(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202211471137.6
(22)申请日 2022.11.23
(71)申请人 青岛中德智能技 术研究院
地址 266000 山东省青岛市黄岛区团结路
中德生态园D-Zone中德创意设计基地
7号楼
(72)发明人 房殿军 韩孝斌 韩佳良 蒋红琰
罗尔夫·施密特 王平 任晓霞
(74)专利代理 机构 青岛智地领创专利代理有限
公司 37252
专利代理师 王鸣鹤
(51)Int.Cl.
G06T 7/00(2017.01)
G06T 7/136(2017.01)
G06T 7/60(2017.01)G06T 7/70(2017.01)
G06V 10/764(2022.01)
G06T 3/00(2006.01)
(54)发明名称
一种用于无 人叉车的托盘 检测与定位方法
(57)摘要
本发明公开了一种用于无人叉车的托盘检
测与定位方法, 属于摄影测量学技术领域, 用于
托盘监测和定位, 包括: S1、 执行托盘目标检测,
若存在目标托盘, 则回传目标托盘位置, 若不存
在目标托盘, 则重新执行S1; S2、 回传目标托盘位
置后, 判断托盘距离是否小于阈值, 若小于, 则进
行托盘位姿检测, 若不小于, 则重新执行S1; S3、
托盘位姿检测后, 回传托盘位姿偏差, 判断位姿
偏差是否小于阈值, 若小于, 则重新执行托盘位
姿检测, 若 不小于, 则停止运行。 本发明所提出的
检测模型平均准确率为88.16%, 参数量和推理时
间分别仅为9.5M和21.5ms, 且在低 层货架仓库内
能保证准确快速地检测。
权利要求书3页 说明书7页 附图4页
CN 115546202 A
2022.12.30
CN 115546202 A
1.一种用于无 人叉车的托盘 检测与定位方法, 其特 征在于, 包括:
S1、 执行托盘目标检测, 若存在目标托盘, 则回传目标托盘位置, 若不存在目标托盘, 则
重新执行S1;
S2、 回传目标托盘位置后, 判断托盘距离是否小于阈值, 若小于, 则进行托盘位姿检测,
若不小于, 则重新执 行S1;
S3、 托盘位姿检测后, 回传托盘位姿偏差, 判断位姿偏差是否小于阈值, 若小于, 则重新
执行托盘位姿检测, 若不小于, 则停止运行。
2.如权利要求1所述的一种用于无人叉车的托盘检测与定位方法, 其特征在于, 托盘目
标检测的网络结构包括: 输入的图像数据通过跨阶段局部深度网络提取特征, 然后得到三
个下采样分别为8、 16和 32倍的特征层, 利用三个特征层进行特征金字塔的构建, 得到三个
加强特征图, 以加强特 征图作为预测部分的输入。
3.如权利要求2所述的一种用于无人叉车的托盘检测与定位方法, 其特征在于, 所述预
测部分包括三个预测分支, 分别为判定预测框中的特征点所属类别、 预测每个特征点的坐
标信息
以及判断特征点是否是前景, 其中,
表示预测框左上角的横坐标信息,
表示预测框左上角的纵坐标信息,
表示预测框的宽度信息,
表示预测框的高度信息 。
4.如权利要求3所述的一种用于无人叉车的托盘检测与定位方法, 其特征在于, 预测分
支的第一分支使用1个维度为
的卷积进行降维, 其余分支部分使用
2个维度的卷积以减少速度上的损失, 得到三个分支的预测结果后, 将其进行堆叠得到预测
特征层, 预测特征层的通道维度包括预测坐标、 置信度和类别概率的信息, 将三个预测特征
层堆叠连接得到最终预测信息 。
5.如权利要求4所述的一种用于无人叉车的托盘检测与定位方法, 其特征在于, 目标检
测模型的损失分为 位置损失、 分类损失和置信度损失;
位置损失中, 对每个预测目标, 通过计算预测框和真实框的交并比损失 IoU作为回归损
失,IoU定义如下式:
,A表示预测框位置损失, B表示真实框位置损失;
分类损失中, 对每个预测目标, 确定其特征点所属于的种类, 通过真实类别和预测类别
来计算交叉熵作为分类损失;
置信度损失中, 损失
的计算式为:
, 其中
,
控制正样本和负样本对损 失的权重,
是交叉熵损失的调制因子, 其中
为分类正
确的概率,
为超参数。
6.如权利要求5所述的一种用于无人叉车的托盘检测与定位方法, 其特征在于, 托盘位
姿检测包括: B1.点云预处理、 B2.分割托盘与包裹箱的点云、 B3.分割货架点云、 B4.计算托
盘姿态信息 。
7.如权利要求6所述的一种用于无人叉车的托盘检测与定位方法, 其特征在于, 点云预
处理包括:
B1.1.点云图投射到二维平面得到投影图, 并对原 始点云进行比例变换;
B1.2.通过二 值化阈值的方法对投影图进行阈值分割, 提取托盘前表面的投影区域;权 利 要 求 书 1/3 页
2
CN 115546202 A
2B1.3.对投影区域进行形态学变换, 对其进行膨胀运算以最大化表征需要提取区域的
特性, 让托盘区域特 征最大化;
B1.4.利用最大类间方差算法Otsu让托盘、 货架的投影特征更为显著, 其中, 用下式确
定最大类间方差的阈值
:
,
, 其中,
是方差,
是标准差, 按照Otsu所得阈值将图像像素划分为两个类别, 背景所占比例
, 前景所占比
例
, 背景和背景平均灰度值分别为:
,
, 其中,
为灰度等级的数量,
为两者灰度的分界等级,
为灰度等级为 i时的概率;
B1.5.考虑邻接关系进行 连通域处理得到二维投影;
B1.6.将二维投影转换回三维点云坐标系, 搜索并保留原始点云中托盘区域点云的临
近点云, 在原 始点云中筛 选出托盘及包裹箱前表面。
8.如权利要求7所述的一种用于无人叉车的托盘检测与定位方法, 其特征在于, 采用随
机采样一致性算法对托盘和包裹箱进行分割, 得到托盘、 包裹箱前表面的平面模型系 数以
及内点的索引值, 具体包括:
B2.1.托盘、 包裹箱的前表面为平面模型, 目标拟合模型设定为
,
是拟合后的值,
、
、
是单位方向矢量;
B2.2.在点云中随机 选取三个点作为 最小的子集进行平面模型的拟合;
B2.3.舍弃不在目标函数 范围的离群点云, 设定样本点对 模型的最大损失值阈值 τ;
B2.4.计算点集中所有点和当前平面模型的损失值并与 τ作比较, 如果在误差允许的范
围内, 统计其数量, 否则舍弃掉;
B2.5.重复B2.1到B2.4, 不断迭代 找到最佳的拟合平面模型;
B2.6.根据目标点云区域的索引值提取出托盘及包裹箱的前表面点云, 将点云通过欧
拉角与旋转矩阵的关系转 正, 并将点云图进行二维投影;
B2.7.根据托盘有插孔的特殊形状特性, 将托盘与包裹箱在二维平面上进行分割, 对于
B2.6所得二维投影, 假设r、 c分别为图像的行分量列分量, Count为计数器, 托盘与包裹箱分
割流程为:
B2.7.1.对计数器进行初始化操作, 并且 对投影图的列分量进行遍历操作;
B2.7.2.对于坐标为(x ,y)的像素点, 如果该像素点的灰度 值为255, 那么计数器进行自
增操作;
B2.7.3.每进行一次迭代, 统计 计数器Count的大小占图像沿x轴像素总值的比例p;
B2.7.4.判断比例p是否达到设定的比例阈值T, 如果大于指定阈值, 则记录当前坐标,
否则进入下一轮的迭代, 得到包裹箱点云投影的起始坐标和终止坐标位置, 通过两个坐标
实现托盘与包裹箱在二维投影上的分割;
B2.8.将B2.7中搜索到的起始坐标和终止坐标转换到三维坐标系下, 得到在三维坐标权 利 要 求 书 2/3 页
3
CN 115546202 A
3
专利 一种用于无人叉车的托盘检测与定位方法
文档预览
中文文档
15 页
50 下载
1000 浏览
0 评论
0 收藏
3.0分
温馨提示:本文档共15页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 SC 于 2024-02-18 22:26:51上传分享