无人天车钢卷抓取的自动识别定位方法与流程

本发明涉及一种钢卷识别定位方法，特别是一种无人天车钢卷抓取的自动识别定位方法，属于物料搬运定位技术领域。

背景技术：

钢卷成品库在搬运钢卷时，操作工人借助车间框架车完成；而钢卷的抓取，则是由起重机上安装的吊具或机械手臂来完成，吊具抓取物品是一个复杂的过程，在抓取钢卷的过程中，最关键的技术就是控制吊具精确地定位到钢卷的位置，完成抓取动作。目前世界上已投入使用的钢卷抓取系统，在工作方式上，一般都需要一个经验丰富的操作员，对机械手吊具进行远程手动控制，达到机械手或吊具精确定位的目的。对操作员的要求非常高，否则很难达到很高的精度，常因为操作员的定位不准而使吊具与钢卷发生碰撞造成损伤。起重机启停与搬运线路的人工控制，会带有一定的随意与盲目性，使起重机运行效率不高，导致设备的能源浪费，增加了搬运成本。天车系统也被称为自动物料搬送系统，现在在许多钢卷成品库都采用了无人自动天车系统，相比与人工操作夹取钢卷，无人天车系统确实提高了效率节省了人工。但是现在的天车系统存在一个问题，虽然现有天车系统定位已经比较精准，但是并不能保证钢卷精准定位，难免会出现钢卷抓取不完全的现象。

技术实现要素：

针对上述现有技术缺陷，本发明的任务在于提供一种无人天车钢卷抓取的自动识别定位方法，解决无人天车在钢卷搬运时难以准确定位钢卷而造成抓取不完全的问题。

本发明的技术方案如下：一种无人天车钢卷抓取的自动识别定位方法，包括将承载有钢卷的框架车的位置固定；由激光扫描仪获取承载有钢卷的框架车的场景点云数据；从所述场景点云数据中分离钢卷数据，将钢卷视作圆柱体进行参数拟合获得钢卷物理坐标；将所述钢卷物理坐标发送给无人天车，所述无人天车根据钢卷物理坐标对钢卷进行抓取。

进一步的，所述由激光扫描仪获取承载有钢卷的框架车的场景点云数据是根据激光扫描仪所在位置建立承载有钢卷的框架车的场景的笛卡尔右手坐标系，由激光扫描仪扫描所述场景并解析每个点的坐标。

进一步的，所述每个点的坐标由如公式确定，其中xy构成水平面，z为垂直向下方向，d为每条激光束的测距，α为相邻两条激光束之间的夹角，β为每个激光扫描平面与水平面的夹角。

优选的，所述激光扫描仪安装于xy平面转动的二维云台，所述二维云台设置角度编码器获取激光扫描平面与水平面的夹角。

进一步的，所述从场景点云数据中分离钢卷数据是对场景点云数据使用体素化滤波器降采样压缩，然后高斯滤波减少点云数据噪声，再基于passthrough滤波将框架车和钢卷与其他无效的点云分离；根据点云数据在深度方向的分布特性，利用Dolph–Chebyshev窗口和高斯核来估计深度密度分布，去除框架车点云数据，最后均值漂移算法分割聚类钢卷获得钢卷数据。

优选的，所述均值漂移算法分割聚类钢卷采用公式其中n为点云数量，K(·)为Epanechnikov核函数，p_i＝(x_i,y_i,z_i)代表每个点云，c_j为每个密度中心。

进一步的，所述无人天车设有吊具夹钩，所述夹钩上安装压力传感器，通过所述压力传感器获得的压力数据判断钢卷是否被夹紧。

本发明与现有技术相比的优点在于：本发明有效地提高了钢卷识别与定位的准确率，防止了因定位不准确而产生的安全隐患，并提高了生产效率。

附图说明

图1为无人天车钢卷抓取系统结构示意图。

图2为激光扫描仪、无人天车和承载有钢卷的框架车的相对位置示意图。

具体实施方式

下面结合实施例对本发明作进一步说明，但不作为对本发明的限定。

请结合图1和图2所示，无人天车钢卷抓取系统采用了激光测距三维重构识别和自动控制技术，包含无人天车本体及吊具夹钩系统4，激光测距三维重构模块，数据库通信模块，主要流程是激光测距三维重构模块获取框架车1所载钢卷2所在的空间位置，通过数据库通信将位置信息发送给无人天车本体及吊具夹钩系统4执行钢卷抓取任务，核心是激光测距三维重构模块确定钢卷位置信息。

其中激光测距三维重构模块包含激光点云获取和处理模块，二维伺服云台，数据存储和传输模块。激光点云获取和处理模块采用LMS511激光扫描仪3实现激光的数据获取和处理，二维伺服云台固定安装在仓库顶端进行水平面转动，主要承载激光扫描仪3进行三维扫描，减少激光数据误差。二维伺服云台装有角度编码器，确定激光扫描时的角度；数据存储和传输模块负责向数据库传输数据和存储数据，数据库选用MySQL。

无人天车本体及吊具夹钩系统4包含控制模块和若干执行装置，接收数据库通信模块的钢卷的物理坐标信息，吊具夹钩执行夹取动作，夹钩上安装压力传感器判断钢卷是否夹紧。

采用无人天车钢卷抓取系统进行钢卷抓取的自动识别定位方法是这样的：

1、启动激光扫描：建立激光坐标系，当框架车1承载的钢卷2放置在激光扫描仪3下方时，数据库发送扫描指令，二维伺服云台转动，所携带的激光扫描仪3扫描，获得承载有钢卷2的框架车1的场景点云数据，通过以太网将场景点云数据传输到数据库；

2、三维激光数据处理：将钢卷2从场景点云数据中提取出来，将钢卷2当做圆柱利用随机抽样一致性算法拟合其参数，确定钢卷2的当前坐标系下的坐标位置，再将其统一转化为钢卷成品库的物理坐标，发送到数据库；钢卷2拟合参数具体步骤为：

ⅰ、根据激光扫描仪3所在位置建立场景的笛卡尔右手坐标系，z垂直向下，水平面为xy平面，二维伺服云台转动扫描场景，解析每点的(x,y,z)坐标，公式如下：

其中，d每条激光束的测距，α为相邻两条激光束之间的夹角，β为每个激光扫描平面与xy平面的夹角；

ⅱ、对激光扫描仪3获取的承载钢卷2的框架车1场景点云数据使用体素化滤波器降采样压缩，然后高斯滤波减少点云数据噪声；

ⅲ、框架车停放在某个固定的区域内，选取xyz方向滤波范围，基于passthrough滤波将框架车1和钢卷2与其他无效的点云分离；

ⅳ、通过滤波之后，场景点云数据只包含框架车1和钢卷2数据，根据场景点云数据在深度方向的分布特性，利用Dolph–Chebyshev窗口和高斯核来估计深度密度分布，去除框架车1点云数据；

v、对步骤iv去除框架车1点云数据后的数据进行均值漂移算法分割聚类钢卷2，采用以下公式：

其中，n为点云数量，K(·)为Epanechnikov核函数，p_i＝(x_i,y_i,z_i)代表每个点云，c_j为每个密度中心；

ⅵ、将每个分割聚类的钢卷视为圆柱体，利用随机抽样一致性算法拟合其参数。

3、无人天车本体及吊具夹钩系统4抓取钢卷2：数据库将钢卷2物理坐标信息发送到无人天车本体及吊具夹钩系统4，执行钢卷2抓取，夹钩上安装压力传感器判断钢卷2是否夹紧。