一种无人物流车甩箱车位检测方法、系统、设备、介质及产品与流程

本申请涉及无人物流车甩箱车位检测领域，特别是涉及一种无人物流车甩箱车位检测方法、系统、设备、介质及产品。

背景技术：

1、在无人物流车、无人配送车辆和自动化物流作业领域，车辆常需要在限定作业区域内完成自主泊入、货箱对位、货箱装载以及泊出等连续动作。其中，甩箱作业是一类典型的高精度对位场景。无人物流车需要驶入由四根立棍或类似定位结构限定的甩箱车位中，当车辆底盘与上方货箱下落区域完成精确对准后，货箱下落至车辆底盘并与车辆合体，随后车辆驶出车位继续执行运输任务。现有自动泊车和车位识别技术主要面向普通乘用车停车场景，通常依赖环视相机、激光雷达、超声波雷达或其他环境感知传感器识别普通停车位、地面车位线、入口线、障碍物以及车辆周围可通行区域，并进一步生成车辆泊入轨迹。该类方法对于普通停车场景具有一定适用性，但直接应用于无人物流车甩箱对位场景时仍存在以下不足。

2、现有普通泊车方法主要面向地面停车线、车位入口线、车位角点或普通矩形车位，通常直接识别车位框或车位线，难以适应由四根立棍限定的甩箱车位结构，无法准确重建货箱下落区域和车辆目标泊入姿态，且单一传感器难以在复杂物流作业环境中稳定完成甩箱车位对位判断，导致甩箱车位识别能力不足。

3、现有目标检测方法通常输出目标框、类别和置信度，适合判断目标是否存在，但对于细长立棍目标，普通检测框容易受到遮挡、检测框抖动和点云稀疏影响，难以精准定位立棍位置，导致车辆对位精度差和货箱下落安全性低。

4、现有泊车轨迹生成方法通常以普通车位中心、车位主方向角或目标停车姿态为输入，生成车辆泊入轨迹，未充分考虑甩箱作业中货箱下落区域、l型底盘承载区域、四根立棍安全距离以及合体后车辆外廓变化等约束，难以直接满足甩箱作业中的精准对位和安全泊出。

5、可见，甩箱作业并不是单纯的目标检测问题，也不是普通泊车问题，现有技术直接应用于无人物流车甩箱对位场景时，仍存在甩箱车位识别能力不足、车辆对位精度差、货箱下落安全性低以及无法安全泊出的问题。

技术实现思路

1、本申请的目的是提供一种无人物流车甩箱车位检测方法、系统、设备、介质及产品，以解决无人物流车甩箱车位识别能力不足、车辆对位精度差、货箱下落安全性低以及无法安全泊出的问题。

2、为实现上述目的，本申请提供了如下方案：

3、第一方面，本申请提供了一种无人物流车甩箱车位检测方法，包括：

4、获取无人物流车设定环境范围内的环视相机图像、激光雷达点云和车辆当前位姿信息；

5、将基于所述环视相机图像获取的图像鸟瞰视角特征图与基于所述激光雷达点云获取的点云鸟瞰视角特征图进行融合，得到融合鸟瞰视角特征图；

6、基于所述融合鸟瞰视角特征图，通过亚栅格偏移量修正立棍底部中心关键点；

7、基于修正后的立棍底部中心关键点和立棍间的几何约束，重建虚拟甩箱车位，确定甩箱车位信息，并根据几何匹配误差和关键点置信度生成车位有效性标志；

8、基于所述甩箱车位信息确定目标车位信息；

9、基于所述目标车位信息、融合鸟瞰视角特征图和车辆当前位姿，确定候选轨迹点序列，并通过安全校验得到轨迹点序列及安全校验结果；

10、基于所述车位有效性标志、安全校验结果、轨迹点序列的执行阶段以及满足落箱对位的要求，按照预设状态转换逻辑完成甩箱车位检测，并输出当前甩箱作业状态。

11、第二方面，本申请提供了一种无人物流车甩箱车位检测系统，包括：

12、多传感器输入模块，用于获取无人物流车设定环境范围内的环视相机图像、激光雷达点云和车辆当前位姿信息；

13、多模态鸟瞰视角融合模块，用于将基于所述环视相机图像获取的图像鸟瞰视角特征图与基于所述激光雷达点云获取的点云鸟瞰视角特征图进行融合，得到融合鸟瞰视角特征图；

14、立棍中心关键点检测模块，用于基于所述融合鸟瞰视角特征图，通过亚栅格偏移量修正立棍底部中心关键点；

15、虚拟甩箱车位重建模块，用于基于修正后的立棍底部中心关键点和立棍间的几何约束，重建虚拟甩箱车位，确定甩箱车位信息，并根据几何匹配误差和关键点置信度生成车位有效性标志；

16、目标车位信息生成模块，用于基于所述甩箱车位信息确定目标车位信息；

17、轨迹点序列生成模块，用于基于所述目标车位信息、融合鸟瞰视角特征图和车辆当前位姿，确定候选轨迹点序列，并通过安全校验得到轨迹点序列及安全校验结果；

18、甩箱作业状态输出模块，用于基于车位有效性标志、安全校验结果、轨迹点序列的执行阶段以及满足落箱对位的要求，按照预设状态转换逻辑完成甩箱车位检测，并输出当前甩箱作业状态。

19、第三方面，本申请提供了一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述任一项所述的无人物流车甩箱车位检测方法的步骤。

20、第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项所述的无人物流车甩箱车位检测方法的步骤。

21、第五方面，本申请提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一项所述的无人物流车甩箱车位检测方法的步骤。

22、根据本申请提供的具体实施例，本申请公开了以下技术效果：

23、本申请提供了一种无人物流车甩箱车位检测方法、系统、设备、介质及产品，基于环视相机图像和激光雷达点云，获取图像鸟瞰视角特征图和点云鸟瞰视角特征图，进一步融合得到融合鸟瞰视角特征图，解决单一传感器难以在复杂物流作业环境中稳定完成甩箱车位对位判断，提高甩箱车位识别能力；通过检测甩箱车位中立棍底部中心关键点，并结合立棍间的几何约束重建虚拟甩箱车位，确定甩箱车位信息，精准定位立棍位置，提高车辆对位精度；进一步将甩箱车位信息转换为目标车位信息，生成车辆轨迹点序列，最后基于甩箱车位信息、目标车位信息、轨迹点序列以及满足落箱对位的要求完成甩箱车位检测，并输出当前准确安全的甩箱作业状态，确保货箱下落区域的安全性，同时保证车辆在完成精准甩箱作业后能够安全泊出。

1.一种无人物流车甩箱车位检测方法，其特征在于，包括：

2.根据权利要求1所述的无人物流车甩箱车位检测方法，其特征在于，所述甩箱车位信息包括车位边界、车位中心、车位主方向角、入口方向角、货箱下落区域和目标泊入姿态；所述几何约束包括：相邻边长度是否处于预设范围、相对边是否近似平行、邻边夹角是否满足甩箱车位结构要求、两条对角线长度差是否小于预设阈值、四个立棍底部中心关键点围成的区域面积是否处于预设范围、入口方向角所指方向是否与车辆可驶入方向一致，以及四个立棍底部中心关键点围成的内部区域是否满足车辆泊入和货箱下落空间要求。

3.根据权利要求1所述的无人物流车甩箱车位检测方法，其特征在于，所述目标车位信息包括几何参数形式和鸟瞰视角图层形式；其中，几何参数形式包括车位中心、车位主方向角、入口方向角、四个立棍底部中心关键点坐标和目标泊入姿态；鸟瞰视角图层形式包括车位边界图层、货箱下落区域图层、安全边界图层和禁入区域图层。

4.根据权利要求1所述的无人物流车甩箱车位检测方法，其特征在于，基于所述目标车位信息、融合鸟瞰视角特征图和车辆当前位姿，确定候选轨迹点序列，并通过安全校验得到轨迹点序列及安全校验结果，具体包括：

5.根据权利要求1所述的无人物流车甩箱车位检测方法，其特征在于，所述满足落箱对位的要求为：

6.根据权利要求1所述的无人物流车甩箱车位检测方法，其特征在于，所述作业状态包括未检测到甩箱车位、检测到甩箱车位但不可泊入、可泊入、泊入中、需要微调、已完成对位、允许落箱、已完成合体、可泊出、泊出受限、泊出中、泊出完成以及异常状态。

7.一种无人物流车甩箱车位检测系统，其特征在于，执行权利要求1-6中任一项所述的无人物流车甩箱车位检测方法，包括：

8.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-6中任一项所述的无人物流车甩箱车位检测方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的无人物流车甩箱车位检测方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的无人物流车甩箱车位检测方法。