CN117555308B - 一种基于无人叉车的托盘回收方法、系统及存储介质 - Google Patents
一种基于无人叉车的托盘回收方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117555308B CN117555308B CN202410043948.9A CN202410043948A CN117555308B CN 117555308 B CN117555308 B CN 117555308B CN 202410043948 A CN202410043948 A CN 202410043948A CN 117555308 B CN117555308 B CN 117555308B
- Authority
- CN
- China
- Prior art keywords
- tray
- unmanned forklift
- pose
- unmanned
- forklift
- 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
- 238000004064 recycling Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000001514 detection method Methods 0.000 claims description 47
- 238000011084 recovery Methods 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 11
- 238000007726 management method Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 239000002184 metal Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000010009 beating Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4189—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system
- G05B19/41895—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system using automatic guided vehicles [AGV]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Forklifts And Lifting Vehicles (AREA)
Abstract
本发明公开了一种基于无人叉车的托盘回收方法、系统及存储介质，包括如下步骤：S1：通过网络相机进行图像的采集，将图像上传至边缘服务器进行托盘位姿预测；S2：所述边缘服务器根据所述托盘边缘直线夹角，更新对应托盘在地图上的托盘位姿；S3：无人叉车调度系统内的路径规划模块根据所述托盘位姿进行无人叉车的路径规划，并将所述路径规划的路径发送给对应的无人叉车的控制系统；S4：所述无人叉车的控制系统控制对应的所述无人叉车执行所述路径规划的路径；及步骤S5‑S6：回收堆叠到预置层数的托盘到立体仓内。通过对托盘的位姿进行预测，以使得无人叉车调度系统可以调度适合回收该托盘位姿的无人叉车对该托盘进行回收，有效提升了托盘的回收效率。
Description
技术领域
本发明涉及无人叉车工业物流领域，具体涉及一种基于无人叉车的托盘回收方法、系统及存储介质。
背景技术
在现代的物流系统中，托盘作为物流运输的载体，应用于各种情况下的货物转移。作为载体，在货物被搬运走后，托盘在大多情况下都会被留在原地。现有的托盘回收方式为人工驾驶叉车收集方式，出于成本以及效率的考虑现有大多数工厂的叉车都存在叉取高度的限制，只能够一个个将托盘进行回收，极大浪费了工作效率。
在现代物流系统中，无人叉车作为主要的运输工具，也需要在完成托盘的搬运后进行托盘的回收，但是因为人为搬运货物的原因，托盘会产生一定程度上的偏移，使得无人叉车无法根据原定路线完成托盘的拾取回收。
发明内容
本发明的目的在于提供一种能够辨别人为或机械误差导致的托盘位姿偏移情况下调度无人叉车对托盘进行回收的基于无人叉车的托盘回收方法、系统及存储介质。
为了达到上述目的，本发明采用这样的技术方案：
一种基于无人叉车的托盘回收方法，包括如下步骤：
S1：通过网络相机进行图像的采集，将采集到的图像上传至边缘服务器进行托盘位姿预测；托盘位姿预测具体步骤如下：
S1-1：采集托盘数据集，将所述托盘数据集按一定的比例划分为训练集、验证集以及测试集，将所述训练集在YOLOv5上进行训练，获得YOLOv5目标检测模型，采用所述YOLOv5目标检测模型对所述图像进行分类，输出托盘预测框坐标；
S1-2：根据所述托盘预测框坐标对所述图像进行切割，切割出所述图像上的托盘图像；
S1-3：将所述托盘图像转化为灰度图像，对所述灰度图像进行Canny边缘特征提取；
S1-4：采用霍夫直线检测提取所述灰度图像内的直线同时根据欧氏距离来提取出该直线两端的坐标；
S1-5：将提取的代表托盘位姿的直线与作为参照正确摆放托盘的边缘直线进行斜率夹角计算，得到托盘边缘直线夹角；
S2：所述边缘服务器根据所述托盘边缘直线夹角，更新对应托盘在地图上的托盘位姿；
S3：无人叉车调度系统内的路径规划模块根据更新的所述托盘位姿进行无人叉车的路径规划，并将所述路径规划的路径发送给能够将托盘搬运至回收点的无人叉车的控制系统；
S4：所述无人叉车的控制系统控制对应的所述无人叉车执行所述路径规划的路径；
S5：所述无人叉车调度系统监控所述无人叉车的运行状态，待所述无人叉车将托盘放置到回收点后，获取回收点传回的托盘高度信号，根据所述托盘高度信号计算托盘层数；
S6：待所述无人叉车调度系统计算出托盘层数为预置层数时，所述无人叉车调度系统安排无人叉车将预置层数的托盘搬运至提升机处，所述提升机将预置层数的托盘通过运输带送入立体仓内进行存储，否则，返回步骤S1。
优选的，步骤S1-1中所述训练集、所述验证集以及所述测试集按7：2：1的比例进行划分。
优选的，所述训练集的批处理大小为32，动量系数为0.937，权重衰减系数为0.005，初始学习率为0.001，训练周期为400。
一种基于无人叉车的托盘回收系统，包括无人叉车调度系统、无人叉车、无人叉车的控制系统、托盘位姿检测装置、托盘层数检测装置、托盘提升机和仓库管理系统以及立体仓；
所述无人叉车调度系统用于与所述无人叉车通讯，同时进行所述无人叉车的路径规划，并将托盘的拾取任务分配给合适的所述无人叉车；
所述无人叉车的叉车臂能够前后伸缩和上下升降，用于完成托盘的搬运和堆叠；
所述无人叉车的控制系统用于控制所述无人叉车的运行；
所述托盘检测装置用于进行托盘的位姿预测，所述托盘检测装置包括网络相机和边缘服务器，所述边缘服务器分别与所述网络相机和所述无人叉车调度系统通讯连接，所述网络相机用于拍摄托盘的照片并上传至所述边缘服务器，所述边缘服务器包括YOLOv5目标检测模型，所述YOLOv5目标检测模型用于进行托盘的位姿预测；
所述托盘层数检测装置用于采集托盘高度信号，并将所述托盘高度信号传输给所述无人叉车调度系统；
所述托盘提升机，用于将回收点收集好的预置层数托盘输送到所述立体仓内；
所述仓库管理系统用于进行所述立体仓内的托盘库位规划，将所述托盘提升机送入的托盘存储起来；
所述无人叉车调度系统分别与所述无人叉车的控制系统、所述托盘位姿检测装置和托盘层数检测装置通讯连接，所述托盘提升机与所述仓库管理系统通讯连接。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述任一所述的托盘回收方法。
通过采用前述设计方案，本发明的有益效果是：本发明使用无人叉车实现仓储物流中的托盘回收，替代传统的人工回收模式，有效节省了人工成本；通过网络相机采集托盘的图像，并对托盘的位姿进行预测，能够辨别托盘位姿由于人工或机械操作所导致的位姿变化，使得无人叉车调度系统可以调度适合回收该托盘位姿的无人叉车对该托盘进行回收，有效提升了托盘的回收效率。
附图说明
图1是本发明的基于无人叉车的托盘回收方法的流程示意图；
图2是本发明的托盘位姿检测装置安装示意图；
图3是本发明的托盘层数检测装置安装示意图；
图4是本发明的无人叉车日常任务流程的运行路线图以及各个库位示意图；
1、网络相机，2、金属门架，3、传感器支架，4、超声波传感器。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明的部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
一种基于无人叉车的托盘回收方法，如图1和图4所示，包括如下步骤：
S1：通过网络相机1进行图像的采集，将采集到的图像上传至边缘服务器进行托盘位姿预测；托盘位姿预测具体步骤如下：
S1-1：采集托盘数据集，将托盘数据集按7：2：1的比例划分为训练集、验证集以及测试集，将训练集在YOLOv5上进行训练，获得YOLOv5目标检测模型，采用YOLOv5目标检测模型对图像进行分类，输出托盘预测框坐标；
本实施例的验证集和测试集均用于检测YOLOv5目标检测模型对托盘分类的识别精度的评估。
本实施例中YOLOv5目标检测模型对于图像的分类指的是将图像划分为行人、叉车、空托盘、有货托盘四类，步骤S1-1中判断带有托盘的图像中的托盘是否为空托盘，若是，则输出托盘预测框坐标。
本实施例的训练集的批处理大小为32，动量系数为0.937，权重衰减系数为0.005，初始学习率为0.001，训练周期为400。
S1-2：根据托盘预测框坐标对图像进行切割，切割出图像上的托盘图像；
S1-3：将托盘图像转化为灰度图像，对灰度图像进行Canny边缘特征提取；
在本实施例中S1-3 Canny边缘特征提取步骤如下：
S1-31：通过高斯滤波完成灰度图像的降噪，高斯滤波在进行图像平滑的时候能够增加图像的边缘宽度，假设一个像素点的灰度值为/>,经过高斯变换后其灰度值会变化为/>，以/>窗格大小的高斯滤波器为例其计算公式为：，其中/>是正态分布的标准偏差；
S1-32：计算梯度值和梯度方向，根据图像灰度值的梯度变化来表示变化程度和方向，通过点乘sobel算子来完成，y方向的边缘检测通过水平算子来完成，x方向的边缘检测通过垂直方向的算子/>来进行边缘检测：
；
算子和算子/>内的数值可根据情况自行设定。
S1-33：过滤非最大值，用于过滤被高斯滤波被放大的边缘像素点，使边缘的宽度不是一个像素点的将梯度方向上梯度值不是最大的点灰度值都设为0；该步骤中将像素点与步骤S1-32的算子相乘得到梯度值，对边缘像素点的梯度值进行比较，将梯度值不是最大的像素点的灰度值设为0，即在灰度图上不显示该像素点。
S1-34：使用上下阈值来检测边缘，设立两个阈值maxVal和minVal,大于maxVal的都被检测为边缘，低于minVal的设定为非边缘，中间的像素点如果与边缘的像素点相连接则检测为边缘否则为非边缘。
S1-4：采用霍夫直线检测提取灰度图像内的直线同时根据欧氏距离来提取出该直线两端的坐标；本实施例中提取出的是托盘右侧边缘的直线两端的坐标。
S1-5：将提取的代表托盘位姿的直线与作为参照正确摆放托盘的边缘直线进行斜率夹角计算，得到托盘边缘直线夹角；通过斜率夹角来表示托盘与原运输该托盘的无人叉车的偏转角度。
S2：边缘服务器根据托盘边缘直线夹角，与先前记得的托盘位姿作比较，更新对应托盘在地图上的托盘位姿；
S3：无人叉车调度系统内的路径规划模块根据更新的托盘位姿进行无人叉车的路径规划，并将路径规划的路径发送给能够将托盘搬运至回收点的无人叉车的控制系统；
S4：无人叉车的控制系统控制对应的无人叉车执行路径规划的路径；
S5：无人叉车调度系统监控无人叉车的运行状态，待无人叉车将托盘放置到回收点后，获取回收点传回的托盘高度信号，根据托盘高度信号计算托盘层数；
本实施例中，无人叉车调度系统监控无人叉车的叉取托盘、行驶、插臂的伸缩以及升降。
S6：待无人叉车调度系统计算出托盘层数为预置层数时，无人叉车调度系统安排无人叉车将预置层数的托盘搬运至提升机处，提升机将预置层数的托盘通过运输带送入立体仓内进行存储，否则，返回步骤S1。
本实施例还提供了一种用于实现上述方法的托盘回收系统。
一种基于无人叉车的托盘回收系统，包括无人叉车调度系统、无人叉车、无人叉车的控制系统、托盘位姿检测装置、托盘层数检测装置、托盘提升机和仓库管理系统以及立体仓。
无人叉车调度系统用于与无人叉车、托盘位姿检测装置和托盘层数检测装置通讯，根据托盘位姿检测装置和托盘层数检测装置传来的实时数据变化信息，分配无人叉车的拾取任务，同时进行无人叉车的路径规划，并将托盘的拾取任务分配给合适的无人叉车；本实施例中的路径规划采用现有的A*算法进行规划；
无人叉车的叉车臂能够前后伸缩和上下升降，用于完成托盘的搬运和堆叠；
本实施例的无人叉车为常规的智能无人叉车，无人叉车上具有与无人叉车调度系统通讯的终端，用于接收无人叉车调度系统分配的拾取任务和路径规划。
本实施例的无人叉车的车顶上方安装有能够进行地图扫描以及定位的激光雷达，此处的激光雷达可采用型号为OMD25M-R2000-B23-V1V1D-SD-1L/701191的倍加福二维激光雷达传感器，也可采用其他常规的激光雷达，该激光雷达能够实时更新无人叉车的位置，同时用于记录库位和路线，方便无人叉车的控制系统执行托盘拾取任务，同时在无人叉车四周上分别安装激光雷达，用于进行物体距离的检测，起到防撞检测的目的。
无人叉车的控制系统用于控制无人叉车的运行，包括控制无人叉车依据无人叉车调度系统分配的路径规划进行运动和无人叉车叉臂的上升和下降；无人叉车的控制系统安装在无人叉车的终端上。
本实施例中无人叉车的控制系统根据接收到的拾取任务和路径规划，控制无人叉车按照无人叉车调度系统规划的路线进行托盘回收；还解决计算机与无人叉车之间的通讯和调度、边缘服务器和无人叉车控制器之间的通讯、命令的管理与分配、无人叉车和无人叉车之间的交通管理等。
如图2所示，托盘位姿检测装置用于进行托盘的位姿预测，托盘位姿检测装置包括网络相机1和边缘服务器，本实施例中网络相机1采用海康威视海螺型网络摄像机，也可采用其他现有的摄像机，边缘服务器指的是工控机。
托盘上固定有金属门架2，网络相机1安装在金属门架2上，本实施例中金属门架2为钣金，其具有方便加工、耐用避免无人叉车碰撞的特性，且该金属门架2具有镂空部，以便于网络相机1的连接线从镂空部穿过，一方面能够保护网络相机的电线，另一方面也能够节省金属门架2的用料。
边缘服务器分别与网络相机1和无人叉车调度系统通讯连接，网络相机1用于拍摄托盘的照片并上传至所述边缘服务器，边缘服务器包括YOLOv5目标检测模型，YOLOv5目标检测模型用于进行托盘的位姿预测；本实施例中边缘服务器包括目标检测模块和特征提取模块，目标检测模块用于对网络相机1传回的图像进行分类，将图像划分为有货托盘和无货托盘，并记录无货托盘预测框位置将托盘图像分割出来，特征提取模块用于对提取出的空托盘进行边缘检测，提取能够代表托盘位姿状态的右侧边缘直线。
如图3所示，托盘层数检测装置用于采集托盘高度信号，并将托盘高度信号传输给无人叉车调度系统；托盘层数检测装置具体为安装在托盘的回收点上方的超声波传感器，本实施例中，超声波传感器可采用电应普 DYP-A12-V1.0，也可采用其他常规的超声波传感器。
托盘层数的检测方法为使用超声波传感器返回当前托盘的高度，以托盘的高度规格16cm为例，设立区间0-16cm为一层。如果托盘数量达到十个，则无人叉车调度系统规划出无人叉车从托盘回收点叉取托盘并将托盘搬运至托盘提升机的路线。
本实施例中，托盘回收点上方的传感器支架3上固定连接有超声波传感器4。
托盘提升机用于将回收点收集好的预置层数托盘输送到立体仓内；本实施例中托盘提升机内安装有光电传感器用于判断托盘提升机内是否存在托盘，可采用欧姆龙光电传感器E3ZG-R81以及反光板作为本实施例中的光电传感器，也可采用其他能够实现上述功能的常规光电传感器。
仓库管理系统用于进行立体仓内的托盘库位规划，将托盘提升机送入的托盘存储起来；
无人叉车调度系统分别与无人叉车的控制系统、托盘位姿检测装置和托盘层数检测装置通讯连接，托盘提升机与仓库管理系统通讯连接。
本实施例还提供了一种存储有实现上述方法的计算机程序的存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述任一所述的托盘回收方法。
综上所述，本发明使用无人叉车实现仓储物流中的托盘回收，替代传统的人工回收模式，有效节省了人工成本；通过网络相机1采集托盘的图像，并对托盘的位姿进行预测，能够辨别托盘位姿由于人工或机械操作所导致的位姿变化，以使得无人叉车调度系统可以调度适合回收该托盘位姿的无人叉车对该托盘进行回收，有效提升了托盘的回收效率。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于无人叉车的托盘回收方法，其特征在于：包括如下步骤：
S1：通过网络相机进行图像的采集，将采集到的图像上传至边缘服务器进行托盘位姿预测；托盘位姿预测具体步骤如下：
S1-1：采集托盘数据集，将所述托盘数据集按一定的比例划分为训练集、验证集以及测试集，将所述训练集在YOLOv5上进行训练，获得YOLOv5目标检测模型，采用所述YOLOv5目标检测模型对所述图像进行分类，输出托盘预测框坐标；
S1-2：根据所述托盘预测框坐标对所述图像进行切割，切割出所述图像上的托盘图像；
S1-3：将所述托盘图像转化为灰度图像，对所述灰度图像进行Canny边缘特征提取；
S1-4：采用霍夫直线检测提取所述灰度图像内的直线同时根据欧氏距离来提取出该直线两端的坐标；
S1-5：将提取的代表托盘位姿的直线与作为参照正确摆放托盘的边缘直线进行斜率夹角计算，得到托盘边缘直线夹角；
S2：所述边缘服务器根据所述托盘边缘直线夹角，更新对应托盘在地图上的托盘位姿；
S3：无人叉车调度系统内的路径规划模块根据更新的所述托盘位姿进行无人叉车的路径规划，并将所述路径规划的路径发送给能够将托盘搬运至回收点的无人叉车的控制系统；
S4：所述无人叉车的控制系统控制对应的所述无人叉车执行所述路径规划的路径；
S5：所述无人叉车调度系统监控所述无人叉车的运行状态，待所述无人叉车将托盘放置到回收点后，获取回收点传回的托盘高度信号，根据所述托盘高度信号计算托盘层数；
S6：待所述无人叉车调度系统计算出托盘层数为预置层数时，所述无人叉车调度系统安排无人叉车将预置层数的托盘搬运至提升机处，所述提升机将预置层数的托盘通过运输带送入立体仓内进行存储，否则，返回步骤S1。
2.如权利要求1所述的一种基于无人叉车的托盘回收方法，其特征在于：步骤S1-1中所述训练集、所述验证集以及所述测试集按7：2：1的比例进行划分。
3.如权利要求1或2所述的一种基于无人叉车的托盘回收方法，其特征在于：所述训练集的批处理大小为32，动量系数为0.937，权重衰减系数为0.005，初始学习率为0.001，训练周期为400。
4.一种基于无人叉车的托盘回收系统，其特征在于：包括无人叉车调度系统、无人叉车、无人叉车的控制系统、托盘位姿检测装置、托盘层数检测装置、托盘提升机和仓库管理系统以及立体仓；
所述无人叉车调度系统用于与所述无人叉车通讯，同时进行所述无人叉车的路径规划，并将托盘的拾取任务分配给合适的所述无人叉车；
所述无人叉车的叉车臂能够前后伸缩和上下升降，用于完成托盘的搬运和堆叠；
所述无人叉车的控制系统用于控制所述无人叉车的运行；
所述托盘位姿检测装置用于进行托盘的位姿预测，所述托盘位姿检测装置包括网络相机和边缘服务器，所述边缘服务器分别与所述网络相机和所述无人叉车调度系统通讯连接，所述网络相机用于拍摄托盘的照片并上传至所述边缘服务器，所述边缘服务器包括YOLOv5目标检测模型以及托盘位姿估计算法，所述YOLOv5目标检测模型用于进行托盘的分类并且输出后续托盘位姿估计算法所需处理的图像，所述托盘位姿估计算法包括：Canny边缘检测；霍夫直线检测；输出结果处理三部分；
所述托盘层数检测装置用于采集托盘高度信号，并将所述托盘高度信号传输给所述无人叉车调度系统；
所述托盘提升机，用于将回收点收集好的预置层数托盘输送到所述立体仓内；
所述仓库管理系统用于进行所述立体仓内的托盘库位规划，将所述托盘提升机送入的托盘存储起来；
所述无人叉车调度系统分别与所述无人叉车的控制系统、所述托盘位姿检测装置和托盘层数检测装置通讯连接，所述托盘提升机与所述仓库管理系统通讯连接。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现如权利要求1-3任一所述的托盘回收方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410043948.9A CN117555308B (zh) | 2024-01-12 | 2024-01-12 | 一种基于无人叉车的托盘回收方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410043948.9A CN117555308B (zh) | 2024-01-12 | 2024-01-12 | 一种基于无人叉车的托盘回收方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117555308A CN117555308A (zh) | 2024-02-13 |
| CN117555308B true CN117555308B (zh) | 2024-04-26 |
Family
ID=89820862
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410043948.9A Active CN117555308B (zh) | 2024-01-12 | 2024-01-12 | 一种基于无人叉车的托盘回收方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117555308B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111496770A (zh) * | 2020-04-09 | 2020-08-07 | 上海电机学院 | 基于3d视觉与深度学习的智能搬运机械臂系统及使用方法 |
| AU2020102039A4 (en) * | 2020-08-28 | 2020-10-08 | Peng, Yue Miss | A high-precision multi-targets visual detection method in automatic driving scene |
| CN112678724A (zh) * | 2019-10-18 | 2021-04-20 | 北京极智嘉科技有限公司 | 一种智能叉车及其控制方法 |
| CN113050636A (zh) * | 2021-03-15 | 2021-06-29 | 广东省农业科学院 | 一种叉车自主拾取托盘的控制方法、系统及装置 |
| CN113537096A (zh) * | 2021-07-21 | 2021-10-22 | 常熟理工学院 | 基于ros的agv叉车库位托盘识别及辅助定位方法及系统 |
| CN113762427A (zh) * | 2021-11-10 | 2021-12-07 | 聚时科技(江苏)有限公司 | 一种工业自动化检测场景中的上料异常检测方法 |
| CN114299403A (zh) * | 2021-11-12 | 2022-04-08 | 国网浙江省电力有限公司龙游县供电公司 | 一种电塔插销检测方法 |
| CN115303776A (zh) * | 2022-08-17 | 2022-11-08 | 湖南伊鸿健康科技有限公司 | 托盘输送判定方法及系统、智能设备与托盘输送装置 |
| CN115546202A (zh) * | 2022-11-23 | 2022-12-30 | 青岛中德智能技术研究院 | 一种用于无人叉车的托盘检测与定位方法 |
| CN116993970A (zh) * | 2023-08-14 | 2023-11-03 | 中国石油大学(华东) | 基于yolov5的油气管道挖掘机占压检测方法及系统 |
-
2024
- 2024-01-12 CN CN202410043948.9A patent/CN117555308B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112678724A (zh) * | 2019-10-18 | 2021-04-20 | 北京极智嘉科技有限公司 | 一种智能叉车及其控制方法 |
| CN111496770A (zh) * | 2020-04-09 | 2020-08-07 | 上海电机学院 | 基于3d视觉与深度学习的智能搬运机械臂系统及使用方法 |
| AU2020102039A4 (en) * | 2020-08-28 | 2020-10-08 | Peng, Yue Miss | A high-precision multi-targets visual detection method in automatic driving scene |
| CN113050636A (zh) * | 2021-03-15 | 2021-06-29 | 广东省农业科学院 | 一种叉车自主拾取托盘的控制方法、系统及装置 |
| CN113537096A (zh) * | 2021-07-21 | 2021-10-22 | 常熟理工学院 | 基于ros的agv叉车库位托盘识别及辅助定位方法及系统 |
| CN113762427A (zh) * | 2021-11-10 | 2021-12-07 | 聚时科技(江苏)有限公司 | 一种工业自动化检测场景中的上料异常检测方法 |
