[发明专利]对吊具定位的方法、装置及系统

权利要求书

1.一种对吊具定位的方法，其特征在于，所述方法包括：

获取待测试点云数据，所述待测试点云数据为吊具在预定高度下被采集到的点云数据；

将所述待测试点云数据输入卷积神经网络得到对应预定高度的待测试点云数据的目标位置预测模型，所述卷积神经网络事先训练得到所述吊具在不同高度下被采集到的历史点云数据与位置预测模型的对应关系，其中，所述目标位置预测模型为基于所述待测试点云数据与被采集到的历史点云数据与位置预测模型的对应关系确定的；

依据所述目标位置预测模型对应的历史点云数据与所述待测试点云数据计算出当前吊具的偏移量。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

依据所述位置预测模型对应的历史点云数据、所述待测试点云数据以及所述偏移量按照最小二乘法计算得出差值；

若所述差值小于阈值，则确定所述偏移量无误。

3.如权利要求1或2所述的方法，其特征在于，所述方法还包括：

依据所述偏移量调整所述吊具的位置。

4.如权利要求1所述的方法，其特征在于，通过历史点云数据对卷积神经网络进行训练的方法为：

获取吊具处于不同高度下的历史点云数据；

对所述历史点云数据进行归一化处理；

将处理后的所述历史点云数据分别经由至少一层卷积层和池化层交替处理，并通过全连接层分类输出不同所述历史点云数据对应的位置预测模型，所述卷积层和池化层以及全连接层均分布于所述卷积神经网络中。

5.一种对吊具定位的装置，其特征在于，所述装置包括：

收发模块，用于获取待测试点云数据，所述待测试点云数据为吊具在预定高度下被采集到的点云数据；

处理模块，用于将所述待测试点云数据输入卷积神经网络得到对应预定高度的待测试点云数据的目标位置预测模型，所述卷积神经网络事先训练得到所述吊具在不同高度下被采集到的历史点云数据与位置预测模型的对应关系；依据所述目标位置预测模型对应的历史点云数据与所述待测试点云数据计算当前吊具的偏移量，其中，所述目标位置预测模型为基于所述待测试点云数据与被采集到的历史点云数据与位置预测模型的对应关系确定的。

6.如权利要求5所述的装置，其特征在于，所述处理模块还用于：

依据所述位置预测模型对应的历史点云数据、待测试点云数据以及偏移量按照最小二乘法计算得出差值；

若所述差值小于阈值，则确定所述偏移量无误。

7.如权利要求5或6所述的装置，其特征在于，所述处理模块还用于：

依据所述偏移量调整所述吊具的位置。

8.如权利要求5所述的装置，其特征在于，所述处理模块还用于：

获取吊具处于不同高度下的历史点云数据；

对所述历史点云数据进行归一化处理；

将处理后的所述历史点云数据分别经由至少一层卷积层和池化层交替处理，并通过全连接层分类输出不同所述历史点云数据对应的位置预测模型，所述卷积层和池化层以及全连接层均分布于所述卷积神经网络中。

9.一种对吊具定位的系统，其特征在于，所述系统包括可移动承载架、控制车以及吊具，所述控制车在所述可移动承载架上移动，所述控制车通过多根绳索连接所述吊具，以使所述吊具可相对于所述控制车上下移动，所述控制车朝向所述吊具一侧安装有至少一个激光扫描仪，

所述至少一个激光扫描仪用于在预定高度下对所述吊具采集多个待测试点云数据，并将所述待测试点云数据发送至控制车；

所述控制车用于将所述待测试点云数据输入卷积神经网络得到对应预定高度的待测试点云数据的目标位置预测模型，所述卷积神经网络事先训练得到所述吊具在不同高度下被采集到的历史点云数据与位置预测模型的对应关系；依据所述目标位置预测模型对应的历史点云数据与所述待测试点云数据计算出当前吊具的偏移量，并依据所述偏移量调整所述吊具的位置，其中，所述目标位置预测模型为基于所述待测试点云数据与被采集到的历史点云数据与位置预测模型的对应关系确定的。

10.如权利要求9所述的系统，其特征在于，所述控制车还用于依据所述位置预测模型对应的历史点云数据、待测试点云数据以及偏移量按照最小二乘法计算得出差值；若所述差值小于阈值，则确定所述偏移量无误。