CN107132843A - 无人搬运车的控制方法和装置 - Google Patents

无人搬运车的控制方法和装置 Download PDF

Info

Publication number
CN107132843A
CN107132843A CN201710357849.8A CN201710357849A CN107132843A CN 107132843 A CN107132843 A CN 107132843A CN 201710357849 A CN201710357849 A CN 201710357849A CN 107132843 A CN107132843 A CN 107132843A
Authority
CN
China
Prior art keywords
guided vehicle
automatic guided
posture information
driving wheel
information
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
CN201710357849.8A
Other languages
English (en)
Other versions
CN107132843B (zh
Inventor
霍峰
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.)
Beijing Jingdong Qianshi Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co 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 Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201710357849.8A priority Critical patent/CN107132843B/zh
Publication of CN107132843A publication Critical patent/CN107132843A/zh
Application granted granted Critical
Publication of CN107132843B publication Critical patent/CN107132843B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请公开了无人搬运车的控制方法和装置。该方法的一具体实施方式包括：获取无人搬运车的当前位姿信息；基于当前位姿信息，确定目标位姿信息；基于当前位姿信息和目标位姿信息，确定无人搬运车的运动轨迹；执行以下控制步骤：基于当前位姿信息、无人搬运车的速度和运动轨迹，预测无人搬运车在预设时间段后的位姿信息，基于所预测的位姿信息，确定无人搬运车的交叉耦合增益，基于交叉耦合增益控制无人搬运车的驱动轮的速度，并确定所预测的位姿信息是否是目标位姿信息；若不是，将所预测的位姿信息作为当前位姿信息，继续执行控制步骤。该实施方式实现了在偏离行进路线的情况下控制无人搬运车重新行驶到行进路线上。

