轨迹跟踪方法、装置、设备及计算机可读存储介质与流程

1.本技术涉及智能工业机器人技术领域，尤其涉及轨迹跟踪方法、装置、设备及计算机可读存储介质。

背景技术：

2.随着agv(automated guided vehicle，自动导引运输车)的快速普及，目前已有很多方法用于解决移动机器人的轨迹跟踪问题，比如迭代学习控制技术、pid(proportion integration differentiation)控制技术等。
3.然而，pid控制技术精度较低，难以满足实际需求。迭代学习控制技术虽然能够大幅度地提高机器人的轨迹跟踪精度，但其应用前景严重受制于对参考轨迹的约束，即：重复性参考轨迹，而不适用于非重复性参考轨迹。而且，在agv迭代学习初期，由于缺乏有效的历史信息，所以agv往往会出现跟踪误差过大甚至是失败的情况。在学习初期，无法保证移动机器人系统的稳定性，甚至会导致系统不稳定的情况，无法满足工程实际应用的要求；需要花费较长时间用于学习训练，效率较低，实时性差。
4.因此，目前存在现有的轨迹跟踪方法存在较大的局限性的技术问题。
5.上述内容仅用于辅助理解本技术的技术方案，并不代表承认上述内容是现有技术。

技术实现要素：

6.本技术的主要目的在于提供一种轨迹跟踪方法、装置、设备及计算机可读存储介质，旨在解决现有的轨迹跟踪方法不够灵活的技术问题。
7.为实现上述目的，本技术提供一种轨迹跟踪方法，所述轨迹跟踪方法包括以下步骤：
8.当第一时刻自动导引运输车行驶在路径上，获取所述第一时刻的第一位姿跟踪误差，所述第一位姿跟踪误差为所述自动导引运输车在第一时刻的实际位姿与参考轨迹位姿的差值；
9.根据所述第一位姿跟踪误差，选定控制器，所述控制器包括比例-积分-微分控制器和或迭代学习控制器，其中，输入所述第一位姿跟踪误差至比例-积分-微分控制器输出第一控制量，输入所述第一位姿跟踪误差至迭代学习控制器输出第一修正控制量；
10.基于所述第一控制量与所述第一修正控制量，输出第一最终控制量，并基于所述第一最终控制量控制所述自动导引运输车行驶。
11.可选地，所述根据所述第一位姿跟踪误差，选定控制器，所述控制器包括比例-积分-微分控制器和或迭代学习控制器的步骤包括：
12.根据所述第一位姿跟踪误差，判断所述第一位姿跟踪误差是否满足第一精度要求；
13.若是，则选定所述控制器为所述比例-积分-微分控制器和所述迭代学习控制器；
14.若否，则选定所述控制器为所述比例-积分-微分控制器。
15.可选地，所述当第一时刻自动导引运输车行驶在路径上，获取所述第一时刻的第一位姿跟踪误差，所述第一位姿跟踪误差为所述自动导引运输车在第一时刻的实际位姿与参考轨迹位姿的差值的步骤之前包括：
16.获取所述自动导引运输车当前行驶路径的路径编号，并确定所述路径编号是否存在历史学习成果；
17.若是，则调用所述历史学习成果；
18.若否，则执行所述当第一时刻自动导引运输车行驶在路径上，获取所述第一时刻的第一位姿跟踪误差，所述第一位姿跟踪误差为所述自动导引运输车在第一时刻的实际位姿与参考轨迹位姿的差值的步骤。
19.可选地，所述若是，则调用所述历史学习成果的步骤之后包括：
20.判断所述历史学习成果是否满足第二精度要求，其中，所述第二精度要求高于第一精度要求；
21.若是，则依据所述历史学习成果，控制所述自动导引运输车在所述路径编号的路径上行驶；
22.若否，则执行所述当第一时刻自动导引运输车行驶在路径上，获取所述第一时刻的第一位姿跟踪误差，所述第一位姿跟踪误差为所述自动导引运输车在第一时刻的实际位姿与参考轨迹位姿的差值的步骤。
23.可选地，所述输入所述第一位姿跟踪误差至迭代学习控制器输出第一修正控制量的步骤包括：
