用于为自动引导带轮车辆记录和预测位置数据的方法与流程

本发明涉及一种在线评估车辆和环境参数的方法，其中在整个操作任务期间车辆改变运输负载。本发明具体地但非排外地涉及自动改变负载的车辆应用，所述车辆应用出于操作的目的需要对车辆和环境参数进行评估。

本发明可用于如下领域中：

.动物饲料自动分配，

.具有位置改变装备的车载机器人，

.植物喷雾/洒水，

.私人家庭的机器人包裹运输及运送和/或垃圾拾取，

.机器人辅助建造，例如砖块或瓷砖铺设和上漆，

.机器人辅助制造大型物品，例如风力涡轮机叶片。

背景技术：

车辆用于许多上述类型的应用中以运输随着时间改变的负载。沿着饲养位置的线路或在动物笼子处分配动物饲料是负载变化车辆的一个示例，其中车载负载一直减少到饲料罐为空。当再次装满饲料罐时，发生新的负载变化。车载负载的变化影响了每个车轮上的负载的大小，影响车辆/轮胎参数(以及车辆驾驶性能)。

自动引导车辆需要确定其位置和系统参数的一些方法，使得其能够随时间推移而实现所期望的位置和速度。在负载变化的情况下，可以自动使用车辆位置来将车载负载的一部分在所期望的笛卡尔坐标x、y、z处布置在周围环境中。车辆引导系统和负载布置系统可以组合成依赖于同一定位源的单个系统。

现有车辆定位方法包括使用全球导航卫星系统(gnss)/全球定位系统(gps)、车轮旋转编码器、惯性测量单元(imu)/惯性导航系统(ins)、超声、多普勒雷达、差动无线电三角测量(differentialradiotriangulation)、激光三角测量、激光测距扫描仪、照相机视觉(cameravision)、标签/地标等。这些方法(传感器)均具有各自的缺点，所述缺点为成本增加或者对于能够使用定位方法的条件和环境有要求。

gps/gnss方案要求在接收器和人造卫星之间存在直接和清晰的信号路径，这使得其通常在开放的户外环境中使用。依赖于视线的定位系统能够被发射光源、热、电磁场和视野阻碍结构所影响。基于imu的系统、车轮旋转编码器和多普勒雷达仅提供相对的定位坐标，其需要通过已知的位置来进行参照。基于标签/地标的方案由于覆盖所期望的区域所需的单元数量而可能较为昂贵，并且依赖于每个标签/地标位置的精确标识(mappedout)。

车轮旋转编码器(车轮测距装置(odometry))提供了评估车辆的位置随时间改变的方法。旋转编码器具有2种主要版本：

-增量式编码器，其通过a/b脉冲来测量角度变动(转速)，所述a/b脉冲需要通过装置(例如微控制器)来进行计数，

-绝对编码器，其测量编码器的角度并且在一些情况下测量旋转的数量。

增量式编码器和绝对编码器均用于测量车辆车轮的转速。为了计算车辆速度，可以基于v＝r*ω进行粗略估算，其中v是车速，r是车轮半径，ω是测得的车轮转速。车辆车轮上的编码器能够用于估算车辆的速度v和车轮的转速ω两者。

从车轮轴处的编码器获得的旋转数据的数值积分可以用于评估位置变化。车速评估依赖于精确的车轮半径r、车轮的无滑动的表面移动、以及平坦的表面。车轮旋转测量的任何误差或者与上述依赖因素的偏差均会导致定位评估中的累积误差。负载的变化能够影响轮胎参数，并且导致对于当前速度和位置的过高或过低的评估。已经研发了方法以补偿这些负载变化，但是趋于依赖于对于由当前车载负载引起的效果进行的基于离线校准的测量。表面状况也可能与预期的平坦和平整的表面不同，并且这可能导致不可靠的速度和位置评估。

过去十年中，已经使用例如射频识别的识别标签以用于提供与车辆有关的地区定位信息和全球定位信息。车辆配备有rfid读取器，所述rfid读取器在车辆自身坐标框架中的位置已知。位置已知的rfid标签沿着车辆路径布置以提供固定的位置校准(地标)。使用rfid标签位置的先前标识图，车辆能够获得相对于周围环境的绝对定位评估。当rfid读取器位于每个标签的检测区域内时，通过rfid标签为车辆提供定位评估。将rfid标签信息与其他车载定位传感器相结合，车辆能够持续地更新位置评估，所述车载定位传感器例如为车轮编码器、imu、激光扫描仪和/或可视照相机(visioncamera)。rfid标签之间的距离取决于所需的定位精度和能够由其他传感器源获得的数据。

文献cn102004893公开了一种基于射频识别(rfid)自校准的车辆定位方法，所述车辆定位方法使用安装在车辆驱动马达的主轴上的旋转编码器来获得车辆位移信息；使用安装在车辆轨道上的rfid电子标签来校准由旋转编码器测量的位移信息；根据旋转编码器的测量坐标值和rfid电子标签的坐标值的偏差范围选择加权分配系数，并且通过自学习加权的最小二乘法来校准旋转编码器和rfid电子标签的动态偏差，以降低受车辆的机械因素的影响产生的旋转编码器的测量误差。

该领域中的其他现有技术的文献为：

us6750769用于使用rfid标签以确定目标位置的方法和设备

wo2010068716a1用于确定车辆位置的方法和系统

wo2010083977a2用于确定能够在地表面上移动的装置的位置的定位系统

us7648329自动运输装载系统和方法

ep2376869a1用于确定车辆位置的方法和系统

us6377888用于控制车辆移动的系统

us1885023用于定位移动物体的系统

us5483455用于确定车辆位置的方法和设备

us4658373位置检测设备

dk177425b1用于饲养软毛动物的方法、饲料分送车和系统

wo2009010421a1用于确定位置和取向的装置和方法

de102006004938a1定位系统

us8400270b2用于使用rfid确定操作状态的系统和方法

us8587455基于嵌入式rfid标签定位车辆或移动目标

us8319955用于确定位置和方向的装置和方法

us7916022b2农业信息收集系统

us20090267741a1用于机器定位和可视信息传输的rfid地表面标签

de102006004400a1导航系统、导航装置和方法

us20050099302用于检测射频识别标签的系统

us7648329b2自动运输装载系统和方法

wo1998035276a1用于自动引导车辆的导航系统

需要一种确定当前车辆位置的简单且有效的方法，所述方法相对于负载位置和负载尺寸的可能的变化、以及相对于轮胎压力和磨损中的变化、以及相对于表面结构及表面质量中的变化来说是稳健(robust)的。

技术实现要素：

因而提供了根据权利要求1的方法。因此确保的是，当车辆向前移动时，基于所测得的角度位置或速度中的变动，负载在车辆的连续的绝对位置读数之间的任何变动均反映在对于车辆位置的预测中。

如权利要求2中所述，由于参考一个表面位置和车辆上的至少两个不同的间隔开的位置确定了车辆位置，该方法还允许多次确定车辆相对于表面的位置。具体地，车辆上的位置在车辆的移动方向上间隔开，使得车辆可以在两个连续的绝对位置读数之间移动明确限定的距离。

在如权利要求3所述的另一实施例中，该方法限定了一个车辆读取器以及大量预定的固定的表面位置以用于记录车辆位置。

在如权利要求4所述的优选实施例中，首先标识出预定的表面位置并且所述表面位置设置有rfid发射器/接收器装置。并且此外，车辆还设置有第一rfid读取器装置和第二rfid读取器装置。与旋转编码器(提供车轮的角度变动的信息)相结合的这些rfid系统允许在组合操作(例如负载变化和运动)期间安全且准确地判定车辆位置。

在权利要求5-9中列出了该方法的其他实施例。

上述方法可以由系统来实施，所述系统包括自推进、自引导带轮车辆，所述车辆能够沿着表面行驶，其中，车辆具有负载舱、可移动的装载和/或卸载臂、至少一个负载承载从动轮，所述从动轮与表面摩擦接合以用于推进车辆，其中，车辆还包括传感器，所述传感器能够收集与至少一个负载承载车轮相关的角度旋转数据，系统还包括预定的轨道，所述预定的轨道具有至少一个直线轨迹，所述直线轨迹沿着直线轨迹的长度具有一个或多个标识出的位置sm，所述位置sm设置有可读取的标签。此外，车辆包括沿移动方向间隔开的两个固定框架位置l1和l2，固定框架位置l1和l2包括标签读取器装置，其中，车载计算装置包括用于接收和存储标签信息的器件，所述器件识别出车辆相对于表面的两个绝对位置pn和pn+1。

通过该系统，间隔开的标签读取器可以确保每个可读取的标签均由处于两个不同位置的车辆读取，由此两个位置之间的行进距离将是标签读取器装置之间的精确距离。在实施例中建议的是，标签是rfid标签，而标签读取器装置是rfid读取器。

这种系统可以包括：当位置l1和l2经过可读取的标签时，计算装置能够计算车辆的两个连续的绝对位置pn和pn+1之间的绝对距离，并且车载计算装置能够计算转换因子β，所述转换因子β确定由至少一个车轮的预定的固定角度变动所获得的车辆位移，并且计算装置能够基于最新获得的绝对位置pn+1和相应的转换因子β和角度旋转数据进一步计算当前位置。

输送和拾取系统可以进一步限定为：负载包括动物饲料，并且直线轨迹沿一排动物饲养站f1至fn经过，并且输送系统能够在每个饲养站处输送预定部分的饲料。标识出的位置sm设置有与大量的预先选择的饲养站相对应的相应rfid标签，并且车载计算器件能够计算转换因子β在标识出的位置sm+1和先前经过的已标识出的位置sm之间的变化，转换因子的所述变化指示计算出的负载变化值δl0，使得车载计算装置能够基于旨在在位于sm和sm+1之间的饲养站处输送的动物饲料的总质量来计算负载变化，其中，无论何时δl0和δl之差的数值高于预定值，车载计算装置均能够报告错误的状态。

还提供了一种用于根据上述的输送或拾取系统的车载计算装置的程序。

此外，提供了具有这种程序的用于如上所述的输送和拾取系统的车载计算装置。

附图说明

下文将参考附图描述本发明，其中：

图1示出了带轮车辆的示意图，所述带轮车辆具有用于获取定位数据的器件，以及

图2示出了具有负载和不具有负载的带轮车辆(具有气胎车轮)的车轮的变化的示意图，

图3示出了imu内侧的传感器的示意图，

图4示出了仅具有一个rfid读取器的车辆和具有一系列rfid标签的轨道的示意图，

图5在右侧示出了具有rfid标签读取器的车辆正在离开检测区域，而在左侧示出了标签读取器正在进入检测区域，

图6是用于确定车辆1的位置的软件的主要功能部件的图示，

图7示出了车载计算机内的功能软件部件的更全面的图示，

图8示出了位于容纳动物笼子的建筑物内的车辆，

图9是与图8中所示位置基本上为同一位置的不同视角，以及

图10示出了例如用于貂的动物棚室的全面的视图。

具体实施方式

图1中示出了自推进车辆1的示意图。图2中示出了位于这种车辆1上的负载14。通过例如电动机和车载电池(未示出)的常规器件，使得车辆1沿着图2中所示的地表面5移动。车辆基本上沿着直线轨迹17移动，并且为此，还设置有车载操纵器件(附图中未示出)。未对操纵器件进行进一步详细描述。

来自所有车载传感器的与位置相关的传感器数据被发送至中央计算机20以结合在一起，从而提供对于车辆1的当前位置p的更佳评估。描述了下列输入：rfid读取器10、11；车轮旋转编码器12；imu13。

使用imu13来测量其所附接到的物体(本文为车辆1)的加速度和转速。由于起始位置和取向已知，来自imu13s的测量被发送至车载计算机20，并且通过使用数值积分而用于评估姿态。如下文在图3中所示，沿3d空间中所有三个轴线提供了测量，由此实现了六个自由度(dof)的测量，图3中示出了加速计和陀螺仪。

imu13通常以高的更新速率提供数据，这是相对于用于定向的其他传感器的优点。与具有相对于地表面滑动的问题的车轮编码器相比，由于imu13所有的测量均是全方位(global)的，因此imu13持续地提供正确的数据。使用imu进行定位的缺点在于其受到累积误差的影响。由于测得的值被累积在imu先前计算的位置上，所以在测量和测量之间的任何测量误差均被累积。累积误差可能导致实际位置的偏差，或者甚至产生对实际位置的完全不准确的评估。

