CN116341772A - 库位规划方法、装置、电子设备及存储介质 - Google Patents
库位规划方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116341772A CN116341772A CN202310626222.3A CN202310626222A CN116341772A CN 116341772 A CN116341772 A CN 116341772A CN 202310626222 A CN202310626222 A CN 202310626222A CN 116341772 A CN116341772 A CN 116341772A
- Authority
- CN
- China
- Prior art keywords
- goods
- point cloud
- boxcar
- size
- pallet
- 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
Links
- 238000003860 storage Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000001514 detection method Methods 0.000 claims description 65
- 230000009466 transformation Effects 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008447 perception Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 3
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Multimedia (AREA)
- Game Theory and Decision Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请实施例公开了一种库位规划方法、装置、电子设备及存储介质，该方法包括：通过三维激光雷达传感器对货车车厢进行扫描，并获取三维激光雷达传感器扫描得到的三维点云图；基于三维激光雷达传感器获取的三维点云图，得到全局点云图；从全局点云图中提取货车车厢的平面图像数据；根据平面图像数据，识别货车车厢的车厢特征点，并基于车厢特征点计算货车车厢的尺寸；根据货车车厢的尺寸及托盘的尺寸，确定货车车厢中的托盘规划库位。实施本申请实施例，能够缩小货车车厢中放置的货物之间的间隙，提高货车车厢的空间利用率。
Description
技术领域
本申请涉及自动化技术领域，尤其涉及一种库位规划方法、装置、电子设备及存储介质。
背景技术
在仓储物流中，需要对货物进行装车，在将货物放置在货车上后可对货物进行转运。对货物进行装车，首先要确定货物在货车车厢中的摆放位置，目前的方式往往是识别货车车厢中的空位置，并将货物放置在货车车厢的空位置上，但是这种方法往往导致多个货物之间的间隙过大，造成货车车厢空间的浪费。
发明内容
本申请实施例公开了一种库位规划方法、装置、电子设备及存储介质，能够缩小货车车厢中放置的货物之间的间隙，提高货车车厢的空间利用率。
本申请实施例公开了一种库位规划方法，所述方法包括：
通过三维激光雷达传感器对货车车厢进行扫描，并获取所述三维激光雷达传感器扫描得到的三维点云图；
基于所述三维激光雷达传感器获取的三维点云图，得到全局点云图；
从所述全局点云图中提取所述货车车厢的平面图像数据；
根据所述平面图像数据，识别所述货车车厢的车厢特征点，并基于所述车厢特征点计算所述货车车厢的尺寸；
根据所述货车车厢的尺寸及托盘的尺寸，确定所述货车车厢中的托盘规划库位。
在一个实施例中，所述基于所述三维激光雷达传感器获取的三维点云图，得到全局点云图，包括：
对多个所述三维激光雷达传感器分别获取的三维点云图进行点云配准，得到多个点云配准集合，每个所述点云配准集合包括多个对应于同一位置的空间点三维坐标；
根据所述多个点云配准集合，确定变换矩阵，所述变换矩阵用于表征所述点云配准集合中各个对应于同一位置的空间点三维坐标之间的变换关系；
基于所述变换矩阵，对各个所述三维点云图进行点云拼接，得到全局点云图。
在一个实施例中，所述根据所述货车车厢的尺寸及托盘的尺寸，确定所述货车车厢中的托盘规划库位，包括：
确定货物放置于目标托盘的放置情况；所述目标托盘为任一托盘；
若所述放置情况指示所述货物超出所述目标托盘的承载面，则获取所述货物超出所述目标托盘的承载面的超出尺寸，并根据所述货车车厢的尺寸、所述目标托盘的尺寸以及所述超出尺寸，确定所述货车车厢中与所述目标托盘对应的托盘规划库位；
若所述放置情况指示所述货物未超出所述目标托盘的承载面，则根据所述货车车厢的尺寸和所述目标托盘的尺寸，确定所述货车车厢中与所述目标托盘对应的托盘规划库位。
在一个实施例中，所述确定货物放置于目标托盘的放置情况，包括：
获取输入的所述目标托盘的尺寸以及放置于所述目标托盘的货物的尺寸；
若所述放置于所述目标托盘的货物的尺寸大于所述目标托盘的尺寸，则确定所述货物放置于所述目标托盘的放置情况为所述货物超出所述目标托盘的承载面；
若所述放置于所述目标托盘的货物的尺寸小于所述目标托盘的尺寸，则确定所述货物放置于所述目标托盘的放置情况为所述货物未超出所述目标托盘的承载面；和/或，
获取货物图像，所述货物图像包括所述目标托盘以及放置于所述目标托盘中的货物；
若根据所述货物图像识别出所述货物遮挡所述目标托盘的承载面的边缘，则确定所述货物放置于所述目标托盘的放置情况为所述货物超出所述目标托盘的承载面；
若根据所述货物图像识别出所述货物未遮挡所述目标托盘的承载面的边缘，则确定所述货物放置于所述目标托盘的放置情况为所述货物未超出所述目标托盘的承载面。
在一个实施例中，在根据所述货车车厢的尺寸及托盘的尺寸，确定所述货车车厢中的托盘规划库位之后，所述方法还包括：
根据货车的第一位姿信息以及所述货车车厢中的托盘规划库位，生成装车指令；
向无人叉车发送所述装车指令，以使所述无人叉车根据所述装车指令确定目标托盘规划库位的第二位姿信息，根据所述第二位姿信息以及所述无人叉车的第三位姿信息生成导航路线，叉取货物并按照所述导航路线到达所述目标托盘规划库位对应的指定位置，根据所述第二位姿信息调整所述无人叉车的姿态，并将所述无人叉车叉取的货物放置于所述目标托盘规划库位中。
在一个实施例中，在所述向无人叉车发送所述装车指令之前，所述方法还包括：
接收检测传感器发送的检测信号，所述检测传感器设置于输送线的出口区域，所述输送线用于传输货物；所述检测传感器用于在检测到所述货物到达所述出口区域的情况下，发送检测信号；
根据所述检测传感器发送的检测信号，向无人叉车发送取货指令，以使所述无人叉车根据所述取货指令前往所述输送线的出口区域叉取所述货物。
在一个实施例中，所述根据所述检测传感器发送的检测信号，向无人叉车发送取货指令，包括：
对比在预设时长内连续接收到的所述检测传感器发送的多个检测信号；
确定所述多个检测信号之间的差异；
若所述差异小于差异阈值，则确定所述货物处于停稳状态，并向所述无人叉车发送取货指令。
本申请实施例公开了一种库位规划装置，所述库位规划装置包括：
扫描模块，用于通过三维激光雷达传感器对货车车厢进行扫描，并获取所述三维激光雷达传感器扫描得到的三维点云图；
获取模块，用于基于所述三维激光雷达传感器获取的三维点云图，得到全局点云图；
提取模块，用于从所述全局点云图中提取所述货车车厢的平面图像数据；
计算模块，用于根据所述平面图像数据，识别所述货车车厢的车厢特征点，并基于所述车厢特征点计算所述货车车厢的尺寸；
确定模块，用于根据所述货车车厢的尺寸及托盘的尺寸，确定所述货车车厢中的托盘规划库位。
本申请实施例公开了一种电子设备，包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行上述任一实施例所述的方法。
本申请实施例公开了一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，其中，所述计算机程序在被处理器执行时，使得所述处理器执行上述任一实施例所述的方法。
通过本申请实施例公开的库位规划方法、装置、电子设备及存储介质，通过三维激光雷达传感器对货车车厢进行扫描，并获取三维激光雷达传感器扫描得到的三维点云图；根据三维激光雷达传感器获取的三维点云图，得到全局点云图；从全局点云图中提取货车车厢的平面图像数据；从平面图像数据中识别货车车厢的车厢特征点，基于车厢特征点计算货车车厢的尺寸；根据货车车厢的尺寸及托盘的尺寸，确定货车车厢中的托盘规划库位。本申请实施例采用三维激光感知技术以及点云处理技术准确确定货车车厢的尺寸，并根据货车车厢的尺寸及托盘的尺寸对货车车厢的空间进行精准的库位规划，利用规划的托盘规划库位放置货物可缩小货车车厢中放置的货物之间的间隙，提高货车车厢的空间利用率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，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，在不付出创造率劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例公开的一种库位规划方法的应用场景示意图；
图2是本申请实施例公开的一种库位规划方法的流程示意图；
图3A是本申请实施例公开的一种点云配准的示意图；
图3B是本申请实施例公开的一种货车车厢的全局点云图；
图3C是本申请实施例公开的一种货车车厢的平面示意图；
图3D是本申请实施例公开的一种托盘规划库位的示意图；
图4是本申请实施例公开的另一种库位规划方法的流程示意图；
图5是本申请实施例公开的另一种库位规划方法的流程示意图；
图6是本申请实施例公开的一种库位规划装置的结构示意图；
图7是本申请实施例公开的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下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，本申请实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例公开了一种库位规划方法、装置、电子设备及存储介质，能够缩小货车车厢中放置的货物之间的间隙，提高货车车厢的空间利用率。
以下将结合附图进行详细描述。
如图1所示，图1是本申请实施例公开的一种库位规划方法的应用场景示意图，该应用场景可以包括电子设备10、三维激光雷达传感器20、货车30；进一步地，还可以包括至少一个无人叉车40。
货车车厢可设置有三维激光雷达传感器20，三维激光雷达传感器20可用于对货车车厢进行扫描，并获取三维激光雷达传感器扫描得到的三维点云图。
电子设备10可用于基于三维激光雷达传感器20获取的三维点云图，得到全局点云图；以及，从全局点云图中提取货车车厢的平面图像数据；以及，根据平面图像数据，识别货车车厢的车厢特征点，并基于车厢特征点计算货车车厢的尺寸；以及，根据货车车厢的尺寸及托盘的尺寸，确定货车车厢中的托盘规划库位。
电子设备10可包括但不限于手机、平板电脑、可穿戴设备、笔记本电脑、PC（Personal Computer，个人计算机）等，具体不作限定。
电子设备10与三维激光雷达传感器20之间的通信方式，可以包括但不限于无线保真通信技术、蓝牙通信技术、RS485无线传输技术、蜂窝通信技术等通信技术，具体不作限定。
作为一种可选的实施方式，电子设备10可用于根据货车的位姿信息以及货车车厢中的托盘规格库位的位姿信息，生成装车指令；以及，向无人叉车40发送装车指令。
无人叉车40用于根据装车指令确定目标托盘规划库位的位姿，根据目标托盘规划库位的位姿以及无人叉车40的位姿生成导航路线，按照导航路线到达目标托盘规划库位对应的指定位置，根据无人叉车40相对于目标托盘规划库位的姿态，调整无人叉车40的姿态，并将无人叉车40叉取的货物放置于目标托盘规划库位中。
无人叉车40是自动导引运输车（Automated Guided Vehicle，AGV），可以包括但不限于潜伏式AGV、背负式AGV和平衡重AGV等。
实施该实施例，利用三维激光雷达传感器20获取的三维点云图，得到全局点云图；从全局点云图中提取货车车厢的平面图像数据；从平面图像数据中识别货车车厢的车厢特征点，基于车厢特征点计算货车车厢的尺寸；根据货车车厢的尺寸及托盘的尺寸，确定货车车厢中的托盘规划库位，缩小货车车厢中放置的货物之间的间隙，提高货车车厢的空间利用率；根据货车的位姿信息以及货车车厢中的托盘规格库位的位姿信息，生成装车指令；以及，向无人叉车40发送装车指令，全程无需人工干涉，实现了自动装车，提高了装车的效率。
如图2所示，图2是本申请实施例公开的一种库位规划方法的流程示意图，该库位规划方法可以应用于上述应用场景中的电子设备；该库位规划方法可以包括如下步骤：
201、通过三维激光雷达传感器对货车车厢进行扫描，并获取三维激光雷达传感器扫描得到的三维点云图。
电子设备通过三维激光雷达传感器对货车车厢进行扫描，并获取三维激光雷达传感器扫描得到的三维点云图。
三维激光雷达传感器的数量可以为一个或多个，具体不作限定。三维激光雷达传感器的扫描区域覆盖货车车厢。
三维激光雷达传感器通过向扫描区域发射激光信号，并收集反射的激光信号，反射的激光可携带方位、距离等信息，通过对激光信号进行组合导航、点云解算等数据处理，得到三维点云图。
三维点云图是三维空间中空间点的数据集，每个空间点包括三维坐标信息，即三维空间中的X、Y、Z坐标。
可选的，三维激光雷达传感器可以具有360°扫描视角；若三维激光雷达传感器的数量为多个，则各个三维激光雷达传感器可调整至不同的扫描视角，使得各个三维激光雷达传感器的扫描区域可以实现对货车车厢的全方位覆盖。
货车可以是厢式货车、平板式货车、集装箱车、栏板式货车等，具体不作限定。
示例性的，货车是平板式货车，平板式货车可包括用于载货的平板，平板周围可不设置栏板，必要时可在用于载货的平板上方设置雨棚。因此，三维激光雷达传感器可安装在货车车厢的上方雨棚位置。由于货车在室外装车时会存在许多不确定的变动因素，比如天气变化、光线变化等，三维激光雷达传感器安装在货车车厢的上方雨棚位置，可在室外环境下具备很强的抗干扰优势，在天气、光线等因素发生变化的情况下，也能精准获取货车车厢的三维点云图。
202、基于三维激光雷达传感器获取的三维点云图，得到全局点云图。
电子设备基于三维激光雷达传感器获取的三维点云图，得到全局点云图。
可选的，若三维激光雷达传感器的数量为一个，则电子设备可以将该三维激光雷达传感器获取的三维点云图作为全局点云图；若三维激光雷达传感器的数量为多个，则电子设备可以将多个三维激光雷达传感器分别获取的三维点云图进行点云配准、点云拼接后得到的点云图，作为全局点云图。
需要说明的是，三维激光雷达传感器的数量与货车车厢的尺寸相关，若单独一个三维激光雷达传感器在对货车车厢进行扫描时，可获取到货车车厢的完整点云数据，则货车车厢可设置一个三维激光雷达传感器；若单独一个三维激光雷达传感器在对货车车厢进行扫描时，不能一次性获取到货车车厢的完整点云数据，即货车车厢的大小可能超过了单独一个三维激光传感器的扫描范围，则货车车厢可设置多个三维激光雷达传感器，电子设备可对多个三维激光雷达传感器分别获取的三维点云图进行点云配准、点云拼接，得到目标区域的完整点云数据。
其中，多个三维激光雷达传感器分别获取的三维点云图中，各个三维点云图之间可包括三维激光雷达传感器在不同扫描视角下获取到的货车车厢的空间点，以及，各个三维点云图之间可包括三维激光雷达传感器获取到的货车车厢中不同部位对应的空间点。而全局点云图包括统一扫描视角下完整的货车车厢的空间点。
作为一种可选的实施方式，电子设备基于三维激光雷达传感器获取的三维点云图，得到全局点云图，可以包括如下步骤：
对多个三维激光雷达传感器分别获取的三维点云图进行点云配准，得到多个点云配准集合，每个点云配准集合包括多个对应于同一位置的空间点三维坐标；根据多个点云配准集合，确定变换矩阵；变换矩阵用于表征点云配准集合中各个对应于同一位置的空间点三维坐标之间的变换关系；基于变换矩阵，对各个三维点云图进行点云拼接，得到全局点云图。
其中，变换矩阵用于表征点云配准集合中各个对应于同一位置的空间点三维坐标之间的变换关系，变换矩阵可包括平移矩阵和旋转矩阵。下面以两张不同的三维点云图为例，其中一张三维点云图中有一个空间点u，另一张三维点云图中有一个空间点v，空间点u和空间点v对应于三维空间中的同一位置，变换矩阵可使空间点v旋转平移后与空间点u重叠，因此空间点u和空间点v在同一个点云配准集合中。通过点云配准得到的变换矩阵，使得两张三维点云图中对应于同一位置的空间点尽可能多地重叠。
如图3A所示，图3A是本申请实施例公开的一种点云配准的示意图，多个三维激光雷达传感器分别获取的三维点云图包括第一三维点云图301、第二三维点云图302、第三三维点云图303、第四三维点云图304；每个三维点云图中包括货车车厢3002；货车车厢3002包括第一空间点3001和第二空间点3003，点云配准使得各个三维点云图中对应于三维空间中同一位置的空间点尽可能多的重叠，比如将各个三维点云图中的第一空间点3001重叠、以及将各个三维点云图中的第二空间点3003重叠，最后得到全局点云图305。
如图3B所示，图3B是本申请实施例公开的一种货车车厢的全局点云图。可见，多个三维激光雷达传感器可包括第一激光雷达传感器和第二激光雷达传感器，图3B显示了第一激光雷达传感器的扫描区域3004以及第二激光雷达传感器的扫描区域3005，第一激光雷达传感器和第二激光雷达传感器分别对应的扫描区域3005不能覆盖整个货车车厢3002，但是存在一定的重叠区域，在对第一激光雷达传感器和第二激光雷达传感器分别对应的三维点云图进行点云配准以及点云拼接之后，可得到全局点云图305。
可选的，点云配准的方法可以是迭代最近点（Iterative Closest Point，ICP）算法、快速点特征直方图（FPFH）方法、采样一致性算法（SAC_IA）、正态分布算法（NDT）等，具体不作限定。
电子设备基于变换矩阵，对各个三维点云图进行点云拼接，得到全局点云图，具体可以包括：基于变换矩阵，将各个三维点云图变换到相同的三维坐标系下，并计算各个三维点云图的重叠区域面积，若重叠区域面积大于一定的阈值，则可判定拼接成功，拼接成功之后可以对各个三维点云图进行平均融合和去除重叠，得到全局点云图。
203、从全局点云图中提取货车车厢的平面图像数据。
具体地，电子设备从全局点云图中提取货车车厢的平面图像数据，可以包括如下步骤：
（1）通过点云分割方法将全局点云图中的货车车厢分割出来；其中，点云分割方法可包括基于几何形状、颜色和法线等特征的聚类方法、基于深度学习的语义分割方法等；
（2）对于分割出来的货车车厢，通过平面提取算法检测并提取货车车厢所在的平面；其中，平面提取算法可包括随机采样一致（RANSAC）算法、基于最小二乘法的平面拟合算法、基于主成分分析（PCA）的点云聚类和分割的方法、最近邻平面匹配（NNPM）方法等，具体不作限定；
（3）将全局点云图中的点投影到提取出的货车车厢所在的平面，也就是说将全局点云图中的点从三维坐标系投影到货车车厢所在的平面的二维坐标系，得到二维投影点；将货车车厢所在的平面上的二维投影点转换为货车车厢的平面图像的像素点，根据货车车厢的平面图像的像素点生成货车车厢的平面图像数据。
204、根据平面图像数据，识别货车车厢的车厢特征点，并基于车厢特征点计算货车车厢的尺寸。
电子设备根据平面图像数据，识别货车车厢的车厢特征点，并基于车厢特征点计算货车车厢的尺寸。
比如，电子设备可对平面图像数据进行角点检测，以识别出货车车厢平面的四个角点；角点是平面图像数据中亮度变化剧烈的点或者图像边缘曲线上曲率极大值的点；用于角点检测的方法可以是Harris角点检测、SIFT角点检测和Moravec角点检测等，具体不作限定。
电子设备基于车厢特征点计算货车车厢的尺寸，可以是基于货车车厢平面的四个角点在全局点云图中对应的三维坐标，计算得到货车车厢的尺寸。
如图3C所示，图3C是本申请实施例公开的一种货车车厢的平面示意图。货车车厢3002的平面包括四个角点307。
205、根据货车车厢的尺寸及托盘的尺寸，确定货车车厢中的托盘规划库位。
电子设备根据货车车厢的尺寸及托盘的尺寸，确定货车车厢中的托盘规划库位。
其中，托盘的尺寸可以是人工向电子设备输入的参数；也可以是在托盘放置于货车车厢的情况下，从全局点云图中提取托盘的平面图像数据，并基于平面图像数据对托盘进行角点检测，得到托盘的四个角点，并基于四个角点，计算得到托盘的尺寸。
电子设备根据货车车厢的尺寸及托盘的尺寸，确定出的货车车厢中的托盘规划库位，可以如图3D所示，图3D是本申请实施例公开的一种托盘规划库位的示意图。图3D描述了货车车厢3002包括的多个托盘规划库位308。
电子设备可确定货车车厢中的托盘规划库位的数量、每个托盘规划库位的位姿，由此对货车车厢的空间进行精准的库位规划。
本申请实施例中，根据三维激光雷达传感器获取的三维点云图，得到全局点云图；从全局点云图中提取货车车厢的平面图像数据；从平面图像数据中识别货车车厢的车厢特征点，基于车厢特征点计算货车车厢的尺寸；根据货车车厢的尺寸及托盘的尺寸，确定货车车厢中的托盘规划库位。本申请实施例采用三维激光感知技术以及点云处理技术准确确定货车车厢的尺寸，并根据货车车厢的尺寸及托盘的尺寸对货车车厢的空间进行精准的库位规划，利用规划的托盘规划库位放置货物可缩小货车车厢中放置的货物之间的间隙，提高货车车厢的空间利用率。
如图4所示，图4是本申请实施例公开的另一种库位规划方法的流程示意图，该库位规划方法可以应用于上述应用场景中的电子设备，该库位规划方法可以包括如下步骤：
401、通过三维激光雷达传感器对货车车厢进行扫描，并获取三维激光雷达传感器扫描得到的三维点云图。
402、基于三维激光雷达传感器获取的三维点云图，得到全局点云图。
403、从全局点云图中提取货车车厢的平面图像数据。
404、根据平面图像数据，识别货车车厢的车厢特征点，并基于车厢特征点计算货车车厢的尺寸。
步骤401~步骤404的实施方式可参考上述实施例，具体不作赘述。
405、确定货物放置于目标托盘的放置情况。
电子设备确定货物放置于目标托盘的放置情况；目标托盘为任一托盘。
放置情况可包括货物超出目标托盘的承载面，以及货物未超出目标托盘的承载面。
作为一种可选的实施方式，电子设备确定货物放置于目标托盘的放置情况，可以包括：获取输入的目标托盘的尺寸以及放置于目标托盘的货物的尺寸；若放置于目标托盘的货物的尺寸大于目标托盘的尺寸，则确定货物放置于目标托盘的放置情况为货物超出目标托盘的承载面；若放置于目标托盘的货物的尺寸小于目标托盘的尺寸，则确定货物放置于目标托盘的放置情况为货物未超出目标托盘的承载面。
其中，目标托盘的尺寸以及放置于目标托盘的货物的尺寸可以是人工输入的信息，电子设备可基于上述尺寸得到目标托盘和货物之间的尺寸大小关系。其中，放置于目标托盘的货物的尺寸大于目标托盘的尺寸，可以是放置于目标托盘的货物的任意一个边的长度大于目标托盘的各个边的长度；或者，可以是放置于目标托盘的货物的长边大于目标托盘的长边，以及放置于目标托盘的货物的短边大于目标托盘的短边。因此，根据放置于目标托盘的货物的尺寸是否大于目标托盘的尺寸，可确定货物放置于目标托盘的放置情况是否为货物超出目标托盘的承载面。
需要说明的是，目标托盘为任一托盘。因此，电子设备可以按照统一的托盘的尺寸确定托盘规划库位，也可以按照不同的目标托盘的尺寸确定与各个目标托盘分别对应的托盘规划库位。
作为另一种可选的实施方式，电子设备确定货物放置于托盘的放置情况，可以包括：电子设备获取货物图像，货物图像包括目标托盘以及放置于目标托盘中的货物；若根据货物图像识别出货物遮挡目标托盘的承载面的边缘，则确定货物放置于目标托盘的放置情况为货物超出目标托盘的承载面；若根据货物图像识别出货物未遮挡目标托盘的承载面的边缘，则确定货物放置于目标托盘的放置情况为货物未超出目标托盘的承载面。
其中，电子设备可以是接收另一个电子设备发送的货物图像；或者，在目标托盘和货物均放置在货车车厢的情况下，电子设备可以接收多个三维激光雷达传感器分别获取的三维点云图，从三维点云图中提取目标托盘以及放置于目标托盘中的货物的平面图像数据，作为货物图像；或者，电子设备可以是接收设置于货车车厢上方的二维相机拍摄的二维的货物图像，具体不作限定。
具体地，电子设备可基于深度学习算法对目标托盘的承载面的边缘进行边缘检测，再识别目标托盘的承载面的边缘是否存在颜色或者亮度异常的区域，从而确定货物是否遮挡目标托盘的承载面的边缘。
此外，电子设备还可以直接获取人工输入的货物放置于目标托盘的放置情况，具体不作限定。
406、判断放置情况是否指示货物超出目标托盘的承载面，若是，则执行步骤407；若不是，则执行步骤408。
407、获取货物超出目标托盘的承载面的超出尺寸，并根据货车车厢的尺寸、目标托盘的尺寸以及超出尺寸，确定货车车厢中与目标托盘对应的托盘规划库位。
电子设备若判断出放置情况指示货物超出目标托盘的承载面，则获取货物超出目标托盘的承载面的超出尺寸，并根据货车车厢的尺寸、目标托盘的尺寸以及超出尺寸，确定货车车厢中与目标托盘对应的托盘规划库位。
其中，若货物超出目标托盘的承载面的长度为a，货物超出目标托盘的承载面的宽度为b；目标托盘的长度为A，目标托盘的宽度为B；则目标托盘对应的托盘规划库位的尺寸可根据超出尺寸和目标托盘的尺寸确定，比如托盘规划库位的长度可以略大于A+a，托盘规划库位的宽度可以略大于B+b，具体不作限定。电子设备可基于货车车厢的尺寸，以及每个托盘规划库位之间的间隙，确定货车车厢中托盘规划库位的数量以及位姿。
示例性的，每个托盘规划库位之间的间隙可以是沿货车车厢的长度方向间隔50毫米，沿货车车厢的宽度方向间隔100毫米，具体不作限定。
因此，本申请实施例既可以直接根据统一尺寸的托盘确定统一尺寸的托盘规划库位，也可以根据实际情况中货物的尺寸以及目标托盘的尺寸，在一个货车车厢中确定不同尺寸的各个目标托盘分别对应的托盘规划库位。由于在货物超出目标托盘的承载面的情况下，如果只是根据目标托盘的尺寸确定目标托盘对应的托盘规划库位，容易出现货物摆放在货车车厢中时出现摩擦、碰撞的情况。因此，本申请实施例可以在货物超出目标托盘的承载面的情况下，根据超出尺寸以及目标托盘的尺寸确定托盘规划库位，由此可以提高确定托盘规划库位的合理性和灵活性，以及提高货物摆放的安全性。
408、根据货车车厢的尺寸和目标托盘的尺寸，确定货车车厢中与目标托盘对应的托盘规划库位。
电子设备若判断出放置情况指示货物未超出目标托盘的承载面，则根据货车车厢的尺寸和目标托盘的尺寸，确定货车车厢中与目标托盘对应的托盘规划库位。
电子设备若判断出货物未超出目标托盘的承载面，即可以直接根据目标托盘的尺寸确定目标托盘对应的托盘规划库位的尺寸，比如目标托盘对应的托盘规划库位的尺寸可以略大于目标托盘的尺寸。电子设备可基于货车车厢的尺寸，以及每个托盘规划库位之间的间隙，确定货车车厢中托盘规划库位的数量以及位姿。
因此，执行上述步骤，电子设备可根据放置情况是否指示货物超出目标托盘的承载面，确定目标托盘对应的托盘规划库位。
本申请实施例中，根据多个三维激光雷达传感器分别获取的三维点云图，得到全局点云图；从全局点云图中提取货车车厢的平面图像数据；从平面图像数据中识别货车车厢的车厢特征点，基于车厢特征点计算货车车厢的尺寸；确定货物放置于目标托盘的放置情况，根据放置情况是否指示货物超出目标托盘的承载面，确定货车车厢中与目标托盘对应的托盘规划库位，提高确定托盘规划库位的合理性和灵活性。本申请实施例采用三维激光感知技术以及点云处理技术准确确定货车车厢的尺寸，并根据货车车厢的尺寸及托盘的尺寸对货车车厢的空间进行精准的库位规划，利用规划的托盘规划库位放置货物可缩小货车车厢中放置的货物之间的间隙，提高货车车厢的空间利用率。
如图5所示，图5是本申请实施例公开的另一种库位规划方法的流程示意图，该库位规划方法可以应用于上述应用场景中的电子设备，该库位规划方法可以包括如下步骤：
501、通过三维激光雷达传感器对货车车厢进行扫描，并获取三维激光雷达传感器扫描得到的三维点云图。
502、基于三维激光雷达传感器获取的三维点云图，得到全局点云图。
503、从全局点云图中提取货车车厢的平面图像数据。
504、根据平面图像数据，识别货车车厢的车厢特征点，并基于车厢特征点计算货车车厢的尺寸。
505、根据货车车厢的尺寸及托盘的尺寸，确定货车车厢中的托盘规划库位。
步骤501和步骤505的具体实施方式可参考上述实施例，具体不作赘述。
506、根据货车的第一位姿信息以及货车车厢中的托盘规划库位，生成装车指令。
电子设备根据货车的第一位姿信息以及货车车厢中的托盘规划库位，生成装车指令。
其中，货车的第一位姿信息为货车当前的位姿信息，具体地，电子设备可根据货车的第一位姿信息以及货车车厢中的托盘规划库位，得到托盘规划库位的位姿信息，根据托盘规划库位的位姿信息生成装车指令。
一般情况下，货车可以驶入装车区域内，装车区域是用于将货物装到货车上的区域；装车区域的上方可设置有感知设备，比如激光雷达传感器、相机传感器等，感知设备可对装车区域内的货车进行拍摄，得到感知图像，并基于感知图像得到货车的位姿信息；感知设备可将货车的位姿信息发送至电子设备。或者，若货车都是驶入装车区域的指定位置进行装车，则电子设备可预先存储货车在装车区域的指定位置的位姿信息，并将货车的位姿信息发送至电子设备。
507、向无人叉车发送装车指令，以使无人叉车根据装车指令确定目标托盘规划库位的第二位姿信息，根据第二位姿信息以及无人叉车的第三位姿信息生成导航路线，叉取货物并按照导航路线到达目标托盘规划库位对应的指定位置，根据第二位姿信息调整无人叉车的姿态，并将无人叉车叉取的货物放置于目标托盘规划库位中。
电子设备向无人叉车发送装车指令，以使无人叉车根据装车指令确定目标托盘规划库位的第二位姿信息，根据第二位姿信息以及无人叉车的第三位姿信息生成导航路线，叉取货物并按照导航路线到达目标托盘规划库位对应的指定位置，根据第二位姿信息调整无人叉车的姿态，并将无人叉车叉取的货物放置于目标托盘规划库位中。
其中，目标托盘规划库位可以是货车车厢中多个托盘规划库位中的一个，可以是空的托盘规划库位，或者，无人叉车可确定出与叉取的货物放置的托盘的尺寸相匹配的托盘规划库位，作为目标托盘规划库位。无人叉车可根据装车指令从货车车厢的托盘规划库位的位姿信息中，确定目标托盘规划库位的第二位姿信息。
无人叉车利用激光定位导航技术，根据目标托盘规划库位的第二位姿信息以及无人叉车的第三位姿信息生成导航路线，其中，无人叉车的第三位姿信息为无人叉车当前的位姿。
无人叉车叉取货物并根据导航路线到达目标托盘规划库位对应的指定位置。由于无人叉车可以通过货叉叉取货物，目标托盘规划库位对应的指定位置可以是无人叉车的货叉对准目标托盘规划库位时无人叉车的位置。
无人叉车根据目标规划库位的第二位姿信息调整无人叉车的姿态，并将无人叉车叉取的货物放置于目标托盘规划库位中。
无人叉车可设置有检测设备，检测设备可包括激光传感器或者视觉传感器等，具体不作限定。无人叉车通过检测设备检测无人叉车到达目标托盘规划库位对应的指定位置时，根据目标托盘规划库位的第二位姿信息，确定无人叉车相对于目标托盘规划库位的相对姿态。若无人叉车相对于目标托盘规划库位的方向是正对方向，可将无人叉车叉取的货物放置于目标托盘规划库位中；若无人叉车相对于目标托盘规划库位的方向存在偏移角度，无人叉车可基于该偏移角度，调整无人叉车的姿态，并将无人叉车叉取的货物放置于目标托盘规划库位中。
因此，本申请实施例在确定货车车厢中的目标托盘规划库位之后，可调度无人叉车实现货车的自动装车，提高了装车的效率。
作为一种可选的实施方式，电子设备在向无人叉车发送装车指令之前，还可以执行如下步骤：
接收检测传感器发送的检测信号，检测传感器设置于输送线的出口区域，输送线用于传输货物；检测传感器用于在检测到货物到达出口区域的情况下，发送检测信号；根据检测传感器发送的检测信号，向无人叉车发送取货指令，以使无人叉车根据取货指令前往输送线的出口区域叉取货物。
其中，检测传感器可以光电传感器，比如激光传感器、红外线传感器等，具体不作限定。比如，若检测传感器为光电传感器，则检测传感器发送的检测信号为光电信号。
检测传感器设置于输送线的出口区域，检测传感器的检测范围为输送线的出口区域，检测传感器只有在检测到货物到达出口区域的情况下，才发送检测信号。
执行上述步骤，电子设备可对接输送线，结合电子设备规划的货物车厢的托盘规划库位，调度无人叉车从输送线的出口区域叉取货物，并将货物搬运至货车的托盘规划库位进行装车，提高了对货车装车的效率。经验证，可达到每15分钟装10托货物的装车效率，全程无需人工干涉。
进一步地，作为另一种可选的实施方式，电子设备根据检测传感器发送的检测信号，向无人叉车发送取货指令，可以包括如下步骤：
对比在预设时长内连续接收到的检测传感器发送的多个检测信号；确定多个检测信号之间的差异；若差异小于差异阈值，则确定货物处于停稳状态，并向无人叉车发送取货指令。
其中，预设时长可以是1分钟、2分钟，具体不作限定。
电子设备可基于在预设时长内连续接收到的检测传感器发送的多个检测信号之间的差异，确定货物是否处于停稳状态。
示例性的，若检测传感器为光电传感器，光电传感器可以为激光距离传感器，若货物相对于光电传感器的距离产生变化，且变化量较大，说明货物尚未静止，则可以确定货物处于未停稳状态；若货物相对于光电传感器的距离不变，说明货物已经静止，则可以确定货物处于停稳状态；比如，多个光电信号之间的差异可以是货物的距离变化量，差异阈值可以是1cm，因此，货物的距离变化量超过1cm，则可以确定货物处于未停稳状态。
执行上述步骤，电子设备可对接输送线，在货物在输送线的出口区域处于停稳的状态下，调度无人叉车从输送线的出口区域叉取货物，提高了无人叉车的稳定性，并且调度无人叉车前往货车将货物进行装车，提高了对货车装车的稳定性和效率。
本申请实施例采用三维激光感知技术以及点云处理技术准确确定货车车厢的尺寸，并根据货车车厢的尺寸及托盘的尺寸对货车车厢的空间进行精准的库位规划，利用规划的托盘规划库位放置货物可缩小货车车厢中放置的货物之间的间隙，提高货车车厢的空间利用率；同时，调度无人叉车完成装车作业，将货车放置在托盘规划库位中，能够让货物安全紧凑地装车，提高了装车的效率。本申请实施例可通过无人叉车对货物进行精准装车，适用于家电制造、机械制造、新能源、第三方物流（3PL）、建材家居等行业的各种装车场景，也适用于输送线货物需要装车的场景。
如图6所示，图6是本申请实施例公开的一种库位规划装置的结构示意图，该库位规划装置600包括：扫描模块610、获取模块620、提取模块630、计算模块640和确定模块650；
扫描模块610，用于通过三维激光雷达传感器对货车车厢进行扫描，并获取所述三维激光雷达传感器扫描得到的三维点云图；
获取模块620，用于基于三维激光雷达传感器获取的三维点云图，得到全局点云图；
提取模块630，用于从全局点云图中提取货车车厢的平面图像数据；
计算模块640，用于根据平面图像数据，识别货车车厢的车厢特征点，并基于车厢特征点计算货车车厢的尺寸；
确定模块650，用于根据货车车厢的尺寸及托盘的尺寸，确定货车车厢中的托盘规划库位。
在一个实施例中，获取模块620还用于对多个三维激光雷达传感器分别获取的三维点云图进行点云配准，得到多个点云配准集合，每个点云配准集合包括多个对应于同一位置的空间点三维坐标；根据多个点云配准集合，确定变换矩阵，变换矩阵用于表征点云配准集合中各个对应于同一位置的空间点三维坐标之间的变换关系；基于变换矩阵，对各个三维点云图进行点云拼接，得到全局点云图。
在一个实施例中，确定模块650还用于确定货物放置于目标托盘的放置情况；目标托盘为任一托盘；若放置情况指示货物超出目标托盘的承载面，则获取货物超出目标托盘的承载面的超出尺寸，并根据货车车厢的尺寸、目标托盘的尺寸以及超出尺寸，确定货车车厢中与目标托盘对应的托盘规划库位；若放置情况指示货物未超出目标托盘的承载面，则根据货车车厢的尺寸和目标托盘的尺寸，确定货车车厢中与目标托盘对应的托盘规划库位。
在一个实施例中，确定模块650还用于获取输入的目标托盘的尺寸以及放置于目标托盘的货物的尺寸；若放置于目标托盘的货物的尺寸大于目标托盘的尺寸，则确定货物放置于目标托盘的放置情况为货物超出目标托盘的承载面；若放置于目标托盘的货物的尺寸小于目标托盘的尺寸，则确定货物放置于目标托盘的放置情况为货物未超出目标托盘的承载面；和/或，获取货物图像，货物图像包括目标托盘以及放置于目标托盘中的货物；若根据货物图像识别出货物遮挡目标托盘的承载面的边缘，则确定货物放置于目标托盘的放置情况为货物超出目标托盘的承载面；若根据货物图像识别出货物未遮挡目标托盘的承载面的边缘，则确定货物放置于目标托盘的放置情况为货物未超出目标托盘的承载面。
在一个实施例中，该库位规划装置600还包括：指令模块；
指令模块，用于在确定模块650根据货车车厢的尺寸及托盘的尺寸，确定货车车厢中的托盘规划库位之后，根据货车的第一位姿信息以及货车车厢中的托盘规划库位，生成装车指令；向无人叉车发送装车指令，以使无人叉车根据装车指令确定目标托盘规划库位的第二位姿信息，根据第二位姿信息以及无人叉车的第三位姿信息生成导航路线，叉取货物并按照导航路线到达目标托盘规划库位对应的指定位置，根据第二位姿信息调整无人叉车的姿态，并将无人叉车叉取的货物放置于目标托盘规划库位中。
在一个实施例中，指令模块还用于在向无人叉车发送装车指令之前，接收检测传感器发送的检测信号，检测传感器设置于输送线的出口区域，输送线用于传输货物；检测传感器用于在检测到货物到达出口区域的情况下，发送检测信号；根据检测传感器发送的检测信号，向无人叉车发送取货指令，以使无人叉车根据取货指令前往输送线的出口区域叉取货物。
在一个实施例中，指令模块还用于对比在预设时长内连续接收到的检测传感器发送的多个检测信号；确定多个检测信号之间的差异；若差异小于差异阈值，则确定货物处于停稳状态，并向无人叉车发送取货指令。
本申请实施例采用三维激光感知技术以及点云处理技术准确确定货车车厢的尺寸，并根据货车车厢的尺寸及托盘的尺寸对货车车厢的空间进行精准的库位规划，利用规划的托盘规划库位放置货物可缩小货车车厢中放置的货物之间的间隙，提高货车车厢的空间利用率。
如图7所示，在一个实施例中，提供一种电子设备，该电子设备可以包括：
存储有可执行程序代码的存储器710；
与存储器710耦合的处理器720；
处理器720调用存储器710中存储的可执行程序代码，可实现如上述各实施例中提供的库位规划方法。
存储器710可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-Only Memory，ROM）。存储器710可用于存储指令、程序、代码、代码集或指令集。存储器710可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等。存储数据区还可以存储电子设备在使用中所创建的数据等。
处理器720可以包括一个或者多个处理核。处理器720利用各种接口和线路连接整个电子设备内的各个部分，通过运行或执行存储在存储器710内的指令、程序、代码集或指令集，以及调用存储在存储器710内的数据，执行电子设备的各种功能和处理数据。可选地，处理器720可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field－Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable LogicArray，PLA）中的至少一种硬件形式来实现。处理器720可集成中央处理器（CentralProcessing Unit，CPU）、图像处理器（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器720中，单独通过一块通信芯片进行实现。
可以理解地，电子设备可包括比上述结构框图中更多或更少的结构元件，例如，包括电源模块、物理按键、WiFi（Wireless Fidelity，无线保真）模块、扬声器、蓝牙模块、传感器等，还可在此不进行限定。
本申请实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行上述各实施例中所描述的方法。
此外，本申请实施例进一步公开一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机可以执行上述实施例所描述的任意一种库位规划方法中的全部或部分步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器（Read-Only Memory，ROM）、随机存储器（Random Access Memory，RAM）、可编程只读存储器（Programmable Read-only Memory，PROM）、可擦除可编程只读存储器（Erasable Programmable Read Only Memory，EPROM）、一次可编程只读存储器（One-time Programmable Read-Only Memory，OTPROM）、电子抹除式可复写只读存储器（Electrically-Erasable Programmable Read-Only Memory，EEPROM）、只读光盘（CompactDisc Read-Only Memory，CD-ROM）或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本申请实施例公开的一种库位规划方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种库位规划方法，其特征在于，所述方法包括：
通过三维激光雷达传感器对货车车厢进行扫描，并获取所述三维激光雷达传感器扫描得到的三维点云图；
基于所述三维激光雷达传感器获取的三维点云图，得到全局点云图；
从所述全局点云图中提取所述货车车厢的平面图像数据；
根据所述平面图像数据，识别所述货车车厢的车厢特征点，并基于所述车厢特征点计算所述货车车厢的尺寸；
根据所述货车车厢的尺寸及托盘的尺寸，确定所述货车车厢中的托盘规划库位。
2.根据权利要求1所述的方法，其特征在于，所述基于所述三维激光雷达传感器获取的三维点云图，得到全局点云图，包括：
对多个所述三维激光雷达传感器分别获取的三维点云图进行点云配准，得到多个点云配准集合，每个所述点云配准集合包括多个对应于同一位置的空间点三维坐标；
根据所述多个点云配准集合，确定变换矩阵，所述变换矩阵用于表征所述点云配准集合中各个对应于同一位置的空间点三维坐标之间的变换关系；
基于所述变换矩阵，对各个所述三维点云图进行点云拼接，得到全局点云图。
3.根据权利要求1所述的方法，其特征在于，所述根据所述货车车厢的尺寸及托盘的尺寸，确定所述货车车厢中的托盘规划库位，包括：
确定货物放置于目标托盘的放置情况；所述目标托盘为任一托盘；
若所述放置情况指示所述货物超出所述目标托盘的承载面，则获取所述货物超出所述目标托盘的承载面的超出尺寸，并根据所述货车车厢的尺寸、所述目标托盘的尺寸以及所述超出尺寸，确定所述货车车厢中与所述目标托盘对应的托盘规划库位；
若所述放置情况指示所述货物未超出所述目标托盘的承载面，则根据所述货车车厢的尺寸和所述目标托盘的尺寸，确定所述货车车厢中与所述目标托盘对应的托盘规划库位。
4.根据权利要求3所述的方法，其特征在于，所述确定货物放置于目标托盘的放置情况，包括：
获取输入的所述目标托盘的尺寸以及放置于所述目标托盘的货物的尺寸；
若所述放置于所述目标托盘的货物的尺寸大于所述目标托盘的尺寸，则确定所述货物放置于所述目标托盘的放置情况为所述货物超出所述目标托盘的承载面；
若所述放置于所述目标托盘的货物的尺寸小于所述目标托盘的尺寸，则确定所述货物放置于所述目标托盘的放置情况为所述货物未超出所述目标托盘的承载面；和/或，
获取货物图像，所述货物图像包括所述目标托盘以及放置于所述目标托盘中的货物；
若根据所述货物图像识别出所述货物遮挡所述目标托盘的承载面的边缘，则确定所述货物放置于所述目标托盘的放置情况为所述货物超出所述目标托盘的承载面；
若根据所述货物图像识别出所述货物未遮挡所述目标托盘的承载面的边缘，则确定所述货物放置于所述目标托盘的放置情况为所述货物未超出所述目标托盘的承载面。
5.根据权利要求1所述的方法，其特征在于，在根据所述货车车厢的尺寸及托盘的尺寸，确定所述货车车厢中的托盘规划库位之后，所述方法还包括：
根据货车的第一位姿信息以及所述货车车厢中的托盘规划库位，生成装车指令；
向无人叉车发送所述装车指令，以使所述无人叉车根据所述装车指令确定目标托盘规划库位的第二位姿信息，根据所述第二位姿信息以及所述无人叉车的第三位姿信息生成导航路线，叉取货物并按照所述导航路线到达所述目标托盘规划库位对应的指定位置，根据所述第二位姿信息调整所述无人叉车的姿态，并将所述无人叉车叉取的货物放置于所述目标托盘规划库位中。
6.根据权利要求5所述的方法，其特征在于，在所述向无人叉车发送所述装车指令之前，所述方法还包括：
接收检测传感器发送的检测信号，所述检测传感器设置于输送线的出口区域，所述输送线用于传输货物；所述检测传感器用于在检测到所述货物到达所述出口区域的情况下，发送检测信号；
根据所述检测传感器发送的检测信号，向无人叉车发送取货指令，以使所述无人叉车根据所述取货指令前往所述输送线的出口区域叉取所述货物。
7.根据权利要求6所述的方法，其特征在于，所述根据所述检测传感器发送的检测信号，向无人叉车发送取货指令，包括：
对比在预设时长内连续接收到的所述检测传感器发送的多个检测信号；
确定所述多个检测信号之间的差异；
若所述差异小于差异阈值，则确定所述货物处于停稳状态，并向所述无人叉车发送取货指令。
8.一种库位规划装置，其特征在于，所述库位规划装置包括：
扫描模块，用于通过三维激光雷达传感器对货车车厢进行扫描，并获取所述三维激光雷达传感器扫描得到的三维点云图；
获取模块，用于基于所述三维激光雷达传感器获取的三维点云图，得到全局点云图；
提取模块，用于从所述全局点云图中提取所述货车车厢的平面图像数据；
计算模块，用于根据所述平面图像数据，识别所述货车车厢的车厢特征点，并基于所述车厢特征点计算所述货车车厢的尺寸；
确定模块，用于根据所述货车车厢的尺寸及托盘的尺寸，确定所述货车车厢中的托盘规划库位。
9.一种电子设备，其特征在于，包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，其中，所述计算机程序在被处理器执行时，使得所述处理器执行权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310626222.3A CN116341772A (zh) | 2023-05-31 | 2023-05-31 | 库位规划方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310626222.3A CN116341772A (zh) | 2023-05-31 | 2023-05-31 | 库位规划方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116341772A true CN116341772A (zh) | 2023-06-27 |
Family
ID=86893373
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310626222.3A Pending CN116341772A (zh) | 2023-05-31 | 2023-05-31 | 库位规划方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116341772A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116882865A (zh) * | 2023-07-18 | 2023-10-13 | 广州市智慧农业服务股份有限公司 | 一种基于生鲜配送的智能物流装车系统及装车方法 |
| CN118691209A (zh) * | 2024-08-26 | 2024-09-24 | 南京阔友信息技术有限公司 | 基于仓储管理的自动化仓储条码生成系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113280733A (zh) * | 2021-04-07 | 2021-08-20 | 深圳市异方科技有限公司 | 一种基于激光雷达的货车车厢容积测量方法及系统 |
| CN114358145A (zh) * | 2021-12-16 | 2022-04-15 | 劢微机器人科技(深圳)有限公司 | 叉车卸货方法、叉车及计算机可读存储介质 |
| CN114455511A (zh) * | 2021-12-27 | 2022-05-10 | 劢微机器人科技(深圳)有限公司 | 叉车装货方法及设备、计算机可读存储介质 |
| CN115205373A (zh) * | 2022-06-09 | 2022-10-18 | 劢微机器人(深圳)有限公司 | 基于雷达和相机融合的卸货方法、检测装置及存储介质 |
-
2023
- 2023-05-31 CN CN202310626222.3A patent/CN116341772A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113280733A (zh) * | 2021-04-07 | 2021-08-20 | 深圳市异方科技有限公司 | 一种基于激光雷达的货车车厢容积测量方法及系统 |
| CN114358145A (zh) * | 2021-12-16 | 2022-04-15 | 劢微机器人科技(深圳)有限公司 | 叉车卸货方法、叉车及计算机可读存储介质 |
| CN114455511A (zh) * | 2021-12-27 | 2022-05-10 | 劢微机器人科技(深圳)有限公司 | 叉车装货方法及设备、计算机可读存储介质 |
| CN115205373A (zh) * | 2022-06-09 | 2022-10-18 | 劢微机器人(深圳)有限公司 | 基于雷达和相机融合的卸货方法、检测装置及存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116882865A (zh) * | 2023-07-18 | 2023-10-13 | 广州市智慧农业服务股份有限公司 | 一种基于生鲜配送的智能物流装车系统及装车方法 |
| CN116882865B (zh) * | 2023-07-18 | 2024-01-26 | 广州市智慧农业服务股份有限公司 | 一种基于生鲜配送的智能物流装车系统及装车方法 |
| CN118691209A (zh) * | 2024-08-26 | 2024-09-24 | 南京阔友信息技术有限公司 | 基于仓储管理的自动化仓储条码生成系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12008513B2 (en) | System and method of object tracking using weight confirmation | |
| CN116341772A (zh) | 库位规划方法、装置、电子设备及存储介质 | |
| US10810544B2 (en) | Distributed autonomous robot systems and methods | |
| CN110383334B (zh) | 用于分割物体的方法、系统和装置 | |
| US10721451B2 (en) | Arrangement for, and method of, loading freight into a shipping container | |
| US10494180B2 (en) | Systems and methods for distributed autonomous robot interfacing using live image feeds | |
| US10337855B2 (en) | Method of imaging an object for tracking and documentation in transportation and storage | |
| US10655945B2 (en) | Methods and apparatus to coordinate movement of automated vehicles and freight dimensioning components | |
| US10649446B2 (en) | Techniques for conveyance device control | |
| KR101095579B1 (ko) | 모노 비전 기반의 팔레트 위치 및 자세 측정 방법 | |
| CN114494453A (zh) | 基于雷达和相机的自动装卸车方法及自动装卸车系统 | |
| US10769581B1 (en) | Overhanging item background subtraction | |
| CN114387344A (zh) | 一种载货工具位姿检测方法、装置、搬运车辆及介质 | |
| CN116425088B (zh) | 货物搬运方法、装置及机器人 | |
| CN113978987B (zh) | 栈板物品打包提货方法、装置、设备及介质 | |
| US20190127148A1 (en) | System and Methods for Automated Storage Receptacle Processing | |
| Varga et al. | Improved autonomous load handling with stereo cameras | |
| CN115330854A (zh) | 货物管理系统和货物管理方法 | |
| US20230243666A1 (en) | Method for mapping, mapping device, computer program, computer readable medium, and vehicle | |
| CN115727857A (zh) | 定位方法、定位装置、车辆、存储介质和程序产品 | |
| CN219791778U (zh) | 装卸系统 | |
| CN115171061A (zh) | 车辆检测方法、装置和设备 | |
| CN117555308B (zh) | 一种基于无人叉车的托盘回收方法、系统及存储介质 | |
| US20230400858A1 (en) | Identifying transport structures | |
| Pagano et al. | RTPORT: the 5G-based Model-Driven real Time Module for General Cargo Management |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230627 |