[go: up one dir, main page]

CN117007045A - 一种基于卡尔曼观测器的agv小车控制系统及方法 - Google Patents

一种基于卡尔曼观测器的agv小车控制系统及方法 Download PDF

Info

Publication number
CN117007045A
CN117007045A CN202310671834.4A CN202310671834A CN117007045A CN 117007045 A CN117007045 A CN 117007045A CN 202310671834 A CN202310671834 A CN 202310671834A CN 117007045 A CN117007045 A CN 117007045A
Authority
CN
China
Prior art keywords
car
module
target
kalman
agv car
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
Application number
CN202310671834.4A
Other languages
English (en)
Inventor
舒志兵
杨串
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Tech University
Original Assignee
Nanjing Tech University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Tech University filed Critical Nanjing Tech University
Priority to CN202310671834.4A priority Critical patent/CN117007045A/zh
Publication of CN117007045A publication Critical patent/CN117007045A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • B60W2050/0052—Filtering, filters

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Human Computer Interaction (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开一种基于卡尔曼观测器的AGV小车控制系统及方法，涉及自动控制技术领域；而本发明包括车载控制系统，车载控制系统的终端连接有信息获取模块；利用激光导航模块对小车所处的工厂环境的空间轮廓扫描出来，给定参考坐标、初始定位信息和小车行进的数字地图，结合初始定位基础上，通过卡尔曼观测模块生成一个初步的行进路径，在小车的移动过程中，结合图像采集模块拍摄到的图像，再将外部信号，通过卡尔曼算法，整合融合不断修正小车每一时刻的前进路线，使小车的行进路线达到最优的行进路线，从而更加准确得定位小车每一时刻得位置，即使小车在由于外界干扰丢失信号时，卡尔曼观测模块也能保证小车定位更精准，提高小车工作效率。

Description

一种基于卡尔曼观测器的AGV小车控制系统及方法
技术领域
本发明涉及自动控制技术领域，具体为一种基于卡尔曼观测器的AGV小车控制系统及方法。
背景技术
随着工业4.0的发展，各种不同用途的机器人层出不穷，AGV小车作为一种自动导航搬运车，在物流、存储以及冶金等众多领域发挥着越来越重要的作用。AGV小车能够自动采集信息，在计算机监控下，按照规划的路径和作业要求达到要求地点并且自主完成计算机布置的相关任务工作。在当前的工业背景下，通过引用一种基于卡尔曼观测器的AGV小车控制系统可以改变当前人工分拣以及人工搬运带来的成本高昂且效率低下的问题，实现物流仓储的智能化发展。
目前大多数AGV小车都是采用的GPS导航，GPS导航的精确大约为10米，如果采用卡尔曼观测器，就能把精度控制到10米以内，GPS导航对路面要求相对苛刻(外界光线，地面要求，能见度要求等)，如今工厂环境存在着大量不确定因素，光靠GPS是远远不够的，针对上述问题，发明人提出一种基于卡尔曼观测器的AGV小车控制系统及方法用于解决上述问题。
发明内容
为了解决AGV小车配备的GPD导航的精度差的问题；本发明的目的在于提供一种基于卡尔曼观测器的AGV小车控制系统及方法。
为解决上述技术问题，本发明采用如下技术方案：一种基于卡尔曼观测器的AGV小车控制系统，包括车载控制系统，所述车载控制系统的终端连接有信息获取模块，所述信息获取模块的终端连接有激光导航模块，所述激光导航模块的终端连接有图像采集模块，所述图像采集模块的终端连接有卡尔曼观测模块，所述卡尔曼观测模块的终端连接有路障检测模块。
优选地，所述车载控制系统的终端分别连接有传感模块和定位模块。
优选地，所述信息获取模块的终端分别连接有工厂地图获取模块和路网信息获取模块。
优选地，所述卡尔曼观测模块的终端分别连接有位置预估模块、位置纠偏模块和路径对比模块。
优选地，一种基于卡尔曼观测器的AGV小车控制方法，包括以下步骤：
S1、通过工厂地图获取模块和路网信息获取模块获取工厂地图和AGV路网信息，工厂地图中包括任务点和AGV小车经过的结点；
S2、通过传感模块和定位模块获取小车的初始位置，并通过激光导航模块生成的数字地图和初始定位信息生成目标AGV小车行进路径，同时，通过传感模块获取小车的位置和速度；
S3、在目标AGV小车在移动的过程中，通过图像采集模块终端的3D相机采集的图像信息以及激光导航模块获取的信息，实时修正目标AGV小车的行进路径，卡尔曼观测模块通过目标小车的位置和速度，预估小车的下一前进路径，并驱动小车沿修正后的路径行进到指定位置，并且比较修正后的路径位置和实际设定的路径位置；
S4、当到达下一指定位置后，根据目标AGV小车的图像信息，计算出行进位置与实际目标位置的偏差，根据两个位置之间的偏差，调整目标AGV小车的进行路径，根据目标AGV小车当前K-1时刻的位置和重构的数字地图不断修正行进路径，并驱使目标AGV小车沿修正后的路线行驶到K时刻指定位置；
S5、在目标AGV小车移动过程中，路障检测模块获取能够反映周围物体距离车身本体距离的障碍物信息，同时获取目标小车的外界干扰噪声；
S6、当到达指定位置后，车载控制系统根据目标AGV小车图像信息获取小车的位姿和实际目标位置，并根据AGV小车的位姿和实际目标位置计算目标AGV小车的中轴线和到实际目标位置的偏差。
优选地，所述卡尔曼观测模块处理传感模块的噪声，所述卡尔曼观测模块使目标AGV小车在k-1时刻的测量位置估计出k时刻的预测位置，通过测量位置和估计位置偏差得出k时刻的最优估计位置，使用最优估计位置和目标AGV小车实际位置不断修正。
优选地，所述激光导航模块生成的数字地图以及每个时刻小车位置的位置变化，得出目标小车的加速度a，通过加速度来修正小车的实际位置，使得实际位置和小车预估位置偏差降至最小。
与现有技术相比，本发明的有益效果在于：
1、利用激光导航模块对目标AGV小车所处的工厂环境的空间轮廓扫描出来，给定参考坐标、初始定位信息(包括初始位置和速度)和小车行进的数字地图，结合初始定位基础上，通过卡尔曼观测模块生成一个初步的行进路径，在目标AGV小车的移动过程中，结合图像采集模块拍摄到的图像，再将这些所获取的外部信号，通过卡尔曼算法，整合融合不断修正小车每一时刻的前进路线，使得小车的行进路线达到最优的行进路线，从而更加准确得定位小车每一时刻得位置，即使小车在由于外界干扰丢失信号时，卡尔曼观测模块也能保证目标AGV小车定位更精准，提高小车工作效率；
2、相比传统技术在采用视觉以及大量传感器，卡尔曼观测模块应用在AGV小车可以极大降低成本，而且还能更加准确的规划路径，卡尔曼观测模块还能消除外界干扰带来的影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明系统连接示意图。
图中：100、车载控制系统；110、传感模块；120、定位模块；200、信息获取模块；210、工厂地图获取模块；220、路网信息获取模块；300、激光导航模块；400、图像采集模块；500、卡尔曼观测模块；510、位置预估模块；520、位置纠偏模块；530、路径对比模块；600、路障检测模块。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例：如图1所示，本发明提供了一种基于卡尔曼观测器的AGV小车控制系统，包括车载控制系统100，车载控制系统100的终端连接有信息获取模块200，信息获取模块200的终端连接有激光导航模块300，激光导航模块300的终端连接有图像采集模块400，图像采集模块400的终端连接有卡尔曼观测模块500，卡尔曼观测模块500的终端连接有路障检测模块600。
车载控制系统100的终端分别连接有传感模块110和定位模块120。
信息获取模块200的终端分别连接有工厂地图获取模块210和路网信息获取模块220。
卡尔曼观测模块500的终端分别连接有位置预估模块510、位置纠偏模块520和路径对比模块530。
一种基于卡尔曼观测器的AGV小车控制方法，包括以下步骤：
S1、通过工厂地图获取模块210和路网信息获取模块220获取工厂地图和AGV路网信息，工厂地图中包括任务点和AGV小车经过的结点；
S2、通过传感模块110和定位模块120获取小车的初始位置，并通过激光导航模块300生成的数字地图和初始定位信息生成目标AGV小车行进路径，同时，通过传感模块110获取小车的位置和速度；
S3、在目标AGV小车在移动的过程中，通过图像采集模块400终端的3D相机采集的图像信息以及激光导航模块300获取的信息，实时修正目标AGV小车的行进路径，卡尔曼观测模块500通过目标小车的位置和速度，预估小车的下一前进路径，并驱动小车沿修正后的路径行进到指定位置，并且比较修正后的路径位置和实际设定的路径位置；
S4、当到达下一指定位置后，根据目标AGV小车的图像信息，计算出行进位置与实际目标位置的偏差，根据两个位置之间的偏差，调整目标AGV小车的进行路径，根据目标AGV小车当前K-1时刻的位置和重构的数字地图不断修正行进路径，并驱使目标AGV小车沿修正后的路线行驶到K时刻指定位置；
S5、在目标AGV小车移动过程中，路障检测模块600获取能够反映周围物体距离车身本体距离的障碍物信息，同时获取目标小车的外界干扰噪声；
S6、当到达指定位置后，车载控制系统100根据目标AGV小车图像信息获取小车的位姿和实际目标位置，并根据AGV小车的位姿和实际目标位置计算目标AGV小车的中轴线和到实际目标位置的偏差。
卡尔曼观测模块500处理传感模块110的噪声，卡尔曼观测模块500使目标AGV小车在k-1时刻的测量位置估计出k时刻的预测位置，通过测量位置和估计位置偏差得出k时刻的最优估计位置，使用最优估计位置和目标AGV小车实际位置不断修正。
激光导航模块300生成的数字地图以及每个时刻小车位置的位置变化，得出目标小车的加速度a，通过加速度来修正小车的实际位置，使得实际位置和小车预估位置偏差降至最小。
通过采用上述技术方案，在目标AGV小车的定位与路线规划中，当目标AGV小车丢失信号的时，
卡尔曼观测模块在目标AGV小车上的应用如下
获取目标AGV小车的位置p和速度v
但是我们不知道目标AGV小车的实际的位置和速度，它们之间有很多种可能正确的组合，但其中一些的可能性要大于其它部分。
卡尔曼滤波假设两个变量一个是目标AGV小车的位置p,另一个是目标AGV小车的速度v,这两个变量都是随机的，并且服从高斯分布，每一个变量都有一个均值μ，表示随机分布的中心即最有可能的状态，以及方差σ2，表示不确定性。
目标AGV小车的位置p和速度v是相关的，观测特定位置的可能性取决于当前的速度，我们可以基于目标AGV小车旧的位置来估计新位置，如果速度过高，目标AGV小车可能移动的很远了，如果速度缓慢，目标AGV小车就可能移动得不远，跟踪这种关系是非常重要的，因为它带给我们更多得信息：其中一个测量值告诉了我们其它变量可能得值，这就是卡尔曼滤波的目的，尽可能地再包含不确定性的测量数据中提取更多的信息。这种相关性可以用协方差矩阵来表示。
我们基于高斯分布来建立状态变量，所以在时刻k需要两个信息：最优估计即均值，以及协方差矩阵Pk。
在这里我们只用到目标AGV小车的位置和速度，接下来，我们需要根据当前状态(k-1时刻)来预测下一状态(k时刻)。
我们可以用矩阵Fk来表示预测目标AGV小车下个位置的过程:
Pk＝Pk-1+Δtvk-1
vk＝vk-1
另一方面：
现在，我们有了一个预测矩阵来表示下一时刻的状态，但是，我们仍然需要更新协方差矩阵
Cov(x)＝Σ
Cov(Ax)＝AΣAT
接着得出：
目标AGV小车在运动过程中，导航软件可能发出一个指令让轮子转向或停止，这些计算机发出的额外信息，这里用一个向量来表示，将这些信息指令放到预测方程中做修正。
假设由于控制命令，我们知道了期望的加速度a，根据基本的运动学方程可以得到：
vk＝vk-1+aΔt
矩阵形式表示为：
Bk表示为控制矩阵。
表示为控制向量。
由于工厂的复杂环境，所以目标AGV小车在行驶过程中会受到外界的干扰，将这些没有被跟踪的干扰当作协方差为Qk的噪声来处理。这产生了具有不同协方差但是具有相同的均值的新的高斯分布。下面给出预测步骤的完整表达式：
由上式可知，新的最优估计是根据上一最优估计/>预测得到的，并加上已知外部控制量/>的修正。而新的不确定性Pk是由上一不确定性Pk-1预测得到，并加上外部环境的干扰Qk。
目标AGV小车在行使过程中可能会有多个传感器来测量系统当前的状态，哪个传感器具体测量的是哪个状态变量并不重要，也许一个是测量位置，一个是测量速度，每个传感器间接地告诉我们一些状态信息。注意传感器读取的数据的单位和尺度可能与我们要跟踪的状态的单位和尺度不一样，我们用矩阵Hk来表示传感器的数据。我们可以计算出传感器读数据的分布，用之前的表示方法如下式所示：
卡尔曼滤波的一大优势就是可以处理传感器的噪声，换句话说，我们的传感器或多或少都有点不可靠，并且原始估计中的每个状态可以和一定范围内的传感器读数对应起来。从测量到的传感器数据中，我们可以大致猜到系统当前处于什么状态。但是由于存在不确定性，某些状态可能比我们得到的读书更接近真实状态。
我们将这种不确定性(例如：传感器噪声)用协方差Rk表示，该分布的均值就是满五年读取到的传感器数据，称之为现在我们有个两个高斯分布，一个在预测值附近，另一个在传感器读数附件。我们可以在预测值和传感器测量值之间找到最优解。把这两个具有不同均值和方差的高斯分布相乘，会得到一个具有独立均值和方差的高斯分布。
K＝Σ0(Σ0+Σ1)-1
Σ'＝Σ0-KΣ0
矩阵K称为卡尔曼增益。
这时我们有两个高斯分布,预测部分和测量部分
重叠都可得到卡尔曼增益:
P’k＝Pk-K’HkPk
表示新的最优估计，我们可以将/>和P'k放到下一个预测和更新的方程中不断迭代，最终卡尔曼观测模块可以得出一条最优的目标AGV小车的行使路径。该方式能够保证AGV小车的位置准确性。同时在每一次AGV小车位置更新后，根据更新后的位置实时更新AGV小车的行驶路线，保证AGV小车作业的准确性，即通过AGV小车的准确位置和行驶路线，提高AGV小车的作业精度。
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 (7)

