CN108152823B - 一种基于视觉的无人驾驶叉车导航系统及其定位导航方法 - Google Patents

一种基于视觉的无人驾驶叉车导航系统及其定位导航方法 Download PDF

Info

Publication number
CN108152823B
CN108152823B CN201711341489.9A CN201711341489A CN108152823B CN 108152823 B CN108152823 B CN 108152823B CN 201711341489 A CN201711341489 A CN 201711341489A CN 108152823 B CN108152823 B CN 108152823B
Authority
CN
China
Prior art keywords
forklift
image
positioning
information
goods
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
Application number
CN201711341489.9A
Other languages
English (en)
Other versions
CN108152823A (zh
Inventor
李天剑
张胜金
徐志智
刘诗晗
金秋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Information Science and Technology University
Original Assignee
Beijing Information Science and Technology University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Information Science and Technology University filed Critical Beijing Information Science and Technology University
Priority to CN201711341489.9A priority Critical patent/CN108152823B/zh
Publication of CN108152823A publication Critical patent/CN108152823A/zh
Application granted granted Critical
Publication of CN108152823B publication Critical patent/CN108152823B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Warehouses Or Storage Devices (AREA)
  • Forklifts And Lifting Vehicles (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种基于视觉的无人驾驶叉车导航系统及其定位导航方法，其包括：确定目标点坐标，进行定位处理，得到叉车在仓库坐标系下的二维坐标和倾角；判断叉车是否接近货架，若接近，则通过深度相机识别货架上的货牌文字信息，计算是第几个货架，并通过摄像头识别货架位置得知要取的货物的坐标信息，即叉车与货物的相对坐标和倾角；通过确定的目标点坐标和叉车相对仓库坐标系下的姿态信息，利用A*算法生成一条最优路径，进行控制叉车底层运动，返回重新定位；通过确定的目标点坐标和叉车车体与货物的相对坐标，利用A*算法生成一条最优路径，进行控制叉车底层运动至目标点，以达到定位与导航的目的。本发明能有效提高整体物流运输的工作效率，定位精确，出错率低。

Description

一种基于视觉的无人驾驶叉车导航系统及其定位导航方法
技术领域
本发明涉及一种无人驾驶叉车及其定位导航方法，特别是关于一种在物流领域中应用的基于视觉的无人驾驶叉车导航系统及其定位导航方法。
背景技术
由于无人叉车系统属于物流机器人的一种。国内目前叉车技术发展采用人机工程学原理的设计。当前，叉车市场的竞争日益激烈，随着科技的发展，产品技术更新换代的技术越来越快，现阶段的叉车设计不仅仅要满足功能上的要求，而是在环保、人性化、安全可靠和便于维护等方面进行综合考虑。
在大型企业的物流环境中已经越来越体现出无人驾驶叉车的价值，而不再仅仅依靠人力的投入。这样做既高效，又安全。当面临大型物流运输任务的时候，普通的有人驾驶叉车在面对这么繁重的任务时，往往会因为工作时间长，出错率也相应地会越来越高，整体的效率也逐渐会降低，因此有必要对叉车进行智能化，由人为控制转为智能控制，这样可以延长物流环境下叉车的工作时间，提高整体物流运输的工作效率，出错率低。
发明内容
针对上述问题，本发明的目的是提供一种基于视觉的无人驾驶叉车导航系统及其定位导航方法，其能有效提高整体物流运输的工作效率，定位精确，出错率低。
为实现上述目的，本发明采取以下技术方案：一种基于视觉的无人驾驶叉车定位导航方法，其包括以下步骤：1)确定目标点坐标，进行定位处理，得到叉车在仓库坐标系下的二维坐标x、y和倾角θ1；2)通过叉车的二维坐标x、y和倾角θ1，判断叉车是否接近货架，若没有接近，则进入步骤3)；若接近，则通过深度相机识别货架上的货牌文字信息，计算是第几个货架，并通过摄像头识别货架位置得知要取的货物的坐标信息，即叉车与托盘的相对坐标X、Y、Z和θ，进入步骤4)；3)通过确定的目标点坐标和叉车相对仓库坐标系下的姿态信息x、y和θ1，利用A*算法生成一条最优路径，进行控制叉车底层运动，返回步骤1)重新定位；4)通过确定的目标点坐标和叉车车体与货物的相对坐标X、Y、Z和θ，利用A*算法生成一条最优路径，进行控制叉车底层运动至目标点，以达到定位与导航的目的。
进一步，所述步骤1)中，通过激光雷达传感器采集周围环境进而建立仓储环境下的地图，并与已有仓库地图信息进行匹配，并通过摄像头和深度相机采集到的图像数据计算得到叉车在仓库坐标系下的二维坐标x、y和倾角θ1。
进一步，所述步骤2)中，叉车车体与托盘的相对坐标X、Y、Z和θ识别过程如下：2.1)通过深度学习获取到托盘区域的ROI之后，通过图像处理的方法进行定位；其中，ROI为感兴趣区域；2.2)将ROI区域进行灰度化预处理后，通过Canny边缘监测后，进行基于纹理的图像分割算法，将托盘图像分割为上下两部分图像，分割后的托盘上半部分图像采用霍夫变换直线检测得到托盘的倾角θ；分割后的托盘下半部分图像通过腐蚀和膨胀后，采用霍夫变换直线检测提取托盘的竖直直线，并找出位于中间位置的两条竖直直线，然后根据这两条直线计算托盘的中心位置来获取托盘的中心点坐标(x0,y0)；2.3)通过深度相机将获取的中心点(x0,y0)坐标转化为三维坐标(X,Y,Z)，实现托盘定位。
进一步，所述步骤2.2)中，基于纹理的图像分割算法过程如下：(1)输入边缘检测后的二值图像；(2)对二值图像按照从上到下和从左到右依次扫描，计算每行的跳变次数M(i)；第i行的跳变的计算公式为：
Figure GDA0003039560140000021
其中，with为图像的宽；j为图像的第j列，f(j,i)为图像在(j,i)处像素的值；(3)从上到下依次计算每21行中跳变总数s(i)＝M(i)+...+M(i+20),并找出其中最大跳变总数，记录所在的行的上边界up＝i和下边界drop＝i+20；(4)分别对上边界和下边界进行搜索，如果上边界以及相邻的上下行的跳变数大于12，则上边界上移；同理，下边界下移，通过搜索上下边界最终得到托盘分割后的上边界。
进一步，所述叉车底层运动控制过程为：假设A*算法生成的路径由若干个轨迹点构成，叉车沿该路径运动至目标点；提取叉车当前位置与第i个轨迹点位置坐标做差，得到的结果作为控制基础，并采用轨迹跟踪算法驱动叉车行驶至第i个轨迹点。
一种实现上述方法的定位导航系统，该系统包括其包括控制器、深度相机、摄像头、图像工控机、激光雷达、角度编码器、转向驱动模块、速度驱动模块和速度编码器；所述角度编码器和速度编码器均通过联轴器连接到叉车的车轮转轴上，所述角度编码器将采集到的角度即时信息以及搜书速度编码器采集到的速度即时信息都传输至所述控制器内；设置在叉车前方的所述激光雷达用于将建立的地图和定位信息传输至所述控制器；设置在叉车前方的所述摄像头用于将识别到的货架和货架信息传输至所述图像工控机，设置在叉车的叉子上部的所述深度相机将识别到的货架上的文字信息也传输至所述图像工控机，所述图像工控机将接收到的图像信息处理后传输至所述控制器；所述控制器根据接收到的信息控制所述转向驱动和速度驱动工作，并控制叉子的动作。
本发明由于采取以上技术方案，其具有以下优点：1、本发明采用多控制器(主工控机和图像工控机)协同合作的方法实现定位和导航，即主工控机和图像工控机。主工控机对传感器信息、运动控制等信息进行全面处理，需要做到任务合理分配和统筹规划。考虑到图像处理的实时性问题，即引入图像工控机来处理深度相机和摄像头采集的仓储信息。2、本发明采用两种传感器，即激光雷达和图像数据处理交替工作的办法实现机器人的定位跟踪，有效利用不同传感器的优点来提高定位精度。在空旷没有标志的仓库过道采用激光雷达的定位方式，定位精度准确，而且有效规避障碍物；在有文字标志的货架区域，由于货架形状相同，辨识度不高，采用图像处理标志的办法，提高定位准确率；在图像盲区，再次切换至激光雷达定位，实现定位与导航。3、本发明的无人驾驶叉车根据周围环境的不同，选择相应的传感器数据作为定位与导航的依据。在机器人接到任务后，输入取货货架的三维坐标信息，实时计算机器人所在的位置，自主规划一条最优路径，提高工作效率。
附图说明
图1是本发明的定位导航系统结构示意图；
图2是本发明的定位导航方法流程示意图；
图3是本发明的货架定位识别流程示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1所示，本发明提供一种基于视觉的无人驾驶叉车导航系统，其包括控制器、深度相机、摄像头、图像工控机、激光雷达、角度编码器、转向驱动模块、速度驱动模块和速度编码器。
角度编码器和速度编码器均通过联轴器连接到叉车的车轮转轴上，角度编码器将采集到的角度即时信息以及速度编码器采集到的速度即时信息都传输至控制器内。设置在叉车前方的激光雷达用于将建立的地图和定位信息传输至控制器；设置在叉车前方的摄像头用于将识别到的货架和货架信息传输至图像工控机，设置在叉车的叉子上部的深度相机将识别到的货架上的文字信息也传输至图像工控机，图像工控机将接收到的图像信息处理后传输至控制器。控制器根据接收到的信息控制转向驱动和速度驱动工作，并控制叉子的动作。
上述实施例中，控制器采用主工控机。主工控机包括win7嵌入式系统和PLC模块。PLC模块主要有模拟量输入/输出模块，数字量输入/输出模块，PWM输出模块以及编码器采集模块等。主工控机通过ADS通信与转向驱动模块、速度驱动模块和编码器采集模块进行数据交换，原叉车的前进/后退和轮子的转向以及叉子动作的控制信号是模拟量信号，使用控制器的模拟量输出模块对原叉车信号进行仿真。轮子的转角与电压满足线性变化，使用模拟量输入模块读入电压。编码器采集模块读取速度编码器和角度编码器信息，计算车轮的脉冲个数，对里程计信息进行计算。数字量输入模块读取本发明导航系统的开机、关机等命令，数字量输出模块输出开启和闭合控制指令。
如图2所示，本发明还提供一种基于视觉的无人驾驶叉车定位导航方法，该定位导航方法主要是将配送任务分为四个任务阶段来实现：任务一是接到配送任务赶往目标点和叉到货物返航的定位与导航；任务二是到达货架存放区域寻找货架的定位与导航；任务三是叉取货架和货物的定位与导航；任务四是将货物配送至存货区域的定位与导航。其具体包括以下步骤：
1)确定目标点坐标，进行定位处理：通过激光雷达传感器采集周围环境进而建立仓储环境下的地图，并与已有仓库地图信息进行匹配，并通过摄像头和深度相机采集到的图像数据计算叉车在仓库坐标系下的二维坐标x、y和倾角θ1；
2)通过叉车的二维坐标x、y和倾角θ1，判断叉车是否接近货架，若没有接近，则进入步骤3)；若接近，则通过深度相机识别货架上的货牌文字信息，计算是第几个货架，并通过摄像头识别货架位置得知要取的货物的坐标信息，即叉车与托盘上的货物的相对坐标X、Y、Z和θ，进入步骤4)。
叉车车体与托盘的相对坐标X、Y、Z和θ识别过程如下(如图3所示)：
2.1)通过深度学习获取到托盘区域的ROI(感兴趣区域)之后，通过图像处理的方法进行定位；
2.2)将ROI区域进行灰度化预处理后，通过Canny边缘监测后，进行基于纹理的图像分割算法，将托盘图像分割为上下两部分图像，分割后的托盘上半部分图像采用霍夫变换直线检测得到托盘的倾角θ；分割后的托盘下半部分图像通过腐蚀和膨胀后，采用霍夫变换直线检测提取托盘的竖直直线，并找出位于中间位置的两条竖直直线，然后根据这两条直线计算托盘的中心位置来获取托盘的中心点坐标(x0,y0)。
其中，基于纹理的图像分割算法过程如下：
为了更进一步精确的定位托盘的中心，通过对托盘分析可知，常见的托盘可以分为上下两部分，其中上部分是横向的直线组成，下面的部分由竖向的直线组成，且竖向的直线共有6根。为获取托盘水平方向的位置，可以根据托盘边缘相对集中且具有一定规则的纹理特征信息，同时根据托盘的形状以及局部特征来对托盘进行分割。从托盘的纹理特征来看，对于托盘的下半部分具有一定的规律，可以计算其从“黑”到“白”或者从“白”到“黑”跳变的次数，并设定一个阈值来对托盘进行分割，通过对托盘分析设置阈值为12，其具体的算法流程如下：
(1)输入边缘检测后的二值图像；
(2)对二值图像按照从上到下和从左到右依次扫描，计算每行的跳变次数M(i)；第i行的跳变的计算公式为：
Figure GDA0003039560140000051
其中，with为图像的宽；j为图像的第j列，f(j,i)为图像在(j,i)处像素的值；
(3)从上到下依次计算每21行中跳变总数s(i)＝M(i)+...+M(i+20),并找出其中最大跳变总数，记录所在的行的上边界up＝i和下边界drop＝i+20；
(4)分别对上边界和下边界进行搜索，如果上边界以及相邻的上下行的跳变数大于12，则上边界上移。同理，下边界下移。通过搜索上下边界最终得到托盘分割后的上边界Y。
通过霍夫变换直线检测得到倾角过程为：
托盘图片经过分割后上半部分的图像可以用来检测托盘的倾角θ。图像处理中常用霍夫变换的方法检测直线，然后求直线的夹角。采用概率霍夫变换的方法检测托盘的倾角θ。霍夫线变换是一种用来寻找直线的方法，霍夫变换运用两个坐标空间之间的变换将在一个空间中具有相同形状的曲线或直线映射到另一个坐标空间的一个点上形成峰值，从而把检测任意形状的问题转化为计算峰值问题。
通过累计概率霍夫变换可以检测到托盘上边缘的直线，采用opencv中HoughLinesP函数进行检测，得到直线上的两个点(x1,y1)，(x2,y2),通过这两点可以计算倾角θ，计算公式如下：
Figure GDA0003039560140000052
2.3)通过深度相机将获取的中心点(x0,y0)坐标转化为三维坐标(X,Y,Z)，实现托盘定位。
3)通过确定的目标点坐标和叉车相对仓库坐标系下的姿态信息x、y和θ1，利用A*算法生成一条最优(最短)路径，进行控制叉车底层运动，返回步骤1)重新定位，从而减少完成任务的时间，提高工作效率。
4)通过确定的目标点坐标和叉车车体与货物的相对坐标X、Y、Z和θ，利用A*算法生成一条最优(最短)路径，进行控制叉车底层运动至目标点，以达到定位与导航的目的。
上述步骤3)和步骤4)中，叉车底层运动控制过程如下：
假设A*算法生成的路径由若干个轨迹点构成，叉车沿该路径运动至目标点；提取叉车当前位置与第i个轨迹点位置坐标做差，得到的结果作为控制基础，并采用轨迹跟踪算法驱动叉车行驶至第i个轨迹点。
综上所述，本发明的无人叉车在已经构建好地图的仓库环境下，控制器对叉车本身实时进行定位，输入目标点的位置，自主规划出一条最短路径，完成叉货取货任务。无人叉车采用两种工控机协同合作的方法实现定位和导航，即主工控机和图像工控机。主工控机对传感器信息、运动控制等信息进行全面处理，需要做到任务合理分配和统筹规划。考虑到图像处理的实时性问题，引入图像工控机。无人叉车采用两种传感器，即激光雷达和图像数据处理交替工作的办法实现机器人的定位跟踪，有效利用不同传感器的优点来提高定位精度。在空旷没有标志的仓库过道采用激光雷达的定位方式，定位精度准确，而且有效规避障碍物；在有文字标志的货架区域，由于货架形状相同，辨识度不高，采用图像处理标志的办法，提高定位准确率；在图像盲区，可通过激光雷达定位，实现定位与导航。
上述各实施例仅用于说明本发明，各部件的结构、尺寸、设置位置及形状都是可以有所变化的，在本发明技术方案的基础上，凡根据本发明原理对个别部件进行的改进和等同变换，均不应排除在本发明的保护范围之外。

Claims (5)

1.一种基于视觉的无人驾驶叉车定位导航方法，其特征在于包括以下步骤：
1)确定目标点坐标，进行定位处理，得到叉车在仓库坐标系下的二维坐标x、y和倾角θ1；
2)通过叉车的二维坐标x、y和倾角θ1，判断叉车是否接近货架，若没有接近，则进入步骤3)；若接近，则通过深度相机识别货架上的货牌文字信息，计算是第几个货架，并通过摄像头识别货架位置得知要取的货物的坐标信息，即叉车与托盘的相对坐标X、Y、Z和θ，进入步骤4)；
3)通过确定的目标点坐标和叉车相对仓库坐标系下的姿态信息x、y和θ1，利用A*算法生成一条最优路径，进行控制叉车底层运动，返回步骤1)重新定位；
4)通过确定的目标点坐标和叉车车体与货物的相对坐标X、Y、Z和θ，利用A*算法生成一条最优路径，进行控制叉车底层运动至目标点，以达到定位与导航的目的；
所述步骤2)中，叉车车体与托盘的相对坐标X、Y、Z和θ识别过程如下：
2.1)通过深度学习获取到托盘区域的ROI之后，通过图像处理的方法进行定位；其中，ROI为感兴趣区域；
2.2)将ROI区域进行灰度化预处理后，通过Canny边缘监测后，进行基于纹理的图像分割算法，将托盘图像分割为上下两部分图像，分割后的托盘上半部分图像采用霍夫变换直线检测得到托盘的倾角θ；分割后的托盘下半部分图像通过腐蚀和膨胀后，采用霍夫变换直线检测提取托盘的竖直直线，并找出位于中间位置的两条竖直直线，然后根据这两条直线计算托盘的中心位置来获取托盘的中心点坐标(x0,y0)；
2.3)通过深度相机将获取的中心点(x0,y0)坐标转化为三维坐标(X,Y,Z)，实现托盘定位。
2.如权利要求1所述的一种基于视觉的无人驾驶叉车定位导航方法，其特征在于：所述步骤1)中，通过激光雷达传感器采集周围环境进而建立仓储环境下的地图，并与已有仓库地图信息进行匹配，并通过摄像头和深度相机采集到的图像数据计算得到叉车在仓库坐标系下的二维坐标x、y和倾角θ1。
3.如权利要求1所述的一种基于视觉的无人驾驶叉车定位导航方法，其特征在于：所述步骤2.2)中，基于纹理的图像分割算法过程如下：
(1)输入边缘检测后的二值图像；
(2)对二值图像按照从上到下和从左到右依次扫描，计算每行的跳变次数M(i)；第i行的跳变的计算公式为：
Figure FDA0003008458600000021
其中，with为图像的宽；j为图像的第j列，f(j,i)为图像在(j,i)处像素的值；
(3)从上到下依次计算每21行中跳变总数s(i)＝M(i)+...+M(i+20),并找出其中最大跳变总数，记录所在的行的上边界up＝i和下边界drop＝i+20；
(4)分别对上边界和下边界进行搜索，如果上边界以及相邻的上下行的跳变数大于12，则上边界上移；同理，下边界下移，通过搜索上下边界最终得到托盘分割后的上边界。
4.如权利要求1所述的一种基于视觉的无人驾驶叉车定位导航方法，其特征在于：所述叉车底层运动控制过程为：假设A*算法生成的路径由若干个轨迹点构成，叉车沿该路径运动至目标点；提取叉车当前位置与第i个轨迹点位置坐标做差，得到的结果作为控制基础，并采用轨迹跟踪算法驱动叉车行驶至第i个轨迹点。
5.一种实现如权利要求1所述方法的定位导航系统，其特征在于：该系统包括其包括控制器、深度相机、摄像头、图像工控机、激光雷达、角度编码器、转向驱动模块、速度驱动模块和速度编码器；所述角度编码器和速度编码器均通过联轴器连接到叉车的车轮转轴上，所述角度编码器将采集到的角度即时信息以及搜书速度编码器采集到的速度即时信息都传输至所述控制器内；设置在叉车前方的所述激光雷达用于将建立的地图和定位信息传输至所述控制器；设置在叉车前方的所述摄像头用于将识别到的货架和货架信息传输至所述图像工控机，设置在叉车的叉子上部的所述深度相机将识别到的货架上的文字信息也传输至所述图像工控机，所述图像工控机将接收到的图像信息处理后传输至所述控制器；所述控制器根据接收到的信息控制所述转向驱动和速度驱动工作，并控制叉子的动作。
CN201711341489.9A 2017-12-14 2017-12-14 一种基于视觉的无人驾驶叉车导航系统及其定位导航方法 Active CN108152823B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711341489.9A CN108152823B (zh) 2017-12-14 2017-12-14 一种基于视觉的无人驾驶叉车导航系统及其定位导航方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711341489.9A CN108152823B (zh) 2017-12-14 2017-12-14 一种基于视觉的无人驾驶叉车导航系统及其定位导航方法

Publications (2)

Publication Number Publication Date
CN108152823A CN108152823A (zh) 2018-06-12
CN108152823B true CN108152823B (zh) 2021-09-03

Family

ID=62466259

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711341489.9A Active CN108152823B (zh) 2017-12-14 2017-12-14 一种基于视觉的无人驾驶叉车导航系统及其定位导航方法

Country Status (1)

Country Link
CN (1) CN108152823B (zh)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109242138B (zh) * 2018-07-23 2020-12-08 北京京东尚科信息技术有限公司 基于栈式任务管理的同城货物自动转运系统
CN109584296A (zh) * 2018-09-28 2019-04-05 上海神添实业有限公司 一种基于单目视觉的叉车识别测距方法
CN109368552A (zh) * 2018-10-22 2019-02-22 广州微牌智能科技有限公司 托盘入叉方法、装置、系统、设备和存储介质
CN109081272B (zh) * 2018-10-23 2023-09-29 西安中科光电精密工程有限公司 一种基于激光与视觉混合引导的无人转运叉车及方法
CN111198556B (zh) * 2018-10-31 2024-03-12 深圳富联富桂精密工业有限公司 自动导航方法、中央控制器及存储介质
CN109858850A (zh) * 2018-12-21 2019-06-07 航天信息股份有限公司 一种地堆型仓库的托盘的定位方法及装置
CN109752724A (zh) * 2018-12-26 2019-05-14 珠海市众创芯慧科技有限公司 一种图像激光一体式导航定位系统
CN109917413B (zh) * 2019-01-21 2021-07-06 苏州雷泰医疗科技有限公司 一种智能转移床的精确导航定位方法
CN110028017B (zh) * 2019-04-08 2021-04-20 杭州国辰牵星科技有限公司 一种用于防爆仓库的无源视觉导航无人叉车系统和导航方法
CN111017804B (zh) * 2019-11-08 2021-06-11 华中科技大学 一种智能移动转运系统及其转运方法
JP7369626B2 (ja) * 2020-01-10 2023-10-26 三菱重工業株式会社 ビークルの制御システム、ビークルの制御方法及びプログラム
CN111311677B (zh) * 2020-01-21 2023-06-13 南京和瑞供应链管理有限公司 基于机器视觉识别技术的自动定位进叉位置的方法
JP7370288B2 (ja) * 2020-03-19 2023-10-27 三菱重工業株式会社 演算装置、車両、荷役システム、演算方法及びプログラム
CN112149687A (zh) * 2020-08-07 2020-12-29 武汉万集信息技术有限公司 目标识别的方法
CN112596064B (zh) * 2020-11-30 2024-03-08 中科院软件研究所南京软件技术研究院 激光与视觉融合的一体化室内机器人全局定位方法
CN112707340B (zh) * 2020-12-10 2022-07-19 安徽有光图像科技有限公司 基于视觉识别的设备控制信号生成方法、装置及叉车
CN114814780A (zh) * 2021-01-22 2022-07-29 长沙智能驾驶研究院有限公司 货台识别方法、装置、电子设备及计算机存储介质
CN113050636A (zh) * 2021-03-15 2021-06-29 广东省农业科学院 一种叉车自主拾取托盘的控制方法、系统及装置
CN113313444A (zh) * 2021-04-19 2021-08-27 安吉智能物联技术有限公司 一种物流仓库用叉车实时定位系统及其方法
CN113247519A (zh) * 2021-05-13 2021-08-13 大捷智能科技(广东)有限公司 一种视觉控制的智能装卸装置及方法
CN113538567A (zh) * 2021-08-03 2021-10-22 福勤智能科技（昆山）有限公司 一种运输方法、装置、车辆和存储介质
CN114911226B (zh) * 2021-10-08 2023-06-30 广东利元亨智能装备股份有限公司 搬运车行驶控制方法、装置及搬运车
CN113917928A (zh) * 2021-11-05 2022-01-11 苏州荣世吉自动化设备有限公司 一种全自动agv无人叉车及其路径规划方法
CN114234853B (zh) * 2021-11-19 2024-09-27 广东嘉腾机器人自动化有限公司 基于激光扫描的货架倾角测量方法、系统、设备及介质
CN114415677A (zh) * 2021-12-31 2022-04-29 科大智能机器人技术有限公司 一种自动导航车的控制方法及装置
CN115113624B (zh) * 2022-07-08 2023-03-10 东莞康视达自动化科技有限公司 一种基于视觉引导的叉车运行控制方法
CN115436964B (zh) * 2022-11-09 2023-03-24 深圳市壹站智汇科技有限公司 物体识别和路径规划方法、搬运车、电子设备及存储介质
CN116363151B (zh) * 2023-03-15 2023-11-03 广东科研世智能科技有限公司 图像切割方法、装置、电子设备及存储介质
CN116148824B (zh) * 2023-04-17 2023-06-23 机科发展科技股份有限公司 一种激光无人叉车导航参数自动校准系统及方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6092530B2 (ja) * 2012-06-18 2017-03-08 キヤノン株式会社 画像処理装置、画像処理方法
JP2015225450A (ja) * 2014-05-27 2015-12-14 村田機械株式会社 自律走行車、及び自律走行車における物体認識方法
CN104777835A (zh) * 2015-03-11 2015-07-15 武汉汉迪机器人科技有限公司 一种全向自动叉车及3d立体视觉导航定位方法
CN105607635B (zh) * 2016-01-05 2018-12-14 东莞市松迪智能机器人科技有限公司 自动导引车全景光学视觉导航控制系统及全向自动导引车
CN205450772U (zh) * 2016-01-05 2016-08-10 东莞市松迪智能机器人科技有限公司 一种全向自动导引车
JP2017178567A (ja) * 2016-03-30 2017-10-05 株式会社豊田中央研究所 フォークリフト

