CN104915571B - 一种铲车与物料关联性装载行为的识别方法 - Google Patents
一种铲车与物料关联性装载行为的识别方法 Download PDFInfo
- Publication number
- CN104915571B CN104915571B CN201510369757.2A CN201510369757A CN104915571B CN 104915571 B CN104915571 B CN 104915571B CN 201510369757 A CN201510369757 A CN 201510369757A CN 104915571 B CN104915571 B CN 104915571B
- Authority
- CN
- China
- Prior art keywords
- forklift
- feature
- region
- angle
- behavior
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明涉及铲车与物料关联性装载行为的识别方法,可有效解决对铲车的装载行为进行识别,防止货场物料错装现象的问题,方法是,建立计算机识别算法所需要的物料边界坐标,建立铲车位置、航向与相关物料的关联性模型,计算铲车指向物料中心的角度,通过铲车指向物料中心的角度,判断铲车与物料的相关性;根据铲车的运动轨迹,获取铲车运动的基本行为特征;通过对铲车运动的基本行为特征分析,实现对铲车装载行为的识别,本发明方法简单,易操作使用,准确可靠,效果好,通过提取铲车的运动特征并对其进行分析,可对铲车的装载行为进行识别,有效限制货场物料错装的现象,切实保障货场及业主的经济利益,经济和社会效益巨大。
Description
技术领域
本发明涉及货物运输,特别是一种铲车与物料关联性装载行为的识别方法。
背景技术
目前,货场的物料基本实现了分类堆放,不同区域存放着型号规格不同的物料。货车进入货场装载物料时,货场一般采用铲车作为物料装载设备,但这种物料装载方式主要是通过工作人员人为管理,后续监控管理同样依赖工作人员,存在管理漏洞。
该物料装载方式过于依赖工作人员,离不开人工干预,容易产生以下主要问题:(1)铲车司机对所需物料存放地点记忆错误,装错物料;(2)铲车司机为获取个人利益故意装错物料,以好充次。这些有意或无意的错装现象屡屡发生,给货场业主带来了巨大的损失。
通过卫星定位技术获取铲车的运动轨迹并对其进行分析,可有效遏制物料错装现象,但利用北斗或GPS单点定位,定位精度过低,无法得到铲车有效的运动轨迹。通过建立北斗高精度地基增强基站,北斗定位精度可达亚米级甚至厘米级,为获取精确的铲车运动轨迹并对其装载行为进行分析提供技术保障。
北斗高精度差分定位定向技术可实时采集铲车在货场运行的高精度位置和方位信息,通过提取铲车的运动特征并对其进行分析,可对铲车的装载行为进行识别,这种识别方法可有效限制货场物料错装的现象,可切实保障货场及业主的经济效益。但至今未见有一种铲车与物料关联性装载行为识别技术的公开报导。
发明内容
针对上述情况,为克服现有技术之缺陷,本发明之目的就是提供一种铲车与物料关联性装载行为的识别方法,可有效解决对铲车的装载行为进行识别,防止货场物料错装现象的问题。
本发明解决的技术方案是,包括以下步骤:
(1)、建立计算机识别算法所需要的物料边界坐标:包括物料区域中心点的绝对经纬度坐标、物料的最大半径区域;
(2)、建立铲车位置、航向与相关物料的关联性模型:包括构建铲车位置、航向与相关物料关联性模型,计算铲车指向物料中心的角度,通过铲车指向物料中心的角度,判断铲车与物料的相关性;
(3)、根据铲车的运动轨迹,获取铲车运动的基本行为特征:铲车逐渐接近物料区域的特征,铲车在物料区域铲装物料的特征,铲车逐渐远离物料区域的特征,铲车将物料装入货车的特征;
(4)、通过对铲车运动的基本行为特征分析,实现对铲车装载行为的识别。
本发明方法简单,易操作使用,准确可靠,效果好,通过提取铲车的运动特征并对其进行分析,可对铲车的装载行为进行识别,有效限制货场物料错装的现象,切实保障货场及业主的经济利益,经济和社会效益巨大。
附图说明
图1是本发明的流程图。
图2是本发明的铲车装载行为识别算法流程图。
图3是本发明系统结构框图。
图4是本发明铲车指向物料中心的角度示意图。
具体实施方式
以下结合附图和具体情况对本发明的具体实施方式作详细说明。
由图1-4所示,本发明铲车与物料关联性装载行为的识别方法是利用北斗卫星定位系统、高精度地基增强基站、监控中心和车载电脑组成的系统(如图3所示),包括下列步骤:
步骤1、建立计算机识别算法所需要的物料边界坐标:
(1)建立物料区域中心点的绝对经纬度坐标:
物料1的区域中心点P1的经纬坐标为:X1,Y1,记为P1(X1,Y1);
物料2的区域中心点P2的经纬坐标为:X2,Y2,记为P2(X2,Y2);
……
物料n的区域中心点Pn的经纬坐标为:Xn,Yn,记为Pn(Xn,Yn);
(2)建立物料的最大半径区域:
物料1的最大区域半径:R1;
物料2的最大区域半径:R2;
……
物料n的最大区域半径:Rn;
步骤2、建立铲车位置、航向与相关物料的关联性模型,方法是:
(1)、构建铲车位置、航向与相关物料关联性模型的理论依据:
β角模型:以铲车所处位置坐标点指向物料中心坐标点为中间线,向两个方向各偏离45°角的90°扇形范围;
铲车位置与物料具有关联性需满足的条件:
A、铲车装载物料时的位置与物料中心之间的距离小于物料的最大区域半径:
即D<Rn
物料中心点Pn坐标:Xn,Yn,写为Pn(Xn,Yn)
铲车位置O:X,Y,写为O(X,Y)
铲车与物料中心点之间的距离
Rn:物料n的最大区域半径;
B、铲车方位指向物料:
即α∈β
α:铲车的实际方位角;
β:一个扇形范围角;
(2)、计算铲车指向物料中心的角度
铲车实际方位角α为0—360°;
通过北斗卫星定位系统得到铲车的位置,以正北方向为0°角,铲车指向物料中心的角度为(见图4所示):
(3)、通过铲车指向物料中心的角度判断铲车与物料的相关性:
根据β角理论:
当则铲车指向物料区域或称铲车与物料具有关联性;
步骤3、根据铲车的运动轨迹,获取铲车运动的基本行为特征:
铲车在时间t时的位置为O(X(t),Y(t));
铲车在时间t时的运动速度为V(t);
V1:铲车在铲装或卸载物料时的速度为V1,当速度不大于V1时,铲车处于静止状态;
铲车在时间t时与物料中心之间的距离为D(t);
物料的最大区域半径为R;
当铲车逐渐接近物料区域为特征1:
特征1条件是:(1)X(t+1)≠X(t)或Y(t+1)≠Y(t)或V(t)>V1;
(2)D(t+1)<D(t);
铲车在物料区域铲装物料为特征2:
特征2条件是:(1)0≤V(t)≤V1;
(2)D(t)<R;
(3)
铲车逐渐远离物料区域为特征3:
特征3条件是:(1)X(t+1)≠X(t)或Y(t+1)≠Y(t)或V(t)>V1;
(2)D(t+1)>D(t);
铲车将物料装入货车为特征4:
特征4条件是:(1)0≤V(t)≤V1;
(2)D(t)>R;
步骤4、通过对铲车运动的基本行为特征分析,实现对铲车装载行为的识别,方法是:
司机上车后首先检查车身并确认周围的安全状况,接着启动铲车向目标物料区域行驶;监控中心实时检测铲车的当前状态,根据特征1-4,首先判断铲车的位置、运动速度及铲车与目标物料中心点的距离,当满足特征1条件,为铲车逐渐接近物料区域;当满足特征2条件,为铲车在物料区域铲装物料;当满足特征3条件,为铲车逐渐远离物料区域;当满足特征4条件,为铲车将物料装入货车,从而实现对铲车装载行为的识别;也就是说,若铲车处于运动状态且与逐渐接近目标物料,可视为铲车在向目标物料区域前进;其次检测当前铲车速度是否可视为静止状态,检测铲车是否位于物料的最大区域半径内,检测铲车的方向角是否在角模型范围内,若在范围内,为铲车在目标物料区域装载物料;接着检测铲车是否处于运动状态,是否逐渐远离目标物料区域;最后检测铲车当前速度是否可视为静止状态,铲车是否位于物料的最大半径区域外,是否铲车在向货车卸载物料;通过对特征1-4的判断,完成铲车的一次装载行为的作业流程,得出铲车的整个装载行为,通过数次循环,铲车完成整个装载行为;即通过对铲车运动的基本行为特征判断,从而实现对铲车装载行为的识别(见图1、2所示)。
以上为铲车的一次装载行为的作业流程,可得出铲车的整个装载行为即特征1-特征4过程的循环往复。通过这个过程的数次循环,铲车完成整个装载行为。即通过对铲车运动的基本行为特征分析,最终完成对铲车装载行为的识别。这个装载行为识别的流程如图2所示。
下面结合具体实例说明本发明的具体实施过程与效果。搭建本发明应用的具体场景,如图3所示。
货车司机进入货场前,需先登记相关信息及称量货车皮重,随后货场工作人员将货车的车牌号、车型、车皮重及预定装载的物料类型写入IC卡,将IC卡交给货车司机。
货车司机进入货场后,将IC卡交给铲车司机,铲车司机将IC卡插入铲车车载设备,设备立即读取IC卡卡内信息,通过wifi通信上传到监控中心,之后,车载设备实时向监控中心上传位置和航向数据等。
实验1:
(1)铲车车载终端读取IC卡中的信息,得到预定装载物料II。
(2)监控中心从货场的高精度地图中获取物料II中心的绝对经纬度坐标P(113.494147,34.809019)及物料II的最大区域半径为25米。
(3)监控中心实时读取铲车当前的运行状态,铲车速度大于1km/h且逐渐接近物料II区域,判断铲车正在向物料II区域前进。
(4)监控中心实时读取铲车当前的运行状态,铲车速度小于1km/h且在物料II的最大半径区域内;通过车载设备的高精度定位定向模块获取铲车当前的实际方位角为83.34°。以正北方向为0°角,通过铲车的位置信息O(113.493775,34.808771)及物料中心的位置信息P(113.494147,34.809019),计算铲车指向物料中心的角度为33.69°,通过β角模型可得实际方位角α=83.34°,不在β角范围(348.69°~78.69°)内,可判断铲车装载的物料类型错误,监控中心报警提示并记录相关信息。这样可避免铲车司机错装物料,切实保障货场业主的经济效益。
实验2:
(1)铲车车载终端读取IC卡中的信息,得到预定装载物料IV。
(2)监控中心从货场的高精度地图中获取物料IV中心的绝对经纬度坐标P(113.494152,34.808523)及物料IV的最大区域半径为20米。
(3)监控中心实时读取铲车当前的运行状态,铲车速度大于1km/h且逐渐接近物料IV区域,判断铲车正在向物料IV区域前进。
(4)监控中心实时读取铲车当前的运行状态,铲车速度小于1km/h且在物料IV的最大半径区域内;通过车载设备的高精度定位定向模块获取铲车当前的实际方位角α=100.53°。以正北方向为0°角,通过铲车的位置信息O(113.494129,34.808341)及物料中心的位置信息P(113.494152,34.808523),计算铲车指向物料中心的角度通过β角模型可得实际方位角α在β角范围(37.7975°~127.7975°)内,可判断铲车装载的物料类型正确。
(5)监控中心实时读取铲车当前的运行状态,铲车速度大于1km/h且逐渐远离物料IV区域,判断铲车正在远离物料IV区域。
(6)监控中心实时读取铲车当前的运行状态,铲车速度小于1km/h且不在物料IV的最大半径区域内,判断铲车正在向货车卸载物料IV。
(7)卸载完成后,铲车的装载行为次数加1,累计的次数达到有效装载次数5(有效装载次数通过铲车一次装载的数量及货车车型相比对得到),装载结束。有效避免了司机多装物料,在提高工作效率的同时也切实保障货场的经济效益。
本发明方法经反复20台铲车试用,均取得了非常满意的有益技术效果,省工省时,工作效率高,易操作,效果好,有效防止了因人工管理而造成的各种纠纷和损失,比人工管理提高效率10倍以上,而且差错率几乎为0,一次的明显的差错事故都未发生,有很强的实用价值,切实保障了货场和业主的经济利益,经济和社会效益巨大。
要指出的是,以上仅是本发明的具体实施例,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明技术方案的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (2)
1.一种铲车与物料关联性装载行为的识别方法,其特征在于,包括以下步骤:
(1)、建立计算机识别算法所需要的物料边界坐标:包括物料区域中心点的绝对经纬度坐标、物料的最大半径区域;
(2)、建立铲车位置、航向与相关物料的关联性模型:包括构建铲车位置、航向与相关物料关联性模型,计算铲车指向物料中心的角度,通过铲车指向物料中心的角度,判断铲车与物料的相关性;
(3)、根据铲车的运动轨迹,获取铲车运动的基本行为特征:铲车逐渐接近物料区域的特征,铲车在物料区域铲装物料的特征,铲车逐渐远离物料区域的特征,铲车将物料装入货车的特征;
(4)、通过对铲车运动的基本行为特征分析,实现对铲车装载行为的识别。
2.根据权利要求1所述的铲车与物料关联性装载行为的识别方法,其特征在于,所述步骤1-4具体为:
步骤1、建立计算机识别算法所需要的物料边界坐标:
(1)建立物料区域中心点的绝对经纬度坐标:
物料1的区域中心点P1的经纬坐标为:X1,Y1;
物料2的区域中心点P2的经纬坐标为:X2,Y2;
……
物料n的区域中心点Pn的经纬坐标为:Xn,Yn;
(2)建立物料的最大半径区域:
物料1的最大区域半径:R1;
物料2的最大区域半径:R2;
……
物料n的最大区域半径:Rn;
步骤2、建立铲车位置、航向与相关物料的关联性模型,方法是:
(1)、构建铲车位置、航向与相关物料关联性模型的理论依据:
β角模型:以铲车所处位置坐标点指向物料中心坐标点为中间线,向两个方向各偏离45°角的90°扇形范围;
铲车位置与物料具有关联性需满足的条件:
A、铲车装载物料时的位置与物料中心之间的距离小于物料的最大区域半径:
即D<Rn
物料中心点Pn坐标:Xn,Yn,写为Pn(Xn,Yn)
铲车位置O:X,Y,写为O(X,Y)
铲车与物料中心点之间的距离
Rn:物料n的最大区域半径;
B、铲车方位指向物料:
即α∈β
α:铲车的实际方位角;
β:一个扇形范围角;
(2)、计算铲车指向物料中心的角度
铲车实际方位角α为0—360°;
通过北斗卫星定位系统得到铲车的位置,以正北方向为0°角,铲车指向物料中心的角度为
(3)、通过铲车指向物料中心的角度判断铲车与物料的相关性:
根据β角理论:
当则铲车指向物料区域或称铲车与物料具有关联性;
步骤3、根据铲车的运动轨迹,获取铲车运动的基本行为特征:
铲车在时间t时的位置为O(X(t),Y(t));
铲车在时间t时的运动速度为V(t);
V1:铲车在铲装或卸载物料时的速度为V1,当速度不大于V1时,铲车处于静止状态;
铲车在时间t时与物料中心之间的距离为D(t);
物料的最大区域半径为R;
当铲车逐渐接近物料区域为特征1:
特征1条件是:(1)X(t+1)≠X(t)或Y(t+1)≠Y(t)或V(t)>V1;
(2)D(t+1)<D(t);
铲车在物料区域铲装物料为特征2:
特征2条件是:(1)0≤V(t)≤V1;
(2)D(t)<R;
(3)
铲车逐渐远离物料区域为特征3:
特征3条件是:(1)X(t+1)≠X(t)或Y(t+1)≠Y(t)或V(t)>V1;
(2)D(t+1)>D(t);
铲车将物料装入货车为特征4:
特征4条件是:(1)0≤V(t)≤V1;
(2)D(t)>R;
步骤4、通过对铲车运动的基本行为特征分析,实现对铲车装载行为的识别,方法是:
司机上车后首先检查车身并确认周围的安全状况,接着启动铲车向目标物料区域行驶;监控中心实时检测铲车的当前状态,根据特征1-4,首先判断铲车的位置、运动速度及铲车与目标物料中心点的距离,当满足特征1条件,为铲车逐渐接近物料区域;当满足特征2条件,为铲车在物料区域铲装物料;当满足特征3条件,为铲车逐渐远离物料区域;当满足特征4条件,为铲车将物料装入货车,从而实现对铲车装载行为的识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510369757.2A CN104915571B (zh) | 2015-06-26 | 2015-06-26 | 一种铲车与物料关联性装载行为的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510369757.2A CN104915571B (zh) | 2015-06-26 | 2015-06-26 | 一种铲车与物料关联性装载行为的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104915571A CN104915571A (zh) | 2015-09-16 |
CN104915571B true CN104915571B (zh) | 2017-09-12 |
Family
ID=54084632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510369757.2A Active CN104915571B (zh) | 2015-06-26 | 2015-06-26 | 一种铲车与物料关联性装载行为的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104915571B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106088187A (zh) * | 2016-06-06 | 2016-11-09 | 郑州市小石头信息技术有限公司 | 铲车物料装载智能识别系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104220351A (zh) * | 2012-02-10 | 2014-12-17 | 迪尔公司 | 用于便于从车辆上卸载农业物料的方法和立体视觉系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006111415A (ja) * | 2004-10-15 | 2006-04-27 | Toyota Industries Corp | ロケーション指示装置、ロケーション管理システム |
