CN114933176A - 一种采用人工智能的3d视觉码垛*** - Google Patents
一种采用人工智能的3d视觉码垛*** Download PDFInfo
- Publication number
- CN114933176A CN114933176A CN202210525053.XA CN202210525053A CN114933176A CN 114933176 A CN114933176 A CN 114933176A CN 202210525053 A CN202210525053 A CN 202210525053A CN 114933176 A CN114933176 A CN 114933176A
- Authority
- CN
- China
- Prior art keywords
- stacking
- mechanical arm
- image processing
- module
- palletizing
- 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
- 230000004438 eyesight Effects 0.000 title claims abstract description 24
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 56
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 230000000007 visual effect Effects 0.000 claims description 18
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 11
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 230000001939 inductive effect Effects 0.000 claims description 2
- 239000011229 interlayer Substances 0.000 claims description 2
- 239000010410 layer Substances 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 claims description 2
- 230000016776 visual perception Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G61/00—Use of pick-up or transfer devices or of manipulators for stacking or de-stacking articles not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/02—Control or detection
- B65G2203/0208—Control or detection relating to the transported articles
- B65G2203/0233—Position of the article
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/04—Detection means
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Manipulator (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种采用人工智能的3D视觉码垛***，具体涉及工业机器人设计领域，包括监控设施、3D视觉扫描装置、码垛机器人、控制处理单元。所述控制处理单元包括管理者指令输入单元、图像处理模块1、图像处理模块2、控制模块、运算模块。3D视觉码垛***各模块之间连接输入方式：监控设施向图像处理单元1输入信息，3D视觉扫描装置与码垛机器人连接，3D视觉扫描装置向图像处理单元2输入信息，图像处理单元、控制模块向运算模块输入信息，本发明中增加监控设施对堆放区域和目标码放区域进行监控，一方面可以进行码垛工作任务场景判断，一方面通过监测码垛工作，再次抓取码放散落物品，码垛作业更加精细。
Description
技术领域
本发明涉及工业机器人设计领域，更具体地说，本发明涉及一种采用人工智能的3D视觉码垛***。
背景技术
在制造业生产运输中，码垛作业不可避免，目前的码垛作业多为人工码垛，存在效率低下、成本高、容易出现堆放差错等问题，且面对较重的包装箱时，可能导致事故的发生，不利于安全生产，随着制造业转型升级，“机器替人”的需求不断拉升，作为其中必不可少的一环，机器视觉也迎来了快速发展的契机，机器视觉***包括成像技术和图像处理技术，可实现工业流程中检测、识别、测量、定位等功能，根据赛迪《2021年中国工业机器视觉产业发展***》测算，2021年中国工业机器视觉市场规模约为250亿元。
机器视觉的必要性在于能够拓宽机器人的应用场景，如果将机器人比作人的手臂，机器视觉就相当于人的眼睛和大脑。现阶段，机器视觉处于2D向3D过渡的时代。对比2D视觉，3D视觉在测量精度、速度、抗干扰程度、操作简易度等方面更具优势。
中国专利CN111360847A和CN111232664A分别公开了一种自动存取物料的配送机器人和工业机器人应用软包拆垛卸车码垛装置及拆垛卸车码垛的方法，其中均采用了3D视觉采集装置，提升了抓取/摆放效率及精度，但是上述两个技术方案均采取全程三维图像采集，导致运算量大，对硬件需求较高，如果降低硬件标准，又导致运算速度跟不上，影响执行效率。
国专利CN112047113A公开了一种基于人工智能技术的3D视觉码垛***及方法，包括：3D结构光相机、输送线、机械臂、移动平台、控制处理单元，通过物品的二维码读取包装信息，推导出抓取路径，实现快速抓取，并结合物品信息知晓码垛区域位置，在一定程度上提升了码垛的稳定性和安全性。但是二维码检测装置在实际应用中会因为二维码被遮挡覆盖、污损而出现无法扫描的状况，影响码垛作业，该发明适用于物品按件依次传输，无法处理堆积状态的物品。
在实际中，为便于存储运输往往对码垛尺寸有一定要求，上述发明中没有涉及码垛尺寸管理。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供一种采用人工智能的3D视觉码垛***，通过2D和3D相结合的方式，控制运算量在合理范围，通过深度学习算法，使***快速、准确的识别出纸箱、麻袋等物料，获得抓取路径和动作指令，可满足多种不同垛型的需求，可根据尺寸要求自动生成码垛垛型，亦可按需进行混合码垛，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种采用人工智能的3D视觉码垛***，包括监控设施、3D视觉扫描装置、码垛机器人、控制处理单元，所述控制处理单元包括管理者指令输入单元、图像处理模块1、图像处理模块2、控制模块、运算模块，3D视觉码垛***各模块之间连接输入方式为：监控设施向图像处理单元1输入信息，3D视觉扫描装置与码垛机器人连接，3D视觉扫描装置向图像处理单元2输入信息，图像处理单元、控制模块向运算模块输入信息，控制模块向运算模块、码垛机器人输入指令，管理者指令单元向控制模块输入指令。
在一个优选地实施方式中，所述3D视觉扫描装置安装在码垛机器人上，用于拍摄3D图像实现扫描定位，拍摄3D图像为点云信息，通过所述图像处理模块进行降噪、特征提取处理后，传输至所述运算模块，运算模块对接收到的所述点云信息进行三维重建，之后由内置的人工神经网络对三维模型进行分析。
在一个优选地实施方式中，所述码垛机器人包括机械臂和移动平台，机械臂通过螺纹连接在移动平台上，移动平台具有自动导航功能用于移动，机械臂用于抓取物品，机械臂为人工智能的一种呈现方式，在机械臂的末端安装一定的夹持工具，根据应用场景不同可以为真空吸盘或磁力吸盘，真空吸盘、磁力吸盘机械臂都可以与移动平台很好的连接。
在一个优选地实施方式中，所述控制处理单元包括管理者指令输入单元、图像处理模块1、图像处理模块2、控制模块、运算模块。所述管理者指令通过可编程控制器(PLC)执行，可编程控制器由CPU、指令及数据内存、输入/输出接口、电源、数字模拟转换等功能单元组成，管理者通过可编程逻辑控制器(PLC)将控制指令随时载入内存进行储存与执行。
在一个优选地实施方式中，所述运算模块基于深度学习创建码放模型，内置人工神经网络，人工神经网络用于精细调整机械臂和抓取装置进行产品抓取及码垛生成码放痕迹，引导机械臂将物品放入指定位置，本发明中人工神经网络为卷积神经网络(CNN)，用于调整机械臂和抓取装置进行产品抓取及码垛，卷积神经网络仿造生物的视知觉机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化特征。
在一个优选地实施方式中，基于上述3D视觉码垛***具体码垛步骤如下：
S1工作场景判断，通过监控设施获取物品堆放区域A和目标码放区域B的监控图像，传输至控制处理单元，条件一，物品堆放区域A有物品堆积，条件二，目标码放区域B有空间码垛，二者满足则为码垛工作场景；
S2发布作业任务，控制处理单元接收监控信息和管理者指令，向码垛机器人发送码垛作业信息，包括：物品堆放区域A、目标码放区域B、码垛尺寸等；
S3抓取物品，码垛机器人接收到作业信息，从休息充电区移动到物品堆放区域A开展工作，监控摄像头，传输二维图像至控制单元中的图像处理模块1中处理，再传入运算单元中，根据深度学习获得的抓取模型预测抓取位置，向机械臂传输动作指令，机械臂根据指令实施抓取物品动作指令，抓取后移动到目标码放区域B；
S4码放物品，码垛机器人抓取物品移动到目标码放区域B后，3D视觉扫描仪扫描码放区域环境，拍摄3D图像后传输至控制单元中的图像处理模块2，再通过运算模块中的算法计算出抓取目标并引导机器人以准确的姿态码放物品，根据包装尺寸可以计算出正确的放置位；
S5检查确定，码垛机器人复位，码垛机器人在码垛过程中无法保证百分百的准确率，会有散落、掉落的物品，通过监控设备监测，发现散落物品，码垛机器人再次执行抓取码放任务，码垛整齐且码垛区域没有散落物品视为码垛任务完成，最后码垛机器人返回休息区充电。
本发明的技术效果和优点：
1、本发明中增加监控设施对堆放区域和目标码放区域进行监控，一方面可以进行码垛工作任务场景判断，一方面通过监测码垛工作，再次抓取码放散落物品，码垛作业更加精细化；
2、本发明中码垛机器人机械臂夹持工具可以为真空吸盘或磁力吸盘，满足了不同应用场景；
3、本发明中控制处理单元包括管理者指令输入单元，管理者通过可编程逻辑控制器(PLC)将控制指令随时载入内存进行储存与执行；
4、本发明通过在运算模块中增加码垛尺寸参数模型，可满足多种不同垛型的需求，可根据尺寸自动生成码垛垛型；
5、本发明中码垛机器人采用无线感应充电，减少了人的工作量，智能化程度更高。
附图说明
图1为本发明3D视觉码垛***结构图示意图。
图2为本发明3D点云效果示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
本实施例提供了一种采用人工智能的3D视觉码垛***和使用方法，使得智能体依赖视觉状态输入能自主选择抓取物体并整齐码放于另一区域。
本实施例中的3D视觉码垛***结构图如图1所示，包括：监控设施、3D视觉扫描装置、码垛机器人、控制处理单元，所述控制处理单元包括管理者指令输入单元、图像处理模块1、图像处理模块2、控制模块、运算模块。3D视觉码垛***各模块之间连接输入方式为：监控设施向图像处理单元1输入信息，3D视觉扫描装置与码垛机器人连接，3D视觉扫描装置向图像处理单元2输入信息，图像处理单元、控制模块向运算模块输入信息，控制模块向运算模块、码垛机器人输入指令，管理者指令单元向控制模块输入指令。
所述监控设施位于物品堆放区域A和目标码放区域B上，用于对区域AB进行监测。
所述3D视觉扫描装置安装在码垛机器人上，用于拍摄3D图像实现扫描定位，拍摄3D图像为点云信息，通过所述图像处理模块进行降噪、特征提取处理后，传输至所述运算模块，运算模块对接收到的所述点云信息进行三维重建，之后由内置的人工神经网络对三维模型进行分析，3D点云效果如图二所示。
所述码垛机器人包括机械臂和移动平台，机械臂通过螺纹连接在移动平台上，移动平台具有自动导航功能用于移动，机械臂用于抓取物品，机械臂为人工智能的一种呈现方式，在机械臂的末端安装一定的夹持工具，根据应用场景不同可以为真空吸盘或磁力吸盘，真空吸盘、磁力吸盘机械臂都可以与移动平台很好的连接。
所述移动平台在本发明中是一种AGV小车，装备有自动导航装置，能够沿规定的导航路径行驶，具有安全保护以及各种移载功能的运输车，以可充电的蓄电池为其动力来源，控制单元控制其行进路径以及行为。
所述控制处理单元包括管理者指令输入单元、图像处理模块1、图像处理模块2、控制模块、运算模块。所述管理者指令通过可编程控制器(PLC)执行，可编程控制器由CPU、指令及数据内存、输入/输出接口、电源、数字模拟转换等功能单元组成，管理者通过可编程逻辑控制器(PLC)将控制指令随时载入内存进行储存与执行。
所述运算模块基于深度学习创建码放模型，内置人工神经网络，人工神经网络用于精细调整机械臂和抓取装置进行产品抓取及码垛生成码放痕迹，引导机械臂将物品放入指定位置，本发明中人工神经网络为卷积神经网络(CNN)，用于调整机械臂和抓取装置进行产品抓取及码垛，卷积神经网络仿造生物的视知觉机制构建，可以进行监督学习和非监督学习，重点学习码垛抓取、码垛操作、码垛尺寸设计，在隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化特征。
本实施例基于上述3D视觉码垛***还提供了一种码垛方法，具体码垛步骤如下：
S1工作场景判断，通过监控设施获取物品堆放区域A和目标码放区域B的监控图像，传输至控制处理单元，条件一，物品堆放区域A有物品堆积，条件二，目标码放区域B有空间码垛，二者满足则为码垛工作场景；
S2发布作业任务，控制处理单元接收监控信息和管理者指令，向码垛机器人发送码垛作业信息，包括：物品堆放区域A、目标码放区域B、码垛尺寸等；
S3抓取物品，码垛机器人接收到作业信息，从休息充电区移动到物品堆放区域A开展工作，监控摄像头，传输二维图像至控制单元中的图像处理模块1中处理，再传入运算单元中，根据深度学习获得的抓取模型预测抓取位置，向机械臂传输动作指令，机械臂根据指令实施抓取物品动作指令，抓取后移动到目标码放区域B；
S4码放物品，码垛机器人抓取物品移动到目标码放区域B后，3D视觉扫描仪扫描码放区域环境，拍摄3D图像后传输至控制单元中的图像处理模块2，再通过运算模块中的算法计算出抓取目标并引导机器人以准确的姿态码放物品，根据包装尺寸可以计算出正确的放置位；
S5检查确定，码垛机器人复位，码垛机器人在码垛过程中无法保证百分百的准确率，会有散落、掉落的物品，通过监控设备监测，发现散落物品，码垛机器人再次执行抓取码放任务，码垛整齐且码垛区域没有散落物品视为码垛任务完成，最后码垛机器人返回休息区充电。
在所述S5中，码垛机器人充电方式可以为一种无线感应充电，充电状态和电量信息传入控制单元。
实验例
在仿真环境和真实场景中评估本申请技术方案的***，演示了本发明的***可以应用于执行抓取和码放任务。将不同大小和颜色的盒子随机码放在一块空地上，码垛机器人需要一一抓取并码放盒子满足尺寸要求，按照实施例中具体步骤进行码垛，本申请的方法在码放任务中达到了90％(36/40)的码放成功率。
所述***功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器、随机存取存储器、光盘等各种可以存储程序代码的介质。
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种采用人工智能的3D视觉码垛***，包括监控设施、3D视觉扫描装置、码垛机器人、控制处理单元，其特征在于：所述控制处理单元包括管理者指令输入单元、图像处理模块1、图像处理模块2、控制模块、运算模块，3D视觉码垛***各模块之间连接输入方式为：监控设施向图像处理单元1输入信息，3D视觉扫描装置与码垛机器人连接，3D视觉扫描装置向图像处理单元2输入信息，图像处理单元、控制模块向运算模块输入信息，控制模块向运算模块、码垛机器人输入指令，管理者指令单元向控制模块输入指令。
2.根据权利要求1所述的一种采用人工智能的3D视觉码垛***，其特征在于：所述3D视觉扫描装置安装在码垛机器人上，用于拍摄3D图像实现扫描定位，拍摄3D图像为点云信息，通过所述图像处理模块进行降噪、特征提取处理后，传输至所述运算模块，运算模块对接收到的所述点云信息进行三维重建，之后由内置的人工神经网络对三维模型进行分析。
3.根据权利要求1所述的一种采用人工智能的3D视觉码垛***，其特征在于：所述码垛机器人包括机械臂和移动平台，机械臂通过螺纹连接在移动平台上，移动平台具有自动导航功能用于移动，机械臂用于抓取物品，机械臂为人工智能的一种呈现方式，在机械臂的末端安装一定的夹持工具，根据应用场景不同可以为真空吸盘或磁力吸盘，真空吸盘、磁力吸盘机械臂都可以与移动平台很好的连接。
4.根据权利要求1所述的一种采用人工智能的3D视觉码垛***，其特征在于：所述控制处理单元包括管理者指令输入单元、图像处理模块1、图像处理模块2、控制模块、运算模块，所述管理者指令通过可编程控制器(PLC)执行，可编程控制器由CPU、指令及数据内存、输入/输出接口、电源、数字模拟转换等功能单元组成，管理者通过可编程逻辑控制器(PLC)将控制指令随时载入内存进行储存与执行。
5.根据权利要求1所述的一种采用人工智能的3D视觉码垛***，其特征在于：所述运算模块基于深度学习创建码放模型，内置人工神经网络，人工神经网络用于精细调整机械臂和抓取装置进行产品抓取及码垛生成码放痕迹，引导机械臂将物品放入指定位置，本发明中人工神经网络为卷积神经网络(CNN)，用于调整机械臂和抓取装置进行产品抓取及码垛，卷积神经网络仿造生物的视知觉机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化特征。
6.根据权利要求1所述的一种采用人工智能的3D视觉码垛***，其特征在于：基于上述3D视觉码垛***具体码垛步骤如下：
S1工作场景判断，通过监控设施获取物品堆放区域A和目标码放区域B的监控图像，传输至控制处理单元，条件一，物品堆放区域A有物品堆积，条件二，目标码放区域B有空间码垛，二者满足则为码垛工作场景；
S2发布作业任务，控制处理单元接收监控信息和管理者指令，向码垛机器人发送码垛作业信息，包括：物品堆放区域A、目标码放区域B、码垛尺寸等；
S3抓取物品，码垛机器人接收到作业信息，从休息充电区移动到物品堆放区域A开展工作，监控摄像头，传输二维图像至控制单元中的图像处理模块1中处理，再传入运算单元中，根据深度学习获得的抓取模型预测抓取位置，向机械臂传输动作指令，机械臂根据指令实施抓取物品动作指令，抓取后移动到目标码放区域B；
S4码放物品，码垛机器人抓取物品移动到目标码放区域B后，3D视觉扫描仪扫描码放区域环境，拍摄3D图像后传输至控制单元中的图像处理模块2，再通过运算模块中的算法计算出抓取目标并引导机器人以准确的姿态码放物品，根据包装尺寸可以计算出正确的放置位；
S5检查确定，码垛机器人复位，码垛机器人在码垛过程中无法保证百分百的准确率，会有散落、掉落的物品，通过监控设备监测，发现散落物品，码垛机器人再次执行抓取码放任务，码垛整齐且码垛区域没有散落物品视为码垛任务完成，最后码垛机器人返回休息区充电。
7.根据权利要求6所述的一种采用人工智能的3D视觉码垛***，其特征在于：所述S5中，码垛机器人充电方式可以为一种无线感应充电，充电状态和电量信息传入控制单元。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210525053.XA CN114933176A (zh) | 2022-05-14 | 2022-05-14 | 一种采用人工智能的3d视觉码垛*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210525053.XA CN114933176A (zh) | 2022-05-14 | 2022-05-14 | 一种采用人工智能的3d视觉码垛*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114933176A true CN114933176A (zh) | 2022-08-23 |
Family
ID=82865304
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210525053.XA Pending CN114933176A (zh) | 2022-05-14 | 2022-05-14 | 一种采用人工智能的3d视觉码垛*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114933176A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116757331A (zh) * | 2023-08-11 | 2023-09-15 | 山东捷瑞数字科技股份有限公司 | 基于工业视觉的堆码方案生成方法、装置、设备及介质 |
| CN117022971A (zh) * | 2023-10-09 | 2023-11-10 | 南通知力机械科技有限公司 | 一种智能物流码垛机器人控制*** |
| CN117142156A (zh) * | 2023-10-30 | 2023-12-01 | 深圳市金环宇电线电缆有限公司 | 基于自动定位的线缆码垛控制方法、装置、设备及介质 |
| CN117735201A (zh) * | 2023-12-26 | 2024-03-22 | 杭州三奥智能科技有限公司 | 一种视觉引导机器人的自动供料码垛机构 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPWO2015064107A1 (ja) * | 2013-10-31 | 2017-03-09 | 日本電気株式会社 | 管理システム、リスト作成装置、データ構造および印刷ラベル |
| CN107265129A (zh) * | 2017-06-02 | 2017-10-20 | 成都福莫斯智能***集成服务有限公司 | 采用图像识别辅助机器人堆垛的*** |
| CN109279373A (zh) * | 2018-11-01 | 2019-01-29 | 西安中科光电精密工程有限公司 | 一种基于机器视觉的柔性拆垛码垛机器人***及方法 |
| CN109353833A (zh) * | 2018-11-27 | 2019-02-19 | 深圳市汇川技术股份有限公司 | 机器人码垛点位生成方法、设备及计算机可读存储器 |
| CN110222862A (zh) * | 2018-03-02 | 2019-09-10 | 北京京东尚科信息技术有限公司 | 码垛方法和装置 |
| CN110490524A (zh) * | 2019-08-21 | 2019-11-22 | 赖辉 | 一种基于码垛数据的拆垛方法、拆垛装置及拆垛*** |
| CN110569792A (zh) * | 2019-09-09 | 2019-12-13 | 吉林大学 | 一种基于卷积神经网络的自动驾驶汽车前方物体检测方法 |
| CN111099363A (zh) * | 2020-01-09 | 2020-05-05 | 湖南视比特机器人有限公司 | 码垛方法、码垛***和存储介质 |
| CN111232664A (zh) * | 2020-03-18 | 2020-06-05 | 上海载科智能科技有限公司 | 工业机器人应用软包拆垛卸车码垛装置及拆垛卸车码垛的方法 |
| CN111243017A (zh) * | 2019-12-24 | 2020-06-05 | 广州中国科学院先进技术研究所 | 基于3d视觉的智能机器人抓取方法 |
| CN111360847A (zh) * | 2020-04-17 | 2020-07-03 | 江苏茂屹科技发展有限公司 | 一种自动存取物料的配送机器人 |
| US10759054B1 (en) * | 2020-02-26 | 2020-09-01 | Grey Orange Pte. Ltd. | Method and system for handling deformable objects |
| CN112047113A (zh) * | 2020-08-26 | 2020-12-08 | 苏州中科全象智能科技有限公司 | 一种基于人工智能技术的3d视觉码垛***及方法 |
| CN113222257A (zh) * | 2021-05-17 | 2021-08-06 | 广东工业大学 | 一种基于缓冲区的在线混合码垛方法 |
| CN113264369A (zh) * | 2021-06-21 | 2021-08-17 | 江苏经贸职业技术学院 | 一种高效的物流卸货用自动码垛装置 |
| CN113547525A (zh) * | 2021-09-22 | 2021-10-26 | 天津施格机器人科技有限公司 | 码垛专用机器人控制器的控制方法 |
| CN113967914A (zh) * | 2021-10-30 | 2022-01-25 | 江苏建筑职业技术学院 | 一种工业机器人用码垛方法 |
| CN114084683A (zh) * | 2021-12-02 | 2022-02-25 | 长沙长泰智能装备有限公司 | 确定垛型的方法和装置 |
-
2022
- 2022-05-14 CN CN202210525053.XA patent/CN114933176A/zh active Pending
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPWO2015064107A1 (ja) * | 2013-10-31 | 2017-03-09 | 日本電気株式会社 | 管理システム、リスト作成装置、データ構造および印刷ラベル |
| CN107265129A (zh) * | 2017-06-02 | 2017-10-20 | 成都福莫斯智能***集成服务有限公司 | 采用图像识别辅助机器人堆垛的*** |
| CN110222862A (zh) * | 2018-03-02 | 2019-09-10 | 北京京东尚科信息技术有限公司 | 码垛方法和装置 |
| CN109279373A (zh) * | 2018-11-01 | 2019-01-29 | 西安中科光电精密工程有限公司 | 一种基于机器视觉的柔性拆垛码垛机器人***及方法 |
| CN109353833A (zh) * | 2018-11-27 | 2019-02-19 | 深圳市汇川技术股份有限公司 | 机器人码垛点位生成方法、设备及计算机可读存储器 |
| CN110490524A (zh) * | 2019-08-21 | 2019-11-22 | 赖辉 | 一种基于码垛数据的拆垛方法、拆垛装置及拆垛*** |
| CN110569792A (zh) * | 2019-09-09 | 2019-12-13 | 吉林大学 | 一种基于卷积神经网络的自动驾驶汽车前方物体检测方法 |
| CN111243017A (zh) * | 2019-12-24 | 2020-06-05 | 广州中国科学院先进技术研究所 | 基于3d视觉的智能机器人抓取方法 |
| CN111099363A (zh) * | 2020-01-09 | 2020-05-05 | 湖南视比特机器人有限公司 | 码垛方法、码垛***和存储介质 |
| US10759054B1 (en) * | 2020-02-26 | 2020-09-01 | Grey Orange Pte. Ltd. | Method and system for handling deformable objects |
| CN111232664A (zh) * | 2020-03-18 | 2020-06-05 | 上海载科智能科技有限公司 | 工业机器人应用软包拆垛卸车码垛装置及拆垛卸车码垛的方法 |
| CN111360847A (zh) * | 2020-04-17 | 2020-07-03 | 江苏茂屹科技发展有限公司 | 一种自动存取物料的配送机器人 |
| CN112047113A (zh) * | 2020-08-26 | 2020-12-08 | 苏州中科全象智能科技有限公司 | 一种基于人工智能技术的3d视觉码垛***及方法 |
| CN113222257A (zh) * | 2021-05-17 | 2021-08-06 | 广东工业大学 | 一种基于缓冲区的在线混合码垛方法 |
| CN113264369A (zh) * | 2021-06-21 | 2021-08-17 | 江苏经贸职业技术学院 | 一种高效的物流卸货用自动码垛装置 |
| CN113547525A (zh) * | 2021-09-22 | 2021-10-26 | 天津施格机器人科技有限公司 | 码垛专用机器人控制器的控制方法 |
| CN113967914A (zh) * | 2021-10-30 | 2022-01-25 | 江苏建筑职业技术学院 | 一种工业机器人用码垛方法 |
| CN114084683A (zh) * | 2021-12-02 | 2022-02-25 | 长沙长泰智能装备有限公司 | 确定垛型的方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 张旭: "基于关联维度特征的改进水下目标模式识别方法", 《科技通报》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116757331A (zh) * | 2023-08-11 | 2023-09-15 | 山东捷瑞数字科技股份有限公司 | 基于工业视觉的堆码方案生成方法、装置、设备及介质 |
| CN117022971A (zh) * | 2023-10-09 | 2023-11-10 | 南通知力机械科技有限公司 | 一种智能物流码垛机器人控制*** |
| CN117022971B (zh) * | 2023-10-09 | 2023-12-22 | 南通知力机械科技有限公司 | 一种智能物流码垛机器人控制*** |
| CN117142156A (zh) * | 2023-10-30 | 2023-12-01 | 深圳市金环宇电线电缆有限公司 | 基于自动定位的线缆码垛控制方法、装置、设备及介质 |
| CN117142156B (zh) * | 2023-10-30 | 2024-02-13 | 深圳市金环宇电线电缆有限公司 | 基于自动定位的线缆码垛控制方法、装置、设备及介质 |
| CN117735201A (zh) * | 2023-12-26 | 2024-03-22 | 杭州三奥智能科技有限公司 | 一种视觉引导机器人的自动供料码垛机构 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114933176A (zh) | 一种采用人工智能的3d视觉码垛*** | |
| US11383380B2 (en) | Object pickup strategies for a robotic device | |
| DE102019130048B4 (de) | Ein Robotersystem mit Srückverlustverwaltungsmechanismus | |
| US9649767B2 (en) | Methods and systems for distributing remote assistance to facilitate robotic object manipulation | |
| US9205558B1 (en) | Multiple suction cup control | |
| US9630316B2 (en) | Real-time determination of object metrics for trajectory planning | |
| Ellekilde et al. | Motion planning efficient trajectories for industrial bin-picking | |
| CN112850186B (zh) | 一种基于3d视觉的混合拆码垛方法 | |
| US20230044001A1 (en) | Systems and methods for object detection | |
| CN115321090B (zh) | 机场行李自动接取方法、装置、设备、***及介质 | |
| JP7175487B1 (ja) | 画像ベースのサイジングメカニズムを備えたロボットシステム及びロボットシステムを操作するための方法 | |
| CN116728399A (zh) | 具有物体处理的机器人***的***和方法 | |
| Jia et al. | Robot online 3D bin packing strategy based on deep reinforcement learning and 3D vision | |
| Kumar et al. | Design and development of an automated robotic pick & stow system for an e-commerce warehouse | |
| US20230305574A1 (en) | Detecting empty workspaces for robotic material handling | |
| CN115556094A (zh) | 基于三轴机械手的取料方法、装置及计算机可读存储介质 | |
| CN114800512A (zh) | 一种基于深度强化学习的机器人推拨装箱方法及*** | |
| CA3190171A1 (en) | A selector for robot-retrievable items | |
| US20230182315A1 (en) | Systems and methods for object detection and pick order determination | |
| US20230186609A1 (en) | Systems and methods for locating objects with unknown properties for robotic manipulation | |
| US20230286156A1 (en) | Motion planning and control for robots in shared workspace employing staging poses | |
| CN116652974A (zh) | 用于控制机器人抓取对象的控制单元和方法 | |
| CN116061192A (zh) | 具有物体处理的机器人***的***和方法 | |
| Yesudasu et al. | Depalletisation humanoid torso: Real-time cardboard package detection based on deep learning and pose estimation algorithm | |
| Rutishauser et al. | From vision to action: grasping unmodeled objects from a heap |
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: 20220823 |
|
| RJ01 | Rejection of invention patent application after publication |