CN114358145A - 叉车卸货方法、叉车及计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种叉车卸货方法、叉车及计算机可读存储介质，属于叉车技术领域。本发明通过获取由第一检测设备得到的停靠在预设位置的平板车上的车厢和货物的点云数据，并获取由第二检测设备得到的所述平板车的图像数据，所述第一检测设备与所述第二检测设备均位于所述预设位置的正上方；根据所述车厢和货物的点云数据以及所述图像数据确定所述平板车上货物的位置信息；根据叉车的位置信息以及所述货物的位置信息确定行驶路径，并基于所述行驶路径行驶至库位点；在所述库位点确定由第三检测设备得到的托盘位置，所述第三检测设备位于叉车上；叉取所述托盘位置上的货物的技术方案，解决了叉车无法准确卸货的问题，提高叉车的卸货精度。

Description

叉车卸货方法、叉车及计算机可读存储介质

技术领域

本发明涉及叉车技术领域，尤其涉及一种叉车卸货方法、叉车及计算机可读存储介质。

背景技术

随着智能工业和智能物流的发展，仓储物流越来越趋向于自动化，无人叉车扮演非常重要的角色。在平板车卸货的过程中，无人叉车用于叉取平板车上的货物并运输至某一指定位置上。目前，无人叉车在卸货过程中，当货物在平板车上的存放位置识别存在误差时，容易导致发生插偏或者插倒的现象，使得无人叉车无法顺利完成卸货。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种叉车卸货方法、叉车及计算机可读存储介质，旨在解决叉车无法准确卸货的技术问题。

为实现上述目的，本发明提供一种叉车卸货方法，所述叉车卸货方法包括以下步骤：

获取由第一检测设备得到的停靠在预设位置的平板车上的车厢和货物的点云数据，并获取由第二检测设备得到的所述平板车的图像数据，所述第一检测设备与所述第二检测设备均位于所述预设位置的正上方；

根据所述车厢和货物的点云数据以及所述图像数据确定所述平板车上货物的位置信息；

根据叉车的位置信息以及所述货物的位置信息确定行驶路径，并基于所述行驶路径行驶至库位点；

在所述库位点确定由第三检测设备得到的托盘位置，所述第三检测设备位于叉车上；

叉取所述托盘位置上的货物。

可选地，所述根据所述车厢和货物的点云数据以及所述图像数据确定所述平板车上货物的位置信息的步骤包括：

将所述平板车的图像信息输入第一预设目标检测模型，得到货物检测框，所述第一预设目标检测模型根据预设货物位置信息训练得到；

从所述车厢和货物的点云数据中提取所述货物检测框的点云数据；

根据所述货物检测框的点云数据确定所述平板车上货物的位置信息。

可选地，所述根据所述货物检测框的点云数据确定所述平板车上货物的位置信息的步骤包括：

对所述货物检测框的点云数据进行数据处理，得到在激光雷达坐标系下的货物的位置信息，所述数据处理依次包括离散点云数据滤波处理以及点云数据拟合处理；

基于预设旋转矩阵以及预设平移矩阵将所述激光雷达坐标系下的货物的位置信息转化为地图坐标系下的货物的位置信息，并将所述地图坐标系下的货物的位置信息作为所述平板车上货物的位置信息。

可选地，所述根据叉车的位置信息以及所述货物的位置信息确定行驶路径，并基于所述行驶路径行驶至库位点的步骤之前，还包括：

根据所述货物的位置信息确定卸货顺序；

建立所述货物的位置信息与检测点的位置信息的关联关系；

基于所述卸货顺序将所述货物的位置信息与所述检测点的位置信息的关联关系存储于预设数据库中。

可选地，所述根据叉车的位置信息以及所述货物的位置信息确定行驶路径，并基于所述行驶路径行驶至库位点的步骤包括：

在接收到目标货物的卸货请求时，从所述预设数据库中获取所述目标货物的位置信息关联的库位点的位置信息；

根据叉车的位置信息以及所述库位点的位置信息确定行驶路径，并使叉车基于所述行驶路径行驶至所述库位点。

可选地，所述在所述库位点确定由第三检测设备得到的托盘位置的步骤包括：

获取由第三检测设备采集得到的货物的图像信息；

将所述货物的图像信息输入第二预设目标检测模型，得到托盘检测框，所述第二预设目标检测模型根据预设托盘位置信息训练得到；

在所述图像信息对应的点云数据上提取所述托盘检测框的点云数据；

根据所述托盘检测框的点云数据确定托盘位置。

可选地，所述根据所述托盘检测框的点云数据确定托盘位置的步骤之前，还包括：

对所述托盘检测框的点云数据依次进行离散点滤波处理、法向量过滤处理、点云平滑处理以及平面分割处理，得到数据处理后的所述托盘检测框的点云数据。

可选地，所述根据所述托盘检测框的点云数据确定托盘位置的步骤包括：

根据所述托盘检测框的点云数据得到货物中心的点云数据；

获取货物类别，并根据所述货物类别确定货物进叉口的实际尺寸信息；

根据所述货物中心的点云数据以及所述货物进叉口的实际尺寸信息得到托盘位置。

此外，为实现上述目的，本发明还提供一种叉车，所述叉车包括：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叉车卸货程序，所述叉车卸货程序配置为实现如上所述的叉车卸货方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述存储介质上存储有叉车卸货程序，所述叉车卸货程序被处理器执行时实现如上所述的叉车卸货方法的步骤。

在本申请的技术方案中，本申请通过获取由第一检测设备得到的停靠在预设位置的平板车上的车厢和货物的点云数据，并获取由第二检测设备得到的所述平板车的图像数据，从而根据所述车厢和货物的点云数据以及所述图像数据初步确定所述平板车上货物的位置信息。在确定平板车上货物的位置信息之后，根据叉车的位置信息以及所述货物的位置信息确定叉车的行驶路径，并基于所述行驶路径行驶至库位前方的库位点。在行驶至库位前方的库位点之后，通过在所述库位点确定由第三检测设备得到的托盘位置，并叉取托盘位置上的货物，实现在所述库位点对货物的位置的精准识别以及准确叉取，避免由于进叉角度或者进叉位置存在误差导致叉车无法完成卸货的问题，提高叉车的卸货精度。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的叉车的结构示意图；

图2为本发明叉车卸货方法第一实施例的流程示意图；

图3为本发明叉车卸货方法第一实施例步骤S120的细化流程示意图；

图4为本发明叉车卸货方法第一实施例步骤S140之前的流程示意图；

图5为本发明叉车卸货方法第一实施例步骤S140的细化流程示意图；

图6为本发明叉车卸货方法第一实施例步骤S150的细化流程示意图；

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。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的叉车结构示意图。

如图1所示，该叉车可以包括：处理器1001，例如中央处理器(Central ProcessingUnit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对叉车的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作***、数据存储模块、网络通信模块、用户接口模块以及叉车卸货程序。

在图1所示的叉车中，网络接口1004主要用于与其他设备进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明叉车中的处理器1001、存储器1005可以设置在叉车中，所述叉车通过处理器1001调用存储器1005中存储的叉车卸货程序，并执行本发明实施例提供的叉车卸货方法。

本发明实施例提供了一种叉车卸货方法，参照图2，图2为本发明一种叉车卸货方法第一实施例的流程示意图。

本实施例中，所述叉车卸货方法包括：

步骤S110，获取由第一检测设备得到的停靠在预设位置的平板车上的车厢和货物的点云数据，并获取由第二检测设备得到的所述平板车的图像数据，所述第一检测设备与所述第二检测设备均位于所述预设位置的正上方。

