(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211137325.5 (22)申请日 2022.09.19 (71)申请人 广州蓝胖子移动科技有限公司 地址 511458 广东省广州市南沙区进港大 道路1号中国铁建环球中心5 栋601房 (72)发明人 彭泽鑫　张冠华　 (74)专利代理 机构 深圳协成知识产权代理事务 所(普通合伙) 44458 专利代理师 章小燕 (51)Int.Cl. G01S 17/88(2006.01) G06V 10/80(2022.01) (54)发明名称 一种料笼识别方法、 设备及计算机可读存储 介质 (57)摘要 本发明公开了一种料笼识别方法、 设备及计 算机可读 存储介质， 其中， 该方法包括： 在读取的 激光雷达数据中根据所述激光雷达数据的点连 续性和点线距离分别提取出第一点信息和第一 线信息， 并根据当前的料笼的目标物特征分别对 所述第一点信息和所述第一线信息进行拟合， 得 到第二点信息和第二线信息； 在通过角柱特征检 测出所述料笼时根据所述第二点信息执行图优 化拟合， 得到第一最优料笼姿态， 以及在通过直 线特征检测出所述料笼时根据所述第二线信息 执行融合， 得到第二最优料笼姿态。 本发明实现 了一种高效、 稳定的料笼识别方案， 降低了资源 消耗， 提升了识别精度， 增强了仓储物流的生产 力。 权利要求书2页 说明书8页 附图4页 CN 115494515 A 2022.12.20 CN 115494515 A 1.一种料 笼识别方法， 其特 征在于， 所述方法包括： 在读取的激光雷达数据中根据所述激光雷达数据的点连续性和点线距离分别提取出 第一点信息和 第一线信息， 并根据当前的料笼的目标物特征分别对所述第一点信息和所述 第一线信息进行拟合， 得到第二 点信息和第二线信息； 在通过角柱特征检测出所述料笼时根据所述第 二点信息执行图优化拟合， 得到第 一最 优料笼姿态， 以及在通过直线特征检测出所述料笼时根据所述第二线信息执行融合， 得到 第二最优料笼姿态； 对所述第一最优料笼姿态和所述第二最优料笼姿态执行一致性整合、 世界坐标系转 换、 检测时间排序以及均值滤波， 得到所述激光雷达数据当前帧的检测结果； 将所述检测结果中返回的存在于预设历史簇的多个值作为所述当前帧的输出， 以及将 所述检测结果中返回的不存在于所述历史簇的多个值进行簇更新。 2.根据权利要求1所述的料笼识别方法， 其特征在于， 所述在读取的激光雷达数据中根 据所述激光雷达数据的点连续性和点线距离分别提取出第一点信息和 第一线信息， 并根据 当前的料笼的目标物特征分别对所述第一点信息和所述第一线信息进 行拟合， 得到第二点 信息和第二线信息， 之前包括： 水平设置 至少一个单线雷达； 在所述单线雷达的雷达扫描面与所述料笼的承载面平行时通过正装或倒装的所述单 线雷达获取 所述激光雷达数据。 3.根据权利要求2所述的料笼识别方法， 其特征在于， 所述在读取的激光雷达数据中根 据所述激光雷达数据的点连续性和点线距离分别提取出第一点信息和 第一线信息， 并根据 当前的料笼的目标物特征分别对所述第一点信息和所述第一线信息进 行拟合， 得到第二点 信息和第二线信息， 包括： 将所述料 笼的角柱的矩形 特征作为所述目标物特 征； 通过对所述矩形特征的面上的雷达点信 息进行矩形拟合， 得到所述第 二点信息和所述 第二线信息 。 4.根据权利要求3所述的料笼识别方法， 其特征在于， 所述在通过角柱特征检测出所述 料笼时根据所述第二点信息执行图优化拟合， 得到第一最优料笼姿态， 以及在通过直线特 征检测出 所述料笼时根据所述第二线信息执 行融合， 得到第二 最优料笼姿态， 包括： 在通过角柱特征检测出所述料笼时， 获取料笼的尺寸信息和所述角柱的分布信息， 以 及根据所述矩形拟合得到所述角柱的推测坐标； 根据所述尺寸信 息和所述分布信 息计算得到所述角柱的理论坐标， 并根据所述理论坐 标和所述推测坐标的欧式距离构建图优化问题并求解， 得到理论最优的所述第一最优料笼 姿态。 5.根据权利要求4所述的料笼识别方法， 其特征在于， 所述在通过角柱特征检测出所述 料笼时根据所述第二点信息执行图优化拟合， 得到第一最优料笼姿态， 以及在通过直线特 征检测出 所述料笼时根据所述第二线信息执 行融合， 得到第二 最优料笼姿态， 还 包括： 在通过直线特征检测出所述料笼时， 获取与Y轴平行的第 一直线的第 一约束和与X轴平 行的第二 直线的第二约束； 将包含所述第一约束和所述第二约束的检测结果融合 为所述第二 最优料笼姿态。权　利　要　求　书 1/2 页 2 CN 115494515 A 26.根据权利要求5所述的料笼识别方法， 其特征在于， 所述对所述第 一最优料笼姿态和 所述第二最优料笼姿态执行一致性整合、 世界坐标系转换、 检测时间排序以及均值滤波， 得 到所述激光雷达数据当前帧的检测结果， 包括： 对所述第一最优料笼姿态和所述第 二最优料笼姿态采用一致的数据结构进行存储， 得 到经整合后的检测结果； 根据当前的雷达坐标系在所述世界坐标系下的位姿将处于所述雷达坐标系下的所述 检测结果 转换至所述世界坐标系。 7.根据权利要求6所述的料笼识别方法， 其特征在于， 所述对所述第 一最优料笼姿态和 所述第二最优料笼姿态执行一致性整合、 世界坐标系转换、 检测时间排序以及均值滤波， 得 到所述激光雷达数据当前帧的检测结果， 还 包括： 按所述检测结果对应的检测时间对处于所述世界坐标系的所述检测结果进行排序； 按所述排序选择同一簇下的所述检测结果进行 所述均值滤波， 得到对应的稳定结果。 8.根据权利要求7所述的料笼识别方法， 其特征在于， 所述将所述检测结果中返回的存 在于预设历史簇的多个值作为所述当前帧的输出， 以及将所述检测结果中返回的不存在于 所述历史簇的多个值进行簇更新， 包括： 预设所述历史簇的前述簇数和当前簇的更新时长； 将存在于所述前述簇数的多个值作为所述当前帧的输出， 将不存在于所述前述簇数的 多个值作进行簇更新， 删除所述更新时长内未 更新的所述当前簇 。 9.一种料笼识别设备， 其特征在于， 所述设备包括存储器、 处理器及存储在所述存储器 上并可在所述处理器上运行的计算机程序， 所述计算机程序被所述处理器执行时实现如权 利要求1至8中任一项所述的料 笼识别方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有料笼识 别程序， 所述料笼识别程序被处理器执行时实现如权利要求 1至8中任一项所述的料笼识别 方法的步骤。权　利　要　求　书 2/2 页 3 CN 115494515 A 3