CN113742956B - 一种复杂空间自动匹配的智能塔吊物料堆叠方法和系统 - Google Patents

一种复杂空间自动匹配的智能塔吊物料堆叠方法和系统 Download PDF

Info

Publication number
CN113742956B
CN113742956B CN202110821056.3A CN202110821056A CN113742956B CN 113742956 B CN113742956 B CN 113742956B CN 202110821056 A CN202110821056 A CN 202110821056A CN 113742956 B CN113742956 B CN 113742956B
Authority
CN
China
Prior art keywords
space
materials
grids
dimensional
grid
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
CN202110821056.3A
Other languages
English (en)
Other versions
CN113742956A (zh
Inventor
陈德木
蒋云
陈曦
陆建江
赵晓东
顾姣燕
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.)
Hangzhou Dajie Intelligent Transmission Technology Co Ltd
Original Assignee
Hangzhou Dajie Intelligent Transmission Technology 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 Hangzhou Dajie Intelligent Transmission Technology Co Ltd filed Critical Hangzhou Dajie Intelligent Transmission Technology Co Ltd
Priority to CN202110821056.3A priority Critical patent/CN113742956B/zh
Publication of CN113742956A publication Critical patent/CN113742956A/zh
Application granted granted Critical
Publication of CN113742956B publication Critical patent/CN113742956B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Jib Cranes (AREA)

Abstract

本发明涉及复杂空间自动匹配的智能塔吊物料堆叠方法和系统，该方法包括：根据待堆叠物料中的总体积、待堆叠物料的总重量以及工作面空间的基本属性确定待堆叠物料与工作面空间是否匹配；若待堆叠物料与工作面空间匹配，分析工作面空间得到多个立体网格以及多个立体网格映射的空间分布特征；根据每个物料的形状和尺寸、多个立体网格以及映射的空间分布特征进行物料堆叠仿真确定物料堆叠的仿真方案；根据仿真方案进行物料堆叠。本申请实施例中不仅考虑了待堆叠物料的形状、尺寸、自重、体积，通过物料匹配工作面的空间状态使得工作面空间的利用效益最优化；而且通过确定物料堆叠的仿真方案，根据仿真方案进行物料堆叠，堆叠简单快捷，提升了准确率。

