CN110456797A - 一种基于2d激光传感器的agv重定位系统及方法 - Google Patents
一种基于2d激光传感器的agv重定位系统及方法 Download PDFInfo
- Publication number
- CN110456797A CN110456797A CN201910764668.6A CN201910764668A CN110456797A CN 110456797 A CN110456797 A CN 110456797A CN 201910764668 A CN201910764668 A CN 201910764668A CN 110456797 A CN110456797 A CN 110456797A
- Authority
- CN
- China
- Prior art keywords
- map
- agv
- pose
- local
- laser
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000004888 barrier function Effects 0.000 claims description 45
- 230000008569 process Effects 0.000 claims description 8
- 235000009508 confectionery Nutrition 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 5
- 238000013519 translation Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于2D激光传感器的AGV重定位系统及方法,该系统包括车载设备、云端服务器、全局地图和反光柱;当AGV需要重定位时,云端服务器可提供AGV正常运行时的位姿作为模糊位姿;控制单元包括2D激光数据处理模块、粗匹配模块、精匹配模块和移动控制模块;通过2D激光数据处理模块构建局部地图;粗匹配模块根据局部地图中是否包含反光柱信息,使用不同匹配方法,获得模糊位姿;在每个模糊位姿处,使用精匹配模块获得包含得分的精确位姿,选取得分最高的位姿作为重定位结果;当得分不满足阈值时,使用移动控制模块控制AGV移动,扩大局部地图,重新进行重定位,从而实现AGV准确可靠的重定位。
Description
技术领域
本发明属于自动控制领域,尤其涉及一种基于2D激光传感器的AGV重定位系统及方法。
背景技术
当前,移动机器人飞速发展,机器人技术渗透到了工业生产与日常生活中的方方面面。AGV通过利用自身传感器与设备在所处的环境中进行自主导航并完成给定任务。其中定位问题是实现自主导航的关键。在实际应用中,在未知位姿情况下启动AGV或者遭遇“绑架问题”时,AGV将定位出错误的位姿,轻者将不能完成相应任务,严重者甚至会影响到生产安全。目前常见的重定位方法,一般采用摄像头、UWB、GPS等辅助设备定位,需要在AGV或环境中上安装布置辅助设备,还可能对环境进行一定程度的改造,增加了各项成本。而且当前AGV一般仅仅依赖激光传感器工作的,因此需要探索一种仅依赖激光传感器,且相对比较灵活、可靠而又低成本的重定位方法实现AGV的重定位。
发明内容
本发明的目的在于克服现有重定位方法的不足,提高AGV的可靠性,提供一种基于2D激光传感器的AGV重定位系统及方法。
本发明的目的是通过以下技术方案来实现的:一种基于2D激光传感器的AGV重定位系统,该系统包括车载设备、云端服务器、与实际场景吻合的全局地图和铺设于场景中环境容易变化区域的若干反光柱;
所述全局地图含有与环境相符的全局栅格地图、从全局栅格地图中提取出的障碍物轮廓集合以及事先布置在环境中的反光柱集合;
所述云端服务器为AGV调度服务器,用于向AGV发送任务及存储AGV定时上报的状态,当AGV需要重定位时,可提供AGV正常运行时的位姿,作为AGV重定位的模糊位姿;
所述车载设备包括2D激光传感器和控制单元;
所述控制单元包括2D激光数据处理模块、粗匹配模块、精匹配模块和移动控制模块;
所述2D激光数据处理模块根据2D激光传感器的原始数据构建包含反光柱信息、局部栅格地图以及障碍物轮廓信息的局部地图;
所述粗匹配模块根据局部地图中是否含有反光柱信息,选择不同的匹配方法,当局部地图中含有反光柱信息时,将局部地图中的反光柱信息与全局地图中的反光柱集合进行匹配,获得单个或多个模糊位姿;当局部地图中不含反光柱信息时,将局部地图中的障碍物轮廓信息与全局地图中的障碍物轮廓集合进行匹配,获得单个或多个模糊位姿;
所述精匹配模块根据预先给定的模糊位姿,在给定的搜索窗口ω范围内,将局部栅格地图与全局栅格地图进行匹配,获得带得分的精确位姿;
所述移动控制模块判断精匹配模块最终匹配得分是否满足给定阈值,若满足给定阈值,使用该位姿作为重定位结果,若不满足给定阈值,则控制AGV移动一段距离,结合2D激光数据处理模块扩大局部地图范围,重新进行重定位,从而实现准确可靠的重定位。
进一步地,所述AGV为具有差速驱动轮的AGV,所述2D激光传感器安装于车体对角线端点处。
