CN111045404A - 一种窄巷道定位堆垛车、堆垛车的定位系统及定位方法 - Google Patents

Abstract

本发明属于自动导引小车定位技术领域，具体公开了一种堆垛车，包括至少2个用于测量所述堆垛车左右距离的横向传感器和至少一个用于测量所述堆垛车前后距离的纵向传感器。本发明还提供了一种定位系统，用于在窄巷道中精确定位一堆垛车，包括：传感计算单元和校准定位单元；所述传感计算单元根据设置于所述堆垛车上的横向传感器和纵向传感所采集到的数据，计算所述堆垛车的姿态及在所述窄巷道中的相对位置；所述校准定位单元融合所述堆垛车提供的其他数据和所述相对位置解析得到所述堆垛车的全局位姿信息本发明的有益效果在于简化了硬件结构，不需要对仓库进行改造，大大节约了成本。

Description

一种窄巷道定位堆垛车、堆垛车的定位系统及定位方法

技术领域

本发明属于自动导引小车定位技术领域，尤其涉及一种窄巷道定位堆垛车、堆垛车的定位系统及定位方法。

背景技术

随着物流行业越来越发达，仓库中流通的货物越来越多，人工或者半机械化的对多技术已经不适应现有的吞吐量的需求。自动引导小车(AGV，Automated Guided Vehicle)是物流行业中实现自动堆垛的技术趋势。

目前AGV通常是指装备有电磁或光学等自动导引装置，能够沿规定的导引轨道行驶，具有安全保护以及各种移载功能的运输车。目前常见的导引方式包括磁点导航、电磁导航、磁带导航、视觉导航、激光导航、自然轮廓导航等。除了各种技术本身所固有的技术缺陷外，这些导航方式都需要对仓库进行一定程度的基建改造，例如设置电磁导引轨道、磁钉或者视觉导引标记点等，比较耗费时间和经济成本，普适性也不够强。

尤其对于密集排布的仓库，仓库内货架之间的巷道过于狭窄，上述的基建改造工程甚至可能无法进行，从而无法实现AGV自动堆垛和拆垛。

另外，比较新颖的二维码导航虽然不需要进行大规模的基建改造，但是定位精度太低，受环境光线影响较大，实用性不够。

发明内容

为了解决上述的缺陷，本发明提出一种窄巷道定位堆垛车、堆垛车的定位系统及定位方法。

根据本发明的第一方面，提供一种窄巷道定位堆垛车，包括至少2个用于测量所述堆垛车左右距离的横向传感器和至少一个用于测量所述堆垛车前后距离的纵向传感器。

上述的堆垛车，其中所述横向传感器以至少2个为一组，设置于所述堆垛车的左侧和/或右侧；同一组中的所述横向传感器的连线与所述堆垛车的纵轴线平行。

根据本发明的第二方面，提供一种窄巷道定位堆垛车的定位系统，用于在窄巷道中精确定位一堆垛车，包括：传感计算单元和校准定位单元；

所述传感计算单元根据设置于所述堆垛车上的横向传感器和纵向传感所采集到的数据，计算所述堆垛车的姿态及在所述窄巷道中的相对位置；

所述校准定位单元融合所述堆垛车提供的其他数据和所述相对位置解析得到所述堆垛车的全局位姿信息。

上述的定位系统，其中还包括数据传输单元；所述数据传输单元将所述全局位姿信息编码打包后，发送到一通信总线。

上述的定位系统，通过编号为m及n的2个所述横向传感器获取横向位姿的计算公式为：

其中，其中，μ为所述堆垛车质点与所述窄巷道之间的距离，ω为车辆姿态偏航角，l_m1,l_n1分别为第m，n个所述横向传感器的安装位置距离车辆纵轴的垂直距离，l_m2，l_n2分别为所述横向传感器的原始采集值，l_m3，l_n3分别为第m，n个所述横向传感器在车辆纵轴上的投影点距离车辆质心的距离。

上述的定位系统，通过编号为k的所述纵向传感器获取纵向坐标的计算公式为：

ν_k＝l_k×cosα_k×cos(ω+β_k)+l′_k×cosα_k×cos(ω+β_k)

其中，v_k为所述堆垛车质点与所述窄巷道远端之间的距离，l_k为所述纵向传感器的原始采集值，l′_k为所述纵向传感器安装点投影与车辆质点的直线距离，ω为所述堆垛车的航向角，α_k为所述纵向传感器与所述堆垛车纵轴之间的夹角，β_k为所述纵向传感器与竖直方向之间的夹角。

上述的定位系统，其中计算所述相对位置时，采用连续N个所述原始采集值的算术平均值作为l_m2，l_n2或l_k；其中，N为自然数。

上述的定位系统，其中航向角ω的计算公式为：

其中，l_m1,l_n1分别为第m，n个所述横向传感器的安装位置距离车辆纵轴的垂直距离，l_m2，l_n2分别为所述横向传感器的原始采集值，l_m3，l_n3分别为第m，n个所述横向传感器在车辆纵轴上的投影点距离车辆质心的距离。

上述的定位系统，其中所述校准定位单元进一步包括数据整合模块和坐标转换模块：

所述数据整合模块利用所述堆垛车的转向角度以及里程计数据与所述相对位置进行卡尔曼滤波算法融合得到稳定的位置信息；

所述坐标转换模块将所述稳定的位置信息的坐标转换到全局坐标系。

根据本发明的第三方面，与上述的定位系统相适应的，提供一种窄巷道堆垛车的定位方法，包括：

S1、标定横向传感器和纵向传感器相对堆垛车横轴和纵轴的偏离数据；

S2、将所述堆垛车行驶到所述窄巷道一端，并提供初始定位数据；

S3、按周期采集堆垛车与巷道一侧及巷道远端的距离；

S4、结合S1和S3的数据计算堆垛车相对所述窄巷道的位置和航向角；

S5、融合所述堆垛车的其他位姿数据和S3的数据，以得到稳定变化的位姿数据序列。

上述的定位方法，S5之后，还包括：

S6、将S5得到的位姿数据转换到以S2中的初始定位位置为原点的坐标系中。

上述的定位方法，其中S4中，将之前N次S3的数据取算术平均值后使用。

如权利要求10所述的定位方法，其特征在于：S4中，将之前N次S3的数据取算术平均值后使用。

与现有技术相比，本发明首先公开了一种最少只需设置2横1纵3个点激光传感器的堆垛车，从硬件层面节省了开支，且所需采集的数据比较简单，从而其采集速度可达到100Hz，甚至200Hz，得到的数据曲线近似于连续，有利于对车辆运行轨迹的追踪及进行合理预判。

本发明公开的定位系统及定位方法分两步计算堆垛车在仓库中的绝对位姿数据，第一步根据原始采集数据计算的相对位姿数据，第二步再结合车辆本身监控的方向、时速和运行距离等信息对相对位姿数据进行滤波和平滑，修正系统误差和测量误差，以得到更准确的运行路径。

此外，后续还可将所述相对位姿数据转化到仓库坐标系中，有利于提高控制显示等单元的数据一致性，减少整个仓储管理系统的数据复杂程度。

附图说明

图1为一实施例中点激光传感器的布置示意图；

图2为堆垛车在窄巷道中的位姿示意图；

图3为车辆坐标系(u-v坐标系)和全局坐标系(即仓库坐标系，x-y坐标系)的相对关系图；

图4为定位方法的一个实施例流程示意图；

图5为纵向传感器与堆垛车纵轴之间的α_k、β_k夹角的示意图。

附图标记说明：

1--横向传感器；

2--纵向传感器；

S1～S6--步骤序号。

具体实施方式

为使本发明的目的、特征更明显易懂，下面结合附图对本发明的具体实施方式作进一步的说明。然而，本发明可以用不同的形式实现，不应只是局限在所述的实施例。且，在不冲突的情况下，本发明中的实施例及实施例中的特征允许相互组合或替换。结合以下的说明，本发明的优点和特征将更清楚。

需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。

还需声明的是，本发明中对步骤编号的目的在于便于引用，而非限定先后顺序。对于个别需强调顺序的步骤，文中将以专门文字进行特别说明。

在使用AGV进行堆拆垛的仓库中，货架排布密度较低的仓库或者新建的仓库才有条件进行改造，设置实物导轨。货架排布密度高的仓库不具备改造的条件，只能选择不设置实物导轨的方案。在设置实物导轨的方案中，GPS定位在室内的使用效果差，视觉定位受光照影响较大，且视觉标记容易被污染，长期效果不佳。

另外，在窄巷道的应用场景中，对自动堆垛机的横向控制、纵向控制精度提出了更高的要求，同时对车辆的自动调节过程也有一定的限制，以防止车辆与窄巷道(货架)发生碰撞，这对窄巷道自动堆垛车的控制设计提出了很大的挑战，而现阶段对车辆的控制更多的是只关注车辆横向或纵向的控制结果，难以对调节过程进行兼顾。

为了全面实现堆垛车在窄巷道内对堆垛车的停留位置、堆垛托盘指向进行精确自动导引，本发明提出一个思路：综合考虑传感器的安装误差、车辆行进过程中的测量误差以及车辆的时速、方向盘角度和其他一些车辆本身的参数，对传感器实际采集到的原始数据进行校正，以期获得更为精确的位姿(即位置和姿态)数据。

更进一步地，为了实现精确控制还可以结合车辆的历史运动数据，对车辆的前景位姿进行预估，以作为控制系统的参考。

如图1所示，本发明首先提出了一种堆垛车，所述堆垛车在现有的堆垛车上安装点激光传感器，以获取所述堆垛车相对巷道的位姿数据。图1所示在一辆升降机式的堆垛车上设置了3个点激光传感器。所述点激光器传感器是指只有一条出射激光光线的传感器，经济成本较低，有利于降低堆垛车的制造成本。

具体的，图1所示的实施例设置了2个横向传感器1和1个纵向传感器2。这是实现准确测量所需的最少的激光传感器，激光传感器的数量越多可以计算出越精确的位姿数据。如果在其他实施例中可以设置多个横向传感器1，则也需以对偶的方式设置，即需以至少2个横向传感器1为一组设置。

2个横向传感器1设置于车辆的同一侧，通过该组横向传感器1所采集的点激光数据可以计算出一组车辆位姿信息，用于测量车体距离货架的距离，进一步地，还能计算出堆垛车的航向角。所述航向角是指车辆纵轴与巷道纵轴之间的夹角ω(如图2所示)。在安装时，要尽量保证2个横向传感器1在同一水平面上，且出射激光与车辆横轴尽量保持平行。如果设置3个以上的横向传感器(包括在双侧设置传感器时)，则还需尽量保障所有横向传感器在同一直线上。

图1所示只设置了一个纵向传感器2，为了获得较好的测量效果，本实施例将其安装于升降机较高的位置，用于测量堆垛车距离前方反射物(一般为巷道远端的墙面)的距离(如图2所示)，其出射光线应尽量与车辆纵轴线保持平行。如果为了获取更准确的计算结果而设置多个纵向传感器2则都要保持出射光线与车辆纵轴线平行。

图2所示为堆垛车在巷道中的位姿示意图，其中包括计算过程中用到的各角度的示意。堆垛车在巷道中的实际行驶姿态往往是存在航向角的，因此本发明提出的定位系统包括了传感计算单元和校准定位单元。所述传感计算单元根据设置于所述堆垛车上的横向传感器和纵向传感所采集到的数据，计算所述堆垛车的姿态及在所述窄巷道中的相对位置；所述校准定位单元融合所述堆垛车提供的其他数据和所述相对位置解析得到所述堆垛车的全局位姿信息。

具体的，图2中的α_k是纵向传感器2的出射激光线与堆垛车纵轴v轴之间的夹角；由于安装必然存在误差，因此还存在俯仰角β_k(如图5所示)，其中，β_k为纵向传感器2的出射激光线与堆垛车纵向轴V在竖直平面内的夹角。上述的α_k和β_k是固有误差，是固定值，当传感器安装后就已确定，可以通过标定、测量等方法预先测定。

图2中的航向角ω通过计算得出，其在车辆行进过程中是变量，时刻有变化。具体的，图中所示的M点和N点是本实施例中2个横向传感器的安装位置。

那么，ω的计算公式如下：

其中，l_m1,l_n1分别为第m，n个所述横向传感器的安装位置距离车辆纵轴的垂直距离，l_m2，l_n2分别为所述横向传感器的原始采集值，l_m3，l_n3分别为第m，n个所述横向传感器在车辆纵轴上的投影点距离车辆质点的距离。扩展性地，本领域的普通技术人员应知，本实施例中选取了质点作为计算距离的原点，在其他的实施例中，可根据需要，选取堆垛车上任意点作为距离计算的原点，其差别仅在于需要调整l_m1,l_n1、l_m2，l_n2和l_m3，l_n3之间的运算关系。以及，后续在坐标转换时也需调整常数。

本发明在进行横向定位模块方案设计中将车辆视为刚性结构模型，利用两点确定一条直线的原理，通过在窄巷道车辆的前后端位置安装两组激光发射接受器，通过分别采集车辆前后端距离巷道两侧的距离进而计算得出车辆的姿态信息。在进行激光测距时，首先由点激光传感器主动向外界发送脉冲信号，并接收外界反射的光脉冲信号，通过计算发送与接收到光脉冲信号的时间差，利用时间飞行原理分别计算得到每组传感器与巷道侧的实际距离，由于传感器为主动定位，因此定位精度受外界环境变化影响较小。

根据历史记录的数据可知，动态测量时由于反射板的表面加工差别，其反射率有所波动，进而会导致测量上的误差波动，但该误差的产生并无模型可依，无法直接进行消除，因此要达到平滑可靠的横向定位需结合其他手段进行辅助。

为了保证采集精度，本发明中采取了多次采样，一平均值为计算公式的输入值的方式。例如，以200Hz的频率采样，以每5个采样数据为一组，计算算术平均值，以该算术平均值作为输入值进行后续的计算，此时，采样频率相当于40Hz。如不想降低采样频率，则可取本次及之前的连续N个采样数据，做算术平均值，此时，采样数据的频率就是实际采集的频率。

具体的，由所述2个横向传感器测量的车辆横向坐标以及姿态计算公式为：

其中，μ为所述堆垛车质点与所述窄巷道之间的距离，ω为车辆姿态偏航角，l_m1,l_n1分别为第m，n个所述横向传感器的安装位置距离车辆纵轴的垂直距离，l_m2，l_n2分别为所述横向传感器的原始采集值，l_m3，l_n3分别为第m，n个所述横向传感器在车辆纵轴上的投影点距离车辆质心的距离。

如图2所示的纵向传感器K在车辆坐标系(u-v坐标系)中的计算公式为：

ν_k＝l_k×cosα_k×cos(ω+β_k)+l′_k×cosα_k×cos(ω+β_k) (1)

其中，v_k为所述堆垛车质点与所述窄巷道远端之间的距离，l_k为所述纵向传感器的原始采集值，l′_k为所述纵向传感器安装点投影与车辆质点的直线距离，ω为所述堆垛车的航向角，α_k为所述纵向传感器与所述堆垛车纵轴之间的夹角，β_k为所述纵向传感器与竖直方向之间的夹角。

所述校准定位单元进一步包括数据整合模块和坐标转换模块，用于进一步修正前述的u、v和w。所述数据整合模块利用所述堆垛车的其他位姿数据与所述相对位置融合得到稳定的位置信息。包括提取车辆、巷道和货架的相关定位信息，用于校正前述的u、v和w，从而最终得出高精度的定位结果。所述坐标转换模块将所述稳定的位置信息的坐标转换到全局坐标系。其中，全局坐标系(x-y坐标系)以车辆第一次起步时的位置为原点。车辆起始点数据由车辆本身提供，作为车辆坐标系(u-v坐标系)的原点。

图3示出了车辆坐标系(u-v坐标系)和全局坐标系(x-y坐标系)之间的相对位置示意。将位姿信息进行坐标转换后，作为后续处理单元的输入。

进一步地，所述定位系统还包括数据传输单元；所述数据传输单元将所述全局位姿信息编码打包后，发送到一通信总线。总线连接控制中心，以便后续实现对车辆运行的控制。

如图4所示，本发明还公开了一种窄巷道堆垛车的定位方法，包括如下步骤：

S1、标定横向传感器和纵向传感器相对堆垛车横轴和纵轴的偏离数据。所述偏离数据即为传感器的安装误差，是一固定值，通过标定得出。

S2、将所述堆垛车行驶到所述窄巷道一端，并提供初始定位数据。此处提供的定位数据实质上是全局坐标系的原点。由于AGV小车仅仅有定位是不够的，后续必然还包括控制和运行等单元，在全系统中使用同一坐标系有利于不同单元之间交换数据的一致性。

S3、按周期采集堆垛车与巷道一侧及巷道远端的距离。为了最终获取比较精确的数值，需要采集较多的原始数据，且本发明所选用的点激光传感器结构简单，能提供较高的数据采集速率。本发明在试验过程中选择的采样速率最低为50Hz。具体地，若系统中的传感器较多，在采集前可增加一个传感器选定的步骤。

S4、结合步骤S1和步骤S3的数据计算堆垛车相对所述窄巷道的位置和航向角。由于外界环境的影响，例如激光反射板的材质不均，巷道地面的起伏等，将不停在原始采集数据中引入误差，甚至是跳变的误差，为了提高计算数据的精度，可以对采集到的原始数据计算算术平均值，用该算术平均值作为计算的变量。取均值后的数据相当于对数据序列进行了滤波和平滑，比较利于后期数据拟合。

S5、融合所述堆垛车的其他位姿数据和步骤S3的数据，以得到稳定变化的位姿数据序列。所述其他位姿关系包括车辆本身的时速、方向盘信息、已运行距离等信息；还可以包括巷道、货架等的定位信息。

S6、将步骤S5得到的位姿数据转换到以步骤S2中的初始定位位置为原点的坐标系中。

S7、将步骤S6得到的位姿数据打包，并向通信总线广播，以实现下一步的车辆控制功能。

图5示出了纵向传感器2所涉及的α_k和β_k的定义的示意图。图中，l_测为纵向传感器2发射出的点激光到巷道远端反射面的距离，其为纵向传感器2的实测值；l_实为通过计算得出的纵向传感器2到巷道远端反射面的最近距离，其通过α和β两个角度折算得到。其中，α为纵向传感器2射出的激光光线与堆垛车纵轴线在水平面上的夹角，β为纵向传感器2射出的激光光线与堆垛车纵轴线在竖直面上的夹角。图5中的l_实即为公式(1)中的v_k。

上述的AGV小车、定位系统和方法采用简单的硬件结构，最少只需要至少3个传感器，即可实现定位方法，成本经济，计算出的各种位姿信息较为精确。

显然，本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种堆垛车，其特征在于：包括至少2个用于测量所述堆垛车左右距离的横向传感器和至少一个用于测量所述堆垛车前后距离的纵向传感器。

2.如权利要求1所述的堆垛车，其特征在于：所述横向传感器以至少2个为一组，设置于所述堆垛车的左侧和/或右侧；同一组中的所述横向传感器的连线与所述堆垛车的纵轴线平行。

3.一种定位系统，其特征在于，用于在窄巷道中精确定位一堆垛车，包括：传感计算单元和校准定位单元；

所述传感计算单元根据设置于所述堆垛车上的横向传感器和纵向传感所采集到的数据，计算所述堆垛车的姿态及在所述窄巷道中的相对位置；

所述校准定位单元融合所述堆垛车提供的转向角度以及里程计数据和所述相对位置解析得到所述堆垛车的全局位姿信息。

4.如权利要求3所述的定位系统，其特征在于：还包括数据传输单元；所述数据传输单元将所述全局位姿信息编码打包后，发送到一通信总线。

5.如权利要求3所述的定位系统，其特征在于：通过编号为m及n的2个所述横向传感器获取横向位姿的计算公式为：

其中，μ为所述堆垛车质点与所述窄巷道之间的距离，ω为车辆姿态偏航角，l_m1，l_n1分别为第m，n个所述横向传感器的安装位置距离车辆纵轴的垂直距离，l_m2，l_n2分别为所述横向传感器的原始采集值，l_m3，l_n3分别为第m，n个所述横向传感器在车辆纵轴上的投影点距离车辆质心的距离。

6.如权利要求3所述的定位系统，其特征在于：通过编号为k的所述纵向传感器获取纵向坐标的计算公式为：

v_k＝l_k×cosα_k×cos(ω+β_k)+l′_k×cosα_k×cos(ω+β_k)

其中，v_k为所述堆垛车质点与所述窄巷道远端之间的距离，l_k为所述纵向传感器的原始采集值，l′_k为所述纵向传感器安装点投影与车辆质点的直线距离，ω为所述堆垛车的航向角，α_k为所述纵向传感器与所述堆垛车纵轴之间的夹角，β_k为所述纵向传感器与竖直方向之间的夹角。

7.如权利要求5或6所述的定位系统，其特征在于：计算所述相对位置时，采用连续N个所述原始采集值的算术平均值作为l_m2，l_n2或l_k；其中，N为自然数。

8.如权利要求5或6所述的定位系统，其特征在于：航向角ω的计算公式为：

其中，l_m1，l_n1分别为第m，n个所述横向传感器的安装位置距离车辆纵轴的垂直距离，l_m2，l_n2分别为所述横向传感器的原始采集值，l_m3，l_n3分别为第m，n个所述横向传感器在车辆纵轴上的投影点距离车辆质点的距离。

9.如权利要求3所述的定位系统，其特征在于：所述校准定位单元进一步包括数据融和模块和坐标转换模块：

所述数据整合模块利用所述堆垛车的转向角度以及里程计数据与所述相对位置进行卡尔曼滤波算法融合得到稳定的位置信息；

所述坐标转换模块将所述稳定的位置信息的坐标转换到全局坐标系。

10.一种窄巷道堆垛车的定位方法，其特征在于，包括：

S1、标定横向传感器和纵向传感器相对堆垛车横轴和纵轴的偏离数据；

S2、将所述堆垛车行驶到所述窄巷道一端，并提供初始定位数据；

S3、按周期采集堆垛车与巷道一侧及巷道远端的距离；

S4、结合S1和S3的数据计算堆垛车相对所述窄巷道的位置和航向角；

S5、融合所述堆垛车的其他位姿数据和S3的数据，以得到稳定变化的位姿数据序列。

Images