CN116873819A - 货物运输方法、装置、终端设备以及存储介质 - Google Patents
货物运输方法、装置、终端设备以及存储介质 Download PDFInfo
- Publication number
- CN116873819A CN116873819A CN202310898077.4A CN202310898077A CN116873819A CN 116873819 A CN116873819 A CN 116873819A CN 202310898077 A CN202310898077 A CN 202310898077A CN 116873819 A CN116873819 A CN 116873819A
- Authority
- CN
- China
- Prior art keywords
- transportation
- cargo
- equipment
- tray
- transportation equipment
- 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 80
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 107
- 238000012544 monitoring process Methods 0.000 claims abstract description 60
- 230000007613 environmental effect Effects 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 238000012806 monitoring device Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 16
- 230000036544 posture Effects 0.000 description 45
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000005452 bending Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010862 gear shaping Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66F—HOISTING, LIFTING, HAULING OR PUSHING, NOT OTHERWISE PROVIDED FOR, e.g. DEVICES WHICH APPLY A LIFTING OR PUSHING FORCE DIRECTLY TO THE SURFACE OF A LOAD
- B66F9/00—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes
- B66F9/06—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes movable, with their loads, on wheels or the like, e.g. fork-lift trucks
- B66F9/075—Constructional features or details
- B66F9/0755—Position control; Position detectors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66F—HOISTING, LIFTING, HAULING OR PUSHING, NOT OTHERWISE PROVIDED FOR, e.g. DEVICES WHICH APPLY A LIFTING OR PUSHING FORCE DIRECTLY TO THE SURFACE OF A LOAD
- B66F9/00—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes
- B66F9/06—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes movable, with their loads, on wheels or the like, e.g. fork-lift trucks
- B66F9/063—Automatically guided
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Mechanical Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种货物运输方法、装置、终端设备以及存储介质,其方法包括:通过运输设备上的监控设备,获取所述运输设备到货物托盘的导航信息;根据所述导航信息,将所述运输设备移动至货物托盘的检测点坐标;通过运输设备上的监控设备,对货物托盘进行检测,获得检测结果;根据所述检测结果,通过所述运输设备对货物进行叉取运输。本发明解决了货物运输时,运输设备对货物托盘的识别效果差的问题,提高了运输的效率。
Description
技术领域
本发明涉及人工智能自动控制领域领域,尤其涉及一种货物运输方法、装置、终端设备以及存储介质。
背景技术
托盘识别是自动引导车(AGV,Automated Guided Vehicle)作业流程中的重要步骤,是一种通过车载传感器感知周围环境,从而识别以及定位托盘的关键技术,针对复杂的仓储环境,急需一种精准高效的托盘识别定位算法。现有的解决方案有视觉检测、激光雷达检测等方法,多线激光雷达的精度高但是价格过于昂贵,单线雷达成本低但获取信息量不足;通过神经网络来进行检测定位难以满足精度要求;通过深度点云来对托盘整体形状进行配准识别的方法往往会带来很大的计算量,难以满足在嵌入式设备上部署的需求;
大部分托盘识别相机,与识别目标托盘的距离较远,且把相机安装在插齿根部或叉车顶部都存在对托盘识别效果差的问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种货物运输方法、装置、终端设备以及存储介质,旨在解决货物运输时,运输设备对货物托盘的识别效果差的技术问题的技术问题。
为实现上述目的,本发明提供一种货物运输方法,所述货物运输方法包括:
通过运输设备上的监控设备,获取所述运输设备到货物托盘的导航信息;
根据所述导航信息,将所述运输设备移动至货物托盘的检测点坐标;
通过所述运输设备上的监控设备,对所述货物托盘进行检测,获得检测结果;
根据所述检测结果,通过所述运输设备对货物进行叉取运输。
可选的,所述通过运输设备上的监控设备,获取所述运输设备到货物托盘的导航信息的步骤包括:
通过所述运输设备上的监控设备,获取所述运输设备以及所述货物托盘的检测点的坐标位置;
根据所述运输设备以及所述货物托盘的坐标位置,获得所述运输设备到所述货物托盘的导航信息。
可选的,所述根据所述运输设备以及所述货物托盘的坐标位置,获得所述运输设备到所述货物托盘的导航信息的步骤包括:
通过所述运输设备的监控设备,获取环境特征数据;
对所述环境特征数据进行数据转换,获取点云数据;
根据所述点云数据,获取所述运输设备到所述货物托盘的导航信息。
可选的,所述通过所述运输设备上的监控设备,对所述货物托盘进行检测,获得检测结果的步骤包括:
使用所述监控设备对所述货物托盘进行姿态检测;
若所述托盘的姿态不存在偏移和/或倾角,则检测结果为正常;
若所述托盘的姿态存在偏移和/或倾角,则检测结果为不正常并输出所述托盘的姿态数据。
可选的,所述根据所述检测结果,通过所述运输设备对货物进行叉取运输的步骤包括:
当所述检测结果为正常时,则通过所述运输设备进行叉取运输;
当所述检测结果为不正常时,则根据所述托盘的姿态数据对所述运输设备进行调整,并使用调整后的运输设备进行叉取运输。
可选的,所述根据所述托盘的姿态数据对所述运输设备进行调整,并使用调整后的运输设备进行叉取运输的步骤包括:
根据所述托盘的姿态数据进行分析,获得分析结果;
若所述分析结果为所述托盘的姿态在可调整范围内,则对所述运输设备进行调整,获取调整后的运输设备;
使用所述调整后的运输设备进行叉取运输。
可选的,所述根据所述点云数据,获取所述运输设备到所述货物托盘的导航信息的步骤包括:
根据所述点云数据,生成点云地图;
根据所述点云地图,通过所述点云数据进行匹配,获取所述运输设备的定位以及姿态;
对所述点云进行数据转换,获取栅格地图图像数据;
将所述栅格地图图像数据输入预设的建图程序,生成栅格地图;
根据所述栅格地图以及所述运输设备的定位以及姿态,生成导航信息。
本发明实施例还提出一种货物运输装置,所述货物运输装置包括:
获取模块,用于通过运输设备上的监控设备,获取所述运输设备到货物托盘的导航信息;
移动模块,用于根据所述导航信息,将所述运输设备移动至货物托盘的检测点坐标;
检测模块,用于通过运输设备上的监控设备,对货物托盘进行检测,获得检测结果;
运输模块,用于根据所述检测结果,通过所述运输设备对货物进行叉取运输。
本发明实施例还提出了一种终端设备所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的货物运输程序,所述货物运输程序被所述处理器执行时实现如上所述的货物运输方法的步骤。
本发明实施例还提出了一种计算机可读存储介质,所述计算机可读存储介质上存储有货物运输程序,所述货物运输程序被处理器执行时实现如上所述的货物运输方法的步骤。
本发明实施例提出的一种货物运输方法、装置、终端设备以及存储介质,通过运输设备上的监控设备,获取所述运输设备到货物托盘的导航信息;根据所述导航信息,将所述运输设备移动至货物托盘的检测点坐标;通过所述运输设备上的监控设备,对所述货物托盘进行检测,获得检测结果;根据所述检测结果,通过所述运输设备对货物进行叉取运输。由此,实现了运输设备移动至货物托盘且进行识别叉取,解决了货物运输时,运输设备对货物托盘的识别效果差的技术问题,提高了运输的效率。
附图说明
图1为本发明货物运输装置所属终端设备的功能板块示意图;
图2为本发明货物运输方法一示例性实施例的流程示意图;
图3为本发明货物运输方法涉及运输设备的示意图;
图4为本发明货物运输方法另一示例性实施例的流程示意图;
图5为本发明货物运输方法涉及运输设备移动至货物托盘的流程示意图;
图6为本发明货物运输方法涉及获取导航信息的流程示意图;
图7为本发明货物运输方法另一示例性实施例的流程示意图;
图8为本发明货物运输方法涉及对货物托盘进行检测的示意图;
图9为本发明货物运输方法另一示例性实施例的流程示意图;
图10为本发明货物运输方法涉及进行叉取运输的示意图;
图11为本发明货物运输方法涉及对姿态数据进行分析的流程示意图;
图12为本发明货物运输方法涉及对姿态数据进行分析的示意图;
图13为本发明货物运输方法涉及通过点云数据获取导航信的流程示意图;
图14为本发明货物运输方法涉及获取导航信息的示意图。
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。
本发明实施例的主要解决方案是:通过所述运输设备上的监控设备,获取所述运输设备以及所述货物托盘的检测点的坐标位置;根据所述运输设备以及所述货物托盘的坐标位置,获得所述运输设备到所述货物托盘的导航信息。通过所述运输设备的监控设备,获取环境特征数据;对所述环境特征数据进行数据转换,获取点云数据;根据所述点云数据,获取所述运输设备到所述货物托盘的导航信息。使用所述监控设备对所述货物托盘进行姿态检测;若所述托盘的姿态不存在偏移和/或倾角,则检测结果为正常;若所述托盘的姿态存在偏移和/或倾角,则检测结果为不正常并输出所述托盘的姿态数据。当所述检测结果为正常时,则通过所述运输设备进行叉取运输;当所述检测结果为不正常时,则根据所述托盘的姿态数据对所述运输设备进行调整,并使用调整后的运输设备进行叉取运输。根据所述托盘的姿态数据进行分析,获得分析结果;若所述分析结果为所述托盘的姿态在可调整范围内,则对所述运输设备进行调整,获取调整后的运输设备;使用所述调整后的运输设备进行叉取运输。根据所述点云数据,生成点云地图;根据所述点云地图,通过所述点云数据进行匹配,获取所述运输设备的定位以及姿态;对所述点云进行数据转换,获取栅格地图图像数据;将所述栅格地图图像数据输入预设的建图程序,生成栅格地图;根据所述栅格地图以及所述运输设备的定位以及姿态,生成导航信息。从而解决了货物运输时,运输设备对货物托盘的识别效果差的问题,实现了运输设备移动至货物托盘且进行识别叉取,提高了货物运输的效率。基于本发明方案,从现实中货物叉取运输中存在运输设备对货物托盘的识别效果差的问题,设计了一种货物运输方法,并在对货物进行运输时验证了本发明的货物运输方法的有效性,最后经过本发明方法进行货物运输的效率得到了明显提升。
本发明实施例涉及的技术术语:
AGV:(Automated Guided Vehicle)是一种自动引导车辆,也称为自动导引车或无人搬运车,它是一种电动车辆,通过预设的路径和导航系统,能够在工业、物流、仓储等环境中自主地移动和执行物料搬运任务,AGV通常具备以下特点和功能:自动导航,AGV通过内置的导航系统,如激光导航、磁导航、视觉导航等,能够感知环境并自主导航,避开障碍物,准确抵达目标位置;搬运能力,AGV可以搭载货物、托盘或容器,并完成自动化的物料搬运任务。它可以根据预设的任务和路径,将货物从一个位置转移到另一个位置,实现自动化的物流操作;安全性,AGV通常配备了多种安全传感器和防碰撞装置,以确保在搬运过程中不会与人员或其他物体发生碰撞,保证工作场景的安全性;远程监控与调度,AGV可以与中央控制系统相连,通过网络进行远程监控和调度。操作员可以实时监控AGV的状态、路径规划和任务执行情况,并进行必要的调度和优化,AGV在工业、物流和仓储领域有广泛应用,可以用于自动化的物料搬运、装卸、仓库管理等任务。相比传统的人工搬运,AGV能够提高工作效率、降低劳动强度,并且具备较高的可编程性和适应性,可以根据需求进行灵活的操作和任务调度。
RGBD相机:RGBD相机是一种集成了彩色图像和深度图像获取功能的相机设备,它能够同时捕捉场景的彩色信息和深度信息,为计算机视觉、机器人学等领域提供更全面的数据,RGBD相机通过使用特殊的深度传感器来获取深度图像,常见的深度传感器包括结构光传感器(如Microsoft Kinect)、飞行时间传感器和双目摄像头等。这些传感器可以通过不同的原理来测量物体到相机的距离或深度值,并将深度信息与彩色图像进行对齐,RGBD相机在各种领域中具有广泛应用,包括机器人导航与定位、虚拟现实与增强现实、自动驾驶、室内导航、体感交互等,它为这些应用提供了强大的感知能力,并且随着技术的发展,RGBD相机的性能和功能也不断提升。
贝塞尔:贝塞尔(Bezier)是一种用于曲线和曲面建模的数学方法。它由法国数学家Pierre Bézier在20世纪50年代提出,并被广泛应用于图形设计、计算机辅助设计(CAD)、计算机图形学等领域,贝塞尔曲线是由一系列控制点定义的曲线,其形状由这些控制点的位置和相互之间的关系决定。贝塞尔曲线具有平滑、可控制的特性,可以用于描述各种形状,从简单的直线段到复杂的曲线,最常见的贝塞尔曲线是二次贝塞尔曲线和三次贝塞尔曲线。二次贝塞尔曲线由两个控制点和一个插值点组成,而三次贝塞尔曲线由四个控制点和若干个插值点组成,通过调整控制点的位置,可以改变曲线的形状和弯曲程度,贝塞尔曲线的优点之一是可以轻松地实现光滑的曲线过渡和形状调整。通过添加更多的控制点或调整控制点的位置,可以对曲线进行精细的调整和变形,此外,在计算机图形学中,贝塞尔曲线的表示和计算也相对简单和高效,除了曲线,贝塞尔方法还可以用于构造曲面,贝塞尔曲面由一个或多个贝塞尔曲线组成,通过在曲线的两个参数方向上进行插值和连接形成,贝塞尔曲面广泛应用于三维建模、汽车设计、动画制作等领域,能够描述复杂的曲面形状。
点云:点云(Point Cloud)是由大量的离散点构成的三维空间数据集合,每个点都有自己的位置坐标和可能的其他属性,如颜色、法向量、强度等,点云可以用来描述物体的几何形状和表面特征,是计算机视觉、计算机图形学、机器人学等领域中常用的数据表示形式,点云通常是通过一些传感器(如激光雷达、RGBD相机)采集到的,这些传感器会在空间中测量物体的位置,并生成一系列离散的点,这些点的密度和分布取决于采集设备和场景中的物体,根据应用需要,点云可以包含几十个到数百万个甚至更多的点。
栅格:栅格(Grid)是一种将空间划分为规则网格单元的数据表示方法。在栅格中,每个单元都有一个固定的大小和位置,并且可以存储与该单元相关的数据,栅格广泛用于地理信息系统(GIS)、遥感图像处理、计算机图形学等领域,在GIS中,栅格被用来表示地理空间数据,如地形高度、气候指数、土地利用类型等,在遥感图像处理中,栅格用于存储遥感图像数据,其中每个像素对应栅格的一个单元。在计算机图形学中,栅格被用来表示二维图像,其中每个像素点对应栅格的一个单元,栅格数据由网格单元组成,每个单元可以包含一个或多个属性值,常见的栅格属性包括灰度值、颜色值、高程值等,具体取决于所表示的数据类型,栅格数据可以进行各种操作和分析,如插值、分类、过滤、统计等。
具体地,参照图1,图1为本发明货物运输装置所属终端设备的功能板块示意图。该货物运输装置可以独立于终端设备的、能够进行货物运输的装置,其可以通过硬件或者软件的形式承载于终端设备上。该终端设备可以为手机、平板电脑等具有数据处理功能的智能移动设备,还可以为具有数据处理功能的固定终端设备或服务器等。
在本实施例中,该货物运输装置所属终端设备至少包括输出模块110、处理器120、存储器130以及通信模块140。
存储器130中存储有操作系统以及货物运输程序,货物运输装置可以通过运输设备上的监控设备,获取所述运输设备到货物托盘的导航信息;根据所述导航信息,将所述运输设备移动至货物托盘的检测点坐标;通过所述运输设备上的监控设备,对所述货物托盘进行检测,获得检测结果;根据所述检测结果,通过所述运输设备对货物进行叉取运输。通过该货物运输程序进行货物运输,得到货物运输结果等信息存储于该存储器130中;输出模块110可为显示屏等。通信模块140可以包括WIFI模块、移动通信模块以及蓝牙模块等,通过通信模块140与外部设备或服务器进行通信。
其中存储器130中的货物运输程序被处理器执行时实现以下步骤:
通过运输设备上的监控设备,获取所述运输设备到货物托盘的导航信息;
根据所述导航信息,将所述运输设备移动至货物托盘的检测点坐标;
通过所述运输设备上的监控设备,对所述货物托盘进行检测,获得检测结果;
根据所述检测结果,通过所述运输设备对货物进行叉取运输。
进一步地,存储器130中的货物运输程序被处理器执行时还实现以下步骤:
通过所述运输设备上的监控设备,获取所述运输设备以及所述货物托盘的检测点的坐标位置;
根据所述运输设备以及所述货物托盘的坐标位置,获得所述运输设备到所述货物托盘的导航信息。
进一步地,存储器130中的货物运输程序被处理器执行时还实现以下步骤:
通过所述运输设备的监控设备,获取环境特征数据;
对所述环境特征数据进行数据转换,获取点云数据;
根据所述点云数据,获取所述运输设备到所述货物托盘的导航信息。
进一步地,存储器130中的货物运输程序被处理器执行时还实现以下步骤:
使用所述监控设备对所述货物托盘进行姿态检测;
若所述托盘的姿态不存在偏移和/或倾角,则检测结果为正常;
若所述托盘的姿态存在偏移和/或倾角,则检测结果为不正常并输出所述托盘的姿态数据。
进一步地,存储器130中的货物运输程序被处理器执行时还实现以下步骤:
当所述检测结果为正常时,则通过所述运输设备进行叉取运输;
当所述检测结果为不正常时,则根据所述托盘的姿态数据对所述运输设备进行调整,并使用调整后的运输设备进行叉取运输。
进一步地,存储器130中的货物运输程序被处理器执行时还实现以下步骤:
根据所述托盘的姿态数据进行分析,获得分析结果;
若所述分析结果为所述托盘的姿态在可调整范围内,则对所述运输设备进行调整,获取调整后的运输设备;
使用所述调整后的运输设备进行叉取运输。
进一步地,存储器130中的货物运输程序被处理器执行时还实现以下步骤:
根据所述点云数据,生成点云地图;
根据所述点云地图,通过所述点云数据进行匹配,获取所述运输设备的定位以及姿态;
对所述点云进行数据转换,获取栅格地图图像数据;
将所述栅格地图图像数据输入预设的建图程序,生成栅格地图;
根据所述栅格地图以及所述运输设备的定位以及姿态,生成导航信息。
本实施例通过上述方案,具体通过运输设备上的监控设备,获取所述运输设备到货物托盘的导航信息;根据所述导航信息,将所述运输设备移动至货物托盘的检测点坐标;通过所述运输设备上的监控设备,对所述货物托盘进行检测,获得检测结果;根据所述检测结果,通过所述运输设备对货物进行叉取运输。基于预设的货物运输设备导航至货物托盘且进行识别,可以解决货物运输时,运输设备对货物托盘的识别效果差的问题。基于本发明方案,从现实中货物叉取运输中存在运输设备对货物托盘的识别效果差的问题,设计了一种货物运输方法,并在对货物进行运输时验证了本发明的货物运输方法的有效性,最后经过本发明方法进行货物运输的效率得到了明显提升。
基于上述终端设备架构但不限于上述框架,提出本发明方法实施例。
参照图2,图2为本发明货物运输方法一示例性实施例的流程示意图。所述货物运输方法包括:
步骤S01,通过运输设备上的监控设备,获取所述运输设备到货物托盘的导航信息;
本实施例方法的执行主体可以是一种货物运输装置,也可以是一种货物运输终端设备或服务器,本实施例以货物运输装置进行举例,该货物运输装置可以集成在具有数据处理功能终端设备上。
为了使运输设备能够移动至货物托盘,采取以下步骤实现:
首先,通过运输设备上的监控设备,获取运输设备与货物托盘的坐标位置,其中,监控设备包括但不限于雷达、摄像机以及其他具有监控功能的设备;
最后,根据运输设备以及货物托盘的坐标位置,通过计算得到运输设备到货物托盘的导航信息。
步骤S02,根据所述导航信息,将所述运输设备移动至货物托盘的检测点坐标;
在获取到导航信息后,将运输设备移动至货物托盘检测点,通过以下步骤实现:
首先,在获取到导航信息后,通过运输设备对导航规划的路线进行移动;
然后,在移动的过程中,不断进行路径规划进行优化,其中,路径规划的方式采用不断使用检测设备获取环境特征数据,并将环境数据转换成点云数据以及栅格地图图像数据,并利用贝塞尔曲线,优化导航路径;
最后,根据不断优化的导航路径,移动至货物托盘检测点。
步骤S03,通过所述运输设备上的监控设备,对所述货物托盘进行检测,获得检测结果;
为了获取对货物托盘的检测结果,采取以下步骤:
首先,使用运输设备上的监控设备对货物托盘进行检测,其中,在本实施例中运输设备为叉车,在其他实施例中可以为铲车等其他具有货物运输功能的装置,监控设备指的为RGBD相机、雷达等具备监控功能的设备,且在运输设备上的监控设备可以为一个或者多个,在本实施例中,RGBD相机为两个,且安装在两个货叉中;
最后,根据监控设备的实际监控结果,得到货物托盘的检测结果,其中,所述货物托盘的检测项目包括但不限于货物托盘的偏移量以及倾斜角等,两个RGBD相机分别对货物托盘进行数据识别及获取,再将两个相机得到的数据进行拼接,得到最终检测结果。
步骤S04,根据所述检测结果,通过所述运输设备对货物进行叉取运输。
在获取到检测结果后,采取以下步骤实现对货物的叉取:
首先,检测当前的托盘姿态是否为正常;
然后,若托盘姿态为正常,则可以使用运输设备对货物进行叉取;
然后,若托盘姿态存在偏移和倾角,则输出当前的姿态数据进行分析,分析托盘姿态是否在合理的范围内;
最后,若托盘姿态在合理的范围内,则调整叉车与托盘平齐,随后进行叉取,其中,若托盘姿态不在合理的范围内,则认定为当前状态异常,此时需要进行异常处理,处理完成后再次进行识别及叉取操作。
进一步地,如图3所示,图3为本发明货物运输方法涉及运输设备的示意图。
首先,在叉车的两个货叉中装上RGBD相机;
然后,使用RGBD相机对货物托盘进行检测;
最后,根据检测结果对货物进行叉取。
本实施例通过上述方案,具体通过运输设备上的监控设备,获取所述运输设备到货物托盘的导航信息;根据所述导航信息,将所述运输设备移动至货物托盘的检测点坐标;通过所述运输设备上的监控设备,对所述货物托盘进行检测,获得检测结果;根据所述检测结果,通过所述运输设备对货物进行叉取运输。由此,实现了运输设备对货物托盘的识别叉取,解决了货物运输时,运输设备对货物托盘的识别效果差的技术问题,提高了运输的效率。
参照图4,图4为本发明货物运输方法另一示例性实施例的流程示意图。
基于上述图2所示的实施例,所述步骤S01,通过运输设备上的监控设备,获取所述运输设备到货物托盘的导航信息的步骤包括:
步骤S011,通过所述运输设备上的监控设备,获取所述运输设备以及所述货物托盘的检测点的坐标位置;
步骤S012,根据所述运输设备以及所述货物托盘的坐标位置,获得所述运输设备到所述货物托盘的导航信息。
具体地,为了使运输设备能够移动至货物托盘处,采取以下步骤实现:
首先,通过运输设备的传感器以及监控设备,获取当前的环境信息;
然后,根据环境信息,获取当前运输设备以及货物托盘检测点的坐标位置,其中,货物托盘检测点是通过环境信息的计算得来的,通过对托盘以及运输设备的姿态进行计算,即可得到货物托盘检测点;
最后,根据运输设备以及货物托盘的坐标位置,获得运输设备到货物托盘检测点的导航信息;
更具体地,如图5所示,图5为本发明货物运输方法涉及运输设备移动至货物托盘的流程示意图。
首先,根据车体的监控设备获取运输设备以及货物托盘的坐标位置;
然后,以车体的坐标位置作为起点,以托盘的坐标位置作为重点,标记起点和终点的点位;
然后,在车辆进行导航的过程中,使用贝塞尔曲线进行路径规划;
