CN112797986A - 基于无人自主技术的智能物流机器人定位系统及方法 - Google Patents

基于无人自主技术的智能物流机器人定位系统及方法 Download PDF

Info

Publication number
CN112797986A
CN112797986A CN202110176905.4A CN202110176905A CN112797986A CN 112797986 A CN112797986 A CN 112797986A CN 202110176905 A CN202110176905 A CN 202110176905A CN 112797986 A CN112797986 A CN 112797986A
Authority
CN
China
Prior art keywords
robot
positioning
position information
autonomous navigation
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
CN202110176905.4A
Other languages
English (en)
Other versions
CN112797986B (zh
Inventor
曹燕杰
聂志华
邹高明
张立
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.)
Jiangxi Intelligent Industry Technology Innovation Research Institute
Original Assignee
Jiangxi Intelligent Industry Technology Innovation Research Institute
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 Jiangxi Intelligent Industry Technology Innovation Research Institute filed Critical Jiangxi Intelligent Industry Technology Innovation Research Institute
Priority to CN202110176905.4A priority Critical patent/CN112797986B/zh
Publication of CN112797986A publication Critical patent/CN112797986A/zh
Application granted granted Critical
Publication of CN112797986B publication Critical patent/CN112797986B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

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

Abstract

本发明涉及机器人自主定位技术领域，提供了基于无人自主技术的智能物流机器人定位系统及方法。系统包括自主导航机器人和分布在工作环境内的若干基站，所述自主导航机器人包括定位模块、运动感知模块和机器人主控模块。方法包括：判断自主导航机器人的运动是否异常：若否，继续执行物流运输任务链；若是，激活定位模块，与距离阈值范围内的基站通讯建立当前位置信息；计算机器人的姿态信息，结合当前位置信息恢复机器人在原电子地图中的位置信息；继续执行任务。在复杂场景下定位信息丢失后，本发明可以在不移动空间位置的前提下建立起物流机器人的位置，可独立识别物流机器人的位置和姿态等定位信息，不受故障影响，大幅提高物流运输效率。

Description

基于无人自主技术的智能物流机器人定位系统及方法
技术领域
本发明涉及机器人自主定位技术领域，尤其涉及基于无人自主技术的智能物流机器人定位系统及方法。
背景技术
基于无人自主技术的物流机器人，属于物流搬运领域的机器人，其技术路线大致可分为三代：第一代机是基于固定轨迹引导的自动导引车(AGV)；第二代机是基于二维码定位的仓储机器人，需要在地面上贴二维码标识，以辅助机器人进行定位和导航。第三代机是基于即时定位与地图构建(SLAM)技术的智能物流机器人，这种机器人不需要在地面上铺设任何标识，机器人能自动感知环境和周围的障碍物，能自动进行路径规划，实现特定环境下的物体运输任务，代表了物流机器人未来的技术发展趋势。
基于自主技术的智能物流机器人通过采用多传感器融合算法，建立周围环境的地图，在移动过程中通过激光雷达扫描实时匹配环境信息和扫描地图上的位置信息，来确定机器人在全局环境中的定位。但是由于激光导航算法本身的缺陷和工况特殊复杂的环境，例如在遇到比较大的静态障碍物、或者体积比较大的动态障碍物、扫描区域过大；以及运行过程中出现故障：运行过程中机器人断电、系统出现故障、工作环境工业网络断网等原因，会造成物流机器人在全局地图中位置定位丢失，造成运动不精确的问题。
现在主流采取以的办法是当物流机器人遇到上述情况的时候，例如中途故障时，需要人为把物流机器人移动到充电点、或者零点区域的初始位置进行重新校准定位，如果中断任务点距离零点区域较远，比较耗费时间；另外物流机器人再次重启后，原来的任务信息丢失需要重新编排任务链。如此，在运量非常大的物流行业带来的损失很大。
发明内容
本发明旨在至少克服上述现有技术的缺点与不足其中之一，提供一种简单快捷，物流机器人故障后不需要远距离移动位置，就地恢复后，物流机器人的在环境中的定位信息会自动恢复的技术。本发明目的基于以下技术方案实现：
本发明一方面，提供了基于无人自主技术的智能物流机器人定位系统，包括自主导航机器人和分布在工作环境内的若干基站，所述自主导航机器人包括运动载体、定位模块、运动感知模块和机器人主控模块；
所述运动载体用于在工作环境中移动；
所述定位模块设于运动载体上，包括工作和休眠两种状态；所述工作状态用于自主导航机器人在异常运动时，与其周边设定距离阈值范围内的基站通讯建立当前位置信息，并将所述当前位置信息传送至所述机器人主控模块；所述休眠状态用于自主导航机器人在正常运动时处于休眠状态；
所述运动感知模块设于运动载体上，用于判断所述运动载体的运动是否异常，以及在运动异常时根据设定的时间阀值将所述定位模块激活；
所述机器人主控模块设于运动载体上，其内部存储有电子地图信息，并用于根据存储的电子地图信息控制所述自主导航机器人运动执行物流运输任务链，所述电子地图信息包括所述物流运输任务链的路径规划信息和物流信息；以及用于根据接收到的所述当前位置信息计算出所述运动载体的姿态信息，并结合所述姿态信息和当前位置信息恢复所述自主导航机器人在原电子地图中的位置信息；
所述基站封装有TDOA定位算法，用于与所述定位模块通讯，并利用多个基站接收到定位模块所发送信号的时间差来确定所述自主导航机器人的当前位置信息。
优选地，所述自主导航机器人包括设于运动载体上的激光雷达，所述激光雷达用于扫描实时匹配工作环境信息和扫描电子地图上的位置信息，以确定所述自主导航机器人在工作环境中的定位，即正常工作时的位置信息。
优选地，所述运动载体上设有里程计，用于对所述自主导航机器人的运动里程进行统计。
优选地，所述电子地图信息的恢复方法为：所述机器人主控模块通过多传感器融合算法建立所述自主导航机器人周围环境的地图，即原地图信息；所述多传感器融合算法包括卡尔曼滤波法、粒子群优化算法或人工势场算法；所述传感器包括里程计、激光雷达、定位模块和基站。
优选地，所述工作环境根据基站的位置分布分成若干区域，当所述定位模块在不同的区域激活时，优先与距离阀值设定的区域内基站进行定位。
优选地，所述自主导航机器人还包括供电模块，所述供电模块用于为定位模块提供电源。
优选地，所述时间阀值为自主导航机器人恢复正常后0.2～2s。
优选地，所述姿态信息的计算方法为三角函数法，所述姿态信息包括相对于通讯基站的角度信息。
优选地，所述基站包括发送单元、MCU和接收单元；所述发送单元用于将轮询信号发送至所述定位模块；所述接收单元用于接收所述定位模块发送的响应信号；所述MCU用于分析处理所述定位模块发送的响应信号，并根据所述轮询信号与响应信号之间的延迟、以及发送和接收之间的时间间隔计算出基站与自主导航机器人之间的距离，即建立好自主导航机器人的当前位置信息。
优选地，所述定位模块包括发送单元、MCU和接收单元，所述接收单元用于接收所述基站发送的轮询信号，所述MCU用于处理所述轮询信号并对其作出响应得到响应信号，所述发送单元用于将所述响应信号发送至基站。
本发明另一方面，提供了基于无人自主技术的智能物流机器人定位方法，包括以下步骤：
S1、根据自主导航机器人内部存储的电子地图信息执行物流运输任务链；
S2、判断所述自主导航机器人的运动是否异常：若否，继续执行物流运输任务链；若是，激活定位模块，与周边设定距离阈值范围内的基站通讯，所述基站根据TDOA定位算法，利用多个基站接收到信号的时间差来确定自主导航机器人的当前位置信息；