Description

无人搬运车的控制方法和装置
技术领域
本申请涉及计算机技术领域，具体涉及控制技术领域，尤其涉及无人搬运车的控制方法和装置。
背景技术
无人搬运车(Automated Guided Vehicle，AGV)，也称自动导引运输车，指装备有电磁或光学等自动导引装置，能够沿规定的导引路径行驶，具有安全保护以及各种移载功能的运输车。无人搬运车不需要驾驶员，一般可透过电脑来控制其行进路线以及行为。
然而，无人搬运车在行驶过程中经常出现偏离预先设定的行进路线的情况。因此，如何在无人搬运车偏离行进路线的情况下控制无人搬运车重新行驶到行进路线上就变得至关重要。
发明内容
本申请实施例的目的在于提出一种改进的无人搬运车的控制方法和装置，来解决以上背景技术部分提到的技术问题。
第一方面，本申请实施例提供了一种无人搬运车的控制方法，该方法包括：响应于接收到直行控制指令，获取无人搬运车的当前位姿信息；基于当前位姿信息，确定目标位姿信息；基于当前位姿信息和目标位姿信息，确定无人搬运车的运动轨迹，其中，运动轨迹以当前位姿信息所指示的点为起点，以目标位姿信息所指示的点为终点；执行以下控制步骤：基于当前位姿信息、无人搬运车的速度和运动轨迹，预测无人搬运车在预设时间段后的位姿信息，基于所预测的位姿信息，确定无人搬运车的交叉耦合增益，基于交叉耦合增益控制无人搬运车的驱动轮的速度，以使无人搬运车沿运动轨迹由当前位姿信息所指示的点行驶至所预测的位姿信息所指示的点，并确定所预测的位姿信息是否是目标位姿信息；响应于确定所预测的位姿信息不是目标位姿信息，将所预测的位姿信息作为当前位姿信息，继续执行控制步骤。
在一些实施例中，获取无人搬运车的当前位姿信息，包括：采集无人搬运车当前所经过地面的图像，其中，图像包含无人搬运车当前所经过二维码的图像；对图像和图像中所呈现的二维码进行分析，确定无人搬运车的当前位姿信息。
在一些实施例中，对图像和图像中所呈现的二维码进行分析，确定无人搬运车的当前位姿信息，包括：获取图像中所呈现的二维码所记录的坐标和图像中所呈现的二维码在图像中的位置和角度，其中，二维码用于记录二维码所在位置的坐标；基于所获取的坐标、位置和角度，确定无人搬运车的当前位姿信息。
在一些实施例中，基于当前位姿信息，确定目标位姿信息，包括：基于图像中所呈现的二维码所记录的坐标和相邻二维码之间的距离，确定目标位姿信息。
在一些实施例中，基于当前位姿信息和目标位姿信息，确定无人搬运车的运动轨迹，包括：基于当前位姿信息和目标位姿信息，构造三次埃尔米特曲线，并将三次埃尔米特曲线作为无人搬运车的运动轨迹。
在一些实施例中，驱动轮包括安装在无人搬运车行驶方向左侧的左驱动轮和安装在无人搬运车行驶方向右侧的右驱动轮；以及基于所预测的位姿信息，确定无人搬运车的交叉耦合增益，包括：获取三次埃尔米特曲线上的所预测的位姿信息所指示的点的曲率半径；基于曲率半径、左驱动轮和右驱动轮的直径、左驱动轮与右驱动轮之间的距离，确定与左驱动轮对应的交叉耦合增益和与右驱动轮对应的交叉耦合增益。
在一些实施例中，基于交叉耦合增益控制无人搬运车的驱动轮的速度，包括：基于与左驱动轮对应的交叉耦合增益控制左驱动轮的速度；基于与右驱动轮对应的交叉耦合增益控制右驱动轮的速度。
第二方面，本申请实施例提供了一种无人搬运车的控制装置，该装置包括：获取单元，配置用于响应于接收到直行控制指令，获取无人搬运车的当前位姿信息；位姿信息确定单元，配置用于基于当前位姿信息，确定目标位姿信息；运动轨迹确定单元，配置用于基于当前位姿信息和目标位姿信息，确定无人搬运车的运动轨迹，其中，运动轨迹以当前位姿信息所指示的点为起点，以目标位姿信息所指示的点为终点；控制单元，配置用于执行以下控制步骤：基于当前位姿信息、无人搬运车的速度和运动轨迹，预测无人搬运车在预设时间段后的位姿信息，基于所预测的位姿信息，确定无人搬运车的交叉耦合增益，基于交叉耦合增益控制无人搬运车的驱动轮的速度，以使无人搬运车沿运动轨迹由当前位姿信息所指示的点行驶至所预测的位姿信息所指示的点，并确定所预测的位姿信息是否是目标位姿信息；执行单元，配置用于响应于确定所预测的位姿信息不是目标位姿信息，将所预测的位姿信息作为当前位姿信息，继续执行控制步骤。
在一些实施例中，获取单元，包括：采集子单元，配置用于采集无人搬运车当前所经过地面的图像，其中，图像包含无人搬运车当前所经过二维码的图像；分析子单元，配置用于对图像和图像中所呈现的二维码进行分析，确定无人搬运车的当前位姿信息。
在一些实施例中，分析子单元，包括：获取模块，配置用于获取图像中所呈现的二维码所记录的坐标和图像中所呈现的二维码在图像中的位置和角度，其中，二维码用于记录二维码所在位置的坐标；确定模块，配置用于基于所获取的坐标、位置和角度，确定无人搬运车的当前位姿信息。
在一些实施例中，位姿信息确定单元进一步配置用于：基于图像中所呈现的二维码所记录的坐标和相邻二维码之间的距离，确定目标位姿信息。
在一些实施例中，控制单元进一步配置用于：基于当前位姿信息和目标位姿信息，构造三次埃尔米特曲线，并将三次埃尔米特曲线作为无人搬运车的运动轨迹。
在一些实施例中，所述驱动轮包括安装在所述无人搬运车行驶方向左侧的左驱动轮和安装在所述无人搬运车行驶方向右侧的右驱动轮；以及控制单元进一步配置用于：获取三次埃尔米特曲线上的所预测的位姿信息所指示的点的曲率半径；基于曲率半径、左驱动轮和右驱动轮的直径、左驱动轮与右驱动轮之间的距离，确定与左驱动轮对应的交叉耦合增益和与右驱动轮对应的交叉耦合增益。
在一些实施例中，控制单元进一步配置用于：基于与左驱动轮对应的交叉耦合增益控制左驱动轮的速度；基于与右驱动轮对应的交叉耦合增益控制右驱动轮的速度。
第三方面，本申请实施例提供了一种车载智能设备，该车载智能设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的无人搬运车的控制方法和装置，在接收到直行控制指令的情况下，首先，通过获取无人搬运车的当前位姿信息确定出目标位姿信息；而后，基于当前位姿信息和目标位姿信息确定出无人搬运车的运动轨迹；然后，执行以下控制步骤：基于当前位姿信息、无人搬运车的速度和运动轨迹，预测无人搬运车在预设时间段后的位姿信息，基于所预测的位姿信息，确定无人搬运车的交叉耦合增益，基于交叉耦合增益控制无人搬运车的驱动轮的速度，以使无人搬运车沿运动轨迹由当前位姿信息所指示的点行驶至所预测的位姿信息所指示的点，并确定所预测的位姿信息是否是目标位姿信息；最后，若确定所预测的位姿信息是目标位姿信息，则说明无人搬运车已经重新行驶到行进路线上，并结束此次对无人搬运车的控制；若确定所预测的位姿信息不是目标位姿信息，则将所预测的位姿信息作为当前位姿信息，继续执行控制步骤，直至无人搬运车重新行驶到行进路线上为止。从而实现了在无人搬运车偏离行进路线的情况下控制无人搬运车重新行驶到行进路线上。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的无人搬运车的控制方法的一个实施例的流程图；
图3是根据本申请的无人搬运车的控制方法的一个应用场景的示意图；
图4是根据本申请的无人搬运车的控制方法的又一个实施例的流程图；
图5是根据本申请的无人搬运车的示例性驱动轮分布图；
图6是根据本申请的无人搬运车的控制装置的一个实施例的结构示意图；
图7是适于用来实现本申请实施例的车载智能设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的无人搬运车的控制方法或无人搬运车的控制装置的示例性系统架构100。
如图1所示，系统架构100可以包括无人搬运车101、网络102和对无人搬运车101提供支持的服务器103。无人搬运车101中可以设置有车载智能设备104。网络102用以在车载智能设备104和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
车载智能设备104上安装有对无人搬运车101进行控制的控制器。该控制器可以对无人搬运车101的运动方式进行控制(例如直行控制、转向控制等)。作为示例，该控制器可以是基于交叉耦合的速度控制器。车载智能设备104可以通过网络102与服务器103交互，以接收直行控制指令等信息。
无人搬运车101还可以安装有其他设备，例如，用于拍摄地面图像的拍摄装置、用于检测地面图像上的二维码的二维码传感器、用于驱动无人搬运车前进、后退或转向的驱动轮等等。
