基于UWB的物流仓储自动导引车的定位系统研究

姜春生 廖颖慧 蔡博

摘  要： 针对传统物流仓储环境下自动导引车定位精度低的问题，提出基于UWB的物流仓储自动导引车定位系统。该定位系统采用改进增量卡尔曼滤波算法对采集到的距离值进行滤波，避免了受非视距（NLOS）及环境、测量设备等引起的误差;与Taylor级数法对比，采用更适合的Chan算法进行解算获得目标位置;设计编写了基于MATLAB串口通信的上位机程序，实现了实时位置的可视化显示。仿真试验结果表明，该系统定位精度显著提高，上位机界面为仓储监管提供了信息支撑。

关键词： UWB; NLOS; 改进增量卡尔曼滤波; Chan算法; MATLAB串口通信; 上位机

中图分类号：TP242          文献标志码：A     文章编号：1006-8228（2019）05-05-04

Abstract： In order to solve the problem of low positioning precision in traditional logistics storage environment， a UWB positioning system of automatic guidance vehicle for logistics warehousing is proposed. The location system uses the improved incremental Kalman filter algorithm to filter the distance values collected by UWB， which avoids the errors caused by NLOS， measuring equipment and environment; Chan algorithm is adopted， which is more suitable to calculate the positioning result compared with Taylor series method; The host computer program based on MATLAB is designed， which supports the serial communication with automatic guidance vehicle and realizes the visual display of its position in real time. The simulation results show that the proposed system is obviously improved in positioning precision， and the host computer interface provides the information support for warehousing supervision.

Key words： UWB; NLOS; improved incremental Kalman filter; Chan algorithm; Matlab serial communication; host computer

0 引言

近年來，随着电子商务、物流仓储等行业的迅速发展，精准的位置需求已成为提高物流仓储行业中物流自动化、智能化程度的关键。受物流仓储环境下物料、货架及仓库环境等因素的影响，GPS、WiFi等传统定位系统及定位方法越来越难以满足需求[1-2]。超宽带脉冲（Impulse Radio Ultra Wideband，IR-UWB）技术以其高分辨率、抗多径效果好、穿透力强、高传输速率及低功耗等优点成为当前定位技术应用的热点。

现代物流仓库种类繁多，仓库环境复杂多变，这给仓储自动导引车的定位带来一定困难，单目视觉的定位虽然可行，但离大规模运用还有段距离[3];传统的基于里程计、陀螺仪等的惯性导航方法存在累计误差问题[4];WiFi、RFID等的无线传感器通过信号强度来测距普遍精度不高[5];UWB技术是一种新兴的基于纳秒至微纳秒的非正弦波窄脉冲传输数据而不利用载波搭载信息，带宽极宽，穿透性能好，由多个接收器接收到参考标签所发射的超宽带脉冲信号进行定位，其结构简单、成本低、对环境适应性好等突出优点，因而适合在物流仓储等环境下使用。而多径干扰、非视距误差及受环境、测量设备干扰或难以自校准带来的系统量测误差问题则是影响基于UWB定位精度的主要因素;对于NLOS误差，两步卡尔曼滤波虽然取得良好的仿真效果，但只适合其误差特性已知环境;自回归卡尔曼滤波算法则需要确定阈值来抑制NLOS误差，归纳其统计特性;泰勒级数法则需要选择合适的定位初值，否则会带来更大的误差甚至发散[6-8]。

本文首先阐述UWB的测距原理，分析NLOS误差特性，采用改进增量卡尔曼滤波算法对所获得的距离值进行滤波;对比Taylor与经典Chan定位解算法，采用更适合的Chan算法对滤波后包含距离值得非线性方程进行解算获得定位的坐标，对比小波去噪、卡尔曼滤波等，显著提高了定位精度，具有良好的定位仿真效果;运用MALTBA串口通信功能，编写上位机程序，实现实时距离位置的可视化，为物流仓储管理提供了可靠的信息支撑。

1 TOF测距原理及误差分析

1.1 基于TOF的测距方法

本文采用ADS-TWR测距来尽可能消除抑制由时钟偏频带来的时间不同步问题，其过程如图1所示。基站收到标签的请求帧后开始计时，经过Treply1向标签发送应答帧，标签接受应答帧后开始计时，经Treply2将带有发送与接收信号的时间点的终止帧发送给基站，基站接收到终止帧后代表测距结束。

则Tag与Anchor之间的距离可以表示为：

1.2 测距误差分析

而系统中节点之间晶振的工作频率都不一样，因而存在时钟偏频问题，由此带来的测距误差可以表示为：

其中：ka和kb分别为标签和基站时钟偏移系数。对于本文中所采用的DWM1000模块而言，其时钟偏移为10ppm，从而k=1.00001或0.99999，可以知道理论上的距离误差仅为1mm，ADS-TWR可以有效地抑制时钟偏移带来的误差影响，以此来提高测距精度。

2 无线定位解算法

2.1 改进增量卡尔曼滤波算法

由前述可知，无线定位的准确性来自于精准的测距，对于含有NLOS误差与实际测量过程中的量测系统误差，建立如下测距模型：

其中：dm（t）、rm（t）分别为t时刻基站与标签之间的测量距离与真实距离，Nm（t）为NLOS误差，Vm（t）为量测未知系统误差，nm（t）为标准测量误差。

针对本文线性系统的特点，建立增量卡尔曼滤波数学模型，其空间模型描述如下：

其中：Sk为第k个时刻的目标状态;ΔZk为测量增量;Φk-1与Hk分别为状态转移矩阵和测量矩阵;Γk-1为噪声驱动矩阵;过程噪声Wk与测量噪声Vk互不相关，其方差分别为Qk和Rk。