进一步地,所述反光柱信息为反光柱所在地图坐标系统下的坐标,所述障碍物轮廓信息为从栅格地图中提取出的障碍物坐标。
进一步地,所述2D激光数据处理模块处理激光数据包括以下步骤:
S1:以启动位置为地图原点,根据2D激光传感器探测到的环境数据构建局部栅格地图;
S2:根据2D激光数据中的光强信息区分反光柱,提取反光柱信息;
S3:根据局部栅格地图,使用candy算法提取出障碍物轮廓信息;
S4:根据反光柱信息、局部栅格地图以及障碍物轮廓信息构建局部地图。
进一步地,所述精匹配模块的匹配过程包括以下步骤:
S1:将局部栅格地图障碍物信息提取为点云,首先提取局部栅格地图中像素值大于阈值的像素,再根据像素在地图中的坐标值,构建障碍物点云数据;
S2:给定模糊位姿ε与搜索窗口ω,将障碍物点云数据与全局栅格地图根据以下公式使用最小二乘法求解,得到带得分ξ*的精确位姿ε;
其中ξ*为精匹配得分,Tε为与位姿ε相关的旋转平移矩阵,hk为障碍物点云数据中第k个点的坐标,ω为约束位姿ε范围的搜索窗口,K为障碍物点云数据中的点云总个数,Mnearest为将点云在全局栅格中所对应的位置作为膨胀核的膨胀函数。
进一步地,所述将局部地图中的反光柱信息与全局地图中的反光柱集合进行匹配的具体方法如下:
当局部地图中的反光柱个数只有1个时,首先计算出该反光柱距离AGV的距离L,在每个全局地图反光柱所在位置坐标处,画半径L的圆,在该圆上以精匹配搜索窗口ω的边长为间隔取坐标点,该组坐标点即为AGV模糊位姿ε的集合;
当局部地图中的反光柱个数大于等于2个时,使用RANSAC算法进行反光柱匹配,具体步骤如下:
S1:随机选择局部地图中的2个反光柱与全局地图中的反光柱构成点对,计算出旋转平移矩阵,记为模型Mk;
S2:检测局部地图中剩余的反光柱满足模型Mk的个数,计算满足度S,若迭代次数小于k,则返回S1;
其中,S为局部地图中的反光柱对模型满足度,vs为局部地图中的反光柱满足模型的个数,v为局部地图中的反光柱总个数,U为全局地图中的反光柱的总个数,C为排列组合计算公式;
S3:选择局部地图中的反光柱对模型满足度最高的模型;
S4:通过模型计算得到单个或多个AGV模糊位姿ε。
进一步地,所述将局部地图中的障碍物轮廓信息与全局地图中的障碍物轮廓集合进行匹配的具体方法如下:
首先给定匹配分辨率β,得到个初始朝向,在每个朝向上,使用ChamferMatching算法进行匹配,得到单个或多个AGV模糊位姿ε。
进一步地,所述移动控制模块控制AGV移动策略如下:
分析2D激光数据,根据以下公式,选取AGV前进方向θ,以固定速度前进,当运行里程到达设定阈值时,停止运动;
θ=k0·α
其中d为保证AGV前进时不被障碍物阻挡所需2D激光原始数据的个数,r为AGV底盘宽度,s为给定AGV移动最远距离,α为2D激光传感器角度分辨率,UN为2D激光数据集,包括N个2D激光原始数据;k0为使得函数值最大的第k组数据下标,为在给定2D激光数据集UN下,第k组数据中总数为d个的2D激光原始数据值的平均值,0≤θ≤2π为最终的AGV朝向角。
一种基于2D激光传感器的AGV重定位方法,该方法包括以下步骤:
S1:根据2D激光传感器采集的2D激光数据中的光强信息区分出反光柱,提取反光柱信息;
S2:以启动位置为地图原点,根据2D激光传感器探测到的环境数据构建局部栅格地图;
S3:从局部栅格地图中使用candy算法提取出障碍物轮廓信息;
S4:利用反光柱信息、栅格地图、轮廓信息构建局部地图;
S5:云端服务器向AGV发送n个AGV重启前定时上报的正常运行时的位姿,作为AGV模糊位姿;
S6:在每个给定模糊位姿处,使用精匹配模块将局部地图中的栅格地图与全局地图中的栅格地图进行匹配,得到带得分的位姿;
S7:当上述得分最高的位姿匹配得分满足给定阈值时,跳转至S11;
S8:根据局部地图中是否含有反光柱信息,选取不同的粗匹配方法:
当局部地图中含有反光柱信息时,将局部地图中的反光柱信息与全局地图中的反光柱集合进行匹配,获得单个或多个AGV模糊位姿;
当局部地图中不含有反光柱信息时,将局部地图中的障碍物轮廓信息与全局地图中的障碍物轮廓集合进行匹配,获得单个或多个AGV模糊位姿;
S9:在每个给定模糊位姿处,使用精匹配模块将局部地图中的栅格地图与全局地图中的栅格地图进行匹配,得到带得分的位姿;
S10:当上述得分最高的位姿匹配得分不满足给定阈值时,使用移动控制模块控制AGV移动一段距离后,返回步骤S1,同时略过S5,S6,S7;
S11:使用得分最高的位姿作为重定位结果,实现AGV的重定位。
本发明的有益效果是:本发明提供了一种基于2D激光传感器的AGV重定位系统及方法,该系统仅采用2D激光传感器、云端服务器、铺设于场景中环境经常变化区域的少量反光板,首先处理激光数据构建局部地图,通过局部地图中是否含有反光柱,选择不同的粗匹配方法获得单个或多个模糊位姿,在模糊位姿基础上,使用精匹配模块获得带得分的精确位姿,选取得分最高的位姿作为重定位结果,当得分不满足阈值时,控制AGV移动一段距离,重新进行重定位,从而实现可靠、快速、低成本的重定位,在AGV遭遇“绑架”问题、重新启动时,重新确定AGV的位置。
