托盘定位方法、装置、设备及可读存储介质制造方法及图纸

本申请公开了一种托盘定位方法、装置、设备及可读存储介质，该方法包括步骤：获取雷达采集的预设扫描区域内的第一点云数据；所述预设扫描区域中包含托盘；从所述第一点云数据中提取所述托盘的第二点云数据；基于所述第二点云数据，确定所述托盘的类型，并确定所述托盘在地图坐标系中的位置信息，以供调取无人叉车至所述托盘的位置并进叉取下所述托盘。本申请在检测托盘时采用渲染雷达采集的点云图像，非真实相机拍摄的图像，不容易受到户外阳光的影响。因此，本申请基于雷达采集的点云渲染得到灰度图，对托盘进行精准定位。对托盘进行精准定位。对托盘进行精准定位。

【技术实现步骤摘要】
托盘定位方法、装置、设备及可读存储介质


[0001]本申请涉及物流领域，尤其涉及一种托盘定位方法、装置、设备及可读存储介质。

技术介绍

[0002]随着物流行业的飞速发展，货物自动搬运已经成为物流行业越来越迫切的需求，托盘作为物流运作过程中重要的装卸，储存和运输设备，与叉车配套使用在现代物流中发挥着巨大的作用，通常采用视觉系统对其检测与定位。
[0003]目前行业内多采用双目相机或TOF相机进行托盘定位和定位，其中依赖图像对托盘进行检测，利用深度数据对托盘进行定位，但双目相机和TOF相机受环境光影响较大，在有强光的户外难以实现有效定位。

技术实现思路

[0004]有鉴于此，本申请提供一种托盘定位方法、装置、设备及可读存储介质，旨在提高托盘的定位精度。
[0005]为实现上述目的，本申请提供一种托盘定位方法，所述方法包括：
[0006]获取雷达采集的预设扫描区域内的第一点云数据；所述预设扫描区域中包含托盘；
[0007]从所述第一点云数据中提取所述托盘的第二点云数据；
[0008]基于所述第二点云数据，确定所述托盘的类型，并确定所述托盘在地图坐标系中的位置信息，以供调取无人叉车至所述托盘的位置并进叉取下所述托盘。
[0009]示例性的，所述从所述第一点云数据中提取所述托盘的第二点云数据，包括：
[0010]基于所述第一点云数据，生成场景灰度图；所述场景灰度图中包含托盘图像和背景图像；
[0011]基于所述场景灰度图，提取所述托盘的第二点云数据。
[0012]示例性的，所述基于所述场景灰度图，提取所述托盘的第二点云数据，包括：
[0013]输入所述场景灰度图至深度检测模型，确定检测边界框中存在所述托盘图像的概率；
[0014]确定所述概率值最高的检测边界框为目标检测边界框；
[0015]提取所述目标检测边界框中的第三点云数据，并对所述第三点云数据进行筛选，确定所述第二点云数据。
[0016]示例性的，所述输入所述场景灰度图至深度检测模型，确定检测边界框中存在所述托盘图像的概率之前，包括：
[0017]获取多个角度的历史托盘图像；
[0018]基于所述历史托盘图像，训练预设深度检测模型；
[0019]当达到预设训练次数或模型收敛时，结束训练，得到深度检测模型。
[0020]示例性的，所述基于所述第一点云数据，生成场景灰度图之前，包括：
[0021]在所述雷达处设置虚拟相机点位，并在所述虚拟相机点位设置虚拟相机；
[0022]获取所述虚拟相机的分辨率和视场角；
[0023]基于所述分辨率和视场角，确定所述虚拟相机的内参。
[0024]示例性的，所述基于所述第一点云数据，生成场景灰度图，包括：
[0025]将所述第一点云数据输入针孔成像模型，确定所述点云数据中多个三维坐标在灰度图中对应的二维坐标；
[0026]基于每一所述三维坐标对应的点的强度值，确定所述点在所述灰度图中对应的灰度值；
[0027]基于所述灰度值和所述二维坐标，生成包含托盘图像的场景灰度图。
[0028]示例性的，所述基于所述第二点云数据，确定所述托盘在地图坐标系中的位置信息，包括：
[0029]基于所述第二点云数据，确定所述托盘相对于所述雷达的距离信息和角度信息；
[0030]基于所述距离信息和所述角度信息，确定所述托盘在地图坐标系中的位置信息。
[0031]示例性的，为实现上述目的，本申请还提供一种托盘定位装置，所述托盘定位装置包括：
[0032]获取模块，用于获取雷达采集的预设扫描区域内的第一点云数据；所述预设扫描区域中包含托盘；
[0033]提取模块，用于从所述第一点云数据中提取所述托盘的第二点云数据；
[0034]确定模块，用于基于所述第二点云数据，确定所述托盘的类型，并确定所述托盘在地图坐标系中的位置信息，以供调取无人叉车至所述托盘的位置并进叉取下所述托盘。
[0035]示例性的，为实现上述目的，本申请还提供一种托盘定位设备，所述托盘定位设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的托盘定位程序，所述托盘定位程序被处理器执行时实现如上所述的托盘定位方法的步骤。
[0036]示例性的，为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有托盘定位程序，所述托盘定位程序被处理器执行时实现如上所述的托盘定位方法的步骤。
[0037]与现有技术中，以双目相机或TOF相机采集深度图像进行托盘定位，但双目相机和TOF相机易受光环境影响，导致采集的深度图像精度不高，进而导致定位精度不高相比。本申请获取雷达采集的预设扫描区域内的第一点云数据；所述预设扫描区域中包含托盘；从所述第一点云数据中提取所述托盘的第二点云数据；基于所述第二点云数据，确定所述托盘的类型，并确定所述托盘在地图坐标系中的位置信息，以供调取无人叉车至所述托盘的位置并进叉取下所述托盘。本申请在检测托盘时采用渲染雷达采集的点云图像，非真实相机拍摄的图像，不容易受到户外阳光的影响。因此，本申请基于雷达采集的点云渲染得到灰度图，对托盘进行精准定位。
附图说明
[0038]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0039]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0040]图1是本申请托盘定位方法第一实施例的流程示意图；
[0041]图2是本申请托盘定位方法第一实施例的针孔模型成像示意图；
[0042]图3是本申请实施例方案涉及的硬件运行环境的结构示意图。
[0043]本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0044]应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0045]本申请提供一种托盘定位方法，参照图1，图1为本申请托盘定位方法第一实施例的流程示意图。
[0046]本申请实施例提供了托盘定位方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。为了便于描述，以下省略执行主体描述托盘定位方法的各个步骤，托盘定位方法包括：
[0047]步骤S10，获取雷达采集的预设扫描区域内的第一点云数据；所述预设扫描区域中包含托盘。
[0048]步骤S20，从所述第一点云数据中提取所述托盘的第二点云数据。
[0049]步骤S30，基于所述第二点云数据，确定所述托盘的类型，并确定所述托盘在地图坐标系中的位置信息，以供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种托盘定位方法，其特征在于，所述方法包括：获取雷达采集的预设扫描区域内的第一点云数据；所述预设扫描区域中包含托盘；从所述第一点云数据中提取所述托盘的第二点云数据；基于所述第二点云数据，确定所述托盘的类型，并确定所述托盘在地图坐标系中的位置信息，以供调取无人叉车至所述托盘的位置并进叉取下所述托盘。2.如权利要求1所述的方法，其特征在于，所述从所述第一点云数据中提取所述托盘的第二点云数据，包括：基于所述第一点云数据，生成场景灰度图；所述场景灰度图中包含托盘图像和背景图像；基于所述场景灰度图，提取所述托盘的第二点云数据。3.如权利要求2所述的方法，其特征在于，所述基于所述场景灰度图，提取所述托盘的第二点云数据，包括：输入所述场景灰度图至深度检测模型，确定检测边界框中存在所述托盘图像的概率；确定所述概率值最高的检测边界框为目标检测边界框；提取所述目标检测边界框中的第三点云数据，并对所述第三点云数据进行筛选，确定所述第二点云数据。4.如权利要求3所述的方法，其特征在于，所述输入所述场景灰度图至深度检测模型，确定检测边界框中存在所述托盘图像的概率之前，包括：获取多个角度的历史托盘图像；基于所述历史托盘图像，训练预设深度检测模型；当达到预设训练次数或模型收敛时，结束训练，得到深度检测模型。5.如权利要求2所述的方法，其特征在于，所述基于所述第一点云数据，生成场景灰度图之前，包括：在所述雷达处设置虚拟相机点位，并在所述虚拟相机点位设置虚拟相机；获取所述虚拟相机的分辨率和视场角；基于所述分辨率和视场角，确定所述虚拟相机...

【专利技术属性】
技术研发人员：陈文成，吕朝顺，董邓伟，
申请(专利权)人：劢微机器人科技深圳有限公司，
类型：发明
国别省市：