行李车收集方法及行李车收集设备技术

本申请实施例适用于机器人技术领域，提供了一种行李车收集方法及行李车收集设备，所述方法包括：采集周围环境图像，根据所述周围环境图像对周围环境进行检测；当检测到所述周围环境中存在待收集的行李车时，对所述行李车进行位姿估计，获得所述行李车的位姿；根据所述行李车的位姿，移动至所述行李车的预设方位；从所述预设方位对所述行李车与所述行李车收集设备进行接驳固定；将已接驳固定的所述行李车运送至行李车收集点。采用本实施例提供的方法，可以实现对行李车的自动收集，显著减少行李车收集过程中需使用的人手，降低行李车运营机构的运营成本。

Collection method and equipment of luggage car

【技术实现步骤摘要】
行李车收集方法及行李车收集设备
本申请属于机器人
，特别是涉及一种行李车收集方法及行李车收集设备。
技术介绍
近年来，机器人感知、定位和规划等技术取得了突飞猛进的发展。随着各类技术的日趋成熟，无人车也越来越多地应用到生活中的方方面面，如仓储自主移动机器人、自动送餐机器人、医疗物资运送机器人等。通过使用机器人来代替人类完成繁重的工作，成为当前机器人领域研究的重要课题。以香港国际机场为例，香港国际机场每天有100多家航空公司提供超过1100架次航班，连接220多个目的地，每年接待超过7050万人次的旅客。为了应对巨大的客流，机场内分布了约1.3万辆行李车。旅客使用完的行李车散布在机场的各个角落，需要机场收集使用过的行李车，并将其部署在乘客需要的地方。为了解决这个问题，机场需要雇佣大量的人手来收集分散的行李车，并把它们送回需要的地方，以备其他旅客使用。因此，如何方便地收集分散的行李车是亟需本领域技术人员解决的一大难题。
技术实现思路
有鉴于此，本申请实施例提供了一种行李车收集方法及行李车收集设备，可以实现对行本文档来自技高网...

【技术保护点】
1.一种行李车收集方法，其特征在于，应用于行李车收集设备，所述行李车收集方法包括：/n采集周围环境图像，根据所述周围环境图像对周围环境进行检测；/n当检测到所述周围环境中存在待收集的行李车时，对所述行李车进行位姿估计，获得所述行李车的位姿；/n根据所述行李车的位姿，移动至所述行李车的预设方位；/n从所述预设方位对所述行李车与所述行李车收集设备进行接驳固定；/n将已接驳固定的所述行李车运送至行李车收集点。/n

【技术特征摘要】
1.一种行李车收集方法，其特征在于，应用于行李车收集设备，所述行李车收集方法包括：
采集周围环境图像，根据所述周围环境图像对周围环境进行检测；
当检测到所述周围环境中存在待收集的行李车时，对所述行李车进行位姿估计，获得所述行李车的位姿；
根据所述行李车的位姿，移动至所述行李车的预设方位；
从所述预设方位对所述行李车与所述行李车收集设备进行接驳固定；
将已接驳固定的所述行李车运送至行李车收集点。


2.根据权利要求1所述的方法，其特征在于，还包括：
获取定位信息，根据所述定位信息确定所述行李车收集设备的位置。


3.根据权利要求2所述的方法，其特征在于，所述获取定位信息，根据所述定位信息确定所述行李车收集设备的位置，包括：
统计所述行李车收集设备行进过程中的轮式里程，所述轮式里程为所述行李车收集设备的驱动轮行进的距离；
采用配置于所述行李车收集设备上的深度摄像机采集行进过程中的路面纹理信息，根据所述路面纹理信息统计视觉里程；
根据所述轮式里程和所述视觉里程，计算行进过程中的实际里程；
基于所述实际里程、预设的环境标志物信息和起点位置信息，确定所述行李车收集设备所处的位置，所述环境标志物信息为预先采集的所述行李车收集设备行进路线上的固定物体的信息。


4.根据权利要求3所述的方法，其特征在于，所述根据所述轮式里程和所述视觉里程，计算行进过程中的实际里程，包括：
采用扩展卡尔曼滤波器对所述轮式里程和所述视觉里程进行数据融合，获得所述行进过程中的实际里程。


5.根据权利要求1所述的方法，其特征在于，所述采集周围环境图像，根据所述周围环境图像对周围环境进行检测，包括：
采集所述行李车收集设备行进过程中的周围环境图像，采用预设的行李车检测模型对所述周围环境图像进行检测；
当检测到所述周围环境图像中包含行李车图像时，识别所述行李车图像中是否包含物体图像或人体肢体图像；
若所述行李车图像中未包含物体图像或人体肢体图像，则判定所述行李车图像对应的行李车为待收集的行李车。


6.根据权利要求5所述的方法，其特征在于，所述行李车检测模型通过如下步骤生成：
采集多个行李车的图像，在所述多个行李车的图像中对各个行李车进行标注，获得所述各个行李车在对应的图像中的图像位置信息及像素信息；
采用深度传感器对未被使用的行李车进行扫描，获得所述未被使用的行李车的三维影像；
采用所述未被使用的行李车的三维影像、所述多个行李车的图像位置信息及像素信息，对深度学习模型进行模型训练，获得所述行李车检测模型。


7.根据权利要求1所述的方法，其特征在于，所述周围环境图像中包含行李车图像，所述对所述行李车进行位姿估计，获得所述行李车的位姿，包括：
统计所述行李车图像中行李车外边框的像素个数，根据所述行李车外边框的像素个数计算所述行李车外边框的周长；
若所述行李车外边框的周长小于等于预设阈值，则采用预设的第一位姿估计模型对所述行李车进行位姿估计，获得所述行李车的位姿；
若所述行李车外边框的周长大于所述预设阈值，则采用预设的第二位姿估计模型对所述行李车进行位姿估计，获得所述行李车的位姿，所述第一位姿估计模型的估计精度小于所述第二位姿估计模型的估计精度。


8.根据权利要求7所述的方法，其特征在于，所述第一位姿估计模型通过如下步骤生成：
获取未被使用的行李车图像，对所述未被使用...

【专利技术属性】
技术研发人员：孟李艾俐，王超群，刘剑邦，周彤，延廷芳，周越，
申请(专利权)人：联博智能科技有限公司，
类型：发明
国别省市：中国香港;81