CN114494832A - 一种码头集卡停车对位方法、系统和装置 - Google Patents

Abstract

本发明公开了一种码头集卡停车对位方法、系统和装置，该方法包括获取集卡所要停车的场地的点云数据；根据所述点云数据获取所述集卡所要停车的目标停车位的地面平面的参数；根据所述点云数据获取所述集卡的模型数据，并根据所述模型数据获取所述集卡的外包围盒的轮廓数据；根据所述集卡的模型数据获取所述集卡的集装箱箱型；根据所述集装箱箱型以及所述目标停车位的地面平面的参数确定所述集卡的车头或车尾所要对位的目标对位平面的参数；目标对位平面与地面平面垂直；获取所述集卡的外包围盒与所述目标对位平面之间第一间距，当所述第一间距小于或等于预设间距时，判断所述集卡停车对位成功，以实现码头集卡停车的对位自动化。

Description

一种码头集卡停车对位方法、系统和装置

技术领域

本发明实施例涉及码头集卡停车对位技术领域，尤其涉及一种码头集卡停车对位方法、系统和装置。

背景技术

在港口，针对集卡(集装箱卡车)的货柜装卸作业过程中，需要很多机械设备要进行长期的重复性工作，如果全凭人力操作，会浪费很多的人力资源，还会造成工作效率低下。为了提高效率及解决安全隐患，许多港口已经开始探索如何对旧的港口装卸设备进行改造。

发明内容

本发明提供一种码头集卡停车对位方法、系统和装置，以实现码头集卡停车的对位自动化，数字化，智能化。

为实现上述目的，本发明第一方面实施例提出了一种码头集卡停车对位方法，包括以下步骤：

获取集卡所要停车的场地的点云数据；

根据所述点云数据获取所述集卡所要停车的目标停车位的地面平面的参数；

根据所述点云数据获取所述集卡的模型数据，并根据所述模型数据获取所述集卡的外包围盒的轮廓数据；

根据所述集卡的模型数据获取所述集卡的集装箱箱型；

根据所述集装箱箱型以及所述目标停车位的地面平面的参数确定所述集卡的车头或车尾所要对位的目标对位平面的参数；所述目标对位平面与所述地面平面垂直；

获取所述集卡的外包围盒与所述目标对位平面之间第一间距，当所述第一间距小于或等于预设间距时，判断所述集卡停车对位成功。

根据本发明的一个实施例，所述根据所述点云数据获取所述集卡所要停车的目标停车位的地面平面的参数包括：

对所述点云数据进行滤波处理，获取滤波点云数据；

根据所述滤波点云数据，得到所述目标停车位的地面平面的参数。

根据本发明的一个实施例，根据所述滤波点云数据，得到所述目标停车位的地面平面的参数包括：

定义分割模型，判断所述滤波点云数据中的当前点是否适应于所述分割模型，如果是，则将所述当前点归为局内点；如果否，则将所述当前点归为局外点；

遍历所述滤波点云中的点，统计所有所述局内点的数量，当所述局内点的数量大于或等于预设阈值时，根据当前所有所述局内点对所述分割模型进行更新，并存储所有所述局内点作为分割结果；

当所有所述局内点的数量小于预设阈值时，判断当前所有所述局内点的数量是否大于所述分割模型中局内点的数量，如果是，则根据当前所有所述局内点对所述分割模型进行更新，并存储所有所述局内点作为分割结果；如果否，则使用所述分割模型作为分割结果；其中，所述分割模型为地面平面模型；

