[发明专利]一种料笼识别方法、设备及计算机可读存储介质

说明书

本发明公开了一种料笼识别方法、设备及计算机可读存储介质，其中，该方法包括：在读取的激光雷达数据中根据所述激光雷达数据的点连续性和点线距离分别提取出第一点信息和第一线信息，并根据当前的料笼的目标物特征分别对所述第一点信息和所述第一线信息进行拟合，得到第二点信息和第二线信息；在通过角柱特征检测出所述料笼时根据所述第二点信息执行图优化拟合，得到第一最优料笼姿态，以及在通过直线特征检测出所述料笼时根据所述第二线信息执行融合，得到第二最优料笼姿态。本发明实现了一种高效、稳定的料笼识别方案，降低了资源消耗，提升了识别精度，增强了仓储物流的生产力。

技术领域

本发明涉及仓储物流技术领域，尤其涉及一种料笼识别方法、设备及计算机可读存储介质。

背景技术

在现有的仓储物流技术中，普遍采用RGB-D(深度相机)获取图像数据，并通过对图像数据做区域分割，生成料笼的包围盒，以此实现对料笼对象的检测。

但是，在应用RGB-D相机执行料笼识别时，存在数个缺陷：一是，采集的数据量较大，运算速度较慢；二是，图像数据本身的数据精度不够高；三是，RGB-D相机能够观测到的数据维度比较有限，多数情况仅是一个表面；四是，RGB-D相机本身具有较大的视野盲区和较小的视角，无法在近距离地对料笼进行检测。

因此，如何实现一种更为高效、精准以及稳定的料笼识别方案，成为目前亟待解决的技术问题。

发明内容

为了解决现有技术中的上述技术缺陷，本发明提出了一种料笼识别方法，该方法包括：

在读取的激光雷达数据中根据所述激光雷达数据的点连续性和点线距离分别提取出第一点信息和第一线信息，并根据当前的料笼的目标物特征分别对所述第一点信息和所述第一线信息进行拟合，得到第二点信息和第二线信息；

在通过角柱特征检测出所述料笼时根据所述第二点信息执行图优化拟合，得到第一最优料笼姿态，以及在通过直线特征检测出所述料笼时根据所述第二线信息执行融合，得到第二最优料笼姿态；

对所述第一最优料笼姿态和所述第二最优料笼姿态执行一致性整合、世界坐标系转换、检测时间排序以及均值滤波，得到所述激光雷达数据当前帧的检测结果；

将所述检测结果中返回的存在于预设历史簇的多个值作为所述当前帧的输出，以及将所述检测结果中返回的不存在于所述历史簇的多个值进行簇更新。

可选地，所述在读取的激光雷达数据中根据所述激光雷达数据的点连续性和点线距离分别提取出第一点信息和第一线信息，并根据当前的料笼的目标物特征分别对所述第一点信息和所述第一线信息进行拟合，得到第二点信息和第二线信息，之前包括：

水平设置至少一个单线雷达；

在所述单线雷达的雷达扫描面与所述料笼的承载面平行时通过正装或倒装的所述单线雷达获取所述激光雷达数据。

可选地，所述在读取的激光雷达数据中根据所述激光雷达数据的点连续性和点线距离分别提取出第一点信息和第一线信息，并根据当前的料笼的目标物特征分别对所述第一点信息和所述第一线信息进行拟合，得到第二点信息和第二线信息，包括：

将所述料笼的角柱的矩形特征作为所述目标物特征；

通过对所述矩形特征的面上的雷达点信息进行矩形拟合，得到所述第二点信息和所述第二线信息。

可选地，所述在通过角柱特征检测出所述料笼时根据所述第二点信息执行图优化拟合，得到第一最优料笼姿态，以及在通过直线特征检测出所述料笼时根据所述第二线信息执行融合，得到第二最优料笼姿态，包括：

在通过角柱特征检测出所述料笼时，获取料笼的尺寸信息和所述角柱的分布信息，以及根据所述矩形拟合得到所述角柱的推测坐标；