S3、根据所述当前位置信息计算出自主导航机器人的姿态信息，结合所述姿态信息和当前位置信息恢复所述自主导航机器人在工作环境中的位置信息；
S4、将所述恢复的在工作环境中的位置信息，载入多传感器融合算法得到所述自主导航机器人在原电子地图中的位置信息，继续执行物流运输任务链。
优选地，步骤S3所述恢复的方法具体包括：根据三角函数法由当前位置信息计算得到姿态信息；结合姿态信息和当前位置信息得到自主导航机器人100在工作环境中的位置信息；
优选地，步骤S4具体包括：将步骤S3所得在工作环境中的位置信息发送至机器人主控模块，所述机器人主控模块将其载入多传感器融合算法，并通过多传感器融合算法建立所述自主导航机器人在原电子地图中的位置信息，然后根据该位置信息继续执行物流运输任务链；所述多传感器融合算法包括卡尔曼滤波法、粒子群优化算法或人工势场算法。
本发明可取得如下有益效果：
1、本发明提供了一种辅助定位系统，在复杂场景下由于故障出现定位信息丢失情况后，可以有效的帮助物流机器人在不移动空间位置的情况下，建立起物流机器人在全局定位地图中的位置，大幅提高物流运输效率。本发明可以独立识别物流机器人的位置和姿态等定位信息，不受故障影响。
2、物流机器人的位置和姿态信息可以和机器人控制算法融合，在物流机器人再次启动后，就会获取到物流机器人在全局环境的位置，可以快速接续上次的运输任务。
3、本发明在获得定位信息后，原执行物流运输任务链信息会自动恢复，中间不会间断原来的路径信息和货物运输信息，省去了仓库和工作环境物流人员繁杂的物流任务编排工作。
4、本发明的定位系统在可以应急情况下被唤醒，自动启动定位工作，保证了物流机器人长时间的稳定定位系统的有效性，确保定位系统自行快速启动，工作和恢复。
5、本发明的定位系统在平时未启动状态下具有低能耗工作机制，保证了机器人长时间的稳定定位系统的有效性。
附图说明
图1为本发明优选实施例的定位系统原理图；
图2为本发明优选实施例的定位系统通讯原理图；
图3为本发明优选实施例的定位系统程序控制图；
图4为本发明优选实施例的自主导航机器人的结构示意图。
具体实施方式
下面将结合本发明的实施例中的附图，对本发明的实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做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。
如图1～4所示，本发明的优选实施例，提供了基于无人自主技术的智能物流机器人定位系统，包括：自主导航机器人100和分布在工作环境内的若干基站200，自主导航机器人100包括运动载体101、定位模块102、运动感知模块103和机器人主控模块104。其中：
运动载体101用于在工作环境中移动；
定位模块102设于运动载体101上，包括工作和休眠两种状态；工作状态用于自主导航机器人100在异常运动时，与其周边设定距离阈值范围内的基站200通讯建立当前位置信息，并将当前位置信息传送至机器人主控模块104；休眠状态用于自主导航机器人100在正常运动时处于休眠状态；
运动感知模块103设于运动载体101上，用于判断运动载体101的运动是否异常，以及在运动异常时根据设定的时间阀值将定位模块102激活；
机器人主控模块104设于运动载体101上，其内部存储有电子地图信息，并用于根据存储的电子地图信息控制自主导航机器人100运动执行物流运输任务链，电子地图信息包括物流运输任务链的路径规划信息和物流信息；以及用于根据接收到的当前位置信息计算出运动载体101的姿态信息，并结合姿态信息和当前位置信息恢复自主导航机器人100在原电子地图中的位置信息；
基站200封装有TDOA定位算法，用于与定位模块102通讯，并利用多个基站200接收到定位模块102所发送信号的时间差来确定自主导航机器人100的当前位置信息，其中，当前位置信息包括相对于通讯基站200的坐标信息。
自主导航机器人100中的定位模块102对外发送一次信号，在工作环境范围内的所有基站200都会收到无线信号，设定机器人与其周边设定距离阈值范围内的基站200通讯，提高定位效率。如果有两个已知坐标点的基站200收到信号，标签距离两个基站200的间隔不同，那么这两个基站200收到同一信号的时间节点是不一样的，因此得出一个“到达时间差”。TDOA定位的原理正是利用多个基站200接收到信号的时间差来确定自主导航机器人100的位置。根据数学关系，到已知两点的距离差为常数，也就是说定位模块102发送信号到两基站200的时间差为常数，自主导航机器人100的位置一定处于以这两点为焦点的双曲线上。那么有多个已知点多个基站200就会有等量的多条双曲线，多条双曲线交于一点，该点就是自主导航机器人100的位置。
本发明的定位系统在平时未启动状态下具有低能耗工作机制，保证了机器人长时间的稳定定位系统的有效性。本发明的智能物流机器人定位系统，在正常工作的时候，其中的定位模块102处于休眠状态。当由于激光导航算法本身的缺陷和工况特殊复杂的环境，例如在遇到比较大的静态障碍物、或者体积比较大的动态障碍物、扫描区域过大；以及运行过程中出现故障：运行过程中机器人断电、系统出现故障、工作环境工业网络断网等，自主导航物流机器人在运输过程停止、断电，所处位置信息丢失，处于失联状态。等到自主导航机器人100在原地位置被重启或者维修好后，此时运动感知模块103会根据设定好的时间阀值，把定位模块102激活，实现定位模块102开始与周边设定距离阀值内的基站200通讯，建立定位信息。定位模块102会把机器人所在的当前位置信息，传递到机器人主控制模块中，程序计算出运动载体101的姿态信息，连同之前确定的当前位置信息，重新恢复机器人在原电子地图中的位置信息。然后将原电子地图信息与物理位置信息之间的匹配，实现位置无缝对接，从而执行物流运动链信息，完成剩余的运输任务。
