一种室内无人车定位误差消除方法及系统 专利技术说明

测量装置的制造及其应用技术1.本发明涉及室内定位技术领域，尤其是涉及一种室内无人车定位误差消除方法及系统。背景技术：2.随着科学技术和社会的迅速发展，无人驾驶、无人机、以及自主机器人的研究和进展非常迅速，以很快的速度在我们的日常生活中普及起来。而这些技术最大的一个特点就是自主作业，自主作业的前提就是进行定位，而在接近目标的过程中难免会遇到障碍物，则要进行避障。所以定位跟随以及避障是自主作业的一个重点以及前提。3.现有的室内定位实现方法主要有以下几类：基于tof(time of flight，飞行时差)距离的基线定位；基于rssi的测距定位；基于天线阵的测距测向定位；基于惯导模块或内置陀螺仪的航迹推演定位；基于视觉或图像处理的定位；以及多传感融合的定位方法。每类定位的具体实现又可分为若干具体方式，以基于tof距离的基线定位为例，可分为基于gps、基于uwb、基于wifi等。4.基于uwb(ultra wideband，超宽带)的室内定位方法属于tof测距定位的一种。是现今室内定位技术中发展前景较高的一种。具有穿透力强、功耗低、抗多径效果好、安全性高、系统复杂度低、能提供精确定位精度的技术。uwb定位技术可以应用于室内静止或者移动物体以及人的定位跟踪与导航，且能提供十分精确的定位信息。uwb定位技术采用的tof测距，属于双向测距技术。利用信号在两个收发机之间飞行时长测定基站与标签的间距。通过公式计算出信号在的传信时长，从而确定飞行距离。因为在视距视线环境下，基于tof测距方法是随距离呈线性关系，因此测算结果会更加精准。因各方面优势，基于uwb的室内定位技术总体性能较强，应用也较广。5.uwb本身是一种无载波通信技术，利用纳秒至微秒级的非正弦波窄脉冲传输数据。uwb与传统通信技术的定位方法有较大差异，它不需要使用传统通信体制中的载波，而是通过发送和接收具有纳秒或纳秒级以下的极窄脉冲来传输数据，因此具有诸多优点，是精确定位的技术保障。6.然而，其定位的准确性也会受一定环境因素影响，例如，定位基站标定坐标与实际坐标的误差、环境中有无绕射障碍等。所以，对定位误差进行及时修正的工作必不可少。7.现有的消除误差的方法主要依赖增加定位基站数量，在解算坐标时通过筛选基站或对结算结果作一定加权，以提高定位的精度。这需要相当数量的定位基站以及合适的解算算法。技术实现要素：8.本发明的目的就是为了克服上述现有技术存在的缺陷而提供了一种室内无人车定位误差消除方法及系统，该方法解决在大部分场景中基于uwb的定位系统因基站坐标误差、信号传输出现绕射等问题产生误差的情况，提供一种能够有效消除因室内环境复杂、具有干扰等因素产生误差的方法及自动化校准流程。9.本发明的目的可以通过以下技术方案来实现：10.根据本发明的第一方面，提供了一种室内无人车定位误差消除方法，该方法包括以下步骤：11.步骤s1、搭建配备有视觉传感器的无人车定位系统并初始化；12.步骤s2、根据标定锚点坐标及地图信息进行路径规划；13.步骤s3、无人车依次自动行驶至各锚点附近，依据视觉传感器，控制无人车校准位置以及航向角，核验锚点信息无误后，记录并上传实际测距数据；14.步骤s4、计算并存储各基站测距误差校准参数，完成校准。15.优选地，所述步骤s1具体为：16.搭建配备有视觉传感器的无人车定位系统，读取校准所需锚点坐标位置及场地地图信息；定位测距所需各基站上电，读取初始化配置参数及各定位基站坐标，并初始化，开始测距。17.优选地，所述步骤s2包括以下子步骤：18.步骤s21、根据标定锚点坐标及地图信息，在场地内建立三维直角坐标系，并按无人车尺寸建立网格，将场地内各物体标记为不可达节点，任意节点到达不可达节点的代价值为无穷；19.