附图说明
图1为AGV小车示意图;
图2为反光柱铺设示意图;
图3为控制单元结构框图;
图4为重定位流程图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
本发明提供的一种基于2D激光传感器的AGV重定位系统,该系统包括车载设备、云端服务器、与实际场景吻合的全局地图和铺设于场景中环境容易变化区域的若干反光柱。全局地图由AGV事先建图得到,存储在车载设备中。
如图1所示,所述车载设备包括2D激光传感器和控制单元,其中2D激光传感器安装于车体对角线端点处。
所述全局地图含有与环境相符的全局栅格地图、从全局栅格地图中提取出的障碍物轮廓集合以及事先布置在环境中的反光柱集合。
如图2所示,所述反光柱铺设于场景易变的环境中,一般为10m-15m范围中固定放置一个反光柱。
所述云端服务器为AGV调度服务器,实际工程应用时与AGV在同一网段内,可向AGV发送任务,也可存储AGV定时上报的状态,如AGV当前所在位姿、错误状态等,当AGV运行中断电或出错等需要重定位时,可提供AGV正常运行时的位姿,作为AGV重定位的模糊位姿。
所述控制单元包括2D激光数据处理模块、粗匹配模块、精匹配模块和移动控制模块。
所述2D激光数据处理模块根据2D激光传感器的原始数据构建包含反光柱信息、局部栅格地图以及障碍物轮廓信息的局部地图。反光柱信息为反光柱所在地图坐标系统下的坐标,障碍物轮廓信息为从栅格地图中提取出的障碍物坐标。2D激光数据处理模块处理激光数据的具体步骤如下,但不限于此:
S1:以启动位置为地图原点,根据2D激光传感器探测到的环境数据构建局部栅格地图;
S2:根据2D激光数据中的光强信息区分反光柱,提取反光柱信息;
S3:根据局部栅格地图,使用图像处理中的candy算法提取出障碍物轮廓信息;
S4:根据反光柱信息、局部栅格地图以及障碍物轮廓信息构建局部地图。
如图3所示,所述粗匹配模块根据局部地图中是否含有反光柱信息,选择不同的匹配方法,当局部地图中含有反光柱信息时,将局部地图中的反光柱信息与全局地图中的反光柱集合进行匹配,获得单个或多个模糊位姿;当局部地图中不含反光柱信息时,将局部地图中的障碍物轮廓信息与全局地图中的障碍物轮廓集合进行匹配,获得单个或多个模糊位姿。
将局部地图中的反光柱信息与全局地图中的反光柱集合进行匹配的具体方法如下:
当局部地图中的反光柱个数只有1个时,首先计算出该反光柱距离AGV的距离L,在每个全局地图反光柱所在位置坐标处,画半径L的圆,在该圆上以精匹配搜索窗口ω的边长为间隔取坐标点,该组坐标点即为AGV模糊位姿ε的集合;
当局部地图中的反光柱个数大于等于2个时,使用RANSAC算法进行反光柱匹配,具体步骤如下:
S1:随机选择局部地图中的2个反光柱与全局地图中的反光柱构成点对,计算出旋转平移矩阵,记为模型Mk;
S2:检测局部地图中剩余的反光柱满足模型Mk的个数,计算满足度S,若迭代次数小于k,则返回S1;
其中,S为局部地图中的反光柱对模型满足度,vs为局部地图中的反光柱满足模型的个数,v为局部地图中的反光柱总个数,U为全局地图中的反光柱的总个数,C为排列组合计算公式;
S3:选择局部地图中的反光柱对模型满足度最高的模型;
S4:通过模型计算得到单个或多个AGV模糊位姿ε。
将局部地图中的障碍物轮廓信息与全局地图中的障碍物轮廓集合进行匹配的具体方法如下:
首先给定匹配分辨率β,通常为1°,得到个初始朝向,在每个朝向上,使用图像处理中的Chamfer Matching算法进行匹配,得到单个或多个AGV模糊位姿ε。
所述精匹配模块根据预先给定的模糊位姿(可以是云端服务器提供的,也可以是粗匹配模块提供的),在给定的搜索窗口ω范围内,将局部栅格地图与全局栅格地图进行匹配,获得带得分的精确位姿,得分越高代表匹配的重合度越高,位姿准确率越高。精匹配模块的匹配过程具体如下,但不限于此:
S1:将局部栅格地图障碍物信息提取为点云,首先提取局部栅格地图中像素值大于阈值的像素,再根据像素在地图中的坐标值,构建障碍物点云数据;
S2:给定模糊位姿ε与搜索窗口ω,将障碍物点云数据与全局栅格地图根据以下公式使用最小二乘法求解,得到带得分ξ*的精确位姿ε;
其中ξ*为精匹配得分,表征精匹配的可靠度,Tε为与位姿ε相关的旋转平移矩阵,hk为障碍物点云数据中第k个点的坐标,ω为约束位姿ε范围的搜索窗口,K为障碍物点云数据中的点云总个数,Mnearest为将点云在全局栅格中所对应的位置作为膨胀核的膨胀函数。
所述移动控制模块判断精匹配模块最终匹配得分是否满足给定阈值,若满足给定阈值,使用该位姿作为重定位结果,若不满足给定阈值,则控制AGV移动给定的一段距离,结合2D激光数据处理模块扩大局部地图范围,重新进行重定位,从而实现准确可靠的重定位。移动控制模块控制AGV移动策略具体如下,但不限于此:分析2D激光数据,根据以下公式,选取AGV前进方向θ,以固定速度前进,当运行里程到达设定阈值时,停止运动;
θ=k0·α
其中d为保证AGV前进时不被障碍物阻挡所需2D激光原始数据的个数,r为AGV底盘宽度,s为给定AGV移动最远距离,α为2D激光传感器角度分辨率,UN为2D激光数据集,包括N个2D激光原始数据;k0为使得函数值最大的第k组数据下标,为在给定2D激光数据集UN下,第k组数据中总数为d个的2D激光原始数据值的平均值,0≤θ≤2π为最终的AGV朝向角。
