自动导航方法、服务器及存储介质技术

本发明专利技术提供一种自动导航方法，包括控制摄像单元对自动引导车进行定位；控制惯性侦测单元侦测自动引导车的位姿信息，位姿信息至少包括加速度信息、速度信息和偏航角信息；判断获得的定位信息是否有效；当判定获得的定位信息有效时，更新摄像单元获得的定位信息为惯性侦测单元当前输出的位姿信息及运动预测模型输出的位姿信息；当判定获得的定位信息无效时，根据惯性侦测单元当前侦测到的位姿信息、运动预测模型输出的位姿信息和自动引导车在k时刻的位姿信息通过卡尔曼滤波算法计算自动引导车在k+1时刻的位姿信息；根据自动引导车在k+1时刻的位姿信息和预存虚拟路径上的参考点信息生成控制指令以控制自动引导车在导航空间内行驶。

【技术实现步骤摘要】
自动导航方法、服务器及存储介质
本专利技术涉及导航领域，尤其涉及一种自动导航方法、服务器及存储介质。
技术介绍
目前自动引导车(AutomatedGuidedVehicle，AGV)已经成为智慧物流、智能制造以及数字工厂中的重要基础设施。所述AGV能够方便工厂运输，提高工厂的生产效率和运行效率。常见的AGV导航方法包括磁条导航、激光导航、二维码导航等。磁条导航AGV价格相对便宜，且运行可靠稳定。但需要在应用场景中额外铺设磁条，所述磁条的铺设工作量大，且需要对应用场地进行改造才能完成。如果导航路径发送改变，则需要在所述应用场地重新铺设磁条。并且由于长期使用磁条底部粘性会变弱，不利于重复使用。基于激光导航的AGV是通过激光雷达构建室内完整的地图，获得完整的周围环境信息，利用激光扫描实时获取周边信息并实现算法导航。激光导航的AGV不需要在应用场地铺设固定轨道，然后激光导航遇到较大物体或墙壁时，可能会导致定位不准，会出现脱离预先设定的路径现象。随着数字工厂、智能工厂的发展，企业对工厂自动化提出了更高的要求。目前物流机器人大部分处于有轨引导条件下运行，以及少部分采用相对昂贵的激光雷达无轨导航与技术复杂度较高的惯性导航机器人。有轨导航无法适应路径变化的要求，而激光导航需要额外的反射板。基于视觉导航的移动机器人可以克服上述问题，只需在屋顶安装摄像头，在摄像头覆盖范围内实现精准导航。但基于视觉导航的方案存在摄像头覆盖盲区的问题，即在没有摄像头覆盖的地方，无法获得AGV小车的位姿信息。在AGV运行至摄像头覆盖的盲区时，服务器无法获取AGV的位姿信息，以至于无法给AGV小车提供控制指令。因此，需要通过额外的传感器辅助提供AGV的位姿信息，又会增加硬件成本。
技术实现思路
鉴于以上内容，有必要提供一种自动导航方法、服务器及存储介质，可以确定自动引导车在导航空间内的摄像头的盲区行驶时的偏航角和位姿信息，并根据偏航角和位姿信息控制所述自动引导车沿虚拟路径行驶。本专利技术的第一方面提供一种根据惯性侦测单元的信息和运动预测模型通过卡尔曼滤波算法进行的自动导航方法，应用于服务器中，所述服务器与至少一自动引导车及至少一摄像单元通信连接，所述方法包括：控制所述摄像单元对所述自动引导车进行定位；控制所述自动引导车上装设的惯性侦测单元侦测所述自动引导车的位姿信息，其中，所述位姿信息至少包括速度信息和偏航角信息；判断通过所述摄像单元获得的定位信息是否有效；当判定所述摄像单元获得的定位信息有效时，更新所述摄像单元当前获得的定位信息为所述惯性侦测单元当前输出的位姿信息及运动预测模型输出的位姿信息；当判定所述摄像单元获得的定位信息无效时，根据所述惯性侦测单元当前侦测到的位姿信息、所述运动预测模型输出的位姿信息和所述自动引导车在k时刻的位姿信息通过卡尔曼滤波算法计算所述自动引导车在k+1时刻的位姿信息；根据所述自动引导车在k+1时刻的位姿信息和预存在服务器中的虚拟路径上的参考点信息生成控制指令以控制所述自动引导车在导航空间内对应的虚拟路径上行驶。