根据所述分割结果获取所述目标停车位的地面平面的参数。

根据本发明的一个实施例，在根据所述滤波点云数据，得到所述目标停车位的地面平面的参数之前，还包括：

栅格化处理所述滤波点云数据。

根据本发明的一个实施例，所述根据所述点云数据获取所述集卡的模型数据，并根据所述模型数据获取所述集卡的外包围盒的轮廓数据，包括：

对所述点云数据进行直通滤波处理，获取直通滤波点云数据；

根据所述直通滤波点云数据获取所述集卡的模型数据；

根据所述模型数据提取所述集卡的轮廓数据。

根据本发明的一个实施例，在判断所述集卡停车对位成功之后，还包括：

根据所述点云数据对所述集装箱进行建模，获取所述集装箱的模型数据；

根据所述集装箱的模型数据以及所述集卡的模型数据，判断所述集装箱与所述集卡是否对位成功。

根据本发明的一个实施例，在所述集装箱与所述集卡对位成功之后，还包括：

通过所述点云数据对吊具进行建模，获取所述吊具的模型数据；

根据所述吊具的模型数据以及所述集装箱的模型数据，判断所述吊具与所述集装箱是否分离完成。

根据本发明的一个实施例，在获取集卡所要停车的场地的点云数据之后还包括：

对所述点云数据进行上色处理。

为实现上述目的，本发明第二方面实施例提出了一种码头集卡停车对位系统，用于执行如前所述的码头集卡停车对位方法，包括：

点云数据获取模块，用于获取集卡所要停车的场地的点云数据；

地面平面参数获取模块，用于根据所述点云数据获取所述集卡所要停车的目标停车位的地面平面的参数；

集卡模型数据获取模块，用于根据所述点云数据获取所述集卡的模型数据，并根据所述模型数据获取所述集卡的外包围盒的轮廓数据；

集装箱箱型获取模块，用于根据所述集卡的模型数据获取所述集卡的集装箱箱型；

目标对位平面确定模块，用于根据所述集装箱箱型以及所述目标停车位的地面平面的参数确定所述集卡的车头或车尾所要对位的目标对位平面的参数；所述目标对位平面与所述地面平面垂直；

判断模块，用于获取所述集卡的外包围盒与所述目标对位平面之间间距，当所述间距小于或等于预设间距时，判断所述集卡停车对位成功。

为实现上述目的，本发明第三方面实施例提出了一种码头集卡停车对位装置，包括：

激光雷达和摄像头、上位机、主控模块、工控机和云台；

所述上位机用于向所述主控模块下发指令，所述主控模块将所述指令转发给所述工控机，所述工控机根据所述指令调整所述云台的姿态角度；所述激光雷达和摄像头设置于所述云台上，用于扫描集卡所要停车的目标停车位的点云数据；所述激光雷达和所述摄像头还用于将采集的所述点云数据上传至所述工控机，并由所述工控机将所述点云数据转发给所述主控模块；

所述主控模块根据所述点云数据执行如前所述的码头集卡停车对位方法，以使所述集卡停车至目标停车位。

根据本发明的一个实施例，所述码头集卡停车对位系统还包括：显示屏，所述显示屏与所述主控模块连接；所述显示屏用于显示所述主控模块向所述显示屏发送的所述集卡外包围盒与所述目标对位平面之间的间距。

根据本发明实施例提出的码头集卡停车对位方法、系统和装置，该方法包括获取集卡所要停车的场地的点云数据；根据所述点云数据获取所述集卡所要停车的目标停车位的地面平面的参数；根据所述点云数据获取所述集卡的模型数据，并根据所述模型数据获取所述集卡的外包围盒的轮廓数据；根据所述集卡的模型数据获取所述集卡的集装箱箱型；根据所述集装箱箱型以及所述目标停车位的地面平面的参数确定所述集卡的车头或车尾所要对位的目标对位平面的参数；所述目标对位平面与所述地面平面垂直；获取所述集卡的外包围盒与所述目标对位平面之间第一间距，当所述第一间距小于或等于预设间距时，判断所述集卡停车对位成功，通过上述码头集卡停车对位方法可以实现码头集卡自动对位停车，并且还可以实现自动判断集装箱与集卡是否对位，吊具与集装箱是否分离，通过对码头集卡停车对位、与集装箱对位、吊具与集装箱分离全程均实现自动化，解决了该过程需要均需要人力操作的难题，减少了人机接触，消除了人力操作存在的安全隐患，保障了人员安全，提升了操作效率，降低了用工成本，符合对港口装卸设备的改造预期。

附图说明

图1是本发明实施例提出的码头集卡停车对位方法流程图；

图2是本发明实施例提出的码头集卡停车对位装置的方框示意图；

图3是本发明实施例提出的码头集卡停车对位系统的方框示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

当前，全球各大港口正在通过数字化和自动化技术改变以往的生产方式。随着半自动化集装箱码头的快速发展，全自动化集装箱码头技术的先进性逐渐突显。但是，当前需要多套设备才能覆盖作业场地，不利于后期的升级与维护。本发明实施例提出的码头集卡停车对位方法、系统和装置解决了上述问题，并且还解决了码头集卡停车对位的问题，并且还可以实现自动判断集装箱与集卡是否对位，吊具与集装箱是否分离，通过对码头集卡停车对位、与集装箱对位、吊具与集装箱分离全程均实现自动化，解决了该过程需要均需要人力操作的难题，减少了人机接触，消除了人力操作存在的安全隐患，保障了人员安全，提升了操作效率，降低了用工成本，符合对港口装卸设备的改造预期。

实施例一

图1是本发明实施例提出的码头集卡停车对位方法流程图。如图1所示，该方法包括以下步骤：

S101，获取集卡所要停车的场地的点云数据；

需要说明的是，集卡所要停车的场景如下：在港口码头的门式起重机等运输装置附近，集卡停在停车的场地后，根据情况门式起重机将集装箱放置在货架上或者龙门塔吊将集装箱从集卡上吊起，完成装货和卸货；进而龙门塔吊的工作机制决定了它以此只能给一辆集卡进行装卸操作，但是作业场地一般有多条车道，在集卡驶入场地后，工作人员会指示该集卡应该驶入哪条车道，即具体集卡需要停在哪条车道由工作人员确定，所以程序的第一步就是根据工作人员指定的车道，云台将带动激光雷达和摄像头组成的设备旋转到设定位置。云台是可编程控制转动角度的，并且通过RS422接口回传云台的实时姿态角度，这个姿态角会参与激光雷达和摄像头的扫描数据解析，提高建模精度。云台带动扫描设备转动到指定位置后，云台就只会在小角度范围内反复扫描集卡停车的车道，只扫描集卡的作业车道，既保证了激光雷达建模的实时性，也减少了其他车道物体的对激光雷达的干扰，提高了准确性。随着云台在指定角度范围内来回转动，由激光雷达和摄像头组成的扫描设备会同步进行数据采集和建模。即获取集卡所要停车的场地的点云数据。

根据本发明的一个实施例，在获取集卡所要停车的场地的点云数据之后还包括：

对点云数据进行上色处理。

其中，根据实时性的要求，本技术方案会至少在1秒内进行一次点云建模，并由摄像头对点云颜色提供准确的上色处理，让点云模型更加真实，更便于操作者观察。其中，通过摄像头和雷达的结合，形成带有颜色的点云数据。

S102，根据点云数据获取集卡所要停车的目标停车位的地面平面的参数；

根据本发明的一个实施例，根据点云数据获取集卡所要停车的目标停车位的地面平面的参数包括：

对点云数据进行滤波处理，获取滤波点云数据；

其中，因为场地上可能会有一些其他的比如空置的货架或者交通锥之类非目标物体，所以需要对刚刚获得的点云做滤波处理，保证获得的点云都是地面点云。

根据滤波点云数据，得到目标停车位的地面平面的参数。

其中，可以采用RANSAC随机采样一致性算法处理滤波点云数据，获取目标停车位的地面平面的参数。

根据本发明的一个实施例，在根据滤波点云数据，得到目标停车位的地面平面的参数之前，还包括：

栅格化处理滤波点云数据。

其中，扫描获得场地点云会进行栅格化处理，用栅格的体素点云代替原来点云，以此获得下采样点云，这个步骤会提高点云处理速度。所谓栅格化就是根据给定点云形成三维体素栅格，并且利用所有体素的中心点/重心点近似体素中包含的点集，这样完成下采样得到的滤波结果。栅格化是许多点云算法处理的预处理步骤，可以很好地提高程序的运行速度。

根据本发明的一个实施例，根据滤波点云数据，得到目标停车位的地面平面的参数包括：

定义分割模型，判断滤波点云数据中的当前点是否适应于分割模型，如果是，则将当前点归为局内点；如果否，则将当前点归为局外点；

遍历滤波点云中的点，统计所有局内点的数量，当局内点的数量大于或等于预设阈值时，根据当前所有局内点对分割模型进行更新，并存储所有局内点作为分割结果；

当所有局内点的数量小于预设阈值时，判断当前所有局内点的数量是否大于分割模型中局内点的数量，如果是，则根据当前所有局内点对分割模型进行更新，并存储所有局内点作为分割结果；如果否，则使用分割模型作为分割结果；其中，分割模型为地面平面模型；

根据分割结果获取目标停车位的地面平面的参数。

具体的，在获得滤波点云后开始分割点云算法，这里采用RANSAC随机采样一致性算法来获得平面点云。这就可以直接获得和地面平面相关的所有点云，因为地面的平面特征是很明显的，而场地上其他的比如交通锥的平面特征不会很明显。所谓随机采样一致性算法的分割是通过随机取样剔除局外点，构建一个仅由局内点数据组成的基本子集的过程。其基本思想为：在进行参数估计时，不是不加区分地对待所有可能的输入数据，而是首先针对问题设计出一个判断准则模型(即分割模型)，利用此判断准则迭代地剔除那些与所估计的模型不一致的输入数据，然后通过正确的输入数据来估计模型参数。基于随机采样一致性的点云分割过程为：首先从输入的点云数据集中随机选择一些点并计算用户给定模型(分割模型)的参数，对数据集中的所有点设置距离阈值，如果点到模型的距离在距离阈值范围内，则将改点归为局内点，否则为局外点，然后统计所有局内点的个数，判断是否大于设定的阈值，如果是，则用局内点重新估计模型，作为模型输出，存储所有内点作为分割结果；如果不是，则与当前最大的局内点个数对比，如果大于当前最大的局内点个数，则取代当前最大局内点个数，并存储当前的模型系数，然后迭代计算，直至获得满意的分割结果。因为地面的特征非常明显，本发明设置的分割模型为平面模型。而且因为地面点云的数量在获得的点云中占大多数，一般来说会设置一定的迭代次数就很容易地获得结果。获得地面点云后就很容易获得地面的平面参数了。由于获取平面系数的过程涉及地面拟合以及向量计算的过程，实时性较差，所幸这个步骤只需要在龙门塔吊更换场地后进行一次获得此处地面平面模型，之后的程序运行都不会再执行此步骤。

S103，根据点云数据获取集卡的模型数据，并根据模型数据获取集卡的外包围盒的轮廓数据；

根据本发明的一个实施例，根据点云数据获取集卡的模型数据，并根据模型数据获取集卡的外包围盒的轮廓数据，包括：

对点云数据进行直通滤波处理，获取直通滤波点云数据；即言，采集的点云数据并不都是有效数据，比如地面点云就是需要去除的部分。因为之前已经获取了作业场地的地面模型参数，因此根据这个平面参数，程序直接使用直通滤波的方式滤除掉地面点。所谓直通滤波就是对点云某个字段进行限定。比如限制过滤掉点云中所有X轴不在限定字段范围内的所有点云。

根据直通滤波点云数据获取集卡的模型数据；

根据模型数据提取集卡的轮廓数据。

其中，可以采用欧式聚类算法获得集卡的模型，并去除离散点。对于欧式聚类来说，距离判断准则为欧氏距离。对于空间某点P，通过KD-Tree近邻搜索算法找到k个离p点最近的点，这些点中距离小于设定阈值的便聚类到集合Q中。如果Q中元素的数目不在增加，整个聚类过程便结束；否则须在集合Q中选取p点以外的点，重复上述过程，直到Q中元素的数目不再增加为止。这里采用的是基于CPU的欧式聚类，运行时将消耗占用CPU的资源。其中，实际在寻找集卡的点云数据时，可以以集卡的中心点为点P，以集卡本身的长宽高为设定阈值，从而找到集卡聚类点。

需要说明的是，这里的KD-Tree近邻搜索算法是K-dimension tree的缩写，是对数据点在k维空间中划分的一种数据结构。这是计算机科学中使用的一种数据结构，用来组织表示k维空间中点的集合。它是一种带有其他约束条件的二分查找树。kd-tree对于区间和近邻搜索十分有用。在实践中一般都是三维，所以只会在三个维度中处理，因此所有的kd-tree都将是三维kd-tree。理论上kd-tree的每一级在指定维度上分开所有的子节点。在树的根部所有子节点是以第一个指定的维度上被分开(也就是说，如果第一位坐标小于根节点的点，它将分在左边的子树中，大于根节点的点将分在右边的子树中)。树的每一级都在下一维度上分开，所有其他的维度用完后就回到第一维度。建立kd-tree最高效的方法是像快速分类一样使用分割法，把指定维度的值放在根上，在该维度上包含较小数值的在左子树，较大的在右子树。然后分别在左边和右边的子树上重复这个过程，直到准备分类的最后一个树仅仅由一个元素组成。

在得到集卡点云模型数据后，对这些数据进行迭代，获取关键的比如中心点、各个方向的最远点、最近点等关键数据。这些数据是模型的外包围盒的轮廓数据，这些数据一方面为测距提供数据支持，另一方面给可视化提供参数。

