单舵轮(叉车)AGV里程计数据解算

单舵轮(叉车)AGV里程计数据解算

2016-07

单舵轮AGV,一般包含一个驱动轮和两个从动轮,驱动轮是同时具备行走和转向两个功能的舵轮,因此,单舵轮AGV的运动学自由度为2个。舵轮线速度V1,舵轮转角θ。

AGV机器人里程计一般包含2 个方面的信息:

一、是位姿(位置和转角),即(x,y,θ)。

二、是速度(前进速度V和转向速度W)。

为了建立理想运动学模型,我们需要假设以下情况:

一、舵轮与地面之间行走无滑动摩擦;

二、AGV运行的平面为水平面,没有坡度;

建立单舵轮AGV理想运动学模型,如下图所示。设舵轮的线速度为Vf ,前后轮轴向距离为L ,舵轮横向偏距为 D ,舵轮转角(逆时针为正,顺时针为负)为θ,两定向轮轴心点o(x,y,yaw,V,W)为AGV几何中心计算里程计数据。

其中舵轮Vf及θ需要通过增量编码器和角度编码器实时检测。

经过几何运算o点里程计数据的:

  • o点其他里程计数据的(x,y,θ),是通过V和W数据根据各数据的几何关系不断的积分求得。这里对于单舵轮AGV的里程计数据的介绍只开个头,后不再详细解释,开发人员需要养成深入的去探索的习惯。关于AGV控制的其他问题相互探讨,可以评论咨询联系方式。

实际测试时,机器人的移动距离和转动角度都要进行测试(要确保机器人的实际运动方向与发送的速度指令方向一致,并且偏差在正常范围内),如果测试与预期情况不一样则需要查找原因。另外由于轮子打滑、以及各种误差的影响,对速度积分进行航迹推算得到的里程计累积误差会越来越大,角度yaw也是同样的道理,加入轮径参数、滑动摩擦参数对其进行调节补偿。机器人从一个固定参考位置开始运动,主要是前进后退以及横向移动,最终回到起始位置。

当前机器人导航方式中地图导航,比如激光slam、二维码惯导等方式,均需要精确地里程计数据支持。

原文地址:https://www.cnblogs.com/agvcfy/p/9283589.html

时间: 2024-10-06 23:00:20

单舵轮(叉车)AGV里程计数据解算的相关文章

四轴飞行器1.4 姿态解算和Matlab实时姿态显示

原创文章,欢迎转载,转载请注明出处 MPU6050数据读取出来后,经过一个星期的努力,姿态解算和在matlab上的实时显示姿态终于完成了. 1:完成matlab的串口,并且实时通过波形显示数据 2:添加RTT查看CPU使用率的扩展功能,MPU6050读取数据的优化 3:四元素表示的坐标变化,四元素与欧拉角的关系和Madgwick的IMUupdate算法 4:飞控数据采集线程和数据处理线程的安排,类似于生产者与消费者的关系. 先放个效果视频... 如果看不了视频,请打开视屏网址:http://v.

【转】GPS基线解算模式

GPS基线向量是利用2台或2台以上GPS接 收机所采集的同步观测数据形成的差分观测值,通过参数估计得方法所计算出的两两接收机间的三维坐标差.与常规地面测量中所测定的基线边长不同,基线向量是 既具有长度特性又具有方向特性的矢量,而基线边长则是仅具有长度特性的标量.基线向量主要采用空间直角坐标的坐标差的形式. 在一个基线解算结果中,可能包含很多项内容,但其中最主要的只有两项,即基线向量估值及其验后方差-协方差阵. 对于一组具有一个共同端点的同步观测基线来说,由于在进行基线解算时用到了一部分相同的观测

[转]四旋翼飞行器的姿态解算小知识点

1.惯性测量单元IMU(InertialMeasurement Unit) 姿态航向参考系统AHRS(Attitude and Heading Reference System) 地磁角速度重力MARG(Magnetic, Angular Rate, and Gravity) 微机电系统MEMS(Micro Electrical Mechanical Systems) 自由度维数DOF(Dimension Of Freedom) 无人驾驶飞行器UAV(Unmanned Aerial Vehicl

