CN118092208A - 基于全局视觉伺服的工位内agv智能导航方法及*** - Google Patents
基于全局视觉伺服的工位内agv智能导航方法及*** Download PDFInfo
- Publication number
- CN118092208A CN118092208A CN202410487349.6A CN202410487349A CN118092208A CN 118092208 A CN118092208 A CN 118092208A CN 202410487349 A CN202410487349 A CN 202410487349A CN 118092208 A CN118092208 A CN 118092208A
- Authority
- CN
- China
- Prior art keywords
- agv
- path
- speed
- station
- target
- 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 47
- 230000000007 visual effect Effects 0.000 title claims abstract description 29
- 230000008859 change Effects 0.000 claims abstract description 29
- 238000007599 discharging Methods 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims description 40
- 239000003550 marker Substances 0.000 claims description 15
- 239000006185 dispersion Substances 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 230000008685 targeting Effects 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012885 constant function Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及智能制造领域,公开了基于全局视觉伺服的工位内AGV智能导航方法及***,基于全局视觉对工位环境进行识别和目标定位,根据得到的工位入口定位、工位出口定位、上下料区域定位以及AGV定位,结合路径函数生成AGV的目标路径;建立AGV运动模型,根据全局视觉得到AGV当前姿态,基于AGV运动模型和AGV目标路径,得到AGV的位姿偏差;将得到的AGV的位姿偏差以及规划路径的路径点方向变化率,输入PB‑PID控制器,控制AGV运动,使AGV跟踪目标路径,完成AGV智能导航。通过本发明,可以实现在路径跟踪的任意时刻防止***的过冲和横摆,达到精确的路径跟踪效果。
Description
技术领域
本发明涉及智能制造领域,具体是基于全局视觉伺服的工位内AGV智能导航方法及***。
背景技术
智能化工位的无人上下料***是实现智能制造的关键技术。但就目前来说,AGV(Automated Guided Vehicle:自动导引车)仍主要沿固定路线将工件托盘运送至上下料区域的托盘支架上。运输路径需要由专业人员制定,无法轻易调整。在此条件下,为了实现AGV自主定位,通常需要依托车载相机、惯性导航等传感器对固定路径上的物理标记进行识别和校验。然而,这种依赖事先标记的导航方法,无法实时感知整个工位内的导航环境,不能智能解决工位布局不确定性的问题。并且,AGV在最后的将运输的托盘对接到固定的托盘支架上时,由于无法感知自己的定位误差,需要通过精准对齐定位销来防止误差的产生,以确保机械臂能按事先指定的坐标成功抓取托盘上的工件。这种对机械结构依赖过高的对齐方法,造成了托盘支架与托盘之间定位***的高复杂化和低可靠性。