本专利技术的第二方面提供一种服务器，所述服务器包括：处理器；以及存储器，所述存储器中存储有多个程序模块，所述多个程序模块由所述处理器加载并执行上述的自动导航方法。本专利技术的第三方面提供一种存储介质，其上存储有至少一条计算机指令，所述指令由处理器并加载执行上述的自动导航方法。上述自动导航方法可以在自动引导车行驶在摄像单元无法导航的盲区时，通过惯性侦测单元侦测到的偏航角及位姿信息结合运动预测模型并通过卡尔曼滤波算法估测自动引导车的行驶路线，从而避免自动引导车偏离预设路线。附图说明图1为本专利技术一实施方式中自动导航系统的示意图。图2为本专利技术一实施方式中所述自动导航系统中的服务器的示意图。图3为本专利技术一实施方式中所述自动导航系统中的自动引导车的示意图。图4为本专利技术一实施方式中自动导航方法的流程图。主要元件符号说明自动导航系统10服务器1自动引导车2网络单元11存储器12处理器13电池20无线单元21控制器22惯性侦测单元23摄像单元3步骤S41～S49如下具体实施方式将结合上述附图进一步说明本专利技术。具体实施方式请参考图1，所示为本专利技术一实施方式中自动导航系统10的示意图。所述自动导航系统10包括，但不限于，服务器1、自动引导车2和至少一摄像单元3。在本实施方式中，所述服务器1与所述自动引导车2之间通过无线的方式进行通信连接。所述服务器1与所述至少一摄像单元3通过有线的方式电性连接。所述摄像单元3为摄像头，装设于一导航空间中。在本实施方式中，所述服务器1通过估算所述自动引导车2的位姿信息控制所述自动引导车2在导航空间内导航，具体细节后文介绍。所述位姿信息包括位置信息和航向角信息。所述导航空间可以是室内空间(如储物仓内)，也可以是室外空间。请参考图2，所示为本专利技术一实施方式中自动导航系统10中的服务器1的示意图。在本实施方式中，所述服务器1包括，但不仅限于，网络单元11、存储器12和处理器13。上述网络单元11、存储器12和处理器13之间电气连接。在本实施方式中，所述网络单元11用于通过有线或无线网络传输方式为服务器1提供网络通讯功能。从而所述服务器1可以与所述自动引导车2网络通信连接。在本实施方式中，所述存储器12用于存储安装于所述服务器1内的软件程序及数据。在本实施方式中，所述存储器12可以为所述服务器1的内部存储单元，例如所述服务器1的硬盘或内存。在其他实施方式中，所述存储器12也可以为所述服务器1的外部存储设备，例如所述服务器1上配备的插接式硬盘，智能存储卡(SmartMediaCard,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(FlashCard)等。在本实施方式中，所述存储器12还存储有所述导航空间的虚拟地图(如电子地图)，所述虚拟地图中包括多条虚拟路径。所述虚拟路径由参考点及参考点与参考点之间的连接关系组成。所述虚拟路径定义了所述自动引导车2在整个虚拟路径上的多个参考点及每个参考点对应的位置坐标，以及每个自动引导车2经过所述多个参考点的先后顺序。本实施方式中，所述存储器12中预先存储有所述虚拟路径上的各个参考点的位置坐标。所述虚拟路径上的各个参考点的位置坐标可以是指基于整个导航空间所在区域所建立的坐标系(XOY)中的坐标。在本实施方式中，所述处理器13可以为中央处理单元(CentralProcessingUnit,CPU)，或者其他能够执行控制功能的微处理器或其他数据处理芯片。所述处理本文档来自技高网...

