CN117935132A - 一种利用激光雷达识别堆叠货物的数据处理系统 - Google Patents
一种利用激光雷达识别堆叠货物的数据处理系统 Download PDFInfo
- Publication number
- CN117935132A CN117935132A CN202410331193.2A CN202410331193A CN117935132A CN 117935132 A CN117935132 A CN 117935132A CN 202410331193 A CN202410331193 A CN 202410331193A CN 117935132 A CN117935132 A CN 117935132A
- Authority
- CN
- China
- Prior art keywords
- laser radar
- laser
- module
- radar
- abnormal
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 45
- 230000002159 abnormal effect Effects 0.000 claims abstract description 91
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000012423 maintenance Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000002618 waking effect Effects 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000036541 health Effects 0.000 claims description 2
- 238000005192 partition Methods 0.000 claims description 2
- 238000004140 cleaning Methods 0.000 claims 1
- 239000000284 extract Substances 0.000 claims 1
- 238000009792 diffusion process Methods 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种利用激光雷达识别堆叠货物的数据处理系统，涉及货物识别技术领域，状态分析模块在激光雷达识别堆叠货物过程中，获取激光雷达的机械数据以及光束数据，基于雷达状态模型分析机械数据以及光束数据后，判断运行中的激光雷达运行状态是否存在异常，调度模块将异常激光雷达关闭，并控制与关闭数量相等的激光雷达开启，在开启新的激光雷达后，依据状态分析模块的分析结果选择控制激光雷达关闭、开启或进行货物识别。该处理系统能够在激光雷达运行过程中，结合激光雷达的多源数据预测激光雷达是否存在异常，不仅能够有效提高对货物的识别准确度，而且还能避免异常的激光雷达继续使用导致故障扩散的问题发生，降低激光雷达的检修成本。
Description
技术领域
本发明涉及货物识别技术领域，具体涉及一种利用激光雷达识别堆叠货物的数据处理系统。
背景技术
在传统的货物管理系统中，特别是在仓储和物流环境中，对于堆叠货物的准确识别和定位一直是一个挑战，传统的视觉系统在这方面可能受到限制，因为堆叠的货物可能会遮挡彼此，导致难以准确识别和跟踪，激光雷达技术在这种情况下具有明显的优势，通常用于仓储、物流和制造等领域，以提高货物管理的效率和准确性。
现有技术存在以下不足：
激光雷达受多种因素联合影响导致识别精度下降时，由于现有的处理系统无法对激光雷达的此类异常进行有效监测和预警，从而在对堆叠货物识别过程中不能有效进行合理调度和管理，不仅会导致激光雷达识别堆叠货物的错误率增加，而且还容易导致异常扩散引起激光雷达的故障扩散，增加激光雷达的维修成本。
发明内容
本发明的目的是提供一种利用激光雷达识别堆叠货物的数据处理系统，以解决背景技术中不足。
为了实现上述目的，本发明提供如下技术方案：一种利用激光雷达识别堆叠货物的数据处理系统，包括定位模块、编号模块、区域判断模块、识别模块、状态分析模块、调度模块、预处理模块、点云处理模块、管理模块、排序模块；
定位模块：获取堆识别区域存在的激光雷达基本信息；
编号模块：获取激光雷达的基本信息后，通过编号工具对所有激光雷达进行编号；
区域判断模块：通过摄像头监测识别区域中是否存在堆叠货物，若识别区域存在堆叠货物，唤醒识别模块；
识别模块：控制至少一个激光雷达启动对堆叠货物进行识别；
状态分析模块：在激光雷达识别堆叠货物过程中，获取激光雷达的机械数据以及光束数据，基于雷达状态模型分析机械数据以及光束数据后，判断运行中的激光雷达运行状态是否存在异常；
调度模块：将异常激光雷达关闭，并控制与关闭数量相等的激光雷达开启，在开启新的激光雷达后，通过状态分析模块分析激光雷达是否存在异常，并依据分析结果选择控制激光雷达关闭、开启或进行货物识别；
预处理模块：用于对激光雷达识别的原始数据进行预处理；
点云处理模块：将识别数据中离散的激光测距数据转换为连续的点云，并通过分析点云中的特征获取每个货物的信息；
管理模块：在堆叠货物识别结束后，将异常的激光雷达基本信息发送至管理平台；
排序模块：在堆叠货物识别完成后，筛除异常的激光雷达，并结合运行状态分析结果以及使用结果，为剩余激光雷达的生成排序赋值并排序后建立排序表。
在一个优选的实施方式中，所述状态分析模块获取激光雷达的机械数据以及光束数据，机械数据包括电子元件实时电流电压偏差以及信噪比，光速数据包括光束角度偏差以及回波强度。
在一个优选的实施方式中，所述状态分析模块将电流电压偏差、信噪比、光束角度偏差以及回波强度代入雷达状态模型综合分析获取雷达赋值，函数表达式为：
式中，/>为雷达赋值，/>为信噪比，/>为电流电压偏差，/>为回波强度，/>为光束角度偏差，/>分别为信噪比、电流电压偏差、回波强度以及光束角度偏差的比例系数，且/>均大于0；
雷达赋值越大，表明激光雷达的状态越好，因此，将获取的雷达赋值与预设的异常阈值进行对比，异常阈值用于判断激光雷达是否存在异常；
若雷达赋值大于等于异常阈值，判断激光雷达不存在异常，若雷达赋值小于异常阈值，判断激光雷达存在异常。
在一个优选的实施方式中，所述排序模块生成排序表的逻辑为：
若激光雷达在上一识别作业中处于运行使用状态，使用指数，若激光雷达在上一识别作业中处于未运行使用状态，使用指数/>；
将使用指数与雷达赋值综合计算获取每台激光雷达的排序赋值，表达式为：，式中，/>为排序赋值，/>为使用指数，/>为雷达赋值；
获取所有激光雷达的排序赋值后，将所有激光雷达依据排序赋值由大到小依次排序，生成排序表信息发送至数据库存储。
在一个优选的实施方式中，所述信噪比的计算表达式为：，式中，为激光雷达接收信号的信号功率，/>为激光雷达接收信号的噪声功率；
所述电流电压偏差的计算表达式为：，式中，/>为激光雷达运行时的实际电压，/>为激光雷达运行的标准电压，/>为激光雷达运行时的实际电流，/>为激光雷达运行的标准电流；
所述回波强度的计算表达式为：，式中，/>为货物目标反射回的光的强度，/>为激光雷达发射的光的强度；
所述光束角度偏差的计算表达式为：，式中，/>为实际测得的激光束方向角度，/>为激光束预设方向角度。
在一个优选的实施方式中，所述预处理模块从识别模块接收激光雷达的原始数据，对原始数据进行噪声去除操作，应用滤波算法，包括平滑滤波或高斯滤波，消除数据中的异常点，使数据平滑和连续，进行激光雷达数据的校准，包括去除传感器安装时引入的误差，以及将激光雷达的坐标系与系统整体坐标系对齐，将经过去噪、滤波和校准的数据转换为点云处理的格式。
在一个优选的实施方式中，所述点云处理模块从预处理模块接收清理、校准和格式转换后的激光雷达数据，将激光雷达的离散测距数据进行插值转换为连续的点云，通过对点云进行聚类、分割操作，识别出每个独立的货物，根据点云中的密度和距离特征将点分组确定货物的位置，对每个聚类或分割出的点云进行形状分析确定货物的形状，包括识别货物的基本形状，从点云中提取货物的属性信息，将分析得到的聚类、形状和属性信息整合后输出至管理平台。
在一个优选的实施方式中，所述管理模块从调度模块接收有关异常激光雷达的基本信息，包括标识符、位置、状态，将异常激光雷达的基本信息发送至管理平台，管理平台通过通知系统或其他方式，将异常激光雷达的信息通知给检修人员，包括发送电子邮件、短信，在管理平台生成检修工单，包括异常激光雷达的信息、问题描述、位置，记录异常激光雷达的信息，建立历史记录和追踪设备的健康状态，检修人员完成激光雷达的检修后，管理平台更新相关的激光雷达状态信息，标记为已检修。
在一个优选的实施方式中，所述识别模块控制激光雷达启动时，若为第一次对区域中的堆叠货物进行识别，随机控制任意方位至少一个激光雷达启动对堆叠货物进行识别，若为第二次或第二次以上对区域中的堆叠货物进行识别，则依据历史排序表控制激光雷达启动对堆叠货物进行识别。
在一个优选的实施方式中，所述调度模块将运行状态存在异常的激光雷达关闭，并依据历史排序表控制与关闭数量相等的激光雷达开启，在开启新的激光雷达后，继续通过雷达状态模型分析是否存在异常，若仍存在异常，则继续关闭异常的激光雷达并开启相应数量的激光雷达，若不存在异常，则通过开启的激光雷达配合识别堆叠货物。
在上述技术方案中，本发明提供的技术效果和优点：
1、本发明通过状态分析模块在激光雷达识别堆叠货物过程中，获取激光雷达的机械数据以及光束数据，基于雷达状态模型分析机械数据以及光束数据后，判断运行中的激光雷达运行状态是否存在异常，调度模块将异常激光雷达关闭，并控制与关闭数量相等的激光雷达开启，在开启新的激光雷达后，通过状态分析模块分析激光雷达是否存在异常，并依据分析结果选择控制激光雷达关闭、开启或进行货物识别。该处理系统能够在激光雷达运行过程中，结合激光雷达的多源数据预测激光雷达是否存在异常，不仅能够有效提高对货物的识别准确度，而且还能避免异常的激光雷达继续使用导致故障扩散的问题发生，降低激光雷达的检修成本；
2、本发明通过管理模块在堆叠货物识别结束后，将异常的激光雷达基本信息发送至管理平台，排序模块在堆叠货物识别完成后，筛除异常的激光雷达，并结合运行状态分析结果以及使用结果，为剩余激光雷达的生成排序赋值并排序后建立排序表，不仅便于管理平台计时对异常的激光雷达进行检修管理，提高管理效率，而且还能在下次使用激光雷达时，优先选择未使用或状态佳的激光雷达使用，提高对货物的识别效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明的系统模块图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例：请参阅图1所示，本实施例所述一种利用激光雷达识别堆叠货物的数据处理系统，包括定位模块、编号模块、区域判断模块、识别模块、状态分析模块、调度模块、预处理模块、点云处理模块、管理模块、排序模块；
定位模块：通过激光雷达系统获取堆叠货物识别区域存在的激光雷达基本信息，基本信息包括激光雷达的数量以及各个激光雷达的方位，基本信息发送至编号模块、识别模块以及排序模块；
激光雷达系统获取基本信息：使用激光雷达系统对堆叠货物识别区域进行扫描，通过测量返回的激光束的反射，获取有关环境的基本信息。这可能包括货物的形状、位置、高度等。
获取激光雷达的基本信息：从激光雷达系统中提取基本信息，这些信息可能包括激光雷达的数量以及每个激光雷达的位置、方向、角度等参数。
发送至编号模块：将激光雷达获取的基本信息发送至编号模块，该模块可能负责为每个激光雷达分配唯一的标识符或编号，以便在后续的处理中能够区分它们。
发送至识别模块：将激光雷达获取的基本信息发送至识别模块，该模块可能负责处理激光雷达数据，识别堆叠货物的位置、形状等特征，以便进行后续的处理和操作。
发送至排序模块：将激光雷达获取的基本信息发送至排序模块，该模块可能根据激光雷达提供的数据进行货物的排序，确定它们的相对位置或优先级，以便更有效地处理这些货物。
编号模块：获取激光雷达的基本信息后，通过编号工具对所有激光雷达进行编号，编号信息发送至识别模块以及排序模块；
获取激光雷达的基本信息：此信息通常包括激光雷达的数量以及每个激光雷达的方位、位置、角度等基本参数。这些信息是通过激光雷达系统扫描和测量堆叠货物识别区域得到的。
编号工具：使用专门的编号工具，可能是软件或硬件系统，对所有激光雷达进行编号。编号的目的是为每个激光雷达分配一个唯一的标识符或编号，以便在系统中能够准确地识别和区分它们。
生成编号信息：编号工具生成激光雷达的编号信息，这些信息通常包括标识符、位置、方向等。生成的编号信息将被用于在后续的处理中标识和操作每个激光雷达。
发送至识别模块：将生成的编号信息发送至识别模块，以便与激光雷达获取的其他数据相结合。识别模块可以使用这些编号来关联特定的激光雷达与相应的货物或环境特征。
发送至排序模块：将生成的编号信息发送至排序模块，以帮助该模块确定货物的相对位置或优先级。编号信息可能包含的位置和方向等数据有助于在排序过程中有效地组织货物。
区域判断模块：通过摄像头监测识别区域中是否存在堆叠货物，若识别区域存在堆叠货物，唤醒识别模块；
摄像头监测：通过摄像头对指定的识别区域进行实时监测。这可能包括使用计算机视觉技术，如图像处理和物体识别，以检测区域中是否存在堆叠货物。
堆叠货物检测：在监测到的图像中，使用图像处理和物体识别算法来检测是否存在堆叠货物。这可以包括对货物的形状、颜色、大小等进行分析，以确定它们是否满足堆叠货物的定义。
判断识别区域状态：根据堆叠货物的检测结果，判断识别区域的状态。如果监测到堆叠货物，系统将判定识别区域存在货物，并触发后续的操作。
唤醒识别模块：如果判断识别区域存在堆叠货物，系统会触发唤醒识别模块的操作。这可能包括发送信号或命令给识别模块，以通知它有堆叠货物需要处理。
传递相关信息：区域判断模块可能会传递有关堆叠货物的基本信息，例如位置、数量等，给唤醒的识别模块，以便后续的处理。
识别模块：若为第一次对区域中的堆叠货物进行识别，随机控制任意方位至少一个激光雷达启动对堆叠货物进行识别，若为第二次或第二次以上对区域中的堆叠货物进行识别，则依据历史排序表控制激光雷达启动对堆叠货物进行识别；
若为第一次对区域中的堆叠货物进行识别，即激光雷达第一次投入使用，此时由于无历史识别结果，因此，识别模块随机控制任意方位至少一个激光雷达启动对堆叠货物进行识别；
若为第二次或第二次以上对区域中的堆叠货物进行识别，即存在历史识别结果，识别模块依据历史排序表中的正序排序选择控制激光雷达开启，例如，需要开启一台激光雷达时，控制历史排序表中排序第一的激光雷达开启，需要开启两台激光雷达时，控制历史排序表中排序第一第二的激光雷达开启，以此类推，激光雷达启动完成后，对区域内的堆叠货物进行识别；
需要注意的是，开启的激光雷达数量越多，多台激光雷达之间可以配合识别，有效提高对堆叠货物的识别准确度以及识别效率，但相对的会增加电能损耗，因此，激光雷达的开启数量由管理平台根据实际场景预先设定。
状态分析模块：在激光雷达识别堆叠货物过程中，获取激光雷达的机械数据以及光束数据，基于雷达状态模型分析机械数据以及光束数据后，判断运行中的激光雷达运行状态是否存在异常，判断结果发送至调度模块；
获取激光雷达的机械数据以及光束数据，机械数据包括电子元件实时电流电压偏差以及信噪比，光速数据包括光束角度偏差以及回波强度；
将电流电压偏差、信噪比、光束角度偏差以及回波强度代入雷达状态模型综合分析获取雷达赋值，函数表达式为：
式中，/>为雷达赋值，/>为信噪比，/>为电流电压偏差，/>为回波强度，/>为光束角度偏差，/>分别为信噪比、电流电压偏差、回波强度以及光束角度偏差的比例系数，且/>均大于0；
由雷达赋值的函数表达式可知，雷达赋值越大，表明激光雷达的状态越好，因此，将获取的雷达赋值与预设的异常阈值进行对比，异常阈值用于判断激光雷达是否存在异常；
若雷达赋值大于等于异常阈值，判断激光雷达不存在异常，若雷达赋值小于异常阈值，判断激光雷达存在异常。
信噪比的计算表达式为：，式中，/>为激光雷达接收信号的信号功率，/>为激光雷达接收信号的噪声功率；
信噪比越大，表明激光雷达的运行状态越好，具体如下：
高信噪比表示强信号与较弱噪声：高信噪比表示激光雷达接收到的信号相对于噪声来说更强。在激光雷达中，信号通常代表目标反射的激光束，而噪声可能来自环境光、电子元件的电子噪声等。因此，高信噪比意味着更容易区分目标信号并减少对噪声的影响。
增强目标检测和距离测量精度：高信噪比有助于提高激光雷达的目标检测性能，使其更容易从噪声中分离出目标信号。同时，对于测距应用，高信噪比还可以提高距离测量的精度，因为更清晰的信号使得目标的回波更容易被准确测量。
减小误报和漏报的概率：信噪比越大，误报和漏报的概率就越低。高信噪比意味着更可靠的信号，降低了错误地识别或忽略目标的风险。
适应复杂环境：在复杂环境中，可能存在各种干扰和噪声源。高信噪比使得激光雷达更具抗干扰能力，能够在复杂环境中准确地探测和测量目标。
电流电压偏差的计算表达式为：，式中，/>为激光雷达运行时的实际电压，/>为激光雷达运行的标准电压，/>为激光雷达运行时的实际电流，/>为激光雷达运行的标准电流；
电流电压偏差越大，表明激光雷达运行过程中的电流和电压越偏离标准电流和标准电压，容易出现以下问题：
性能降低：电流和电压偏离标准值可能影响激光雷达的性能。标准电流和电压通常是为了保证激光雷达正常工作所需的，偏离这些标准值可能导致输出功率的不稳定或目标检测性能下降。
能效降低：电流和电压的偏离可能导致激光雷达系统的能效降低。电流和电压的不正常变化可能导致能量浪费，从而增加系统的功耗。
寿命缩短：过大的电流和电压偏差可能加速激光雷达系统组件的老化，导致设备寿命缩短。这可能涉及到激光器、电子元件和其他关键部件。
系统不稳定：电流和电压的异常波动可能导致整个系统的不稳定性。这可能表现为系统频繁掉线、崩溃或重新启动。
安全问题：过大的电流和电压可能引发安全问题，例如电路过载、电源过热等，可能导致设备损坏，甚至引起火灾等危险情况。
回波强度的计算表达式为：，式中，/>为货物目标反射回的光的强度，为激光雷达发射的光的强度；
回波强度越大，表明激光雷达的运行状态越好，具体为：
目标检测性能：强回波通常表示目标物体对激光束的反射能力较好。在目标检测任务中，强回波使得目标更容易被激光雷达探测和辨识，提高了目标检测的可靠性。
远距离测量：强回波允许激光雷达在更远的距离上探测目标。对于远距离目标，激光光束在传播过程中可能会受到衰减，但强回波能够克服一些信号衰减，使得激光雷达在远距离上仍能获得清晰的目标反射信号。
减小环境噪声影响：强回波有助于减小环境噪声对激光雷达测量的影响。在复杂的环境中，可能存在各种干扰源，如其他光源、反射面等，强回波有助于激光雷达更好地区分目标信号和环境噪声。
测量精度提高：强回波通常使得激光雷达测量更加精确。激光雷达系统可以更准确地测量回波的时间和强度，从而提高测距和目标属性测量的精度。
光束角度偏差的计算表达式为：，式中，/>为实际测得的激光束方向角度，/>为激光束预设方向角度；
光束角度偏差越大，表明激光雷达实际使用中的激光束方向角度越偏离预设方向角度，说明激光雷达可能存在以下异常：
校准问题：激光雷达的校准是确保激光束方向准确的关键。如果激光束方向与预设方向存在偏离，可能是校准过程中的问题，例如校准误差、校准不准确等。
机械振动或损坏：如果激光雷达系统的机械结构受到振动或损坏，可能导致激光器或光学元件偏离预设方向。这可能发生在运输、安装或设备使用过程中。
环境影响：环境条件的变化，如温度变化、湿度、风等，可能对激光雷达系统产生影响。这些变化可能导致光学元件膨胀或收缩，进而影响激光束方向。
电子元件问题：电子元件的故障或不稳定性可能导致激光束方向异常。例如，激光雷达控制系统中的电子元件可能存在故障，导致激光发射方向的变化。
非均匀磨损：如果激光雷达中的某些机械部件或光学元件受到非均匀磨损，可能导致激光束方向的变化。
外部干扰：外部干扰源，如其他光源或电磁干扰，也可能影响激光雷达系统的正常运行，导致激光束方向异常。
调度模块：将运行状态存在异常的激光雷达关闭，并依据历史排序表控制与关闭数量相等的激光雷达开启，在开启新的激光雷达后，继续通过雷达状态模型分析是否存在异常，若仍存在异常，则继续关闭异常的激光雷达并开启相应数量的激光雷达，若不存在异常，则通过开启的激光雷达配合识别堆叠货物，识别结果发送至预处理模块，激光雷达运作状态判断结果发送至管理模块以及排序模块；
当通过雷达状态模型分析激光雷达存在异常时，调度模块将运行状态存在异常的激光雷达关闭，获取激光雷达的关闭数量后，从历史排序表中选择排序靠前且处于空闲状态的激光雷达开启，在开启新的激光雷达后，继续通过雷达状态模型分析是否存在异常，若仍存在异常，则继续关闭异常的激光雷达并开启相应数量的激光雷达，若不存在异常，则通过开启的激光雷达配合识别堆叠货物；
例如，最先启动了历史排序表中排序第一和第二的两台激光雷达，若两台激光雷达均异常，则同时关闭排序第一和第二的激光雷达，然后开启在历史排序表中排序第三和第四的两台激光雷达，以此类推。
预处理模块：对激光雷达识别的原始数据进行预处理，包括去除噪声、滤波、校准等操作，以确保后续处理的数据准确性和可靠性，预处理后的识别数据发送至点云处理模块；
接收激光雷达原始数据：从识别模块接收激光雷达的原始数据，这可能包括激光点云或其他形式的传感器数据。
去除噪声：对原始数据进行噪声去除操作，以过滤掉由于传感器误差、环境干扰或其他因素引入的不必要的干扰信号。
滤波处理：应用滤波算法，如平滑滤波或高斯滤波，以进一步消除数据中的异常点，使数据更加平滑和连续。
校准操作：进行激光雷达数据的校准，以确保激光雷达测量到的位置和方向信息是准确的。校准可以包括去除传感器安装时可能引入的误差，以及将激光雷达的坐标系与系统整体坐标系对齐。
数据格式转换：将经过去噪、滤波和校准的数据转换为适用于点云处理的格式，确保数据的一致性和标准化，以便于后续模块的处理。
发送至点云处理模块：将预处理后的激光雷达识别数据发送至点云处理模块。点云处理模块可能负责进一步的特征提取、物体分割、形状分析等任务，以获取更具信息量的数据。
点云处理模块：将识别数据中离散的激光测距数据转换为连续的点云，并通过分析点云中的聚类、形状等特征，确定每个货物的位置、形状和属性，并将识别结果输出至管理平台；
接收预处理后的激光雷达数据：从预处理模块接收清理、校准和格式转换后的激光雷达数据，这可能是点云或其他表示方式的数据。
激光测距数据转换为点云：将激光雷达的离散测距数据转换为连续的点云。这可能涉及到将离散的激光点数据进行插值或其他方法，以得到更加连续的点云表示。
点云分析：通过对点云进行聚类、分割等操作，识别出每个独立的货物。聚类可以根据点云中的密度和距离等特征将点分组，从而确定货物的位置。
形状分析：对每个聚类或分割出的点云进行形状分析，以确定货物的形状。这可能包括识别货物的基本形状，如矩形、圆形等，或者更复杂的形状描述。
属性提取：从点云中提取有关货物的属性信息，例如颜色、大小、质地等。这可以通过分析点云中的颜色信息或其他特征来实现。
确定货物位置和属性：将分析得到的聚类、形状和属性信息整合，确定每个货物的准确位置和相关属性。
输出至管理平台：将识别的货物位置、形状和属性等信息输出至管理平台，以便在整个系统中进行进一步的处理、监控和管理。
管理模块：在堆叠货物识别结束后，将异常的激光雷达基本信息发送至管理平台，管理平台通知检修人员对异常的激光雷达进行检修处理；
接收激光雷达异常信息：从调度模块接收有关异常激光雷达的基本信息，这可能包括标识符、位置、状态等。
发送异常信息至管理平台：将异常激光雷达的基本信息发送至管理平台，以便进一步处理和通知相关人员。
通知检修人员：管理平台通过通知系统或其他方式，将异常激光雷达的信息通知给检修人员。这可能包括发送电子邮件、短信或通过其他通信渠道实现。
生成检修工单：在管理平台生成检修工单，包括异常激光雷达的详细信息、问题描述、位置等。这有助于检修人员了解问题的具体情况。
记录异常激光雷达信息：在管理平台中记录异常激光雷达的信息，以建立历史记录和追踪设备的健康状态。
监控检修进度：管理平台可能提供监控检修进度的功能，以确保检修工作按时完成，并在需要时通知相关人员。
完成检修后更新状态：检修人员完成激光雷达的检修后，管理平台更新相关的激光雷达状态信息，标记为已检修，并可能记录检修的详细信息。
通知系统恢复正常：如果检修成功，管理平台通知系统激光雷达已经恢复正常运行状态，以便系统能够重新进行正常的运作。
排序模块：在堆叠货物识别完成后，筛除异常的激光雷达，并结合运行状态分析结果以及使用结果，为剩余激光雷达的生成排序赋值，将所有激光雷达依据排序赋值由大到小依次排序，生成排序表，排序表信息发送至数据库存储，激光雷达在排序表中的排序越靠前，在下次使用时越优先进行选择；
若识别区域中存在若干台激光雷达，为了避免历史未使用的激光雷达一直处于未使用状态，排序模块在堆叠货物识别完成后，筛除异常的激光雷达，并获取所有激光雷达的使用指数；
若激光雷达在上一识别作业中处于运行使用状态，使用指数，若激光雷达在上一识别作业中处于未运行使用状态，使用指数/>；
将使用指数与雷达赋值综合计算获取每台激光雷达的排序赋值，表达式为：，式中，/>为排序赋值，/>为使用指数，/>为雷达赋值；
获取所有激光雷达的排序赋值后，将所有激光雷达依据排序赋值由大到小依次排序，生成排序表信息发送至数据库存储。
本申请通过状态分析模块在激光雷达识别堆叠货物过程中，获取激光雷达的机械数据以及光束数据，基于雷达状态模型分析机械数据以及光束数据后，判断运行中的激光雷达运行状态是否存在异常，调度模块将异常激光雷达关闭，并控制与关闭数量相等的激光雷达开启，在开启新的激光雷达后，通过状态分析模块分析激光雷达是否存在异常，并依据分析结果选择控制激光雷达关闭、开启或进行货物识别。该处理系统能够在激光雷达运行过程中，结合激光雷达的多源数据预测激光雷达是否存在异常，不仅能够有效提高对货物的识别准确度，而且还能避免异常的激光雷达继续使用导致故障扩散的问题发生，降低激光雷达的检修成本。
本申请通过管理模块在堆叠货物识别结束后，将异常的激光雷达基本信息发送至管理平台，排序模块在堆叠货物识别完成后，筛除异常的激光雷达，并结合运行状态分析结果以及使用结果，为剩余激光雷达的生成排序赋值并排序后建立排序表，不仅便于管理平台计时对异常的激光雷达进行检修管理，提高管理效率，而且还能在下次使用激光雷达时，优先选择未使用或状态佳的激光雷达使用，提高对货物的识别效率。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A,B可以是单数或者复数。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系，但也可能表示的是一种“和/或”的关系，具体可参考前后文进行理解。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种利用激光雷达识别堆叠货物的数据处理系统，其特征在于：包括定位模块、编号模块、区域判断模块、识别模块、状态分析模块、调度模块、预处理模块、点云处理模块、管理模块、排序模块；
定位模块：获取堆识别区域存在的激光雷达基本信息；
编号模块：获取激光雷达的基本信息后，通过编号工具对所有激光雷达进行编号；
区域判断模块：通过摄像头监测识别区域中是否存在堆叠货物，若识别区域存在堆叠货物，唤醒识别模块；
识别模块：控制至少一个激光雷达启动对堆叠货物进行识别；
状态分析模块：在激光雷达识别堆叠货物过程中，获取激光雷达的机械数据以及光束数据，基于雷达状态模型分析机械数据以及光束数据后，判断运行中的激光雷达运行状态是否存在异常；
调度模块：将异常激光雷达关闭，并控制与关闭数量相等的激光雷达开启，在开启新的激光雷达后，通过状态分析模块分析激光雷达是否存在异常，并依据分析结果选择控制激光雷达关闭、开启或进行货物识别；
预处理模块：用于对激光雷达识别的原始数据进行预处理；
点云处理模块：将识别数据中离散的激光测距数据转换为连续的点云，并通过分析点云中的特征获取每个货物的信息；
管理模块：在堆叠货物识别结束后，将异常的激光雷达基本信息发送至管理平台；
排序模块：在堆叠货物识别完成后，筛除异常的激光雷达，并结合运行状态分析结果以及使用结果，为剩余激光雷达的生成排序赋值并排序后建立排序表。
2.根据权利要求1所述的一种利用激光雷达识别堆叠货物的数据处理系统，其特征在于：所述状态分析模块获取激光雷达的机械数据以及光束数据，机械数据包括电子元件实时电流电压偏差以及信噪比，光速数据包括光束角度偏差以及回波强度。
3.根据权利要求2所述的一种利用激光雷达识别堆叠货物的数据处理系统，其特征在于：所述状态分析模块将电流电压偏差、信噪比、光束角度偏差以及回波强度代入雷达状态模型综合分析获取雷达赋值，函数表达式为：
，式中，/>为雷达赋值，/>为信噪比，/>为电流电压偏差，/>为回波强度，/>为光束角度偏差，/>分别为信噪比、电流电压偏差、回波强度以及光束角度偏差的比例系数，且/>均大于0；
雷达赋值越大，表明激光雷达的状态越好，因此，将获取的雷达赋值与预设的异常阈值进行对比，异常阈值用于判断激光雷达是否存在异常；
若雷达赋值大于等于异常阈值，判断激光雷达不存在异常，若雷达赋值小于异常阈值，判断激光雷达存在异常。
4.根据权利要求3所述的一种利用激光雷达识别堆叠货物的数据处理系统，其特征在于：所述排序模块生成排序表的逻辑为：
若激光雷达在上一识别作业中处于运行使用状态，使用指数，若激光雷达在上一识别作业中处于未运行使用状态，使用指数/>；
将使用指数与雷达赋值综合计算获取每台激光雷达的排序赋值，表达式为：，式中，/>为排序赋值，/>为使用指数，/>为雷达赋值；
获取所有激光雷达的排序赋值后，将所有激光雷达依据排序赋值由大到小依次排序，生成排序表信息发送至数据库存储。
5.根据权利要求4所述的一种利用激光雷达识别堆叠货物的数据处理系统，其特征在于：所述信噪比的计算表达式为：，式中，/>为激光雷达接收信号的信号功率，/>为激光雷达接收信号的噪声功率；
所述电流电压偏差的计算表达式为：，式中，/>为激光雷达运行时的实际电压，/>为激光雷达运行的标准电压，/>为激光雷达运行时的实际电流，/>为激光雷达运行的标准电流；
所述回波强度的计算表达式为：，式中，/>为货物目标反射回的光的强度，/>为激光雷达发射的光的强度；
所述光束角度偏差的计算表达式为：，式中，/>为实际测得的激光束方向角度，/>为激光束预设方向角度。
6.根据权利要求5所述的一种利用激光雷达识别堆叠货物的数据处理系统，其特征在于：所述预处理模块从识别模块接收激光雷达的原始数据，对原始数据进行噪声去除操作，应用滤波算法，包括平滑滤波或高斯滤波，消除数据中的异常点，使数据平滑和连续，进行激光雷达数据的校准，包括去除传感器安装时引入的误差，以及将激光雷达的坐标系与系统整体坐标系对齐，将经过去噪、滤波和校准的数据转换为点云处理的格式。
7.根据权利要求6所述的一种利用激光雷达识别堆叠货物的数据处理系统，其特征在于：所述点云处理模块从预处理模块接收清理、校准和格式转换后的激光雷达数据，将激光雷达的离散测距数据进行插值转换为连续的点云，通过对点云进行聚类、分割操作，识别出每个独立的货物，根据点云中的密度和距离特征将点分组确定货物的位置，对每个聚类或分割出的点云进行形状分析确定货物的形状，包括识别货物的基本形状，从点云中提取货物的属性信息，将分析得到的聚类、形状和属性信息整合后输出至管理平台。
8.根据权利要求7所述的一种利用激光雷达识别堆叠货物的数据处理系统，其特征在于：所述管理模块从调度模块接收有关异常激光雷达的基本信息，包括标识符、位置、状态，将异常激光雷达的基本信息发送至管理平台，管理平台通过通知系统或其他方式，将异常激光雷达的信息通知给检修人员，包括发送电子邮件、短信，在管理平台生成检修工单，包括异常激光雷达的信息、问题描述、位置，记录异常激光雷达的信息，建立历史记录和追踪设备的健康状态，检修人员完成激光雷达的检修后，管理平台更新相关的激光雷达状态信息，标记为已检修。
9.根据权利要求8所述的一种利用激光雷达识别堆叠货物的数据处理系统，其特征在于：所述识别模块控制激光雷达启动时，若为第一次对区域中的堆叠货物进行识别，随机控制任意方位至少一个激光雷达启动对堆叠货物进行识别，若为第二次或第二次以上对区域中的堆叠货物进行识别，则依据历史排序表控制激光雷达启动对堆叠货物进行识别。
10.根据权利要求9所述的一种利用激光雷达识别堆叠货物的数据处理系统，其特征在于：所述调度模块将运行状态存在异常的激光雷达关闭，并依据历史排序表控制与关闭数量相等的激光雷达开启，在开启新的激光雷达后，继续通过雷达状态模型分析是否存在异常，若仍存在异常，则继续关闭异常的激光雷达并开启相应数量的激光雷达，若不存在异常，则通过开启的激光雷达配合识别堆叠货物。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410331193.2A CN117935132B (zh) | 2024-03-22 | 2024-03-22 | 一种利用激光雷达识别堆叠货物的数据处理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410331193.2A CN117935132B (zh) | 2024-03-22 | 2024-03-22 | 一种利用激光雷达识别堆叠货物的数据处理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117935132A true CN117935132A (zh) | 2024-04-26 |
| CN117935132B CN117935132B (zh) | 2024-06-04 |
Family
ID=90757795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410331193.2A Active CN117935132B (zh) | 2024-03-22 | 2024-03-22 | 一种利用激光雷达识别堆叠货物的数据处理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117935132B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021088313A1 (zh) * | 2019-11-07 | 2021-05-14 | 上海禾赛光电科技有限公司 | 激光雷达的状态检测装置、激光雷达以及状态检测方法 |
| CN114397638A (zh) * | 2022-01-22 | 2022-04-26 | 深圳市神州云海智能科技有限公司 | 一种激光雷达数据中动态数据的过滤方法及系统 |
| WO2023236872A1 (zh) * | 2022-06-09 | 2023-12-14 | 劢微机器人(深圳)有限公司 | 基于雷达和相机融合的卸货方法、检测装置及存储介质 |
| CN117492026A (zh) * | 2023-12-29 | 2024-02-02 | 天津华铁科为科技有限公司 | 结合激光雷达扫描的铁路货车装载状态检测方法及系统 |
-
2024
- 2024-03-22 CN CN202410331193.2A patent/CN117935132B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021088313A1 (zh) * | 2019-11-07 | 2021-05-14 | 上海禾赛光电科技有限公司 | 激光雷达的状态检测装置、激光雷达以及状态检测方法 |
| CN114397638A (zh) * | 2022-01-22 | 2022-04-26 | 深圳市神州云海智能科技有限公司 | 一种激光雷达数据中动态数据的过滤方法及系统 |
| WO2023236872A1 (zh) * | 2022-06-09 | 2023-12-14 | 劢微机器人(深圳)有限公司 | 基于雷达和相机融合的卸货方法、检测装置及存储介质 |
| CN117492026A (zh) * | 2023-12-29 | 2024-02-02 | 天津华铁科为科技有限公司 | 结合激光雷达扫描的铁路货车装载状态检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117935132B (zh) | 2024-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110709688B (zh) | 用于预测在装配单元中的缺陷的方法 | |
| KR20220042916A (ko) | 제품 결함 이미지 원격 학습을 통한 비전 검사 시스템 | |
| CN110209552B (zh) | 一种设备管理方法和装置 | |
| KR102306269B1 (ko) | 실시간 아크 용접 결함 탐지/분류 방법 및 장치 | |
| CN112115927A (zh) | 一种基于深度学习的机房设备智能识别方法及系统 | |
| CN113009507A (zh) | 一种基于激光雷达的分布式机场跑道fod监测系统及方法 | |
| CN110880067A (zh) | 智能制造实验室管理系统 | |
| CN117828309B (zh) | 一种多源数据融合测距的变电站安全预警方法 | |
| CN117935132B (zh) | 一种利用激光雷达识别堆叠货物的数据处理系统 | |
| CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控系统和方法 | |
| KR101770742B1 (ko) | 클러터를 억제하는 표적 탐지 장치 및 그 방법 | |
| CN110217244B (zh) | 屏蔽门的控制方法、控制装置及雷达 | |
| CN114219400B (zh) | 一种智能工厂的物料监管系统及方法 | |
| CN110544057A (zh) | 一种小区域自动校验的资产盘点方法 | |
| CN115187880A (zh) | 基于图像识别的通信光缆缺陷检测方法、系统及存储介质 | |
| US11520325B2 (en) | Method for predicting an operating anomaly of one or several equipment items of an assembly | |
| CN113487298A (zh) | 用于码头的自动化远程理货管控方法、系统及终端 | |
| CN113420646A (zh) | 一种基于深度学习的锁站连接锁检测系统及方法 | |
| JP4235074B2 (ja) | 良否判定装置、良否判定プログラム及び良否判定方法 | |
| CN118658109B (zh) | 基于风险感知的临界安全场景风险评估方法及系统 | |
| CN113984128B (zh) | 利用物联网智能感知技术运检配电设备的监测系统 | |
| CN118608085A (zh) | 一种多模态智慧园区管理系统及方法 | |
| CN115937770A (zh) | 一种户外场景下垃圾倾倒行为检测算法 | |
| CN118658109A (zh) | 基于风险感知的临界安全场景风险评估方法及系统 | |
| CN118505613A (zh) | 基于3d激光点云的集装箱空箱夹层判断方法与系统 |
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 |