CN113985872A - 基于视觉检测的agv取货路径规划方法、装置及介质 - Google Patents
基于视觉检测的agv取货路径规划方法、装置及介质 Download PDFInfo
- Publication number
- CN113985872A CN113985872A CN202111238421.4A CN202111238421A CN113985872A CN 113985872 A CN113985872 A CN 113985872A CN 202111238421 A CN202111238421 A CN 202111238421A CN 113985872 A CN113985872 A CN 113985872A
- Authority
- CN
- China
- Prior art keywords
- agv
- point
- goods
- taking
- curve
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- 230000000007 visual effect Effects 0.000 title claims abstract description 20
- 230000006870 function Effects 0.000 claims description 44
- 230000007246 mechanism Effects 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 10
- 238000011179 visual inspection Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000011065 in-situ storage Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
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
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
Abstract
本公开提供了一种基于视觉检测的AGV取货路径规划方法、装置及介质，涉及AGV控制技术领域，该方法包括获取预先设定的场地地图；确定AGV在所述场地地图中进行取货的起点和终点；采用三次B样条插值方法生成从所述起点到终点的拟合曲线；其中，所述拟合曲线由若干离散点组成；根据所述若干离散点确定非线性规划模型，以对所述拟合曲线进行优化；当所述非线性规划模型存在最优解时，根据所述最优解构建特性最优曲线；将所述特性最优曲线作为AGV的取货路径，根据所述取货路径控制AGV取货；本公开能对货物进行平稳、快速的运输。
Description
技术领域
本公开涉及但不限于AGV控制技术领域，尤其涉及一种基于视觉检测的AGV取货路径规划方法、装置及介质。
背景技术
轨迹规划是指AGV根据行为决策的结果以及车辆的行驶状态和环境信息，规划出车辆的行驶轨迹。轨迹规划主要包括路径规划，路径规划主要是生成从起点到终点不发生碰撞的静态几何轨迹线。
现有技术中，大多只考虑对AGV取货路径进行最短路径规划，但在AGV取货行驶过程中，往往会出现AGV卡顿、急转向、甚至侧翻等问题，导致无法保证对货物的平稳运输。
鉴于此，有必要对现有的AGV取货路径规划方式进行改进，依据规划出的取货路径控制AGV取货，能对货物进行平稳、快速的运输。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本公开实施例提供了一种基于视觉检测的AGV取货路径规划方法、装置及介质，采用三次B样条插值方法生成从所述起点到终点的拟合曲线，并对所述拟合曲线进行优化，从而对AGV取货路径的长度和光滑度进行优化，满足AGV取货时行驶的要求；当所述非线性规划模型存在最优解时，根据所述最优解构建特性最优曲线，从而对货物进行平稳、快速的运输。
第一方面，本公开实施例提供了一种基于视觉检测的AGV取货路径规划方法，包括：
获取预先设定的场地地图；
确定AGV在所述场地地图中进行取货的起点和终点；
采用三次B样条插值方法生成从所述起点到终点的拟合曲线；其中，所述拟合曲线由若干离散点组成；
根据所述若干离散点确定非线性规划模型，以对所述拟合曲线进行优化；其中，所述非线性规划模型包括目标函数和约束函数，所述目标函数用于表征优化后的拟合曲线的长度，所述约束函数用于表征优化后的拟合曲线的光滑度；
当所述非线性规划模型存在最优解时，根据所述最优解构建特性最优曲线；
将所述特性最优曲线作为AGV的取货路径，根据所述取货路径控制AGV取货。
在一些实施例中，所述AGV设置有测偏机构，所述测偏机构用于测量AGV距离取货位置的偏差值；所述确定AGV在所述场地地图中进行取货的起点和终点包括：
设定AGV两侧后轮轴心连线的中点为参考点，并以所述参考点为原点建立AGV的参考坐标系；
将所述参考点由参考坐标系转换到世界坐标系，得到参考点的世界坐标，将所述参考点的世界坐标作为AGV在所述场地地图中进行取货的起点；
获取所述测偏机构测量的偏差值，将所述偏差值转换到AGV的参考坐标系，根据所述参考点和所述偏差值确定测量点的世界坐标，将所述测量点的世界坐标作为AGV在所述场地地图中进行取货的终点。
在一些实施例中，所述采用三次B样条插值方法生成从所述起点到终点的拟合曲线包括：
根据路径的长度量级选取多个控制点；其中，所述控制点包括参考点和测量点，AGV在所述场地地图中行驶路径的起点和终点；
对相邻2个控制点进行插值，生成该相邻2个控制点的拟合曲线；其中，所述拟合曲线由若干离散点组成。
将每组相邻2个控制点的拟合曲线连接形成从所述起点到终点的拟合曲线。
在一些实施例中，所述根据所述若干离散点确定非线性规划模型，以对所述拟合曲线进行优化，包括：
确定所述拟合曲线中每个离散点的曲率和相邻2个离散点的距离；
根据所述每个离散点的曲率确定第一成本值；根据所述相邻2个离散点的距离确定第二成本值；根据所述多个控制点确定第三成本值；
根据所述第一成本值、第二成本值和第三成本值确定总成本值；
将所述总成本值的最小值作为目标函数，将每个离散点的曲率的一阶导数均小于第一设定阈值作为约束函数。
在一些实施例中，所述方法还包括但不限于有以下步骤：
当所述非线性规划模型不存在最优解时，控制AGV后退第一设定长度，以AGV后退后的参考点为起点，执行步骤S300；或，控制AGV往货物偏移角度相反方向原地旋转设定角度后，执行步骤S300。
第二方面，本公开实施例还提供了一种基于视觉检测的AGV取货路径规划装置，所述基于视觉检测的AGV取货路径规划装置包括：
获取模块，用于获取预先设定的场地地图；
确定模块，用于确定AGV在所述场地地图中进行取货的起点和终点；
生成模块，用于采用三次B样条插值方法生成从所述起点到终点的拟合曲线；其中，所述拟合曲线由若干离散点组成；
规划模块，用于根据所述若干离散点确定非线性规划模型，以对所述拟合曲线进行优化；其中，所述非线性规划模型包括目标函数和约束函数，所述目标函数用于表征优化后的拟合曲线的长度，所述约束函数用于表征优化后的拟合曲线的光滑度；
构建模块，用于当所述非线性规划模型存在最优解时，根据所述最优解构建特性最优曲线；
控制模块，用于将所述特性最优曲线作为AGV的取货路径，根据所述取货路径控制AGV取货。
第三方面，本公开实施例还提供了一种AGV，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的基于视觉检测的AGV取货路径规划方法。
第四方面，本公开实施例还提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如第一方面所述的基于视觉检测的AGV取货路径规划方法。
本公开实施例包括：获取预先设定的场地地图；确定AGV在所述场地地图中进行取货的起点和终点；采用三次B样条插值方法生成从所述起点到终点的拟合曲线；其中，所述拟合曲线由若干离散点组成；根据所述若干离散点确定非线性规划模型，以对所述拟合曲线进行优化；其中，所述非线性规划模型包括目标函数和约束函数，所述目标函数用于表征优化后的拟合曲线的长度，所述约束函数用于表征优化后的拟合曲线的光滑度；当所述非线性规划模型存在最优解时，根据所述最优解构建特性最优曲线；将所述特性最优曲线作为AGV的取货路径，根据所述取货路径控制AGV取货。
本公开的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本公开而了解。本公开的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本公开技术方案的进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开的技术方案，并不构成对本公开技术方案的限制。