CL2009000010A1 (es) * | 2008-01-08 | 2010-05-07 | Ezymine Pty Ltd | Metodo para determinar la posicion global de una pala minera electrica. |
-
2015
- 2015-06-26 CN CN201510369757.2A patent/CN104915571B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104220351A (zh) * | 2012-02-10 | 2014-12-17 | 迪尔公司 | 用于便于从车辆上卸载农业物料的方法和立体视觉系统 |
Non-Patent Citations (1)
Title |
---|
自动导引车路径规划与导引控制研究;金雷;《中国优秀硕士学位论文全文数据库》;20070115;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104915571A (zh) | 2015-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10768634B2 (en) | Control system for work machine, work machine, management system for work machine, and management method for work machine | |
EP3217380B1 (en) | Map creation device | |
CN110709890B (zh) | 地图数据修正方法及装置 | |
JP6087475B2 (ja) | 作業機械の制御システム、作業機械、及び作業機械の管理システム | |
CN110208842A (zh) | 一种车联网环境下车辆高精度定位方法 | |
CN109186625A (zh) | 智能车辆利用混合采样滤波进行精确定位的方法及系统 | |
CN104089623A (zh) | 一种用于运载车行驶状态及路径的生成系统及方法 | |
CN107315413A (zh) | 一种车车通信环境下考虑车辆间相对位置的多车协同定位算法 | |
CN104677361B (zh) | 一种综合定位的方法 | |
CN104848867A (zh) | 基于视觉筛选的无人驾驶汽车组合导航方法 | |
CN110906939A (zh) | 自动驾驶定位方法、装置、电子设备、存储介质及汽车 | |
CN109814561A (zh) | 受矿位姿确定方法、装置、系统及存储介质 | |
CN109544443A (zh) | 一种路线图生成方法及装置 | |
WO2020170745A1 (ja) | 走行路認識装置 | |
CN112945248A (zh) | 用于创建数字地图的方法、控制设备、计算机程序和机器可读的存储介质 | |
CN104915571B (zh) | 一种铲车与物料关联性装载行为的识别方法 | |
CN116340307B (zh) | 坡道图层生成方法和装置、高精度地图及电子设备 | |
Tardioli et al. | A robotized dumper for debris removal in tunnels under construction | |
CN116629000A (zh) | 一种针对矿区矿卡的软件在环仿真构建方法 | |
EP4016129A1 (en) | Radar reference map generation | |
CN109828569A (zh) | 一种基于2d-slam导航的智能agv叉车 | |
EP4027169A2 (en) | Radar reference map generation | |
SE1551062A1 (en) | Method and control unit for building a database and for predicting a route | |
CN114418430A (zh) | 外排型排土场的无人调度系统及方法 | |
Kazama et al. | Estimation of Ego-Vehicle’s Position Based on Image Registration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |