首页 / 专利库 / 电脑编程 / 算法 / 一种基于激光雷达的托盘识别方法、系统和电子设备

一种基于激光雷达的托盘识别方法、系统和电子设备

阅读:164发布:2022-10-02

专利汇可以提供一种基于激光雷达的托盘识别方法、系统和电子设备专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于 激光雷达 的托盘识别方法,包括如下步骤:获取激光实时测量点 云 数据;进行聚类处理,得到聚类结果簇;进行直线拟合提取,得到拟合直线段;匹配得到两两匹配的簇对;确定托盘的中间腿和托盘的两个边腿;确定托盘的中心 位置 和 角 度。本发明通过利用激光雷达获取托盘点云数据,利用激光雷达测量 精度 高、抗干扰性能强的优点,提高托盘识别的精度和增强托盘识别的环境适应性,通过分析识别点云数据的相对位置关系识别出托盘的两个边腿和中间腿,从而识别出托盘的中心位置和角度,不需要预先建立托盘模板,增强托盘识别方法的适应性。本发明还公开一种基于激光雷达的托盘识别系统和 电子 设备。,下面是一种基于激光雷达的托盘识别方法、系统和电子设备专利的具体信息内容。

1.一种基于激光雷达的托盘识别方法,其特征在于,包括如下步骤:
S1,获取激光实时测量点数据;
S2,对所述点云数据采用密度聚类算法进行聚类处理,得到至少一个聚类结果簇;
S3,对每个所述聚类结果簇进行直线拟合提取,得到一条或多条拟合直线段;
S4,根据每两个聚类结果簇的所述拟合直线段间的相互关系,得到两两匹配的簇对;
S5,根据所述簇对的距离和相互关系,确定托盘的中间腿和托盘的两个边腿;
S6,根据所述中间腿和两个边腿确定所述托盘的中心位置度。
2.根据权利要求1所述的一种基于激光雷达的托盘识别方法,其特征在于,所述步骤S2,包括,
按照激光雷达采集所述点云数据的顺序滚动处理,将符合设定邻域范围及设定密度值范围的所述点云数据划分到当前簇中,当连续设定个数的所述点云数据超出所述设定密度值范围,则结束当前簇,重复此过程直到所述点云数据处理完毕。
3.根据权利要求1所述的一种基于激光雷达的托盘识别方法,其特征在于,所述步骤S3,包括,
对每个所述聚类结果簇内的点云数据进行直线拟合,如果拟合结果符合设定直线相关性系数,则获取当前的拟合直线段;
如果拟合结果不符合设定直线相关性系数,则选取所述聚类结果簇内梯度最大的点作为数据分割点,并根据所述数据分割点进行数据分割,对分割后的簇内数据分别进行直线拟合,直到拟合结果符合设定相关性系数时停止数据分割,获取当前的拟合直线段。
4.根据权利要求1所述的一种基于激光雷达的托盘识别方法,其特征在于,所述步骤S4,包括,
对任意两个聚类结果簇进行两两匹配,判断两个所述聚类结果簇间的位置关系,当两个所述聚类结果簇间的所述拟合直线段存在相互平行或相互垂直的关系时,所述两个所述聚类结果簇为所述两两匹配的簇对。
5.根据权利要求1所述的一种基于激光雷达的托盘识别方法,其特征在于,所述步骤S4,包括,
根据每个所述聚类结果簇的所述拟合直线段,确定每个所述聚类结果簇的关键点,根据所述关键点的纵坐标对所述聚类结果簇进行排序;
对排序后任意两个聚类结果簇进行两两匹配,判断两个所述聚类结果簇间的位置关系,当两个所述聚类结果簇间的所述拟合直线段存在相互平行或相互垂直的关系时,所述两个所述聚类结果簇为所述两两匹配的簇对。
6.根据权利要求5所述的一种基于激光雷达的托盘识别方法,其特征在于,所述根据每个所述聚类结果簇的所述拟合直线段,确定每个所述聚类结果簇的关键点,包括:
当所述聚类结果簇仅有一条拟合直线段且所述拟合直线段的斜率小于预设斜率时,所述拟合直线段的中间点为关键点;
当所述聚类结果簇仅有一条拟合直线段且所述拟合直线段的斜率大于或等于预设斜率时,所述拟合直线段靠近激光中心点的一端的端点为关键点;
当所述聚类结果簇有多条拟合直线段时,所述多条拟合直线段的交点中距离激光中心点最近的点为关键点。
7.根据权利要求5所述的一种基于激光雷达的托盘识别方法,其特征在于,所述S5包括,
S51,根据所述聚类结果簇的关键点确定所述簇对的距离;
S52,遍历所有所述簇对,当两个所述的簇对同时满足预设条件时,将两倍距离对应的簇对对应的簇设定为两个边腿候选对象,一倍距离对应的簇对中,非边腿侯选对象的簇设定为中间腿候选对象,得到腿候选对象组合;其中,所述预设条件包括:一个的簇对的距离是另一个的簇对的距离的两倍,两个所述簇对具有共同的簇,且两个所述簇对所对应的聚类结果簇的关键点满足预设的直线相关性;
S53,根据所述腿候选对象组合中的垂直或平行关系数量和距离激光中心点的位置,确定所述两个边腿和所述中间腿。
8.根据权利要求7所述的一种基于激光雷达的托盘识别方法,其特征在于,所述步骤S53,包括,
S531,比较所述腿候选对象组合中所对应的簇对中垂直或平行关系的数量,从中选择垂直或平行关系最多的腿候选对象组合,把所述腿候选对象组合所对应的所述两个边腿候选对象和所述中间腿候选对象作为所述两个边腿和所述中间腿;
S532,当存在多个所述腿候选对象组合的垂直或平行关系数量同时最多时,选取距离激光中心点最近的所述腿候选对象组合,把所述腿候选对象组合所对应的所述两个边腿候选对象和所述中间腿候选对象作为所述两个边腿和所述中间腿。
9.根据权利要求7所述的一种基于激光雷达的托盘识别方法,其特征在于,所述步骤S52和所述步骤S53间,还包括,
S52-53,根据预设托盘尺寸范围,删除超出所述预设托盘尺寸范围的所述腿候选对象组合。
10.根据权利要求7所述的一种基于激光雷达的托盘识别方法,其特征在于,所述步骤S6,包括,
S61,根据所述中间腿获取托盘的第一位置和第一角度;
S62,根据所述两个边腿获取托盘的第二位置和第二角度;
S63,对托盘的所述第一位置和所述第二位置进行平均,得到托盘的所述中心位置,对托盘的所述第一角度和所述第二角度进行平均,得到托盘的所述角度。
11.一种基于激光雷达的托盘识别系统,其特征在于,包括,
数据获取模,获取激光实时测量点云数据;
聚类模块,对所述点云数据采用密度聚类算法进行聚类处理,得到至少一个聚类结果簇;
直线提取模块,对每个所述聚类结果簇进行直线拟合提取,得到一条或多条拟合直线段;
簇对获取模块,根据每两个聚类结果簇的所述拟合直线间的相互关系,得到两两匹配的簇对;
腿获取模块,根据所述簇对的距离和相互关系,确定托盘的中间腿和托盘的两个边腿;
托盘位置角度获取模块,根据所述中间腿和两个边腿确定所述托盘的中心位置和角度。
12.一种电子设备,包括存储器、处理器及存储在所述存储器上的并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-10任一项所述的基于激光雷达的托盘识别方法。

