立体仓库智能控制方法及系统与流程
本发明涉及物流技术领域，尤其涉及一种立体仓库智能控制方法及系统。
背景技术：
立体仓库是现代物流系统中的重要物流节点，在物流中心中的应用越来越普遍。目前世界上最高的立体仓库高度已达50米。立体仓库单位面积的储存量可达7.5(t/m2)，是普通仓库的5～10倍。由于使用高层货架存储货物，存储区可以大幅度地向高空发展，充分利用仓库地面和空间，因此，节省了库存占地面积，提高了空间利用率。使用机械和自动化设备，运行和处理速度快，提高了劳动生产率，降低操作人员的劳动强度。
现有技术中，对比文件1(cn101853387a)公开一种立体仓库货物盘点方法，包括：对立体仓库所储存货物外包装的图像进行拍照，从拍照得到的图像中提取图像特征作为原始图像特征并存储；在立体仓库的自动堆垛机上设置拍照装置，控制自动堆垛机运行至立体仓库中需盘点位置，通过自动堆垛机上拍照装置对需盘点位置的货物进行拍照，从拍照得到的图像中提取图像特征作为需盘点位置图像特征；将所述需盘点位置图像特征与存储的所述原始图像特征进行匹配，根据匹配结果得出需盘点位置的货物名称与数量，以节约人力物力，提升盘点效率。
另外，对比文件2(cn103029939b)公开一种单元组合式自动化立体仓库系统及控制方法，包括若干个立体存储单元，所述立体存储单元包括入库子系统、立体货架子系统、出库子系统，入库子系统与立体货架子系统连通，立体货架子系统与出库子系统连通，两相邻的入库子系统通过至少一个输送机连通，两相邻的出库子系统通过至少一个输送机连通。控制方法采用模块化程序设计的方法，设计与每个立体存储单元对应的单元控制程序。
在上述现有的立体仓库技术中，其立体仓库控制并不智能，而且操作复杂，不适于控制立体仓库开展高效率工作。
技术实现要素：
本发明正是基于以上一个或多个问题，提供一种立体仓库智能控制方法及系统，用以解决现有技术中存在的立体仓库不够智能，存取货物速率低下，成本高昂以及存取不够简单方便的问题。
一方面，本发明提供一种立体仓库智能控制方法，所述立体仓库智能控制方法包括以下步骤：
s1获取所述立体仓库的各存储单元的id信息及位置分布信息；
s2控制运载工具对分拣后的指定待存入货物依据待存入货物分类信息、指定的存储单元的id信息、位置分布信息、预设的存储单元分配优化信息以及最优化输送路径信息传送待存入货物；
s3当指定的待存入货物送至相应的存储单元预设距离时，所述运载工具开启图像识别，并依据图像识别结果自行将指定的货物送至存储单元内；
s4控制所述运载工具按照预设存取算法向所述立体仓库的空置的存储单元存入待存入货物，并从所述立体仓库的存有待取出货物的存储单元取出待取出货物；
s5控制所述运载工具在卸掉全部的待存入货物并从所述立体仓库取出预定数量的待取出货物后返回。
优选地，上述步骤s2中，所述最优化输送路径信息通过以下计算方法实现：
s201设定标记点状态类型；
s202根据设定的标记点状态，确定邻居标记点；邻居标记点的确定概率模型为：
式中，(xi，yi)为第i个邻居标记点的位置；α、γ、β分别为局部成本控制系数a、导向控制系数m、信息素浓度控制系数b的控制强度；m为待选邻居标记点数。
s203确定所有邻居标记点，之后搜索连接形成输送路径；
s204生成最优化输入路径信息存储至所述运载工具的存储器中以被运载工具作为移动时的导航数据。
优选地，所述步骤s203进一步包括以下步骤：
s203a采用遍历的方式确定所有邻居标记点；
s203b采用辅助中间点定位的方法，搜索邻居标记点连接形成输送路径。
优选地，上述步骤s3具体包括以下步骤：
s31拍摄至少两幅所述立体仓库的相应的存储单元的场景图像；
s32获取场景图像中低分辨率深度图像的分辨率和高分辨率彩色图像的分辨率；
s33对图像进行归一化处理，利用canny算子，获取高分辨彩色图像的边缘信息iedge；
s34对低分辨率深度图像进行双线性插值，获取到插值图像db,其分辨率与高分辨率彩色图像的分辨率相同；
s35根据iedge与db的对应关系，判断iedge中的边缘像素点是否为深度图像上的边缘像素，即提取出db的不连续边缘特征dedge；
s36依据获取到的深度图像边缘信息，将深度图像db划分成三个不同的区域：平滑区、边缘区、过渡区，获取到平滑区、边缘区、过渡区的分割图dn；
s37输出重建的高分辨深度图像，并通过与图像数据库的图像比对分析，得出所述图像识别结果。
优选地，步骤s37进一步包括采用以下公式重建高分辨率深度图像：
其中dh表示为重建的高分辨深度图像，gn表示所在区域的颜色相似项，eedge为边缘保持项，λ为常数，用于平衡边缘保持项的大小，防止边缘保持项过大过小，取值范围为0～1。
优选地，所述运载工具包括小车和无人飞行器，所述小车运载货物质量重且位于所述立体仓库下部的存储单元内和所述无人飞行器运送货物质量轻且置于所述立体仓库上部的存储单元内。
另一方面，本发明还提供一种立体仓库智能控制系统，所述立体仓库智能控制系统包括：
获取模块，用于获取所述立体仓库的各存储单元的id信息及位置分布信息；
第一控制模块，用于控制运载工具对分拣后的指定待存入货物依据待存入货物分类信息、指定的存储单元的id信息、位置分布信息、预设的存储单元分配优化信息以及最优化输送路径信息传送待存入货物；
输送模块，用于当指定的待存入货物送至相应的存储单元预设距离时，所述运载工具开启图像识别，并依据图像识别结果自行将指定的货物送至存储单元内；
第二控制模块，用于控制所述运载工具按照预设存取算法向所述立体仓库的空置的存储单元存入待存入货物，并从所述立体仓库的存有待取出货物的存储单元取出待取出货物；
返回控制模块，用于控制所述运载工具在卸掉全部的待存入货物并从所述立体仓库取出预定数量的待取出货物后返回。
优选地，所述第一控制模块还包括最优化输送路径信息计算单元，所述最优化输送路径信息计算单元包括：
标记点状态设定子模块，用于设定标记点状态类型；
概率模型确定子模块，用于根据设定的标记点状态，确定邻居标记点；邻居标记点的确定概率模型为：
式中，(xi，yi)为第i个邻居标记点的位置；α、γ、β分别为局部成本控制系数a、导向控制系数m、信息素浓度控制系数b的控制强度；m为待选邻居标记点数。
输送路径形成子模块，用于确定所有邻居标记点，之后搜索连接形成输送路径；
数据存储子模块，用于将生成的最优化输入路径信息存储至所述运载工具的存储器中，以被运载工具作为移动时的导航数据。
优选地，所述输送路径形成子模块包括：
遍历计算子单元，其采用遍历计算的方式确定所有邻居标记点；
输送路径形成子单元，其采用辅助中间点定位的方法，搜索邻居标记点连接形成输送路径。
优选地，所述运载工具包括小车和无人飞行器，所述小车运载货物质量重且位于所述立体仓库下部的存储单元内和所述无人飞行器运送货物质量轻且置于所述立体仓库上部的存储单元内。
本发明的立体仓库智能控制方法及系统，不仅具有立体仓库智能化程度高，可自动准确、高效率地存取货物的特点，而且还具有成本低廉以及存取简单方便的优点。
附图说明
图1是本发明立体仓库智能控制方法的流程示意图。
图2是本发明立体仓库智能控制系统的结构示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细说明。需要说明的是，如果不冲突，本发明实施例以及实施例中的各个特征可以相互结合，均在本发明的保护范围之内。
实施例一
请参阅图1，本发明提供一种立体仓库智能控制方法，所述立体仓库智能控制方法包括以下步骤：
s1获取所述立体仓库的各存储单元的id信息及位置分布信息；立体仓库包括呈矩阵方式设置的多个存储单元，对每个存储单元均有一个对应的id信息(身份信息)，并且对立体仓库中各存储单元的位置分布利用三维地图的方式建立起来，以便获得位置分布信息。
s2控制运载工具对分拣后的指定待存入货物依据待存入货物分类信息、指定的存储单元的id信息、位置分布信息、预设的存储单元分配优化信息以及最优化输送路径信息传送待存入货物；
s3当指定的待存入货物送至相应的存储单元预设距离时，所述运载工具开启图像识别，并依据图像识别结果自行将指定的货物送至存储单元内；
s4控制所述运载工具按照预设存取算法向所述立体仓库的空置的存储单元存入待存入货物，并从所述立体仓库的存有待取出货物的存储单元取出待取出货物；
s5控制所述运载工具在卸掉全部的待存入货物并从所述立体仓库取出预定数量的待取出货物后返回。
本发明的立体仓库智能控制方法，不仅具有立体仓库智能化程度高，可自动准确、高效率地存取货物的特点，而且还具有成本低廉以及存取简单方便的优点。
优选地，所述运载工具包括小车和无人飞行器，所述小车运载货物质量重且位于所述立体仓库下部的存储单元内和所述无人飞行器运送货物质量轻且置于所述立体仓库上部的存储单元内。这里优选运载工具是小车和无人飞行器结合使用，对于冲量轻的货物，利用无人飞行器飞行方便容易放置到所述立体仓库上部的存储单元内，而小车在负载重物运送方面有优势，因此，由其对立体仓库下部放置重量重的货物方面有优势。二者结合将大大减少货物运送成本，而且可以同时底面和空中传送货物，效率明显提高。在立体仓库控制系统的智能化设计方面可以简化路面上多个小车同时作业时的设计复杂度。
实施例二
在本发明的实施例二中，输送路径采用点编码方式，从线路路径起点开始，采用跳变方式，依次搜索出线路路径的中的各标记点，直至终点，最后连接所有标记点形成线路路径。最优化输送路径信息的获取方法如下：
s201设定标记点状态类型；
s202根据设定的标记点状态，确定邻居标记点；邻居标记点的确定概率模型为：
式中，(xi，yi)为第i个邻居标记点的位置；α、γ、β分别为局部成本控制系数a、导向控制系数m、信息素浓度控制系数b的控制强度；m为待选邻居标记点数。
s203确定所有邻居标记点，之后搜索连接形成输送路径；
s204生成最优化输入路径信息存储至所述运载工具的存储器中以被运载工具作为移动时的导航数据。
具体来说，上述步骤s201设定标记点状态类型的描述如下：
在指定的输送区域内将标记点分为3种状态：
(1)如果在某一时刻该标记点为被选中标记点，那么该标记点状态为“1”；
(2)如果在某一时刻的标记点为被跨越标记点，那么该标记点状态为“2”；
(3)如果标记点既不是被选中标记点，也不是被跨越的标记点，那么该标记点状态为“0”。其中，状态为“1”和“2”的标记点不可以作为下一时刻所选中或跨越的标记点，状态为“0”的标记点可以作为下一时刻备选标记点。
具体来说，上述步骤s202的描述如下：
根据输送路径选择特点，邻居标记点需要满足以下四个条件：
a.规定的搜索步长范围内；
b.标记点类型为ⅰ或ⅱ类，即该标记点必须为可以行进的标记点；c.标
记点状态为“0”，即该标记点必须为未形成路径的标记点；
d.每次搜索新形成路径不能和已形成的路径重合或交叉。
具体来说，上述步骤s202的描述如下：
s202a确定局部成本控制系数；
局部成本最优策略即在确定下一时刻标记点的过程中，综合成本评分值低的标记点被选中的概率高，其表达式为：
式中，cl(i)为被跨越标记点(邻居标记点)i的成本评分值；n为被跨越标记点数；ct(x，y)为坐标位置为(x，y)的通过标记点成本评分值。
由式(2)可以看出，待选邻居标记点成本评分值越高，被选中的概率越小。
s202b确定导向控制系数；导向控制系数表达式如下：
mxy＝k/w(x，y→d)(3)
式中，w(x，y→d)为坐标位置为(x，y)的邻居标记点到的终点d的综合评估成本评分值，w(x，y→d)＝c′tl(x，y-d)，
由式(3)可以看出，邻居标记点的确定考虑了邻居标记点到终点的成本评分值，成本评分值越小，被选中为邻居标记点的概率越大，减小了选择下一个邻居标记点时陷入局部最优的概率。
s202c确定信息素浓度控制系数；
每一运载工具(如小车或无人飞行器)搜索完从起点到终点的路径后，需根据路径成本评分值更新路径经过标记点的信息素浓度，用于引导下次运载工具进行有效路径搜索，信息素浓度越大，标记点被选中的概率越高。同时为了避免多次搜索结果累积的信息素浓度过大导致路径过早成熟，引入信息素挥发系数。标记点信息素浓度控制系数表达式如下：
bxy＝(1-σ)(b′xy+δb)(4)
式中，σ为信息素挥发系数，σ∈(0，1)；b′xy为每个标记点的初始信息素浓度；δb为信息素浓度更新值，δb＝1/w，w为路径总成本评分值。
s202c计算出被选路径成本评分值；
设从起点到终点经过了t次搜索，则被选路径的总成本评分值表达式如下：
w＝w1+…+wt+…+wt(5)
式中，wt为第t段路径成本评分值，
为了尽可能减少输送路径转角数量，设定若第t段路径与t-1段路径产生夹角，那么第t段路径成本评分值提高30％，将式中ct用c′t替代，即c′t＝1.3ct。
上述步骤s203进一步包括以下步骤：
s203a采用遍历的方式确定所有邻居标记点；
s203b采用辅助中间点定位的方法，搜索邻居标记点连接形成输送路径。具体来说，在输送路径选择的过程中，采用辅助中间点定位的方法，即在起点与终点之间，标注出一些中间节点作为辅助节点，把对整段路径的搜索转化成分段搜索，从而可以减小搜索范围，节约储存空间，提高搜索效率。
实施例三
本发明实施例三的立体仓库智能控制方法的步骤s3中的运载工具开启图像识别，并依据图像识别结果自行将指定的货物送至存储单元内主要采用以下图像识别方法获得图像识别结果：
s31拍摄至少两幅所述立体仓库的相应的存储单元的场景图像；
s32获取场景图像中低分辨率深度图像的分辨率和高分辨率彩色图像的分辨率：
s33对图像进行归一化处理，利用canny算子，获取高分辨彩色图像的边缘信息iedge；
s34对低分辨率深度图像进行双线性插值，获取到插值图像db，其分辨率与高分辨率彩色图像的分辨率相同；
s35根据iedge与db的对应关系，判断iedge中的边缘像素点是否为深度图像上的边缘像素，即提取出db的不连续边缘特征dedge。一种常见的判断公式如下：
式中，i为对应高分辨彩色图像边缘像素点，nd(i)为像素点i的领域，db(i)为像素点i对应的深度值，dmax(i)表示像素i领域内最大深度值，dmin(i)表示像素i领域内最小深度值，t为设定的阈值，其大小决定了边缘的提取效果。dedge为低分辨深度图像的不连续边缘特征。
s36依据获取到的深度图像边缘信息，将深度图像db划分成三个不同的区域：平滑区、边缘区、过渡区，获取到各区域分割图dn；
p＝dedge(i-1，j)+dedge(i+1，j)+dedge(i，j-1)+dedge(i，j+1)
if(dedge(i，j)＝0&&p＝o)dn(i，j)＝0；
if(dedge(i，j)＝0&&p＞0)dn(i，j)＝1；
if(dedge(i，j)＝1)dn(i，j)＝2；
其中，p是相邻四个分割图的边缘深度值之和。dn(i，j)＝0，表示该区域为平滑区；dn(i，j)＝1，表示该区域为过渡区；dn(i，j)＝2，表示该区域为边缘区。
s36根据划分出的不同区域，利用联合双边滤波器模型，在不同区域，加权不同的颜色加权项，对边缘区域再增加一个边缘保持项eedge。
其中f表示滤波窗口的空间距离项加权函数
g表示不同区域的颜色相似加权函数
eedge是边缘保持项权值函数
if(dn(i，j)＝0)dh(i，j)＝db*f(i，j)*g0(i，j)；
elseif(dn(i，j)＝1)dh(i，j)＝db*f(i，j)*g1(i，j)；
else
dh(i，j)＝db*f(i，j)*g2(i，j)+λ*eedge(i，j)
其中，加权不同的颜色加权项采用以下公式来实现：
式中，n＝0，表示该区域为平滑区；n＝1，表示该区域为过渡区；n＝2，表示该区域为边缘区，c，m为常数，gn表示不同区域的颜色相似项。其中c的值决定了过渡区的颜色相似项权值，一般取大一点的值，即让过渡区域的颜色权值小于边缘区域的颜色相似权值，从而让边缘区域突出，达到保护图像边缘的目的；而m的取值主要取决于滤波窗口的大小，要求小于或等于滤波窗口的边长。
最后根据深度图像的边缘特征划分的不同区域，利用联合双边滤波器模型，对不同区域进行重建。对于边缘区域，增加一个边缘保持项，用于弥补高斯核函数对深度图像边缘的影响。所以其最终重建结果如式所示：
其中dh表示为重建的高分辨深度图像，gn表示所在区域的颜色相似项，eedge为边缘保持项，λ为常数，用于平衡边缘保持项的大小，防止边缘保持项过大过小，取值范围为0～1。
s37输出重建的高分辨深度图像，并通过与图像数据库的图像比对分析，得出所述图像识别结果。
本发明通过上述图像识别处理操作，不仅考虑了运载工具在运动拍摄时可能存在拍摄图像分辨率低的问题，导致识别不准确，从而不能按预定要求准确的卸载货物和准确、安全地装载货物的问题，而且采用上述图像处理方式，由于运载中出现错误概率大幅降低，以及运载快速、安全，有效保证了运载效率。
实施例四
请参见图2，本发明还提供一种立体仓库智能控制系统，所述立体仓库智能控制系统包括：
获取模块，用于获取所述立体仓库的各存储单元的id信息及位置分布信息；
第一控制模块，用于控制运载工具对分拣后的指定待存入货物依据待存入货物分类信息、指定的存储单元的id信息、位置分布信息、预设的存储单元分配优化信息以及最优化输送路径信息传送待存入货物；
输送模块，用于当指定的待存入货物送至相应的存储单元预设距离时，所述运载工具开启图像识别，并依据图像识别结果自行将指定的货物送至存储单元内；
第二控制模块，用于控制所述运载工具按照预设存取算法向所述立体仓库的空置的存储单元存入待存入货物，并从所述立体仓库的存有待取出货物的存储单元取出待取出货物；
返回控制模块，用于控制所述运载工具在卸掉全部的待存入货物并从所述立体仓库取出预定数量的待取出货物后返回。
本发明的立体仓库智能控制系统，不仅具有立体仓库智能化程度高，可自动准确、高效率地存取货物的特点，而且还具有成本低廉以及存取简单方便的优点。
优选地，所述第一控制模块还包括最优化输送路径信息计算单元，所述最优化输送路径信息计算单元包括：
标记点状态设定子模块，用于设定标记点状态类型；
概率模型确定子模块，用于根据设定的标记点状态，确定邻居标记点；邻居标记点的确定概率模型为：
式中，(xi，yi)为第i个邻居标记点的位置；α、γ、β分别为局部成本控制系数a、导向控制系数m、信息素浓度控制系数b的控制强度；m为待选邻居标记点数。
输送路径形成子模块，用于确定所有邻居标记点，之后搜索连接形成输送路径；
数据存储子模块，用于将生成的最优化输入路径信息存储至所述运载工具的存储器中，以被运载工具作为移动时的导航数据。
优选地，所述输送路径形成子模块包括：
遍历计算子单元，其采用遍历计算的方式确定所有邻居标记点；
输送路径形成子单元，其采用辅助中间点定位的方法，搜索邻居标记点连接形成输送路径。
优选地，所述运载工具包括小车和无人飞行器，所述小车运载货物质量重且位于所述立体仓库下部的存储单元内和所述无人飞行器运送货物质量轻且置于所述立体仓库上部的存储单元内。
以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
- 还没有人留言评论。精彩留言会获得点赞！