1.一种基于卡尔曼观测器的AGV小车控制系统，包括车载控制系统(100)，其特征在于：所述车载控制系统(100)的终端连接有信息获取模块(200)，所述信息获取模块(200)的终端连接有激光导航模块(300)，所述激光导航模块(300)的终端连接有图像采集模块(400)，所述图像采集模块(400)的终端连接有卡尔曼观测模块(500)，所述卡尔曼观测模块(500)的终端连接有路障检测模块(600)。
2.如权利要求1所述的一种基于卡尔曼观测器的AGV小车控制系统，其特征在于，所述车载控制系统(100)的终端分别连接有传感模块(110)和定位模块(120)。
3.如权利要求1所述的一种基于卡尔曼观测器的AGV小车控制系统，其特征在于，所述信息获取模块(200)的终端分别连接有工厂地图获取模块(210)和路网信息获取模块(220)。
4.如权利要求1所述的一种基于卡尔曼观测器的AGV小车控制系统，其特征在于，所述卡尔曼观测模块(500)的终端分别连接有位置预估模块(510)、位置纠偏模块(520)和路径对比模块(530)。
5.如权利要求1-4任意一项所述的一种基于卡尔曼观测器的AGV小车控制方法，其特征在于，包括以下步骤：
S1、通过工厂地图获取模块(210)和路网信息获取模块(220)获取工厂地图和AGV路网信息，工厂地图中包括任务点和AGV小车经过的结点；
S2、通过传感模块(110)和定位模块(120)获取小车的初始位置，并通过激光导航模块(300)生成的数字地图和初始定位信息生成目标AGV小车行进路径，同时，通过传感模块(110)获取小车的位置和速度；
S3、在目标AGV小车在移动的过程中，通过图像采集模块(400)终端的3D相机采集的图像信息以及激光导航模块(300)获取的信息，实时修正目标AGV小车的行进路径，卡尔曼观测模块(500)通过目标小车的位置和速度，预估小车的下一前进路径，并驱动小车沿修正后的路径行进到指定位置，并且比较修正后的路径位置和实际设定的路径位置；
S4、当到达下一指定位置后，根据目标AGV小车的图像信息，计算出行进位置与实际目标位置的偏差，根据两个位置之间的偏差，调整目标AGV小车的进行路径，根据目标AGV小车当前K-1时刻的位置和重构的数字地图不断修正行进路径，并驱使目标AGV小车沿修正后的路线行驶到K时刻指定位置；
S5、在目标AGV小车移动过程中，路障检测模块(600)获取能够反映周围物体距离车身本体距离的障碍物信息，同时获取目标小车的外界干扰噪声；
S6、当到达指定位置后，车载控制系统(100)根据目标AGV小车图像信息获取小车的位姿和实际目标位置，并根据AGV小车的位姿和实际目标位置计算目标AGV小车的中轴线和到实际目标位置的偏差。
6.如权利要求5所述的一种基于卡尔曼观测器的AGV小车控制方法，其特征在于，所述卡尔曼观测模块(500)处理传感模块(110)的噪声，所述卡尔曼观测模块(500)使目标AGV小车在k-1时刻的测量位置估计出k时刻的预测位置，通过测量位置和估计位置偏差得出k时刻的最优估计位置，使用最优估计位置和目标AGV小车实际位置不断修正。
7.如权利要求5所述的一种基于卡尔曼观测器的AGV小车控制方法，其特征在于，所述激光导航模块(300)生成的数字地图以及每个时刻小车位置的位置变化，得出目标小车的加速度a，通过加速度来修正小车的实际位置，使得实际位置和小车预估位置偏差降至最小。
CN202310671834.4A 2023-06-08 2023-06-08 一种基于卡尔曼观测器的agv小车控制系统及方法 Pending CN117007045A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310671834.4A CN117007045A (zh) 2023-06-08 2023-06-08 一种基于卡尔曼观测器的agv小车控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310671834.4A CN117007045A (zh) 2023-06-08 2023-06-08 一种基于卡尔曼观测器的agv小车控制系统及方法

Publications (1)

Publication Number Publication Date
CN117007045A true CN117007045A (zh) 2023-11-07

Family

ID=88571818

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310671834.4A Pending CN117007045A (zh) 2023-06-08 2023-06-08 一种基于卡尔曼观测器的agv小车控制系统及方法

Country Status (1)

Country Link
CN (1) CN117007045A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117930297A (zh) * 2024-03-21 2024-04-26 北京理工大学 一种基于车载摄像头和地图的车辆定位方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117930297A (zh) * 2024-03-21 2024-04-26 北京理工大学 一种基于车载摄像头和地图的车辆定位方法及系统
CN117930297B (zh) * 2024-03-21 2024-06-11 北京理工大学 一种基于车载摄像头和地图的车辆定位方法及系统

Similar Documents

Publication Publication Date Title
Su et al. GR-LOAM: LiDAR-based sensor fusion SLAM for ground robots on complex terrain
CN109521756B (zh) 用于无人驾驶车辆的障碍物运动信息生成方法和装置
WO2018181974A1 (ja) 判定装置、判定方法、及び、プログラム
Lee et al. Robust mobile robot localization using optical flow sensors and encoders
US10860035B2 (en) Travel history storage method, method for producing travel path model, method for estimating local position, and travel history storage device
CN107402012A (zh) 一种车辆的组合导航方法
Yoneda et al. Urban road localization by using multiple layer map matching and line segment matching
Bento et al. Sensor fusion for precise autonomous vehicle navigation in outdoor semi-structured environments
Ivanjko et al. Extended Kalman filter based mobile robot pose tracking using occupancy grid maps
JP2024103654A (ja) 計測精度算出装置、自己位置推定装置、制御方法、プログラム及び記憶媒体
CN108036792A (zh) 一种用于移动机器人的里程计与测量位姿的数据融合方法
JP2024105508A (ja) 出力装置、制御方法、プログラム及び記憶媒体
CN115060257B (zh) 一种基于民用级惯性测量单元的车辆变道检测方法
Śmieszek et al. Application of Kalman filter in navigation process of automated guided vehicles
JP3079841B2 (ja) 道路形状及び自車両位置の計測装置
CN117007045A (zh) 一种基于卡尔曼观测器的agv小车控制系统及方法
KR101390776B1 (ko) 퍼지 확장 칼만 필터를 이용한 위치인식 장치, 방법 및 이동로봇
Cremean et al. Model-based estimation of off-highway road geometry using single-axis ladar and inertial sensing
Azizi et al. Mobile robot position determination using data from gyro and odometry
CN211427151U (zh) 一种应用于封闭场地无人驾驶货运车辆上的自动引导系统
US11613272B2 (en) Lane uncertainty modeling and tracking in a vehicle
Mitrev et al. Radar-inertial localization for unmanned ground vehicles in gnss-denied off-road environments
Hong et al. A high-precision SLAM system based on LiDAR, IMU and wheel encoders
CN119063739B (zh) 一种机器人重定位方法、装置、设备及介质
Barata et al. Data fusion of wheel encoders and magnetic sensors for autonomous vehicles navigation

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