步骤S120，根据所述车厢和货物的点云数据以及所述图像数据确定所述平板车上货物的位置信息。

步骤S130，根据叉车的位置信息以及所述货物的位置信息确定行驶路径，并基于所述行驶路径行驶至库位点。

步骤S140，在所述库位点确定由第三检测设备得到的托盘位置，所述第三检测设备位于叉车上。

步骤S150，叉取所述托盘位置上的货物。

在本实施例中，所述第一检测设备为固态激光雷达设备。所述第二检测设备为RGB相机，所述RGB相机用于目标检测。所述预设位置为平板车的停靠位置，所述预设位置为区域内的任意位置，且所述预设位置可设置多个。在每个所述预设位置的正上方预先安装有所述固态激光雷达设备与所述RGB相机，且所述固态激光雷达设备与所述RGB相机组合安装在一起，并与无人叉车建立有通信连接关系。其中，所述第一检测设备用于获取停靠在预设位置的车厢和货物的点云数据。所述第二检测设备用于采集所述平板车的图像数据。在所述固态激光雷达设备获取到停靠在所述预设位置的车厢和货物的点云数据，以及所述RGB相机获取到停靠在所述预设位置的平板车的图像数据之后，将地图坐标系下的货物的位置信息发送至无人叉车，使得无人叉车在接收到地图坐标系下的货物的位置信息之后，确定平板车上货物的位置信息。在安装所述固态激光雷达设备与所述RGB相机之后，对所述固态激光雷达设备与所述RGB相机进行标定，使所述固态激光雷达设备与所述RGB相机在同一坐标系下。在对所述固态激光雷达设备与所述RGB相机进行标定之后，可确定激光雷达坐标系转换到无人叉车行驶的地图坐标系的预设旋转矩阵和预设平移矩阵。

具体的，在接收到工作人员启动装车任务时，所述固态激光雷达设备朝平板车发射雷达信号，将所述雷达信号的反射信号与相机采集图像信息发送至外设工控机上进行处理，最后将处理结果发送给无人叉车的工控机。为了更加精确的得到平板车上货物的位置，还需要采集平板车上货物的图像信息，结合所述货物的图像信息以及所述车厢和货物的点云数据，从而得到平板车上货物的位置信息。

在本实施例中，在货物到平板车上货物的位置信息之后，需要使无人叉车行驶至库位点的位置，在所述库位点的位置对车厢内货物的位置进行更加精确的识别，从而得到进叉的角度信息以及进叉的位置信息。具体的，获取无人叉车自身定位传感器检测到的无人叉车的位置信息。根据所述叉车的位置信息以及货物的位置信息确定无人叉车的行驶路径，使得无人叉车基于所述行驶路径行驶至库位点。其中，每个货物在平板车上均存在对应的位置信息，且在每个所述位置信息上均有对应的库位点。

在本实施例中，在无人叉车基于行驶路径行驶至库位点之后，在所述库位点确定托盘位置。具体的，在所述库位点启动叉车上的第三检测设备检测托盘位置。所述第三检测设备采集图像信息，将采集的所述图像信息输入YOLO深度学习目标检测模型，从而得到托盘位置，其中，在第二检测设备与第三检测设备均用到了YOLO深度学习目标检测模型，第三检测设备依靠点云采集的数据获取货物中心点的坐标。在检测到托盘位置之后，即可确定无人叉车多叉齿的进叉的角度信息以及进叉的位置信息，从而基于所述进叉的角度信息以及所述进叉的位置信息控制多叉齿叉取所述托盘位置上的货物。其中，所述第三检测设备可为RGB相机，所述RGB相机可用于获取图像信息与点云数据。

在本申请的技术方案中，本申请通过获取由第一检测设备得到的停靠在预设位置的平板车上的车厢和货物的点云数据，并获取由第二检测设备得到的所述平板车的图像数据，从而根据所述车厢和货物的点云数据以及所述图像数据初步确定所述平板车上货物的位置信息。在确定平板车上货物的位置信息之后，获取叉车的位置信息。根据所述叉车的位置信息以及所述货物的位置信息确定叉车的行驶路径，并基于所述行驶路径行驶至库位前方的库位点。在行驶至库位前方的库位点之后，通过在所述库位点确定由第三检测设备得到的托盘位置，并叉取托盘位置上的货物，实现在所述库位点对货物的位置的精准识别以及准确叉取，避免由于进叉角度或者进叉位置存在误差导致叉车无法完成卸货的问题，提高叉车的卸货精度。

进一步的，参照图3，本发明叉车卸货方法第二实施例提供一种根据所述车厢和货物的点云数据以及所述图像数据确定所述平板车上货物的位置信息的技术方案，基于上述图1所示的实施例，所述根据所述车厢和货物的点云数据以及所述图像数据确定所述平板车上货物的位置信息包括：

步骤S121，将所述平板车的图像信息输入第一预设目标检测模型，得到货物检测框，所述第一预设目标检测模型根据预设货物位置信息训练得到；

步骤S122，从所述车厢和货物的点云数据中提取所述货物检测框的点云数据；

步骤S123，根据所述货物检测框的点云数据确定所述平板车上货物的位置信息。

在本实施例中，在获取到车厢和货物的点云数据以及平板车的图像信息之后，为了初步得到平板车上货物的位置信息，第二检测设备获取平板车的图像信息，将所述平板车的图像信息输入第一预设目标检测模型，得到货物检测框。其中，所述第一预设目标检测模型根据预设货物位置信息训练得到。所述第一预设目标检测模型为YOLO目标检测模型，可通过YOLO目标检测模型获取货物检测框。

在本实施例中，在得到货物检测框之后，从车厢和货物的点云数据中获取货物检测框上的点云数据，进而根据所述货物检测框上的点云数据确定平板车上货物的位置信息。具体的，从车厢和货物的点云数据中获取货物检测框上的点云数据之后，对所述货物检测框的点云数据进行数据处理，所述数据处理依次包括离散点云数据滤波处理以及点云数据拟合处理。例如，采用点云滤波，删除离群点，使用RANSAC方法拟合货物平面，最后通过最小外包矩形获取货物中心坐标(x0、y0、z0、angle0)，从而得到平板车上货物的位置信息。

在本实施例中，通过数据处理得到货物的位置信息为激光雷达坐标系下的货物的位置信息。在得到激光雷达坐标系下的货物的位置信息之后，需要将所述激光雷达坐标系下的货物的位置信息转化为地图坐标系下的货物的位置信息，从而得到最终的平板车上货物的位置信息。具体的，基于预设旋转矩阵以及预设平移矩阵将所述激光雷达坐标系下的货物的位置信息转化为地图坐标系下的货物的位置信息，并将所述地图坐标系下的货物的位置信息作为所述平板车上货物的位置信息。

在本实施例的技术方案中，通过采用将平板车的图像信息输入第一预设目标检测模型，得到货物检测框，从车厢和货物的点云数据中提取所述货物检测框上的点云数据，从而根据所述货物检测框的点云数据初步确定平板车上货物的位置信息。

进一步的，参照图4，本发明叉车卸货方法第三实施例提供一种根据叉车的位置信息以及所述货物的位置信息确定行驶路径，并基于所述行驶路径行驶至库位点步骤之前的技术方案，基于上述图1所示的实施例，所述根据叉车的位置信息以及所述货物的位置信息确定行驶路径，并基于所述行驶路径行驶至库位点的步骤之前，还包括：

步骤S210，根据所述货物的位置信息确定卸货顺序。

步骤S220，建立所述货物的位置信息与检测点的位置信息的关联关系。

步骤S230，基于所述卸货顺序将所述货物的位置信息与所述检测点的位置信息的关联关系存储于预设数据库中。

在本实施例中，在得到货物的位置信息之后，根据所述货物的位置信息确定卸货顺序，并将所述卸货顺序发送至库位管理***。所述卸货顺序可根据实际情况进行设置。例如，可设置所述卸货顺序为由里到外、由上到下。可选地，所述卸货顺序用于表示货物的卸货顺序。每个货物的位置信息均有对应的检测点的位置信息。所述货物的位置信息与所述检测点的位置信息可根据实际情况进行设置。通过建立所述货物的位置信息与检测点的位置信息的关联关系。并基于所述卸货顺序将所述货物的位置信息与所述检测点的位置信息的关联关系存储在预设数据库中。

在本实施例的技术方案中，通过根据所述货物的位置信息确定卸货顺序。建立所述货物的位置信息与检测点的位置信息的关联关系。基于所述卸货顺序将所述货物的位置信息与所述检测点的位置信息的关联关系存储于预设数据库中的技术方案，实现无人叉车的有序卸货。

进一步的，参照图5，本发明叉车卸货方法第四实施例提供一种根据叉车的位置信息以及所述货物的位置信息确定行驶路径，并基于所述行驶路径行驶至库位点的技术方案，基于上述图4所示的实施例，所述根据叉车的位置信息以及所述货物的位置信息确定行驶路径，并基于所述行驶路径行驶至库位点，包括：

步骤S131，在接收到目标货物的卸货请求时，从所述预设数据库中获取所述目标货物的位置信息关联的库位点的位置信息。

步骤S132，根据叉车的位置信息以及所述库位点的位置信息确定行驶路径，并使叉车基于所述行驶路径行驶至所述库位点。

在本实施例中，无人叉车在接收到目标货物的卸货请求时，从预设数据库中获取与目标货物的位置信息关联的库位点的位置信息。进而根据叉车的位置信息以及库位点的位置信息确定行驶路径。无人叉车在接收到所述目标货物的卸货请求时，调度叉车根据所述行驶路径行驶到库位点。通过上述的卸货顺序循环执行卸货操作，使得平板车上的货物均被卸下。