然后,使用一阶贝塞尔曲线进行路径描述,一阶贝塞尔曲线由起始点和结束点之间的直线段构成,它没有额外的控制点来调整曲线的形状,因此无法产生出曲线弯曲的效果,一阶贝塞尔曲线的数学表达式如下:B(t)=(1-t)*P0+t*P1,其中,B(t)是曲线上的点,t是参数取值范围在[0,1]之间,P0是起始点,P1是结束点。当t=0时,曲线上的点位于起始点P0处;当t=1时,曲线上的点位于结束点P1处,一阶贝塞尔曲线主要用于直线插值和路径绘制等简单的图形应用,在计算机图形学和计算机动画中,一阶贝塞尔曲线通常作为其他更高阶贝塞尔曲线的构建基础;
然后,使用二阶贝塞尔曲线进行路径描述,二阶贝塞尔由三个控制点定义,这三个控制点分别是起始点、结束点和一个控制点,用于调整曲线的形状,二阶贝塞尔曲线的数学表达式如下:B(t)=(1-t)^2*P0+2*(1-t)*t*P1+t^2*P2,其中,B(t)是曲线上的点,t是参数取值范围在[0,1]之间,P0是起始点,P1是控制点,P2是结束点,在二阶贝塞尔曲线中,起始点和结束点分别确定了曲线的起始和结束位置,而控制点决定了曲线的凸起或凹陷程度,通过调整控制点的位置,可以改变曲线的形状,使之更加平滑或更弯曲,二阶贝塞尔曲线在计算机图形学和计算机动画中经常使用,它被广泛应用于平面绘图、字体设计、路径动画等领域;
然后,使用三阶贝塞尔曲线进行路径描述,三阶贝塞尔由四个控制点定义,这四个控制点分别是起始点、结束点和两个控制点,用于调整曲线的形状,三阶贝塞尔曲线的数学表达式如下:B(t)=(1-t)^3*P0+3*(1-t)^2*t*P1+3*(1-t)*t^2*P2+t^3*P3,其中,B(t)是曲线上的点,t是参数取值范围在[0,1]之间,P0是起始点,P1和P2是两个控制点,P3是结束点,在三阶贝塞尔曲线中,起始点和结束点确定了曲线的起始和结束位置,而两个控制点影响了曲线的形状、弯曲和凹凸度。通过调整控制点的位置,可以实现更加复杂和多样化的曲线形状,三阶贝塞尔曲线在计算机图形学和计算机动画中广泛使用,它可以用于绘制平滑曲线、路径动画、形状变换等应用场景;
最后,根据贝塞尔曲线的路径规划,操作运输设备到终点位进行识别并叉取。
本实施例通过上述方案,具体通过所述运输设备上的监控设备,获取所述运输设备以及所述货物托盘的检测点的坐标位置;根据所述运输设备以及所述货物托盘的坐标位置,获得所述运输设备到所述货物托盘的导航信息。由此,实现了运输设备到货物托盘的路径导航,解决了全局导航到视觉伺服不够平滑的问题,提高了运输的效率。
参照图6,图6为本发明货物运输方法涉及获取导航信息的流程示意图。
基于上述图4所示的实施例,所述步骤S012,根据所述运输设备以及所述货物托盘的坐标位置,获得所述运输设备到所述货物托盘的导航信息的步骤包括:
步骤S0121,通过所述运输设备的监控设备,获取环境特征数据;
步骤S0122,对所述环境特征数据进行数据转换,获取点云数据;
步骤S0123,根据所述点云数据,获取所述运输设备到所述货物托盘的导航信息。
具体地,为了获取运输设备到货物托盘的导航信息,通过以下步骤实现:
首先,通过运输设备的监控设备进行环境数据获取,获取环境特征数据,其中,运输设备的监控设备包括但不限于传感器、雷达以及相机等;
然后,对环境特征数据进行数据转换,转换成点云数据,其中,环境特征数据转换成点云数据可以通过以下步骤实现,传感器根据其类型和工作原理,获取环境中每个点的距离、强度、颜色等信息,对于某些传感器,可能需要进行数据预处理以消除噪声、滤波或校准。这可以包括去除无效数据、平滑数据、背景去除等操作,以提高点云数据的质量和准确性,根据传感器的位置和姿态信息,将采集到的点的坐标从传感器坐标系转换到全局坐标系,这可以通过使用传感器的位置和姿态信息,结合几何变换方法如旋转矩阵和平移向量来完成,将转换后的坐标数据组织成点云的数据结构。点云数据通常使用三维空间中的点来表示,每个点都有其坐标、颜色、法线等属性,将转换后的坐标数据与其他相关信息(如颜色或强度)结合起来,创建点云数据;
最后,根据点云数据,获取运输设备到货物托盘的导航信息,其中,点云数据是由大量离散点构成的三维空间数据集合,每个点都具有坐标(x、y、z)和可能的其他属性,如颜色、法线、强度等,且在点云数据获取导航信息的步骤中,包括但不限于使用点云数据构建点云地图,将点云数据转换为栅格图像图像数据等操作。
本实施例通过上述方案,具体通过所述运输设备的监控设备,获取环境特征数据;对所述环境特征数据进行数据转换,获取点云数据;根据所述点云数据,获取所述运输设备到所述货物托盘的导航信息。由此,实现了导航信息的获取,解决了运输设备到货物托盘的路径规划不够精细的问题,提高了运输的效率。
参照图7,图7为本发明货物运输方法另一示例性实施例的流程示意图。
基于上述图2所示的实施例,所述步骤S03,根据预设的运输设备上的监控设备,对货物托盘进行检测,获得检测结果的步骤包括:
步骤S031,使用所述监控设备对所述货物托盘进行姿态检测;
步骤S032,若所述托盘的姿态不存在偏移和/或倾角,则检测结果为正常;
步骤S033,若所述托盘的姿态存在偏移和/或倾角,则检测结果为不正常并输出所述托盘的姿态数据。
具体地,为了获取托盘的姿态是否可以通过运输设备进行叉取,采取以下步骤实现:
首先,在本实施例中,采用的运输设备位叉车,且配有两个RGBD相机;
然后,使用监控设备对货物托盘进行姿态检测;
然后,若得出的检测结果为托盘的姿态不存在偏移和/或倾角,则输出检测结果为所述托盘姿态正常,表示当前的托盘姿态支持运输设备进行叉取;
最后,若得出的检测结果为托盘的额姿态存在偏移和/或倾角,则输出检测结果为所述托盘姿态不正常,表示当前的托盘姿态不支持运输设备进行叉取,需要进行进一步调整或处理。
更具体地,如图8所示,图8为本发明货物运输方法涉及对货物托盘进行检测的示意图。
首先,使用两个RGBD相机对货物托盘进行拍摄;
然后,将两个RGBD相机拍摄得来的相片进行拼接和对比;
然后,识别托盘的所在区域以及托盘的形态、尺寸、货物是否超脱等信息;
最后,输出托盘的具体坐标以及姿态数据等信息。
本实施例通过上述方案,具体通过使用所述监控设备对所述货物托盘进行姿态检测;若所述托盘的姿态不存在偏移和/或倾角,则检测结果为正常;若所述托盘的姿态存在偏移和/或倾角,则检测结果为不正常并输出所述托盘的姿态数据。由此,实现了对货物托盘的识别以及托盘姿态数据的获取,解决了货物运输时对货物托盘识别效果差的问题,提高了运输的效率。
参照图9,图9为本发明货物运输方法另一示例性实施例的流程示意图。
基于上述图2所示的实施例,所述步骤S04,根据所述检测结果,通过所述运输设备对货物进行叉取运输的步骤包括:
步骤S041,当所述检测结果为正常时,则通过所述运输设备进行叉取运输;
步骤S042,当所述检测结果为不正常时,则根据所述托盘的姿态数据对所述运输设备进行调整,并使用调整后的运输设备进行叉取运输。
具体地,为了使用运输设备对货物进行叉取运输,采取以下步骤实现:
首先,根据检测结果进行判断以及处理;
然后,若检测结果为正常时,则使用运输设备对货物进行叉取运输;
最后,当检测结果为不正常时,则根据获取的姿态数据对运输设备进行调整,使用调整后的运输设备对货物进行叉取运输,其中,调整的范围可以指的是对运输设备,例如叉车的两个货叉进行调整,也可以指对货物的托盘进行调整,最终调整的效果为叉车与托盘相平齐,此时可进行叉取运输。
更具体地,如图10所示,图10为本发明货物运输方法涉及进行叉取运输的示意图。
首先,使用左右相机对托盘姿态进行检测;
然后,若检测结果为正常,则可直接进行叉取作业;
然后,若检测结果为存在偏移和倾角,则输出托盘的姿态数据;
然后,通过托盘的姿态数据进行判断,查看姿态数据是否在合理的范围内,若在合理的范围内,则对叉车或者托盘进行处理,直至叉车与托盘想平齐再进行叉取作业,若不在合理的范围内,则说明不符合叉取条件,此时推出叉取作业,进行异常处理。
本实施例通过上述方案,具体通过当所述检测结果为正常时,则通过所述运输设备进行叉取运输;当所述检测结果为不正常时,则根据所述托盘的姿态数据对所述运输设备进行调整,并使用调整后的运输设备进行叉取运输。由此,实现了运输设备对货物托盘进行识别叉取,解决了货物运输时,运输设备对货物托盘的识别效果差的技术问题,提高了运输的效率。
参照图11,图11为本发明货物运输方法涉及对姿态数据进行分析的流程示意图。
基于上述图9所示的实施例,所述步骤S042,根据所述托盘的姿态数据对所述运输设备进行调整,并使用调整后的运输设备进行叉取运输的步骤包括:
步骤S0421,根据所述托盘的姿态数据进行分析,获得分析结果;
步骤S0422,若所述分析结果为所述托盘的姿态在可调整范围内,则对所述运输设备进行调整;
步骤S0423,使用所述调整后的运输设备进行叉取运输。
具体地,为了实现对货物进行叉取,采取以下步骤实现:
首先,使用托盘的姿态数据进行分析,根据托盘的姿态数据以及运输设备的货叉进行是否在可调整范围内的分析;
然后,若分析结果为托盘的姿态在可调整范围内,则对运输设备进行调整,其中,调整的对象可以为运输设备,也可以为货架,最终的目的是为了使货架与运输设备能够平齐;
最后,使用调整完成后的运输设备进行叉取运输。
更具体地,如图12所示,图12为本发明货物运输方法涉及对姿态数据进行分析的示意图。
首先,使用RGDB获取的图像进行分析;
然后,分析货叉与货架是否在可调整的范围内;
最后,若在可调整范围内,则调整货物托盘与运输设备相平齐后进行叉取。
本实施例通过上述方案,具体通过根据所述托盘的姿态数据进行分析,获得分析结果;若所述分析结果为所述托盘的姿态在可调整范围内,则对所述运输设备进行调整;使用所述调整后的运输设备进行叉取运输。实现了对货物托盘以及运输设备的调整,解决了因为货物托盘与运输设备不平齐导致无法叉取的问题,提高了运输的效率。
参照图13,图13为本发明货物运输方法涉及通过点云数据获取导航信的流程示意图。
基于上述图6所示的实施例,所述步骤S0123,根据所述点云数据,获取所述运输设备到所述货物托盘的导航信息的步骤包括:
步骤S01231,根据所述点云数据,生成点云地图;
步骤S01232,根据所述点云地图,通过所述点云数据进行匹配,获取所述运输设备的定位以及姿态;
步骤S01233,对所述点云进行数据转换,获取栅格地图图像数据;
步骤S01234,将所述栅格地图图像数据输入预设的建图程序,生成栅格地图;
步骤S01235,根据所述栅格地图以及所述运输设备的定位以及姿态,生成导航信息。
具体地,为了实现点云数据转变为导航信息,采取以下步骤:
首先,根据点云数据,生成点云地图;
然后,使用点云数据与点云地图进行匹配,得到当前运输设备的定位以及当前运输设备的姿态,其中,运输设备的姿态指的是运输设备的大小以及特征,可用于更好的规划路径;
然后,使用点云数据进行数据转换,获取栅格地图图像数据,其中,数据转换的过程可以如下所述,确定生成的栅格地图的大小和分辨率,栅格地图通常由固定大小的单元格组成,每个单元格代表一个特定的区域,根据确定的栅格大小和分辨率,创建一个空白的栅格地图图像,可以使用图像处理库(如OpenCV)或绘图库(如Matplotlib)来创建和操作图像,遍历点云数据集中的每个点,将其坐标映射到栅格地图中的相应单元格,可以根据点的位置,将其所在的单元格标记为有点的状态(例如设置为白色),或使用不同的颜色表示点的属性信息,在遍历点云数据时,可以选择填充栅格地图单元格的方式,例如,对于每个点,可以选择将其所在单元格及其周围一定范围内的单元格都标记为有点的状态,以表示点的影响范围,根据需要,可以对生成的栅格地图应用一些后处理步骤,例如,可以平滑地图以减少噪声,应用形态学操作(如膨胀、腐蚀)来填补空洞或去除小的孤立区域;
然后,将所述栅格地图图像数据输入建图程序中,生成栅格地图;
最后,根据生成的栅格地图以及运输设备的定位以及姿态,进行路径规划,生成导航信息。
更具体地,如图14所示,图14为本发明货物运输方法涉及获取导航信息的示意图。
首先,通过车载雷达获取环境特征数据,其中,在其他实施例中也可以为其他具有环境特征数据获取的设备;
然后,将雷达获取的环境特征数据转化为点云数据;
然后,通过点云数据生成点云图,并将点云图与点云数据进行匹配定位,得到运输设备的定位以及姿态;
然后,将点云数据转换为栅格地图图像数据;
最后,通过建图程序建出栅格地图,并根据栅格地图以及运输设备的定位、姿态生成导航信息。
本实施例通过上述方案,具体通过根据所述点云数据,生成点云地图;根据所述点云地图,通过所述点云数据进行匹配,获取所述运输设备的定位以及姿态;对所述点云进行数据转换,获取栅格地图图像数据;将所述栅格地图图像数据输入预设的建图程序,生成栅格地图;根据所述栅格地图以及所述运输设备的定位以及姿态,生成导航信息。
此外,本发明实施例还提出一种货物运输装置,所述货物运输装置包括:
获取模块,用于通过运输设备上的监控设备,获取所述运输设备到货物托盘的导航信息;
移动模块,用于根据所述导航信息,将所述运输设备移动至货物托盘的检测点坐标;
检测模块,用于通过运输设备上的监控设备,对货物托盘进行检测,获得检测结果;
运输模块,用于根据所述检测结果,通过所述运输设备对货物进行叉取运输。
此外,本发明实施例还提出一种终端设备,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的货物运输程序,所述货物运输程序被所述处理器执行时实现如上所述的货物运输方法的步骤。
由于本货物运输程序被处理器执行时,采用了前述所有实施例的全部技术方案,因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果,在此不再一一赘述。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有货物运输程序,所述货物运输程序被处理器执行时实现如上所述的货物运输方法的步骤。
由于本货物运输程序被处理器执行时,采用了前述所有实施例的全部技术方案,因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果,在此不再一一赘述。
相比现有技术,本发明实施例提出的货物运输方法、装置、终端设备以及存储介质,通过运输设备上的监控设备,获取所述运输设备到货物托盘的导航信息;根据所述导航信息,将所述运输设备移动至货物托盘的检测点坐标;通过所述运输设备上的监控设备,对所述货物托盘进行检测,获得检测结果;根据所述检测结果,通过所述运输设备对货物进行叉取运输。从而解决了货物运输时,运输设备对货物托盘的识别效果差的问题,实现了运输设备移动至货物托盘且进行识别叉取,提高了货物运输的效率。基于本发明方案,从现实中货物叉取运输中存在运输设备对货物托盘的识别效果差的问题,设计了一种货物运输方法,并在对货物进行运输时验证了本发明的货物运输方法的有效性,最后经过本发明方法进行货物运输的效率得到了明显提升。
和现有的技术相比,本发明实施例方案具有以下优点:
1、将视觉输出与里程计相结合,实现从全局导航到视觉伺服的平滑、不间断过渡;
2、基于栅格图转换出点云图数据,再将雷达数据转换为点云数据进行点到点的匹配,精度更高,可达到毫米级别的精度,在这样的slam定位基础上,末端托盘识别的控制就不需要更精准的末端实时定位,可以利用相机识别的结果作为一个导航终点,利用末端规划与跟踪,按照全局slam定位进行控制,也可以避免视觉相机定位数据频率不高的缺陷,进行高精度末端跟踪,完成末端插齿托的动作。
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(可以是手机,计算机,服务器,被控终端,或者网络设备等)执行本发明每个实施例的方法。
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)
1.一种货物运输方法,其特征在于,所述货物运输方法包括以下步骤:
通过运输设备上的监控设备,获取所述运输设备到货物托盘的导航信息;
根据所述导航信息,将所述运输设备移动至货物托盘的检测点坐标;
通过所述运输设备上的监控设备,对所述货物托盘进行检测,获得检测结果;
根据所述检测结果,通过所述运输设备对货物进行叉取运输。
2.根据权利要求1所述的货物运输方法,其特征在于,所述通过运输设备上的监控设备,获取所述运输设备到货物托盘的导航信息的步骤包括:
通过所述运输设备上的监控设备,获取所述运输设备以及所述货物托盘的检测点的坐标位置;
根据所述运输设备以及所述货物托盘的坐标位置,获得所述运输设备到所述货物托盘的导航信息。
3.根据权利要求2所述的货物运输方法,其特征在于,所述根据所述运输设备以及所述货物托盘的坐标位置,获得所述运输设备到所述货物托盘的导航信息的步骤包括:
通过所述运输设备的监控设备,获取环境特征数据;
对所述环境特征数据进行数据转换,获取点云数据;
根据所述点云数据,获取所述运输设备到所述货物托盘的导航信息。
4.根据权利要求1所述的货物运输方法,其特征在于,所述通过所述运输设备上的监控设备,对所述货物托盘进行检测,获得检测结果的步骤包括:
使用所述监控设备对所述货物托盘进行姿态检测;
若所述托盘的姿态不存在偏移和/或倾角,则检测结果为正常;
若所述托盘的姿态存在偏移和/或倾角,则检测结果为不正常并输出所述托盘的姿态数据。
5.根据权利要求4所述的货物运输方法,其特征在于,所述根据所述检测结果,通过所述运输设备对货物进行叉取运输的步骤包括:
当所述检测结果为正常时,则通过所述运输设备进行叉取运输;
当所述检测结果为不正常时,则根据所述托盘的姿态数据对所述运输设备进行调整,并使用调整后的运输设备进行叉取运输。
6.根据权利要求5所述的货物运输方法,其特征在于,所述根据所述托盘的姿态数据对所述运输设备进行调整,并使用调整后的运输设备进行叉取运输的步骤包括:
根据所述托盘的姿态数据进行分析,获得分析结果;
若所述分析结果为所述托盘的姿态在可调整范围内,则对所述运输设备进行调整,获取调整后的运输设备;
使用所述调整后的运输设备进行叉取运输。
7.根据权利要求3所述的货物运输方法,其特征在于,所述根据所述点云数据,获取所述运输设备到所述货物托盘的导航信息的步骤包括:
根据所述点云数据,生成点云地图;
根据所述点云地图,通过所述点云数据进行匹配,获取所述运输设备的定位以及姿态;
对所述点云进行数据转换,获取栅格地图图像数据;
将所述栅格地图图像数据输入预设的建图程序,生成栅格地图;
根据所述栅格地图以及所述运输设备的定位以及姿态,生成导航信息。
8.一种货物运输装置,其特征在于,所述运输装置包括:
获取模块,用于通过运输设备上的监控设备,获取所述运输设备到货物托盘的导航信息;
移动模块,用于根据所述导航信息,将所述运输设备移动至货物托盘的检测点坐标;
检测模块,用于通过运输设备上的监控设备,对货物托盘进行检测,获得检测结果;
运输模块,用于根据所述检测结果,通过所述运输设备对货物进行叉取运输。
9.一种终端设备,其特征在于,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的货物运输程序,所述货物运输程序被所述处理器执行时实现如权利要求1-7中任一项所述的货物运输方法的步骤。
10.一种计算器可读存储介质,其特征在于,所述计算器可读存储介质上存储有货物运输程序,所述货物运输程序被处理器执行时实现如权利要求1-7中任一项所述的货物运输方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310898077.4A CN116873819A (zh) | 2023-07-20 | 2023-07-20 | 货物运输方法、装置、终端设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310898077.4A CN116873819A (zh) | 2023-07-20 | 2023-07-20 | 货物运输方法、装置、终端设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116873819A true CN116873819A (zh) | 2023-10-13 |
Family
ID=88256559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310898077.4A Pending CN116873819A (zh) | 2023-07-20 | 2023-07-20 | 货物运输方法、装置、终端设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116873819A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108584800A (zh) * | 2018-05-11 | 2018-09-28 | 华南农业大学 | 一种自动装卸货物的自动驾驶叉车及自动仓储系统 |
CN113998626A (zh) * | 2021-09-27 | 2022-02-01 | 诺力智能装备股份有限公司 | 一种应用于托盘识别/定位的调整agv姿态方法 |
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 |
JP2022128063A (ja) * | 2021-02-22 | 2022-09-01 | 株式会社豊田自動織機 | 位置姿勢推定装置 |
-
2023
- 2023-07-20 CN CN202310898077.4A patent/CN116873819A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108584800A (zh) * | 2018-05-11 | 2018-09-28 | 华南农业大学 | 一种自动装卸货物的自动驾驶叉车及自动仓储系统 |
JP2022128063A (ja) * | 2021-02-22 | 2022-09-01 | 株式会社豊田自動織機 | 位置姿勢推定装置 |
CN113998626A (zh) * | 2021-09-27 | 2022-02-01 | 诺力智能装备股份有限公司 | 一种应用于托盘识别/定位的调整agv姿态方法 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11682129B2 (en) | Electronic device, system and method for determining a semantic grid of an environment of a vehicle | |
JP5259286B2 (ja) | 3次元物体認識システム及びそれを用いた棚卸システム | |
CN110243380B (zh) | 一种基于多传感器数据与角度特征识别的地图匹配方法 | |
KR101925862B1 (ko) | 3차원 라이다를 이용한 실시간 3차원 지도 생성 방법 및 장치 | |
CN112166458A (zh) | 目标检测与跟踪方法、系统、设备及存储介质 | |
CN111192328A (zh) | 基于二维激光雷达的车厢容器三维扫描系统点云处理方法 | |
WO2022000197A1 (zh) | 飞行作业方法、无人机及存储介质 | |
CN114387344A (zh) | 一种载货工具位姿检测方法、装置、搬运车辆及介质 | |
Van Pabst et al. | Multisensor data fusion of points, line segments, and surface segments in 3D space | |
CN113012191B (zh) | 一种基于点云多视角投影图的激光里程计算法 | |
CN113111787A (zh) | 目标检测方法、装置、设备以及存储介质 | |
CN117011362A (zh) | 货物体积的计算方法、容积率的动态计算方法 | |
CN116873819A (zh) | 货物运输方法、装置、终端设备以及存储介质 | |
CN116863371A (zh) | 一种基于深度学习的agv叉车货物托盘位姿识别方法 | |
CN114353779B (zh) | 一种采用点云投影快速更新机器人局部代价地图的方法 | |
CN115597600A (zh) | 基于视觉识别的机器人导航方法、导航机器人及介质 | |
CN113838203A (zh) | 基于三维点云地图和二维栅格地图的导航系统及应用方法 | |
Zhao et al. | The construction method of the digital operation environment for bridge cranes | |
CN116342858B (zh) | 物体检测方法、装置、电子设备及存储介质 | |
Poenicke et al. | Industrial Application Use Cases of LiDAR Sensors Beyond Autonomous Driving | |
CN114019977B (zh) | 移动机器人的路径控制方法、装置、存储介质及电子设备 | |
Poenicke et al. | Check for updates Industrial Application Use Cases of LiDAR Sensors Beyond Autonomous Driving | |
Zuo et al. | A contactless delivery solution for intelligent unmanned vehicles based on multi-source sensing signals | |
WO2023157443A1 (ja) | 物体姿勢算出装置および物体姿勢算出方法 | |
Langerwisch et al. | Construction of 3d environment models by fusing ground and aerial lidar point cloud data |
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 |