近年来,一些研究试图通过工位上方的全局视觉进行工位环境感知,并基于此引导多机器人进行协作上下料。这为AGV工位导航低智能化和托盘对齐定位***高复杂化的问题提供了一种高性价比的解决方案。不过,基于该方案,AGV通过全局视觉来感应运动环境,会在控制过程中引入图像处理的误差和时延,从而对AGV的运动控制方法提出挑战。现有的研究中,PID控制器因结构简单和适应性强的优点,被广泛应用在AGV的运动控制过程。李魏魏等为了克服PID控制器在参数易突变领域鲁棒性不高的缺点,通过引入视觉神经元控制算法和无刷直流电机数学模型,实现了对AGV轨迹跟踪误差和角速度突变的抑制。何杰明等为了提高叉车AGV路径跟踪的精度和抗干扰能力,通过融合纯跟踪算法和斯坦利算法,提出了基于PID的速度自适应运动控制方法。李彦文等为了优化PID控制器的响应速度和参数在线整定,提高AGV路径跟踪的稳定性,通过对距离偏差和角度偏差的模糊化处理,提出了基于模糊PID的路径跟踪方法。从这些研究可以看出,当前基于PID的AGV控制器优化还主要集中在通过对***模型、模糊规则等改进,抑制控制***可能出现的超调与震荡,从而实现控制模型精度和稳定性的提升。然而,这种过度依赖PID参数精确整定的策略忽略了对输入信息的前处理,造成了控制目标粗调控制环的缺失。如果直接应用于视觉AGV的路径导航,其控制模型将难以仅通过参数调整来克服高时滞带来的强干扰。
发明内容
本发明的目的在于克服现有技术的不足,提供基于全局视觉伺服的工位内AGV智能导航方法,包括如下步骤:
步骤一,基于全局视觉对工位环境进行识别和目标定位,采用特定形状标志物轮廓匹配得到工位入口定位、工位出口定位以及上下料区域定位;采用基于目标和标志物的冗余定位,得到AGV定位;
步骤二,根据得到的工位入口定位、工位出口定位、上下料区域定位以及AGV定位,结合路径函数生成AGV的目标路径;
步骤三,建立AGV运动模型,根据全局视觉得到AGV当前姿态,基于AGV运动模型和AGV目标路径,得到AGV的位姿偏差;
步骤四,将得到的AGV的位姿偏差以及规划路径的路径点方向变化率,输入PB-PID控制器,控制AGV运动,使AGV跟踪目标路径,完成AGV智能导航。
进一步的,所述的采用基于目标和标志物的冗余定位,得到AGV定位,包括:
获取AGV的轮廓中心,以及AGV上相对设置的一对标志物各自的中心,根据AGV的轮廓中心以及AGV上相对设置的一对标志物各自的中心,确定AGV的旋转中心,即为AGV的位置,AGV的方向为行进方向。
进一步的,所述的根据得到的工位入口定位和出口定位、上下料区域定位以及AGV定位,结合路径函数生成AGV的目标路径,包括:
所述的目标路径包括工位入口到上下料区域入口段弧线M1A、上下料区域入口到上下料区域出口段AB以及上下料区域出口到工位出口段弧线B M2,其中的A为上下料区域入口,B为上下料区域出口;
通过三次插值多项式曲线构建路径M1A、BM2,三次插值多项式的数学表达式为:
其中;/>为得到的路径点的纵坐标,x为路径点的横坐标;
工位入口到上下料区域入口弧线段M1A:
M1点坐标为,方向为/>;A点坐标为/>,方向为/>;弧线M1A满足以下条件,端点函数值相同:
端点导数值相同:
则:
其中,;
将得到的路径离散为路径点,且相邻路径点间的距离相等,取离散后每段曲线长度为D,路径点表示为:
其中n=1,2,…,i,i为A点的序号,其中为路径点n,/>为路径点n横坐标,/>为路径点n纵坐标,/>为路径点n方向角,建立路径长度L(x)与横坐标x的关系式:
其中,,建立以下等式:
其中的D为离散后每段曲线长度,路径点n处的路径长度,n为路径点序号;
根据以及路径函数,得到路径点的纵坐标,则路径点的方向为:
其中,是C语言里的函数,返回的是方位角;/>,/>分别为第n-1个路径点的横坐标和纵坐标;
同理可得到上下料区域出口到工位出口弧线段B M2。
进一步的,所述的建立AGV运动模型,包括:
任意时刻,AGV的目标位姿为,当前位姿为/>,则AGV的左右侧车轮速度为:
其中函数为:
其中,L为AGV的车宽,u为固定值,为AGV从当前位姿移动到目标位姿需要的时间,/>为AGV的目标位姿的横坐标,/>为AGV的目标位姿的纵坐标,/>为AGV的目标位姿的方向;/>为AGV的当前位姿的横坐标,/>为AGV的当前位姿的纵坐标,/>为AGV的当前位姿的方向,/>为AGV的右侧车轮速度,/>为AGV的左侧车轮速度。
进一步的,所述的根据全局视觉反馈得到AGV当前姿态,基于AGV运动模型和AGV目标路径,得到AGV的位姿偏差,包括:
AGV的目标速度为,其中的/>为AGV的目标直行速度,/>为AGV的目标旋转速度:
AGV的当前速度为,AGV的位姿偏差为/>:
则路径偏离值dev为:
其中,,/>为AGV的当前直行速度,/>为AGV的当前旋转速度,/>为AGV的路径偏差,/>为AGV的姿态偏差。
进一步的,所述的将得到的AGV的位姿偏差以及规划路径的路径点方向变化率,输入PB-PID控制器,控制AGV运动,使AGV跟踪目标路径,完成AGV智能导航,包括:
其中的PB-PID控制器包括PB速度分配器和PID控制器,所述的PB速度分配器包括速度生成器和速度修正器;所述的速度生成器得到AGV的目标速度:
其中,是第n个路径点的坐标;
速度修正器的输入为路径点方向变化率,输出为加权变换后的速度;第n个路径点方向的变化率/>为:
其中的为第n个路径点的方向,/>为第n+1个路径点的方向;
加权后的路径点方向变化率为:
其中,和/>是路径点处方向变化率的标准差,/>为第n+1个路径点方向的变化率;
对和/>加权,权重函数的基函数为:
其中,和/>是第n个路径点的直行速度和旋转速度的权重值;和/>为基函数的系数;
权重函数的输出矩阵为:
其中diag表示对角矩阵;
PB速度分配器计算得到AGV修正后的目标速度:
PID控制器的输入为PB速度分配器得到的和/>,反馈是/>和/>,输出为控制AGV的/>和/>,/>为直行速度,/>为旋转速度,PID控制器输出为:
其中,T为一个控制周期持续的时间,为直行速度输出值,/>为旋转速度输出值,/>为直行速度比例参数,/>为直行速度微分参数,/>为旋转速度比例参数,/>为旋转速度微分参数。
基于全局视觉伺服的工位内AGV智能导航***,应用所述的基于全局视觉伺服的工位内AGV智能导航方法,包括全局视觉模块、目标定位模块、数字化物流路径模块和路径跟踪模块;
所述的全局视觉模块、数字化物流路径模块和路径跟踪模块分别与所述的目标定位模块连接;所述的数字化物流路径模块与所述的路径跟踪模块连接。
本发明的有益效果是: 本发明所提供的技术方案从上下料工位内AGV无轨化导航的研究需求出发,利用全局视觉可提前感知路径变化率的优势,提出一种以基于路径的PID控制器为核心的全局视觉伺服控制模型。全局视觉的使用提高了导航***的感知能力,能够获取更为广泛和全面的环境信息,从而能根据工位的布局实时生成上下料数字物流路径。因此,区别于传统控制器对于自身控制模型和控制参数的调整,本发明所提出的PB-PID控制器还能够根据路径变化对控制器的输入进行前处理,确保能够在路径跟踪的任意时刻防止***的过冲和横摆,达到精确的路径跟踪效果。
附图说明
图1为基于全局视觉伺服的工位内AGV智能导航方法的流程示意图;
图2为基于全局视觉伺服的AGV运动控制模型;
图3为标志物的设计示意图;
图4为托盘支架定位示意图;
图5为AGV定位示意图;
图6为数字化物流路径示意图;
图7为AGV运动模型示意图;
图8为IBGVS运动控制模型示意图;
图9为PB-PID控制器示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
如图1所示, 具体的,本研究提出了一种基于全局视觉的AGV运动控制方法,该方案中,首先基于全局视觉对工位环境进行识别和目标定位。工位的入口和出口通过标志物定位,上下料区域则通过工件托盘支架定位。以上目标的位姿被用于生成AGV的物流路径。AGV的位姿通过外轮廓和标志物辅助定位得到。最终,将AGV的位姿偏差和物流路径共同作为PB-PID控制器的输入,构建起基于全局视觉伺服的AGV运动控制模型。
如图2,识别和定位的目标是托盘支架、标志物和AGV。全局视觉得到的图像通常包含了大量的无用信息,识别的目的是将目标从大量无用信息中筛选出来。定位的目的是确定目标的位姿,以应用在数字物流路径的生成和运动控制中。
标志物的设计,本文设计了一组通用标志物,用于数字物流路径生成和AGV控制。如图3,标志物分为等腰三角形标志物和“T”型标志物。三角形标志物粘贴在AGV上,辅助AGV的定位以及跟踪。“T”型标志物粘贴在工位入口和出口,用于工位内的数字物流路径的生成。
视觉筛选的原理是轮廓匹配。通过图像处理,得到全局视觉下所有图像的轮廓,与AGV外形、托盘支架和标志物的外形进行轮廓匹配。轮廓匹配运用到了轮廓的高级特征:Hu矩,是一条轮廓的不变函数,具有平移、旋转和缩放不变性。
标志物的定位如图3所示,M为标志物轮廓的形心,A为标志物对称轴上一点。三角形标志物的A点确定为等腰三角形的顶点,“T”型标志物的A点确定为最小外接矩形的中心点。标志物的位置确定为M点,方向为AM。
托盘支架的定位方法如图4所示,S1、S2是托盘支架的形心,C是线段S1S2的中点。C作为托盘支架的位置,同时也是上下料区域的中心点。A为上下料区域入口,B为上下料区域出口,托盘支架的方向由C指向B。DE的长度等于托盘支架的长度,AD和EB的距离要大于半个AGV的车长,否则可能会发生碰撞。
AGV的定位采用了基于目标和标志物的冗余定位方法,仅采用基于目标的定位方法可能在AGV表面被其他物体覆盖时导致跟踪失败。使用冗余定位方法能保证丢失AGV轮廓时,仅依靠标志物依然能够完成目标的跟踪。如图5所示,M1、M2是标志物中心,C是AGV的轮廓中心,R是AGV的旋转中心。AGV的旋转中心一定在轮廓形心和标志物形心的连线或延长线上,且比例关系确定。AGV的位置确定为其旋转中心,方向确定为行进方向。
数字化物流路径的作用有二:(1)数字化物流路径将实际的工位出入口和上下料区域串联,其路径点实时生成并储存在计算机中,不需要在工位内固定设置,以应对各种工况下工位的布局不确定性;(2)数字化物流路径作为IBGVS控制器的输入,参与AGV的运动控制。工位出入口和上下料区域的位姿已事先根据实际需求确定。其中的IBGVS为全局视觉伺服控制模型,即Image Based Global Visual Servoing,以下简称IBGVS。
AGV的数字化物流路径如图6所示,图6的视角是全局视觉相机俯瞰工位的视角。上下料区域内的路径为直线。从图中可知,由于整个数字化物流路径需要在M1和M2这两个有方向要求的目标点之间平滑连接直线段AB。这表明,所生成的路径曲线在目标点之间的变化必须是连续的,且一阶导数(斜率)和二阶导数(曲率)也是连续的。在此条件下,本研究以常用的三次插值多项式函数为例作为连接两个目标点之间的路径函数。三次插值多项式考虑了起始点和结束点的函数值和导数值,使连接点处的路径连续且平滑,避免了曲线出现突变或折点的情况。
如图6,路径M1A、BM2是通过三次插值多项式曲线构建的。为了简化计算,三次插值多项式的数学表达式为:
以生成弧线M1A为例:M1点坐标为,方向为/>;A点坐标为/>,方向为/>。需要满足以下条件,端点函数值相同:
端点导数值相同:
(3)
则:
(4)
其中,。
最后是将得到的路径离散为路径点,并且要保证相邻路径点间的距离是相等的。取离散后每段曲线长度为D。路径点的信息由位置和方向两个要素构成,因此可以将路径点表示为:
其中n=1,2,…,i,i为A点的序号。建立路径长度L(x)与横坐标x的关系式:
其中,。函数的"长度"通常指的是函数图形的弧长,即函数曲线从一点到另一点之间的距离。要计算一个函数f(x)在区间a,b上的弧长,我们可以使用积分的方法。对于直角坐标系中的函数y=f(x),其弧长L可以通过以下公式计算:
,其中/>是函数f(x)的导数
a,b:曲线段的起点和终点在x轴上的坐标
:是曲线在任意点x处的斜率的函数
当我们谈论计算函数f(x)在某个区间内的弧长时,实际上是在尝试找到曲线上每一点处切线的斜率,然后利用这个斜率来计算无限小段曲线的直线距离(即微元弧长)。这个无限小段的弧长可以通过微积分中的微元方法计算得出,具体使用的是勾股定理,可以表达为:
。
取每段曲线长度为D,可建立以下等式求解出n:
将求出的带入路径函数中,即可求出该点的纵坐标,得到各离散路径点处的x、y坐标值。则路径点的方向为:
这条公式的作用是定义路径点方向,atan2:atan2是一个函数,在C语言里返回的是指方位角,C 语言中atan2的函数原型为 double atan2(double y, double x) ,返回以弧度表示的 y/x 的反正切。y 和 x 的值的符号决定了正确的象限。也可以理解为计算复数 x+yi 的辐角,计算时atan2比 atan 稳定。x n ,y n :第n个路径点的坐标;x n-1,y n-1:第n-1个路径点的坐标。
本文选取了一个四轮差速AGV作为研究对象,运动模型采用差速AGV的运动模型建立方法,如图7。
任意时刻,AGV的目标位姿可被定义为,当前位姿可被定义为。求得AGV的左右侧车轮速度为:
其中,L为AGV的车宽,u是一个固定值,是从当前位姿移动到目标位姿需要的时间。本文在该运动模型的基础上,将AGV的目标速度定义为/>:
AGV的当前速度定义为,AGV的位姿偏差被定义为/>:
用路径偏离值dev来衡量AGV在路径跟踪过程中与路径的重合度,路径偏离程度越小,则路径的重合度越高。
其中,。
IBGVS的框架可以简单描述为图8所示。全局视觉反馈得到的AGV当前姿态进行比较得到AGV的姿态偏差,以及直接计算得到的路径偏差/>。除此之外还有全局路径规划下的路径点方向变化率/>。最后将/>、/>和/>输入PB-PID控制器,所述的PB-PID控制器为基于路径的PID控制器,即Path Based PID controller,简称PB-PID控制器,形成了基于全局视觉的偏差闭环控制。基于全局视觉的偏差闭环控制构成了IBGVS控制,通过获取AGV当前状态与位姿偏差,从而控制AGV运动,使其能准确地跟踪目标路径。
AGV控制的实质是实时调整AGV的速度输入去跟踪规划的路径。IBGVS框架中的核心是PB-PID控制器,分为PB速度分配器和PID控制器,如图9所示。控制器以位姿偏差和路径变化率作为参考输入,以AGV当前直行速度和旋转速度作为反馈,目标直行速度和旋转速度作为输出。PB速度分配器和PID控制器是基于***模型进行控制的,对数学模型的精度要求不高,具有良好的鲁棒性。控制器的输入参数位姿偏差随时间的表达式为:
其中的为时间t时AGV的当前位姿的横坐标,/>为时间t时AGV的当前位姿的方向。
本文中,PB速度分配器由速度生成器和速度修正器组成。速度生成器的作用是根据位姿偏差计算直行和旋转速度。速度修正器则根据路径变化率进一步修正直行和旋转速度,使AGV运行过程中的行驶过冲和横向摆动得到抑制。
速度生成器:速度生成器依照公式(9)计算得到AGV的目标速度。目标速度与位姿偏差有关,计算方法如下:
其中,是第n个路径点的坐标。
速度修正器:AGV行驶过程中产生的不平稳是由两种现象导致的:行驶过冲和横向摆动。经过速度生成器计算后,***已经能够初步根据位姿偏差计算出和/>。恒定的/>会导致路径变化时因AGV没有减速而产生行驶过冲。/>取值越小,则/>的变化幅度越大,的方向变化越频繁,导致AGV的横向摆动。
速度修正器的输入是路径点方向变化率,输出是加权变换后的速度。定义第n个路径点方向的变化率/>为:
计算数字物流路径上所有路径点的方向变化率,能够得到最大方向变化率。进一步,通过其标准差对/>进行加权,加权后的路径点方向变化率/>的计算方式为:
其中,和/>是该路径点处方向变化率的标准差。
对和/>加权,权重函数的基函数为:
(16)
则系数和/>为:
其中,和/>是第n个路径点的直行速度和旋转速度的权重值;/>、分别为直行速度的最大和最小权重值,且均为定值,/>、/>分别为旋转速度的最大和最小权重值,且均为定值;/>小于零,在y轴右半边是递减的,所以最小值会在/>的最大值处取得,最终权重函数的输出矩阵可以由上述计算方法得到:
综上所述,PB速度分配器计算得到AGV修正后的目标速度:
PID控制是一种在许多***和设备中广泛使用的控制策略。它的主要目的是使***能够更精确、更快速、更稳定地达到预期的输出,同时提高***的鲁棒性和适应能力。
控制器的输入是PB分配器计算得到的和/>,反馈是/>和/>,输出是实际控制AGV的/>和/>,/>为直行速度,/>为旋转速度。
由于地面与车轮之间存在相对滑动,里程计在长期运行过程中的定位精度较低,定位误差自修复能力较低。但是里程计在短期运行过程中定位精度相对较高,测量得到的AGV速度也相对准确,可以用作比例项和微分项的输入。因此,本文使用的PID控制器实际为PD控制器,表达式为:
(19)。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (7)
1.基于全局视觉伺服的工位内AGV智能导航方法,其特征在于,包括如下步骤:
步骤一,基于全局视觉对工位环境进行识别和目标定位,采用特定形状标志物轮廓匹配得到工位入口定位、工位出口定位以及上下料区域定位;采用基于目标和标志物的冗余定位,得到AGV定位;
步骤二,根据得到的工位入口定位、工位出口定位、上下料区域定位以及AGV定位,结合路径函数生成AGV的目标路径;
步骤三,建立AGV运动模型,根据全局视觉得到AGV当前姿态,基于AGV运动模型和AGV目标路径,得到AGV的位姿偏差;
步骤四,将得到的AGV的位姿偏差以及规划路径的路径点方向变化率,输入PB-PID控制器,控制AGV运动,使AGV跟踪目标路径,完成AGV智能导航。
2.根据权利要求1所述的基于全局视觉伺服的工位内AGV智能导航方法,其特征在于,所述的采用基于目标和标志物的冗余定位,得到AGV定位,包括:
获取AGV的轮廓中心,以及AGV上相对设置的一对标志物各自的中心,根据AGV的轮廓中心以及AGV上相对设置的一对标志物各自的中心,确定AGV的旋转中心,即为AGV的位置,AGV的方向为行进方向。
3.根据权利要求2所述的基于全局视觉伺服的工位内AGV智能导航方法,其特征在于,所述的根据得到的工位入口定位和出口定位、上下料区域定位以及AGV定位,结合路径函数生成AGV的目标路径,包括:
所述的目标路径包括工位入口到上下料区域入口段弧线M1A、上下料区域入口到上下料区域出口段AB以及上下料区域出口到工位出口段弧线B M2,其中的A为上下料区域入口,B为上下料区域出口;
通过三次插值多项式曲线构建路径M1A、BM2,三次插值多项式的数学表达式为:
其中;/>为得到的路径点的纵坐标,x为路径点的横坐标;
工位入口到上下料区域入口弧线段M1A:
M1点坐标为,方向为/>;A点坐标为/>,方向为/>;弧线M1A满足以下条件,端点函数值相同:
端点导数值相同:
则:
其中,;
将得到的路径离散为路径点,且相邻路径点间的距离相等,取离散后每段曲线长度为D,路径点表示为:
其中n=1,2,…,i,i为A点的序号,其中为路径点n,/>为路径点n横坐标,/>为路径点n纵坐标,/>为路径点n方向角,建立路径长度L(x)与横坐标x的关系式:
其中,,建立以下等式:
其中的D为离散后每段曲线长度,路径点n处的路径长度,n为路径点序号;
根据以及路径函数,得到路径点的纵坐标,则路径点的方向为:
其中, 是C语言里的函数,返回的是方位角;/>,/>分别为第n-1个路径点的横坐标和纵坐标;
同理可得到上下料区域出口到工位出口弧线段B M2。
4.根据权利要求3所述的基于全局视觉伺服的工位内AGV智能导航方法,其特征在于,所述的建立AGV运动模型,包括:
任意时刻,AGV的目标位姿为,当前位姿为/>,则AGV的左右侧车轮速度为:
其中函数为:
其中,L为AGV的车宽,u为固定值,为AGV从当前位姿移动到目标位姿需要的时间,/>为AGV的目标位姿的横坐标,/>为AGV的目标位姿的纵坐标,/>为AGV的目标位姿的方向;为AGV的当前位姿的横坐标,/>为AGV的当前位姿的纵坐标,/>为AGV的当前位姿的方向,为AGV的右侧车轮速度,/>为AGV的左侧车轮速度。
5.根据权利要求4所述的基于全局视觉伺服的工位内AGV智能导航方法,其特征在于,所述的根据全局视觉反馈得到AGV当前姿态,基于AGV运动模型和AGV目标路径,得到AGV的位姿偏差,包括:
AGV的目标速度为,其中的/>为AGV的目标直行速度,/>为AGV的目标旋转速度:
AGV的当前速度为,AGV的位姿偏差为/>:
则路径偏离值dev为:
其中,,/>为AGV的当前直行速度,/>为AGV的当前旋转速度,/>为AGV的路径偏差,/>为AGV的姿态偏差。
6.根据权利要求5所述的基于全局视觉伺服的工位内AGV智能导航方法,其特征在于,所述的将得到的AGV的位姿偏差以及规划路径的路径点方向变化率,输入PB-PID控制器,控制AGV运动,使AGV跟踪目标路径,完成AGV智能导航,包括:
其中的PB-PID控制器包括PB速度分配器和PID控制器,所述的PB速度分配器包括速度生成器和速度修正器;所述的速度生成器得到AGV的目标速度:
其中,是第n个路径点的坐标;
速度修正器的输入为路径点方向变化率,输出为加权变换后的速度;第n个路径点方向的变化率/>为:
其中的 为第n个路径点的方向,/>为第n+1个路径点的方向;
加权后的路径点方向变化率为:
其中,和/>是路径点处方向变化率的标准差,/>为第n+1个路径点方向的变化率;
对和/>加权,权重函数的基函数为:
其中,和/>是第n个路径点的直行速度和旋转速度的权重值; />和/>为基函数的系数;
权重函数的输出矩阵为:
其中diag表示对角矩阵;
PB速度分配器计算得到AGV修正后的目标速度:
PID控制器的输入为PB速度分配器得到的和/>,反馈是/>和/>,输出为控制AGV的直行速度/>和旋转速度/>,PID控制器输出为:
其中,T为一个控制周期持续的时间,为直行速度输出值,/>为旋转速度输出值,为直行速度比例参数,/>为直行速度微分参数,/>为旋转速度比例参数,/>为旋转速度微分参数。
7.基于全局视觉伺服的工位内AGV智能导航***,其特征在于,应用权利要求1-6任一所述的基于全局视觉伺服的工位内AGV智能导航方法,包括全局视觉模块、目标定位模块、数字化物流路径模块和路径跟踪模块;
所述的全局视觉模块、数字化物流路径模块和路径跟踪模块分别与所述的目标定位模块连接;所述的数字化物流路径模块与所述的路径跟踪模块连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410487349.6A CN118092208B (zh) | 2024-04-23 | 2024-04-23 | 基于全局视觉伺服的工位内agv智能导航方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410487349.6A CN118092208B (zh) | 2024-04-23 | 2024-04-23 | 基于全局视觉伺服的工位内agv智能导航方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118092208A true CN118092208A (zh) | 2024-05-28 |
CN118092208B CN118092208B (zh) | 2024-07-12 |
Family
ID=91157278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410487349.6A Active CN118092208B (zh) | 2024-04-23 | 2024-04-23 | 基于全局视觉伺服的工位内agv智能导航方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118092208B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014034246A (ja) * | 2012-08-07 | 2014-02-24 | Honda Motor Co Ltd | 車両の操舵制御装置 |
CN109579863A (zh) * | 2018-12-13 | 2019-04-05 | 北京航空航天大学 | 基于图像处理的未知地形导航***及方法 |
CN110780671A (zh) * | 2019-10-30 | 2020-02-11 | 华南理工大学 | 一种基于全局视觉的仓储导航智能车调度方法 |
CN113175324A (zh) * | 2021-04-27 | 2021-07-27 | 中铁工程装备集团有限公司 | 一种凿岩台车大臂耦合运动串级复合pid控制方法 |
CN114200926A (zh) * | 2021-11-12 | 2022-03-18 | 河南工业大学 | 一种无人驾驶车辆的局部路径规划方法及*** |
CN116185009A (zh) * | 2022-12-29 | 2023-05-30 | 无锡弘宜智能科技股份有限公司 | 基于复合导航的差速agv纠偏控制***及方法 |
CN116198522A (zh) * | 2023-05-05 | 2023-06-02 | 江苏大学 | 一种复杂矿区工况的无人矿卡横垂向耦合递阶控制方法 |
CN116512237A (zh) * | 2022-11-28 | 2023-08-01 | 广东建石科技有限公司 | 工业机器人视觉伺服方法、装置、电子设备及存储介质 |
-
2024
- 2024-04-23 CN CN202410487349.6A patent/CN118092208B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014034246A (ja) * | 2012-08-07 | 2014-02-24 | Honda Motor Co Ltd | 車両の操舵制御装置 |
CN109579863A (zh) * | 2018-12-13 | 2019-04-05 | 北京航空航天大学 | 基于图像处理的未知地形导航***及方法 |
CN110780671A (zh) * | 2019-10-30 | 2020-02-11 | 华南理工大学 | 一种基于全局视觉的仓储导航智能车调度方法 |
CN113175324A (zh) * | 2021-04-27 | 2021-07-27 | 中铁工程装备集团有限公司 | 一种凿岩台车大臂耦合运动串级复合pid控制方法 |
CN114200926A (zh) * | 2021-11-12 | 2022-03-18 | 河南工业大学 | 一种无人驾驶车辆的局部路径规划方法及*** |
CN116512237A (zh) * | 2022-11-28 | 2023-08-01 | 广东建石科技有限公司 | 工业机器人视觉伺服方法、装置、电子设备及存储介质 |
CN116185009A (zh) * | 2022-12-29 | 2023-05-30 | 无锡弘宜智能科技股份有限公司 | 基于复合导航的差速agv纠偏控制***及方法 |
CN116198522A (zh) * | 2023-05-05 | 2023-06-02 | 江苏大学 | 一种复杂矿区工况的无人矿卡横垂向耦合递阶控制方法 |
Non-Patent Citations (5)
Title |
---|
FARKH, RIHEM等: "Vision Navigation Based PID Control for Line Tracking Robot", INTELLIGENT AUTOMATION AND SOFT COMPUTING, vol. 35, no. 1, 7 August 2022 (2022-08-07), pages 901 - 911 * |
刘洁美: "基于路面附着系数预估的智能汽车纵向速度规划及控制策略研究", 中国优秀硕士学位论文全文数据库 工程科技II辑, no. 1, 31 January 2024 (2024-01-31), pages 035 - 505 * |
吴连伟, 等: "基于PLC控制的AGV智能物流输送***的研究与应用", 机械工程师, no. 09, 30 September 2023 (2023-09-30), pages 142 - 146 * |
武星: "视觉导航的轮式移动机器人运动控制技术研究", 中国博士学位论文全文数据库, no. 01, 31 January 2012 (2012-01-31), pages 140 - 30 * |
段玉龙, 等: "基于自适应模糊PID算法的蔗种调向装置定位控制", 控制工程, 7 June 2023 (2023-06-07), pages 1 - 9 * |
Also Published As
Publication number | Publication date |
---|---|
CN118092208B (zh) | 2024-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111610780B (zh) | 一种自动驾驶车路径跟踪控制方法及其装置 | |
US5073749A (en) | Mobile robot navigating method | |
US20160107682A1 (en) | System and method for vehicle steering control | |
CN112462760B (zh) | 一种双舵轮agv路径跟踪方法 | |
CN109656250A (zh) | 一种激光叉车的路径跟踪方法 | |
CN110837257A (zh) | 一种基于iGPS与视觉的AGV复合定位导航*** | |
CN111679676A (zh) | 一种agv运动轨迹控制方法 | |
CN114442491A (zh) | 室内机器人的局部路径规划和跟踪控制方法、装置及介质 | |
Sahoo et al. | Design and development of a heading angle controller for an unmanned ground vehicle | |
CN118092208B (zh) | 基于全局视觉伺服的工位内agv智能导航方法及*** | |
Juntao et al. | Research of AGV positioning based on the two-dimensional Code Recognition Method | |
CN115993089B (zh) | 基于pl-icp的在线四舵轮agv内外参标定方法 | |
TWI770966B (zh) | 無人自走車之導引控制方法 | |
Yan et al. | A New Path Tracking Algorithm for Four-Wheel Differential Steering Vehicle | |
CN114089730A (zh) | 机器人的运动规划方法和自动引导车 | |
Xiao et al. | Smooth trajectory tracking using longitudinal distance constraint for a 4WS4WD unmanned ground vehicle | |
CN112486018A (zh) | 一种基于速度自适应预瞄的无模型无人车路径跟踪方法 | |
TWI770965B (zh) | 無人自走車之導引控制方法 | |
Avanzini et al. | A control strategy taking advantage of inter-vehicle communication for platooning navigation in urban environment | |
CN117519190B (zh) | 一种新的铰接车辆控制方法 | |
CN117850413B (zh) | 一种基于“折线”路径的车辆控制方法 | |
CN113467460B (zh) | 一种基于双圆形前视距离的农业机械路径跟踪方法及*** | |
CN114253241B (zh) | 用于工业智能小车的路径跟踪方法 | |
Szͩcs et al. | Experimental verification of a control system for autonomous navigation | |
Dave et al. | Tuning procedure for correction of systematic errors in a quad configuration agv |
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 |