CN103688226A - 用于自动校准车辆参数的方法和装置 - Google Patents

用于自动校准车辆参数的方法和装置 Download PDF

Info

Publication number
CN103688226A
CN103688226A CN201280028125.4A CN201280028125A CN103688226A CN 103688226 A CN103688226 A CN 103688226A CN 201280028125 A CN201280028125 A CN 201280028125A CN 103688226 A CN103688226 A CN 103688226A
Authority
CN
China
Prior art keywords
vehicle
parameter
measurement
deviation
parameter value
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
Application number
CN201280028125.4A
Other languages
English (en)
Other versions
CN103688226B (zh
Inventor
L·王
C·W·古德
A·E·格莱姆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Crown Equipment Corp
Original Assignee
Crown Equipment Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Crown Equipment Ltd filed Critical Crown Equipment Ltd
Publication of CN103688226A publication Critical patent/CN103688226A/zh
Application granted granted Critical
Publication of CN103688226B publication Critical patent/CN103688226B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Forklifts And Lifting Vehicles (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Navigation (AREA)
  • Measuring Fluid Pressure (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

描述了一种用于自动校准车辆参数的方法和装置。在一个实施例中，所述方法包括：测量车辆操作期间的参数值；将测量的参数值与实际的参数值进行比较，以识别至少一个车辆参数偏差作为实际测量误差；以及基于所述至少一个车辆参数偏差来修改至少一个车辆参数。

