本发明专利技术提供了一种托盘识别方法、装置、存储介质及智能叉车设备，所述方法包括：获取智能叉车在行进过程中与托盘的距离信息；当智能叉车与托盘的距离信息小于预设的距离阈值时，获取托盘的图像数据，并对图像数据中的像素进行分类，得到类别矩阵；对类别矩阵与预设的托盘类别模板进行模板匹配，从图像数据中识别出托盘的感兴趣区域；提取托盘感兴趣区域内托盘的托盘参数，根据所述托盘参数计算出托盘的姿态参数。本发明专利技术能够快速、准确的识别出托盘的感兴趣区域，并根据托盘的感兴趣区域内托盘的托盘参数计算出托盘的姿态参数，以便于智能叉车靠近托盘时快速准确的确定托盘的拾取位置，提高了智能叉车的工作效率。提高了智能叉车的工作效率。提高了智能叉车的工作效率。
【技术实现步骤摘要】
托盘识别方法、装置、存储介质及智能叉车设备
[0001]本专利技术涉及智能叉车智能控制领域，尤其涉及一种托盘识别方法、装置、存储介质及智能叉车设备。
技术介绍
[0002]随着计算机与机器人技术的快速发展，智能叉车在物流行业中的广泛应用，标志着仓储物流技术向自动化和智能化发展。但在非结构化仓库的复杂环境中，受到作业流程、设备精度、人工作业等因素影响，托盘码放的位置和姿态存在着较大的不确定性，导致智能叉车无法快速、准确的识别托盘的拾取位置，无法满足仓储物流产业高效的作业需求。
技术实现思路
[0003]为解决上述技术问题，本专利技术提出了一种托盘识别方法、装置、存储介质及智能叉车设备。
[0004]本专利技术的一个方面，提供了一种托盘识别方法，所述方法包括：
[0005]获取智能叉车在行进过程中与托盘的距离信息；
[0006]当智能叉车与托盘的距离信息小于预设的距离阈值时，获取托盘的图像数据，并对图像数据中的像素进行分类，得到类别矩阵；
[0007]对所述类别矩阵与预设的托盘类别模板进行模板匹配，从图像数据中识别出托盘的感兴趣区域；
[0008]提取托盘感兴趣区域内托盘的托盘参数，根据所述托盘参数计算出托盘的姿态参数，以使智能叉车根据所述托盘的姿态参数对所述托盘进行准确拾取。
[0009]进一步地，所述方法还包括：
[0010]根据托盘信息、放置于托盘上的物料信息以及托盘与地面的空间、尺寸关系建立托盘类别模板，所述托盘类别模板为基于托盘上的物料信息和托盘与地面的空间、尺寸关系对托盘进行标识的描述信息。
[0011]进一步地，所述托盘信息包括托盘编号、托盘尺寸和托盘孔位置中的一项或多项；
[0012]所述对所述类别矩阵与预设的托盘类别模板进行匹配，从图像数据中识别出托盘的感兴趣区域包括：
[0013]基于小孔成像模型根据智能叉车与托盘之间的距离、托盘尺寸计算压缩网格尺寸；
[0014]对类别矩阵和类别模板基于压缩网格尺寸进行压缩，得到压缩后的类别矩阵和压缩后的类别模板；
[0015]通过卷积运算计算压缩后的类别矩阵中各个像素和压缩后的类别模板的匹配值；
[0016]当匹配值大于预设的匹配阈值时，则将当前像素对应的区域作为托盘的感兴趣区域。
[0017]进一步地，所述获取智能叉车在行进过程中与托盘的距离信息包括：
[0018]获取托盘的深度图像及彩色图像；
[0019]从彩色图像中识别出托盘的位置区域；
[0020]根据深度图像的深度信息确定智能叉车距离托盘的位置区域的距离，获得初始距离。
[0021]进一步地，所述托盘参数包括托盘的支架坐标；
[0022]所述提取托盘感兴趣区域内托盘的托盘参数，根据所述托盘参数计算出托盘的姿态参数包括：将所述托盘的支架坐标输入到预设的托盘姿态计算模型，以计算出托盘待拾取侧面的中心坐标以及托盘相对于智能叉车拾取方向的角度，所述托盘姿态计算模型基于预设神经网络训练得到。
[0023]进一步地，所述方法还包括：
[0024]获取托盘的多帧图像数据；
[0025]根据所述多帧图像数据中托盘感兴趣区域内托盘的托盘参数计算出托盘的多组姿态参数；
[0026]基于滑动窗口均值方法对托盘的所述多组姿态参数进行滤波，得到精确的托盘位姿参数。
[0027]本专利技术另一方面，提供了一种托盘识别装置，所述装置包括：
[0028]距离确定模块，用于获取智能叉车在行进过程中与托盘的距离信息；
[0029]类别矩阵提取模块，用于当智能叉车与托盘的距离信息小于预设的距离阈值时，获取托盘的图像数据，并对图像数据中的像素进行分类，得到类别矩阵；
[0030]模板匹配模块，用于对所述类别矩阵与预设的托盘类别模板进行模板匹配，从图像数据中识别出托盘的感兴趣区域；
[0031]参数计算模块，用于提取托盘感兴趣区域内托盘的托盘参数，根据所述托盘参数计算出托盘的姿态参数，以使智能叉车根据所述托盘的姿态参数对所述托盘进行准确拾取。
[0032]进一步地，所述模板匹配模块包括：
[0033]压缩网格计算单元，用于基于小孔成像模型根据智能叉车与托盘之间的距离、托盘尺寸计算压缩网格尺寸；
[0034]压缩单元，用于对类别矩阵和类别模板基于压缩网格尺寸进行压缩，得到压缩后的类别矩阵和压缩后的类别模板；
[0035]匹配值计算单元，用于通过卷积运算计算压缩后的类别矩阵中各个像素和压缩后的类别模板的匹配值；
[0036]感兴趣区域提取单元，用于当匹配值大于预设的匹配阈值时，则将当前像素对应的区域作为托盘的感兴趣区域。
[0037]此外，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上所述方法的步骤。
[0038]此外，本专利技术还提供了一种智能叉车设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述方法的步骤。
[0039]本专利技术实施例提供的托盘识别方法、装置、存储介质及智能叉车设备，能够在叉车
行进过程中快速、准确的识别出托盘的感兴趣区域，并根据托盘的感兴趣区域内托盘的托盘参数计算出托盘的姿态参数，以便于智能叉车靠近托盘时快速准确的确定托盘的拾取位置，提高了智能叉车的工作效率。
[0040]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0041]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0042]图1为本专利技术实施例提供的一种托盘识别方法的流程示意图；
[0043]图2为本专利技术实施例提供的一种托盘识别装置的结构示意图。
具体实施方式
[0044]为了使本领域技术人员更好的理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0045]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语
″
第一
″
、
″
第二
″
等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种托盘识别方法，其特征在于，所述方法包括：获取智能叉车在行进过程中与托盘的距离信息；当智能叉车与托盘的距离信息小于预设的距离阈值时，获取托盘的图像数据，并对图像数据中的像素进行分类，得到类别矩阵；对所述类别矩阵与预设的托盘类别模板进行模板匹配，从图像数据中识别出托盘的感兴趣区域；提取托盘感兴趣区域内托盘的托盘参数，根据所述托盘参数计算出托盘的姿态参数，以使智能叉车根据所述托盘的姿态参数对所述托盘进行准确拾取。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据托盘信息、放置于托盘上的物料信息以及托盘与地面的空间、尺寸关系建立托盘类别模板，所述托盘类别模板为基于托盘上的物料信息和托盘与地面的空间、尺寸关系对托盘进行标识的描述信息。3.根据权利要求2所述的方法，其特征在于，所述托盘信息包括托盘编号、托盘尺寸和托盘孔位置中的一项或多项；所述对所述类别矩阵与预设的托盘类别模板进行匹配，从图像数据中识别出托盘的感兴趣区域包括：基于小孔成像模型根据智能叉车与托盘之间的距离、托盘尺寸计算压缩网格尺寸；对类别矩阵和类别模板基于压缩网格尺寸进行压缩，得到压缩后的类别矩阵和压缩后的类别模板；通过卷积运算计算压缩后的类别矩阵中各个像素和压缩后的类别模板的匹配值；当匹配值大于预设的匹配阈值时，则将当前像素对应的区域作为托盘的感兴趣区域。4.根据权利要求1所述的方法，其特征在于，所述获取智能叉车在行进过程中与托盘的距离信息包括：获取托盘的深度图像及彩色图像；从彩色图像中识别出托盘的位置区域；根据深度图像的深度信息确定智能叉车距离托盘的位置区域的距离，获得初始距离。5.根据权利要求1所述的方法，其特征在于，所述托盘参数包括托盘的支架坐标；所述提取托盘感兴趣区域内托盘的托盘参数，根据所述托盘参数计算出托盘的姿态参数包括：将所述托盘的支架坐标输入到预设的托盘姿态计算模型，以计算出托盘待拾取侧面的中心坐标以及托盘相对...
【专利技术属性】
技术研发人员：侯书玉，李博，张喜斌，陈芷晴，吴志伟，李德权，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。