| CN114299403A (zh) * | 2021-11-12 | 2022-04-08 | 国网浙江省电力有限公司龙游县供电公司 | 一种电塔插销检测方法 |
| CN115303776A (zh) * | 2022-08-17 | 2022-11-08 | 湖南伊鸿健康科技有限公司 | 托盘输送判定方法及系统、智能设备与托盘输送装置 |
| CN115546202A (zh) * | 2022-11-23 | 2022-12-30 | 青岛中德智能技术研究院 | 一种用于无人叉车的托盘检测与定位方法 |
| CN116993970A (zh) * | 2023-08-14 | 2023-11-03 | 中国石油大学(华东) | 基于yolov5的油气管道挖掘机占压检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117555308A (zh) | 2024-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110054121B (zh) | 一种智能叉车以及容器位姿偏移检测方法 | |
| US10810544B2 (en) | Distributed autonomous robot systems and methods | |
| CN111674817B (zh) | 仓储机器人的控制方法、装置、设备及可读存储介质 | |
| US12020184B2 (en) | Service detection and recommendation system | |
| CN110458256B (zh) | 一种基于rfid的货物管理方法、电子设备及系统 | |
| CN112767540A (zh) | 一种agv自动装车方法 | |
| JP6139375B2 (ja) | パレット管理システム、パレット管理装置およびフォークリフト | |
| CN112824990B (zh) | 一种货物信息的检测方法及其系统、机器人及处理终端 | |
| KR20230010246A (ko) | 카고 박스 추출 방법, 장치, 시스템, 로봇 및 저장 매체 | |
| CN115311441A (zh) | 自动仓储系统、货物盘点方法及服务器 | |
| CN216036651U (zh) | 物品搬运机器人 | |
| CN117555308B (zh) | 一种基于无人叉车的托盘回收方法、系统及存储介质 | |
| CN116341772A (zh) | 库位规划方法、装置、电子设备及存储介质 | |
| CN113978987B (zh) | 栈板物品打包提货方法、装置、设备及介质 | |
| KR101834336B1 (ko) | 자재적치장 영상모니터링을 통한 자재위치 인식시스템 및 지게차 | |
| JPWO2019003687A1 (ja) | 投影指示装置、荷物仕分けシステムおよび投影指示方法 | |
| US20220147747A1 (en) | Object Classification for Autonomous Navigation Systems | |
| CN114476483A (zh) | 机器人的控制方法、装置和设备 | |
| WO2024053150A1 (ja) | ピッキングシステム | |
| CN218601829U (zh) | 自动仓储系统 | |
| US20230236600A1 (en) | Operational State Detection for Obstacles in Mobile Robots | |
| CN219916366U (zh) | 库位物流的管理系统 | |
| US20240017976A1 (en) | Advanced material handling vehicle | |
| CN115830601A (zh) | 一种箱号识别方法和装置、集卡及其驱动控制方法和系统 | |
| CN118365670A (zh) | 一种基于图像处理的卷材防掉落控制方法及系统 |
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 |