服务器103可以是提供各种服务的服务器，例如对无人搬运车101进行管理并分配任务的管理服务器，管理服务器可以向车载智能设备104发送直行控制指令等信息，以使车载智能设备104对无人搬运车101进行控制。
需要指出的是，直行控制指令也可以在无人搬运车101所安装的二维码传感器检测到某一信息时自动触发，此时，系统架构100可以不设置网络102和服务器103。
需要说明的是，本申请实施例所提供的无人搬运车的控制方法一般由车载智能设备104执行，相应地，无人搬运车的控制装置一般设置于车载智能设备104中。
应该理解，图1中的无人搬运车、车载智能设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的无人搬运车、车载智能设备、网络和服务器。
继续参考图2，其示出了根据本申请的无人搬运车的控制方法的一个实施例的流程200。该无人搬运车的控制方法，包括以下步骤：
步骤201，响应于接收到直行控制指令，获取无人搬运车的当前位姿信息。
在本实施例中，无人搬运车的控制方法运行于其上的电子设备(例如图1所示的车载智能设备104)可以通过有线连接方式或者无线连接方式从服务器(例如图1所示的服务器103)接收对无人搬运车(例如图1所示的无人搬运车101)的直行控制指令，并在接收到直行控制指令的情况下，获取无人搬运车的当前位姿信息。其中，直行控制指令可以是用于指示电子设备控制无人搬运车按照预设的行进路线直行的指令。这里，行进路线通常为直线。位姿信息可以是用于描述无人搬运车的位置和行驶方向的信息。例如，位姿信息可以包括无人搬运车在预设坐标系中的坐标和无人搬运车偏离行进路线的角度。这里，预设坐标系可以是以地面为平面、以行进路线上的任意一点为原点、以行进路线为x轴(即横轴)、以x轴逆时针旋转90°的方向为y轴(即纵轴)而预先建立的直角坐标系。作为示例，电子设备可以首先获取预设坐标系中无人搬运车的当前所在位置的坐标(x1,y1)，并获取预设坐标系中无人搬运车的当前行驶方向与x轴正方向(行进路线)之间的夹角θ1；然后将(x1,y1,θ1)作为无人搬运车的当前位姿信息。
需要指出的是，电子设备还可以在无人搬运车行驶过程中周期性地获取无人搬运车的当前位姿信息(x1,y1,θ1)，若所获取的当前位姿信息中的y1不等于0，则说明无人搬运车已经偏离了行进路线，此时也可以认为电子设备接收到了直行控制指令，并自动触发对无人搬运车的控制。
在本实施例的一些可选的实现方式中，电子设备可以首先采集无人搬运车当前所经过地面的图像；然后对图像和图像中所呈现的二维码进行分析，确定无人搬运车的当前位姿信息。其中，图像可以包含无人搬运车当前所经过二维码的图像。这里，无人搬运车的行进路线上被预先绘制了多个二维码，相邻两个二维码之间间隔一定的距离。作为示例，行进路线上可以每隔1m(米)绘制一个二维码。
在本实施例的一些可选的实现方式中，电子设备可以首先获取图像中所呈现的二维码所记录的坐标和图像中所呈现的二维码在图像中的位置和角度；然后基于所获取的坐标、位置和角度，确定无人搬运车的当前位姿信息。其中，二维码可以用于记录二维码所在位置的坐标。为了便于计算，预设坐标系通常以地面为平面、以当前所经过的二维码为原点、以行进路线为x轴、以x轴逆时针旋转90°的方向为y轴。这里，二维码记录的是二维码所在位置的坐标，则行进路线上的各个二维码所记录的坐标所对应的y轴的数值应均为零。
步骤202，基于当前位姿信息，确定目标位姿信息。
在本实施例中，基于步骤201中所获取的当前位姿信息，电子设备可以确定出目标位姿信息。其中，目标位姿信息可以是用于描述无人搬运车的目标行驶方向和目标位置的信息。这里，目标位姿信息所指示的点可以是行进路线上的任意一点，目标位姿信息所指示的偏离行进路线的角度可以为零，这样，当无人搬运车行驶至目标位姿信息所指示的位置和角度时，说明无人搬运车已经重新行驶至行进路线上。作为示例，电子设备可以首先在行进路线上任意选取一点，并获取该点在预设坐标系中的坐标(x0,y0)；然后获取无人搬运车的目标行驶方向与x轴正方向(行进路线)之间的夹角θ0；最后将(x0,y0,θ0)作为无人搬运车的目标位姿信息。其中，y0＝0，θ0＝0。
在本实施例的一些可选的实现方式中，电子设备可以从无人搬运车尚未经过的行进路线上任意选取一点作为目标位姿信息所指示的点。其中，行进路线可以包括无人搬运车已经经过的行进路线和无人搬运车尚未经过的行进路线。
在本实施例的一些可选的实现方式中，电子设备可以基于图像中所呈现的二维码所记录的坐标和相邻二维码之间的距离，确定目标位姿信息。作为示例，若预设坐标系以地面为平面、以图像中所呈现的二维码为原点、以行进路线为x轴、以x轴逆时针旋转90°的方向为y轴，相邻二维码之间的距离是1，则电子设备可以将无人搬运车尚未经过的行进路线上与图像中所呈现的二维码距离最近的二维码的坐标(1,0)作为目标位姿信息所指示的点的坐标，此时，目标位姿信息可以是(1,0,0)。
步骤203，基于当前位姿信息和目标位姿信息，确定无人搬运车的运动轨迹。
在本实施例中，基于步骤201中所获取的当前位姿信息和步骤202中所确定的目标位姿信息，电子设备可以确定出无人搬运车的运动轨迹。其中，运动轨迹可以是预设坐标系中的平滑曲线，并且以当前位姿信息所指示的点为起点，以目标位姿信息所指示的点为终点。同时，运动轨迹在起点处的切线斜率等于当前位姿信息所指示的角度的正切值，在终点处的切线斜率等于目标位姿信息所指示的角度的正切值。作为示例，在预设坐标系中，若当前位姿信息为(x1,y1,θ1)，目标位姿信息为(x0,y0,θ0)，则运动轨迹在起点处的切线斜率等于θ1的正切值，在终点处的切线斜率等于θ0的正切值。
步骤204，基于当前位姿信息、无人搬运车的速度和运动轨迹，预测无人搬运车在预设时间段后的位姿信息。
在本实施例中，基于当前位姿信息、无人搬运车的速度和运动轨迹，电子设备可以预测出无人搬运车在预设时间段后的位姿信息。作为示例，在预设坐标系中，若无人搬运车的当前位姿信息是(x1,y1,θ1)，电子设备可以首先利用无人搬运车的速度乘以预设时间段即可预测出无人搬运车在预设时间段后所行驶的距离s；之后，将s乘以θ1的余弦值近似作为无人搬运车在x轴方向上所行驶的距离；而后，将无人搬运车在x轴方向上所行驶的距离与x1相加即可得到无人搬运车在预设时间段后在x轴方向上的横坐标x2；然后，将x2对应到运动轨迹曲线上即可获得无人搬运车在预设时间段后在y轴方向上的纵坐标y2；最后，获取运动轨迹曲线在点(x2,y2)处的切线与x轴正方向之间的夹角θ2，并将(x2,y2,θ2)作为无人搬运车在预设时间段后的位姿信息。
步骤205，基于所预测的位姿信息，确定无人搬运车的交叉耦合增益。
在本实施例中，基于步骤204中所预测的位姿信息，电子设备可以确定出无人搬运车的交叉耦合增益。这里，电子设备可以对当前位姿信息和所预测的位姿信息进行分析，预测出无人搬运车从当前位姿信息行驶至所预测的位姿信息无人搬运车的驱动轮的速度，并利用交叉耦合增益与驱动轮的速度之间的对应关系，根据所预测的驱动轮的速度确定出交叉耦合增益。其中，交叉耦合增益又可以叫做速度补偿增益，其与驱动轮的速度之间存在一定的对应关系。
步骤206，基于交叉耦合增益控制无人搬运车的驱动轮的速度。
在本实施例中，基于步骤205中所确定的交叉耦合增益，电子设备可以控制无人搬运车的驱动轮的速度。这里，电子设备上可以安装有基于交叉耦合的速度控制器，将与所确定的交叉耦合增益相对应的速度控制指令输入到基于交叉耦合的速度控制器中。基于交叉耦合的速度控制器可以控制驱动轮以与交叉耦合增益成对应关系的速度转动，以使无人搬运车沿运动轨迹由当前位姿信息所指示的点行驶至所预测的位姿信息所指示的点。
步骤207，确定所预测的位姿信息是否是目标位姿信息。
在本实施例中，在无人搬运车行驶至所预测的位姿信息所指示的点后，电子设备可以将所预测的位姿信息与目标位姿信息进行比较，若所预测的位姿信息与目标位姿信息相同，则说明无人搬运车已经重新行驶到行进路线上，并继续执行步骤208；若所预测的位姿信息与目标位姿信息不同，则说明无人搬运车尚未行驶到行进路线上，并继续执行步骤209。
步骤208，结束。
步骤209，将所预测的位姿信息作为当前位姿信息。
在本实施例中，在无人搬运车尚未行驶到行进路线上的情况下，电子设备可以将所预测的位姿信息作为当前位姿信息，并返回继续执行步骤204，直至无人搬运车重新行驶到行进路线上为止。
