【技術實現步驟摘要】
本專利技術涉及圖像處理的，特別涉及一種無人智慧貨站的搬運車智能導航方法、系統以及搬運車。
技術介紹
1、在無人智慧貨站的運營環境中，高效、安全的貨物搬運是提升整體物流效率的關鍵。傳統的搬運方式依賴人工操作，存在效率低下、勞動強度大、易發生安全事故等問題。隨著自動化和智能化技術的發展，采用自動導引車輛（agv）或其他類型的無人搬運車已成為現代物流和倉儲系統中的重要組成部分。
2、目前的自動導引車輛或其他類型的無人搬運車，能夠在預設路徑上自動行駛。但是，這種方法缺乏靈活性，一旦遇到非預設障礙物時，車輛往往無法自主決策無法繞開障礙物，需要人工干預。
技術實現思路
1、本專利技術的主要目的為提供一種無人智慧貨站的搬運車智能導航方法、系統以及搬運車，旨在克服搬運車只能在預設路徑行駛，無法繞開障礙的缺陷。
2、為實現上述目的，本專利技術提供了一種無人智慧貨站的搬運車智能導航方法，包括以下步驟：
3、實時采集無人智慧貨站中搬運車行進路徑上的圖像信息；對所述圖像信息中的物體進行特征識別以及方位識別，得到物體的特征信息以及方位信息；
4、基于所述方位信息，確定所述物體是否在行進路徑上；若在行進路徑上，則基于預設的深度學習模型對所述特征信息進行分析，得到所述物體的障礙級別；
5、基于所述障礙級別，得到對應的繞行策略；基于所述圖像信息識別出可以通行的新路線，并判斷所述新路線是否符合所述繞行策略；
6、若符合所述繞行策略，則將所述新路
7、進一步地，所述對所述圖像信息中的物體進行特征識別以及方位識別，得到物體的特征信息以及方位信息，包括：
8、使用目標檢測算法在所述圖像信息中定位物體邊界框；
9、應用深度卷積神經網絡從所述物體邊界框中提取特征信息；其中，所述特征信息用于描述物體的外觀和結構特性；
10、基于所述物體邊界框在圖像信息中的位置和搬運車的攝像機參數，通過三角幾何關系計算出物體相對于搬運車的方位角和傾斜角度，作為所述方位信息。
11、進一步地，所述基于預設的深度學習模型對所述特征信息進行分析，得到所述物體的障礙級別，包括：
12、將所述特征信息輸入至所述預設的深度學習模型中；其中，所述預設的深度學習模型包括訓練完成的尺寸障礙子模型、形狀障礙子模型以及分類子模型；所述特征信息包括尺寸特征以及形狀特征；
13、基于所述尺寸障礙子模型對所述尺寸特征進行分析，得到物體尺寸對應的第一障礙級別；
14、基于所述形狀障礙子模型對所述形狀特征進行分析，得到物體形狀對應的第二障礙級別；
15、將所述第一障礙級別以及第二障礙級別輸入至所述分類子模型中運輸，得到所述物體的障礙級別。
16、進一步地，所述導航至新的行進路徑上之后，包括：
17、經所述新的行進路徑繞行所述物體之后，在所述搬運車的導航系統中創建一個導航地圖，并存儲所述新的行進路徑至所述導航地圖中；
18、將所述導航地圖發送至管理終端；其中，所述管理終端針對所述導航地圖生成一個管理碼，并發送至所述搬運車；
19、在所述搬運車后續請求所述導航地圖時，發送所述管理碼至所述管理終端進行權限驗證。
20、進一步地，所述管理終端針對所述導航地圖生成一個管理碼，包括：
21、將所述導航地圖中的導航路線進行曲線模擬，得到路線曲線；
22、獲取所述搬運車的標識信息，基于所述標識信息生成對應的字符陣列；其中，所述字符陣列為多排多列的字符組合而成；
23、基于所述路線曲線以及所述字符陣列，生成所述管理碼。
24、進一步地，所述基于所述標識信息生成對應的字符陣列，包括：
25、基于預設字符與字符組合的轉換關系，將所述標識信息中的各個字符轉換為字符組合；
26、創建一個空白陣列，依序將各個字符組合中的字符逐個添加至空白陣列中，組合成多排多列的字符陣列。
27、進一步地，所述基于所述路線曲線以及所述字符陣列，生成所述管理碼，包括：
28、將所述字符陣列生成圖片，得到陣列圖片；
29、將所述路線曲線疊加至所述陣列圖片上，并對所述路線曲線進行等比例拉伸或者縮放，使得所述路線曲線的上邊緣、下邊緣與所述陣列圖片的上邊緣、下邊緣相切；
30、在所述陣列圖片上，獲取與所述路線曲線疊加的字符，將各個字符按照其在所述路線曲線上的順序進行依序組合，得到所述管理碼。
31、進一步地，所述基于所述路線曲線以及所述字符陣列，生成所述管理碼，包括：
32、根據預設的選取規則，在所述路線曲線上選取六個關鍵點，并按照各個關鍵點的上下位置，將其分為三組關鍵點；其中，每組包括兩個關鍵點；
33、針對每組關鍵點，將兩個關鍵點連接為直線；將各組得到的直線均作為目標直線；
34、將所述目標直線與所述字符陣列進行疊加，在所述字符陣列中，獲取與各條所述目標直線相交的字符作為目標字符；
35、按照目標字符在所述字符陣列中的順序依序對目標字符進行組合，得到所述管理碼。
36、本專利技術還提供了一種無人智慧貨站的搬運車智能導航系統，包括：
37、采集單元，用于實時采集無人智慧貨站中搬運車行進路徑上的圖像信息；對所述圖像信息中的物體進行特征識別以及方位識別，得到物體的特征信息以及方位信息；
38、分析單元，用于基于所述方位信息，確定所述物體是否在行進路徑上；若在行進路徑上，則基于預設的深度學習模型對所述特征信息進行分析，得到所述物體的障礙級別；
39、識別單元，用于基于所述障礙級別，得到對應的繞行策略；基于所述圖像信息識別出可以通行的新路線，并判斷所述新路線是否符合所述繞行策略；
40、導航單元，用于若符合所述繞行策略，則將所述新路線作為新的行進路徑，并導航至新的行進路徑上。
41、本專利技術還提供一種搬運車，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器執行所述計算機程序時實現上述任一項所述方法的步驟。
42、本專利技術還提供一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現上述任一項所述的方法的步驟。
43、本專利技術提供的無人智慧貨站的搬運車智能導航方法、系統以及搬運車，包括：實時采集無人智慧貨站中搬運車行進路徑上的圖像信息；對所述圖像信息中的物體進行特征識別以及方位識別，得到物體的特征信息以及方位信息；基于所述方位信息，確定所述物體是否在行進路徑上；若在行進路徑上，則基于預設的深度學習模型對所述特征信息進行分析，得到所述物體的障礙級別；基于所述障礙級別，得到對應的繞行策略；基于所述圖像信息識別出可以通行的新路線，并判斷所述新路線是否符合所述繞行策略；若符合所述繞行策略，則將所述新路線作為新的行本文檔來自技高網...
【技術保護點】
1.一種無人智慧貨站的搬運車智能導航方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的無人智慧貨站的搬運車智能導航方法，其特征在于，所述對所述圖像信息中的物體進行特征識別以及方位識別，得到物體的特征信息以及方位信息，包括：
3.根據權利要求1所述的無人智慧貨站的搬運車智能導航方法，其特征在于，所述基于預設的深度學習模型對所述特征信息進行分析，得到所述物體的障礙級別，包括：
4.根據權利要求1所述的無人智慧貨站的搬運車智能導航方法，其特征在于，所述導航至新的行進路徑上之后，包括：
5.根據權利要求4所述的無人智慧貨站的搬運車智能導航方法，其特征在于，所述管理終端針對所述導航地圖生成一個管理碼，包括：
6.根據權利要求5所述的無人智慧貨站的搬運車智能導航方法，其特征在于，基于所述標識信息生成對應的字符陣列，包括：
7.根據權利要求5所述的無人智慧貨站的搬運車智能導航方法，其特征在于，所述基于所述路線曲線以及所述字符陣列，生成所述管理碼，包括：
8.根據權利要求5所述的無人智慧貨站的搬運車智能導
9.一種無人智慧貨站的搬運車智能導航系統，其特征在于，包括：
10.一種搬運車，包括存儲器和處理器，所述存儲器中存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至8中任一項所述方法的步驟。
...【技術特征摘要】
1.一種無人智慧貨站的搬運車智能導航方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的無人智慧貨站的搬運車智能導航方法，其特征在于，所述對所述圖像信息中的物體進行特征識別以及方位識別，得到物體的特征信息以及方位信息，包括：
3.根據權利要求1所述的無人智慧貨站的搬運車智能導航方法，其特征在于，所述基于預設的深度學習模型對所述特征信息進行分析，得到所述物體的障礙級別，包括：
4.根據權利要求1所述的無人智慧貨站的搬運車智能導航方法，其特征在于，所述導航至新的行進路徑上之后，包括：
5.根據權利要求4所述的無人智慧貨站的搬運車智能導航方法，其特征在于，所述管理終端針對所述導航地圖生成一個管理碼，包括...
【專利技術屬性】
技術研發人員：黃文歡，張磊，徐頌頌，李東軍，左艷，張純，班光耀，
申請(專利權)人：蘇州摯途科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。