24.输入所述第一位姿跟踪误差至所述迭代学习控制器，其中，所述迭代学习控制器存储所述第一位姿跟踪误差用于下一次迭代学习，所述第一位姿跟踪误差包括第一横向位姿误差、第一纵向位姿误差、第一航向角误差；
25.将所述历史学习成果的第一航向角误差与所述历史学习成果的第二航向角误差对比，输出所述第一修正控制量。
26.可选地，所述若否，则选定所述控制器为所述比例-积分-微分控制器的步骤之后包括：
27.基于所述第一控制量控制所述自动导引运输车行驶，并获取第二时刻的第二位姿跟踪误差，其中，所述第一时刻与所述第二时刻顺序相连，所述第二时刻位于所述第一时刻之后；
28.判断所述第二位姿跟踪误差是否满足所述第一精度要求；
29.若是，则输入所述第二位姿跟踪误差至所述比例-积分-微分控制器与所述迭代学习控制器，并分别输出第二控制量、第二修正控制量；
30.基于所述第二控制量与所述第二修正控制量，输出第二最终控制量，并基于所述第二最终控制量控制所述自动导引运输车行驶。
31.可选地，所述轨迹跟踪方法还包括包括：
32.重复所述获取第一时刻的第一位姿跟踪误的步骤至所述基于所述第二控制量与所述第二修正控制量，输出第二最终控制量，并基于所述第二最终控制量控制自动导引运输车行驶的步骤，直到所述自动导引运输车完成所述路径编号的路径行驶；
33.保存所述路径编号的学习成果，以备所述自动导引运输车下一次行驶所述路径编号的路径时使用，或者复制给其它自动导引运输车使用。
34.此外，为实现上述目的，本技术还提供一种轨迹跟踪装置，所述装置包括：
35.获取模块，用于当第一时刻自动导引运输车行驶在路径上，获取所述第一时刻的第一位姿跟踪误差，所述第一位姿跟踪误差为所述自动导引运输车在第一时刻的实际位姿与参考轨迹位姿的差值；
36.判断模块，用于判断所述第一位姿跟踪误差是否满足第一精度要求；
37.计算模块，用于若是，则输入所述第一位姿跟踪误差至比例-积分-微分控制器并输出第一控制量，输入所述第一位姿跟踪误差至迭代学习控制器输出第一修正控制量；
38.控制模块，用于基于所述第一控制量与所述第一修正控制量，输出第一最终控制量，并基于所述第一最终控制量控制所述自动导引运输车行驶。
39.此外，为实现上述目的，本技术还提供一种轨迹跟踪设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的轨迹跟踪程序，所述轨迹跟踪程序配置为实现上述的轨迹跟踪方法的步骤。
40.此外，为实现上述目的，本技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有轨迹跟踪程序，所述轨迹跟踪程序被处理器执行时实现上述的轨迹跟踪方法的步骤。
41.在本实施例中，相较于难以同时满足跟踪精度与鲁棒性的现有技术，本技术提出先使用pid控制器，负责“粗调”，保证agv跟踪控制系统的稳定性，当位姿跟踪误差满足在第一精度要求后，调用迭代学习控制器进行负责“细调”，进一步提高agv的跟踪精度，通过对控制器进行选择与组合的使用，克服了agv迭代学习初期跟踪不稳定和学习收敛速度慢的不足，其中，pid控制器一直都在作用，pid控制器保证了agv控制的鲁棒性。
附图说明
42.图1是本技术实施例方案涉及的硬件运行环境的轨迹跟踪设备的结构示意图；
43.图2为本技术轨迹跟踪方法第一实施例的流程示意图；
44.图3为本技术轨迹跟踪方法第一实施例的单舵agv轨迹跟踪算法原理图；
45.图4为本技术轨迹跟踪方法第一实施例的单舵agv结构示意图；
46.图5为本技术轨迹跟踪方法第二实施例的主从路径划分示意图；
47.图6为本技术轨迹跟踪装置第一实施例的功能模块示意图。
48.本技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
49.应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
50.参照图1，图1为本技术实施例方案涉及的硬件运行环境的轨迹跟踪设备结构示意图。
51.如图1所示，该轨迹跟踪设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏
(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)存储器，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
52.本领域技术人员可以理解，图1中示出的结构并不构成对轨迹跟踪设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
53.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及轨迹跟踪程序。
54.在图1所示的轨迹跟踪设备中，网络接口1004主要用于与其他设备进行数据通信；用户接口1003主要用于与用户进行数据交互；本技术轨迹跟踪设备中的处理器1001、存储器1005可以设置在轨迹跟踪设备中，所述轨迹跟踪设备通过处理器1001调用存储器1005中存储的轨迹跟踪程序，并执行本技术实施例提供的轨迹跟踪方法。
55.本技术实施例提供了一种轨迹跟踪方法，参照图2，图2为本技术一种轨迹跟踪方法第一实施例的流程示意图。
56.本实施例中，所述轨迹跟踪方法方法包括：
57.步骤s10：当第一时刻自动导引运输车行驶在路径上，获取所述第一时刻的第一位姿跟踪误差，所述第一位姿跟踪误差为所述自动导引运输车在第一时刻的实际位姿与参考轨迹位姿的差值；
58.具体地，为了使agv的轨迹跟踪误差越来越小，本技术在agv行驶到某一条路径编号的路径上的第一时刻，便获取在第一时刻的参考轨迹位姿。由于路径行驶的过程中，多种因素都可能导致agv的实际位姿与参考轨迹位姿存在偏差，例如agv的驱动单元机构设计不合理或存在精度误差；导航传感器不能及时的传输导航信号，有时延；电机里面磁铁本身的磁场导致传感器误读磁场信号；电机驱动器快速响应性太差，导致agv主控器发出速度控制指令后不能及时的执行；电机的pi调节量有问题；agv小车所处的地形、光线等环境因素。因此，需要实时检测agv的实际位姿，为此需要能够感知agv的位置检测装置，本实施例所述的位置检测装置为非接触式，包括但不限于，视频采集装置、光学成像设备、激光雷达、毫米波雷达、惯性测量设备等。
59.可选地，所述位置检测装置为光学成像设备时，所述光学成像设备可以是深度相机，深度相机能检测出拍摄空间的景深距离。通过深度相机获取到图像中每个点距离摄像头的距离，在加上该点在2d图像中的二维坐标，就能获取图像中每个点的三维空间坐标。
60.可选地，所述位移检测装置为激光雷达时，所述激光雷达由激光发射机、光学接收机、转台和信息处理系统等组成，通过激光器将电脉冲变成光脉冲向目标发射探测信号，然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较，处理器作适当处理后，就可获得agv的有关信息，如agv的方位、高度、速度、姿态、甚至形状等参数。
61.步骤s20：根据所述第一位姿跟踪误差，选定控制器，所述控制器包括比例-积分-微分控制器和或迭代学习控制器，其中，输入所述第一位姿跟踪误差至比例-积分-微分控制器输出第一控制量，输入所述第一位姿跟踪误差至迭代学习控制器输出第一修正控制量；
62.进一步地，所述步骤步骤s20：包括：
63.步骤s21：根据所述第一位姿跟踪误差，判断所述第一位姿跟踪误差是否满足第一精度要求；
