田淮銳

田建艷

王素鋼

王曉波

(太原理工大學電氣與動力工程學院,山西 太原 030024)

酒醅出缸是清香型白酒地缸發(fā)酵生產的重要環(huán)節(jié),大多企業(yè)采用人工作業(yè),勞動強度大,自動化程度低,容易散發(fā)酒氣。目前白酒生產的其他環(huán)節(jié)已有較多自動化方法與設備[1-2],但已有的酒醅出缸裝置[3-5],或由于作業(yè)方式易損壞地缸;或需事先埋于缸內,影響發(fā)酵;或不適用于傳統(tǒng)車間改造;各自存在局限性。地缸中酒醅分布不確定,地缸開口小、強度低等因素制約著酒醅出缸自動化。課題組[6]自主研發(fā)了一款專用的酒醅取料復合機器人,在保留地缸發(fā)酵傳統(tǒng)工藝前提下,機器代人實現(xiàn)自動酒醅出缸,為此,亟需設計一種適用于該機器人的自動酒醅出缸策略,其合理性直接影響機器人應用可行性。

目前,很多學者對自動取料進行了研究。Clarke等[7]根據(jù)挖斗挖取顆粒材料時拾音器收集的碰撞音頻估計取料量。Takahashi等[8]基于CNN預測RGB-D圖中各區(qū)域抓取量及其不確定性,選擇最優(yōu)取料點。Schenck等[9]在托盤內顆粒物初始狀態(tài)已知情況下,根據(jù)機械臂鏟斗鏟取傾倒動作參數(shù),基于CNN預測顆粒物狀態(tài)。曹小華等[10]采用三維感知技術重建貨船料堆,選擇最大抓取量取料點進行取料作業(yè)。趙建平等[11]設計的智能調料機,內置各菜品調料量,實現(xiàn)了烹飪時調料自動精確出料。蔡威[12]獲取垃圾堆表面高度后,根據(jù)不同投料口選擇取料區(qū)域,并以該區(qū)域內垃圾堆最高點進行抓取作業(yè)。鐘星等[13]使用三次多項式和積分法,在起始點和挖取深度已知條件下,實現(xiàn)了不同挖取量的挖取作業(yè)軌跡規(guī)劃。陸成浩[14]對船艙散貨物料三維重建,采用分層原則逐層取料,且每層以效率最高點進行抓取作業(yè)。酒醅取料復合機器人對缸壁區(qū)域取料時,要確保不會損壞地缸,并以相對最大挖取量進行取料作業(yè)。

試驗擬對酒醅取料復合機器人自動酒醅出缸策略進行研究,首先提出一種基于安全作業(yè)距離的取料點規(guī)劃方法,根據(jù)地缸內酒醅表面點云構建取料平面,設計預設取料點;然后評估各預設取料點挖取量,選定最優(yōu)取料點,引導機器人自動化、智能化取料。

1 酒醅取料復合機器人

酒醅取料復合機器人由AGV、六自由度機械臂和取料裝置組成,如圖1所示。六自由度機械臂裝載于AGV前上方,機械臂末端裝載有取料裝置和深度相機。

1. AGV底盤 2. AGV差分式驅動結構 3. 控制柜 4. 六自由度機械臂 5. 深度相機 6. 取料裝置

取料裝置由挖斗、伺服電動缸和連桿組成,連桿安裝于機械臂末端,并通過鉸鏈結構連接伺服電動缸和挖斗。通過機械臂第6關節(jié)旋轉角度,控制挖斗取料方向。

地缸開口小、深度深,發(fā)酵時埋于地下[15-16]。為便于酒醅表面數(shù)據(jù)采集,同時不干擾機械臂取料,選用Intel RealSense D455采集地缸中酒醅表面數(shù)據(jù),安裝于機械臂末端法蘭處,設定RGB圖和深度圖采集像素為1 280×720。

為采集缸口內全貌圖像,機械臂控制相機移動至地缸口中心正上方ch處,鏡頭正對缸口平面,設置此位姿為地缸圖像采集位姿。綜合考慮酒醅取料復合機器人機械臂作業(yè)空間與采集圖像中酒醅區(qū)域所占比重,設置ch為1 256 mm。

2 缸口內點云重建

地缸口邊緣處灰度圖信息會發(fā)生躍變,通過邊緣檢測可對其定位。因此,采用加權平均法[17]對圖2(a)地缸RGB圖灰度化,并采用雙邊濾波[18]保邊降噪后,進行Canny邊緣檢測[19],結果如圖2(b)所示。

