一种超市分拣机器人的定位方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115915004A(43)申请公布日2023.04.04(21)申请号202211585707.4(22)申请日2022.12.11(71)申请人广州城市理工学院地址510800广东省广州市花都区学府路1号(72)发明人缪文南朱俊杰刘文胜叶天淇钱伟淋严仲宇王子林杜龙飞(74)专利代理机构广州慧宇中诚知识产权代理事务所(普通合伙)44433专利代理师刘各慧(51)Int.Cl.H04W4/02(2018.01)H04W4/33(2018.01)G01S5/04(2006.01)权利要求书2页说明书5页附图2页(54)发明名称一种超市分拣机器人的定位方法(57)摘要本发明提供了一种超市分拣机器人的定位方法，包括以下步骤：（1）预设当前定位空间的二维地图，然后获取当前位置下的UWB数据以及车轮的里程计数据，UWB数据包括三基站下当前位置（x,y）；里程计数据包括当前位置在参考坐标系下的位姿势信息（X,Y,θ）以及里程计原始数据；（2）利用轮式里程计数据作为参考量，通过将UWB数据中当前位置与里程计数据中当前位置之间的位置偏差值与预设的信赖度值进行比较确定UWB状态信赖度，判断UWB是否处于视距情况；（3）根据UWB处于视距情况使用卡尔曼滤波算法对里程计数据和UWB数据进行不同信赖度下的融合；并使用融合得到的数据对里程计数据进行修正，可长时间高效且可靠定位。CN115915004ACN115915004A权利要求书1/2页1.一种超市分拣机器人的定位方法，其特征在于：包括以下步骤：（1）预设当前定位空间的二维地图，然后获取当前位置下的UWB数据以及车轮的里程计数据，UWB数据包括三基站下当前位置（x,y）；里程计数据包括当前位置在参考坐标系下的位姿势信息（X,Y,θ）以及里程计原始数据；（2）利用轮式里程计数据作为参考量，通过将UWB数据中当前位置与里程计数据中当前位置之间的位置偏差值与预设的信赖度值进行比较确定UWB状态信赖度，判断UWB是否处于视距情况；（3）根据UWB处于视距情况使用卡尔曼滤波算法对里程计数据和UWB数据进行不同信赖度下的融合；并使用融合得到的数据对里程计数据进行修正。2.根据权利要求1所述的一种割草装置的作业方法，其特征在于：步骤（1）中：“预设当前定位空间的二位地图，然后获取当前位置下的UWB数据”，预设UWB中三个基站的坐标分别为（x1，y1）、（x2，y2）和（x3，y3），当前位置T的坐标（x,y），当前位置坐标距离三个基站的距离T‑1T分别为d1，d2和d3，当前坐标X的坐标公式如下：T=(AA)Ab其中；；步骤（1）中获取里程计数据具体包括：在一采样周期内，测得分拣机器人的旋转角度θ，小车旋转轨迹的增量为de1和de2；预设分拣机器人的车轮距离分拣机器人中心的垂直距离分别为l1和l2；通过以下公式得到分拣机器人相对于二维坐标系的位姿信息(X,Y,θ)；。3.根据权利要求1所述的一种超市分拣机器人的定位方法，其特征在于：步骤（2）包括：判断UWB状态，用当前位置的UWB数据对里程计的数据求距离偏差值，将距离偏差值与预设的信赖度值进行对比如下（2‑2‑7），将UWB所处状态分为3类：KI为第i类视距状态；e为距离偏差值；K1表示UWB处于视距状态，K2表示UWB处于轻度非视距状态，K3表示UWB已经处于严重的非视距状态；V1表示允许使用的非视距状态误差距离的最小值，V2表示允许使用的非视距状态误差距离的最大值。4.根据权利要求1所述的一种超市分拣机器人的定位方法，其特征在于：步骤（3）包括：步骤（3.1）：基于卡尔曼滤波算法的数据的融合：将UWB的视距状态与卡尔曼滤波算法的Q和R的参数取值如式（2‑2‑8）所示：2CN115915004A权利要求书2/2页K1表示UWB数据处于视距状态，则Q和R可以设置为相同的值即Q1、R1表示；K2表示UWB处于轻度非视距状态，则通过按照预设调整方案增大Q、减小R，增加之后的Q以及减小之后的R分别用Q2、R2来表示；K3表示UWB处于严重非视距状态，Q设置为单位矩阵，R设置为零矩阵，此时Q=I、R=O；然后根据卡尔曼滤波算法得到融合后的X融合后，Y融合后；步骤（3.2）：对累计误差的判断：通过公式（2‑2‑9）判断累计误差是否大于预设值，若是则进行里程计数据的修正：根据以下公式（2‑2‑10）得到修正后的里程计数据ZK（corrected）；；。5.根据权利要求1所述的一种超市分拣机器人的定位方法，其特征在于：V1的取值为10‑20cm。3CN115915004A说明书1/5页一种超市分拣机器人的定位方法技术领域[0001]本发明属于超市分拣设备领域，尤其是涉及一种超市分拣机器人的定位方法。背景技术[0