【技術實現步驟摘要】
本專利技術涉及一種自走車技術，且特別是有關于一種自走車及校正取物路徑的方法。
技術介紹
1、隨著電商物流的需求與日俱增，傳統單靠大量人力進行搬運、揀貨及理貨的作業(yè)模式已無法負荷現今的出貨需求，此外全球面臨人口老齡化，目前各大物流業(yè)都有缺工及勞動人力下降的問題。貨物的流動決定了倉儲的整體生產效率，通過自走車(automatedguided?vehicle，agv)的導入可以減少大量的人力與作業(yè)時間，作業(yè)模式也由傳統的“人到貨”轉變?yōu)椤柏浀饺恕保∪ト藛T額外再去尋找貨物的工序。agv除了依照系統任務指派，根據事先繪制好的地圖進行路徑分析與貨物搬運指令之外，并可結合人工智能(artificialintelligence，ai)、機器學習、大數據與多項感測器感知周圍環(huán)境變化，進一步做出更復雜的判斷與反應。
2、目前現有的自走車，移動路徑必須依據存儲于內存記憶裝置的地圖，而地圖建立方式有采取使用者事先將描繪好的地圖存入，也有搭配同時定位與地圖構建(simultaneous?localization?and?mapping，slam)的導航技術，但在物流業(yè)或制造業(yè)作業(yè)場域較大且貨物或生產品較容易搬移的情況下，可能影響slam定位導致agv定位精度有約“1米”的誤差。舉例而言，考慮將agv應用至叉取棧板的自走車，必須確保自走叉車的貨叉準確對位于棧板的叉孔，過往只是agv依使用者描繪好的地圖移動至目的地，再直接嘗試對棧板插入貨叉的盲叉手段已不符合實際應用的需求。
技術實現思路
1、本專
2、本專利技術實施例提供一種自走車，包括：影像獲取裝置；存儲裝置；取物裝置，接取在場域中的待取物件；驅動裝置，驅動所述自走車在所述場域中移動；以及處理器，耦接所述影像獲取裝置、所述存儲裝置、所述取物裝置以及所述驅動裝置，其中所述處理器經配置以執(zhí)行：根據導航坐標系，控制所述自走車從起始位置移動到目標位置，其中所述目標位置對應于所述待取對象；通過所述影像獲取裝置向所述待取對象獲取深度影像；對所述深度影像進行影像辨識而取得參考像素信息；根據坐標映射算法將所述參考像素信息轉換至所述導航坐標系而得到校正位置；以及根據所述目標位置以及所述校正位置決定取物路徑，并控制所述自走車根據所述取物路徑移動而接取所述待取物件。
3、本專利技術實施例提供一種校正取物路徑的方法，適用于自走車，所述方法包括：根據導航坐標系，控制所述自走車從起始位置移動到目標位置，其中所述目標位置對應于待取對象；通過影像獲取裝置向所述待取對象獲取深度影像；通過處理器對所述深度影像進行影像辨識而取得參考像素信息；通過所述處理器根據坐標映射算法將所述參考像素信息轉換至所述導航坐標系之中而得到校正位置；以及通過所述處理器根據所述目標位置以及所述校正位置決定取物路徑，并控制所述自走車根據所述取物路徑移動而接取所述待取物件。
4、本專利技術實施例使用深度攝影機與影像辨識技術，辨識待取對象的影像而取得參考像素信息，并通過坐標映射算法將參考像素信息轉換至導航坐標系而得到校正位置，即可通過坐標映像方式將待取對象實際位置映像至自走車的導航坐標系上，而解決導航技術定位精度的問題，增強了自走車進行取物操作的精確度。
本文檔來自技高網...【技術保護點】
1.一種自走車，包括：
2.根據權利要求1所述的自走車，其中所述參考像素信息包括所述待取對象的像素坐標值以及旋轉角，其中所述處理器還經配置以：
3.根據權利要求2所述的自走車，其中所述坐標映射算法為PnP算法，其中所述處理器還經配置以：
4.根據權利要求2所述的自走車，其中所述人工智能影像辨識模型是根據所述待取對象的多個影像作為數據集而訓練的卷積神經網絡模型。
5.根據權利要求1所述的自走車，其中所述導航坐標系為二維同時定位與地圖構建的坐標系。
6.根據權利要求1所述的自走車，其中所述待取對象為棧板，所述取物裝置包括牙叉，所述自走車通過所述牙叉叉取所述棧板而接取所述待取物件。
7.根據權利要求1所述的自走車，其中所述影像獲取裝置為深度攝影機、紅外線發(fā)射器與紅外線鏡頭、復數攝影機、或投射裝置與攝影機的其中之一。
8.根據權利要求1所述的自走車，其中所述驅動裝置包括單舵輪機構，其中所述取物路徑是圓滑曲線，且所述圓滑曲線是根據所述目標位置以及所述校正位置使用貝茲曲線函數繪制而成。
9.根據權
10.根據權利要求9所述的自走車，其中所述處理器還經配置以：
11.一種校正取物路徑的方法，適用于自走車，所述方法包括：
12.根據權利要求11所述的方法，其中所述參考像素信息包括所述待取對象的像素坐標值以及旋轉角，其中對所述深度影像進行所述影像辨識而取得所述參考像素信息的步驟包括：
13.根據權利要求12所述的方法，其中所述坐標映射算法為PnP算法，其中根據所述坐標映射算法將所述參考像素信息轉換至所述導航坐標系而得到所述校正位置的步驟包括：
14.根據權利要求12所述的方法，其中所述人工智能影像辨識模型是根據所述待取對象的多個影像作為數據集而訓練的卷積神經網絡模型。
15.根據權利要求11所述的方法，其中所述導航坐標系為二維同時定位與地圖構建的坐標系。
16.根據權利要求11所述的方法，其中所述待取對象為棧板，所述取物裝置包括牙叉，所述自走車通過所述牙叉叉取所述棧板而接取所述待取物件。
17.根據權利要求11所述的方法，其中所述影像獲取裝置為深度攝影機、紅外線發(fā)射器與紅外線鏡頭、復數攝影機、或投射裝置與攝影機的其中之一。
18.根據權利要求11所述的方法，其中所述自走車包括單舵輪機構，其中所述取物路徑是圓滑曲線，且所述圓滑曲線是根據所述目標位置以及所述校正位置使用貝茲曲線函數繪制而成。
19.根據權利要求11所述的方法，其中所述自走車包括雙輪差動機構、麥克納姆輪機構以及雙舵輪機構的其中之一。
20.根據權利要求19所述的方法，其中控制所述自走車根據所述取物路徑移動而接取所述待取對象的步驟包括：
...【技術特征摘要】
1.一種自走車，包括：
2.根據權利要求1所述的自走車，其中所述參考像素信息包括所述待取對象的像素坐標值以及旋轉角，其中所述處理器還經配置以：
3.根據權利要求2所述的自走車，其中所述坐標映射算法為pnp算法，其中所述處理器還經配置以：
4.根據權利要求2所述的自走車，其中所述人工智能影像辨識模型是根據所述待取對象的多個影像作為數據集而訓練的卷積神經網絡模型。
5.根據權利要求1所述的自走車，其中所述導航坐標系為二維同時定位與地圖構建的坐標系。
6.根據權利要求1所述的自走車，其中所述待取對象為棧板，所述取物裝置包括牙叉，所述自走車通過所述牙叉叉取所述棧板而接取所述待取物件。
7.根據權利要求1所述的自走車，其中所述影像獲取裝置為深度攝影機、紅外線發(fā)射器與紅外線鏡頭、復數攝影機、或投射裝置與攝影機的其中之一。
8.根據權利要求1所述的自走車，其中所述驅動裝置包括單舵輪機構，其中所述取物路徑是圓滑曲線，且所述圓滑曲線是根據所述目標位置以及所述校正位置使用貝茲曲線函數繪制而成。
9.根據權利要求1所述的自走車，其中所述驅動裝置包括雙輪差動機構、麥克納姆輪機構以及雙舵輪機構的其中之一。
10.根據權利要求9所述的自走車，其中所述處理器還經配置以：
11.一種校正取物路徑的方法，適用于自走車，所述方法包括：
12.根據權利要求1...
【專利技術屬性】
技術研發(fā)人員：洪瑞志，李永仁，馬大程，
申請(專利權)人：財團法人工業(yè)技術研究院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。