步骤s22、使用路径规划算法求得场地内的任意两锚点间以及无人车当前位置到各锚点的最短路径长度及最优路径，得出总路径最短的排序；20.步骤s23、将总路径划分为若干直线段，记录线段间的拐点和直线段中的锚点坐标，按序排列，即为路径规化结果。21.优选地，所述在场地内建立三维直角坐标系，并按无人车尺寸建立网格，具体为：22.以室内空间内某点为坐标原点，以垂直于地面向上为z轴正方向，以某一平行于室内墙面且垂直z轴方向的方向为x轴正方向，最后根据x、y、z三轴正交关系确定y轴正方向，建立空间直角坐标系；23.以无人车本身的长宽尺寸为最小分度，对已建立的坐标系中的xoy平面进行网格划分；所划分出的每一个长方形方格即为一个网格节点，从而得室内场景的离散网格坐标系；24.根据标定锚点坐标及地图信息，在场地内，建立三维直角坐标系，并按无人车尺寸建立网格，将场地内各物体标记为不可达节点，任意相邻节点的长度设为1；25.建立坐标系与锚点、基站坐标设定在架设场地后完成，在对无人车主控单元、各基站和标签编程配置时，即将相关坐标存入寄存器。26.优选地，将场地内各物体标记为不可达节点包括：27.根据场景中已知物体的连续坐标信息，计算出其在离散坐网格坐标系下的坐标范围，将范围内的节点均标记为不可到达节点，进一步计算出离散坐标系下各节点间的连通情况，构成一步连通矩阵；根据各锚点的连续坐标位置，换算得出其在离散网格坐标系下的坐标范围。28.优选地，所述路径规划算法为a*算法，其路径规划过程包括：29.在计算估计函数时，以当前点与目标点连线长度为其基础估计代价，若连线经过不可达节点，则记录经过不可达节点个数，增加估计代价值。30.优选地，所述步骤s3包括：31.步骤s31、根据已规划路径，控制无人车移动至锚点附近时，使用视觉传感器确定锚点标记具体位置；根据锚点标记的各圈色环排序，确定无人车移动方向，逐渐缓慢移动至锚点标记中心正上方；32.步骤s32、视觉传感器读取锚点标记正中心设有的二维码的数据，核验其与预计到达锚点是否一致，确认一致后，将当前的基站实测数据记录上传至定位主基站。33.优选地，所述步骤s3还包括无人车需根据锚点标记中的黑色框线修正自身航向角。34.优选地，所述步骤s4包括：35.在主基站处，将各锚点处实测测距数据与理想测量值进行线性回归拟合，得出各基站的误差修正函数参数，即最终校准结果；36.记第i基站在第j锚点处与标签的实际测距值为dij，记第i基站在第j锚点处与标签的实际测距值为dij；利用最小二乘拟合求得线性拟合函数f使(dij-f(dij))^2最小，线性函数f即为误差修正结果；在之后的定位测距过程中，对实际测距使用f进行校正后再做定位解算。37.根据本发明的第二方面，提供了一种室内无人车车载uwb定位误差消除系统，该系统包括无人车及主控单元、视觉模块、设置于车载端的uwb标签、多个设置于室内环境内的uwb基站，以及铺设于场地内的锚点地贴；其中：38.所述uwb基站与uwb标签，两两之间通过uwb信号进行数据传输，所述的主控单元与uwb标签连接，所述的主控单元与视觉模块连接；39.多个uwb基站中包含一个主基站和多个次基站，在主基站的信号控制下，四个uwb基站分别与标签进行测距，将测距结果发送至uwb主基站进行解算，主基站将定位坐标发送至各基站和uwb标签，由uwb标签发送至主控单元；40.所述主控单元与视觉模块通信连接，视觉模块将处理后的图像信号发送给主控单元，主控单元控制无人车进行位置微调、角度调整或确认锚点信息。41.与现有技术相比，本发明具有以下优点：42.1)本发明的方法能够有效地消除基站信号绕射或基站本身位置偏离等情况下产成的测距误差，提高系统定位的准确性及鲁棒性；43.2)采用a*算法进行路径规划算法，准确性更高。附图说明44.图1为uwb标签单次测距流程；45.图2为主控单元流程；46.图3为主基站流程；47.图4为锚点地贴示意图；48.图5为系统结构图。具体实施方式49.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，所描述的实施例是本发明的一部分实施例，而不是全部实施例。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的前提下所获得的所有其他实施例，都应属于本发明保护的范围。50.实施例51.本发明给出了一种基于视觉传感器的车载uwb定位误差消除方法及系统，减少了在测距过程中产生的误差，提升定位的鲁棒性。52.能够有效地消除基站信号绕射或基站本身位置偏离等情况下产成的测距误差，提高系统定位的准确性。53.如图5所示，一种基于视觉传感器的车载uwb定位误差消除系统，包括：无人车及主控单元、视觉模块、设置于车载端的uwb标签、设置于室内环境内的四个uwb基站，还包括铺设于场地内的锚点地贴，如图4所示。54.四个uwb基站与标签，两两之间能够通过uwb信号进行数据传输，主控单元与uwb标签连接，主控单元与视觉模块连接。55.具体的，四个uwb基站中包含一个主基站和三个次基站，在主基站的信号控制下，四个uwb基站分别与标签进行测距，将测距结果发送至uwb主基站进行解算，主基站将定位坐标发送至各基站和uwb标签，由uwb标签发送至主控单元。56.主控单元与视觉模块利用串口进行通信，视觉模块将处理后的图像信号发送给主控单元，主控单元核据此控制无人车进行位置微调或控制无人车进行角度调整或确认锚点信息。57.其具体步骤如下：58.步骤一，系统各部分初始化。无人车主控单片机及外围电路上电，各功能模块初始化，依据存储器数据读取校准所需锚点坐标位置及场地地图信息；定位测距所需各基站上电，读取寄存器中的数据初始化配置参数及各定位基站坐标，并初始化，开始测距。59.步骤二，根据标定锚点坐标及地图信息，进行路径规划。设场地内的锚点个数为n，使用a*算法快速求得任意两锚点间以及无人车当前位置到各锚点的最短路径长度及最优路径，总计n*(n+1)/2个路径长度。记第i锚点为tag(i)，i∈[1,n]∩z，对于任意j∈[1,n]∩z，j≠i，都可以利用a*算法计算出tag(i)与tag(j)的最短路及最短路长度，将最短路长度记为l(i,j),显然有l(i,j)＝l(j,i)。具体计算采用a*算法，在计算估计函数h()时，以当前点与目标点连线长度为其基础估计代价，若连线经过不可达节点，则记录经过不可达节点个数n，对估计代价值k*n，其中k为常数，在系统初始化时配置。[0060]使用遗传算法对上述n个锚点进行排序，根据以上*(n+1)/2个路径长度，得出总路径最短的排序。将总路径划分为若干直线段，记录线段间的拐点和直线段中的锚点坐标，按序排列，所构成的坐标点序列即为路径规化结果。[0061]步骤三，无人车根据路径规划结果依次自动行驶至各锚点附近，当无人车移动至锚点附近时，使用视觉传感器确定锚点标记具体位置。根据锚点标记的各圈色环排序，确定无人车移动方向，逐渐缓慢移动至锚点标记中心正上方。同时，无人车需根据锚点标记中的黑色框线修正自身航向角。在主控单元核验锚点信息无误后，uwb主基站记录下当前锚点的实际测距数据。[0062]步骤四，在主基站处，将各锚点处实测测距数据与理想测量值进行线性回归拟合，得出各基站的误差修正函数参数，即最终校准结果。[0063]记第i基站在第j锚点处与标签的实际测距值为dij，记第i基站在第j锚点处与标签的实际测距值为dij。利用最小二乘拟合求得线性拟合函数f使(dij-f(dij))^2最小，线性函数f即为误差修正结果。在之后的定位测距过程中，对实际测距使用f进行校准后再进行定位解算。[0064]以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!