圖2 地缸圖像Canny邊緣檢測結果

地缸圖像采集位姿下,地缸口內邊緣在獲取的圖像中應為圓形。遍歷輪廓并進行橢圓擬合,對各擬合橢圓構建幾何約束,如式(1)所示,提取地缸口內邊緣近似擬合圓,結果如圖3所示。

(1)

圖3 地缸口內邊緣近似擬合圓

式中:

et、em——各擬合橢圓長軸長度和短軸長度,像素;

Rmax、Rmin——地缸口內邊緣近似擬合圓的高低約束閾值(與相機高度有關),像素;

rmax——擬合橢圓的長短軸比的約束閾值(與地缸實際形狀有關);

K——擬合橢圓的長短軸比。

實地采集多幅地缸圖像,試驗確定Rmin=368像素、Rmax=384像素、rmax=1.08。

由圖3可知,Canny邊緣檢測和幾何約束可以剔除無用輪廓和噪聲的干擾,提取出地缸口內邊緣。

地缸深度圖中可能出現(xiàn)深度值為0的空洞,影響后續(xù)酒醅挖取量評估?？斩袋c的鄰域信息可以反映空洞處深度信息,同時研究對象為缸口內區(qū)域,因此,在缸口內點云重建前,對圖像中缸口內空洞進行填充,如式(2)所示。

p(u,v)=MAX[N4(p)]。

(2)

根據(jù)地缸口內邊緣近似擬合圓提取結果,制作掩膜分割地缸RGB圖和深度圖,提取缸口內圖像,并進行點云重建,結果如圖4所示。

圖4 缸口內點云

3 酒醅取料平面構建

缸口內點云包括缸壁點云與酒醅點云,缸壁點云會干擾預設取料點挖取量評估。因此,需分割提取酒醅點云,構建酒醅取料平面,為設計預設取料點奠定基礎。

3.1 酒醅點云提取

酒醅與地缸壁顏色相近,傳統(tǒng)圖像分割方法難以分割出酒醅圖像,重建酒醅點云?；邳c云技術進行缸壁點云與酒醅點云分割試驗,分別采用歐式聚類分割、區(qū)域生長分割等方法進行試驗分析,試驗發(fā)現(xiàn):① 酒醅表面分布不規(guī)則、不確定;② 地缸形狀不規(guī)則;③ 酒醅與缸壁無明顯分界,缸口內點云具有連通性;④ 缸口內點云較密集。因此,常用的點云分割方法難以實現(xiàn)缸壁點云與酒醅點云分割。

點云求異分割算法基于KD-Tree近鄰搜索算法,以兩組點云中各點間距離作為判斷準則。地缸埋于地下,其狀態(tài)不發(fā)生變化。因此,可采用點云求異分割算法求解空缸點云與取料前缸口內點云差異,提取酒醅點云。具體步驟為:

步驟1:采集空缸時地缸RGB圖和深度圖,建立地缸空缸點云模型。

步驟2:以空缸點云為目標點云,將取料前缸口內點云作為輸入點云,采用KD-Tree近鄰搜索算法,以地缸空缸點云中pi點為目標點,找到缸口內點云中距離pi點最近的點,求解兩點間距離。

步驟3:若兩點間距離近似為0,認為這兩點為對應重合點,即缸壁點云,剔除缸口內點云中對應點,最終得到酒醅點云。

以多缸酒醅出缸作業(yè)中各次取料前缸口內點云為試驗對象,進行點云求異分割試驗,部分結果如圖5所示。

圖5 點云求異分割試驗

由圖5可知,點云求異分割可以實現(xiàn)缸壁點云與酒醅點云分割。但是由于以下原因:① 同批次制作的不同地缸可能有差異;② 缸壁上可能有少許黏著酒醅;③ 機械臂控制精度不足導致相機各次地缸圖像采集位姿可能有差異,點云求異分割算法提取的酒醅點云中可能含有一些離群干擾點。

3.2 構建酒醅取料平面

由于離群干擾點的深度值均小于酒醅主體點云深度值,可通過直方圖統(tǒng)計濾除離群干擾點對后續(xù)工作的影響。利用直方圖統(tǒng)計圖5各酒醅點云中深度數(shù)據(jù),以毫米為單位,組距為10 mm,結果如圖6所示,離群點深度數(shù)據(jù)區(qū)間位于直方圖左側區(qū)域。

圖6 直方圖統(tǒng)計結果

直方圖頻數(shù)最大值fmax所在組別的界限,代表了當前時刻酒醅主要深度數(shù)據(jù)區(qū)間,離群點在酒醅點云中所占比重很小,其所在直方圖組別的頻數(shù)較小。因此,保留頻數(shù)大于1/a直方圖頻數(shù)最大值的組別內深度數(shù)據(jù),作為酒醅主體點云數(shù)據(jù)。結合圖6分析不同a下離群干擾點影響的去除結果,選擇a=4。

根據(jù)當前時刻酒醅主體點云深度數(shù)據(jù),以其平均值估計此時酒醅料位深度df,如式(3)所示,以此深度構建取料平面,df為取料平面和相機平面間距離。

(3)

(4)

式中:

A——滿足條件的直方圖組別k的集合;

nh——直方圖組數(shù);

fk——直方圖中第k組的頻數(shù);

bki——直方圖中第k組的第i個深度數(shù)據(jù),mm。

為便于規(guī)劃,并確保作業(yè)時缸壁與挖斗間留有安全裕度,將地缸內部構造視為圓臺,以缸口內邊緣所圍平面為圓臺上底面,以缸底為圓臺下底面,地缸及構造圓臺縱截面如圖7所示。

黑色實線為構造圓臺縱截面簡圖

酒醅與缸壁間粘連性不強,構造圓臺與缸壁間存在較少酒醅時,會自然向下滑落,地缸圓臺構造不影響出缸作業(yè)。由式(5)計算當前取料平面半徑rf。

(5)

式中:

rm——缸口半徑,mm;

rb——缸底半徑,mm;

dp——地缸深度,mm;

ch——相機平面和缸口平面間距離,mm。

酒醅余料較少時,若以當前料位深度構建取料平面,挖斗作業(yè)中可能與缸底發(fā)生碰撞,如圖8所示。

圖8 挖斗與缸底碰撞

根據(jù)酒醅料位深度df,估計料位高度hf,如式(6)所示。當hf低于閾值th時,將其判定為尾料,機器人酒醅出缸進入尾料處理階段,以th對應酒醅料位深度構建取料平面,并且此階段中取料平面不再發(fā)生變化。若hf小于閾值te,則認為尾料處理階段結束。

hf=dp-df+ch。

(6)

以挖斗作業(yè)不與缸底碰撞為原則,并留有一定安全裕度ms,確定尾料處理階段開始對應的閾值th。根據(jù)挖斗翻轉取料動作,若設置取料深度為dg,如圖9所示,依據(jù)斗長lb設置th=lb-hg+ms。

圖9 取料深度

lb. 斗長 db. 斗深 wb. 斗寬 bl. 斗背長

構建酒醅取料平面后,由第2節(jié)地缸口內邊緣提取結果,求解相機坐標系下地缸口圓心坐標(xr,yr,zr),確定取料平面中心坐標(xf,yf,zf)。

4 預設取料點設計

機器人作業(yè)要求實現(xiàn)對缸壁區(qū)域酒醅取料,同時不損壞地缸。因此,需要求解取料安全作業(yè)距離,并設計預設取料點。

4.1 取料方向設計

酒醅取料復合機器人取料裝置挖斗如圖10所示。

機器人自動取放料過程:首先取料裝置到達取料點上方中間路徑點,隨后挖斗豎直插入酒醅,翻轉進行取料;然后豎直提出取料裝置至中間路徑點,控制其移動到運料小車上方翻轉放料。

挖斗后背為平面型,若挖斗取料方向如圖11(a)中箭頭所示,斗背與缸壁間會有較大空隙,缸壁區(qū)域會殘留較多酒醅,難以向下滑落,后續(xù)還需進行處理。挖斗前沿為弧形,可貼合缸壁,實現(xiàn)對缸壁區(qū)域取料。因此,設置挖斗翻轉取料方向為由取料平面中心朝向缸壁,如圖11(b)中箭頭所示。

4.2 取料安全作業(yè)距離

機械臂作業(yè)規(guī)劃需要滿足不同深度缸壁區(qū)域酒醅取料的可達性[20]需求。若預設取料點離缸壁太近,挖斗翻轉會與缸壁發(fā)生碰撞,如圖12所示,為此需要規(guī)劃機械臂酒醅取料安全作業(yè)距離。

圖12 取料裝置與地缸壁碰撞

挖斗翻轉中前沿動作軌跡恰好不與缸壁交匯,可在挖斗不碰撞缸壁的同時,實現(xiàn)對缸壁區(qū)域酒醅安全取料。已將地缸內部視為圓臺,取料安全作業(yè)距離規(guī)劃條件為:挖斗翻轉中,圖10中斗長lb標注直線與地缸圓臺母線垂直時,挖斗不與缸壁碰撞。因此,以斗長lb為基準,求解取料安全作業(yè)距離es,如式(7)所示,即預設取料點相對于取料平面中心的距離,以取料方向為正方向,確定預設取料點位置。

(7)

地缸橫截面為圓形,預設取料點位于取料平面中以平面中心為圓心,以|es|為半徑的圓上。在不影響作業(yè)效率前提下,分析以挖斗開口面覆蓋取料平面所需的正投影次數(shù),合理設置預設取料點數(shù)目。

通過取料平面中心坐標(xf,yf,zf)和取料安全作業(yè)距離es,以預設取料點取料方向為正方向,確定各預設取料點的(xg,yg)坐標。

4.3 取料深度設計

若取料深度太大,挖料過多,后續(xù)動作容易撒料。因此,需要根據(jù)不同需求,合理設計取料深度。取料深度可轉化為預設取料點距離取料平面的高度hg,若設置取料深度為dg,則hg=bl-dg,如圖9所示,從而確定各預設取料點的zg坐標。最終得到相機坐標系,即取料前酒醅點云坐標系Oc下,預設取料點的三維坐標(xg,yg,zg),記為cP(xg,yg,zg)。

5 預設取料點酒醅挖取量評估

取料裝置的取料軌跡是固定的,每次作業(yè),取料裝置的理想取料空間相同,如圖13中黑色虛線陰影區(qū)域所示。

圖13 理想取料空間

在預設取料點取料時,取料裝置相應理想取料空間內酒醅量越多,機器人在該點的挖取量越多。因此,測算預設取料點理想取料空間內酒醅體積,作為預設取料點cP(xg,yg,zg)的挖取量評估指標。根據(jù)前期研究的像素面元體素法,在cP(xg,yg,zg)相應理想取料空間內,以酒醅點云各點劃分面元,作為各酒醅體素底面,再依據(jù)挖斗翻轉取料前沿動作軌跡和取料前酒醅點云,求解各酒醅體素的高,構建酒醅體素,依次計算各酒醅體素體積,理想取料空間內酒醅體積即為各酒醅體素體積的組合。

5.1 酒醅點云坐標變換

評估預設取料點挖取量的關鍵是求解挖斗翻轉取料前沿動作軌跡函數(shù)。因此,基于cP(xg,yg,zg)建立理想取料空間坐標系Op,如圖14所示,在該坐標系中求解挖斗翻轉取料前沿動作軌跡函數(shù)。

圖14 理想取料空間坐標系

為評估cP(xg,yg,zg)挖取量,還需要將酒醅點云和挖斗翻轉取料動作中的物理量統(tǒng)一到同一坐標系,為此需要求解取料前酒醅點云坐標系Oc和理想取料空間坐標系Op間的變換關系。Oc和Op間的變換是剛體變換,變換關系為:

(8)

式中:

[xpi,ypi,zpi]T——轉換到理想取料空間坐標系Op中的酒醅點云數(shù)據(jù);

[xci,yci,zci]T——原始酒醅點云數(shù)據(jù)。

5.2 預設取料點酒醅挖取量評估指標計算

挖斗翻轉取料動作可以視為一個面作用于酒醅的過程,即挖斗翻轉取料作用面。挖斗繞連接點做旋轉運動,挖斗翻轉取料作用面可以視為挖斗在挖斗開口面上的正投影,如圖15中黑色虛線陰影所示。

圖15 挖斗翻轉取料作用面

挖斗翻轉取料前沿動作軌跡為翻轉取料作用面前沿曲線上各點動作軌跡的組合。挖斗翻轉至水平過程中,挖斗翻轉取料作用面前沿曲線上各點動作軌跡均為圓的一部分,各點與翻轉軸線的垂直距離為各點動作軌跡半徑。

為求解挖斗翻轉取料作用面前沿曲線上各點動作軌跡半徑,如圖15所示,在挖斗翻轉取料作用面上建立挖斗翻轉取料作用面前沿曲線坐標系。根據(jù)挖斗尺寸參數(shù),設置xp軸方向上正負坐標極限距離均為wb/2。

挖斗前沿曲線如圖16中黑色加粗曲線所示,長度為lc,為半徑為rc的圓的一部分。由正投影法可知,挖斗前沿曲線所在圓形在開口面上的正投影為橢圓。根據(jù)挖斗尺寸參數(shù)計算挖斗背與開口面的夾角φ,挖斗前沿曲線所在圓形在開口面上的正投影橢圓長半軸為rc,短半軸為圓半徑的正投影長度rccosφ。正投影橢圓圓心在挖斗翻轉取料作用面前沿曲線坐標系rp軸上,其到坐標系原點的距離為lb-rccosφ。挖斗翻轉取料作用面前沿曲線為挖斗前沿曲線在開口面上的正投影,其函數(shù)表達式如式(9)所示。

(9)

圖16 挖斗前沿曲線

將理想取料空間坐標系中酒醅點云各點坐標xp代入式(9),計算挖斗翻轉取料作用面前沿曲線上各點動作軌跡半徑。在坐標系Op中,挖斗翻轉取料作用面前沿曲線上各點動作軌跡組合如式(10)所示,即為挖斗前沿動作軌跡。酒醅點云各點與挖斗前沿動作軌跡上各點在z軸方向上具有一一對應關系,對應點的(xp,yp)坐標相同。分析挖斗翻轉取料作用面參數(shù),設置yp軸方向上正坐標極限距離為挖斗翻轉取料作用面前沿曲線上各點動作軌跡半徑rpj,負坐標極限距離均為斗深db。

(10)

式中:

[xpj,ypj,zpj]T——酒醅點云在cP(xg,yg,zg)理想取料空間內各點。

通過式(11)約束條件提取得到[xpj,ypj,zpj]T。

(11)

根據(jù)式(8)、式(10)和式(11)結果求解cP(xg,yg,zg)理想取料空間內各酒醅體素的高度hpj,如式(12)所示。

(12)

若hpj<0,代表挖斗無法對面元j處取料,則舍棄。以各個酒醅體素為獨立計算單元,求解cP(xg,yg,zg)理想取料空間內酒醅體積Vg,作為該預設取料點挖取量評估指標,如式(13)所示。

(13)

式中:

m——cP(xg,yg,zg)理想取料空間內酒醅體素個數(shù);

spj——酒醅體素底面積,mm2;

dj——面元j處相機采集的深度數(shù)據(jù),mm。

分別求解各預設取料點cP(xgi,ygi,zgi)挖取量評估指標Vgi,對比擇優(yōu),如式(14)所示,選擇最優(yōu)取料點,記為cP(xg0,yg0,zg0),取料方向為取料平面中心與該點連線上指向缸壁方向。

(14)

式中:

ng——預設取料點個數(shù)。

6 試驗與結果分析

6.1 預設取料點設計試驗

虛擬調試技術可以對設計思路全面仿真,降低研發(fā)風險[21]。在山西某清香型酒廠酒醅發(fā)酵車間與發(fā)酵地缸的1∶1測繪模型上,基于NX MCD搭建酒醅取料復合機器人虛擬調試平臺,如圖17所示。

圖17 酒醅取料復合機器人虛擬調試平臺

對酒醅取料復合機器人3D模型進行功能屬性定義,并創(chuàng)建酒醅取料復合機器人出醅作業(yè)仿真序列,最大程度模擬地缸出醅現(xiàn)場機器人作業(yè)環(huán)境。同時,對挖斗尺寸參數(shù)進行分析測量,如表1所示。

表1 挖斗尺寸參數(shù)

以缸底極限位置為分析對象,由挖斗翻轉取料軌跡可知,此時預設取料點距離缸底高度為334.30 mm,求解預設取料點坐標,并在虛擬調試平臺中進行機器人取料仿真試驗。由仿真試驗可知,以缸底極限位置為分析對象,取料裝置豎直插入以及挖斗翻轉過程中,不會與地缸碰撞。因此,取料裝置豎直插入地缸過程中,不會與地缸碰撞,不需考慮約束條件。

為驗證基于安全作業(yè)距離的取料點規(guī)劃方法的有效性,基于酒醅取料復合機器人虛擬調試平臺,在地缸不同深度處,構建取料平面,對基于安全作業(yè)距離的取料點規(guī)劃方法進行大量仿真測試,部分測試結果如表2所示。

表2 基于安全作業(yè)距離的取料點規(guī)劃方法測試結果

由表2可知,基于安全作業(yè)距離的取料點規(guī)劃方法可以確保取料裝置在不同深度取料平面,成功對缸壁區(qū)域取料的同時,不與缸壁碰撞,并留有一定安全裕度。

地缸缸口內直徑為700 mm,缸底內直徑為500 mm,dp為1 135 mm。對地缸各深度橫截面與挖斗開口面進行計算與試驗發(fā)現(xiàn),當設計4個預設取料點時,可實現(xiàn)取料平面的全覆蓋作業(yè);若設計5個預設取料點則會有較大重合區(qū)域,不符合工程實際。因此,在各酒醅取料平面上均設計4個預設取料點。

6.2 自動酒醅出缸策略試驗

研究初期將地缸口圓心酒醅表面深度視為當前料位深度,構建取料平面,設計預設取料點,機器人對各預設取料點依次取料。缸口圓心對應料位一般為酒醅分布最低點,以該深度定義取料平面進行取料,缸壁區(qū)域酒醅滑落嚴重,挖斗翻轉與豎直提升阻力增大,可能出現(xiàn)報警現(xiàn)象。因此,自動酒醅出缸策略基于酒醅點云密集的深度區(qū)間構建取料平面。同時,隨著酒醅料位變低,取料平面上各預設取料點取料區(qū)域會有重合,且料位越低重合區(qū)域越大,對所有預設取料點依次取料可能出現(xiàn)某次作業(yè)取料量較少的現(xiàn)象。

為驗證自動酒醅出缸策略的有效性,在完成虛擬調試的基礎上,于山西某清香型酒廠發(fā)酵車間進行大量現(xiàn)場試驗。由于篇幅所限,僅給出三缸酒醅出缸試驗結果,如表3～表5所示。試驗中,設置dg為252 mm、ms為10 mm、th為343.64 mm、te為110 mm。為進行對比試驗,表5中機器人作業(yè)未采用自動酒醅出缸策略,對所有預設取料點依次取料?，F(xiàn)場采用電子臺秤對實際挖取質量M稱重記錄。為提高試驗對比結果可靠性,三缸醅料均為新填充酒醅發(fā)酵原料,地缸中上下層酒醅密度有些微差異。

表3 采用自動酒醅出缸策略的地缸1取料試驗

表4 采用自動酒醅出缸策略的地缸2取料試驗

表5 未采用自動酒醅出缸策略的地缸3取料試驗

分析表3～表5可知,在總出醅量近似的情況下,酒醅取料復合機器人采用提出的自動酒醅出缸策略進行酒醅出缸,所需的取料次數(shù)明顯少于未采用時的取料次數(shù),有效提高了酒醅出缸效率,減少了酒氣揮發(fā)。自動酒醅出缸策略可有效指導酒醅取料復合機器人自動酒醅出缸作業(yè),能夠滿足地缸固態(tài)發(fā)酵車間酒醅出缸環(huán)節(jié)作業(yè)需求。

7 結論

(1) 針對地缸發(fā)酵酒醅出缸環(huán)節(jié)機器人出缸策略進行研究,提出了一種基于機器視覺的自動酒醅出缸策略,并在山西某清香型酒廠酒醅發(fā)酵車間進行試驗,結果表明:自動酒醅出缸策略有效減少了機器人酒醅出缸作業(yè)的取料次數(shù),提高了酒醅出缸效率,實現(xiàn)了地缸出醅作業(yè)的自動化、智能化。

(2) 所提出的自動酒醅出缸策略亦可推廣應用于其他形狀的挖斗或抓斗進行取料作業(yè),首先分析目標料堆及作業(yè)環(huán)境各種屬性,分割提取目標料堆點云;其次根據(jù)料堆分布及取料裝置作業(yè)區(qū)域合理預設取料點,并根據(jù)作業(yè)要求設計取料深度;最后確定取料裝置理想取料空間,構建取料裝置相應的取料動作軌跡函數(shù),測算預設取料點取料量評估指標,從而選擇最優(yōu)取料點。