自动导航云服务器及自动导航控制方法与流程

本发明涉及一种基于pid控制算法的自动导航云服务器及自动导航控制方法。

背景技术：

当前自动引导运输车(automatedguidedvehicle，agv)已经成为智能制造、先进物流、智慧工厂中的重要设备，具有方便产品运输、提高生产效率、降低生产成本等用途。而所谓的自动导引，即是沿着预设的路径行驶，目前常见的导引方式有磁导航、激光导航、二维码导航、视觉导航等。磁导航是在预设的行驶路径上铺设磁条，需要对现有的使用环境做一些改变，并且会有不小的工程量；激光导航易受光线变化的影响，不易识别透明物体，并且价格相对昂贵；二维码导航需要在预设的行驶路径上粘贴若干二维码，这样会影响应用环境的外观，并且二维码易受损或被覆盖；视觉导航在硬件方面要求较低，在算法层面要求较高，但是基于视觉导航系统采集到的图像信息具备获取或挖掘更丰富信息的潜力，所以基于视觉导航的agv导航控制算法也日益成为学术界和工程界的研究热点。

目前视觉导航主要分为基于车载视觉设备的视觉导航和基于无线网络及视觉设备的视觉导航。基于车载视觉设备的视觉导航需要复杂的深度神经网络学习和训练，并且只能掌握局部环境信息和位置信息；基于无线网络及视觉设备的视觉导航无需改造现场环境，可以掌握近乎全局的环境信息和位置信息，便于系统设计的全局优化，并且对传感器要求不高，成本低，是一种应用前景良好的agv导航方式。

技术实现要素：

有鉴于此，有必要提供一种控制运输车行驶的自动导航云服务器。

一种自动导航云服务器，应用于一场景内，所述自动导航云服务器包括运输车、目的地、摄像装置及云服务器，所述云服务器规划所述运输车行驶向所述目的地的参考路径，所述摄像装置拍摄所述运输车的影像，所述云服务器根据所述影像分析所述运输车的当前位姿信息及根据所述参考路径给出所述运输车的前向参考点的理想位姿信息，并根据所述运输车的当前位姿信息及前向参考点的理想位姿信息计算出所述运输车的行驶控制指令，所述云服务器传送所述行驶控制指令至所述运输车，以控制所述运输车根据所述行驶控制指令行驶向所述目的地。

一种自动导航控制方法，应用于一场景内，所述自动导航控制方法包括：

规划运输车行驶向目的地的参考路径；

拍摄所述场景内的运输车的影像；

根据所述影像分析所述运输车的当前位姿信息及根据所述参考路径给出所述运输车的前向参考点的理想位姿信息；

根据所述运输车的当前位姿信息及前向参考点的理想位姿信息计算出所述运输车的行驶控制指令；

控制所述运输车根据所述行驶控制指令行驶向所述目的地。

所述自动导航云服务器计算出所述行驶控制指令，使得所述运输车在行驶偏移时快速回到所述参考路径，实现了高效地纠偏，极大地提高了运输车的行驶精确性及效率。

附图说明

图1为本发明较佳实施例的自动导航云服务器的功能模块图。

图2为本发明较佳实施例的自动导航云服务器应用于一场景的示意图。

主要元件符号说明

自动导航云服务器100

运输车10

第一无线通信模块12

目的地20

摄像装置30

云服务器40

路径规划模块42

导航模块44

运输车控制模块46

分析模块48

第二无线通信模块49

场景500

如下具体实施方式将结合上述附图进一步说明本发明。

具体实施方式

请参阅图1，本发明较佳实施例提供一自动导航云服务器100包括运输车10、目的地20、摄像装置30及云服务器40。所述运输车10、摄像装置30与云服务器40之间通过无线网络建立通信连接，以相互传输数据及命令。所述自动导航云服务器100为布置于一场景内，例如储物仓内。

请参阅图2，一场景500内设置一所述目的地20及一所述运输车10，还布置有摄像装置30，用于拍摄所述场景500内的影像，所述影像包括所述运输车10。所述云服务器40通过视觉定位算法提取所述运输车10的当前位姿信息。所述云服务器40还规划出所述运输车10行驶向所述目的地20的参考路径，并计算出前向参考点的位姿信息。本实施例中，所述参考路径为由若干个点按照次序组成的线性路径，所述前向参考点为所述运输车10在所述参考路径中向前行驶的参考点。所述云服务器40根据所述运输车10的当前位姿信息和前向参考点的位姿信息计算出所述运输车10行驶的控制指令。所述运输车10在云服务器40的引导下行驶向所述目的地20。

所述运输车10为自动引导运输车(automatedguidedvehicle，agv)，受控于所述云服务器40于所述场景内运动。本实施例中，所述运输车10受控于所述云服务器40于所述场景内驶向所述目的地20。所述运输车10包括第一无线通信模块12，用于与所述云服务器40建立无线通信连接，以传输数据及命令。

所述目的地20固定设置于所述场景内的位置。本实施例中，所述目的地20可为一货架，用于承载货物，所述运输车10驶向所述目的地20以实现装卸货互动。

所述摄像装置30固定设置于所述场景内的天花板上，用于拍摄所述场景内的影像，包括拍摄所述运输车10在所述场景内的运动。所述摄像装置30所拍摄的影像信息传送至所述云服务器40。

所述云服务器40用于收集所述摄像装置30的影像信息，分析所述运输车10的运动并控制所述运输车10运动。所述云服务器40通过分析所述运输车10的运动以分析所述运输车10的位置和姿态及其周边环境状况。可以理解，所述云服务器40还包括多个布置于所述场景内或附近的4g/5g基站，用于向所述运输车10传送指令及信息。

所述云服务器40包括路径规划模块42、导航模块44、运输车控制模块46、分析模块48及第二无线通信模块49。所述第二无线通信模块49与所述运输车10的第一无线通信模块12建立无线通信连接，以传输数据及命令。所述路径规划模块42用于规划所述运输车10行驶向所述目的地20的所述参考路径。所述导航模块44用于根据所述参考路径向所述运输车10提供导航信息。所述运输车控制模块46用于根据所述导航信息控制所述运输车10行驶向所述目的地20。所述分析模块48接收所述摄像装置30传送的影像信息，分析所述运输车10的当前位姿信息。具体地，所述分析模块48从所述影像信息提取所述运输车10的特征信息。本实施例中，所述运输车10的特征信息为所述分析模块48基于视觉定位算法提取所述运输车10的当前位姿信息(x，y，θ)，其中参数x和y为所述运输车10在所述场景全局坐标系里的位置信息，θ为所述运输车10的航向角信息。

所述路径规划模块42制定好所述参考路径后，所述分析模块48分析所述运输车10的当前位置信息(x，y，θ)与所选取的前向参考点的理想位姿信息(xr，yr，θr)，其中参数xr和yr所述前向参考点在所述场景全局坐标系里的位置信息，θr为所述前向参考点的理想航向角信息。基于所述运输车10的当前位姿信息(x，y，θ)及所述前向参考点的理想位姿信息(xr，yr，θr)，所述分析模块48计算得出三个偏差量包括：角度偏差量δθ、距离偏差量δd及另一个角度偏差量δφ。所述角度偏差量δθ定义为所述运输车10的航向角与所述前向参考点的理想航向角的夹角，即δθ＝θ-θr，代表所述运输车10需要作δθ角度的调整。所述距离偏差量δd定义为所述运输车10的当前位置到所述参考路径的最小距离，即δd＝min{norm[(x,y)-(xi,yi)],i∈[1,n]}，其中norm表示求欧氏距离，n表示所述参考路径上被量化的点数数量，n越小，则表示两点间的间距越大，分辨率越低；所述(xi,yi)为组成所述参考路径上的第i个点的位置参数。所述另一个角度偏差量δφ定义为所述运输车10的航向角与所述目的地20与所述运输车10的当前位置连线的夹角，即δφ＝φ-θ。根据所述三个偏差量，进一步基于pid(比例、积分、微分)算法计算出所述运输车10的行驶控制指令(ν，ω)，其中参数ν为运输车10行驶的线速度，ω为运输车10行驶的角速度。其中，所述计算数学模型表示为

ω＝pid(δθ,δd,δφ)＝pid1(δθ)+pid2(δd)+pid3(δφ)

其中，

其中，ki,p,i∈[1,3]为比例单元增益系数，ki,i,i∈[1,3]为积分单元增益系数，ki,d,i∈[1,3]为微分单元增益系数。所述分析模块48将所述行驶控制指令(ν，ω)通过所述第二无线通信模块49传送至所述运输车10以控制所述运输车10行驶。

本发明的自动导航云服务器100计算出所述行驶控制指令(ν，ω)，使得所述运输车10在行驶偏移时快速回到所述参考路径，实现了高效地纠偏，极大地提高了运输车10的行驶精确性及效率。

综上所述，尽管为说明目的已经公开了本发明的优选实施例，然而，本发明不只局限于如上所述的实施例，在不超出本发明基本技术思想的范畴内，相关行业的技术人员可对其进行多种变形及应用。