CN115457484B - 一种用于半挂车自动卸货的控制方法及装置 - Google Patents
一种用于半挂车自动卸货的控制方法及装置 Download PDFInfo
- Publication number
- CN115457484B CN115457484B CN202211401771.2A CN202211401771A CN115457484B CN 115457484 B CN115457484 B CN 115457484B CN 202211401771 A CN202211401771 A CN 202211401771A CN 115457484 B CN115457484 B CN 115457484B
- Authority
- CN
- China
- Prior art keywords
- pixel point
- target pixel
- pixel points
- category
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims description 29
- 150000001875 compounds Chemical class 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 10
- 239000000470 constituent Substances 0.000 claims description 6
- 229910000831 Steel Inorganic materials 0.000 claims description 5
- 239000010959 steel Substances 0.000 claims description 5
- 238000003064 k means clustering Methods 0.000 claims description 3
- 241000764238 Isis Species 0.000 claims 1
- 230000008569 process Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 125000005842 heteroatom Chemical group 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60P—VEHICLES ADAPTED FOR LOAD TRANSPORTATION OR TO TRANSPORT, TO CARRY, OR TO COMPRISE SPECIAL LOADS OR OBJECTS
- B60P1/00—Vehicles predominantly for transporting loads and modified to facilitate loading, consolidating the load, or unloading
- B60P1/04—Vehicles predominantly for transporting loads and modified to facilitate loading, consolidating the load, or unloading with a tipping movement of load-transporting element
- B60P1/16—Vehicles predominantly for transporting loads and modified to facilitate loading, consolidating the load, or unloading with a tipping movement of load-transporting element actuated by fluid-operated mechanisms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D53/00—Tractor-trailer combinations; Road trains
- B62D53/04—Tractor-trailer combinations; Road trains comprising a vehicle carrying an essential part of the other vehicle's load by having supporting means for the front or rear part of the other vehicle
- B62D53/06—Semi-trailers
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Mechanical Engineering (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Transportation (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理领域,具体涉及一种用于半挂车自动卸货的控制方法及装置,包括:根据相似度将目标像素点的预设邻域划分为第一类别和候选类别,根据候选类别聚类获得的两个类簇计算候选类别的差异程度;重复多次对差异程度大于差异阈值的候选类别进行类别划分,直至目标像素点的候选类别的差异程度小于差异阈值;根据区域平整度获得待选卸货位置;根据待选卸货位置的区域平整度和干扰度计算待选卸货位置的优选值,将最大的优选值对应的待选卸货位置作为最优卸货位置。本发明通过对场地图像进行图像处理,获得最优卸货位置,保证路面平整且半挂车在最优卸货位置进行卸货时受到的干扰最小,提高了卸货效率的同时降低了事故发生的风险。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种用于半挂车自动卸货的控制方法及装置。
背景技术
半挂车是一种工程车辆,其原理是通过发动机带动液压机构,驱使举升机构完成倾斜达到卸货目的,卸货后完成后复位,大大节省卸料时间和劳动力,缩短运输周期,提高生产效率,在矿山开采、水利建造、筑路等领域的应用较为广泛。
半挂车运输货物到目的地,需要进行自动卸货,现有半挂车在进行卸货时,对卸货场地的要求很高,不仅要求卸货场地平整,还要求卸货场地中干扰因素较少,而实际的目的地的卸货场地的路况和场景较为复杂,存在着一定的干扰物,会对卸货造成影响,如果卸货场地选择不够平整或受到的干扰较大,则半挂车在进行卸货时很容易因货箱升起后出现重心偏移,导致翻车现象,且容易出现卸货时埋轮胎、货物卸不干净等现象。因此,卸货场地的选择极大了影响了卸货效率与卸货安全程度。
发明内容
为了解决上述问题,本发明提供一种用于半挂车自动卸货的控制方法及装置,所述方法包括:
采集场地图像,获得半挂车的参数信息;
将场地图像中的任意一个像素点作为目标像素点,获得目标像素点的第一类别和候选类别,包括:计算目标像素点的预设邻域内的所有像素点与目标像素点的相似度,将相似度大于相似度阈值的所有像素点组成的类别记为目标像素点的第一类别,将相似度不大于相似度阈值的所有像素点组成的类别记为目标像素点的候选类别;
根据目标像素点的候选类别的差异程度获得目标像素点的第二类别,包括:对目标像素点的候选类别进行聚类获得两个类簇,根据两个类簇计算目标像素点的候选类别的差异程度;如果差异程度大于差异阈值,将候选类别中频率最大的灰度值对应所有像素点中的任意一个像素点作为新的目标像素点,计算候选类别中所有像素点与新的目标像素点的相似度,将与新的目标像素点的相似度大于相似度阈值的所有像素点组成的类别记为目标像素点的第二类别,将剩余的所有像素点记为目标像素点的新的候选类别;
重复根据目标像素点的候选类别的差异程度获得目标像素点的所有类别,直至目标像素点的候选类别的差异程度小于差异阈值;
分别计算目标像素点对应的左区域和右区域的区域平整度,根据区域平整度获得待选卸货位置;
计算待选卸货位置的干扰度,根据待选卸货位置的区域平整度和干扰度计算待选卸货位置的优选值,将最大的优选值对应的待选卸货位置作为最优卸货位置。
进一步地,所述计算目标像素点的预设邻域内的所有像素点与目标像素点的相似度的步骤包括:
获取目标像素点的邻域内灰度差异最大的像素点与目标像素点组成的直线的角度,获取像素点的邻域内灰度差异最大的像素点与像素点组成的直线的角度,获取目标像素点的邻域内灰度差异最小的像素点与目标像素点组成的直线的角度,获取像素点的邻域内灰度差异最小的像素点与像素点组成的直线的角度,根据与的差异以及与的差异获得第一特征;
进一步地,所述根据两个类簇计算目标像素点的候选类别的差异程度的步骤包括:
进一步地,所述分别计算目标像素点对应的左区域和右区域的区域平整度的步骤包括:
将目标像素点所在行上位于目标像素点左侧且与目标像素点的距离等于间距L的像素点记为像素点,将目标像素点所在行上位于目标像素点右侧且与目标像素点的距离等于间距L的像素点记为像素点,根据平整度计算公式获得目标像素点、像素点和像素点的平整度,将目标像素点与像素点组成的区域记为目标像素点的左区域,将像素点与像素点的平整度的均值记为目标像素点的左区域的区域平整度,将目标像素点与像素点组成的区域记为目标像素点的右区域,将像素点与像素点的平整度的均值记为目标像素点的右区域的区域平整度。
进一步地,所述平整度计算公式为:
目标像素点的平整度的计算方法为:对于组成目标像素点的预设邻域的任意一条线段,对于线段中的第个像素点,判断第个像素点与第个像素点是否属于同一个类别,如果不属于同一个类别,则将第个像素点记为变化像素点,将线段中所有变化像素点的数量记为线段的类别变化值;根据目标像素点的预设邻域内的线段的类别变化值获得目标像素点的平整度,具体计算公式为:
进一步地,所述计算待选卸货位置的干扰度的步骤包括:
对于任意一个待选卸货位置,获取该待选卸货位置在所有帧的场地图像中对应的所有区域,分别记为第1区域到第区域;对于第区域中的任意一个像素点,如果该像素点的所属类别与该像素点在第区域中对应像素点的所属类别不同,则该像素点为运动像素点;对第区域中的所有运动像素点进行连通域分析,将一个连通域记为一个运动物体,获得第区域中运动物体的数量;将待选卸货位置对应的所有区域的运动物体的数量的平均值作为待选卸货位置的干扰度。
进一步地,所述第一特征、第二特征以及第三特征的计算方法如下:
第一特征的计算公式为:
式中,表示第一特征,表示目标像素点的邻域内灰度差异最大的像素点与目标像素点组成的直线的角度,表示像素点的邻域内灰度差异最大的像素点与像素点组成的直线的角度,表示目标像素点的邻域内灰度差异最小的像素点与目标像素点组成的直线的角度,表示像素点的邻域内灰度差异最小的像素点与像素点组成的直线的角度,灰度差异是指两个像素点的灰度值的差值的绝对值;
第二特征的计算公式为:
第三特征的计算公式为:
进一步地,所述第四特征的计算方法如下:
第四特征的计算公式为:
本发明实施例提出一种用于半挂车自动卸货的控制装置,包括:图像采集装置、图像处理装置和驱动装置;图像采集装置用于采集卸货场地的场地图像;图像处理装置中的处理程序实现本发明实施例中方法的步骤,获得最优卸货位置;驱动装置根据最优卸货位置驱动半挂车到指定位置。
本发明上述方法至少具有如下有益效果:
本发明根据目标像素点的预设邻域内的所有像素点与目标像素点的相似度和目标像素点的候选类别的差异程度,对目标像素点的预设邻域进行多次类别划分,根据类别划分结果获取待选卸货位置的平整度,再进一步分析连续多帧场地图像获取场地中动态物体对各待选位置的干扰度,进而根据平整度与干扰度获取最优卸货位置,最优卸货位置保证了卸货位置的路面平整,同时使卸货过程中受到的外界干扰可能性最小,提高了卸货效率的同时降低了事故发生的风险。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种用于半挂车自动卸货的控制方法及装置的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种用于半挂车自动卸货的控制方法及装置,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种用于半挂车自动卸货的控制方法及装置的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种用于半挂车自动卸货的控制方法及装置的步骤流程图,该方法包括以下步骤:
S001,采集场地图像,获得半挂车的参数信息。
本发明通过相机拍摄卸货场地图像,获得预设时间内连续多帧的卸货场地图像,通过加权灰度化的方法对采集的所有卸货场地图像灰度化处理,将处理后的图像记为场地图像。
结合参数信息表根据半挂车的型号,获取半挂车的轮胎宽度、车辆两侧轮胎间距和车辆长度,并获得场地图像的大小与半挂车的实际大小的比值,将半挂车的轮胎宽度、车辆两侧轮胎间距和车辆长度与比值的乘积分别记为半挂车的宽度、间距和长度,且半挂车的宽度、间距和长度表示半挂车的轮胎宽度、车辆两侧轮胎间距和车辆长度在场地图像中对应的像素点的数量。
S002,计算目标像素点的预设邻域内的所有像素点与目标像素点的相似度,根据相似度获得目标像素点的第一类别和候选类别;计算目标像素点的候选类别的差异程度,重复多次,获得目标像素点的所有类别。
需要说明的是,在半挂车进行卸货时,卸货场地要平整。如果卸货场地选择不够优秀,则半挂车在进行卸货时很容易因货箱升起后出现重心偏移,导致翻车现象。因此,本发明首先对场地图像进行分析,获取路面平整度,并根据路面平整度,获取半挂车的初始卸货位置;而由于卸货过程中往往存在着一定干扰物,比如运动的行人,因此,需要对初始卸货位置进行进一步分析,根据初始卸货位置的干扰度,获取最优卸货位置,并在最优卸货位置卸货时,对半挂车的倾斜角度进行控制。
1、计算目标像素点的预设邻域内的所有像素点与目标像素点的相似度,根据相似度获得目标像素点的第一类别和候选类别。
对最后一帧场地图像进行分析,获得所有待选卸货位置,在进行分析时,需要设定半挂车停放在场地中时,是沿着场地的竖直方向上进行停放,且车身整体不出现偏移,即车身呈竖直直线状。
其中,第一特征的计算公式为:
式中,表示第一特征,表示目标像素点的邻域内灰度差异最大的像素点与目标像素点组成的直线的角度,表示像素点的邻域内灰度差异最大的像素点与像素点组成的直线的角度,表示目标像素点的邻域内灰度差异最小的像素点与目标像素点组成的直线的角度,表示像素点的邻域内灰度差异最小的像素点与像素点组成的直线的角度,灰度差异是指两个像素点的灰度值的差值的绝对值;
第二特征的计算公式为:
第三特征的计算公式为:
式中,表示第三特征,表示以自然常数为底的指数函数,表示像素点与目标像素点的欧式距离,表示目标像素点的预设邻域内的所有像素点与目标像素点的欧式距离的最大值,表示目标像素点的灰度值,表示像素点的灰度值,表示取绝对值。
相似度不仅表征了目标像素点与像素点的灰度信息相似度,同时也反映出了目标像素点与像素点的邻域信息及特征信息的相似度,因此,相似度越大,则说明目标像素点与像素点越属于同一类像素点,在场地图像中的同一类像素点表征平整路面,平整度,同类则说明越平整。
将目标像素点的预设邻域内,与目标像素点的相似度大于相似度阈值的所有像素点组成的类别记为目标像素点的第一类别,且第一类别中像素点的数量为;将目标像素点的预设邻域内,与目标像素点的相似度不大于相似度阈值的所有像素点组成的类别记为目标像素点的候选类别,且候选类别中像素点的数量为。
在本实施例中,相似度阈值为0.9,在其他实施例中,实施人员可根据需要设置相似度阈值。
2、计算目标像素点的候选类别的差异程度。
根据上述步骤,对目标像素点的候选类别中的所有像素点进行进一步分析,判断是否需要进行进一步分类,具体过程如下:对目标像素点的候选类别中的所有像素点使用K-means聚类算法进行聚类,类簇数量为2,将获得的两个类簇分别记为目标像素点的类簇和类簇,计算目标像素点的类簇和类簇的差异程度,具体计算公式为:
其中,第四特征的计算公式为:
目标像素点的差异程度越大,说明目标像素点对应的区域中越可能存在属于别的类别像素点,则该区域越可能不平整,越需要进行进一步分类,以此获取像素点所属的准确类别;目标像素点的差异程度越小,则说明目标像素点对应的区域均为同类像素点,则该区域越平整。
3、根据目标像素点的候选类别的差异程度获得目标像素点的第二类别。
对目标像素点的类簇和类簇的差异程度进行归一化处理,如果差异程度大于差异阈值,则说明需要对目标像素点的候选类别中的所有像素点进行进一步分类,具体步骤为:对目标像素点的候选类别中的所有像素点进行统计,获得所有灰度值的频率,将频率最大的灰度值对应所有像素点这个的任意一个像素点作为新的目标像素点,计算所有像素点与新的目标像素点的相似度,将所有大于相似度阈值的像素点组成的类别记为目标像素点的第二类别,并将目标像素点的预设邻域内不属于第一类别和第二类别的所有像素点记为目标像素点的新的候选类别。
在本实施例中,差异阈值为0.85,在其他实施例中,实施人员可根据需要设置差异阈值。
4、重复上述步骤2和步骤3,根据目标像素点的候选类别的差异程度获得目标像素点的所有类别,直至目标像素点的候选类别的差异程度小于差异阈值;将目标像素点的候选类别记为目标像素点的第类别,其中,表示目标像素点的所有类别数量。
S003,分别计算目标像素点对应的左区域和右区域的区域平整度,根据区域平整度获得待选卸货位置。
1、计算目标像素点的平整度。
目标像素点的预设邻域是由条水平线段和条竖直线段组成,对任意一条线段进行分析,对于线段中的第个像素点,判断第个像素点与第个像素点是否属于同一个类别,如果不属于同一个类别,则将第个像素点记为变化像素点,将线段中所有变化像素点的数量记为线段的类别变化值。
线段的类别变化值越大,说明线段对应的位置越可能是凹凸不平的,即越不平整,则目标像素点的平整度越小,目标像素点的平整度越小,则说明目标像素点对应的位置越不适合停车,将该位置作为一侧轮胎的停止区域进行卸货发生危险的可能性越大。
2、根据目标像素点的平整度计算目标像素点对应的左区域和右区域的区域平整度,根据区域平整度获得待选卸货位置。
目标像素点对应的区域表征的是半挂车的一侧轮胎的停止区域,而半挂车的两侧均具有轮胎,只有两侧的轮胎的停止区域都合适时,半挂车才能保持平稳,因此,半挂车两侧的轮胎均需要确定停止区域;将目标像素点所在行上位于目标像素点左侧且与目标像素点的距离等于间距L的像素点记为像素点,将目标像素点所在行上位于目标像素点右侧且与目标像素点的距离等于间距L的像素点记为像素点,根据上述步骤计算像素点和像素点的平整度和,将目标像素点与像素点组成的区域记为目标像素点的左区域,将像素点与像素点的平整度的均值记为目标像素点的左区域的区域平整度,将目标像素点与像素点组成的区域记为目标像素点的右区域,将像素点与像素点的平整度的均值记为目标像素点的右区域的区域平整度。
区域平整度越大,则说明半挂车停放在该区域时越平稳,则将半挂车停放在该区域时的卸货效果越好。获取目标像素点对应的两个区域中区域平整度较大的区域,如果该区域的区域平整度大于平整阈值,则该区域作为待选卸货位置。
在本实施例中,平整阈值为0.8,在其他实施例中,实施人员可根据需要设置平整阈值。
S004,计算待选卸货位置的干扰度,根据待选卸货位置的区域平整度和干扰度计算待选卸货位置的优选值,将最大的优选值对应的待选卸货位置作为最优卸货位置。
需要说明的是,对于半挂车的多个待选卸货位置,对预设时间内采集的多帧场地图像进行分析,对待选卸货位置对应的区域中的动态干扰物进行识别判断,并根据动态干扰物信息计算待选卸货位置的干扰度,并根据干扰度与平整度计算出待选卸货位置的优选度,从而获取最优半挂车卸货位置。
1、计算待选卸货位置的干扰度。
对于任意一个待选卸货位置,获取该待选卸货位置在所有帧的场地图像中对应的所有区域,分别记为第1区域到第区域;对于第区域中的任意一个像素点,如果该像素点的所属类别与该像素点在第区域中对应像素点的所属类别不同,则该像素点为运动像素点;对第区域中的所有运动像素点进行连通域分析,将一个连通域记为一个运动物体,获得第区域中运动物体的数量。
待选卸货位置的干扰度的计算公式为:
待选卸货位置的干扰度越大,则说明该待选卸货位置在卸货时受到的干扰越大,半挂车在待选卸货位置进行卸货的效果越差。
2、根据待选卸货位置的区域平整度和干扰度计算待选卸货位置的优选值,将最大的优选值对应的待选卸货位置作为最优卸货位置。
将待选卸货位置的区域平整度和干扰度的比值,记为待选卸货位置的优选值,且待选卸货位置的优选值越大,说明该待选卸货位置处的路面平整度越大且受到的干扰越小,因此,半挂车停在待选卸货位置处进行卸货时,卸货效率越高,安全性越好。
将最大的优选值对应的待选卸货位置作为最优卸货位置。
需要说明的是,由于最优卸货位置是根据平整度与干扰度获取的,因此,最优卸货位置保证了卸货位置的路面平整,同时使卸货过程中受到的外界干扰可能性最小,提高了卸货效率的同时降低了事故发生的风险。
综上所述,本发明根据目标像素点的预设邻域内的所有像素点与目标像素点的相似度和目标像素点的候选类别的差异程度,对目标像素点的预设邻域进行多次类别划分,根据类别划分结果获取待选卸货位置的平整度,再进一步分析连续多帧场地图像获取场地中动态物体对各待选位置的干扰度,进而根据平整度与干扰度获取最优卸货位置,最优卸货位置保证了卸货位置的路面平整,同时使卸货过程中受到的外界干扰可能性最小,提高了卸货效率的同时降低了事故发生的风险。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (2)
1.一种用于半挂车自动卸货的控制方法,其特征在于,所述方法包括:
采集场地图像,获得半挂车的参数信息;
将场地图像中的任意一个像素点作为目标像素点,获得目标像素点的第一类别和候选类别,包括:计算目标像素点的预设邻域内的所有像素点与目标像素点的相似度,将相似度大于相似度阈值的所有像素点组成的类别记为目标像素点的第一类别,将相似度不大于相似度阈值的所有像素点组成的类别记为目标像素点的候选类别;
根据目标像素点的候选类别的差异程度获得目标像素点的第二类别,包括:对目标像素点的候选类别进行聚类获得两个类簇,根据两个类簇计算目标像素点的候选类别的差异程度;如果差异程度大于差异阈值,将候选类别中频率最大的灰度值对应所有像素点中的任意一个像素点作为新的目标像素点,计算候选类别中所有像素点与新的目标像素点的相似度,将与新的目标像素点的相似度大于相似度阈值的所有像素点组成的类别记为目标像素点的第二类别,将剩余的所有像素点记为目标像素点的新的候选类别;
重复根据目标像素点的候选类别的差异程度获得目标像素点的所有类别,直至目标像素点的候选类别的差异程度小于差异阈值;
分别计算目标像素点对应的左区域和右区域的区域平整度,根据区域平整度获得待选卸货位置;
计算待选卸货位置的干扰度,根据待选卸货位置的区域平整度和干扰度计算待选卸货位置的优选值,将最大的优选值对应的待选卸货位置作为最优卸货位置;
所述计算目标像素点的预设邻域内的所有像素点与目标像素点的相似度的步骤包括:
获取目标像素点的邻域内灰度差异最大的像素点与目标像素点组成的直线的角度,获取像素点的邻域内灰度差异最大的像素点与像素点组成的直线的角度,获取目标像素点的邻域内灰度差异最小的像素点与目标像素点组成的直线的角度,获取像素点的邻域内灰度差异最小的像素点与像素点组成的直线的角度,根据与的差异以及与的差异获得第一特征;
所述根据两个类簇计算目标像素点的候选类别的差异程度的步骤包括:
所述分别计算目标像素点对应的左区域和右区域的区域平整度的步骤包括:
将目标像素点所在行上位于目标像素点左侧且与目标像素点的距离等于间距L的像素点记为像素点,将目标像素点所在行上位于目标像素点右侧且与目标像素点的距离等于间距L的像素点记为像素点,根据平整度计算公式获得目标像素点、像素点和像素点的平整度,将目标像素点与像素点组成的区域记为目标像素点的左区域,将像素点与像素点的平整度的均值记为目标像素点的左区域的区域平整度,将目标像素点与像素点组成的区域记为目标像素点的右区域,将像素点与像素点的平整度的均值记为目标像素点的右区域的区域平整度;
根据区域平整度获得待选卸货位置包括:若某区域的区域平整度大于预设平整阈值,则该区域作为待选卸货位置;
所述平整度计算公式为:
目标像素点的平整度的计算方法为:对于组成目标像素点的预设邻域的任意一条线段,对于线段中的第个像素点,判断第个像素点与第个像素点是否属于同一个类别,如果不属于同一个类别,则将第个像素点记为变化像素点,将线段中所有变化像素点的数量记为线段的类别变化值;根据目标像素点的预设邻域内的线段的类别变化值获得目标像素点的平整度,具体计算公式为:
所述计算待选卸货位置的干扰度的步骤包括:
对于任意一个待选卸货位置,获取该待选卸货位置在所有帧的场地图像中对应的所有区域,分别记为第1区域到第区域;对于第区域中的任意一个像素点,如果该像素点的所属类别与该像素点在第区域中对应像素点的所属类别不同,则该像素点为运动像素点;对第区域中的所有运动像素点进行连通域分析,将一个连通域记为一个运动物体,获得第区域中运动物体的数量;将待选卸货位置对应的所有区域的运动物体的数量的平均值作为待选卸货位置的干扰度;
所述第一特征、第二特征以及第三特征的计算方法如下:
第一特征的计算公式为:
式中,表示第一特征,表示目标像素点的邻域内灰度差异最大的像素点与目标像素点组成的直线的角度,表示像素点的邻域内灰度差异最大的像素点与像素点组成的直线的角度,表示目标像素点的邻域内灰度差异最小的像素点与目标像素点组成的直线的角度,表示像素点的邻域内灰度差异最小的像素点与像素点组成的直线的角度,灰度差异是指两个像素点的灰度值的差值的绝对值;
第二特征的计算公式为:
第三特征的计算公式为:
式中,表示第三特征,表示以自然常数为底的指数函数,表示像素点与目标像素点的欧式距离,表示目标像素点的预设邻域内的所有像素点与目标像素点的欧式距离的最大值,表示目标像素点的灰度值,表示像素点的灰度值,表示取绝对值;
所述第四特征的计算方法如下:
第四特征的计算公式为:
2.一种用于半挂车自动卸货的控制装置,包括:图像采集装置、图像处理装置和驱动装置,其特征在于,所述图像采集装置用于采集卸货场地的场地图像;所述图像处理装置中的处理程序实现如权利要求1所述方法的步骤,获得最优卸货位置;所述驱动装置根据最优卸货位置驱动半挂车到指定位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211401771.2A CN115457484B (zh) | 2022-11-10 | 2022-11-10 | 一种用于半挂车自动卸货的控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211401771.2A CN115457484B (zh) | 2022-11-10 | 2022-11-10 | 一种用于半挂车自动卸货的控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115457484A CN115457484A (zh) | 2022-12-09 |
CN115457484B true CN115457484B (zh) | 2023-02-07 |
Family
ID=84295810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211401771.2A Active CN115457484B (zh) | 2022-11-10 | 2022-11-10 | 一种用于半挂车自动卸货的控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115457484B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115953472B (zh) * | 2023-03-13 | 2023-05-23 | 鱼台顺驰工贸有限公司 | 一种低平板半挂车的载货区智能定位方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578131A (zh) * | 2017-09-11 | 2018-01-12 | 成都华药共享网络科技有限公司 | 大规模的物流路径规划系统 |
CN107578119A (zh) * | 2017-08-09 | 2018-01-12 | 泉州装备制造研究所 | 一种智能调度系统的资源分配全局优化方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009102011A1 (ja) * | 2008-02-14 | 2009-08-20 | Nec Corporation | 更新領域検出装置 |
CN110378911B (zh) * | 2019-07-11 | 2022-06-21 | 太原科技大学 | 基于候选区域和邻域分类器的弱监督图像语义分割方法 |
CN110569793B (zh) * | 2019-09-09 | 2022-06-07 | 西南交通大学 | 一种无监督相似性判别学习的目标跟踪方法 |
CN112258038A (zh) * | 2020-10-23 | 2021-01-22 | 上海中通吉网络技术有限公司 | 站台使用状态及车辆装卸货状态的识别方法、装置和设备 |
CN114529843A (zh) * | 2020-10-30 | 2022-05-24 | 顺丰科技有限公司 | 货物拥堵识别方法、装置、电子设备和存储介质 |
CN113012200B (zh) * | 2021-03-23 | 2023-01-13 | 北京灵汐科技有限公司 | 一种运动物体的定位方法、装置、电子设备及存储介质 |
CN113095447B (zh) * | 2021-06-10 | 2021-09-07 | 深圳联合安防科技有限公司 | 一种基于图像识别的检测方法及系统 |
-
2022
- 2022-11-10 CN CN202211401771.2A patent/CN115457484B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578119A (zh) * | 2017-08-09 | 2018-01-12 | 泉州装备制造研究所 | 一种智能调度系统的资源分配全局优化方法 |
CN107578131A (zh) * | 2017-09-11 | 2018-01-12 | 成都华药共享网络科技有限公司 | 大规模的物流路径规划系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115457484A (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116385448B (zh) | 基于机器视觉的氧化铝陶瓷表面加工缺陷检测方法 | |
CN115457484B (zh) | 一种用于半挂车自动卸货的控制方法及装置 | |
CN107679520B (zh) | 一种适用于复杂条件下的车道线视觉检测方法 | |
CN115311277B (zh) | 一种不锈钢制品的凹坑缺陷识别方法 | |
CN108256521B (zh) | 用于车身颜色识别的有效区域定位方法 | |
CN110287884B (zh) | 一种辅助驾驶中压线检测方法 | |
CN107832674B (zh) | 一种车道线检测方法 | |
CN114820773B (zh) | 基于计算机视觉的筒仓运输车辆车厢位置检测方法 | |
CN113554629A (zh) | 基于人工智能的带钢红锈缺陷检测方法 | |
CN114758185B (zh) | 一种基于灰度色差的注塑参数控制方法与系统 | |
CN115937216A (zh) | 一种新能源汽车用磁转子外观质量检测方法 | |
CN101464998B (zh) | 面向纺织行业的非高斯纹理噪声平滑滤波方法 | |
CN114842430B (zh) | 一种用于道路监测的车辆信息识别方法及系统 | |
CN116229423A (zh) | 基于改进的Canny边缘检测算法和SVM的无人驾驶中的小目标检测方法 | |
CN114881965A (zh) | 一种基于人工智能和图像处理的木板节子检测方法 | |
CN116779465A (zh) | 一种纳米压印晶圆缺陷检测方法 | |
CN116486091A (zh) | 基于人工智能的风机叶片缺陷区域快速分割方法及系统 | |
CN117853484A (zh) | 一种基于视觉的桥梁损伤智能监测方法及系统 | |
CN115953472A (zh) | 一种低平板半挂车的载货区智能定位方法 | |
JP4994955B2 (ja) | 移動体識別装置、移動体識別プログラム | |
CN115100510B (zh) | 一种轮胎磨损度识别方法 | |
CN110619654B (zh) | 一种运动目标检测与跟踪方法 | |
CN105740796B (zh) | 一种基于灰度直方图的透视变换后车道线图像二值化方法 | |
CN114882387B (zh) | 一种磨削工艺中轴承滚道撞伤识别及自动抛光定位方法 | |
CN108229244A (zh) | 一种智能车前方运动车辆的检测方法 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A control method and device for automatic unloading of semi-trailers Effective date of registration: 20231208 Granted publication date: 20230207 Pledgee: Industrial and Commercial Bank of China Limited Liangshan sub branch Pledgor: LIANGSHAN HUA LU SPECIAL PURPOSE VEHICLE MANUFACTURING Co.,Ltd. Registration number: Y2023980070214 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |