(19)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 202211401771.2 (22)申请日 2022.11.10 (71)申请人 梁山华鲁专用汽车制造有限公司 地址 272600 山东省济宁市梁山县东环城 路东首 (72)发明人 马克涛　马心学　高昌亮　郭卫华　 (74)专利代理 机构 济宁仁礼信知识产权代理事 务所(普通 合伙) 37383 专利代理师 周建军 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/74(2022.01) G06V 10/762(2022.01) B60P 1/16(2006.01) B62D 53/06(2006.01) (54)发明名称 一种用于半挂车自动卸货的控制方法及装 置 (57)摘要 本发明涉及图像处理领域， 具体涉及一种用 于半挂车自动卸货 的控制方法及装置， 包括： 根 据相似度将目标像素点的预设邻域划分为第一 类别和候选类别， 根据候选类别聚类获得的两个 类簇计算候选类别的差异程度； 重复多次对差异 程度大于差异阈值的候选类别进行类别划分， 直 至目标像素点的候选类别的差异程度小于差异 阈值； 根据区域平整度获得待选卸货位置； 根据 待选卸货位置的区域平整度和干扰度计算待选 卸货位置的优选值， 将最大的优选值对应的待选 卸货位置作为最优卸货位置。 本发 明通过对场地 图像进行图像处理， 获得最优卸货位置， 保证路 面平整且半挂车在最优卸货位置进行卸货时受 到的干扰最小， 提高了卸货效率的同时降低了事 故发生的风险。 权利要求书4页 说明书10页 附图1页 CN 115457484 A 2022.12.09 CN 115457484 A 1.一种用于半挂车自动卸货的控制方法， 其特 征在于， 所述方法包括： 采集场地图像， 获得半挂车的参数信息； 将场地图像中的任意一个像素点作为目标像素点， 获得目标像素点的第 一类别和候选 类别， 包括： 计算目标像素点的预设邻域内的所有像素点与目标像素点的相似度， 将相似度 大于相似度阈值的所有像素点组成的类别记为目标像素点的第一类别， 将相似度不大于相 似度阈值的所有像素点组成的类别记为目标像素点的候选类别； 根据目标像素点的候选类别的差异程度获得目标像素点的第二类别， 包括： 对目标像 素点的候选类别进行聚类获得两个类簇， 根据两个类簇计算目标像素点的候选类别的差异 程度； 如果差异程度大于差异阈值， 将候选类别中频率最大 的灰度值对应所有像素点中的 任意一个像素点作为新的目标像素点， 计算候选类别中所有像素点与新的目标像素点的相 似度， 将与新的目标像素点的相似度大于相似度阈值的所有像素点组成的类别记为目标像 素点的第二类别， 将剩余的所有像素点记为目标像素点的新的候选类别； 重复根据目标像素点的候选类别的差异程度获得目标像素点的所有类别， 直至目标像 素点的候选类别的差异程度小于 差异阈值； 分别计算目标像素点对应的左区域和 右区域的区域平整度， 根据区域平整度获得待选 卸货位置； 计算待选卸货位置的干扰度， 根据待选卸货位置的区域平整度和干扰度计算待选卸货 位置的优选值， 将最大的优选值对应的待选卸货位置作为 最优卸货位置 。 2.根据权利要求1所述的一种用于半挂车自动卸货的控制方法， 其特征在于， 所述计算 目标像素点的预设邻域内的所有像素点与目标像素点的相似度的步骤 包括： 将场地图像中 的任意一个像素点作为目标像素点 ， 将以目标像素点 为中心像素点的 大小为 邻域记为目标像素点 的预设邻域， 其中， 表示半挂车的长度， 表示半挂车 的宽度， 将预设邻域内第 个像素点记为像素点 ； 获取目标像素点 的邻域内灰度差异最大的像素点与目标像素点 组成的直线的角 度 ， 获取像素点 的邻域内灰度差异最大的像 素点与像素点 组成的直线的角度 ， 获 取目标像素点 的邻域内灰度差异最小 的像素点与目标像素点 组成的直线的角度 ， 获取像素点 的邻域内灰度差异最小的像素点与像素点 组成的直线的角度 ， 根据 与 的差异以及 与 的差异获得第一特 征； 获取目标像素点 的邻域内所有像素点的灰度值的方差 ， 获取像素点 的邻域内所有 像素点的灰度值的方差 ， 根据 与 的差异以及 与 的最大值获得第二特 征； 获取像素点 与目标像素点 的欧式距离 ， 目标像素点 的预设邻域内的所有像素点 与目标像素点 的欧式距离的最大值 ， 根据 与 的比值以及目标像素点 和像素点 的灰度值的差异获得第三特 征；权　利　要　求　书 1/4 页 2 CN 115457484 A 2根据第一特 征、 第二特 征以及第三特 征计算像素点 与目标像素点 的相似度。 3.根据权利要求1所述的一种用于半挂车自动卸货的控制方法， 其特征在于， 所述根据 两个类簇计算目标像素点的候选类别的差异程度的步骤 包括： 对目标像素点 的候选类别中的所有像素点使用K ‑means聚类算法进行聚类， 类簇数量 为2， 将获得的两个 类簇分别记为目标像素点 的类簇 和类簇 ； 获取目标像素点 的类簇 中所有像素点的灰度值的均值 ， 获取目标像素点 的类簇 中所有像素点的灰度值的均值 ， 获取目标像素点 的第一类别中所有像素点的灰度值 的均值 ， 根据 、 以及 获得第四特 征； 获取目标像 素点 的类簇 中所有像 素点的灰度值的熵值 ， 获取目标像素点 的类簇 中所有像素点的灰度值的熵值 ， 根据 与 的差异以及第四特征计算目标像素点 的类簇 和类簇 的差异程度。 4.根据权利要求1所述的一种用于半挂车自动卸货的控制方法， 其特征在于， 所述分别 计算目标像素点对应的左区域和右区域的区域平整度的步骤 包括： 将目标像素点 所在行上位于 目标像素点 左侧且与目标像素点 的距离等于间距L的 像素点记为像素点 ， 将目标像素点 所在行上位于目标像素点 右侧且与目标像素点 的 距离等于间距L的像素点记为像素点 ， 根据平整度计算公式获得目标像素点 、 像素点 和像素点 的平整度， 将目标像素点 与像素点 组成的区域记为目标像素点的左区域， 将 像素点 与像素点 的平整度的均值记为目标像素点的左区域的区域平整度， 将目标像素 点 与像素点 组成的区域记 为目标像素点的右区域， 将 像素点 与像素点 的平整度的均 值记为目标像素点的右区域的区域平整度。 5.根据权利要求4所述的一种用于半挂车自动卸货的控制方法， 其特征在于， 所述平整 度计算公式为： 目标像素点 的平整度的计算方法为： 对于 组成目标像素点 的预设邻域的任意一条线 段， 对于线段中的第 个像素点， 判断第 个像素点与第 个像素点是否属于同一个 类别， 如果不属于同一个类别， 则将第 个像素点记为变 化像素点， 将线段中所有变 化像素 点的数量记为线段的类别变化值； 根据目标像素点 的预设邻域内的线段的类别变化值获 得目标像素点 的平整度， 具体 计算公式为： 权　利　要　求　书 2/4 页 3 CN 115457484 A 3