继续参见图3，图3是根据本实施例的无人搬运车的控制方法的应用场景的一个示意图。在图3的应用场景中，在无人搬运车301的车载智能设备302接收到直行控制指令303的情况下，首先，车载智能设备302获取无人搬运车301的当前位姿信息304；之后，车载智能设备302基于当前位姿信息304确定出目标位姿信息305；而后，车载智能设备302基于当前位姿信息304和目标位姿信息305确定出无人搬运车301的运动轨迹306；然后，车载智能设备302执行以下控制步骤：基于当前位姿信息304、无人搬运车的速度307和运动轨迹306，预测无人搬运车301在预设时间段后的位姿信息308，基于所预测的位姿信息308，确定无人搬运车301的交叉耦合增益309，基于交叉耦合增益309控制无人搬运车301的驱动轮的速度，以使无人搬运车301沿运动轨迹306由当前位姿信息304所指示的点行驶至所预测的位姿信息308所指示的点，并确定所预测的位姿信息308是否是目标位姿信息305；最后，在确定所预测的位姿信息308是目标位姿信息305的情况下结束本次对无人搬运车301的控制；在确定所预测的位姿信息308不是目标位姿信息305的情况下，车载智能设备302继续执行控制步骤，直至无人搬运车301重新行驶到行进路线上为止。
本申请实施例提供的无人搬运车的控制方法，在接收到直行控制指令的情况下，首先，通过获取无人搬运车的当前位姿信息确定出目标位姿信息；而后，基于当前位姿信息和目标位姿信息确定出无人搬运车的运动轨迹；然后，执行以下控制步骤：基于当前位姿信息、无人搬运车的速度和运动轨迹，预测无人搬运车在预设时间段后的位姿信息，基于所预测的位姿信息，确定无人搬运车的交叉耦合增益，基于交叉耦合增益控制无人搬运车的驱动轮的速度，以使无人搬运车沿运动轨迹由当前位姿信息所指示的点行驶至所预测的位姿信息所指示的点，并确定所预测的位姿信息是否是目标位姿信息；最后，若确定所预测的位姿信息是目标位姿信息，则说明无人搬运车已经重新行驶到行进路线上，并结束此次对无人搬运车的控制；若确定所预测的位姿信息不是目标位姿信息，则将所预测的位姿信息作为当前位姿信息，继续执行控制步骤，直至无人搬运车重新行驶到行进路线上为止。从而实现了在无人搬运车偏离行进路线的情况下控制无人搬运车重新行驶到行进路线上。
进一步参考图4，其示出了无人搬运车的控制方法的又一个实施例的流程400。该无人搬运车的控制方法的流程400，包括以下步骤：
步骤401，响应于接收到直行控制指令，获取无人搬运车的当前位姿信息。
在本实施例中，无人搬运车的控制方法运行于其上的电子设备(例如图1所示的车载智能设备104)可以通过有线连接方式或者无线连接方式从服务器(例如图1所示的服务器103)接收对无人搬运车(例如图1所示的无人搬运车101)的直行控制指令，并在接收到直行控制指令的情况下，获取无人搬运车的当前位姿信息。其中，直行控制指令可以是用于指示电子设备控制无人搬运车按照预设的行进路线直行的指令。这里，行进路线通常为直线。位姿信息可以是用于描述无人搬运车的位置和行驶方向的信息。例如，位姿信息可以包括无人搬运车在预设坐标系中的坐标和无人搬运车偏离行进路线的角度。这里，预设坐标系可以是以地面为平面、以行进路线上的任意一点为原点、以行进路线为x轴(即横轴)、以x轴逆时针旋转90°的方向为y轴(即纵轴)而预先建立的直角坐标系。作为示例，电子设备可以首先获取预设坐标系中无人搬运车的当前所在位置的坐标(x1,y1)，并获取预设坐标系中无人搬运车的当前行驶方向与x轴正方向(行进路线)之间的夹角θ1；然后将(x1,y1,θ1)作为无人搬运车的当前位姿信息。
步骤402，基于当前位姿信息，确定目标位姿信息。
在本实施例中，基于步骤401中所获取的当前位姿信息，电子设备可以确定出目标位姿信息。其中，目标位姿信息可以是用于描述无人搬运车的目标行驶方向和目标位置的信息。这里，目标位姿信息所指示的点可以是行进路线上的任意一点，目标位姿信息所指示的偏离行进路线的角度可以为零，这样，当无人搬运车行驶至目标位姿信息所指示的位置和角度时，说明无人搬运车已经重新行驶至行进路线上。作为示例，电子设备可以首先在行进路线上任意选取一点，并获取该点在预设坐标系中的坐标(x0,y0)；然后获取无人搬运车的目标行驶方向与x轴正方向(行进路线)之间的夹角θ0；最后将(x0,y0,θ0)作为无人搬运车的目标位姿信息。其中，y0＝0，θ0＝0。
步骤403，基于当前位姿信息和目标位姿信息，构造三次埃尔米特曲线，并将三次埃尔米特曲线作为无人搬运车的运动轨迹。
在本实施例中，基于步骤401中所获取的当前位姿信息和步骤402中所确定的目标位姿信息，电子设备可以构造三次埃尔米特(Hermite)曲线，并将三次埃尔米特曲线作为无人搬运车的运动轨迹。其中，三次埃尔米特曲线以当前位姿信息所指示的点为起点，以目标位姿信息所指示的点为终点。同时，三次埃尔米特曲线在起点处的切线斜率等于当前位姿信息所指示的角度的正切值，在终点处的切线斜率等于目标位姿信息所指示的角度的正切值。这里，三次埃尔米特曲线是一个沿x轴单调递增的曲线，这样就刚好满足无人搬运车沿行进路线(x轴)行驶的要求。
在本实施例的一些可选的实现方式中，在预设坐标系中，若当前位姿信息为(x1,y1,θ1)，目标位姿信息为(x0,y0,θ0)，则电子设备可以利用如下公式构造三次埃尔米特曲线：
其中，x为三次埃尔米特曲线上的点在x轴方向上的横坐标，y为三次埃尔米特曲线上的点在y轴方向上的纵坐标，(x,y)为三次埃尔米特曲线上的点的坐标，x1为当前位姿信息(x1,y1,θ1)所指示的点在x轴方向上的横坐标，f(x1)为当前位姿信息(x1,y1,θ1)所指示的点在y轴方向上的纵坐标(即f(x1)＝y1)，(x1,y1)为当前位姿信息(x1,y1,θ1)所指示的点的坐标，f'(x1)为当前位姿信息(x1,y1,θ1)所指示的角度的正切值(即f'(x1)＝tanθ1)，x0为目标位姿信息(x0,y0,θ0)所指示的点在x轴方向上的横坐标，f(x0)为目标位姿信息(x0,y0,θ0)所指示的点在y轴方向上的纵坐标(即f(x0)＝y0)，(x0,y0)为目标位姿信息(x0,y0,θ0)所指示的点的坐标，f'(x0)为目标位姿信息(x0,y0,θ0)所指示的角度的正切值(即f'(x0)＝tanθ0)。
步骤404，基于当前位姿信息、无人搬运车的速度和运动轨迹，预测无人搬运车在预设时间段后的位姿信息。
在本实施例中，基于当前位姿信息、无人搬运车的速度和运动轨迹，电子设备可以预测出无人搬运车在预设时间段后的位姿信息。作为示例，在预设坐标系中，若无人搬运车的当前位姿信息是(x1,y1,θ1)，电子设备可以首先利用无人搬运车的速度乘以预设时间段即可预测出无人搬运车在预设时间段后所行驶的距离s；之后，将s乘以θ1的余弦值近似作为无人搬运车在x轴方向上所行驶的距离；而后，将无人搬运车在x轴方向上所行驶的距离与x1相加即可得到无人搬运车在预设时间段后在x轴方向上的横坐标x2；然后，将x2对应到三次埃尔米特曲线上即可获得无人搬运车在预设时间段后在y轴方向上的纵坐标y2；最后，获取三次埃尔米特曲线在点(x2,y2)处的切线与x轴正方向之间的夹角θ2，并将(x2,y2,θ2)作为无人搬运车在预设时间段后的位姿信息。
步骤405，获取三次埃尔米特曲线上的所预测的位姿信息所指示的点的曲率半径。
在本实施例中，基于步骤403所构造的三次埃尔米特曲线和步骤404所预测的位姿信息，电子设备可以获取三次埃尔米特曲线上的所预测的位姿信息所指示的点的曲率半径。
在本实施例的一些可选的实现方式中，电子设备可以利用如下公式获取三次埃尔米特曲线上的点的曲率半径R：
其中，x为三次埃尔米特曲线上的点在x轴方向上的横坐标，y为三次埃尔米特曲线上的点在y轴方向上的纵坐标，即y'为x关于y的一阶导数，即y”为x关于y的两阶导数。
作为示例，所预测的位姿信息(x2,y2,θ2)所指示的点的曲率半径R2为：
步骤406，基于曲率半径、左驱动轮和右驱动轮的直径、左驱动轮与右驱动轮之间的距离，确定与左驱动轮对应的交叉耦合增益和与右驱动轮对应的交叉耦合增益。
在本实施例中，基于所获取的曲率半径、左驱动轮和右驱动轮的直径、左驱动轮与右驱动轮之间的距离，电子设备可以分别确定出与左驱动轮对应的交叉耦合增益和与右驱动轮对应的交叉耦合增益。
在本实施例中，驱动轮可以包括安装在无人搬运车行驶方向左侧的左驱动轮和安装在无人搬运车行驶方向右侧的右驱动轮。驱动轮分布可以如图5所示，无人搬运车底盘501上设置有两个驱动轮5021、5022和四个从动万向轮5031、5032、5033、5034。其中，驱动轮5021为左驱动轮，用于驱动从动万向轮5031、5032。驱动轮5022为右驱动轮，用于驱动从动万向轮5033、5034。这里，无人搬运车可以采用差动控制，即直行时左驱动轮和右驱动轮的速度大小相同，转动方向相同，原地转向时左驱动轮和右驱动轮速度大小相同，转动方向相反。
