【技术实现步骤摘要】
本专利技术涉及料位检测领域，尤其涉及一种无人智能装车的料位检测的方法及系统。
技术介绍
1、往返于矿场等地点运输物料的车辆需要频繁的装卸货物，这些货物多为散装的固体物质，在装卸过程中兼具流体与固体的特性，最初对于物料的装料多为人工进行，不但效率低而且进行装料的人工很难通过肉眼准确的观测到当前的料位，导致很容易出现物料在车辆的车斗中堆积不均匀的情况，导致车辆的装料量不能得到充分发挥。
2、在科技发展后开始采用测距雷达辅助装卸，这种装卸方法使用测距雷达进行精确测距，根据测量结果实时调整装料速度与装料位置，从而免去人工对车辆中料位高度的实时观测，使物料能够均匀快速的装载到车斗中，提高了装料效率。
3、但这种方法的使用需要物料的性质保持相对稳定，一旦天气情况较为恶劣或者物料在装载过程中产生较大的粉尘，装料精度就会产生影响，导致装料效果变差。
4、因而需要一种能够在不同外部环境下根据实时检测装料的料位并对料斗装料时的参数做出调整的新型无人智能装车方法及系统。
技术实现思路
1、为了实现上述目的，本专利技术提出了一种无人智能装车的料位检测的方法，包括有以下内容：
2、一种无人智能装车的料位检测的方法，其特征在于，包括以下步骤：
3、使用传感器获取当前的天气情况、使用人工登记或测距雷达测量出车型、车斗尺寸；
4、使用测距雷达测量料位，在装料过程中拍摄车斗的图像，对拍摄的图像进行图像识别后根据识别结果分析当前的粉尘浓度，并根据
5、将不同车辆在装料过程中车斗料位的变化作为数据集进行深度学习，从而得到不同车辆的料位变化与装料速度、装料位置的函数关系；
6、在装料过程中移动车辆来更改装料位置并重置料位，并根据训练出的不同车斗的料位变化与装料位置的函数关系决定下一时刻的装料速度并判断是否让车辆进行移动；
7、在重置后料位的初始高度接近车辆的允许装料高度到一定程度时结束装料，在结束装料后，根据装料效果对装料使用到的函数的参数进行修正，将装料过程中装料速度与车辆位置随时间的变化关系加入到对不同车斗的料位变化与装料速度、装料位置的函数关系进行深度学习的训练集中进行训练。
8、进一步的，所述传感器用于获取周边环境的所述天气情况并根据天气预报对所述天气情况的变化趋势的预测进行调整，所述车斗尺寸包括：所述车斗的长度、所述车斗的宽度以及所述车斗的高度，所述测距雷达在装料开始前通过激光测距确认车斗的允许装料高度以及待装料区间，并由此确定所述装料位置。
9、进一步的，所述对测距雷达进行调整的原理为：
10、所述测距雷达通过激光检测所述料位，根据传感器获取的所述天气情况以及天气预报得到当前的所述天气情况并对下一段时间内的所述天气情况进行预测，根据预测的所述天气情况和测距过程中所述湿度、所述粉尘浓度对所述测距雷达的结果进行调整。
11、进一步的，所述图像识别依靠对所述装料位置的俯视图的拍摄实现，所述图像识别的步骤为：
12、s1.获取当前装载的所述物料的rgb数据，使用摄像头对所述车斗的俯视图进行拍摄；
13、s2.确定所述装料位置在所述车斗的俯视图中对应的位置并进行标记；
14、s2.提取标记的所述装料位置的rgb数据，将所述装料区域的rgb数据与所述物料的rgb数据计算差值，得出所述装料位置中的所述粉尘浓度的rgb数据；
15、s3.将所述粉尘浓度的rgb数据转化为所述粉尘浓度的hsv数据并进行量化分析，从而获得当前时刻所述装料位置的粉尘浓度，获取所述粉尘浓度对所述测距雷达起到的阻挡作用，并实时调整所述测距雷达数据动态补偿值。
16、进一步的，使用所述装料位置的rgb数据与所述物料的rgb数据得出所述粉尘浓度的具体步骤为：
17、从所述物料的彩色图像中提取出所述物料的rgb数据，在所述车斗的俯视图中与所述装料位置对应位置的中心任意取一点作为原点，并以原点为中心，将原点到所述车斗图像边缘的距离的四分之一长度作为基本单位，在车斗图像上以原点为中心建立二维直角坐标系，在二维直角坐标系上按照固定的间隔取包括原点在内的坐标系上的点位作为相关点，将相邻的相关点之间的直线距离定义为一个基本单位，根据转换后得到的所述车斗图像的hsv数据提取所有相关点上的亮度数据，并将所有相关点的所述亮度数据的加权和作为所述车斗图像的亮度数据，亮度数据的计算公式为：
18、
19、其中，l为车斗图像的亮度数据，l0为原点处车斗图像的亮度数据，u为归一化参数，li为除原点外所有相关点上的亮度数据，ci为与li对应的相关点与原点之间相隔的相关点的数量，m为从物料中的hsv数据中提取出的物料的亮度数据；
20、之后，将亮度数据与装料开始前车斗图像中的初始亮度数据求差，即可得到亮度数据的变化值，将亮度数据的变化值经过参数变换即可得到所述粉尘浓度。
21、进一步的，所述测距雷达检测到当前料位达到允许装料高度时，所述车辆向前移动以重置所述装料位置，所述料位也相应重置，并且所述料位重置后料位的初始高度与不同时刻的所述装料位置有关，所述初始料位的计算公式为：
22、
23、其中，h0为下一次车辆移动后重置后的初始料位与允许装料高度的比例，ai为权重系数，当h0>0.955时代表装料完成，l为每次车辆移动后重置后的初始料位，i为提前设定的相关系数，决定进度函数的精度与计算速度，t代表车辆移动完成后的时刻；
24、在计算重置后的初始料位后，所述测距雷达根据所述允许装料高度与重置后的初始料位之差计算所述装料速度与装料时间。
25、进一步的，所述深度学习模型使用的训练集包括之前不同的车辆运输不同的物料时所述料位随时间的变化、所述装料速度以及车辆进行移动的距离与时间，并通过深度学习建立起在相邻两次车辆进行移动的时间内所述装料速度与所述料位的函数关系，并建立起所述车辆进行移动的时间与距离与所述车斗尺寸的关系，最后将所述装料速度与所述料位的函数关系与所述车辆进行移动的时间与距离与所述车斗尺寸的关系联系起来进行二次深度学习，得到对于不同的车辆的所述料位变化与装料速度、装料位置的函数关系；
26、表示述料位变化与装料速度、装料位置的函数关系的公式为：
27、
28、其中，c为固定系数，t代表装料过程中的不同时刻，v代表不同时刻装料装置的装料速度，t代表装料花费的总时间，h0为下一次车辆移动后重置后的初始料位，h0为允许装料高度，h为当前装料高度。
29、进一步的，所述根据装料效果对相应的参数进行修正的方法为：
30、根据本次装料过程中实际产生的所述料位变化与装料速度、装料位置的函数关系对使用深度学习模型预测得到的所述料位变化与装料速度、装料位置的函数关系中使用的参数进行修正，所述修正的公式为：<本文档来自技高网...
【技术保护点】
1.一种无人智能装车的料位检测的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种无人智能装车的料位检测的方法，其特征在于，所述传感器用于获取周边环境的天气情况并根据天气预报对天气情况的变化趋势的预测进行调整，所述车斗尺寸包括：所述车斗的长度、所述车斗的宽度以及所述车斗的高度，所述测距雷达在装料开始前通过激光测距确认车斗的允许装料高度以及待装料区间，并由此确定所述装料位置。
3.根据权利要求1所述的一种无人智能装车的料位检测的方法，其特征在于，所述对测距雷达进行调整的原理为：
4.根据权利要求1所述的一种无人智能装车的料位检测的方法，其特征在于，所述图像识别依靠对所述装料位置的俯视图的拍摄实现，所述图像识别的步骤为：
5.根据权利要求1所述的一种无人智能装车的料位检测的方法，其特征在于，使用所述装料位置的RGB数据与所述物料的RGB数据得出所述粉尘浓度的具体步骤为：
6.根据权利要求1所述的一种无人智能装车的料位检测的方法，其特征在于，所述测距雷达检测到当前料位达到允许装料高度时，所述车辆向前移动以改变所述装
7.根据权利要求1所述的一种无人智能装车的料位检测的方法，其特征在于，所述深度学习模型使用的训练集包括之前不同的车辆运输不同的物料时所述料位随时间的变化、所述装料速度以及车辆进行移动的距离与时间，并通过深度学习建立起在相邻两次车辆进行移动的时间内所述装料速度与所述料位的函数关系，并建立起所述车辆进行移动的时间、距离与所述车斗尺寸的关系，最后将所述装料速度与所述料位的函数关系与所述车辆进行移动的时间、距离与所述车斗尺寸的关系联系起来进行二次深度学习，得到对于不同的车辆的所述料位变化与装料速度、装料位置的函数关系；
8.根据权利要求1所述的一种无人智能装车的料位检测的方法，其特征在于，所述根据装料效果对相应的参数进行修正的方法为：
9.根据权利要求1所述的一种无人智能装车的料位检测的方法，其特征在于，所述测距雷达在装载过程中以固定的频率检测所述料位，并使用检测到的所述料位对所述料位变化与装料位置的函数关系对料位的预测进行实时修正。
10.根据权利要求1-9任一项所述的一种无人智能装车的料位检测系统，其特征在于，包括有：
...【技术特征摘要】
1.一种无人智能装车的料位检测的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种无人智能装车的料位检测的方法，其特征在于，所述传感器用于获取周边环境的天气情况并根据天气预报对天气情况的变化趋势的预测进行调整，所述车斗尺寸包括：所述车斗的长度、所述车斗的宽度以及所述车斗的高度，所述测距雷达在装料开始前通过激光测距确认车斗的允许装料高度以及待装料区间，并由此确定所述装料位置。
3.根据权利要求1所述的一种无人智能装车的料位检测的方法，其特征在于，所述对测距雷达进行调整的原理为：
4.根据权利要求1所述的一种无人智能装车的料位检测的方法，其特征在于，所述图像识别依靠对所述装料位置的俯视图的拍摄实现，所述图像识别的步骤为：
5.根据权利要求1所述的一种无人智能装车的料位检测的方法，其特征在于，使用所述装料位置的rgb数据与所述物料的rgb数据得出所述粉尘浓度的具体步骤为：
6.根据权利要求1所述的一种无人智能装车的料位检测的方法，其特征在于，所述测距雷达检测到当前料位达到允许装料高度时，所述车辆向前移动以改变所述装料位置，所述料位也相应重置，并且所述料位重置后料位...
【专利技术属性】
技术研发人员：田彦军，任晓东，田爱军，于国红，
申请(专利权)人：太原易思软件技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。