本发明涉及无人运载，尤其涉及一种多车协同运输方法、装置和系统。
背景技术：
1、在各领域飞速发展的大环境下，对于大件货物运输的需求日益增长。超大件货物由于体积庞大，传统人工运输方法运输效率低。同时，大件货物道路运输过程中受货物-车辆-道路-环境耦合作用，缺乏车路信息协同和交互，可能会碰撞障碍物，导致货物掉落，车辆行驶稳定性低，协同精度低。
2、综上，相关技术中存在的技术问题有待得到改善。
技术实现思路
1、本发明实施例提供了一种多车协同运输方法、装置和系统，有效地提高了协同精度、行驶稳定性和运输效率。
2、一方面，本发明实施例提供了一种多车协同运输方法，包括以下步骤：
3、根据三维直角坐标系，计算车辆与结构物质心的相对位置和虚拟结构期望状态；
4、根据所述车辆与结构物质心的相对位置，构建目标运动学模型，所述目标运动学模型包括单车运动学模型、单车斜移运动学模型和多车运动学模型；
5、根据车辆传感器数据，利用扩展卡尔曼滤波算法计算车辆位置和车辆姿态；
6、根据雷达数据，构建地图数据；
7、根据预设栅格地图，进行路径规划，得到全局路径和局部路径；
8、根据所述车辆位置、所述车辆姿态、所述地图数据、所述全局路径和所述局部路径，通过目标选择器计算行驶参数，所述目标选择器包括行为选择器、速度选择器、姿态修正器，所述行驶参数包括货物与障碍物间距离、货物与障碍物间位置关系、行驶速度、车辆位置坐标、旋转中心点偏移量、斜移移动距离、斜移合成速度和斜移转向角度；
9、根据所述虚拟结构期望状态、所述目标运动学模型和所述行驶参数，进行协同运输。
10、在一些实施例中，所述根据三维直角坐标系，计算车辆与结构物质心的相对位置和虚拟结构期望状态，包括：
11、根据所述三维直角坐标系，构建质心位置方程组；
12、根据支撑模式和所述质心位置方程组，连接每个子支撑区域的中心，得到稳定支撑区域；
13、根据所述稳定支撑区域，计算支撑三角形的三边长方程组；
14、根据所述三边长方程组，计算所述支撑三角形的周长；
15、根据所述周长，计算所述支撑三角形的面积；
16、根据所述面积和质心高度，计算支撑角；
17、根据多个所述支撑角，计算所述车辆与结构物质心的相对位置；
18、根据所述三维直角坐标系，采用虚拟结构法构建局部虚拟结构动力学模型；
19、根据所述局部虚拟结构动力学模型，构建局部虚拟结构状态向量；
20、根据所述局部虚拟结构状态向量，构建所述虚拟结构期望状态。
21、在一些实施例中，当所述目标运动学模型为单车运动学模型时，所述根据所述车辆与结构物质心的相对位置，构建目标运动学模型，包括：
22、根据所述车辆与结构物质心的相对位置，构建单驱动轮单车运动速度方程；
23、根据所述单驱动轮单车运动速度方程，构建左前轮单车运动分解速度向量、左后轮单车运动分解速度向量、右前轮单车运动分解速度向量、右后轮单车运动分解速度向量；
24、对所述左前轮单车运动分解速度向量进行填充变换，得到左前轮单车运动方程组；
25、对所述左后轮单车运动分解速度向量进行填充变换，得到左后轮单车运动方程组；
26、对所述右前轮单车运动分解速度向量进行填充变换，得到右前轮单车运动方程组；
27、对所述右后轮单车运动分解速度向量进行填充变换，得到右后轮单车运动方程组；
28、根据所述左前轮单车运动方程组、所述左后轮单车运动方程组、所述右前轮单车运动方程组和所述右后轮单车运动方程组，构建中心速度单车运动矩阵；
29、对所述中心速度单车运动矩阵中的系数矩阵进行求逆处理，得到所述单车运动学模型。
30、在一些实施例中，当所述目标运动学模型为多车运动学模型时，所述根据所述车辆与结构物质心的相对位置，构建目标运动学模型，包括：
31、根据期望线速度和期望角速度，计算货物到货物旋转点的距离；
32、对所述期望线速度进行分解，得到货物线速度分解方程组；
33、根据所述货物到货物旋转点的距离和所述期望角速度，构建车辆线速度分解方程组；
34、根据所述货物到货物旋转点的距离、所述车辆与结构物质心的相对位置、所述货物线速度分解方程组和所述车辆线速度分解方程组，构建所述多车运动学模型。
35、在一些实施例中，所述根据车辆传感器数据，利用扩展卡尔曼滤波算法计算车辆位置和车辆姿态，包括：
36、将所述车辆传感器数据作为所述扩展卡尔曼滤波算法的输入，计算状态向量的先验估计值和先验估计协方差矩阵；
37、根据所述先验估计协方差矩阵，计算卡尔曼增益矩阵；
38、根据所述先验估计值和所述卡尔曼增益矩阵，计算状态变量后验估计值；
39、根据所述先验估计协方差矩阵和所述卡尔曼增益矩阵，计算后验估计协方差矩阵；
40、对所述状态变量后验估计值和所述后验估计协方差矩阵进行输出处理，得到所述车辆位置和所述车辆姿态。
41、在一些实施例中，所述根据雷达数据，构建地图数据，包括：
42、根据局部同步定位建图、全局同步定位建图和重力方向，将所述雷达数据投影到二维平面内，得到子图；
43、根据所述子图、旋转角度和观测值，计算雷达帧在子图坐标系下的位姿；
44、根据所述子图和所述雷达帧在子图坐标系下的位姿，计算命中比率；
45、根据所述命中比率，构建命中概率更新方程和未命中概率更新方程；
46、根据非线性最小二乘方程、所述命中概率更新方程和所述未命中概率更新方程，计算扫描点与子图之间的匹配概率；
47、根据所述扫描点与子图之间的匹配概率，将扫描数据与所述子图进行匹配，得到所述地图数据。