在本实施例中，电子设备可以对所获取的曲率半径和左驱动轮与右驱动轮之间的距离进行分析，预测出从当前位姿信息行驶至所预测的位姿信息无人搬运车的驱动轮的速度，并利用交叉耦合增益与驱动轮的速度之间的对应关系，根据所预测的驱动轮的速度确定出交叉耦合增益。其中，交叉耦合增益又可以叫做速度补偿增益，其与驱动轮的速度之间存在一定的对应关系。
在本实施例的一些可选的实现方式中，电子设备可以利用如下公式预测出左驱动轮的速度VL和右驱动轮的速度VR：
其中，L为左驱动轮和右驱动轮之间的距离，R为三次埃尔米特曲线上的点的曲率半径，V为无人搬运车的速度。
根据交叉耦合增益与驱动轮的速度之间的关系，可知左驱动轮的交叉耦合增益CL＝1，右驱动轮的交叉耦合增益结合左驱动轮和右驱动轮的速度计算公式可以得到左驱动轮的交叉耦合增益CL和右驱动轮的交叉耦合增益CR：
其中，DL为左驱动轮的直径，DR为右驱动轮的直径，通常情况下，DL＝DR。
步骤407，基于与左驱动轮对应的交叉耦合增益控制左驱动轮的速度；基于与右驱动轮对应的交叉耦合增益控制右驱动轮的速度。
在本实施例中，基于步骤406所确定的左驱动轮的交叉耦合增益和右驱动轮的交叉耦合增益，电子设备可以分别控制无人搬运车的左驱动轮和右驱动轮的速度。这里，电子设备上可以安装有基于交叉耦合的速度控制器，将与左驱动轮的交叉耦合增益和右驱动轮的交叉耦合增益相对应的速度控制指令输入到基于交叉耦合的速度控制器中，基于交叉耦合的速度控制器可以控制左驱动轮以与左驱动轮的交叉耦合增益成对应关系的速度转动，右驱动轮以与右驱动轮的交叉耦合增益成对应关系的速度转动，以使无人搬运车沿运动轨迹由当前位姿信息所指示的点行驶至所预测的位姿信息所指示的点。
步骤408，确定所预测的位姿信息是否是目标位姿信息。
在本实施例中，在无人搬运车行驶至所预测的位姿信息所指示的点后，电子设备可以将所预测的位姿信息与目标位姿信息进行比较，若所预测的位姿信息与目标位姿信息相同，则说明无人搬运车已经重新行驶至行进路线上，并继续执行步骤409；若所预测的位姿信息与目标位姿信息不同，则说明无人搬运车尚未行驶到行进路线上，并继续执行步骤410。
步骤409，结束。
步骤410，将所预测的位姿信息作为当前位姿信息。
在本实施例中，在无人搬运车尚未行驶到行进路线上的情况下，电子设备可以将所预测的位姿信息作为当前位姿信息，并返回继续执行步骤404，直至无人搬运车重新行驶到行进路线上为止。
从图4中可以看出，与图2对应的实施例相比，本实施例中的无人搬运车的控制方法的流程400突出了构造三次埃尔米特曲线作为运动轨迹的步骤。由此，本实施例描述的方案中利用三次埃尔米特曲线作为运动轨迹，使运动轨迹沿行进路线(x轴)单调递增，从而使无人搬运车快速地、平滑地重新行驶到行进路线上。
进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种无人搬运车的控制装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的无人搬运车的控制装置600可以包括：获取单元601、位姿信息确定单元602、运动轨迹确定单元603、控制单元604和执行单元605。其中，获取单元601，配置用于响应于接收到直行控制指令，获取无人搬运车的当前位姿信息；位姿信息确定单元602，配置用于基于当前位姿信息，确定目标位姿信息；运动轨迹确定单元603，配置用于基于当前位姿信息和目标位姿信息，确定无人搬运车的运动轨迹，其中，运动轨迹以当前位姿信息所指示的点为起点，以目标位姿信息所指示的点为终点；控制单元604，配置用于执行以下控制步骤：基于当前位姿信息、无人搬运车的速度和运动轨迹，预测无人搬运车在预设时间段后的位姿信息，基于所预测的位姿信息，确定无人搬运车的交叉耦合增益，基于交叉耦合增益控制无人搬运车的驱动轮的速度，以使无人搬运车沿运动轨迹由当前位姿信息所指示的点行驶至所预测的位姿信息所指示的点，并确定所预测的位姿信息是否是目标位姿信息；执行单元605，配置用于响应于确定所预测的位姿信息不是目标位姿信息，将所预测的位姿信息作为当前位姿信息，继续执行控制步骤。
在本实施例中，无人搬运车的控制装置600中：获取单元601、位姿信息确定单元602、运动轨迹确定单元603、控制单元604、执行单元605的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204-208和步骤209的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，获取单元601可以包括：采集子单元(图中未示出)，配置用于采集无人搬运车当前所经过地面的图像，其中，图像包含无人搬运车当前所经过二维码的图像；分析子单元(图中未示出)，配置用于对图像和图像中所呈现的二维码进行分析，确定无人搬运车的当前位姿信息。
在本实施例的一些可选的实现方式中，分析子单元(图中未示出)可以包括：获取模块(图中未示出)，配置用于获取图像中所呈现的二维码所记录的坐标和图像中所呈现的二维码在图像中的位置和角度，其中，二维码用于记录二维码所在位置的坐标；确定模块(图中未示出)，配置用于基于所获取的坐标、位置和角度，确定无人搬运车的当前位姿信息。
在本实施例的一些可选的实现方式中，位姿信息确定单元602进一步配置用于：基于图像中所呈现的二维码所记录的坐标和相邻二维码之间的距离，确定目标位姿信息。
在本实施例的一些可选的实现方式中，控制单元604进一步配置用于：基于当前位姿信息和目标位姿信息，构造三次埃尔米特曲线，并将三次埃尔米特曲线作为无人搬运车的运动轨迹。
在本实施例的一些可选的实现方式中，所述驱动轮可以包括安装在所述无人搬运车行驶方向左侧的左驱动轮和安装在所述无人搬运车行驶方向右侧的右驱动轮；以及控制单元604进一步配置用于：获取三次埃尔米特曲线上的所预测的位姿信息所指示的点的曲率半径；基于曲率半径、左驱动轮和右驱动轮的直径、左驱动轮与右驱动轮之间的距离，确定与左驱动轮对应的交叉耦合增益和与右驱动轮对应的交叉耦合增益。
在本实施例的一些可选的实现方式中，控制单元604进一步配置用于：基于与左驱动轮对应的交叉耦合增益控制左驱动轮的速度；基于与右驱动轮对应的交叉耦合增益控制右驱动轮的速度。
下面参考图7，其示出了适于用来实现本申请实施例的车载智能设备的计算机系统700的结构示意图。图7示出的车载智能设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标、触摸屏等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、位姿信息确定单元、运动轨迹确定单元、控制单元和执行单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“响应于接收到直行控制指令，获取无人搬运车的当前位姿信息的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的车载智能设备中所包含的；也可以是单独存在，而未装配入该车载智能设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该车载智能设备执行时，使得该车载智能设备：响应于接收到直行控制指令，获取无人搬运车的当前位姿信息；基于当前位姿信息，确定目标位姿信息；基于当前位姿信息和目标位姿信息，确定无人搬运车的运动轨迹，其中，运动轨迹以当前位姿信息所指示的点为起点，以目标位姿信息所指示的点为终点；执行以下控制步骤：基于当前位姿信息、无人搬运车的速度和运动轨迹，预测无人搬运车在预设时间段后的位姿信息，基于所预测的位姿信息，确定无人搬运车的交叉耦合增益，基于交叉耦合增益控制无人搬运车的驱动轮的速度，以使无人搬运车沿运动轨迹由当前位姿信息所指示的点行驶至所预测的位姿信息所指示的点，并确定所预测的位姿信息是否是目标位姿信息；响应于确定所预测的位姿信息不是目标位姿信息，将所预测的位姿信息作为当前位姿信息，继续执行控制步骤。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (16)