图1是本公开一个实施例提供的基于视觉检测的AGV取货路径规划方法的流程图；
图2a是本公开一个实施例中标定偏差值的正视图；
图2b是本公开一个实施例中标定偏差值的俯视图；
图3是图1中步骤S200的具体流程图；
图4是本公开一个实施例中参考点由计算坐标系转换到世界坐标系的示意图；
图5是本公开一个实施例中第三成本值的示意图；
图6是本公开一个实施例中特性最优曲线的示意图；
图7是本公开一个实施例中整个路径曲线的示意图；
图8是本公开一个实施例提供的基于视觉检测的AGV取货路径规划装置的结构示意图；
图9是本公开一个实施例提供的AGV的结构图。
具体实施方式
为了使本公开的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本公开进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本公开，并不用于限定本公开。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本公开提供了一种基于视觉检测的AGV取货路径规划方法、装置及介质，该方法包括：获取预先设定的场地地图；确定AGV在所述场地地图中进行取货的起点和终点；采用三次B样条插值方法生成从所述起点到终点的拟合曲线；其中，所述拟合曲线由若干离散点组成；根据所述若干离散点确定非线性规划模型，以对所述拟合曲线进行优化；其中，所述非线性规划模型包括目标函数和约束函数，所述目标函数用于表征优化后的拟合曲线的长度，所述约束函数用于表征优化后的拟合曲线的光滑度；当所述非线性规划模型存在最优解时，根据所述最优解构建特性最优曲线；将所述特性最优曲线作为AGV的取货路径，根据所述取货路径控制AGV取货。
本公开采用三次B样条插值方法生成从所述起点到终点的拟合曲线；其中，所述拟合曲线由若干离散点组成，初步确定AGV取货路径的关键节点；接着根据所述若干离散点确定非线性规划模型，以对所述拟合曲线进行优化；其中，所述非线性规划模型包括目标函数和约束函数，所述目标函数用于表征优化后的拟合曲线的长度，所述约束函数用于表征优化后的拟合曲线的光滑度；从而对AGV取货路径的长度和光滑度进行优化，满足AGV取货时行驶的要求；当所述非线性规划模型存在最优解时，根据所述最优解构建特性最优曲线；将所述特性最优曲线作为AGV的取货路径，根据所述取货路径控制AGV取货。依据规划出的取货路径控制AGV取货，能对货物进行平稳、快速的运输。
如图1所示，图1是本公开一个实施例提供的一种基于视觉检测的AGV取货路径规划方法的流程图，在该方法中，包括但不限于有以下步骤：
步骤S100，获取预先设定的场地地图；
步骤S200，确定AGV在所述场地地图中进行取货的起点和终点；
步骤S300，采用三次B样条插值方法生成从所述起点到终点的拟合曲线；其中，所述拟合曲线由若干离散点组成；
步骤S400，根据所述若干离散点确定非线性规划模型，以对所述拟合曲线进行优化；其中，所述非线性规划模型包括目标函数和约束函数，所述目标函数用于表征优化后的拟合曲线的长度，所述约束函数用于表征优化后的拟合曲线的光滑度；
步骤S500，当所述非线性规划模型存在最优解时，根据所述最优解构建特性最优曲线；
步骤S600，将所述特性最优曲线作为AGV的取货路径，根据所述取货路径控制AGV取货。
本公开提供的实施例中，发明人针对背景技术中存在的问题，对现有技术进行改进，使得在AGV取货行驶过程中，对AGV取货路径的长度进行优化，以保证快速的运输货物；同时也对AGV在取货行驶过程中的轨迹光滑度进行优化，以保证运输货物的平稳性；依据规划出的取货路径控制AGV取货，能对货物进行平稳、快速的运输。
需要说明的是，本公开提供的实施例基于视觉系统检测货物偏移，如图1所示，在一些实施例中，将3D相机安装在叉车型AGV货叉侧，负责计算的工控机放置于AGV顶盖，将3D相机与工控机统称为测偏机构，AGV到达离货物大概2.5米至3米的位置时，通过RS232的通讯方式。
此外，在一些实施例中，基于报文协议发送使能报文触发测偏机构工作，测偏机构被触发后开始运作，并以报文的形式发送以3D相机为基准、货物托盘中心点位置为测量点的偏差值给AGV，偏差值的标定如图2a和图2b所示，纵深偏移为x，横向偏移为y，高度偏移为z，旋转偏移为θ，AGV接收到所述偏差值，且通过CRC校验报文无误后，按照通讯协议解析报文，接收偏差值，并发送接收完成的报文给测偏机构，测偏机构接收到后进入待机状态，并发送待机状态报文给AGV，告知AGV已进入待机状态，等待下一次使能启动。
另外，参照图3，在一实施例中，所述AGV设置有测偏机构，所述测偏机构用于测量AGV距离取货位置的偏差值；图1所示实施例中的步骤S200包括但不限于有以下步骤：
步骤S210，设定AGV两侧后轮轴心连线的中点为参考点，并以所述参考点为原点建立AGV的参考坐标系；
步骤S220，将所述参考点由参考坐标系转换到世界坐标系，得到参考点的世界坐标，将所述参考点的世界坐标作为AGV在所述场地地图中进行取货的起点；
步骤S230，获取所述测偏机构测量的偏差值，将所述偏差值转换到AGV的参考坐标系，根据所述参考点和所述偏差值确定测量点的世界坐标，将所述测量点的世界坐标作为AGV在所述场地地图中进行取货的终点。
在一些实施例中，如图4所示，设定AGV两侧后轮轴心连线的中点为参考点，即A点，并以A点为原点建立AGV的参考坐标系，AGV将测偏机构返回的偏差值，从3D相机至测量点C(货物托盘中心点位置)的偏差通过空间坐标系转换成计算参考点(A点)至测量点(C点)的偏差值。
在对3D相机的安装位置的考量上，为了减少不必要的累积误差，将3D相机的测量目与参考点平齐，将3D相机水平地安装在AGV后侧，这样只需准确量度3D相机测量目与参考点的直线距离d即可。
如图4的B点，将测偏机构测量的偏差值(x，y，θ)(3D相机至测量点C)转换到AGV的计算坐标系则为(d-y，x，90°+θ)，再将AGV的参考点由计算坐标系转换到世界坐标系OXY上，根据空间转换矩阵：
得出测量点(C点)的世界坐标为(xf，yf，θ+θf)，其中(xg，yg，θg)为AGV当前计算的参考点的世界坐标；其中，d为3D相机测量目与参考点的直线距离，x为测偏机构测量的纵深偏移，y为测偏机构测量的横向偏移为，z为测偏机构测量的高度偏移，e为测偏机构测量的旋转偏移。
另外，在一实施例中，图1所示实施例中的步骤S300包括但不限于有以下步骤：
步骤S310，根据路径的长度量级选取多个控制点；其中，所述控制点包括参考点和测量点，AGV在所述场地地图中行驶路径的起点和终点；
步骤S320，对相邻2个控制点进行插值，生成该相邻2个控制点的拟合曲线；其中，所述拟合曲线由若干离散点组成。
步骤S330，将每组相邻2个控制点的拟合曲线连接形成从所述起点到终点的拟合曲线。
在一些实施例中，以路径起点为AGV当前参考点(A点)的世界坐标，路径的终点为测量点(C点)的世界坐标，则可生成一条从起点至终点的路径，为保证货叉能平直叉进货物托盘，在此设定AGV货叉叉进货物托盘前就与货物托盘平齐，然后AGV行驶直线，同时货叉平直叉进货物托盘孔。故整个路径应分为两部分：纠偏的曲线部分与最后固定长度的直线部分。量取计算参考点至货叉末端的距离L，则曲线部分的终点的世界坐标为(Xf+Lcos(θ+θf)，yf+Lsin(θ+θf)，θ+θf)，下文称(xce，yce，θce)，直线部分是从曲线终点到测量终点的长度为L的直线。
本实施例中的曲线部分采用三次B样条插值方法生成，控制点数量根据曲线的长度量级选用6个控制点，6个控制点的世界坐标分别为：
(xA-m1*cosθg，yA-m1*sinθg)；
(xA，yA)；
(xA+m1*cosθg，yA+m1*sinθg)；
(xce-m2*cosθce，yce-m2*sinθce)；
(xce，yce)；
(xce+m2*cosθce，yce+m2*sinθce)；
其中，m1，m2表示相邻2个控制点之间的距离，作为优化的变量。
其中，P(xA，yA)为参考点的世界坐标，P(xce，yce)为终点的世界坐标。
采用三次B样条插值得到的拟合曲线P(x，y)的表达式如下：
其中，P0(x0，y0)，P1(x1，y1)，P2(x2，y2)，P3(x3，y3)为连续的四个控制点：
t从0至1按一定的步长step累加，则可生成一条由若干离散点P(i)组成的拟合曲线P(t)；当完成对相邻2个控制点的插值运算后，往后移一个控制点，进行下一组相邻2个控制点的插值运算，直到最后一个控制点为止，生成每组相邻2个控制点的拟合曲线。
另外，在一实施例中，图1所示实施例中的步骤S400包括但不限于有以下步骤：
步骤S410，确定所述拟合曲线中每个离散点的曲率和相邻2个离散点的距离；
步骤S420，根据所述每个离散点的曲率确定第一成本值；根据所述相邻2个离散点的距离确定第二成本值；根据所述多个控制点确定第三成本值；
步骤S430，根据所述第一成本值、第二成本值和第三成本值确定总成本值；
步骤S440，将所述总成本值的最小值作为目标函数，将每个离散点的曲率的一阶导数均小于第一设定阈值作为约束函数。
在一些实施例中，对拟合曲线P(x，y)求一阶导数的插值表达式如下：
对拟合曲线P(x，y)求二阶导数的插值表达式如下：
在一些实施例中，t从0至1按一定的步长step累加，生成曲线P(t)对应的一阶导数P′(t)和二阶导数P″(t)。
将上述生成的各特性的离散点用对应的矩阵储存，则可进一步推算出全部离散点的曲率K、相邻2个离散点的距离ds，亦用矩阵形式储存。
其中，曲率
step为步长，K为曲率，ds为距离，曲率K对距离ds的一阶导数为K′(i)，
其中，i为离散点的编号。
本实施例中，对反映路径光滑，路径长度的特性矩阵的平方和设定为成本值cost。具体地，对曲率和两离散点的距离ds求成本值，分别为cost1＝sum(K(i)2)，cost2＝sum(ds(i)2)，其中，cost1为第一成本值，cost2为第二成本值，K(i)表示第i个离散点的曲率，ds(i)表示第i个离散点和第i-1个离散点的距离。
另外增加第三成本值cost3，第三成本值cost3能反映辅助线夹角约束，如图5，cost3值越小，辅助线夹角越小，所生成的曲线越光滑。
总成本为Cost＝A*cost1+B*cost2+C*cost3，A，B，C为权重参数。
约束C＝max(abs(K′))＜maxdK，maxdK为设定的曲率一阶导数的最大值的绝对值。
则求解路径规划的问题就能转化为输入量为m1，m2，目标函数是总成本的最小值，约束函数为曲率的一阶导数小于第一设定阈值的不等式约束的非线性规划问题。
当此非线性规划问题有最优解时，以此时的m1，m2构建曲线，此时的曲线为特性最优曲线，特性最优曲线如图6所示，曲线部分加上直线部分的整个路径如图7所示，红点为货物测量点。
另外，在一实施例中，所述方法还包括但不限于有以下步骤：
当所述非线性规划模型不存在最优解时，控制AGV后退第一设定长度，以AGV后退后的参考点为起点，执行步骤S300；或，控制AGV往货物偏移角度相反方向原地旋转设定角度后，执行步骤S300。
在一些实施例中，针对货物偏移量较大，AGV又限制于3D相机不能超出额定最大测量距离，使得行驶路径较短，生成的路径超出了约束范围的情况，提出两种解决方法：
1：在得出测量点的世界坐标后，AGV后退一个标定的长度，以后退后的参考点作为起点，按照上述路径生成的方法规划路径：
2：根据货物偏移角度，往相反方向原地旋转相应的角度后，依然以当前AGV的参考点作为起点，按照上述路径生成的方法规划路径。
另外，参考图8，在一实施例中，还提供了一种基于视觉检测的AGV取货路径规划装置，基于视觉检测的AGV取货路径规划装置包括；
获取模块100，用于获取预先设定的场地地图；
确定模块200，用于确定AGV在所述场地地图中进行取货的起点和终点；
生成模块300，用于采用三次B样条插值方法生成从所述起点到终点的拟合曲线；其中，所述拟合曲线由若干离散点组成；
规划模块400，用于根据所述若干离散点确定非线性规划模型，以对所述拟合曲线进行优化；其中，所述非线性规划模型包括目标函数和约束函数，所述目标函数用于表征优化后的拟合曲线的长度，所述约束函数用于表征优化后的拟合曲线的光滑度；
构建模块500，用于当所述非线性规划模型存在最优解时，根据所述最优解构建特性最优曲线；
控制模块600，用于将所述特性最优曲线作为AGV的取货路径，根据所述取货路径控制AGV取货。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，参照图9，本公开的一个实施例还提供了一种AGV10，该AGV10包括：存储器11、处理器12及存储在存储器11上并可在处理器12上运行的计算机程序。
处理器12和存储器11可以通过总线或者其他方式连接。
实现上述实施例的基于视觉检测的AGV取货路径规划方法所需的非暂态软件程序以及指令存储在存储器11中，当被处理器12执行时，执行上述实施例中的基于视觉检测的AGV取货路径规划方法。
