本发明涉及物资智能管理领域，特别是涉及包括有大型物资的物资智能管理领域，更为具体的说是涉及基于视觉识别技术的精准自动进叉方法。
背景技术：
机器视觉识别技术是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。机器视觉技术最大的特点是速度快、信息量大、功能多。
在大型物资的仓储管理中，一般情况下都会利用行吊或者叉车等工具对大型物资进行搬运、移动。在整个搬运、移动的过程中，叉齿稳定的插入到待转移物资的进叉孔内是整个吊装的第一步也是最为重要的一步。这里所谓的稳定主要就是指能够实现一个合理的进叉深度，从而保证叉齿插入到待吊装物资的进叉孔后，其深度不会过于深，使得整个物资向吊具倾斜，同时也不会过浅，使得整个物资向偏离吊具的一侧倾斜。因此，不论物资向吊具倾斜，还是向偏离吊具的一侧倾斜都会造成安全隐患。
目前该进叉深度主要依靠现场的指挥人员识别、确定。由于指挥人员的视线水平线距离与实际进叉位置有很大的高度差，因此这种判断精准程度不够，进而也造成搬运、移动效率很低。同时，由于过程中对人工的依赖程度高，因此无法实现标准化操作，必须依赖经验丰富的指挥人员，极大的增加了仓储管理中的人工成本。另外，不能忽视的是，由于吊装过程中被吊的物资有掉落等可能，因此现场过多的人工参与也增加了吊装过程中的安全隐患风险。
因此，开发一种精准自动进叉方法，从而减少吊装操作过程中人工参与度，提高作业标准化是目前大型物资智能管理领域亟待解决的问题之一。
技术实现要素：
本发明所要解决的技术问题是提供一种通用性好、稳定性高、精准度高的精准自动进叉方法。
为了解决上述技术问题，本发明公开了一种基于视觉识别技术的精准自动进叉方法，包括以下步骤：
步骤1：按照一定的顺序扫描拟转移的物资进叉面，获得拟转移物资面的深度原始数据，然后按照单位距离，将获取到的拟转移物资面的深度原始数据进行筛选、归集，从而获得不同分段的深度数据组d1、d2、…dn；
其中：d1＝[(a11,θ11),(a12,θ12),…,(a1i,θ1i)]
d2＝[(a21,θ21),(a22,θ22),…,(a2j,θ2j)]
……
dn＝[(an1,θn1),(an2,θn2),…,(ank,θnk)]
步骤2：利用步骤1中获得的不同分段的深度数据组分别计算求得扫描位置距离物资进叉面不同位置的距离，依次标记为d1、d2、…dn；
其中：d1＝min{a11cosθ11，a12cosθ12，…a1icosθ1i}
d2＝min{a21cosθ21，a22cosθ22，…a2jcosθ2j}
……
dn＝min{an1cosθn1，an2cosθn2，…ankcosθnk}
步骤3：对扫描位置距离进叉面不同位置的距离进行求均值的操作(d1 d2 ... dn)/n，从而求得最终扫描传感器到物资盘面的最短距离d；
步骤4：利用公式s＝d-l w，求得最终进叉深度s，其中d为步骤3中求得的扫描传感器到物资盘面的最短距离，l为叉齿长度，w为物资在进叉方向上的厚度；
步骤5：按照计算得到的进叉深度s完成叉齿的进叉动作。
进一步优选的，吊装现场预先建立有现场坐标体系，步骤4中获得进叉深度后，依据扫描位置的坐标，结合进叉深度值s转化为目标位置坐标。
进一步优选的是，对原始数据进行筛选、归集成的有效区域可以是扇形、矩形等多种几何形状。
因为大型物资可能是线缆盘，也可能是变压器等不同的物资，因此根据不同的物资筛选归集呈的有效区域是相应的多种几何形状可能的。
优选的，步骤1中所述的单位距离优选为1mm。
在一个优选的技术方案中，所述物资进叉面为垂直于地面的垂直面。
进一步优选的，当物资进叉面为垂直于地面的垂直面时，所述的一定顺序是指由上至下的顺序。
在本发明中采用扫描传感器获取拟转移物资面的深度原始数据，该扫描传感器固定安装在吊具上。
采用本发明公开的技术方案后，利用视觉识别技术自动得到进叉深度值s，整个过程无需人工参与，实现了吊装进叉操作自动化、标准化、精确化。同时，利用自动化的方式获得进叉深度可以与具备自动化现场吊装的系统结合，通过将该进叉深度值传输至吊具总控系统，为实现全自动无人吊装提供必要的基础数据和技术支撑。
附图说明
图1为实施例1中进叉示意图。
具体实施方式
为了更好的理解本发明，下面我们结合具体的实施例对本发明进行进一步的阐述。
下面结合图1，以电力物资仓储管理过程中，对线缆盘1的转移为例，来进一步阐述本发明公开的基于视觉识别技术的精准自动进叉方法。
如图1，线缆盘1的进叉面为竖直方向的面，其上具有六个可以用于进叉的孔，吊具2上固定有扫描传感器3。
步骤1：按照由上至下的顺序扫描拟转移线缆盘的进叉面(图面中线缆盘左侧的面)，获得拟转移物资面的深度原始数据。然后以1mm为单位，将获取到的拟转移物资面的深度原始数据进行筛选、归集，从而获得不同分段的深度数据组。
步骤2：利用步骤1中获得的不同分段的深度数据组分别计算求得扫描位置距离物资进叉面不同位置的距离，依次标记为d1、d2、…dn；
在本实施例中，现以获取到的第一行数组中的元素(1888,10°)为例进行具体计算过程展示：
可求得该点到扫描传感器的垂直距离＝1888×cos10°＝1860mm
以此类推，可求出该行中所有点到扫描传感器的垂直距离，并取该行的最小值。经过计算，第一行距离的最小值为1859mm，即d1＝1859mm。
以此类推，求得：d2＝1856mm，d3＝1850mm，…
步骤3：对扫描位置距离进叉面不同位置的距离进行求均值的操作，(d1 d2 ... dn)/n，从而求得本实施例中最终扫描传感器到物资盘面的最短距离d＝1862mm；
步骤4：利用公式s＝d-l w，求得最终进叉深度s，其中d为步骤3中求得的扫描传感器到物资盘面最短距离，l为叉齿长度，w为物资在进叉方向上的厚度。
在本实施例中，l＝1480mm，w＝1000mm，求得s＝1862-1480 1000＝1382mm；
步骤5：按照计算得到的进叉深度s完成叉齿的进叉动作。
进一步优选的，吊装现场预先建立有现场坐标体系，譬如在本实施例中，扫描位置(扫描传感器)的坐标为(15405，36325)，将进叉深度值s转化为叉齿齿尖的目标位置坐标(16787，36325)。
将该坐标信息传输至吊具的控制系统，从而可以自动化实现吊具的进叉动作，实现吊装自动化。
以上所述是本发明的具体实施方式。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
1.基于视觉识别技术的精准自动进叉方法，其特征在于，包括以下步骤：
步骤1：按照一定的顺序扫描拟转移的物资进叉面，获得拟转移物资面的深度原始数据，然后按照单位距离，将获取到的拟转移物资面的深度原始数据进行筛选、归集，从而获得不同分段的深度数据组d1、d2、…dn；
其中：d1＝[(a11,θ11),(a12,θ12),…,(a1i,θ1i)]
d2＝[(a21,θ21),(a22,θ22),…,(a2j,θ2j)]
……
dn＝[(an1,θn1),(an2,θn2),…,(ank,θnk)]
步骤2：利用步骤1中获得的不同分段的深度数据组分别计算求得扫描位置距离物资进叉面不同位置的距离，并取每一行数据的最小值，依次标记为d1、d2、…dn；
其中：d1＝min{a11cosθ11，a12cosθ12，…a1icosθ1i}
d2＝min{a21cosθ21，a22cosθ22，…a2jcosθ2j}
……
dn＝min{an1cosθn1，an2cosθn2，…ankcosθnk}
步骤3：对扫描位置距离进叉面不同位置的距离进行求均值的操作，(d1 d2 ... dn)/n，从而求得最终扫描传感器到物资盘面的最短距离d；
步骤4：利用公式s＝d-l w，求得最终进叉深度s，其中d为步骤3中求得的扫描传感器到物资盘面的最短距离，l为叉齿长度，w为物资在进叉方向上的厚度；
步骤5：按照计算得到的进叉深度s完成叉齿的进叉动作。
2.根据权利要求1所述的基于视觉识别技术的精准自动进叉方法，其特征在于：吊装现场预先建立有现场坐标体系，步骤4中获得进叉深度后，依据扫描位置的坐标，结合进叉深度值s转化为目标位置坐标。
3.根据权利要求1所述的基于视觉识别技术的精准自动进叉方法，其特征在于：对原始数据进行筛选、归集成的有效区域可以是扇形、矩形等多种几何形状。
4.根据权利要求1所述的基于视觉识别技术的精准自动进叉方法，其特征在于：步骤1中所述的单位距离优选为1mm。
5.根据权利要求1所述的基于视觉识别技术的精准自动进叉方法，其特征在于：所述物资进叉面为垂直于地面的垂直面。
6.根据权利要求5所述的基于视觉识别技术的精准自动进叉方法，其特征在于：当物资进叉面为垂直于地面的垂直面时，所述的一定顺序是指由上至下的顺序。
7.根据权利要求1所述的基于视觉识别技术的精准自动进叉方法，其特征在于：采用扫描传感器获取拟转移物资面的深度原始数据，该扫描传感器固定安装在吊具上。
技术总结