系查找得到各标记图案所对应的位置坐标。
之后在确定每一标记图案与自动导引车之间的相对位置关系时，一种方式中，可以通过摄像头的本身所具有的测距功能确定标识图案与自动导引车之间的相对距离作为相对位置关系，或者也可以依据采集的环境图像以及摄像头焦距分析出每一标记图案与自动导引车之间的位置夹角，作为每一标记图案与自动导引车之间的相对位置关系。
102、根据各图案位置信息和各相对位置关系，确定当前时刻下自动导引车的估计位置。
示例性地，在获取到每一标记图案的位置信息和每一标记图案与自动导引车之间的相对位置关系之后，可以依据三角定位、多边定位或者极点法等常见的定位方法来确定当前时刻下，自动导引车的初步估计位置。
103、若自动导引车所在环境中的标记图案的数量小于预设值，则获取当前时刻下自动导引车的姿态信息，并根据当前时刻下的预设粒子群、当前时刻下自动导引车的估计位置和姿态信息，确定当前时刻下自动导引车的定位位置；其中，预设粒子群中包括多个粒子，每一粒子具有位置信息，每一粒子的位置信息与前一时刻下自动导引车的估计位置之间的距离小于阈值。
示例性地，确定当前时刻所采集到的图像中，所识别出的标记图案的数量，比较标记图案数量与预设值之间的大小。当标记图案数量小于预设值时，表明当前的所识别出的标记图案数量较少，得到的初步估计位置的误差较大，需要进一步的确定自动引导车的位置。具体的，首先获取当前时刻下自动导引车的姿态信息，并且依据自动导引车前一时刻的估计位置，生成与前一时刻估计位置距离小于阈值的预设粒子群，预设粒子群中有多个粒子，每一粒子具有位置信息且与前一时刻估计位置距离较近，结合当前时刻下的估计位置最终确定当前时刻下自动导引车的定位位置，其中，前一时刻的自动导引车的估计位置，可以为通过标记图案估计出的位置，也可以为经过预设粒子确定出的位置。
一个示例中，当标记图案数量小于预设值时，获取当前时刻下自动导引车的姿态信息可以包括有陀螺仪测得的角速度、加速度计测得的加速度、磁力计测得的偏航角。将与前一时刻估计位置有关的预设粒子群，通过自动导引车的姿态信息对其中的粒子进行调整，得到多个当前时刻下的假定粒子，通过假定粒子与当前时刻估计位置之间的距离，挑选出距离较近的点所处的构成的区域，该区域的质心的坐标可以作为当前时刻下自动导引车的定位位置。
本申请实施例中，首先通过所采集并识别出的环境信息中的标记图案，进一步确定出标记图案的位置信息以及当前时刻下自动引导车与所识别出的每一标记图案之间的相对位置关系，以及常用的定位算法初步估算出当前时刻下自动导引车的估计位置。之后确定所识别出的标记图案数量是否小于预设值，若小于预设值，则表明当前时刻下的估计位置定位不准确存在误差，则需要进一步确定当前时刻下的位置。具体的，可以在前一时刻的估计位置附近预设出多个粒子，多个粒子所携带的位置信息与前一时刻的估计位置之间距离小于阈值，之后令这些粒子按照所获取的姿态信息进行移动，即通过姿态信息改变多个预设粒子的位置信息。然后再利用改变后的多个预设粒子的位置信息与当前时刻的估计位置确定出当前时刻下的定位位置。通过上述方法，可以依据所估计出的当前时刻的位置坐标以及前一时刻的位置坐标确定出当前时刻下的定位位置信息，避免了由于光线昏暗导致所拍摄出的图像无法准确识别出标记图案，或者摄像头被遮挡时所拍摄到的标记图案数量较少时，依据少量标记图案所定位出的位置不准确，误差较大的问题。
图3为本申请提供的另一种应用于自动导引车的定位方法的流程图，如图3所示，该方法包括：
201、通过摄像头采集每一标记图案，提取每一标记图案的特征。
示例性地，通过自动导引车上所安装的摄像头采集自动导引车周围的环境信息，识别环境图像中的标记图案，并对每一识别出的标记图案进行特征提取，例如图像的形状、颜色、纹理或灰度等。
202、对每一标记图案的特征与预设数据库中标记图案的特征进行比对，得到每一标记图案所携带的图案位置信息。
示例性地，预设数据库中预先存储有每一标记图案的特征以及每一标记图案的位置信息。将所识别出的每一标记图案所提取的特征与预设数据库中的特征进行比对，来确定所识别出的每一标记图案的位置信息。
一个示例中，可以计算所识别出的每一标记图案的特征与预设数据库中的标记图案特征之间的相似度，当相似度大于设定值时，则所识别出的标记图案的特征与预设数据库中的标记图案特征相同，则可以进一步确定出所识别出的标记图案的位置信息。
203、确定自动导引车与每一标记图案之间相对位置关系。
示例性地，在确定自动导引车与每一标记图案之间的相对位置关系时，一种可能的方式中，可以通过摄像头的本身所具有的测距功能来确定相对距离作为相对位置关系，或者也可以依据摄像头焦距以及采集的环境图像分析出每一标记图案与自动导引车之间的位置夹角，作为二者之间的相对位置关系。
204、根据各图案位置信息和各相对位置关系，确定当前时刻下自动导引车的估计位置。
示例性地，本步骤可以参见图1中的步骤102，不再赘述。
205、若自动导引车所在环境中的标记图案的数量小于预设值，则获取当前时刻下自动导引车的姿态信息。
示例性地，确定当前时刻所采集到的图像中识别出的标记图案的数量，比较标记图案数量与预设值之间的大小。当标记图案数量小于预设值时，表明当前识别出的标记图案数量较少，得到的估计位置的误差较大，需要通过获取当前时刻下自动导引车的姿态信息进一步的确定自动引导车的位置。一个示例中，可以通过惯性传感器获取自动导引车的姿态信息，例如加速度、倾斜、冲击、振动、旋转和多自由度运动等姿态信息。
一个可能的实现方式中，步骤205可以包括以下几个步骤：
第一步，获取当前时刻下的自动导引车上的磁力计所采集的第三方向角，并获取当前时刻下的自动导引车上的陀螺仪采集的角速度和加速度。
第二步，根据角速度，确定第四方向角，并对第三方向角与第四方向角进行均值滤波，得到第一方向角。
第三步，对加速度进行积分处理，确定步长。
示例性地，获取当前时刻的自动导引车的姿态信息包括当前时刻下自动导引车的方向角以及步长。为了获取第一方向角，首先获取自动导引车上的磁力计采集得到的第三方向角以及自动导引车上的陀螺仪采集的角速度，对角速度进行积分处理可以确定出第四方向角，之后对第三方向角和第四方向角进行均值滤波处理以得到第一方向角，进而避免磁力计受外界磁场的干扰以及陀螺仪的累计误差，从而导致获取的第一方向角不准确。之后还可以依据陀螺仪采集到的加速度，进行二次积分处理以得到自动导引车在预设时间间隔中的步长。
206、依据当前时刻下自动导引车的姿态信息，对粒子群中每一粒子的粒子位置进行优化，得到多个优化后的粒子位置。
示例性地，在获取到自动导引车的姿态信息之后，对预设粒子群中的每一粒子位置优化处理，具体的可以将预设粒子群中的每一粒子位置与自动导引车的姿态信息进行求和处理，以得到优化后的粒子位置。
一种可能的实现方式中，当前时刻下自动导引车的姿态信息包括：当前时刻下自动导引车的第一方向角、以及当前时刻下自动导引车的步长，其中，步长表征自动导引车在相邻时刻下的相对位移；粒子位置中包括粒子坐标和第二方向角；则步骤206具体包括：
依据当前时刻下自动导引车的姿态信息中的步长和第一方向角，对每一粒子的粒子位置中的粒子坐标和第二方向角进行调整，得到多个优化后的粒子位置。
示例性地，每一粒子的位置信息可以包括有在预设坐标系中的横纵坐标(即，粒子坐标)以及第二方向角，而当前时刻下自动导引车的姿态信息可以包括自动导引车的第一方向角、以及自动导引车的步长，将自动导引车的步长映射到预设坐标系上，可以得到自动导引车在预设时间间隔以及预设坐标系中横轴的位移距离以及纵轴的位移距离。从而在预设坐标系中，结合每一粒子的位置信息以及当前时刻下自动导引车的姿态信息，令每一粒子的位置按照当前时刻下的姿态信息进行移动，得到多个优化后的粒子位置。
207、对多个优化后的粒子位置进行无迹卡尔曼滤波处理，以调整每一优化后的粒子位置与当前时刻下自动导引车的估计位置之间的距离，得到各滤波后的粒子位置。
示例性地，在对多个粒子进行优化后，可以对优化后的每一粒子的位置采取无迹卡尔曼滤波处理，调整每一优化后的粒子与估计位置之间的距离，在调整过程中，可以为每一优化后的粒子与估计位置设置不同的比重，当前时刻，若认为陀螺仪与磁力计的采集数据更可信，则优化后的粒子比重更大，调整后的每一优化后的粒子位置与当前时刻下自动导引车的估计位置之间的距离更远。当前时刻，若认为陀螺仪与磁力计的采集数据不可信，则估计位置的比重更大，调整后的每一优化后的粒子位置与当前时刻下自动导引车的估计位置之间的距离更近，具体的每一优化后的粒子与估计位置的比重可以依据实际情况进行调整。
208、根据当前时刻下自动导引车的估计位置，对多个优化后的粒子位置进行加权处理，得到当前时刻下自动导引车的定位位置。
示例性地，依据当前时刻下自动导引车的估计位置，为每一优化后粒子设置权重，对每一优化后粒子位置进行加权求和，得到当前时刻的自动导引车的定位位置，其中，每一优化后的粒子位置可以为步骤207得到各滤波后的粒子位置。在为每一优化后粒子设置权重时，可以依据自动导引车的估计位置与多个优化后的粒子位置进行确定，距离估计位置较近的粒子权重分配较大值，距离估计位置较远的粒子权重分配较小值。
一个可能的实现方式中，步骤208包括以下几个步骤：
步骤一，确定当前时刻下自动导引车的估计位置与每一优化后的粒子位置之间的距离信息。
步骤二，依据与每一优化后的粒子位置对应的距离信息，确定每一优化后的粒子位置的权重值，其中，权重值与距离信息之间为负相关关系。
步骤三，对每一优化后的粒子位置的权重值和每一优化后的粒子位置进行加权处理，得到当前时刻下自动导引车的定位位置。
示例性地，在确定自动导引车的定位位置时，首先可以依据自动导引车的估计位置与每一优化后的粒子位置计算出估计位置与每一优化后粒子之间的距离信息。之后可以依据每一距离信息确定出每一优化后的权重，其中距离越大权重越小。
一个示例中，可以计算每一距离信息与所有距离信息和的比值，并用预设数值减去每一比值，得到每一权重。之后，将每一权重与其对应的优化后的粒子位置相乘之后求和，即对每一优化后的粒子的位置进行加权求和，将加权求和后的结果作为最终得到当前时刻下自动导引车的定位位置。
209、依据各优化后的粒子位置的权重值，对各优化后的粒子位置进行重采样处理，得到下一时刻的预设粒子群；其中，下一时刻的预设粒子群中权重值大于预设权重的粒子的总个数，大于预设个数。
示例性地，在确定出自动导引车的定位位置之后，还需要继续对优化后的粒子群中各粒子的位置进行重采样处理。具体的，可以依据各优化后粒子位置的权重值以及常用的重采样算法例如随机重采样、多项式重采样、***重采样、分层重采样等算法中的任一种算法对各优化后的粒子进行重采样，使得重采样后的粒子群中的权重值大于预设权重的粒子数大于重采样前的预设个数，即重采样粒子群可以使得粒子群中权重较大的粒子的总个数增多，大于重采样前的权重较大的粒子所对应的个数。
210、若自动导引车所在环境中的标记图案的数量大于等于预设值，则确定当前时刻下自动导引车的估计位置，为当前时刻下自动导引车的定位位置。
示例性地，在步骤204之后，若确定当前时刻所采集到的图像中，所识别出的标记图案的数量大于等于预设值，则认为当前时刻下自动导引车的估计位置准确，即将当前时刻的自动导引车的估计位置作为当前时刻下的自动导引车的定位位置。
211、根据当前时刻下自动导引车的定位位置和预设目标位置，生成自动导引车的行驶路径。
示例性地，在确定出自动导引车的定位位置之后，可以依据自动导引车的预设目标位置以及预先存储的环境地图，进一步的确定自动导引车的行驶路径。
212、根据行驶路径，控制自动导引车进行行驶。
示例性地，自动导引车中的控制器会依据确定好的行驶路径，控制自动导引车按照行驶路径行驶。
一个示例中，根据行驶路径生成路径指示，将路径指示发送给自动导引车；其中，路径指示用于自动导引车依据路径指示所表征的行驶路径进行行驶。
示例性地，当确定出自动导引车的行驶路径之后，会依据行驶路径生成路径指示，并将路径指示下发给自动引导车，从而使得自动引导车中的控制器控制车辆按照路径指示中所包含的路径进行行驶。
本实施例中，通过对识别出的标识图案进行特征提取，在将提取后的特征与预设数据库中的预设特征进行比对，从而确定出标识图案在预设数据库中所存储的位置坐标，之后利用确定出的相对位置关系初步得到估计位置坐标。若识别出的标记图案数量较少，则可以通过磁力计以及陀螺仪确定当前时刻的方向角以及步长。在确定方向角时，采用对磁力计获取的方向角以及通过对陀螺仪采集的角速度计算方向角二者进行均值滤波得到最终的方向角。通过这一方法，可以避免磁力计受外界磁场影响使得得到的方向角不准，或者通过陀螺仪采集的角速度积分得到的方向角由于累计误差使得计算出的方向角不准确的问题。之后对于优化后的多个粒子进行无迹卡尔曼滤波，使得优化后的粒子的位置更加接近于可靠的方式得到的粒子位置，即更加接近估计的粒子位置，还是远离优化后的粒子位置，使得无迹卡尔曼滤波更加接近自动导引车的最终定位位置。之后，在通过依据估计位置坐标以及每一滤波后的粒子的位置坐标的距离确定每一粒子的权重值，加权求和得到当前时刻下的自动导引车的定位位置。并且依据各优化后的粒子位置的权重值，对各优化后的粒子位置进行重采样处理，得到下一时刻的预设粒子群，使得重采样后的粒子群中的权重值较大的粒子数目变多，从而使得下一时刻的定位位置更加准确。
图4为本申请实施例提供的一种应用于自动导引车的定位装置的结构示意图，如图4所示，该装置包括：
采集单元31，用于采集并识别当前时刻下自动导引车所在环境中的每一标记图案，得到每一标记图案所携带的图案位置信息，并确定自动导引车与每一标记图案之间相对位置关系。
估计单元32，用于根据各图案位置信息和各相对位置关系，确定当前时刻下自动导引车的估计位置。
获取单元33，用于若自动导引车所在环境中的标记图案的数量小于预设值，则获取当前时刻下自动导引车的姿态信息。
第一确定单元34，用于根据当前时刻下的预设粒子群、当前时刻下自动导引车的估计位置和姿态信息，确定当前时刻下自动导引车的定位位置；其中，预设粒子群中包括多个粒子，每一粒子具有位置信息，每一粒子的位置信息与前一时刻下自动导引车的估计位置之间的距离小于阈值。
本实施例提供的装置，用于实现上述方法提供的技术方案，其实现原理和技术效果类似，不再赘述。