此外，本公开的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个处理器或控制器执行，例如，被上述电子设备实施例中的一个处理器执行，可使得上述处理器执行上述实施例中的基于视觉检测的AGV取货路径规划方法。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上是对本公开的较佳实施进行了具体说明，但本公开并不局限于上述实施方式，熟悉本领域的技术人员在不违背本公开精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本公开权利要求所限定的范围内。
Claims (8)
1.一种基于视觉检测的AGV取货路径规划方法，其特征在于，包括：
获取预先设定的场地地图；
确定AGV在所述场地地图中进行取货的起点和终点；
采用三次B样条插值方法生成从所述起点到终点的拟合曲线；其中，所述拟合曲线由若干离散点组成；
根据所述若干离散点确定非线性规划模型，以对所述拟合曲线进行优化；其中，所述非线性规划模型包括目标函数和约束函数，所述目标函数用于表征优化后的拟合曲线的长度，所述约束函数用于表征优化后的拟合曲线的光滑度；
当所述非线性规划模型存在最优解时，根据所述最优解构建特性最优曲线；
将所述特性最优曲线作为AGV的取货路径，根据所述取货路径控制AGV取货。
2.根据权利要求1所述的基于视觉检测的AGV取货路径规划方法，其特征在于，所述AGV设置有测偏机构，所述测偏机构用于测量AGV距离取货位置的偏差值；所述确定AGV在所述场地地图中进行取货的起点和终点包括：
设定AGV两侧后轮轴心连线的中点为参考点，并以所述参考点为原点建立AGV的参考坐标系；
将所述参考点由参考坐标系转换到世界坐标系，得到参考点的世界坐标，将所述参考点的世界坐标作为AGV在所述场地地图中进行取货的起点；
获取所述测偏机构测量的偏差值，将所述偏差值转换到AGV的参考坐标系，根据所述参考点和所述偏差值确定测量点的世界坐标，将所述测量点的世界坐标作为AGV在所述场地地图中进行取货的终点。
3.根据权利要求1所述的基于视觉检测的AGV取货路径规划方法，其特征在于，所述采用三次B样条插值方法生成从所述起点到终点的拟合曲线包括：
根据路径的长度量级选取多个控制点；其中，所述控制点包括参考点和测量点，AGV在所述场地地图中行驶路径的起点和终点；
对相邻2个控制点进行插值，生成该相邻2个控制点的拟合曲线；其中，所述拟合曲线由若干离散点组成。
将每组相邻2个控制点的拟合曲线连接形成从所述起点到终点的拟合曲线。
4.根据权利要求3所述的基于视觉检测的AGV取货路径规划方法，其特征在于，所述根据所述若干离散点确定非线性规划模型，以对所述拟合曲线进行优化，包括：
确定所述拟合曲线中每个离散点的曲率和相邻2个离散点的距离；
根据所述每个离散点的曲率确定第一成本值；根据所述相邻2个离散点的距离确定第二成本值；根据所述多个控制点确定第三成本值；
根据所述第一成本值、第二成本值和第三成本值确定总成本值；
将所述总成本值的最小值作为目标函数，将每个离散点的曲率的一阶导数均小于第一设定阈值作为约束函数。
5.根据权利要求4所述的基于视觉检测的AGV取货路径规划方法，其特征在于，所述方法还包括但不限于有以下步骤：
当所述非线性规划模型不存在最优解时，控制AGV后退第一设定长度，以AGV后退后的参考点为起点，执行步骤S300；或，控制AGV往货物偏移角度相反方向原地旋转设定角度后，执行步骤S300。
6.一种基于视觉检测的AGV取货路径规划装置，其特征在于，所述基于视觉检测的AGV取货路径规划装置包括：
获取模块，用于获取预先设定的场地地图；
确定模块，用于确定AGV在所述场地地图中进行取货的起点和终点；
生成模块，用于采用三次B样条插值方法生成从所述起点到终点的拟合曲线；其中，所述拟合曲线由若干离散点组成；
规划模块，用于根据所述若干离散点确定非线性规划模型，以对所述拟合曲线进行优化；其中，所述非线性规划模型包括目标函数和约束函数，所述目标函数用于表征优化后的拟合曲线的长度，所述约束函数用于表征优化后的拟合曲线的光滑度；
构建模块，用于当所述非线性规划模型存在最优解时，根据所述最优解构建特性最优曲线；
控制模块，用于将所述特性最优曲线作为AGV的取货路径，根据所述取货路径控制AGV取货。
7.一种AGV，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任意一项所述的基于视觉检测的AGV取货路径规划方法。
8.一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如权利要求1至5中任意一项所述的基于视觉检测的AGV取货路径规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111238421.4A CN113985872A (zh) | 2021-10-25 | 2021-10-25 | 基于视觉检测的agv取货路径规划方法、装置及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111238421.4A CN113985872A (zh) | 2021-10-25 | 2021-10-25 | 基于视觉检测的agv取货路径规划方法、装置及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113985872A true CN113985872A (zh) | 2022-01-28 |
Family
ID=79740797
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111238421.4A Pending CN113985872A (zh) | 2021-10-25 | 2021-10-25 | 基于视觉检测的agv取货路径规划方法、装置及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113985872A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107702716A (zh) * | 2017-08-31 | 2018-02-16 | 广州小鹏汽车科技有限公司 | 一种无人驾驶路径规划方法、系统和装置 |
| CN110533730A (zh) * | 2019-08-26 | 2019-12-03 | 智久(厦门)机器人科技有限公司 | 基于b样条曲线的路径规划方法、装置、计算机可读存储介质 |
| WO2020237890A1 (zh) * | 2019-05-28 | 2020-12-03 | 上海钛米机器人科技有限公司 | 一种速度规划方法、装置、电子设备及存储介质 |
| CN112673234A (zh) * | 2020-01-17 | 2021-04-16 | 华为技术有限公司 | 路径规划方法和路径规划装置 |
| CN113448335A (zh) * | 2021-07-02 | 2021-09-28 | 广州小鹏自动驾驶科技有限公司 | 路径规划方法和装置、车辆和可读存储介质 |
-
2021
- 2021-10-25 CN CN202111238421.4A patent/CN113985872A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107702716A (zh) * | 2017-08-31 | 2018-02-16 | 广州小鹏汽车科技有限公司 | 一种无人驾驶路径规划方法、系统和装置 |
| WO2020237890A1 (zh) * | 2019-05-28 | 2020-12-03 | 上海钛米机器人科技有限公司 | 一种速度规划方法、装置、电子设备及存储介质 |
| CN110533730A (zh) * | 2019-08-26 | 2019-12-03 | 智久(厦门)机器人科技有限公司 | 基于b样条曲线的路径规划方法、装置、计算机可读存储介质 |
| CN112673234A (zh) * | 2020-01-17 | 2021-04-16 | 华为技术有限公司 | 路径规划方法和路径规划装置 |
| CN113448335A (zh) * | 2021-07-02 | 2021-09-28 | 广州小鹏自动驾驶科技有限公司 | 路径规划方法和装置、车辆和可读存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| GUANGHAO HUANG: "Research on Path Planning Algorithm of Autonomous Vehicles Based on Improved RRT Algorithm", 《INTERNATIONAL JOURNAL OF INTELLIGENT TRANSPORTATION SYSTEMS RESEARCH》, 22 October 2021 (2021-10-22) * |
