有轨机器人与车厢共速的方法和设备与流程

本发明一般涉及雷达跟踪控制领域，并且更具体地，涉及有轨机器人与车厢共速的方法和设备。

背景技术：

1、在铁路作业场景，为不影响效率，须在火车车厢运行不停车的情况下对故障车厢进行移动跟随作业。但是，车厢的运行速度并非匀速，且移动过程中的车厢速度不易取得。同时还要求作业的有轨机器人尽量不与车厢刚性连接，且跟踪车厢移动的任务中对车厢实时共速精度必须要要达到一定的要求才能满足移动跟随作业条件。如果机器人在作业过程中，出现共速点不准确或与车厢相对速度差异比较大，车厢会与有轨机器人产生碰撞。

技术实现思路

1、根据本发明的实施例，提供了一种有轨机器人与车厢共速方案。本方案能够使有轨机器人在与车厢共速过程中保证共速的稳定性时效性，提升共速的安全性与鲁棒性。

2、在本发明的第一方面，提供了一种有轨机器人与车厢的共速特征点计算方法。该方法包括：

3、获取激光雷达数据，将所述激光雷达数据由一维距离数组转换成二维点云数据；

4、从所述二维点云数据中筛选出与车厢共速的有效特征点；

5、从所述有效特征点中过滤出唯一的共速特征点。

6、进一步地，所述激光雷达数据为有轨机器人中的激光雷达在预设采样条件下采集的扫描点数据，该扫描点数据包括扫描点到激光雷达的距离数据、扫描点的回波强度数据。

7、进一步地，所述将所述激光雷达数据由一维距离数组转换成二维点云数据，包括：

8、l＝[l1 l2 l3 … li …]

9、

10、

11、其中，θ为激光雷达的角度分辨率；li为角度分辨率为θ的扫描点的距离值，l为每帧数据中返回每个扫描点的距离值的集合；x＝[x1 x2 x3 … xi …]表示二维点云的横坐标数组，其中xi表示第i个扫描点的横坐标；y＝[y1 y2 y3 … yi …]表示二维点云的纵坐标数组，其中yi表示第i个扫描点的纵坐标；i为扫描点索引序号。

12、进一步地，所述从所述二维点云数据中筛选出与车厢共速的有效特征点，包括：

13、设定第一阈值t1，计算相邻扫描点之间的距离差值，将所述距离差值的绝对值|di|大于所述第一阈值t1的扫描点作为车厢角点位置的特征点；

14、从二维点云的横坐标数组x和纵坐标数组y中剔除所述车厢角点位置的特征点对应的数据，得到索引值对应的第一一维纵坐标数组x1和第一一维纵坐标数组y1；

15、设定第二阈值t2和第三阈值t3，从所述第一一维纵坐标数组y1筛选出纵坐标在所述第二阈值t2和第三阈值t3之间的纵坐标及其对应的索引值，得到第二一维纵坐标数组y2；

16、根据所述第二一维纵坐标数组y2的索引值对应出第二一维横坐标数组x2。

17、进一步地，所述从所述有效特征点中过滤出唯一的共速特征点，包括：

18、从所述第二一维横坐标数组x2中过滤出符合过滤条件的唯一值作为共速特征点mobj(xobj，yobj)与激光雷达在x轴方向的距离值xobj；

19、所述过滤条件为：

20、s1-w1＜xq-xq-1＜s1+w1

21、s2-w2＜xq-xq-2＜s2+w2

22、s3-w3＜xq+1-xq＜s3+w3

23、其中，s1为每节车厢同侧的前轮对和后轮对的最外侧距离；s2为每个转向架的同侧轮对的宽度；s3为前后两节车厢相邻转向架之间的距离；w1为每节车厢同侧的前轮对和后轮对的最外侧距离s1的误差区间、w2为每个转向架的同侧轮对的宽度s2的误差区间、w3为前后两节车厢相邻转向架之间的距离s3的误差区间；xq是所述第二一维横坐标数组x2中的第q个元素。

24、进一步地，还包括：

25、对所述共速特征点mobj(xobj，yobj)与激光雷达在x轴方向的距离值xobj进行均值处理，得到均值后的所述共速特征点mobj(xobj，yobj)与激光雷达在x轴方向的距离值；