1.一种无人搬运车的控制方法，其特征在于，所述方法包括：
响应于接收到直行控制指令，获取无人搬运车的当前位姿信息；
基于所述当前位姿信息，确定目标位姿信息；
基于所述当前位姿信息和所述目标位姿信息，确定所述无人搬运车的运动轨迹，其中，所述运动轨迹以所述当前位姿信息所指示的点为起点，以所述目标位姿信息所指示的点为终点；
执行以下控制步骤：基于所述当前位姿信息、所述无人搬运车的速度和所述运动轨迹，预测所述无人搬运车在预设时间段后的位姿信息，基于所预测的位姿信息，确定所述无人搬运车的交叉耦合增益，基于所述交叉耦合增益控制所述无人搬运车的驱动轮的速度，以使所述无人搬运车沿所述运动轨迹由所述当前位姿信息所指示的点行驶至所预测的位姿信息所指示的点，并确定所预测的位姿信息是否是所述目标位姿信息；
响应于确定所预测的位姿信息不是所述目标位姿信息，将所预测的位姿信息作为当前位姿信息，继续执行所述控制步骤。
2.根据权利要求1所述的方法，其特征在于，所述获取无人搬运车的当前位姿信息，包括：
采集所述无人搬运车当前所经过地面的图像，其中，所述图像包含所述无人搬运车当前所经过二维码的图像；
对所述图像和所述图像中所呈现的二维码进行分析，确定所述无人搬运车的当前位姿信息。
3.根据权利要求2所述的方法，其特征在于，所述对所述图像和所述图像中所呈现的二维码进行分析，确定所述无人搬运车的当前位姿信息，包括：
获取所述图像中所呈现的二维码所记录的坐标和所述图像中所呈现的二维码在所述图像中的位置和角度，其中，二维码用于记录二维码所在位置的坐标；
基于所获取的坐标、位置和角度，确定所述无人搬运车的当前位姿信息。
4.根据权利要求3所述的方法，其特征在于，所述基于所述当前位姿信息，确定目标位姿信息，包括：
基于所述图像中所呈现的二维码所记录的坐标和相邻二维码之间的距离，确定目标位姿信息。
5.根据权利要求1-4之一所述的方法，其特征在于，所述基于所述当前位姿信息和所述目标位姿信息，确定所述无人搬运车的运动轨迹，包括：
基于所述当前位姿信息和所述目标位姿信息，构造三次埃尔米特曲线，并将所述三次埃尔米特曲线作为所述无人搬运车的运动轨迹。
6.根据权利要求5所述的方法，其特征在于，所述驱动轮包括安装在所述无人搬运车行驶方向左侧的左驱动轮和安装在所述无人搬运车行驶方向右侧的右驱动轮；以及
所述基于所预测的位姿信息，确定所述无人搬运车的交叉耦合增益，包括：
获取所述三次埃尔米特曲线上的所预测的位姿信息所指示的点的曲率半径；
基于所述曲率半径、所述左驱动轮和所述右驱动轮的直径、所述左驱动轮与所述右驱动轮之间的距离，确定与所述左驱动轮对应的交叉耦合增益和与所述右驱动轮对应的交叉耦合增益。
7.根据权利要求6所述的方法，其特征在于，所述基于所述交叉耦合增益控制所述无人搬运车的驱动轮的速度，包括：
基于与所述左驱动轮对应的交叉耦合增益控制所述左驱动轮的速度；
基于与所述右驱动轮对应的交叉耦合增益控制所述右驱动轮的速度。
8.一种无人搬运车的控制装置，其特征在于，所述装置包括：
获取单元，配置用于响应于接收到直行控制指令，获取无人搬运车的当前位姿信息；
位姿信息确定单元，配置用于基于所述当前位姿信息，确定目标位姿信息；
运动轨迹确定单元，配置用于基于所述当前位姿信息和所述目标位姿信息，确定所述无人搬运车的运动轨迹，其中，所述运动轨迹以所述当前位姿信息所指示的点为起点，以所述目标位姿信息所指示的点为终点；
控制单元，配置用于执行以下控制步骤：基于所述当前位姿信息、所述无人搬运车的速度和所述运动轨迹，预测所述无人搬运车在预设时间段后的位姿信息，基于所预测的位姿信息，确定所述无人搬运车的交叉耦合增益，基于所述交叉耦合增益控制所述无人搬运车的驱动轮的速度，以使所述无人搬运车沿所述运动轨迹由所述当前位姿信息所指示的点行驶至所预测的位姿信息所指示的点，并确定所预测的位姿信息是否是所述目标位姿信息；
执行单元，配置用于响应于确定所预测的位姿信息不是所述目标位姿信息，将所预测的位姿信息作为当前位姿信息，继续执行所述控制步骤。
9.根据权利要求8所述的装置，其特征在于，所述获取单元，包括：
采集子单元，配置用于采集所述无人搬运车当前所经过地面的图像，其中，所述图像包含所述无人搬运车当前所经过二维码的图像；
分析子单元，配置用于对所述图像和所述图像中所呈现的二维码进行分析，确定所述无人搬运车的当前位姿信息。
10.根据权利要求9所述的装置，其特征在于，所述分析子单元，包括：
获取模块，配置用于获取所述图像中所呈现的二维码所记录的坐标和所述图像中所呈现的二维码在所述图像中的位置和角度，其中，二维码用于记录二维码所在位置的坐标；
确定模块，配置用于基于所获取的坐标、位置和角度，确定所述无人搬运车的当前位姿信息。
11.根据权利要求10所述的方法，其特征在于，所述位姿信息确定单元进一步配置用于：
基于所述图像中所呈现的二维码所记录的坐标和相邻二维码之间的距离，确定目标位姿信息。
12.根据权利要求8-11之一所述的装置，其特征在于，所述控制单元进一步配置用于：
基于所述当前位姿信息和所述目标位姿信息，构造三次埃尔米特曲线，并将所述三次埃尔米特曲线作为所述无人搬运车的运动轨迹。
13.根据权利要求12所述的装置，其特征在于，所述驱动轮包括安装在所述无人搬运车行驶方向左侧的左驱动轮和安装在所述无人搬运车行驶方向右侧的右驱动轮；以及
所述控制单元进一步配置用于：
获取所述三次埃尔米特曲线上的所预测的位姿信息所指示的点的曲率半径；
基于所述曲率半径、所述左驱动轮和所述右驱动轮的直径、所述左驱动轮与所述右驱动轮之间的距离，确定与所述左驱动轮对应的交叉耦合增益和与所述右驱动轮对应的交叉耦合增益。
14.根据权利要求13所述的装置，其特征在于，所述控制单元进一步配置用于：
基于与所述左驱动轮对应的交叉耦合增益控制所述左驱动轮的速度；
基于与所述右驱动轮对应的交叉耦合增益控制所述右驱动轮的速度。
15.一种车载智能设备，其特征在于，所述车载智能设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN201710357849.8A 2017-05-19 2017-05-19 无人搬运车的控制方法和装置 Active CN107132843B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710357849.8A CN107132843B (zh) 2017-05-19 2017-05-19 无人搬运车的控制方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710357849.8A CN107132843B (zh) 2017-05-19 2017-05-19 无人搬运车的控制方法和装置

Publications (2)

Publication Number Publication Date
CN107132843A true CN107132843A (zh) 2017-09-05
CN107132843B CN107132843B (zh) 2020-07-31

Family

ID=59733172

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710357849.8A Active CN107132843B (zh) 2017-05-19 2017-05-19 无人搬运车的控制方法和装置

Country Status (1)

Country Link
CN (1) CN107132843B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109976336A (zh) * 2019-03-08 2019-07-05 上海精星物流设备工程有限公司 一种基于四次曲线的无人叉车运动轨迹生成方法
CN110823227A (zh) * 2019-11-12 2020-02-21 深圳创维数字技术有限公司 路径导航方法、设备及计算机可读存储介质
WO2020238863A1 (zh) * 2019-05-24 2020-12-03 深圳市道通智能航空技术有限公司 一种无人机及其控制方法、存储介质
CN113504052A (zh) * 2021-06-01 2021-10-15 襄阳达安汽车检测中心有限公司 一种摆桩系统、方法、设备及计算机可读存储介质
CN114198595A (zh) * 2021-11-08 2022-03-18 武汉工程大学 管道机器人的控制系统、方法、装置、电子设备及介质
WO2024103395A1 (zh) * 2022-11-18 2024-05-23 汤恩智能科技(上海)有限公司 机器人及其行进控制方法，机器人系统及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1361027A1 (en) * 2000-11-17 2003-11-12 Honda Giken Kogyo Kabushiki Kaisha Gait pattern generating device for legged mobile robot
KR20090066726A (ko) * 2007-12-20 2009-06-24 이인옥 액티브 비컨 센서 시스템에서 위치 추정 방법
CN102087747A (zh) * 2011-01-05 2011-06-08 西南交通大学 基于单纯形法的对象跟踪方法
CN102430841A (zh) * 2011-08-26 2012-05-02 昆山工研院工业机器人研究所有限公司 基于离线规划的弧焊机器人激光视觉焊缝跟踪控制方法
CN102788704A (zh) * 2012-06-29 2012-11-21 北京理工大学 基于驾驶员模型的汽车操纵稳定性检测系统及检测方法
CN103823929A (zh) * 2014-02-18 2014-05-28 北京理工大学 一种基于驾驶员模型的车辆转向系统性能测试方法
CN105415372A (zh) * 2015-12-09 2016-03-23 常州汉迪机器人科技有限公司 一种安全空间约束下的多关节机器人轨迹规划方法
WO2016057181A1 (en) * 2014-10-10 2016-04-14 Irobot Corporation Mobile robot area cleaning
CN106338993A (zh) * 2016-10-11 2017-01-18 北京京东尚科信息技术有限公司 无人配送车以及无人配送车控制方法和装置
CN106444766A (zh) * 2016-10-21 2017-02-22 北京京东尚科信息技术有限公司 Agv 运输车及其控制方法
US20170131721A1 (en) * 2015-11-06 2017-05-11 Samsung Electronics Co., Ltd. Robot cleaner and method for controlling the same