图5为本申请实施例提供另一种应用于自动导引车的定位装置的结构示意图，如图5所示，在图4的基础上，第一确定单元34，包括：
优化模块341，用于依据当前时刻下自动导引车的姿态信息，对粒子群中每一粒子的粒子位置进行优化，得到多个优化后的粒子位置。
确定模块342，用于根据当前时刻下自动导引车的估计位置，对多个优化后的粒子位置进行加权处理，得到当前时刻下自动导引车的定位位置。
一个示例中，当前时刻下自动导引车的姿态信息包括：当前时刻下自动导引车的第一方向角、以及当前时刻下自动导引车的步长，其中，步长表征自动导引车在相邻时刻下的相对位移；粒子位置中包括粒子坐标和第二方向角。
优化模块341，具体用于依据当前时刻下自动导引车的姿态信息中的步长和第一方向角，对每一粒子的粒子位置中的粒子坐标和第二方向角进行调整，得到多个优化后的粒子位置。
一个示例中，获取单元33，包括：
获取模块331，用于获取当前时刻下的自动导引车上的磁力计所采集的第三方向角，并获取当前时刻下的自动导引车上的陀螺仪采集的角速度和加速度。
计算模块332，用于根据角速度，确定第四方向角，并对第三方向角与第四方向角进行均值滤波，得到第一方向角。
处理模块333，用于对加速度进行积分处理，确定步长。
一个示例中，第一确定单元34，还包括：
滤波模块343，用于在优化模块341依据当前时刻下自动导引车的姿态信息，对粒子群中每一粒子的粒子位置进行优化，得到多个优化后的粒子位置之后，对多个优化后的粒子位置进行无迹卡尔曼滤波处理，以调整每一优化后的粒子位置与当前时刻下自动导引车的估计位置之间的距离，得到各滤波后的粒子位置。
一个示例中，确定模块342，具体用于：
确定当前时刻下自动导引车的估计位置与每一优化后的粒子位置之间的距离信息。
依据与每一优化后的粒子位置对应的距离信息，确定每一优化后的粒子位置的权重值，其中，权重值与距离信息之间为负相关关系。
对每一优化后的粒子位置的权重值和每一优化后的粒子位置进行加权处理，得到当前时刻下自动导引车的定位位置。
一个示例中，确定模块342，还用于在根据当前时刻下的预设粒子群、当前时刻下自动导引车的估计位置和姿态信息，确定当前时刻下自动导引车的定位位置之后，依据各优化后的粒子位置的权重值，对各优化后的粒子位置进行重采样处理，得到下一时刻的预设粒子群；其中，下一时刻的预设粒子群中权重值大于预设权重的粒子的总个数，大于预设个数。
一个示例中，采集单元31，包括：
采集模块311，用于通过摄像头采集每一标记图案，提取每一标记图案的特征。
比对模块312，用于对每一标记图案的特征与预设数据库中标记图案的特征进行比对，得到每一标记图案所携带的图案位置信息。
一个示例中，装置还包括：
第二确定单元35，用于若自动导引车所在环境中的标记图案的数量大于等于预设值，则确定当前时刻下自动导引车的估计位置，为当前时刻下自动导引车的定位位置。
一个示例中，装置还包括：
规划单元36，用于根据当前时刻下自动导引车的定位位置和预设目标位置，生成自动导引车的行驶路径。
控制单元37，用于根据行驶路径，控制自动导引车进行行驶。
一个示例中，控制单元37，具体用于根据行驶路径生成路径指示，将路径指示发送给自动导引车；其中，路径指示用于自动导引车依据路径指示所表征的行驶路径进行行驶。
本实施例提供的装置，用于实现上述方法提供的技术方案，其实现原理和技术效果类似，不再赘述。
图6为本申请实施例中提供的一种主控制设备的结构示意图，如图6所示，该主控制设备包括：
处理器(processor)291，主控制设备还包括了存储器(memory)292；还可以包括通信接口(Communication Interface)293和总线294。其中，处理器291、存储器292、通信接口293、可以通过总线294完成相互间的通信。通信接口293可以用于信息传输。处理器291可以调用存储器294中的逻辑指令，以执行上述实施例的方法。
此外，上述的存储器292中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
存储器292作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本申请实施例中的方法对应的程序指令/模块。处理器291通过运行存储在存储器292中的软件程序、指令以及模块，从而执行功能应用以及数据处理，即实现上述方法实施例中的方法。
存储器292可包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器292可以包括高速随机存取存储器，还可以包括非易失性存储器。
本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现上述实施例提供的方法。