说明书全文

一种基于激光雷达的托盘识别方法、系统和电子设备

技术领域

[0001] 本发明涉及识别技术领域,具体而言,涉及一种基于激光雷达的托盘识别方法、系统和电子设备。

背景技术

[0002] 现今智能制造日益发展,机器人换人的需求热烈,工业物料生产和流转的流程中,自主移动机器人技术具有广阔的发展空间,对于托盘搬运,需要机器人具有托盘识别能,以准确获取托盘的位置度。
[0003] 托盘的示意图如图1。按照国家相关标准,现今的托盘,具有相对统一的结构形式:所有托盘都具有两条边腿,一条中间腿,且两条边腿间的距离为中间腿与边腿间距离的两倍。
[0004] 自主移动机器人以中间腿中间点的位置和垂直于中间腿的方向作为托盘的位置和角度。
[0005] 现今的托盘识别主要存在以下问题:多采用RFID技术,其定位精度较低;采用图像识别技术,对环境光线要求较高,易受干扰。现有采用激光雷达进行托盘识别的技术,虽能达到较高的识别精度,和较强的环境适应性,但存在需要预先建立托盘模板,适应性不强的问题。

发明内容

[0006] 本发明正是基于上述问题,提出了一种基于激光雷达的托盘识别方法、系统和电子设备。
[0007] 本发明解决上述技术问题的技术方案如下:一种基于激光雷达的托盘识别方法,包括如下步骤:
[0008] S1,获取激光实时测量点数据;
[0009] S2,对所述点云数据采用密度聚类算法进行聚类处理,得到至少一个聚类结果簇;
[0010] S3,对每个所述聚类结果簇进行直线拟合提取,得到一条或多条拟合直线段;
[0011] S4,根据每两个聚类结果簇的所述拟合直线段间的相互关系,得到两两匹配的簇对;
[0012] S5,根据所述簇对的距离和相互关系,确定托盘的中间腿和托盘的两个边腿;
[0013] S6,根据所述中间腿和两个边腿确定所述托盘的中心位置和角度。
[0014] 本发明的有益效果是:通过利用激光雷达获取托盘点云数据,利用激光雷达测量精度高、抗干扰性能强的优点,提高托盘识别的精度和增强托盘识别的环境适应性,通过分析识别点云数据的相对位置关系识别出托盘的两个边腿和中间腿,从而识别出托盘的中心位置和角度,不需要预先建立托盘模板,增强托盘识别方法的适应性。
[0015] 本发明还提供一种基于激光雷达的托盘识别系统,包括,
[0016] 数据获取模,获取激光实时测量点云数据;
[0017] 聚类模块,对所述点云数据采用密度聚类算法进行聚类处理,得到至少一个聚类结果簇;
[0018] 直线提取模块,对每个所述聚类结果簇进行直线拟合提取,得到一条或多条拟合直线段;
[0019] 簇对获取模块,根据每两个聚类结果簇的所述拟合直线间的相互关系,得到两两匹配的簇对;
[0020] 腿获取模块,根据所述簇对的距离和相互关系,确定托盘的中间腿和托盘的两个边腿;
[0021] 托盘位置角度获取模块,根据所述中间腿和两个边腿确定所述托盘的中心位置和角度。
[0022] 本发明还提供一种电子设备,包括存储器、处理器及存储在所述存储器上的并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现上述技术方案所述的基于激光雷达的托盘识别方法。
[0023] 上述技术方案的有益效果是,通过利用激光雷达获取托盘点云数据,利用激光雷达测量精度高、抗干扰性能强的优点,提高托盘识别的精度和增强托盘识别的环境适应性,通过分析识别点云数据的相对位置关系识别出托盘的两个边腿和中间腿,从而识别出托盘的中心位置和角度,不需要预先建立托盘模板,增强托盘识别方法的适应性。附图说明
[0024] 图1示出了托盘的示意图;
[0025] 图2示出了根据本发明的实施例提供的一种基于激光雷达的托盘识别方法流程图
[0026] 图3示出了根据本发明的实施例提供的激光雷达扫描托盘示意图;
[0027] 图4示出了根据本发明的实施例提供的激光雷达扫描托盘点云数据示意图;

