仓储物流AGV小车障碍物检测方法、装置、设备及介质制造方法及图纸

本公开涉及图像处理技术领域，具体提供了一种仓储物流AGV小车障碍物检测方法、装置、介质及设备，应用于包含激光雷达的AGV小车上，所述方法包括：采集所述激光雷达的数据并进行坐标转换；对所述坐标转换后的数据进行点云拼接；对所述点云拼接后的数据通过点云聚类实现障碍物检测；对通过点云聚类后的障碍物车体坐标系下的点云数据进行障碍物坐标跟踪。本方案融合多线激光和单线激光点云数据，通过点云拼接实现更大范围障碍物检测的目的，缩小障碍物检测盲区，提高AGV小车自主避障能力，防止漏检。将点云反射强度考虑到点云间距离计算中，能获得精确的障碍物聚类信息，提升障碍物检测精度，防止误检。

【技术实现步骤摘要】
仓储物流AGV小车障碍物检测方法、装置、设备及介质
本公开涉及物流运输
，更为具体来说，本公开涉及针仓储物流AGV小车障碍物检测方法、装置、设备及介质。
技术介绍
现有的AGV小车一般通过电脑来控制其行进路线以及行为，或者借助磁导航或反光板等辅助材料所提供的信息进行移动与动作。由于其自动感知能力差，在沿固定路线行驶过程中，无法自动感知车身周围环境障碍物，或者感知方位不全面，对于工作人员的误入出现在设定运行轨迹等情况时，无法及时作出判断并停止，容易伤到工作人员；同时现有的AGV牵引叉车无法判断货物是否到位、是否超重等情况，同时在搬运过程中容易出现重心不稳，影响行进速度。
技术实现思路
为解决现有技术中的AGV小车行驶路线固定不易更改，缺少自主绕行功能的技术问题。为实现上述技术目的，本公开提供了一种仓储物流AGV小车障碍物检测方法，应用于包含激光雷达的AGV小车上，所述方法包括：采集所述激光雷达的数据并进行坐标转换；对所述坐标转换后的数据进行点云拼接；对所述点云拼接后的数据通过点云聚类实现障本文档来自技高网...

【技术保护点】
1.一种仓储物流AGV小车障碍物检测方法，其特征在于，应用于包含激光雷达的AGV小车上，所述方法包括：/n采集所述激光雷达的数据并进行坐标转换；/n对所述坐标转换后的数据进行点云拼接；/n对所述点云拼接后的数据通过点云聚类实现障碍物检测；/n对通过点云聚类后的障碍物车体坐标系下的点云数据进行障碍物坐标跟踪。/n

【技术特征摘要】
1.一种仓储物流AGV小车障碍物检测方法，其特征在于，应用于包含激光雷达的AGV小车上，所述方法包括：
采集所述激光雷达的数据并进行坐标转换；
对所述坐标转换后的数据进行点云拼接；
对所述点云拼接后的数据通过点云聚类实现障碍物检测；
对通过点云聚类后的障碍物车体坐标系下的点云数据进行障碍物坐标跟踪。


2.根据权利要求1所述的方法，其特征在于，所述激光雷达的数据为单线激光雷达数据，所述坐标转换具体包括：
对所述单线激光雷达数据进行标定，转换为车体坐标系下的点云数据，再通过统计滤波将所述单线激光雷达数据中的噪声滤除。


3.根据权利要求1所述的方法，其特征在于，所述激光雷达的数据为多线激光雷达数据，所述坐标转换具体包括：
对所述多线激光雷达数据进行标定，转换为车体坐标系下的点云数据，再通过直通滤波将车体周围近距离点云滤除，通过体素滤波来降低点云密度。


4.根据权利要求1～3任一项中所述的方法，其特征在于，所述点云聚类的过程具体包括：
建立Kd-tree表示输入点云数据集；
创建一个空的聚类列表以及需要遍历点的队列；
将空间坐标系中的一个坐标点添加到当前的所述队列中
通过kd近邻搜索算法找到k个离任意一个属于所述点云数据集中的坐标点最近的点的集合；
将距离任一属于所述点云数据集中的坐标点小于设定阈值的坐标点聚类到所述队列中；
直到所有的所述点云数据集中的坐标点均被处理，且所述队列中坐标点的数目不再增加，添加所述队列到所述聚类列表中，并且将所述队列重置为空。

【专利技术属性】
技术研发人员：李桂清，孙凯信，武志鹏，李金鹏，
申请(专利权)人：潍柴动力股份有限公司，
类型：发明
国别省市：山东;37