CN115773745A - 无人集卡对位方法、装置、设备及可读存储介质 - Google Patents

无人集卡对位方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN115773745A
CN115773745A CN202211372702.3A CN202211372702A CN115773745A CN 115773745 A CN115773745 A CN 115773745A CN 202211372702 A CN202211372702 A CN 202211372702A CN 115773745 A CN115773745 A CN 115773745A
Authority
CN
China
Prior art keywords
unmanned
alignment
card
information
target
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
CN202211372702.3A
Other languages
English (en)
Inventor
闫名慧
刘劲松
杨春
余文艳
孙权
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.)
Dongfeng Commercial Vehicle Co Ltd
Original Assignee
Dongfeng Commercial Vehicle 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 Dongfeng Commercial Vehicle Co Ltd filed Critical Dongfeng Commercial Vehicle Co Ltd
Priority to CN202211372702.3A priority Critical patent/CN115773745A/zh
Publication of CN115773745A publication Critical patent/CN115773745A/zh
Priority to PCT/CN2023/123470 priority patent/WO2024093616A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • 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
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供一种无人集卡对位方法、装置、设备及可读存储介质，无人集卡对位方法包括：基于目标位置的定位信息，控制无人集卡进行对位；获取无人集卡的对位信息；基于无人集卡的对位信息确定无人集卡是否对位成功；若对位成功，则输出提示信息，以提示港机设备进行装/卸集装箱作业；若未对位成功，则基于所述对位信息调整无人集卡的位置，并返回至获取无人集卡的对位信息的步骤。通过本发明可以解决有人集卡采用人工在港机设备下进行对位停车效率低且存在安全隐患的问题，并在此基础上保障无人集卡的对位准确性以及安全可靠性，以使得整体无人集卡与港机设备交互作业更加的安全与高效。

Description

无人集卡对位方法、装置、设备及可读存储介质
技术领域
本发明涉及智慧港口无人集卡控制领域，尤其涉及一种无人集卡对位方法、装置、设备及可读存储介质。
背景技术
目前港口多采用有人集卡运输集装箱来完成装船作业，其中，在港机设备下或者堆场作业区需要精准对位停车时，均需要司机人为根据港机设备下人为放置的对位杆进行对位停车，以便于后续港口港机设备完成抓放集装箱作业。上述采用有人集卡来进行对位停车的方式，司机以及港机设备下引导人员会存在安全隐患，效率低且人工成本高。
发明内容
本发明的主要目的在于提供一种无人集卡对位方法、装置、设备及可读存储介质，旨在解决现有技术中有人集卡对位停车时，需要采用人工进行对位，效率低且存在安全隐患的技术问题。
第一方面，本发明提供一种无人集卡对位方法，所述无人集卡对位方法包括以下步骤：
基于目标位置的定位信息，控制无人集卡进行对位；
获取无人集卡的对位信息；
基于无人集卡的对位信息确定无人集卡是否对位成功；
若对位成功，则输出提示信息，以提示港机设备进行装/卸集装箱作业；
若未对位成功，则基于所述对位信息调整无人集卡的位置，并返回至获取无人集卡的对位信息的步骤。
可选的，在所述获取无人集卡的对位信息的步骤之前包括：
获取港机设备上摄像头所采集的无人集卡的图像；
基于所述图像识别得到无人集卡的车头以及限位副车架的四条边；
标记图像坐标系下限位副车架的四条边对应的四个顶角坐标，并基于SLAM算法将所述四个顶角坐标转换为世界坐标系下对应的四个目标坐标；
基于所述四个目标坐标，确定无人集卡与目标位置的第一距离差值；
基于所述四个目标坐标中无人集卡的车头对应的两个目标坐标计算得到无人集卡相对于目标位置的姿态角度值。
可选的，在所述获取无人集卡的对位信息的步骤之前包括：
获取测试数据，并基于测试数据构建误差修正模型，所述测试数据为若干组以预设频率采集的无人集卡与目标位置的第一测试距离差值与对应的第二测试距离差值，其中，第一测试距离差值基于港机设备上摄像头所采集的无人集卡的图像进行识别所得，第二测试距离差值基于无人集卡与目标位置的定位信息计算所得；
基于所述误差修正模型确定距离调整比；
基于所述第一距离差值与所述距离调整比，确定无人集卡与目标位置的第二距离差值。
可选的，所述基于测试数据构建误差修正模型的步骤包括：
计算得到若干组第一测试距离差值与对应的第二测试距离差值的比值；
确定处于不同数值范围的比值对应的组数；
基于所述不同数值范围的比值以及所述不同数值范围的比值对应的组数，拟合得到正态分布曲线，并基于正态分布曲线构建得到误差修正模型。
可选的，所述基于所述对位信息调整无人集卡的位置的步骤包括：
基于所述第二距离差值，确定无人集卡的目标行驶方向与目标行驶距离；
基于所述姿态角度值，确定无人集卡的目标转动方向与目标转动角度；
控制无人集卡沿着所述目标转动方向转动所述目标转动角度，并沿着所述目标行驶方向行进所述目标行驶距离。
可选的，在所述基于所述对位信息调整无人集卡的位置的步骤之前还包括：
获取障碍物的三维点云信息；
基于无人集卡的调整轨迹与障碍物的三维点云信息确定无人集卡是否会与障碍物产生碰撞；
若会产生碰撞，则暂停调整无人集卡的位置，进行原地等待或避障。
第二方面，本发明还提供一种无人集卡对位装置，所述无人集卡对位装置包括：
对位模块，用于基于目标位置的定位信息，控制无人集卡进行对位；
获取模块，用于获取无人集卡的对位信息；
确定模块，用于基于无人集卡的对位信息确定无人集卡是否对位成功；
提示模块，用于若对位成功，则输出提示信息，以提示港机设备进行装/卸集装箱作业；
调整模块，用于若未对位成功，则基于所述对位信息调整无人集卡的位置，并返回至获取无人集卡的对位信息的步骤。
可选的，所述无人集卡对位装置还包括计算模块，用于：
获取港机设备上摄像头所采集的无人集卡的图像；
基于所述图像识别得到无人集卡的车头以及限位副车架的四条边；
标记图像坐标系下限位副车架的四条边对应的四个顶角坐标，并基于SLAM算法将所述四个顶角坐标转换为世界坐标系下对应的四个目标坐标；
基于所述四个目标坐标，确定无人集卡与目标位置的第一距离差值；
基于所述四个目标坐标中无人集卡的车头对应的两个目标坐标计算得到无人集卡相对于目标位置的姿态角度值。
可选的，所述无人集卡对位装置还包括误差修正模块，用于：
获取测试数据，并基于测试数据构建误差修正模型，所述测试数据为若干组以预设频率采集的无人集卡与目标位置的第一测试距离差值与对应的第二测试距离差值，其中，第一测试距离差值基于港机设备上摄像头所采集的无人集卡的图像进行识别所得，第二测试距离差值基于无人集卡与目标位置的定位信息计算所得；
基于所述误差修正模型确定距离调整比；
基于所述第一距离差值与所述距离调整比，确定无人集卡与目标位置的第二距离差值。
可选的，所述误差修正模块，还具体用于：
计算得到若干组第一测试距离差值与对应的第二测试距离差值的比值；
确定处于不同数值范围的比值对应的组数；
基于所述不同数值范围的比值以及所述不同数值范围的比值对应的组数，拟合得到正态分布曲线，并基于正态分布曲线构建得到误差修正模型。
可选的，所述调整模块，还具体用于：
基于所述第二距离差值，确定无人集卡的目标行驶方向与目标行驶距离；
基于所述姿态角度值，确定无人集卡的目标转动方向与目标转动角度；
控制无人集卡沿着所述目标转动方向转动所述目标转动角度，并沿着所述目标行驶方向行进所述目标行驶距离。
可选的，所述无人集卡对位装置还包括障碍预警模块，用于：
获取障碍物的三维点云信息；
基于无人集卡的调整轨迹与障碍物的三维点云信息确定无人集卡是否会与障碍物产生碰撞；
若会产生碰撞，则暂停调整无人集卡的位置，进行原地等待或避障。
第三方面，本发明还提供一种无人集卡对位设备，所述无人集卡对位设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的无人集卡对位程序，其中所述无人集卡对位程序被所述处理器执行时，实现如上述所述的无人集卡对位方法的步骤。
第四方面，本发明还提供一种可读存储介质，所述可读存储介质上存储有无人集卡对位程序，其中所述无人集卡对位程序被处理器执行时，实现如上述所述的无人集卡对位方法的步骤。
本发明提供一种无人集卡对位方法、装置、设备及可读存储介质，无人集卡对位方法包括：基于目标位置的定位信息，控制无人集卡进行对位；获取无人集卡的对位信息；基于无人集卡的对位信息确定无人集卡是否对位成功；若对位成功，则输出提示信息，以提示港机设备进行装/卸集装箱作业；若未对位成功，则基于所述对位信息调整无人集卡的位置，并返回至获取无人集卡的对位信息的步骤。通过本发明可以解决有人集卡采用人工在港机设备下进行对位停车效率低且存在安全隐患的问题，并在此基础上保障无人集卡的对位准确性以及安全可靠性，以使得整体无人集卡与港机设备交互作业更加的安全与高效。
附图说明
图1为本发明实施例方案中涉及的无人集卡对位设备的硬件结构示意图；
图2为本发明无人集卡对位方法一实施例的流程示意图；
图3为本发明无人集卡对位方法又一实施例的流程示意图；
图4为本发明无人集卡对位方法再一实施例的流程示意图；
图5为本发明无人集卡对位装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
第一方面，本发明实施例提供一种无人集卡对位设备。
参照图1，图1为本发明实施例方案中涉及的无人集卡对位设备的硬件结构示意图。本发明实施例中，无人集卡对位设备可以包括处理器1001(例如中央处理器CentralProcessingUnit，CPU)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)；网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity，WI-FI接口)；存储器1005可以是高速随机存取存储器(random access memory，RAM)，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的硬件结构并不构成对本发明的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
继续参照图1，图1中作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及无人集卡对位程序。其中，处理器1001可以调用存储器1005中存储的无人集卡对位程序，并执行本发明实施例提供的无人集卡对位方法。
第二方面，本发明实施例提供了一种无人集卡对位方法。
参照图2，图2为本发明无人集卡对位方法一实施例的流程示意图。
在本发明无人集卡对位方法一实施例中，无人集卡对位方法包括：
步骤S10，基于目标位置的定位信息，控制无人集卡进行对位；
步骤S20，获取无人集卡的对位信息；
步骤S30，基于无人集卡的对位信息确定无人集卡是否对位成功；
步骤S40，若对位成功，则输出提示信息，以提示港机设备进行装/卸集装箱作业；
步骤S50，若未对位成功，则基于所述对位信息调整无人集卡的位置，并返回至获取无人集卡的对位信息的步骤。
本实施例中，采用无人集卡进行自动驾驶对位，以解决现有技术中有人集卡在港口港机设备下对位停车时，需要采用人工进行对位，效率低且存在安全隐患的问题。其中，无人集卡进行自动驾驶对位过程中，首先会通过高精度定位系统对应的目标位置以及无人集卡的定位信息进行对位。而在无人集卡基于定位信息进行对位停车的实际运营过程中，存在对位准确性以及安全可靠性等问题，这些问题会导致对位成功率不足。如：(1)由于港机设备(桥吊、龙门吊、堆高机)等桥体的金属遮盖面积较大，桥下无人集卡的定位信号飘，无人集卡可能报错并原地等待定位信号恢复；(2)若定位信号的精度与目的地经纬度差值大于预设差值(如5cm)时，无人集卡可能需要重绕一圈再次定位，这种重复定位会大大影响运营效率，且可能造成拥堵；(3)在定位信号丢失，车端智能系统地图中未设置电子围栏的情况下，车辆在岸桥存在冲入海中的风险。
因此，本实施例方案中在通过高精度定位系统的定位信息进行对位的基础上，会实时获取无人集卡的对位信息。基于对上述对位信息的判断来确定无人集卡是否对位成功。当确定对位成功时，则可以输出提示信息，比如控制港机吊具上方绿灯，从而示意港机司机可以进行抓/放箱作业，即以提示港机设备进行装/卸集装箱的作业。当确定无人集卡尚未对位成功时，则此时可以基于上述对位信息调整无人集卡的位置。并在调整的同时或者调整完成之后再返回至获取无人集卡的对位信息的步骤，直至无人集卡对位成功。通过上述基于定位信息以及基于对位信息确认对位结果的方式，可以解决有人集卡采用人工在港机设备下进行对位停车效率低且存在安全隐患的问题，并在此基础上保障无人集卡的对位准确性以及安全可靠性。
进一步，一实施例中，参照图3，在所述步骤S20之前包括：
步骤S60，获取港机设备上摄像头所采集的无人集卡的图像；
步骤S70，基于所述图像识别得到无人集卡的车头以及限位副车架的四条边；
步骤S80，标记图像坐标系下限位副车架的四条边对应的四个顶角坐标，并基于SLAM算法将所述四个顶角坐标转换为世界坐标系下对应的四个目标坐标；
步骤S90，基于所述四个目标坐标，确定无人集卡与目标位置的第一距离差值；
步骤S100，基于所述四个目标坐标中无人集卡的车头对应的两个目标坐标计算得到无人集卡相对于目标位置的姿态角度值。
本实施例中，在无人集卡获取对位信息之前，需要基于港口智能对位系统iCPS等来采集得到对位信息，而iCPS采集得到对位信息，可以基于港机设备吊具上的摄像头视频信息，建立摄像头专用的图像坐标系。再基于港机设备吊具上的摄像头实时采集无人集卡的图像，来捕捉识别所采集图像中无人集卡的边界坐标。其中，需要识别得到的无人集卡边界包括无人集卡的车头以及限位副车架的四条边。此时可以标记标记图像坐标系下限位副车架的四条边对应的四个顶角坐标(X1,Y1)、(X2,Y2)、(X3,Y3)、(X4,Y4)，并基于SLAM算法将所述四个顶角坐标转换为世界坐标系下对应的四个目标坐标(XG1,YG1)、(XG2,YG2)、(XG3,YG3)、(XG4,YG4)。。
其中，基于上述四个目标坐标，可以确定无人集卡与目标位置的第一距离差值，上述第一距离差值为集卡距离抵达精准的作业中心位置的差值，其中正值表示前进距离，负值表示后退距离，单位为mm；基于所述四个目标坐标中无人集卡的车头对应的两个目标坐标(XG1,YG1)、(XG2,YG2)，可以计算得到无人集卡相对于目标位置的姿态角度值θ，其中，
Figure BDA0003925720190000071
其中上述姿态角度值与吊具姿态为同一坐标系，单位为0.1度。上述第一距离差值与姿态角度值均为无人集卡的对位信息，而上述对位信息会由iCPS推送至VMS车管平台，VMS车管平台再将上述定位信息推送至对应的无人集卡车端OBU。
进一步，一实施例中，在所述步骤S20之前包括：
获取测试数据，并基于测试数据构建误差修正模型，所述测试数据为若干组以预设频率采集的无人集卡与目标位置的第一测试距离差值与对应的第二测试距离差值，其中，第一测试距离差值基于港机设备上摄像头所采集的无人集卡的图像进行识别所得，第二测试距离差值基于无人集卡与目标位置的定位信息计算所得；
基于所述误差修正模型确定距离调整比；
基于所述第一距离差值与所述距离调整比，确定无人集卡与目标位置的第二距离差值。
本实施例中，由于无人集卡在对位过程中靠近装卸货点时，iCPS会以固定频率如以1hz的频率上报无人集卡与目标位置的距离L，而L相对于无人集卡与目标位置的实际距离D，其数值之间会存在一定偏差。考虑到无人集卡的对位调整过程需要保障对位信息的准确性，若偏差过大会导致无人集卡重复执行对位调整直至对位成功，其效率将极其低下，因而需控制此偏差处于一定的允许范围内，以得到更为准确的对位信息，从而提高对位效率。
因此本实施例方案中，为了纠正上述偏差，对港口无人集卡进行测试，按照秒级频率收集各个用例下的测试数据L与D，所采集得到的测试数据为若干组以预设频率采集的无人集卡与目标位置的第一测试距离差值与对应的第二测试距离差值，其中，第一测试距离差值基于港机设备上摄像头所采集的无人集卡的图像进行识别所得，第二测试距离差值基于无人集卡与目标位置的定位信息计算所得。
在收集得到测试数据后，再基于上述测试数据即可以构建得到误差修正模型。后续在实际运行中，可基于上述误差修正模型来确定距离调整比，上述距离调整比对应无人集卡相对于目标位置的两个测试距离L与D之间的正向误差。在得到上述距离调整比后，可以进一步基于上述第一距离差值与距离调整比，从而确定无人集卡与目标位置的第二距离差值。比如距离调整比为0.5％-0.7％，第一距离差值为L0，则可以进一步得到第二距离差值为L0*(1+0.6％)。以上述第二距离差值为对位信息中无人集卡在对位调整时，所需要参照的无人集卡与目标位置的距离差值。
更进一步，一实施例中，所述基于测试数据构建误差修正模型的步骤包括：
计算得到若干组第一测试距离差值与对应的第二测试距离差值的比值；
确定处于不同数值范围的比值对应的组数；
基于所述不同数值范围的比值以及所述不同数值范围的比值对应的组数，拟合得到正态分布曲线，并基于正态分布曲线构建得到误差修正模型。
本实施例中，具体基于测试数据构建误差修正模型的步骤包括：将上述若干组第一测试距离差值L0与对应的第二测试距离差值D0进行比值计算，得到若干组比值。再通过确定处于不同数值范围的比值对应有多少组(即组数)来对所有组比值的测试数据进行整合得到如下表1。
表1
Figure BDA0003925720190000091
Figure BDA0003925720190000101
基于上述测试数据进行曲线算法拟合得到正态分布曲线，对应拟合所得的正态分布曲线可以构建得到误差修正模型，通过上述误差修正模型，可以确定L0/D0的比值有多少集中在某个数值范围内，如集中在100.5～100.7之间，即无人集卡与目标位置的实际距离相对于iCPS所监测的距离有0.5％～0.7％的正向误差，即在iCPS在输出无人集卡与目标位置的距离差值的对位信息时可增加0.6％的修正值。
其中，上述误差修正模型是基于模拟所得，也可以通过收集更多的维度参数，如各个场景下(雨天、晴天、雪天等)各个距离(10dm以内、10-40dm、40-80dm、80-100dm等)下的测试数据进行分组拟合得到更为精确适应更多场景的误差调整模型，从而得到预测精度更高的对位信息。
进一步，一实施例中，参照图4，所述基于所述对位信息调整无人集卡的位置的步骤包括：
步骤S501，基于所述第二距离差值，确定无人集卡的目标行驶方向与目标行驶距离；
步骤S502，基于所述姿态角度值，确定无人集卡的目标转动方向与目标转动角度；
步骤S503，控制无人集卡沿着所述目标转动方向转动所述目标转动角度，并沿着所述目标行驶方向行进所述目标行驶距离。
本实施例中，在通过上述方式获取得到iCPS的对位信息之后，由于对位信息已经非常精确，此时可以基于上述较为精确的对位信息对无人集卡进行位置调整。具体地，对位信息包括第二距离差值与姿态角度值，通过上述第二距离差值可以确定无人集卡地目标行驶方向与目标行驶距离；通过上述姿态角度值，可以确定无人集卡地目标转动个方向与目标转动角度。在得到上述控制参数后，控制无人集卡沿着所述目标转动方向转动所述目标转动角度，并沿着所述目标行驶方向行进所述目标行驶距离。由于上述对位信息较为准确，此时可以高效且精确的完成对位调整。
进一步，一实施例中，在所述基于所述对位信息调整无人集卡的位置的步骤之前还包括：
获取障碍物的三维点云信息；
基于无人集卡的调整轨迹与障碍物的三维点云信息确定无人集卡是否会与障碍物产生碰撞；
若会产生碰撞，则暂停调整无人集卡的位置，进行原地等待或避障。
本实施例中，由于无人集卡的对位调整属于遥控指令中的一种，通常此情况下下无人集卡的自动驾驶系统会直接执行调整的步进指令。而本方案在对位调整过程中，无人集卡的车端激光雷达会持续同步工作，基于障碍物的反射信号结合时间戳信息、激光的扫描角度、GPS位置与特征信息。将其处理为高精度的三维坐标，从而成为具有距离以及空间信息的三位立体信号，再基于融合算法，可建立三维点云。在基于对位信息调整无人集卡的位置之前会获取障碍物的三位点云信息，基于无人集卡的调整轨迹来确定是否存在与障碍物产生碰撞的风险。若存在存在产生碰撞的风险，则即使此时调整指令要求车辆前进一段距离，也会暂停调整无人集卡的位置，进行原地等待或避障，从而保障无人集卡的作业安全与高效。
本实施例中，提供一种无人集卡对位方法包括：基于目标位置的定位信息，控制无人集卡进行对位；获取无人集卡的对位信息；基于无人集卡的对位信息确定无人集卡是否对位成功；若对位成功，则输出提示信息，以提示港机设备进行装/卸集装箱作业；若未对位成功，则基于所述对位信息调整无人集卡的位置，并返回至获取无人集卡的对位信息的步骤。通过本发明可以解决有人集卡采用人工在港机设备下进行对位停车效率低且存在安全隐患的问题，并在此基础上保障无人集卡的对位准确性以及安全可靠性，以使得整体无人集卡与港机设备交互作业更加的安全与高效。
第三方面，本发明实施例还提供一种无人集卡对位装置。
参照图5，无人集卡对位装置一实施例的功能模块示意图。
本实施例中，所述无人集卡对位装置包括：
对位模块10，用于基于目标位置的定位信息，控制无人集卡进行对位；
获取模块20，用于获取无人集卡的对位信息；
确定模块30，用于基于无人集卡的对位信息确定无人集卡是否对位成功；
提示模块40，用于若对位成功，则输出提示信息，以提示港机设备进行装/卸集装箱作业；
调整模块50，用于若未对位成功，则基于所述对位信息调整无人集卡的位置，并返回至获取无人集卡的对位信息的步骤。
进一步，一实施例中，所述无人集卡对位装置还包括计算模块，用于：
获取港机设备上摄像头所采集的无人集卡的图像；
基于所述图像识别得到无人集卡的车头以及限位副车架的四条边；
标记图像坐标系下限位副车架的四条边对应的四个顶角坐标，并基于SLAM算法将所述四个顶角坐标转换为世界坐标系下对应的四个目标坐标；
基于所述四个目标坐标，确定无人集卡与目标位置的第一距离差值；
基于所述四个目标坐标中无人集卡的车头对应的两个目标坐标计算得到无人集卡相对于目标位置的姿态角度值。
进一步，一实施例中，所述无人集卡对位装置还包括误差修正模块，用于：
获取测试数据，并基于测试数据构建误差修正模型，所述测试数据为若干组以预设频率采集的无人集卡与目标位置的第一测试距离差值与对应的第二测试距离差值，其中，第一测试距离差值基于港机设备上摄像头所采集的无人集卡的图像进行识别所得，第二测试距离差值基于无人集卡与目标位置的定位信息计算所得；
基于所述误差修正模型确定距离调整比；
基于所述第一距离差值与所述距离调整比，确定无人集卡与目标位置的第二距离差值。
进一步，一实施例中，所述误差修正模块，还具体用于：
计算得到若干组第一测试距离差值与对应的第二测试距离差值的比值；
确定处于不同数值范围的比值对应的组数；
基于所述不同数值范围的比值以及所述不同数值范围的比值对应的组数，拟合得到正态分布曲线，并基于正态分布曲线构建得到误差修正模型。
进一步，一实施例中，所述调整模块50，还具体用于：
基于所述第二距离差值，确定无人集卡的目标行驶方向与目标行驶距离；
基于所述姿态角度值，确定无人集卡的目标转动方向与目标转动角度；
控制无人集卡沿着所述目标转动方向转动所述目标转动角度，并沿着所述目标行驶方向行进所述目标行驶距离。
进一步，一实施例中，所述无人集卡对位装置还包括障碍预警模块，用于：
获取障碍物的三维点云信息；
基于无人集卡的调整轨迹与障碍物的三维点云信息确定无人集卡是否会与障碍物产生碰撞；
若会产生碰撞，则暂停调整无人集卡的位置，进行原地等待或避障。
其中，上述无人集卡对位装置中各个模块的功能实现与上述无人集卡对位方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
第四方面，本发明实施例还提供一种可读存储介质。
本发明可读存储介质上存储有无人集卡对位程序，其中所述无人集卡对位程序被处理器执行时，实现如上述的无人集卡对位方法的步骤。
其中，无人集卡对位程序被执行时所实现的方法可参照本发明无人集卡对位方法的各个实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种无人集卡对位方法，其特征在于，所述无人集卡对位方法包括：
基于目标位置的定位信息，控制无人集卡进行对位；
获取无人集卡的对位信息；
基于无人集卡的对位信息确定无人集卡是否对位成功；
若对位成功，则输出提示信息，以提示港机设备进行装/卸集装箱作业；
若未对位成功，则基于所述对位信息调整无人集卡的位置，并返回至获取无人集卡的对位信息的步骤。
2.如权利要求1所述的无人集卡对位方法，其特征在于，在所述获取无人集卡的对位信息的步骤之前包括：
获取港机设备上摄像头所采集的无人集卡的图像；
基于所述图像识别得到无人集卡的车头以及限位副车架的四条边；
标记图像坐标系下限位副车架的四条边对应的四个顶角坐标，并基于SLAM算法将所述四个顶角坐标转换为世界坐标系下对应的四个目标坐标；
基于所述四个目标坐标，确定无人集卡与目标位置的第一距离差值；
基于所述四个目标坐标中无人集卡的车头对应的两个目标坐标计算得到无人集卡相对于目标位置的姿态角度值。
3.如权利要求2所述的无人集卡对位方法，其特征在于，在所述获取无人集卡的对位信息的步骤之前包括：
获取测试数据，并基于测试数据构建误差修正模型，所述测试数据为若干组以预设频率采集的无人集卡与目标位置的第一测试距离差值与对应的第二测试距离差值，其中，第一测试距离差值基于港机设备上摄像头所采集的无人集卡的图像进行识别所得，第二测试距离差值基于无人集卡与目标位置的定位信息计算所得；
基于所述误差修正模型确定距离调整比；
基于所述第一距离差值与所述距离调整比，确定无人集卡与目标位置的第二距离差值。
4.如权利要求3所述的无人集卡对位方法，其特征在于，所述基于测试数据构建误差修正模型的步骤包括：
计算得到若干组第一测试距离差值与对应的第二测试距离差值的比值；
确定处于不同数值范围的比值对应的组数；
基于所述不同数值范围的比值以及所述不同数值范围的比值对应的组数，拟合得到正态分布曲线，并基于正态分布曲线构建得到误差修正模型。
5.如权利要求3所述的无人集卡对位方法，其特征在于，所述基于所述对位信息调整无人集卡的位置的步骤包括：
基于所述第二距离差值，确定无人集卡的目标行驶方向与目标行驶距离；
基于所述姿态角度值，确定无人集卡的目标转动方向与目标转动角度；
控制无人集卡沿着所述目标转动方向转动所述目标转动角度，并沿着所述目标行驶方向行进所述目标行驶距离。
6.如权利要求1所述的无人集卡对位方法，其特征在于，在所述基于所述对位信息调整无人集卡的位置的步骤之前还包括：
获取障碍物的三维点云信息；
基于无人集卡的调整轨迹与障碍物的三维点云信息确定无人集卡是否会与障碍物产生碰撞；
若会产生碰撞，则暂停调整无人集卡的位置，进行原地等待或避障。
7.一种无人集卡对位装置，其特征在于，所述无人集卡对位装置包括：
对位模块，用于基于目标位置的定位信息，控制无人集卡进行对位；
获取模块，用于获取无人集卡的对位信息；
确定模块，用于基于无人集卡的对位信息确定无人集卡是否对位成功；
提示模块，用于若对位成功，则输出提示信息，以提示港机设备进行装/卸集装箱作业；
调整模块，用于若未对位成功，则基于所述对位信息调整无人集卡的位置，并返回至获取无人集卡的对位信息的步骤。
8.如权利要求7所述的无人集卡对位装置，其特征在于，所述无人集卡对位装置还包括计算模块，用于：
获取港机设备上摄像头所采集的无人集卡的图像；
基于所述图像识别得到无人集卡的车头以及限位副车架的四条边；
标记图像坐标系下限位副车架的四条边对应的四个顶角坐标，并基于SLAM算法将所述四个顶角坐标转换为世界坐标系下对应的四个目标坐标；
基于所述四个目标坐标，确定无人集卡与目标位置的第一距离差值；
基于所述四个目标坐标中无人集卡的车头对应的两个目标坐标计算得到无人集卡相对于目标位置的姿态角度值。
9.一种无人集卡对位设备，其特征在于，所述无人集卡对位设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的无人集卡对位程序，其中所述无人集卡对位程序被所述处理器执行时，实现如权利要求1至6中任一项所述的无人集卡对位方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有无人集卡对位程序，其中所述无人集卡对位程序被处理器执行时，实现如权利要求1至6中任一项所述的无人集卡对位方法的步骤。
CN202211372702.3A 2022-11-03 2022-11-03 无人集卡对位方法、装置、设备及可读存储介质 Pending CN115773745A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211372702.3A CN115773745A (zh) 2022-11-03 2022-11-03 无人集卡对位方法、装置、设备及可读存储介质
PCT/CN2023/123470 WO2024093616A1 (zh) 2022-11-03 2023-10-09 无人集卡对位方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211372702.3A CN115773745A (zh) 2022-11-03 2022-11-03 无人集卡对位方法、装置、设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN115773745A true CN115773745A (zh) 2023-03-10

Family

ID=85388733

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211372702.3A Pending CN115773745A (zh) 2022-11-03 2022-11-03 无人集卡对位方法、装置、设备及可读存储介质

Country Status (2)

Country Link
CN (1) CN115773745A (zh)
WO (1) WO2024093616A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024093616A1 (zh) * 2022-11-03 2024-05-10 东风商用车有限公司 无人集卡对位方法、装置、设备及可读存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112528721B (zh) * 2020-04-10 2023-06-06 福建电子口岸股份有限公司 一种桥吊集卡安全定位方法和系统
CN112150540B (zh) * 2020-08-26 2023-08-25 交通运输部水运科学研究所 场桥下集卡对位方法、装置、终端、存储介质及处理器
CN115867875A (zh) * 2020-12-21 2023-03-28 深圳元戎启行科技有限公司 无人集卡车调度方法、装置、计算机设备和存储介质
CN114299146A (zh) * 2021-12-29 2022-04-08 北京万集科技股份有限公司 辅助停车方法、装置、计算机设备和计算机可读存储介质
CN115180512B (zh) * 2022-09-09 2023-01-20 湖南洋马信息有限责任公司 基于机器视觉的集装箱卡车自动装卸方法及系统
CN115773745A (zh) * 2022-11-03 2023-03-10 东风商用车有限公司 无人集卡对位方法、装置、设备及可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024093616A1 (zh) * 2022-11-03 2024-05-10 东风商用车有限公司 无人集卡对位方法、装置、设备及可读存储介质

Also Published As

Publication number Publication date
WO2024093616A1 (zh) 2024-05-10

Similar Documents

Publication Publication Date Title
CN110837814B (zh) 车辆导航方法、装置及计算机可读存储介质
CN110082775B (zh) 基于激光装置的车辆定位方法和系统
CN110304386B (zh) 机器人及机器人丢码后的重新定位方法
CN109931939A (zh) 车辆的定位方法、装置、设备及计算机可读存储介质
CN110356976A (zh) 基于模板匹配的港口无人集卡起重机精确对位系统及方法
US11932518B2 (en) Systems and methods for calculating a path
CN113168189A (zh) 飞行作业方法、无人机及存储介质
US20230257241A1 (en) Systems and methods for identifying and locating building material objects
WO2024093616A1 (zh) 无人集卡对位方法、装置、设备及可读存储介质
CN115180512B (zh) 基于机器视觉的集装箱卡车自动装卸方法及系统
CN115366885A (zh) 用于辅助机动车的驾驶操作的方法、辅助装置及机动车
CN116533998B (zh) 车辆的自动驾驶方法、装置、设备、存储介质及车辆
US20220316909A1 (en) Method and Communication System for Supporting at Least Partially Automatic Vehicle Control
CN113485318A (zh) 位置修正方法、装置、设备和存储介质
CN112285734B (zh) 基于道钉的港口无人集卡高精度对准方法及其对准系统
CN116022657A (zh) 路径规划方法、装置和起重机
CN115586552A (zh) 一种港口轮胎吊或桥吊下无人集卡精确二次定位方法
CN114627101A (zh) 板体运输方法、装置及存储介质
CN113741516A (zh) 一种多无人机码垛作业方法、系统、存储介质和电子设备
CN111709354A (zh) 识别目标区域的方法、装置、电子设备和路侧设备
CN116242334A (zh) 一种面向港口锁站的车辆定位方法及系统
CN112706159B (zh) 机器人控制方法、装置及机器人
CN116301020A (zh) 障碍物识别方法、装置、设备和存储介质
KR20230158812A (ko) 크레인 인양물 형상 인식 시스템 및 방법, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체
CN117326490A (zh) 托盘的识别方法和叉起方法以及自主移动叉车

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