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1361027A1 (en) * 2000-11-17 2003-11-12 Honda Giken Kogyo Kabushiki Kaisha Gait pattern generating device for legged mobile robot
KR20090066726A (ko) * 2007-12-20 2009-06-24 이인옥 액티브 비컨 센서 시스템에서 위치 추정 방법
CN102087747A (zh) * 2011-01-05 2011-06-08 西南交通大学 基于单纯形法的对象跟踪方法
CN102430841A (zh) * 2011-08-26 2012-05-02 昆山工研院工业机器人研究所有限公司 基于离线规划的弧焊机器人激光视觉焊缝跟踪控制方法
CN102788704A (zh) * 2012-06-29 2012-11-21 北京理工大学 基于驾驶员模型的汽车操纵稳定性检测系统及检测方法
CN103823929A (zh) * 2014-02-18 2014-05-28 北京理工大学 一种基于驾驶员模型的车辆转向系统性能测试方法
WO2016057181A1 (en) * 2014-10-10 2016-04-14 Irobot Corporation Mobile robot area cleaning
US20170131721A1 (en) * 2015-11-06 2017-05-11 Samsung Electronics Co., Ltd. Robot cleaner and method for controlling the same
CN105415372A (zh) * 2015-12-09 2016-03-23 常州汉迪机器人科技有限公司 一种安全空间约束下的多关节机器人轨迹规划方法
CN106338993A (zh) * 2016-10-11 2017-01-18 北京京东尚科信息技术有限公司 无人配送车以及无人配送车控制方法和装置
CN106444766A (zh) * 2016-10-21 2017-02-22 北京京东尚科信息技术有限公司 Agv 运输车及其控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HUARONG ZHENG，ETC: "Predictive path following with arrival time awareness for waterborne AGVs", 《TRANSPORTATION RESEARCH PART》 *
李朕阳: "基于 SＲ-CKF 的移动机器人动态目标跟踪算法", 《电子测量与仪器学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109976336A (zh) * 2019-03-08 2019-07-05 上海精星物流设备工程有限公司 一种基于四次曲线的无人叉车运动轨迹生成方法
WO2020238863A1 (zh) * 2019-05-24 2020-12-03 深圳市道通智能航空技术有限公司 一种无人机及其控制方法、存储介质
CN110823227A (zh) * 2019-11-12 2020-02-21 深圳创维数字技术有限公司 路径导航方法、设备及计算机可读存储介质
CN110823227B (zh) * 2019-11-12 2021-07-20 深圳创维数字技术有限公司 路径导航方法、设备及计算机可读存储介质
CN113504052A (zh) * 2021-06-01 2021-10-15 襄阳达安汽车检测中心有限公司 一种摆桩系统、方法、设备及计算机可读存储介质
CN114198595A (zh) * 2021-11-08 2022-03-18 武汉工程大学 管道机器人的控制系统、方法、装置、电子设备及介质
WO2024103395A1 (zh) * 2022-11-18 2024-05-23 汤恩智能科技(上海)有限公司 机器人及其行进控制方法，机器人系统及存储介质

Also Published As

Publication number Publication date
CN107132843B (zh) 2020-07-31

Similar Documents

Publication Publication Date Title
CN106970629A (zh) 无人搬运车的控制方法和装置
CN107132843A (zh) 无人搬运车的控制方法和装置
CN105956527B (zh) 用于无人驾驶车的障碍物检测结果评估方法和装置
CN108216229A (zh) 交通工具、道路线检测和驾驶控制方法及装置
CN104115081B (zh) 利用恒定倾斜角转弯的风计算系统
WO2021068649A1 (zh) 用于控制无人搬运车的方法和装置
EP3892423B1 (en) Transfer robot-based control method and device
JP6914404B2 (ja) 車両を制御するための方法及び装置
CN109416539A (zh) 使用比例、积分与微分(pid)控制器的自主车辆的转向控制的方法和系统
CN111813117B (zh) 一种机器人巡线优先导航方法、装置和设备
US20130304368A1 (en) Trajectory planning
CN113033925A (zh) 用于控制自动驾驶车辆行驶、装置、电子设备和介质
JP2021077090A (ja) 複数のビークルの移動制御方法、移動制御装置、移動制御システム、プログラム及び記録媒体
CN107515607A (zh) 用于无人车的控制方法和装置
CN115691200B (zh) 停车信息推送方法及装置、电子设备和存储介质
CN115166774A (zh) 生成虚拟车道线的方法和装置、电子设备及程序产品
CN113306570B (zh) 用于控制自动驾驶车辆的方法、装置和自动驾驶配送车
CN112649011B (zh) 车辆避障方法、装置、设备和计算机可读介质
CN106910358A (zh) 用于无人车的姿态确定方法和装置
Zhang et al. Design and analysis of welding inspection robot
CN111399489B (zh) 用于生成信息的方法和装置
CN116734878A (zh) 路径规划方法、装置、电子设备、介质及自动驾驶车辆
CN107092253A (zh) 用于控制无人车的方法、装置及服务器
CN113805578B (zh) 无人车路径优化方法及相关设备
US11360488B2 (en) Dynamic relative position reassignment of vehicle in autonomous vehicles ecosystem

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1237439

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210308

Address after: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Patentee after: Beijing Jingbangda Trading Co.,Ltd.

Address before: 100080 Haidian District, Beijing, 65 Xing Shu Kou Road, 11C, west section of the western part of the building, 1-4 stories West 1-4 story.

Patentee before: BEIJING JINGDONG SHANGKE INFORMATION TECHNOLOGY Co.,Ltd.

Patentee before: BEIJING JINGDONG CENTURY TRADING Co.,Ltd.

Effective date of registration: 20210308

Address after: Room a1905, 19 / F, building 2, No. 18, Kechuang 11th Street, Daxing Economic and Technological Development Zone, Beijing 100176

Patentee after: Beijing Jingdong Qianshi Technology Co.,Ltd.

Address before: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Patentee before: Beijing Jingbangda Trading Co.,Ltd.