CN109345176A - 办公楼无人空港控制方法、装置以及计算机可读存储介质 - Google Patents
办公楼无人空港控制方法、装置以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109345176A CN109345176A CN201811179366.4A CN201811179366A CN109345176A CN 109345176 A CN109345176 A CN 109345176A CN 201811179366 A CN201811179366 A CN 201811179366A CN 109345176 A CN109345176 A CN 109345176A
- Authority
- CN
- China
- Prior art keywords
- cargo
- office building
- unmanned
- container
- control method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims description 20
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 210000000078 claw Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C3/00—Sorting according to destination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisions for transferring data to distant stations, e.g. from a sensing device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
Abstract
本发明公开一种办公楼无人空港控制方法、装置以及计算机可读存储介质,所述办公楼无人空港控制方法包括:在无人机到达空港时,将无人机加入卸货队列;根据卸货队列控制无人机降落并卸货;将卸下的装货物的容器移动至分拣区域,控制视觉识别设备拍摄容器内的三维图像;根据所述三维图像控制机器人将容器内的货物逐个取出,并且逐个传递至派送单元。本发明具有提高办公楼送货自动化程度的效果。
Description
技术领域
本发明涉及物流技术领域,特别涉及办公楼无人空港控制方法、装置以及计算机可读存储介质。
背景技术
随着外卖和网络购物的快速发展,在办公楼内通常具有大量的送货业务。但是,目前的配送方案需要配送员将呈袋装的货物送入办公楼,然后再从袋子中逐一分拣,最后在办公楼内进行逐一配送,自动化程度较低。
发明内容
本发明的主要目的是提供办公楼无人空港控制方法、装置以及计算机可读存储介质,旨在提高办公楼送货自动化程度。
为实现上述目的,本发明提出的一种办公楼无人空港控制方法,所述办公楼无人空港控制方法包括:
在无人机到达空港时,将无人机加入卸货队列;
根据卸货队列控制无人机降落并卸货;
将卸下的装货物的容器移动至分拣区域,控制视觉识别设备拍摄容器内的三维图像;
根据所述三维图像控制机器人将容器内的货物逐个取出,并且逐个传递至派送单元。
可选的,所述公楼无人空港控制方法还包括:
在容器内货物分拣完毕时,控制无人机装载清空的容器,并且加入离港队列。
可选的,所述公楼无人空港控制方法还包括:
对传递至派送单元的货物进行识别,获得货物的配送的房间号;
根据房间号将货物移动至对应的楼层配送。
可选的,所述根据房间号将货物移动至对应的楼层包括:
控制传送装置将货物传送至对应楼层;
控制对应楼层的机器人装载货物并且进行配送。
可选的,所述根据房间号将货物移动至对应的楼层包括:
根据房间号将同一层的货物装入同一容器中;
控制传送装置将容器传送至对应楼层;
通过对应楼层的机器人装载容器,并且对货物进行逐个配送。
可选的,所述对货物进行逐个配送包括:
控制机器人通过三维视觉拍摄容器内的三维图像;
根据所述三维图像控制机器人将容器内的货物逐个获取;
控制机器人识别获取的货物,并且进行配送。
可选的,所述根据所述三维图像控制机器人将容器内的货物逐个取出包括:
将三维图像输入预先训练的神经网络,计算分割所述三维图像中的每一货物,并且获得位于最上层的一货物的像素点集;
根据货物的像素点集获得所述目标的边框信息,以及根据三维图像获得货物的深度信息;
根据所述边框信息和深度信息控制机器人将最上层的货物取出;