具体实施方式

[0028] 为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本发明的实施例即实施例中的特征可以相互结合。
[0029] 图2示出了根据本发明的实施例提供的一种基于激光雷达的托盘识别方法的流程图。
[0030] 如图2所示,本实施例中,一种基于激光雷达的托盘识别方法,包括如下步骤:
[0031] S1,获取激光实时测量点云数据;
[0032] S2,对所述点云数据采用密度聚类算法进行聚类处理,得到至少一个聚类结果簇;
[0033] S3,对每个所述聚类结果簇进行直线拟合提取,得到一条或多条拟合直线段;
[0034] S4,根据每两个聚类结果簇的所述拟合直线段间的相互关系,得到两两匹配的簇对;
[0035] S5,根据所述簇对的距离和相互关系,确定托盘的中间腿和托盘的两个边腿;
[0036] S6,根据所述中间腿和两个边腿确定所述托盘的中心位置和角度。
[0037] 在工业自主移动机器人进行物料搬运过程使用的托盘,具有相对统一的结构形式,常用的托盘示意图如图1所示。如图1所示,托盘都具有所有托盘都具有两条边腿,一条中间腿,两条边腿间的距离为中间腿与边腿间距离的两倍,且两条边腿和一条中间腿在同一个平面上。本发明实施例利用托盘各腿的相对位置关系进行识别。通常,以中间腿中间点的位置和垂直于中间腿的方向作为托盘的位置和角度。
[0038] 在应用激光雷达进行识别的过程中,激光雷达设置于与托盘腿位于同一平面,激光雷达在扫描过程中,360度旋转,获取周边物体的点云数据。图3示出本发明实施例激光雷达扫描托盘的示意图。
[0039] 图4示出了本发明实施例激光雷达正面扫描托盘的点云数据图。如图4所示,当激光雷达扫描到障碍物时,产生与距离相应的点数据。当激光雷达正对托盘扫描时,中间腿的点云数据大致呈一条直线段分布,该直线与激光雷达入射光线垂直,该直线段对应中间腿的正面,边腿的点云数据由大致呈“L”形分布,分别对应边腿的正面和纵深侧面。
[0040] 上述实施例中,利用激光雷达抗干扰性能好,精度高的特点,获取较高精度的原始点云数据;将点云数据分类为若干个簇,对簇进行直线拟合,根据托盘的结构特征对拟合直线进行识别,确定托盘的两个边腿和中间腿,从而识别出托盘的中心位置和角度。通过利用托盘普遍的结构特征进行识别,不需要预先建立托盘模板,增强的托盘识别方法的适应性。
[0041] 可选地,所述步骤S2,包括,按照激光雷达采集所述点云数据的顺序滚动处理,将符合设定邻域范围及设定密度值范围的所述点云数据划分到当前簇中,当连续设定个数的所述点云数据超出所述设定密度值范围,则结束当前簇,重复此过程直到所述点云数据处理完毕。
[0042] 利用设定领域范围和设定密度值进行聚类是本领域的公知手段。传统密度聚类算法中,对每一点的判定,都需要遍历其余所有点,运算速度较慢。
[0043] 上述实施例中,结合激光雷达顺序扫描获取点云数据的特点,采取滚动处理的方法,仅对后续的点进行遍历,大大提高了运算的速度。
[0044] 需要说明的是,如前述托盘的结构特征可知,托盘的各腿的点云数据相互独立,对应于聚类结果簇数据。
[0045] 可选地,所述步骤S3,包括,
[0046] 对每个所述聚类结果簇内的点云数据进行直线拟合,如果拟合结果符合设定直线相关性系数,则获取当前的拟合直线段;
[0047] 如果拟合结果不符合设定直线相关性系数,则选取所述聚类结果簇内梯度最大的点作为数据分割点,并根据所述数据分割点进行数据分割,对分割后的簇内数据分别进行直线拟合,直到拟合结果符合设定相关性系数时停止数据分割,获取当前的拟合直线段。
[0048] 对分散的点进行直线拟合是所属领域的常规技术手段。