在本实施例中，自主导航机器人100包括设于运动载体101上的激光雷达109，激光雷达109用于扫描实时匹配工作环境信息和扫描电子地图上的位置信息，以确定自主导航机器人100在工作环境中的定位，即正常工作时的位置信息。
在本实施例中，运动载体101上设有里程计110，用于对自主导航机器人100的运动里程进行统计。
在本实施例中，工作环境根据基站200的位置分布分成若干区域，当定位模块102在不同的区域激活时，优先与距离阀值设定的区域内基站200进行定位。自主导航机器人100在运动过程中，会在不同的区域中工作，一般会设定一定距离的基站200和机器人的距离数值作为阀值，让距离自主导航机器人100较近的基站200起定位作用。
当工作环境面积过大时，可以根据区域形状分成不同的区域，如图1，分为区域1和区域2，每个区域由4个基站组成。当定位模块102在不同的区域激活时，会优先和距离阀值设定的区域内基站200进行定位(在区域1内，优先定位的基站200是从1到4；在区域2内，优先定位的基站200从3到6)，实现无遮挡，无盲区准确定位。即此时有四个已知点四个定位基站200，就会有四条双曲线，四条双曲线交于一点就是自主导航机器人100的位置。
在本实施例中，时间阀值为自主导航机器人100恢复正常后0.2～2s。时间阀值的原则是越快越好，比如自主导航机器人100恢复正常后1s激活定位为最佳。
在本实施例中，姿态信息的计算方法为三角函数法，姿态信息包括相对于通讯基站200的角度信息。获取了智能物流机器人的坐标和角度信息，由此可计算得到机器人发生故障前已运行的路径，从而恢复原地图信息。
在本实施例中，基站200包括发送单元201、MCU 202和接收单元203，如图2所示；发送单元201用于将轮询信号发送至定位模块102；接收单元203用于接收定位模块102发送的响应信号；MCU 202用于分析处理定位模块102发送的响应信号，并根据轮询信号与响应信号之间的延迟、以及发送和接收之间的时间间隔计算出基站200与自主导航机器人100之间的距离，即建立好自主导航机器人100的当前位置信息。
在本实施例中，定位模块102包括发送单元105、MCU 106和接收单元107，如图2所示；接收单元107用于接收基站200发送的轮询信号，MCU 106用于处理轮询信号并对其作出响应得到响应信号，发送单元105用于将响应信号发送至基站200。
其中，自主导航机器人100还包括供电模块108，定位模块102由供电模块108提供电源。
基站200发出轮询信号，随后，定位模块102接收到该信号。而定位模块102存在一个已知的延迟，经过这段已知延迟后，它将该信号作为响应发送回基站200。随后，基站200接收到该信号；根据该波形中解码的延迟以及测得的发送和接收之间的时间间隔，可以计算出距离。
如图3所示，本发明的优选实施例，还提供了基于无人自主技术的智能物流机器人定位方法，包括以下步骤：
S1、根据自主导航机器人100内部存储的电子地图信息在工作环境内执行物流运输任务链；
S2、判断自主导航机器人100的运动是否异常：若否，继续执行物流运输任务链；若是，在设定的时间阈值内激活定位模块102，定位模块102与周边设定距离阈值范围内的基站200通讯，基站200根据TDOA定位算法，利用多个基站200接收到信号的时间差来确定自主导航机器人100的当前位置信息；
S3、根据当前位置信息计算出自主导航机器人100的姿态信息，结合姿态信息和当前位置信息恢复自主导航机器人100在工作环境中的位置信息；
S4、将所得在工作环境中的位置信息，载入多传感器融合算法得到自主导航机器人100在原电子地图中的位置信息，继续执行物流运输任务链。
其中，时间阀值设置为自主导航机器人100恢复正常后0.2～2s。时间阀值的原则是越快越好，比如自主导航机器人100恢复正常后1s激活定位为最佳。
其中，优选将工作环境根据基站200的位置分布分成若干区域，当定位模块102在不同的区域激活时，优先与距离阀值设定的区域内基站200进行定位。自主导航机器人100在运动过程中，会在不同的区域中工作，一般会设定一定距离的基站200和机器人的距离数值作为阀值，让距离自主导航机器人100较近的基站200起定位作用。
当工作环境面积过大时，可以根据区域形状分成不同的区域，如图2，分为区域1和区域2，每个区域由4个基站组成。当定位模块102在不同的区域激活时，会优先和距离阀值设定的区域内基站200进行定位(在区域1内，优先定位的基站200是从1到4；在区域2内，优先定位的基站200从3到6)，实现无遮挡，无盲区准确定位。即此时有四个已知点四个定位基站200，就会有四条双曲线，四条双曲线交于一点就是自主导航机器人100的位置。