Description

用于自动校准车辆参数的方法和装置
技术领域
本发明的实施例一般涉及用于工业车辆(vehicle)的基于环境的导航系统，更具体地，涉及用于自动校准车辆参数的方法和装置。
背景技术
实体定期地运行许多设施以便满足供应和/或需求的目标。例如，从小公司到大公司和/或政府机构等采用各种物流(logistics)管理和库存管理范式来将物体(例如，原材料、货物和/或机器等)移动到各种物理环境(例如，仓库、冷室、工厂、车间和/或商店等)中。跨国公司可以在一个国家中建造仓库来存储用于制造成货物的原材料，而所述货物被容纳在另一个国家中的仓库中以用于分发到当地零售市场中。仓库必须被良好地组织，以便维持和/或改善生产和销售。如果原材料未以最佳速度被运输到工厂，则较少的货物被制造。结果，对于未制造的货物不产生收益以抵消原材料的成本。
不幸的是，诸如仓库的物理环境具有防止各种任务的按时完成的若干限制。仓库以及其它共用空间例如必须对于人类劳动力是安全的。一些雇员操作重型机械和工业车辆，诸如叉车(forklift)，其具有造成严重或致命伤害的潜在可能性。尽管如此，人类需要使用工业车辆来完成任务，所述任务包括物体操纵任务，诸如移动货物的托盘到仓库内的不同地点。大多数仓库雇用大量的叉车司机和叉车来移动物体。为了提高生产率，这些仓库单纯地添加更多的叉车和叉车司机。
为了减轻上述问题，一些仓库利用设备来自动执行这些任务。作为一个例子，这些仓库可以采用自动化的工业车辆，诸如叉车，来在路径上携带物体。当自动操作工业车辆时，关键要求是在仓库中准确定位车辆的能力。为了实现这种定位，多个传感器被频繁用于测量位置。然而，有必要考虑到与传感器测量相关联的噪声和不确定性。例如，车辆参数(例如，车轮直径)由于诸如磨损和/或季节条件等的各种原因而随时间变化。车辆参数的变化可导致传感器器件测量的不准确，其例如在车辆姿态预测期间被反映为偏差(bias)。不经校准，自动化的车辆将继续使用不再反映车辆状态的车辆参数执行定位和地图绘制(mapping)，这导致自动化工业车辆导航和操作的显著误差。
因此，本领域中需要用于自动校准车辆参数以增强自动化工业车辆导航的方法和装置。
发明内容
本公开的各种实施例一般包括用于自动校准车辆参数的方法和装置。在一个实施例中，该方法包括：测量车辆操作期间的参数值；将测量的参数值与实际的参数值进行比较，以识别至少一个车辆参数偏差作为实际测量误差；以及基于所述至少一个车辆参数偏差来修改至少一个车辆参数。
附图说明
于是，可以通过参考实施例来得到本发明的上述特征可被详细理解的方式、在上面简要概述的本发明的更具体描述，所述实施例中的一些在附图中被示出。但要注意的是，附图仅示出了本发明的典型实施例，并因此不要被认为是限制其范围，因为本发明可允许其它等效实施例。
图1是包括本公开的各种实施例的物理环境的透视图；
图2示出了根据一个或更多个实施例的用于导航物理环境以执行各种任务的叉车的透视图；
图3是根据一个或更多个实施例的用于自动校准车辆参数的系统的结构框图；
图4是根据一个或更多个实施例的用于自动校准车辆参数的系统的功能框图；以及
图5是根据一个或更多个实施例的用于自动校准车辆参数的方法的流程图。
具体实施方式
图1示出了包括本发明的一个或更多个实施例的物理环境100的示意性透视图。
在一些实施例中，物理环境100包括耦接到便携计算机104的车辆102、中央计算机106以及传感器阵列108。如下面进一步解释的那样，传感器阵列108包括多个器件，所述多个器件用于分析物理环境100内的各种物体，并发送数据(例如，图像数据、视频数据、区域地图(range map)数据和/或三维图形数据等)给便携计算机104和/或中央计算机106。传感器阵列108包括各种类型的传感器，诸如编码器(encoder)、超声测距仪、激光测距仪和/或压力变换器等。如下面进一步解释的那样，在一个示例性实施例中，便携计算机104被用于校准影响工业车辆102的导航的车辆参数。
物理环境100还包括支承多个物体的地面110。如下面进一步解释的那样，所述多个物体包括多个托盘112和/或多个单元114等。物理环境100还包括对于车辆102的正常操作的各种障碍物(未图示)。如果所述多个物体中的一些干扰任务完成，那么这样的物体可构成为沿各种路径(例如，预编程或动态计算的路线)的障碍物。
物理环境100还包括多个标记116。所述多个标记116被示为附接到天花板和地面110的物体，但可以位于整个物理环境100中。在一些实施例中，如下面进一步解释的那样，所述多个标记116是便于基于环境的导航的信标。所述多个标记116以及物理环境100周围的其它物体形成环境特征。便携计算机104撮取环境特征，并确定准确的当前车辆姿态。
物理环境100可以包括用于容纳所述多个单元114以为未来运输作准备的的仓库或冷库。仓库可包括用于从商用车辆、铁路、机场和／或海港装载和卸载所述多个单元的装载台(loading dock)。所述多个单元114一般包括各种货物、产品和/或原材料等。例如，所述多个单元114可以是通过叉车被放置在ISO标准托盘上并装载进托盘架中以将更分发给零售店的消费品。车辆102通过将消费品移动到指定地点来便于这种分发，在所述指定地点处商用车辆(例如，卡车)装载并随后将消费品传送到一个或更多个目标目的地。
根据一个或更多个实施例，车辆102可以是诸如自动化叉车的自动化导引车辆(AGV)，其被配置为在地面110的各处操纵和/或移动所述多个单元114。车辆102利用诸如叉子的一个或更多个提升(lifting)元件来提升一个或更多个单元114，并然后沿着路径运输这些单元114以将其放置在指定地点。替代性地，所述一个或更多个单元114可以被布置在车辆102提升并移动到指定地点的托盘112上。
所述多个托盘112中的每一个是平坦运输结构，所述平坦运输结构在由车辆102和/或另一起重（jacking)设备(例如，托盘起重器和/或前装载机)提升的同时以稳定的方式支承货物。托盘112是物体负载的结构基础，并允许操纵和存储的效率。所述多个托盘112中的各种托盘可以在架系统(未图示)内被利用。在典型的架系统内，重力辊或轨道允许一个或更多个托盘112上的一个或更多个单元114流向前方。所述一个或更多个托盘112向前移动，直到被阻滞(retarding)设备、物理止动器(stop)或另一托盘112减模或停止。
在一些实施例中，便携计算机104和中央计算机106是在物理环境100内控制车辆102并执行各种任务的计算设备。如所示的那样，便携计算机104适于与车辆102耦接。便携计算机104还可以接收和汇聚由传感器阵列108发送的数据(例如，激光扫描仪数据、图像数据和／或任何其它相关的传感器数据)。如下面进一步解释的那样，便携计算机104内的各种软件模块控制工业车辆102的操作。
在一些实施例中，图1示出了工业区，该工业区具有配备有诸如编码器、激光扫描仪和照相机的各种传感器器件的叉车。如下面进一步解释的那样，便携计算机104使用诸如车轮旋转的一系列测量来计算车辆姿态(例如，位置和取向)。一个或更多个传感器器件被耦接到车轮，并提供从其计算里程数据(odometry data)的对这些车轮中的每一个所行驶的距离的独立测量。替代性地，惯性测量单元(IMU)可被用于测量里程数据。一个或更多个二维激光扫描仪提拱距离读数及它们自车辆102的相应角度的形式的物理环境100的细节。从激光数据，便携计算机104提取诸如直线、角、弧和／或标记等的地标(landmark)所关联的特征。照相机可提供包括高度测量的三维信息。除了所提取的特征外，地标还可以基于诸如颜色、尺寸、深度、位置、取向和/或纹理的各种特性从照相枳数据被提取。
使用滤波器(例如，扩展卡尔曼滤波器(Extended Kalman Filter,EKF))，便携计算机104将二维平面中的车辆姿态(即车辆102的(x，y)坐标和指向(heading))作为概率密度来模拟。里程数据被用于预测车辆的更新姿态，并且从激光扫描提取的环境标记可以与已知的地图和／或由滤波器保持的动态地标列表进行比较以校正车辆姿态的误差。
如果车辆参数变化，那么在更新步骤期间发生的相应车辆姿态预测校正将包含偏差，其可被测量为随时间的统计上显著变动观察误差。一系列这样的校正被存储在便携计算机104中并且后来被分析以便确定车辆参数偏差。例如，如果激光扫描仪数据指示着工业车辆一贯行驶少于由里程传感器测量的距离，那么则存在车轮直径由于胎面磨损而减小的可能性。车辆参数还包括传感器偏移、车辆高度变动(例如，轮胎压力／台面变化)、转向对准(steering alignment)变动等等。这些传感器中的每一个中的误差导致可被模拟并与实际校正相比校的校正中的特征性误差。这些误差可能不与车辆姿态确定相关，而是关于其它控制系统。
在系统100的试运行(commissioning)期间，创建仓库的地图，所述地图提供预期由传感器阵列在仓库中的任何位置处看到的特征集。作为车辆使用的结果，各种车辆参数可随时间变化，例如，车轮磨损、传感器移动、转向部件磨损等等。车辆参数变化负面地影响得到的测量结果，例如与工业车辆相关联的里程数据以及由其它传感器收集的数据。得到的测量结果中的数据偏差或漂移可被保持为动态车辆参数。随着时间推移，当工业车辆102行驶、观察特征信息并执行任务时，便携计算机104收集时车辆属性作出的一系列误差校正，诸如当与使用激光扫描仪的测量姿态相比时从里程计测(odometry)得到的预测姿态。这些误差校正受到统计分析以寻找特性干扰。这种干扰可能是对于特定参数的测量模型特有的漂移或跳跃。使干扰的本性与对于许多车辆参数的测量模型相关，以识别误差源。便携计算机使用对于特定传感器的测量模型来确定参数所需的用于消除偏差的校正。
图2示出根据本发明的一个或更多个实施例的用于在物理环境内便于各种任务的自动化叉车200的透视图。
叉车200(即，提升卡车、高低机(high／low)、堆积卡车、拖车装载机、侧装载机或叉式吊车)是具有各种负载能力并用来提升及运输各种物体的动力(powered)工业卡车。在一些实施例中，叉车200被配置为沿物理环境(例如，图1的物理环境100)内的路径移动单元(例如，图1的单元114)的一个或更多个托盘(例如，图1的托盘112)。路径可以被预先定义或当任务被接收时被动态计算。叉车200可以在多个托盘位置深的存储隔间(bay)内行驶以放置或或取回托盘。通常地，叉车200被引导到存储隔间中，并将托盘放置在悬臂或导轨上。因此，在确定与物体和/或目标目的地相关联的取向时，包括整体宽度和柱杆宽度(mast width)的叉车200的尺度必须准确。
叉车200典型地包括用于在物理环境内提升和携带单元的两个或更多个叉子(即，滑橇(skid)或叉齿(tine))。替代性地，代替两个或更多个叉子，叉车200可以包括一个或更多个金属杆(未图示)，以便提升某些单元(例如，地毯卷和/或金属线圈等)。在一个实施例中，叉车200包括液压驱动的伸缩叉，所述伸缩叉允许两个或更多个托盘相互被置于后面，而在这些托盘之间没有通道。
根据一个或更多个实施例，叉车200可以进一步包括各种机械、液压和／或电操作的致动器。在一些实施例中，叉车200包括一个或更多个液压致动器(未标示)，所述液压致动器允许两个或更多个叉子的横向和／或旋转运动。在一个实施例中，叉车200包括用于将叉子移动到一起以及分开的液压致动器(未标示)。在另一实施例中，叉车200包括用于压挤要被运输的单元(例如，桶、小桶和／或纸卷等)的机械或液压组件。
叉车200可以与便携计算机104耦接，所述便携计算机104包括用于根据一个或更多个任务操作叉车200的软件模块。叉车200也与包括各种传感器器件的阵列(例如，图1的传感器阵列108)耦接，所述阵列发送传感器数据(例如，图像数据、视频数据、区域地图数据和/或三维图形数据)给便携计算机104，用于提取与环境特征相关联的信息。这些器件可在任何外部和／或内部位置处被安装于叉车200或者被安装在物理环境100各处的已知地点处。叉车200的示例性实施例典型地包括照相机202、附接到每侧的平面激光扫描仪204和／或附接到每个车轮208的编码器206。在其它实施例中，叉车200仅包括平面激光扫描仪204和编码器206。叉车200可以使用具有扩展到当前运动(例如，向前、向后行驶，叉子向上／向下运动和/或伸出／缩回(reach out／in)等)方向的视场的任何传感器阵列。这些编码器确定与车辆运动相关的运动数据。外部安装的传感器可包括激光扫描仪或照相机，其定位在可从这样的传感器获得的丰富数据集将增强自动化操作的位置处。外部传感器可以包括一组有限的收发器和/或其它有源或无源构件，通过其自动化车辆可获得近似位置来作为定位函数的种子(seed a localization function)。在一些实施例中，传感器器件(例如，激光扫描仪、激光测距仪、编码器和／或压力变换器等)的数量以及它们在叉车200上的位置是依赖于车辆的，并且这些传感器的安装位置影响测量数据的处理。例如，通过确保所有的激光扫描仪被放置在可测量的位置处，传感器阵列108可以处理激光扫描数据，并将它换位到叉车200的中心点。此外，传感器阵列108可将多个激光扫描组合为单个的虚拟激光扫描，其可被各种软件模块使用以控制叉车200。
图3是根据一个或更多个实施例的用于自动校准车辆参数的系统300的结构框图。在一些实施例中，系统300包括便携计算机104、中央计算机106和传感器阵列108，其中每个组件通过网络302彼此耦接。
便携计算机104是一种类型的计算设备(例如，膝上型电脑、台式电脑、个人桌面助理(PDA)等)，其包括中央处理单元(CPU)304、各种支持电路306和存储器308。CPU 304可包括便于数据处理和储存的一个或更多个商业上可得到的微处理器或微控制器。各种支持电路306便于CPU 304的操作并可包括时钟电路、总线、电源和/或输入/输出电路等。存储器308包括只读存储器、随机存取存储器、盘驱动储存器、光学储存器、可移动储存器等。存储器308包捂各种数据，诸如传感器测量模型310、姿态预测数据312、姿态测量数据314、传感器误差数据316和车辆参数318。存储器308包括各种软件包，诸如基于环境的导航模块320。
中央计算机106是一种类型的计算设备(例如，膝上型计算机、台式计算机、个人桌面助理(PDA)等)，其包括中央处理单元(CPU)322、各种支持电路324和存储器326。CPU 322可以包括便于数据处理和储存的一个或更多个商业上可得到的稠处理器或微控制器。各种支持电路324便于CPU 322的操作，并且可包括时钟电路、总线、电源和/或输入/输出电路等。存储器326包括只读存储器、随机存取存储器、盘驱动储存器、光学储存器、可移动储存器等。存储器326包括诸如管理器328的各种软件包以及诸如任务330的各种数据。
网络302包括由各种类型的公知网络元件(诸如集线器、交换机、路由器等)提供便利的通过丝线、线缆、光纤和/或无线链路来连接计算机的通信系统。网络302可以采用各种公知协议，以在网络资源之间对信息进行通信。例如，网络302可以是使用诸如以太网、WiFi、WiMax、通用分组无线服务(GPRS)等的各种通信基础设施的因特网或内部网的一部分。
传感器阵列108可通信地耦接到便携计算机104，其附接到诸如叉车(例如，图2的叉车200)的自动化车辆。传感器阵列108包括用于监控物理环境和捕获各种数据的多个器件322，所述各种数据由便携计算机104存储作为传感器输入消息312。在一些实施例中，传感器阵列108可包括一个或更多个激光扫描仪和/或一个或更多个照相机的任何组合。在一些实施例中，所述多个器件332可以被安装到自动化车辆。例如，激光扫描仪和照相机可被附接到叉子之上的位置处的提升托架。替代性地，激光扫描仪和照相机可位于叉子之下。替代性地，激光扫描仪可以是位于叉车体上固定位置中的平面激光扫描仪，在所述固定位置处其视场扩展以覆盖叉车行驶方向。所述多个器件332也可以在固定和/或移动位置处被分不在整个物理环境中。
在一些实施例中，传感器参数模型数据310包捂表示来自传感器332的读数、车辆参数318和诸如里程计测的传感器测量结果之间的关系的数学函数。车辆参数318表示与工业车辆102相关的各种物理特性，诸如车轮直径。在此实例中，传感器测量模型将使用作为车轮直径D与车轮轨迹L的车辆参数318，将从耦接到每一个车辆前车轮的编码器206到里程计测的变换表示为v和ω(作为车辆的线速度和旋转速度)。在其它实例中，测量模型可以将诸如叉子高度和转向臂广度(extension)的传感器读数变换为自动化控制器所使用的测量结果、车辆高度和/或转向角等。在一些实施例中，基于环境的导航模块320使用传感器模型310以通过使用直径D、π和特定时间段上的车轮旋转数的乘积确定行驶的距离。
在一些实施例中，姿态预测数据312包括车辆位置和／或取向的估计结果，本公开可将其称为车辆姿态预测。除了基于传感器测量模型310的里程数据以及来自编码器的测量数据之外，基于环境的导航模块320还可以使用先前的车辆姿态来产生这样的估计结果。基于环境的导航模块320还可以估计即将到来的车辆姿态预测和更新步骤的不确定性和/或噪声。例如，使用里程数据，基于环境的导航模块320计算工业车辆102从先前车辆位置所行驶的距离。在随后参考物理环境的地图之后，基于环境的导航模块320确定当前车辆位置的新估计结果。新估计结果和姿态预测数据之间的差异代表可能是由于许多因素造成的预测误差。
在一些实施例中，姿态测量数据314包括由所述多个器件332发送的数据的聚集。在一个实施例中，一个或更多个照相机发送相对于车辆的物理环境的图像数据和/或视频数据。在一些实施例中，如下面进一步解释的那样，传感器误差估计数据316是响应于姿态测量数据314对姿态预测数据312的校正的聚集。传感器误差估计数据316被用于识别不是噪声和/或不确定性的结果的这些校正中的趋势。例如，使用里程数据所估计的校正位置的稳定渐进增大指示着正常的轮胎磨损。工业车辆102例行性地达不到预测车辆姿态，因为胎面磨损减小了车轮直径。因此，车轮直径是不准确的，并且环境导航模块使用传感器测量模型310计算车轮直径的新值，并且将其存储为更新的车辆参数。传感器、转向角、车辆高度等的其它偏移导致其它测量数据的偏差，其可被基于环境的导航模块320之外的计算机模块确定。这些偏差可以如下所述的那样被间接或直接地测量。
在一些实施例中，基于环境的导航模块320包括软件代码(例如，处理器可执行指令)，其用于使用从物理环境100观察到的特征(例如，几何特征和非几何特征)来自动定位工业车辆102。在一些实施例中，基于环境的导航模块320通过自动校准车辆参数来便于工业车辆102的改善的定位。响应传感器误差估计数据316，基于环境的导航模块320通过校正每个有偏差的车辆参数来修改车辆参数318。
在一些实施例中，基于环境的导航模块320包括滤波器(例如，过程滤波器(process filter))，其用于预测车辆姿态，并然后基于与观察到的特征相关联的测量结果来更新车辆姿态预测。
图4是根据一个或更多个实施例的用于为工业车辆提供准确定位的系统400的功能框图。如下面关于该实施例所述的那样，参数误差评估被用于更新(校正)得到的测量结果(例如里程计测)，以及改进车辆定位计算。然而，在其它实施例中，校正后的车辆参数可以被用于其它车辆控制模块中以校正它们的操作。例如，里程信息与定位信息一起被用来作为许多控制系统(例如，转向、速度，其控制车辆的运动，即驾驶路径)中的控制变量。在一些实施例中，路径跟随器(path follower)使用里程信息来估计将车辆保持在路线上(on course)所需的转向和速度响应。用于从传感器读数计算里程计测的车辆参数的误差意味着路径跟随器不断对抗转向控制和速度控制以保持正确的位置。通过使用如由EBN确定的校正后的车辆参数，车辆的整体控制被改善。
替代性地，EBN以外的模块可时从使用其校正其它车辆参数的其它传感器读数得到的测量结果产生误差估计结果。例如，执行器模块负责请求车辆上的叉子运动。诸如叉子高度的这些叉子运动由车辆控制器孰行。在2010年3月5日提交的共同转让的美国专利申请序列号12／718,620(在此通过引用并入其全部内容)中描述的负载感测单元提供了对叉子高度的独立测量。因此，该系统可以使用对叉子高度的直接测量和间接测量两者，这两者都受噪声影响。可以使用类似于下述方法的方法来分析这两个测量结果。以确定由叉子高度传感器产生的测量结果的偏差。在车辆操作期间，将托架耦接到液压致动器的链条受到伸展。这样的链条伸展引起托架高度的误差。通过模拟控制系统中的链条伸展并确定从产品感测激光器和照相机作出的独立测量结果所施加的系统校正，高度控制器可以被重新校准并且车辆的性能被最优化。
系统400包括便携计算机104，其耦接到诸如叉车的工业车辆以及传感器阵列108。便携计算机104内的各种软件模块集体形成基于环境的导航模块(例如，图3的基于环境的导航模块320)。
便携计算机104包括用于执行导航功能的各种软件模块(即，组件)，诸如定位模块402、地图模块404、校正模块408、车辆控制器410、误差评估模块426、车辆参数数据430和传感器处理模块412。便携计算机104提供工业车辆的准确定位，并用与环境特征相关联的信息更新地图数据406。定位模块402也包捂各种组件，诸如滤波器414和特征提取模块416，用于确定车辆状态418。地图模块404包括各种数据，诸如动态特征422和静态特征424。地图模块404还包括各种组件，诸如特征选择模块420。
在一些实施例中，传感器处理模块412将传感器读数变换为用于导航的测量结果并且岁送测量结果给校正模块408。传感器处理模块412使用传感器模型[f(s，p)]表示传感器读数、车辆参数和系统测量结果之间的关系。例如，为了从编码器产生里程计测，模型为：
v（t)(线速度)＝(πD1E1(t)+πD2F2(t))/2；以及
ω(t)(角速度)＝(πD1E1(t)-πD2E2(t))／L
这里，车辆参数D1、D2和L分别是车轮直径和车辆轨迹;E1(t)、E2(t)是编码器读数；以及v(t)、ω(t)是里程系统测量结果。将预期的是，校正模块408处理一个或更多个传感器输入数据消息，并在其中检查观察到的传感器数据。在由滤波器414处理之前，校正模块408消除运动和/或时间失真赝象(artifact)。
在一些实施例中，校正模块408将所述一个或更多个传感器输入数据消息插入到队列中。校正模块408随后基于来自偏差导出模块426的校正信息来校正传感器输入消息。可以执行其它校正，如2011年5月26日提交的美国专利申请号13／116,600(据此通过引用并入其全部内容)中所述。当传感器输入消息对于校正模块408变为可得到时，定位模块402对队列执行滤波器更新处理，其将其余传感器数据集成到姿态测量结果中以确定当前车辆姿态。
除了用于计算车辆状态418的滤波器414外，定位模块402还包括用于从校正后的传感器数据提取已知标准特征的特征提取模块416。地图模块404将车辆状态418与动态特征422和／或静态特征424相比较以便消除不相关的特征，这降低要检查的特征总数。特征选择模块420管理动态特征422对于地图数据406的添加和修改。特征选择模块420可以更新地图数据406，以指示近来被占据或清除某些特征(诸如已知的放置及挑选的物品)的区域。
在将这些姿态测量结果与姿态预测结果相比较后，滤波器414校正姿态预测结果以考虑到不正确的估计结果、观察不确定性以及车辆参数偏差，并更新车辆状态418。滤波器414确定车辆状态418，并指示地图模块404用与静态特征424和动态特征422相关联的信息来更新地图数据406。滤波器414所模拟的车辆状态418是指当前的车辆状态，并包括指示车辆位置(例如，坐标)和/或取向(例如，度)以及运动(例如，车辆速度和/或加速度等)的数据。定位模块408将与车辆状态418相关联的数据传递到地图绘制模块404，同时还将这样的数据传递到车辆控制器410。基于车辆的位置和取向，车辆控制器410将工业车辆导航到目的地。
滤波器414典型地是卡尔曼滤波器(或扩展卡尔曼滤波器)，其在一个实施例中通过模拟用于创建位置的各传感器读数上的噪声来提供车辆位置的估计结果。该位置被有效地发展为两个测量结果，一个来自里程计测且一个来自激光器。虽然这些位置中的每一个可能有噪声，但噪声将典型地是零均值高斯信号。位置估计结果的集合可被传给误差评估模块426，在误差评估模块426处测量结果中的系统误差被分析。误差评估模块426可使用过程滤波器(卡尔曼滤波器)428来评估由定位模块提供的测量结果，并提供两个测量估计结果之间的漂移的估计结果。
在评估两个测量结果中的系统误差时，误差评估模块426考虑与参数数据430相关联的变化模型。例如，在里程计测的情况下，预期模型是由于轮胎磨损所造成的渐进变化，所述渐进变化可被检测为激光器导出的位置和里程计测导出的位置之间的增大偏差。在这种情况下，误差评估模块426评估差值以寻找统计上显著偏差，并利用该偏差确定将去除偏差的新车轮直径。
其它误差模型可涉及偏差的突然变化。例如，这可能发生在激光器安装件被碰撞且激光器位置变化时。在这里，误差评估模型426查看从多个平面激光传感器得到的位置以及里程信息，以确定哪个激光器已移动并为所述激光器产生校正后的位置。
可以理解，系统400可以采用若干计算设备来执行基于环境的导航。计算设备104内的任何软件模块可以被部署在不同的或多个物理硬件组件(诸如其它计算设备)上。例如，地图绘制模块404可以在网络(例如，图4的网络402)上的服务器计算机(例如，图1的中央计算机102)上被执行以与多个便携计算设备连接，以用于共享和更新具有当前车辆位置和取向的地图数据406的目的。
在一些实施例中，校正模块408处理来自不相同的数据源(诸如传感器阵列108)的传感器输入消息，所述不相同的数据源具有对于车辆状态418的不同的采样/发布率以及不同的(内部)系统延迟。由于不同的采样周期和系统延迟，传感器输入消息被获取的顺序与传感器输入消息对于计算设备104最终变为可得到的顺序不同。特征提取模块416从这些消息内的传感器数据提取观察到的姿态测量结果。定位模块402分别检查每条消息，以便保持每个观察值的一致性。这样的检查可以被执行，而不是融合(fusing)传感器数据，以避免任何推测(dead reckoning)误差。
图5是根据一个或更多个实施例的用于自动校准与工业车辆操作相关联的车辆参数的方法500的流程图。方法500是图4的误差评估模块426的实施的示例性实施例。在一些实施例中，误差评估模块426是基于环境的导航模块(图3中的模块320)的子组件。在其它实施例中，误差评估模块426是修改导航过程中所用的车辆参数以及其它车辆参数的独立模块。方法500执行方法500的每一个步骤。在其它实施例中，一些步骤被省略或跳过。
该方法通过分析系统测量结果(例如，行驶的距离、速度、叉子高度)中的误差来操作，所述系统测量结果包括实际值y和测量砚察值。频繁地，实际值不可直接观察，并且可获得的最佳估计结果是测量模型中的使用噪声传感器读数s＝{s1，s2，…，sn}，在所述测量模型中，p＝{p1，p2，…pm}是使传感器读数与系统测量结果相关的参数列表(第一组参数)。值
Figure BPA0000183138240000123
被称为观察测量结果。假若参数p正确，那么实际测量误差
Figure BPA0000183138240000131
是零均值高斯随机变量，并且传感器读数中的噪声分量也具有零均值。因为值y不能被直接观察到，因此检测参数变化的唯一方式是使用另一测量模型的另一组参数(第二组参数)，所述另一测量模型对相同测量结果进行估计。辅助测量可能不适合作为主测量(例如，较大的噪声分量)，或者可与其它测量模型联合使用以消除测量误差。因此，我们具有两个观察测量结果：
Figure BPA0000183138240000132
和
Figure BPA0000183138240000133
假若两个测量模块都具有正确的参数，那么所述两个观察测量结果之间的差值
Figure BPA0000183138240000134
也应是零均值高斯。我们将把这个误差称为观察误差，以将它与实际测量误差e相区分。在一段时间上，参数所代表的属性可能由于正常磨损(例如，轮胎直径随时间而减小、托架耦接线缆随时间而伸展等)或外部因素(例如，激光器已被稍微移动)而已变化。因此，在系统中定义的参数将不再准确，这将导致观察误差∈包含偏差(即，不再是零均值)，并且测量模型的参数可以相应地被调整。
方法500开始于步骤502并前进到步骤504。在步骤504处，该方法访问由诸如图4的定位模块402的操作模块提供的误差数据。要由方法500分析的数据必须包括诸如车辆姿态的车辆参数的两个独立测量结果。为了进行评估，该方法需要足够的数据来观察数据中的趋势。各个数据项被存储。在步骤506处，该方法确定是否有足够的数据来执行分析。如果没有足够数据，则该方法返回到步骤504。本领域技术人员将理解，数据收集可以包括一些数据选择。例如，当车辆正以直线行驶时检测里程计测的偏差较简单；因此，步骤504可以包括选择合适的数据用于分析。
在步骤508处，该方法初始化滤波器以分析特定测量结果的数据。所使用的滤波器的类型将依赖于被分析的车辆测量结果。在许多情况下，卡尔曼滤波器是用于参数评估的适当选择。要被分析的车辆参数可与测量数据一起被并入到滤波器中。在步骤508处，该方法将记录的数据提供到滤波器中以执行分析。
在步骤510处，该方法分析滤波器的输出以确定是否存在显著误差。如果不存在显著误差，那么该方法在步骤520处终止。否则，该方法评估所观察到的误差的类型。在数据与定位相关联的情况下，两种类型的误差被评估，一种误差由于轮胎磨损引起(其将在误差中具有特征性的渐进增大)，而另一种与激光器的位移相关联(其将导致阶跃增大)。渐进增大由步骤518处理，在步骤518处对每个编码器车轮计算新的车轮直径并且该新的车轮直径作为新的系统参数被存储。阶跃吏化在步骤516中被处理，在步骤516处适当的激光器的姿态被调整。该方法终止于步骤520。各种元件、器件和模块联同它们各自的功能在上面被描述。这些元件、器件和模块被认为是如这里所述的用于执行它们各自的功能的构件。
各种元件、器件和模块联同它们各自的功能在上面被描述。这些元件、器件和模块被认为是如这里所述的用于抛行它们各自的功能的构件。
虽然前文针对本发明的实施例，但是可以设计本发明的其它和进一步的实施例而不背离其基本范围，并且其范围由所附的权利要球来确定。

Claims (15)

1.一种自动校准自动化车辆的车辆参数的计算机实现的方法，包括：
测量车辆操作期间的参数值；
将测量的参数值与实际的参数值进行比较，以识别至少一个车辆参数偏差作为实际测量误差；以及
基于所述至少一个车辆参数偏差来修改至少一个车辆参数。
2.根据权利要求1所述的方法，还包括使用修改后的所述至少一个车辆参数来对车辆进行导航。
3.根据权利要求1所述的方法，其中，所述至少一个车辆参数偏差包括车轮直径偏差、车轮滑移偏差、传感器偏移、车辆高度变动或者转向对准变动中的至少一个。
4.根据权利要求1所述的方法，其中，使用测量模型来估计实际的参数值。
5.根据权利要求4所述的方法，其中，所述测量模型包括两个测量模型，所述两个测量模型包括第一测量模型和第二测量模型，第一测量模型使用使传感器读数与系统测量结果相关的第一组参数，第二测量模型使用使所述传感器读数与所述系统测量结果相关的第二组参数，这里，第一组参数和第二组参数是不同的。
6.根据权利要求1所述的方法，其中，从传感器数据得到实际的参数值。
7.根据权利要求1所述的方法，其中，所述实际测量误差是零均值高斯随机变量。
8.根据权利要求1所述的方法，其中，所述比较的步骤还包括对测量的参数值和实际的参数值应用统计滤波器。
9.一种用于自动校准车辆参数的装置，包括：
传感器处理模块，用于测量车辆操作期间的参数值；以及
误差评估模块，用于将测量的参数值与实际的参数值进行比校，以识别至少一个车辆参数偏差作为实际测量误差，以及用于基于所述至少一个车辆参数偏差来修改至少一个车辆参数。
10.根据权利要求9所述的装置，还包括：车辆控制器，用于使用修改后的车辆参数来对工业车辆进行导航。
11.根据权利要求9所述的装置，其中，所述至少一个车辆参数偏差包括车轮直径偏差、车轮滑移偏差、传感器偏移、车辆高度变动、链条伸展变动或者转向对准变动中的至少一个。
12.根据权利要求9所述的装置，其中，使用测量模型来估计实际的参数值。
13.根据权利要求12所述的装置，其中，所逛测量模型包括两个测量模型，所述两个测量模型包括第一测量模型和第二测量模型，第一测量模型使用使传感器读数与系统测量结果相关的第一组参数，第二测量模型使用使所述传感器读数与所述系统测量结果相关的第二组参数，这里，第一组参数和第二组参数是不同的。
14.根据权利要求9所述的装置，其中，从传感器数据得到实际的参数值。
15.根据权利要求9所述的装置，其中，所述实际测量误差是零均值高斯随机变量。
CN201280028125.4A 2011-06-06 2012-06-06 用于自动校准车辆参数的方法和装置 Active CN103688226B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/153,743 US8548671B2 (en) 2011-06-06 2011-06-06 Method and apparatus for automatically calibrating vehicle parameters
US13/153,743 2011-06-06
PCT/NZ2012/000084 WO2012169903A2 (en) 2011-06-06 2012-06-06 Method and apparatus for automatically calibrating vehicle parameters

Publications (2)

Publication Number Publication Date
CN103688226A true CN103688226A (zh) 2014-03-26
CN103688226B CN103688226B (zh) 2015-09-30

Family

ID=46634488

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280028125.4A Active CN103688226B (zh) 2011-06-06 2012-06-06 用于自动校准车辆参数的方法和装置

Country Status (8)

Country Link
US (1) US8548671B2 (zh)
EP (1) EP2718777B1 (zh)
KR (1) KR101479485B1 (zh)
CN (1) CN103688226B (zh)
AU (1) AU2012267257B2 (zh)
BR (1) BR112013031036A2 (zh)
CA (1) CA2837775C (zh)
WO (1) WO2012169903A2 (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105911987A (zh) * 2016-04-27 2016-08-31 宁夏巨能机器人系统有限公司 一种自动导引运输车系统的控制装置及其控制方法
CN106005006A (zh) * 2016-07-29 2016-10-12 北京合众思壮科技股份有限公司 一种转向角传感器的校准方法和装置
CN106082024A (zh) * 2015-04-30 2016-11-09 Bt产品公司 一种确定叉车中的装置的状态的方法和叉车
CN106248103A (zh) * 2016-08-31 2016-12-21 广东嘉腾机器人自动化有限公司 一种agv行驶路程测量方法
CN106289797A (zh) * 2016-07-19 2017-01-04 百度在线网络技术（北京）有限公司 用于测试无人驾驶车辆的方法和装置
CN107003145A (zh) * 2014-09-25 2017-08-01 大陆-特韦斯股份有限公司 停车设施中的传感器校准
CN107209517A (zh) * 2014-12-19 2017-09-26 康普乐克思创新有限责任公司 用于为自动引导带轮车辆记录和预测位置数据的方法
CN107199967A (zh) * 2016-03-18 2017-09-26 巴尔约公司 自动引导车辆
CN107608314A (zh) * 2016-07-12 2018-01-19 波音公司 用于工作单元和工厂级自动化的方法和设备
CN109328292A (zh) * 2017-12-28 2019-02-12 深圳配天智能技术研究院有限公司 一种车辆定位方法、装置及存储介质
CN110275168A (zh) * 2019-07-09 2019-09-24 厦门金龙联合汽车工业有限公司 一种多目标识别和防撞预警方法和系统
CN111380562A (zh) * 2018-12-28 2020-07-07 深圳市优必选科技有限公司 一种双轮差速机器人里程计参数的校准方法及装置
CN112041774A (zh) * 2019-03-28 2020-12-04 百度时代网络技术（北京）有限公司 用于3级自动驾驶车辆的基于摄像机的横向位置校准
CN114323076A (zh) * 2021-12-31 2022-04-12 深圳市优必选科技股份有限公司 里程计校准方法、装置、机器人和可读存储介质

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102620943B (zh) 2011-01-30 2015-06-03 国际商业机器公司 在车轮检测中调整卡尔曼滤波器的参数的方法及装置
DE102012216213A1 (de) * 2011-09-12 2013-03-14 Continental Teves Ag & Co. Ohg Verfahren zum Schätzen von Reifenparametern für ein Fahrzeug
US9354070B2 (en) 2013-10-31 2016-05-31 Crown Equipment Corporation Systems, methods, and industrial vehicles for determining the visibility of features
US9454855B2 (en) 2014-09-26 2016-09-27 International Business Machines Corporation Monitoring and planning for failures of vehicular components
US10540828B2 (en) 2014-09-26 2020-01-21 International Business Machines Corporation Generating estimates of failure risk for a vehicular component in situations of high-dimensional and low sample size data
US9286735B1 (en) 2014-09-26 2016-03-15 International Business Machines Corporation Generating cumulative wear-based indicators for vehicular components
US9514577B2 (en) 2014-09-26 2016-12-06 International Business Machines Corporation Integrating economic considerations to develop a component replacement policy based on a cumulative wear-based indicator for a vehicular component
US10769866B2 (en) 2014-09-26 2020-09-08 International Business Machines Corporation Generating estimates of failure risk for a vehicular component
CN104697533A (zh) * 2015-03-30 2015-06-10 小米科技有限责任公司 导航方法和装置
CN107667274B (zh) * 2015-05-26 2021-09-21 克朗设备公司 用于材料搬运车辆里程计校准的系统和方法
US10240916B1 (en) * 2016-01-05 2019-03-26 Hunter Engineering Company Method and apparatus for calibrating an inspection system for moving vehicles
US9816820B2 (en) * 2016-01-07 2017-11-14 Caterpillar Inc. Positioning system having smoothed kalman filter update
US10048398B2 (en) 2016-10-31 2018-08-14 X Development Llc Methods and systems for pallet detection
WO2018089514A1 (en) * 2016-11-08 2018-05-17 Digital Aerolus, Inc. Real time effective mass and moment of inertia measurement
US10173691B2 (en) * 2016-11-18 2019-01-08 Ford Global Technologies, Llc Vehicle sensor calibration using wireless network-connected sensors
US10222215B2 (en) * 2017-04-21 2019-03-05 X Development Llc Methods and systems for map generation and alignment
US10678260B2 (en) * 2017-07-06 2020-06-09 GM Global Technology Operations LLC Calibration methods for autonomous vehicle operations
KR102045011B1 (ko) * 2017-09-29 2019-11-14 주식회사 만도 캘리브레이션 데이터 강건화 방법 및 그 장치
JP6541924B1 (ja) * 2017-11-22 2019-07-10 三菱電機株式会社 地図収集システム、地図サーバ装置、車載装置および地図収集方法
SE542067C2 (en) 2017-12-08 2020-02-18 Toyota Mat Handling Manufacturing Sweden Ab System and method for determining a first steering angle of a forklift truck
FR3079026B1 (fr) * 2018-03-15 2021-01-01 Sysnav Procede de calibration d'un gyrometre equipant un vehicule
EP3824365B1 (en) 2018-07-17 2023-06-28 Crown Equipment Corporation System for vehicle position calibration using rack leg identification
MX2021009136A (es) 2019-02-06 2021-12-10 Crown Equip Corp Sistemas y metodos para la localizacion fuera del pasillo y calibracion de posicion de vehiculo mediante la identificacion de pata de rejilla.
JP7310577B2 (ja) * 2019-12-06 2023-07-19 トヨタ自動車株式会社 環境予測システム及び環境予測方法
CN114195045B (zh) * 2021-11-29 2023-11-07 宁波如意股份有限公司 一种无人叉车的自动叉取方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19757333C1 (de) * 1997-12-22 1999-09-16 Litef Gmbh Selbsttätige, schnelle Kalibrierung einer bordautonomen Messung eines Geschwindigkeitsvektors
CN101013158A (zh) * 2006-02-03 2007-08-08 通用汽车环球科技运作公司 用于车载对象跟踪系统的校准和定向的方法和设备
US7689321B2 (en) * 2004-02-13 2010-03-30 Evolution Robotics, Inc. Robust sensor fusion for mapping and localization in a simultaneous localization and mapping (SLAM) system

Family Cites Families (80)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6067818A (ja) 1983-09-22 1985-04-18 Hitachi Ltd 車載用ナビゲ−タ
US4855915A (en) 1987-03-13 1989-08-08 Dallaire Rodney J Autoguided vehicle using reflective materials
US4858132A (en) 1987-09-11 1989-08-15 Ndc Technologies, Inc. Optical navigation system for an automatic guided vehicle, and method
US5011358A (en) 1988-10-25 1991-04-30 Andersen Eric T Height indicator for a fork lift truck
US5179329A (en) 1989-04-25 1993-01-12 Shinko Electric Co., Ltd. Travel control method, travel control device, and mobile robot for mobile robot systems
US5051906A (en) 1989-06-07 1991-09-24 Transitions Research Corporation Mobile robot navigation employing retroreflective ceiling features
US5648901A (en) 1990-02-05 1997-07-15 Caterpillar Inc. System and method for generating paths in an autonomous vehicle
US5170352A (en) 1990-05-07 1992-12-08 Fmc Corporation Multi-purpose autonomous vehicle with path plotting
US5202832A (en) 1991-01-29 1993-04-13 R. R. Donnelley & Sons Co. Material handling automation system using portable transfer module
US5491670A (en) 1993-01-21 1996-02-13 Weber; T. Jerome System and method for sonic positioning
US5539638A (en) * 1993-08-05 1996-07-23 Pavilion Technologies, Inc. Virtual emissions monitor for automobile
US5471393A (en) 1994-01-26 1995-11-28 Bolger; Joe Driver's associate: a system for vehicle navigation and driving assistance
US5961571A (en) 1994-12-27 1999-10-05 Siemens Corporated Research, Inc Method and apparatus for automatically tracking the location of vehicles
US5586620A (en) 1995-05-12 1996-12-24 Crown Equipment Corporation Remote viewing apparatus for fork lift trucks
US5916285A (en) 1995-10-18 1999-06-29 Jervis B. Webb Company Method and apparatus for sensing forward, reverse and lateral motion of a driverless vehicle
SE9601440D0 (sv) 1996-04-15 1996-04-15 Apogeum Ab Förfarande för positionsbestämning av ett flertal fasta objekt
US5941935A (en) * 1996-09-23 1999-08-24 Fernandez; Manuel Azimuth-axis drift rate determination in an inertial navigator
US6092010A (en) 1997-09-03 2000-07-18 Jervis B. Webb Company Method and system for describing, generating and checking non-wire guidepaths for automatic guided vehicles
SE511504C2 (sv) 1997-10-17 1999-10-11 Apogeum Ab Sätt och anordning för associering av anonyma reflektorer till detekterade vinkellägen
JPH11296229A (ja) 1998-02-13 1999-10-29 Komatsu Ltd 車両の誘導装置
AUPP299498A0 (en) 1998-04-15 1998-05-07 Commonwealth Scientific And Industrial Research Organisation Method of tracking and sensing position of objects
DE19818860C2 (de) * 1998-04-28 2001-04-19 Daimler Chrysler Ag Verfahren und Einrichtung zur Detektion und Lokalisation von Sensorfehlern in Kraftfahrzeugen
JP3316841B2 (ja) 1998-08-06 2002-08-19 村田機械株式会社 無人搬送車システム
JP3316842B2 (ja) 1998-08-06 2002-08-19 村田機械株式会社 無人搬送車システムと無人搬送車の誘導方法
US7123166B1 (en) 2000-11-17 2006-10-17 Haynes Michael N Method for managing a parking lot
JP2002048579A (ja) 2000-04-28 2002-02-15 Matsushita Electric Ind Co Ltd 通信型ナビゲーションシステム
US6917839B2 (en) 2000-06-09 2005-07-12 Intellectual Assets Llc Surveillance system and method having an operating mode partitioned fault classification model
JP2002108446A (ja) 2000-09-29 2002-04-10 Nippon Seiki Co Ltd 移動体の誘導方法
US6428439B1 (en) 2000-10-04 2002-08-06 Gkn Automotive, Inc. Integrated viscous transmission in a differential
US6952488B2 (en) 2001-08-27 2005-10-04 Carnegie Mellon University System and method for object localization
JP3968501B2 (ja) 2001-11-30 2007-08-29 ソニー株式会社 ロボットの自己位置同定システム及び自己位置同定方法
JP3945279B2 (ja) 2002-03-15 2007-07-18 ソニー株式会社 障害物認識装置、障害物認識方法、及び障害物認識プログラム並びに移動型ロボット装置
US7844364B2 (en) 2002-04-16 2010-11-30 Irobot Corporation Systems and methods for dispersing and clustering a plurality of robotic devices
EP1502078A1 (en) 2002-04-30 2005-02-02 Telmap Ltd. Template-based map distribution system
US20050149256A1 (en) 2002-05-10 2005-07-07 Siemens Aktiengesellschaft Device for determining the position by means of fixed and/or variable landmarks
DE10220936A1 (de) 2002-05-10 2003-12-04 Siemens Ag Vorrichtung zur Lokalisierung mit festen und/oder veränderlichen Landmarken
GB2389947B (en) 2002-07-25 2004-06-02 Golden River Traffic Ltd Automatic validation of sensing devices
DE10234730A1 (de) 2002-07-30 2004-02-19 Josef Schreiner Verfahren zur Positionsbestimmung eines Transportfahrzeuges
US7162056B2 (en) 2002-08-16 2007-01-09 Evolution Robotics, Inc. Systems and methods for the automated sensing of motion in a mobile robot using visual data
AU2003300959A1 (en) 2002-12-17 2004-07-22 Evolution Robotics, Inc. Systems and methods for visual simultaneous localization and mapping
KR100506533B1 (ko) 2003-01-11 2005-08-05 삼성전자주식회사 이동로봇 및 그에 따른 자율주행 시스템 및 방법
US7451021B2 (en) * 2003-05-06 2008-11-11 Edward Wilson Model-based fault detection and isolation for intermittently active faults with application to motion-based thruster fault detection and isolation for spacecraft
US7343232B2 (en) 2003-06-20 2008-03-11 Geneva Aerospace Vehicle control system including related methods and components
JP4409904B2 (ja) 2003-10-08 2010-02-03 株式会社日立製作所 経路情報提供システムおよび経路情報提供方法
KR20060130715A (ko) 2004-03-03 2006-12-19 닛본 덴끼 가부시끼가이샤 측위 시스템, 측위 방법, 및 그 프로그램
KR100571837B1 (ko) 2004-03-05 2006-04-17 삼성전자주식회사 자율주행기기의 주행제어방법 및 장치
US7148458B2 (en) 2004-03-29 2006-12-12 Evolution Robotics, Inc. Circuit for estimating position and orientation of a mobile object
US7720554B2 (en) 2004-03-29 2010-05-18 Evolution Robotics, Inc. Methods and apparatus for position estimation using reflected light sources
KR100703692B1 (ko) 2004-11-03 2007-04-05 삼성전자주식회사 공간상에 존재하는 오브젝트들을 구별하기 위한 시스템,장치 및 방법
US20100222925A1 (en) 2004-12-03 2010-09-02 Takashi Anezaki Robot control apparatus
EP1828862A2 (en) 2004-12-14 2007-09-05 Sky-Trax Incorporated Method and apparatus for determining position and rotational orientation of an object
US8497761B2 (en) 2005-01-13 2013-07-30 Rite-Hite Holding Corporation System and method for remotely controlling docking station components
US8930023B2 (en) 2009-11-06 2015-01-06 Irobot Corporation Localization by learning of wave-signal distributions
NZ567040A (en) 2005-09-02 2011-05-27 Neato Robotics Inc Mapping an operating environment to locate a robot, including traversing optical data and updating that data
GB0520576D0 (en) 2005-10-10 2005-11-16 Applied Generics Ltd Using traffic monitoring information to provide better driver route planning
GB2445507B (en) 2005-10-21 2011-08-24 Deere & Co Versatile robotic control module
US8381982B2 (en) 2005-12-03 2013-02-26 Sky-Trax, Inc. Method and apparatus for managing and controlling manned and automated utility vehicles
US7634336B2 (en) 2005-12-08 2009-12-15 Electronics And Telecommunications Research Institute Localization system and method of mobile robot based on camera and landmarks
US7616642B2 (en) 2006-01-04 2009-11-10 Sap Ag Priority assignment and transmission of sensor data
US8050863B2 (en) 2006-03-16 2011-11-01 Gray & Company, Inc. Navigation and control system for autonomous vehicles
US7646336B2 (en) 2006-03-24 2010-01-12 Containertrac, Inc. Automated asset positioning for location and inventory tracking using multiple positioning techniques
JP4975503B2 (ja) 2007-04-06 2012-07-11 本田技研工業株式会社 脚式移動ロボット
JP4328813B2 (ja) 2007-04-06 2009-09-09 本田技研工業株式会社 移動装置、ならびにその制御方法および制御プログラム
DE102007021693A1 (de) 2007-05-09 2008-11-13 Götting jun., Hans-Heinrich, Dipl.-Ing. (FH) Hilfssystem zur Lagebestimmung eines Fahrzeugs
US20090005986A1 (en) 2007-06-26 2009-01-01 Honeywell International Inc. Low power inertial navigation processing
US8930127B2 (en) 2007-07-12 2015-01-06 Carmel—Haifa University Economic Corp Ltd. Localization method for mobile robots based on landmarks
US20090140887A1 (en) 2007-11-29 2009-06-04 Breed David S Mapping Techniques Using Probe Vehicles
US20090216438A1 (en) 2008-02-21 2009-08-27 Microsoft Corporation Facility map framework
US8126642B2 (en) 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
JP4655139B2 (ja) 2008-11-19 2011-03-23 トヨタ自動車株式会社 移動体位置測位装置
KR101214143B1 (ko) 2008-12-22 2012-12-20 한국전자통신연구원 이동체의 위치 및 방향 인식 장치 및 그 방법
US8296065B2 (en) * 2009-06-08 2012-10-23 Ansaldo Sts Usa, Inc. System and method for vitally determining position and position uncertainty of a railroad vehicle employing diverse sensors including a global positioning system sensor
US20110082668A1 (en) 2009-10-06 2011-04-07 Escrig M Teresa Systems and methods for establishing an environmental representation
JP5062364B2 (ja) 2009-11-27 2012-10-31 トヨタ自動車株式会社 自律移動体及びその制御方法
US8340438B2 (en) 2009-12-17 2012-12-25 Deere & Company Automated tagging for landmark identification
US20110153338A1 (en) 2009-12-17 2011-06-23 Noel Wayne Anderson System and method for deploying portable landmarks
US8538577B2 (en) 2010-03-05 2013-09-17 Crown Equipment Limited Method and apparatus for sensing object load engagement, transportation and disengagement by automated vehicles
US20120101784A1 (en) * 2010-10-25 2012-04-26 Trimble Navigation Limited Wide-area agricultural monitoring and prediction
EP2668623A2 (en) 2011-01-24 2013-12-04 Sky-Trax, Inc. Inferential load tracking
US8594923B2 (en) 2011-06-14 2013-11-26 Crown Equipment Limited Method and apparatus for sharing map data associated with automated industrial vehicles

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19757333C1 (de) * 1997-12-22 1999-09-16 Litef Gmbh Selbsttätige, schnelle Kalibrierung einer bordautonomen Messung eines Geschwindigkeitsvektors
US7689321B2 (en) * 2004-02-13 2010-03-30 Evolution Robotics, Inc. Robust sensor fusion for mapping and localization in a simultaneous localization and mapping (SLAM) system
CN101013158A (zh) * 2006-02-03 2007-08-08 通用汽车环球科技运作公司 用于车载对象跟踪系统的校准和定向的方法和设备

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107003145A (zh) * 2014-09-25 2017-08-01 大陆-特韦斯股份有限公司 停车设施中的传感器校准
CN107003145B (zh) * 2014-09-25 2024-01-23 大陆汽车科技有限公司 停车设施中的传感器校准
CN107209517A (zh) * 2014-12-19 2017-09-26 康普乐克思创新有限责任公司 用于为自动引导带轮车辆记录和预测位置数据的方法
CN106082024A (zh) * 2015-04-30 2016-11-09 Bt产品公司 一种确定叉车中的装置的状态的方法和叉车
CN106082024B (zh) * 2015-04-30 2019-05-07 丰田物料处理制造(瑞典)公司 一种确定叉车中的装置的状态的方法和叉车
CN107199967B (zh) * 2016-03-18 2022-01-25 巴尔约公司 自动引导车辆
CN107199967A (zh) * 2016-03-18 2017-09-26 巴尔约公司 自动引导车辆
CN105911987A (zh) * 2016-04-27 2016-08-31 宁夏巨能机器人系统有限公司 一种自动导引运输车系统的控制装置及其控制方法
CN105911987B (zh) * 2016-04-27 2018-11-30 宁夏巨能机器人系统有限公司 一种自动导引运输车系统的控制装置及其控制方法
CN107608314B (zh) * 2016-07-12 2022-04-12 波音公司 用于工作单元和工厂级自动化的方法和设备
CN114578777B (zh) * 2016-07-12 2024-02-27 波音公司 用于工作单元和工厂级自动化的方法
CN107608314A (zh) * 2016-07-12 2018-01-19 波音公司 用于工作单元和工厂级自动化的方法和设备
CN114578777A (zh) * 2016-07-12 2022-06-03 波音公司 用于工作单元和工厂级自动化的方法
CN106289797B (zh) * 2016-07-19 2019-02-01 百度在线网络技术（北京）有限公司 用于测试无人驾驶车辆的方法和装置
CN106289797A (zh) * 2016-07-19 2017-01-04 百度在线网络技术（北京）有限公司 用于测试无人驾驶车辆的方法和装置
CN106005006A (zh) * 2016-07-29 2016-10-12 北京合众思壮科技股份有限公司 一种转向角传感器的校准方法和装置
CN106005006B (zh) * 2016-07-29 2018-02-16 北京合众思壮科技股份有限公司 一种转向角传感器的校准方法和装置
CN106248103A (zh) * 2016-08-31 2016-12-21 广东嘉腾机器人自动化有限公司 一种agv行驶路程测量方法
CN106248103B (zh) * 2016-08-31 2019-09-20 广东嘉腾机器人自动化有限公司 一种agv行驶路程测量方法
CN109328292A (zh) * 2017-12-28 2019-02-12 深圳配天智能技术研究院有限公司 一种车辆定位方法、装置及存储介质
CN111380562A (zh) * 2018-12-28 2020-07-07 深圳市优必选科技有限公司 一种双轮差速机器人里程计参数的校准方法及装置
CN112041774A (zh) * 2019-03-28 2020-12-04 百度时代网络技术（北京）有限公司 用于3级自动驾驶车辆的基于摄像机的横向位置校准
CN110275168A (zh) * 2019-07-09 2019-09-24 厦门金龙联合汽车工业有限公司 一种多目标识别和防撞预警方法和系统
CN114323076A (zh) * 2021-12-31 2022-04-12 深圳市优必选科技股份有限公司 里程计校准方法、装置、机器人和可读存储介质

Also Published As

Publication number Publication date
CN103688226B (zh) 2015-09-30
CA2837775C (en) 2014-10-28
KR20140039258A (ko) 2014-04-01
AU2012267257A1 (en) 2013-05-02
AU2012267257B2 (en) 2014-05-29
EP2718777A2 (en) 2014-04-16
US8548671B2 (en) 2013-10-01
US20120310468A1 (en) 2012-12-06
WO2012169903A3 (en) 2013-03-21
CA2837775A1 (en) 2012-12-13
EP2718777B1 (en) 2017-01-11
WO2012169903A2 (en) 2012-12-13
KR101479485B1 (ko) 2015-01-06
BR112013031036A2 (pt) 2016-11-29

Similar Documents

Publication Publication Date Title
CN103688226B (zh) 用于自动校准车辆参数的方法和装置
CN103782247B (zh) 用于使用预先安置的物体定位工业车辆的方法和装置
CA2854756C (en) Method and apparatus for providing accurate localization for an industrial vehicle
CN103635779B (zh) 用于促进用于工业车辆导航的地图数据处理的方法和装置
US9354070B2 (en) Systems, methods, and industrial vehicles for determining the visibility of features
US9056754B2 (en) Method and apparatus for using pre-positioned objects to localize an industrial vehicle
CN103582803B (zh) 共享与自动化工业车辆相关联的地图数据的方法和装置
AU2014343128A1 (en) Systems, methods, and industrial vehicles for determining the visibility of features
CN103946758A (zh) 在启动时使用独特地标定位工业车辆的方法与装置
EP3819738A1 (en) Method, device, and system of controlling movement of multi-vehicle, and computer-readable storage medium

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20160513

Address after: ohio

Patentee after: Crown Equip Corp.

Address before: Oakland, New Zealand

Patentee before: CROWN EQUIPMENT LIMITED