CN116588573B - 一种仓储智能起重系统的散料抓取控制方法及系统 - Google Patents
一种仓储智能起重系统的散料抓取控制方法及系统 Download PDFInfo
- Publication number
- CN116588573B CN116588573B CN202310476717.2A CN202310476717A CN116588573B CN 116588573 B CN116588573 B CN 116588573B CN 202310476717 A CN202310476717 A CN 202310476717A CN 116588573 B CN116588573 B CN 116588573B
- Authority
- CN
- China
- Prior art keywords
- grabbing
- bulk
- acquiring
- point cloud
- bulk cargo
- 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 38
- 238000003860 storage Methods 0.000 claims abstract description 192
- 239000000463 material Substances 0.000 claims abstract description 85
- 239000013590 bulk material Substances 0.000 claims abstract description 80
- 238000009826 distribution Methods 0.000 claims abstract description 40
- 230000003068 static effect Effects 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 36
- 238000011156 evaluation Methods 0.000 claims description 32
- 238000007599 discharging Methods 0.000 claims description 15
- 230000033001 locomotion Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 6
- 230000002457 bidirectional effect Effects 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 239000000428 dust Substances 0.000 description 17
- 230000001629 suppression Effects 0.000 description 6
- 238000012216 screening Methods 0.000 description 4
- 238000005507 spraying Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
- B65G1/02—Storage devices
- B65G1/04—Storage devices mechanical
- B65G1/137—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed
- B65G1/1371—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed with data records
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
- B65G1/02—Storage devices
- B65G1/04—Storage devices mechanical
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
- B65G1/02—Storage devices
- B65G1/04—Storage devices mechanical
- B65G1/0492—Storage devices mechanical with cars adapted to travel in storage aisles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/02—Control or detection
- B65G2203/0208—Control or detection relating to the transported articles
- B65G2203/0233—Position of the article
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Warehouses Or Storage Devices (AREA)
Abstract
本发明公开了一种仓储智能起重系统的散料抓取控制方法及系统,包括:获取散料仓储区域中散料的三维点云数据,通过所述三维点云数据获取散料抓取点,将抓取点作为起始位置;获取仓储区域的静态环境图像,根据所述静态环境图像生成仓储区域划分为若干子区域,得到仓储区域的格栅地图;获取智能起重系统散料抓取的起始位置及目标位置,构建抓取路径规划模型对抓取路径进行规划,对规划抓取路径进行评价获取最优抓取路径;通过最优路径到达目标位置后,根据目标位置的分布特征进行散料的放置规划。本发明通过对仓储环境中散料抓取、吊运、放置进行规划,实现了散料抓取的智能化控制,提高了作业效率,同时保证了散料抓取吊运的安全性和可靠性。
Description
技术领域
本发明涉及智能起重技术领域,更具体的,涉及一种仓储智能起重系统的散料抓取控制方法及系统。
背景技术
随着制造技术的与信息技术产业的发展,企业生产物流需求的日益增长,物料搬运中的散料搬运是生产车间内部、车间与外部市场之间物流的重要组成部分,具有场景复杂、技术要求高、劳动强度大、危险因素多等特点,而其传统的人工操作模式存在人力成本高、效率低、安全性低、作业精度低等问题,因此,在仓储系统中通过智能起重系统实现散料的抓取吊运显得尤为重要,是相关企业实现转型升级、提高总体竞争力的关键。
目前各种类型的自动化数控起重机已经广泛应用于多个工业领域,但是大多数的数控起重机都需要工作在整齐有序的工业环境中,起重机只能按照固定程序或者人为进行操作,但固定程序或者认为操作存在需要操作人员判断、输送效率低等问题。因此需要开发一款系统,通过仓储智能起重系统对散料进行抓取吊运,使之解决料堆定位,吊运路线规划等问题,缩短了人为操作造成的停机时间、往返路程、搜寻时间,减少倒库次数,大大降低了人工成本。在该系统的实现过程中,如何对仓储环境中散料抓取、吊运、放置进行规划都是亟不可待需要解决的问题。
发明内容
为了解决上述技术问题,本发明提出了一种仓储智能起重系统的散料抓取控制方法及系统。
本发明第一方面提供了一种仓储智能起重系统的散料抓取控制方法,包括:
获取散料仓储区域中散料的三维点云数据,通过所述三维点云数据获取散料抓取点,将抓取点作为起始位置;
获取仓储区域的静态环境图像,根据所述静态环境图像生成仓储区域划分为若干子区域,得到仓储区域的格栅地图;
获取智能起重系统散料抓取的起始位置及目标位置,构建抓取路径规划模型对抓取路径进行规划,对规划抓取路径进行评价获取最优抓取路径;
通过最优路径到达目标位置后,根据目标位置的分布特征进行散料的放置规划。
本方案中,获取散料仓储区域中散料的三维点云数据,通过所述三维点云数据获取散料抓取点,将抓取点作为起始位置,具体为:
获取散料仓储区域中散料的激光点云数据,根据智能起重系统中大车和小车的运动方向及深度方向构建点云三维坐标系;
将获取激光点云数据导入所述点云三维坐标系中进行点云配准,计算激光点云数据中每个点到所有邻近点的平均距离,判断所述平均距离是否大于预设平均距离阈值,若大于,则将该点云进行剔除;
通过预处理后的激光点云数据生成散料的三维点云数据,根据所述三维点云数据在点云三维坐标系中的坐标获取散料的料位信息,计算散料仓储区域的平均料位;
获取散料仓储区域中各点云对应的料位信息与平均料位的正向料位差,判断所述正向料位差是否大于预设料位差阈值,若大于,则将该点云所在点作为散料抓取点。
本方案中,获取智能起重系统散料抓取的起始位置及目标位置,构建抓取路径规划模型对抓取路径进行规划,具体为:
获取散料仓储区域的格栅地图,通过所述格栅地图结合障碍物的三维点云数据,获取散料仓储区域的三维格栅地图,将起始位置及目标位置在三维格栅地图中进行标注;
根据散料仓储区域中各障碍物的高度信息对三维格栅地图进行分层,并将各层的三维格栅地图进行可视化显示;
通过判断格栅节点是否为转向节点对A*算法的代价函数进行改进,当格栅节点为转向节点时,在代价函数中加入预设转向代价;
通过改进后的A*算法构建抓取路径规划模型,将起始位置及目标位置输入路径规划模型,根据双向搜索策略从起始位置及目标位置开始规划,对相邻格栅节点的进行代价函数计算;
根据代价函数计算获取最小代价函数值的相邻格栅节点作为下一节点直到搜索到目标位置,输出各层的三维格栅地图的抓取路径规划。
本方案中,对规划抓取路径进行评价获取最优抓取路径,具体为
通过智能起重系统的速度空间进行采样获取智能起重系统中大车与小车的运动约束,并根据三维格栅地图中各层对应的抓取路径规划获取各层路径中的启停次数;
通过所述运动约束及启停次数获取三维格栅地图各层对应的抓取路径的运行时间,同时通过三维格栅地图中各层的抓取路径规划的转向节点数量;
对各层抓取路径规划中对应的运行时间及转向节点数量进行归一化处理,通过归一化处理后的运行时间及转向节点数量结合预设权重信息获取各层路径规划的评价;
选取各层路径规格中评价值最小的抓取路径作为最优抓取路径。
本方案中,根据目标位置的分布特征进行散料的放置规划,具体为:
获取散料目标存放区域的资源设备的分布位置,将散料目标存放区域划分为若干存放单元,获取各存放单元与资源设备的距离信息及相对位置分布,所述资源设备包括但不限于散料搬运设备及散料加工设备;
根据各存放单元到资源设备的距离信息及相对位置分布获取特征值,通过所述特征值计算各存放单元之间的特征值差异;
将所述特征值差异小于预设特征值差异的存放单元归为同类别存放单元,将同类别存放单元使用同一标记方式进行标记,并显示不同类别存放单元的标记分布;
获取同类别存放单元中各存放单元与资源设备距离的标准差,根据所述标准差通过预设评价标准获取不同类别存放单元的评价得分;
根据所述评价得分获取不同类别存放单元的存放优先级,获取评级得分最高的一类存放单元,优先在该类存放单元中进行散料放置。
本方案中,当目标位置的为散料运载车辆时,通过抓取对散料运载车辆进行装车,具体为:
获取散料运载车辆当前停放位置及散料运载车辆的当前图像信息,根据所述当前停放位置及当前图像信息判断散料运载车辆的停放特征;
根据所述停放特征判断散料装载便捷程度是否满足预设便捷程度要求,若满足,则通过图像分割获取散料运载车辆载料区域的几何特征;
预设在满足装载便捷程度要求的前提下标准停放的散料运载车辆载料区域的几何特征,作为标准几何特征,并获取标准几何特征对应的智能起重系统中抓斗的放料姿态;
将当前散料运载车辆的载料区域的几何特征与所述标准几何特征进行对比获取几何偏差,根据所述几何偏差对抓斗的放料姿态进行调整,根据调整后的抓斗放料姿态对当前散料运载车辆进行装载;
另外,获取对当前散料运载车辆过程中散料的单次抓取料量,根据单次抓取料量及次数信息判断已装载散料量是否达到当前运载车辆的最大载重,若是,则停止继续装载,完成对散料运载车辆的装车。
本发明第二方面还提供了一种仓储智能起重系统的散料抓取控制系统,该系统包括:存储器、处理器,所述存储器中包括一种仓储智能起重系统的散料抓取控制方法程序,所述一种仓储智能起重系统的散料抓取控制方法程序被所述处理器执行时实现如下步骤:
获取散料仓储区域中散料的三维点云数据,通过所述三维点云数据获取散料抓取点,将抓取点作为起始位置;
获取仓储区域的静态环境图像,根据所述静态环境图像生成仓储区域划分为若干子区域,得到仓储区域的格栅地图;
获取智能起重系统散料抓取的起始位置及目标位置,构建抓取路径规划模型对抓取路径进行规划,对规划抓取路径进行评价获取最优抓取路径;
通过最优路径到达目标位置后,根据目标位置的分布特征进行散料的放置规划。
本发明公开了一种仓储智能起重系统的散料抓取控制方法及系统,包括:获取散料仓储区域中散料的三维点云数据,通过所述三维点云数据获取散料抓取点,将抓取点作为起始位置;获取仓储区域的静态环境图像,根据所述静态环境图像生成仓储区域划分为若干子区域,得到仓储区域的格栅地图;获取智能起重系统散料抓取的起始位置及目标位置,构建抓取路径规划模型对抓取路径进行规划,对规划抓取路径进行评价获取最优抓取路径;通过最优路径到达目标位置后,根据目标位置的分布特征进行散料的放置规划。本发明通过对仓储环境中散料抓取、吊运、放置进行规划,实现了散料抓取的智能化控制,提高了作业效率,同时保证了散料抓取吊运的安全性和可靠性。
附图说明
图1示出了本发明一种仓储智能起重系统的散料抓取控制方法的流程图;
图2示出了本发明根据构建抓取路径规划模型对抓取路径进行规划的方法流程图;
图3示出了本发明根据目标位置的分布特征进行散料的放置规划的方法流程图;
图4示出了本发明一种仓储智能起重系统的散料抓取控制系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种仓储智能起重系统的散料抓取控制方法的流程图。
如图1所示,本发明第一方面提供了一种仓储智能起重系统的散料抓取控制方法,包括:
S102,获取散料仓储区域中散料的三维点云数据,通过所述三维点云数据获取散料抓取点,将抓取点作为起始位置;
S104,获取仓储区域的静态环境图像,根据所述静态环境图像生成仓储区域划分为若干子区域,得到仓储区域的格栅地图;
S106,获取智能起重系统散料抓取的起始位置及目标位置,构建抓取路径规划模型对抓取路径进行规划,对规划抓取路径进行评价获取最优抓取路径;
S108,通过最优路径到达目标位置后,根据目标位置的分布特征进行散料的放置规划。
需要说明的是,获取散料仓储区域中散料的三维点云数据,通过所述三维点云数据获取散料抓取点,将抓取点作为起始位置,具体为:通过三维激光扫描获取散料仓储区域中散料的激光点云数据,根据智能起重系统中大车和小车的运动方向及深度方向构建点云三维坐标系;将获取激光点云数据导入所述点云三维坐标系中进行点云配准,计算激光点云数据中每个点到所有邻近点的平均距离进行离散点云的筛选,判断所述平均距离是否大于预设平均距离阈值,若大于,则将该点云进行剔除;通过筛选、去噪等预处理后的激光点云数据生成散料的三维点云数据,根据所述三维点云数据在点云三维坐标系中的坐标获取散料的料位信息,计算散料仓储区域的平均料位;将料位信息高于平均料位的作为正向,低于平均料位的作为负向,获取散料仓储区域中各点云对应的料位信息与平均料位的正向料位差,判断所述正向料位差是否大于预设料位差阈值,若大于,则将该点云所在点作为散料抓取点。
图2示出了本发明根据构建抓取路径规划模型对抓取路径进行规划的方法流程图。
根据本发明实施例,获取智能起重系统散料抓取的起始位置及目标位置,构建抓取路径规划模型对抓取路径进行规划,具体为:
S202,获取散料仓储区域的格栅地图,通过所述格栅地图结合障碍物的三维点云数据,获取散料仓储区域的三维格栅地图,将起始位置及目标位置在三维格栅地图中进行标注;
S204,根据散料仓储区域中各障碍物的高度信息对三维格栅地图进行分层,并将各层的三维格栅地图进行可视化显示;
S206,通过判断格栅节点是否为转向节点对A*算法的代价函数进行改进,当格栅节点为转向节点时,在代价函数中加入预设转向代价;
S208,通过改进后的A*算法构建抓取路径规划模型,将起始位置及目标位置输入路径规划模型,根据双向搜索策略从起始位置及目标位置开始规划,对相邻格栅节点的进行代价函数计算;
S210,根据代价函数计算获取最小代价函数值的相邻格栅节点作为下一节点直到搜索到目标位置,输出各层的三维格栅地图的抓取路径规划。
需要说明的是,在A*算法中通过代价函数对每个节点进行评估,其代价函数具体为:f(n)=g(n)+h(n),其中,f(n)表示从起始节点到标节点的评估代价,g(n)表示特定起始节点到特定目标节点的评估代价,h(n)表示当前节点到目标节点预测评估代价,其中预测评估代价通常使用当前节点到目标节点的曼哈顿距离、切比雪夫距离或者欧氏距离;通过判断格栅节点是否为转向节点对A*算法的代价函数进行改进,当格栅节点为转向节点时,在代价函数中加入预设转向代价,当格栅节点不是转向节点时,设置转向代价,当格栅节点为转向节点时,根据障碍物的复杂程度设置不同数据的转向代价,即改进后的代价函数为:
f(n)=g(n)+h(n)+z(n)
其中,z(n)表示当前格栅节点的转向评估代价。
需要说明的是,对规划抓取路径进行评价获取最优抓取路径,具体为:通过智能起重系统的速度空间进行采样,获取智能起重系统中大车及小车的加速度信息、平均速度及大车和小车同时运行速度,获取智能起重系统中大车与小车的运动约束,并根据三维格栅地图中各层对应的抓取路径规划获取转向节点,根据转向节点判断获取各层路径中的启停次数;通过所述运动约束及启停次数获取三维格栅地图各层对应的抓取路径的运行时间,同时通过三维格栅地图中各层的抓取路径规划的转向节点数量;对各层抓取路径规划中对应的运行时间及转向节点数量进行归一化处理,通过归一化处理后的运行时间及转向节点数量结合预设权重信息获取各层路径规划的评价,其中,通过各层规划路径的运行时间及转向节点数量的平均值及标准差,根据标准差与平均值的比值获取运行时间及转向节点数量的权重信息;抓取路径的评价值计算公式为:p=λ1t+λ2j,其中,p表示评价值,t表示运行时间,j表示转向节点数量,λ1,λ2分别表示运行时间与转向节点数量的权重信息,选取各层路径规格中评价值最小的抓取路径作为最优抓取路径。
图3示出了本发明根据目标位置的分布特征进行散料的放置规划的方法流程图。
根据本发明实施例,根据目标位置的分布特征进行散料的放置规划,具体为:
S302,获取散料目标存放区域的资源设备的分布位置,将散料目标存放区域划分为若干存放单元,获取各存放单元与资源设备的距离信息及相对位置分布,所述资源设备包括但不限于散料搬运设备及散料加工设备;
S304,根据各存放单元到资源设备的距离信息及相对位置分布获取特征值,通过所述特征值计算各存放单元之间的特征值差异;
S306,将所述特征值差异小于预设特征值差异的存放单元归为同类别存放单元,将同类别存放单元使用同一标记方式进行标记,并显示不同类别存放单元的标记分布;
S308,获取同类别存放单元中各存放单元与资源设备距离的标准差,根据所述标准差通过预设评价标准获取不同类别存放单元的评价得分;
S310,根据所述评价得分获取不同类别存放单元的存放优先级,获取评级得分最高的一类存放单元,优先在该类存放单元中进行散料放置。
需要说明的是,当目标位置的为散料运载车辆时,通过抓取对散料运载车辆进行装车,具体为:获取散料运载车辆当前停放位置及散料运载车辆的当前图像信息,根据所述当前停放位置及当前图像信息判断散料运载车辆的停放特征;根据所述停放特征判断散料装载便捷程度是否满足预设便捷程度要求,若满足,则通过图像分割获取散料运载车辆载料区域的几何特征;预设在满足装载便捷程度要求的前提下标准停放的散料运载车辆载料区域的几何特征,作为标准几何特征,并获取标准几何特征对应的智能起重系统中抓斗的放料姿态;将当前散料运载车辆的载料区域的几何特征与所述标准几何特征进行对比获取几何偏差,根据所述几何偏差对抓斗的放料姿态进行调整,根据调整后的抓斗放料姿态对当前散料运载车辆进行装载;另外,获取对当前散料运载车辆过程中散料的单次抓取料量,根据单次抓取料量及次数信息判断已装载散料量是否达到当前运载车辆的最大载重,若是,则停止继续装载,完成对散料运载车辆的装车。
根据本发明实施例,在散料装车过程中,获取散料装载车辆预设范围区域内的粉尘分布,并进行抑尘,具体为:
根据散料装载车辆的停放位置,获取停放位置预设范围区域的图像信息,将所述图像信息进行预处理;
基于YOLO4网络构建粉尘检测模型,将预处理后的图像信息输入粉尘检测模型,通过特征金字塔获取图像信息的特征信息,并将特征信息进行融合;
根据融合特征获取图像信息中粉尘位置的回归锚框,根据锚框面积占图像信息面积的比值,通过所述比值获取粉尘浓度信息;
根据粉尘位置及粉尘浓度获取预设范围区域的浓度分布,根据浓度分布获取粉尘浓度大于浓度阈值的区域,作为抑尘区域;
根据抑尘区域的粉尘浓度信息、位置及面积信息获取降尘喷淋装置的流速、流量、喷淋方向及喷淋面积;
判断抑尘后的粉尘分布是否处于预设标准范围内,若与预设标准范围的偏差率大于预设阈值,则进行二次抑尘。
图4示出了本发明一种仓储智能起重系统的散料抓取控制系统的框图。
本发明第二方面还提供了一种仓储智能起重系统的散料抓取控制系统4,该系统包括:存储器41、处理器42,所述存储器中包括一种仓储智能起重系统的散料抓取控制方法程序,所述一种仓储智能起重系统的散料抓取控制方法程序被所述处理器执行时实现如下步骤:
获取散料仓储区域中散料的三维点云数据,通过所述三维点云数据获取散料抓取点,将抓取点作为起始位置;
获取仓储区域的静态环境图像,根据所述静态环境图像生成仓储区域划分为若干子区域,得到仓储区域的格栅地图;
获取智能起重系统散料抓取的起始位置及目标位置,构建抓取路径规划模型对抓取路径进行规划,对规划抓取路径进行评价获取最优抓取路径;
通过最优路径到达目标位置后,根据目标位置的分布特征进行散料的放置规划。
需要说明的是,获取散料仓储区域中散料的三维点云数据,通过所述三维点云数据获取散料抓取点,将抓取点作为起始位置,具体为:通过三维激光扫描获取散料仓储区域中散料的激光点云数据,根据智能起重系统中大车和小车的运动方向及深度方向构建点云三维坐标系;将获取激光点云数据导入所述点云三维坐标系中进行点云配准,计算激光点云数据中每个点到所有邻近点的平均距离进行离散点云的筛选,判断所述平均距离是否大于预设平均距离阈值,若大于,则将该点云进行剔除;通过筛选、去噪等预处理后的激光点云数据生成散料的三维点云数据,根据所述三维点云数据在点云三维坐标系中的坐标获取散料的料位信息,计算散料仓储区域的平均料位;将料位信息高于平均料位的作为正向,低于平均料位的作为负向,获取散料仓储区域中各点云对应的料位信息与平均料位的正向料位差,判断所述正向料位差是否大于预设料位差阈值,若大于,则将该点云所在点作为散料抓取点。
根据本发明实施例,获取智能起重系统散料抓取的起始位置及目标位置,构建抓取路径规划模型对抓取路径进行规划,具体为:
获取散料仓储区域的格栅地图,通过所述格栅地图结合障碍物的三维点云数据,获取散料仓储区域的三维格栅地图,将起始位置及目标位置在三维格栅地图中进行标注;
根据散料仓储区域中各障碍物的高度信息对三维格栅地图进行分层,并将各层的三维格栅地图进行可视化显示;
通过判断格栅节点是否为转向节点对A*算法的代价函数进行改进,当格栅节点为转向节点时,在代价函数中加入预设转向代价;
通过改进后的A*算法构建抓取路径规划模型,将起始位置及目标位置输入路径规划模型,根据双向搜索策略从起始位置及目标位置开始规划,对相邻格栅节点的进行代价函数计算;
根据代价函数计算获取最小代价函数值的相邻格栅节点作为下一节点直到搜索到目标位置,输出各层的三维格栅地图的抓取路径规划。
需要说明的是,在A*算法中通过代价函数对每个节点进行评估,其代价函数具体为:f(n)=g(n)+h(n),其中,f(n)表示从起始节点到标节点的评估代价,g(n)表示特定起始节点到特定目标节点的评估代价,h(n)表示当前节点到目标节点预测评估代价,其中预测评估代价通常使用当前节点到目标节点的曼哈顿距离、切比雪夫距离或者欧氏距离;通过判断格栅节点是否为转向节点对A*算法的代价函数进行改进,当格栅节点为转向节点时,在代价函数中加入预设转向代价,当格栅节点不是转向节点时,设置转向代价,当格栅节点为转向节点时,根据障碍物的复杂程度设置不同数据的转向代价,即改进后的代价函数为:
f(n)=g(n)+h(n)+z(n)
其中,z(n)表示当前格栅节点的转向评估代价。
需要说明的是,对规划抓取路径进行评价获取最优抓取路径,具体为:通过智能起重系统的速度空间进行采样,获取智能起重系统中大车及小车的加速度信息、平均速度及大车和小车同时运行速度,获取智能起重系统中大车与小车的运动约束,并根据三维格栅地图中各层对应的抓取路径规划获取转向节点,根据转向节点判断获取各层路径中的启停次数;通过所述运动约束及启停次数获取三维格栅地图各层对应的抓取路径的运行时间,同时通过三维格栅地图中各层的抓取路径规划的转向节点数量;对各层抓取路径规划中对应的运行时间及转向节点数量进行归一化处理,通过归一化处理后的运行时间及转向节点数量结合预设权重信息获取各层路径规划的评价,其中,通过各层规划路径的运行时间及转向节点数量的平均值及标准差,根据标准差与平均值的比值获取运行时间及转向节点数量的权重信息;抓取路径的评价值计算公式为:p=λ1t+λ2j,其中,p表示评价值,t表示运行时间,j表示转向节点数量,λ1,λ2分别表示运行时间与转向节点数量的权重信息,选取各层路径规格中评价值最小的抓取路径作为最优抓取路径。
根据本发明实施例,根据目标位置的分布特征进行散料的放置规划,具体为:
获取散料目标存放区域的资源设备的分布位置,将散料目标存放区域划分为若干存放单元,获取各存放单元与资源设备的距离信息及相对位置分布,所述资源设备包括但不限于散料搬运设备及散料加工设备;
根据各存放单元到资源设备的距离信息及相对位置分布获取特征值,通过所述特征值计算各存放单元之间的特征值差异;
将所述特征值差异小于预设特征值差异的存放单元归为同类别存放单元,将同类别存放单元使用同一标记方式进行标记,并显示不同类别存放单元的标记分布;
获取同类别存放单元中各存放单元与资源设备距离的标准差,根据所述标准差通过预设评价标准获取不同类别存放单元的评价得分;
根据所述评价得分获取不同类别存放单元的存放优先级,获取评级得分最高的一类存放单元,优先在该类存放单元中进行散料放置。
需要说明的是,当目标位置的为散料运载车辆时,通过抓取对散料运载车辆进行装车,具体为:获取散料运载车辆当前停放位置及散料运载车辆的当前图像信息,根据所述当前停放位置及当前图像信息判断散料运载车辆的停放特征;根据所述停放特征判断散料装载便捷程度是否满足预设便捷程度要求,若满足,则通过图像分割获取散料运载车辆载料区域的几何特征;预设在满足装载便捷程度要求的前提下标准停放的散料运载车辆载料区域的几何特征,作为标准几何特征,并获取标准几何特征对应的智能起重系统中抓斗的放料姿态;将当前散料运载车辆的载料区域的几何特征与所述标准几何特征进行对比获取几何偏差,根据所述几何偏差对抓斗的放料姿态进行调整,根据调整后的抓斗放料姿态对当前散料运载车辆进行装载;另外,获取对当前散料运载车辆过程中散料的单次抓取料量,根据单次抓取料量及次数信息判断已装载散料量是否达到当前运载车辆的最大载重,若是,则停止继续装载,完成对散料运载车辆的装车。
本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括一种仓储智能起重系统的散料抓取控制方法程序,所述一种仓储智能起重系统的散料抓取控制方法程序被处理器执行时,实现如上述任一项所述的一种仓储智能起重系统的散料抓取控制方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (5)
1.一种仓储智能起重系统的散料抓取控制方法,其特征在于,包括以下步骤:
获取散料仓储区域中散料的三维点云数据,通过所述三维点云数据获取散料抓取点,将抓取点作为起始位置;
获取仓储区域的静态环境图像,根据所述静态环境图像生成仓储区域划分为若干子区域,得到仓储区域的格栅地图;
获取智能起重系统散料抓取的起始位置及目标位置,构建抓取路径规划模型对抓取路径进行规划,对规划抓取路径进行评价获取最优抓取路径;
通过最优路径到达目标位置后,根据目标位置的分布特征进行散料的放置规划;
获取智能起重系统散料抓取的起始位置及目标位置,构建抓取路径规划模型对抓取路径进行规划,具体为:
获取散料仓储区域的格栅地图,通过所述格栅地图结合障碍物的三维点云数据,获取散料仓储区域的三维格栅地图,将起始位置及目标位置在三维格栅地图中进行标注;
根据散料仓储区域中各障碍物的高度信息对三维格栅地图进行分层,并将各层的三维格栅地图进行可视化显示;
通过判断格栅节点是否为转向节点对A*算法的代价函数进行改进,当格栅节点为转向节点时,在代价函数中加入预设转向代价;
通过改进后的A*算法构建抓取路径规划模型,将起始位置及目标位置输入路径规划模型,根据双向搜索策略从起始位置及目标位置开始规划,对相邻格栅节点的进行代价函数计算;
根据代价函数计算获取最小代价函数值的相邻格栅节点作为下一节点直到搜索到目标位置,输出各层的三维格栅地图的抓取路径规划;
根据目标位置的分布特征进行散料的放置规划,具体为:
获取散料目标存放区域的资源设备的分布位置,将散料目标存放区域划分为若干存放单元,获取各存放单元与资源设备的距离信息及相对位置分布,所述资源设备包括散料搬运设备及散料加工设备;
根据各存放单元到资源设备的距离信息及相对位置分布获取特征值,通过所述特征值计算各存放单元之间的特征值差异;
将所述特征值差异小于预设特征值差异的存放单元归为同类别存放单元,将同类别存放单元使用同一标记方式进行标记,并显示不同类别存放单元的标记分布;
获取同类别存放单元中各存放单元与资源设备距离的标准差,根据所述标准差通过预设评价标准获取不同类别存放单元的评价得分;
根据所述评价得分获取不同类别存放单元的存放优先级,获取评级得分最高的一类存放单元,优先在该类存放单元中进行散料放置;
当目标位置的为散料运载车辆时,通过抓取对散料运载车辆进行装车,具体为:
获取散料运载车辆当前停放位置及散料运载车辆的当前图像信息,根据所述当前停放位置及当前图像信息判断散料运载车辆的停放特征;
根据所述停放特征判断散料装载便捷程度是否满足预设便捷程度要求,若满足,则通过图像分割获取散料运载车辆载料区域的几何特征;
预设在满足装载便捷程度要求的前提下标准停放的散料运载车辆载料区域的几何特征,作为标准几何特征,并获取标准几何特征对应的智能起重系统中抓斗的放料姿态;
将当前散料运载车辆的载料区域的几何特征与所述标准几何特征进行对比获取几何偏差,根据所述几何偏差对抓斗的放料姿态进行调整,根据调整后的抓斗放料姿态对当前散料运载车辆进行装载;
另外,获取对当前散料运载车辆过程中散料的单次抓取料量,根据单次抓取料量及次数信息判断已装载散料量是否达到当前运载车辆的最大载重,若是,则停止继续装载,完成对散料运载车辆的装车。
2.根据权利要求1所述的一种仓储智能起重系统的散料抓取控制方法,其特征在于,获取散料仓储区域中散料的三维点云数据,通过所述三维点云数据获取散料抓取点,将抓取点作为起始位置,具体为:
获取散料仓储区域中散料的激光点云数据,根据智能起重系统中大车和小车的运动方向及深度方向构建点云三维坐标系;
将获取激光点云数据导入所述点云三维坐标系中进行点云配准,计算激光点云数据中每个点到所有邻近点的平均距离,判断所述平均距离是否大于预设平均距离阈值,若大于,则将该点云进行剔除;
通过预处理后的激光点云数据生成散料的三维点云数据,根据所述三维点云数据在点云三维坐标系中的坐标获取散料的料位信息,计算散料仓储区域的平均料位;
获取散料仓储区域中各点云对应的料位信息与平均料位的正向料位差,判断所述正向料位差是否大于预设料位差阈值,若大于,则将该点云所在点作为散料抓取点。
3.根据权利要求1所述的一种仓储智能起重系统的散料抓取控制方法,其特征在于,对规划抓取路径进行评价获取最优抓取路径,具体为
通过智能起重系统的速度空间进行采样获取智能起重系统中大车与小车的运动约束,并根据三维格栅地图中各层对应的抓取路径规划获取各层路径中的启停次数;
通过所述运动约束及启停次数获取三维格栅地图各层对应的抓取路径的运行时间,同时通过三维格栅地图中各层的抓取路径规划的转向节点数量;
对各层抓取路径规划中对应的运行时间及转向节点数量进行归一化处理,通过归一化处理后的运行时间及转向节点数量结合预设权重信息获取各层路径规划的评价;
选取各层路径规格中评价值最小的抓取路径作为最优抓取路径。
4.一种仓储智能起重系统的散料抓取控制系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包括一种仓储智能起重系统的散料抓取控制方法程序,所述一种仓储智能起重系统的散料抓取控制方法程序被所述处理器执行时实现如下步骤:
获取散料仓储区域中散料的三维点云数据,通过所述三维点云数据获取散料抓取点,将抓取点作为起始位置;
获取仓储区域的静态环境图像,根据所述静态环境图像生成仓储区域划分为若干子区域,得到仓储区域的格栅地图;
获取智能起重系统散料抓取的起始位置及目标位置,构建抓取路径规划模型对抓取路径进行规划,对规划抓取路径进行评价获取最优抓取路径;
通过最优路径到达目标位置后,根据目标位置的分布特征进行散料的放置规划;
获取智能起重系统散料抓取的起始位置及目标位置,构建抓取路径规划模型对抓取路径进行规划,具体为:
获取散料仓储区域的格栅地图,通过所述格栅地图结合障碍物的三维点云数据,获取散料仓储区域的三维格栅地图,将起始位置及目标位置在三维格栅地图中进行标注;
根据散料仓储区域中各障碍物的高度信息对三维格栅地图进行分层,并将各层的三维格栅地图进行可视化显示;
通过判断格栅节点是否为转向节点对A*算法的代价函数进行改进,当格栅节点为转向节点时,在代价函数中加入预设转向代价;
通过改进后的A*算法构建抓取路径规划模型,将起始位置及目标位置输入路径规划模型,根据双向搜索策略从起始位置及目标位置开始规划,对相邻格栅节点的进行代价函数计算;
根据代价函数计算获取最小代价函数值的相邻格栅节点作为下一节点直到搜索到目标位置,输出各层的三维格栅地图的抓取路径规划;
根据目标位置的分布特征进行散料的放置规划,具体为:
获取散料目标存放区域的资源设备的分布位置,将散料目标存放区域划分为若干存放单元,获取各存放单元与资源设备的距离信息及相对位置分布,所述资源设备包括散料搬运设备及散料加工设备;
根据各存放单元到资源设备的距离信息及相对位置分布获取特征值,通过所述特征值计算各存放单元之间的特征值差异;
将所述特征值差异小于预设特征值差异的存放单元归为同类别存放单元,将同类别存放单元使用同一标记方式进行标记,并显示不同类别存放单元的标记分布;
获取同类别存放单元中各存放单元与资源设备距离的标准差,根据所述标准差通过预设评价标准获取不同类别存放单元的评价得分;
根据所述评价得分获取不同类别存放单元的存放优先级,获取评级得分最高的一类存放单元,优先在该类存放单元中进行散料放置;
当目标位置的为散料运载车辆时,通过抓取对散料运载车辆进行装车,具体为:
获取散料运载车辆当前停放位置及散料运载车辆的当前图像信息,根据所述当前停放位置及当前图像信息判断散料运载车辆的停放特征;
根据所述停放特征判断散料装载便捷程度是否满足预设便捷程度要求,若满足,则通过图像分割获取散料运载车辆载料区域的几何特征;
预设在满足装载便捷程度要求的前提下标准停放的散料运载车辆载料区域的几何特征,作为标准几何特征,并获取标准几何特征对应的智能起重系统中抓斗的放料姿态;
将当前散料运载车辆的载料区域的几何特征与所述标准几何特征进行对比获取几何偏差,根据所述几何偏差对抓斗的放料姿态进行调整,根据调整后的抓斗放料姿态对当前散料运载车辆进行装载;
另外,获取对当前散料运载车辆过程中散料的单次抓取料量,根据单次抓取料量及次数信息判断已装载散料量是否达到当前运载车辆的最大载重,若是,则停止继续装载,完成对散料运载车辆的装车。
5.根据权利要求4所述的一种仓储智能起重系统的散料抓取控制系统,其特征在于,获取散料仓储区域中散料的三维点云数据,通过所述三维点云数据获取散料抓取点,将抓取点作为起始位置,具体为:
获取散料仓储区域中散料的激光点云数据,根据智能起重系统中大车和小车的运动方向及深度方向构建点云三维坐标系;
将获取激光点云数据导入所述点云三维坐标系中进行点云配准,计算激光点云数据中每个点到所有邻近点的平均距离,判断所述平均距离是否大于预设平均距离阈值,若大于,则将该点云进行剔除;
通过预处理后的激光点云数据生成散料的三维点云数据,根据所述三维点云数据在点云三维坐标系中的坐标获取散料的料位信息,计算散料仓储区域的平均料位;
获取散料仓储区域中各点云对应的料位信息与平均料位的正向料位差,判断所述正向料位差是否大于预设料位差阈值,若大于,则将该点云所在点作为散料抓取点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310476717.2A CN116588573B (zh) | 2023-04-28 | 2023-04-28 | 一种仓储智能起重系统的散料抓取控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310476717.2A CN116588573B (zh) | 2023-04-28 | 2023-04-28 | 一种仓储智能起重系统的散料抓取控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116588573A CN116588573A (zh) | 2023-08-15 |
CN116588573B true CN116588573B (zh) | 2024-02-02 |
Family
ID=87589114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310476717.2A Active CN116588573B (zh) | 2023-04-28 | 2023-04-28 | 一种仓储智能起重系统的散料抓取控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116588573B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103342240A (zh) * | 2013-07-10 | 2013-10-09 | 深圳先进技术研究院 | 袋装物料装车系统和方法 |
WO2017041730A1 (zh) * | 2015-09-09 | 2017-03-16 | 北京进化者机器人科技有限公司 | 一种移动机器人避障导航的方法和系统 |
CN113156886A (zh) * | 2021-04-30 | 2021-07-23 | 南京理工大学 | 一种智能物流路径规划方法及系统 |
CN114089774A (zh) * | 2022-01-14 | 2022-02-25 | 中国科学院微电子研究所 | 一种仓储环境下agv路径规划方法和装置 |
CN114281084A (zh) * | 2021-12-28 | 2022-04-05 | 太原市威格传世汽车科技有限责任公司 | 一种基于改进a*算法的智能车全局路径规划方法 |
CN114314346A (zh) * | 2021-12-31 | 2022-04-12 | 南京中远通科技有限公司 | 基于煤料仓储管理的行车控制方法及系统 |
CN114637303A (zh) * | 2022-05-11 | 2022-06-17 | 燕山大学 | 基于远程遥操作的搬运机器人路径规划方法、系统及介质 |
WO2022143114A1 (zh) * | 2020-12-31 | 2022-07-07 | 深圳市普渡科技有限公司 | 静态地图生成方法、装置、计算机设备及存储介质 |
CN114815802A (zh) * | 2022-01-06 | 2022-07-29 | 中冶南方(武汉)自动化有限公司 | 一种基于改进蚁群算法的无人天车路径规划方法和系统 |
CN114888790A (zh) * | 2022-04-18 | 2022-08-12 | 金陵科技学院 | 基于散料三维特征分布的空间坐标寻位方法 |
CN115097833A (zh) * | 2022-06-24 | 2022-09-23 | 中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所) | 一种施药机器人的自动避障方法、系统及存储介质 |
-
2023
- 2023-04-28 CN CN202310476717.2A patent/CN116588573B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103342240A (zh) * | 2013-07-10 | 2013-10-09 | 深圳先进技术研究院 | 袋装物料装车系统和方法 |
WO2017041730A1 (zh) * | 2015-09-09 | 2017-03-16 | 北京进化者机器人科技有限公司 | 一种移动机器人避障导航的方法和系统 |
WO2022143114A1 (zh) * | 2020-12-31 | 2022-07-07 | 深圳市普渡科技有限公司 | 静态地图生成方法、装置、计算机设备及存储介质 |
CN113156886A (zh) * | 2021-04-30 | 2021-07-23 | 南京理工大学 | 一种智能物流路径规划方法及系统 |
CN114281084A (zh) * | 2021-12-28 | 2022-04-05 | 太原市威格传世汽车科技有限责任公司 | 一种基于改进a*算法的智能车全局路径规划方法 |
CN114314346A (zh) * | 2021-12-31 | 2022-04-12 | 南京中远通科技有限公司 | 基于煤料仓储管理的行车控制方法及系统 |
CN114815802A (zh) * | 2022-01-06 | 2022-07-29 | 中冶南方(武汉)自动化有限公司 | 一种基于改进蚁群算法的无人天车路径规划方法和系统 |
CN114089774A (zh) * | 2022-01-14 | 2022-02-25 | 中国科学院微电子研究所 | 一种仓储环境下agv路径规划方法和装置 |
CN114888790A (zh) * | 2022-04-18 | 2022-08-12 | 金陵科技学院 | 基于散料三维特征分布的空间坐标寻位方法 |
CN114637303A (zh) * | 2022-05-11 | 2022-06-17 | 燕山大学 | 基于远程遥操作的搬运机器人路径规划方法、系统及介质 |
CN115097833A (zh) * | 2022-06-24 | 2022-09-23 | 中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所) | 一种施药机器人的自动避障方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116588573A (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110639818B (zh) | 物流仓储的拣货方法、装置、计算机设备和存储介质 | |
CN110054121B (zh) | 一种智能叉车以及容器位姿偏移检测方法 | |
EP3033293B1 (en) | Method and system for automatically landing containers on a landing target using a container crane | |
US11461729B2 (en) | Methods and systems for transportation dock management | |
CN110414895A (zh) | 车辆调度系统及方法 | |
CN110065910A (zh) | 调度仓库中运输设备的方法、装置及仓储系统 | |
CN111444599A (zh) | 一种agv项目仿真与监控方法及系统 | |
CN113619968A (zh) | 一种自动识别的无人自动化装卸系统 | |
CN116187718B (zh) | 基于计算机视觉的智慧货物识别分拣方法及系统 | |
CN110609546A (zh) | 拣货装置的防护方法、系统、计算机设备和可读存储介质 | |
CN114924513B (zh) | 一种多机器人协同控制系统及方法 | |
CN114298198A (zh) | 一种货物智能存储库房 | |
CN116588573B (zh) | 一种仓储智能起重系统的散料抓取控制方法及系统 | |
CN109933028B (zh) | Agv的多路径选择方法和系统 | |
CN114742503B (zh) | 一种基于深度学习的智慧物流拼车方法和装置 | |
CN112966590B (zh) | 基于aiot和企业安全指数的实时预警方法及装置 | |
CN116243716A (zh) | 一种融合机器视觉的集装箱智能举升控制方法及系统 | |
CN111736540A (zh) | 货物分拣控制方法、装置、电子设备及存储介质 | |
US20240208736A1 (en) | Ai-powered load stability estimation for pallet handling | |
Torbi et al. | Optimization Approach for Yard Crane Scheduling Problem under a combined constraints in Container Terminals | |
CN116342858B (zh) | 物体检测方法、装置、电子设备及存储介质 | |
CN113426711B (zh) | 一种物品分拣方法及系统 | |
CN219916366U (zh) | 库位物流的管理系统 | |
CN116882220B (zh) | 起重机站位区域规划方法及装置、电子设备、存储介质 | |
US20230236600A1 (en) | Operational State Detection for Obstacles in Mobile Robots |
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 |