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A robust autonomous mobile forklift pallet recognition;Guang-zhao Cui等;《2010 2nd International Asia Conference on Informatics in Control, Automation and Robotics (CAR 2010)》;20100429;1-10 *
智能AGV视觉导航控制系统研究及应用;刘朋飞;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140515(第5期);全文 *

Also Published As

Publication number Publication date
CN108152823A (zh) 2018-06-12

Similar Documents

Publication Publication Date Title
CN108152823B (zh) 一种基于视觉的无人驾驶叉车导航系统及其定位导航方法
CN109947119B (zh) 一种基于多传感器融合的移动机器人自主跟随方法
EP3803734B1 (en) Tracking vehicles in a warehouse environment
Patel et al. Sensor modality fusion with CNNs for UGV autonomous driving in indoor environments
US10198008B2 (en) Mobile robot system
CN106950972B (zh) 一种无人搬运车agv及其路线纠偏方法
CN104536445B (zh) 移动导航方法和系统
CN110673612A (zh) 一种自主移动机器人二维码引导控制方法
US11003188B2 (en) Method, system and apparatus for obstacle handling in navigational path generation
Kelly et al. Field and service applications-an infrastructure-free automated guided vehicle based on computer vision-an effort to make an industrial robot vehicle that can operate without supporting infrastructure
Siagian et al. Mobile robot navigation system in outdoor pedestrian environment using vision-based road recognition
CN107608350A (zh) 一种基于msp430的仓储物流机器人控制系统
CN112928799B (zh) 基于激光测量的移动机器人自动对接充电方法
CN111823236A (zh) 一种图书馆管理机器人及其控制方法
CN109189074A (zh) 一种用于仓储环境的室内自主建图方法
Walter et al. Closed-loop pallet manipulation in unstructured environments
CN111198496A (zh) 一种目标跟随机器人及跟随方法
Behrje et al. An autonomous forklift with 3d time-of-flight camera-based localization and navigation
US20220350342A1 (en) Moving target following method, robot and computer-readable storage medium
CN111930125A (zh) 适用于agv的低成本障碍物检测装置及方法
Oishi et al. SeqSLAM++: View-based robot localization and navigation
CN112454348A (zh) 一种智能机器人
CN205507536U (zh) 一种基于rfid定位的升降式自动导航运输车系统
CN111932617A (zh) 一种对规则物体实现实时检测定位方法和系统
Luo et al. Topological map generation for intrinsic visual navigation of an intelligent service robot

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant