安全校验方法、无人叉车及存储介质技术

本发明专利技术实施例公开了一种安全校验方法、无人叉车及存储介质，应用于无人叉车技术领域，可解决如何快速准确的对待存储物体和库位之间的相对位置进行安全校验的问题。无人叉车上设置有摄像模组，在无人叉车执行放货任务的情况下，无人叉车可以通过摄像模组，获取目标图像，目标图像中包括待存储物体和目标库位；通过目标语义分割网络，对目标图像进行语义分割，得到针对待存储物体和目标库位的分割结果；根据分割结果，对待存储物体和目标库位之间的相对位置进行安全校验，得到校验结果；若校验结果为校验通过，则将待存储物体放置在目标库位中。标库位中。标库位中。

【技术实现步骤摘要】
安全校验方法、无人叉车及存储介质


[0001]本专利技术实施例涉及无人叉车
，尤其涉及一种安全校验方法、无人叉车及存储介质。

技术介绍

[0002]在智能化仓库中，通常会通过无人叉车搬运货物并将货物放置于相应库位中，不过由于待存储物体是在搬运设备（例如无人叉车）的运载下转移的，那么待存储物体和库位之间就会存在偏差，容易导致待存储物体滑落，造成损失，因此需要人工进行干预以确认待存储物体是否准确放置到库位上，不仅降低货物存取效率，并且人工作业还会判断失误。因此，如何快速准确的对待存储物体和库位之间的相对位置进行安全校验成为了目前亟需解决的问题。

技术实现思路

[0003]本专利技术实施例提供一种安全校验方法、无人叉车及存储介质，用以解决现有技术中如何快速准确的对待存储物体和库位之间的相对位置进行安全校验的问题。
[0004]第一方面，提供一种安全校验方法，应用于无人叉车，所述无人叉车上设置有摄像模组，所述方法包括：在所述无人叉车执行放货任务的情况下，通过所述摄像模组，获取目标图像，所述目标图像中包括待存储物体和目标库位；通过目标语义分割网络，对所述目标图像进行语义分割，得到针对所述待存储物体和所述目标库位的分割结果；根据所述分割结果，对所述待存储物体和所述目标库位之间的相对位置进行安全校验，得到校验结果；若所述校验结果为校验通过，则将待存储物体放置在所述目标库位中。
[0005]作为一种可选的实施方式，在本专利技术实施例的第一方面中，所述待存储物体包括目标货物或放货平台，所述放货平台承载所述目标货物，所述若所述校验结果为校验通过，则将所述待存储物体放置在所述目标库位中，包括：当所述待存储物体包括所述目标货物时，若所述校验结果为校验通过，则将所述目标货物放置在所述目标库位中；或，当所述待存储物体包括所述放货平台时，若所述校验结果为校验通过，则通过所述放货平台将所承载的所述目标货物放置在所述目标库位中。
[0006]作为一种可选的实施方式，在本专利技术实施例的第一方面中，所述根据所述分割结果，对所述待存储物体和所述目标库位之间的相对位置进行安全校验，得到校验结果，包括：根据所述分割结果，确定所述待存储物体的第一边界以及所述目标库位的第二边界；确定所述第一边界和所述第二边界之间的偏差信息，所述偏差信息至少包括角度
偏差信息和距离偏差信息；若检测到所述偏差信息小于或等于预设差值，则确定所述校验结果为校验通过。
[0007]作为一种可选的实施方式，在本专利技术实施例的第一方面中，所述在所述无人叉车执行放货任务的情况下，通过所述摄像模组，获取目标图像，包括：获取放货任务，所述放货任务包括将所述待存储物体存储于所述目标库位；当所述无人叉车搬运所述待存储物体移动至与所述目标库位对应的放货位置时，通过所述摄像模组，获取所述目标图像。
[0008]作为一种可选的实施方式，在本专利技术实施例的第一方面中，所述通过所述摄像模组，获取目标图像之前，所述方法还包括：获取多个测试图像，并对每个测试图像进行标注；根据多个标注后的测试图像，对预设的深度学习网络进行模型训练，以得到所述目标语义分割网络，所述预设的深度学习网络是将轻量级实时语义分割任务模型和物体上下文特征标识OCR提取模块进行融合后得到的。
[0009]作为一种可选的实施方式，在本专利技术实施例的第一方面中，所述根据所述多个标注后的测试图像，对预设的深度学习网络进行模型训练，以得到所述目标语义分割网络，包括：根据浅层特征细节损失、中间层辅助损失以及输出层损失，构建区域互信息RMI损失函数，所述浅层特征细节损失是根据所述预设的深度学习网络提取的边缘特征信息确定的；基于所述RMI损失函数对所述预设的深度学习网络进行训练，得到所述目标语义分割网络。
[0010]作为一种可选的实施方式，在本专利技术实施例的第一方面中，所述基于所述RMI损失函数对所述预设的深度学习网络进行训练，得到所述目标语义分割网络，包括：采用学习率余弦衰减机制以及优化器调整浅层细节损失的第一权重、中间层辅助损失的第二权重以及输出层损失的第三权重以进行参数优化，得到目标权重值；根据所述目标权重值，得到所述目标语义分割网络；其中，所述第一权重小于所述第二权重，所述第二权重小于所述第三权重。
[0011]第二方面，提供一种无人叉车，所述无人叉车上设置有摄像模组，所述无人叉车包括：获取模块，用于在所述无人叉车执行放货任务的情况下，通过所述摄像模组，获取目标图像，所述目标图像中包括待存储物体和目标库位；处理模块，用于通过目标语义分割网络，对所述目标图像进行语义分割，得到针对所述待存储物体和所述目标库位的分割结果；所述处理模块，还用于根据所述分割结果，对所述待存储物体和所述目标库位之间的相对位置进行安全校验，得到校验结果；所述处理模块，还用于若所述校验结果为校验通过，则将待存储物体放置在所述目标库位中。
[0012]第三方面，提供一种无人叉车，所述无人叉车上设置有摄像模组，所述无人叉车包括：存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行本专利技术实施例第一方面中的安全校验方法。
[0013]第四方面，提供一种计算机可读存储介质，其存储计算机程序，所述计算机程序使得计算机执行本专利技术实施例第一方面中的安全校验方法。所述计算机可读存储介质包括ROM/RAM、磁盘或光盘等。
[0014]第五方面，提供一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
[0015]第六方面，提供一种应用发布平台，所述应用发布平台用于发布计算机程序产品，其中，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
[0016]与现有技术相比，本专利技术实施例具有以下有益效果：本专利技术实施例中，无人叉车上设置有摄像模组，在无人叉车执行放货任务的情况下，无人叉车可以通过摄像模组，获取包括待存储物体和目标库位的目标图像；通过目标语义分割网络，对目标图像进行语义分割，得到针对待存储物体和目标库位的分割结果；根据分割结果，对待存储物体和目标库位之间的相对位置进行安全校验，得到校验结果；若校验结果为校验通过，则将待存储物体放置在目标库位中。通过该方案，无人叉车可以对包括待存储物体和目标库位的目标图像进行语义分割，从而判断待存储物体和目标库位之间的相对位置是否安全，不需要人工干预进行确认，大大减少人工工作量，也提高了安全校验以及货物存取的效率，并且通过经过训练的目标语义分割网络进行语义分割，可以有效的提高安全校验的准确性。
附图说明
[0017]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1是本专利技术实施例提供的一种安全本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种安全校验方法，其特征在于，应用于无人叉车，所述无人叉车上设置有摄像模组，所述方法包括：在所述无人叉车执行放货任务的情况下，通过所述摄像模组，获取目标图像，所述目标图像中包括待存储物体和目标库位；通过目标语义分割网络，对所述目标图像进行语义分割，得到针对所述待存储物体和所述目标库位的分割结果；根据所述分割结果，对所述待存储物体和所述目标库位之间的相对位置进行安全校验，得到校验结果；若所述校验结果为校验通过，则将所述待存储物体放置在所述目标库位中。2.根据权利要求1所述的方法，其特征在于，所述待存储物体包括目标货物或放货平台，所述放货平台承载所述目标货物，所述若所述校验结果为校验通过，则将所述待存储物体放置在所述目标库位中，包括：当所述待存储物体包括所述目标货物时，若所述校验结果为校验通过，则将所述目标货物放置在所述目标库位中；或，当所述待存储物体包括所述放货平台时，若所述校验结果为校验通过，则通过所述放货平台将所承载的所述目标货物放置在所述目标库位中。3.根据权利要求1所述的方法，其特征在于，所述根据所述分割结果，对所述待存储物体和所述目标库位之间的相对位置进行安全校验，得到校验结果，包括：根据所述分割结果，确定所述待存储物体的第一边界以及所述目标库位的第二边界；确定所述第一边界和所述第二边界之间的偏差信息，所述偏差信息至少包括角度偏差信息和距离偏差信息；若检测到所述偏差信息小于或等于预设差值，则确定所述校验结果为校验通过。4.根据权利要求1所述的方法，其特征在于，所述在所述无人叉车执行放货任务的情况下，通过所述摄像模组，获取目标图像，包括：获取放货任务，所述放货任务包括将所述待存储物体存储于所述目标库位；当所述无人叉车搬运所述待存储物体移动至与所述目标库位对应的放货位置时，通过所述摄像模组，获取所述目标图像。5.根据权利要求1所述的方法，其特征在于，所述通过所述摄像模组，获取目标图像之前，所述方法还包括：获取多个测试图像，并对每个测试图像进行标注；根据多个标注后的测试图像，对预设的深度学习网络进行模型训练，以得到所述目标语义分割网络，所述预设的深度学习网络是将轻...

【专利技术属性】
技术研发人员：杨秉川，方牧，鲁豫杰，李陆洋，张帆，方晓曼，
申请(专利权)人：未来机器人深圳有限公司，
类型：发明
国别省市：