CN116559782B - 基于震动传感器的agv定位方法、系统、介质及设备 - Google Patents
基于震动传感器的agv定位方法、系统、介质及设备 Download PDFInfo
- Publication number
- CN116559782B CN116559782B CN202310599279.9A CN202310599279A CN116559782B CN 116559782 B CN116559782 B CN 116559782B CN 202310599279 A CN202310599279 A CN 202310599279A CN 116559782 B CN116559782 B CN 116559782B
- Authority
- CN
- China
- Prior art keywords
- vibration
- agv
- signal
- time delay
- sensor
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000035939 shock Effects 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 24
- 238000005314 correlation function Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 15
- 238000003062 neural network model Methods 0.000 claims description 8
- 230000005236 sound signal Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
Classifications
-
- 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
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于震动传感器的AGV定位方法、系统、介质及设备,其方法包括以下步骤:获取在目标空间内震动传感器接收到的AGV震动信号;基于广义互相关算法计算任意两个震动传感器接收到同一AGV震动信号的时间延迟;根据任意两个震动传感器接收到同一AGV震动信号的时间延迟,并基于TDOA算法,定位AGV;因此可实现低成本、高实时性、高鲁棒性、高精确度的AGV定位。
Description
技术领域
本发明涉及AGV定位技术领域,特别涉及一种基于震动传感器的AGV定位方法、系统、介质及设备。
背景技术
随着智能制造、数字孪生等概念的提出,对于自动导引车AGV(Automated GuidedVehicle)的定位导航系统提出了更高的要求。在对AGV车进行定位时,常用的方法有如下几种:
1、惯性定位,独立性强,但是定位误差会随着时间累积,需要定时修正,且成本较高。2、信标定位,信标定位包含激光定位和视觉定位,激光定位在面对沙尘多的恶劣工作环境时会受到影响,视觉定位则对于环境要求更高,例如光照、阴影、尘土等因素均会导致定位效果变差。3、卫星定位,卫星定位的数据更新频率低,经常出现信号不稳定的情况,且不满足物料运输所需要的高精度要求。
针对上述常用的定位方式中,惯性定位成本较高,误差会随着时间累积,信标定位鲁棒性差,且卫星定位不稳定的问题,需要针对上述问题,提出一种基于地面震动信号传感器的AGV定位方法,实现封闭园区内对AGV进行全时段、全天候的精确定位。
发明内容
本发明的提供一种基于震动传感器的AGV定位方法、系统、介质及设备,可实现低成本、高实时性、高鲁棒性、高精确度的AGV定位。
第一方面,提供一种基于震动传感器的AGV定位方法,具体包括以下步骤:
获取在目标空间内震动传感器接收到的AGV震动信号;
基于广义互相关算法计算任意两个震动传感器接收到同一AGV震动信号的时间延迟;
根据任意两个震动传感器接收到同一AGV震动信号的时间延迟,并基于TDOA算法,定位AGV。
根据第一方面,在第一方面的第一种可能的实现方式中,所述“基于广义互相关算法计算任意两个震动传感器接收到同一AGV震动信号的时间延迟”步骤,具体包括以下步骤:
获得广义互相关函数Rij(τ)如下:
Rij(τ)=αiαjE[s(t-Ti)s(t-Tj-τij)] 式(一);
当广义互相关函数Rij(τ)取得最大值时,计算任意两个震动传感器接收到同一AGV震动信号的时间延迟τij如下:
τij=argmaxRij(τ) 式(二);
式中,s(t)为AGV发出的声音信号;Ti、Tj分别为s(t)到达两个震动传感器Ai、Aj时所用时间;αi为震动传感器Ai接收AGV震动信号对应的信号衰减系数;αj为震动传感器Aj接收AGV震动信号对应的信号衰减系数。
根据第一方面,在第一方面的第二种可能的实现方式中,所述“根据任意两个震动传感器接收到同一AGV震动信号的时间延迟,并基于TDOA算法,定位AGV”步骤,具体包括以下步骤:
设震动传感器为5个,其中一个震动传感器设于目标空间中间位置,其余四个震动传感器分别对应设于目标空间的四个边角位置;
在极坐标系下,设五个震动传感器的位置分别为:
A0(0,0),A1(a,0),A2(0,b),A3(-a,0),A4(0,-b);
设AGV位置为B(x,y);
根据任意两个震动传感器接收到同一AGV震动信号的时间延迟τij,震动波传播速度v,计算AGV位置如下:
其中,τ10为震动传感器A1、震动传感器A0接收到同一AGV震动信号的时间延迟;τ20为震动传感器A2、震动传感器A0接收到同一AGV震动信号的时间延迟;τ30为震动传感器A3、震动传感器A0接收到同一AGV震动信号的时间延迟;τ40为震动传感器A4、震动传感器A0接收到同一AGV震动信号的时间延迟。
根据第一方面,在第一方面的第三种可能的实现方式中,所述“获取在目标空间内震动传感器接收到的AGV震动信号”步骤,具体包括以下步骤:
获取在目标空间内震动传感器接收到的初始震动信号;
基于预设神经网络模型对所述初始震动信号进行识别,获取AGV震动信号。
第二方面,还提供了一种基于震动传感器的AGV定位系统,包括:
信号获取模块,用于获取在目标空间内震动传感器接收到的AGV震动信号;
时间延迟模块,与所述信号获取模块通信连接,用于基于广义互相关算法计算任意两个震动传感器接收到同一AGV震动信号的时间延迟;
定位模块,与所述时间延迟模块通信连接,用于根据任意两个震动传感器接收到同一AGV震动信号的时间延迟,并基于TDOA算法,定位AGV。
一些实施例中,所述时间延迟模块用于,
获得广义互相关函数Rij(τ)如下:
Rij(τ)=αiαjE[s(t-Ti)s(t-Tj-τij)] 式(一);
当广义互相关函数Rij(τ)取得最大值时,计算任意两个震动传感器接收到同一AGV震动信号的时间延迟τij如下:
τij=argmaxRij(τ) 式(二);
式中,s(t)为AGV发出的声音信号;Ti、Tj分别为s(t)到达两个震动传感器Ai、Aj时所用时间;αi为震动传感器Ai接收AGV震动信号对应的信号衰减系数;αj为震动传感器Aj接收AGV震动信号对应的信号衰减系数。
一些实施例中,所述定位模块用于,
设震动传感器为5个,其中一个震动传感器设于目标空间中间位置,其余四个震动传感器分别对应设于目标空间的四个边角位置;
在极坐标系下,设五个震动传感器的位置分别为:
A0(0,0),A1(a,0),A2(0,b),A3(-a,0),A4(0,-b);
设AGV位置为B(x,y);
根据任意两个震动传感器接收到同一AGV震动信号的时间延迟τij震动波传播速度v,计算AGV位置如下:
其中,τ10为震动传感器A1、震动传感器A0接收到同一AGV震动信号的时间延迟;τ20为震动传感器A2、震动传感器A0接收到同一AGV震动信号的时间延迟;τ30为震动传感器A3、震动传感器A0接收到同一AGV震动信号的时间延迟;τ40为震动传感器A4、震动传感器A0接收到同一AGV震动信号的时间延迟。
一些实施例中,所述信号获取模块用于,获取在目标空间内震动传感器接收到的初始震动信号;基于预设神经网络模型对所述初始震动信号进行识别,获取AGV震动信号。
第三方面,还提供了一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上述所述基于震动传感器的AGV定位方法。
第四方面,还提供了一种电子设备,包括存储介质、处理器以及存储在所述存储介质中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序时实现如上述所述基于震动传感器的AGV定位方法。
与现有技术相比,本发明的优点如下:针对常用的定位方式中,惯性定位成本较高,信标定位鲁棒性差,卫星定位精度容易被干扰的问题,本发明提出了基于震动传感器的AGV定位方法,在目标空间(封闭园区)内的特定位置安装震动传感器,用来采集AGV移动时产生的震动信号,再通过广义互相关算法求得任意两个传感器接收到同一AGV震动信号的时间延迟,再根据TDOA算法解得AGV当前位置,实现封闭园区内AGV的定位,再根据TDOA算法解得AGV当前位置,实现低成本、高实时性、高鲁棒性、高精确度的AGV定位。
附图说明
图1是本发明一种基于震动传感器的AGV定位方法的一实施例的流程示意图;
图2是本发明实施例的线控底盘的运行轨迹示意图;
图3是本发明实施例的震动传感器与AGV在极坐标系下的示意图;
图4是本发明一种基于震动传感器的AGV定位系统的结构示意图。
具体实施方式
现在将详细参照本发明的具体实施例,在附图中例示了本发明的例子。尽管将结合具体实施例描述本发明,但将理解,不是想要将本发明限于所述的实施例。相反,想要覆盖由所附权利要求限定的在本发明的精神和范围内包括的变更、修改和等价物。应注意,这里描述的方法步骤都可以由任何功能块或功能布置来实现,且任何功能块或功能布置可被实现为物理实体或逻辑实体、或者两者的组合。
为了使本领域技术人员更好地理解本发明,下面结合附图和具体实施方式对本发明作进一步详细说明。
注意:接下来要介绍的示例仅是一个具体的例子,而不作为限制本发明的实施例必须为如下具体的步骤、数值、条件、数据、顺序等等。本领域技术人员可以通过阅读本说明书来运用本发明的构思来构造本说明书中未提到的更多实施例。
参见图1所示,本发明实施例提供一种基于震动传感器的AGV定位方法,其特征在于,具体包括以下步骤:
S100,获取在目标空间内震动传感器接收到的AGV震动信号;
S200,基于广义互相关算法计算任意两个震动传感器接收到同一AGV震动信号的时间延迟;
S300,根据任意两个震动传感器接收到同一AGV震动信号的时间延迟,并基于TDOA算法,定位AGV。
具体地,本实施例中,针对常用的定位方式中,惯性定位成本较高,信标定位鲁棒性差,卫星定位精度容易被干扰的问题,本发明提出了基于震动传感器的AGV定位方法,在目标空间(封闭园区)内的特定位置安装震动传感器,用来采集AGV移动时产生的震动信号,再通过广义互相关算法求得任意两个传感器接收到同一AGV震动信号的时间延迟,再根据TDOA算法解得AGV当前位置,实现封闭园区内AGV的定位,再根据TDOA算法解得AGV当前位置,实现低成本、高实时性、高鲁棒性、高精确度的AGV定位。
优选地,在本申请另外的实施例中,所述“S200,基于广义互相关算法计算任意两个震动传感器接收到同一AGV震动信号的时间延迟”步骤,具体包括以下步骤:
获得广义互相关函数Rij(τ)如下:
Rij(τ)=αiαjE[s(t-Ti)s(t-Tj-τij)] 式(一);
当广义互相关函数Rij(τ)取得最大值时,计算任意两个震动传感器接收到同一AGV震动信号的时间延迟τij如下:
τij=argmaxRij(τ) 式(二);
式中,s(t)为AGV发出的声音信号;Ti、Tj分别为s(t)到达两个震动传感器Ai、Aj时所用时间;αi为震动传感器Ai接收AGV震动信号对应的信号衰减系数;αj为震动传感器Aj接收AGV震动信号对应的信号衰减系数。
具体地,本实施例中,
任意选择两个震动传感器,假定它们分别为Ai、Aj,声音信号为s(t),s(t)到达Ai、Aj的所用时间分别为Ti、Tj,震动信号的时间延迟τij=Ti-Tj噪声信号用ni、nj表示,广义互相关函数的主要计算推导过程如下:
两个传感器接收到的震动信号分别可以表示为:
xi(t)=αis(t-Ti)+ni(t)
xj(t)=αjs(t-Tj)+nj(t);
根据广义互关函数的基本公式,将两个震动传感器接收到的震动信号带入可以得到如下公式:
Rij(τ)=αiαjE[s(t-Ti)s(t-Tj)]+αiE[s(t-Ti)nj(t-τij)]+αjE[s(t-Tj)ni(t)]+E[ni(t)nj(t-τij)]
又因为震动信号和噪声信号之间是相互独立的,不同噪声之间也是相互独立的,因此可以将上述式子化简为:
Rij(τ)=αiαjE[s(t-Ti)s(t-Tj-τij)] 式(一);
当广义互相关函数Rij(τ)取得最大值时,计算任意两个震动传感器接收到同一AGV震动信号的时间延迟τij如下:
τij=argmaxRij(τ) 式(二)。
优选地,在本申请另外的实施例中,所述“S300,根据任意两个震动传感器接收到同一AGV震动信号的时间延迟,并基于TDOA算法,定位AGV”步骤,具体包括以下步骤:
设震动传感器为5个,其中一个震动传感器设于目标空间中间位置,其余四个震动传感器分别对应设于目标空间的四个边角位置;
在极坐标系下,设五个震动传感器的位置分别为:
A0(0,0),A1(a,0),A2(0,b),A3(-a,0),A4(0,-b);
设AGV位置为B(x,y);
根据任意两个震动传感器接收到同一AGV震动信号的时间延迟τij震动波传播速度v,计算AGV位置如下:
其中,τ10为震动传感器A1、震动传感器A0接收到同一AGV震动信号的时间延迟;τ20为震动传感器A2、震动传感器A0接收到同一AGV震动信号的时间延迟;τ30为震动传感器A3、震动传感器A0接收到同一AGV震动信号的时间延迟;τ40为震动传感器A4、震动传感器A0接收到同一AGV震动信号的时间延迟。
具体地,本实施例中,在目标空间(封闭园区)内设置五个震动传感器,其中一个震动传感器设于目标空间中间位置,其余四个震动传感器分别对应设于目标空间的四个边角位置,是可使用最少的震动传感器布局得到最精确AGV定位的方式。
同时参见图2所示,在极坐标系下,设五个震动传感器的位置分别为:
A0(0,0),A1(a,0),A2(0,b),A3(-a,0),A4(0,-b);
设AGV位置为B(x,y);
则AGV与每个震动传感器之间的距离为如下公式:
根据任意两个震动传感器接收到同一AGV震动信号的时间延迟τij,震动波传播速度v,计算任意两个震动传感器之间的距离差为如下公式:
BAi-BAj=vτij 式(四);
设AGV与位于封闭园区中间位置的震动传感器之间的距离为r,AGV与x轴坐标形成的夹角为θ,得到如下公式:
根据公式(三)、(四)及(五),得到如下公式:
将公式(七)及(八)代入至(五)中,得到AGV位置如下:
其中,τ10为震动传感器A1、震动传感器A0接收到同一AGV震动信号的时间延迟;τ20为震动传感器A2、震动传感器A0接收到同一AGV震动信号的时间延迟;τ30为震动传感器A3、震动传感器A0接收到同一AGV震动信号的时间延迟;τ40为震动传感器A4、震动传感器A0接收到同一AGV震动信号的时间延迟。
优选地,在本申请另外的实施例中,所述“S100,获取在目标空间内震动传感器接收到的AGV震动信号”步骤,具体包括以下步骤:
S110,获取在目标空间内震动传感器接收到的初始震动信号;
S120基于预设神经网络模型对所述初始震动信号进行识别,获取AGV震动信号。
具体地,本实施例中,假设此时AGV运动到(x,y)点,所产生的震动信号被四个震动传感器接收到,此时园区内除了AGV还存在换气扇、加工设备等其他会产生震动信号的干扰物,因此需对接收到的初始震动信号进行识别。
对AGV运动时的地面震动信号以及其他干扰的地面震动信号进行深度学习,将训练后的预设神经网络模型部署在小型服务器上,与震动传感器连接。当震动传感器接收到信号时,小型服务器对信号进行识别,判断是否属于AGV产生的地面震动信号。
需要说明的是,所使用预设神经网络模型的结构如图3所示。
同时参见图4所示,本发明实施例还提供了一种基于震动传感器的AGV定位系统,所述时间延迟模块用于,
获得广义互相关函数Rij(τ)如下:
Rij(τ)=αiαjE[s(t-Ti)s(t-Tj-τij)] 式(一);
当广义互相关函数Rij(τ)取得最大值时,计算任意两个震动传感器接收到同一AGV震动信号的时间延迟τij如下:
τij=argmaxRij(τ) 式(二);
式中,s(t)为AGV发出的声音信号;Ti、Tj分别为s(t)到达两个震动传感器Ai、Aj时所用时间;αi为震动传感器Ai接收AGV震动信号对应的信号衰减系数;αj为震动传感器Aj接收AGV震动信号对应的信号衰减系数。
所述定位模块用于,
设震动传感器为5个,其中一个震动传感器设于目标空间中间位置,其余四个震动传感器分别对应设于目标空间的四个边角位置;
在极坐标系下,设五个震动传感器的位置分别为:
A0(0,0),A1(a,0),A2(0,b),A3(-a,0),A4(0,-b);
设AGV位置为B(x,y);
根据任意两个震动传感器接收到同一AGV震动信号的时间延迟τij,震动波传播速度v,计算AGV位置如下:
其中,τ10为震动传感器A1、震动传感器A0接收到同一AGV震动信号的时间延迟;τ20为震动传感器A2、震动传感器A0接收到同一AGV震动信号的时间延迟;τ30为震动传感器A3、震动传感器A0接收到同一AGV震动信号的时间延迟;τ40为震动传感器A4、震动传感器A0接收到同一AGV震动信号的时间延迟。
所述信号获取模块用于,获取在目标空间内震动传感器接收到的初始震动信号;基于预设神经网络模型对所述初始震动信号进行识别,获取AGV震动信号。
因此,本发明在封闭园区内的特定位置安装震动传感器,用来采集AGV移动时产生的震动信号,震动传感器接收到震动信号之后,通过深度学习判断接收到的震动信号是否为AGV产生的,如果是,则通过广义互相关算法求得任意两个传感器接收到同一段信号的时间延迟。再根据TDOA算法解得AGV当前位置,实现封闭园区内AGV的定位。
具体的,本实施例与上述方法实施例一一对应,各个模块的功能在相应的方法实施例中已经进行详细说明,因此不再一一赘述。
基于同一发明构思,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法的所有方法步骤或部分方法步骤。
本发明实现上述方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
基于同一发明构思,本申请实施例还提供一种电子设备,包括存储器和处理器,存储器上储存有在处理器上运行的计算机程序,处理器执行计算机程序时实现上述方法中的所有方法步骤或部分方法步骤。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,处理器是计算机装置的控制中心,利用各种接口和线路连接整个计算机装置的各个部分。
存储器可用于存储计算机程序和/或模块,处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(例如声音播放功能、图像播放功能等);存储数据区可存储根据手机的使用所创建的数据(例如音频数据、视频数据等)。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、服务器或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、服务器和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本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 (8)
1.一种基于震动传感器的AGV定位方法,其特征在于,具体包括以下步骤:
获取在目标空间内震动传感器接收到的AGV震动信号;
基于广义互相关算法计算任意两个震动传感器接收到同一AGV震动信号的时间延迟;
根据任意两个震动传感器接收到同一AGV震动信号的时间延迟,并基于TDOA算法,定位AGV;
所述“根据任意两个震动传感器接收到同一AGV震动信号的时间延迟,并基于TDOA算法,定位AGV”步骤,具体包括以下步骤:
设震动传感器为5个,其中一个震动传感器设于目标空间中间位置,其余四个震动传感器分别对应设于目标空间的四个边角位置;
在极坐标系下,设五个震动传感器的位置分别为:
A0(0,0),A1(a,0),A2(0,b),A3(-a,0),A4(0,-b);
设AGV位置为B(x,y);
根据任意两个震动传感器接收到同一AGV震动信号的时间延迟τij,震动波传播速度v,计算AGV位置如下:
其中,τ10为震动传感器A1、震动传感器A0接收到同一AGV震动信号的时间延迟;τ20为震动传感器A2、震动传感器A0接收到同一AGV震动信号的时间延迟;τ30为震动传感器A3、震动传感器A0接收到同一AGV震动信号的时间延迟;τ40为震动传感器A4、震动传感器A0接收到同一AGV震动信号的时间延迟。
2.如权利要求1所述的基于震动传感器的AGV定位方法,其特征在于,所述“基于广义互相关算法计算任意两个震动传感器接收到同一AGV震动信号的时间延迟”步骤,具体包括以下步骤:
获得广义互相关函数Rij(τ)如下:
Rij(τ)=αiαjE[s(t-Ti)s(t-Tj-τij)] 式(一);
当广义互相关函数Rij(τ)取得最大值时,计算任意两个震动传感器接收到同一AGV震动信号的时间延迟τij如下:
τij=argmaxRij(τ) 式(二);
式中,s(t)为AGV发出的声音信号;Ti、Tj分别为s(t)到达两个震动传感器Ai、Aj时所用时间;αi为震动传感器Ai接收AGV震动信号对应的信号衰减系数;αj为震动传感器Aj接收AGV震动信号对应的信号衰减系数。
3.如权利要求1所述的基于震动传感器的AGV定位方法,其特征在于,所述“获取在目标空间内震动传感器接收到的AGV震动信号”步骤,具体包括以下步骤:
获取在目标空间内震动传感器接收到的初始震动信号;
基于预设神经网络模型对所述初始震动信号进行识别,获取AGV震动信号。
4.一种基于震动传感器的AGV定位系统,其特征在于,包括:
信号获取模块,用于获取在目标空间内震动传感器接收到的AGV震动信号;
时间延迟模块,与所述信号获取模块通信连接,用于基于广义互相关算法计算任意两个震动传感器接收到同一AGV震动信号的时间延迟:
定位模块,与所述时间延迟模块通信连接,用于根据任意两个震动传感器接收到同一AGV震动信号的时间延迟,并基于TDOA算法,定位AGV;
所述定位模块用于,
设震动传感器为5个,其中一个震动传感器设于目标空间中间位置,其余四个震动传感器分别对应设于目标空间的四个边角位置;
在极坐标系下,设五个震动传感器的位置分别为:
A0(0,0),A1(a,0),A2(0,b),A3(-a,0),A4(0,-b);
设AGV位置为B(x,y);
根据任意两个震动传感器接收到同一AGV震动信号的时间延迟τij,震动波传播速度v,计算AGV位置如下:
其中,τ10为震动传感器A1、震动传感器A0接收到同一AGV震动信号的时间延迟;τ20为震动传感器A2、震动传感器A0接收到同一AGV震动信号的时间延迟;τ30为震动传感器A3、震动传感器A0接收到同一AGV震动信号的时间延迟;τ40为震动传感器A4、震动传感器A0接收到同一AGV震动信号的时间延迟。
5.如权利要求4所述的基于震动传感器的AGV定位系统,其特征在于,所述时间延迟模块用于,
获得广义互相关函数Rij(τ)如下:
Rij(τ)=αiαjE[s(t-Ti)s(t-Tj-τij)] 式(一);
当广义互相关函数Rij(τ)取得最大值时,计算任意两个震动传感器接收到同一AGV震动信号的时间延迟τij如下:
τij=argmaxRij(τ) 式(二);
式中,s(t)为AGV发出的声音信号;Ti、Tj分别为s(t)到达两个震动传感器Ai、Aj时所用时间;αi为震动传感器Ai接收AGV震动信号对应的信号衰减系数;αj为震动传感器Aj接收AGV震动信号对应的信号衰减系数。
6.如权利要求4所述的基于震动传感器的AGV定位系统,其特征在于,所述信号获取模块用于,获取在目标空间内震动传感器接收到的初始震动信号;基于预设神经网络模型对所述初始震动信号进行识别,获取AGV震动信号。
7.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3中任一项所述基于震动传感器的AGV定位方法。
8.一种电子设备,包括存储介质、处理器以及存储在所述存储介质中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序时实现如权利要求1至3中任一项所述基于震动传感器的AGV定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310599279.9A CN116559782B (zh) | 2023-05-25 | 2023-05-25 | 基于震动传感器的agv定位方法、系统、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310599279.9A CN116559782B (zh) | 2023-05-25 | 2023-05-25 | 基于震动传感器的agv定位方法、系统、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116559782A CN116559782A (zh) | 2023-08-08 |
CN116559782B true CN116559782B (zh) | 2024-01-23 |
Family
ID=87499979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310599279.9A Active CN116559782B (zh) | 2023-05-25 | 2023-05-25 | 基于震动传感器的agv定位方法、系统、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116559782B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101529516B1 (ko) * | 2014-10-27 | 2015-06-18 | 국방과학연구소 | 음원 위치 추정 장치 및 음원 위치 추정 방법 |
CN108313089A (zh) * | 2017-01-18 | 2018-07-24 | 扬州立鼎恒新微电子科技有限公司 | 一种基于mems震动传感器的列车实时定位方法 |
CN111044975A (zh) * | 2019-12-10 | 2020-04-21 | 北京无线电计量测试研究所 | 一种地震动信号定位方法和系统 |
CN113176606A (zh) * | 2021-06-02 | 2021-07-27 | 中国恩菲工程技术有限公司 | 微震震源定位方法、系统、设备及存储介质 |
KR102497914B1 (ko) * | 2021-10-22 | 2023-02-13 | 조용현 | 소리위치 추적 지능형 제어방법 및 시스템 |
-
2023
- 2023-05-25 CN CN202310599279.9A patent/CN116559782B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101529516B1 (ko) * | 2014-10-27 | 2015-06-18 | 국방과학연구소 | 음원 위치 추정 장치 및 음원 위치 추정 방법 |