Description

一种复杂空间自动匹配的智能塔吊物料堆叠方法和系统
技术领域
本发明涉及物料堆叠技术领域，具体涉及一种复杂空间自动匹配的智能塔吊物料堆叠方法和系统。
背景技术
塔吊即塔式起重机，是一种重要的工程设施，通过起升、变幅、回转等动作，能够对大型物料执行垂直方向和水平方向的移动输运，可以在建筑工地等场景下广泛应用。传统的塔吊需要驾驶员在操作仓进行驾驶，依赖于驾驶员的技能和经验。智能塔吊是一种结合了物联网、空间状态感知、智能分析、高精度自动控制等功能的塔吊系统，能够实现无人驾驶和自主作业。将输送的物料堆叠在建筑工程的工作面上，是智能塔吊一个重要和常见的作业类型。物料的堆叠既要考虑物料自身的形状、尺寸和自重，寻求稳定可靠的堆叠，另一个方面堆叠的物料也要匹配工作面的空间状态，否则就不能达到空间利用效益的优化，还有可能会影响正常的施工作业，甚至产生安全隐患。
建筑工程的工作面空间中，存在大量的、形状各异的建筑结构，以及堆码的各种建筑物料，还包括位置动态变化的施工人员、车辆和其他设施等，因此智能塔吊的物料堆叠作业，所面对的工作面空间是一个复杂的空间结构。而且，不同建筑工地以及同一个工地的不同工作面往往差异很大，缺乏统一性，复杂的工作面空间显然给智能塔吊的物料堆叠带来了显著的困难。
发明内容
本发明提供的一种复杂空间自动匹配的智能塔吊物料堆叠方法和系统，能够解决上述物料堆叠中的技术问题。
本发明解决上述技术问题的技术方案如下：
第一方面，本发明实施例提供了一种复杂空间自动匹配的智能塔吊物料堆叠方法，包括：
获取待堆叠物料中的每个物料的形状和尺寸、待堆叠物料的总体积、待堆叠物料的总重量以及工作面空间的基本属性；
根据待堆叠物料中的总体积、待堆叠物料的总重量以及工作面空间的基本属性确定待堆叠物料与工作面空间是否匹配；
若待堆叠物料与工作面空间不匹配，反馈不匹配；
若待堆叠物料与工作面空间匹配，分析工作面空间得到多个立体网格以及多个立体网格映射的空间分布特征；
根据每个物料的形状和尺寸、多个立体网格以及多个立体网格映射的空间分布特征进行物料堆叠仿真确定物料堆叠的仿真方案；
根据仿真方案进行物料堆叠；
其中，工作面的基本属性包括：工作面承重的许可值和工作面空间的最大容纳物料体积。
在一些实施例中，上述方法中确定物料堆叠的仿真方案后，还包括：
将物料堆叠的仿真方案与预先设置的物料堆叠的稳定性模板进行校验；
根据校验结果确定多个立体网格中是否存在不稳定的立体网格；
若存在不稳定的立体网格，则重新确定物料堆叠的仿真方案；
若不存在不稳定的立体网格，根据仿真方案进行物料堆叠。
在一些实施例中，上述方法中根据每个物料的形状和尺寸、多个立体网格以及多个立体网格映射的空间分布特征进行物料堆叠仿真确定物料堆叠的仿真方案，包括：
根据每个物料的形状和尺寸、多个立体网格以及多个立体网格映射的空间分布特征，依次确定每个物料与立体网格或者立体网格组合的适配度；
如果适配度符合则依次将物料仿真放置在立体网格或者立体网格组合，直至每个物料仿真放置完毕，形成物料堆叠的仿真方案。
在一些实施例中，上述方法中将物料堆叠的仿真方案与预先设置的物料堆叠的稳定性模板进行校验，包括：
获取稳定性模板中的每一个网格，以及每一个网格的自重及其邻近网格的接触支撑关系形成的向量集合；
将向量集合输入到分类器中进行训练；
获取物料堆叠的仿真方案中的每个物料网格的自重和邻近每个物料网格的接触支撑关系的仿真向量集合；
将仿真向量集合输入至训练完的分类器中进行分类，确定多个立体网格中是否存在不稳定的立体网格。
在一些实施例中，上述方法中分析工作面空间得到多个立体网格以及多个立体网格映射的空间分布特征，包括：
获取工作面空间的三维空间数据；
对三维空间数据进行空间剖分或目标剖分得到多个立体网格；
确定多个立体网格中每一个立体网格映射的空间分布特征；
其中，空间分布特征包括：每个立体网格的目标的描述字段以及每个立体网格邻近关联网格的描述字段。
第二方面，本发明实施例提供了一种复杂空间自动匹配的智能塔吊物料堆叠系统，包括：
获取模块：用于获取待堆叠物料中的每个物料的形状和尺寸、待堆叠物料的总体积、待堆叠物料的总重量以及工作面空间的基本属性；
第一确定模块：用于根据待堆叠物料中的总体积、待堆叠物料的总重量以及工作面空间的基本属性确定待堆叠物料与工作面空间是否匹配；
反馈模块：用于若待堆叠物料与工作面空间不匹配，反馈不匹配；
分析模块：用于若待堆叠物料与工作面空间匹配，分析工作面空间得到多个立体网格以及多个立体网格映射的空间分布特征；
第二确定模块：用于根据每个物料的形状和尺寸、多个立体网格以及多个立体网格映射的空间分布特征进行物料堆叠仿真确定物料堆叠的仿真方案；
