DE202012004864U1 - Automatische Erkennung und Lokalisierung von Transportpaletten durch Datenfusion der Sensordaten eines Laserscanners und einer bildgebenden Kamera (Palettensensor) - Google Patents

Automatische Erkennung und Lokalisierung von Transportpaletten durch Datenfusion der Sensordaten eines Laserscanners und einer bildgebenden Kamera (Palettensensor) Download PDF

Info

Publication number
DE202012004864U1
DE202012004864U1 DE202012004864U DE202012004864U DE202012004864U1 DE 202012004864 U1 DE202012004864 U1 DE 202012004864U1 DE 202012004864 U DE202012004864 U DE 202012004864U DE 202012004864 U DE202012004864 U DE 202012004864U DE 202012004864 U1 DE202012004864 U1 DE 202012004864U1
Authority
DE
Germany
Prior art keywords
data
pallet
sensor
laser scanner
image
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.)
Expired - Lifetime
Application number
DE202012004864U
Other languages
English (en)
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
FUSIONSYSTEMS GmbH
Original Assignee
FUSIONSYSTEMS GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by FUSIONSYSTEMS GmbH filed Critical FUSIONSYSTEMS GmbH
Priority to DE202012004864U priority Critical patent/DE202012004864U1/de
Publication of DE202012004864U1 publication Critical patent/DE202012004864U1/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/25Fusion techniques
    • G06F18/254Fusion techniques of classification results, e.g. of results related to same input data
    • G06F18/256Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/243Classification techniques relating to the number of classes
    • G06F18/24323Tree-organised classifiers

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

Gerät zur automatischen sensorgestützten Erkennung und Lokalisierung von Transportpaletten durch Datenfusion von Sensordaten eines Laserscanners und einer bildgebenden Kamera dadurch gekennzeichnet, dass durch die Sensor-Daten-Fusion der geometrischen Konturmessdaten eines Laserscanners und der Bildinformationen einer Kamera (einem Flächensensor) sowohl die hochgenaue Positionserfassung als auch die sichere Erkennung von Transportpaletten erfolgt.

Description

  • Die Erfindung ist ein Palettensensor zur automatischen sensorgestützten Erkennung und Lokalisierung von Transportpaletten durch Datenfusion von Sensordaten eines Laserscanners und einer bildgebenden Kamera. Der Palettensensor ist modular aufgebaut und besteht aus einem Spezialkamerasystem, einem Laserscanner und einem Prozessormodul. Die Einsatzmöglichkeiten der Erfindung sind sehr vielfältig. Insbesondere ist die Verwendung in Zusammenhang mit entsprechender Fördertechnik möglich, die beispielsweise über Gabelzinken die Palette aufnehmen kann. Dabei ist die automatische Erkennung sowohl als Voraussetzung für das anschließende ebenfalls automatische Aufnehmen der Paletten mit der Fördertechnik als auch als Hilfsmittel für ein Unterstützungssystem für den Bediener der Fördertechnik möglich.
  • Der modulare Aufbau erlaubt für die Anbringung am Fahrzeug zwei Varianten, entweder wird das Spezialkamerasystem zusammen mit dem Laserscanner tief (ca. in Wadenhöhe) an einem Fahrzeug angebracht oder nur der Laserscanner wird in Wadenhöhe angebracht, das Spezialkamerasystem wird in ca. 1500 mm Höhe am Fahrzeug angebracht. Daraus ergeben sich zwei Arbeitsmodi des Sensors, die unten noch genauer beschrieben sind. Die Sensor-Daten-Verarbeitung findet in einem Prozessormodul statt, welches separat am Fahrzeug angebracht wird, günstigerweise in einem vorhandenen Schaltkasten.
  • Die Sensorfunktion beruht auf einem zweistufigen Konzept, welches zuerst aus dem Entfernungssignal des Laserscanners Hypothesen für die Existenz und die Position von Paletten liefert und diese Hypothesen dann der weiteren Überprüfung mit Hilfe von Bilddaten übergibt. Dafür wird die in der Hypothese angenommene Position einer Palette auf Basis der Kalibrierungsdaten der Kamera in das Kamerabild transformiert und dort in der lokalen Bildumgebung die Existenz der Hypothese überprüft. Beide Stufen verwenden ein mathematisches geometrisches Modell, welches die Abmaße und die 3D-Formmerkmale einer Palette (des jeweils zu erkennenden Palettentyps) repräsentiert.
  • Die Detektion der Palette in den Laserdaten in der ersten Stufe erfolgt durch Vergleich der geometrischen Muster im Laserscann mit dem im System hinterlegten Palettenmodell. Dabei werden vorrangig zwei Formmerkmale verwendet: die Durchgängigkeit der oberen Deckbretter der Palette (erkennbar durch zusammenhängende Linien im Laserscan) oder die mehrfach vorhandenen Klötzer der Zwischenschicht (kurze einzelne Stücke bilden ein regelmäßiges Muster im Laserscan). Der zu wählende Ansatz ist von der Scanhöhe des Laserscanners abhängig. Dementsprechend ist eine Linienerkennung bzw. ein Mustervergeich dieser Klötzerpositionen die Grundlage der Laserscannerverarbeitung.
  • In der zweiten Stufe dient das 3D-Palettenmodell dazu, die im Bild auswertbaren Merkmale der Palette zur Erhebung der Bildmerkmale zu verwenden und so einen Merkmalsvektor zu generieren, der zur Verifikation der Hypothese verwendet wird.
  • Je nach Lage der Palette sind entweder zwei Palettenseiten gut sichtbar und auch für die Erhebung von Merkmalen geeignet oder es ist nur eine Palettenseite frontal sichtbar – dann wird nur diese eine Seite für die Erhebung von Merkmalen verwendet. Für die Merkmalserhebung im Bild werden mehrere Ansätze miteinander kombiniert: Mit Hilfe des 3D-Palettenmodells wird ein zur erkannten Palettenlage passendes synthetisches Bild generiert und daraus ein Kantenbild erzeugt, welches als Vergleichsmuster zum selektierten Bildbereich (ebenfalls als Kantenbild repräsentiert) verwendet wird. Zur Durchführung des Mustervergleichs wird vorteilhaft die Methode des Chamfer-Matchings verwendet und auf diese Weise ein ganzheitlicher Gütewert für die Übereinstimmung von synthetischem Soll-Bild und aktuellem Ist-Bild abgeleitet. Zusätzlich wird von beiden gut sichtbaren, einer daraus ausgewählten oder der einen sichtbaren Palettenseite(n) die passende Größe des Seitenansichtbildes selektiert und entzerrt und so ein standardisiertes Frontansichtbild erzeugt.
  • Im Frontansichtbild wird eine systematische Grauwertbetrachtung mit Hilfe eines Grauwertprofils durchgeführt. Für jede Spalte eines Frontansichtbildes wird der Grauwert über die selektierten Zeilen gemittelt. Das Standardmuster des Grauwertprofils ist ein Stufenbild, welches 5 typische Bereiche aufweist, davon in der Regel 3 Klötze der Palette und 2 Freiraumbereiche. Die Profilerzeugung führt zu einer weiteren Merkmalsbetrachtung mit einem Merkmalssatz von Merkmalen wie dem Grauwert der Bereiche, dem Grauwertverhältnis der Klotzbereiche zu den Freiraumbereichen, der Symmetrie der Grauwerte der Segmente und ähnlichen. Über diesen Merkmalssatz wird ebenfalls die Güte der hypothetischen Frontansicht definiert. Abschließend werden die Bewertungen des Mustervergleichs und die Bewertungen des Merkmalssatzes der Profilbewertung zusammengeführt und mit einem Fusionsoperator (beispielweise mit UND-Charakteristik) zu einem gemeinsamen Bewertungswert zusammengeführt, dessen Vergleich mit einem Zielwert darüber entscheidet, ob die untersuchte Palettenhypothese tatsächlich zu einer Palette gehört oder nicht.
  • Die Durchführung der Bildverarbeitung wird durch Verwendung von Scheinwerfern begünstigt, die für eine Beleuchtung sorgen, die weniger stark vom Umgebungslicht abhängig ist. Dafür wird eine Beleuchtung im Infrarotbereich (NIR) und ein entsprechender Filter für die Kamera verwendet. Dadurch kann die Empfindlichkeit gegenüber Tageslicht oder anderen variierenden künstlichen Lichtquellen erheblich reduziert werden.
  • Agenda zu Abb. 1:
    • B – Beleuchter in Spezialkamerasystem
    • KOF – Kamera/Optik/Filter in Spezialkamerasystem
  • Agenda zu Abb. 2:
    • K1 – Kamera + Beleuchter Position K1
    • K2 – Kamera + Beleuchter Position K2
    • L1 – Laserscanner
    • L2 – Laserstrahl
    • T1 – Transportpalette
    • F1 – Fördertechnik (z. B. Gabelstapler)

Claims (10)

  1. Gerät zur automatischen sensorgestützten Erkennung und Lokalisierung von Transportpaletten durch Datenfusion von Sensordaten eines Laserscanners und einer bildgebenden Kamera dadurch gekennzeichnet, dass durch die Sensor-Daten-Fusion der geometrischen Konturmessdaten eines Laserscanners und der Bildinformationen einer Kamera (einem Flächensensor) sowohl die hochgenaue Positionserfassung als auch die sichere Erkennung von Transportpaletten erfolgt.
  2. Gerät nach Anspruch 1, dadurch gekennzeichnet, dass der Sensordatenverarbeitung der Laserdaten und der Bilddaten ein 3D-Formmodell zugrunde liegt, welches die Abmaße und Merkmale zur Detektion der Paletten in den Laserdaten und die Merkmale zur Durchführung der Bildverarbeitung zur Verfügung stellt.
  3. Gerät nach Anspruch 1, dadurch gekennzeichnet, dass für die Detektion der Paletten in den Laserdaten vorrangig zwei mögliche Ansätze unter Verwendung folgender Formmerkmale alternativ oder gleichzeitig verwendet werden: a. die Durchgängigkeit der oberen Deckbretter der Palette (erkennbar durch zusammenhängende Linien im Laserscan) oder b. die mehrfach vorhandenen Klötzer der Zwischenschicht (kurze einzelne Stücke bilden ein regelmäßiges Muster im Laserscan). Der zu wählende Ansatz ist von der Scanhöhe und dem horizontalen Sichtwinkel des Laserscanners abhängig und kann im online-Betrieb bei unebenem Boden in Abhängigkeit von der aktuellen Sichtbarkeit der Merkmale automatisch ausgewählt werden.
  4. Gerät nach Anspruch 1 und 3, dadurch gekennzeichnet, dass für die Laserscannerverarbeitung der Merkmale 3.a) ein Verfahren der Linienerkennung bzw. für die Verarbeitung der Merkmale 3.b) ein Verfahren zum Mustervergleich der Klötzerpositionen verwendet wird.
  5. Gerät nach Anspruch 1, dadurch gekennzeichnet, dass die aus der Laserscannerverarbeitung gewonnenen Detektionen von Palette als Hypothesen angesehen werden, deren angenommene Position und Lage auf Basis der Kalibrierungsdaten der Kamera in das Kamerabild transformiert werden und dort in der lokalen Bildumgebung die Existenz der Hypothesen überprüft wird.
  6. Gerät nach Anspruch 1, dadurch gekennzeichnet, dass für die Bildverarbeitung entweder die beiden gut sichtbaren Seiten der dem Sensorsystem zugewandten Seitenansichten der Palette verwendet werden, von diesen beiden eine ausgewählt wird oder nur die eine in Frontallage liegende Seitenansicht verwendet wird.
  7. Gerät nach Anspruch 1, dadurch gekennzeichnet, dass die Bildverarbeitung mehrere Verfahren zur Merkmalsberechnung und -überprüfung miteinander kombiniert und dabei mindestens einen oder beide der folgenden Verfahrensschritte umfasst: a. Aus dem 3D-Palettenmodell ein zur erkannten Palettenlage passendes synthetisches Bild generieren und daraus ein Kantenbild erzeugt, welches als Vergleichsmuster zum selektierten Bildbereich (ebenfalls als Kantenbild repräsentiert) verwendet wird. Der Gütewert ergibt sich aus der Güte eines Mustervergleichs der Kantenbilder (beispielsweise mit Chamfer-Matching). b. In den Seitenansichten (Frontansichtbilder) wird eine systematische Grauwertbetrachtung mit Hilfe eines Grauwertprofils durchgeführt. Das Grauwertprofil wird mit dem Musterprofil verglichen. Dafür wird ein Merkmalssatz generiert, der die Güte der Übereinstimmung von Grauwertprofil und Musterprofil fassbar macht.
  8. Gerät nach Anspruch 1, dadurch gekennzeichnet, dass für die Güteberechnung eine Zusammenfassung der einzelnen Ergebnisse nach 7.a) und 7.b) mit einer Fusionsvorschrift oder einem Fusionsoperator erfolgt (z. B. ein Operator aus der UND-Kategorie).
  9. Gerät nach Anspruch 1, dadurch gekennzeichnet, dass zur Stabilisierung der Erkennung als Beleuchter zusätzliche Scheinwerfer eingesetzt werden und diese im sichtbaren Wellenlängenbereich oder im nicht-sichtwaren Wellenlängenbereich (z. B. nahes Infrarot, NIR) leuchten und dafür ein dem Wellenlängenbereich angepasster Zusatzfilter für die Kamera eingesetzt wird, der mehrheitlich nur den gewünschten Wellenlängenbereich durchlässt.
  10. Gerät nach Anspruch 1, dadurch gekennzeichnet, dass der Laserscanner in Höhe der Transportpalette angebracht ist und dort parallel zur Bodenebene scannt und dass die Kamera und die Beleuchter entweder in der Nähe des Laserscanners angebracht sind und die Szene mit Palette nahezu waagerecht erfasst wird ( : K2) oder dass Kamera und die Beleuchter in erhöhter Position angebracht sind und dabei die Szene mit Palette schräg von oben erfasst wird ( : K1).
DE202012004864U 2012-05-16 2012-05-16 Automatische Erkennung und Lokalisierung von Transportpaletten durch Datenfusion der Sensordaten eines Laserscanners und einer bildgebenden Kamera (Palettensensor) Expired - Lifetime DE202012004864U1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE202012004864U DE202012004864U1 (de) 2012-05-16 2012-05-16 Automatische Erkennung und Lokalisierung von Transportpaletten durch Datenfusion der Sensordaten eines Laserscanners und einer bildgebenden Kamera (Palettensensor)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE202012004864U DE202012004864U1 (de) 2012-05-16 2012-05-16 Automatische Erkennung und Lokalisierung von Transportpaletten durch Datenfusion der Sensordaten eines Laserscanners und einer bildgebenden Kamera (Palettensensor)

Publications (1)

Publication Number Publication Date
DE202012004864U1 true DE202012004864U1 (de) 2012-12-10

Family

ID=47503410

Family Applications (1)

Application Number Title Priority Date Filing Date
DE202012004864U Expired - Lifetime DE202012004864U1 (de) 2012-05-16 2012-05-16 Automatische Erkennung und Lokalisierung von Transportpaletten durch Datenfusion der Sensordaten eines Laserscanners und einer bildgebenden Kamera (Palettensensor)

Country Status (1)

Country Link
DE (1) DE202012004864U1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9990535B2 (en) 2016-04-27 2018-06-05 Crown Equipment Corporation Pallet detection using units of physical length
DE102020211892A1 (de) 2020-09-23 2022-03-24 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zur Objekterkennung, Computerprogramm, Speichermedium, Objekterkennungseinrichtung und Überwachungsanordnung

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9990535B2 (en) 2016-04-27 2018-06-05 Crown Equipment Corporation Pallet detection using units of physical length
DE102020211892A1 (de) 2020-09-23 2022-03-24 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zur Objekterkennung, Computerprogramm, Speichermedium, Objekterkennungseinrichtung und Überwachungsanordnung
WO2022063654A1 (de) * 2020-09-23 2022-03-31 Robert Bosch Gmbh Verfahren zur objekterkennung, computerprogramm, speichermedium, objekterkennungseinrichtung und überwachungsanordnung

Similar Documents

Publication Publication Date Title
EP2643103B1 (de) Verfahren und einrichtung zur einzelkornsortierung von objekten aus schüttgütern
DE69826753T2 (de) Optischer Profilsensor
DE112010002174T5 (de) Verfahren und vorrichtung für ein praktisches 3d-sehsystem
DE112017005711T5 (de) Keramikkörper-Defektuntersuchungsvorrichtung und Defektuntersuchungsverfahren
DE102008016215A1 (de) Informationsvorrichtungsbediengerät
EP3312592B1 (de) Vorrichtung und verfahren zur detektion von luftblasen in einem mit flüssigkeit befüllten behälter
DE102017119528B4 (de) Bildgebungsmodul und -lesegerät zum Lesen eines Zieles über ein Sichtfeld durch Bilderfassung mit einer optisch markanten Anzeige einer Mittelzone des Sichtfeldes, und Verfahren dafür
EP1600764A1 (de) Verfahren und Vorrichtung zum Untersuchen lichtdurchlässiger Objekten
WO2019002114A1 (de) Vorrichtung und verfahren zum rundum-inspizieren von behältnissen am transportband
DE102008062995A1 (de) 3D-Kamera zur Raumüberwachung
DE102009030644B4 (de) Berührungslose Erfassungseinrichtung
EP1845336A1 (de) Verfahren zur optischen Erfassung von bewegten Objekten und Vorrichtung
DE102015212932A1 (de) Verfahren zum Steuern eines Roboters und/oder eines autonomen fahrerlosen Transportsystems
EP3316181A1 (de) Verfahren zum erkennen von objekten in einem lager und flurförderzeug mit einer einrichtung zum erkennen von objekten in einem lager
DE102017116758B4 (de) Verfahren und Vorrichtung zum Abtasten von Oberflächen mit einer Stereokamera
DE102014107143A1 (de) System und Verfahren zur effizienten Oberflächenmessung mithilfe eines Laserverschiebungssensors
DE102020120887B4 (de) Verfahren zum erfassen einer einhängeposition eines auflagestegs und flachbettwerkzeugmaschine
WO2020201217A1 (de) Verfahren und vorrichtung zur bestimmung von verformungen an einem objekt
WO2020043856A1 (de) Verfahren und vorrichtung zum überprüfen der einstellung von scheinwerfern von kraftfahrzeugen
DE112019002006T5 (de) Dekodieren eines bestimmten strichcodes im sichtfeld eines strichcodelesers
DE102014115650B4 (de) Inspektionssystem und Verfahren zur Fehleranalyse
DE202012004864U1 (de) Automatische Erkennung und Lokalisierung von Transportpaletten durch Datenfusion der Sensordaten eines Laserscanners und einer bildgebenden Kamera (Palettensensor)
EP2916258A1 (de) 2D-Barcode-Scanner
EP3770804A1 (de) Flurförderzeug mit einer objekterkennung
DE102004026090A1 (de) Messsystem zur dreidimensionalen Bilderfassung

Legal Events

Date Code Title Description
R207 Utility model specification

Effective date: 20130131

R163 Identified publications notified
R163 Identified publications notified

Effective date: 20141208

R150 Utility model maintained after payment of first maintenance fee after three years
R150 Utility model maintained after payment of first maintenance fee after three years

Effective date: 20150518

R151 Utility model maintained after payment of second maintenance fee after six years
R152 Utility model maintained after payment of third maintenance fee after eight years
R079 Amendment of ipc main class

Free format text: PREVIOUS MAIN CLASS: G06K0009460000

Ipc: G06V0030180000

R071 Expiry of right