互聯(lián)網(wǎng)經(jīng)濟(jì)的發(fā)展,推動(dòng)著傳統(tǒng)物流模式不斷變革升級(jí)。同時(shí),人口老齡化加劇以及新冠疫情在全球范圍內(nèi)的爆發(fā)與持續(xù)蔓延,使得高度自動(dòng)化的智慧物流成為迫切需求。以托盤叉車AGV為代表自主移動(dòng)機(jī)器人在物流業(yè)的應(yīng)用越來(lái)越廣泛,高重復(fù)性和高強(qiáng)度的任務(wù)逐步被機(jī)器人完成。物流倉(cāng)儲(chǔ)環(huán)境復(fù)雜多變,由于托盤叉車AGV缺乏對(duì)裝載目標(biāo)的自動(dòng)識(shí)別與局部定位能力,智慧物流搬運(yùn)環(huán)節(jié)在很大程度上還無(wú)法實(shí)現(xiàn)完全自動(dòng)化。本文以托盤叉車AGV為實(shí)驗(yàn)平臺(tái),研究基于視覺的倉(cāng)儲(chǔ)托盤檢測(cè)與位姿估計(jì)算法,并在此基礎(chǔ)上設(shè)計(jì)托盤叉車AGV自適應(yīng)位姿鎮(zhèn)定算法,在避免叉取動(dòng)作時(shí)損壞貨物和保證實(shí)時(shí)性的前提下,實(shí)現(xiàn)托盤叉車全自動(dòng)搬運(yùn)。主要研究?jī)?nèi)容如下:(1)基于二維碼標(biāo)簽的倉(cāng)儲(chǔ)托盤檢測(cè)與位姿估計(jì)。首先通過閾值處理、直線檢測(cè)、四邊形擬合、解碼等方法檢測(cè)出敷設(shè)在托盤中心的二維碼標(biāo)簽。然后基于Pn P方法解算標(biāo)簽中心的位姿,實(shí)現(xiàn)對(duì)托盤的位姿估計(jì)。該方案具有較高的檢測(cè)魯棒性和位姿估計(jì)準(zhǔn)確性,但檢測(cè)速度慢。針對(duì)這一問題,提出了采用CSRT目標(biāo)跟蹤算法在原始圖像中分割ROI區(qū)域的算法加速策略。實(shí)驗(yàn)證明改進(jìn)后的算法有效降低CPU利用率,算法性能顯著提升。(2)基于...

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 倉(cāng)儲(chǔ)托盤檢測(cè)研究現(xiàn)狀
        1.2.2 移動(dòng)機(jī)器人自主導(dǎo)航研究現(xiàn)狀
        1.2.3 存在的問題與挑戰(zhàn)
    1.3 主要研究?jī)?nèi)容與貢獻(xiàn)
    1.4 論文組織與結(jié)構(gòu)安排
第2章 移動(dòng)機(jī)器人系統(tǒng)及托盤檢測(cè)預(yù)備知識(shí)
    2.1 移動(dòng)機(jī)器人架構(gòu)及控制模型
        2.1.1 移動(dòng)機(jī)器人硬件架構(gòu)
        2.1.2 移動(dòng)機(jī)器人軟件架構(gòu)
        2.1.3 移動(dòng)機(jī)器人控制模型
    2.2 視覺定位預(yù)備知識(shí)
        2.2.1 Realsense D435相機(jī)介紹
        2.2.2 相機(jī)成像模型
        2.2.3 相機(jī)標(biāo)定
    2.3 深度學(xué)習(xí)基礎(chǔ)知識(shí)
        2.3.1 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)
    2.4 YOLOv5目標(biāo)檢測(cè)算法
    2.5 本章小結(jié)
第3章 基于二維碼標(biāo)簽的倉(cāng)儲(chǔ)托盤檢測(cè)與位姿估計(jì)
    3.1 引言
    3.2 二維碼標(biāo)簽圖像信息識(shí)別與定位算法
        3.2.1 二維碼標(biāo)簽識(shí)別與定位算法
        3.2.2 改進(jìn)的基于ROI的二維碼標(biāo)簽檢測(cè)算法
    3.3 改進(jìn)的基于二維碼標(biāo)簽的倉(cāng)儲(chǔ)托盤檢測(cè)與位姿估計(jì)方法
    3.4 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        3.4.1 檢測(cè)魯棒性實(shí)驗(yàn)分析
        3.4.2 位姿估計(jì)準(zhǔn)確性實(shí)驗(yàn)分析
    3.5 本章小結(jié)
第4章 基于RGB-D信息的倉(cāng)儲(chǔ)托盤檢測(cè)與位姿估計(jì)
    4.1 引言
    4.2 算法流程
        4.2.1 倉(cāng)儲(chǔ)托盤檢測(cè)算法
        4.2.2 深度圖像映射到RGB圖像
        4.2.3 倉(cāng)儲(chǔ)托盤檢測(cè)算法優(yōu)化
        4.2.4 基于RGB-D信息的倉(cāng)儲(chǔ)托盤位姿估計(jì)
    4.3 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        4.3.1 Realsense D435深度數(shù)據(jù)性能實(shí)驗(yàn)
        4.3.2 倉(cāng)儲(chǔ)托盤測(cè)試集實(shí)驗(yàn)
        4.3.3 檢測(cè)魯棒性實(shí)驗(yàn)分析
        4.3.4 位姿估計(jì)準(zhǔn)確性實(shí)驗(yàn)分析
    4.4 本章小結(jié)
第5章 移動(dòng)機(jī)器人自適應(yīng)位姿鎮(zhèn)定
    5.1 引言
    5.2 世界坐標(biāo)系下的托盤位姿
    5.3 位姿鎮(zhèn)定算法
        5.3.1 路徑平滑處理
        5.3.2 基于路徑跟蹤算法的導(dǎo)航控制
    5.4 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        5.4.1 實(shí)驗(yàn)設(shè)計(jì)與實(shí)驗(yàn)場(chǎng)景介紹
        5.4.2 路徑跟蹤與托盤裝載實(shí)驗(yàn)分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
附錄 作者在讀期間申請(qǐng)的發(fā)明專利及參加的科研項(xiàng)目



本文編號(hào)：3752566