导航控制方法、装置和AGV小车与流程

导航控制方法、装置和agv小车
技术领域
1.本发明涉及导航定位技术领域，特别是涉及一种导航控制方法、装置和agv小车。


背景技术：

2.agv(automated guided vehicle；自动导引运输车)是装备有电磁或光学等自动导引装置，能够沿规定的导引路径行驶，具有安全保护以及各种移载功能的运输车。agv是提高物流自动化水平、运输效率等的设备。大部分搬运场景都能使用到agv。
3.但现有的agv单独使用惯性传感器对agv的姿态进行估算，误差较大。


技术实现要素：

4.针对上述技术问题，本发明提供一种导航控制方法、装置、agv小车和存储介质，以解决现有技术中单独使用惯性传感器对agv的姿态进行估算以及路径控制，误差较大的技术问题。
5.本发明提供了一种导航控制方法，包括：通过惯性传感器获取第一行进路径数据，通过二维码读码器获取第二行进路径数据；将所述第一行进路径数据和所述第二行进路径数据进行融合，得到实时agv姿态数据；根据所述实时agv姿态数据，产生用于进行模糊控制的实际输出值；根据所述实际输出值，对agv的行进路径进行控制。
6.可选地，所述第一行进路径数据为第一车身倾斜角；通过所述第二行进路径数据得到第二车身倾斜角，所述第二行进路径数据是通过所述二维码读码器读取agv行进路径上的路径二维码获得的；将所述第一行进路径数据和所述第二行进路径数据进行融合的步骤，包括：将所述第二车身倾斜角和所述第一车身倾斜角，进行数据融合。
7.可选地，所述通过所述第二行进路径数据得到第二车身倾斜角的步骤，包括：根据所述第二行进路径数据计算agv运行弧度；根据所述运行弧度得到agv倾斜距离；根据所述agv倾斜距离得到第二车身倾斜角。
8.可选地，所述根据所述第二行进路径数据计算agv运行弧度的步骤，包括：根据获取的agv左右轮差速、agv两驱动轮之间距离、agv驱动轮直径、电机减速比以及计算agv速度的因子公式，计算agv运行弧度；所述根据所述agv运行弧度得到agv倾斜距离的步骤，包括：根据所述运行弧度，同时根据上一周期计算的偏斜距离、当前周期内agv的速度，以及计算agv速度的因子公式，计算agv偏斜距离；所述根据所述agv倾斜距离得到第二车身倾斜角的步骤，包括：通过所述agv偏斜距离，同时通过agv周期内直行方向移动距离，计算车身倾斜角。
9.可选地，所述将所述第二车身倾斜角和所述第一车身倾斜角，进行数据融合的步骤包括：获取所述惯性传感器的第一方差和所述二维码读码器的第二方差；根据所述第一方差和第二方差得到比例参数；根据所述比例参数，对所述第二车身倾斜角和所述第一车身倾斜角进行数据融合，得到agv姿态数据。
10.可选地，所述根据所述实时agv姿态数据，产生用于进行模糊控制的实际输出值的
步骤，包括：对所述实时agv姿态数据进行模糊量化处理，得到基本论域；根据基本论域建立用于进行模糊规则控制的模糊规则表；根据模糊规则表，解模糊获取所述实际输出值。
11.可选地，所述对所述实时agv姿态数据进行模糊量化处理的步骤，包括：将所述实时agv姿态数据反馈给输入端，使所述输入端根据接收到的实时agv姿态数据，同时根据接收到的第一行进路径数据和第二行进路径数据，进行模糊量化处理。
12.可选地，所述根据模糊规则表，解模糊获取所述实际输出值的步骤，包括：根据所述模糊规则表计算输出数据的模糊值；对所述输出数据的模糊值进行加权平均计算，得到实际输出值。
13.本发明还提供一种导航控制装置，包括：传感器单元，通过惯性传感器获取第一行进路径数据，通过二维码读码器获取第二行进路径数据；数据融合单元，将所述第一行进路径数据和所述第二行进路径数据进行融合，得到实时agv姿态数据；模糊控制单元，根据所述实时agv姿态数据，产生用于进行模糊控制的实际输出值；执行单元，根据所述实际输出值对agv的行进路径进行控制。
14.本发明再提供一种agv小车，包括车身，所述车身上设置有上述导航控制装置。
15.本发明采用多传感器姿态解算与模糊控制方法，设计agv行进路径控制器，能提高对agv姿态进行估算的数据精度，实现agv行进路径上的稳定行驶，并能精确控制车身方向，鲁棒性高。
附图说明
16.在下文中将基于实施例并参考附图来对本发明进行更详细的描述。
17.图1是依据本发明的导航控制方法的整体流程示意图；
18.图2是图1的一个步骤的详细示意图；
19.图3是图2的一个步骤的详细示意图；
20.图4是图1的另一个步骤的详细示意图；
21.图5是图1的一个步骤的详细示意图；
22.图6是图5的一个步骤的详细示意图；
23.图7是图5的另一个步骤的详细示意图；
24.图8是依据本发明的导航控制装置的方框示意图；
25.图9是依据本发明的导航控制装置的另一方框示意图。
具体实施方式
26.下面将结合附图1-9对本发明作进一步说明。
27.可以参阅图1。本发明首先提供一种导航控制方法，用于agv行进路径控制，包括：
28.步骤s20，通过惯性传感器获取第一行进路径数据，通过二维码读码器获取第二行进路径数据，所述行进路径数据包括通过惯性传感器获得的第一车身倾斜角，该步骤可以通过agv导航控制装置实现；
29.本技术注意到agv在行驶过程中仅采用二维码导航会遇到许多干扰，如二维码损坏等，这些干扰会破坏agv当前的姿态以及行驶路径。为了减少这些干扰带来的影响，需要在控制过程中对agv进行姿态解算。单独使用惯性传感器对agv的姿态进行估算的误差较
大，不能达到预期效果。因此，本技术在现有的惯性传感器的基础上，增加了读码器，结合读码器数据使用多传感器数据融合，结合读码器的数据对两个传感器的数据进行融合，得到更高精度的agv姿态数据；
30.步骤s40，将所述第一行进路径数据和所述第二行进路径数据进行融合，得到更高精度的实时agv姿态数据；
31.agv实际工作环境中，控制其行进路径为“直线”反而不能达到工作需求，一般情况下，由于二维码无法处于一条直线上，因此需要在agv行进的过程中，在每个二维码上进行姿态估算，从而不断调整姿态进行控制，使agv能够稳定、高效的工作。
32.路径上的二维码一般不贴一整条，可以每隔1米间距贴一块5cm*5cm的二维码，每当agv行驶过程中扫描到这些二维码时，会在每个二维码“上”融合数据，在原有的惯性传感器获取到的数据的基础上，增加二维码的数据，结合惯性传感器、读码器读到的数据，可以使计算数据做到精度更高的姿态估算。
33.步骤s60，根据所述实时agv姿态数据，产生进行模糊控制的实际输出值；
34.使用agv姿态数据结合模糊控制思想，控制agv行驶过程中进行速度调整或行使用agv姿态数据结合模糊控制思想，用于在agv行驶过程中进行速度调整或行进方向调整，达到控制agv稳定行驶的效果。行进方向的控制包括车身倾斜方向控制、agv驱动轮速度控制等。
35.步骤s80，根据所述实际输出值对agv的行进路径进行控制。
36.本发明根据项目需求，采用多传感器姿态解算与模糊控制思想，设计agv行进路径控制器，能实现agv行进路径上的稳定行驶，并能精确控制车身方向。
37.详细而言，对步骤s40，即步骤将所述第一行进路径数据和所述第二行进路径数据进行融合，得到更高精度的实时agv姿态数据：所述第一行进路径数据为第一车身倾斜角。通过第二行进路径数据得到第二车身倾斜角，所述第二行进路径数据是通过所述二维码读码器读取agv行进路径上的路径二维码获得的。将所述第一行进路径数据和所述第二行进路径数据进行融合的步骤，包括：将所述第二车身倾斜角和所述第一车身倾斜角，进行数据融合。
38.更详细而言，可以参阅图2和图3。所述通过第二行进路径数据得到第二车身倾斜角的步骤，包括：
39.步骤s42，根据所述第二行进路径数据计算agv运行弧度，具体实施方式可以参阅步骤s422，根据获取到的agv左右轮差速、agv两驱动轮之间距离、agv驱动轮直径、电机减速比以及计算agv速度的因子公式，计算agv运行弧度；
40.步骤s44，根据所述运行弧度得到agv倾斜距离，具体实施方式可以参阅步骤s424，根据所述运行弧度、上一周期计算的偏斜距离、当前周期内agv的速度、计算agv速度的因子公式，计算agv偏斜距离；
41.步骤s46，根据所述agv倾斜距离得到第二车身倾斜角，具体实施方式可以参阅步骤s426，通过所述计算出的agv偏斜距离和agv周期内直行方向移动距离，计算车身倾斜角。
42.更详细而言，可以参阅图4。所述将所述第二车身倾斜角和所述第一车身倾斜角，进行数据融合的步骤，包括：步骤s32，获取所述惯性传感器的第一方差和二维码读码器的第二方差；步骤s34，根据所述第一方差和第二方差得到比例参数；步骤s36，根据所述比例
参数，对所述第二车身倾斜角和所述第一车身倾斜角进行数据融合，得到agv姿态数据；可以重复上述步骤，得到实时agv姿态数据。
43.具体来说，agv行驶过程中可以通过惯性传感器得到第一车身倾斜角度θ1。读取二维码可以计算出第二车身倾斜角θ2，首先计算agv运行弧度δq＝(2*vd*m/l)*δt，vd为agv左右轮差速，m为计算agv速度的因子公式为π*d/6000*i，d为agv驱动轮直径，i为电机减速比，l为agv两驱动轮之间距离，δt为运行周期。根据得到的弧度可以计算出agv偏斜距离ed＝(e
′d+v*m*δt*sin(δq))/10，e
′d为上一周期计算的偏斜距离，v为当前周期内agv的速度，m为计算agv速度的因子。es为周期内直行方向移动距离，根据公式通过偏斜距离可以计算出第二车身倾斜角θ2。
44.对倾斜角度θ1、θ2进行数据融合获得精度更高的数据。融合公式为θ＝θ1+k(θ
2-θ1)，k的范围为0到1，公式为它由两个传感器的方差计算得出。通过对两个传感器的数据融合，得到了精度更高的agv姿态数据，在agv行驶过程中不断进行数据更新可以实时得到agv的姿态数据。
45.承前所述，可以参阅图5。所述根据所述实时agv姿态数据，产生进行模糊控制的实际输出值步骤，即步骤s60，包括：
46.步骤s62，对所述实时agv姿态数据进行模糊量化处理，换言之，首先获取agv的姿态数据后反馈给控制系统的输入，然后结合控制方法达到对agv行进路径的稳定控制；
47.具体来说，上述步骤s62包括：将所述实时agv姿态数据反馈给输入端，使所述输入端根据接收到的实时agv姿态数据，同时根据接收到的第一行进路径数据和第二行进路径数据，进行模糊量化处理；
48.步骤s64，进行模糊规则控制，建立模糊规则表；
49.具体来说，可以参阅图6。上述步骤s64包括：步骤s642，计算所述接收到的数据的隶属度；步骤s644，根据输入的隶属度，得到输入模糊处理后在基本论域中的有效值；步骤s646，根据所述基本论域中的有效值确立模糊规则表。
50.步骤s66，解模糊；
51.具体来说，可以参阅图7。上述步骤s66包括：步骤s662，根据所述模糊规则表计算输出数据的模糊值；步骤s664，对所述输出数据的模糊值进行加权平均计算，得到实际输出值。
52.以下用一个具体的实例对上述步骤s60进行说明。
53.首先对输入与输出进行模糊化处理。输入θ，其论域可以量化为[-3,-2,-1,0,1,2,3]。基本论域可以为[-3,-3,-2,-3,-2,-1,-2,-1,0,-1,0,1,0,1,2,1,2,3,2,3,3]。输出u的量化因子可以为9.2。
[0054]
根据三角隶属度函数或高斯隶属度函数计算输入的隶属度，得到输入模糊化处理后在基本论域中的有效值。
[0055]
确立模糊规则如下表，模糊词集为nb,nm,ns,zo,ps,pm,pb。
[0056] nbnmnszopspmpb
nbnbnbnbnmnszozonmnbnbnmnszozopsnsnbnmnmnszopspmzonbnmnszopspmpbpsnmnszopspmpmpbpmnszozopspmpbpbpbzozopspmpbpbpb
[0057]
根据模糊规则表计算出输出u的的模糊值。对计算的输出值加权平均计算出实际输出值。使用输出值对agv两驱动轮进行差速调节，调整agv的姿态，从而达到对agv行进路径上的控制，使其符合实际生产要求。
[0058]
上述根据所述实时agv姿态数据，产生进行模糊控制的实际输出值步骤，即步骤s60，是采用模糊控制的方法，在另外的实施例中，也可以使用比例微分控制的方法进行调整。
[0059]
以上对依据本技术的一种导航控制方法进行了阐释，本技术还提供一种导航控制装置，其用于agv行进路径控制，可以参阅图8，包括传感器单元20、数据融合单元40、模糊控制单元60和执行单元80。
[0060]
具体来说，传感器单元20通过惯性传感器获取第一行进路径数据，通过二维码读码器获取第二行进路径数据。数据融合单元40将所述第一行进路径数据和所述第二行进路径数据进行融合，得到实时agv姿态数据。模糊控制单元60根据所述实时agv姿态数据，产生用于进行模糊控制的实际输出值。
[0061]
可以参阅图9，更具体来说，模糊控制单元60包括模糊量化处理模块62、模糊规则控制模块64和解模糊模块66。模糊量化处理模块62用于将实时agv姿态数据反馈给输入端，使所述输入端根据接收到的实时agv姿态数据，同时根据接收到的第一行进路径数据和第二行进路径数据，进行模糊量化处理。模糊规则控制模块64用于计算所述接收到的数据的隶属度，根据输入的隶属度，得到输入模糊处理后在基本论域中的有效值，并根据所述基本论域中的有效值确立模糊规则表。解模糊模块66用于根据所述模糊规则表计算输出数据的模糊值，对所述输出数据的模糊值进行加权平均计算，得到实际输出值。
[0062]
执行单元80根据所述实际输出值对agv的行进路径进行控制。
[0063]
本方法硬件平台可以为arm架构平台，操作系统为linux，外接惯性传感器(imu)、读码器、电机等。
[0064]
本技术还提供一种agv小车，包括车身，所述车身上设置有上述任意一种导航控制装置。所述车身上设置有读码器，优选的，所述读码器安装在agv车身中心下方。
[0065]
本技术再提供一种计算机可读存储介质，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上述任意一种导航控制方法的步骤。
[0066]
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。