TDOA是一种无线定位技术，利用时间差进行定位。具体地，通过测量信号到达基站的时间，用以确定出信号源的距离；然后利用信号源到各个基站的距离来确定出信号的位置信息。但是绝对时间一般比较难以测量，通过比较信号到达各个基站的绝对时间差，就能作出以基站为焦点，距离差为长轴的双曲线，双曲线的交点就是信号的位置。也就是说，TDOA算法是对到达时间(Time of Arrival，TOA)算法的改进，它不是直接利用信号到达时间，而是用多个基站接收到信号的时间差来确定出自主导航机器人100的位置信息。
以区域1为例，步骤S2中当前位置信息的具体计算过程如下：
区域1内有4个基站200，自主导航机器人100与基站1之间的距离用r1表示，自主导航机器人100与基站2之间的距离用r2表示，自主导航机器人100与基站3之间的距离用r3表示，自主导航机器人100与基站4之间的距离用r4表示；TDOA方程如下：
Figure BDA0002940967920000101
Figure BDA0002940967920000102
根据式(1)和式(2)，可以得到如下组方程：
Figure BDA0002940967920000111
其中，c表示光速，t1表示定位信号到达基站1的到达时间，t2表示定位信号到达基站2的到达时间，t3表示定位信号到达基站3的到达时间，t4表示定位信号到达基站4的到达时间，基站1的位置信息为(x1，y1，z1)，基站2的位置信息为(x2，y2，z2)，基站3的位置信息为(x3，y3，z3)，基站4的位置信息为(x4，y4，z4)。这样，根据式(3)，可以计算得到自主导航机器人100的当前位置信息(xi，yi，zi)。
其中，基站200包括发送单元201、MCU 202和接收单元203；发送单元201用于将轮询信号发送至定位模块102；接收单元203用于接收定位模块102发送的响应信号；MCU 202用于分析处理定位模块102发送的响应信号，并根据轮询信号与响应信号之间的延迟、以及发送和接收之间的时间间隔计算出基站200与自主导航机器人100之间的距离，即建立好自主导航机器人100的当前位置信息。定位模块102包括发送单元105、MCU 106和接收单元107，接收单元107用于接收基站200发送的轮询信号，MCU 106用于处理轮询信号并对其作出响应得到响应信号，发送单元105用于将响应信号发送至基站200。
基站200发出轮询信号，随后，定位模块102接收到该信号。而定位模块102存在一个已知的延迟，经过这段已知延迟后，它将该信号作为响应发送回基站200。随后，基站200接收到该信号；根据该波形中解码的延迟以及测得的发送和接收之间的时间间隔，可以计算出距离。
其中，步骤S3恢复的方法具体包括：根据三角函数法由当前位置信息(xi，yi，zi)计算得到自主导航机器人100的姿态信息；结合姿态信息和当前位置信息(xi，yi，zi)得到自主导航机器人100在工作环境中的位置信息；
步骤S4具体包括：将步骤S3所得在工作环境中的位置信息发送至机器人主控模块104，机器人主控模块104将其载入多传感器融合算法，并通过多传感器融合算法建立自主导航机器人100在原电子地图中的位置信息，然后根据该位置信息继续执行物流运输任务链。其中，多传感器融合算法包括卡尔曼滤波法、粒子群优化算法或人工势场算法。传感器包括里程计110、激光雷达109、定位模块102和基站200。其中，多传感器融合算法属于现有技术，在此不再赘述。
在复杂场景下由于故障出现定位信息丢失情况后，本发明可以有效的帮助物流机器人在不移动空间位置的情况下，建立起物流机器人在全局定位地图中的位置，大幅提高物流运输效率。本发明可以独立识别物流机器人的位置和姿态等定位信息，不受故障影响。
物流机器人的位置和姿态信息可以和机器人控制算法融合，在物流机器人再次启动后，就会获取到物流机器人在全局环境的位置，可以快速接续上次的运输任务。本发明在获得定位信息后，原执行物流运输任务链信息会自动恢复，中间不会间断原来的路径信息和货物运输信息，省去了仓库和工作环境物流人员繁杂的物流任务编排工作。
本发明的定位系统在平时未启动状态下具有低能耗工作机制，保证了机器人长时间的稳定定位系统的有效性。定位系统在可以应急情况下被唤醒，自动启动定位工作，保证了物流机器人长时间的稳定定位系统的有效性，确保定位系统自行快速启动，工作和修复。
最后应说明的是：以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于无人自主技术的智能物流机器人定位系统，其特征在于，包括自主导航机器人(100)和分布在工作环境内的若干基站(200)，所述自主导航机器人(100)包括运动载体(101)、定位模块(102)、运动感知模块(103)和机器人主控模块(104)，所述定位模块(102)与机器人主控模块(104)和运动感知模块(103)连接，所述定位模块(102)还与基站(200)无线通讯连接；
所述运动载体(101)用于在工作环境中移动；
所述定位模块(102)设于运动载体(101)上，包括工作和休眠两种状态；所述工作状态用于自主导航机器人(100)在异常运动时，与其周边设定距离阈值范围内的基站(200)通讯建立当前位置信息，并将所述当前位置信息传送至所述机器人主控模块(104)；所述休眠状态用于自主导航机器人(100)在正常运动时处于休眠状态；
所述运动感知模块(103)设于运动载体(101)上，用于判断所述运动载体(101)的运动是否异常，以及在运动异常时根据设定的时间阀值将所述定位模块(102)激活；
所述机器人主控模块(104)设于运动载体(101)上，其内部存储有电子地图信息，并用于根据存储的电子地图信息控制所述自主导航机器人(100)运动执行物流运输任务链，所述电子地图信息包括所述物流运输任务链的路径规划信息和物流信息；以及用于根据接收到的所述当前位置信息计算出所述运动载体(101)的姿态信息，并结合所述姿态信息和当前位置信息恢复所述自主导航机器人(100)在原电子地图中的位置信息；
所述基站(200)封装有TDOA定位算法，用于与所述定位模块(102)通讯，并利用多个基站(200)接收到定位模块(102)所发送信号的时间差来确定所述自主导航机器人(100)的当前位置信息。
2.根据权利要求1所述的基于无人自主技术的智能物流机器人定位系统，其特征在于，所述运动载体(101)上设有激光雷达(109)，所述激光雷达(109)用于扫描实时匹配工作环境信息和扫描电子地图上的位置信息，以确定所述自主导航机器人(100)在工作环境中的定位。
3.根据权利要求1所述的基于无人自主技术的智能物流机器人定位系统，其特征在于，所述运动载体(101)上设有里程计(110)，用于对所述自主导航机器人(100)的运动里程进行统计。
4.根据权利要求1所述的基于无人自主技术的智能物流机器人定位系统，其特征在于，所述工作环境根据基站(200)的位置分布分成若干区域，当所述定位模块(102)在不同的区域激活时，优先与距离阀值设定的区域内基站(200)进行定位。
5.根据权利要求1所述的基于无人自主技术的智能物流机器人定位系统，其特征在于，所述时间阀值为自主导航机器人(100)恢复正常后0.2～2s。
6.根据权利要求1所述的基于无人自主技术的智能物流机器人定位系统，其特征在于，所述姿态信息的计算方法为三角函数法，所述姿态信息包括相对于通讯基站(200)的角度信息。
7.根据权利要求1所述的基于无人自主技术的智能物流机器人定位系统，其特征在于，所述基站(200)包括发送单元(201)、MCU(202)和接收单元(203)；所述发送单元(201)用于将轮询信号发送至所述定位模块(102)；所述接收单元(203)用于接收所述定位模块(102)发送的响应信号；所述MCU(202)用于分析处理所述定位模块(102)发送的响应信号，并根据所述轮询信号与响应信号之间的延迟、以及发送和接收之间的时间间隔计算出基站(200)与自主导航机器人(100)之间的距离，即建立好自主导航机器人(100)的当前位置信息。
8.根据权利要求7所述的基于无人自主技术的智能物流机器人定位系统，其特征在于，所述定位模块(102)包括发送单元(105)、MCU(106)和接收单元(107)，所述接收单元(107)用于接收所述基站(200)发送的轮询信号，所述MCU(106)用于处理所述轮询信号并对其作出响应得到响应信号，所述发送单元(105)用于将所述响应信号发送至基站(200)。
9.一种基于无人自主技术的智能物流机器人定位方法，其特征在于，包括以下步骤：
S1、根据自主导航机器人(100)内部存储的电子地图信息执行物流运输任务链；
S2、判断所述自主导航机器人(100)的运动是否异常：若否，继续执行物流运输任务链；若是，激活定位模块(102)，与周边设定距离阈值范围内的基站(200)通讯，所述基站(200)根据TDOA定位算法，利用多个基站(200)接收到信号的时间差来确定自主导航机器人(100)的当前位置信息；
S3、根据所述当前位置信息计算出自主导航机器人(100)的姿态信息，结合所述姿态信息和当前位置信息恢复所述自主导航机器人(100)在工作环境中的位置信息；
S4、将所述恢复的在工作环境中的位置信息，载入多传感器融合算法得到所述自主导航机器人(100)在原电子地图中的位置信息，继续执行物流运输任务链。
10.根据权利要求9所述的基于无人自主技术的智能物流机器人定位方法，其特征在于，步骤S3所述恢复的方法具体包括：根据三角函数法由当前位置信息计算得到姿态信息；结合姿态信息和当前位置信息得到自主导航机器人100在工作环境中的位置信息；
步骤S4具体包括：将步骤S3所得在工作环境中的位置信息发送至机器人主控模块(104)，所述机器人主控模块(104)将其载入多传感器融合算法，并通过多传感器融合算法建立所述自主导航机器人(100)在原电子地图中的位置信息，然后根据该位置信息继续执行物流运输任务链；所述多传感器融合算法包括卡尔曼滤波法、粒子群优化算法或人工势场算法。
CN202110176905.4A 2021-02-07 2021-02-07 基于无人自主技术的智能物流机器人定位系统及方法 Active CN112797986B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110176905.4A CN112797986B (zh) 2021-02-07 2021-02-07 基于无人自主技术的智能物流机器人定位系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110176905.4A CN112797986B (zh) 2021-02-07 2021-02-07 基于无人自主技术的智能物流机器人定位系统及方法

Publications (2)

Publication Number Publication Date
CN112797986A true CN112797986A (zh) 2021-05-14
CN112797986B CN112797986B (zh) 2023-03-31

Family

ID=75814906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110176905.4A Active CN112797986B (zh) 2021-02-07 2021-02-07 基于无人自主技术的智能物流机器人定位系统及方法

Country Status (1)

Country Link
CN (1) CN112797986B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114167872A (zh) * 2021-12-08 2022-03-11 江西省智能产业技术创新研究院 机器人避障方法、系统、计算机及机器人
CN114234981A (zh) * 2021-12-20 2022-03-25 广东工贸职业技术学院 一种自主导航智能物流机器人定位系统及方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1164024A (ja) * 1996-11-27 1999-03-05 Honda Motor Co Ltd ナビゲーション装置
US20090251366A1 (en) * 2008-04-08 2009-10-08 Mcclure John A Gnss-based mobile communication system and method
CN103954291A (zh) * 2014-04-30 2014-07-30 深圳市财富之舟科技有限公司 一种电子设备的导航方法和一种电子设备
CA3004262A1 (en) * 2015-12-15 2017-06-22 Qualcomm Incorporated Autonomous visual navigation
CN108227705A (zh) * 2016-12-15 2018-06-29 苏州宝时得电动工具有限公司 自移动设备的回归方法、自移动设备、存储介质和服务器
CN108801269A (zh) * 2018-08-29 2018-11-13 山东大学 一种室内云机器人导航系统及方法
KR20190107277A (ko) * 2019-08-29 2019-09-19 엘지전자 주식회사 자율 주행 시스템에서 차량을 제어하는 방법 및 장치
CN110647089A (zh) * 2019-10-28 2020-01-03 天津中德应用技术大学 智能仓储物流机器人控制系统及控制方法
CN110716549A (zh) * 2019-11-04 2020-01-21 中国船舶重工集团公司第七一六研究所 用于无地图区域巡逻的自主导航机器人系统及其导航方法
CN111731474A (zh) * 2020-07-28 2020-10-02 无锡空如科技有限公司 室内无人机、室内无人机系统及控制方法
CN111818559A (zh) * 2020-05-30 2020-10-23 北京华通天畅工程监理咨询有限公司 基于5g技术的通信基站设备故障监测系统
CN111988739A (zh) * 2020-08-06 2020-11-24 普玄物联科技(杭州)有限公司 一种高精度定位的商场导购系统及其应用方法
CN112327884A (zh) * 2020-11-30 2021-02-05 东南大学扬州研究院 一种基于slam自主导航智能物流机器人
CN112333628A (zh) * 2020-10-22 2021-02-05 湖北工业大学 一种基于Lora与NB-IoT的定位追踪系统及方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1164024A (ja) * 1996-11-27 1999-03-05 Honda Motor Co Ltd ナビゲーション装置
US20090251366A1 (en) * 2008-04-08 2009-10-08 Mcclure John A Gnss-based mobile communication system and method
CN103954291A (zh) * 2014-04-30 2014-07-30 深圳市财富之舟科技有限公司 一种电子设备的导航方法和一种电子设备
CA3004262A1 (en) * 2015-12-15 2017-06-22 Qualcomm Incorporated Autonomous visual navigation
CN108227705A (zh) * 2016-12-15 2018-06-29 苏州宝时得电动工具有限公司 自移动设备的回归方法、自移动设备、存储介质和服务器
CN108801269A (zh) * 2018-08-29 2018-11-13 山东大学 一种室内云机器人导航系统及方法
KR20190107277A (ko) * 2019-08-29 2019-09-19 엘지전자 주식회사 자율 주행 시스템에서 차량을 제어하는 방법 및 장치
US20200026294A1 (en) * 2019-08-29 2020-01-23 Lg Electronics Inc. Method for controlling vehicle in autonomous driving system and apparatus thereof
CN110647089A (zh) * 2019-10-28 2020-01-03 天津中德应用技术大学 智能仓储物流机器人控制系统及控制方法
CN110716549A (zh) * 2019-11-04 2020-01-21 中国船舶重工集团公司第七一六研究所 用于无地图区域巡逻的自主导航机器人系统及其导航方法
CN111818559A (zh) * 2020-05-30 2020-10-23 北京华通天畅工程监理咨询有限公司 基于5g技术的通信基站设备故障监测系统
CN111731474A (zh) * 2020-07-28 2020-10-02 无锡空如科技有限公司 室内无人机、室内无人机系统及控制方法
CN111988739A (zh) * 2020-08-06 2020-11-24 普玄物联科技(杭州)有限公司 一种高精度定位的商场导购系统及其应用方法
CN112333628A (zh) * 2020-10-22 2021-02-05 湖北工业大学 一种基于Lora与NB-IoT的定位追踪系统及方法
CN112327884A (zh) * 2020-11-30 2021-02-05 东南大学扬州研究院 一种基于slam自主导航智能物流机器人

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114167872A (zh) * 2021-12-08 2022-03-11 江西省智能产业技术创新研究院 机器人避障方法、系统、计算机及机器人
CN114234981A (zh) * 2021-12-20 2022-03-25 广东工贸职业技术学院 一种自主导航智能物流机器人定位系统及方法

Also Published As

Publication number Publication date
CN112797986B (zh) 2023-03-31

Similar Documents

Publication Publication Date Title
US11470821B2 (en) Method for monitoring pet by robot based on grid map and chip
US8972095B2 (en) Automatic guided vehicle and method for drive control of the same
EP2980546B1 (en) Intelligent noise monitoring device and noise monitoring method using the same
CN113189977B (zh) 一种用于机器人的智能导航路径规划系统及方法
CN112797986B (zh) 基于无人自主技术的智能物流机器人定位系统及方法
Krejsa et al. Infrared beacons based localization of mobile robot
US20200103915A1 (en) Determining Changes in Marker Setups for Robot Localization
CN112518739A (zh) 履带式底盘机器人侦察智能化自主导航方法
US11372423B2 (en) Robot localization with co-located markers
Ding et al. Development of a high precision UWB/vision-based AGV and control system
CN109491383A (zh) 多机器人定位与建图系统及方法
US20230213946A1 (en) Vehicle Navigation Positioning Method and Apparatus, and Base Station, System and Readable Storage Medium
US10852740B2 (en) Determining the orientation of flat reflectors during robot mapping
US20180239351A1 (en) Autonomous mobile device
CN116054315A (zh) 无人设备充电对接校准方法、装置、设备及存储介质
CN111930128A (zh) 智能全向移动机器人超声避障系统及其应用
CN115880673B (zh) 一种基于计算机视觉的避障方法及系统
JP6699034B2 (ja) 自律移動ロボット
CN116481541A (zh) 一种无需卫星导航的车辆自主返航控制方法、装置及介质
Cho et al. Localization of a high-speed mobile robot using global features
CN115855078A (zh) 一种多传感器融合的运输车导航方法以及系统
JP2021081758A (ja) 制御装置、制御方法及びプログラム
CN114290313A (zh) 巡检机器人、自动导航巡检机器人系统及控制方法
TWI806429B (zh) 控制自動導引車之模組化控制系統及方法
Li et al. Research on automatic obstacle avoidance algorithm for intelligent networked vehicles

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