CN108313089A (zh) * | 2017-01-18 | 2018-07-24 | 扬州立鼎恒新微电子科技有限公司 | 一种基于mems震动传感器的列车实时定位方法 |
CN111044975A (zh) * | 2019-12-10 | 2020-04-21 | 北京无线电计量测试研究所 | 一种地震动信号定位方法和系统 |
CN113176606A (zh) * | 2021-06-02 | 2021-07-27 | 中国恩菲工程技术有限公司 | 微震震源定位方法、系统、设备及存储介质 |
KR102497914B1 (ko) * | 2021-10-22 | 2023-02-13 | 조용현 | 소리위치 추적 지능형 제어방법 및 시스템 |
Non-Patent Citations (1)
Title |
---|
基于多地震动传感器的管道安全监测预警关键技术的研究;孙洁娣;《中国博士学位论文全文数据库 信息科技辑》(第12期);正文第75-76,99-115页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116559782A (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109741367A (zh) | 车辆跟随的目标轨迹识别方法 | |
CN116559782B (zh) | 基于震动传感器的agv定位方法、系统、介质及设备 | |
CN114119744B (zh) | 一种构建点云地图的方法、装置、设备及存储介质 | |
Han et al. | Precise positioning with machine learning based Kalman filter using GNSS/IMU measurements from android smartphone | |
CN111866674B (zh) | 扬声器组件控制方法、装置及存储介质 | |
US20200191579A1 (en) | Method and apparatus for processing positioning data, device, storage medium and vehicle | |
CN111337950A (zh) | 提高地标定位精度的数据处理方法、装置、设备及介质 | |
CN112558036A (zh) | 用于输出信息的方法和装置 | |
CN115909252A (zh) | 车载多相机目标检测方法、控制装置、存储介质及车辆 | |
CN109711363B (zh) | 车辆定位方法、装置、设备和存储介质 | |
US10802126B2 (en) | Electronic device and positioning method | |
CN105246155A (zh) | 一种定位网络接入设备地理位置的方法及装置 | |
CN116625384B (zh) | 一种数据关联方法、装置及电子设备 | |
CN116736327B (zh) | 定位数据优化方法、装置、电子设备和可读存储介质 | |
CN111947670B (zh) | 机器人建图方法、装置、智能设备和存储介质 | |
CN110221281B (zh) | 电子装置以及定位方法 | |
CN111090269A (zh) | 基于生成对抗网络的传感器模拟方法、装置和存储介质 | |
CN116990045B (zh) | 基于惯性测量的线控底盘标度因数标定方法、系统及介质 | |
CN114543820B (zh) | 道路匹配方法及相关装置 | |
CN116363631B (zh) | 三维目标检测方法、装置及车辆 | |
US20240129684A1 (en) | Interpolation of finite impulse response filters for generating sound fields | |
CN116580095A (zh) | 一种目标定位方法和装置、电子设备和存储介质 | |
CN115908481A (zh) | 目标跟踪方法、装置、电子设备和计算机可读存储介质 | |
CN116164768A (zh) | 移动轨迹生成方法、自移动设备及可读存储介质 | |
KR20210098875A (ko) | 형상 모델 기반의 라이다/레이더 정보 융합을 통한 주변 차량 추적 방법 |
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 |