[0049] 选取所述聚类结果簇内梯度最大的点,可通过对聚类结果簇内的点云数据做差分卷积获取点云数据间的梯度,从而比较得到梯度最大的点。
[0050] 上述实施例中,通过对簇内点进行直线拟合,获得拟合直线段,以方便进行位置关系识别。
[0051] 可选地,所述步骤S4,包括,
[0052] 对任意两个聚类结果簇进行两两匹配,判断两个所述聚类结果簇间的位置关系,当两个所述聚类结果簇间的所述拟合直线段存在相互平行或相互垂直的关系时,所述两个所述聚类结果簇为所述两两匹配的簇对。
[0053] 如前所述,根据托盘的结构特征,托盘各脚对应的簇所拟合的直线段,具有相互平行或相互垂直关系,一个簇对可能对应一组腿组合。通过识别两两匹配的簇对,进一步缩小托盘识别的数据量和范围。
[0054] 可选地,根据每个所述聚类结果簇的所述拟合直线段,确定每个所述聚类结果簇的关键点,根据所述关键点的纵坐标对所述聚类结果簇进行排序;
[0055] 对排序后任意两个聚类结果簇进行两两匹配,判断两个所述聚类结果簇间的位置关系,当两个所述聚类结果簇间的所述拟合直线段存在相互平行或相互垂直的关系时,所述两个所述聚类结果簇为所述两两匹配的簇对。
[0056] 纵坐标轴如图4所示,在识别过程中,可建立激光中心点为圆心,由圆心正对托盘的方向为坐标横轴,垂直于坐标横轴的方向为坐标纵轴的坐标系
[0057] 上述实施例中,根据关键点对聚类结果簇进行排序,即是依据激光扫描顺序,对聚类结果簇进行排序,通过排序,通过进一步提高识别的速度和效率。
[0058] 可选地,所述根据每个所述聚类结果簇的所述拟合直线段,确定每个所述聚类结果簇的关键点,包括:
[0059] 当所述聚类结果簇仅有一条拟合直线段且所述拟合直线段的斜率小于预设斜率时,所述拟合直线段的中间点为关键点;
[0060] 当所述聚类结果簇仅有一条拟合直线段且所述拟合直线段的斜率大于或等于预设斜率时,所述拟合直线段靠近激光中心点的一端的端点为关键点;
[0061] 当所述聚类结果簇有多条拟合直线段时,所述多条拟合直线段的交点中距离激光中心点最近的点为关键点。
[0062] 如前所述,簇的拟合直线段可能为一条或多条,当为一条时,其斜率又存在两种情况,当其斜率小于预设斜率时,如图4所示中间腿正面拟合直线的斜率为0,则取拟合直线段的中间点作为簇的关键点,当其斜率大于预设斜率时(如边腿纵深面),则选择靠近激光中心点的拟合直线段端点作为簇的关键点。当为多条拟合直线段时,则选择距离激光中心点最近的直线段间的交点作为关键点。
[0063] 上述实施例中,通过确定关键点,从而确定簇的位置。
[0064] 可选地,所述S5包括,
[0065] S51,根据所述聚类结果簇的关键点确定所述簇对的距离;
[0066] S52,遍历所有所述簇对,当两个所述的簇对同时满足预设条件时,将两倍距离对应的簇对对应的簇设定为两个边腿候选对象,一倍距离对应的簇对中,非边腿侯选对象的簇设定为中间腿候选对象,得到腿候选对象组合;其中,所述预设条件包括:一个的簇对的距离是另一个的簇对的距离的两倍,两个所述簇对具有共同的簇,且两个所述簇对所对应的聚类结果簇的关键点满足预设的直线相关性;
[0067] S53,根据所述腿候选对象组合中的垂直或平行关系数量和距离激光中心点的位置,确定所述两个边腿和所述中间腿。
[0068] 如上所述,托盘的腿间结构具有特征:托盘都具有所有托盘都具有两条边腿,一条中间腿,两条边腿间的距离为中间腿与边腿间距离的两倍,且两条边腿和一条中间腿在同一个平面上。可知,相应地,当簇对间存在如下关系时:一个的簇对的距离是另一个的簇对的距离的两倍,所述两个所述的簇对具有共同的簇,且所述两个所述的簇对所对应的簇的关键点满足预设的直线相关性,则有很大可能2倍距离所对应的尺寸即可托盘的尺寸,相应地,具有2部距离关系所对应的簇,则可能对应托盘的两个边腿和中间腿。
[0069] 上述实施例中,通过运用托盘的结构特征,识别出边腿和中间腿,不需要输入托盘的模板,使托盘识别方法具有普遍适用性。
[0070] 可选地,所述步骤S53,包括,
[0071] S531,比较所述腿候选对象组合中所对应的簇对中垂直或平行关系的数量,从中选择垂直或平行关系最多的腿候选对象组合,把所述腿候选对象组合所对应的所述两个边腿候选对象和所述中间腿候选对象作为所述两个边腿和所述中间腿;
[0072] S532,当存在多个所述腿候选对象组合的垂直或平行关系数量同时最多时,选取距离激光中心点最近的所述腿候选对象组合,把所述腿候选对象组合所对应的所述两个边腿候选对象和所述中间腿候选对象作为所述两个边腿和所述中间腿。
[0073] 由托盘的结构可知,当腿候选对象组合对应真正的边腿和中间腿时,其相应的具有垂直或平行关系最多,当垂直或平行关系数量一样时,选择距离激光中心点最近的腿候选对象组合确定边腿和中间腿,进一步提高识别的准确性。
[0074] 可选地,所述步骤S52和所述步骤S53间,还包括,
[0075] S52-53,根据预设托盘尺寸范围,删除超出所述预设托盘尺寸范围的所述腿候选对象组合。
[0076] 根据相关标准,托盘具有一定的尺寸范围。两边腿间的距离对应托盘尺寸,通过预设托盘尺寸范围,可以进一步删除不符合要求的腿候选对象组合,提高识别的效率和精准度。
[0077] 可选地,所述步骤S6,包括,
[0078] S61,根据所述中间腿获取托盘的第一位置和第一角度;
[0079] S62,根据所述两个边腿获取托盘的第二位置和第二角度;
[0080] S63,对托盘的所述第一位置和所述第二位置进行平均,得到托盘的所述中心位置,对托盘的所述第一角度和所述第二角度进行平均,得到托盘的所述角度。
[0081] 托盘的位置可用两边腿中央的位置,即中间腿中央的位置作为托盘的位置。
[0082] 需要说明的是,由中间腿求取托盘的位置和角度可将中间腿的关键点作为托盘的位置。可以通过简单的几何运算,利用中间腿对应的拟合直线段求取托盘的角度。
[0083] 需要说明的是,由两边腿对应关键点的中点作为托盘的位置,可以通过简单的几何运算,获取托盘的角度。
[0084] 通过对从中间腿获取的托盘位置和角度,和从两边腿获取的托盘位置和角度进行平均,进一步提高识别的准确性和精度。
[0085] 本发明实施例还提供一种基于激光雷达的托盘识别系统,包括,[0086] 数据获取模块,获取激光实时测量点云数据;
[0087] 聚类模块,对所述点云数据采用密度聚类算法进行聚类处理,得到至少一个聚类结果簇;
[0088] 直线提取模块,对每个所述聚类结果簇进行直线拟合提取,得到一条或多条拟合直线段;
[0089] 簇对获取模块,根据每两个聚类结果簇的所述拟合直线间的相互关系,得到两两匹配的簇对;
[0090] 腿获取模块,根据所述簇对的距离和相互关系,确定托盘的中间腿和托盘的两个边腿;
[0091] 托盘位置角度获取模块,根据所述中间腿和两个边腿确定所述托盘的中心位置和角度。
[0092] 本发明实施例还提供一种电子设备,包括存储器、处理器及存储在所述存储器上的并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现上述技术方案所述的基于激光雷达的托盘识别方法。
[0093] 以上所述仅为本发明的优选实施例而已,并不用以限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