CN111256699A - 一种基于粒子滤波器的agv激光定位方法 - Google Patents

一种基于粒子滤波器的agv激光定位方法 Download PDF

Info

Publication number
CN111256699A
CN111256699A CN202010148115.0A CN202010148115A CN111256699A CN 111256699 A CN111256699 A CN 111256699A CN 202010148115 A CN202010148115 A CN 202010148115A CN 111256699 A CN111256699 A CN 111256699A
Authority
CN
China
Prior art keywords
particle
agv
weight
particles
sampling
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.)
Pending
Application number
CN202010148115.0A
Other languages
English (en)
Inventor
姜跃君
吴正
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.)
Anhui Yiousi Logistics Robot Co ltd
Original Assignee
Anhui Yiousi Logistics Robot 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 Anhui Yiousi Logistics Robot Co ltd filed Critical Anhui Yiousi Logistics Robot Co ltd
Priority to CN202010148115.0A priority Critical patent/CN111256699A/zh
Publication of CN111256699A publication Critical patent/CN111256699A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations

Landscapes

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

Abstract

本发明涉及导航定位领域，具体涉及一种基于粒子滤波器的AGV激光定位方法，根据AGV的先验概率p(x0)进行粒子初始化采样，借助重要性概率密度函数
Figure DDA0002401480340000011
对初始化采样粒子
Figure DDA0002401480340000012
进行重要性采样，生成采样粒子，并更新粒子集，计算粒子权值
Figure DDA0002401480340000013
并进行归一化处理，设定粒子权值
Figure DDA0002401480340000014
的方差阈值，判断粒子权值方差与方差阈值的大小关系，利用粒子权值
Figure DDA0002401480340000015
和粒子集输出AGV精准位姿数据；本发明提供的技术方案能够有效克服现有技术所存在的需要耗费大量人力物力、无法灵活改变路径的缺陷。

Description

一种基于粒子滤波器的AGV激光定位方法
技术领域
本发明涉及导航定位领域，具体涉及一种基于粒子滤波器的AGV激光定位方法。
背景技术
随着我国工业自动化和信息化的大力发展，工业4.0的大潮引领各行业工厂逐步实现智能化生产与运输。在仓储搬运中实现自动化与智能化的AGV，作为一种新型物流装置成为市场新宠。
传统的AGV导航技术由最开始的电磁导航发展到后来的磁钉导航，该技术通过感知地面的磁钉实现自身的定位与导航。然而磁钉的铺设需要耗费大量的人力和财力，且不具灵活性。随着导航技术的发展，出现了二维码导航方式，该导航方式是利用视觉传感器识别地面二维码来进行导航，这种导航方式要比磁钉导航定位精确，在铺设、改变路径上也较容易。但是二维码导航的AGV也需要定期维护，如果有人干涉或别的AGV经过，很容易把地上的二维码碾坏，需要频繁更换二维码。
发明内容
(一)解决的技术问题
针对现有技术所存在的上述缺点，本发明提供了一种基于粒子滤波器的AGV激光定位方法，能够有效克服现有技术所存在的需要耗费大量人力物力、无法灵活改变路径的缺陷。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种基于粒子滤波器的AGV激光定位方法，包括以下步骤：
S1、根据AGV的先验概率p(x0)进行粒子初始化采样；
S2、借助重要性概率密度函数
Figure BDA0002401480320000011
对初始化采样粒子
Figure BDA0002401480320000012
进行重要性采样，生成采样粒子，并更新粒子集；
S3、计算粒子权值
Figure BDA0002401480320000021
并进行归一化处理；
S4、设定粒子权值
Figure BDA0002401480320000022
的方差阈值，判断粒子权值方差与方差阈值的大小关系；
S5、若粒子权值方差较大，则返回S2进行粒子重采样，否则进入S6；
S6、利用粒子权值
Figure BDA0002401480320000023
和粒子集输出AGV精准位姿数据。
优选地，所述先验概率p(x0)表示初始时刻运动状态概率分布，所述初始化采样粒子
Figure BDA0002401480320000024
中的i表示粒子采样个数，其中i＝1，2…N。
优选地，所述重要性采样通过采样己知的重要性概率密度函数
Figure BDA0002401480320000025
来间接估计粒子状态。
优选地，所述重要性概率密度函数
Figure BDA0002401480320000026
以AGV编码器组建的里程计运动模型构建，从已知分布
Figure BDA0002401480320000027
中进行N个样本
Figure BDA0002401480320000028
的采样。
优选地，所述重要性概率密度函数
Figure BDA0002401480320000029
表示重要性概率密度函数
Figure BDA00024014803200000210
的分布与系统过程噪声分布相同。
优选地，所述粒子权值
Figure BDA00024014803200000211
采用权重递推方式计算，所述粒子权值
Figure BDA00024014803200000212
满足下式：
Figure BDA00024014803200000213
由于
Figure BDA00024014803200000214
所以
Figure BDA00024014803200000215
其中
Figure BDA00024014803200000216
Figure BDA00024014803200000217
与激光雷达测量噪声分布相同。
优选地，将k时刻状态估计值
Figure BDA00024014803200000218
作为所述AGV精准位姿数据。
(三)有益效果
与现有技术相比，本发明所提供的一种基于粒子滤波器的AGV激光定位方法相比传统磁条、磁钉导航方式，无需在场景中增加任何辅助定位标签，使得AGV切换搬运场景更加灵活，降低了导航成本；相比利用视觉传感器识别二维码的导航方式，其具有更好的稳定性，定位精度和重复定位精度更高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明流程示意图；
图2为本发明粒子初始状态示意图；
图3为本发明粒子滤波定位最终状态示意图；
图4为本发明基于粒子滤波器的定位轨迹；
图5为本发明基于粒子滤波器的定位误差示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种基于粒子滤波器的AGV激光定位方法，如图1所示，包括以下步骤：
S1、根据AGV的先验概率p(x0)进行粒子初始化采样；
S2、借助重要性概率密度函数
Figure BDA0002401480320000031
对初始化采样粒子
Figure BDA0002401480320000032
进行重要性采样，生成采样粒子，并更新粒子集；
S3、计算粒子权值
Figure BDA0002401480320000033
并进行归一化处理；
S4、设定粒子权值
Figure BDA0002401480320000041
的方差阈值，判断粒子权值方差与方差阈值的大小关系；
S5、若粒子权值方差较大，则返回S2进行粒子重采样，否则进入S6；
S6、利用粒子权值
Figure BDA0002401480320000042
和粒子集输出AGV精准位姿数据。
先验概率p(x0)表示初始时刻运动状态概率分布，初始化采样粒子
Figure BDA0002401480320000043
中的i表示粒子采样个数，其中i＝1，2…N。
重要性采样通过采样己知的重要性概率密度函数
Figure BDA0002401480320000044
来间接估计粒子状态。
重要性概率密度函数
Figure BDA0002401480320000045
以AGV编码器组建的里程计运动模型构建，从已知分布
Figure BDA0002401480320000046
中进行N个样本
Figure BDA0002401480320000047