26、所述均值处理包括：

27、从所述二维点云的横坐标数组x中取索引值临近且小于所述第二一维横坐标数组x2中的第q个元素xq的h个元素，取h个元素的平均值作为均值后的所述共速特征点mobj(xobj，yobj)与激光雷达在x轴方向的距离值；h为预设的元素个数。

28、进一步地，还包括：

29、在得到共速特征点mobj(xobj，yobj)与激光雷达在x轴方向的距离值xobj之后，判断当前帧的距离值xobj_e与其上一帧的距离值xobj_l是否满足数据可信度条件，若满足数据可信度条件，则认为当前帧的距离值xobj_e有效，将上一帧的距离值xobj_l更新为当前帧的距离值xobj_e；若不满足数据可信度条件，则保持上一帧的距离值xobj_l不变，累加更新轮次；当所述更新轮次连续累加达到预设次数时，将上一帧的距离值xobj_l更新为当前帧的距离值xobj_e；

30、所述数据可信度条件为：

31、xobj_l-w4＜xobj_e＜xobj_l+w4

32、其中，w4为相邻两帧的距离值变化阈值。

33、在本发明的第二方面，提供了一种有轨机器人与车厢共速的方法。该方法包括：

34、以上述第一方面所述的方法得到的共速特征点为跟随目标，采用pid控制算法计算下一时刻有轨机器人的目标运行速度输出给伺服驱动器，使所述伺服驱动器控制伺服电机调整有轨机器人的运行速度。

35、进一步地，所述采用pid控制算法计算下一时刻有轨机器人的目标运行速度，包括：

36、

37、其中，kp为比例系数；ki为积分系数；kd为微分系数；d为有轨机器人与车厢的共速特征点的期望距离，ei为误差，t为扫描周期，xobj为共速特征点mobj(xobj，yobj)与激光雷达在x轴方向的距离值。

38、在本发明的第三方面，提供了一种电子设备。该电子设备至少一个处理器；以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明第二方面的方法。

39、应当理解，技术实现要素：部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征，亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。

技术特征：

1.一种有轨机器人与车厢的共速特征点计算方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述激光雷达数据为有轨机器人中的激光雷达在预设采样条件下采集的扫描点数据，该扫描点数据包括扫描点到激光雷达的距离数据、扫描点的回波强度数据。

3.根据权利要求1所述的方法，其特征在于，所述将所述激光雷达数据由一维距离数组转换成二维点云数据，包括：

4.根据权利要求1所述的方法，其特征在于，所述从所述二维点云数据中筛选出与车厢共速的有效特征点，包括：

5.根据权利要求4所述的方法，其特征在于，所述从所述有效特征点中过滤出唯一的共速特征点，包括：

6.根据权利要求5所述的方法，其特征在于，还包括：

7.根据权利要求5所述的方法，其特征在于，还包括：

8.一种有轨机器人与车厢共速的方法，其特征在于，以上述权利要求1～7任一项所述的方法得到的共速特征点为跟随目标，采用pid控制算法计算下一时刻有轨机器人的目标运行速度输出给伺服驱动器，使所述伺服驱动器控制伺服电机调整有轨机器人的运行速度。

9.根据权利要求8所述的方法，其特征在于，所述采用pid控制算法计算下一时刻有轨机器人的目标运行速度，包括：

10.一种电子设备，包括至少一个处理器；以及

技术总结本发明的实施例提供了有轨机器人与车厢共速的方法和设备。所述方法包括获取激光雷达数据，将所述激光雷达数据由一维距离数组转换成二维点云数据；从所述二维点云数据中筛选出与车厢共速的有效特征点；从所述有效特征点中过滤出唯一的共速特征点；以共速特征点为跟随目标，采用PID控制算法计算下一时刻有轨机器人的目标运行速度输出给伺服驱动器，使所述伺服驱动器控制伺服电机调整有轨机器人的运行速度。以此方式，可以使有轨机器人在与车厢共速过程中保证共速的稳定性时效性，提升共速的安全性与鲁棒性。技术研发人员：于旺,侯文奇,邓平平,王琛,郭权兴,张春雷,赵阳,鲁杰,王健受保护的技术使用者：沈阳奇辉机器人应用技术有限公司技术研发日：技术公布日：2024/2/19