继续将最上层的货物取出之后的三维图像输入预先训练的神经网络,直至容器内检测不到货物。
可选的,所述控制机器人识别获取的货物,并且进行配送包括:
在取出预设数量的货物时,识别每一货物的送货地址;
根据送货地址进行排序,根据排序结果依次送货。
本发明还提供了一种办公楼无人空港控制装置,所述办公楼无人空港控制装置包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的办公楼无人空港控制程序,所述办公楼无人空港控制程序被所述处理器执行时实现如上述的办公楼无人空港控制方法的步骤。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有办公楼无人空港控制程序,所述办公楼无人空港控制程序被处理器执行时实现如上述的办公楼无人空港控制方法的步骤。
本发明所提供的办公楼无人空港控制方法,通过在无人机到达空港时,将无人机加入卸货队列;然后根据卸货队列控制无人机降落并卸货;然后将卸下的装货物的容器移动至分拣区域,控制视觉识别设备拍摄容器内的三维图像;然后根据所述三维图像控制机器人将容器内的货物逐个取出,并且逐个传递至派送单元。从而能够在办公楼内自动接收无人机送来的货物,并且对货物实施分拣,从而避免了通过人工将货物送至办公楼,并且在办公楼内进行分拣的动作。达到了提高送货效率的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明办公楼无人空港控制方法第一实施例的流程图;
图2为本发明办公楼无人空港控制方法第二实施例的部分流程图;
图3为本发明办公楼无人空港控制方法第三实施例的部分流程图;
图4为本发明办公楼无人空港控制方法第四实施例的部分流程图;
图5为本发明办公楼无人空港控制方法第五实施例的部分流程图;
图6为本发明办公楼无人空港控制方法第六实施例的部分流程图;
图7为本发明办公楼无人空港控制方法第七实施例的部分流程图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一
请参看图1,本实施例提供了一种办公楼无人空港控制方法。
请结合参看图1和图2,所述办公楼无人空港控制方法包括:
步骤S101,在无人机到达空港时,将无人机加入卸货队列;
步骤S102,根据卸货队列控制无人机降落并卸货;
步骤S103,将卸下的装货物的容器移动至分拣区域,控制视觉识别设备拍摄容器内的三维图像;
步骤S104,根据所述三维图像控制机器人将容器内的货物逐个取出,并且逐个传递至派送单元。
在本实施例中,首先在无人机到达空港时,将无人机加入卸货队列。其中,空港通常建设在办公楼的楼顶,从而可以利用办公楼楼顶较为宽阔的有利因素,便于无人机的起降。当然,空港也可以是设置在某一楼层的平台处,例如层高3米左右的一开阔楼层设置为空港。无人机到达空港时,加入卸货队列。若该空港具有多个停靠平台,则可以设置一个卸货队列对应多个停靠平台,也可以设置多个卸货队列,分别对应每一个或多个停靠平台等。
在本实施例中,在无人机加入卸货队列之后,再根据卸货队列控制无人机降落并卸货。其中,在卸货队列中的无人机,根据***的控制,而依次进行卸货。为了能够装载货物更多、以及卸货更快速和方便。通常无人机装载的是一集装箱,该集装箱具有通用的规格,便于通过固定的装夹工具进行装载和卸载。例如,当无人机降落后,松开集装箱时即可完成卸货动作。其中,卸货的过程中,可以通过人工辅助卸货,也可以采用机械手辅助卸货,或者直接通过无人机上的机关直接完成卸货。
在本实施例中,当无人机卸货完成之后,再将卸下的装货物的容器移动至分拣区域,控制视觉识别设备拍摄容器内的三维图像。其中,分拣区域能够实现分拣功能。该分拣区域和无人机停靠平台可以是分开的,然后通过专用机器人在两者之间传递货物。当然,分拣区域和无人机停靠平台也可以是连接在一起的,例如通过传送带连接在一起。例如一个无人机停靠平台和多个分拣区域通过传送带连接在一起。当货物卸载在无人机停靠平台时,即可通过传送带将货物及装货的容器传送至分拣区域。在本实施例中,分拣区域通过视觉识别设备拍摄容器内的三维图像。如果装货的容器是关闭的,则需要提前将容器进行开启,然后从上向下的方案来进行拍摄。三维摄像头可以是多种类型,例如双目摄像头在拍摄后合成三维图像。三维图像包括RGB信息之外,还包括深度信息,从而能够辅助计算实现更精确的物品分类。
