[发明专利]一种基于双目视觉的托盘位姿识别方法

说明书

本发明涉及一种基于双目视觉的托盘位姿识别方法，通过建立仓库中货物、托盘、地面、货架等常规物品的模型；根据图像噪声水平，采用不同的模型对获得图像的超像素进行分类，实现初步分类；根据分类结果，选择托盘区域，并对该区域四周超像素分类进行统计，符合仓库码放要求的区域，为托盘的概率大，基于根据概率、面积大小、形状，选出托盘候选区域；对托盘候选区域进行立体匹配，获得视差图；对视差图进行滤波、统计最后获得托盘位置及角度。本发明结合了仓储作业场景，联合上下文关系，具有识别准确、容错率高等特点。

技术领域

本发明涉及机器视觉识别的技术领域，尤其涉及到一种基于双目视觉的托盘位姿识别方法。

背景技术

随着工业4.0推进，智能仓储装备得到了极大的推广。智能仓储装备能够适应长时间作业，减少人工成本。减少极限条件下对人的伤害。

传统自动仓储对环境的结构化要求较高，拾取对象单一，生产线更改困难，不适用于柔性仓储需求。现代物流应更加灵活，减少布置和改变成本，适应多种工况，在半结构化环境中也应能正常工作。

托盘拾取过程是智能仓储中精度要求较高的环节之一，为提高智能仓储的灵活性，须建立起一套适应性强，能够在仓库多变的光线环境下也能正常工作的托盘位姿识别方法。

发明内容

本发明的目的在于克服现有技术的不足，提供一种适应性强，识别率高、容错率高、定位准确的基于双目视觉的托盘位姿识别方法。

为实现上述目的，本发明所提供的技术方案为：

主要通过建立仓库中货物、托盘、地面、货架等常规物品的模型；根据图像噪声水平，采用不同的模型对获得图像的超像素进行分类，实现初步分类；根据分类结果，选择托盘区域，并对该区域四周超像素分类进行统计，符合仓库码放要求的区域，为托盘的概率大，基于根据概率、面积大小、形状，选出托盘候选区域；对托盘候选区域进行立体匹配，获得视差图；对视差图进行滤波、统计最后获得托盘位置及角度。

具体步骤如下：

S1.通过双目摄像头获得图像；

S2.根据颜色、纹理信息，对图像进行超像素提取，并提取超像素特征；

S3.获取相机采样过程的信息，对图像的噪声质量进行评估，并根据图像噪声质量，选择分类模型，对超像素进行分类；

S4.对托盘分类对应的超像素进行连通合并，获得托盘候选位置；

S5.根据托盘、地面、货物、货架分类的位置关系，对托盘候选对象的概率进行计算；

S6.根据概率、面积大小、尺寸、对称性选择托盘对应像素；

S7.提取对应像素的视差图，并对视差图进行滤波，提取托盘相对位置和姿态；

S8.多帧位姿数据滤波，保证托盘位置提取正确，结合导航系统更新托盘位置相对于仓库坐标系的位置，提供给路径规划系统。

进一步地，所述步骤S3中，获取的相机采样过程的信息包括相机快门、相机图像增益、灰度平均值。

进一步地，所述步骤S3中，图像的噪声质量通过现场采样数据进行结果对比，将不同相机参数、图像统计信息与图像噪声水平进行回归分析获得。

进一步地，所述步骤S3中，所述分类模型为根据仓库现场采样，并根据相机采样过程的信息参数，通过最大期望算法，建立的不同图像参数下，托盘，地面、货物、货架的多维高斯模型和支持向量机模型。

基于有针对性的模型对超像素进行分类，提高稳定性和准确性；