由于UWB信号很高的采样率，因而vk-vk-1为相对小量，可以忽略不计。对于⑸式和⑹式构成的增量系统滤波模型可以有效消除未知的系统误差。

文献[9]中给出了增量卡尔曼滤波无偏性的证明过程。将NLOS误差作为变量加入到状态变量中，经滤波处理后可得到NLOS误差，实际测量值减去NLOS误差即可得到消除了NLOS的UWB测距值。

状态矩阵、状态转移矩阵及测量矩阵设置为：

2.2 无线定位解算法

获得无线节点之间的距离值后，确定标签的位置坐标还需要相对应的定位解算法确定，常用的定位解算法有Fang算法、Chan算法、Taylor级数展开算法及SI算法等，这里选取Chan算法与Taylor算法进行仿真对比[10]。

Taylor算法式将⑺式在（x，y）的微小扰动处进行Taylor级数展开并去除高于二次项，最后设定阈值，对测量误差矢量进行加权最小二乘法进行迭代，直到获得满足要求的估计定位值;Taylor算法无法给出具体的解析解，设置合理的初始值，在一定的噪声程度下也可以给出较高的定位精度。

手动生成基站节点与标签节点的坐标，仿真区域选定为基站两两之间的距离为100m的正方形区域。对于Taylor级数展开法，随机生成其初始值（37，53），门限值设为0.01;基站与标签之间的距离为基站与标签之间的计算距离，加上服从高斯分布的测距误差，其标准差分别取1m、2m、3m、4m、5m，通过多次计算取平均的算法得到其误差均方根值，得到的仿真结果对比如图2所示。

两种定位解算法在一定的条件下都可以达到较好的定位解算效果，但Taylor解算法無法给出具体的表达式解，其解算精度受定位初值影响太大，若初始估计值与实际位置相差太大，其算法的收敛性可能受到影响;Chan算法不需要初值，仅进行两次迭代就可得到最终结果，且在消除了NLOS误差或在LOS环境条件下。从图3中可以看出，相同测距误差标准差下，Chan算法的定位均方根误差要小得多，具有良好的定位性能[11]。

3 基于MALTAB串口通信的上位机

MATLAB中的设备控制箱支持MATLAB与仪器仪表进行通信，从而支持对串口通信。

设计其上位机程序时，首先需要对进行需求分析，针对仓储物流自动导引车的定位系统，所设计的上位机程序功能框图如图3所示。

4 仿真试验与分析

采用DW1000定位模块作为系统硬件的基础单元，为了更加精确的在仓库中搭建定位系统，布置四个基站，搭建物流仓储环境如图4所示。

在仓储仓库环境下设置四个基站，选取一组点进行定位测试试验，采集到的测试数据整理后如图5。从图5中可以知道，与传统小波去噪、卡尔曼滤波相比，经过本文滤波算法后的距离值稳定性显著提高，与真实值偏离程度减小，提高了测距精度;试验场景中的定位平均误差在95mm左右，定位精度高，能满足试验的要求。

运行MATLAB中的上位机程序，得到的某一刻的目标标签的位置在MATLAB中如图6所示。

5 结论

本文以物流仓储环境下自动导引车的定位系统为研究背景，采用当前定位研究热点的UWB定位方式，对于仓储环境下存在的NLOS误差、环境或测量设备的引起的系统量测误差，采用改进增量卡尔曼滤波算法对其去噪滤波，运用经典Chan算法解算获得其位置坐标，设计了基于仓储环境下的MATLAB上位机显示系统，在仓储仓库环境下导引车的定位取得良好的应用效果，在物流仓储迅猛发展的大环境下有广阔的应用前景。当然，本文在定位算法方面还有待进一步改进与优化。

参考文献（References）：

[1] 孙小文，张小超，赵博等.农资仓储脉冲超宽带室内定位系统设计与试验及误差分析[J].农业工程学报，2017.33（1）：23-29

[2] 朱士光，张帆，张聪.基于惯导和视觉定位的AGV仓储机器人[J].中国新技术新产品，2018.3：21-22

[3] 刘丽军.基于单目视觉的仓储物流机器人定位方法探讨[J].电子制作，2018.12：63-64

[4] 张涛，马磊，梅玲玉.基于单目视觉的仓储物流机器人定位方法[J].计算机应用，2017.37（9）：2491-2495

[5] 王绍丹，王宜怀，刘锴.基于射频识别和无线传感网融合技术的仓储定位方法研究[J].计算机应用研究，2018.35（1）：195-198

[6] 徐英凯，曹浩，陈晓群.一种抑制非视距传播误差的混合定位算法[J].计算机工程，2013.39（7）：119-122

[7] He Jie， Geng Yi-shuang， Liu Fei， Xu Cheng. CC-KF：Enhanced TOA performance in multipath and NLOS indoor extreme environment [J].IEEE Sensors Journal，2014.14（11）：3766-3774

[8] 张恒.基于UWB的室内高精度定位方法研究与应用[D].辽宁工程技术大学，2015.

[9] 傅惠民，吴云章，娄泰山.欠观测条件下的增量Kalman滤波方法[J].机械强度，2012.34（1）：43-47

[10] 蔡博.基于UWB的AGV高精度室内定位系统研究[D].西南交通大学，2018.

[11] Shuai He， Xiao-dai Dong， Wu-Sheng Lu. Localization algorithms for asynchronous time difference of arrival positioning systems[J]. EURASIP Journal on Wireless Communications and Networking，2017.1：1