[发明专利]一种基于深度相机的托盘识别方法

说明书

本发明公开了一种基于深度相机的托盘识别方法。为了克服现有技术不能对偏转角较大的托盘，进行有效识别；部署难度大，运算量大的问题；包括以下步骤：相机获取包含托盘的深度图与灰度图的图像帧数据流；设置扫描算子，对灰度图中的托盘进行轮廓扫描，并对托盘的轮廓线进行标记；归纳常见托盘形状与尺寸，以及实际使用中托盘与相机偏转角度，确认托盘判定依据；对已标记过轮廓线的灰度图进行图像扫描，寻找符合托盘轮廓的标记位置；对符合托盘轮廓的标记进行判断；计算托盘平面相对相机平面的偏转角度和托盘中心与相机中心X轴偏差值。能对偏转角较大的托盘进行有效识别；部署难度简单，运算量小。

技术领域

本发明涉及一种视觉识别领域，尤其涉及一种基于深度相机的托盘识别方法。

背景技术

智能定位和导航功能在智能仓储领域应用越来越广，使用3D深度相机安装于叉车识别定位目标托盘技术便是其中之一。

3D深度相机不仅可以生成二维图像，还附带图像的深度信息。在托盘识别方案中，可以通过灰度图或者深度图识别托盘，再通过深度信息，获取托盘的偏转角以及托盘与叉车的位置偏差值。根据托盘的偏转角和位置差值，叉车可以自主导航，准确插取托盘。

现有深度相机托盘识别方案，是根据标准托盘的三维信息生成点云模板，使用该点云模板与使用时采集到的深度点云数据进行匹配，来识别托盘是否存在。例如，一种在中国专利文献上公开的“一种面向无人叉车的托盘识别定位方法”，其公告号CN112017240A，包括如下步骤：S1，集成单目相机与单线激光雷达，对对其进行标定，得到相机的内参矩阵和外参矩阵；S2，选取并完成神经网络系统的训练及部署；S3，通过神经网络获取托盘识别框顶点的二维坐标和内参矩阵，得到托盘左右两侧与相机光心的连线，与相机光轴的夹角；S4，根据单线激光雷达测距信息和外参矩阵，将点云投影到相机坐标系下，根据夹角，对相机坐标系下的点云进行滤波，保留托盘对应的点云；S5，将托盘对应的点云，利用霍夫变换进行直线检测，拟合出托盘前表面及托盘前表面中心点的二维坐标及托盘前表面在相机坐标系中的倾角。

这种方案弊端是不能对偏转角较大的托盘，进行有效识别；其次，基于数据匹配，未设定数据权重，存在很多误识别和不识别的情况；最后模板识别方案，需要针对不同托盘设定模板，从而增加部署难度，模板匹配的运算量大，运算时间长，不利于叉车快速插取，降低货舱周转效率。

发明内容

本发明主要解决现有技术不能对偏转角较大的托盘，进行有效识别；部署难度大，运算量大的问题；提供一种基于深度相机的托盘识别方法，根据深度相机灰度图，深度信息和图像扫描算法，来识别托盘位置并计算托盘偏转角。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于深度相机的托盘识别方法，包括以下步骤：

S1：相机获取关于托盘的包含深度图与灰度图的图像帧数据流；

S2：设置扫描方式以及扫描算子像素大小，对灰度图中的托盘进行轮廓扫描，并对托盘的轮廓线进行标记；

S3：归纳常见托盘形状、尺寸以及实际使用中托盘与相机偏转角度，确定托盘判定依据；

S4：对已标记过轮廓线的灰度图进行图像扫描，寻找符合托盘轮廓的标记位置；

S5：对符合托盘轮廓的标记进行判断；

S6：计算托盘平面相对相机平面的偏转角度和托盘中心与相机中心X轴偏差值。

本方案通过扫描灰度图的亮度变化勾勒托盘的轮廓；根据托盘尺寸信息，深度信息与相机视场角的对应关系，采用轮廓跟踪和像素扫描方式计算托盘的长度高度，并计算托盘墩是否同一平面和尺寸，以及插孔尺寸，识别托盘。能对偏转角较大的托盘进行有效识别；部署简单，运算量小。