检测方法及搬运设备与流程

1.本技术涉及检测技术领域，特别涉及一种检测方法及搬运设备。


背景技术：

2.现有技术在进行目标对象的位姿检测时，通常提取托盘的点云，如使用随机抽象一致性算法(random sample consensus，ransac)、聚类算法等提取目标对象的位姿，此类方法通常只限于检测常规目标对象，无法检测受干扰导致的噪声点云较多的目标对象，且对于非对称目标对象的检测也较为困难，导致检测精度较低。


技术实现要素：

3.鉴于此，本技术实施方式提供了一种检测方法及搬运设备，避免了噪声点云以及目标对象为非对称对象对目标对象的目标位姿的检测影响，提高了目标对象的目标位姿的检测准确性。
4.本技术实施方式的检测方法应用于搬运设备，所述搬运设备包括检测装置，所述检测方法包括基于目标对象的第一预设位姿和预设的模板点云集，生成第一点云集，所述模板点云集为与所述目标对象的类型和规格均相同的预设对象的点云信息；根据所述第一预设位姿控制所述搬运设备移动，以使得所述检测装置采集所述目标对象的第二点云集；对所述第一点云集的第一点云和所述第二点云集的第二点云进行配准，以获取与所述第一点云匹配的所述第二点云；根据多组匹配的所述第一点云和所述第二点云分别生成第三点云集和第四点云集；基于所述第三点云集、所述第四点云集和预设的求解函数，计算平移向量和旋转矩阵；根据所述平移向量和所述旋转矩阵对所述第一预设位姿进行变换，以获取所述目标对象的目标位姿。
5.本技术实施方式的搬运设备包括处理器和搬运设备，所述搬运设备包括检测装置，所述处理器用于基于目标对象的第一预设位姿和预设的模板点云集，生成第一点云集，所述模板点云集为与所述目标对象的类型和规格均相同的预设对象的点云信息；根据所述第一预设位姿控制所述搬运设备移动，以使得所述检测装置采集所述目标对象的第二点云集；对所述第一点云集的第一点云和所述第二点云集的第二点云进行配准，以获取与所述第一点云匹配的所述第二点云；根据多组匹配的所述第一点云和所述第二点云分别生成第三点云集和第四点云集；基于所述第三点云集、所述第四点云集和预设的求解函数，计算平移向量和旋转矩阵；根据所述平移向量和所述旋转矩阵对所述第一预设位姿进行变换，以获取所述目标对象的目标位姿。
6.本技术的检测方法及搬运设备能够将直接获取目标对象的目标位姿转化为先通过模板点云集和目标对象的第一预设位姿生成的第一点云集、以及采集的目标对象的第二点云集中，配准的第一点云和第二点云来计算平移向量和旋转矩阵，再通过平移向量和旋转矩阵将第一预设位姿转换为目标对象的目标位姿，由于采集得到的目标对象的第二点云集中，必然包含准确的第二点云，因此，通过获取第二点云集中与第一点云集中配准的第二
点云，即可获取到匹配的第一点云和第二点云，从而基于匹配的第一点云和第二点云分别生成的第三点云集和第四点云集、以及预设的求解函数来准确地计算平移向量和旋转矩阵，从而获取到第一预设位姿和目标对象的目标位姿之间的转换关系，进而根据平移向量和旋转矩阵将第一预设位姿转换为目标对象的目标位姿，实现目标对象的目标位姿的检测，即使第二点云集中存在噪声点云或者目标对象为非对称对象，也基本不会影响平移向量和旋转矩阵的准确性，提高了目标对象的目标位姿的检测准确性。
7.本技术实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
8.本技术的上述和/或附加的方面和优点可以从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
9.图1是本技术某些实施方式的检测方法的流程示意图；
10.图2是本技术某些实施方式的搬运设备的结构示意图；
11.图3是本技术某些实施方式的检测方法的场景示意图；
12.图4是本技术某些实施方式的检测方法的流程示意图；
13.图5是本技术某些实施方式的检测方法的流程示意图；
14.图6是本技术某些实施方式的检测方法的流程示意图；
15.图7是本技术某些实施方式的检测方法的流程示意图；
16.图8是本技术某些实施方式的检测方法的流程示意图；及
17.图9是本技术某些实施方式的计算机可读存储介质与处理器的交互示意图。
具体实施方式
18.下面详细描述本技术的实施方式，实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本技术的实施方式，而不能理解为对本技术的实施方式的限制。
19.请参阅图1和图2，本技术实施方式的检测方法包括：
20.步骤011：基于目标对象的第一预设位姿和预设的模板点云集，生成第一点云集，模板点云集为与目标对象的类型和规格均相同的预设对象的点云信息。
21.具体地，在仓库的货物一般承载在托盘上进行存放，在进行入库或出库时，搬运设备100会装载托盘，以将托盘承载的货物进行运输，以完成入库或出库。本技术的目标对象以用于承载货物的目标托盘为例进行说明，但可以理解，本技术的目标对象并不限于目标托盘。
22.可以理解，仓库中存储的货物的位置是在货物入库后就确定的，而一般搬运设备100都是以预设的姿态将货物入库的，因此，存储的货物的姿态也是确定的，在搬运设备100接收到入库请求或出库请求的情况下，是能够直接获取到需要进行入库或出库的目标对象的第一预设位姿的，第一预设位姿包括目标对象的第一位置坐标和第一姿态。或者，仓库设置有图像采集设备，能够采集目标对象的图像，从而通过目标对象的图像识别目标的第一
预设位姿。
23.然后，搬运设备100还可以获取到与目标对象规格相同的预设对象的模板信息。以目标对象为目标托盘，预设对象为预设托盘为例，预设托盘的模板信息包括预设托盘的墩宽、孔宽、长度、及高度，预设托盘包括相对的上托盘和下托盘，预设托盘的模板信息还包括上托盘的高度和下托盘的高度等，根据预设托盘的模板信息即可生成模板点云集。例如，目标对象为规格a的目标托盘，则模板点云集即为根据规格a的预设托盘的模板信息生成的点云信息，保证模板点云集对应的对象和目标对象是完全一致的，进而提高后续检测目标对象的目标姿态的准确性。
24.搬运设备100的处理器20可以对第一预设位姿和模板点云集进行处理，从而生成第一点云集。具体地，第一预设位姿为目标对象的预设位置(如中心位置)的位姿，因此，可获取模板点云集中位于中心位置的中心点云，根据中心点云与第一预设位姿的映射关系，将模板点云集中的点云均进行转化，从而生成第一点云集。
25.步骤012：根据第一预设位姿控制搬运设备100移动，以使得检测装置30采集目标对象的第二点云集。
26.具体地，请结合图3，搬运设备100包括处理器20、检测装置30和货物移动装置40，检测装置30设置在货物移动装置40(如检测装置30设置在货物移动装置40的货叉的根部)，在处理器20获取到目标对象的第一预设位姿后，即可根据第一预设位姿控制货物移动装置40移动，以使得检测装置30采集目标对象p0的第二点云集。如根据第一预设位姿的第一位置坐标控制货物移动装置40移动，以使得货物移动装置40移动到目标对象p0所在的位置(如目标对象p0正前方的位置)，然后根据第一姿态调整货物移动装置40的姿态(如货物移动装置40的偏航角)，以使得货物移动装置40能够正对目标对象p0，从而使得目标对象p0位于检测装置30的视场范围内，此时控制检测装置30采集目标对象的第二点云集即可。
27.当然，由于搬运设备100运输目标对象p0到仓库内时，可能存在放置误差，导致目标对象p0放置后的第一预设位姿和目标对象p0实际的位姿是存在一定偏差的，在根据第一预设位姿控制搬运设备100移动后，搬运设备100可能是无法与目标对象p0完全正对的，但由于检测装置30的视场范围一般相对于目标对象p0而言是较大的，基本都会使得目标对象p0位于检测装置30的视场范围内，保证检测装置30能够获取到目标对象p0的第二点云集，从而保证后续检测目标对象p0的目标位姿的准确性。
28.步骤013：对第一点云集的第一点云和第二点云集的第二点云进行配准，以获取与第一点云匹配的第二点云。
29.具体地，在获取到第一点云集和第二点云集之后，即可对第一点云集和第二点云集进行配准，找到第二点云集中与第一点云集的第一点云匹配的第二点云，可以理解，当两个点云匹配的情况下，两个点云之间的距离一般是最小的。因此，第一点云集的第一点云和匹配的第二点云集的第二点云之间的距离应该是该第一点云集的第一点云和第二点云集的所有第二点云之间的距离中最小的，即在第二点云集中找到与第一点云集的第一点云的距离最小的第二点云；或者，通过预设的最近邻算法(k-nearestneightbor，knn算法)找到第二点云集中与第一点云集的第一点云的匹配的第二点云，在此不作限制。
30.步骤014：根据多组匹配的第一点云和第二点云分别生成第三点云集和第四点云集。
31.具体地，在第二点云集中找到与每个第一点云集的第一点云的匹配的第二点云之后，即可得到对应点集，即第三点云集和第四点云集。
32.如首先根据多组匹配的第一点云和第二点云中的所有第一点云，生成第三点云集，可以理解，为了保证点云的完整性，在进行配准时，是以第一点云集的第一点云为基准进行配准的，即每个第一点云集的第一点云都具有匹配的第二点云，第三点云集的第一点云根据第一点云集的第一点云一一对应生成，此时的第三点云集和第一点云集是相同的，第三点云集中的第一点云即为第一点云集的第一点云。
33.然后再根据多组匹配的第一点云和第二点云中的所有第二点云，生成第四点云集，可以理解，第四点云集和第二点云集是不同的，第四点云集是从第二点云集中选取的与第一点云集的第一点云匹配的多个第二点云生成的，由于每个第三点云集的第一点云在第四点云集中均存在匹配的第二点云，即第三点云集的第一点云和第四点云集的第二点云一一对应，第四点云集的第二点云的数量和第三点云集的第一点云的数量是相同的。
34.可以理解，由于检测装置30的采样精度的限制，一般采集得到的第二点云集内的第二点云的数量是小于第一点云集内的第一点云的数量的，而第四点云集内的第二点云的数量却是与第三点云集内的第一点云的数量相同，且第三点云集和第一点云集相同，因此，第四点云集内的第二点云的数量一般是大于第二点云集内的第二点云的数量的。
35.另外，由于第一点云集内不同的第一点云可能对应第二点云集内的同一第二点云，因此，第四点云集中存在多个第二点云的位姿是相同的。
36.步骤015：基于第三点云集、第四点云集和预设的求解函数，计算平移向量和旋转矩阵。
37.具体地，在得到对应点集(即第三点云集和第四点云集)的情况下，即可根据第三点云集、第四点云集以及预设的求解函数来计算平移向量和旋转矩阵，预设的求解函数能够根据第三点云集和第四点云集中，匹配的第一点云和第二点云，来计算得到平移向量和旋转矩阵。
38.计算平移向量和旋转矩阵的过程如下：
39.首先，根据第三点云集、第四点云集和求解函数，计算得到求解函数(如公式(1))因变量f(t)的最小值。求解函数如下公式(1)：
[0040][0041]
其中，f(t)可以说是损失函数，f(t)表示所有pi在旋转后和对应的qi之间的最小二乘距离和，r为旋转矩阵，t为平移矩阵，pi为第三点云集中的第一点云，qi为第四点云集中的第二点云，pi和qi匹配，wi为每一组匹配的pi和qi对应的权值，n等于第三点云集内的第一点云的数量。
[0042]
对公式(1)计算f(t)的最小值得到公式(2)：
[0043][0044]
其次，对第三点云集的第一点云进行加权平均，以得到第一质心并对第四点云
集的第二点云进行加权平均，以得到第二质心如下公式(3)。其中，第一质心和第二质心均为一个点，第一质心即为第三点云集中的所有第一点云的坐标的加权平均坐标，第二质心即为第四点云集中的所有第二点云的坐标的加权平均坐标。
[0045][0046]
然后，根据第一质心第二质心和最小值，计算平移向量t，如将公式(3)代入公式(2)，即得到如下公式(4)：
[0047][0048]
再然后，根据第三点云集、第四点云集、平移向量t和求解函数，计算得到目标函数，如将公式(4)代入公式(1)得到如下公式(5)和公式(6)
[0049][0050][0051]
最后，根据目标函数、第一质心和第二质心，计算得到旋转矩阵r(如公式(7))，如将公式(6)代入公式(5)，即可得到如下公式(7)。
[0052][0053]
其中，d为纬度，so(d)表示旋转群。
[0054]
步骤016：根据平移向量t和旋转矩阵r对第一预设位姿进行变换，以获取目标对象的目标位姿。
[0055]
具体地，旋转矩阵和平移向量描述了一个刚体在三维空间中的运动过程，通过计算第三点云集和第四点云集的平移向量和旋转矩阵，即可得到目标对象的第一预设位姿和目标对象的目标位姿的映射关系，从而根据目标对象的第一预设位姿、平移向量和旋转矩阵，计算得到目标对象的目标位姿。
[0056]
本技术的检测方法能够将直接获取目标对象的目标位姿转化为先通过模板点云集和目标对象的第一预设位姿生成的第一点云集、以及采集的目标对象的第二点云集中，配准的第一点云和第二点云来计算平移向量和旋转矩阵，再通过平移向量和旋转矩阵将第一预设位姿转换为目标对象的目标位姿，由于采集得到的目标对象的第二点云集中，必然包含准确的第二点云，因此，通过获取第二点云集中与第一点云集中配准的第二点云，即可获取到匹配的第一点云和第二点云，从而基于匹配的第一点云和第二点云分别生成的第三点云集和第四点云集、以及预设的求解函数来准确地计算平移向量和旋转矩阵，从而获取到第一预设位姿和目标对象的目标位姿之间的转换关系，进而根据平移向量和旋转矩阵将第一预设位姿转换为目标对象的目标位姿，实现目标对象的目标位姿的检测，即使第二点云集中存在噪声点云或者目标对象为非对称对象，也基本不会影响平移向量和旋转矩阵的
准确性，提高了目标对象的目标位姿的检测准确性。
[0057]
请参阅图4，在某些实施方式中，步骤011：基于目标对象的第一预设位姿和预设的模板点云集，生成第一点云集，包括：
[0058]
步骤0111：对模板点云集进行随机采样，以得到多个目标模板点云；
[0059]
步骤0112：基于第一预设位姿和多个目标模板点云，生成第一点云集。
[0060]
具体地，可以理解，当以较高的分辨率为目标对象建立模板点云集(如模板点云集包含10000个点云、20000个点云等)时，若将模板点云集内的所有点云均进行配准，会导致计算量过大，检测速度降低，在实际对目标对象的目标位姿进行检测时，需要快速获取到目标位姿，因此，可对模板点云集进行随机采样，以获取预设数量(如100个、500个等)的多个目标模板点云，目标模板点云的数量越大，一般越有利于提高目标位姿的准确性，但检测速度越慢，因此，可根据实际的检测速度的要求来设置预设数量(即随机采样的目标模板点云的数量)，从而在保证检测速度的情况下，最大化地提升目标位姿的检测准确性。
[0061]
在采样到目标模板点云后，可根据目标对象的第一预设位姿，来对所有目标模板点云进行转换来得到多个第一点云，以作为第一点云集。
[0062]
可以理解，以目标对象的第一预设位姿为目标对象的中心的位姿为例，可根据第一预设位姿和模板点云集的中心点云，确定映射关系；然后根据该映射关系对所有目标模板点云进行转换来得到多个第一点云，以作为第一点云集。例如，第一预设位姿为(x0，y0，z0，th0)，其中x0，y0和z0为搬运设备100的三维位置坐标，th0为搬运设备100的姿态(如偏航角)，模板点云集的中心点云为(0，0，0，0)。设目标模板点云为(x1，y1，z1，th1)，第一点云为(x2，y2，z2，th2)，则目标模板点云和第一点云之间的映射关系为x
2＝
x
1+
x0，y
2＝
y1+y0，z
2＝z1+
z0，th
2＝
th
1+
th0。如此，根据映射关系即可将目标模板点云转换为第一点云，以作为第一点云集。
[0063]
请参阅图5，在某些实施方式中，在根据平移向量和旋转矩阵对第一预设位姿进行变换之前，检测方法还包括：
[0064]
步骤017：根据平移向量和旋转矩阵对第四点云集进行变换，以得到第五点云集；
[0065]
步骤018：计算第三点云集和第五点云集中，匹配的第三点云集的第一点云和第五点云集的第三点云的距离的方差；
[0066]
在方差小于预设阈值的情况下，进入步骤016。
[0067]
具体地，为了保证平移向量和旋转矩阵的准确性，需要对平移向量和旋转矩阵进行验证，可以理解，在根据平移向量和旋转矩阵对第四点云集进行变换后，可得到第五点云集。第五点云集中的第三点云由第四点云集中对应的第二点云根据平移向量t和旋转矩阵r转换得到，因此，第五点云集中的第三点云和第四点云集中的第二点云是一一对应的。而第四点云集中的第二点云和第三点云集中的第一点云也是一一对应的，因此，可确定第五点云集中的每个第三点云对应的第三点云集的第一点云。
[0068]
可以理解，在平移向量和旋转矩阵准确的情况下，第五点云集中的第三点云和第三点云集中匹配的第一点云之间的距离应较小，通过计算第三点云集和第五点云集中，匹配的第三点云集的第一点云和第五点云集的第三点云的距离的方差，即可准确评估平移向量和旋转矩阵是否准确，在方差小于或等于预设阈值(预设阈值可根据实际情况确定，为经验值)的情况下，即可确定平移向量和旋转矩阵是准确地，此时即可根据平移向量和旋转矩
阵对第一预设位姿进行变换，以得到目标对象的目标位姿。
[0069]
而在方差大于预设阈值的情况下，则说明根据第一点云集和第二点云集最终得到的平移向量和旋转矩阵准确性较低，说明在对模板点云集进行随机采样时，采集的部分目标模板点云，具体为通过第一预设位姿对目标模板点云进行转换后得到的第一点云集中第一点云可能与第二点云集中的第二点云的匹配程度较差(如第一点云集中的第一点云和第二点云集中匹配的第二点云的距离过大)，这可能是由于检测装置30采集目标对象的第二点云集时，对目标对象的部分区域的点云采集准确性较低甚至缺失导致的。
[0070]
因此，需要重新对模板点云集再次进行随机采样，以得到多个目标模板点云；并基于第一预设位姿和多个目标模板点云，再次生成第一点云集。此时，重新基于再次生成的第一点云集和第二点云集，以进行平移向量t和旋转矩阵r的计算，若方差依旧大于预设阈值，则再次重新对模板点云集再次进行随机采样，以得到多个目标模板点云，并基于第一预设位姿和多个目标模板点云，再次生成第一点云集，如此进行迭代，直至找到方差小于或等于预设阈值情况下的平移向量和旋转矩阵。如此，基于方差的评估，不断迭代平移向量和旋转矩阵，保证了平移向量和旋转矩阵的准确性。
[0071]
请参阅图6，在某些实施方式中，在基于第三点云集、第四点云集和预设的求解函数，计算平移向量和旋转矩阵之前，检测方法还包括：
[0072]
步骤019：确定目标距离大于预设距离的第一点云和第二点云为目标对应点集，目标距离为匹配的第一点云和第二点云之间的距离；
[0073]
步骤020：删除第三点云集和第四点云集中的目标对应点集。
[0074]
具体地，在得到多组匹配的第一点云和第二点云后，由于第二点云集可能存在点云缺失、噪声点云等情况下，导致与第一点云匹配的第二点云的准确性较低。可以理解，在第一点云和第二点云匹配较为准确的情况下，第一点云和第二点云的距离一般是较近的，若匹配的第一点云和第二点云之间的距离较远，说明检测装置30采集目标对象的第二点云集时，对目标对象中与第一点云对应的位置的点云未采集到，或者说被噪声点云取代。而匹配不准确地第一点云和第二点云显然是不利于后续计算平移向量和旋转矩阵的。
[0075]
因此，可首先计算每组匹配的第一点云和第二点云之间的距离，以作为目标距离，然后找到目标距离大于预设距离的第一点云和第二点云，并确定为目标对应点集，从而在第三点云集和第四点云集中删除该目标对象点集，后续基于删除该目标对象点集的第三点云集和第四点云集来提高平移向量和旋转矩阵时，有利于提高平移向量和旋转矩阵的准确性，降低平移向量和旋转矩阵的迭代次数，从而提高目标姿态的检测效率。
[0076]
请参阅图7，在某些实施方式中，检测方法还包括：
[0077]
步骤021：获取第二点云集中的预设坐标范围内的第二点云，以生成第六点云集，预设坐标范围根据第一预设位姿和目标对象的预设尺寸确定；
[0078]
步骤013：对第一点云集的第一点云和第二点云集的第二点云进行配准，包括：
[0079]
步骤0131：对第一点云集的第一点云和第六点云集的第二点云进行配准。
[0080]
具体地，在检测装置30采集目标对象的第二点云集时，检测装置30的视场范围内可能并不只有目标对象，而是还包含了其他对象。如图3所示，除了目标对象p0完全位于检测装置30的视场范围之内，对象p1和对象p2均存在部分位于检测装置30的视场范围内。而货物移动装置40根据第一预设位姿移动后，一般会正对目标对象，或者存在较小的位姿偏
差，也即是说，目标对象在检测装置30的视场范围的预设区域内，可根据目标对象的尺寸确定预设区域，预设区域一般略大于目标对象的尺寸，以保证预设区域能够包含完整的目标对象。
[0081]
因此，在获取到目标对象的第二点云集之后，为了减少配准的计算量，可获取检测装置30的视场范围的预设区域的点云信息，从而使得第二点云集中基本只包含目标对象相关的第二点云。在获取预设区域的点云信息时，可根据预设区域和第一预设位姿，确定预设坐标范围，从而快速从第二点云集中获取到预设坐标范围内的第二点云，以得到第六点云集。在后续与第一点云集的第一点云进行配准时，只需对第一点云集的第一点云和第六点云集的第二点云进行配准，以获取与第一点云匹配的第二点云即可，从而在保证配准的准确性的情况下，减少配准的计算量。
[0082]
请参阅图8，在某些实施方式中，检测方法还包括：
[0083]
步骤022：基于预设滤波半径对第六点云集进行滤波，以生成第七点云集；
[0084]
步骤013：对第一点云集的第一点云和第二点云集的第二点云进行配准，包括：
[0085]
步骤0132：对第一点云集的第一点云和第七点云集的第二点云进行配准。
[0086]
具体地，检测装置30采集的第二点云集中，可能包含较多噪声点云，对于噪声点云而言，一般是孤立存在的，而正常点云一般是密集的，因为目标对象是一个整体的实体。基于噪声点云的特征，可基于预设滤波半径来对第六点云集或第二点云集进行滤波，以将孤立存在的噪声点云从第六点云集或第二点云集中滤除，以生成第七点云集，从而对第一点云集的第一点云和第七点云集的第二点云进行配准，以提高匹配的第一点云和第二点云的匹配准确性。
[0087]
以对第六点云集进行滤波为例，在进行滤波时，可获取位于第六点云集的第二点云的预设滤波半径内的第六点云集的第二点云的数量，在该数量小于预设阈值(如10、20等)的情况下，即可确定为噪声点云。从而将预设滤波半径内的第六点云集的第二点云的数量小于预设阈值(如10、20等)的第六点云集的第二点云滤除，以生成第七点云集，去除了噪声点云对配准的影响。
[0088]
请再次参阅图2，本技术实施方式的搬运设备100包括处理器20和搬运设备100，搬运设备100包括检测装置30，处理器20用于基于目标对象的第一预设位姿和预设的模板点云集，生成第一点云集；根据第一预设位姿控制搬运设备100移动，以使得检测装置30采集目标对象的第二点云集；对第一点云集的第一点云和第二点云集的第二点云进行配准，以获取与第一点云匹配的第二点云；根据多组匹配的第一点云和第二点云分别生成第三点云集和第四点云集；基于第三点云集、第四点云集和预设的求解函数，计算平移向量和旋转矩阵；根据平移向量和旋转矩阵对第一预设位姿进行变换，以获取目标对象的目标位姿。
[0089]
可选地，处理器20用于执行上述任意一种实施方式的检测方法，为了简洁，在此不再赘述。
[0090]
其中，搬运设备100可以是自动导引运输车、夹抱车、牵引车、堆高机、正面吊、仓储搬运设备100等具有移动能力的设备。
[0091]
其中，自动导引运输车(automated guided vehicle，agv)：指装备有电磁或光学等自动导航装置，能够沿规定的导航路径行驶，具有安全保护以及各种移载功能的运输车。工业应用中不需要驾驶员的搬运车，以可充电的蓄电池为其动力来源。一般可通过电脑来
控制其行进路径以及行为，或利用电磁轨道来设立其行进路径，电磁轨道黏贴于地板上，无人搬运车则依靠电磁轨道所带来的讯息进行移动与动作。
[0092]
请参阅图9，本技术实施方式还提供了一种计算机可读存储介质300，其上存储有计算机程序310，计算机程序310被处理器20执行的情况下，实现上述任意一种实施方式的检测方法的步骤，为了简洁，在此不再赘述。
[0093]
可以理解，计算机程序310包括计算机程序代码。计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以是非易失性计算机可读存储介质如能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、以及软件分发介质等。
[0094]
在本说明书的描述中，参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施方式或示例以及不同实施方式或示例的特征进行结合和组合。
[0095]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施方式所属技术领域的技术人员所理解。
[0096]
尽管上面已经示出和描述了本技术的实施方式，可以理解的是，上述实施方式是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施方式进行变化、修改、替换和变型。