S104，根据集卡的模型数据获取集卡的集装箱箱型；

需要说明的是，在获取集卡的模型数据后，会再获取集卡的集装箱箱型，其中，集卡的模型数据与集卡对应的集装箱箱型的对应关系可以预存在控制器中。

S105，根据集装箱箱型以及目标停车位的地面平面的参数确定集卡的车头或车尾所要对位的目标对位平面的参数；目标对位平面与地面平面垂直；

在步骤S104获取当前集卡的集装箱箱型后，可以判断该集卡在目标停车位上具体的停车位置，比如，距离前停车线的距离和距离后停车线的距离等，这些距离可以提前预存在控制器中。比如获取的为距离前停车线的距离，那么可以依据目标停车位的地面平面的参数，以及该距离，获取一个垂直于目标停车位地面平面的目标对位平面。当集卡的车头与该目标对位平面重合，或者距离在一定范围内时，则集卡停车对位成功。或者，比如获取的为距离后停车线的距离，那么可以依据目标停车位的地面平面的参数，以及该距离，获取一个垂直于目标停车位地面平面的目标对位平面。当集卡的车尾与该目标对位平面重合，或者距离在一定范围内时，则集卡停车对位成功。

S106，获取集卡的外包围盒与目标对位平面之间第一间距，当第一间距小于或等于预设间距时，判断集卡停车对位成功。

也就是说，利用最开始获得的地面平面参数，获得一个垂直地面的平面参数。用这个垂直地面的平面参数，加上扫描设备在龙门塔吊上的安装位置关系，可以获得一个处于停车位处的垂直于地面的平面。根据之前处理集卡模型数据得到的点云外包围盒数据，程序会识别集卡装载的集装箱箱型，以此调整平面的位置，之后计算集卡到这个平面的距离就是集卡到停车位的距离。而程序刚刚获得了集卡外包围盒的轮廓数据，根据点到平面的距离公式就很容易获得集卡到指定停车位的距离。这个距离值会通过设立在旁边的LED显示屏实时显示出来，以此指引司机将集卡停在指定位置。

根据本发明的一个实施例，在判断集卡停车对位成功之后，还包括：

根据点云数据对集装箱进行建模，获取集装箱的模型数据；

根据集装箱的模型数据以及集卡的模型数据，判断集装箱与集卡是否对位成功。

可以理解的是，如果集卡是进行装载作业，那么还需要根据点云数据对集装箱进行建模，获取集装箱的模型数据，获取集装箱的模型数据可以参考获取集卡的模型数据的方法，即欧式聚类方法；即当集卡停稳后，程序会根据高度差对车辆和吊具下的集装箱分别建模，根据点云坐标获得集装箱和车头水平方向的距离，分析按照当前下落趋势是否会砸到车头，防止集装箱砸到车头，或者获取集装箱和车尾之间的间距，分析按照当前下落趋势是否会砸到车尾，防止集装箱砸到车尾，或者获取集装箱和车侧身边缘之间的间距，以判断集装箱是否稳定的落在集卡上。

根据本发明的一个实施例，在集装箱与集卡对位成功之后，还包括：

通过点云数据对吊具进行建模，获取吊具的模型数据；

根据吊具的模型数据以及集装箱的模型数据，判断吊具与集装箱是否分离完成。

可以理解的是，当吊具完成作业后，通过对点云模型，分析吊具与集装箱或者集装箱与集卡是否分离完成，这可以有效防止集卡拖拽吊具。其中，吊具的模型数据的获取可以参考获取集卡的模型数据的方法，即欧式聚类方法。

基于此，该技术方案实现了码头集卡停车对位的自动化、数字化和智能化，以及实现了码头集卡装载和卸载集装箱的自动化、数字化和智能化，极大的提高了码头集卡作业的效率，提升了集卡停车的准确度，为工作人员以及集卡司机提供了便利。

实施例二

图2是本发明实施例提出的码头集卡停车对位装置的方框示意图。如图2所示，该装置100用于执行如前的码头集卡停车对位方法，包括：

点云数据获取模块101，用于获取集卡所要停车的场地的点云数据；

地面平面参数获取模块102，用于根据点云数据获取集卡所要停车的目标停车位的地面平面的参数；

集卡模型数据获取模块103，用于根据点云数据获取集卡的模型数据，并根据模型数据获取集卡的外包围盒的轮廓数据；

集装箱箱型获取模块104，用于根据集卡的模型数据获取集卡的集装箱箱型；

目标对位平面确定模块105，用于根据集装箱箱型以及目标停车位的地面平面的参数确定集卡的车头或车尾所要对位的目标对位平面的参数；目标对位平面与地面平面垂直。

判断模块106，用于获取集卡的外包围盒与目标对位平面之间间距，当间距小于或等于预设间距时，判断集卡停车对位成功。

根据本发明的一个实施例，地面平面参数获取模块包括：

滤波单元，用于对点云数据进行滤波处理，获取滤波点云数据；

处理单元，根据滤波点云数据，得到目标停车位的地面平面的参数。

根据本发明的一个实施例，算法处理单元用于，

定义分割模型，判断滤波点云数据中的当前点是否适应于分割模型，如果是，则将当前点归为局内点；如果否，则将当前点归为局外点；

遍历滤波点云中的点，统计所有局内点的数量，当局内点的数量大于或等于预设阈值时，使用当前所有局内点对分割模型进行更新，并存储所有局内点作为分割结果；

当所有局内点的数量小于预设阈值时，判断当前所有局内点的数量是否大于初始分割模型中局内点的数量，如果是，则使用当前所有局内点对分割模型进行更新，并存储所有局内点作为分割结果；如果否，则使用分割模型作为分割结果；其中，分割模型为地面平面模型；

根据分割结果获取目标停车位的地面平面的参数。

根据本发明的一个实施例，该装置还包括：上色模块，用于对所述点云数据进行上色处理。

根据本发明的一个实施例，该装置还包括：

栅格化模块，用于栅格化处理滤波点云数据。

根据本发明的一个实施例，集卡模型数据获取模块，包括：

直通滤波处理单元，用于对点云数据进行直通滤波处理，获取直通滤波点云数据；

算法单元，根据直通滤波点云数据获取集卡的模型数据；

轮廓数据提取单元，用于根据模型数据提取集卡的轮廓数据。

根据本发明的一个实施例，还包括：

集装箱模型数据获取模块，用于根据点云数据对集装箱进行建模，获取集装箱的模型数据；

第二判断模块，用于根据集装箱的模型数据以及集卡的模型数据，判断集装箱与集卡是否对位成功。

根据本发明的一个实施例，还包括：

吊具模型数据获取模块，用于通过点云数据对吊具进行建模，获取吊具的模型数据；

第三判断模块，用于根据吊具的模型数据以及集装箱的模型数据，判断吊具与集装箱是否分离完成。

上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。详细内容已经在方法实施例中解释，此处不再赘述。

实施例三

图3是本发明实施例提出的码头集卡停车对位系统的方框示意图。如图3所示，该系统200，包括：

激光雷达201和摄像头202、上位机203、主控模块204、工控机205和云台206；

上位机203用于向主控模块204下发指令，主控模块204将指令转发给工控机205，工控机205根据指令调整云台206的姿态角度；激光雷达201和摄像头202设置于云台206上，用于扫描集卡所要停车的目标停车位的点云数据；激光雷达201和摄像头202还用于将采集的点云数据上传至工控机205，并由工控机205将点云数据转发给主控模块204；

主控模块204根据点云数据执行如前所述的码头集卡停车对位方法，以使集卡停车至目标停车位。

需要说明的是，主控模块204可以是港口的PLC控制器，是控制中心所在。控制室的工作人员会通过控制台(上位机203)给主控模块204发送车道信息，接着主控模块204会转发给工控机205，接着工控机205将消息发送给部署在其内的集卡对位控制软件，来控制云台206旋转到预制角度，让云台206带动扫描设备转动到对应扫描车道的角度，同时云台206也会实时回传当前的云台姿态角度。这个姿态角度将和扫描设备数据一起发送给主控模块204进行建模的数据分析，然后发出正确的指令，通过LED显示屏传达给集卡司机。其中，可编程转动角度的云台206会搭载由一台2D激光雷达201和一台摄像头202组成的扫描设备就安装在岸桥底部的中间部位，云台206带动扫描设备按照指定角度扫描指定车道。目前港口的停车场地一般有6条车道，并且在6条车道中一次有一辆车接受装卸作业，因此只要将云台206提前旋转到对应预制角度，一套设备就可以完成6条车道的扫描工作。

根据本发明的一个实施例，如图3所示，码头集卡停车对位系统200还包括：显示屏207，显示屏207与主控模块204连接；显示屏207用于显示主控模块204向显示屏207发送的集卡外包围盒与目标对位平面之间的间距。

可以理解的是，主控模块204通过LED显示屏207指引集卡对位，这是软件运行的主要部分。主控模块204经过工控机205的软件程序的分析计算后，会通过这个LED显示屏207指挥集卡，包括和对位位置之间的精度范围距离、是否对位成功，等待吊具装卸，是否可以安全驶离等等。LED显示屏207是控制室(上位机203)与集卡司机交互的关键，在进行关键数据的计算和分析后，将作业动作意见传递给集卡司机，以此来达到保证司机安全和提高作业效率的目的。

具体来说，开始流程包括软件启动和地面参数提取，然后工控机205等待主控模块204传来相关信息，这是程序的准备阶段。当控制室(上位机203)通过主控模块204传来车道信息后，云台206开始转动，程序进入主循环，开始收集数据和处理数据。通过这些数据的解析和处理，工控机205会计算得出集卡的实时位置，然后通过LED显示屏207实时显示当前位置距离对位位置还有多少距离，精度单位是厘米。当集卡停入精度范围内的位置时，LED显示屏207就会提示司机可以停在当前位置。同样是通过扫描数据的解析和处理，结合主控模块204的信息，程序会得到吊具以及集装箱的作业情况，保证集卡和司机的安全。在进行岸桥工作时，必须要保证吊具起升到一定高度后再让集卡从岸桥下离开，传统工作方法主要依靠集卡司机凭借自己的经验目测吊具升起的高度，由于通过后视镜观察存在的误差会导致司机误判，以致吊具还没有升到安全高度就驶离该位置，从而拉坏岸桥吊具的锁头。所以程序也会在防止吊具被集卡拖拽。

基于此，激光雷达201和摄像头202的组合通过双重保险来确保作业的安全，同时点云模型因为有摄像头202的辅助上色会变得更加直观，操控室的工作人员通过这个摄像头就能直观快速的掌握现场情况。另外有了摄像头的加入，之后的软件升级有了更大的空间。

同时，本发明的扫描设备包括一台2D激光雷达、一台摄像头、可编程控制转动角度的云台就可以覆盖至少6个车道的作业场地，节约部署和维护成本，其中，激光雷达可以为单线激光雷达。

另外，除了在岸桥下面安装扫描设备，还可以在岸桥海侧和陆侧基础梁的前后安装一个激光雷达或者摄像头，这个方案也可以达到相同的效果，而且可以获得卡扣信息，得到货架和集装箱之间连接的卡扣的状态是解锁还是未解锁，防止工作人员因为疏忽没有将卡扣调整到正确的状态。

综上所述，根据本发明实施例提出的码头集卡停车对位方法、装置和系统，该方法包括获取集卡所要停车的场地的点云数据；根据所述点云数据获取所述集卡所要停车的目标停车位的地面平面的参数；根据所述点云数据获取所述集卡的模型数据，并根据所述模型数据获取所述集卡的外包围盒的轮廓数据；根据所述集卡的模型数据获取所述集卡的集装箱箱型；根据所述集装箱箱型以及所述目标停车位的地面平面的参数确定所述集卡的车头或车尾所要对位的目标对位平面的参数；获取所述集卡的外包围盒与所述目标对位平面之间第一间距，当所述第一间距小于或等于预设间距时，判断所述集卡停车对位成功，以实现码头集卡停车的对位自动化，数字化，智能化。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种码头集卡停车对位方法，其特征在于，包括以下步骤：

获取集卡所要停车的场地的点云数据；

根据所述点云数据获取所述集卡所要停车的目标停车位的地面平面的参数；

根据所述点云数据获取所述集卡的模型数据，并根据所述模型数据获取所述集卡的外包围盒的轮廓数据；

根据所述集卡的模型数据获取所述集卡的集装箱箱型；

根据所述集装箱箱型以及所述目标停车位的地面平面的参数确定所述集卡的车头或车尾所要对位的目标对位平面的参数；所述目标对位平面与所述地面平面垂直；

获取所述集卡的外包围盒与所述目标对位平面之间第一间距，当所述第一间距小于或等于预设间距时，判断所述集卡停车对位成功。

2.根据权利要求1所述的码头集卡停车对位方法，其特征在于，所述根据所述点云数据获取所述集卡所要停车的目标停车位的地面平面的参数包括：

对所述点云数据进行滤波处理，获取滤波点云数据；

根据所述滤波点云数据，得到所述目标停车位的地面平面的参数。

3.根据权利要求2所述的码头集卡停车对位方法，其特征在于，所述根据所述滤波点云数据，得到所述目标停车位的地面平面的参数包括：

定义分割模型，判断所述滤波点云数据中的当前点是否适应于所述分割模型，如果是，则将所述当前点归为局内点；如果否，则将所述当前点归为局外点；

遍历所述滤波点云中的点，统计所有所述局内点的数量，当所述局内点的数量大于或等于预设阈值时，根据当前所有所述局内点对所述分割模型进行更新，并存储所有所述局内点作为分割结果；

当所有所述局内点的数量小于预设阈值时，判断当前所有所述局内点的数量是否大于所述分割模型中局内点的数量，如果是，则根据当前所有所述局内点对所述分割模型进行更新，并存储所有所述局内点作为分割结果；如果否，则使用所述分割模型作为分割结果；其中，所述分割模型为地面平面模型；

根据所述分割结果获取所述目标停车位的地面平面的参数。

4.根据权利要求1所述的码头集卡停车对位方法，其特征在于，所述根据所述点云数据获取所述集卡的模型数据，并根据所述模型数据获取所述集卡的外包围盒的轮廓数据，包括：

对所述点云数据进行直通滤波处理，获取直通滤波点云数据；

根据所述直通滤波点云数据获取所述集卡的模型数据；

根据所述模型数据提取所述集卡的轮廓数据。

5.根据权利要求1-4任一项所述的码头集卡停车对位方法，其特征在于，在判断所述集卡停车对位成功之后，还包括：

根据所述点云数据对所述集装箱进行建模，获取所述集装箱的模型数据；

根据所述集装箱的模型数据以及所述集卡的模型数据，判断所述集装箱与所述集卡是否对位成功。

6.根据权利要求5所述的码头集卡停车对位方法，其特征在于，在所述集装箱与所述集卡对位成功之后，还包括：

通过所述点云数据对吊具进行建模，获取所述吊具的模型数据；

根据所述吊具的模型数据以及所述集装箱的模型数据，判断所述吊具与所述集装箱是否分离完成。

7.根据权利要求1、2、3、4或6所述的码头集卡停车对位方法，其特征在于，在获取集卡所要停车的场地的点云数据之后还包括：

对所述点云数据进行上色处理。

8.一种码头集卡停车对位系统，其特征在于，用于执行如权利要求1-7任一项所述的码头集卡停车对位方法，包括：

点云数据获取模块，用于获取集卡所要停车的场地的点云数据；

地面平面参数获取模块，用于根据所述点云数据获取所述集卡所要停车的目标停车位的地面平面的参数；

集卡模型数据获取模块，用于根据所述点云数据获取所述集卡的模型数据，并根据所述模型数据获取所述集卡的外包围盒的轮廓数据；

集装箱箱型获取模块，用于根据所述集卡的模型数据获取所述集卡的集装箱箱型；

目标对位平面确定模块，用于根据所述集装箱箱型以及所述目标停车位的地面平面的参数确定所述集卡的车头或车尾所要对位的目标对位平面的参数；所述目标对位平面与所述地面平面垂直；

判断模块，用于获取所述集卡的外包围盒与所述目标对位平面之间间距，当所述间距小于或等于预设间距时，判断所述集卡停车对位成功。

9.一种码头集卡停车对位装置，其特征在于，包括：

激光雷达和摄像头、上位机、主控模块、工控机和云台；

所述上位机用于向所述主控模块下发指令，所述主控模块将所述指令转发给所述工控机，所述工控机根据所述指令调整所述云台的姿态角度；所述激光雷达和摄像头设置于所述云台上，用于扫描集卡所要停车的目标停车位的点云数据；所述激光雷达和所述摄像头还用于将采集的所述点云数据上传至所述工控机，并由所述工控机将所述点云数据转发给所述主控模块；

所述主控模块根据所述点云数据执行如权利要求1-7任一项所述的码头集卡停车对位方法，以使所述集卡停车至目标停车位。

10.根据权利要求9所述的码头集卡停车对位装置，其特征在于，还包括：显示屏，所述显示屏与所述主控模块连接；所述显示屏用于显示所述主控模块向所述显示屏发送的所述集卡外包围盒与所述目标对位平面之间的间距。

Images