CN111581816B - 干散料三维特征分布与抓取安全检测方法 - Google Patents
干散料三维特征分布与抓取安全检测方法 Download PDFInfo
- Publication number
- CN111581816B CN111581816B CN202010376602.2A CN202010376602A CN111581816B CN 111581816 B CN111581816 B CN 111581816B CN 202010376602 A CN202010376602 A CN 202010376602A CN 111581816 B CN111581816 B CN 111581816B
- Authority
- CN
- China
- Prior art keywords
- window
- grabbing
- windows
- sub
- distribution
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 75
- 238000001514 detection method Methods 0.000 title claims abstract description 14
- 239000013590 bulk material Substances 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 6
- 230000002093 peripheral effect Effects 0.000 claims abstract description 5
- 239000000463 material Substances 0.000 claims description 43
- 239000011159 matrix material Substances 0.000 claims description 8
- 239000010419 fine particle Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 231100000817 safety factor Toxicity 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 2
- 238000000556 factor analysis Methods 0.000 abstract 1
- 238000004088 simulation Methods 0.000 description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Geometry (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Computer Graphics (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供干散料三维特征分布与抓取安全检测方法,通过业务场景定义,三维分布与抓取安全性因素分析,建立三维分布特征模型,来对现场实际数据进行规格化,根据抓取业务的安全需求,对堆料的三维分布特征进行建模,包括中心子窗口、周边四个子窗口的均高、凹凸特征、表面坡度等特征建模,并对数据特征进行仿真。从理论上解决了抓取窗口的三维分布特征与安全性的关系,为实际抓取业务的安全检测与安全避险提供了理论模型与检测方法,对无人行车发货业务的应用具有现实的意义。
Description
技术领域
本发明涉及干散料安全检测领域,特别涉及干散料三维特征分布与抓取安全检测方法。
背景技术
在干散堆料发货无人化是干散料发货行业的趋势,当前宝钢、江西铜业等企业做了一些尝试,在在自动化、智能任务交互等方面取得一些成果。但是系统的安全性成为干散料发货无人值守应用的拦路虎,不解决抓取安全问题,无人系统难以实现可靠、规模化应用,抓取点选择不当,造成抓斗开闭绳脱槽、抓斗翻斗的情形,存在较大的安全隐患。人们在三维的扫描、建模等方面有一些探索与应用。在干散料的三维分布特征与安全抓取关系方面,还没见到相关的研究,这正是业务安全、稳定工作的关键。
发明内容
为了解决上述存在问题。本发明提供干散料三维特征分布与抓取安全检测方法,通过分析细颗粒干散料三维分布的特征与抓取安全特征,建立三维分布的安全关系模型,提供干散料无人值守系统安全抓取的检测方法。为达此目的:
本发明提供干散料三维特征分布与抓取安全检测方法,具体步骤如下,
1)业务场景定义:
将干散料码头、仓库中,散料的堆放定义为倾倒或抓斗抛放形成,其三维分布具有连续性,又极不规则的特征,将整个区域共由39*99个基本单元格组成,无人值守系统中,将发货区域分为一个个的抓取方格,即“抓取窗口”,抓取时,抓斗根据作业指令,去抓取其覆盖下的抓取窗口,整个发货区域被分为对应抓取窗口;
将整个区域划分为m×n个单元窗口,每个单元窗口的边长为l,单位:cm,整个区域可视作一个矩阵Amn,每单元窗口Aij的平均高度为Hij,i∈(1…m),j∈(1…n),在抓取时,以俯视角度按抓斗抓取范围大小将Amn分成Wpq个窗口,则每个抓取窗口Wxy(x∈(1…p),y∈(1…n))包含Amn中个单元窗口;
为了方便分析窗口的三维分布特征与抓取安全特征,将每个抓取窗口划分为4个子窗口及中心子窗口,分别从平均高度、坡度等分布特征、安全特征进行分析;
2)三维分布与抓取安全性因素分析;
对于任意一个抓取窗口Wpq,假设其包含l行c列个基本单元格,则Wpq所在区域覆盖了l*c个单元格,将抓取窗口划分为Wk,k∈[1,4],4个子窗口和一个中心窗口Wc,在Wpq的中心位置,其余4个子窗口均互不相交;
由于细颗粒散料的分布是连续的,理想的情况是中间高、四周低,即物料集中于中心窗口Wc位置时,抓取安全且效果好
为此分别对相应情况进行讨论;
由于只要四个子窗口只要高度分布较平均,“坡”度不大,或者堆料集中在中心窗口,呈“峰”状,则抓取时就比较安全,有较大坡度则容易出现脱槽事故,Wn表示中央窗口高于四个子窗口的数量,根据分析可知抓取的安全,与堆料分布位置有关,与形成的坡度大小有关;
3)建立三维分布特征模型;
假设料仓区域为m×n的正方形基本单元格,整个区域坐标可表示为矩阵;
假设任意一抓取窗口Wpq包含l行c列个单元窗口,则窗口Wpq的坐标位置为;其中(p∈([1,2,…,l],q∈[1,2,…,c]) (式2)为了方便分析,将Wpq分为中心窗口Wc与四个子窗口每一个小窗口分别有个基本单元格,中心窗口所覆盖区域的坐标为;
对于任何抓取窗口Wpq,设其中心窗口的平均高度与抓取窗口的平均高度差为CHS,则
CHS=mean(Wc)-mean(Wpq) (式3)
为表达四个子窗口堆料的分布情况,假设中心窗口的高度与各子窗口的高度差HSk(k∈[1,4])组成的矩阵为H4S,则:
当同一边的两个角所以的子窗口值均高于对应另一边的子窗口的值时,则为“坡”,坡度越大值越大,假设以东西方向坡度与抓斗长边方向一致,则安全隐患主要来源于左右两边平均高差,假设左右两边平均高差为HSlr,则;
另外,四个子窗口Wk的堆料分布也与抓斗的安全有一定关系,分布情况越离散风险越大,对于整个抓取窗口Wpq,分布的离散风险用std(H4S)表示,其中H4S中平均高度的正负数量情况以及CHS的值,很容易看出堆料的分布特征,当堆料总体一定时,CHS的值较大时,中心为“峰”,为较大负值时中心为“谷”,相对均安全;当为大坡时,HSlr值越大安全风险越高,成正比关系;与离散程度成正比关系,因此设抓取窗口的安全特征表达式为:
根据式可知,在Wpq抓取业务之前,需检测堆料的三维分布特征,包括中心窗口堆料高度差CHS、4个子窗口的堆料分布离散程度及坡度,由(式6)进行计算得到其风险值,当值越小时,说明安全性越好,当值超过预定的风险值时,可能发生脱槽风险,存在较大的安全风险隐患。
作为本发明进一步改进,步骤2)四个子窗口具体情况如下:
1)最理想的情况,料比较集中在抓取窗口中央,四边低,对于抓斗而言,非常安全;
2)三角低一角高,堆料总体上分布上中心位置,周边三个子窗口W2、W3、W4形成一个稳定平面;
3)总体分布呈大坡状,造成抓斗倾斜,当角度过大,容易出现脱槽现象;
4)三个角高可形成稳定平面,一个角低,不会形成安全威胁。
本发明干散料三维特征分布与抓取安全检测方法,通过对现场实际数据进行规格化,根据抓取业务的安全需求,对堆料的三维分布特征进行建模,包括中心子窗口、周边四个子窗口的均高、凹凸特征、表面坡度等特征建模,并对数据特征进行仿真。从理论上解决了抓取窗口的三维分布特征与安全性的关系,为实际抓取业务的安全检测与安全避险提供了理论模型与检测方法,对无人行车发货业务的应用具有现实的意义。
附图说明
图1是本发明干散堆料三维分布图;
图2(a)是抓取窗口实景图;
图2(b)是抓取窗口分布图;
图3是本发明抓取窗口划分示意图;
图4是四种典型的三维分布情况;
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述:
本发明提供干散料三维特征分布与抓取安全检测方法,通过分析细颗粒干散料三维分布的特征与抓取安全特征,建立三维分布的安全关系模型,提供干散料无人值守系统安全抓取的检测方法。
本发明具体实施例如下:
1)业务场景定义:
在干散料码头、仓库中,散料的堆放通常为倾倒或抓斗抛放形成,其三维分布具有连续性,又极不规则的特征,如图1所示,整个区域共由39*99个基本单元格组成。在无人值守系统中,将发货区域分为一个个的抓取方格,即“抓取窗口”。抓取时,抓斗根据作业指令,去抓取其覆盖下的抓取窗口,整个发货区域被分为多个抓取窗口,如图2(a)(b)所示。
如图1所示,整个区域划分为m×n个单元窗口,每个单元窗口的边长为l(单位:cm),整个区域可视作一个矩阵Amn,每单元窗口Aij的平均高度为Hij(i∈(1…m),j∈(1…n))。在抓取时,以俯视角度按抓斗抓取范围大小将Amn分成Wpq个窗口,则每个抓取窗口Wxy(x∈(1…p),y∈(1…n))包含Amn中个单元窗口。
为了方便分析窗口的三维分布特征与抓取安全特征,将每个抓取窗口划分为4个子窗口及中心子窗口,分别从平均高度、坡度等分布特征、安全特征进行分析,并根据分析情况进行建模与仿真。
2)三维分布与抓取安全性因素分析;
对于任意一个抓取窗口Wpq,假设其包含l行c列个基本单元格,则Wpq所在区域覆盖了l*c个单元格,将抓取窗口划分为Wk(k∈[1,4])4个子窗口和一个中心窗口Wc,在Wpq的中心位置,其余4个子窗口均互不相交,如图3所示,本例中l=12,c=16。
图3中,细颗粒散料的分布是连续的,理想的情况是中间高、四周低,即物料集中于中心窗口Wc位置时,抓取安全且效果好。下面分别就几种可能情况进行讨论,如图4所示。
图4中可以看出,只要四个子窗口只要高度分布较平均,“坡”度不大,或者堆料集中在中心窗口,呈“峰”状,则抓取时就比较安全,有较大坡度则容易出现脱槽事故。Wn表示中央窗口高于四个子窗口的数量。图4(1)为最理想的情况,料比较集中在抓取窗口中央,四边低,对于抓斗而言,非常安全;图4(2)中,三角低一角高,堆料总体上分布上中心位置,周边三个子窗口W2、W3、W4形成一个稳定平面;图4(3)中,总体分布呈大坡状,造成抓斗倾斜,当角度过大,容易出现脱槽现象;图4(4)中,三个角高可形成稳定平面,一个角低,不会形成安全威胁。从上述分析可知,抓取的安全,与堆料分布位置有关,与形成的坡度大小有关。
3)建立三维分布特征模型;
对于任何抓取窗口Wpq,设其中心窗口的平均高度与抓取窗口的平均高度差为CHS,则
CHS=mean(Wc)-mean(Wpq) (式3)
为表达四个子窗口堆料的分布情况,假设中心窗口的高度与各子窗口的高度差HSk(k∈[1,4])组成的矩阵为H4S,则:
当同一边的两个角所以的子窗口值均高于对应另一边的子窗口的值时,则为“坡”,坡度越大值越大。假设以东西方向坡度与抓斗长边方向一致,则安全隐患主要来源于左右两边平均高差。假设左右两边平均高差为HSlr,则
另外,四个子窗口Wk的堆料分布也与抓斗的安全有一定关系,分布情况越离散风险越大,对于整个抓取窗口Wpq,分布的离散风险用std(H4S)表示。根据2中分析可知,H4S中平均高度的正负数量情况以及CHS的值,很容易看出堆料的分布特征。当堆料总体一定时,CHS的值较大时,中心为“峰”,为较大负值时中心为“谷”,相对均安全;当为大坡时,HSlr值越大安全风险越高,成正比关系;与离散程度成正比关系。因此设抓取窗口的安全特征表达式为:
根据式可知,在Wpq抓取业务之前,需检测堆料的三维分布特征,包括中心窗口堆料高度差CHS、4个子窗口的堆料分布离散程度及坡度,由(式6)进行计算得到其风险值,当值越小时,说明安全性越好,当值超过预定的风险值时,可能发生脱槽风险,存在较大的安全风险隐患。
本发明模型仿真分析如下:
(1)根据式(1)、式(2)获取各窗口Wpq坐标,(p∈[1,2],q∈[1,3])。
(2)根据式(3)~(5),获得各窗口的CHS、HSk、H4S、HSlr等三维特征分布数据
(3)根据式(6)计算得到窗口分布特征Fpq,并统计各Wpq中Wn数据
(4)对各数据相关的图形进行三维展示,结合数据分析数据与图形的一致性
(5)对统计数据进行分析,得出结论
根据上述算法,各窗口的三维分布与安全特征仿真结果如图5。
根据三维分布模型的特征值CHS、H4S、HSlr、Wn,计算得到安全特征值SWpq,结合实际三维图与抓取经验可知,特征值越小,则抓取安全性越高,理论模型仿真数据与实际安全风险一致。实际操作上,大斜坡需避开。在实际应用中,通过以上三维特征分布,可有效的检测窗口的安全系数,具有良好的应用价值。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作任何其他形式的限制,而依据本发明的技术实质所作的任何修改或等同变化,仍属于本发明所要求保护的范围。
Claims (2)
1.干散料三维特征分布与抓取安全检测方法,具体步骤如下,其特征在于,
1)业务场景定义:
将干散料码头、仓库中,散料的堆放定义为倾倒或抓斗抛放形成,其三维分布具有连续性,又极不规则的特征,将整个区域共由39*99个基本单元格组成,无人值守系统中,将发货区域分为一个个的抓取方格,即“抓取窗口”,抓取时,抓斗根据作业指令,去抓取其覆盖下的抓取窗口,整个发货区域被分为对应抓取窗口;
将整个区域划分为m×n个单元窗口,每个单元窗口的边长为l,单位:cm,整个区域可视作一个矩阵Amn,每单元窗口Aij的平均高度为Hij,i∈[1…m],j∈[1…n],在抓取时,以俯视角度按抓斗抓取范围大小将Amn分成Wpq个窗口,则每个抓取窗口Wxy,x∈[1…p],y∈[1…n]包含Amn中个单元窗口;
为了方便分析窗口的三维分布特征与抓取安全特征,将每个抓取窗口划分为4个子窗口及中心子窗口,分别从平均高度、坡度的分布特征、安全特征进行分析;
2)三维分布与抓取安全性因素分析;
对于任意一个抓取窗口Wpq,假设其包含l行c列个基本单元格,则Wpq所在区域覆盖了l*c个单元格,将抓取窗口划分为Wk,k∈[1,4],4个子窗口和一个中心窗口Wc,在Wpq的中心位置,其余4个子窗口均互不相交;
由于细颗粒散料的分布是连续的,理想的情况是中间高、四周低,即物料集中于中心窗口Wc位置时,抓取安全且效果好;
为此分别对相应情况进行讨论;
由于只要四个子窗口只要高度分布较平均,“坡”度不大,或者堆料集中在中心窗口,呈“峰”状,则抓取时就比较安全,有较大坡度则容易出现脱槽事故,Wn表示中央窗口高于四个子窗口的数量,根据分析可知抓取的安全,与堆料分布位置有关,与形成的坡度大小有关;
3)建立三维分布特征模型;
假设料仓区域为m×n的正方形基本单元格,整个区域坐标可表示为矩阵;
假设任意一抓取窗口Wpq包含l行c列个单元窗口,则窗口Wpq的坐标位置为;
对于任何抓取窗口Wpq,设其中心窗口的平均高度与抓取窗口的平均高度差为CHS,则
CHS=mean(Wc)-mean(Wpq) (式3)
为表达四个子窗口堆料的分布情况,假设中心窗口的高度与各子窗口的高度差HSk组成的矩阵为H4S,其中k∈[1,4],则:
当同一边的两个角所以的子窗口值均高于对应另一边的子窗口的值时,则为“坡”,坡度越大值越大,假设以东西方向坡度与抓斗长边方向一致,则安全隐患来源于左右两边平均高差,假设左右两边平均高差为HSlr,则;
另外,四个子窗口Wk的堆料分布也与抓斗的安全有一定关系,分布情况越离散风险越大,对于整个抓取窗口Wpq,分布的离散风险用std(H4S)表示,其中H4S中平均高度的正负数量情况以及CHS的值,很容易看出堆料的分布特征,当堆料总体一定时,CHS的值较大时,中心为“峰”,为较大负值时中心为“谷”,相对均安全;当为大坡时,HSlr值越大安全风险越高,成正比关系;与离散程度成正比关系,因此设抓取窗口的安全特征表达式为:
根据式可知,在Wpq抓取业务之前,需检测堆料的三维分布特征,包括中心窗口堆料高度差CHS、4个子窗口的堆料分布离散程度及坡度,由(式6)进行计算得到其风险值,当值越小时,说明安全性越好,当值超过预定的风险值时,可能发生脱槽风险,存在较大的安全风险隐患。
2.根据权利要求1所述的干散料三维特征分布与抓取安全检测方法,其特征在于:步骤2)四个子窗口具体情况如下:
1)最理想的情况,料比较集中在抓取窗口中央,四边低,对于抓斗而言,非常安全;
2)三角低一角高,堆料总体上分布上中心位置,周边三个子窗口W2、W3、W4形成一个稳定平面;
3)总体分布呈大坡状,造成抓斗倾斜,当角度过大,容易出现脱槽现象;
4)三个角高可形成稳定平面,一个角低,不会形成安全威胁。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010376602.2A CN111581816B (zh) | 2020-05-07 | 2020-05-07 | 干散料三维特征分布与抓取安全检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010376602.2A CN111581816B (zh) | 2020-05-07 | 2020-05-07 | 干散料三维特征分布与抓取安全检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111581816A CN111581816A (zh) | 2020-08-25 |
CN111581816B true CN111581816B (zh) | 2020-12-22 |
Family
ID=72118779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010376602.2A Active CN111581816B (zh) | 2020-05-07 | 2020-05-07 | 干散料三维特征分布与抓取安全检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111581816B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113501426B (zh) * | 2021-06-30 | 2024-03-29 | 日照钢铁控股集团有限公司 | 一种旋流井行车自动堆料模型控制算法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017141321A1 (ja) * | 2016-02-15 | 2017-08-24 | 株式会社マリタイムイノベーションジャパン | クレーンの操作を支援するための指示装置、プログラムおよび記録媒体 |
CN108584467A (zh) * | 2018-05-25 | 2018-09-28 | 金陵科技学院 | 一种无人值守的矿区装载货系统 |
CN109019336A (zh) * | 2018-09-06 | 2018-12-18 | 北京起重运输机械设计研究院有限公司 | 一种基于物料检测的抓斗起重机控制系统及方法 |
CN110092299A (zh) * | 2019-04-23 | 2019-08-06 | 南京迈思物联网科技有限公司 | 一种规则抓矿方法 |
CN110826520A (zh) * | 2019-11-14 | 2020-02-21 | 燕山大学 | 一种基于改进YOLOv3-tiny算法的港口抓斗检测方法 |
CN110969326A (zh) * | 2018-09-30 | 2020-04-07 | 南京梅山冶金发展有限公司 | 一种散装货物智能高效发货方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101104480B (zh) * | 2006-07-14 | 2011-01-19 | 宝山钢铁股份有限公司 | 散货料场无人化堆取工艺 |
CN102336340A (zh) * | 2010-07-26 | 2012-02-01 | 上海派恩科技有限公司 | 全自动散货堆场堆取方法 |
-
2020
- 2020-05-07 CN CN202010376602.2A patent/CN111581816B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017141321A1 (ja) * | 2016-02-15 | 2017-08-24 | 株式会社マリタイムイノベーションジャパン | クレーンの操作を支援するための指示装置、プログラムおよび記録媒体 |
CN108584467A (zh) * | 2018-05-25 | 2018-09-28 | 金陵科技学院 | 一种无人值守的矿区装载货系统 |
CN109019336A (zh) * | 2018-09-06 | 2018-12-18 | 北京起重运输机械设计研究院有限公司 | 一种基于物料检测的抓斗起重机控制系统及方法 |
CN110969326A (zh) * | 2018-09-30 | 2020-04-07 | 南京梅山冶金发展有限公司 | 一种散装货物智能高效发货方法 |
CN110092299A (zh) * | 2019-04-23 | 2019-08-06 | 南京迈思物联网科技有限公司 | 一种规则抓矿方法 |
CN110826520A (zh) * | 2019-11-14 | 2020-02-21 | 燕山大学 | 一种基于改进YOLOv3-tiny算法的港口抓斗检测方法 |
Non-Patent Citations (4)
Title |
---|
Multibody Dynamics Model of a Scissors Grab for co-simulation with Discrete Element Method;Stef W. Lommen 等;《FME Transactions》;20121231;第40卷(第4期);第177-180页 * |
加强干散货码头的智能化应用;孙菊;《中国水运(下半月)》;20190115;第19卷(第1期);第113-114页 * |
干散货发货机器人规则发货模式下保证单斗抓取量的方法设计;常懿 等;《物联网技术》;20190920(第9期);第54-56页 * |
散货料堆的实时三维成像方法;张子才;《机电设备》;20090315(第2期);第25-29页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111581816A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9630320B1 (en) | Detection and reconstruction of an environment to facilitate robotic interaction with the environment | |
CN111581816B (zh) | 干散料三维特征分布与抓取安全检测方法 | |
US9205562B1 (en) | Integration of depth points into a height map | |
WO2020215772A1 (zh) | 一种智能叉车以及容器位姿偏移检测方法 | |
CN103955710B (zh) | 类地重力场环境下单目视觉空间识别方法 | |
CN108257173A (zh) | 一种图像信息中的物体分离方法及装置及系统 | |
CN110705046A (zh) | 基于仿真的混凝土坝仓面施工机械配置方法 | |
CN112850186B (zh) | 一种基于3d视觉的混合拆码垛方法 | |
CN115824052B (zh) | 一种基于激光雷达点云数据的堆料体积测量方法 | |
CN215286741U (zh) | 一种智能物流安防小车及智能物流安防系统 | |
CN104915544B (zh) | 一种港口露天散货堆场粉尘释放总量的估算方法 | |
CN111639424B (zh) | 基于dem的无人行车抓取安全与抓取效果检测算法 | |
CN114888790A (zh) | 基于散料三维特征分布的空间坐标寻位方法 | |
CN114971217A (zh) | 一种无人机对地风险评估方法及系统 | |
CN111626996B (zh) | 基于dem三维特征分布的滑动窗口检测方法 | |
CN111581813A (zh) | 无人值守行车抓取安全检测方法 | |
CN113008136A (zh) | 不规则堆料的体积测量方法、系统、电子设备及存储介质 | |
WO2024016633A1 (zh) | 物品拣选方法及装置、计算机可读存储介质 | |
CN112053339B (zh) | 一种基于机器视觉的棒材成品库行车安全监测方法、装置及设备 | |
CN115741690A (zh) | 一种料包抓取方法、系统、电子设备及存储介质 | |
CN114030997A (zh) | 一种用于检测抓斗状态的装置 | |
CN211294437U (zh) | 一种模拟地形突变可变坡的滑坡物理模型装置 | |
CN104615833B (zh) | 斗轮机挖掘取料切削阻力时间历程仿真模型的创建方法 | |
CN115170950A (zh) | 基于多特征约束的室外场景建筑物提取方法 | |
CN110175712B (zh) | 一种港口出口集装箱堆存区域空间规划方法 |
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 |