在本实施例的技术方案中，由于采用了在接收到目标货物的卸货请求时，从预设数据库中获取库位点的位置信息，从而根据所述库位点的位置信息与叉车的位置信息确定叉车的行驶路径，使得叉车能基于所述行驶路径行驶至库位点，从而实现叉车的导航。

进一步的，参照图6，本发明叉车卸货方法第五实施例提供一种在所述库位点确定由第三检测设备得到的托盘位置的具体技术方案，基于上述图1所示的实施例，所述在所述库位点确定由第三检测设备得到的托盘位置包括：

步骤S141，获取由第三检测设备采集得到的货物的图像信息。

步骤S142，将所述货物的图像信息输入第二预设目标检测模型，得到托盘检测框，所述第二预设目标检测模型根据预设托盘位置信息训练得到。

步骤S143，在所述图像信息对应的点云数据上提取所述托盘检测框的点云数据。

步骤S144，根据所述托盘检测框的点云数据确定托盘位置。

在本实施例中，可选地，获取由第三检测设备采集得到的货物的图像信息；将所述货物的图像信息输入第二预设目标检测模型，得到托盘检测框，所述第二预设目标检测模型根据预设托盘位置信息训练得到。在所述图像信息对应的点云数据上提取所述托盘检测框的点云数据。对所述托盘检测框的点云数据依次进行离散点滤波处理、法向量过滤处理、点云平滑处理以及平面分割处理，得到数据处理后的所述托盘检测框的点云数据。根据所述托盘检测框的点云数据得到货物中心的点云数据。获取货物类别，并根据所述货物类别确定货物进叉口的实际尺寸信息。根据所述货物中心的点云数据以及所述货物进叉口的实际尺寸信息得到托盘位置。

可选的，获取由第三检测设备采集得到的货物的图像信息；将所述货物的图像信息输入第二预设目标检测模型，得到托盘检测框，所述第二预设目标检测模型根据预设托盘位置信息训练得到；在所述图像信息对应的点云数据上提取所述托盘检测框的边缘的点云数据；根据托盘检测框的点云数据得到货物中心的点云数据；获取货物类别，并根据所述货物类别确定货物进叉口的实际尺寸信息；根据所述货物中心的点云数据以及所述货物进叉口的实际尺寸信息得到托盘位置。

具体的，当无人叉车到达货物前方的库位点时，无人叉车上的第三检测设备开始工作。获取由第三检测设备采集得到的货物的图像信息，基于YOLO目标检测模型，利用遗传算法+k均值在训练数据集中重新计算了最合适的锚框比例类型。训练托盘检测模型，将第三检测设备采集并经过预处理后的RGB-D数据输入到YOLO目标检测模型，得到托盘检测框，并在图像信息对应的点云数据上提取所述托盘检测框对应位置的点云数据，输入到点云分割模块。所述点云分割模块对托盘检测框对应的点云数据依次进行离散点滤波处理、法向量过滤处理、点云数据平滑处理、平面分割处理，从而根据点云数据处理后的所述点云数据得到托盘的表面点云，并根据所述托盘表面点云得到托盘位置。在得到托盘位置时，可根据所述托盘位置进一步确定无人叉车进叉的位置信息和角度信息。

在本实施例的技术方案中，通过将第三检测设备采集的图像信息输入第二预设目标检测模型，得到托盘检测框。在图像信息对应的点云数据上提取所述托盘检测框的点云数据。根据所述托盘检测框的点云数据确定托盘位置，从而精确确定无人叉车进叉的位置信息和角度信息。

基于同一发明构思，本申请实施例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存储有叉车卸货程序，所述叉车卸货程序被处理器执行时实现如上所述的叉车卸货的各个步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。

由于本申请实施例提供的计算机可读存储介质，为实施本申请实施例的方法所采用的计算机可读存储介质，故而基于本申请实施例所介绍的方法，本领域所属人员能够了解该计算机可读存储介质的具体结构及变形，故而在此不再赘述。凡是本申请实施例的方法所采用的计算机可读存储介质都属于本申请所欲保护的范围。

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***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***所固有的要素。在没有更多限制的情况下，由语句“包括一个叉车卸货”限定的要素，并不排除在包括该要素的过程、方法、物品或者***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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，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。

Claims (10)

1.一种叉车卸货方法，其特征在于，所述叉车卸货方法包括以下步骤：

获取由第一检测设备得到的停靠在预设位置的平板车上的车厢和货物的点云数据，并获取由第二检测设备得到的所述平板车的图像数据，所述第一检测设备与所述第二检测设备均位于所述预设位置的正上方；

根据所述车厢和货物的点云数据以及所述图像数据确定所述平板车上货物的位置信息；

根据叉车的位置信息以及所述货物的位置信息确定行驶路径，并基于所述行驶路径行驶至库位点；

在所述库位点确定由第三检测设备得到的托盘位置，所述第三检测设备位于叉车上；

叉取所述托盘位置上的货物。

2.如权利要求1所述的叉车卸货方法，其特征在于，所述根据所述车厢和货物的点云数据以及所述图像数据确定所述平板车上货物的位置信息的步骤包括：

将所述平板车的图像信息输入第一预设目标检测模型，得到货物检测框，所述第一预设目标检测模型根据预设货物位置信息训练得到；

从所述车厢和货物的点云数据中提取所述货物检测框的点云数据；

根据所述货物检测框的点云数据确定所述平板车上货物的位置信息。

3.如权利要求2所述的叉车卸货方法，其特征在于，所述根据所述货物检测框的点云数据确定所述平板车上货物的位置信息的步骤包括：

对所述货物检测框的点云数据进行数据处理，得到在激光雷达坐标系下的货物的位置信息，所述数据处理依次包括离散点云数据滤波处理以及点云数据拟合处理；

基于预设旋转矩阵以及预设平移矩阵将所述激光雷达坐标系下的货物的位置信息转化为地图坐标系下的货物的位置信息，并将所述地图坐标系下的货物的位置信息作为所述平板车上货物的位置信息。

4.如权利要求1所述的叉车卸货方法，其特征在于，所述根据叉车的位置信息以及所述货物的位置信息确定行驶路径，并基于所述行驶路径行驶至库位点的步骤之前，还包括：

根据所述货物的位置信息确定卸货顺序；

建立所述货物的位置信息与检测点的位置信息的关联关系；

基于所述卸货顺序将所述货物的位置信息与所述检测点的位置信息的关联关系存储于预设数据库中。

5.如权利要求4所述的叉车卸货方法，其特征在于，所述根据叉车的位置信息以及所述货物的位置信息确定行驶路径，并基于所述行驶路径行驶至库位点的步骤包括：

在接收到目标货物的卸货请求时，从所述预设数据库中获取所述目标货物的位置信息关联的库位点的位置信息；

根据叉车的位置信息以及所述库位点的位置信息确定行驶路径，并使叉车基于所述行驶路径行驶至所述库位点。

6.如权利要求1所述的叉车卸货方法，其特征在于，所述在所述库位点确定由第三检测设备得到的托盘位置的步骤包括：

获取由第三检测设备采集得到的货物的图像信息；

将所述货物的图像信息输入第二预设目标检测模型，得到托盘检测框，所述第二预设目标检测模型根据预设托盘位置信息训练得到；

在所述图像信息对应的点云数据上提取所述托盘检测框的点云数据；

根据所述托盘检测框的点云数据确定托盘位置。

7.如权利要求6所述的叉车卸货方法，其特征在于，所述根据所述托盘检测框的点云数据确定托盘位置的步骤之前，还包括：

对所述托盘检测框的点云数据依次进行离散点滤波处理、法向量过滤处理、点云平滑处理以及平面分割处理，得到数据处理后的所述托盘检测框的点云数据。

8.如权利要求6或7所述的叉车卸货方法，其特征在于，所述根据所述托盘检测框的点云数据确定托盘位置的步骤包括：

根据所述托盘检测框的点云数据得到货物中心的点云数据；

获取货物类别，并根据所述货物类别确定货物进叉口的实际尺寸信息；

根据所述货物中心的点云数据以及所述货物进叉口的实际尺寸信息得到托盘位置。

9.一种叉车，其特征在于，所述叉车包括：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叉车卸货程序，所述叉车卸货程序配置为实现如权利要求1至8中任一项所述的叉车卸货方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有叉车卸货程序，所述叉车卸货程序被处理器执行时实现如权利要求1至8任一项所述的叉车卸货方法的步骤。

Images