的采样。
重要性概率密度函数
Figure BDA0002401480320000048
表示重要性概率密度函数
Figure BDA0002401480320000049
的分布与系统过程噪声分布相同。
粒子权值
Figure BDA00024014803200000410
采用权重递推方式计算，粒子权值
Figure BDA00024014803200000411
满足下式：
Figure BDA00024014803200000412
由于
Figure BDA00024014803200000413
所以
Figure BDA00024014803200000414
其中
Figure BDA00024014803200000415
Figure BDA00024014803200000416
与激光雷达测量噪声分布相同。
将k时刻状态估计值
Figure BDA00024014803200000417
作为AGV精准位姿数据。
如图2至图5所示，为根据本申请技术方案设计的一个仿真实验。假设运动小车的初始位置、状态方程(运动预测方程)、传感器测量数据的详细参数如表1所示，用粒子滤波方法对其进行定位。
表1仿真预设参数
Figure BDA00024014803200000418
Figure BDA0002401480320000051
在仿真过程中，粒子的初始值设置为真实值，定位误差为零。在整个场地内初始化粒子群，将200个粒子群均匀分布，如图2所示。小车按照叠加了控制噪声的运动方程进行运动，运动到达下一位置后，传感器对当前位置进行测量，并得到一个测量位置(不准确，含有测量噪声)，这200个均匀分布粒子群根据随机重采样的粒子滤波算法开始移动。移动结束后，可画出小车实际位置、重采样后粒子群位置、以及粒子群的几何中心，如图3所示。
粒子滤波算法对粒子进行预测、校正、重采样、滤波处理，可以得到整个运动过程中AGV的真实轨迹、测量轨迹、粒子群几何中心轨迹，如图4所示，得到定位轨迹后，再计算出200个粒子群的定位误差，如图5所示。由图5可以看出，采用粒子滤波算法得到的定位误差非常小，即本申请技术方案具有较高的定位精度。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种基于粒子滤波器的AGV激光定位方法，其特征在于：包括以下步骤：
S1、根据AGV的先验概率p(x0)进行粒子初始化采样；
S2、借助重要性概率密度函数
Figure FDA0002401480310000011
对初始化采样粒子
Figure FDA0002401480310000012
进行重要性采样，生成采样粒子，并更新粒子集；
S3、计算粒子权值
Figure FDA0002401480310000013
并进行归一化处理；
S4、设定粒子权值
Figure FDA0002401480310000014
的方差阈值，判断粒子权值方差与方差阈值的大小关系；
S5、若粒子权值方差较大，则返回S2进行粒子重采样，否则进入S6；
S6、利用粒子权值
Figure FDA0002401480310000015
和粒子集输出AGV精准位姿数据。
2.根据权利要求1所述的基于粒子滤波器的AGV激光定位方法，其特征在于：所述先验概率p(x0)表示初始时刻运动状态概率分布，所述初始化采样粒子
Figure FDA0002401480310000016
中的i表示粒子采样个数，其中i＝1，2…N。
3.根据权利要求1所述的基于粒子滤波器的AGV激光定位方法，其特征在于：所述重要性采样通过采样己知的重要性概率密度函数
Figure FDA0002401480310000017
来间接估计粒子状态。
4.根据权利要求3所述的基于粒子滤波器的AGV激光定位方法，其特征在于：所述重要性概率密度函数
Figure FDA0002401480310000018
以AGV编码器组建的里程计运动模型构建，从已知分布
Figure FDA0002401480310000019
中进行N个样本
Figure FDA00024014803100000110
的采样。
5.根据权利要求3或4所述的基于粒子滤波器的AGV激光定位方法，其特征在于：所述重要性概率密度函数
Figure FDA00024014803100000111
表示重要性概率密度函数
Figure FDA00024014803100000112
的分布与系统过程噪声分布相同。
6.根据权利要求1所述的基于粒子滤波器的AGV激光定位方法，其特征在于：所述粒子权值
Figure FDA00024014803100000113
采用权重递推方式计算，所述粒子权值
Figure FDA0002401480310000021
满足下式：
Figure FDA0002401480310000022
由于
Figure FDA0002401480310000023
所以
Figure FDA0002401480310000024
其中
Figure FDA0002401480310000025
Figure FDA0002401480310000026
与激光雷达测量噪声分布相同。
7.根据权利要求1所述的基于粒子滤波器的AGV激光定位方法，其特征在于：将k时刻状态估计值
Figure FDA0002401480310000027
作为所述AGV精准位姿数据。
CN202010148115.0A 2020-03-05 2020-03-05 一种基于粒子滤波器的agv激光定位方法 Pending CN111256699A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010148115.0A CN111256699A (zh) 2020-03-05 2020-03-05 一种基于粒子滤波器的agv激光定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010148115.0A CN111256699A (zh) 2020-03-05 2020-03-05 一种基于粒子滤波器的agv激光定位方法

