CN115015962A - 基于岸桥的碰撞检测方法、系统、设备及存储介质 - Google Patents

基于岸桥的碰撞检测方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN115015962A
CN115015962A CN202210706942.6A CN202210706942A CN115015962A CN 115015962 A CN115015962 A CN 115015962A CN 202210706942 A CN202210706942 A CN 202210706942A CN 115015962 A CN115015962 A CN 115015962A
Authority
CN
China
Prior art keywords
shore bridge
laser
data
collision detection
point cloud
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.)
Pending
Application number
CN202210706942.6A
Other languages
English (en)
Inventor
谭黎敏
赵钊
沈方舟
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.)
Shanghai Westwell Information Technology Co Ltd
Original Assignee
Shanghai Westwell Information 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 Shanghai Westwell Information Technology Co Ltd filed Critical Shanghai Westwell Information Technology Co Ltd
Priority to CN202210706942.6A priority Critical patent/CN115015962A/zh
Publication of CN115015962A publication Critical patent/CN115015962A/zh
Pending legal-status Critical Current

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
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供了一种基于岸桥的碰撞检测方法、系统、设备及存储介质，该方法包括：获取安装于岸桥横梁的至少一个激光雷达的实时激光探测数据；基于预先设定的坐标系转换矩阵，将所述实时激光探测数据进行转换，得到实时地面激光数据；对所述实时地面激光数据进行聚类，得到多个聚类点云簇；基于预设的物体识别算法，对所述聚类点云簇进行物体识别，输出识别到的岸桥吊具和目标物的位置；根据所述岸桥吊具和所述目标物的位置进行碰撞检测，并输出碰撞检测结果。本发明基于激光雷达实时探测和识别岸桥吊具和目标物的位置并进行碰撞检测，从而有效防止岸桥吊具与其他物体发生碰撞。

Description

基于岸桥的碰撞检测方法、系统、设备及存储介质
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于岸桥的碰撞检测方法、系统、设备及存储介质。
背景技术
岸边集装箱起重机，也称岸桥、桥吊，是集装箱码头最重要的大型设备，负责将集装箱起吊，并于货船和集卡之间转运，从而完成集装箱的装卸工作。在岸桥的装卸作业过程中，岸桥小车携岸桥吊具、集装箱来回于船舶和岸上，需要不断地改变高度，并且对准作业区域车道上对应集卡的平板。在实际应用中，有时可能会出现岸桥吊具上的集装箱未对齐就下降，从而砸到集卡的车头，造成经济损失的情况。
需要说明的是，上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
针对现有技术中的问题，本发明的目的在于提供一种基于岸桥的碰撞检测方法、系统、设备及存储介质，基于激光雷达实时探测和识别岸桥吊具和目标物的位置并进行碰撞检测，有效防止岸桥吊具与其他物体发生碰撞。
本发明实施例提供一种基于岸桥的碰撞检测方法，包括如下步骤：
获取安装于岸桥横梁的至少一个激光雷达的实时激光探测数据；
基于预先设定的坐标系转换矩阵，将所述实时激光探测数据进行转换，得到实时地面激光数据；
对所述实时地面激光数据进行聚类，得到多个聚类点云簇；
基于预设的物体识别算法，对所述聚类点云簇进行物体识别，输出识别到的岸桥吊具和目标物的位置；
根据所述岸桥吊具和所述目标物的位置进行碰撞检测，并输出碰撞检测结果。
在一些实施例中，所述岸桥横梁上设置有至少两个激光雷达；
所述基于预先设定的坐标系转换矩阵，将所述激光探测数据进行转换，得到实时地面激光数据之后，还包括如下步骤：
对齐不同激光数据的时间戳，合并多个激光雷达的实时地面激光数据。
在一些实施例中，所述获取安装于岸桥横梁的至少一个激光雷达的实时激光探测数据之前，还包括激光雷达标定，所述激光雷达标定包括如下步骤：
获取安装于岸桥横梁的激光雷达在预设时间段内的激光探测数据；
选择一激光雷达作为基准雷达，基于基准雷达在预设时间段内的激光探测数据建立标准坐标系；
生成所述基准雷达的坐标系相对于所述标准坐标系的坐标系转换矩阵；
基于所述标准坐标系对除基准雷达外的其他激光雷达进行标定，得到其他雷达的坐标系转换矩阵；
采用预设配准算法对多个数据源进行配准，调整各个所述激光雷达的坐标系转换矩阵。
在一些实施例中，所述激光雷达标定中，所述调整各个所述激光雷达的坐标系转换矩阵之后，还包括如下步骤：
基于预先设定的坐标系转换矩阵，将所述预设时间段内的激光探测数据进行转换，得到预设时间段内的地面激光数据；
采用RANSAC平面分割算法对所述预设时间段内的地面激光数据进行处理，获取背景特征数据并存储。
在一些实施例中，所述合并多个激光雷达的实时地面激光数据之后，还包括如下步骤：
基于预先存储的背景特征数据，在所述地面激光数据中去除背景特征数据。
在一些实施例中，根据所述岸桥吊具和所述目标物的位置进行碰撞检测，并输出碰撞检测结果，包括如下步骤：
获取所述岸桥吊具的高度；
基于所述岸桥吊具的高度、所述岸桥吊具和所述目标物的位置，检测所述岸桥吊具是否会与所述目标物发生碰撞，并输出碰撞检测结果。
在一些实施例中，所述获取岸桥吊具的高度，包括如下步骤：
从安装于岸桥小车的激光雷达处获取小车激光数据；
基于所述小车激光数据获取岸桥吊具相对于地面的高度。
在一些实施例中，所述基于预设的物体识别算法，对所述聚类点云簇进行物体识别包括如下步骤：
基于预设的物体识别算法，对所述聚类点云簇进行分类；
如果存在对应于岸桥吊具的聚类点云簇，则确定该聚类点云簇的位置，作为所述岸桥吊具的位置；
如果存在对应于目标物的聚类点云簇，则确定该聚类点云簇的位置，作为所述目标物的位置。
在一些实施例中，所述基于预设的物体识别算法，对所述聚类点云簇进行分类，包括如下步骤：
获取各个所述聚类点云簇所对应的物体的形状特征和尺寸特征；
基于预设的岸桥吊具的形状特征和尺寸特征，判断是否存在对应于岸桥吊具的聚类点云簇；
基于预设的目标物的形状特征和尺寸特征，判断是否存在对应于目标物的聚类点云簇。
本发明实施例还提供一种基于岸桥的碰撞检测系统，用于实现所述的基于岸桥的碰撞检测方法，所述系统包括：
数据采集模块，用于获取安装于岸桥横梁的至少一个激光雷达的实时激光探测数据；
数据转换模块，用于基于预先设定的坐标系转换矩阵，将所述实时激光探测数据进行转换，得到实时地面激光数据，并对所述实时地面激光数据进行聚类，得到多个聚类点云簇；
物体识别模块，用于基于预设的物体识别算法，对所述聚类点云簇进行物体识别，输出识别到的岸桥吊具和目标物的位置；
碰撞检测模块，用于根据所述岸桥吊具和所述目标物的位置进行碰撞检测，并输出碰撞检测结果。
本发明实施例还提供一种基于岸桥的碰撞检测设备，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行所述的基于岸桥的碰撞检测方法的步骤。
本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被处理器执行时实现所述的基于岸桥的碰撞检测方法的步骤。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
本发明的基于岸桥的碰撞检测方法、系统、设备及存储介质具有如下有益效果：
本发明首先采集在岸桥横梁上采集到的实时激光探测数据后，可以将其转换为实时地面激光数据，并进行聚类后得到多个用于物体识别的聚类点云簇，然后对聚类点云簇进行分类和位置识别，得到岸桥吊具和目标物的位置后即可以进行碰撞检测，判断岸桥吊具是否会与目标物发生碰撞，并且在检测到发生碰撞后，可以立刻进行报警或者调整吊具位置和/或高度，避免吊具与目标物发生碰撞。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。
