CN111445517A - 机器人视觉末端定位方法、装置及计算机可读存储介质 - Google Patents

机器人视觉末端定位方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN111445517A
CN111445517A CN202010178555.0A CN202010178555A CN111445517A CN 111445517 A CN111445517 A CN 111445517A CN 202010178555 A CN202010178555 A CN 202010178555A CN 111445517 A CN111445517 A CN 111445517A
Authority
CN
China
Prior art keywords
point
point cloud
plane
tray
points
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.)
Granted
Application number
CN202010178555.0A
Other languages
English (en)
Other versions
CN111445517B (zh
Inventor
刘胜明
卢凡
姜志英
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.)
Suzhou Agv Robot Co ltd
Original Assignee
Suzhou Agv Robot Co ltd
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 Suzhou Agv Robot Co ltd filed Critical Suzhou Agv Robot Co ltd
Priority to CN202010178555.0A priority Critical patent/CN111445517B/zh
Publication of CN111445517A publication Critical patent/CN111445517A/zh
Priority to PCT/CN2020/123538 priority patent/WO2021184757A1/zh
Application granted granted Critical
Publication of CN111445517B publication Critical patent/CN111445517B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明提供了一种机器人视觉末端定位方法、装置及计算机可读存储介质，其中机器人视觉末端定位方法包括：S1、获取托盘区域的点云；S2、提取点云内的感兴趣区域，剔除感兴趣区域内的离群点，并滤除地面点；S3、进行物体平面分割；S4、将分割后的点云进行点云平面提取；S5、将点云平面转换为图片，进行托盘识别。本机器人视觉末端定位方法、装置及计算机可读存储介质，能够降低背景光线和摆放位置的影响，提高识别精度。

Description

机器人视觉末端定位方法、装置及计算机可读存储介质
技术领域
本发明涉及机器人视觉末端定位技术领域，尤其涉及一种机器人视觉末端定位方法、装置及计算机可读存储介质。
背景技术
仓储机器人属于工业机器人的范畴，是指应用在仓储环节，可通过接受指令或系统预先设置的程序，自动执行货物转移、搬运等操作的机器装置。
随着现代物流技术的不断发展，仓储机器人在智能系统中发挥着越来越重要的作用，而对托盘的检测是仓储机器人进行货物搬运的关键步骤。目前针对托盘的检测研究主要是采用基于视觉、激光雷达以及两者结合的检测方法。其中，基于视觉的检测方法主要通过从图像背景中分割出托盘，利用特定的特征进行检测。但是，这些方法都各有缺陷，如受背景光线影响比较大、对摆放位姿要求较高等问题。
发明内容
有鉴于此，本发明要解决的技术问题是提供一种机器人视觉末端定位方法、装置及计算机可读存储介质，能够降低背景光线和摆放位置的影响，提高识别精度。
本发明的技术方案是这样实现的：
一种机器人视觉末端定位方法，包括：
S1、获取托盘区域的点云；
S2、提取所述点云内的感兴趣区域，剔除所述感兴趣区域内的离群点，并滤除地面点；
S3、进行物体平面分割；
S4、将分割后的点云进行点云平面提取；
S5、将所述点云平面转换为图片，进行托盘识别。
优选的，所述剔除所述感兴趣区域内的离群点具体包括：
通过对查询点与邻域点集之间的距离统计判断来过滤离群点；
Figure BDA0002411675630000021
其中，xi为任意点的邻域平均距离，μ为任意点邻域平均距离的均值，σ为任意点邻域平均距离的标准差；
若x超过邻域平均距离均值，则认为该点为离群点并剔除x。
优选的，所述滤除地面点具体包括：
以A为半径生成每一个点的邻域点集；
计算每个点的邻域点集的最低点与最高点的高度差h；
比较高度差h与预设高度差阈值A的大小，滤除邻域点集高度差小于阈值的点。
优选的，所述进行物体平面分割具体包括：
S31、找到空间中某点p；
S32、找到离他最近的n个点判断这n个点到p的距离；将距离小于阈值A的点放在类Q里；
S33、在Q\p中找到点pn，重复步骤S32，至Q中无新点加入。
5、如权利要求1所述的机器人视觉末端定位方法，其特征在于，所述点云平面提取具体包括：
S41、将分割后的点云投影到xoy平面，得到一个平面点云；
S42、使用随机采样一致性算法拟合点云直线，设置距离阈值，点到平面距离小于所述距离阈值的点为内点，大于所述距离阈值的为外点；
S43、得到托盘平面投影到地面后的点云直线；
S44、将提取到的点云直线内的点的索引，将点映射回投影前的点云中，得到托盘点云平面；
S45、采用基于随机采样一致性的平面检测方法拟合出托盘点云所在平面；
S46、将托盘点云投影到拟合出的平面中。
优选的，所述将所述点云平面转换为图片，进行托盘识别具体包括：
将所述点云平面转为图片，通过基于托盘孔洞特征的托盘识别算法进行托盘识别。
本发明还提出了一种机器人视觉末端定位装置，包括：
获取模块，用于获取托盘区域的点云；
预处理模块，用于提取所述点云内的感兴趣区域，剔除所述感兴趣区域内的离群点，并滤除地面点；
点云分割模块，用于进行物体平面分割；
托盘识别模块，用于将分割后的点云进行点云平面提取；并将所述点云平面转换为图片，进行托盘识别。
优选的，所述预处理模块包括离群点滤除单元和/或地面点滤除单元；
所述离群点滤除单元通过对查询点与邻域点集之间的距离统计判断来过滤离群点；
Figure BDA0002411675630000031
其中，xi为任意点的邻域平均距离，μ为任意点邻域平均距离的均值，σ为任意点邻域平均距离的标准差；
若x超过邻域平均距离均值，则认为该点为离群点并剔除x；
所述地面点滤除单元用于以A为半径生成每一个点的邻域点集；
计算每个点的邻域点集的最低点与最高点的高度差h；
比较高度差h与预设高度差阈值A的大小，滤除邻域点集高度差小于阈值的点。
优选的，所述托盘识别模块包括点云平面提取单元和/或识别单元；
所述点云平面提取单元用于将分割后的点云投影到xoy平面，得到一个平面点云；
使用随机采样一致性算法拟合点云直线，设置距离阈值，点到平面距离小于所述距离阈值的点为内点，大于所述距离阈值的为外点；
得到托盘平面投影到地面后的点云直线；
将提取到的点云直线内的点的索引，将点映射回投影前的点云中，得到托盘点云平面；
采用基于随机采样一致性的平面检测方法拟合出托盘点云所在平面；
将托盘点云投影到拟合出的平面中；
所述识别单元用于将所述点云平面转为图片，通过基于托盘孔洞特征的托盘识别算法进行托盘识别。
本发明还提出了一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1-6任一项所述的机器人视觉末端定位方法的步骤。
本发明提出的机器人视觉末端定位方法、装置及计算机可读存储介质，通过采集托盘区域的点云并进行预处理，然后对点云进行平面分割，将托盘平面分割出来，从而可以降低背景光线和摆放位置的影响，提高识别精度。
附图说明
图1为本发明实施例提出的机器人视觉末端定位方法的流程图；
图2为本发明实施例提出的机器人视觉末端定位的结构框图；
图3为本发明实施例中的原始点云图；
图4为本发明实施例中提取出的感兴趣区域的点云图；
图5为本发明实施例中离群点滤波后的点云图；
图6为本发明实施例中地面点滤除后的点云图；
图7为本发明实施例中分割后的点云图
图8为本发明实施例中点云在地面上的投影
图9为本发明实施例中平面点云中的直线
图10为本发明实施例中将直线点云中的点映射回原点云的图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1-10所示，本发明实施例提出了一种机器人视觉末端定位方法，包括以下步骤：
S1、获取托盘区域的点云。
本申请中，可以使用TOF相机采集点云。
S2、提取点云内的感兴趣区域，剔除感兴趣区域内的离群点，并滤除地面点。
本申请中，可以进行点云直通滤波参数额设置；
根据托盘尺寸进行大致估计，留出一定裕度，将不感兴趣点云区域滤除，提取出托盘平面所在的感兴趣区域。
举例来说，给定托盘位置(X，Y，Z)，感兴趣区域范围为：
X方向：[0.6,+0.6]
Y方向：[1.2,+1.2]
Z方向：[0.15,+0.15]
原始点云如图3所示，提取出的感兴趣区域如图4所示。
离群点滤波通过对查询点与邻域点集之间的距离统计判断来过滤离群点
Figure BDA0002411675630000051
其中，xi为任意点的邻域平均距离，μ为任意点邻域平均距离的均值，σ为任意点邻域平均距离的标准差。
若x超过邻域平均距离均值2，则认为该点为离群点并剔除x。
离群点滤波结果如图5所示。
地面点滤除
1.以0.03m为半径生成每一个点的邻域点集；
2.计算每个点的邻域点集的最低点与最高点的高度差h；
3.比较高度差h与预设高度差阈值＝0.03大小，滤除邻域点集高度差小于阈值的点。
地面点滤除结果如图6所示。
S3、进行物体平面分割。
基于欧式距离的点云分割
欧几里得算法使用点之间距离作为判定标准，将距离小于阈值的点放在同一类中。
流程：
1.找到空间中某点p10，找到离他最近的100个点判断这n个点到p的距离。将距离小于阈值＝0.03的点p12,p13,p14....放在类Q里；
2.在Q\p10里找到一点p12,重复1，当Q再也不能有新点加入了，则完成搜索了。
基于欧式距离的点云分割结果如图7所示。
S4、将分割后的点云进行点云平面提取。
点云平面提取
方法：
1.将分割后的点云投影到xoy平面，得到一个平面点云；
2.使用随机采样一致性算法拟合点云直线，距离阈值设为0.03m，即只要点到平面距离小于该阈值的点都作为内点看待，而大于该阈值的则看做外点；
3.得到托盘平面投影到地面后的点云直线；
4.将提取到的点云直线内的点的索引，将点映射回投影前的点云中，得到托盘点云平面；
5.采用基于随机采样一致性的平面检测方法拟合出托盘点云所在平面；
6.将托盘点云投影到拟合出的平面中。
点云在地面上的投影如图8所示；
平面点云中的直线如图9所示；
将直线点云中的点映射回原点云如图10所示。
S5、将点云平面转换为图片，进行托盘识别。
将点云平面转为图片，通过基于托盘孔洞特征的托盘识别算法进行托盘识别。
本发明还提出了一种机器人视觉末端定位装置，包括：
获取模块10，用于获取托盘区域的点云；
预处理模块20，用于提取点云内的感兴趣区域，剔除感兴趣区域内的离群点，并滤除地面点；
点云分割模块30，用于进行物体平面分割；
托盘识别模块40，用于将分割后的点云进行点云平面提取；并将点云平面转换为图片，进行托盘识别。
在本发明的一个优选实施例中，预处理模块包括离群点滤除单元201和/或地面点滤除单元202；
离群点滤除单元通过对查询点与邻域点集之间的距离统计判断来过滤离群点；
Figure BDA0002411675630000071
其中，xi为任意点的邻域平均距离，μ为任意点邻域平均距离的均值，σ为任意点邻域平均距离的标准差；
若x超过邻域平均距离均值，则认为该点为离群点并剔除x；
地面点滤除单元用于以A为半径生成每一个点的邻域点集；
计算每个点的邻域点集的最低点与最高点的高度差h；
比较高度差h与预设高度差阈值A的大小，滤除邻域点集高度差小于阈值的点。
在本发明的一个优选实施例中托盘识别模块包括点云平面提取单元401和/或识别单元402；
点云平面提取单元用于将分割后的点云投影到xoy平面，得到一个平面点云；
使用随机采样一致性算法拟合点云直线，设置距离阈值，点到平面距离小于距离阈值的点为内点，大于距离阈值的为外点；
得到托盘平面投影到地面后的点云直线；
将提取到的点云直线内的点的索引，将点映射回投影前的点云中，得到托盘点云平面；
采用基于随机采样一致性的平面检测方法拟合出托盘点云所在平面；
将托盘点云投影到拟合出的平面中；
识别单元用于将点云平面转为图片，通过基于托盘孔洞特征的托盘识别算法进行托盘识别。
本发明还提出了一种计算机可读存储介质，计算机可读存储介质存储有多条指令，指令适于处理器进行加载，以执行上述任一项的机器人视觉末端定位方法的步骤。
本发明提出的机器人视觉末端定位方法、装置及计算机可读存储介质，通过采集托盘区域的点云并进行预处理，然后对点云进行平面分割，将托盘平面分割出来，从而可以降低背景光线和摆放位置的影响，提高识别精度。
应用相机实现对川字，田字托盘的识别，目前在有效距离1～3m范围内，识别托盘精度可达1cm以内，该研发主要用于解决插取货物时，防止插偏插歪的情况。
最后需要说明的是：以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种机器人视觉末端定位方法，其特征在于，包括：
S1、获取托盘区域的点云；
S2、提取所述点云内的感兴趣区域，剔除所述感兴趣区域内的离群点，并滤除地面点；
S3、进行物体平面分割；
S4、将分割后的点云进行点云平面提取；
S5、将所述点云平面转换为图片，进行托盘识别。
2.如权利要求1所述的机器人视觉末端定位方法，其特征在于，所述剔除所述感兴趣区域内的离群点具体包括：
通过对查询点与邻域点集之间的距离统计判断来过滤离群点；
Figure FDA0002411675620000011
其中，xi为任意点的邻域平均距离，μ为任意点邻域平均距离的均值，σ为任意点邻域平均距离的标准差；
若x超过邻域平均距离均值，则认为该点为离群点并剔除x。
3.如权利要求1所述的机器人视觉末端定位方法，其特征在于，所述滤除地面点具体包括：
以A为半径生成每一个点的邻域点集；
计算每个点的邻域点集的最低点与最高点的高度差h；
比较高度差h与预设高度差阈值A的大小，滤除邻域点集高度差小于阈值的点。
4.如权利要求1所述的机器人视觉末端定位方法，其特征在于，所述进行物体平面分割具体包括：
S31、找到空间中某点p；
S32、找到离他最近的n个点判断这n个点到p的距离；将距离小于阈值A的点放在类Q里；
S33、在Q\p中找到点pn，重复步骤S32，至Q中无新点加入。
5.如权利要求1所述的机器人视觉末端定位方法，其特征在于，所述点云平面提取具体包括：
S41、将分割后的点云投影到xoy平面，得到一个平面点云；
S42、使用随机采样一致性算法拟合点云直线，设置距离阈值，点到平面距离小于所述距离阈值的点为内点，大于所述距离阈值的为外点；
S43、得到托盘平面投影到地面后的点云直线；
S44、将提取到的点云直线内的点的索引，将点映射回投影前的点云中，得到托盘点云平面；
S45、采用基于随机采样一致性的平面检测方法拟合出托盘点云所在平面；
S46、将托盘点云投影到拟合出的平面中。
6.如权利要求1所述的机器人视觉末端定位方法，其特征在于，所述将所述点云平面转换为图片，进行托盘识别具体包括：
将所述点云平面转为图片，通过基于托盘孔洞特征的托盘识别算法进行托盘识别。
7.一种机器人视觉末端定位装置，其特征在于，包括：
获取模块，用于获取托盘区域的点云；
预处理模块，用于提取所述点云内的感兴趣区域，剔除所述感兴趣区域内的离群点，并滤除地面点；
点云分割模块，用于进行物体平面分割；
托盘识别模块，用于将分割后的点云进行点云平面提取；并将所述点云平面转换为图片，进行托盘识别。
8.如权利要求7所述的机器人视觉末端定位装置，其特征在于，所述预处理模块包括离群点滤除单元和/或地面点滤除单元；
所述离群点滤除单元通过对查询点与邻域点集之间的距离统计判断来过滤离群点；
Figure FDA0002411675620000031
其中，xi为任意点的邻域平均距离，μ为任意点邻域平均距离的均值，σ为任意点邻域平均距离的标准差；
若x超过邻域平均距离均值，则认为该点为离群点并剔除x；
所述地面点滤除单元用于以A为半径生成每一个点的邻域点集；
计算每个点的邻域点集的最低点与最高点的高度差h；
比较高度差h与预设高度差阈值A的大小，滤除邻域点集高度差小于阈值的点。
9.如权利要求7所述的机器人视觉末端定位装置，其特征在于，所述托盘识别模块包括点云平面提取单元和/或识别单元；
所述点云平面提取单元用于将分割后的点云投影到xoy平面，得到一个平面点云；
使用随机采样一致性算法拟合点云直线，设置距离阈值，点到平面距离小于所述距离阈值的点为内点，大于所述距离阈值的为外点；
得到托盘平面投影到地面后的点云直线；
将提取到的点云直线内的点的索引，将点映射回投影前的点云中，得到托盘点云平面；
采用基于随机采样一致性的平面检测方法拟合出托盘点云所在平面；
将托盘点云投影到拟合出的平面中；
所述识别单元用于将所述点云平面转为图片，通过基于托盘孔洞特征的托盘识别算法进行托盘识别。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1-6任一项所述的机器人视觉末端定位方法的步骤。
CN202010178555.0A 2020-03-14 2020-03-14 机器人视觉末端定位方法、装置及计算机可读存储介质 Active CN111445517B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010178555.0A CN111445517B (zh) 2020-03-14 2020-03-14 机器人视觉末端定位方法、装置及计算机可读存储介质
PCT/CN2020/123538 WO2021184757A1 (zh) 2020-03-14 2020-10-26 机器人视觉末端定位方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010178555.0A CN111445517B (zh) 2020-03-14 2020-03-14 机器人视觉末端定位方法、装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN111445517A true CN111445517A (zh) 2020-07-24
CN111445517B CN111445517B (zh) 2023-06-20

Family

ID=71655882

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010178555.0A Active CN111445517B (zh) 2020-03-14 2020-03-14 机器人视觉末端定位方法、装置及计算机可读存储介质

Country Status (2)

Country Link
CN (1) CN111445517B (zh)
WO (1) WO2021184757A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112070759A (zh) * 2020-09-16 2020-12-11 浙江光珀智能科技有限公司 一种叉车托盘检测与定位方法及系统
WO2021184757A1 (zh) * 2020-03-14 2021-09-23 苏州艾吉威机器人有限公司 机器人视觉末端定位方法、装置及计算机可读存储介质
CN114820391A (zh) * 2022-06-28 2022-07-29 山东亚历山大智能科技有限公司 基于点云处理的仓储托盘检测定位方法及系统

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114283090A (zh) * 2021-12-27 2022-04-05 深圳朗道智通科技有限公司 一种地面滤除方法、设备、存储介质及计算机程序产品
CN114485667A (zh) * 2022-01-13 2022-05-13 中国农业大学 一种轻智能化的果园地头导航方法
CN114782467A (zh) * 2022-04-14 2022-07-22 电子科技大学 一种基于区域划分与自适应阈值的点云地面分割方法
CN115308763B (zh) * 2022-07-06 2023-08-22 北京科技大学 一种基于激光雷达三维点云的冰球护肘角度测量方法
CN115761210A (zh) * 2023-01-09 2023-03-07 成都睿芯行科技有限公司 一种基于深度相机的托盘识别定位方法
CN115937320B (zh) * 2023-02-21 2023-05-05 深圳市华亿明投资发展有限公司 一种手机壳打磨用视觉定位方法
CN115908426B (zh) * 2023-02-22 2023-06-23 江苏金恒信息科技股份有限公司 一种基于三维点云定位算法的板材试样加工方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105139416A (zh) * 2015-10-10 2015-12-09 北京微尘嘉业科技有限公司 一种基于图像信息和深度信息的物体识别方法
US20160275363A1 (en) * 2015-03-16 2016-09-22 Casio Computer Co., Ltd. Object recognizing apparatus, method of indicating a recognition result, and computer readable recording medium
CN107507167A (zh) * 2017-07-25 2017-12-22 上海交通大学 一种基于点云平面轮廓匹配的货物托盘检测方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105976375A (zh) * 2016-05-06 2016-09-28 苏州中德睿博智能科技有限公司 一种基于rgb-d类传感器的托盘识别和定位方法
CN109978938A (zh) * 2017-12-28 2019-07-05 南京景曜智能科技有限公司 一种基于机器视觉的枕簧检测方法
CN111445517B (zh) * 2020-03-14 2023-06-20 苏州艾吉威机器人有限公司 机器人视觉末端定位方法、装置及计算机可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160275363A1 (en) * 2015-03-16 2016-09-22 Casio Computer Co., Ltd. Object recognizing apparatus, method of indicating a recognition result, and computer readable recording medium
CN105139416A (zh) * 2015-10-10 2015-12-09 北京微尘嘉业科技有限公司 一种基于图像信息和深度信息的物体识别方法
CN107507167A (zh) * 2017-07-25 2017-12-22 上海交通大学 一种基于点云平面轮廓匹配的货物托盘检测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
武文汉: "一种基于轮廓匹配的仓储机器人托盘检测方法", 《上海交通大学学报》 *
武文汉: "基于视觉的仓储托盘检测方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021184757A1 (zh) * 2020-03-14 2021-09-23 苏州艾吉威机器人有限公司 机器人视觉末端定位方法、装置及计算机可读存储介质
CN112070759A (zh) * 2020-09-16 2020-12-11 浙江光珀智能科技有限公司 一种叉车托盘检测与定位方法及系统
CN112070759B (zh) * 2020-09-16 2023-10-24 浙江光珀智能科技有限公司 一种叉车托盘检测与定位方法及系统
CN114820391A (zh) * 2022-06-28 2022-07-29 山东亚历山大智能科技有限公司 基于点云处理的仓储托盘检测定位方法及系统

Also Published As

Publication number Publication date
CN111445517B (zh) 2023-06-20
WO2021184757A1 (zh) 2021-09-23

Similar Documents

Publication Publication Date Title
CN111445517A (zh) 机器人视觉末端定位方法、装置及计算机可读存储介质
CN107610176B (zh) 一种基于Kinect的栈板动态识别与定位方法、系统及介质
CN108960211B (zh) 一种多目标人体姿态检测方法以及系统
CN111275040B (zh) 定位方法及装置、电子设备、计算机可读存储介质
CN111310662A (zh) 一种基于集成深度网络的火焰检测识别方法及系统
CN111815706A (zh) 面向单品类拆垛的视觉识别方法、装置、设备及介质
CN114694134A (zh) 一种基于深度相机点云数据的托盘识别和定位方法
CN114578328B (zh) 一种多激光雷达和多相机传感器空间位置自动标定方法
CN114332622A (zh) 一种基于机器视觉的标签检测方法
CN114067347A (zh) 配电站设计图的自动校验方法、运行控制装置、电子设备
CN113469195A (zh) 一种基于自适应颜色快速点特征直方图的目标识别方法
CN116434071A (zh) 一种规整化建筑掩膜的确定方法、确定装置、设备及介质
CN115984759A (zh) 变电站开关状态识别方法、装置、计算机设备和存储介质
CN111507287B (zh) 一种航空影像中道路斑马线角点提取方法及系统
CN113313016B (zh) 摄像头脏污识别方法、电子设备及车辆
CN115205861A (zh) 一种获取异常文字识别区域的方法、电子设备及存储介质
CN115100416A (zh) 一种不规则钢板位姿识别方法及相关设备
CN115082832A (zh) 信息识别方法、装置及存储介质
CN112767433A (zh) 一种巡检机器人图像自动纠偏、分割与识别方法
KR102283053B1 (ko) 영상 기반 객체 검출 정보를 이용한 실시간 다중 클래스 다중 객체 추적 방법
CN114419428A (zh) 一种目标检测方法、目标检测装置和计算机可读存储介质
CN110569865B (zh) 识别车体方向的方法和装置
CN112651369A (zh) 一种监控场景下行人识别的方法及装置
CN115410105A (zh) 集装箱标记识别方法、装置、计算机设备和存储介质
CN107392209B (zh) 一种提取线段的装置及方法

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