一种基于角点检测深度学习的托盘定位方法技术

本发明专利技术涉及托盘定位技术领域，且公开了一种基于角点检测深度学习的托盘定位方法，包括：将输入图片通过仿射变换为512

【技术实现步骤摘要】
一种基于角点检测深度学习的托盘定位方法


[0001]本专利技术涉及托盘定位
，具体为一种基于角点检测深度学习的托盘定位方法。

技术介绍

[0002]自动化仓储物流近年来不断发展，自动化运输设备的需求不断提升。自动叉车是一种自动驾驶车辆，可以完成对货物的自动搬起，能有效降低人力成本，被广泛应用于自动化物流中。在仓储物流中，因为货物托盘外观存在大小、形状、颜色等明显的差异，所以对货物托盘进行叉取定位较为困难。
[0003]在实际物流场景中，自动叉车为完成自动叉卸货任务，需要将叉铲对准托盘。因此，定位托盘可分为两部分：托盘中心点定位，及托盘正面朝向估计。目前基于深度学习的托盘定位算法，一般使用矩形框进行定位，其只能检测托盘区域位置，但是其无法准确定位出托盘中心位置，同样也无法有效估计托盘的方向信息。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术的不足，本专利技术旨在提供一种基于角点检测深度学习的托盘定位方法，通过对托盘外轮廓的四个关键点检测，在精确定位托盘中心的同时，完成对托盘方向的估本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于角点检测深度学习的托盘定位方法，其特征在于，包括以下步骤：步骤一，叉车相机采集图片将其作为输入图片通过仿射变换为512
×
512固定大小输入；步骤二，通过DLA骨干网络生成128
×
128高分辨率热力特征图；步骤三，基于热力特征图采用CenterNet网络进行托盘检测获得托盘目标框；步骤四，直接回归得到托盘关键点初步定位位置，以托盘目标框和初步定位位置为分组依据进行基于托盘关键点位置的区域约束的关键点分组，使用自适应补偿对回归的关键点位置进行调整，获得托盘关键点，完成托盘关键点检测；其中，回归的托盘关键点的自适应补偿方法如下：令目标框中心点与第i个托盘关键点的欧式距离为D
ireg
，目标框中心点与目标框角点的欧式距离为D
det
，根据二者大小关系得到关键点回归评价指标ρ
ireg
；；其中，ρ
ireg
为第i个关键点回归评价，根据关键点评价指标，使用目标框角点坐标对关键点回归结果进行补偿；P
ireg
＝(x
i
，y
i
)为托盘关键点回归坐标，从左上角顺时针将目标框角点编号为1，2，3，4，P
ireg
＝(x
irect
,y
irect
)为托盘目标框角点坐标；步骤五，基于关键点定位结果，计算托盘中心点，估计托盘水平方向；其中，基于几何约束的托盘中心点计算方法如下：令P
i
(i＝1，2，3,4)为托盘关键点，P
i
在空间坐标系中的坐标为(X
i
,Y
i
,Z
i
)；P
c
为托盘中心点，P
c
在空间坐标系中的坐标为(X
c
,Y
c
,Z
c
)；p
i
为托盘关键点在归一化坐标中的坐标(x
i
，y

【专利技术属性】
技术研发人员：项卫锋，朱明，何宇，
申请(专利权)人：安徽宇锋智能科技有限公司，
类型：发明
国别省市：