图1是本发明一实施例的基于岸桥的碰撞检测方法的流程图；
图2是本发明一实施例的激光雷达标定的流程图；
图3是本发明一实施例的岸桥的示意图；
图4是本发明一实施例的岸桥与集装箱卡车配合的示意图；
图5是本发明一实施例的进行碰撞检测的流程图；
图6是本发明一实施例的基于岸桥的碰撞检测系统的结构示意图；
图7是本发明一实施例的基于岸桥的碰撞检测设备的结构示意图；
图8是本发明一实施例的计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此，实际执行的顺序有可能根据实际情况改变。
如图1所示，本发明实施例提供一种基于岸桥的碰撞检测方法，包括如下步骤：
S210：获取安装于岸桥横梁的至少一个激光雷达的实时激光探测数据；
例如可以通过ROS系统订阅和获取各个激光雷达的激光探测数据，ROS系统可以实现激光探测数据的订阅和发布；
S220：基于预先设定的坐标系转换矩阵，将所述实时激光探测数据进行转换，得到实时地面激光数据；所述坐标系转换矩阵主要包括将激光雷达的坐标系转换到标准坐标系的旋转矩阵和平移矩阵，此处地面激光数据即为在标准坐标系下的激光点云数据；
S230：对所述实时地面激光数据进行聚类，得到多个聚类点云簇；
此处对所述实时地面激光数据进行聚类可以采用现有的聚类算法，在一个聚类点云簇中，相邻两个点之间的距离小于或等于预设距离阈值，不同的两个聚类点云簇中的两个点之间的距离大于预设距离阈值；在该实施例中，例如可以使用DBSCAN算法对所述实时地面激光数据进行聚类，DBSCAN(Density-Based Spatial Clustering of Applicationswith Noise)算法是一个比较有代表性的基于密度的聚类算法，其将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类；
S240：基于预设的物体识别算法，对所述聚类点云簇进行物体识别，输出识别到的岸桥吊具和目标物的位置，在该实施例中，所述目标物例如可以包括集装箱卡车、集装箱等；
S250：根据所述岸桥吊具和所述目标物的位置进行碰撞检测，并输出碰撞检测结果，所述碰撞检测结果至少包括岸桥吊具是否会与目标物的位置发生碰撞，并且还可以进一步包括岸桥吊具的位置和目标物的位置。
本发明通过步骤S210采集到在岸桥横梁上采集到的实时激光探测数据后，通过步骤S220可以将其转换为实时地面激光数据，并通过步骤S230进行聚类后得到多个用于物体识别的聚类点云簇，然后通过步骤S240对聚类点云簇进行分类和位置识别，得到岸桥吊具和目标物的位置后即可以通过步骤S250进行碰撞检测，判断岸桥吊具是否会与目标物发生碰撞，并且在检测到发生碰撞后，可以立刻进行报警或者调整岸桥吊具位置和/或高度，避免岸桥吊具与目标物发生碰撞。本发明的基于岸桥的碰撞检测方法可以部署于岸桥吊具控制的设备中，即所述岸桥吊具控制的设备能够根据碰撞检测的结果来进行岸桥吊具控制，或者部署于一个单独的设备中，且可以与岸桥吊具控制的设备进行通信，以将碰撞检测结果发送给岸桥吊具控制的设备。所述步骤S210～S240可以由PLC(Programmable LogicController，可编程逻辑控制器)实现。
在该实施例中，在所述岸桥横梁上设置有至少两个激光雷达。所述步骤S220：基于预先设定的坐标系转换矩阵，将所述激光探测数据进行转换，得到实时地面激光数据之后，还包括如下步骤：
对齐不同激光数据的时间戳，合并多个激光雷达的实时地面激光数据，即实现同步多源激光数据。
如图2所示，在该实施例中，所述步骤S210：获取安装于岸桥横梁的至少一个激光雷达的实时激光探测数据之前，还包括激光雷达标定，所述激光雷达标定包括如下步骤：
S110：获取安装于岸桥横梁的激光雷达在预设时间段内的激光探测数据；
例如，可以在安装激光驱动和相关软件后，使用ROS系统采集和发布各个激光雷达的激光探测数据；
此预设时间段可以根据需要设置，例如，设定一个完整的装卸作业时间段，该预设时间段的开始时间点为装卸作业的开始时间点，而装卸作业的完成时间点作为该预设时间段的结束时间点，获取录制的一整个预设时间段内的激光探测数据，其中会包含对岸桥吊具、集装箱和集装箱卡车的激光探测数据；
S120：选择一激光雷达作为基准雷达，基于基准雷达在预设时间段内的激光探测数据建立标准坐标系，例如，以岸桥小车的运动方向作为x轴，将岸桥下集装箱卡车的行进方向作为y轴，垂直于地面的高度方向作为z轴来建立标准坐标系，但本发明不限于此；
S130：生成所述基准雷达的坐标系相对于所述标准坐标系的坐标系转换矩阵，该坐标系转换矩阵包括将基准雷达的激光探测数据转换到标准坐标系中的平移矩阵和旋转矩阵，在建立标准坐标系后，采用3点确定一个平面的方法，通过两次计算转换矩阵；
S140：基于所述标准坐标系对除基准雷达外的其他激光雷达进行标定，得到其他雷达的坐标系转换矩阵，同样地，可以采用3点确定一个平面的方法，通过两次计算转换矩阵，并且通过位移使得多个激光雷达探测到的关键物体尽量重合；
S150：采用预设配准算法对多个数据源进行配准，调整各个所述激光雷达的坐标系转换矩阵，该多个数据源即指的是多个激光雷达，通过配准调整，可以减少不同雷达数据之间的空间误差。
给定两个来自不同坐标系中的三维数据点集，找到两个点集空间的变换关系，使得两个点集能够统一到同一个坐标系中，即配准过程。配准的目标是在标准坐标系的框架中找到单独获取的视图的相对位置和方向，使得它们之间的相交区域完全重叠。在该实施例中，所述预设配准算法例如可以是ICP(Iterative Closest Point，最近点搜索法)配准算法，ICP算法是基于数据配准法，利用最近点搜索法，从而解决基于自由形态曲面的一种算法。但本发明不限于，在其他可替代的实施方式中，也可以采用其他的配准算法，能够实现多个激光雷达之间的配准即可。
在该实施例中，所述激光雷达标定中，所述步骤S150：采用预设配准算法对多个数据源进行配准，调整各个所述激光雷达的坐标系转换矩阵之后，还包括如下步骤：
S160：基于预先设定的坐标系转换矩阵，将所述预设时间段内的激光探测数据进行转换，得到预设时间段内的地面激光数据；
S170：采用RANSAC平面分割算法对所述预设时间段内的地面激光数据进行处理，获取背景特征数据并存储。平面分割可用于地面检测，RANSAC是一种非常有效的平面分割方法，其根据设定的平面模型不断迭代找出属于平面的点。
在该实施例中，在采用上述步骤S210～S250实时进行碰撞检测时，所述合并多个激光雷达的实时地面激光数据之后，还包括如下步骤：
基于预先存储的背景特征数据，在所述地面激光数据中去除背景特征数据。
在该实施例中，所述步骤S240：基于预设的物体识别算法，对所述聚类点云簇进行物体识别包括如下步骤：
基于预设的物体识别算法，对所述聚类点云簇进行分类；
如果存在对应于岸桥吊具的聚类点云簇，则确定该聚类点云簇的位置，作为所述岸桥吊具的位置；
如果存在对应于目标物的聚类点云簇，则确定该聚类点云簇的位置，作为所述目标物的位置。
具体地，所述基于预设的物体识别算法，对所述聚类点云簇进行分类，包括如下步骤：
获取各个所述聚类点云簇所对应的物体的形状特征和尺寸特征，形状特征例如包括整体形状类别、整体形状轮廓线、关键区域的形状和位置、线条之间的夹角等，尺寸特征例如包括整体长宽尺寸、关键区域长宽尺寸等；
基于预设的岸桥吊具的形状特征和尺寸特征，判断是否存在对应于岸桥吊具的聚类点云簇，例如将聚类点云簇的形状特征和尺寸特征与岸桥吊具的形状特征和尺寸特征进行比对，计算相似度，如果相似度大于一定相似度阈值，则确定该聚类点云簇对应于岸桥吊具；
基于预设的目标物的形状特征和尺寸特征，判断是否存在对应于目标物的聚类点云簇，例如将聚类点云簇的形状特征和尺寸特征与目标物的形状特征和尺寸特征进行比对，计算相似度，如果相似度大于一定相似度阈值，则确定该聚类点云簇对应于目标物；
而其他既不能与岸桥吊具相对应，不能与目标物相对应的聚类点云簇，将其划分为其他类别。
此处预设的岸桥吊具的形状特征和尺寸特征以及预设的目标物的形状特征和尺寸特征可以是工作人员预先手动输入的形状特征和尺寸特征，也可以是在进行激光雷达标定时，通过步骤S160获取到预设时间段内的地面激光数据之后，进行聚类得到多个聚类点云簇，由工作人员进行聚类点云簇的物体类别标注后，自动识别聚类点云簇的形状特征和尺寸特征，来作为对应物体类别的形状特征和尺寸特征，并进行存储。
在另一实施方式中，所述步骤S240：基于预设的物体识别算法，对所述聚类点云簇进行物体识别，可以采用机器学习模型来实现。例如，预先采集一些样本点云数据，将样本点云数据进行聚类后，对其中的聚类点云簇进行物体类别标注，物体类别可以包括吊具、集装箱、集装箱卡车、其他物体等。然后将样本聚类点云簇输入到物体识别模型中，根据物体识别模型的输出预测类别和标注的物体类别构建损失函数，并反向迭代优化训练物体识别模型，训练完成后，将实时采集的激光探测数据得到的聚类点云簇数据输入到该物体识别模型中，得到识别出的物体类别和物体位置。该物体识别模型例如可以采用卷积神经网络、残差网络等类型的网络，但本发明不限于此。
图3中示例性地示出了一具体实例中的岸桥的主视图，图4中示例性地示出了一具体实例中的岸桥的侧面与集装箱卡车配合的示意图。其中，岸桥和集装箱卡车的结构仅为示例，该岸桥和该集装箱卡车可以分别为各种现有的岸桥类型。如图3所示，岸桥J100包括垂直于地面的支撑柱和横梁J110，横梁J110的海陆侧边框之间的联接位置处设置有两个激光雷达L100。这一对激光雷达L100是静止的，斜向下方探测，具有探测装卸作业区域中车的位置，有无人员的作用。横梁J110上设置有可沿横梁J100的延伸方向横向移动的岸桥小车J120，岸桥小车J120的下方悬挂有岸桥吊具J130，岸桥小车J120可以控制岸桥吊具J130的高度和横向位置。在图3和图4的左下角示例性地示出了标准坐标系的各个坐标轴的方向。其中，x轴为岸桥小车J120的移动方向，y轴为集装箱卡车J200的行进方向，z轴为垂直于地面的竖直方向。在该实施例中，所述岸桥小车J120上还安装有一个激光雷达L200，该激光雷达L200跟随小车沿x轴方向移动，垂直向下探测，具有对岸桥吊具J130测距，并探测岸桥吊具J130下方附近的车、人的作用。因此，该激光雷达L200可以探测岸桥吊具J130的高度。
如图5所示，在该实施例中，所述步骤S250：根据所述岸桥吊具和所述目标物的位置进行碰撞检测，并输出碰撞检测结果，包括如下步骤：
S251：获取所述岸桥吊具的高度；具体地，包括采用如下步骤获取岸桥吊具的高度：
S2511：从安装于岸桥小车的激光雷达处获取小车激光数据；
S2512：基于所述小车激光数据获取岸桥吊具相对于地面的高度；
S252：基于所述岸桥吊具的高度、所述岸桥吊具和所述目标物的位置，检测所述岸桥吊具是否会与所述目标物发生碰撞，并输出碰撞检测结果。
具体地，可以设定所述岸桥吊具会与目标物发生碰撞的条件，在所述岸桥吊具的高度、所述岸桥吊具和所述目标物的位置满足所述发生碰撞的条件时，则确定会发生碰撞，否则确定不会发生碰撞。例如，在岸桥吊具未悬挂集装箱时，设定所述岸桥吊具会与集装箱卡车发生碰撞的条件为岸桥吊具的高度小于或等于第一预设高度阈值，所述岸桥吊具的位置和所述集装箱卡车的位置在x轴和y轴组成的平面上至少部分重合，则确定为会发生碰撞。此处第一预设高度阈值需要设定为一个高于集装箱卡车的车头的高度，避免在已经发生吊具和集装箱卡车的车头碰撞后才输出会产生碰撞的检测结果，也就是避免检测滞后。
例如，在岸桥吊具悬挂集装箱时，设定所述岸桥吊具会与集装箱卡车发生碰撞的条件为岸桥吊具的高度小于或等于第二预设高度阈值，所述岸桥吊具的位置或所述集装箱的位置与所述集装箱卡车的位置在x轴和y轴组成的平面上至少部分重合，则确定为会发生碰撞。此处第二预设高度阈值需要设定为一个高于集装箱卡车的车头高度和集装箱高度之和的高度，避免在已经发生集装箱和集装箱卡车的车头碰撞后才输出会产生碰撞的检测结果，也就是避免检测滞后。
在该实施例中，在所述目标物为集装箱卡车时，可以进一步将所述集装箱卡车所对应的激光数据进行进一步分类识别，确定车头和平板的位置，如果所述岸桥吊具的高度小于或等于预设高度阈值，所述岸桥吊具的位置和所述集装箱卡车的车头的位置在x轴和y轴组成的平面上至少部分重合，则确定为会发生碰撞。
如图6所示，本发明实施例还提供一种基于岸桥的碰撞检测系统，用于实现所述的基于岸桥的碰撞检测方法，所述系统包括：
数据采集模块M100，用于获取安装于岸桥横梁的至少一个激光雷达的实时激光探测数据；
数据转换模块M200，用于基于预先设定的坐标系转换矩阵，将所述实时激光探测数据进行转换，得到实时地面激光数据，并对所述实时地面激光数据进行聚类，得到多个聚类点云簇；
物体识别模块M300，用于基于预设的物体识别算法，对所述聚类点云簇进行物体识别，输出识别到的岸桥吊具和目标物的位置；
碰撞检测模块M400，用于根据所述岸桥吊具和所述目标物的位置进行碰撞检测，并输出碰撞检测结果。
本发明通过数据采集模块M100采集到在岸桥横梁上采集到的实时激光探测数据后，通过数据转换模块M200可以将其转换为实时地面激光数据，并进行聚类后得到多个用于物体识别的聚类点云簇，然后通过物体识别模块M300对聚类点云簇进行分类和位置识别，得到岸桥吊具和目标物的位置后即可以通过碰撞检测模块M400进行碰撞检测，判断岸桥吊具是否会与目标物发生碰撞，并且在检测到发生碰撞后，可以立刻进行报警或者调整岸桥吊具位置和/或高度，避免岸桥吊具与目标物发生碰撞。本发明的基于岸桥的碰撞检测系统可以部署于岸桥吊具控制的设备中，即所述岸桥吊具控制的设备能够根据碰撞检测的结果来进行岸桥吊具控制，或者部署于一个单独的设备中，且可以与岸桥吊具控制的设备进行通信，以将碰撞检测结果发送给岸桥吊具控制的设备。
本发明的基于岸桥的碰撞检测系统中，各个模块的功能可以采用上述基于岸桥的碰撞检测方法的具体实施方式来实现，例如，数据采集模块M100可以采用上述步骤S210的具体实施方式来采集激光雷达的激光探测数据，数据转换模块M200可以采用上述步骤S220和S230的具体实施方式来实现，物体识别模块M300可以采用上述步骤S240的具体实施方式来进行物体分类和位置识别，碰撞检测模块M400可以采用上述步骤S250的具体实施方式来实现碰撞检测，此处不予赘述。
在该实施例中，所述基于岸桥的碰撞检测系统还可以包括报警模块，在通过所述碰撞检测模块M400判断会发生碰撞时发出报警信号，提醒工作人员注意。该报警模块可以是声光报警模块，或者是能够与工作人员终端或岸桥控制设备通信的报警信息发送模块。
在该实施例中，所述基于岸桥的碰撞检测系统还可以包括雷达标定模块，用于进行激光雷达的标定，具体地，所述雷达标定模块可以采用上述步骤S110～S170的方法来实现激光雷达的预先标定和背景分割。
本发明实施例还提供一种基于岸桥的碰撞检测设备，包括处理器；存储器，其中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行所述的基于岸桥的碰撞检测方法的步骤。该基于岸桥的碰撞检测设备可以同时具有岸桥吊具控制的功能，即根据碰撞检测的结果来进行岸桥吊具控制，或者也可以是一个单独的设备，并且能够与岸桥吊具控制的设备进行通信，以将碰撞检测结果发送给岸桥吊具控制的设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。
下面参照图7来描述根据本发明的这种实施方式的电子设备600。图7显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述基于岸桥的碰撞检测方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤。
所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
所述基于岸桥的碰撞检测设备中，所述存储器中的程序被处理器执行时实现所述的基于岸桥的碰撞检测方法的步骤，因此，所述设备也可以获得上述基于岸桥的碰撞检测方法的技术效果。
本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被处理器执行时实现所述的基于岸桥的碰撞检测方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上执行时，所述程序代码用于使所述终端设备执行本说明书上述基于岸桥的碰撞检测方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图8所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上执行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
所述计算机存储介质中的程序被处理器执行时实现所述的基于岸桥的碰撞检测方法的步骤，因此，所述计算机存储介质也可以获得上述基于岸桥的碰撞检测方法的技术效果。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (12)

1.一种基于岸桥的碰撞检测方法，其特征在于，包括如下步骤：
获取安装于岸桥横梁的至少一个激光雷达的实时激光探测数据；
基于预先设定的坐标系转换矩阵，将所述实时激光探测数据进行转换，得到实时地面激光数据；
对所述实时地面激光数据进行聚类，得到多个聚类点云簇；
基于预设的物体识别算法，对所述聚类点云簇进行物体识别，输出识别到的岸桥吊具和目标物的位置；
根据所述岸桥吊具和所述目标物的位置进行碰撞检测，并输出碰撞检测结果。
2.根据权利要求1所述的基于岸桥的碰撞检测方法，其特征在于，所述岸桥横梁上设置有至少两个激光雷达；
所述基于预先设定的坐标系转换矩阵，将所述激光探测数据进行转换，得到实时地面激光数据之后，还包括如下步骤：
对齐不同激光数据的时间戳，合并多个激光雷达的实时地面激光数据。
3.根据权利要求2所述的基于岸桥的碰撞检测方法，其特征在于，所述获取安装于岸桥横梁的至少一个激光雷达的实时激光探测数据之前，还包括激光雷达标定，所述激光雷达标定包括如下步骤：
获取安装于岸桥横梁的激光雷达在预设时间段内的激光探测数据；
选择一激光雷达作为基准雷达，基于基准雷达在预设时间段内的激光探测数据建立标准坐标系；
生成所述基准雷达的坐标系相对于所述标准坐标系的坐标系转换矩阵；
基于所述标准坐标系对除基准雷达外的其他激光雷达进行标定，得到其他雷达的坐标系转换矩阵；
采用预设配准算法对多个数据源进行配准，调整各个所述激光雷达的坐标系转换矩阵。
4.根据权利要求3所述的基于岸桥的碰撞检测方法，其特征在于，所述激光雷达标定中，所述调整各个所述激光雷达的坐标系转换矩阵之后，还包括如下步骤：
基于预先设定的坐标系转换矩阵，将所述预设时间段内的激光探测数据进行转换，得到预设时间段内的地面激光数据；
采用RANSAC平面分割算法对所述预设时间段内的地面激光数据进行处理，获取背景特征数据并存储。
5.根据权利要求4所述的基于岸桥的碰撞检测方法，其特征在于，所述合并多个激光雷达的实时地面激光数据之后，还包括如下步骤：
基于预先存储的背景特征数据，在所述地面激光数据中去除背景特征数据。
6.根据权利要求1所述的基于岸桥的碰撞检测方法，其特征在于，根据所述岸桥吊具和所述目标物的位置进行碰撞检测，并输出碰撞检测结果，包括如下步骤：
获取所述岸桥吊具的高度；
基于所述岸桥吊具的高度、所述岸桥吊具和所述目标物的位置，检测所述岸桥吊具是否会与所述目标物发生碰撞，并输出碰撞检测结果。
7.根据权利要求6所述的基于岸桥的碰撞检测方法，其特征在于，所述获取岸桥吊具的高度，包括如下步骤：
从安装于岸桥小车的激光雷达处获取小车激光数据；
基于所述小车激光数据获取岸桥吊具相对于地面的高度。
8.根据权利要求6所述的基于岸桥的碰撞检测方法，其特征在于，所述基于预设的物体识别算法，对所述聚类点云簇进行物体识别包括如下步骤：
基于预设的物体识别算法，对所述聚类点云簇进行分类；
如果存在对应于岸桥吊具的聚类点云簇，则确定该聚类点云簇的位置，作为所述岸桥吊具的位置；
如果存在对应于目标物的聚类点云簇，则确定该聚类点云簇的位置，作为所述目标物的位置。
9.根据权利要求8所述的基于岸桥的碰撞检测方法，其特征在于，所述基于预设的物体识别算法，对所述聚类点云簇进行分类，包括如下步骤：
获取各个所述聚类点云簇所对应的物体的形状特征和尺寸特征；
基于预设的岸桥吊具的形状特征和尺寸特征，判断是否存在对应于岸桥吊具的聚类点云簇；
基于预设的目标物的形状特征和尺寸特征，判断是否存在对应于目标物的聚类点云簇。
10.一种基于岸桥的碰撞检测系统，其特征在于，用于实现权利要求1至9中任一项所述的基于岸桥的碰撞检测方法，所述系统包括：
数据采集模块，用于获取安装于岸桥横梁的至少一个激光雷达的实时激光探测数据；
数据转换模块，用于基于预先设定的坐标系转换矩阵，将所述实时激光探测数据进行转换，得到实时地面激光数据，并对所述实时地面激光数据进行聚类，得到多个聚类点云簇；
物体识别模块，用于基于预设的物体识别算法，对所述聚类点云簇进行物体识别，输出识别到的岸桥吊具和目标物的位置；
碰撞检测模块，用于根据所述岸桥吊具和所述目标物的位置进行碰撞检测，并输出碰撞检测结果。
11.一种基于岸桥的碰撞检测设备，其特征在于，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至9中任一项所述的基于岸桥的碰撞检测方法的步骤。
12.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被处理器执行时实现权利要求1至9中任一项所述的基于岸桥的碰撞检测方法的步骤。
CN202210706942.6A 2022-06-21 2022-06-21 基于岸桥的碰撞检测方法、系统、设备及存储介质 Pending CN115015962A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210706942.6A CN115015962A (zh) 2022-06-21 2022-06-21 基于岸桥的碰撞检测方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210706942.6A CN115015962A (zh) 2022-06-21 2022-06-21 基于岸桥的碰撞检测方法、系统、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115015962A true CN115015962A (zh) 2022-09-06

Family

ID=83077312

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210706942.6A Pending CN115015962A (zh) 2022-06-21 2022-06-21 基于岸桥的碰撞检测方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115015962A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115880252A (zh) * 2022-12-13 2023-03-31 北京斯年智驾科技有限公司 一种集装箱吊具检测方法、装置、计算机设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115880252A (zh) * 2022-12-13 2023-03-31 北京斯年智驾科技有限公司 一种集装箱吊具检测方法、装置、计算机设备及存储介质
CN115880252B (zh) * 2022-12-13 2023-10-17 北京斯年智驾科技有限公司 一种集装箱吊具检测方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
CN113370977B (zh) 一种基于视觉的智能车辆前向碰撞预警方法及系统
CN110794406B (zh) 多源传感器数据融合系统和方法
CN110176078B (zh) 一种训练集数据的标注方法及装置
CN108509820B (zh) 障碍物分割方法及装置、计算机设备及可读介质
WO2021196938A1 (zh) 一种自动化集装箱装卸装置及方法
CN112037521B (zh) 一种车辆类型识别方法以及危化品车辆识别方法
CN112613424A (zh) 铁轨障碍物检测方法、装置、电子设备和存储介质
CN113705557B (zh) 集装箱后箱门门柱的检测方法、系统、设备及存储介质
WO2022226831A1 (zh) 未定义类别障碍物的检测方法、装置和计算机设备
CN115082881A (zh) 目标检测方法、存储介质、电子设备及车辆
CN115015962A (zh) 基于岸桥的碰撞检测方法、系统、设备及存储介质
CN111366912A (zh) 激光传感器与摄像头标定方法、系统、设备及存储介质
CN113538566A (zh) 基于激光雷达的货船舱口位置获取方法及系统
US20210350142A1 (en) In-train positioning and indoor positioning
Jeong et al. Point cloud segmentation of crane parts using dynamic graph CNN for crane collision avoidance
CN117035597A (zh) 一种基于哈里斯鹰算法的柔性无人物流方法及系统
CN114331966B (zh) 基于高斯过程占位图估计辅助的港口锁站方法及其系统
CN105678257A (zh) 一种交通调查车型识别方法、装置及其系统
CN113935946B (zh) 实时检测地下障碍物的方法及装置
US20220405513A1 (en) Multi-Object Tracking For Autonomous Vehicles
CN114114304A (zh) 基于激光定位技术的无人立库线材盘卷装载方法及系统
Ngo et al. Design of an AI Model for a Fully Automatic Grab-Type Ship Unloader System
WO2024140054A1 (zh) 基于环境信息的设备控制方法及装置
CN110909569A (zh) 路况信息识别方法及终端设备
CN114604767A (zh) 一种集卡防吊的双箱识别方法、装置、系统及起重机

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
CB02 Change of applicant information

Address after: Room 503-3, 398 Jiangsu Road, Changning District, Shanghai 200050

Applicant after: Shanghai Xijing Technology Co.,Ltd.

Address before: Room 503-3, 398 Jiangsu Road, Changning District, Shanghai 200050

Applicant before: SHANGHAI WESTWELL INFORMATION AND TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information