【技术保护点】
1.一种自动导航方法，应用于服务器中，所述服务器与至少一自动引导车及至少一摄像单元通信连接，其特征在于，所述方法包括：/n控制所述摄像单元对所述自动引导车进行定位；/n控制所述自动引导车上装设的惯性侦测单元侦测所述自动引导车的位姿信息，其中，所述位姿信息至少包括速度信息和偏航角信息；/n判断通过所述摄像单元获得的定位信息是否有效；/n当判定所述摄像单元获得的定位信息有效时，更新所述摄像单元当前获得的定位信息为所述惯性侦测单元当前输出的位姿信息及运动预测模型输出的位姿信息；/n当判定所述摄像单元获得的定位信息无效时，根据所述惯性侦测单元当前侦测到的位姿信息、所述运动预测模型输出的位姿信息和所述自动引导车在k时刻的位姿信息通过卡尔曼滤波算法计算所述自动引导车在k+1时刻的位姿信息；/n根据所述自动引导车在k+1时刻的位姿信息和预存在服务器中的虚拟路径上的参考点信息生成控制指令以控制所述自动引导车在导航空间内对应的虚拟路径上行驶。/n

【技术特征摘要】
1.一种自动导航方法，应用于服务器中，所述服务器与至少一自动引导车及至少一摄像单元通信连接，其特征在于，所述方法包括：
控制所述摄像单元对所述自动引导车进行定位；
控制所述自动引导车上装设的惯性侦测单元侦测所述自动引导车的位姿信息，其中，所述位姿信息至少包括速度信息和偏航角信息；
判断通过所述摄像单元获得的定位信息是否有效；
当判定所述摄像单元获得的定位信息有效时，更新所述摄像单元当前获得的定位信息为所述惯性侦测单元当前输出的位姿信息及运动预测模型输出的位姿信息；
当判定所述摄像单元获得的定位信息无效时，根据所述惯性侦测单元当前侦测到的位姿信息、所述运动预测模型输出的位姿信息和所述自动引导车在k时刻的位姿信息通过卡尔曼滤波算法计算所述自动引导车在k+1时刻的位姿信息；
根据所述自动引导车在k+1时刻的位姿信息和预存在服务器中的虚拟路径上的参考点信息生成控制指令以控制所述自动引导车在导航空间内对应的虚拟路径上行驶。


2.如权利要求1所述的自动导航方法，其特征在于，所述自动引导车在k时刻的位姿信息为所述自动引导车在k时刻的位置信息和偏航角信息，其中，所述自动引导车在k时刻的位置信息和偏航角信息根据所述摄像单元拍摄的图像确定或者为所述自动引导车在所述虚拟路径上的初始位置信息。


3.如权利要求2所述的自动导航方法，其特征在于，判断通过所述摄像单元获得的定位信息是否有效包括：
判断所述摄像单元拍摄到的图像中是否包含完整的所述自动引导车；
当所述摄像单元拍摄到的图像中包含完整的所述自动引导车时，判定所述摄像单元获得的定位信息有效；及
当所述摄像单元拍摄到的图像中未包含完整的所述自动引导车时，判定所述摄像单元获得的定位信息无效。


4.如权利要求1所述的自动导航方法，其特征在于，根据所述惯性侦测单元当前侦测到的位姿信息和所述运动预测模型输出的所述自动引导车在k时刻的位姿信息通过卡尔曼滤波算法计算所述自动引导车在k+1时刻的位姿信息包括：
通过所述运动预测模型计算k+1时刻所述自动引导车的偏航角变化量Δθ；
通过所述运动预测模型计算k+1时刻所述自动引导车的位移变化量Δs；
通过所述运动预测模型计算k+1时刻所述自动引导车的位姿信息pose_predict(xk+1，yk+1，θk+1)＝(xk+ΔS*cos(θk)，y0+ΔS*sin(θk)，θk+Δθ)，其中，所述自动引导车k时刻的位姿信息pose1(xk，yk，θk)由所述摄像单元侦测确定；
通过所述惯性侦测单元侦测到的信息计算所述自动引导车的位姿信息pose_IMU；及
通过卡尔曼滤波算法计算k+1时刻所述自动引导车的位姿信息pose_kalman(xk+1，yk+1，θk+1)。


5.如权利要求4所述的自动导航方法，其特征在于，通过所述运动预测模型计算k+1时刻所述自动引导车的偏航角变化量Δθ的计算公式为：Δθ＝θ’*v，其中，v为所述惯性侦测单元当前侦测到的所述自动引导车的速度，θ’为从k到k+1时刻所述自动引导车的偏航角变化量；及
通过所述运动预测模型计算k+1时刻所述自动引...

【专利技术属性】
技术研发人员：周严伟，占兆武，谢恺，罗为，
申请(专利权)人：富华科精密工业深圳有限公司，
类型：发明
国别省市：广东;44