物料堆叠模块：用于根据仿真方案进行物料堆叠；
其中，工作面的基本属性包括：工作面承重的许可值和工作面空间的最大容纳物料体积。
在一些实施例中，上述系统还包括校验模块，校验模块用于：
将物料堆叠的仿真方案与预先设置的物料堆叠的稳定性模板进行校验；
根据校验结果确定多个立体网格中是否存在不稳定的立体网格；
若存在不稳定的立体网格，则重新确定物料堆叠的仿真方案；
若不存在不稳定的立体网格，根据仿真方案进行物料堆叠。
在一些实施例中，上述系统中的第二确定模块还用于：
根据每个物料的形状和尺寸、多个立体网格以及多个立体网格映射的空间分布特征，依次确定每个物料与立体网格或者立体网格组合的适配度；
如果适配度符合则依次将物料仿真放置在立体网格或者立体网格组合，直至每个物料仿真放置完毕，形成物料堆叠的仿真方案。
在一些实施例中，上述系统中的校验模块还用于：
获取稳定性模板中的每一个网格，以及每一个网格的自重及其邻近网格的接触支撑关系形成的向量集合；
将向量集合输入到分类器中进行训练；
获取物料堆叠的仿真方案中的每个物料网格的自重和邻近每个物料网格的接触支撑关系的仿真向量集合；
将仿真向量集合输入至训练完的分类器中进行分类，确定多个立体网格中是否存在不稳定的立体网格。
在一些实施例中，上述系统中的分析模块还用于：
获取工作面空间的三维空间数据；
对三维空间数据进行空间剖分或目标剖分得到多个立体网格；
确定多个立体网格中每一个立体网格映射的空间分布特征；
其中，空间分布特征包括：每个立体网格的目标的描述字段以及每个立体网格邻近关联网格的描述字段。
本发明的有益效果是：获取待堆叠物料中的每个物料的形状和尺寸、待堆叠物料的总体积、待堆叠物料的总重量以及工作面空间的基本属性；根据待堆叠物料中的总体积、待堆叠物料的总重量以及工作面空间的基本属性确定待堆叠物料与工作面空间是否匹配；若待堆叠物料与工作面空间匹配，分析工作面空间得到多个立体网格以及多个立体网格映射的空间分布特征；根据每个物料的形状和尺寸、多个立体网格以及映射的空间分布特征进行物料堆叠仿真确定物料堆叠的仿真方案；根据仿真方案进行物料堆叠。本申请实施例中不仅考虑了待堆叠物料的形状、尺寸、自重、体积，通过物料匹配工作面的空间状态使得工作面空间的利用效益最优化；而且通过确定物料堆叠的仿真方案，根据仿真方案进行物料堆叠，堆叠简单快捷，提升了准确率。
附图说明
图1为本发明实施例提供的一种复杂空间自动匹配的智能塔吊物料堆叠方法图一；
图2为本发明实施例提供的一种复杂空间自动匹配的智能塔吊物料堆叠方法图二；
图3为本发明实施例提供的一种复杂空间自动匹配的智能塔吊物料堆叠方法图三；
图4为本发明实施例提供的一种复杂空间自动匹配的智能塔吊物料堆叠方法图四；
图5为本发明实施例提供的一种复杂空间自动匹配的智能塔吊物料堆叠系统图一；
图6为本发明实施例提供的一种复杂空间自动匹配的智能塔吊物料堆叠系统图二。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本公开，而非对本申请的限定。基于所描述的本申请的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
图1为本发明实施例提供的一种复杂空间自动匹配的智能塔吊物料堆叠方法图一。
第一方面，本发明实施例提供了一种复杂空间自动匹配的智能塔吊物料堆叠方法，结合图1，包括S101至S105五个步骤：
S101：获取待堆叠物料中的每个物料的形状和尺寸、待堆叠物料的总体积、待堆叠物料的总重量以及工作面空间的基本属性；
具体的，本申请实施例中，获取到待堆叠物料中的每个物料的形状和尺寸后，由于待堆叠物料中的物料不一定是规则的形状，虚拟了一个包裹物料的外接包围框，将包围框的体积累加统计为待堆叠物料的总体积，待堆叠物料的总重量是通过每个物料的重量加和确定的，工作面空间的基本属性包括：工作面承重的许可值和工作面空间的最大容纳物料体积。
S102：根据待堆叠物料中的总体积、待堆叠物料的总重量以及工作面空间的基本属性确定待堆叠物料与工作面空间是否匹配；
具体的，本申请实施例中，将待堆叠物料的总体积、待堆叠物料的总重量与工作面空间的基本属性即工作面承重的许可值、工作面空间的最大容纳物料体积进行比对确定待堆叠物料与工作面空间是否匹配。
S103：若待堆叠物料与工作面空间不匹配，反馈不匹配；若待堆叠物料与工作面空间匹配，分析工作面空间得到多个立体网格以及多个立体网格映射的空间分布特征；
具体的，本申请实施例中，如果确定待堆叠物料与工作面空间不匹配则可以通过语音视频等方式向用户反馈不匹配，从而用户采取措施解决不匹配的问题；若待堆叠物料与工作面空间匹配，对工作面空间进行分析得到多个立体网格以及多个立体网格映射的空间分布特征。
S104：根据每个物料的形状和尺寸、多个立体网格以及多个立体网格映射的空间分布特征进行物料堆叠仿真确定物料堆叠的仿真方案；
S105：根据仿真方案进行物料堆叠；
具体的，本申请实施例中，在待堆叠物料与工作面空间匹配的情况下，根据每个物料的形状和尺寸、多个立体网格以及多个立体网格映射的空间分布特征进行物料堆叠仿真确定物料堆叠的仿真方案，根据仿真方案进行物料堆叠，不仅提升了工作面空间利用率，而且堆叠简单快捷、提升了堆叠的准确率。
图2为本发明实施例提供的一种复杂空间自动匹配的智能塔吊物料堆叠方法图二；
在一些实施例中，结合图2，上述方法中确定物料堆叠的仿真方案后，还包括S201至S203三个步骤：
S201：将物料堆叠的仿真方案与预先设置的物料堆叠的稳定性模板进行校验；
S202：根据校验结果确定多个立体网格中是否存在不稳定的立体网格；
S203：若存在不稳定的立体网格，则重新确定物料堆叠的仿真方案；若不存在不稳定的立体网格，根据仿真方案进行物料堆叠。
具体的，本申请实施例中，在确定仿真方案后，还通过预先设置的物料堆叠的稳定性模板对物料堆叠的仿真方案进行校验，确定物料堆叠的仿真方案中是否存在非稳定性的物料网格，若物料堆叠的仿真方案中存在非稳定性的物料网格，确定物料堆叠仿真方案不能通过校验，则重新进行物料堆叠仿真，形成新的物料堆叠仿真方案；如果经校验物料堆叠的仿真方案中不存在非稳定性的物料网格，则物料堆叠的仿真方案通过校验；智能塔吊按照校验通过的物料堆叠仿真方案，实际执行物料堆叠作业，进一步提升了堆叠的准确率。
在一些实施例中，上述方法中根据每个物料的形状和尺寸、多个立体网格以及多个立体网格映射的空间分布特征进行物料堆叠仿真确定物料堆叠的仿真方案，包括：
根据每个物料的形状和尺寸、多个立体网格以及多个立体网格映射的空间分布特征，依次确定每个物料与立体网格或者立体网格组合的适配度；
如果适配度符合则依次将物料仿真放置在立体网格或者立体网格组合，直至每个物料仿真放置完毕，形成物料堆叠的仿真方案。
具体的，本申请实施例中，根据待堆叠物料中涉及的每一个物料的形状和尺寸，依次确定能够容纳待堆叠物料中涉及的每一个物料的立体网格或者立体网格组合，并且根据立体网格或者立体网格组合及其邻近关联网格的描述字段，判断待堆叠物料中涉及的每一个物料与立体网格或者立体网格组合的适配度，例如，物料的类型与立体网格或者立体网格组合及其邻近立体网格中的目标的类型、动静态状况是否匹配，如果适配度符合则将该物料仿真放置在立体网格或者立体网格组合；然后进入下一个物料，迭代上述过程，直至全部物料仿真放置完毕；形成一个物料堆叠的仿真方案。
图3为本发明实施例提供的一种复杂空间自动匹配的智能塔吊物料堆叠方法图三。
在一些实施例中，上述方法中将物料堆叠的仿真方案与预先设置的物料堆叠的稳定性模板进行校验，包括：
S301：获取稳定性模板中的每一个网格，以及每一个网格的自重及其邻近网格的接触支撑关系形成的向量集合；
S302：将向量集合输入到分类器中进行训练；
S303：获取物料堆叠的仿真方案中的每个物料网格的自重和邻近每个物料网格的接触支撑关系的仿真向量集合；
S304：将仿真向量集合输入至训练完的分类器中进行分类，确定多个立体网格中是否存在不稳定的立体网格。
具体来说，对于预先设置的物料堆叠的稳定性模板，获取稳定性模板中的每一个网格，获取每一个网格自重及其邻近网格的接触支撑关系形成的向量集合；将从稳定性模板获取的向量集合输入至分类器中进行训练；训练完成后，将物料堆叠的仿真方案的每个物料网格的自重和邻近每个物料网格的接触支撑关系的仿真向量集合，输入至训练完的分类器进行分类，判断多个立体网格中是否存在不稳定的立体网格。
图4为本发明实施例提供的一种复杂空间自动匹配的智能塔吊物料堆叠方法图四。
在一些实施例中，上述方法中分析工作面空间得到多个立体网格以及多个立体网格映射的空间分布特征，包括：
S401：获取工作面空间的三维空间数据；
具体的，本申请实施例中，获取工作面空间的三维空间数据，可以是在工作面空间设置视频摄像头、激光雷达或二者结合的方式，示例性的，在工作面空间布置多个激光雷达，通过激光反射形成的点云数据，获取反映工作面空间中存在的静态、动态目标的空间形状和空间位置的三维空间数据，工作面空间中的建筑结构，已经堆码的各种建筑物料、动态变化的施工人员、车辆和其他设施等，都可以作为上述静态或者动态目标。
S402：对三维空间数据进行空间剖分或目标剖分得到多个立体网格；
具体的，本申请实施例中，对于工作面空间的三维空间数据，进行以立体网格为单位的空间剖分和目标剖分；对于没有目标分布的空白空间，进行空间剖分；对于存在目标分布的空间，则进行目标剖分；空间剖分和目标剖分，都是剖分为适当大小的立体网格从而得到多个立体网格。
S403：确定多个立体网格中每一个立体网格映射的空间分布特征；
具体的，本申请实施例中，对于剖分出来的每一个立体网格，确定每一个立体网格映射的空间分布特征；网格的空间分布特征包括该网格自身分布的目标的描述字段，即占据该网格的目标的类型，动态或者静态，以及每个立体网格邻近关联网格的描述字段。
图5为本发明实施例提供的一种复杂空间自动匹配的智能塔吊物料堆叠系统图一。
第二方面，本发明实施例提供了一种复杂空间自动匹配的智能塔吊物料堆叠系统，包括：
获取模块501：用于获取待堆叠物料中的每个物料的形状和尺寸、待堆叠物料的总体积、待堆叠物料的总重量以及工作面空间的基本属性。
具体的，本申请实施例中，获取模块501获取到待堆叠物料中的每个物料的形状和尺寸后，由于待堆叠物料中的物料不一定是规则的形状，虚拟了一个包裹物料的外接包围框，将包围框的体积累加统计为待堆叠物料的总体积，待堆叠物料的总重量是通过每个物料的重量加和确定的，工作面空间的基本属性包括：工作面承重的许可值和工作面空间的最大容纳物料体积。
第一确定模块502：用于根据待堆叠物料中的总体积、待堆叠物料的总重量以及工作面空间的基本属性确定待堆叠物料与工作面空间是否匹配。
具体的，本申请实施例中，第一确定模块502将待堆叠物料的总体积、待堆叠物料的总重量与工作面空间的基本属性即工作面承重的许可值、工作面空间的最大容纳物料体积进行比对确定待堆叠物料与工作面空间是否匹配。
反馈模块503：用于若待堆叠物料与工作面空间不匹配，反馈不匹配；
分析模块504：用于若待堆叠物料与工作面空间匹配，分析工作面空间得到多个立体网格以及多个立体网格映射的空间分布特征；
具体的，本申请实施例中，如果确定待堆叠物料与工作面空间不匹配则反馈模块503可以通过语音视频等方式向用户反馈不匹配，从而用户采取措施解决不匹配的问题；若待堆叠物料与工作面空间匹配，分析模块504对工作面空间进行分析得到多个立体网格以及多个立体网格映射的空间分布特征。
第二确定模块505：用于根据每个物料的形状和尺寸、多个立体网格以及多个立体网格映射的空间分布特征进行物料堆叠仿真确定物料堆叠的仿真方案；
物料堆叠模块506：用于根据仿真方案进行物料堆叠。
具体的，本申请实施例中，在待堆叠物料与工作面空间匹配的情况下，第二确定模块505根据每个物料的形状和尺寸、多个立体网格以及多个立体网格映射的空间分布特征进行物料堆叠仿真确定物料堆叠的仿真方案，物料堆叠模块506根据仿真方案进行物料堆叠，不仅提升了工作面空间利用率，而且堆叠简单快捷、提升了堆叠的准确率。
图6为本发明实施例提供的一种复杂空间自动匹配的智能塔吊物料堆叠系统图二。
在一些实施例中，上述系统还包括校验模块601，校验模块601用于：
将物料堆叠的仿真方案与预先设置的物料堆叠的稳定性模板进行校验；
根据校验结果确定多个立体网格中是否存在不稳定的立体网格；
若存在不稳定的立体网格，则重新确定物料堆叠的仿真方案；
若不存在不稳定的立体网格，根据仿真方案进行物料堆叠。
具体的，本申请实施例中，在确定仿真方案后，校验模块601还通过预先设置的物料堆叠的稳定性模板对物料堆叠的仿真方案进行校验，确定物料堆叠的仿真方案中是否存在非稳定性的物料网格，若物料堆叠的仿真方案中存在非稳定性的物料网格，确定物料堆叠仿真方案不能通过校验，则重新进行物料堆叠仿真，形成新的物料堆叠仿真方案；如果经校验物料堆叠的仿真方案中不存在非稳定性的物料网格，则物料堆叠的仿真方案通过校验；智能塔吊按照校验通过的物料堆叠仿真方案，物料堆叠模块506实际执行物料堆叠作业，进一步提升了堆叠的准确率。
在一些实施例中，上述系统中的第二确定模块505还用于：
根据每个物料的形状和尺寸、多个立体网格以及多个立体网格映射的空间分布特征，依次确定每个物料与立体网格或者立体网格组合的适配度；
如果适配度符合则依次将物料仿真放置在立体网格或者立体网格组合，直至每个物料仿真放置完毕，形成物料堆叠的仿真方案。
具体的，本申请实施例中，第二确定模块505根据待堆叠物料中涉及的每一个物料的形状和尺寸，依次确定能够容纳待堆叠物料中涉及的每一个物料的立体网格或者立体网格组合，并且根据立体网格或者立体网格组合及其邻近关联网格的描述字段，判断待堆叠物料中涉及的每一个物料与立体网格或者立体网格组合的适配度，例如，物料的类型与立体网格或者立体网格组合及其邻近立体网格中的目标的类型、动静态状况是否匹配，如果适配度符合则将该物料仿真放置在立体网格或者立体网格组合；然后进入下一个物料，迭代上述过程，直至全部物料仿真放置完毕；形成一个物料堆叠的仿真方案。
在一些实施例中，上述系统中的校验模块601还用于：
获取稳定性模板中的每一个网格，以及每一个网格的自重及其邻近网格的接触支撑关系形成的向量集合；
将向量集合输入到分类器中进行训练；
获取物料堆叠的仿真方案中的每个物料网格的自重和邻近每个物料网格的接触支撑关系的仿真向量集合；
将仿真向量集合输入至训练完的分类器中进行分类，确定多个立体网格中是否存在不稳定的立体网格。
具体来说，对于预先设置的物料堆叠的稳定性模板，校验模块601获取稳定性模板中的每一个网格，获取每一个网格自重及其邻近网格的接触支撑关系形成的向量集合；将从稳定性模板获取的向量集合输入至分类器中进行训练；训练完成后，将物料堆叠的仿真方案的每个物料网格的自重和邻近每个物料网格的接触支撑关系的仿真向量集合，输入至训练完的分类器进行分类，校验模块601判断多个立体网格中是否存在不稳定的立体网格。
在一些实施例中，上述系统中的分析模块504还用于：
获取工作面空间的三维空间数据；
具体的，本申请实施例中，分析模块504获取工作面空间的三维空间数据，可以是在工作面空间设置视频摄像头、激光雷达或二者结合的方式，示例性的，在工作面空间布置多个激光雷达，通过激光反射形成的点云数据，获取反映工作面空间中存在的静态、动态目标的空间形状和空间位置的三维空间数据，工作面空间中的建筑结构，已经堆码的各种建筑物料、动态变化的施工人员、车辆和其他设施等，都可以作为上述静态或者动态目标。
对三维空间数据进行空间剖分或目标剖分得到多个立体网格；
具体的，本申请实施例中，对于工作面空间的三维空间数据，分析模块504进行以立体网格为单位的空间剖分和目标剖分；对于没有目标分布的空白空间，进行空间剖分；对于存在目标分布的空间，则进行目标剖分；空间剖分和目标剖分，都是剖分为适当大小的立体网格从而得到多个立体网格。
确定多个立体网格中每一个立体网格映射的空间分布特征；
具体的，本申请实施例中，对于剖分出来的每一个立体网格，分析模块504确定每一个立体网格映射的空间分布特征；网格的空间分布特征包括该网格自身分布的目标的描述字段，即占据该网格的目标的类型，动态或者静态，以及每个立体网格邻近关联网格的描述字段。
本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。
本领域的技术人员能够理解，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
虽然结合附图描述了本申请的实施方式，但是本领域技术人员可以在不脱离本申请的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.复杂空间自动匹配的智能塔吊物料堆叠方法，其特征在于，包括：
获取待堆叠物料中的每个物料的形状和尺寸、待堆叠物料的总体积、待堆叠物料的总重量以及工作面空间的基本属性；
根据所述待堆叠物料中的总体积、待堆叠物料的总重量以及工作面空间的基本属性确定所述待堆叠物料与所述工作面空间是否匹配；
若所述待堆叠物料与所述工作面空间不匹配，反馈不匹配；
若所述待堆叠物料与所述工作面空间匹配，分析所述工作面空间得到多个立体网格以及所述多个立体网格映射的空间分布特征；
根据所述每个物料的形状和尺寸、所述多个立体网格以及所述多个立体网格映射的空间分布特征进行物料堆叠仿真确定物料堆叠的仿真方案；
根据所述仿真方案进行物料堆叠；
其中，所述工作面的基本属性包括：工作面承重的许可值和工作面空间的最大容纳物料体积。
2.根据权利要求1所述的复杂空间自动匹配的智能塔吊物料堆叠方法，其特征在于，所述确定物料堆叠的仿真方案后，所述方法还包括：
将所述物料堆叠的仿真方案与预先设置的物料堆叠的稳定性模板进行校验；
根据校验结果确定多个立体网格中是否存在不稳定的立体网格；
若存在所述不稳定的立体网格，则重新确定物料堆叠的仿真方案；
若不存在所述不稳定的立体网格，根据所述仿真方案进行物料堆叠。
3.根据权利要求1所述的复杂空间自动匹配的智能塔吊物料堆叠方法，其特征在于，所述根据所述每个物料的形状和尺寸、所述多个立体网格以及所述多个立体网格映射的空间分布特征进行物料堆叠仿真确定物料堆叠的仿真方案，包括：
根据所述每个物料的形状和尺寸、所述多个立体网格以及所述多个立体网格映射的空间分布特征，依次确定每个物料与所述立体网格或者所述立体网格组合的适配度；
如果适配度符合则依次将物料仿真放置在所述立体网格或者所述立体网格组合，直至所述每个物料仿真放置完毕，形成所述物料堆叠的仿真方案。
4.根据权利要求2所述的复杂空间自动匹配的智能塔吊物料堆叠方法，其特征在于，所述将所述物料堆叠的仿真方案与预先设置的物料堆叠的稳定性模板进行校验，包括：
获取所述稳定性模板中的每一个网格，以及所述每一个网格的自重及其邻近网格的接触支撑关系形成的向量集合；
将所述向量集合输入到分类器中进行训练；
获取所述物料堆叠的仿真方案中的每个物料网格的自重和邻近每个物料网格的接触支撑关系的仿真向量集合；
将所述仿真向量集合输入至训练完的分类器中进行分类，确定多个立体网格中是否存在不稳定的立体网格。
5.根据权利要求1所述的复杂空间自动匹配的智能塔吊物料堆叠方法，其特征在于，所述分析所述工作面空间得到多个立体网格以及所述多个立体网格映射的空间分布特征，包括：
获取所述工作面空间的三维空间数据；
对所述三维空间数据进行空间剖分或目标剖分得到多个立体网格；
确定多个立体网格中每一个立体网格映射的空间分布特征；
其中，所述空间分布特征包括：每个立体网格的目标的描述字段以及每个立体网格邻近关联网格的描述字段。
6.复杂空间自动匹配的智能塔吊物料堆叠系统，其特征在于，包括：
获取模块：用于获取待堆叠物料中的每个物料的形状和尺寸、待堆叠物料的总体积、待堆叠物料的总重量以及工作面空间的基本属性；
第一确定模块：用于根据所述待堆叠物料中的总体积、待堆叠物料的总重量以及工作面空间的基本属性确定所述待堆叠物料与所述工作面空间是否匹配；
反馈模块：用于若所述待堆叠物料与所述工作面空间不匹配，反馈不匹配；
分析模块：用于若所述待堆叠物料与所述工作面空间匹配，分析所述工作面空间得到多个立体网格以及所述多个立体网格映射的空间分布特征；
第二确定模块：用于根据所述每个物料的形状和尺寸、所述多个立体网格以及所述多个立体网格映射的空间分布特征进行物料堆叠仿真确定物料堆叠的仿真方案；
物料堆叠模块：用于根据所述仿真方案进行物料堆叠；
其中，所述工作面的基本属性包括：工作面承重的许可值和工作面空间的最大容纳物料体积。
7.根据权利要求6所述的复杂空间自动匹配的智能塔吊物料堆叠系统，其特征在于，还包括校验模块，所述校验模块用于：
将所述物料堆叠的仿真方案与预先设置的物料堆叠的稳定性模板进行校验；
根据校验结果确定多个立体网格中是否存在不稳定的立体网格；
若存在所述不稳定的立体网格，则重新确定物料堆叠的仿真方案；
若不存在所述不稳定的立体网格，根据所述仿真方案进行物料堆叠。
8.根据权利要求6所述的复杂空间自动匹配的智能塔吊物料堆叠系统，其特征在于，第二确定模块还用于：
根据所述每个物料的形状和尺寸、所述多个立体网格以及所述多个立体网格映射的空间分布特征，依次确定每个物料与所述立体网格或者所述立体网格组合的适配度；
如果适配度符合则依次将物料仿真放置在所述立体网格或者所述立体网格组合，直至所述每个物料仿真放置完毕，形成所述物料堆叠的仿真方案。
9.根据权利要求7所述的复杂空间自动匹配的智能塔吊物料堆叠系统，其特征在于，所述校验模块还用于：
获取所述稳定性模板中的每一个网格，以及所述每一个网格的自重及其邻近网格的接触支撑关系形成的向量集合；
将所述向量集合输入到分类器中进行训练；
获取所述物料堆叠的仿真方案中的每个物料网格的自重和邻近每个物料网格的接触支撑关系的仿真向量集合；
将所述仿真向量集合输入至训练完的分类器中进行分类，确定多个立体网格中是否存在不稳定的立体网格。
10.根据权利要求6所述的复杂空间自动匹配的智能塔吊物料堆叠系统，其特征在于，分析模块还用于：
获取所述工作面空间的三维空间数据；
对所述三维空间数据进行空间剖分或目标剖分得到多个立体网格；
确定多个立体网格中每一个立体网格映射的空间分布特征；
其中，所述空间分布特征包括：每个立体网格的目标的描述字段以及每个立体网格邻近关联网格的描述字段。
CN202110821056.3A 2021-07-20 2021-07-20 一种复杂空间自动匹配的智能塔吊物料堆叠方法和系统 Active CN113742956B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110821056.3A CN113742956B (zh) 2021-07-20 2021-07-20 一种复杂空间自动匹配的智能塔吊物料堆叠方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110821056.3A CN113742956B (zh) 2021-07-20 2021-07-20 一种复杂空间自动匹配的智能塔吊物料堆叠方法和系统

Publications (2)

Publication Number Publication Date
CN113742956A CN113742956A (zh) 2021-12-03
CN113742956B true CN113742956B (zh) 2023-06-02

Family

ID=78728766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110821056.3A Active CN113742956B (zh) 2021-07-20 2021-07-20 一种复杂空间自动匹配的智能塔吊物料堆叠方法和系统

Country Status (1)

Country Link
CN (1) CN113742956B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111429504A (zh) * 2020-03-02 2020-07-17 武汉大学 基于三维点云的物料堆自动提取和体积测量方法及系统
CN111985675A (zh) * 2020-06-01 2020-11-24 梅卡曼德（北京）机器人科技有限公司 托盘空间规划方法、码垛方法及其装置、及电子设备
CN112009813A (zh) * 2019-05-31 2020-12-01 牧今科技 具有打包机制的机器人系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9495656B2 (en) * 2014-10-13 2016-11-15 Sap Se Material handling method

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112009813A (zh) * 2019-05-31 2020-12-01 牧今科技 具有打包机制的机器人系统
CN111429504A (zh) * 2020-03-02 2020-07-17 武汉大学 基于三维点云的物料堆自动提取和体积测量方法及系统
CN111985675A (zh) * 2020-06-01 2020-11-24 梅卡曼德（北京）机器人科技有限公司 托盘空间规划方法、码垛方法及其装置、及电子设备

Also Published As

Publication number Publication date
CN113742956A (zh) 2021-12-03

Similar Documents

Publication Publication Date Title
DE102019130923B4 (de) Robotersystem für das palettieren von paketen unter verwendung von echtzeit-platzierungssimulation
US20220309201A1 (en) Artificial-intelligence-assisted method for providing urban design form and layout with improved wind environment
Mill et al. Combined 3D building surveying techniques–terrestrial laser scanning (TLS) and total station surveying for BIM data management purposes
Olearczyk et al. Evolution of the crane selection and on-site utilization process for modular construction multilifts
US6922234B2 (en) Method and apparatus for generating structural data from laser reflectance images
CN101192307B (zh) 点云三角网格面构建方法
CN104408055B (zh) 一种激光雷达点云数据的存储方法及装置
CN106646645B (zh) 一种重力正演加速方法
CN112784002A (zh) 一种虚拟场景生成方法、装置、设备和存储介质
CN113850793A (zh) 一种码垛规划方法、装置及电子设备
CN108318002A (zh) 一种无人机巡检方法以及装置
CN113742956B (zh) 一种复杂空间自动匹配的智能塔吊物料堆叠方法和系统
CN106658538B (zh) 一种基于泰森多边形的手机基站信号覆盖范围模拟方法
Trebuňa et al. 3D scanning as a modern technology for creating 3D models
CN110019625B (zh) 文本标准地址空间化方法和装置、计算机可读存储介质
CN116883612B (zh) 一种三维场景模型生成方法及系统
KR101472324B1 (ko) 건축구조도면 자동화 시스템 및 이를 이용한 건축구조도면 자동화 방법
JP2017009557A (ja) 境界点抽出方法およびトータルステーションを用いた測定方法
CN107797556A (zh) 一种利用巡维机器人实现服务器启停的方法
Lee et al. Generation of 3D Terrain Map Using Cell Deviation Algorithm for Earthwork
CN108319717B (zh) 一种矢量点转换为栅格点时最佳栅格尺寸范围的计算方法
Duzhin et al. Modeling of an asymptotically central Markov process on 3D Young graph
Cahalane et al. Calculation of target-specific point distribution for 2D mobile laser scanners
CN113822892A (zh) 仿真雷达的评测方法、装置、设备及计算机程序产品
CN114692237A (zh) 基于多模态评估指标的混合码垛方法、装置、设备及介质

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