在本实施例中,在获得三维图像之后,再根据所述三维图像控制机器人将容器内的货物逐个取出,并且逐个传递至派送单元。其中,通过三维图像可以获知图像中包括哪些物品,以及这些物品的位置信息。这些信息可以通过不同的算法来进行计算,计算获得的结果有的偏差很小,可以直接引导机械臂去目标位置抓取到目标物品。当然,在计算结果偏差较大时,可以结合机械臂的坐标信息,以及实施抓拍和计算的物品和机械手的位置信息,来反馈机械臂和目标物品之间的位置关系,从而指导机械臂抓取到目标物品。当机械臂抓取到物体后,将物体从容器中取出,并且按预设方案放置到传送点。直至机械臂将所有的目标物品都抓取完毕。上述的传送点,可以是位于传送带上,从而可以通过传送带的连续运行,从而使得传送点上始终可以保持空旷。派送单元用于执行派送功能,该功能可以是机器人进行操作、人工进行操作,或者是机器人结合人工进行操作等等。
本实施例所提供的办公楼无人空港控制方法,通过在无人机到达空港时,将无人机加入卸货队列;然后根据卸货队列控制无人机降落并卸货;然后将卸下的装货物的容器移动至分拣区域,控制视觉识别设备拍摄容器内的三维图像;然后根据所述三维图像控制机器人将容器内的货物逐个取出,并且逐个传递至派送单元。从而能够在办公楼内自动接收无人机送来的货物,并且对货物实施分拣,从而避免了通过人工将货物送至办公楼,并且在办公楼内进行分拣的动作。达到了提高送货效率的效果。
进一步的,在本实施例中,所述公楼无人空港控制方法还包括:
在容器内货物分拣完毕时,控制无人机装载清空的容器,并且加入离港队列。本实施例中,通过无人机装载情况的容器再离港,从而可以带走容器,避免容器在空港堆积。当然,在其他实施例中,容器也可以采用集装箱的使用方案,到港后由空港自行处理,而无人机在卸货之后即可空载返回。
实施例二
请参看图2,本实施例提供了一种办公楼无人空港控制方法,本实施例基于上述实施例,并且增加了额外步骤。具体如下:
所述公楼无人空港控制方法还包括:
步骤S201,对传递至派送单元的货物进行识别,获得货物的配送的房间号;
步骤S202,根据房间号将货物移动至对应的楼层配送。
本实施例中的其他步骤与上述实施例相同,具体可以参看上述实施例,在此不再赘述。
在本实施例中,当货物传递至派送单元之后,再对传递至派送单元的货物进行识别,获得货物的配送的房间号。其中,识别货物,可以通过识别货物上的条码来进行识别。还可以通过获得货物的包装形状和图案来进行匹配识别。具体的识别方案可以是将货物放置在传送带上,然后在相邻传送带的位置设置有扫码机和摄像机,然后通过扫码和摄像来识别货物。***通过获得货物信息后,可以通过网络查询该货物运单的目的地址,也可以直接从扫码信息或者拍摄获得的图像中直接识别并获取货物的目的地地址。例如,货物的运单标签上打印有描述配送地址的汉字,该运单标签还形成有包括配送地址的二维码。从而派送单元可以直接识别汉字,或者识别二维码,从而获知货物需要配送的地址,即房间号。
在本实施例中,在获得房间号之后,再根据房间号将货物移动至对应的楼层配送。其中,配送的方案可以是机器人自动配送,也可以是配送员进行配送,还可以是结合机器人和配送员进行配送。
本实施例所提供的办公楼无人空港控制方法,通过对传递至派送单元的货物进行识别,获得货物的配送的房间号;然后根据房间号将货物移动至对应的楼层配送。从而能够进一步增加配送的自动化程度,使得办公楼空港在统一收货之后,还具有分拣、识别和统计货物房间号的效果,进而提高了办公楼无人空港控制方法的智能化程度。
实施例三
请参看图3,本实施例提供了一种办公楼无人空港控制方法,本实施例基于上述实施例,并且对步骤S202进行了进一步限定。具体如下:
所述根据房间号将货物移动至对应的楼层包括:
步骤S301,控制传送装置将货物传送至对应楼层;
步骤S302,控制对应楼层的机器人装载货物并且进行配送。
本实施例中的其他步骤与上述实施例相同,具体可以参看上述实施例,在此不再赘述。
在本实施例中,在获得货物需要配送的房间号之后,控制传送装置将货物传送至对应楼层。其中,传送装置可以是连接上下楼层的传送带、传送电梯或者传送臂等等。例如专用的货物电梯,将货物装上电梯然后直达所需楼层。或者通过专用的传送带,从高楼层往低楼层传送,当传送到达目标楼层时,通过机械臂或者机械装置将货物从传送带上拦截下来。
在本实施例中,在货物传送至对应楼层之后,再控制对应楼层的机器人装载货物并且进行配送。其中,机器人可以是类人机器人,也可以是轮式机器人,还可以是通过轨道机器人,该轨道通过天花板连接至各个房间门口。
本实施例所提供的办公楼无人空港控制方法,通过控制传送装置将货物传送至对应楼层;然后控制对应楼层的机器人装载货物并且进行配送。从而进一步增加了货物配送的自动化程度,提高了配送的效率。
实施例四
请参看图4,本实施例提供了一种办公楼无人空港控制方法,本实施例基于第二实施例,并且对步骤S202进行了进一步限定。具体如下:
所述根据房间号将货物移动至对应的楼层包括:
步骤S401,根据房间号将同一层的货物装入同一容器中;
步骤S402,控制传送装置将容器传送至对应楼层;
步骤S403,通过对应楼层的机器人装载容器,并且对货物进行逐个配送。
本实施例中的其他步骤与上述实施例相同,具体可以参看第二实施例,在此不再赘述。
在本实施例中,在获得货物需要配送的房间号之后,根据房间号将同一层的货物装入同一容器中。其中,针对每一层可以预先设置多个容器,当一容器装满再装填下一容器。该容器可以纯粹的容器,也可以是带有运动装置的运输工具。
在本实施例中,当容器装满或者达到预设条件时,控制传送装置将容器传送至对应楼层。其中,如上所述,传送装置可以是连接上下楼层的传送带、传送电梯或者传送臂等等。例如专用的货物电梯,将容器装上电梯然后直达所需楼层。或者通过专用的传送带,从高楼层往低楼层传送,当传送到达目标楼层时,通过机械臂或者机械装置将容器从传送带上拦截下来。
在本实施例中,在容器传送到对应楼层时,通过对应楼层的机器人装载容器,并且对货物进行逐个配送。其中,如上所述机器人可以是类人机器人,也可以是轮式机器人,还可以是通过轨道机器人,该轨道通过天花板连接至各个房间门口。配送的顺序可以根据多个货物在该楼层的房间号来进行排序,排序的规则可以是以相邻距离优先,或者总送货距离最近优先等等。
本实施例所提供的办公楼无人空港控制方法,通过根据房间号将同一层的货物装入同一容器中;然后控制传送装置将容器传送至对应楼层;然后通过对应楼层的机器人装载容器,并且对货物进行逐个配送。从而进一步增加了货物配送的自动化程度,提高了配送的效率。
实施例五
请参看图5,本实施例提供了一种办公楼无人空港控制方法,本实施例基于上述实施例,并且对步骤S403进行了进一步限定。具体如下:
所述对货物进行逐个配送包括:
步骤S501,控制机器人通过三维视觉拍摄容器内的三维图像;
步骤S502,根据所述三维图像控制机器人将容器内的货物逐个获取;
步骤S503,控制机器人识别获取的货物,并且进行配送。
本实施例中的其他步骤与上述实施例相同,具体可以参看上述实施例,在此不再赘述。
在本实施例中,在机器人装载容器之后,控制机器人通过三维视觉拍摄容器内的三维图像。如上所述,机器人通过视觉识别设备拍摄容器内的三维图像。如果装货的容器是关闭的,则需要提前将容器进行开启,然后从上向下的方案来进行拍摄。三维摄像头可以是多种类型,例如双目摄像头在拍摄后合成三维图像。三维图像包括RGB信息之外,还包括深度信息,从而能够辅助计算实现更精确的物品分类。
在本实施例中,在获得三维图像之后,再根据所述三维图像控制机器人将容器内的货物逐个获取。其中,通过三维图像可以获知图像中包括哪些物品,以及这些物品的位置信息。这些信息可以通过不同的算法来进行计算,计算获得的结果有的偏差很小,可以直接引导机械臂去目标位置抓取到目标物品。当然,在计算结果偏差较大时,可以结合机械臂的坐标信息,以及实施抓拍和计算的物品和机械手的位置信息,来反馈机械臂和目标物品之间的位置关系,从而指导机械臂抓取到目标物品。在获取的过程中,可以将最上层的货物取走,再取第二层货物,以此类推。
在本实施例中,在获取了货物之后,控制机器人识别获取的货物,并且进行配送。其中,如上所述,识别货物,可以通过识别货物上的条码来进行识别。还可以通过获得货物的包装形状和图案来进行匹配识别。具体的识别方案可以通过扫码和摄像来识别货物。机器人通过获得货物信息后,可以通过网络查询该货物运单的目的地址,也可以直接从扫码信息或者拍摄获得的图像中直接识别并获取货物的目的地地址。例如,货物的运单标签上打印有描述配送地址的汉字,该运单标签还形成有包括配送地址的二维码。从而派送单元可以直接识别汉字,或者识别二维码,从而获知货物需要配送的地址,即房间号。在配送时,则可以根据机器人视觉识别***,自行规划路径和避开障碍物,送货至办公室门口。
本实施例所提供的办公楼无人空港控制方法,通过控制机器人通过三维视觉拍摄容器内的三维图像;然后根据所述三维图像控制机器人将容器内的货物逐个获取;然后控制机器人识别获取的货物,并且进行配送。从而进一步增加了货物配送的自动化程度,提高了配送的效率。
实施例六
请参看图6,本实施例提供了一种办公楼无人空港控制方法,本实施例基于上述实施例,并且对步骤S502进行了进一步限定。具体如下:
所述根据所述三维图像控制机器人将容器内的货物逐个取出包括:
步骤S601,将三维图像输入预先训练的神经网络,计算分割所述三维图像中的每一货物,并且获得位于最上层的一货物的像素点集;
步骤S602,根据货物的像素点集获得所述目标的边框信息,以及根据三维图像获得货物的深度信息;
步骤S603,根据所述边框信息和深度信息控制机器人将最上层的货物取出;
步骤S604,继续将最上层的货物取出之后的三维图像输入预先训练的神经网络,直至容器内检测不到货物。
本实施例中的其他步骤与上述实施例相同,具体可以参看上述实施例,在此不再赘述。
在本实施例中,在获得三维图像之后,将三维图像输入预先训练的神经网络,计算分割所述三维图像中的每一货物,并且获得位于最上层的一货物的像素点集。其中,将三维图像作为神经网络的输入。预先训练的神经网络,能够在获得输入值时,根据预先训练而获得的计算式,计算获得输出值。其中,神经网络可以通过Fully Convolutional Instance-aware Semantic Segmentation方案来进行卷积,分类和升维的操作。通过对三维图像进行卷积处理,能够高效和准确实施像素分类。在分类之后,再对降维后的图片进行升维处理,从而获得分类图像。而分类图像与三维图像大小相同,则能够便于进行后续步骤中依据每一分类物体的像素点集的识别边框操作。从而为机械手的平移,提供坐标。
在本实施例中,在获得目标像素点集之后,再根据货物的像素点集获得所述目标的边框信息,以及根据三维图像获得货物的深度信息。其中,由于像素点集基本展示了目标的大部分信息,因此通常能够计算获得目标的边框,例如可以根据目标的像素点集以及RANSAC方法提取出目标的边框。然后从边框信息中获得边框的长度、在二维坐标中所覆盖区域等等。进一步的,该边框信息可以提供用于机械手在前后左右方向的移动信息,通常记为X轴和Y轴方向的移动量。然后在通过三维图像的深度信息获得目标所在位置的深度。该深度信息可以提供用于机械手在上下方向的移动信息,通常记为Z轴方向的移动量。
在本实施例中,在获得目标边框和深度信息之后,再根据所述边框信息和深度信息控制机器人将最上层的货物取出。其中,在取出时,可以通过吸盘进行负压吸取,也可以通过机械手抓取。机械手下降至预设高度时进行减速,并且通过负压传感器或力矩传感器判断是否有碰到目标。在判断碰到目标之后,即可保持负压至预设值或者将张开的爪子合拢,以获取目标。
在本实施例中,在取出第一个目标之后,再继续将最上层的货物取出之后的三维图像输入预先训练的神经网络,直至容器内检测不到货物。即重复上述步骤,直到容器中的货物取出完毕。当然,在每次取出货物之后,都要进行识别。并且在取出货物达到预设数量时,可以先进行配送。然后配送之后再进行再次取出货物动作。
本实施例所提供的无人空港控制方法,通过将三维图像输入预先训练的神经网络,计算分割所述三维图像中的每一货物,并且获得位于最上层的一货物的像素点集;根据货物的像素点集获得所述目标的边框信息,以及根据三维图像获得货物的深度信息;根据所述边框信息和深度信息控制机器人将最上层的货物取出;继续将最上层的货物取出之后的三维图像输入预先训练的神经网络,直至容器内检测不到货物。从而达到了通过人工神经网络配合计算货物的位置信息,从而能够更快速和准确的识别货物。进而极大提高了货物自动配送的自动化效率,以及极大提高了货物配送过程的稳定性。
实施例七
请参看图7,本实施例提供了一种办公楼无人空港控制方法,本实施例基于上述实施例,并且对步骤S503进行了进一步限定。具体如下:
所述控制机器人识别获取的货物,并且进行配送包括:
步骤S701,在取出预设数量的货物时,识别每一货物的送货地址;
步骤S702,根据送货地址进行排序,根据排序结果依次送货。
本实施例中的其他步骤与上述实施例相同,具体可以参看上述实施例,在此不再赘述。
在本实施例中,在获得容器并且执行取出动作之后,在取出预设数量的货物时,识别每一货物的送货地址。其中,每次取出不一定马上识别,可以先取出预设数量个,然后再进行统一识别。例如放入到机器人自身的陈列货架,放入完毕之后,再进行统一扫描。当然,也可以每取出一个,即进行识别。
在本实施例中,在识别每一取出的货物的送货地址时,根据送货地址进行排序,根据排序结果依次送货。其中,配送的顺序可以根据多个货物在该楼层的房间号来进行排序,排序的规则可以是以相邻距离优先,或者总送货距离最近优先等等。
本实施例所提供的办公楼无人空港控制方法,通过在取出预设数量的货物时,识别每一货物的送货地址;然后根据送货地址进行排序,根据排序结果依次送货。从而使得送货流程更规范,便于管理机器人的送货顺序。
实施例八
本实施例提供了一种办公楼无人空港控制装置。
所述办公楼无人空港控制装置包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的办公楼无人空港控制程序,所述办公楼无人空港控制程序被所述处理器执行时实现如上述任一实施例的办公楼无人空港控制方法的步骤。
由于本实施例具有上述办公楼无人空港控制方法的所有技术特征,因此本实施例也具有上述办公楼无人空港控制方法所具有的有益效果。具体请参看上述实施例,在此不再赘述。
实施例九
本实施例提供了一种计算机可读存储介质。
所述计算机可读存储介质上存储有办公楼无人空港控制程序,所述办公楼无人空港控制程序被处理器执行时实现如上述任一实施例的办公楼无人空港控制方法的步骤。
由于本实施例具有上述办公楼无人空港控制方法的所有技术特征,因此本实施例也具有上述办公楼无人空港控制方法所具有的有益效果。具体请参看上述实施例,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种办公楼无人空港控制方法,其特征在于,所述办公楼无人空港控制方法包括:
在无人机到达空港时,将无人机加入卸货队列;
根据卸货队列控制无人机降落并卸货;
将卸下的装货物的容器移动至分拣区域,控制视觉识别设备拍摄容器内的三维图像;
根据所述三维图像控制机器人将容器内的货物逐个取出,并且逐个传递至派送单元。
2.如权利要求1所述的办公楼无人空港控制方法,其特征在于,所述公楼无人空港控制方法还包括:
在容器内货物分拣完毕时,控制无人机装载清空的容器,并且加入离港队列。
3.如权利要求1所述的办公楼无人空港控制方法,其特征在于,所述公楼无人空港控制方法还包括:
对传递至派送单元的货物进行识别,获得货物的配送的房间号;
根据房间号将货物移动至对应的楼层配送。
4.如权利要求3所述的办公楼无人空港控制方法,其特征在于,所述根据房间号将货物移动至对应的楼层包括:
控制传送装置将货物传送至对应楼层;
控制对应楼层的机器人装载货物并且进行配送。
5.如权利要求3所述的办公楼无人空港控制方法,其特征在于,所述根据房间号将货物移动至对应的楼层包括:
根据房间号将同一层的货物装入同一容器中;
控制传送装置将容器传送至对应楼层;
通过对应楼层的机器人装载容器,并且对货物进行逐个配送。
6.如权利要求5所述的办公楼无人空港控制方法,其特征在于,所述对货物进行逐个配送包括:
控制机器人通过三维视觉拍摄容器内的三维图像;
根据所述三维图像控制机器人将容器内的货物逐个获取;
控制机器人识别获取的货物,并且进行配送。
7.如权利要求6所述的办公楼无人空港控制方法,其特征在于,所述根据所述三维图像控制机器人将容器内的货物逐个取出包括:
将三维图像输入预先训练的神经网络,计算分割所述三维图像中的每一货物,并且获得位于最上层的一货物的像素点集;
根据货物的像素点集获得所述目标的边框信息,以及根据三维图像获得货物的深度信息;
根据所述边框信息和深度信息控制机器人将最上层的货物取出;
继续将最上层的货物取出之后的三维图像输入预先训练的神经网络,直至容器内检测不到货物。
8.如权利要求6所述的办公楼无人空港控制方法,其特征在于,所述控制机器人识别获取的货物,并且进行配送包括:
在取出预设数量的货物时,识别每一货物的送货地址;
根据送货地址进行排序,根据排序结果依次送货。
9.一种办公楼无人空港控制装置,其特征在于,所述办公楼无人空港控制装置包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的办公楼无人空港控制程序,所述办公楼无人空港控制程序被所述处理器执行时实现如权利要求1至8中任一项所述的办公楼无人空港控制方法的步骤。
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办公楼无人空港控制程序,所述办公楼无人空港控制程序被处理器执行时实现如权利要求1至8中任一项所述的办公楼无人空港控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811179366.4A CN109345176A (zh) | 2018-10-10 | 2018-10-10 | 办公楼无人空港控制方法、装置以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811179366.4A CN109345176A (zh) | 2018-10-10 | 2018-10-10 | 办公楼无人空港控制方法、装置以及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109345176A true CN109345176A (zh) | 2019-02-15 |
Family
ID=65308426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811179366.4A Pending CN109345176A (zh) | 2018-10-10 | 2018-10-10 | 办公楼无人空港控制方法、装置以及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109345176A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110910748A (zh) * | 2019-12-02 | 2020-03-24 | 北京梯易易科技有限公司 | 无人物流演示方法及装置 |
CN111389736A (zh) * | 2020-03-31 | 2020-07-10 | 苏州诚满信息技术有限公司 | 一种基于大数据及无人运输的智能快递配送方法及其*** |
CN112573073A (zh) * | 2019-09-30 | 2021-03-30 | 坎德拉(深圳)科技创新有限公司 | 一种货物的分拣派送方法、派送***以及主控设备 |
CN113283848A (zh) * | 2021-07-21 | 2021-08-20 | 湖北浩蓝智造科技有限公司 | 一种货物入库检测方法、仓储入库***及存储介质 |
CN114012720A (zh) * | 2021-10-27 | 2022-02-08 | 因格(苏州)智能技术有限公司 | 一种机器人 |
CN114030843A (zh) * | 2021-10-27 | 2022-02-11 | 因格(苏州)智能技术有限公司 | 物品流转方法与*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105989459A (zh) * | 2016-04-20 | 2016-10-05 | 宁波蓝飞鹂航空科技有限公司 | 一种无人机自动导航收发货***及其使用方法 |
CN106347913A (zh) * | 2016-10-09 | 2017-01-25 | 马彦亭 | 一种全自动无人机快递***及方法 |
CN107833003A (zh) * | 2017-11-28 | 2018-03-23 | 广州智网联运物流有限公司 | 物流运输***与方法 |
CN107977817A (zh) * | 2017-12-03 | 2018-05-01 | 中国直升机设计研究所 | 一种基于无人机的货物配送***及配送方法 |
CN108229665A (zh) * | 2018-02-02 | 2018-06-29 | 上海建桥学院 | 一种以深度卷积神经网络为基础的零件分拣*** |
-
2018
- 2018-10-10 CN CN201811179366.4A patent/CN109345176A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105989459A (zh) * | 2016-04-20 | 2016-10-05 | 宁波蓝飞鹂航空科技有限公司 | 一种无人机自动导航收发货***及其使用方法 |
CN106347913A (zh) * | 2016-10-09 | 2017-01-25 | 马彦亭 | 一种全自动无人机快递***及方法 |
CN107833003A (zh) * | 2017-11-28 | 2018-03-23 | 广州智网联运物流有限公司 | 物流运输***与方法 |
CN107977817A (zh) * | 2017-12-03 | 2018-05-01 | 中国直升机设计研究所 | 一种基于无人机的货物配送***及配送方法 |
CN108229665A (zh) * | 2018-02-02 | 2018-06-29 | 上海建桥学院 | 一种以深度卷积神经网络为基础的零件分拣*** |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112573073A (zh) * | 2019-09-30 | 2021-03-30 | 坎德拉(深圳)科技创新有限公司 | 一种货物的分拣派送方法、派送***以及主控设备 |
CN112573073B (zh) * | 2019-09-30 | 2023-03-28 | 坎德拉(深圳)科技创新有限公司 | 一种货物的分拣派送方法、派送***以及主控设备 |
CN110910748A (zh) * | 2019-12-02 | 2020-03-24 | 北京梯易易科技有限公司 | 无人物流演示方法及装置 |
CN111389736A (zh) * | 2020-03-31 | 2020-07-10 | 苏州诚满信息技术有限公司 | 一种基于大数据及无人运输的智能快递配送方法及其*** |
CN111389736B (zh) * | 2020-03-31 | 2021-10-08 | 深圳市点易达科技有限公司 | 一种基于大数据及无人运输的智能快递配送方法及其*** |
CN113283848A (zh) * | 2021-07-21 | 2021-08-20 | 湖北浩蓝智造科技有限公司 | 一种货物入库检测方法、仓储入库***及存储介质 |
CN113283848B (zh) * | 2021-07-21 | 2021-09-28 | 湖北浩蓝智造科技有限公司 | 一种货物入库检测方法、仓储入库***及存储介质 |
CN114012720A (zh) * | 2021-10-27 | 2022-02-08 | 因格(苏州)智能技术有限公司 | 一种机器人 |
CN114030843A (zh) * | 2021-10-27 | 2022-02-11 | 因格(苏州)智能技术有限公司 | 物品流转方法与*** |
CN114012720B (zh) * | 2021-10-27 | 2022-12-16 | 因格(苏州)智能技术有限公司 | 一种机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109345176A (zh) | 办公楼无人空港控制方法、装置以及计算机可读存储介质 | |
US11433429B2 (en) | Logistics sorting system and logistics sorting method | |
JP2022552628A (ja) | ワークフローを満たし衝突を回避するための複数のロボットの連係 | |
KR102616626B1 (ko) | 실시간 배치 시뮬레이션을 사용하여 패키지를 팔레트화하기 위한 로봇 시스템 | |
US11850633B2 (en) | Robotic system having shuttle | |
US9457970B1 (en) | Modular cross-docking system | |
KR102289649B1 (ko) | 릴레이식 물품 피킹 시스템 및 피킹 방법 | |
KR20220165262A (ko) | 픽 앤 플레이스 로봇 시스템 | |
US8965563B2 (en) | High throughput parcel handling | |
CN107031938B (zh) | 传送***的致动 | |
CN107597600A (zh) | 分拣***和分拣方法 | |
CN109279252A (zh) | 货物搬运***和方法 | |
KR101495020B1 (ko) | 항공 수송 유닛들의 자동 로딩을 위한 방법 및 시스템 | |
CN109969674B (zh) | 一种机器人控制***和方法、计算设备及存储介质 | |
CN112008713A (zh) | 机器人***的控制装置以及控制方法 | |
CN108698224A (zh) | 机器人码放货物的方法、控制机器人码放货物的***及机器人 | |
CN118529400A (zh) | 基于机器人的拣货或补货方法及*** | |
CN109414729B (zh) | 分类传输货物的方法、***及存储装置 | |
JP2022545882A (ja) | 仕分けシステム、仕分け方法、コンピュータプログラム及びコンピュータ読み取り可能な媒体 | |
CN109454003A (zh) | 货物分拣方法、装置和计算机可读存储介质 | |
EP3925910A1 (en) | Handling system and control method | |
CN112974285A (zh) | 一种货物分拣***、机器人和货物分拣方法 | |
CN210028836U (zh) | 一种配送装置和*** | |
US20240279008A1 (en) | Automated product unloading, handling, and distribution | |
CN114187564A (zh) | 智能仓库中跨设备联动方法及视觉辅助联动*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190215 |
|
RJ01 | Rejection of invention patent application after publication |