[发明专利]智能堆垛机及托盘位置异常的识别方法、装置和设备

说明书

本发明公开了一种智能堆垛机及托盘位置异常的识别方法、装置和设备，方法包括以下步骤：采集托盘的点云数据；对点云数据进行处理，获取托盘位置；判定托盘是否出现异常，所述托盘出现异常的情况包括：托盘偏移、孔洞塌陷和横梁沉降。本发明利用3D视觉技术对将取的货物托盘进行位置和异常检测，避免了托盘发生偏移、坍塌等异常时堆垛机撞货的发生，增加了取货过程中的安全性。

技术领域

本发明涉及一种智能堆垛机及托盘位置异常的识别方法、装置和设备，属于仓储物流技术领域。

背景技术

目前主流的堆垛机定位技术，是通过编码器、激光测距等对堆垛机进行定位，将堆垛机移动到特定坐标位置的取货位，进行取货。

但是，堆垛机取货过程中，并无对托盘的检测，只是到达目标位置后直接伸叉取货。而托盘上货物质量、堆垛机摆放误差等因素，容易导致货架上的托盘出现偏移和形变、坍塌，堆垛机取货时进行“盲取”容易发生“撞货”的危险，这会对用户产生不可估计的损失。

为了避免这种撞货的风险，本发明研发了一种检测托盘位置的技术，以此来避免撞货的发生。

因此，需要一种在减低成本的基础上提高效率的检测托盘位置的方法。

发明内容

为了解决上述问题，本发明提出了一种智能堆垛机及托盘位置异常的识别方法、装置和设备，能够避免撞货的发生。

本发明解决其技术问题采取的技术方案是：

第一方面，本发明实施例提供的一种托盘位置异常的识别方法，包括以下步骤：

采集托盘的点云数据；

对点云数据进行处理；

利用3D点云边缘检测算法判定托盘状态，所述托盘状态包括：有无托盘、托盘偏移、孔洞塌陷、托盘滑块旋转、横梁沉降以及横梁倾斜。

作为本实施例一种可能的实现方式，所述对点云数据进行处理，包括：

依据标定数据矫正采集点云数据的倾斜；

将托盘前端点云转换为2D图像；

利用3D点云边缘检测算法对2D图像进行区域边缘检测，定位托盘的边界。

作为本实施例一种可能的实现方式，所述利用3D点云边缘检测算法判定托盘状态，包括：

在2D图像中利用区域边缘查找技术定位托盘边界，将结果数值与托盘原始模板的数据进行对比，获取两者的位置偏差，将位置偏差量大于设定阈值则判定托盘出现异常，否则为无异常。

作为本实施例一种可能的实现方式，

所述托盘偏移包括：托盘左偏移和托盘右偏移；

所述孔洞塌陷包括：左叉孔洞塌陷和右叉孔洞塌陷；

所述横梁沉降包括：左侧横梁沉降和右侧横梁沉降；

所述横梁倾斜包括：左侧横梁倾斜和右侧横梁倾斜。

第二方面，本发明实施例提供的一种检测托盘位置的装置，包括：

点云数据采集模块，用于采集托盘的点云数据；

点云数据处理模块，用于对点云数据进行处理；

托盘异常判定模块，用于利用3D点云边缘检测算法判定托盘状态，所述托盘状态包括：有无托盘、托盘偏移、孔洞塌陷、托盘滑块旋转、横梁沉降以及横梁倾斜。

作为本实施例一种可能的实现方式，所述点云数据处理模块包括：

点云数据矫正模块，用于依据标定数据矫正采集点云数据的倾斜；