如图4所示,本发明提出的一种基于2D激光传感器的AGV重定位方法,该方法包括以下步骤:
S1:根据2D激光传感器采集的2D激光数据中的光强信息区分出反光柱,提取反光柱信息;
S2:以启动位置为地图原点,根据2D激光传感器探测到的环境数据构建局部栅格地图;
S3:从局部栅格地图中使用图像处理中的candy算法提取出障碍物轮廓信息;
S4:利用反光柱信息、栅格地图、轮廓信息构建局部地图;
S5:云端服务器向AGV发送n个AGV重启前定时上报的正常运行时的位姿,作为AGV模糊位姿;
S6:在每个给定模糊位姿处,使用精匹配模块将局部地图中的栅格地图与全局地图中的栅格地图进行匹配,得到带得分的位姿;
S7:当上述得分最高的位姿匹配得分满足给定阈值时,跳转至S11;
S8:根据局部地图中是否含有反光柱信息,选取不同的粗匹配方法:
当局部地图中含有反光柱信息时,将局部地图中的反光柱信息与全局地图中的反光柱集合进行匹配,获得单个或多个AGV模糊位姿;
当局部地图中不含有反光柱信息时,将局部地图中的障碍物轮廓信息与全局地图中的障碍物轮廓集合进行匹配,获得单个或多个AGV模糊位姿;
S9:在每个给定模糊位姿处,使用精匹配模块将局部地图中的栅格地图与全局地图中的栅格地图进行匹配,得到带得分的位姿;
S10:当上述得分最高的位姿匹配得分不满足给定阈值时,使用移动控制模块控制AGV移动给定的一段距离后,返回步骤S1,同时略过S5,S6,S7;
S11:使用得分最高的位姿作为重定位结果,实现AGV的重定位。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (9)
1.一种基于2D激光传感器的AGV重定位系统,其特征在于:该系统包括车载设备、云端服务器、与实际场景吻合的全局地图和铺设于场景中环境容易变化区域的若干反光柱;
所述全局地图含有与环境相符的全局栅格地图、从全局栅格地图中提取出的障碍物轮廓集合以及事先布置在环境中的反光柱集合;
所述云端服务器为AGV调度服务器,用于向AGV发送任务及存储AGV定时上报的状态,当AGV需要重定位时,可提供AGV正常运行时的位姿,作为AGV重定位的模糊位姿;
所述车载设备包括2D激光传感器和控制单元;
所述控制单元包括2D激光数据处理模块、粗匹配模块、精匹配模块和移动控制模块;
所述2D激光数据处理模块根据2D激光传感器的原始数据构建包含反光柱信息、局部栅格地图以及障碍物轮廓信息的局部地图;
所述粗匹配模块根据局部地图中是否含有反光柱信息,选择不同的匹配方法,当局部地图中含有反光柱信息时,将局部地图中的反光柱信息与全局地图中的反光柱集合进行匹配,获得单个或多个模糊位姿;当局部地图中不含反光柱信息时,将局部地图中的障碍物轮廓信息与全局地图中的障碍物轮廓集合进行匹配,获得单个或多个模糊位姿;
所述精匹配模块根据预先给定的模糊位姿,在给定的搜索窗口ω范围内,将局部栅格地图与全局栅格地图进行匹配,获得带得分的精确位姿;
所述移动控制模块判断精匹配模块最终匹配得分是否满足给定阈值,若满足给定阈值,使用该位姿作为重定位结果,若不满足给定阈值,则控制AGV移动一段距离,结合2D激光数据处理模块扩大局部地图范围,重新进行重定位,从而实现准确可靠的重定位。
2.根据权利要求1所述的一种基于2D激光传感器的AGV重定位系统,其特征在于:所述AGV为具有差速驱动轮的AGV,所述2D激光传感器安装于车体对角线端点处。
3.根据权利要求1所述的一种基于2D激光传感器的AGV重定位系统,其特征在于:所述反光柱信息为反光柱所在地图坐标系统下的坐标,所述障碍物轮廓信息为从栅格地图中提取出的障碍物坐标。
4.根据权利要求1所述的一种基于2D激光传感器的AGV重定位系统,其特征在于:所述2D激光数据处理模块处理激光数据包括以下步骤:
S1:以启动位置为地图原点,根据2D激光传感器探测到的环境数据构建局部栅格地图;
S2:根据2D激光数据中的光强信息区分反光柱,提取反光柱信息;
S3:根据局部栅格地图,使用candy算法提取出障碍物轮廓信息;
S4:根据反光柱信息、局部栅格地图以及障碍物轮廓信息构建局部地图。
5.根据权利要求1所述的一种基于2D激光传感器的AGV重定位系统,其特征在于:所述精匹配模块的匹配过程包括以下步骤:
S1:将局部栅格地图障碍物信息提取为点云,首先提取局部栅格地图中像素值大于阈值的像素,再根据像素在地图中的坐标值,构建障碍物点云数据;
S2:给定模糊位姿ε与搜索窗口ω,将障碍物点云数据与全局栅格地图根据以下公式使用最小二乘法求解,得到带得分ξ*的精确位姿ε;
其中ξ*为精匹配得分,Tε为与位姿ε相关的旋转平移矩阵,hk为障碍物点云数据中第k个点的坐标,ω为约束位姿ε范围的搜索窗口,K为障碍物点云数据中的点云总个数,Mnearest为将点云在全局栅格中所对应的位置作为膨胀核的膨胀函数。
6.根据权利要求1所述的一种基于2D激光传感器的AGV重定位系统,其特征在于:所述将局部地图中的反光柱信息与全局地图中的反光柱集合进行匹配的具体方法如下:
当局部地图中的反光柱个数只有1个时,首先计算出该反光柱距离AGV的距离L,在每个全局地图反光柱所在位置坐标处,画半径L的圆,在该圆上以精匹配搜索窗口ω的边长为间隔取坐标点,该组坐标点即为AGV模糊位姿ε的集合;
当局部地图中的反光柱个数大于等于2个时,使用RANSAC算法进行反光柱匹配,具体步骤如下:
S1:随机选择局部地图中的2个反光柱与全局地图中的反光柱构成点对,计算出旋转平移矩阵,记为模型Mk;
S2:检测局部地图中剩余的反光柱满足模型Mk的个数,计算满足度S,若迭代次数小于k,则返回S1;
其中,S为局部地图中的反光柱对模型满足度,vs为局部地图中的反光柱满足模型的个数,v为局部地图中的反光柱总个数,U为全局地图中的反光柱的总个数,C为排列组合计算公式;
S3:选择局部地图中的反光柱对模型满足度最高的模型;
S4:通过模型计算得到单个或多个AGV模糊位姿ε。
7.根据权利要求1所述的一种基于2D激光传感器的AGV重定位系统,其特征在于:所述将局部地图中的障碍物轮廓信息与全局地图中的障碍物轮廓集合进行匹配的具体方法如下:
首先给定匹配分辨率β,得到个初始朝向,在每个朝向上,使用Chamfer Matching算法进行匹配,得到单个或多个AGV模糊位姿ε。
8.根据权利要求1所述的一种基于2D激光传感器的AGV重定位系统,其特征在于:所述移动控制模块控制AGV移动策略如下:
分析2D激光数据,根据以下公式,选取AGV前进方向θ,以固定速度前进,当运行里程到达设定阈值时,停止运动;
θ=k0·α
其中d为保证AGV前进时不被障碍物阻挡所需2D激光原始数据的个数,r为AGV底盘宽度,s为给定AGV移动最远距离,α为2D激光传感器角度分辨率,UN为2D激光数据集,包括N个2D激光原始数据;k0为使得函数值最大的第k组数据下标,为在给定2D激光数据集UN下,第k组数据中总数为d个的2D激光原始数据值的平均值,0≤θ≤2π为最终的AGV朝向角。
9.一种基于2D激光传感器的AGV重定位方法,其特征在于:该方法包括以下步骤:
S1:根据2D激光传感器采集的2D激光数据中的光强信息区分出反光柱,提取反光柱信息;
S2:以启动位置为地图原点,根据2D激光传感器探测到的环境数据构建局部栅格地图;
S3:从局部栅格地图中使用candy算法提取出障碍物轮廓信息;
S4:利用反光柱信息、栅格地图、轮廓信息构建局部地图;
S5:云端服务器向AGV发送n个AGV重启前定时上报的正常运行时的位姿,作为AGV模糊位姿;
S6:在每个给定模糊位姿处,使用精匹配模块将局部地图中的栅格地图与全局地图中的栅格地图进行匹配,得到带得分的位姿;
S7:当上述得分最高的位姿匹配得分满足给定阈值时,跳转至S11;
S8:根据局部地图中是否含有反光柱信息,选取不同的粗匹配方法:
当局部地图中含有反光柱信息时,将局部地图中的反光柱信息与全局地图中的反光柱集合进行匹配,获得单个或多个AGV模糊位姿;
当局部地图中不含有反光柱信息时,将局部地图中的障碍物轮廓信息与全局地图中的障碍物轮廓集合进行匹配,获得单个或多个AGV模糊位姿;
S9:在每个给定模糊位姿处,使用精匹配模块将局部地图中的栅格地图与全局地图中的栅格地图进行匹配,得到带得分的位姿;
S10:当上述得分最高的位姿匹配得分不满足给定阈值时,使用移动控制模块控制AGV移动一段距离后,返回步骤S1,同时略过S5,S6,S7;
S11:使用得分最高的位姿作为重定位结果,实现AGV的重定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910764668.6A CN110456797B (zh) | 2019-08-19 | 2019-08-19 | 一种基于2d激光传感器的agv重定位系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910764668.6A CN110456797B (zh) | 2019-08-19 | 2019-08-19 | 一种基于2d激光传感器的agv重定位系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110456797A true CN110456797A (zh) | 2019-11-15 |
CN110456797B CN110456797B (zh) | 2022-06-28 |
Family
ID=68487588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910764668.6A Active CN110456797B (zh) | 2019-08-19 | 2019-08-19 | 一种基于2d激光传感器的agv重定位系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110456797B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111273304A (zh) * | 2019-12-31 | 2020-06-12 | 芜湖哈特机器人产业技术研究院有限公司 | 一种融合反光柱的自然定位方法及系统 |
CN111366896A (zh) * | 2020-03-05 | 2020-07-03 | 三一机器人科技有限公司 | 一种反光柱的检测方法、装置、电子设备及可读存储介质 |
CN111578946A (zh) * | 2020-05-27 | 2020-08-25 | 杭州蓝芯科技有限公司 | 一种基于深度学习的激光导航agv重定位方法和装置 |
CN111694013A (zh) * | 2020-06-11 | 2020-09-22 | 三一机器人科技有限公司 | 一种反光柱建图方法、装置、设备及存储介质 |
CN111693053A (zh) * | 2020-07-09 | 2020-09-22 | 上海大学 | 一种基于移动机器人的重定位方法及系统 |
CN111984016A (zh) * | 2020-08-27 | 2020-11-24 | 华晟(青岛)智能装备科技有限公司 | 一种基于多类型agv的导航地图构建方法 |
CN112327312A (zh) * | 2020-10-28 | 2021-02-05 | 上海高仙自动化科技发展有限公司 | 一种车辆位姿确定方法、装置、车辆及存储介质 |
CN112344940A (zh) * | 2020-11-06 | 2021-02-09 | 杭州国辰机器人科技有限公司 | 一种融合反光柱及栅格地图的定位方法及装置 |
CN112733923A (zh) * | 2021-01-04 | 2021-04-30 | 上海高仙自动化科技发展有限公司 | 一种确定禁行区域的系统及机器人 |
CN112904367A (zh) * | 2021-03-19 | 2021-06-04 | 北京小狗吸尘器集团股份有限公司 | 应用于扫地机重定位时的位置打分方法、装置和电子设备 |
CN113031620A (zh) * | 2021-03-19 | 2021-06-25 | 成都河狸智能科技有限责任公司 | 一种机器人复杂环境定位方法 |
CN113485327A (zh) * | 2021-06-30 | 2021-10-08 | 三一机器人科技有限公司 | 末端工位定位方法、装置及电子设备 |
CN113776533A (zh) * | 2021-07-29 | 2021-12-10 | 北京旷视科技有限公司 | 可移动设备的重定位方法及装置 |
CN114543819A (zh) * | 2021-09-16 | 2022-05-27 | 北京小米移动软件有限公司 | 车辆定位方法、装置、电子设备及存储介质 |
CN115082665A (zh) * | 2022-08-22 | 2022-09-20 | 山东西曼克技术有限公司 | 可提高作业精度的agv小车视觉自检方法、装置及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107908185A (zh) * | 2017-10-14 | 2018-04-13 | 北醒(北京)光子科技有限公司 | 一种机器人自主全局重定位方法及机器人 |
CN108226938A (zh) * | 2017-12-08 | 2018-06-29 | 华南理工大学 | 一种agv小车的定位系统和方法 |
CN108917759A (zh) * | 2018-04-19 | 2018-11-30 | 电子科技大学 | 基于多层次地图匹配的移动机器人位姿纠正算法 |
CN109141437A (zh) * | 2018-09-30 | 2019-01-04 | 中国科学院合肥物质科学研究院 | 一种机器人全局重定位方法 |
CN109144056A (zh) * | 2018-08-02 | 2019-01-04 | 上海思岚科技有限公司 | 移动机器人的全局自定位方法及设备 |
CN109405824A (zh) * | 2018-09-05 | 2019-03-01 | 武汉契友科技股份有限公司 | 一种适用于智能网联汽车的多源感知定位系统 |
WO2019100404A1 (zh) * | 2017-11-27 | 2019-05-31 | 深圳市沃特沃德股份有限公司 | 视觉扫地机器人及其重定位方法 |
CN111247390A (zh) * | 2017-10-06 | 2020-06-05 | 高通股份有限公司 | Vslam的并发的重新定位和重新初始化 |
-
2019
- 2019-08-19 CN CN201910764668.6A patent/CN110456797B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111247390A (zh) * | 2017-10-06 | 2020-06-05 | 高通股份有限公司 | Vslam的并发的重新定位和重新初始化 |
CN107908185A (zh) * | 2017-10-14 | 2018-04-13 | 北醒(北京)光子科技有限公司 | 一种机器人自主全局重定位方法及机器人 |
WO2019100404A1 (zh) * | 2017-11-27 | 2019-05-31 | 深圳市沃特沃德股份有限公司 | 视觉扫地机器人及其重定位方法 |
CN108226938A (zh) * | 2017-12-08 | 2018-06-29 | 华南理工大学 | 一种agv小车的定位系统和方法 |
CN108917759A (zh) * | 2018-04-19 | 2018-11-30 | 电子科技大学 | 基于多层次地图匹配的移动机器人位姿纠正算法 |
CN109144056A (zh) * | 2018-08-02 | 2019-01-04 | 上海思岚科技有限公司 | 移动机器人的全局自定位方法及设备 |
CN109405824A (zh) * | 2018-09-05 | 2019-03-01 | 武汉契友科技股份有限公司 | 一种适用于智能网联汽车的多源感知定位系统 |
CN109141437A (zh) * | 2018-09-30 | 2019-01-04 | 中国科学院合肥物质科学研究院 | 一种机器人全局重定位方法 |
Non-Patent Citations (2)
Title |
---|
LIN ZHIYUN: "A barycentric coordinate based approach to three-dimensional distributed localization for wireless sensor networks", 《2017 13TH IEEE INTERNATIONAL CONFERENCE ON CONTROL & AUTOMATION (ICCA)》 * |
马跃龙: "一种基于点云地图的机器人室内实时重定位方法", 《系统仿真学报》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111273304A (zh) * | 2019-12-31 | 2020-06-12 | 芜湖哈特机器人产业技术研究院有限公司 | 一种融合反光柱的自然定位方法及系统 |
CN111273304B (zh) * | 2019-12-31 | 2022-05-24 | 芜湖哈特机器人产业技术研究院有限公司 | 一种融合反光柱的自然定位方法及系统 |
CN111366896A (zh) * | 2020-03-05 | 2020-07-03 | 三一机器人科技有限公司 | 一种反光柱的检测方法、装置、电子设备及可读存储介质 |
CN111578946A (zh) * | 2020-05-27 | 2020-08-25 | 杭州蓝芯科技有限公司 | 一种基于深度学习的激光导航agv重定位方法和装置 |
CN111694013A (zh) * | 2020-06-11 | 2020-09-22 | 三一机器人科技有限公司 | 一种反光柱建图方法、装置、设备及存储介质 |
CN111694013B (zh) * | 2020-06-11 | 2023-03-28 | 三一机器人科技有限公司 | 一种反光柱建图方法、装置、设备及存储介质 |
CN111693053A (zh) * | 2020-07-09 | 2020-09-22 | 上海大学 | 一种基于移动机器人的重定位方法及系统 |
CN111984016A (zh) * | 2020-08-27 | 2020-11-24 | 华晟(青岛)智能装备科技有限公司 | 一种基于多类型agv的导航地图构建方法 |
CN111984016B (zh) * | 2020-08-27 | 2023-10-13 | 华晟(青岛)智能装备科技有限公司 | 一种基于多类型agv的导航地图构建方法 |
CN112327312A (zh) * | 2020-10-28 | 2021-02-05 | 上海高仙自动化科技发展有限公司 | 一种车辆位姿确定方法、装置、车辆及存储介质 |
CN112344940A (zh) * | 2020-11-06 | 2021-02-09 | 杭州国辰机器人科技有限公司 | 一种融合反光柱及栅格地图的定位方法及装置 |
CN112344940B (zh) * | 2020-11-06 | 2022-05-17 | 杭州国辰机器人科技有限公司 | 一种融合反光柱及栅格地图的定位方法及装置 |
CN112733923A (zh) * | 2021-01-04 | 2021-04-30 | 上海高仙自动化科技发展有限公司 | 一种确定禁行区域的系统及机器人 |
CN112904367A (zh) * | 2021-03-19 | 2021-06-04 | 北京小狗吸尘器集团股份有限公司 | 应用于扫地机重定位时的位置打分方法、装置和电子设备 |
CN113031620A (zh) * | 2021-03-19 | 2021-06-25 | 成都河狸智能科技有限责任公司 | 一种机器人复杂环境定位方法 |
CN112904367B (zh) * | 2021-03-19 | 2023-03-14 | 北京小狗吸尘器集团股份有限公司 | 应用于扫地机重定位时的位置打分方法、装置和电子设备 |
CN113485327A (zh) * | 2021-06-30 | 2021-10-08 | 三一机器人科技有限公司 | 末端工位定位方法、装置及电子设备 |
CN113485327B (zh) * | 2021-06-30 | 2024-02-02 | 三一机器人科技有限公司 | 末端工位定位方法、装置及电子设备 |
CN113776533A (zh) * | 2021-07-29 | 2021-12-10 | 北京旷视科技有限公司 | 可移动设备的重定位方法及装置 |
WO2023005384A1 (zh) * | 2021-07-29 | 2023-02-02 | 北京旷视科技有限公司 | 可移动设备的重定位方法及装置 |
CN114543819A (zh) * | 2021-09-16 | 2022-05-27 | 北京小米移动软件有限公司 | 车辆定位方法、装置、电子设备及存储介质 |
CN114543819B (zh) * | 2021-09-16 | 2024-03-26 | 北京小米移动软件有限公司 | 车辆定位方法、装置、电子设备及存储介质 |
CN115082665B (zh) * | 2022-08-22 | 2022-11-01 | 山东西曼克技术有限公司 | 可提高作业精度的agv小车视觉自检方法、装置及系统 |
CN115082665A (zh) * | 2022-08-22 | 2022-09-20 | 山东西曼克技术有限公司 | 可提高作业精度的agv小车视觉自检方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110456797B (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110456797A (zh) | 一种基于2d激光传感器的agv重定位系统及方法 | |
CN104520732B (zh) | 定位传感器的方法以及相关设备 | |
CN106092104B (zh) | 一种室内机器人的重定位方法及装置 | |
CN112802346B (zh) | 基于云端共享和地图融合的自主泊车系统和方法 | |
CN102087530B (zh) | 基于手绘地图和路径的移动机器人视觉导航方法 | |
CN108983781A (zh) | 一种无人车目标搜索系统中的环境探测方法 | |
CN107967473A (zh) | 基于图文识别和语义的机器人自主定位和导航 | |
US8396597B2 (en) | Distributed robotic guidance | |
Li et al. | Springrobot: A prototype autonomous vehicle and its algorithms for lane detection | |
CN102116625B (zh) | 巡线机器人gis-gps导航方法 | |
CN106843230A (zh) | 应用于移动设备的虚拟墙系统及其实现方法 | |
CN103064416A (zh) | 巡检机器人室内外自主导航系统 | |
CN108168539A (zh) | 一种基于计算机视觉的盲人导航方法、装置及系统 | |
CN108958232A (zh) | 一种基于深度视觉的移动扫地机器人slam装置及算法 | |
CN106767833B (zh) | 一种融合rgbd深度传感器与编码器的机器人定位方法 | |
CN115936029B (zh) | 一种基于二维码的slam定位方法及装置 | |
CN111862200B (zh) | 一种煤棚内无人机定位方法 | |
CN111123914A (zh) | 割草机器人基于视觉场景的方向估算方法 | |
CN104063884B (zh) | 基于运动预测与多模板匹配相结合的图像目标识别方法 | |
Lu et al. | Pole-based localization for autonomous vehicles in urban scenarios using local grid map-based method | |
CN203070098U (zh) | 巡检机器人室内外自主导航系统 | |
CN112785564A (zh) | 一种基于机械臂的行人检测跟踪系统与方法 | |
CN110058587A (zh) | 基于slam技术的煤矿综采面巡视无人车以及自主巡视的方法 | |
CN114266326B (zh) | 一种基于机器人双目三维视觉的物体识别方法 | |
Jang et al. | Drift compensation of mono-visual odometry and vehicle localization using public road sign database |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |