CN116761978A - 测量和分析包裹用于存储的方法 - Google Patents
测量和分析包裹用于存储的方法 Download PDFInfo
- Publication number
- CN116761978A CN116761978A CN202180078499.6A CN202180078499A CN116761978A CN 116761978 A CN116761978 A CN 116761978A CN 202180078499 A CN202180078499 A CN 202180078499A CN 116761978 A CN116761978 A CN 116761978A
- Authority
- CN
- China
- Prior art keywords
- robot
- package
- data
- parcel
- path
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000033001 locomotion Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims 1
- 238000004806 packaging method and process Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000004448 titration Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U10/00—Type of UAV
- B64U10/60—Tethered aircraft
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/026—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring distance between sensor and object
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/04—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness specially adapted for measuring length or width of objects while moving
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F17/00—Methods or apparatus for determining the capacity of containers or cavities, or the volume of solid bodies
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0094—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots involving pointing a payload, e.g. camera, weapon, sensor, towards a fixed or moving target
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Robotics (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Fluid Mechanics (AREA)
- Warehouses Or Storage Devices (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
一种用于测量和分析包裹的方法,具体是用于优化仓库中的存储或用于针对运输的打包。该方法遵循以下步骤:将包裹放置在地面表面上,将机器人移动到相邻的一个包裹上。激光雷达或类似装置用于在从地面以上至少0.5米的多个高度处测量从机器人到包裹的距离数据。然后,机器人沿着路径绕过所有或部分包裹,在行进过程中收集更多的距离数据。然后,距离数据用于确定或推断包裹的侧面的形状,以及它们的估计的包裹的体积尺寸。然后使用体积尺寸来优化包裹与其他包裹的存储。
Description
本发明涉及一种用于测量包裹以优化存储的方法,并且具体地但不排他地涉及一种操作机器人的方法,该机器人有效地收集数据用于仓库中包裹的存储分配或用于运输。
为了在仓库环境等中用于识别的目的而扫描包裹和包装是公知的。这种做法主要用于通过条形码、QR码等记录哪些包裹已经到达,因此可以为它们分配用于存储的空间,以便以后检索或运输。这通常是缓慢的过程,因为仓库工人必须了解仓库的布局以及哪里可能有空闲空间。
有一些方法可以使用带有传感器的静态相机来扫描包裹,并在3D扫描托架内测量它们的体积。然而,这也是缓慢而繁琐的过程。包裹要么在相机旁边被操纵和操作,以便可以测量所有侧面,要么用户必须在包裹周围携带相机。这也导致了包裹积压。一般来说,许多包裹会同时到达仓库,如果只有单个扫描摄像头,这可能会导致漫长的过程。扫描隔间也是静态的,并且涉及通过它接收所有包裹以符合体积合规性,从而导致进一步的积压。
当包裹通过集装箱或飞机货舱递送或装运时,可以用于容纳包裹的空间非常宝贵。当在这些货舱内堆叠包裹时,不知道包裹的体积或形状会使布置变得困难。员工需要更多的时间来决定可以运输的包裹数量以及如何堆叠。如果不能有效地执行,集装箱将无法装满,导致无法交付、堆叠所花费时间和浪费的空间造成的收入损失。这也增加了交付对环境的影响。随着需要更多的集装箱,货车、轮船或飞机需要装运的次数也在增加。
在EP3343510中公开了现有技术的示例。该文件公开了一种使用在预限定区域中操作的无人机来分析包裹尺寸的系统。无人机在室内区域的使用极其复杂。这也降低了操作速度,因为物品必须放在特定的区域进行分析。
本发明的优选实施例试图克服或减轻现有技术的上述缺点
根据本发明的一方面,提供了一种用于测量和分析包裹的方法,包括以下步骤:
将多个第一包裹放置在地面表面上;
定位与至少一个所述第一包裹相邻的与机器人接合的至少一个地面表面;
使用距离测量设备在多个高度处收集从所述机器人到所述第一包裹的距离的数据,在使用时,所述距离测量设备在所述地面表面上方至少0.5m处连接到使用中的所述机器人;
沿着路径将所述机器人从第一位置移动到围绕所述第一包裹的至少一部分的第二位置,并沿着所述路径在多个高度和多个位置处收集进一步的距离数据;
使用所述机器人位置和所述距离数据来生成所述第一包裹的体积尺寸。
通过使用具有位于地面表面上方至少0.5m的扫描设备的机器人,提供了这样的优点,即机器人能够从包裹的至少两个侧面和顶表面扫描数据,这允许对收集的数据进行解释,以估计被扫描对象的体积尺寸。当托盘包裹到达仓库进行存储和再分配时,这一点尤为重要。当包裹被卸载并将其托盘放置在装载区的地面上时,机器人可以在一系列包裹周围自主移动并扫描多个包裹,而不必接触包裹的所有侧面。因此,正如后面将要说明的,包裹可以简单地以正常的方式卸载并彼此相邻放置。然后,机器人自主地沿着对象周围的路径前进,并能够扫描每个对象,尽管无法接触到相邻包裹的相邻侧面。因此,仓库的正常运行不会被扫描过程中断。
在优选实施例中,从所述第一位置到所述第二位置的所述路径大致环绕所述多个第一包裹,并且收集所有所述第一包裹的体积数据。
在另一优选实施例中,使用所述第一包裹的侧面的形状数据来计算体积数据,所述形状数据是根据用于所述第一包裹的靠近所述路径的至少两个侧面的所述距离数据生成的,并且是根据用于所述路径的远端的至少一个边缘的边缘数据生成的。
该方法可以进一步包括,在到达第二位置时,使所述距离测量设备朝向所述第一包裹旋转,并在所述旋转期间继续收集距离数据。
通过在路径的末端(即到达第二位置时)朝向包裹旋转,优点在于距离测量设备能够扫描由于访问限制而可能仅被部分扫描的整个侧面。
该方法可以进一步包括识别附接到所述包裹的识别标签。
该方法还可以进一步包括将所述体积尺寸与用于所述第一包裹的其他体积数据进行比较,以确定合规性和/或损坏。
在优选实施例中,所述距离测量设备被固定到所述机器人上,在地面上方至少1.5m的高度处与所述机器人的轮接合。
在另一优选实施例中,所述高度至少为1.7m
在进一步优选实施例中,距离测量设备包括至少一个激光雷达设备。
在优选实施例中,放置步骤包括将所述第一包裹从车辆卸载到所述地面表面上。
在另一优选实施例中,所述至少一个第一包裹包括多个包裹。
在进一步优选实施例中,第一包裹包括位于托盘上的至少一个物品。
在优选实施例中,所述体积尺寸是使用来自至少两个大致竖直的表面和顶表面的数据生成的。
根据本发明的另一方面,提供了一种用于优化包含其他包裹的存储区域中的第一包裹的包裹存储的方法,包括步骤:
根据前述权利要求中任一项测量和分析包裹;以及
使用所述体积尺寸在所述存储区域中建立存储位置,在所述存储位置中,所述第一包裹可以存储在所述其他包裹之间。
该方法可以进一步包括沿着所述存储区域中的存储区域路径引导所述机器人,所述机器人收集与存储位置相关的距离数据,并确定所述存储位置是否被占用或空闲以接收包裹。
根据本发明的另一方面,提供了一种用于优化包含其他包裹的存储区域中的第一包裹的包裹存储的方法,包括以下步骤:
将第一包裹放置在扫描区域中;
在多个高度处收集从机器人到所述第一包裹的距离的数据;
沿着路径围绕所述第一包裹移动所述机器人,并沿着所述路径在多个位置处收集进一步的距离数据;
使用所述机器人位置和所述距离数据来生成所述第一包裹的体积尺寸;以及
使用所述体积尺寸在所述存储区域中建立存储位置,在所述存储位置中,所述第一包裹可以存储在所述其他包裹之间。
与需要工作人员培训的手持扫描仪或需要工作人员的托架不同,机器人可以轻松地在资产周围移动并扫描它们,而无需人工开销。这减少了扫描此类包裹所需的时间,并提高了工作人员的生产率。
具有高效和有效的存储程序进一步减少了移动和分配包裹空间所需的时间。这进一步减少了工作人员寻找空间的时间,并可以最大限度地增加仓库中的包裹数量。这种方法还通过增加通过运送集装箱或飞机装运的包裹的数量来减少花费在装运包裹上的资源。此外,这通过使用更少的装运减少了对环境的影响,从而减少了车辆、船舶和飞机的碳足迹。
优选地所述距离数据是使用所述机器人上的激光雷达、RGBD、RGB和立体相机中的至少一者来收集的。
在优选实施例中,路径被标记在所述扫描区域的表面上,并且所述机器人使用表面标记检测器来检测所述标记并指示机器人跟随所述路径。
在另一优选实施例中,路径被编程到所述机器人中。
在优选实施例中,根据机器人的运动计算路径。
自主机器人不需要用户控制它,也不需要用户在包裹周围绘画或嵌入路径,这进一步提高了工作人员的生产率,降低了成本,并使机器人能够扫描仓库中可以将包裹放置在合适表面上的任何地方。
存储位置的确定可以取决于包裹将保持在存储区域中的预期时间。
如果一些包裹只在仓库存放很短的时间,这些包裹将存放在装货区附近,并处于快速和可获取的高度。因此,了解包裹需要在位置处花费的时间是有益的,并且允许短期停留包裹的快速周转,而那些长期存储的包裹位于不太容易获取的地方。
在优选实施例中,使用附接有相机的无人驾驶飞行器(UAV)来实现扫描,其中,所述UAV系留到所述机器人。
根据本发明的另一方面,提供了一种用于扫描包裹的机器人,包括:
壳体;
驱动装置,用于移动所述机器人;
至少一个距离测量设备,用于测量从所述设备到对象的距离;以及
至少一个高度改变设备,用于改变所述距离测量设备相对于所述壳体的所述高度。
在优选实施例中,所述至少一个高度改变设备包括无人驾驶飞行器,其中,所述无人驾驶飞行器系留到所述壳体。
在另一优选实施例中,所述至少一个高度改变设备包括从所述壳体延伸的伸缩杆。
在优选实施例中,用于移动的所述驱动装置包括从动轮,并且其中,所述轮位于与所述地面相邻的所述壳体上。
在另一优选实施例中,无人驾驶飞行器包括无人驾驶飞机。
在进一步优选实施例中,无人驾驶飞行器经由电缆系留。
现在将参考附图描述本发明的优选实施例,仅作为示例,而不是在任何限制意义上,其中:
图1A和图1B是在本发明的方法中使用的机器人的等距视图;
图2是用于实施本发明的系统的示意图;
图3、图4和图5是图1的机器人进行构成本发明一部分的操作的示意图;
图6和图7是图1的机器人进行构成本发明一部分的操作的进一步示意图;
图8是机器人遵循的路径以及示出扫描的表面的示意图;
图9是在本发明操作期间收集和处理的数据的图示;
图10A至图10D是在本发明操作期间收集和处理的数据的示例;
图11是列出本发明方法的步骤的流程图;以及
图12是本发明另一方面的机器人的示意图。
本发明将在两个相关且可互换的实施例中描述,两个实施例都使用相同的机器人(标记为10)。与第一实施例相关公开的未包括在第二实施例中的特征可以在其中使用,反之亦然。参照图1至图10描述第一实施例。
机器人10是自主或半自主的轮式机器人,其利用无线连接11与处理器12通信,处理器12通常是服务器或基于云的计算设备,机器人10向其提供数据。虽然处理是由机器人10上的处理器和处理器12进行的,但通常是来自机器人10的原始数据被传送到处理器12进行处理,以产生下面解释的详细分析。来自机器人10的数据由传感器阵列14捕获,传感器阵列14可以是单个传感器或阵列14中的多个不同传感器。传感器阵列14包括测量从传感器阵列到对象的距离的距离测量设备。机器人10中的传感器阵列使用称为光检测和范围(激光雷达)的扫描方法。这种技术使用脉冲激光形式的光来测量机器人上发射的光和包裹表面之间的距离。机器人上的另一个接收器传感器测量光从包裹表面反射回光源所需的时间。固态和机械激光雷达都适合在机器人10中使用,并且可以使用其他传感器和距离测量方法,包括但不限于RGB相机、立体相机、RGB-D相机或深度传感器,并且这些传感器可以代替激光雷达使用,但是最优选地另外使用。标签14通常用于识别具体标记为14A和14B的激光雷达传感器阵列,如下所述。
机器人10使用轮16移动,轮16与机器人所站立的地面接合。主体或壳体18承载传感器阵列,并且在图1所示的实施例中,在轮16与地面表面接合的接触点上方的不同高度处有多个阵列。在机器人10的前部和后部上还存在传感器阵列。前部和后部的限定取决于机器人的行进方向,并且确实可以随着行进方向的改变而互换。在图1所示的实施例中,由于前部表面和后部表面的配置不同,机器人10主要被设计成单方向行进。然而,具有相同配置的前部和后部表面的机器人可以在任何方向上操作。
壳体18具有在标准行进方向(D)上面向前方的前面19A。前激光雷达14A位于槽中,并产生主要用于机器人自主导航的窄的近似扇形扩散的激光束。相机17A形式的另一传感器也位于前面19A上。相机17A是3D相机,因此能够测量距离。然而,在该实施例中,其主要目的是帮助自主导航补充由前激光雷达14A收集的数据。
机器人的后面19B在标准行进方向上面向后,并且包含主扫描激光雷达的主对象扫描传感器阵列14B位于其上。侧面19C(和19D,在图1A和图1B中从视图中隐藏)具有另外的传感器阵列17B,传感器阵列17B是2D相机,当机器人沿着其路径行进时,其获得机器人侧面的光学图像。这些侧面安装的相机也可以是3D相机,其有助于扫描货架以及在经过物品或托盘包裹时使用激光雷达扫描它们。3D相机的使用可以帮助正确解释激光雷达数据。还应当注意,尽管在该实施例中,主扫描激光雷达14B安装在机器人的后部,但除了后置传感器阵列之外或代替后置传感器阵列,主扫描激光雷达14B也可以安装在前部。这些额外的数据增加了所进行的体积尺寸建模的准确性。
本发明的重要方面是主传感器阵列14B在地面表面上方的高度(该高度在图1B中示出并标记为H)。如下面将更详细地描述的,重要的是传感器阵列14B能够“看到”正在被扫描的包裹的最上表面。即,传感器阵列14B能够收集与最上表面的尺寸相关的数据,并且这些尺寸最具体地至少是该最上表面的边缘。因此,高度H必须至少为50cm,优选至少为1m,更优选至少为1.5m,并且理想地为1.7m。更高的机器人更有可能收集最上表面数据,但随着它们越来越高,开始遭受不稳定性增加的缺点。稳定性可以通过增加机器人底座的重量或增加轮周围机器人底座的大小来增加。然而,这些折衷带来了缺点,例如由于需要包括更大的电池和降低的机动性,增加了能量成本、减少了电池寿命和/或增加了生产成本。
当机器人10正在操作时,它使用面向前方的传感器阵列14A以便自主操作,即在例如仓库的地面表面周围移动而不撞到站在其预定路径上的对象或人。面向后方的传感器阵列14B,即相对于机器人的向前运动在机器人10的背面上的传感器阵列,用于测量和分析包裹的形状。传感器阵列14B的激光雷达方面产生多个激光束,这些激光束用于在多个高度上测量从传感器阵列到激光束路径上的对象的距离。结果,激光雷达产生激光束的锥形扩散,其总扩散约为30°(高达45°),即在行进方向的左侧和右侧约为150°。换句话说,如果想象来自激光雷达的激光束形成锥体,锥体的尖端在传感器处,并且从传感器测量的行进方向与锥体的曲面之间的角度为15°。注意,在图1B中,从传感器测量的行进方向由用于示出高度H的从传感器14B延伸的虚线指示。
具体参考图3至图5,这些图像示出了当机器人10绕对象或包裹24行进时可以收集的数据。机器人10沿着路径26从第一位置或起点28行进到第二位置或终点30。传感器阵列14B(在图3至图5中未标记)相对于行进方向D位于机器人的后侧19B上。传感器阵列14B的激光雷达设备产生锥形的激光束扩散(在图3至图5中表示为34)。从图3可以看出,当机器人10在第一位置28开始时,传感器阵列14B的激光雷达不产生与对象24相关的数据,因为传感器阵列指向远离物体的方向。当机器人10沿着路径26行进时,传感器阵列14B的激光雷达的激光束开始与对象24的第一侧面36相交,并且作为结果,产生与该第一侧面相关的数据。当机器人10继续沿着路径行进并接近终点30时,收集数据,当处理数据时,产生第一侧面36的详细图像。一旦机器人10的后侧19B已经通过第一侧面36的端部,来自传感器阵列14B的激光雷达的激光束开始与对象24的第二侧面38相交。因为仅从机器人10的后侧19B经过第一侧面36的端部的点收集数据,所以与为第一侧面36收集的数据相比,第二侧面38的数据量要少得多,并且第二侧面38的数据质量不高。这部分是因为激光雷达传感器仅能够以倾斜角度收集第二侧面38的数据。
因此可以看出,如图3所示,沿着从起点28到终点30的路径的机器人10能够收集关于第一侧面36的非常详细的信息,关于第二侧面38的稍微详细的信息,但是不能收集关于第三侧面40和第四侧面42的详细信息。然而,因为机器人的高度可以获得关于第三侧面40和第四侧面42的一些信息,特别是主扫描传感器阵列14B在高度H处的高度大于对象24的最上表面44。结果,当机器人10从起点28通过到终点30时,激光雷达传感器能够收集关于最上表面44的信息,特别是关于连接第三表面40和顶表面44的边缘以及连接第四表面42和顶表面44的边缘的信息。然后,可以通过假设第三表面40和第四表面42是竖直侧面、一些其他形状的侧面或类似于第一侧面36和第二侧面38的侧面来推断关于它们的信息。在图3至图5中,使用标有46的虚线突出显示了能够确定详细的或至少有点详细的形状信息的侧面。在不包括该虚线的侧面上,形状信息只能从与将侧面连接到顶表面44的边缘相关的数据中推断出来。通过收集与一些侧面和顶表面相关的数据,并且已经确定或推断出所有侧面36至44的形状,可以确定包括对象总体积的体积信息。因此可以看出,即使使用沿着对象24一侧的直线的路径也可以确定体积数据。
参照图4,在该图示中,起点28和终点30在对象24的大致相对的角处。路径26的第一部分与图3中所示的相同,但是在机器人10已经通过第一侧面36的端部之后,它顺时针转动通过90°,并沿着第二侧面38旁边的路径继续,以到达终点30。在路径26的第一部分中,收集与上述实施例中的数据相似并且与第一侧面36相关的数据。然而,通过沿着第二侧面38的路径,收集与该侧相关的更详细的信息。因为终点30延伸超过第二侧面38的端部,所以可以收集关于第三侧面40的一些详细数据。然而,只能获得与第四侧面42相关的边缘数据,并且必须推断该边的形状。
参照图5,在该图示中,起点28和终点30位于第四侧面42的任一端。结果,路径26沿着第一侧面36延伸,机器人执行90°转弯并沿着第二侧面38行进,并且执行另一个90°转弯并沿着第三侧面40行进。结果,收集了关于第一侧面36、第二侧面38和第三侧面40的非常详细的数据,以及收集了关于第四侧面42的稍微详细的信息。如果起点28和终点30相同,并且机器人10沿着侧面36至42中的每个侧面行进,那么将获得关于每个侧面的完全详细的信息。然而,这并不总是可能的。例如,一系列对象可以彼此相邻放置,这在从车辆上移除多个托盘状对象时或者在对象已经靠近墙壁或建筑物的其他部分放置时是典型的,在这些地方机器人的进入受到限制或不可能。
在图3至图5中的每个扫描路径图示中,当机器人10到达终点30时,它在结束扫描过程之前进行逆时针旋转。这种逆时针旋转使得后置主扫描激光雷达14B朝向对象24旋转,以便扫描对象的部分扫描侧。在图3所示的示例中,即第二侧面38,在图4中是第三侧面40,在图5中是第四侧面42。结果,激光雷达束的完全传播暴露在先前部分扫描的侧面,这增加了可以用于解释该部分扫描的侧面的数据点。收集的数据并不像机器人沿着整个侧面通过那样多,但它比我们顺时针旋转的机器人要多。虽然上述旋转被描述为整个机器人的旋转运动,但是通过使传感器14B相对于机器人10的壳体18旋转,可以获得相同的结果。如果扫描是从机器人的后部进行的,那么当从上方观察时,旋转是逆时针的,而如果扫描是从安装在前部的设备进行的,则旋转是顺时针的。
参照图6和图7,现在将描述本发明的操作。图6示出了诸如仓库的存储区域,其中对象24由诸如货车或卡车50的车辆在托盘48上运送到该存储区域。在交付之后,托盘对象24被存储在存储架52中。如在图6中可以看到的,并且在图7中可以更详细地看到,一系列八组托盘对象24已经被布置成两排四个对象。一旦卸载,机器人10能够围绕环绕八个托盘对象的路径26行进。在这样做时,传感器阵列14B的激光雷达传感器可以扫描对象以确定或推断它们侧面的形状并进行体积分析。
另外参考图8,示出了路径26,其中机器人沿箭头D所示的方向逆时针行进。与图3至图5相同,图8中的虚线46示出了已经被来自激光雷达传感器的反射数据点全部或至少部分详细地扫描的对象24的侧面。缺少虚线46的对象24的侧面具有从顶表面44与这些侧面的交界处收集的边缘数据推断出的侧面形状。
从扫描过程中确定体积信息的另一个有用方面如图9所示。通过确定每个侧面的形状,通过扫描或推断,可以进行库存检查,以确定托盘对象符合法规或政策。还可以在到达仓库时检测损坏或准确确定托盘对象的状况。
进一步参考图10A至图10D,当机器人10在到达仓库时或在离开时不被用于扫描托盘对象时,它们可以被用于进行其他仓库盘点操作。例如,机器人可以沿着存储架52的行行进,以识别架中的哪些存储位置被占用,哪些可以自由地接收更多的托盘对象。图10A示出了当机器人10行进通过诸如仓库的存储区域,收集与仓库货架中的存储位置相关的激光雷达距离数据时从激光雷达数据生成的图像。该数据可以被操纵以生成图10B中所示的图像,并且从与该图像相关的数据中,可以对数据的特定部分(在54处指示)进行分析,以识别被占用的存储位置,其中一些用参考号56来识别。最后,在图10D中,未被占用的存储位置56被标识为被占用的存储位置(其中一些被标记为58)。然后,该数据用于确定托盘对象应该存储在仓库中的什么位置。作为清点操作的一部分,光学相机用于识别对象上的QR、条形码等,并将它们与它们的位置联系起来。
现在将首先参考图1A、图1B和图2(随后参考图11和图12)来描述第二实施例,用于利用机器人10和中央处理器12优化包裹存储的方法。本发明的方法可以用在许多不同的情况下,其中包裹和类似物彼此非常接近地存储,下面列出两个这样的示例。首先,包裹被接收并存储在物流仓库中,以便进一步运输。在第二示例中,包裹被装载到飞机货舱或运输存储集装箱中。
在到达仓库时,或者当包裹被装在集装箱或飞机货舱中装运时,它首先要经过扫描程序。这不仅有助于包裹的识别,而且还生成包裹的体积数据。有了这个体积数据,对于仓库中的每个包裹,可以针对该包裹的大小和存储时间长度找到最佳的空间。如果包裹只存放很短一段时间,理想的位置应该是接近或低于眼睛的高度,这样可以快速获得包裹。相反,如果包裹要存放很长一段时间,仓库最远区域的空间可能是合适的。
当包裹通过集装箱或在飞机货舱中装运时,包裹的形状和体积具有额外的重要性。在许多情况下,飞机货舱的形状不是长方体,可以有许多倾斜的表面或突出物,因此,如果包裹的形状是已知的,就可以利用最大的空间。在一次旅行中递送尽可能多的包裹在经济和环境上也是有益的。因此,在装运前确定每个包裹的形状和体积允许中央处理器生成最有效的打包布置图。
对于任何扫描,机器人10(在轮16上)围绕包裹移动,同时在多个高度记录从其自身到包裹的距离。机器人需要采取的运动和方向被预编程到硬件中(未示出),因此它知道它需要采取什么路径。然而,机器人还被编程为具有高度的自主性,这意味着如果包裹比预期的大或者没有被放置在机器人通常期望放置的位置,它能够改变其路径以完成其环绕包裹的旅程。这优选地通过确保机器人保持在与对象的理想距离范围内来实现。也就是说,不要太近以至于机器人与包裹相撞,但也要足够近以进行有效扫描,从而使其围绕包裹的路径不会太长。
在本发明中,机器人10使用称为光检测和范围(激光雷达)的扫描方法。这种技术使用脉冲激光形式的光来测量机器人上发射的光和包裹表面之间的距离。机器人上的另一个接收器传感器测量光从包裹表面反射回光源所需的时间。固态和机械激光雷达都适合在机器人10中使用,并且可以使用其他传感器和距离测量方法,包括但不限于RGB相机、立体相机、RGB-D相机或深度传感器。
传感器14位于面向被扫描的包裹表面的机器人10的主体18上。至少,这些传感器将激光照射到包裹上,该光大致平行于地面并垂直于包裹。优选地,激光雷达传感器14(与RGBD、RGB和立体相机结合)以一系列(在这种情况下是三条)重叠的数据点竖直线扫描。这确保了始终考虑包裹的高度。
当机器人10围绕包裹移动时,它在沿着它所遵循的路径的多个位置处记录它自己和包裹之间的距离。例如,扫描测量lm3的包裹会产生大约500万个距离数据点。这些数据点被传送到中央处理器12并在中央处理器12中进行处理,并且计算体积数据。通过映射3D图形上的点来计算体积,从而映射对象的几何形状,以及计算体积和最大尺寸。该体积数据用于在仓库中分配与所述体积相匹配的空间。这确保了仓库中的存储空间得到有效利用。例如,lm3包裹可以存储在1.9m3的空间中。然而,额外的0.9m3空间可以进一步用于存储额外的包裹。当考虑不是完全长方体形状的包裹时,模拟精确的测量允许中央处理器将复杂形状的包裹排列到单个空间中。
为了进一步最大化存储空间的生产率,还考虑了包裹被存储的时间长度。
由于各种包裹同时被运送到仓库,因此可以同时使用多个机器人,如图2所示。一旦扫描开始,每个机器人10将它们的数据传输到中央服务器,允许实时馈送和距离数据的计算被记录和分析。这防止了需要扫描的包裹积压,并加快了打包装运集装箱或飞机货舱的所用时间。
图12示出了图1中所示的机器人10的变型,其通过添加系留到机器人10上的无人驾驶飞行器(UAV),在这种情况下是无人驾驶飞机22。附加的传感器和/或相机位于无人机上,因此扫描从高处进行,以便通过将来自无人机的数据添加到从机器人收集的数据中来允许扫描更大的对象。无人机使用三角测量传感器的方法来确定其在空间中的位置,然后使用激光雷达(结合RGBD、RGB和立体相机)来测量自身和包裹之间的位移,从而处理距离以计算所需的体积数据。无人机22经由脐带电缆20系留,脐带电缆20可以沿着其长度从机器人向无人机发送和接收数据,反之亦然。虽然这些电缆在扫描过程中是柔性的,但它们被延伸到最大预设高度,因此它们是拉紧的,这使无人机能够保持恒定的高度。无人机生成其在机器人上方位置的图像,该信息与机器人到对象的距离以及无人机在机器人上方的高度相结合,意味着可以计算无人机到对象的距离。
作为使用无人驾驶飞行器的替代方案,距离测量设备(激光雷达14B)的高度可以通过将其安装在壳体内的从壳体延伸的伸缩杆上来改变。这使得距离测量设备能够“看到”并扫描高于标准的对象。这还通过允许伸缩杆仅在扫描较大对象时需要延伸,使得机器人10的总高度比附图中所示的要短。它还允许更精确地扫描仓库货架系统的较高部分。
如果伸缩杆可以延伸的总高度明显大于从其延伸的机器人的高度,则有必要添加稳定设备。这些稳定设备可以是无源的,即不需要有源控制,例如它们可以是从壳体上的外围点延伸到伸缩杆顶部的弹性电缆。这种弹性电缆可以是纯弹性形式,或者可以是安装在弹簧上的非拉伸电缆。当伸缩杆延伸时,非拉伸电缆从存储卷轴延伸,当杆达到其预期高度时,存储卷轴锁定,并且弹簧朝向电缆的顶部安装。
也可以使用有源阻尼。这方面的一个示例再次使用电缆,电缆的延伸由驱动电机控制。优选地安装在伸缩杆顶部的传感器检测运动,并且电机在处理器的控制下能够对其长度进行轻微的调整,以便稳定机器人和伸缩杆。有源稳定系统的另一示例是使用安装在杆顶部的类似无人机的螺旋桨向伸缩杆的顶部施加稳定力。因为类似无人机的螺旋桨能够从固定在地面上的电池中获取能量,所以它们可以施加的力明显大于标准无人机的力,标准无人机必须携带自己的电源,这导致所有组件都足够强大,以承担由于重量限制所需的操作。
现在将参照图11描述用于优化仓库中的包裹存储的步骤。包裹或其他此类可交付物到达仓库或正准备从仓库运输(步骤S1)。将包裹卸载并放置在扫描区域中的平坦表面上(步骤S2)。配备有扫描设备的机器人10移动到扫描区域内的包裹(步骤S3)。机器人记录其起始距离和位置,然后沿着其预编程路径在包裹周围移动,记录各种数据点(步骤S4)。随着沿着路径的每一步,机器人在多个高度处测量其自身与包裹之间的距离(步骤S5)。
然后将这些点发送到中央服务器进行进一步处理(步骤S6)。为了计算体积(步骤S7),将数据距离点映射到3D图形上。在点内的空间上执行二重积分(理想情况下在包裹上的两个表面之间),从而给出包裹的体积。应该注意的是,诸如机器学习的其他算法可以用于计算体积数据。然后使用该数据以及时间存储持续时间来将包裹分配到仓库中的合适存储空间(步骤S8)。然而,当包裹通过装运集装箱或飞机的吊架装运时,包裹的体积和形状被进一步处理。一旦扫描了所有要装运的包裹,累积数据就会以图形方式映射到3D空间中。然后,对于给定的空间,中央处理器计算适合尽可能多的包裹的最有效方式(步骤S9)。使用这种技术,图形映射还为雇主将包裹分类到集装箱内分配给他们的空间提供了直观的指导,从而减少了装载时间。
本领域技术人员将理解,上述实施例仅通过示例的方式而不是在任何限制的意义上进行描述,并且在不脱离由所附权利要求限定的保护范围的情况下,各种改变和修改是可行的。例如,除了轮之外,可以使用的其他运动方法是机械腿、马刺或轨道和驱动链轮。另一示例包括机器人遵循仓库地面上标记的路径,或者人远程控制机器人,而不是机器人被预编程或自主。此外,数据处理可以在机器人上进行,而不是传输到中央处理器。
Claims (30)
1.一种用于测量和分析包裹的方法,包括以下步骤:
将多个第一包裹放置在地面表面上;
定位与至少一个第一包裹相邻的与机器人接合的至少一个地面表面;
使用距离测量设备在多个高度处收集从所述机器人到所述第一包裹的距离的数据,在使用时,所述距离测量设备在所述地面表面上方至少0.5m处连接到使用中的所述机器人;
沿着路径围绕所述第一包裹的至少一部分将所述机器人从第一位置移动到第二位置,并沿着所述路径在多个高度和多个位置处收集进一步的距离数据;
使用机器人位置和所述距离数据来生成所述第一包裹的体积尺寸。
2.根据权利要求1所述的方法,其中,从所述第一位置到所述第二位置的所述路径大致环绕所述多个第一包裹,并且收集所有所述第一包裹的体积数据。
3.根据权利要求1或2所述的方法,其中,使用所述第一包裹的侧面的形状数据来计算体积数据,所述形状数据是根据用于所述第一包裹的靠近所述路径的至少两个侧面的所述距离数据生成的,并且是根据用于所述路径的远端的至少一个边缘的边缘数据生成的。
4.根据前述权利要求中任一项所述的方法,进一步包括,在到达所述第二位置时,使所述距离测量设备朝向所述第一包裹旋转,并在所述旋转期间继续收集距离数据。
5.根据前述权利要求中任一项所述的方法,进一步包括识别附接到包裹上的识别标签。
6.根据前述权利要求中任一项所述的方法,进一步包括将所述体积尺寸与用于所述第一包裹的其他体积数据进行比较,以确定合规性和/或损坏。
7.根据前述权利要求中任一项所述的方法,其中,所述距离测量设备在地面上方至少1.5m的高度处被固定到所述机器人上,与所述机器人的轮接合。
8.根据权利要求7所述的方法,其中,所述高度为至少1.7m。
9.根据前述权利要求中任一项所述的方法,其中,所述距离测量设备包括至少一个激光雷达设备。
10.根据前述权利要求中任一项所述的方法,其中,放置步骤包括将所述第一包裹从车辆卸载到所述地面表面上。
11.根据前述权利要求中任一项所述的方法,其中,所述至少一个第一包裹包括多个第一包裹。
12.根据前述权利要求中任一项所述的方法,其中,所述第一包裹包括位于托盘上的至少一个物品。
13.根据前述权利要求中任一项所述的方法,其中,所述体积尺寸是使用来自至少两个大致竖直的表面和顶表面的数据生成的。
14.一种用于优化包含其他包裹的存储区域中的第一包裹的包裹存储的方法,包括以下步骤:
根据前述权利要求中任一项测量和分析包裹;以及
