CN118149849A - 融合slam和反光柱和轮廓拟合计算的agv导航***及方法 - Google Patents

Abstract

本发明涉及AGV导航设备技术领域，具体公开了融合SLAM和反光柱和轮廓拟合计算的AGV导航***及方法，用以解决导航不顺畅的问题；该导航***包括第一导航模块：使用SLAM导航原理，扫描周边环境，将AGV移动至车厢口位置；第二导航模块：通过雷达识别车厢上的反光柱/反光条等强特征的点云数据，确定AGV位置，完成导航动作；第三导航模块：在车厢内，使用雷达数据扫描到的车厢壁点云数据，拟合内壁轮廓线，确定AGV位置，保证AGV在车厢内可按指定姿态行走，本发明通过融合SLAM和反光柱和轮廓拟合计算，从而解决AGV在无法比对环境特征时的导航难题，有效的提高了货物转移效率。

Description

融合SLAM和反光柱和轮廓拟合计算的AGV导航***及方法

技术领域

本发明涉及AGV导航设备技术领域，特别是指融合SLAM和反光柱和轮廓拟合计算的AGV导航***及方法。

背景技术

近年，在汽车制造厂等工厂、进行各种产品的保管和出货的仓库或物流中心等，自动导引车(AGV，AutomaticGuidedVehicle)被广泛用于运送原材料、部件和制品等。上述自动导引车能不需要人工驾驶地自行移动；目前行业内AGV，大多使用SLAM导航或SLAM+反光柱导航，在狭长且无法安装反光柱的场景或环境特征变化的场景里(比如集装箱卸货场景)，无法通过扫描比对环境特征得到自身坐标，从而无法完成自主导航。

基于此，现在提供融合SLAM和反光柱和轮廓拟合计算的AGV导航***及方法，可以消除现有装置存在的弊端。

发明内容

本发明的目的在于提供融合SLAM和反光柱和轮廓拟合计算的AGV导航***及方法，解决了现有技术中SLAM原理对于货物在动态变化的地图环境的不适应的问题。

为实现上述目的，本发明提供如下技术方案：

融合SLAM和反光柱和轮廓拟合计算的AGV导航***，包括第一导航模块：使用SLAM导航原理，扫描周边环境，将AGV移动至车厢口位置；

第二导航模块：通过雷达识别车厢上的反光柱/反光条等强特征的点云数据，确定AGV位置，完成导航动作；

第三导航模块：在车厢内，使用雷达数据扫描到的车厢壁点云数据，拟合内壁轮廓线，确定AGV位置，保证AGV在车厢内可按指定姿态行走。

在上述技术方案的基础上，本发明还提供以下可选技术方案：

融合SLAM和反光柱和轮廓拟合计算的AGV导航方法，包括以下步骤：步骤一：在车厢外，使用SLAM导航原理，扫描周边环境，建立环境地图，使AGV能在车厢外通过匹配环境特征，确定自身所处的坐标，从而进行自主导航行走至车厢外任意指定坐标；

步骤二：在车厢口，通过雷达识别车厢上的反光柱/反光条等强特征的点云数据，确定反光柱连线的垂直中线，AGV通过保持与垂直中线的距离和角度，根据上位机的距离指令向前行走直至进入车厢内部；

步骤三：在车厢内，切换导航方法，使用雷达数据扫描到的车厢壁点云数据，拟合内壁轮廓线，以此计算车身与内壁的距离X及角度，保证AGV在车厢内可按指定姿态行走，同时使用机器视觉或其它方法计算AGV与货物的距离Y，引导AGV前进后退。

在可选方案中：SLAM导航原理为：

在移动AGV时，通过位置[x₀,y₀,theta]及雷达点云[θ,d]生成点阵集合:G(x,y)＝{(x,y)|x＝x₀+d*cos(θ+theta),y＝y₀+d*sin(θ+theta)}；

生成可用路径集合P(x,y)＝{(x，y)|x＝x₀,y＝y₀}；

通过点阵转换地图，转换公式:

在可选方案中：导航过程：先通过当前位置S(x₁,y₁)和目标位置D(x₂,y₂)，选择合适路径，选择算法:P(S,D)＝{P(x，y)|(x₁,y₁)∈P(x，y)，(x₂,y₂)∈P(x,y))；

然后，AGV根据选中路径进行移动，移动过程中根据雷达扫描轮廓不断进行位置矫正。

反光柱导航过程：

第一、从雷达获取点云图及反光柱位置信息(θ₁，d₁)，(θ₂，d₂)；

第二、计算AGV相对反光柱的位置:

第三、根据目位置计算移动的方向和角度；

第五、移动AGV，并更新AGV的位置。

在可选方案中：车厢内轮廓导航过程：

先从雷达获取点云图，然后通过最小二乘法拟合车厢多条轮廓边缘,使用方程组：计算AGV离车厢轮廓边缘坐标系的位置三元组，使用到主要公式如下：

移动AGV，并更新AGV的位置。

在可选方案中：雷达为激光雷达。

在可选方案中：还包括报警模块，用于在出现碰撞后发出报警信号。

在可选方案中：报警模块为声音报警器。

在可选方案中：报警模块为声光报警器。

在可选方案中：还设有统计模块，用于统计报警次数。

在可选方案中：还包括摄像模块，摄像模块设置在AGV小车前端，摄像模块通过无线模块与显示器连接。

在可选方案中：摄像模块为红外摄像头。

相较于现有技术，本发明的有益效果如下：

本发明主要是针对SLAM原理对于货物在动态变化的地图环境的不适应性做的针对性创新。在本方案中，车厢外使用行业成熟的SLAM+反光柱导航原理行走，进入车厢内部，当AGV探测不到反光柱时，自动切换为轮廓拟合计算的方式，使用雷达数据拟合内壁轮廓线，以此计算车身与内壁的距离及角度，调整行进姿态，同时使用机器视觉或其它方法计算AGV与货物的距离引导AGV前进后退。通过此方法可解决AGV在无法比对环境特征时的导航难题，对物流装卸货流程的自动化具有积极的推动作用。

附图说明

图1为本发明在车厢口导航的结构示意图。

图2为本发明在车厢内部导航的结构示意图。

图3为本发明在车厢内部导航的流程图。

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付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。

如图1-图3所示，本发明实施例提供了融合SLAM和反光柱和轮廓拟合计算的AGV导航***，包括以下模块：第一导航模块：使用SLAM导航原理，扫描周边环境，将AGV移动至车厢口位置；

第二导航模块：通过雷达识别车厢上的反光柱/反光条等强特征的点云数据，确定AGV位置，完成导航动作；

第三导航模块：在车厢内，使用雷达数据扫描到的车厢壁点云数据，拟合内壁轮廓线，确定AGV位置，保证AGV在车厢内可按指定姿态行走；

实际导航的时候：

步骤一：在车厢外，使用SLAM导航原理，扫描周边环境，建立环境地图，使AGV能在车厢外通过匹配环境特征，确定自身所处的世界坐标，从而进行自主导航行走至车厢外任意指定坐标；

步骤二：在车厢口，通过雷达识别车厢上的反光柱/反光条等强特征的点云数据，确定反光柱连线的垂直中线，AGV通过保持与垂直中线的距离和角度，根据上位机的距离指令向前行走直至进入车厢内部(每次停车位置相对月台会变化，将反光柱/反光条安装于车厢两侧，通过上述定位方法可适应这种位置变化，保证每次AGV进入车厢均与车厢中线保持指定的距离)；

步骤三：在车厢内，切换导航方法，使用雷达数据扫描到的车厢壁点云数据，拟合内壁轮廓线，以此计算车身与内壁的距离X及角度θ，保证AGV在车厢内可按指定姿态行走，同时使用机器视觉或其它方法计算AGV与货物的距离Y，引导AGV前进后退；

SLAM导航原理为：

通过移动AGV，通过位置[x₀,y₀,theta]及雷达点云[θ,d]生成点阵集合:G(x,y)＝{(x,y)|x＝x₀+d*cos(θ+theta),y＝y₀+d*sin(θ+theta)}；

生成可用路径集合P(x,y)＝{(x，y)|x＝x₀,y＝y₀}；

通过点阵转换地图，转换公式:

导航过程：先通过当前位置S(x₁,y₁)和目标位置D(x₂,y₂)，选择合适路径，选择算法:P(S,D)＝{P(x，y)|(x₁,y₁)∈P(x，y)，(x₂,y₂)∈P(x,y))；

然后，AGV根据选中路径进行移动，移动过程中根据雷达扫描轮廓不断进行位置矫正；

反光柱导航过程：

第一、从雷达获取点云图及反光柱位置信息(θ₁，d₁)，(θ₂，d₂)；

第二、计算AGV相对反光柱的位置:

第三、根据目位置计算移动的方向和角度；

第四、移动AGV，并更新AGV的位置。

车厢内轮廓导航过程：

先从雷达获取点云图，然后通过最小二乘法拟合车厢多条轮廓边缘,使用方程组：计算AGV离车厢轮廓边缘坐标系的位置三元组，使用到主要公式如下：/>

移动AGV，并更新AGV的位置；

本申请中的雷达为激光雷达，以便保证识别的精确度；

为了对工作人员进行警示，本发明还包括报警模块，用于在出现碰撞后发出报警信号，进而可以及时提醒，保证操作的安全性；

报警模块为声音报警器或声光报警器，从视觉和听觉方便进行警示作业；

本发明还设有用于统计报警次数的统计模块和摄像模块，摄像模块设置在AGV小车前端，摄像模块通过无线模块与显示器连接，这里的摄像模块为红外摄像头，以便在光线不佳的时候进行信息获取，提高了本发明抗干扰能力；

