[发明专利]基于RGB-D相机的栈板位姿计算方法

说明书

本发明提供了一种基于RGB‑D相机的栈板位姿计算方法，建立叉车坐标系和图像坐标系，获取叉车坐标系x轴和y轴在图像坐标系上的灭点，基于灭点和叉车车臂顶点获取的直线计算旋转矩阵，获取叉车坐标系的两个不同点以及图像坐标系对应的坐标，通过最小二乘、平移矩阵和旋转矩阵得到叉车坐标系到RGB‑D相机坐标系转换公式；建立点云坐标系，计算叉车坐标系相对于点云坐标系的姿态；利用三自由度ICP计算预测帧到当前帧的转移矩阵，计算当前帧点云相对于叉车坐标系的姿态；优化获取的姿态。本发明减少了计算规模并且全程在CPU上运行，无需对栈板进行任何改造，并且对栈板具有一定的包容性，使用RGB‑D相机对栈板截面进行识别，减少了生产成本。

技术领域

本发明涉及智能物流技术领域，特别是涉及一种基于RGB-D相机的栈板位姿计算。

背景技术

近年来，随着传统的物流行业的升级，自动化物流成为了现代物流技术的发展趋势，与传统的人工物流技术相比自动化物流能节省大量物力并且极大的提高运输效率。在货物运输装在中智能叉车占据极大比例，叉车除了需要具有定位导航功能外还需要具有识别放置货物的栈板，并且能成功对准栈板装载货物以实现货物叉取的能力，完成精准的货物搬运。

智能叉车对准栈板是成功取得货物的关键，但是目前在智能叉车栈板识别对准领域仍存在大量问题。目前有三种主流栈板识别定位的方法，一种方法是通过提前获取栈板的详细位置，利用激光定位实时获取AGV位置坐标，自动对准栈板进行叉取，但是栈板一旦倾斜则会对准失败；或者是利用水平安放的激光雷达对栈板截面进行识别，但是使用了价格昂贵的激光雷达，不利于降低生产成本。另一种是通过添加人工标签的方法比如二维码或者其他具有显著特征的标志，但是这种方法需要手动对每一个待识别的栈板进行改造，人工成本比较高，并且容易受到栈板自身的影响，在栈板标签处损坏，沾有污渍则难以识别和对准。还有一种则是通过单目或双目摄像头通过图像分割的方法进行栈板识别，但是该方法受到光照等环境因素的影响，并且分割识别的程序运行需要大量的计算，往往难以达到实时的效果。

与之相比，RGB-D相机是通过将一定结构的红外光线投射到物体上再通过专门的红外摄像头接收，相机根据发射和返回的红外光获取目标的三维信息。RGB-D相机能够实时获取目标的三维信息，相关技术中提出基于ToF成像系统，获取关于待识别的栈板的栈板点云数据；从所述栈板点云数据中分离出地面成分和物体成分；基于点云区域增长算法，从对应所述物体成分的点云数据中分割出栈板前端面；从预先建立的栈板数据库中获取所述点云特征对应的相邻点云特征，根据所述点云特征与所述相邻点云特征确定目标旋转矩阵与目标平移矩阵，对栈板具有一定的包容性，对于缺失或者沾有污渍等人为标签难以处理的问题也能得到形状点云，并且不需要人工对栈板进行改造降低人工生产成本，不需要使用价格昂贵的激光雷达降低了生产成本。

但上述基于区域增长的算法依赖于地面标定的结果，导致栈板识别率下降；基于模板库的方法存在栈板不适应问题。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于RGB-D相机的栈板位姿计算，解决现有的算法依赖于地面标定结果导致栈板识别率下降以及基于模板库的方法存在栈板不适应问题的技术缺陷。

为了达到上述目的，本发明所采用的具体技术方案如下：

一种基于RGB-D相机的栈板位姿计算方法，具体包括以下步骤：

(1)根据叉车叉臂建立叉车坐标系，RGB-D相机获取叉车图像并建立图像坐标系，获取叉车坐标系x轴和y轴在图像坐标系上的灭点，基于灭点和叉车车臂顶点获取的直线计算旋转矩阵，获取叉车坐标系的两个不同点以及图像坐标系对应的坐标，通过最小二乘、平移矩阵和旋转矩阵得到叉车坐标系到RGB-D相机坐标系转换公式；

(2)从深度图中获取点云信息并将其从相机坐标系转换至叉车坐标系，获取栈板截面点云并设为模板点云，建立点云坐标系，计算叉车坐标系相对于点云坐标系的姿态；