Pour améliorer l'efficacité du chargement et du déchargement des conteneurs, et réaliser l'automatisation du chargement et du déchargement, une technologie d'alignement automatique des dispositifs de levage et des conteneurs basée sur la vision monoscopique, combinée à l'apprentissage profond et à des algorithmes de traitement d'image, a été proposée. Les images des conditions de levage et de chargement des conteneurs prises par une caméra monoscopique sont étudiées, et les caractéristiques de la région des coins sont analysées. Pour résoudre le problème de la faible proportion de pixels des coins dans les images haute résolution, une méthode de positionnement grossier - segmentation fine est proposée. Ensuite, sur la base des résultats de la segmentation, des points clés sont détectés, des points 2D-3D sont construits, et l'estimation de la pose est réalisée à l'aide de l'algorithme L-M. Enfin, une expérience d'alignement automatique a été menée sur la plate-forme de positionnement AUBO-i10 dans le laboratoire pour vérifier l'efficacité des algorithmes proposés. Les résultats de l'expérience ont montré que la précision de détection des coins des conteneurs atteint plus de 95% dans l'environnement de laboratoire et sur le terrain, la précision de segmentation des coins mIoU atteint respectivement 98,15% et 93,89% par rapport au modèle initial SegFormer-B0, ce qui a augmenté de 1,24% et 1,64%, et le volume du modèle a diminué d'environ 23,2%; pour une caméra à environ 2 m des coins de conteneurs, l'erreur de pointage est inférieure à 1,0 mm, l'erreur de translation absolue de l'alignement automatique sur les axes X, Y et Z est inférieure à 5,0 mm, et l'erreur de rotation absolue est inférieure à 0,5°. Les résultats confirment que la précision des algorithmes proposés est fiable et répond aux besoins d'alignement automatique des coins individuels.

vision monoscopique; conteneurs; alignement automatique; reconnaissance de cible; estimation de la pose