Pixhawk之姿态解算篇(1)_入门篇(DCM Nomalize)

一.开篇 慢慢的.慢慢的.慢慢的就快要到飞控的主要部分了,飞控飞控就是所谓的飞行控制呗,一个是姿态解算一个是姿态控制,解算是解算,控制是控制,各自负责各自的任务.我也不懂.还在学习中~~~~ 近期看姿态预计部分看的太累了,明显发现基础知识太薄弱,什么欧拉角.DCM.四元数.gyro误差.矫正.正交化等各个概念.然后就是各种转换公式.接下来结合代码介绍一些主要的东西.太深入的还不了解~~~ 一定要多看论文啊,英文版的论文(也没有中文的.国人的悲哀啊).尽管看着头疼,看是看完了以后就会发现很多不了解

Arduino 与 MPU6050 姿态解算+ PROCESSING

买的MPU6050自带姿态解算大大减轻了上层处理器所做的工作. 通过熟悉了一下processing之后做了一个小例子更是感觉这个传感器的奇妙. Arduino部分 主要是读取MPU6050数据并将采集到的欧拉角通过串口打印到上位机,采集数据很简单,MPU6050接到arduino mega2560的serial1上便可接收数据,然后通过serial传输到电脑上.MPU6050自带了卡尔曼滤波,所以上层更是直接使用了数据,观测得误差确实很少,很实用的传感器. 注: MPU6050使用的是串口模式,

卡尔曼(Kalman)滤波(六)--卡尔曼滤波的应用: 四元数卡尔曼滤波(QKF)的C代码实现姿态解算

0 引言 在捷联惯导工程实践[6]中,我们希望陀螺仪能够非常精确的获取信息,或者说希望陀螺仪能非常准确的地反映观测量(加速度,磁场等)[6,7]的真实值,但是这个过程或多或少是受到噪声干扰的,导致测量的不准确:为了能够让陀螺仪在状态更新时做到准确,必须对状态变量和观测量进行数据融合和滤波,从而尽最大限度的降低噪声的干扰. 最常用也最有效的方法非卡尔曼滤波莫属,其在处理高斯模型的系统上效果颇佳:随着计算机技术的发展,Kalman滤波的计算要求和复杂性已不再成为其应用中的阻碍,并且越来越受到人们的青

V-rep学习笔记:机器人逆运动学解算

IK groups and IK elements VREP中使用IK groups和IK elements来进行正/逆运动学计算,一个IK group可以包含一个或者多个IK elements: IK groups: IK groups group one or more IK elements. To solve the kinematics of a simple kinematic chain, one IK group containing one IK element is need

[UVA]Pixhawk之姿态解算篇(4)_补充篇

一.开篇 大家期待已久的第四篇来了,但是本篇可能比较水啊~~~见谅~~~ 首先,上一周没有什么收获,虽然看了不少的论文,但是却没有什么质的飞越~~~~ 看的论文都是关于姿态解算的,用的算法大部分也都是基于mahony算法的扩展,就当是深入理解一下姿态解算过程吧,稍微写写上周总结的一丁点的知识. 昨天开了一整天的会议,最终决定姿态解算部分还是需要用EKF做,慢慢搞吧,但是我还是先把姿态控制部分解决了,感觉这个部分也相当重要. 二.版权声明 博主:summer 声明:喝水不忘挖井人,转载请注明出处.

四轴飞行器6050六轴传感器软件姿态解算

使用MPU6050硬件DMP解算姿态是非常简单的,下面介绍由三轴陀螺仪和加速度计的值来使用四元数软件解算姿态的方法. 我们先来看看如何用欧拉角描述一次平面旋转(坐标变换): 设坐标系绕旋转α角后得到坐标系,在空间中有一个矢量在坐标系中的投影为,在内的投影为由于旋转绕进行,所以Z坐标未变,即有. 转换成矩阵形式表示为: 整理一下: 所以从旋转到可以写成 上面仅仅是绕一根轴的旋转,如果三维空间中的欧拉角旋转要转三次: 上面得到了一个表示旋转的方向余弦矩阵. 不过要想用欧拉角解算姿态,其实我们套用欧拉