适用于AGV的低成本障碍物检测装置及方法
技术领域
本发明涉及一种智能化AGV障碍物感知及避障技术领域;具体涉及一种适用于AGV的低成本障碍物检测装置及方法。
背景技术
为响应智慧工厂、无人工厂和绿色工厂的发展要求,自动导引运输车(AGV)已经逐渐的出现在工厂的仓储物流、产线配给等关键环节,以节省人力成本。但是目前由于工厂场景的特殊性和AGV技术发展相对缓慢与不成熟,使得叉车AGV的工作性能、效率、安全性、灵活性等远远达不到工厂的要求,限制了叉车AGV进一步的推广应用。
智能叉车(以下简称AGV)是一种利用电脑程序控制实现的具有举升功能的自动驾驶轮式移动机器人。AGV利用各种传感器,如雷达、摄像头、接近开关,导航计算平台、控制计算平台、规划计算平台和调度计算平台等协同配合,在无操作员的任何操作下利用电脑程序自主操控车辆完成相关作业。在AGV行驶过程中,电脑程序首先需要知道车辆周围和行驶路线上的道路状况进行导航或避障,以保证车辆正常、安全行驶作业。
目前AGV导航避障主要采用开关量安全雷达,主要特点是以自身为中心,一定扇形范围内的区域等级预警,使用简单,但成本较高。由于安全雷达无法给出目标物体的具体检测信息,转弯处一般会存在较大的检测盲区B,遇到障碍物时只能原地停车等待或监控员介入,多车行驶时往往会造成路网全部或局部瘫痪的问题,这些因素都限制了AGV避障调度的灵活性,进一步制约了AGV搬运效率和全路网运行稳定性的提升。
发明内容
为解决上述技术问题,本发明提供一种适用于AGV的低成本障碍物检测装置及方法,提高AGV的避障性能、运输效率和路网稳定性。
本发明所述适用于AGV的低成本障碍物检测装置,包括:
传感数据获取模块,用于获得AGV对象采集行驶路径上的传感数据;
特定目标识别提取模块,根据特定场景中出现的目标结构化特征,从传感数据中进行目标对象的识别和提取;
特定目标追踪分析模块,根据特定目标识别提取模块提取的目标结构化特征,对各种目标对象进行连续的追踪并获得目标的各种状态信息;
行驶避障候选策略规划模块,根据特定目标追踪分析模块获取的追踪信息和目标状态信息,基于可行驶地图和行驶路线,确定AGV对象的可行驶区域候选避障策略;
调度服务模块,根据特定场景中全局AGV行驶状态和地图占用状态,从所述AGV对象的可行驶区域候选避障策略中选择全局最优策略;
策略解析控制模块,把调度服务模块返回的全局最优策略信息转换为控制指令,控制AGV 对象完成此次避障导航任务。
优选地,传感数据包括传感数据获取模块包括固态雷达、电磁波雷达、超声雷达、摄像头中的一种或几种,用于获取场景的深度信息、点云信息、图像信息、距离和方位信息等。
优选地,传感数据获取模块通过辅助固定部件与AGV对象连接,可实现传感数据获取模块在平面±90°范围内的扫描。
优选地,所述辅助固定部件包括固定板,固定板通过传动轴套连接至转向电机的转轴,转向电机转轴同时连接云台板,云台板上固定传感数据获取模块,由转向电机带动传感数据获取模块的旋转。
优选地,所述固定板上设置限位挡块,云台板底部对应限位挡块设置限位块,由限位挡块和限位块实现传感数据获取模块的转向限位。
本发明还提供一种适用于AGV的低成本障碍物检测方法,包括以下步骤:
第一步,传感数据获取模块获得AGV对象采集行驶路径上的传感数据;
第二步,特定目标识别提取模块根据特定场景中出现的目标结构化特征,从传感数据中进行目标对象的识别和提取;
第三步,特定目标追踪分析模块根据特定目标识别提取模块提取的目标结构化特征,对各种目标对象进行连续的追踪并获得目标的各种状态信息;
第四步,行驶避障候选策略规划模块根据特定目标追踪分析模块获取的追踪信息和目标状态信息,基于可行驶地图和行驶路线,确定AGV对象的可行驶区域候选避障策略;
第五步,调度服务模块根据特定场景中全局AGV行驶状态和地图占用状态,从所述AGV 对象的可行驶区域候选避障策略中选择全局最优策略;
第六步,策略解析控制模块把调度服务模块返回的全局最优策略信息转换为控制指令,控制AGV对象完成此次避障导航任务。
优选地,传感数据包括场景的深度信息、点云信息、图像信息、距离和方位信息中的一种或几种,可采用固态雷达、电磁波雷达、超声雷达、摄像头等获取。
优选地,特定目标识别提取模块会订阅上述传感数据获取模块发布的信息,基于数据库中关于目标结构化特征,进行搜索匹配,识别并提取目标对象信息并进行发布,目标结构化特征指的是各目标物体之间能相互区别的组件或整体的几何、运动、属性等信息,其中几何信息包括形状、尺寸、体积、表面积、圆度、矩形度、包围盒等,运动信息包括目标物体常规的速度、加速度、角速度、角加速度等信息,属性信息包括主要材质、纹理、反射率、反射强度、特征点、组件约束等,实际使用时,可根据应用场景选取合适的目标结构特征进行识别及匹配,匹配方法包括但不限于几何方法、机器学习方法、深度学习方法等。
优选地,行驶避障候选策略规划模块确定候选策略的依据是:
S1、当AGV到达目的地或目标物体位于安全距离内时,应做出停车策略并立刻传递给策略解析控制模块执行;
S2、当目标物体位于预警距离内和安全距离外时,依据s-t时间窗确定加速度策略;
S3、当目标物体位于AGV所在车道前方并同向运动时,AGV可做出保持跟随距离进行跟随运动决策;
S4、当目标物体位于AGV所在车道前方处于静止或低速运行(低于本车的调度行驶速度,本车调度行驶速度视调度任务而定)且可行驶地图中AGV所在位置存在其它同向车道时,做出换道决策。
优选地,调度服务模块确定全局最优策略的逻辑如下:
调度服务模块根据AGV上报的候选策略作为优化初值,以避障所需的时间为优化目标,以路径曲率、加速度变化率、路网中最近AGV的距离为约束条件,以二次型
为优化形式,进行迭代计算,确定最优的行驶轨迹和行驶速度,其中,H为hessian矩阵,g为梯度向量,x为待优化的行驶轨迹和行驶速度。
与现有技术相比,本发明具有以下有益效果:
(1)通过辅助固定件避免了所述传感数据获取模块检测视场小的缺陷,可以覆盖到AGV 弯道行驶路线上区域扫描,在满足低成本方案的同时完全符合AGV运行场景的需求;
(2)通过结构化特征对传感器数据进行目标对象的提取和追踪,利用获取的目标对象状态信息,基于可行驶地图和行驶路线,可使避障导航策略更加灵活多样,避免了传统技术只能停车避障的单一策略;
(3)通过调度服务模块的在线全局最优策略功能对AGV本地计算的避障候选决策进行优化,进一步保证了全局路网中的行车安全和效率,避免了传统技术因一车停车造成路网全部或部分瘫痪的弊端。
附图说明
图1为AGV避障传感器装置结构示意图
图2为AGV直线行驶时传感器的检测范围示意图;
图3为AGV弯道行驶时传感器的检测范围示意图;
图4为AGV避障功能的流程示意图;
图5为AGV避障调度框架示意图;
图6为AGV避障传感器装置工作扫描示意图。
图中:1、转向电机;2、固定板;3、限位块;4、限位挡块;5、传动轴套;6、云台板; 7、传感数据获取模块。
具体实施方式
实施例1:
本发明所述适用于AGV的低成本障碍物检测装置,包括:
传感数据获取模块,用于获得AGV对象采集行驶路径上的传感数据,传感数据包括但不限于场景的深度信息、点云信息、图像信息、距离和方位信息等
特定目标识别提取模块,根据特定场景中出现的目标结构化特征,从传感数据中进行目标对象的识别和提取,
特定目标追踪分析模块,根据特定目标识别提取模块提取的目标结构化特征,对各种目标对象进行连续的追踪并获得目标的各种状态信息;
行驶避障候选策略规划模块,根据特定目标追踪分析模块获取的追踪信息和目标状态信息,基于可行驶地图和行驶路线,确定AGV对象的可行驶区域候选避障策略,如停车、减速、加速、换道、跟随等;
调度服务模块,根据特定场景中全局AGV行驶状态和地图占用状态,从所述AGV对象的可行驶区域候选避障策略中选择全局最优策略;
策略解析控制模块,把调度服务模块返回的全局最优策略信息转换为控制指令,控制AGV 对象完成此次避障导航任务。
特定目标识别提取模块会订阅传感数据获取模块发布的信息,基于数据库中关于目标结构化特征,进行搜索匹配,识别并提取目标对象信息并进行发布,特定目标识别提取模块会订阅上述传感数据获取模块发布的信息,基于数据库中关于目标结构化特征,进行搜索匹配,识别并提取目标对象信息并进行发布,目标结构化特征指的是各目标物体之间能相互区别的组件或整体的几何、运动、属性等信息,其中几何信息包括形状、尺寸、体积、表面积、圆度、矩形度、包围盒等,运动信息包括目标物体常规的速度、加速度、角速度、角加速度等信息,属性信息包括主要材质、纹理、反射率、反射强度、特征点、组件约束等,实际使用时,可根据应用场景选取合适的目标结构特征进行识别及匹配,最常用的目标结构化特征包括物体的形状、尺寸、常规速度、常规加速度、材质、反射强度、特征点等,匹配方法包括但不限于几何方法、机器学习方法、深度学习方法等。
其中,传感数据包括传感数据获取模块包括固态雷达、电磁波雷达、超声雷达、摄像头中的一种或几种,用于获取场景的深度信息、点云信息、图像信息、距离和方位信息等;传感数据获取模块通过辅助固定部件与AGV对象连接,可实现传感数据获取模块在平面±90°范围内的扫描;如图1所示,辅助固定部件包括固定板2,固定板2通过传动轴套5连接至转向电机1的转轴,转向电机1转轴同时连接云台板6,云台板6上固定传感数据获取模块7,由转向电机1带动传感数据获取模块的旋转;固定板2上设置限位挡块4,云台板6底部对应限位挡块4设置限位块3,由限位挡块4和限位块3实现传感数据获取模块的转向限位,限位挡块4的安装角度可根据AGV工作场景确定,避免意外造成传感数据获取模块与AGV本体发生碰撞,造成传感数据获取模块损坏,工作时,传感数据获取模块会持续的采集目标物体的原始检测信息。转向电机1可根据AGV工作场景以某一频率左右摆动,或根据行驶路线进行追踪摆动,或根据目标对象进行追踪摆动,或以上所说摆动策略的任意组合。
实施例2:
本实施例在实施例1的基础上,除转向电机的主动摆动方式外,可根据实际需要,通过连杆、齿轮、齿条等连接传动轴套和舵轮机构,利用舵轮的转向间接带动传感数据传感数据获取模块的摆动,此时传动轴套上应安装一个角度位置传感器,以提高位置检测精度。
实施例3:
本实施例提供一种适用于AGV的低成本障碍物检测方法,包括以下步骤:
第一步,传感数据获取模块获得AGV对象采集行驶路径上的传感数据;
第二步,特定目标识别提取模块根据特定场景中出现的目标结构化特征,从传感数据中进行目标对象的识别和提取;
第三步,特定目标追踪分析模块根据特定目标识别提取模块提取的目标结构化特征,对各种目标对象进行连续的追踪并获得目标的各种状态信息;
第四步,行驶避障候选策略规划模块根据特定目标追踪分析模块获取的追踪信息和目标状态信息,基于可行驶地图和行驶路线,确定AGV对象的可行驶区域候选避障策略;
第五步,调度服务模块根据特定场景中全局AGV行驶状态和地图占用状态,从所述AGV 对象的可行驶区域候选避障策略中选择全局最优策略;
第六步,策略解析控制模块把调度服务模块返回的全局最优策略信息转换为控制指令,控制AGV对象完成此次避障导航任务。
其中,传感数据包括场景的深度信息、点云信息、图像信息、距离和方位信息中的一种或几种,可采用固态雷达、电磁波雷达、超声雷达、摄像头等获取;特定目标识别提取模块会订阅上述传感数据获取模块发布的信息,基于数据库中关于目标结构化特征,进行搜索匹配,识别并提取目标对象信息并进行发布,目标结构化特征指的是各目标物体之间能相互区别的组件或整体的几何、运动、属性等信息,其中几何信息包括形状、尺寸、体积、表面积、圆度、矩形度、包围盒等,运动信息包括目标物体常规的速度、加速度、角速度、角加速度等信息,属性信息包括主要材质、纹理、反射率、反射强度、特征点、组件约束等,实际使用时,可根据应用场景选取合适的目标结构特征进行识别及匹配,最常用的目标结构化特征包括物体的形状、尺寸、常规速度、常规加速度、材质、反射强度、特征点等,匹配方法包括但不限于几何方法、机器学习方法、深度学习方法等。
行驶避障候选策略规划模块确定候选策略的依据是:
S1、当AGV到达目的地或目标物体位于安全距离内时,例如,d<dsafe=1m,应做出停车策略并立刻传递给策略解析控制模块执行;
S2、当目标物体位于预警距离内和安全距离外时,例如,1m=dsafe<d<dwarning=3m,依据s-t时间窗确定加速度策略;
S3、当目标物体位于AGV所在车道前方并同向运动时,AGV可做出保持跟随距离dfollow=1.5m进行跟随运动决策;
S4、当目标物体位于AGV所在车道前方处于静止或低速运行(低于本车的调度行驶速度,本车调度行驶速度视调度任务而定)且可行驶地图中AGV所在位置存在其它同向车道时,做出换道决策。
调度服务模块确定全局最优策略的逻辑如下:
调度服务模块根据AGV上报的候选策略作为优化初值,以避障所需的时间为优化目标,以路径曲率、加速度变化率、路网中最近AGV的距离为约束条件,以二次型
为优化形式,进行迭代计算,确定最优的行驶轨迹和行驶速度,其中,H为hessian矩阵,g为梯度向量,x为待优化的行驶轨迹和行驶速度。