本發(fā)明涉及無人運載，尤其涉及一種多車協(xié)同運輸方法、裝置和系統(tǒng)。

背景技術(shù)：

1、在各領(lǐng)域飛速發(fā)展的大環(huán)境下，對于大件貨物運輸?shù)男枨笕找嬖鲩L。超大件貨物由于體積龐大，傳統(tǒng)人工運輸方法運輸效率低。同時，大件貨物道路運輸過程中受貨物-車輛-道路-環(huán)境耦合作用，缺乏車路信息協(xié)同和交互，可能會碰撞障礙物，導(dǎo)致貨物掉落，車輛行駛穩(wěn)定性低，協(xié)同精度低。

2、綜上，相關(guān)技術(shù)中存在的技術(shù)問題有待得到改善。

技術(shù)實現(xiàn)思路

1、本發(fā)明實施例提供了一種多車協(xié)同運輸方法、裝置和系統(tǒng)，有效地提高了協(xié)同精度、行駛穩(wěn)定性和運輸效率。

2、一方面，本發(fā)明實施例提供了一種多車協(xié)同運輸方法，包括以下步驟：

3、根據(jù)三維直角坐標(biāo)系，計算車輛與結(jié)構(gòu)物質(zhì)心的相對位置和虛擬結(jié)構(gòu)期望狀態(tài)；

4、根據(jù)所述車輛與結(jié)構(gòu)物質(zhì)心的相對位置，構(gòu)建目標(biāo)運動學(xué)模型，所述目標(biāo)運動學(xué)模型包括單車運動學(xué)模型、單車斜移運動學(xué)模型和多車運動學(xué)模型；

5、根據(jù)車輛傳感器數(shù)據(jù)，利用擴展卡爾曼濾波算法計算車輛位置和車輛姿態(tài)；

6、根據(jù)雷達數(shù)據(jù)，構(gòu)建地圖數(shù)據(jù)；

7、根據(jù)預(yù)設(shè)柵格地圖，進行路徑規(guī)劃，得到全局路徑和局部路徑；

8、根據(jù)所述車輛位置、所述車輛姿態(tài)、所述地圖數(shù)據(jù)、所述全局路徑和所述局部路徑，通過目標(biāo)選擇器計算行駛參數(shù)，所述目標(biāo)選擇器包括行為選擇器、速度選擇器、姿態(tài)修正器，所述行駛參數(shù)包括貨物與障礙物間距離、貨物與障礙物間位置關(guān)系、行駛速度、車輛位置坐標(biāo)、旋轉(zhuǎn)中心點偏移量、斜移移動距離、斜移合成速度和斜移轉(zhuǎn)向角度；

9、根據(jù)所述虛擬結(jié)構(gòu)期望狀態(tài)、所述目標(biāo)運動學(xué)模型和所述行駛參數(shù)，進行協(xié)同運輸。

10、在一些實施例中，所述根據(jù)三維直角坐標(biāo)系，計算車輛與結(jié)構(gòu)物質(zhì)心的相對位置和虛擬結(jié)構(gòu)期望狀態(tài)，包括：

11、根據(jù)所述三維直角坐標(biāo)系，構(gòu)建質(zhì)心位置方程組；

12、根據(jù)支撐模式和所述質(zhì)心位置方程組，連接每個子支撐區(qū)域的中心，得到穩(wěn)定支撐區(qū)域；

13、根據(jù)所述穩(wěn)定支撐區(qū)域，計算支撐三角形的三邊長方程組；

14、根據(jù)所述三邊長方程組，計算所述支撐三角形的周長；

15、根據(jù)所述周長，計算所述支撐三角形的面積；

16、根據(jù)所述面積和質(zhì)心高度，計算支撐角；

17、根據(jù)多個所述支撐角，計算所述車輛與結(jié)構(gòu)物質(zhì)心的相對位置；

18、根據(jù)所述三維直角坐標(biāo)系，采用虛擬結(jié)構(gòu)法構(gòu)建局部虛擬結(jié)構(gòu)動力學(xué)模型；

19、根據(jù)所述局部虛擬結(jié)構(gòu)動力學(xué)模型，構(gòu)建局部虛擬結(jié)構(gòu)狀態(tài)向量；

20、根據(jù)所述局部虛擬結(jié)構(gòu)狀態(tài)向量，構(gòu)建所述虛擬結(jié)構(gòu)期望狀態(tài)。

21、在一些實施例中，當(dāng)所述目標(biāo)運動學(xué)模型為單車運動學(xué)模型時，所述根據(jù)所述車輛與結(jié)構(gòu)物質(zhì)心的相對位置，構(gòu)建目標(biāo)運動學(xué)模型，包括：

22、根據(jù)所述車輛與結(jié)構(gòu)物質(zhì)心的相對位置，構(gòu)建單驅(qū)動輪單車運動速度方程；

23、根據(jù)所述單驅(qū)動輪單車運動速度方程，構(gòu)建左前輪單車運動分解速度向量、左后輪單車運動分解速度向量、右前輪單車運動分解速度向量、右后輪單車運動分解速度向量；

24、對所述左前輪單車運動分解速度向量進行填充變換，得到左前輪單車運動方程組；

25、對所述左后輪單車運動分解速度向量進行填充變換，得到左后輪單車運動方程組；

26、對所述右前輪單車運動分解速度向量進行填充變換，得到右前輪單車運動方程組；

27、對所述右后輪單車運動分解速度向量進行填充變換，得到右后輪單車運動方程組；

28、根據(jù)所述左前輪單車運動方程組、所述左后輪單車運動方程組、所述右前輪單車運動方程組和所述右后輪單車運動方程組，構(gòu)建中心速度單車運動矩陣；

29、對所述中心速度單車運動矩陣中的系數(shù)矩陣進行求逆處理，得到所述單車運動學(xué)模型。

30、在一些實施例中，當(dāng)所述目標(biāo)運動學(xué)模型為多車運動學(xué)模型時，所述根據(jù)所述車輛與結(jié)構(gòu)物質(zhì)心的相對位置，構(gòu)建目標(biāo)運動學(xué)模型，包括：

31、根據(jù)期望線速度和期望角速度，計算貨物到貨物旋轉(zhuǎn)點的距離；

32、對所述期望線速度進行分解，得到貨物線速度分解方程組；

33、根據(jù)所述貨物到貨物旋轉(zhuǎn)點的距離和所述期望角速度，構(gòu)建車輛線速度分解方程組；

34、根據(jù)所述貨物到貨物旋轉(zhuǎn)點的距離、所述車輛與結(jié)構(gòu)物質(zhì)心的相對位置、所述貨物線速度分解方程組和所述車輛線速度分解方程組，構(gòu)建所述多車運動學(xué)模型。

35、在一些實施例中，所述根據(jù)車輛傳感器數(shù)據(jù)，利用擴展卡爾曼濾波算法計算車輛位置和車輛姿態(tài)，包括：

36、將所述車輛傳感器數(shù)據(jù)作為所述擴展卡爾曼濾波算法的輸入，計算狀態(tài)向量的先驗估計值和先驗估計協(xié)方差矩陣；

37、根據(jù)所述先驗估計協(xié)方差矩陣，計算卡爾曼增益矩陣；

38、根據(jù)所述先驗估計值和所述卡爾曼增益矩陣，計算狀態(tài)變量后驗估計值；

39、根據(jù)所述先驗估計協(xié)方差矩陣和所述卡爾曼增益矩陣，計算后驗估計協(xié)方差矩陣；

40、對所述狀態(tài)變量后驗估計值和所述后驗估計協(xié)方差矩陣進行輸出處理，得到所述車輛位置和所述車輛姿態(tài)。

41、在一些實施例中，所述根據(jù)雷達數(shù)據(jù)，構(gòu)建地圖數(shù)據(jù)，包括：

42、根據(jù)局部同步定位建圖、全局同步定位建圖和重力方向，將所述雷達數(shù)據(jù)投影到二維平面內(nèi)，得到子圖；

43、根據(jù)所述子圖、旋轉(zhuǎn)角度和觀測值，計算雷達幀在子圖坐標(biāo)系下的位姿；

44、根據(jù)所述子圖和所述雷達幀在子圖坐標(biāo)系下的位姿，計算命中比率；

45、根據(jù)所述命中比率，構(gòu)建命中概率更新方程和未命中概率更新方程；

46、根據(jù)非線性最小二乘方程、所述命中概率更新方程和所述未命中概率更新方程，計算掃描點與子圖之間的匹配概率；

47、根據(jù)所述掃描點與子圖之間的匹配概率，將掃描數(shù)據(jù)與所述子圖進行匹配，得到所述地圖數(shù)據(jù)。

48、在一些實施例中，所述根據(jù)預(yù)設(shè)柵格地圖，進行路徑規(guī)劃，得到全局路徑和局部路徑，包括：

49、根據(jù)所述預(yù)設(shè)柵格地圖和德塔算法，判斷從父節(jié)點到鄰居節(jié)點的直線路徑上是否存在障礙物；

50、若從父節(jié)點到鄰居節(jié)點的直線路徑上不存在障礙物，則對網(wǎng)格節(jié)點進行平滑連接，得到所述全局路徑；

51、根據(jù)所述預(yù)設(shè)柵格地圖，采用調(diào)節(jié)純追蹤算法將距離、曲率調(diào)節(jié)的線性速度與基于速度的前瞻進行結(jié)合，并與時間縮放的碰撞檢測器進行結(jié)合，得到所述局部路徑。

52、在一些實施例中，所述根據(jù)所述車輛位置、所述車輛姿態(tài)、所述地圖數(shù)據(jù)、所述全局路徑和所述局部路徑，通過目標(biāo)選擇器計算行駛參數(shù)，包括：

53、當(dāng)目標(biāo)選擇器為行為選擇器時，根據(jù)激光雷達感知信息和所述地圖數(shù)據(jù)，對環(huán)境障礙物進行識別，得到目標(biāo)障礙物位置，所述目標(biāo)障礙物位置包括靜態(tài)障礙物位置和動態(tài)障礙物位置；

54、根據(jù)所述車輛位置和所述車輛姿態(tài)，計算運輸車相對位置；

55、根據(jù)多個所述運輸車相對位置，計算貨物位置；

56、根據(jù)所述目標(biāo)障礙物位置和所述貨物位置，計算所述貨物與障礙物間距離和所述貨物與障礙物間位置關(guān)系；

57、當(dāng)目標(biāo)選擇器為速度選擇器時，根據(jù)貨物長度和貨物寬度，計算框線方程組；

58、根據(jù)所述框線方程組和障礙點坐標(biāo)，計算障礙點到貨物距離；

59、根據(jù)所述全局路徑和所述局部路徑，判斷所述障礙點到貨物距離是否小于終止運行活動范圍距離；

60、若所述障礙點到貨物距離小于終止運行活動范圍距離，則終止運行活動；否則判斷所述障礙點到貨物距離是否小于需減速范圍距離；

61、若所述障礙點到貨物距離小于需減速范圍距離，則根據(jù)減速比例，計算所述行駛速度；

62、當(dāng)目標(biāo)選擇器為姿態(tài)修正器時，根據(jù)貨物姿態(tài)信息和車輛姿態(tài)信息，計算車輛線速度和車輛角速度；

63、根據(jù)所述車輛線速度和所述車輛角速度，計算所述車輛位置坐標(biāo)和所述旋轉(zhuǎn)中心點偏移量；

64、根據(jù)斜移線速度和斜移角速度，計算所述斜移移動距離、所述斜移合成速度和所述斜移轉(zhuǎn)向角度。

65、另一方面，本發(fā)明實施例還提供了一種協(xié)同運輸裝置，包括：

66、連接板，所述連接板用于承載貨物；

67、空氣彈簧，所述空氣彈簧與所述連接板連接；

68、連接軸，所述連接軸與所述空氣彈簧連接；

69、軸承座，所述軸承座與所述連接軸連接，并設(shè)置于所述裝置的上層；

70、激光雷達，所述激光雷達用于監(jiān)測第一行駛狀態(tài)；

71、慣性傳感器，所述慣性傳感器用于監(jiān)測第二行駛狀態(tài)；

72、角速度傳感器，所述角速度傳感器與所述軸承座連接，用于監(jiān)測第三行駛狀態(tài)；

73、電腦主機，所述電腦主機用于根據(jù)所述第一行駛狀態(tài)、所述第二行駛狀態(tài)和所述第三行駛狀態(tài)，執(zhí)行所述的多車協(xié)同運輸方法；

74、顯示器，所述顯示器用于顯示行駛參數(shù)；

75、穩(wěn)壓器，所述穩(wěn)壓器用于輸出穩(wěn)定電壓；

76、路由器，所述路由器用于提供所述激光雷達、所述慣性傳感器、所述角速度傳感器、所述顯示器、所述穩(wěn)壓器與所述電腦主機之間的通信連接。

77、另一方面，本發(fā)明實施例還提供了一種多車協(xié)同運輸系統(tǒng)，包括：

78、待搬運貨物和至少兩個所述的協(xié)同運輸裝置。

79、本發(fā)明所具有的有益效果如下：

80、本發(fā)明首先根據(jù)三維直角坐標(biāo)系，計算車輛與結(jié)構(gòu)物質(zhì)心的相對位置和虛擬結(jié)構(gòu)期望狀態(tài)，并根據(jù)車輛與結(jié)構(gòu)物質(zhì)心的相對位置，構(gòu)建目標(biāo)運動學(xué)模型，然后根據(jù)車輛傳感器數(shù)據(jù)，利用擴展卡爾曼濾波算法計算車輛位置和車輛姿態(tài)，并根據(jù)雷達數(shù)據(jù)，構(gòu)建地圖數(shù)據(jù)，再根據(jù)預(yù)設(shè)柵格地圖，進行路徑規(guī)劃，得到全局路徑和局部路徑，并根據(jù)車輛位置、車輛姿態(tài)、地圖數(shù)據(jù)、全局路徑和局部路徑，通過目標(biāo)選擇器計算行駛參數(shù)，最后根據(jù)虛擬結(jié)構(gòu)期望狀態(tài)、目標(biāo)運動學(xué)模型和行駛參數(shù)，進行協(xié)同運輸，從而能夠通過控制車輛參數(shù)和貨物姿態(tài)來進行協(xié)同運輸，進而提高了協(xié)同精度、行駛穩(wěn)定性和運輸效率。

81、本發(fā)明的其它特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在說明書以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。