Para mejorar la eficiencia de carga y descarga de contenedores, y lograr la automatización de la carga y descarga, se propone una tecnología de alineación automática de aparejos y contenedores basada en visión monocular, combinada con aprendizaje profundo y algoritmos de procesamiento de imágenes. Se estudian las imágenes de las condiciones de elevación y carga de contenedores tomadas por una cámara monocular, y se analizan las características de la región de las esquinas. Para resolver el problema de la baja proporción de píxeles de las esquinas en las imágenes de alta resolución, se propone un método de posicionamiento grueso - segmentación fina. Luego, sobre la base de los resultados de la segmentación, se detectan puntos clave, se construyen puntos 2D-3D, y se completa la estimación de la pose con el algoritmo L-M. Finalmente, se llevó a cabo un experimento de alineación automática en la plataforma de posicionamiento AUBO-i10 en el laboratorio para verificar la eficacia de los algoritmos propuestos. Los resultados del experimento mostraron que la precisión en la detección de esquinas de contenedores alcanza más del 95% en entornos de laboratorio y en escenarios reales, la precisión en la segmentación de esquinas mIoU alcanza respectivamente el 98,15% y el 93,89% en comparación con el modelo original SegFormer-B0, lo que aumentó en un 1,24% y 1,64%, y el volumen del modelo disminuyó aproximadamente en un 23,2%; para una cámara a una distancia de aproximadamente 2 m de las esquinas de contenedores, el error de apuntado es inferior a 1,0 mm, el error absoluto de traslación de la alineación automática en los ejes X, Y y Z es inferior a 5,0 mm, y el error absoluto de rotación es inferior a 0,5°. Los resultados confirman que la precisión de los algoritmos propuestos es confiable y satisface las necesidades de alineación automática de esquinas individuales.

visión monocular; contenedores; alineación automática; reconocimiento de objetivos; estimación de la pose