本申请实施例提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述实施例提供的方法
图7为本申请实施例提供了一种应用于自动导引车的定位***结构示意图，如图7所示，***包括如图6所示的主控制设备、以及自动导引车。
一种可能的设计中，自动导引车中设置有磁力计、陀螺仪和控制器。
示例性地，自动引导车中设置有控制器，控制器与主控制设备之间可以通过5G终端进行相互通信。自动导引车上的磁力计和陀螺仪均与控制器连接，控制器通过5G终端将陀螺仪和磁力计采集到的自动导引车的姿态信息传递给主控制设备。
一种可能的设计中，自动导引车的控制器，用于接收自动导引车的超声波传感器所发送的环境信息，根据环境信息确定障碍物信息，并根据障碍物信息控制自动导引车进行避让。
示例性地，自动导引车上还安装有超声波传感器，超声波传感器与控制器相连，控制器用于接收超声波传感器检测的环境信息，分析并确定环境信息中是否存在障碍物信息，例如障碍物的形状、障碍物与自动导引车之间的相对距离等信息，并依据障碍物信息以及常用的避让算法，控制自动导引车的紧急制动或者紧急避让。
本实施例中，提供了一种应用于自动导引车的定位***，***中设置有5G终端，用于自动导引车与主控制设备之间的通信，这样可以使得自动导引车能够基于5G网络的高并发特性，确保在同一时间点实现多台自动导引车协同作业，大幅度提高了生产物料的集中搬运效率。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (24)

1.一种应用于自动导引车的定位方法，其特征在于，所述方法包括：
采集并识别当前时刻下所述自动导引车所在环境中的每一标记图案，得到所述每一标记图案所携带的图案位置信息，并确定所述自动导引车与所述每一标记图案之间相对位置关系；
根据各所述图案位置信息和各所述相对位置关系，确定当前时刻下所述自动导引车的估计位置；
若所述自动导引车所在环境中的标记图案的数量小于预设值，则获取当前时刻下所述自动导引车的姿态信息，并根据当前时刻下的预设粒子群、当前时刻下所述自动导引车的估计位置和姿态信息，确定当前时刻下所述自动导引车的定位位置；其中，所述预设粒子群中包括多个粒子，每一粒子具有位置信息，每一粒子的位置信息与前一时刻下所述自动导引车的估计位置之间的距离小于阈值；
根据当前时刻下的预设粒子群、当前时刻下所述自动导引车的估计位置和姿态信息，确定当前时刻下所述自动导引车的定位位置，包括：
依据当前时刻下所述自动导引车的姿态信息，对所述粒子群中每一粒子的粒子位置进行优化，得到多个优化后的粒子位置；
根据当前时刻下所述自动导引车的估计位置，对所述多个优化后的粒子位置进行加权处理，得到当前时刻下所述自动导引车的定位位置；
当前时刻下所述自动导引车的姿态信息包括：当前时刻下所述自动导引车的第一方向角、以及当前时刻下所述自动导引车的步长，其中，所述步长表征自动导引车在相邻时刻下的相对位移；所述粒子位置中包括粒子坐标和第二方向角；
依据当前时刻下所述自动导引车的姿态信息，对所述粒子群中每一粒子的粒子位置进行优化，得到多个优化后的粒子位置，包括：
依据当前时刻下所述自动导引车的所述姿态信息中的步长和第一方向角，对所述每一粒子的粒子位置中的粒子坐标和第二方向角进行调整，得到多个优化后的粒子位置。
2.根据权利要求1所述的方法，其特征在于，所述获取当前时刻下所述自动导引车的姿态信息，包括：
获取当前时刻下的所述自动导引车上的磁力计所采集的第三方向角，并获取当前时刻下的所述自动导引车上的陀螺仪采集的角速度和加速度；
根据所述角速度，确定第四方向角，并对所述第三方向角与第四方向角进行均值滤波，得到所述第一方向角；
对所述加速度进行积分处理，确定所述步长。
3.根据权利要求1所述的方法，其特征在于，在依据当前时刻下所述自动导引车的姿态信息，对所述粒子群中每一粒子的粒子位置进行优化，得到多个优化后的粒子位置之后，还包括：
对所述多个优化后的粒子位置进行无迹卡尔曼滤波处理，以调整每一优化后的粒子位置与当前时刻下所述自动导引车的估计位置之间的距离，得到各滤波后的粒子位置。
4.根据权利要求1所述的方法，其特征在于，根据当前时刻下所述自动导引车的估计位置，对所述多个优化后的粒子位置进行加权处理，得到当前时刻下所述自动导引车的定位位置，包括：
确定当前时刻下所述自动导引车的估计位置与每一优化后的粒子位置之间的距离信息；
依据与每一优化后的粒子位置对应的距离信息，确定每一优化后的粒子位置的权重值，其中，权重值与距离信息之间为负相关关系；
对每一优化后的粒子位置的权重值和每一优化后的粒子位置进行加权处理，得到当前时刻下所述自动导引车的定位位置。
5.根据权利要求4所述的方法，其特征在于，在所述根据当前时刻下的预设粒子群、当前时刻下所述自动导引车的估计位置和姿态信息，确定当前时刻下所述自动导引车的定位位置之后，包括：
依据各优化后的粒子位置的权重值，对各优化后的粒子位置进行重采样处理，得到下一时刻的预设粒子群；其中，下一时刻的预设粒子群中权重值大于预设权重的粒子的总个数，大于预设个数。
6.根据权利要求1-5任一项所述的方法，其特征在于，采集并识别当前时刻下所述自动导引车所在环境中的每一标记图案，包括：
通过摄像头采集所述每一标记图案，提取所述每一标记图案的特征；
对每一标记图案的特征与预设数据库中标记图案的特征进行比对，得到所述每一标记图案所携带的图案位置信息。
7.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：
若所述自动导引车所在环境中的标记图案的数量大于等于预设值，则确定当前时刻下所述自动导引车的估计位置，为当前时刻下所述自动导引车的定位位置。
8.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：
根据当前时刻下所述自动导引车的定位位置和预设目标位置，生成自动导引车的行驶路径；
根据所述行驶路径，控制所述自动导引车进行行驶。
9.根据权利要求8所述的方法，其特征在于，根据所述行驶路径，控制所述自动导引车进行行驶，包括：
根据所述行驶路径生成路径指示，将所述路径指示发送给所述自动导引车；其中，所述路径指示用于所述自动导引车依据所述路径指示所表征的行驶路径进行行驶。
10.一种应用于自动导引车的定位装置，其特征在于，所述装置包括：
采集单元，用于采集并识别当前时刻下所述自动导引车所在环境中的每一标记图案，得到所述每一标记图案所携带的图案位置信息，并确定所述自动导引车与所述每一标记图案之间相对位置关系；
估计单元，用于根据各所述图案位置信息和各所述相对位置关系，确定当前时刻下所述自动导引车的估计位置；
获取单元，用于若所述自动导引车所在环境中的标记图案的数量小于预设值，则获取当前时刻下所述自动导引车的姿态信息；
第一确定单元，用于根据当前时刻下的预设粒子群、当前时刻下所述自动导引车的估计位置和姿态信息，确定当前时刻下所述自动导引车的定位位置；其中，所述预设粒子群中包括多个粒子，每一粒子具有位置信息，每一粒子的位置信息与前一时刻下所述自动导引车的估计位置之间的距离小于阈值；
第一确定单元，包括：
优化模块，用于依据当前时刻下所述自动导引车的姿态信息，对所述粒子群中每一粒子的粒子位置进行优化，得到多个优化后的粒子位置；
确定模块，用于根据当前时刻下所述自动导引车的估计位置，对所述多个优化后的粒子位置进行加权处理，得到当前时刻下所述自动导引车的定位位置；
当前时刻下所述自动导引车的姿态信息包括：当前时刻下所述自动导引车的第一方向角、以及当前时刻下所述自动导引车的步长，其中，所述步长表征自动导引车在相邻时刻下的相对位移；所述粒子位置中包括粒子坐标和第二方向角；
优化模块，具体用于依据当前时刻下所述自动导引车的所述姿态信息中的步长和第一方向角，对所述每一粒子的粒子位置中的粒子坐标和第二方向角进行调整，得到多个优化后的粒子位置。
11.根据权利要求10所述的装置，其特征在于，所述获取单元，包括：
获取模块，用于获取当前时刻下的所述自动导引车上的磁力计所采集的第三方向角，并获取当前时刻下的所述自动导引车上的陀螺仪采集的角速度和加速度；
计算模块，用于根据所述角速度，确定第四方向角，并对所述第三方向角与第四方向角进行均值滤波，得到所述第一方向角；
处理模块，用于对所述加速度进行积分处理，确定所述步长。
12.根据权利要求10所述的装置，其特征在于，所述第一确定单元，还包括：
滤波模块，用于在所述优化模块依据当前时刻下所述自动导引车的姿态信息，对所述粒子群中每一粒子的粒子位置进行优化，得到多个优化后的粒子位置之后，对所述多个优化后的粒子位置进行无迹卡尔曼滤波处理，以调整每一优化后的粒子位置与当前时刻下所述自动导引车的估计位置之间的距离，得到各滤波后的粒子位置。
13.根据权利要求10所述的装置，其特征在于，所述确定模块，具体用于：
确定当前时刻下所述自动导引车的估计位置与每一优化后的粒子位置之间的距离信息；
依据与每一优化后的粒子位置对应的距离信息，确定每一优化后的粒子位置的权重值，其中，权重值与距离信息之间为负相关关系；
对每一优化后的粒子位置的权重值和每一优化后的粒子位置进行加权处理，得到当前时刻下所述自动导引车的定位位置。
14.根据权利要求13所述的装置，其特征在于，所述确定模块，还用于在所述根据当前时刻下的预设粒子群、当前时刻下所述自动导引车的估计位置和姿态信息，确定当前时刻下所述自动导引车的定位位置之后，依据各优化后的粒子位置的权重值，对各优化后的粒子位置进行重采样处理，得到下一时刻的预设粒子群；其中，下一时刻的预设粒子群中权重值大于预设权重的粒子的总个数，大于预设个数。
15.根据权利要求10-14任一项所述的装置，其特征在于，所述采集单元，包括：
采集模块，用于通过摄像头采集所述每一标记图案，提取所述每一标记图案的特征；
比对模块，用于对每一标记图案的特征与预设数据库中标记图案的特征进行比对，得到所述每一标记图案所携带的图案位置信息。
16.根据权利要求10-14任一项所述的装置，其特征在于，所述装置还包括：
第二确定单元，用于若所述自动导引车所在环境中的标记图案的数量大于等于预设值，则确定当前时刻下所述自动导引车的估计位置，为当前时刻下所述自动导引车的定位位置。
17.根据权利要求10-14任一项所述的装置，其特征在于，所述装置还包括：
规划单元，用于根据当前时刻下所述自动导引车的定位位置和预设目标位置，生成自动导引车的行驶路径；
控制单元，用于根据所述行驶路径，控制所述自动导引车进行行驶。
18.根据权利要求17所述的装置，其特征在于，所述控制单元，具体用于根据所述行驶路径生成路径指示，将所述路径指示发送给所述自动导引车；其中，所述路径指示用于所述自动导引车依据所述路径指示所表征的行驶路径进行行驶。
19.一种主控制设备，其特征在于，包括：存储器，处理器；
存储器；用于存储所述处理器可执行指令的存储器；
其中，所述处理器，用于根据所述可执行指令执行如权利要求1-9任一项所述的方法。
20.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-9任一项所述的方法。
21.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现权利要求1-9中任一项所述的方法。
22.一种应用于自动导引车的定位***，其特征在于，所述***包括如权利要求19的主控制设备、以及自动导引车。
23.根据权利要求22所述的***，其特征在于，所述自动导引车中设置有磁力计、陀螺仪和控制器。
24.根据权利要求23所述的***，其特征在于，所述自动导引车的控制器，用于接收所述自动导引车的超声波传感器所发送的环境信息，根据所述环境信息确定障碍物信息，并根据所述障碍物信息控制所述自动导引车进行避让。
CN202011541315.9A 2020-12-23 2020-12-23 应用于自动导引车的定位方法、装置、设备和存储介质 Active CN112729289B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011541315.9A CN112729289B (zh) 2020-12-23 2020-12-23 应用于自动导引车的定位方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011541315.9A CN112729289B (zh) 2020-12-23 2020-12-23 应用于自动导引车的定位方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN112729289A CN112729289A (zh) 2021-04-30
CN112729289B true CN112729289B (zh) 2024-02-27

Family

ID=75604603

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011541315.9A Active CN112729289B (zh) 2020-12-23 2020-12-23 应用于自动导引车的定位方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN112729289B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024034025A1 (ja) * 2022-08-09 2024-02-15 日本電信電話株式会社 自律移動制御装置、自律移動システム、自律移動制御方法、及びプログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107421542A (zh) * 2017-06-07 2017-12-01 东莞理工学院 一种基于机器视觉与wsn的室内定位***及定位方法
JP2018013860A (ja) * 2016-07-19 2018-01-25 株式会社豊田自動織機 自律移動体制御装置
CN109781106A (zh) * 2017-11-14 2019-05-21 中兴通讯股份有限公司 一种室内定位方法、装置、设备及存储介质
CN110109465A (zh) * 2019-05-29 2019-08-09 集美大学 一种自导引车以及基于自导引车的地图构建方法
CN110243358A (zh) * 2019-04-29 2019-09-17 武汉理工大学 多源融合的无人车室内外定位方法及***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100855469B1 (ko) * 2006-09-13 2008-09-01 삼성전자주식회사 이동 로봇의 자세 추정 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018013860A (ja) * 2016-07-19 2018-01-25 株式会社豊田自動織機 自律移動体制御装置
CN107421542A (zh) * 2017-06-07 2017-12-01 东莞理工学院 一种基于机器视觉与wsn的室内定位***及定位方法
CN109781106A (zh) * 2017-11-14 2019-05-21 中兴通讯股份有限公司 一种室内定位方法、装置、设备及存储介质
CN110243358A (zh) * 2019-04-29 2019-09-17 武汉理工大学 多源融合的无人车室内外定位方法及***
CN110109465A (zh) * 2019-05-29 2019-08-09 集美大学 一种自导引车以及基于自导引车的地图构建方法

Also Published As

Publication number Publication date
CN112729289A (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN111837083B (zh) 信息处理装置、信息处理方法和存储介质
US10006772B2 (en) Map production method, mobile robot, and map production system
EP3825903A1 (en) Method, apparatus and storage medium for detecting small obstacles
CN110865650B (zh) 基于主动视觉的无人机位姿自适应估计方法
WO2016113904A1 (ja) ３次元情報算出装置、３次元情報算出方法、および自律移動装置
CN112183133A (zh) 一种基于ArUco码引导的移动机器人自主充电方法
CN111611853A (zh) 一种传感信息融合方法、装置及存储介质
CN110018688B (zh) 基于视觉的自动引导车定位方法
CN111164648B (zh) 移动体的位置推断装置及位置推断方法
CN116611603B (zh) 一种车辆路径调度方法、装置、计算机及存储介质
JP2021120255A (ja) 距離推定装置及び距離推定用コンピュータプログラム
CN112729289B (zh) 应用于自动导引车的定位方法、装置、设备和存储介质
CN115436917A (zh) Lidar视轴对准误差和主车辆定位误差的协同估计和校正
CN115565058A (zh) 机器人、避障方法、装置和存储介质
CN117067261A (zh) 机器人监控方法、装置、设备及存储介质
JP2021081272A (ja) 位置推定装置および位置推定用コンピュータプログラム
CN113554705B (zh) 一种变化场景下的激光雷达鲁棒定位方法
CN115542362A (zh) 电力作业现场的高精度空间定位方法、***、设备及介质
CN110031014B (zh) 基于图案识别的视觉定位方法
CN112747752A (zh) 基于激光里程计的车辆定位方法、装置、设备和存储介质
CN111897337A (zh) 一种机器人沿边行走时的避障控制方法及其控制***
CN117649619B (zh) 无人机视觉导航定位回收方法、***、装置及可读存储介质
CN117214908B (zh) 一种基于智能裁缆机械的定位控制方法及***
CN117968682B (zh) 基于多线激光雷达和惯性测量单元的动态点云去除方法
RU2769918C1 (ru) Способ позиционирования наземного транспортного средства

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