Publications (1)

Publication Number Publication Date
CN111256699A true CN111256699A (zh) 2020-06-09

Family

ID=70945752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010148115.0A Pending CN111256699A (zh) 2020-03-05 2020-03-05 一种基于粒子滤波器的agv激光定位方法

Country Status (1)

Country Link
CN (1) CN111256699A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112325871A (zh) * 2020-09-16 2021-02-05 安徽意欧斯物流机器人有限公司 一种自动导引运输车的激光导航方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101625572A (zh) * 2009-08-10 2010-01-13 浙江大学 基于改进重采样方法和粒子选取的FastSLAM算法
CN103487047A (zh) * 2013-08-06 2014-01-01 重庆邮电大学 一种基于改进粒子滤波的移动机器人定位方法
CN107246873A (zh) * 2017-07-03 2017-10-13 哈尔滨工程大学 一种基于改进的粒子滤波的移动机器人同时定位与地图构建的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101625572A (zh) * 2009-08-10 2010-01-13 浙江大学 基于改进重采样方法和粒子选取的FastSLAM算法
CN103487047A (zh) * 2013-08-06 2014-01-01 重庆邮电大学 一种基于改进粒子滤波的移动机器人定位方法
CN107246873A (zh) * 2017-07-03 2017-10-13 哈尔滨工程大学 一种基于改进的粒子滤波的移动机器人同时定位与地图构建的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴正: "自动化仓库中AGV同时定位与构图算法的研究", 《中国优秀硕士论文全文数据库 信息科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112325871A (zh) * 2020-09-16 2021-02-05 安徽意欧斯物流机器人有限公司 一种自动导引运输车的激光导航方法

Similar Documents

Publication Publication Date Title
CN111536964B (zh) 机器人定位方法及装置、存储介质
CN109579849B (zh) 机器人定位方法、装置和机器人及计算机存储介质
CN107741234B (zh) 一种基于视觉的离线地图构建及定位方法
KR20180076815A (ko) Qr 마커와 레이저 스캐너를 이용하여 광범위 실내 공간에서 로봇의 위치를 인식하기 위한 방법 및 장치
CN114236564B (zh) 动态环境下机器人定位的方法、机器人、装置及存储介质
WO2023016194A1 (zh) 用于移动机器人的路径规划方法及程序产品
CN107782311A (zh) 可移动终端的移动路径规划方法及装置
Reis et al. An extended analysis on tuning the parameters of Adaptive Monte Carlo Localization ROS package in an automated guided vehicle
CN113050636A (zh) 一种叉车自主拾取托盘的控制方法、系统及装置
CN111256699A (zh) 一种基于粒子滤波器的agv激光定位方法
CN110702093B (zh) 基于粒子滤波的定位方法、装置、存储介质及机器人
Meng et al. Accurate and efficient self-localization of agv relying on trusted area information in dynamic industrial scene
CN114494329A (zh) 用于移动机器人在非平面环境自主探索的导引点选取方法
Andreasson et al. Incorporating ego-motion uncertainty estimates in range data registration
Bohacs et al. Mono Camera Based Pallet Detection and Pose Estimation for Automated Guided Vehicles
Muravyev et al. Evaluation of Topological Mapping Methods in Indoor Environments
CN115342830A (zh) 用于定位装置和里程计的标定方法、程序产品和标定装置
Maziarz et al. Customized fastSLAM algorithm: analysis and assessment on real mobile platform
Badalkhani et al. Effects of Moving Landmark's Speed on Multi-Robot Simultaneous Localization and Mapping in Dynamic Environments.
CN112325871A (zh) 一种自动导引运输车的激光导航方法
CN111207755B (zh) 一种多楼层室内环境中配送机器人的定位方法及存储介质
Rebelo et al. Hybrid Localization Solution for Autonomous Mobile Robots in Complex Environments
CN117687006A (zh) 激光雷达到惯性测量单元的外参标定方法及其装置
Sujan et al. Information based indoor environment robotic exploration and modeling using 2-D images and graphs
CN115877402A (zh) 一种栈板点的位置确定方法、装置、电子设备和存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200609