64.步骤s22：若是，则选定所述控制器为所述比例-积分-微分控制器和所述迭代学习控制器；
65.步骤s23：若否，则选定所述控制器为所述比例-积分-微分控制器。
66.具体地，在agv迭代学习初期，由于缺乏有效的历史信息，所以agv往往会出现跟踪误差过大甚至是失败的情况。为了克服上述情况，本实施例设置一个较低的第一精度要求，在agv的跟踪误差满足第一精度要求以前，先单独使用pid控制器将误差控制在一定范围内，起到“粗调”的作用，从而保证agv跟踪控制系统的稳定性。
67.在本实施例中，选取的agv为单舵agv，参照图3，图3为本技术轨迹跟踪方法第一实施例的单舵agv轨迹跟踪算法原理图。参照图4，图4为本技术轨迹跟踪装置第一实施例的单舵agv结构示意图。在本实施例中设计pid控制器，设第一时刻为k时刻，定义pd(k)＝[xd(k) yd(k) θd(k)]
t
、pr(k)＝[xr(k) yr(k) θr(k)]
t
分别表示参考轨迹和agv在第k时刻的位姿向量。e(k)＝[e
x
(k) ey(k) e
θ
(k)]
t
为在第k时刻参考轨迹位姿pd(k)与agv实际位姿pr(k)之间的跟踪误差，记e
yθ
(k)＝ey(k)+e
θ
(k)。u
pid
(k)＝[ν
pid
(k) θ
pid
(k)]
t
表示agv在第k时刻的pid控制输出。于是，根据agv的轨迹跟踪误差，设计如下形式的pid控制器：
[0068][0069]
其中，k
ph
＞0、k
ih
＞0、k
dh
＞0(h＝1，2)是pid控制器的控制参数。
[0070]
在本实施例中设计迭代学习控制器。单舵agv控制系统属于一类典型的欠驱动控制系统，即：具有xr、yr、θr三个被控量，v、θ两个控制量，被控量的个数少于控制量的个数。v、θ分别为单舵agv驱动轮的转速控制量和转角控制量，其大小决定了单舵agv的行走姿态。其中，agv的横向位姿yr和航向角θr主要与转角控制量θ相关，agv的纵向控制主要与转速控制量v相关。由于yr和θr耦合关系，使用传统的pid控制器θ
pid
(k)很难同时保证agv横向位姿和航向角的跟踪精度。为了进一步提高agv横向位置和航向角的跟踪精度，利用航向角跟踪误差e
θ
设计如下形式的迭代学习控制器：
[0071][0072]
其中，角标j表示当前迭代学习的次数，角标j-1表示上一次迭代。表示当前迭代学习的控制输出。这里，系数矩阵l表示为ξ
p
、ξd两个大于0的可调学习参数。
[0073]
迭代学习控制器能够利用上一次agv迭代学习的航向角跟踪误差来实时调整当前迭代学习的控制输出，从而达到提前抑制跟踪误差过大的效果，进而逐渐缩小跟踪误差和提高跟踪精度。
[0074]
步骤s40：基于所述第一控制量与所述第一修正控制量，输出第一最终控制量，并基于所述第一最终控制量控制所述自动导引运输车行驶。
[0075]
具体地，定义u
all
(k)＝[ν
all
(k) θ
all
(k)
t
为单舵agv在第k时刻的最终控制输入。单舵agv的最终控制量等于pid控制器输出的控制量与迭代学习控制器输出的控制量的矢量叠加，即：
[0076][0077]
在agv的最终控制量u
all
(k)中，pid控制量u
pid
(k)占主导地位，有效地保障了agv对参考轨迹的基本跟踪能力，起到了“粗调”的控制作用。当跟踪误差e(k)变大时，pid控制量u
pid
(k)能够及时抑制跟踪误差的增大，并将其控制在一个相对稳定的范围内。在agv稳定跟踪参考轨迹的基础上，迭代学习控制量能够根据上一时刻的跟踪误差学习得到一个pid控制输出的修正控制量，该控制量作为pid控制的补充，起到“细调”的控制作用。经过多次迭代学习之后，能够有效地提高pid控制器的控制精度。又因为迭代学习控制是在pid控制基础上进行的，因此大大节省了迭代学习的次数，加快了学习收敛速度。
[0078]
在本实施例中，相较于难以同时满足跟踪精度与鲁棒性的现有技术，本技术提出先使用pid控制器，负责“粗调”，保证agv跟踪控制系统的稳定性，当位姿跟踪误差满足在第一精度要求后，调用迭代学习控制器进行负责“细调”，进一步提高agv的跟踪精度，通过对控制器进行选择与组合的使用，克服了agv迭代学习初期跟踪不稳定和学习收敛速度慢的不足，其中，pid控制器一直都在作用，pid控制器保证了agv控制的鲁棒性。
[0079]
进一步的，基于上述实施例，参照图5，提供本技术的第二实施例，所述步骤s10之前包括：
[0080]
步骤s00：获取所述自动导引运输车当前行驶路径的路径编号，并确定所述路径编号是否存在历史学习成果；
[0081]
具体地，在智能物流的应用场景中，agv的行驶路径是相对固定的，因此对于一些经常需要搬运货物的区域，agv在该区域的活动频率会高一些。于是，同一条道路只需某台agv迭代学习即可，对于学习完成之后的成果，可以直接“复制”给其他agv使用。另外，虽然agv所行驶的轨迹一般不是重复性的，但是我们可以将agv经常行驶的路径线设置为主干道，将各个取放货的路径线设置为子干道，从而将agv的行驶路径线进行分段划分并单独进行迭代学习。参照图5，将所规划的路径线根据agv行驶频率的高低，分别划分为主干道和子干道，同时并对路径线进行编号。如果
⑤
号路径线为库位线，此时agv正要对该库位进行取放货操作，则agv所行驶的路径线则由
①
号路径和
⑤
号路径线组成。当划分好主从干道之后，agv每执行一次任务所行驶的路径线则由多条主从干道组成。agv每行驶一条路径线都会对该路径线进行迭代学习，并将学习结果保存以备下一次行驶时使用。因此，采取分段学习策略之后，agv在迭代学习时，参考轨迹也可以是非重复性的，只需要参考轨迹在规划的路径线内即可。
[0082]
当agv行驶进入另一条路径时，首先需要确定所在路径的路径编号，并查询是否存在历史学习成果，历史学习成果的来源可能是这个agv本身以前走过这条路径，也可能是别的agv曾经走过并分享了它的学习成果。
[0083]
步骤s01：若是，则调用所述历史学习成果；
[0084]
进一步的，所述步骤s01包括：
[0085]
步骤s03：判断所述历史学习成果是否满足第二精度要求，其中，所述第二精度要求高于第一精度要求；
[0086]
步骤s04：若是，则依据所述历史学习成果，控制所述自动导引运输车在所述路径编号的路径上行驶；
[0087]
步骤s04：若否，则执行所述当第一时刻自动导引运输车行驶在路径上，获取所述第一时刻的第一位姿跟踪误差，所述第一位姿跟踪误差为所述自动导引运输车在第一时刻的实际位姿与参考轨迹位姿的差值的步骤。
[0088]
具体地，若存在历史学习成果，则判断所述历史学习成果的误差是否满足第二精度要求，第二精度要求高于第一精度要求，当agv轨迹跟踪的误差区域稳定，满足了第二精度要求，在本实施例中，就没有继续进行迭代学习提升精度的必要了。直接控制agv按着历史学习成果行驶在当前道路上。加入历史学习成果的精度未到达第二精度要求，那么agv则在历史学习成果的基础上继续减小跟踪误差、提升精度。执行步骤s10，具体的执行方式参照本技术的第一实施例，本实施例在此不做赘述。
[0089]
步骤s02：若否，则执行所述当第一时刻自动导引运输车行驶在路径上，获取所述第一时刻的第一位姿跟踪误差，所述第一位姿跟踪误差为所述自动导引运输车在第一时刻的实际位姿与参考轨迹位姿的差值的步骤。
[0090]
具体地，若不存在，则重新开始学习。执行步骤s10，具体的执行方式参照本技术的第一实施例，本实施例在此不做赘述。
[0091]
在本实施例中，对提前规划的路径线进行主从道路划分并采取“分段学习”策略，使迭代学习控制也可以适用于非重复性参考轨迹，放宽了迭代学习控制技术对参考轨迹的限制。
[0092]
进一步的，基于上述实施例，提供本技术的第三实施例，所述输入所述第一位姿跟踪误差至迭代学习控制器输出第一修正控制量的步骤包括：
[0093]
步骤s31：输入所述第一位姿跟踪误差至所述迭代学习控制器，其中，所述迭代学习控制器存储所述第一位姿跟踪误差用于下一次迭代学习，所述第一位姿跟踪误差包括第一横向位姿误差、第一纵向位姿误差、第一航向角误差；
[0094]
步骤s32：将所述历史学习成果的第一航向角误差与所述历史学习成果的第二航向角误差对比，输出所述第一修正控制量。
[0095]
具体地，根据保存过去的航向角跟踪误差和控制量大小，利用迭代学习控制器进行学习更新当前时刻的控制量。其中，迭代学习控制器存储当前的姿跟踪误差用于下一次迭代学习。具体的执行方式参照本技术的第一实施例中的步骤s30，本实施例在此不做赘述。
[0096]
在本实施例中，迭代学习控制器能够利用上一次agv迭代学习的航向角跟踪误差来实时调整当前迭代学习的控制输出，从而达到提前抑制跟踪误差过大的效果，进而逐渐缩小跟踪误差和提高跟踪精度。
[0097]
进一步的，基于上述实施例，提供本技术的第四实施例，所述步骤s22之后包括：
[0098]
步骤s23：基于所述第一控制量控制所述自动导引运输车行驶，并获取第二时刻的第二位姿跟踪误差，其中，所述第一时刻与所述第二时刻顺序相连，所述第二时刻位于所述
第一时刻之后；
[0099]
步骤s24：判断所述第二位姿跟踪误差是否满足第一精度要求；
[0100]
步骤s25：若是，则输入所述第二位姿跟踪误差至所述比例-积分-微分控制器与所述迭代学习控制器，并分别输出第二控制量、第二修正控制量；
[0101]
步骤s26：基于所述第二控制量与所述第二修正控制量，输出第二最终控制量，并基于所述第二最终控制量控制所述自动导引运输车行驶。
[0102]
进一步地，所述轨迹跟踪方法还包括：
[0103]
步骤s27：重复所述获取第一时刻的第一位姿跟踪误的步骤至所述基于所述第二控制量与所述第二修正控制量，输出第二最终控制量，并基于所述第二最终控制量控制自动导引运输车行驶的步骤，直到所述自动导引运输车完成所述路径编号的路径行驶；
[0104]
步骤s28：保存所述路径编号的学习成果，以备所述自动导引运输车下一次行驶所述路径编号的路径时使用，或者复制给其它自动导引运输车使用。
[0105]
具体地，在本实施例中，根据agv的轨迹跟踪误差调整输出的控制量，是跟着时刻的流淌实时进行的一个过程，其中的执行步骤也是循环重复的一个过程，具体的执行方式参照本技术的第一实施例，本实施例在此不做赘述。直到agv完成当前路径编号的路径学习，即在当前路径编号的路径上，轨迹跟踪精度满足第二精度要求，即可结束此过程。或者是agv驶出当前路径编号的路径。保存所述路径编号的学习成果，以备所述自动导引运输车下一次行驶所述路径编号的路径时使用，或者复制给其它自动导引运输车使用。
[0106]
在本实施例中，通过路径划分，使不同路线运行的agv也存在重叠的行驶路径，每一次路径迭代学习成果都能够被保存下来供所有的agv下次驶过当前路径的时候使用，经过多次迭代学习之后，能够有效地提高pid控制器的控制精度。又因为迭代学习控制是在pid控制基础上进行的，因此大大节省了迭代学习的次数，加快了学习收敛速度。
[0107]
此外，本技术实施例还提出一种轨迹跟踪装置，参照图6，图6为本技术轨迹跟踪装置第一实施例的功能模块示意图。所述轨迹跟踪装置包括：
[0108]
获取模块10，用于当第一时刻自动导引运输车行驶在路径上，获取所述第一时刻的第一位姿跟踪误差，所述第一位姿跟踪误差为所述自动导引运输车在第一时刻的实际位姿与参考轨迹位姿的差值；
