基于激光雷达的托盘识别方法、系统和电子设备的生产技术

格式：pdf
大小：118.63 KB
文档页数：15

下载文档原格式

/ 15

一种基于激光雷达点云识别的满容积无人装车方法与流程

一种基于激光雷达点云识别的满容积无人装车方法与流程
基于激光雷达点云识别的满容积无人装车方法与流程可以分为以下几个步骤：
1. 激光雷达扫描：使用激光雷达装置对货物区域进行扫描，获取点云数据。

2. 数据预处理：对获取到的点云数据进行预处理，包括滤波、去噪、降采样等操作，以提高数据质量和处理效率。

3. 物体分割：对点云数据进行物体分割，将不同的物体区域分割出来，如货物、箱子等。

4. 物体识别：对分割出来的物体进行识别，通过机器学习算法或深度学习模型对不同种类的货物进行识别，例如区分箱子、袋子、散装等。

5. 容积计算：对已识别的物体进行容积计算，根据点云数据中各个物体的形状和尺寸，计算出其体积大小。

6. 匹配装载规则：根据装车规则和要求，将识别和计算得到的物体体积与车辆容积进行匹配，确定哪些物体可以装载进车辆，并按照一定的顺序进行排序。

7. 装车路径规划：根据装车顺序和车辆尺寸，规划出最优的装车路径，使得尽量多的物体能够装载进车辆，同时保证车辆的稳定和安全。

8. 自动装车操作：根据路径规划结果，自动控制无人车辆进行装车操作，将物体从货物区域搬运到车辆内部，并根据装车规则进行合理的摆放和堆放，以充分利用车辆的容积。

9. 装车检测：在装车过程中，使用激光雷达或其他传感器对装车情况进行实时检测和监控，确保装车的准确性和安全性。

10. 装车完成：完成装车后，对装载的货物进行确认和记录，确保装车的完整性和可追溯性。

总的来说，基于激光雷达点云识别的满容积无人装车方法与流程主要包括数据采集与处理、物体识别和容积计算、规则匹配与路径规划、自动装车操作以及装车检测等环节，通过自动化和智能化的方式实现车辆装车过程的高效性和准确性。

一种基于2D-激光雷达的物料自动识别与定位方法[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010994798.1(22)申请日 2020.09.21(71)申请人中国科学院合肥物质科学研究院地址 230031 安徽省合肥市蜀山湖路350号(72)发明人袁松鹤　赵江海　叶晓东　王容川　苗立鑫　陈慧娟　方世辉　金海军　章小建　吴晶华　(74)专利代理机构安徽省合肥新安专利代理有限责任公司 34101代理人陆丽莉　何梅生(51)Int.Cl.G06K 9/32(2006.01)G06K 9/62(2006.01)G06N 3/04(2006.01)G06N 3/08(2006.01)G06T 3/60(2006.01)G06T 7/90(2017.01)G06T 11/00(2006.01)G01S 17/89(2020.01)G01S 17/06(2006.01)G01S 7/48(2006.01)(54)发明名称一种基于2D-激光雷达的物料自动识别与定位方法(57)摘要本发明公开一种基于2D ‑激光雷达的物料的自动识别与定位方法，其步骤包括：1、利用云台装置进行俯仰运动从而带动二维激光雷达产生三维点云数据；2、利用直通滤波算法来获取目标感兴趣区域即料坑对应区域；3、利用P C A (Principal Component Analysis)算法进行坐标系变换；4、利用3D ‑2D的投影思想对感兴趣区域的点云数据构建深度图像；5、利用结合深度学习的随机森林分类方法实现物料分类；6、2D ‑3D 的重投影获取对应的三维坐标。

本发明能实现料坑内物料的识别与定位，从而向智能化的物料仓储发展迈向新的一步。

权利要求书3页说明书9页附图4页CN 112132138 A 2020.12.25C N 112132138A1.一种基于2D-激光雷达的物料自动识别与定位方法，其特征是按如下步骤进行：步骤S1，利用集成云台装置做俯仰运动并带动二维激光雷达转动，使得二维激光雷达获取采集区域在以激光雷达为原点的参考坐标系下的三维点云数据；步骤S2，利用直通滤波算法对所述三维点云数据进行预处理，从而得到感兴趣区域的三维目标点云数据，记为C＝{P i(x i,y i,z i)T,i∈(1,2,...,n)}；P i(x i,y i,z i)表示感兴趣区域的三维目标点云数据中第i个三维点；n表示三维目标点云数据的数量；步骤S3，利用PCA算法对所述感兴趣区域的三维目标点云数据进行坐标系变换，得到以感兴趣区域的中心点为坐标原点的标准坐标系下的三维目标点云数据；步骤S4，利用3D-2D的投影法，构建标准坐标系下的三维目标点云数据的二维图像，并计算标准坐标系下的三维目标点云数据的灰度值，并保存灰度图像；步骤S5，利用深度模型CNN网络提取所述灰度图像的特征，并利用散度矩阵对所述灰度图像的特征进行选择，得到筛选后的特征；再基于筛选后的特征使用随机森林RF机器学习方法构建并训练多棵决策树，从而组成决策森林，完成训练阶段；在测试阶段，获取测试数据集并利用深度模型CNN网络进行特征提取，再利用散度矩阵对所提取的特征进行选择，得到筛选后的测试特征；将筛选后的测试特征输入所述决策森林中，并以投票方式得到标准坐标系下采集区域内物料位置的像素坐标并作为测试数据集的分类结果；最后对分类结果进行膨胀腐蚀操作，完成具有连接性的凸区域的合并；再对合并后的区域添加图像矩，并获取该图像矩的中心点坐标；步骤S6，对上述获取的中心点坐标进行2D-3D的二次投影，从而得到标准坐标系下的采集区域内物料位置对应的三维坐标作为物料位置的识别和定位结果。

基于激光雷达的托盘位姿识别算法及验证

仓储装备拾取作业能力提供理论基础。
关键词：２－Ｄ激光雷达；托盘；位姿估计；识别算法
中图分类号：ＴＨ８９文献标识码：Ａ国家标准学科分类代码：５２０．２０４０
Ｐａｌｌｅｔｌｏｃａｌｉｚａｔｉｏｎｄｅｔｅｃｔｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｌａｓｅｒｓｃａｎｎｌｉｄａｒｐｏｉｎｔ（ｄｅｔｅｃｔｉｎｇｔｈｅｐａｌｌｅｔｆｏｏｔ），ｔｈｅｗｉｄｔｈｏｆｐｌａｌｅｔｆｏｏｔａｎｄｔｈｅｒｅｓｏｌｕｔｉｏｎｏｆＬｉｄａｒ．Ｔｈｅａｌｇｏｒｉｔｈｍｅｘｔｒａｃｔｅｄｔｈｅｌｉｎｅｓａｓ
第３８卷
第１０期
仪器仪表学报
ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＳｃｉｅｎｔｉｉｃｆＩｎｓｔｒｕｍｅｎｔ
ＶｏＬ３８Ｎｏ．１０
０ｃｔ．２０１７
２０１７年１０月
ＺｈａｏＪｕｎｈｏｎｇ，ＬｖＥｎｌｉ，ＬｕＨｕａｚｈｏｎｇ，ＷａｎｇＹｕ，ＷａｎｇＦｅｉｒｅｎ，
（．ＣｏｌｌｅｇｅｏｆＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ５１０６４２，Ｃｈｉｎａ；２．ＧｕａｎｇｄｏｎｇＥｎｇｉｅｅｎｒｉｎｇＲｅｓｅａｒｃｈ

一种基于激光雷达的车型识别装置及车型识别方法[发明专利]

专利名称：一种基于激光雷达的车型识别装置及车型识别方法专利类型：发明专利
发明人：疏达,李远,欧阳湛,林彦超,王瑞
申请号：CN201811566888.X
申请日：20181219
公开号：CN109360422A
公开日：
20190219
专利内容由知识产权出版社提供
摘要：本申请涉及激光雷达领域，尤其涉及一种基于激光雷达的车型识别装置，本申请公开了一种车型识别装置，包括设置在车道上方的激光雷达模块，处理模块，至少一个倾斜雷达，至少一个垂直雷达，用于获取车辆参数；所述的处理模块与激光雷达模块电路连接，用于接收激光雷达模块获取的车辆参数，并进行数据处理，判别车型。

本申请实施例通过将多个激光雷达模块设置在车道上方，且包括至少一个倾斜雷达，至少一个垂直雷达，对车辆进行测量，获取车辆参数，将车辆参数通过数据处理得到识别结果，实现车型分类，结构简单，计算量小。

申请人：北醒(北京)光子科技有限公司
地址：100084 北京市海淀区信息路甲28号10层A座10A
国籍：CN
更多信息请下载全文后查看。

拖点识别处理方法、激光雷达以及计算机可读存储介质[发明专利]

专利名称：拖点识别处理方法、激光雷达以及计算机可读存储介质
专利类型：发明专利
发明人：李康平,蔡瑞万,曾昭明,向少卿
申请号：CN202010425439.4
申请日：20200519
公开号：CN111679260A
公开日：
20200918
专利内容由知识产权出版社提供
摘要：本发明公开了一种激光雷达的拖点识别处理方法，包括：获取与探测脉冲相对应的回波的波形信息；基于回波的波形信息，判定回波是否对应拖点。

本发明中识别收到的回波信号的强度，若回波幅度大于设定的期望值，则减小下一次发光的强度，反之增大发光强度。

同时可根据每个回波信号的强度，确定定时阈值。

经过本发明的检测与处理，能获得改善后的拖点波形，进而获得更加准确的测量信息。

诸如，距离信息或反射率信息等。

申请人：上海禾赛光电科技有限公司
地址：201702 上海市青浦区诸光路1588弄虹桥世界中心L2-B座9层
国籍：CN
代理机构：北京律和信知识产权代理事务所(普通合伙)
代理人：郝文博
更多信息请下载全文后查看。

一种激光雷达扫描方法、系统、装置及存储介质[发明专利]

专利名称：一种激光雷达扫描方法、系统、装置及存储介质专利类型：发明专利
发明人：陈泽雄,郑景扬
申请号：CN202010805117.2
申请日：20200812
公开号：CN112083395A
公开日：
20201215
专利内容由知识产权出版社提供
摘要：本发明公开了一种激光雷达扫描方法、系统、装置及存储介质，该方法包括：获取激光雷达的竖直安装高度、竖直方向的安装角度、路面扫描宽度，以及扫描点到安装点的水平距离；根据激光雷达的竖直安装高度、竖直方向的安装角度及扫描点到安装点的水平距离获取激光雷达的垂直扫描角度及激光雷达的水平扫描角度。

本发明实施例通过激光雷达扫描地面过程中满足的几何关系，根据垂直扫描角度、扫描路面宽度、激光雷达竖直安装高度及竖直方向的安装角度确定水平扫描角度，从而使激光雷达在扫描过程中全部的点云数据落在路面有效范围内，满足扫描有效范围的同时提高点云数据的利用率。

本发明实施例可广泛应用于激光雷达技术领域。

申请人：陈泽雄
地址：510000 广东省广州市番禺区钟村街汉溪大道100号南奥奥园悉尼奥运村二区4座3梯201、202房
国籍：CN
代理机构：广州嘉权专利商标事务所有限公司
代理人：胡辉
更多信息请下载全文后查看。

基于激光雷达三维图像建模的机器人拆码垛控制系统

基于激光雷达三维图像建模的机器人拆码垛控制系统魏志强;李兵;屈玉丰;沙群【摘要】为满足智能化仓储系统对高速自动拆码垛系统的实际需求,给出一种基于激光雷达的机器人拆码垛控制系统,由激光雷达扫描构建周转箱的三维图像,通过建立相应的坐标系统及目标识别算法,计算出周转箱的中心位置坐标和偏转角等信息,并将信息传输给机器人,从而实现机器人拆垛操作.实际应用表明,系统运行稳定可靠,实现了预期的设计目标.%In order to meet the actual requirement for high - speed automatic unstacking and palletizing in intelligent warehouse system, a control system for unstacking robot based on laser radar is given. The three - dimensional image of the containers is established from laser radar scanning data,and the information of center position and the deflection angle of the containers is obtained by target recognition based on the established coordinates. The data information is then sent to the robot , and so the automatic unstacking operation is realized. Actual testing results indicate that the system is stable and reliable. The goal of anticipated design is achieved.【期刊名称】《机械与电子》【年(卷),期】2013(000)004【总页数】4页(P63-66)【关键词】拆码垛机器人;目标识别;激光雷达【作者】魏志强;李兵;屈玉丰;沙群【作者单位】北京航空航天大学机器人研究所,北京100191【正文语种】中文【中图分类】TP2730 引言目前，大型智能化仓储系统对机器人拆码垛系统的工作效率及自动化程度提出了越来越高的要求。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

本技术公开了一种基于激光雷达的托盘识别方法，包括如下步骤：获取激光实时测量点云数据；进行聚类处理，得到聚类结果簇；进行直线拟合提取，得到拟合直线段；匹配得到两两匹配的簇对；确定托盘的中间腿和托盘的两个边腿；确定托盘的中心位置和角度。

本技术通过利用激光雷达获取托盘点云数据，利用激光雷达测量精度高、抗干扰性能强的优点，提高托盘识别的精度和增强托盘识别的环境适应性，通过分析识别点云数据的相对位置关系识别出托盘的两个边腿和中间腿，从而识别出托盘的中心位置和角度，不需要预先建立托盘模板，增强托盘识别方法的适应性。

本技术还公开一种基于激光雷达的托盘识别系统和电子设备。

权利要求书1.一种基于激光雷达的托盘识别方法，其特征在于，包括如下步骤：S1，获取激光实时测量点云数据；S2，对所述点云数据采用密度聚类算法进行聚类处理，得到至少一个聚类结果簇；S3，对每个所述聚类结果簇进行直线拟合提取，得到一条或多条拟合直线段；S4，根据每两个聚类结果簇的所述拟合直线段间的相互关系，得到两两匹配的簇对；S5，根据所述簇对的距离和相互关系，确定托盘的中间腿和托盘的两个边腿；S6，根据所述中间腿和两个边腿确定所述托盘的中心位置和角度。

2.根据权利要求1所述的一种基于激光雷达的托盘识别方法，其特征在于，所述步骤S2，包括，按照激光雷达采集所述点云数据的顺序滚动处理，将符合设定邻域范围及设定密度值范围的所述点云数据划分到当前簇中，当连续设定个数的所述点云数据超出所述设定密度值范围，则结束当前簇，重复此过程直到所述点云数据处理完毕。

3.根据权利要求1所述的一种基于激光雷达的托盘识别方法，其特征在于，所述步骤S3,包括，对每个所述聚类结果簇内的点云数据进行直线拟合，如果拟合结果符合设定直线相关性系数，则获取当前的拟合直线段；如果拟合结果不符合设定直线相关性系数，则选取所述聚类结果簇内梯度最大的点作为数据分割点，并根据所述数据分割点进行数据分割，对分割后的簇内数据分别进行直线拟合，直到拟合结果符合设定相关性系数时停止数据分割，获取当前的拟合直线段。

4.根据权利要求1所述的一种基于激光雷达的托盘识别方法，其特征在于，所述步骤S4，包括，对任意两个聚类结果簇进行两两匹配，判断两个所述聚类结果簇间的位置关系，当两个所述聚类结果簇间的所述拟合直线段存在相互平行或相互垂直的关系时，所述两个所述聚类结果簇为所述两两匹配的簇对。

5.根据权利要求1所述的一种基于激光雷达的托盘识别方法，其特征在于，所述步骤S4，包括，根据每个所述聚类结果簇的所述拟合直线段，确定每个所述聚类结果簇的关键点，根据所述关键点的纵坐标对所述聚类结果簇进行排序；对排序后任意两个聚类结果簇进行两两匹配，判断两个所述聚类结果簇间的位置关系，当两个所述聚类结果簇间的所述拟合直线段存在相互平行或相互垂直的关系时，所述两个所述聚类结果簇为所述两两匹配的簇对。

6.根据权利要求5所述的一种基于激光雷达的托盘识别方法，其特征在于，所述根据每个所述聚类结果簇的所述拟合直线段，确定每个所述聚类结果簇的关键点，包括：当所述聚类结果簇仅有一条拟合直线段且所述拟合直线段的斜率小于预设斜率时，所述拟合直线段的中间点为关键点；当所述聚类结果簇仅有一条拟合直线段且所述拟合直线段的斜率大于或等于预设斜率时，所述拟合直线段靠近激光中心点的一端的端点为关键点；当所述聚类结果簇有多条拟合直线段时，所述多条拟合直线段的交点中距离激光中心点最近的点为关键点。

7.根据权利要求5所述的一种基于激光雷达的托盘识别方法，其特征在于，所述S5包括，S51,根据所述聚类结果簇的关键点确定所述簇对的距离；S52,遍历所有所述簇对，当两个所述的簇对同时满足预设条件时，将两倍距离对应的簇对对应的簇设定为两个边腿候选对象，一倍距离对应的簇对中，非边腿侯选对象的簇设定为中间腿候选对象，得到腿候选对象组合；其中，所述预设条件包括：一个的簇对的距离是另一个的簇对的距离的两倍，两个所述簇对具有共同的簇，且两个所述簇对所对应的聚类结果簇的关键点满足预设的直线相关性；S53，根据所述腿候选对象组合中的垂直或平行关系数量和距离激光中心点的位置，确定所述两个边腿和所述中间腿。

8.根据权利要求7所述的一种基于激光雷达的托盘识别方法，其特征在于，所述步骤S53，包括，S531，比较所述腿候选对象组合中所对应的簇对中垂直或平行关系的数量，从中选择垂直或平行关系最多的腿候选对象组合，把所述腿候选对象组合所对应的所述两个边腿候选对象和所述中间腿候选对象作为所述两个边腿和所述中间腿；S532，当存在多个所述腿候选对象组合的垂直或平行关系数量同时最多时，选取距离激光中心点最近的所述腿候选对象组合，把所述腿候选对象组合所对应的所述两个边腿候选对象和所述中间腿候选对象作为所述两个边腿和所述中间腿。

9.根据权利要求7所述的一种基于激光雷达的托盘识别方法，其特征在于，所述步骤S52和所述步骤S53间，还包括，S52-53,根据预设托盘尺寸范围，删除超出所述预设托盘尺寸范围的所述腿候选对象组合。

10.根据权利要求7所述的一种基于激光雷达的托盘识别方法，其特征在于，所述步骤S6，包括，S61，根据所述中间腿获取托盘的第一位置和第一角度；S62，根据所述两个边腿获取托盘的第二位置和第二角度；S63，对托盘的所述第一位置和所述第二位置进行平均，得到托盘的所述中心位置，对托盘的所述第一角度和所述第二角度进行平均，得到托盘的所述角度。

11.一种基于激光雷达的托盘识别系统，其特征在于，包括，数据获取模块，获取激光实时测量点云数据；聚类模块，对所述点云数据采用密度聚类算法进行聚类处理，得到至少一个聚类结果簇；直线提取模块，对每个所述聚类结果簇进行直线拟合提取，得到一条或多条拟合直线段；簇对获取模块，根据每两个聚类结果簇的所述拟合直线间的相互关系，得到两两匹配的簇对；腿获取模块，根据所述簇对的距离和相互关系，确定托盘的中间腿和托盘的两个边腿；托盘位置角度获取模块，根据所述中间腿和两个边腿确定所述托盘的中心位置和角度。

12.一种电子设备，包括存储器、处理器及存储在所述存储器上的并可在所述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程序时实现如权利要求1-10任一项所述的基于激光雷达的托盘识别方法。

技术说明书一种基于激光雷达的托盘识别方法、系统和电子设备技术领域本技术涉及识别技术领域，具体而言，涉及一种基于激光雷达的托盘识别方法、系统和电子设备。

背景技术现今智能制造日益发展，机器人换人的需求热烈，工业物料生产和流转的流程中，自主移动机器人技术具有广阔的发展空间，对于托盘搬运，需要机器人具有托盘识别能力，以准确获取托盘的位置和角度。

托盘的示意图如图1。

按照国家相关标准，现今的托盘，具有相对统一的结构形式：所有托盘都具有两条边腿，一条中间腿，且两条边腿间的距离为中间腿与边腿间距离的两倍。

自主移动机器人以中间腿中间点的位置和垂直于中间腿的方向作为托盘的位置和角度。

现今的托盘识别主要存在以下问题：多采用RFID技术，其定位精度较低；采用图像识别技术，对环境光线要求较高，易受干扰。

现有采用激光雷达进行托盘识别的技术，虽能达到较高的识别精度，和较强的环境适应性，但存在需要预先建立托盘模板，适应性不强的问题。

技术内容本技术正是基于上述问题，提出了一种基于激光雷达的托盘识别方法、系统和电子设备。

本技术解决上述技术问题的技术方案如下：一种基于激光雷达的托盘识别方法，包括如下步骤：S1，获取激光实时测量点云数据；S2，对所述点云数据采用密度聚类算法进行聚类处理，得到至少一个聚类结果簇；S3，对每个所述聚类结果簇进行直线拟合提取，得到一条或多条拟合直线段；S4，根据每两个聚类结果簇的所述拟合直线段间的相互关系，得到两两匹配的簇对；S5，根据所述簇对的距离和相互关系，确定托盘的中间腿和托盘的两个边腿；S6，根据所述中间腿和两个边腿确定所述托盘的中心位置和角度。

本技术的有益效果是：通过利用激光雷达获取托盘点云数据，利用激光雷达测量精度高、抗干扰性能强的优点，提高托盘识别的精度和增强托盘识别的环境适应性，通过分析识别点云数据的相对位置关系识别出托盘的两个边腿和中间腿，从而识别出托盘的中心位置和角度，不需要预先建立托盘模板，增强托盘识别方法的适应性。

本技术还提供一种基于激光雷达的托盘识别系统，包括，数据获取模块，获取激光实时测量点云数据；聚类模块，对所述点云数据采用密度聚类算法进行聚类处理，得到至少一个聚类结果簇；直线提取模块，对每个所述聚类结果簇进行直线拟合提取，得到一条或多条拟合直线段；簇对获取模块，根据每两个聚类结果簇的所述拟合直线间的相互关系，得到两两匹配的簇对；腿获取模块，根据所述簇对的距离和相互关系，确定托盘的中间腿和托盘的两个边腿；托盘位置角度获取模块，根据所述中间腿和两个边腿确定所述托盘的中心位置和角度。

本技术还提供一种电子设备，包括存储器、处理器及存储在所述存储器上的并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述技术方案所述的基于激光雷达的托盘识别方法。

上述技术方案的有益效果是，通过利用激光雷达获取托盘点云数据，利用激光雷达测量精度高、抗干扰性能强的优点，提高托盘识别的精度和增强托盘识别的环境适应性，通过分析识别点云数据的相对位置关系识别出托盘的两个边腿和中间腿，从而识别出托盘的中心位置和角度，不需要预先建立托盘模板，增强托盘识别方法的适应性。

附图说明图1示出了托盘的示意图；图2示出了根据本技术的实施例提供的一种基于激光雷达的托盘识别方法流程图；图3示出了根据本技术的实施例提供的激光雷达扫描托盘示意图；图4示出了根据本技术的实施例提供的激光雷达扫描托盘点云数据示意图；具体实施方式为了能够更清楚地理解本技术的上述目的、特征和优点，下面结合附图和具体实施方式对本技术进行进一步的详细描述。

需要说明的是，在不冲突的情况下，本技术的实施例即实施例中的特征可以相互结合。

图2示出了根据本技术的实施例提供的一种基于激光雷达的托盘识别方法的流程图。

如图2所示，本实施例中，一种基于激光雷达的托盘识别方法，包括如下步骤：S1，获取激光实时测量点云数据；S2，对所述点云数据采用密度聚类算法进行聚类处理，得到至少一个聚类结果簇；S3，对每个所述聚类结果簇进行直线拟合提取，得到一条或多条拟合直线段；S4，根据每两个聚类结果簇的所述拟合直线段间的相互关系，得到两两匹配的簇对；S5，根据所述簇对的距离和相互关系，确定托盘的中间腿和托盘的两个边腿；S6，根据所述中间腿和两个边腿确定所述托盘的中心位置和角度。

在工业自主移动机器人进行物料搬运过程使用的托盘，具有相对统一的结构形式，常用的托盘示意图如图1所示。