【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A ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。