所公开的车辆1具有四个气胎车轮，并且具有一对较小的车轮2和一组较大的车轮3。较小的车轮对可以用于操纵，而较大的车轮对用于推动车辆向前，因为该车轮对3由发动机驱动，所述发动机例如为例如电动机或内燃机(附图中未示出)。转速计等12也连接至较大的车轮对3的驱动部，所述转速计等12可以记录车轮角度位置、和/或车轮的角度位置或角速度的变化。在任何情况下，来自该计量仪表12的信号12s均被发送到计算机20，并且存储来自车轮3的相应的时间和角度数据。

车轮的数量可以不同于该示例中所示的四个车轮，并且可以包括3、5、6或者甚至更多车轮。

车轮旋转编码器(车轮测距装置)12提供了评估车辆位置随时间变化的方法。车辆驱动车轮3上的编码器用于估算车辆的速度v和车轮3的转速两者。

可以预想根据图1的实施例的系统具有两个或更多个相同或不同类型的标签读取器。两个读取器必须能够读取同一标签。标签例如能够包含条形码字符串信息和rfid信息两者，使得其能够使用不同标签读取器的组合。

如图2中可见，当车辆的负载舱19包括负载14时，车轮将会改变形状使得其不为精确的圆形。因而，负载承载轮3的行进距离和角度位移之间的联系相对于负载14的重量和位置而变化。车辆运输影响操纵和操作性能的变化的负载。当车轮旋转编码器用于评估行进距离时，通常假设先前已知的车轮的有效半径。通过使用旋转编码器测量车轮旋转圈数，车辆计算机可以评估行进距离。当使用负载运输车辆进行操作时，有效旋转半径将根据当前运输的负载而变化。该构造涉及到提供一种评估车轮参数的方法。还应当指出的是，从动车轮3依赖于摩擦以向前推进车辆1，并且因而可能发生滑动。这不能由计量仪表12容易地观测到，并且因而车轮3和表面5之间的滑动还可能使得行进距离与测得的从动车轮3的角度变动无法对准。根据所公开的示例，对于车轮来说，标准系统使用气胎，但是能够使用其他轮胎方案。气胎使用空气(或类似气体)被填充至选定压力使得其形状略微具有柔性。当不同的力施加到气胎时，轮胎形状和抓地性能将改变。运输的负载影响向下朝向地表面压迫车辆的法向力。根据所公开的示例，车辆运输的最大负载在50kg至10000kg的范围内。能够运输更多负载，但是预期不为标准用途的一部分。在所预期的发明中，限定运输负载限制的另一种方式是作为车辆重量的百分比，并且在此所预期的是将负载能力设置为车辆重量的10％和更高。

图1中示出了具有位于车辆上的已知安装位置的两个标签读取器(例如rfid标签读取器10、11)。每个标签读取器将读取车辆1移动时所经过的相应标签15。标签读取器10、11必须安装在刚性车辆本体部分(例如框架部分16)上。通常，标签嵌入在表面5中，但是标签也可以嵌入在其他结构中或附接至其他结构，例如顶棚、动物笼子等。

可以沿着笔直路径或直线轨迹17定位多个rfid标签15。

可以提供在两个dof或更多dof上进行测量的imu13，所述imu13能够测量车辆加速度和转速，并且能够评估与地心相关的取向。

安装在车辆1上的计算机20接收rfid标签信息、通过馈线12s接收转速计读数、以及通过馈线13s接收可能的imu数据，并且对该传感数据和可能的其他传感数据进行编码以计算车辆1所行进的表面5上的绝对车辆位置。在此假定能够获得绝对标签标识，并且每个标签15是唯一的，使得当车辆的车载计算机20从最前的rfid读取器10接收信息时，车载计算机20可以检索标签读取器10的绝对位置pn，并且当在稍后的时间点车载计算机20从最后的rfid标签读取器11接收信息时，车载计算机20可以随后检索标签读取器11的绝对位置pn+1。由于两个标签读取器10、11在行进方向上彼此分离地以固定且已知的距离布置，在读取器10和11通过rfid标签15期间，计算机可以计算从pn至pn+1的准确行进距离和车辆1的平均速度。rfid读取器10相对于车辆1的位置可以称为l1，而rfid读取器11相对于车辆1的位置可以称为l2。可以在框架16上设置更多的标签读取器。

在该通过期间，计算机20还通过追踪车轮对3的角度位置变动来接收数据。由于行进距离现在已知，能够通过计算转换因子β来将该距离与车轮对3的角度变动相关联，所述转换因子β将车轮对的角度变动与行进距离直接相关联。此外，在rfid读取器11通过rfid标签15时，获得了车辆位置的准确信息，并且基于该信息、车轮的当前角度变动和转换因子β，可以在车辆向前移动的同时计算车辆1的位置。

然而，负载在移动期间可能会变化，并且因而在需要准确预测车辆1的位置的情况下，需要以规律的间隔来设置rfid标签。

在许多情况下，在该方案中可以不予考虑来自imu13的数据。在表面平坦且平整并且主要目的是如上所述校准来自车轮旋转编码器的数据的情况下，可以不考虑imu数据。在不考虑imu的情况下，系统地表面的不平整性和负载的影响不能够被直接测量。

系统可以拓展其他定位功能，例如超声、倍频雷达、激光测距扫描仪、照相机视觉(cameravision)和其他视线(line-of-sight)传感器。这种传感器输入可以作为rfid标签系统的代替或者作为rfid标签系统的补充来用于以规律的间隔确定车辆1的位置。这些视线(line-of-sight)传感器可以测量与标签的距离，并且改善每个标签所提供的位置评估。这对于rfid标签定位系统来说尤为重要，这是因为一旦rfid读取器和rfid标签两者处于彼此的读取距离内时，rfid读取器就接收来自rfid标签的正响应。该距离确定了正响应的窗口，然而，一旦读取器处于该窗口内，标签读取器不能确定标签实际布置的距离多远以及处于什么方向。补充定位系统可以有助于获得该信息。

在从一个rfid标签运动至下一rfid标签期间，车辆1可以改变其负载14(接收更多负载或者卸掉负载而变得更轻)，并且在每种情况下，均将计算新的转换因子β。因而，优选的是，在每次通过rfid标签时，车辆的车载计算机20基于最新测得的车轮3的角度变动和绝对距离而对转换因子β进行新的计算。

如图4中可见，车辆1可以仅使用rfid标签读取器10、11中的一个，但是在这种情况下，需要经过两个具有标签的固定的位置sn和sn+1，以便于对车载计算机20进行与转换因子β有关的更新。因此，需要更多具有标签的位置以便于获得对于β的相同的更新速率，或者对于位置l之间的固定距离来说，通过在车辆1上设置更多读取器可以增加标签读取次数。

车辆参数可以用于改善周围环境中的自动车辆引导和负载布置两者。负载布置可以是开环的，这意味着车载计算机20将不会收到关于负载布置的任何反馈。随时间变化，车载负载也将会变化，但是也可能会发生负载输出的阻塞以及发生装载动作中的其他干扰。传感器组合能够用于检测负载输出中的问题，并且利用该信息来警告操作者或者自动停止当前操作，由此提供闭环负载布置，由此获得对输送的正反馈。这可以设置为以如下方式工作：

从一个rfid行进至下一rfid时的β值的变化实际上是在两个rfid位置之间发生的负载变化值δl0的评估。车载计算机20还可以从其他来源获得关于负载变化的信息，例如通过计算已输送的物品或一部分材料，或者可以通过测量出已输送的材料的重量。该负载变化可以称为δl0。车载计算机20现在可以比较这两个值，并且如果这两个值相差过高，可以报告故障或误差的状态。该状况可以表示装载或卸载未如所预期地进行。

计算连续的rfid测量之间的车辆平均速度将是简单的问题，并且该信息可以有助于在通过期间获取的车载计算机数据集，并且可以用于引导车辆并且防止例如超速的问题。这在车辆附近有人的区域中尤为重要，因为在这些区域中出于安全因素，自引导车辆需要遵守速度限制。

优选地，所获取的与车辆移动有关的信息用于计算下一个rfid标签的通过，并且当车辆标签读取器10按照推测位于所预测的标签处但没有接收到rfid信号时，可以报告或存储故障状态。取决于系统的实际布置，这种故障可以引起或可以不引起车辆停止工作。故障状态可能是由于未正常工作(non-functioning)的rfid标签或读取器所引起的，并且如果在车辆1上还有更多的读取器可用，向前运动至下一个rfid标签可以安全地进行。

然而，在执行了沿着同一车道的多次连续行进的情况下，与未正常工作的物件(例如rfid标签或读取器)有关的数据可以存储在系统中并且报告给服务工作人员，以便于更换未正常工作的物件。

在一些环境中(例如用于畜牧或动物园的动物厩舍中)，污垢和其他溢出物可能会弄脏表面，并且在某些情况下对于车辆来说这可能会成为问题。然而，通过例如如上所述检测车辆和rfid参数，这可以及时地被检测到并且报告给服务工作人员。

简言之，这意味着：

-在线车辆参数评估可以用于改善从相应的传感器、编码器和imu的接收到的定位数据。

-来自相应的传感器的更好的传感器数据可以用于增加例如rfids的标签之间的距离。通过增加标签之间的距离，可以减少覆盖同样的面积所需的标签数量，使得安装标签的成本更低。

-每个标签均能够由每辆车辆上的多个标签读取器读取，这本身就使得使用相同数量的标签但增加了位置更新次数。

如上所述，rfid读取器通过同一标签之间的时间可以用作速度评估源。与imu和编码器相比，rfid读取器速度测量不是基于与由imu测得的车轮转速或加速度有关的派生测量(derivedmeasurement)。由于许多系统具有反应时间，速度评估的准确性可以直接影响装载和卸载动作的准确性；所述反应时间是从产生负载动作信号至实际负载动作发生的延迟时间。由于车辆在该时间期间将会移动并且位移将根据实际速度而变化，必须考虑该时间延迟。可能的是，根据车辆的实际测得速度计算该位移，并且更早地产生负载动作信号，以确保在正确的车辆位置执行负载动作。

图5是使用rfid进行标签检测的示例。rfid读取器10、11具有区域18，在所述区域18中能够接收来自标签15的识别信息(例如id号码)。该区域18还示出在图1中。车辆计算机20以特定的周期性时间间隔(例如以10hz或100hz的读取速率)接收rfid读取器的信息。当没有标签位于读取器接收范围或者区域18内时，读取器要么不传输数据、要么传输标签误读或传输范围内没有标签。当读取器10、11进入能够检测到标签的区域18中时，计算机记录读取器事件并且加上时间戳。这对应于附图左侧示出的情况。

当标签读取器移动至标签检测区域18外侧时，下一事件发生，这示出在附图的右侧，即车辆已经沿箭头的方向向前移动。

当两个读取器10、11均已经通过标签15时，两个事件可以定义为时间上的特定事件并且用作时间间隔参考。标签读取器接收区域18的边缘可以被看做或视为车辆在横向方向上的位置。rfid标签读取器将以特定的时间间隔(例如以10hz或100hz的速率)提供更新。当使用条形码、qr或可视化标签读取器时，即使读取器具有不同类型的接收区域，但检测边缘方面的原理保持不变，所述接收区域例如为条形码读取器的锥形形状以及rfid标签读取器的椭圆形/圆形形状。

计算示例：

编码器：

每圈4096计数(每圈的记录(tick))

(意味着1次计数等于360(度)/4096＝0.0878度)

读取器事件之间的距离：2m

事件之间的时间：8.1秒

采样速率：20hz

已计数的记录：4200

(通过将位置不同的所有样本相加计算得到)

每秒的平均记录：520

评估的有效半径计算：

r_ee_1＝2*pi*(o/l)＝(2*pi*(4200记录/4096记录))/(2m)＝0.310m

r_ee_2＝v_平均/w_平均＝速度/转速＝((2m)/(7.8s))/((520记录/s)*(2*pi/4096记录))＝0.309m

可以选择一种版本或另一种版本，或者取平均值。

上述情况适用于平坦表面上的单个编码器。如果能够使用如上面描述的单个编码器的两个编码器，则能够为每个样本计算数值并且对所述数值进行平均。基于评估的有效半径，可以使用胡克定律来确定具有编码器的轮胎上的当前输送负载。

fn_负载＝k*x，其中x表示有效半径和无任何负载的有效半径之间的当前差。

基于轮胎特性，还能够评估当前抓地表面积。在轮胎的转速随着时间增加或减小的情况下，可以通过最小二乘法来使用两个测量值(时间和记录)以评估车轮当前在表面上的滑动。

当车辆将仅通过单个标签时，应当使用最小二乘法评估方法或进行直接计算。

当车辆沿着笔直路径移动通过多个标签时，应当使用kalman滤波法或最小二乘法。最小二乘法和kalman滤波法两者均使用多次测量的权重以提供更精确的参数评估。

当车辆已经通过单个标签时，其将总计产生四个可测量的距离评估和时间间隔。在最基本的形式中，可以使用图6中的文字流程图示出该方法。

在车辆移动方向上，示出了两个读取器，前标签读取器单元10和后标签读取器单元11。移动方向决定了何时开始参数评估程序。该程序以检查“前标签读取器事件？”开始，并且如果前rfid标签读取器处于活动状态下，“启动计时器”启动。根据“获取编码器和imu数据”步骤，计算机一直记录来自编码器和imu的数据，直至在后标签读取器上已经触发预期的事件。根据“后标签读取器事件？”的检查，一旦后标签读取器11已经由于通过标签而获取到数据，“获取标签读取器事件之间的时间间隔”序列启动。一旦该序列结束，可以执行“使用已知的距离执行车辆系统参数校准”。在此，行进距离和车轮旋转测量之间的联系建立，并且将一直使用到直至进行了基于读取器和标签位置的下一次距离测量。

可以使用多种方法以评估与车辆有关的相关参数。下文提到大量这些方法(但并不局限于此)：

-直接计算单个样本

-最小二乘法评估

-kalman滤波方法

-标准kalman滤波方法

-扩展kalman滤波方法

-无迹kalman滤波方法

-自适应学习方法

-神经网络

-b样条网络

为了给出直接计算的示例：

编码器：每圈4096计数(每圈的记录)(意味着1次计数等于360(度)/4096＝0.0878度)

读取器事件之间的距离：2m

当车辆将仅通过单一标签时，应当使用最小二乘法评估方法或进行直接计算。当车辆沿着笔直路径移动通过多个标签时，应当使用kalman滤波方法或最小二乘法。最小二乘法或kalman滤波方法两者均使用多次测量的权重来提供更精确的参数评估。

自适应学习方法可用于包括先验信息和训练信息。

在图7中，在图中包括了用于检测标签错误或标签读取器错误的过程。该图的逻辑被嵌入在车载计算机中，并且所述逻辑确保如果标签读取器模式不可接受则车辆停止，并且只要不是该情况，由标签和标签读取器装置测得的最新的已知行进距离就用于确定车辆的当前位置。

如果“前标签读取器事件？”的问题为否，则不只是再次执行轮询，而是通过“由后标签读取器检测到新的标签？”的问题初始化错误查找的序列。如果后rfid标签读取器11被新的标签意外地激活，这可以归咎于前rfid标签读取器10上出现错误，并且因而该情况需要进行核查，并且该判定框外的yes线路引导至能够确定是否存在错误的一系列动作。计数器“记录前标签读取器的错误”首先将这种错误相加。如果“前标签读取器错误>阈值？”为否，其被认为是没有读取器错误发生的指示，然而如果“前标签读取器错误>阈值？”为是，则判定前rfid读取器可能不正常，并且前标签读取器和后标签读取器两者均在“标签读取器模式可接受？”的检查中接受检查。如果读取器模式可接受，可以推断一个或两个标签读取器均未实际工作，并且执行“停止车辆操作”动作。如果标签读取器模式因某种原因(somehow)不可接受，可以执行重新设置或其他校准动作，并且车辆可以继续操作。

当“后标签读取器事件”未在车轮旋转的预期阈值内接着前标签读取器事件发生时，执行“记录后标签读取器错误”。该过程通过“车轮旋转>阈值？”的检查来进行核查。如果车轮已经旋转过远，启动“记录后标签读取器错误”的事件，并且如果确认“后标签读取器错误>阈值”，则如上所述启动“发送关于读取器故障的警报”。如果未达到后标签读取器错误的阈值，如上所述检查“由后标签读取器检测到新的标签？”。

图8示出了处于经由自动饲料臂8而在动物笼子7顶部上发放一部分动物饲料6的过程中的车辆1，所述自动饲料臂8可以通过枢转或伸缩移动来改变位置。饲料臂8的该运动以及饲料的布置使得重量改变，并且这又改变了轮胎上的压力分布，所述压力分布又改变车辆与从动车轮的角度变动有关的运动。动物笼子7成行设置，并且通常在笼子上具有屋顶以保持动物舒适。当在屋顶下驱动车辆时，车辆1必须依赖于imu和对预先布置的标签的读取来用于定向。在附图中，屋顶被省略以改善对于其他元件的观察。因而在动物笼子7的侧部上设置有rfid标签(或其他可读取的标签)。并且在车辆框架上设置有相应的读取器10、11。如前所述，该布置允许车辆知晓其位置的状况，并且因而动物饲料6可以正确地布置在每个笼子7的顶部上。还能够为每个动物发放计量的部分，因为现在车辆的车载计算机实际上可以计算每个部分将到达哪个动物笼子。这将仅需要饲料臂能够单独地发放计量的部分。同样地还可以基于单个(individual)动物笼子而将药物或维生素添加至饲料以用于治疗各种状况。图8、图9和图10中所示附图与貂饲养有关，其中，貂饲料直接布置于动物笼子顶部上。笼子由金属丝网制成，并且由于饲料被混合和处理成浆状物质，动物可以容易地通过笼子的顶部网获取饲料。然而，其他类型的动物饲养可以使用类似系统。

图9示出了沿布置在地表面5上方的动物笼子7的过道的视图，其中rfid或类似标签15以规律间隔布置在动物笼子7的竖直前部。车辆1上安装到框架16的标签读取器10、11示意性地示出在附图上，并且所述标签读取器10、11自然而然地在笼子上设置在与标签15位于地表面上方的相同高度处。在实际生活中，标签可以非常平坦，并且当安装后与动物笼子的表面齐平，以便于使得其不会由沿动物笼子经过的车辆或人意外地碰撞到笼子前部。标签将始终成行地设置在最前方的笼子处，使得车辆在开始沿着笼子通过时能够从一开始就校准其位置，以确保车辆知晓在何处开始发放饲料。

在图10中公开了貂农场的概况。在此，公开了18个双排笼子。车辆1将沿着两排之间的过道进入，以便于输送当前装载到负载舱19的动物饲料。车辆前方和侧方的区域20由已知的激光扫描仪扫描，以便于使得如果未预见到的障碍出现在车辆的路径中，车辆将能够偏离计划路径。这种激光扫描仪还已知为激光雷达扫描仪或激光测量系统。整个布置允许自动喂养动物，同时占用最少的劳动力。

用于饲养貂的车辆设置有可以利用本发明的系统。完全自动的版本以及由司机驱动的自动饲养的版本均可以获益于本发明。基于貂的性别、年龄、数量和品种，每个貂笼子将可以获得80-300克范围内的一部分饲料。农场主基于上述标准和个人经验而选择每个笼子所获得的饲料量。使用负载范围在500-2500千克数量级的饲料罐，机器将能够饲养的笼子单元的范围位于1500至30000单元之间。每个饲养位置通常位于0.27-0.4m的范围中(对于标准单元来说，丹麦的标准为0.33m)。因此，饲养必须在正/负0.10-15m的狭窄位置范围内进行。将饲料布置在这些特定位置需要车辆上的车载定位系统以能够确定车辆相对于周围环境的当前位置。

附图标记列表

1车辆

2较小的车轮组或操纵车轮，

3较大的车轮组或从动车轮，

5表面

6一部分动物饲料

7动物笼子

8自动饲料臂

10rfid标签读取器

10srfid标签读取器信号

11rfid标签读取器

11srfid标签读取器信号

12转速计或角度变化传感器

12s角度数据馈线

13imu

13simu信号馈线

14负载

15rfid标签

16固定框架

17直线轨迹

18检测区域

19负载舱

20已扫描区域