System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智能交通,具体为一种跟随式锥桶的智能路径导航控制方法。
技术介绍
1、在传统的锥桶运动控制及部署方案中,gps或uwb导航定位技术是主要的选择。然而,这些方法存在一些挑战和限制。首先,gps信号在某些环境下可能受到干扰,例如高楼大厦密集的城市中或是在隧道内部,这会影响导航的准确性。uwb导航定位技术虽然精度较高,但仍然存在信号穿透能力不足的问题,尤其是在复杂的室内环境中。
2、除了导航定位的挑战外,传统方案还存在控制精度低、可靠性差的问题。特别是在高速道路上运行时,由于实时性要求高、环境变化快,传统的gps或uwb导航技术可能无法及时准确地调整锥桶的运动轨迹,增加了发生意外的风险。
3、另外,针对多台锥桶机器人的集群控制需求,传统方案往往缺乏有效的协调机制,容易导致机器人之间的碰撞或运动干涉。缺乏集中调度和智能决策的系统结构,使得锥桶机器人难以实现高效、安全地协同工作。
技术实现思路
1、针对现有技术的不足,本专利技术提供了一种跟随式锥桶的智能路径导航控制方法,以解决上述
技术介绍
中提出的问题。
2、为实现上述目的,本专利技术提供如下技术方案:一种跟随式锥桶的智能路径导航控制方法,包括标定阶段和布防及撤防阶段;
3、所述标定阶段,运行锥桶到俯视图指定位置,多次采样,获取uwb坐标到俯视图的透视变换矩阵;
4、所述布防及撤防阶段,基于单机自主导航算法,分为全局导航和局部导航两部分,全局导航采用a*算法进行路径规划
5、所述标定阶段,包括以下步骤:
6、s1、手动标定,获取雷达数据到俯视图对应点组;
7、s2、通过仿射变换的算法计算得到雷达数据到俯视图的仿射变换矩阵;
8、s3、通过矩阵m实现两个向量空间之间的转换,实现uwb坐标系到俯视图坐标系下的转换;
9、所述布防及撤防阶段,包括以下步骤:
10、s4、使用a*算法在全局地图上规划从当前位置到目标位置的最优路径;
11、s5、并对a*算法找到的路径进行平滑或优化处理;
12、s6、基于局部规划进行多机协同避障过程。
13、进一步优化本技术方案,所述步骤s1中,进一步包括:
14、准备工作:确保锥桶上搭载的雷达传感器和俯视图摄像头均处于工作状态;将锥桶放置在标定区域内,该区域具有已知的地标或参考点,uwb系统提供准确的锥桶位置信息;
15、选择标定点:在标定区域内选择多个已知位置作为标定点,标定点可以通过地面标记、qr码、或其他可识别的特征点表示;
16、雷达数据采集:将锥桶移动到第一个标定点,并记录此时的uwb坐标,通过雷达传感器采集在当前位置的雷达数据;
17、俯视图采集:使用俯视图摄像头拍摄当前锥桶位置的俯视图图像,图像中包含标定区域内的地标或参考点;
18、数据匹配:将雷达数据和俯视图图像进行匹配,在俯视图图像上标定地标位置,并将其与雷达数据中的相应点进行关联。
19、进一步优化本技术方案,所述步骤s2中,仿射变换的算法包括:
20、假设一个空间向量k=(x,y),另一个空间向量j=(x’,y’),
21、将向量变k为j,通过以下的方式进行变换:
22、j=k*w+b
23、其中,w为变换过程中的旋转矩阵,b为变换过程中的平移矩阵;
24、将上式拆分可得:
25、x’=w00*x+w01*y+b0
26、y’=w10*x+w11*y+b1
27、其中,w00和w11控制水平和垂直的缩放;
28、其中,w01和w10控制水平和垂直的倾斜程度;
29、其中,b0和b1控制水平和垂直的平移;
30、w为变换过程中的旋转矩阵,b为变换过程中的平移矩阵;
31、整理上式,转换为矩阵的乘法:
32、
33、其中,是原始向量的齐次坐标,是变换后向量的齐次坐标,而变换矩阵即m矩阵,包含原始向量的缩放、旋转以及平移程度。
34、进一步优化本技术方案,所述w00和w11的值为正,则控制水平和垂直的缩放;若值为负,则控制水平和垂直的翻转。
35、进一步优化本技术方案,所述步骤s4中,a*算法公式如下式所示:
36、(f(n)=g(n)+h(n))
37、其中,(f(n))为节点n的总成本函数、(g(n))为从起点到节点n的实际成本、(h(n))为从节点n到目标的估计成本。
38、进一步优化本技术方案,所述步骤s5中,对通过a*算法找到的路径进行平滑或优化,以适应锥桶的物理特性和避免不必要的转向;包括以下路径优化过程:
39、路径平滑:在路径平滑阶段,使用如bez ier曲线、样条曲线的算法来平滑路径,使其更加连续,减少锥桶在导航过程中的不必要震荡或急转弯;
40、减少拐点:在保持路径合理性的前提下,通过优化减少路径上的拐点,使得导航更加稳定;
41、避免障碍物:对路径进行实时调整,以避免障碍物或适应动态环境,通过集成感知系统实时更新地图信息,然后进行路径调整;
42、考虑机器人动力学:在优化路径时,通过在路径规划中考虑锥桶的最大速度、最大加速度的参数,生成更符合锥桶的路径,避免因速度或加速度限制而导致的问题。
43、动态路径规划:动态路径规划根据实时环境信息,不断调整路径,以适应变化的情况,提高锥桶在复杂环境中的适应性。
44、进一步优化本技术方案,所述步骤s6中,多机协同避障过程如下:
45、多台锥桶终端自组网,建立数据交互链路;
46、终端共享地图,锥桶自身作为地图中的运动目标,其余锥桶及常见障碍物均视为障碍目标;
47、获取其余各锥桶uwb坐标及避障传感器数据,作为局部规划避障输入。
48、进一步优化本技术方案,所述的获取其余各锥桶uwb坐标及避障传感器数据时,每个锥桶使用uwb系统来确定自身和其他锥桶的精确位置;避障传感器提供关于周围环境的实时数据;获取的数据被用作局部规划的输入,以确保在避障时考虑到其他移动的锥桶和固定或移动的障碍物。
49、进一步优化本技术方案,所述步骤s6中,局部规划采用下式进行:
50、xi=[xi,yi,θiδti]
51、
52、其中,xi=[xi,yi]为路径点,oi=[ox,oy]是当前最近的一个障碍物点,dmin是最小通过距离以这个代价函数的目的就是计算每一个点和障碍物的距离,如果距离小于dmin这个代价函数就会对整体代价引入新误差,这样计算梯度的时候就会把当前点往远离障碍物的方向踢。
53、进一步优化本技术方案,所述局部规划过程具体包括:
本文档来自技高网...【技术保护点】
1.一种跟随式锥桶的智能路径导航控制方法,其特征在于,包括标定阶段和布防及撤防阶段;
2.根据权利要求1所述的一种跟随式锥桶的智能路径导航控制方法,其特征在于,所述步骤S1中,进一步包括:
3.根据权利要求1所述的一种跟随式锥桶的智能路径导航控制方法,其特征在于,所述步骤S2中,仿射变换的算法包括:
4.根据权利要求3所述的一种跟随式锥桶的智能路径导航控制方法,其特征在于,所述w00和w11的值为正,则控制水平和垂直的缩放;若值为负,则控制水平和垂直的翻转。
5.根据权利要求1所述的一种跟随式锥桶的智能路径导航控制方法,其特征在于,所述步骤S4中,A*算法公式如下式所示:
6.根据权利要求1所述的一种跟随式锥桶的智能路径导航控制方法,其特征在于,所述步骤S5中,对通过A*算法找到的路径进行平滑或优化,以适应锥桶的物理特性和避免不必要的转向;包括以下路径优化过程:
7.根据权利要求1所述的一种跟随式锥桶的智能路径导航控制方法,其特征在于,所述步骤S6中,多机协同避障过程如下:
8.根据权利要求7所述
9.根据权利要求1所述的一种跟随式锥桶的智能路径导航控制方法,其特征在于,所述步骤S6中,局部规划采用下式进行:
10.根据权利要求9所述的一种跟随式锥桶的智能路径导航控制方法,其特征在于,所述局部规划过程具体包括:
...【技术特征摘要】
1.一种跟随式锥桶的智能路径导航控制方法,其特征在于,包括标定阶段和布防及撤防阶段;
2.根据权利要求1所述的一种跟随式锥桶的智能路径导航控制方法,其特征在于,所述步骤s1中,进一步包括:
3.根据权利要求1所述的一种跟随式锥桶的智能路径导航控制方法,其特征在于,所述步骤s2中,仿射变换的算法包括:
4.根据权利要求3所述的一种跟随式锥桶的智能路径导航控制方法,其特征在于,所述w00和w11的值为正,则控制水平和垂直的缩放;若值为负,则控制水平和垂直的翻转。
5.根据权利要求1所述的一种跟随式锥桶的智能路径导航控制方法,其特征在于,所述步骤s4中,a*算法公式如下式所示:
6.根据权利要求1所述的一种跟随式锥桶的智能路径导航控制方法,其特征在于,所述步骤s5中,对通过a*算法找到的路径进行平...
【专利技术属性】
技术研发人员:杨晓峰,乙晓峰,王慧星,宫贺,李光灿,孟晓锋,
申请(专利权)人:常熟市公安局交通警察大队,
类型:发明
国别省市:
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。