[0109]
选定模块20，用于根据所述第一位姿跟踪误差，选定控制器，所述控制器包括比例-积分-微分控制器和或迭代学习控制器，其中，输入所述第一位姿跟踪误差至比例-积分-微分控制器输出第一控制量，输入所述第一位姿跟踪误差至迭代学习控制器输出第一修正控制量；
[0110]
控制模块30，用于基于所述第一控制量与所述第一修正控制量，输出第一最终控制量，并基于所述第一最终控制量控制所述自动导引运输车行驶。
[0111]
此外，本技术实施例还提出一种计算机可读存储介质。
[0112]
本技术计算机可读存储介质上存储有轨迹跟踪程序，所述轨迹跟踪程序被处理器执行时实现如上所述的轨迹跟踪方法的步骤。
[0113]
其中，本技术计算机可读存储介质中存储的轨迹跟踪程序被处理器执行的具体实施例与上述轨迹跟踪方法各实施例基本相同，在此不作赘述。
[0114]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排
他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个轨迹跟踪”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0115]
上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
[0116]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例所述的方法。
[0117]
以上仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。

技术特征：

1.一种轨迹跟踪方法，其特征在于，所述轨迹跟踪方法包括以下步骤：当第一时刻自动导引运输车行驶在路径上，获取所述第一时刻的第一位姿跟踪误差，所述第一位姿跟踪误差为所述自动导引运输车在第一时刻的实际位姿与参考轨迹位姿的差值；根据所述第一位姿跟踪误差，选定控制器，所述控制器包括比例-积分-微分控制器和或迭代学习控制器，其中，输入所述第一位姿跟踪误差至比例-积分-微分控制器输出第一控制量，输入所述第一位姿跟踪误差至迭代学习控制器输出第一修正控制量；基于所述第一控制量与所述第一修正控制量，输出第一最终控制量，并基于所述第一最终控制量控制所述自动导引运输车行驶。2.如权利要求1所述的轨迹跟踪方法，其特征在于，所述根据所述第一位姿跟踪误差，选定控制器，所述控制器包括比例-积分-微分控制器和或迭代学习控制器的步骤包括：根据所述第一位姿跟踪误差，判断所述第一位姿跟踪误差是否满足第一精度要求；若是，则选定所述控制器为所述比例-积分-微分控制器和所述迭代学习控制器；若否，则选定所述控制器为所述比例-积分-微分控制器。3.如权利要求1所述的轨迹跟踪方法，其特征在于，所述当第一时刻自动导引运输车行驶在路径上，获取所述第一时刻的第一位姿跟踪误差，所述第一位姿跟踪误差为所述自动导引运输车在第一时刻的实际位姿与参考轨迹位姿的差值的步骤之前包括：获取所述自动导引运输车当前行驶路径的路径编号，并确定所述路径编号是否存在历史学习成果；若是，则调用所述历史学习成果；若否，则执行所述当第一时刻自动导引运输车行驶在路径上，获取所述第一时刻的第一位姿跟踪误差，所述第一位姿跟踪误差为所述自动导引运输车在第一时刻的实际位姿与参考轨迹位姿的差值的步骤。4.如权利要求3所述的轨迹跟踪方法，其特征在于，所述若是，则调用所述历史学习成果的步骤之后包括：判断所述历史学习成果是否满足第二精度要求，其中，所述第二精度要求高于第一精度要求；若是，则依据所述历史学习成果，控制所述自动导引运输车在所述路径编号的路径上行驶；若否，则执行所述当第一时刻自动导引运输车行驶在路径上，获取所述第一时刻的第一位姿跟踪误差，所述第一位姿跟踪误差为所述自动导引运输车在第一时刻的实际位姿与参考轨迹位姿的差值的步骤。5.如权利要求4所述的轨迹跟踪方法，其特征在于，所述输入所述第一位姿跟踪误差至迭代学习控制器输出第一修正控制量的步骤包括：输入所述第一位姿跟踪误差至所述迭代学习控制器，其中，所述迭代学习控制器存储所述第一位姿跟踪误差用于下一次迭代学习，所述第一位姿跟踪误差包括第一横向位姿误差、第一纵向位姿误差、第一航向角误差；将所述历史学习成果的第一航向角误差与所述历史学习成果的第二航向角误差对比，输出所述第一修正控制量。
6.如权利要求2所述的轨迹跟踪方法，其特征在于，所述若否，则选定所述控制器为所述比例-积分-微分控制器的步骤之后包括：基于所述第一控制量控制所述自动导引运输车行驶，并获取第二时刻的第二位姿跟踪误差，其中，所述第一时刻与所述第二时刻顺序相连，所述第二时刻位于所述第一时刻之后；判断所述第二位姿跟踪误差是否满足所述第一精度要求；若是，则输入所述第二位姿跟踪误差至所述比例-积分-微分控制器与所述迭代学习控制器，并分别输出第二控制量、第二修正控制量；基于所述第二控制量与所述第二修正控制量，输出第二最终控制量，并基于所述第二最终控制量控制所述自动导引运输车行驶。7.如权利要求6所述的轨迹跟踪方法，其特征在于，所述轨迹跟踪方法还包括包括：重复所述获取第一时刻的第一位姿跟踪误的步骤至所述基于所述第二控制量与所述第二修正控制量，输出第二最终控制量，并基于所述第二最终控制量控制自动导引运输车行驶的步骤，直到所述自动导引运输车完成所述路径编号的路径行驶；保存所述路径编号的学习成果，以备所述自动导引运输车下一次行驶所述路径编号的路径时使用，或者复制给其它自动导引运输车使用。8.一种轨迹跟踪装置，其特征在于，所述装置包括：获取模块，用于当第一时刻自动导引运输车行驶在路径上，获取所述第一时刻的第一位姿跟踪误差，所述第一位姿跟踪误差为所述自动导引运输车在第一时刻的实际位姿与参考轨迹位姿的差值；选定模块，用于根据所述第一位姿跟踪误差，选定控制器，所述控制器包括比例-积分-微分控制器和或迭代学习控制器，其中，输入所述第一位姿跟踪误差至比例-积分-微分控制器输出第一控制量，输入所述第一位姿跟踪误差至迭代学习控制器输出第一修正控制量；控制模块，用于基于所述第一控制量与所述第一修正控制量，输出第一最终控制量，并基于所述第一最终控制量控制所述自动导引运输车行驶。9.一种轨迹跟踪设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的轨迹跟踪程序，所述轨迹跟踪程序配置为实现如权利要求1至7中任一项所述的轨迹跟踪方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有轨迹跟踪程序，所述轨迹跟踪程序被处理器执行时实现如权利要求1至7任一项所述的轨迹跟踪方法的步骤。

技术总结

本申请公开了一种轨迹跟踪方法、装置、设备及计算机可读存储介质，属于智能工业机器人技术领域。本申请通过当第一时刻自动导引运输车行驶在路径上，获取第一位姿跟踪误差；根据所述第一位姿跟踪误差，选定控制器，所述控制器包括比例-积分-微分控制器和或迭代学习控制器其中，输入所述第一位姿跟踪误差至比例-积分-微分控制器输出第一控制量，输入所述第一位姿跟踪误差至迭代学习控制器输出第一修正控制量；基于所述第一控制量与所述第一修正控制量，输出第一最终控制量，并基于所述第一最终控制量控制所述自动导引运输车行驶。实现了同时满足轨迹跟踪精度与鲁棒性的有益效果，大大提高了学习收敛速度。大大提高了学习收敛速度。大大提高了学习收敛速度。