本发明专利技术公开了一种提高托盘识别精度的方法，S1：通过叉车上的相机传感器获取托盘的点云数据和图片数据；S2：通过神经网络对图片数据进行处理，并输出对应托盘的候选框区域；S3：得到托盘候选框区域内的托盘目标，将其从像素坐标系下映射到点云坐标系下，并对S1中的点云数据进行滤波处理；S4：对托盘点云进行位姿计算并发布，还公开了装置。本发明专利技术的有益效果是：通过神经网络对图片数据进行处理以及托盘候选框区域内的托盘目标从像素坐标系下映射到点云坐标系下，对点云数据进行滤波处理，避免了因光照太强导致相机点云发生畸变，从而保证了托盘识别的精度和稳定性，提高了插取托盘的工作效率。工作效率。工作效率。
【技术实现步骤摘要】
一种提高托盘识别精度的方法及装置
[0001]本专利技术涉及托盘识别
，特别是一种提高托盘识别精度的方法及装置。
技术介绍
[0002]近些年来，随着科学技术的发展，机器人的应用越来越广泛，渗透在人们生活的方方面面。随着工业化4.0的推进，工业机器人托盘搬运车慢慢的映入人们的眼帘中。其中托盘搬运车的核心技术便是托盘识别算法，然而常规的托盘识别算法均是基于相机来进行识别的，但是相机会受到光照等因素的影响，这其中包括相机传感器中的图片数据源以及点云数据源等会受到光照等因素而发生形变。因此，托盘识别算法的精度也会受到光照因素的影响，在光照强烈的环境下，托盘识别的精度会受到严重的影响。经过专利技术人长期研究，专利技术了一种提高托盘识别精度的方法及装置。
技术实现思路
[0003]本专利技术的目的在于克服现有技术的缺点，提供一种提高托盘识别精度的方法及装置。
[0004]本专利技术的目的通过以下技术方案来实现：一种提高托盘识别精度的方法及装置，包括以下步骤：S1：通过叉车上的相机传感器获取托盘的点云数据和图片数据；S2：通过神经网络对图片数据进行处理，并输出对应托盘的候选框区域；S3：得到托盘候选框区域内的托盘目标，将其从像素坐标系下映射到点云坐标系下，并对S1中的点云数据进行滤波处理；S4：对托盘点云进行位姿计算并发布。
[0005]优选的，步骤S2中，通过对神经网络进行训练，网络训练的标签使用数据集中自有的数据标签来进行训练，得到预训练好的权重数据进行迁移学习。
[0006]优选的，步骤S3中，对点云数据进行直通滤波、体素滤波和颜色滤波。
[0007]优选的，步骤S4中，还包括以下步骤：S41：对滤波后的点云数据进行聚类操作，得到托盘形状的点云；S42：通过颜色滤波来辅助形状匹配，当识别出托盘形状与真实的托盘形状大小尺寸一致时，则识别成功，进行托盘位姿计算，否则重复步骤S1~步骤S3；S43：通过托盘3个腿的点云数据，求解不同腿的点云的质心得到对应的空间坐标、和，托盘中心点的坐标为；并计算得到最终的偏转角度，计算方式为；通过托盘的最左边的腿的点云质心坐标以及最右边的腿的点云质心坐标，并通过两点的坐标来确定直线方程，求解直线方程的法向量来得到托盘位姿的角度，位姿发布给叉车控制器，
S44：叉车控制器接收到托盘位姿识别结果后，控制定位导航系统按目标点行驶，从而对托盘进行插取。
[0008]优选的，步骤S41中，通过常规的K
‑
means对点云数据进行聚类。
[0009]一种装置，包括上述任意一项的一种提高托盘识别精度的方法，还包括防反光物件，防反光物件放置在托盘的下方。
[0010]本专利技术具有以下优点：本专利技术通过神经网络对图片数据进行处理以及托盘候选框区域内的托盘目标从像素坐标系下映射到点云坐标系下，对点云数据进行滤波处理，避免了因光照太强导致相机点云发生畸变，从而保证了托盘识别的精度和稳定性，提高了插取托盘的工作效率。
附图说明
[0011]图1 为识别精度的方法流程的结构示意图。
实施方式
[0012]为使本专利技术实施方式的目的、技术方案和优点更加清楚，下面将结合本专利技术实施方式中的附图，对本专利技术实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本专利技术一部分实施方式，而不是全部的实施方式。通常在此处附图中描述和示出的本专利技术实施方式的组件可以以各种不同的配置来布置和设计。
[0013]因此，以下对在附图中提供的本专利技术的实施方式的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。
[0014]需要说明的是，在不冲突的情况下，本专利技术中的实施方式及实施方式中的特征可以相互组合。
[0015]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0016]在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该专利技术产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0017]在本专利技术的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0018]在本实施例中，如图1所示，一种提高托盘识别精度的方法，包括以下步骤：S1：通过叉车上的相机传感器获取托盘的点云数据和图片数据；
S2：通过神经网络对图片数据进行处理，并输出对应托盘的候选框区域；S3：得到托盘候选框区域内的托盘目标，将其从像素坐标系下映射到点云坐标系下，并对S1中的点云数据进行滤波处理；S4：对托盘点云进行位姿计算并发布。通过神经网络对图片数据进行处理以及托盘候选框区域内的托盘目标从像素坐标系下映射到点云坐标系下，对点云数据进行滤波处理，避免了因光照太强导致相机点云发生畸变，从而保证了托盘识别的精度和稳定性，提高了插取托盘的工作效率。
[0019]进一步的，步骤S2中，通过对神经网络进行训练，网络训练的标签使用数据集中自有的数据标签来进行训练，得到预训练好的权重数据进行迁移学习。具体地说，通过使用公开的COCO等数据集来对神经网络进行训练，网络训练的标签使用数据集中自有的数据标签来进行训练，从而得到预训练好的神经网络权重数据，该权重数据可用于后续托盘识别的增量训练，并通过预训练好的权重数据进行迁移学习，主要方法是：第一，自制托盘数据集，并通过现有的目标跟踪算法来制作神经网络标签，其目的是不用人工来一一来制作标签，减少了人力，每一个视频片段只需要进行一次人为的标注，以人为标注的目标来作为先验，后续均通过目标跟踪算法来进行自动跟踪人为标注的标签，从而达到自动化标注标签；第二，用自制的数据集和标签来对之前预训练好的神经网络进行增量训练和迁移学习，完成对神经网络的特征丰富，从而增强了神经网络的泛化性以及识别准确性，使得神经网络能够准确的识别出不同颜色的托盘，并输出对应托盘的候选框区域，通过候选框的方式来进行滤波能够对托盘的点云数据进行过滤，减少了人为设计过滤区域的难点以及工作量。
[0020]再进一步的，步骤S3中，对点云数据进行直通滤波、本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种提高托盘识别精度的方法，其特征在于：包括以下步骤：S1：通过叉车上的相机传感器获取托盘的点云数据和图片数据；S2：通过神经网络对图片数据进行处理，并输出对应托盘的候选框区域；S3：得到托盘候选框区域内的托盘目标，将其从像素坐标系下映射到点云坐标系下，并对所述S1中的点云数据进行滤波处理；S4：对托盘点云进行位姿计算并发布，通过对神经网络进行训练，网络训练的标签使用数据集中自有的数据标签来进行训练，得到预训练好的权重数据进行迁移学习。2.根据权利要求1所述的一种提高托盘识别精度的方法，其特征在于：所述S3中，对点云数据进行直通滤波、体素滤波和颜色滤波。3.根据权利要求2所述的一种提高托盘识别精度的方法，其特征在于：所述S4中，还包括以下步骤：S41：对滤波后的点云数据进行聚类操作，得到托盘形状的点云；S42：通过颜色滤波来辅助形状匹配，当识别出托盘形状与真实...
【专利技术属性】
技术研发人员：周军，黄佳遥，龙羽，徐菱，
申请(专利权)人：成都睿芯行科技有限公司，
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。