使用所述体积尺寸在所述存储区域中建立存储位置,在所述存储位置中,所述第一包裹能够存储在所述其他包裹之间。
15.根据权利要求14所述的方法,进一步包括沿着所述存储区域中的存储区域路径引导所述机器人,所述机器人收集与存储位置相关的距离数据,并确定所述存储位置是否被占用或空闲以接收包裹。
16.一种用于优化包含其他包裹的存储区域中的第一包裹的包裹存储的方法,包括以下步骤:
将第一包裹放置在扫描区域中;
在多个高度处收集从机器人到所述第一包裹的距离的数据;
沿着已知路径围绕所述第一包裹移动所述机器人,并沿着所述路径在多个位置处收集进一步的距离数据;
使用机器人位置和所述距离数据来生成所述第一包裹的体积尺寸;以及
使用所述体积尺寸在所述存储区域中建立存储位置,在所述存储位置中,所述第一包裹能够存储在所述其他包裹之间。
17.根据权利要求16所述的方法,其中,所述距离数据是使用所述机器人上的激光雷达、RGBD、RGB和立体相机中的至少一者来收集的。
18.根据权利要求16或17所述的方法,其中,所述已知路径被标记在所述扫描区域的表面上。
19.根据权利要求16至18中任一项所述的方法,其中,所述已知路径被编程到所述机器人中。
20.根据权利要求16至19中任一项所述的方法,其中,所述已知路径是根据机器人的运动计算的。
21.根据权利要求16至20中任一项所述的方法,其中,所述存储位置的确定取决于包裹将保持在所述存储区域中的预期时间。
22.根据权利要求16所述的方法,其中,使用附接有相机的无人驾驶飞行器(UAV)来实现扫描,其中,UAV系留到所述机器人。
23.根据权利要求16至22中任一项所述的方法,进一步包括识别附接到包裹的识别标签。
24.根据权利要求16至23中任一项所述的方法,其中,识别标签是印刷标签,并且所述机器人包括用于生成包裹的图像的相机,其中,处理器根据所述图像识别所述标签。
25.一种用于扫描包裹的机器人,包括:
壳体;
驱动装置,用于移动所述机器人;
至少一个距离测量设备,用于测量从设备到对象的距离;以及
至少一个高度改变设备,用于改变所述距离测量设备相对于所述壳体的高度。
26.根据权利要求25所述的机器人,其中,所述至少一个高度改变设备包括无人驾驶飞行器,其中,所述无人驾驶飞行器系留到所述壳体。
27.根据权利要求25所述的机器人,其中,所述至少一个高度改变设备包括从所述壳体延伸的伸缩杆。
28.根据权利要求25至27中任一项所述的机器人,其中,用于移动的所述驱动装置包括从动轮,并且其中,轮位于与地面相邻的所述壳体上。
29.根据权利要求25至28中任一项所述的机器人,其中,无人驾驶飞行器包括无人驾驶飞机。
30.根据权利要求25至29中任一项所述的机器人,其中,无人驾驶飞行器经由电缆系留。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GBGB2018384.4A GB202018384D0 (en) | 2020-11-23 | 2020-11-23 | A method for optimising package storage |
GB2018384.4 | 2020-11-23 | ||
PCT/GB2021/053033 WO2022106858A2 (en) | 2020-11-23 | 2021-11-23 | A method for measuring and analysing packages for storage |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116761978A true CN116761978A (zh) | 2023-09-15 |
Family
ID=74046723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180078499.6A Pending CN116761978A (zh) | 2020-11-23 | 2021-11-23 | 测量和分析包裹用于存储的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20240005543A1 (zh) |
EP (1) | EP4248178A2 (zh) |
CN (1) | CN116761978A (zh) |
GB (2) | GB202018384D0 (zh) |
WO (1) | WO2022106858A2 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024011534A1 (zh) * | 2022-07-14 | 2024-01-18 | 宁德时代新能源科技股份有限公司 | 电池模组尺寸确定方法、装置、电子设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11430148B2 (en) * | 2016-12-28 | 2022-08-30 | Datalogic Ip Tech S.R.L. | Apparatus and method for pallet volume dimensioning through 3D vision capable unmanned aerial vehicles (UAV) |
JP6918651B2 (ja) * | 2017-09-05 | 2021-08-11 | 東芝テック株式会社 | 荷物管理システム |
US10657666B2 (en) * | 2017-12-22 | 2020-05-19 | Symbol Technologies, Llc | Systems and methods for determining commercial trailer fullness |
KR20230152815A (ko) * | 2019-03-21 | 2023-11-03 | 엘지전자 주식회사 | 포인트 클라우드 데이터 부호화 장치, 포인트 클라우드 데이터 부호화 방법, 포인트 클라우드 데이터 복호화 장치 및 포인트 클라우드 데이터 복호화 방법 |
CN110634140B (zh) * | 2019-09-30 | 2022-11-04 | 南京工业大学 | 一种基于机器视觉的大直径管状物定位及内壁缺陷检测方法 |
CN111696152B (zh) * | 2020-06-12 | 2023-05-12 | 杭州海康机器人股份有限公司 | 检测包裹堆垛的方法、装置、计算设备、系统及存储介质 |
-
2020
- 2020-11-23 GB GBGB2018384.4A patent/GB202018384D0/en not_active Ceased
-
2021
- 2021-11-23 EP EP21836595.5A patent/EP4248178A2/en active Pending
- 2021-11-23 GB GB2309495.6A patent/GB2616777A/en active Pending
- 2021-11-23 US US18/038,085 patent/US20240005543A1/en active Pending
- 2021-11-23 WO PCT/GB2021/053033 patent/WO2022106858A2/en active Application Filing
- 2021-11-23 CN CN202180078499.6A patent/CN116761978A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022106858A3 (en) | 2022-06-30 |
GB202309495D0 (en) | 2023-08-09 |
GB2616777A (en) | 2023-09-20 |
EP4248178A2 (en) | 2023-09-27 |
WO2022106858A2 (en) | 2022-05-27 |
GB202018384D0 (en) | 2021-01-06 |
US20240005543A1 (en) | 2024-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2021200584B2 (en) | Automated storage and retrieval system with detector for detecting items extending beyond dimensional threshold | |
JP6987226B2 (ja) | 最適相互衝突回避のコスト−クリティックを用いたダイナミック・ウィンドウ・アプローチ | |
DK3220227T3 (en) | Inspection system and method for carrying out inspections in a storage facility | |
US10007266B2 (en) | Using planar sensors for pallet detection | |
AU2017301538B2 (en) | Inventory management | |
US10488523B2 (en) | Using laser sensors to augment stereo sensor readings for robotic devices | |
WO2018017918A1 (en) | Reorienting a distance sensor using an adjustable leveler | |
CN109074082A (zh) | 用于交通工具的传感器轨迹规划 | |
CN109969989B (zh) | 行驶策略确定方法、智能叉车及存储介质 | |
US20210278850A1 (en) | Robot obstacle collision prediction and avoidance | |
KR20210040216A (ko) | 재고 관리를 위한 무인 비행체 및 그의 동작 방법 | |
CN116761978A (zh) | 测量和分析包裹用于存储的方法 | |
CN110378650B (zh) | 结合无人机的智能物流车盘点系统 | |
US11885882B1 (en) | Triangulation sensor system | |
US20240111308A1 (en) | Logistics autonomous vehicle with robust object detection, localization and monitoring | |
WO2024107684A1 (en) | Logistics autonomous vehicle with robust object detection, localization and monitoring |
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 |