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.融合SLAM和反光柱和轮廓拟合计算的AGV导航***，其特征在于，包括：

第一导航模块：使用SLAM导航原理，扫描周边环境，将AGV移动至车厢口位置；

第二导航模块：通过雷达识别车厢上的反光柱/反光条强特征的点云数据，确定AGV位置，完成导航动作；

第三导航模块：在车厢内，使用雷达数据扫描到的车厢壁点云数据，拟合内壁轮廓线，确定AGV位置，保证AGV在车厢内可按指定姿态行走。

2.融合SLAM和反光柱和轮廓拟合计算的AGV导航方法，其特征在于，包括以下步骤：

步骤一：在车厢外，使用SLAM导航原理，扫描周边环境，建立环境地图，使AGV能在车厢外通过匹配环境特征，确定自身所处的坐标，从而进行自主导航行走至车厢外任意指定坐标；

步骤二：在车厢口，通过雷达识别车厢上的反光柱/反光条等强特征的点云数据，确定反光柱连线的垂直中线，AGV通过保持与垂直中线的距离和角度，根据上位机的距离指令向前行走直至进入车厢内部；

步骤三：在车厢内，切换导航方法，使用雷达数据扫描到的车厢壁点云数据，拟合内壁轮廓线，以此计算车身与内壁的距离X及角度θ，保证AGV在车厢内可按指定姿态行走，同时使用机器视觉或其它方法计算AGV与货物的距离Y，引导AGV前进后退。

3.根据权利要求2所述的融合SLAM和反光柱和轮廓拟合计算的AGV导航方法，其特征在于，SLAM导航原理为：

在移动AGV时，通过位置[x₀,y₀,theta]及雷达点云[θ,d]生成点阵集合:G(x,y)＝{(x,y)|x＝x₀+d*cos(θ+theta),y＝y₀+d*sin(θ+theta)}；

生成可用路径集合P(x,y)＝{(x，y)|x＝x₀,y＝y₀}；

通过点阵转换地图，转换公式:

4.根据权利要求2所述的融合SLAM和反光柱和轮廓拟合计算的AGV导航方法，其特征在于，使用SLAM导航原理的导航过程：先通过当前位置S(x₁,y₁)和目标位置D(x₂,y₂)，选择合适路径，选择算法:P(S,D)＝{P(x，y)|(x₁,y₁)∈P(x，y)，(x₂,y₂)∈P(x,y))；然后，AGV根据选中路径进行移动，移动过程中根据雷达扫描轮廓不断进行位置矫正。

5.根据权利要求2所述的融合SLAM和反光柱和轮廓拟合计算的AGV导航方法，其特征在于，反光柱导航过程：

第一、从雷达获取点云图及反光柱位置信息(θ₁，d₁)，(θ₂，d₂)；

第二、计算AGV相对反光柱的位置:

第三、根据目位置计算AGV移动的方向和角度；

第四、移动AGV，并更新AGV的位置。

6.根据权利要求2所述的融合SLAM和反光柱和轮廓拟合计算的AGV导航方法，其特征在于，车厢内轮廓导航过程：

先从雷达获取点云图，然后通过最小二乘法拟合车厢多条轮廓边缘,

使用方程组：

计算AGV离车厢轮廓边缘坐标系的位置三元组，使用到主要公式如下：

移动AGV，并更新AGV的位置。

7.根据权利要求1所述的融合SLAM和反光柱和轮廓拟合计算的AGV导航***，其特征在于，雷达为激光雷达。

8.根据权利要求1所述的融合SLAM和反光柱和轮廓拟合计算的AGV导航***，其特征在于，还包括报警模块，用于在出现碰撞后发出报警信号。

9.根据权利要求8所述的融合SLAM和反光柱和轮廓拟合计算的AGV导航***，其特征在于，报警模块为声光报警器。

10.根据权利要求8所述的融合SLAM和反光柱和轮廓拟合计算的AGV导航***，其特征在于，还设有统计模块，用于统计报警次数。

11.根据权利要求1所述的融合SLAM和反光柱和轮廓拟合计算的AGV导航***，其特征在于，还包括摄像模块，摄像模块设置在AGV小车前端，摄像模块通过无线模块与显示器连接。

12.根据权利要求11所述的融合SLAM和反光柱和轮廓拟合计算的AGV导航***，其特征在于，摄像模块为红外摄像头。