48、在一些实施例中，所述根据预设栅格地图，进行路径规划，得到全局路径和局部路径，包括：
49、根据所述预设栅格地图和德塔算法，判断从父节点到邻居节点的直线路径上是否存在障碍物；
50、若从父节点到邻居节点的直线路径上不存在障碍物，则对网格节点进行平滑连接，得到所述全局路径；
51、根据所述预设栅格地图，采用调节纯追踪算法将距离、曲率调节的线性速度与基于速度的前瞻进行结合，并与时间缩放的碰撞检测器进行结合，得到所述局部路径。
52、在一些实施例中，所述根据所述车辆位置、所述车辆姿态、所述地图数据、所述全局路径和所述局部路径，通过目标选择器计算行驶参数，包括：
53、当目标选择器为行为选择器时，根据激光雷达感知信息和所述地图数据，对环境障碍物进行识别，得到目标障碍物位置，所述目标障碍物位置包括静态障碍物位置和动态障碍物位置；
54、根据所述车辆位置和所述车辆姿态，计算运输车相对位置；
55、根据多个所述运输车相对位置，计算货物位置；
56、根据所述目标障碍物位置和所述货物位置，计算所述货物与障碍物间距离和所述货物与障碍物间位置关系；
57、当目标选择器为速度选择器时，根据货物长度和货物宽度，计算框线方程组；
58、根据所述框线方程组和障碍点坐标，计算障碍点到货物距离；
59、根据所述全局路径和所述局部路径，判断所述障碍点到货物距离是否小于终止运行活动范围距离；
60、若所述障碍点到货物距离小于终止运行活动范围距离，则终止运行活动；否则判断所述障碍点到货物距离是否小于需减速范围距离；
61、若所述障碍点到货物距离小于需减速范围距离，则根据减速比例，计算所述行驶速度；
62、当目标选择器为姿态修正器时，根据货物姿态信息和车辆姿态信息，计算车辆线速度和车辆角速度；
63、根据所述车辆线速度和所述车辆角速度，计算所述车辆位置坐标和所述旋转中心点偏移量；
64、根据斜移线速度和斜移角速度，计算所述斜移移动距离、所述斜移合成速度和所述斜移转向角度。
65、另一方面，本发明实施例还提供了一种协同运输装置，包括：
66、连接板，所述连接板用于承载货物；
67、空气弹簧，所述空气弹簧与所述连接板连接；
68、连接轴，所述连接轴与所述空气弹簧连接；
69、轴承座，所述轴承座与所述连接轴连接，并设置于所述装置的上层；
70、激光雷达，所述激光雷达用于监测第一行驶状态；
71、惯性传感器，所述惯性传感器用于监测第二行驶状态；
72、角速度传感器，所述角速度传感器与所述轴承座连接，用于监测第三行驶状态；
73、电脑主机，所述电脑主机用于根据所述第一行驶状态、所述第二行驶状态和所述第三行驶状态，执行所述的多车协同运输方法；
74、显示器，所述显示器用于显示行驶参数；
75、稳压器，所述稳压器用于输出稳定电压；
76、路由器，所述路由器用于提供所述激光雷达、所述惯性传感器、所述角速度传感器、所述显示器、所述稳压器与所述电脑主机之间的通信连接。
77、另一方面，本发明实施例还提供了一种多车协同运输系统，包括：
78、待搬运货物和至少两个所述的协同运输装置。
79、本发明所具有的有益效果如下：
80、本发明首先根据三维直角坐标系，计算车辆与结构物质心的相对位置和虚拟结构期望状态，并根据车辆与结构物质心的相对位置，构建目标运动学模型，然后根据车辆传感器数据，利用扩展卡尔曼滤波算法计算车辆位置和车辆姿态，并根据雷达数据，构建地图数据，再根据预设栅格地图，进行路径规划，得到全局路径和局部路径，并根据车辆位置、车辆姿态、地图数据、全局路径和局部路径，通过目标选择器计算行驶参数，最后根据虚拟结构期望状态、目标运动学模型和行驶参数，进行协同运输，从而能够通过控制车辆参数和货物姿态来进行协同运输，进而提高了协同精度、行驶稳定性和运输效率。
81、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所特别指出的结构来实现和获得。
1.一种多车协同运输方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述根据三维直角坐标系，计算车辆与结构物质心的相对位置和虚拟结构期望状态，包括：
3.根据权利要求1所述的方法，其特征在于，当所述目标运动学模型为单车运动学模型时，所述根据所述车辆与结构物质心的相对位置，构建目标运动学模型，包括：
4.根据权利要求1所述的方法，其特征在于，当所述目标运动学模型为多车运动学模型时，所述根据所述车辆与结构物质心的相对位置，构建目标运动学模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据车辆传感器数据，利用扩展卡尔曼滤波算法计算车辆位置和车辆姿态，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据雷达数据，构建地图数据，包括：
7.根据权利要求1所述的方法，其特征在于，所述根据预设栅格地图，进行路径规划，得到全局路径和局部路径，包括：
8.根据权利要求1所述的方法，其特征在于，所述根据所述车辆位置、所述车辆姿态、所述地图数据、所述全局路径和所述局部路径，通过目标选择器计算行驶参数，包括：
9.一种协同运输装置，其特征在于，包括：
10.一种多车协同运输系统，其特征在于，包括：
