[发明专利]一种基于RGB-D的托盘位姿估计方法、系统及装置

说明书

本发明公开了一种基于RGB‑D的托盘位姿估计方法、系统及装置，该方法包括：基于RGB‑D传感器采集图像计算压缩网格尺寸；对图像的像素进行分类，获得类别矩阵；基于压缩网格尺寸进行压缩和模板匹配处理，得到匹配度；判断到匹配度大于预设阈值，得到托盘感兴趣区域；基于托盘感兴趣区域提取托盘支架坐标，并计算得到托盘位姿参数。该系统包括：图像采集模块、分类模块、匹配模块、判断模块和托盘位姿估计模块。该装置包括存储器以及用于执行上述基于RGB‑D的托盘位姿估计方法的处理器。通过使用本发明，保证在复杂环境下托盘识别，并计算出托盘位姿参数。本发明作为一种基于RGB‑D的托盘位姿估计方法、系统及装置，可广泛应用于图像识别托盘领域。

技术领域

本发明涉及图像识别托盘领域，尤其涉及一种基于RGB-D的托盘位姿估计方法、系统及装置。

背景技术

随着计算机与机器人技术的快速发展，智能叉车在物流行业中的广泛应用，标志着仓储物流向着自动化和智能化发展。但在非结构化仓库的复杂环境中，受到作业流程、设备精度、人工作业等因素影响，托盘码放的位置和姿态存在着较大的不确定性。不准确的目标位置和姿态信息，对智能叉车的托盘柔性拾取能力提出较高的技术要求，在图像识别托盘的方面，研究者们多将问题集中在单一托盘识别问题上，缺少对托盘与环境的空间关系的考虑，并对多托盘识别问题研究较少。

发明内容

为了解决上述技术问题，本发明的目的是提供一种基于RGB-D的托盘位姿估计方法、系统及装置，保证在复杂环境下托盘识别，并计算出托盘位姿参数。

本发明所采用的第一技术方案是：一种基于RGB-D的托盘位姿估计方法，包括以下步骤：

S1、基于RGB-D传感器采集图像并在判断到托盘距离在可探测范围内，计算压缩网格尺寸；

S2、对图像的像素进行分类，获得类别矩阵；

S3、基于压缩网格尺寸对类别矩阵和预构建的模板进行压缩和模板匹配处理，得到匹配度；

S4、判断到匹配度大于预设阈值，得到托盘感兴趣区域；

S5、基于托盘感兴趣区域提取托盘支架坐标，并计算得到托盘位姿参数。

进一步，还包括：

获取多帧图像并分别计算多帧图像的托盘位姿参数，基于滑动均值窗口对多帧图像的托盘位姿参数进行滤波，得到精确的托盘位姿参数。

进一步，所述基于RGB-D传感器采集图像并在判断到托盘距离在可探测范围内，计算压缩网格尺寸这一步骤，其具体包括：

基于RGB-D传感器采集图像并根据图像得到托盘距离和托盘尺寸；

判断到托盘距离在可探测范围内，基于托盘距离、托盘尺寸和预设的小孔成像模型，计算压缩网格尺寸。

进一步，所述对图像的像素进行分类，获得类别矩阵这一步骤，其具体包括：

基于分类器对图像中的每个像素进行分类，得到每个像素的类别信息；

基于每个像素的类别信息建立类别矩阵。

进一步，所述预构建的模板的构建步骤具体包括：

根据仓库码放要求和托盘形状尺寸，建立类别模板；

所述类别模板包括托盘信息、货物信息和地面信息和托盘孔信息。

进一步，所述基于压缩网格尺寸对类别矩阵和预构建的模板进行压缩和模板匹配处理，得到匹配度这一步骤，其具体包括：

基于压缩网格尺寸对类别矩阵和预构建的类别模板进行压缩，得到压缩后的类别矩阵和压缩后的类别模板；

通过滑动窗口方法确定托盘的准确位置；