| 盛鹏程;罗新闻;李景蒲;吴学易;卞学良;: "智能电动车弯曲道路场景中的避障路径规划", 交通运输工程学报, no. 02, 15 April 2020 (2020-04-15) * |
| 高晓: "基于三次样条插值实现无人机高动态运动轨迹插值", 《全球定位系统》, 29 February 2020 (2020-02-29) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2020203481B2 (en) | Systems and methods for materials handling vehicle odometry calibration | |
| US10455226B2 (en) | Systems and methods for image capture device calibration for a materials handling vehicle | |
| US8548671B2 (en) | Method and apparatus for automatically calibrating vehicle parameters | |
| CN110837814B (zh) | 车辆导航方法、装置及计算机可读存储介质 | |
| US11912517B2 (en) | Pallet system for cargo transport | |
| US20200264625A1 (en) | Systems and methods for calibration of a pose of a sensor relative to a materials handling vehicle | |
| CN103582803A (zh) | 共享与自动化工业车辆相关联的地图数据的方法和装置 | |
| US20070026872A1 (en) | Method for determining a relative position of a mobile unit by comparing scans of an environment and mobile unit | |
| CN113759906A (zh) | 一种车辆对位方法、装置、计算机设备和存储介质 | |
| CN115924798A (zh) | 一种基于视觉识别的叉车agv取货车货物方法及系统 | |
| CN113985872A (zh) | 基于视觉检测的agv取货路径规划方法、装置及介质 | |
| CN115877853B (zh) | 一种智慧仓储物流路径规划系统及方法 | |
| CN115979295A (zh) | 基于几何a星的叉车路径规划方法、系统、设备及介质 | |
| CN116629734A (zh) | 仓储系统物品拣选路径的规划方法、装置、设备及介质 | |
| CN116360455A (zh) | 自动驾驶车辆的动态偏离补偿方法、装置、电子设备及介质 | |
| CN115557432A (zh) | 货物卸载方法、装置、电子设备及存储介质 | |
| CN112764045A (zh) | 一种基于激光雷达的无人驾驶集卡装箱的精确对位方法 | |
| WO2020155191A1 (zh) | 自动导引运输车的取货方法、装置和计算机设备 | |
| CN116909240B (zh) | Agv小车的装卸车动态路径规划方法、系统及相关介质 | |
| WO2024084971A1 (ja) | クレーン制御システム、及びクレーン制御方法 | |
| JP2022129099A (ja) | 荷役システム | |
| CN113866786A (zh) | 叉车定位的方法、叉车及计算机可读存储介质 | |
| CN113933817A (zh) | 车厢点云姿态的校正方法及装置 | |
| CN116767275A (zh) | 车辆控制方法、装置、计算机设备及存储介质 | |
| CN111897322A (zh) | 运输车的方位调整方法和产品 |
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 |