CN102884539B - 用于产品识别的系统和方法 - Google Patents
用于产品识别的系统和方法 Download PDFInfo
- Publication number
- CN102884539B CN102884539B CN201180023500.1A CN201180023500A CN102884539B CN 102884539 B CN102884539 B CN 102884539B CN 201180023500 A CN201180023500 A CN 201180023500A CN 102884539 B CN102884539 B CN 102884539B
- Authority
- CN
- China
- Prior art keywords
- article
- sensor
- parameter
- sensing volume
- conveyer belt
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 130
- 230000008569 process Effects 0.000 claims description 94
- 238000002372 labelling Methods 0.000 claims description 65
- 238000005259 measurement Methods 0.000 claims description 50
- 230000000007 visual effect Effects 0.000 claims description 50
- 238000003384 imaging method Methods 0.000 claims description 19
- 238000005286 illumination Methods 0.000 claims description 11
- 238000012015 optical character recognition Methods 0.000 claims description 10
- 230000002123 temporal effect Effects 0.000 claims description 6
- 238000009826 distribution Methods 0.000 abstract description 4
- 230000005540 biological transmission Effects 0.000 description 142
- 239000000047 product Substances 0.000 description 73
- 238000012545 processing Methods 0.000 description 38
- 238000002955 isolation Methods 0.000 description 30
- 230000006870 function Effects 0.000 description 25
- 230000008878 coupling Effects 0.000 description 18
- 238000010168 coupling process Methods 0.000 description 18
- 238000005859 coupling reaction Methods 0.000 description 18
- 230000004927 fusion Effects 0.000 description 16
- 230000008859 change Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 8
- 238000000605 extraction Methods 0.000 description 7
- 238000006116 polymerization reaction Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000004806 packaging method and process Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 229910002056 binary alloy Inorganic materials 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000011068 loading method Methods 0.000 description 3
- 230000013011 mating Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010304 firing Methods 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 235000009392 Vitis Nutrition 0.000 description 1
- 241000219095 Vitis Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 230000004313 glare Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000010247 heart contraction Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 231100000989 no adverse effect Toxicity 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
- Control Of Conveyors (AREA)
Abstract
用于识别物体的系统和方法包括多个物体传感器,每个物体传感器被配置和布置为在物体相对于感测容体而相对移动时,确定描述所述物体的至少一个参数,并且,所述物体传感器具有相对于所述感测容体的已知的位置和姿态。位置传感器被配置和布置为产生与所述相对移动相关的位置信息。来自物体和位置传感器的输出被传递到处理器,并且,基于所述位置信息、并基于所述传感器的已知位置和姿态,将所述参数与所述物体中的相应物体相关联。对于具有关联的参数的每个物体,所述处理器将所述参数与已知的物品参数相比较,以向所述物体分配物品标识。
Description
此申请要求2011年1月7日提交的美国临时申请No.61/430804、以及2010年3月12日提交的美国临时申请No.61/313256的优先权,通过引用将它们全文合并于此。
技术领域
这里的描述一般涉及用于识别物品、且更具体地用于识别通过感测容体(sensingvolume)的物品的方法和系统。
背景技术
在各种环境中,识别物体并读取与那些物体相关的经编码的信息可能是有用的。例如,销售点(POS)系统利用条形码读取器来识别要购买的产品。类似地,运输、物流和邮件分类操作可利用自动化识别系统。取决于上下文(context),经编码的信息可包括与其上被放置了代码的物体相关的价格、目的地或其它信息。通常,减小在操作中需要人为干预的错误或异常的数量是有用的。
发明内容
这里描述了针对物品识别和代码读取的各种方法的实施。
实施例的一方面包括一种方法,其包括:在物体相对于感测容体而相对移动时,使用具有相对于所述感测容体的已知位置和姿态的传感器,确定描述所述物体的至少一个参数;生成与所述相对移动相关的位置信息,并将所述参数和位置信息传递到处理器;以及基于所述位置信息、并基于所述传感器的已知位置和姿态,将所述参数与所述物体中的相应物体相关联,并且,对于具有关联的参数的每个物体,将所述参数与已知的物品参数相比较,以向所述物体分配物品标识。
实施例的一方面包括一种系统,其包括:多个传感器,每个传感器被配置和布置为在物体相对于感测容体而相对移动时,确定描述所述物体的至少一个参数,并且,所述传感器具有相对于所述感测容体的已知的位置和姿态;位置传感器,其被配置和布置为产生与所述相对移动相关的位置信息;以及处理器,其被配置为接收所述参数,基于所述位置信息、并基于所述传感器的已知位置和姿态,将所述参数与所述物体中的相应物体相关联,并且将所述参数与已知的物品参数相比较,以向所述物体分配物品标识。
本发明的实施例的一方面包括一种用于异步地识别感测容体内的物品的系统,其包括多个物体传感器,每个物体传感器被配置和布置为在物体相对于感测容体而相对移动时,确定描述所述物体的至少一个参数,并且,所述物体传感器具有相对于所述感测容体的已知的位置和姿态。所述系统包括:位置传感器,其被配置和布置为产生与所述相对移动相关的位置信息,其中,所述位置信息不包括系统时钟信息;以及处理器,其被配置和布置为从所述物体传感器接收所述参数,基于所述位置信息、并基于确定每个相应参数的所述物体传感器的已知位置和姿态,将所述参数与所述物体中的相应物体相关联,而不考虑系统时钟信息,并且对于具有至少一个关联的参数的每个物体,将所述至少一个关联的参数与已知的物品参数相比较,以向所述物体分配物品标识。
本发明的实施例的一方面包括一种用于异步地识别感测容体内的物品的方法,其包括:在物体相对于所述感测容体而相对移动时,使用多个物体传感器确定描述所述物体的至少一个参数,所述物体传感器各自具有相对于所述感测容体的已知的位置和姿态。所述方法包括:产生与所述相对移动相关的位置信息,其中,所述位置信息不包括系统时钟信息;以及基于所述位置信息、并基于确定每个相应参数的所述物体传感器的已知位置和姿态,将所述参数与所述物体中的相应物体相关联,而不考虑系统时钟信息,并且对于具有至少一个关联的参数的每个物体,将所述至少一个关联的参数与已知的物品参数相比较,以向所述物体分配物品标识。
实施例的一方面包括有形机器可读介质,其被编码有机器可执行指令,用于执行这里描述的方法、或用于控制这里描述的装置或系统。
提供了以上的发明内容部分来以简化形式介绍下面在具体实施方式部分中进一步描述的概念的选择。发明内容部分不意欲标识所要求权利的主题的关键特征或本质特征,也不意欲被用来限制所要求权利的主题的范围。此外,所要求权利的主题不限于解决在此公开中的任一部分中提到的任一或全部缺点的实施。
附图说明
通过参照下面的描述、权利要求和附图,这些和其它特征将会变得更好理解,其中:
图1示意性地图示了用于物品识别的系统的实施例;
图2A是用于物品识别的系统的实施例的斜视图;
图2B是图2A的系统的斜视图;
图3A是用于物品识别的系统的实施例的右侧斜视图;
图3B是用于物品识别的系统的实施例的俯视图;
图3C是用于物品识别的系统的实施例的右视图;
图4A是用于物品识别的系统的实施例的左视图;
图4B是用于物品识别的系统的实施例的左侧斜视图;
图5A是用于物品识别的系统的实施例的左侧斜剖面视图;
图5B是用于物品识别的系统的实施例的左剖面图;
图6A是用于物品识别的系统的实施例的左剖面图;
图6B是用于物品识别的系统的实施例的顶部斜剖面视图;
图7A是用于物品识别的系统的实施例的左侧斜剖面视图;
图7B是用于物品识别的系统的实施例的左剖面图;
图8-12是图示通过用于物品识别的系统及其子系统的实施例的数据流的数据流图;
图13是图示用于物品识别的系统的实施例中的特定传感器的输出的时序图;
图14是图示通过用于物品识别的系统的子系统的实施例的数据流的数据流图;以及
图15是图示通过用于物品识别的系统的子系统的实施例的数据流的数据流图。
具体实施方式
图1示意性地图示了物体识别系统25。要识别的一个或多个物品20被放置在要传送通过感测容体240的传输系统上。在这里示出的概念性的实施例中,传输系统是传送带31。由于实践的问题,传输系统可由多于一个传送带构成,以允许对通过感测容体的物品流的附加控制。在实施例中,如图3A所示,使用了三个带:送入(in-feed)传送带,将要识别的物品加载到该送入传送带上;感测容体传送带,其将物品移动通过感测容体240;以及送出(out-feed)传送带,其将物品从感测容体240取走,以进行进一步处理。例如,在零售环境下,“进一步处理”可包括装袋、逆向物流处理、以及本领域的技术人员知道的其它处理。在一些实施例中,传输系统仅包括感测容体传送带。可取决于预期的特定应用,添加诸如送入传送带或送出传送带的其它带。
如图1的示意图所示,传输系统可被视为如同其为无限传输路径。如将在下面详细描述的,在实施例中,可这样设计物品识别系统:处理算法将带的每段视为如同其为唯一位置,并且与该段相关联的任何物品被一直视为如同其在该位置。在这一点上,物品识别系统25可能不具有有关物品如何或者何时被放置在带上的信息、且不具有有关在它们离开感测容体240之后它们发生了什么的信息。在实施例中,在本质上无尽的传送带31的每段进入感测容体240时,系统25可将线性增大的位置值分配给所述每段,类似于街道地址,并且,该系统可表现得仿佛该街道具有无限的长度一样。可假定与特定街道地址关联的物品留在该处。
替代地,可沿着固定位置扫描该容体,而不是将物体移动通过固定的感测容体。也就是说,代替于传送带31移动物体,感测容体可以沿着街道行驶,从而看到在一直增大的街道地址上分布的物品。例如,这可被应用于仓库环境中,其中,使感测设备沿着通道行驶,并感测排列在货架上的物品。
传送带31配备有传输位置物理传感器122。传输位置物理传感器122测定相对于系统25的感测容体中的固定基准位置的、传送带31的位置。在一些实施例中,传输位置物理传感器122是与感测容体传送带的辊子相关联的编码器。传输位置物理传感器122每当本质上无尽的传送带31相对于感测容体240移动了固定的增量距离时,产生脉冲。
通过示例,旋转编码器可包括与传送带31的1密耳(mil)增量移动相对应的图表(delineation)。原则上,每个图表产生一直增大的累积中的单个计数,但在实施例中,可对于每个系统计数而合计多个计数。作为示例,每个系统计数可对应于5个名义(nominal)检测器计数。另外,能够解决可引起带的反向移动的滑移或其它事件可能是有用的。在这一点上,一种这样的方法将采用正交编码器,其中,一对编码器输出彼此异相90°。在这个方法中,可基于对于两个输出中的哪个首先发生的确定,将方向分配给带移动。
感测容体240是传输系统传送物品20所通过的空间的容体,并通过多个物品参数传感器220的组合感测区域/视野而被描绘,多个物品参数传感器220包括但不限于物品隔离器140。
感测容体240包括多个参数传感器220,用于感测物品20行进通过。一些实施例具有至少两个不同的参数传感器220:物品隔离器和标记读取系统,其包括一个或多个标记传感器。在实施例中,可包括附加的参数传感器,诸如尺寸传感器和/或重量传感器。参数传感器可被理解为将某个可观测的参数转换为电信号的物理传感器、或者与关联的参数处理功能组合的物理传感器,其将原始数据(初始感测数据)变换为在进一步的处理中使用的数字值。参数处理器可与物理传感器位于一处、和/或与物理传感器一起嵌入,或者,参数处理器可为与一个或多个通用计算机上的其它模块并行运行的软件模块。
在实施例中,参数传感器220测定的输出值被传送到处理器中的其它软件模块。在实施例中,这种传送可为异步的。来自参数传感器220的数据与传输系统位置传感器提供的位置信息相关联,并被发送到两个处理模块:物品描述编译器200,其执行匹配针对特定物品收集的所有参数值以创建物品描述的处理;以及物品识别处理器300,其查询产品描述数据库以尝试找到物品描述和产品之间的匹配,并输出产品标识或异常标志。可选地,系统25可包括异常处理程序(如图15所示)。
图2A中图示了物品识别系统25的实施例。如所示出的,感测容体在上外壳(housing)28内。下外壳26用作结构基础,用于支撑感测容体传送带(如图3A所示)、传输位置物理传感器122、以及系统25的很多光学和机械组件,包括但不限于仰视线扫描相机88。如将理解的,线扫描相机具有基本上平面的视野,尽管其在机械意义上不是严格平面的,而实质上是具有低散度(divergence)的细长矩形。
在实施例中,感测容体240可部分地封闭,使得围壁形成通道(tunnel)结构。如图2A所示,上外壳28形成通道结构,其提供各种传感器的元件可附接上的便利位置,并通过各种各样的把手和物体来减小到感测容体240的不期望的侵入的可能性。在图2A中示出的实施例中,上外壳28被用作结构基础,用于支撑激光条纹生成器119、区域相机152、第一区域相机镜48、第二区域相机镜49、照明源40、测压元件175、光幕生成器12、以及各种其它的光学和机械组件。
区域相机152用来观察其视野中的朝着传输系统以及其上的任何物品向下投射的激光光线、激光条纹的路径。在激光条纹生成器119和区域相机152之间存在已知的角度,其使得区域相机152的视野中的激光条纹的图像与激光条纹所投射到的物品的高度成比例地、与激光条纹相垂直地移位。
如图2B所示,第一测压元件175A、第二测压元件(此视图中不可见)、第三测压元件175C以及第四测压元件175(此视图中不可见)被安置用来测定带上的负载。在图2B中,将包括但不限于右下送出端线扫描相机80和仰视线扫描相机88的6个线扫描相机示出为安装在下外壳26上。在实施例中,系统25包括布置为不同位置和不同姿态以完全覆盖上外壳内的感测容体的11个线扫描相机。在实施例中,每个相机具有充分确知可将检测到的物品的位置确定为小于大约1/4英寸(即,小于大约1个弧度)之内的位置和姿态。在这一点上,可将相机精确地安装在结构模块内,使得将结构模块安装到该系统的框架构件提供有关相机指向的方向的精确信息。在实施例中,相机中的某些或全部可包括偏振滤光器,用来减小可能易于遮挡条形码的来自包装材料的镜像反射。在此配置中,增大从光源输出的光以便补偿由于偏振滤光器造成的光损失可能是有用的。
线扫描相机被构造和布置为使得它们具有包括线扫描相机镜的视野。图2B中示出了第一右下送出端线扫描镜92,作为线扫描镜的示例。第一右下送出端线扫描镜92将来自其它线扫描镜(图3A中所示)的光反射到右下送出端线扫描相机80中,使得右下送出端线扫描相机80在物品到达感测容体传送带32(图2B中不可见,参见图3A)上的其视野内时产生有关该物品的线扫描数据。图2B中还示出了右侧俯视照明源128。
在实施例中,传送带可约为20英寸宽,并以大约每分钟80英尺或每秒16英寸的速度行进。如将理解的,可根据在识别之后要对物品执行的进一步的处理操作来选择行进速度。例如,杂货店应用可能需要相对慢的带速,以允许店员执行装袋任务,而包裹分拣应用可允许较高的带速,这是因为,可以机械方式处理分拣的包裹。
如图2B所示,上外壳可被用作用于支撑区域相机152、第一区域相机镜48、第二区域相机镜49、照明源40、以及系统25的各种光学和机械组件的结构基础。
图3A图示了可用于创建第一物品20A和第二物品20B的图像的右侧相机光学器件。第一物品20A被示出为具有前侧21、顶侧22以及左侧23。尽管未在图3A中示出,但第一物品20A还具有底侧、后侧和右侧。尽管在图中示出为杂货产品箱,但第一物品20A可根据所选应用而采取适于通过感测容体的任何物品的形式。
在图示的实施例中,第一物品20A和第二物品20B在朝着送入传送带30的出口端、以及朝着感测容体传送带32的送入端的移动方向上,被送入传送带30传输到感测容体中。第一物品20A和第二物品20B在朝着感测容体传送带32的出口端、以及朝着送出传送带34的送入端的移动方向上,被感测容体传送带32传输通过感测容体。
一旦进入感测容体,要识别的物体便通过由光幕生成器12生成的光幕10,如在图4B中最佳地看到的。在示出的实施例中,光幕10被朝着感测容体传送带32和送入传送带30之间的间隙36而向下投射,并被镜14反射到检测器16。例如,光幕生成器可为包括被布置用来提供基本上平面的片状光的LED线状阵列的条。光幕检测器16可包括光探测器的线状阵列,其检测LED投射的光幕。为了改善空间分辨率、并减小光探测器的错误的负读数,LED和检测器被成对地依次激活。这个方法趋向于不管视野中物体的存在而减小进入检测器的来自一个LED的潜在杂散光的影响。
当物体通过该幕时,其在光探测器上投下阴影,从而提供有关通过光幕的物体的宽度的信息。可使用一系列这种类型的测量作为用于识别物体的一组参数。在实施例中,光幕生成器/检测器集合的空间分辨率将处于几毫米的量级,然而,原则上,取决于应用,更精细或更粗略的测量可能有用。对于杂货店应用,可能需要更精细的分辨率,以便区分相似的产品包装。
如在图3A中可见,照明源40照射感测容体传送带32。右下送出端线扫描相机80具有聚焦在第一右下送出端线扫描镜92上的视野。第一右下送出端线扫描镜92反射来自第二右下送出端线扫描镜93的光,第二右下送出端线扫描镜93反射来自第三右下送出端线扫描镜94的光。第三右下送出端线扫描镜94反射来自感测容体传送带32的光。由此,右下送出端线扫描相机80将其视野聚焦在感测容体传送带32上,在第一物品20A和第二物品20B在沿着感测容体传送带32的移动方向上被传输时,捕捉有关第一物品20A和第二物品20B的线扫描数据。还示出了右上送入端线扫描相机83,其同样对感测容体传送带32成像。
右下送出端线扫描相机80可操作地连接到收集线扫描数据的图像处理器。图像处理器确定被传输通过感测容体的第一物品20A的参数值和第二物品20B的参数值。
在实施例中,图像处理器是标记读取器。在标记读取器收集与第一物品20A对应的线扫描数据之后,标记读取器尝试识别第一物品20A的前侧21上的第一物品的标记24A。在示出的情况下,该物品的前侧上不存在识别码,于是,在操作中,标记读取器将无法基于前侧图像来识别第一物品的标记24A。然而,从右下送出端线扫描相机80或右上送出端线扫描相机81接收线扫描数据的标记读取器可成功地捕捉并识别第二物品的标记24B。
右下送入端线扫描相机82具有聚焦在第一右下送入端线扫描镜95上的视野。第一右下送入端线扫描镜95反射来自第二右下送入端线扫描镜96的光,第二右下送入端线扫描镜96反射来自第三右下送入端线扫描镜97的光。第三右下送入端线扫描镜97反射来自感测容体传送带32的光。由此,右下送入端线扫描相机82将其视野聚焦在感测容体传送带32上,从而捕捉有关在沿着感测容体传送带32的移动方向上被传输的第一物品20A和第二物品20B的线扫描数据。在标记读取器收集与第一物品20A对应的线扫描数据之后,标记读取器识别第一物品20A的左侧23上的标记24A。
在实施例中,可通过源自传输位置物理传感器的信号,触发线扫描相机,以在传送带32每行进千分之五英寸时捕捉线扫描数据一次。也就是说,当使用具有1密耳间隔的编码器时,每五个间隔将构成一个系统计数,并且,将捕捉一个线扫描图像。
转到图3B,示出了右侧相机光学器件,并且,其包括但不限于右下送入端线扫描相机82和右下送出端线扫描相机80。右侧相机光学器件捕捉从照明源40反射回到右侧相机光学器件在一个或多个线扫描镜上的视野中的光。图3B中示出的线扫描镜包括第二右下送出端线扫描镜93、第三右下送出端线扫描镜94、第二右下送入端线扫描镜96、以及第三右下送入端线扫描镜97,然而,可取决于所预期的具体应用而包括或多或少的镜。
图3B还示出了对感测容体传送带32成像的右上送出端线扫描相机81和右上送入端线扫描相机83,并且,当送入传送带30将第一和第二物品20A和20B传递到感测容体传送带32时,这些线扫描相机也将对所述物品成像。最终,第一和第二物品20A和20B将在它们向前通过至送出传送带34时离开右上送出端线扫描相机81和右上送入端线扫描相机83的视线。
在实施例中,可水平地安装线扫描相机,以减小在摄相机镜头上的灰尘积聚。可使用折叠镜来提供所选的视野几何性(geometry),以允许这些水平安装的相机从不同角度观察感测容体。
为实现对于每个线扫描相机的期望的景深、以及精细的图像分辨率以便读取标记,用于每个线扫描相机的光路应为从感测容体中的每个物品20起的几英尺。为了在不过度扩大系统25的大小的情况下允许长光路,例如,每个线扫描相机的光路可被线扫描镜93、94、96和97折叠。
因为每个线扫描相机的视野的宽度随着距线扫描相机的光学距离增大而线性扩大,所以,在光学上较接近于第一物品20A和第二物品20B的线扫描镜可比线扫描方向上的带宽度更宽。如将理解的,对于处于与带的45度角的成像场(imagingfield),场宽度为带宽度的2倍,并且,镜必须足够宽以对向(subtend)该场。然而,因为每个线扫描相机仅对较窄的线感测容体(在特定实施例中约为千分之五英寸)成像,所以,每个线扫描镜在垂直方向上可能非常短。在一些实施例中,每个线扫描镜仅为零点几英寸高。线扫描镜由约四分之一英寸厚且约一英寸高的玻璃制成。在具有20英寸宽的感测容体的设备中,取决于扫描负责感测容体的哪部分,线扫描镜可具有从约8英寸到约30英寸宽的宽度。线扫描镜允许线扫描相机的视野的底、顶和侧面角度的光路被折叠,同时维持相对窄的顶和侧壁,在实施例中约为7英寸厚。
每个线扫描相机从行进通过感测容体的物品20反射出的光产生线扫描数据。在实施例中,在全部传送带的标称速度和成像分辨率下,线扫描相机以与大约300微秒的曝光时间相对应的大约每秒3200条线操作。利用典型的线扫描相机技术,这些短曝光时间需要相当亮的照明,以产生高对比度的图像。对于合理的能量和照明功效,可选择照明源40来提供沿着每个线扫描相机的光学角度汇聚的、具有低散度的强照明。
图3C示出了右侧相机光学器件。右侧相机光学器件包括但不限于右下送出端线扫描相机80、右上送出端线扫描相机81、右下送入端线扫描相机82和右上送入端线扫描相机83,其各自连接到系统25的下外壳26。右侧相机光学器件被示出为使用线扫描镜聚焦。在此实施例中,第一右下送出端线扫描镜92反射来自第二右下送出端线扫描镜93的光,第二右下送出端线扫描镜93反射来自第三右下送出端线扫描镜94的光,第三右下送出端线扫描镜94反射来自感测容体传送带32的光。此外,第一右下送入端线扫描镜95反射来自第二右下送入端线扫描镜96的光,第二右下送入端线扫描镜96反射来自第三右下送入端线扫描镜97的光,第三右下送入端线扫描镜97反射来自感测容体传送带32的光。光从安装在上外壳28上的照明源40落在感测容体传送带32上。
当第一物品20A和第二物品20B离开送入传送带30的送出端时,它们进入感测容体传送带32的送入端,并通过右侧相机光学器件的视野,对应于第一物品20A和第二物品20B的线扫描数据被生成。标有标记24A的第一物品20A和标有标记24B的第二物品20B在它们从感测容体传送带32传输到送出传送带34上时离开感测容体。各自具有其自身角度的多个线扫描相机在第一物品20A和第二物品20B离开感测容体之前捕捉第一物品20A和第二物品20B的多个图像。系统使用所生成的线扫描数据来辨识下面进一步讨论的每个物品的参数。
仰视线扫描相机88被安装在下外壳26上,如图4A所示。在此图中,物品20沿着送入传送带30从左到右行进通过感测容体240。在送入传送带30和感测容体传送带32之间提供带间隙36。仰视线扫描相机照明源41提供具有低散度的对带间隙36的强照明,从而允许仰视线扫描相机88产生高对比度的图像。
仰视线扫描相机88从行进通过带间隙36并到仰视线扫描镜98上的光产生图像。该光由仰视线扫描相机照明源41生成,并在物品20从送入传送带30行进越过带间隙36并到感测容体传送带32上时从物品20反射。
除了提供用于由标记读取器随后分析的物品20的图像之外,仰视线扫描相机88还提供物品20的底部的没有遮挡的图像。尽管标记读取器的分析可识别物品20的底部上的标记,但尺寸传感器使用物品20的底部的没有遮挡的图像来帮助细化物品20的测量。由此,在包括仰视线扫描相机88的实施例中,可将不同高度的物品(诸如在图3A和3C中示出的第一物品20A和第二物品20B)放置为在送入传送带30上彼此相邻,而物品隔离器不会将不同高度的物品视为具有更复杂的几何形状的单个物品。
如图4B所示,包括仰视线扫描相机照明源41、仰视线扫描镜98、以及仰视线扫描相机88的仰视线扫描相机光学组件位于系统25的下外壳26内。在示出的实施例中,仰视线扫描相机88的光路仅被从仰视线扫描镜98折叠一次。换句话说,在光穿过带间隙36时从物品20反射的光从仰视线扫描镜98反射到仰视线扫描相机88。如前所述,当物品20从送入传送带30被传送到感测容体传送带32时,将物品20置于带间隙36上。
如将理解的,仰视相机是暗场检测器。也就是说,在其测量区域中不存在物体的情况下,其将接收到很少、或不会接收到反射光,并且,图像将是暗的。当在测量区域中存在物体时,从照明源41反射的光将被反射回到相机。相反,上述光幕是明场检测器。当不存在物体时,图像是亮的,而当存在物体时,物体遮挡像场,使物体在检测器中呈现为暗物体。
通过彼此联合工作,两个系统允许对通过一个或其它方法难以检测的物体进行检测和测量。例如,相对暗的物体和/或不良反射体可能对于仰视相机来说难以与暗背景场区分。类似地,相对透明的物体或许不能产生由光幕检测到的足够的对比度。发明人已确定:在使用与下面描述的激光条纹生成器119组合的两个传感器时,可获得良好的物体单个化(singulation)比率。
如在图5A中可见,传输位置传感器包括但不限于送入传送带30、感测容体传送带32、送出传送带34、以及传输位置物理传感器122。
在图5A中还能看到,重量传感器包括但不限于至少一个测压元件(图12中的175A-D),其先前在图2B的上下文中被提及。在实施例中,重量传感器包括四个测压元件。该组四个测压元件支撑感测容体传送带32及其关联的机械结构(马达、辊子、带等)。在一些实施例中,重量传感器还包括三个物体传感器,在这里被示出为送入传送带物体传感器173A、感测容体入口物体传感器173B、以及感测容体出口物体传感器173C。在一些实施例中,每个物体传感器被放置在传输位置传感器122之上大约十分之二英寸。在一些实施例中,物体传感器是光源和光探测器对,其中,光源和光探测器之间的光路在存在诸如物品20的物体的情况下被中断。其它物体传感器在本领域中是公知的,并可取决于预期的具体应用而被使用。
物品20沿着传输位置传感器的送入传送带30,被朝向感测容体传输。在实施例中,随着物品20接近感测容体,送入传送带物体传感器173A检测到物品20将要进入感测容体。物品20随着其从送入传送带30传送到感测容体传送带32而越过带间隙36,并且,感测容体入口物体传感器173B确认物品20已进入了感测容体。类似地,感测容体出口物体传感器173C检测到物品20何时离开感测容体、并从感测容体传送带32传送到送出传送带34。然而,每个物体传感器的存在和特定位置取决于预期的具体应用而变化。
如图5A所示,当在感测容体传送带32上没有物品时,测压元件测量到感测容体传送带32的总重量。随后,随着一个或多个物品20传送到感测容体传送带32,测压元件测量到感测容体传送带32的装量和一个或多个物品20的重量。每个测压元件将力(重量)转换为可测量的电信号,其被读出为测压元件电压。由于每个测压元件的电信号输出处于毫伏的量级,所以,测压元件的信号被测压元件放大器(未示出)放大并数字化。
如图5B所见,重量传感器包括但不限于该组物体传感器(173A、173B、和173C)、以及测压元件。感测容体入口物体传感器173B正好位于感测容体的上外壳28内部、以及送入传送带30和感测容体传送带32之间的带间隙(在图4A中由附图标记36指示)之上。类似地,感测容体出口物体传感器173C正好位于感测容体的上外壳28的内部、以及送出传送带34之上。送入传送带物体传感器173A位于感测容体的上游的送入传送带30之上。尽管图5B将送入传送带物体传感器173A绘出为接近感测容体,但送入传送带物体传感器173A和感测容体之间的距离可取决于所预期的具体应用而变化。
图5B还示出了测压元件175A和175C位于感测容体的下外壳26内部。测压元件175B和175D(图12中绘出)在此视图中不可见,这是由于,它们分别被测压元件175A和175C遮挡。测压元件支撑感测容体传送带32及其关联的机械部分,使得该组测压元件能够测量感测容体传送带32及其上的物品(如果有的话)的重量。
如图5B中可见,传输位置物理传感器122(在图示的实施例中是旋转编码器)位于接近测压元件175C。传输位置物理传感器122连接到感测容体传送带32以及一个系统处理器中的数字计数器。由于通过马达使感测容体传送带32旋转,所以,编码器轮转动,从而允许传输传感器处理器记录感测容体传送带32的移动。传送带从任意开始位置的位移被定义为传输系统位置。传输传感器处理器对于由传输位置物理传感器122生成的每个传输传感器脉冲,生成传送带上的传输系统位置,尽管如上所述,但在实践中,多个传感器脉冲可一起构成系统计数,以便提供适当的间隔。来自传输位置物理传感器122的信号还被用来触发这里描述的线扫描相机拍摄图像。在实施例中,传输系统位置是物品的沿轨道坐标,其中,与无限长的虚拟感测容体传送带一致地建立沿轨道坐标系。当系统25从送入传送带物体传感器173A接收到物品20的物体位置时,系统25生成与物品20的沿带坐标相对应的传输系统位置。
如图6A和6B所示,尺寸传感器的实施例包括但不限于激光条纹生成器119、至少一个激光镜(这里示出为第一激光镜99、第二激光镜100、以及第三激光镜101)、区域相机152、一个或多个区域相机镜(这里示出为第一区域相机镜48、以及第二区域相机镜49)、仰视线扫描相机(图4A和4B中用附图标记88示出)、以及至少一个参数处理器(未示出),所述参数处理器用于处理从来自区域相机152的区域相机图像以及来自仰视线扫描相机的线扫描数据生成的参数值。
激光条纹生成器119将激光条纹向上投射到第一激光镜99。如将理解的,可使用多种类型的能够将激光束转换为条纹的光学元件,例如,包括柱面透镜、棱镜、圆锥镜、或者其它元件。激光条纹从第一激光镜99反射到第二激光镜100、并到第三激光镜101上。第三激光镜101将激光条纹从感测容体的顶部向下投射到感测通道传送带32上。在特定实施例中,激光条纹生成器119使用全息光学元件和激光二极管来生成激光条纹。在实施例中,激光二极管是红外激光二极管,并且,区域相机152是CCD相机,其被配置为检测红外线。在特定实施例中,被配置为优选地允许红外线通过同时减弱可见光量的低通滤波器或带通滤波器被放置在CCD之上。
物品20在从送入传送带30到感测容体传送带32到送出传送带34的方向上,沿着传输系统从左到右传输通过该系统。物品20从送入传送带30被传送到感测容体传送带32,感测容体传送带32将物品20传输通过感测容体。区域相机152具有金字塔形视野,该视野在通过第一区域相机镜48以及第二区域相机镜49折叠之后俯视感测通道传送带32。尽管在图6A和6B中将区域相机152的视野绘出为通过第一和第二区域相机镜48以及49折叠,但用来折叠区域相机152的视野的镜的数目仅为示例,并可取决于所预期的特定应用而变化。激光条纹被投射到区域相机152的视野内的感测容体传送带32上。物品20被传输通过感测容体传送带32上的感测容体,从而通过将激光条纹从上投射到感测容体传送带32上的点。在该点上,区域相机捕捉物品20的区域相机图像、以及从该物品反射的激光条纹。
在图7A中示出的实施例中,系统25包括左侧俯视线扫描相机89、以及右侧俯视线扫描相机90。如在所图示的实施例中示出,在物品20首先从送入传送带30通过感测容体前侧到感测容体传送带32到送出传送带34时,左侧俯视线扫描相机89的视野在以捕捉物品20的顶侧和物品20的后侧的角度被向下投射到感测容体传送带32上之前,被左侧俯视线扫描相机镜(第一左侧俯视线扫描相机镜105、第二左侧俯视线扫描相机镜106、第三左侧俯视线扫描相机镜107、以及第四左侧俯视线扫描相机镜108)折叠。
在物品20首先通过感测容体前侧时,右侧俯视线扫描相机90的视野在以捕捉物品20的顶侧和物品20的前侧的角度被向下投射到感测容体传送带32上之前,被右侧俯视线扫描相机镜(第一右侧俯视线扫描相机镜123、第二右侧俯视线扫描相机镜124、第三右侧俯视线扫描相机镜125、以及第四右侧俯视线扫描相机镜126)折叠。
右侧俯视照明源128提供了感测容体传送带32的具有低散度的强照明,从而允许右侧俯视线扫描相机90产生高对比度的图像。类似地,左侧俯视照明源(未在图7A中示出)提供了感测容体传送带32的具有低散度的强照明,从而允许左侧俯视线扫描相机89产生高对比度的图像。
如图7B所示,左侧俯视线扫描相机89的视野首先被第一左侧俯视线扫描相机镜105折叠,随后被第二左侧俯视线扫描相机镜106折叠。该视野随后还被第三左侧俯视线扫描相机镜107和第四左侧俯视线扫描相机镜108折叠。第四左侧俯视线扫描相机镜108将左侧俯视线扫描相机89的视野向下投射到感测容体传送带32上。物品20沿着送入传送带30被传输到感测容体传送带32上,感测容体传送带32在物品20完成其在送入传送带30上的行程之后,将把物品20传输通过感测容体。随着物品20被传输通过感测容体,物品20被带进左侧俯视线扫描相机89的视野,并且,左侧俯视线扫描相机89捕捉物品20的线扫描数据的形式的图像。
类似地,右侧俯视线扫描相机的视野首先被第一右侧俯视线扫描相机镜折叠,随后被第二右侧俯视线扫描相机镜折叠。该视野随后还被第三右侧俯视线扫描相机镜125和第四右侧俯视线扫描相机镜126折叠。第四右侧俯视线扫描相机镜126将右侧俯视线扫描相机的视野向下投射到感测容体传送带32上。随着物品20被传输通过感测容体,物品20被带进右侧俯视线扫描相机的视野,并且,右侧俯视线扫描相机捕捉物品的图像,即线扫描数据。一旦物品20已完成了其在感测容体传送带上的行程,物品20便传递到送出传送带34上。在一些实施例中,一些参数传感器能够在物品20在送出传送带34上行进时继续感测物品20。
信息/数据流
图8示出了用于系统25的实施例中使用的数据流,其被组织为系统的异步的数据驱动的架构的、从顶部的水平切片(slice)移动到底部的水平切片。也就是说,在该实施例中,系统内可能不存在统一的时钟,数据一旦可用,传感器和处理器便输出它们的结果,并且,通常,数据流是无方向性的。在实施例中,通过TCP/IP网络消息在处理之间传递信息,并且经由共享存储器在处理之内传递信息。
如将在下面更详细地讨论的,图9示出了并行分组的同样的元件、感测传感器/处理器,即,传输位置传感器120、一个或多个标记读取器130、尺寸传感器150、物品隔离器140、以及重量传感器170,以强调每个物理传感器和关联的参数处理器可与其它物理传感器和参数处理器独立地操作。另一方面,图8被组织为使得数据从数据源级别到参数处理器级别到几何参数匹配级别(geo-parametermatchinglevel)到最终级的产品识别流动,所述产品识别是这样的级:其中,在感测容体中已感测到的物品被识别为产品、或被标记为异常。实施例的层级中的每个级别将在下面依次涉及。
数据源
第一数据源是传输系统位置传感器120,典型地包括传输系统位置物理传感器122和传输传感器处理器127,如图9所示。在一个实施例中,传输系统位置物理传感器122是附接至带辊子的旋转编码器。如图9所示,来自传输系统位置物理传感器122的初始感测数据是计数增量,即传输传感器脉冲D147(其各自可表示多于一个传感器脉冲),其被发送到传输传感器处理器127。传输传感器处理器127执行简单的求和以及尺度转换(scaling)处理,以将传输传感器脉冲D147转换为传输系统位置值D148。传输系统位置值被分发到每个其它参数处理器,使得参数处理器可将传输系统位置与每个测量的参数值相关联。在一些实施例中,传输传感器处理器127还使用传输传感器脉冲D147来生成分别用于各个线扫描相机132和区域相机152的线扫描相机触发信号D142和区域相机触发信号D151。通过基于传输系统移动触发相机、而不是以固定的时间间隔触发相机,该系统可避免重复地记录同一场(field)的图像。
图8中示出的第二数据源是区域相机152。区域相机152被安置以便观察被朝向感测容体传送带及其上的任何物品而向下投射的激光的光线路经。如前所述,在激光投射器与区域相机之间存在已知的角度,其使相机中的激光光线的图像与被投射了该线的物品的高度成比例地与该线垂直地移位。来自区域相机152的数据被发送到物品隔离参数处理器144以及尺寸估计器154。
图8中示出的系统中图示的第三数据源是一组线扫描相机132。线扫描相机132的主要功能在于向标记参数处理器134提供输入。在实施例中,存在11个线扫描相机132,发明人已确定所述11个线扫描相机132提供感测容体的完全覆盖,且具有足够的成像分辨率。取决于设计者的性能目标、感测容体的大小和形状、相机的分辨率以及其它因素,其它实施例可利用或多或少数目的线扫描相机来实施。
示出的第四数据源是移动中标尺(in-motionscale)172,其在实施例中包括三个物体传感器173A、173B和173C(至少在图5B中示出)、以及四个模拟测压元件175A、175B、175C和175D(至少在图12中示出)。测压元件被置于支撑感测容体传送带的负载路径中。每个测压元件生成与施加到该测压元件的压力成比例的电信号。来自所有测压元件和所有物体传感器的信号被发送到重量生成器174。
上述数据源被包括在一个特定的实施例中,且不应被解释为穷举性的。取决于要监视的参数,可容易地将其它数据源包括在此种类型的系统中。例如,红外传感器可提供物品温度的测量,或者,可使用颜色成像器作为测量包装标签上的颜色的空间分布的数据源。
参数处理器
回到图8,数据流架构的第二级包含参数处理器。每个数据具有一个或多个关联的参数处理器,用来将初始感测数据变换为参数值,其随后由物品识别处理器用来识别物品。在实施例中,这些参数处理器包括物品隔离参数处理器144、尺寸估计器154、标记参数处理器134、以及重量生成器174。在图8中,绘出可选的图像处理器183作为参数处理器。
图8中示出的第一处理器是物品隔离参数处理器144。在功能上,物品隔离参数处理器144包括物品区分系统、物品定位器以及物品索引器。物品隔离参数处理器144允许该系统对在感测容体中彼此紧邻的多个物品操作。在一些实施例中,物品隔离参数处理器144使用在感测容体的入口附近收集的数据,并执行四个功能:
A.第一,物品隔离参数处理器144辨识出物体(其可为一个或多个物品)已进入感测容体;
B.第二,物品区分系统确定多少个不同的物品构成进入感测容体的物体;
C.第三,物品索引器将唯一物品索引值(UniqueItemIndexvalue,UII)分配给每个不同的物品。简单地说,UII是特定物品的方便的名称;以及
D.第四,物品定位器将感测容体的底部的平面(例如,传送带的平面)中的二维位置与已被识别并分配了UII的每个物品相关联。
如果进入感测容体的所有物品在传输方向上被良好分离(即,它们是单个化的),则可能不需要物品隔离参数处理器144,这是由于,所有参数值将仅与感测容体中的物品相关联。然而,当物品不是单个的时,物品隔离参数处理器144确定有多少物品彼此紧密接近,并向每个物品分配与其传输系统位置相关联的UII。
物品隔离参数处理器144在其已隔离了物品时,输出UII以及传输系统位置值D148。如其名称所暗示的,唯一物品索引(UII)值可简单地为用于跟踪物品的依次生成的索引号。将此数据提供到尺寸估计器154以及物品描述编译器200。
尽管物品隔离可为系统中的分立的逻辑功能,但特定实施例中的物品隔离参数处理器144的计算机处理实施例可与尺寸估计器154紧密联合地工作,其中,内部数据在这些功能之间来回传送。此方法中的物品隔离参数处理器144用作尺寸估计器154的一部分,其进行处理以辨识一个大物品和多个较小的紧挨在一起的物品的聚合(aggregation)之间的差异,并指示尺寸估计器154分别估计一个或多于一个物品的尺寸。
尺寸估计器154从区域相机152、从所选线扫描相机132(一个实施例中的仰视相机)、以及从包括传输系统位置传感器120的传输传感器处理器接收数据。另外,通过与物品隔离参数处理器144联合工作,尺寸估计器154接收有关在区域相机的视野中有多少个物品、以及它们在何处的信息。将理解,尽管隔离和尺寸测量(dimensioning)可以是逻辑上不同的功能,但它们可共享多个处理操作和中间结果,并且不需要是完全不同的计算机处理。
在一个实施例中,尺寸估计器154估计物品的尺寸中的长度、高度和宽度,忽略物品可能具有复杂(非矩形)形状的事实。也就是说,在此方法中,估计器154计算物品能够适合的最小矩形框。尺寸估计器154可被配置为估计有关物品的一般形状(圆柱形、长方体、窄瓶形等)、物品在传输系统上的朝向、以及有关物品在感测容体中的三维坐标的细节的参数值。计算出的参数值只要被计算出,便连同它们适用的物品的传输系统位置被发送到物品描述编译器200。
存在与每个线扫描相机132关联的一个标记参数处理器134。它们一起形成标记读取器130,如图10中详示。如将理解的,标记参数处理器可为单独的器件,或可为虚拟处理器,例如,运行在公共处理器上的各个模块。标记参数处理器134检查线扫描相机132产生的连续条纹图像,直到它识别出标记(典型地,诸如UPC的条形码)的签署(signature)为止。此外,标记参数处理器134尝试将标记图像转换为底层代码,之后,可由物品描述处理器将底层代码与产品描述数据库相比较,以确定唯一标识该产品的产品代码。除了将产品代码输出到物品描述编译器200之外,标记参数处理器134还输出以相机为中央的坐标(camera-centriccoordinate)中的标记的明显位置。
如将理解的,可使用附加的方法来确定标记参数。例如,很多条形码除了包括组成该码的编码数字之外,还包括数值标记。在这一点上,可使用光学字符辨识(OCR)或类似的方法来辨识这些数字本身,而不对条形解码。在标记根本不是条形码、而是写入标识信息的情况下,可再次采用OCR来捕捉该码。原则上,也可使用OCR或其它文字辨识处理来直接读取标题或产品名称。
如同条形码,在存在预期会遇到的有限数目的可能的字符以及有限数目的字体的情况下,可进行简化假定,以帮助OCR处理,并允许字符匹配处理。可构造库,从而并入了每个潜在的字符或符号,而不是对读取的字符形状的详细的逐段分析,可将该形状与库成员相比较,以确定最佳匹配。
此外,因为在典型环境中,与存在可能的组合相比,存在较少的有希望的(likely)组合,所以,有可能针对有希望的代码而检查部分可读取的代码,以缩小选项的范围,或甚至唯一地识别出代码。例如,对于存有各自具有10数位的UPC的成千上万个物品的零售商来说,存在1010个可能的组合,但仅有104个组合实际上对应于零售商的系统中的产品。在此情况下,对于任何给定的部分读取的代码,可能仅存在对实际组合的一个或几个匹配。通过将部分代码与实际使用的代码库相比较,该系统可消除生成异常的需要,或者,系统可向操作员呈现较少数目的可评估的选择,其中可基于其它参数或其它可用信息来通过似然性的等级排序所述选择。替代地,可将部分匹配信息作为参数传递到产品识别模块,并连同其它信息一起被评估,以确定正确的匹配。在实施例中,可采用多于一个条形码读取器软件模块,它们使用不同的处理算法来处理相同的读取数据,并且,可比较或另外整合来自每个模块的结果,以达到协定的读取、或在无协定的情况下的最有可能的读取。
对于重量参数,移动中标尺172生成与标尺上的物品的重量的总和成比例的信号。对于其中每次仅有一个物品在活动的感测容体中的单个化的物品,重量生成器174可将来自移动中标尺172(在示出的实施例中为测压元件)的信号求和,并施加变换以将电压转换为重量。对于其中多于一个物品可同时在活动的感测容体中(即,沿着感测容体传送带紧密间隔)的非单个化的物品,重量生成器174具有两次机会来估计各个物品的重量:紧挨在物品进入感测容体之后、以及紧挨在物品离开感测容体之后。移动中标尺172的物体传感器被提供用来向重量生成器174通知物品何时已进入或离开移动中标尺172。物体传感器被并入移动中标尺172中,于是,可与其它参数传感器独立地进行所述物体传感器的操作。
如同数据源,上面列出的参数处理器的此列表为示例,而不是穷举性的列出。例如,图8包括可选的图像处理器183。此外,应理解,这里描述的任一个参数处理器可在特定实施例中被省略。例如,在大小、形状和标记参数足以识别感测容体中的物体的情况下,可能不需要包括重量参数。
几何参数匹配
几何参数匹配是使用各种物理传感器、以及它们收集它们的初始感测数据来将测量的参数值与该参数值所适用的物品相匹配的视野的已知几何性的处理。物品描述编译器200是这样的处理器,其收集所有异步参数数据,并产生与适当物品的关联。如同名称所暗示的,物品描述编译器200的输出可被称为与物品相关联的物品描述。物品描述是参数处理器针对在感测容体中测量的物品而收集的参数值的编译。
在物品描述编译器200已构造了特定物品的物品描述之后,可将该物品描述传递到物品识别处理器300,其执行产品识别功能。在实践中,尽管可能存在多个可用物品描述字段,但有可能在不完成物品描述的每个字段的情况下识别物品。例如,如果重量测量的噪声过多或标记被隐藏看不到、污损或不可读,则仍可将物品描述发送到物品识别处理器300,而不是在物品描述编译器200上、在几何参数匹配级别上坚持。例如,物品描述编译器200可判定使仅有的数字标记数据成为传递到物品识别处理器300的足够的数据,或者,物品描述编译器200可确定该物品已移出感测容体,且将不会从参数处理器继续出现更多的参数值。
产品识别
例如,物品识别处理器300可从物品描述编译器200接收物品描述。通过使用物品描述中的参数值数据,物品识别处理器形成对产品描述数据库的查询,产品描述数据库继而返回产品识别、以及该产品的预期参数值的列表、连同任何辅助数据(诸如那些参数值的标准偏差)一起。
物品识别处理器300判定该物品是否以足够高的确定度匹配该产品。如果回答为“是”,则输出产品识别数据D233;如果回答为“否”,则可用异常标志D232来标识物品。在各个实施例中,识别/异常判定逻辑可从简单到复杂而变化。在逻辑尺度的简单的方面,物品识别处理器可对重量不匹配UPC描述的产品重量的任何物品进行标记。在逻辑尺度的复杂的方面,物品识别处理器可并入模糊逻辑,其为采用真和假之间的值的范围的非布尔代数的形式,用于通过不精确的数据来进行判定,如在人工智能系统中那样。
可选地,可调用各种异常处理例程320。这些例程可为基本的,如什么都不做、或点亮灯光用于人类进行观察,或者,这些例程可更复杂。例如,可指示物品识别处理器300仿佛读取的标记错了一个或多个数位那样工作、并向产品描述数据库重新查询读取的标记的变化。
可选地,可使用每个成功的产品识别来更新产品描述数据库。也就是说,每个成功的识别增大了产品对于系统25来说的外观的统计知识。同样可选地,与异常标志D232相关的信息还可被添加到历史数据库350,用于改进系统25。
异步信息流和处理系统
图9示出了用于与如图8所示的相同的元素的数据流的实施例,其具有略微不同的概念性的分组和布置。示出的数据源是传输位置传感器120、一个或多个标记读取器130、尺寸传感器150、物品隔离器140、以及重量传感器170,用来强调每个物理传感器和关联的参数处理器与其它物理传感器和参数处理器独立地进行操作。
在一些实施例中,传输系统位置传感器120包括传输系统位置物理传感器122和传输传感器处理器127。在一些实施例中(诸如图9中示出的实施例),传输位置物理传感器122采取与带辊子相关联的旋转编码器的形式。来自传输系统位置物理传感器122的初始感测数据是计数增量,即传输传感器脉冲D147,其被发送到传输传感器处理器127。传输传感器处理器127随后执行求和以及尺度转换处理,以将传输传感器脉冲D147转换为传输系统位置值D148。如上所述,系统可将传送带视为本质上连续的,且传输系统位置本质上是从某个任意起点起沿着(连续的)传送带的距离。
在特定实施例中,以大约千分之五英寸的增量测量此距离,并且,此距离可被称为x坐标。在实施例中,传输传感器处理器127还使用传输传感器脉冲D147来生成分别用于各个线扫描相机和区域相机的线扫描触发信号D142和区域相机触发信号D151。通过基于传输系统移动、而不是以固定的时间间隔来触发相机,该系统25可避免重复地记录同一场的图像。由此,传输传感器处理器127的输出包括线扫描触发D142、区域相机触发D151、以及传输系统位置D148。
除了一组传统的专用马达控制器之外,传输传感器处理还包括:将从重量传感器170接收的输入带命令D50(例如,停止、开始、速度)转换为马达控制器信号;将传输系统传感器脉冲D147转换为传输传感器位置值D148;以及将该值传送到各个参数处理器,其包括但不限于物品隔离参数处理器144、尺寸估计器154、标记参数处理器134、重量生成器174、以及可选的图像处理器183,其中,每个参数处理可与上述图8相关地被示出和描述。
将注意,传输传感器处理器127可直接与各个相机通信,以向它们发送帧触发。
从传输系统位置传感器120输出的传输系统位置D148被提供到物品隔离器140、尺寸传感器150、标记读取器130、重量传感器170、任何可选的图像处理器183(图8中示出)、以及物品描述编译器200。
在标记读取器130中包括的一组一个或多个线扫描相机被线扫描触发D142触发。如图9所示,线扫描触发D142触发线扫描相机产生线扫描数据,其发起物品隔离器140、尺寸传感器150、以及标记读取器130内的活动。线扫描触发D142发起的活动将在下面的图10和图11的描述中被完整描述,图10描述了标记读取器130,图11描述了物品隔离器140、以及尺寸传感器150。类似地,区域相机触发D151可触发区域相机中的活动,区域相机将区域相机数据输出到物品隔离器140、以及尺寸传感器150,其在下面根据图11被更详细地描述。
在实施例中,存在与每个线扫描相机相关联的一个标记读取器130,其可为虚拟标记读取器。标记读取器130检查其线扫描相机产生的连续的条纹图像,直到标记读取器130识别出预定标记(典型地为诸如UPC的条形码)的签署为止,在该时刻,标记读取器130将标记图像解码为数字标记值D159。另外,标记读取器130输出以相机为中央的坐标中的标记的明显位置D236。将数字标记值D159、传输系统上的物品位置D148、以及以相机为中央的坐标中的标记位置D236从标记读取器130传送到物品描述编译器200。
在一些实施例中,标记读取器130有时可从物品描述编译器200接收到图像检索请求D149,由此,标记读取器130从连续的条纹图像提取包含标记的图像子帧D234。所提取的识别出的标记的图像被传送到历史数据库350。历史数据库350是系统的可用于事后分析的可选元素,并且,类似地,图像检索也是可选的。
注意,即使对于单个物品,每个线扫描相机也可在不同时刻检测标记。例如,位于感测容体传送带上的带有朝上的标记的物品很可能使至少两个线扫描相机(例如,左侧和右侧俯视线扫描相机)可能在不同时刻记录标记的图像。在每个数据到达其相应的标记读取器时,UPC的这两个图像将被处理,其中,两个UPC值和关联的以相机为中央的坐标被异步地发送到物品描述编译器200。
返回图9,物品隔离器140从传输系统位置传感器120接收线扫描触发D142和传输系统位置D148。仅在物品隔离器140已隔离了物品时,物品隔离器140才将唯一物品索引(UII)值D231以及关联的物品的传输系统位置D148输出到物品描述编译器200。尺寸估计器154和物品描述编译器200一旦可用,UII值便被内部地提供到尺寸估计器154(图8和11中示出)、以及被外部地提供到物品描述编译器200。
尽管在系统中是分立的逻辑功能,但系统的实施例中的物品隔离器140计算机处理可与尺寸传感器150和/或光幕组件联合工作。本质上,物品隔离器分别:A)帮助尺寸估计器154(图8和11中示出)处理辨识一个大物品和多于一个位于感测容体中紧挨在一起的物品之间的差异;以及B)指示尺寸估计器154估计所述一个或多于一个物品的尺寸。
尺寸传感器150从传输系统位置传感器120接收区域相机触发D151和传输系统位置D148。作为尺寸传感器150的一部分的区域相机一旦接收到区域相机触发D151,便生成区域相机图像数据,并将区域相机图像数据提供到尺寸估计器154。另外,通过与物品隔离器140联合工作,尺寸传感器150收集有关在区域相机的视野中的物品的数目、以及物品在何处的信息。尺寸传感器150(具体地,尺寸估计器)组合来自区域相机的多个帧,以使用三角测量处理来估计形成每个物品的表面的点的轨迹(locus)。根据图11,更详细地描述尺寸传感器150,包括尺寸估计器的处理。
尺寸传感器150还变换所估计的物品表面,以确定每个单独物品的边界框。也就是说,尺寸传感器150计算可容纳每个物品的最小矩形体积。在实施例中,将此边界框的长度、高度和宽度考虑为物品的尺寸,而忽略其形状的任何非矩形方面。类似地,可计算更复杂的边界框,将物品的各个部分视为被各个边界框限定边界。在此方法中,将每个物体呈现为表示框结构的参数的聚合,但是,在某种程度上保留物品的总体形状。在一个实施例中,还计算附属参数,诸如物品的朝向和在感测容体传送带上的三维坐标。此外,尺寸传感器150可根据用户的决定,通过计算高阶图像矩,估计有关物品的一般形状(圆柱形、长方体、窄瓶形等)的参数值。这些参数值连同它们适用的物品的传输系统位置一起是被传送到物品描述编译器200的尺寸测量数据D166。作为可选步骤,尺寸传感器150向历史数据库350输出一些中间数据,诸如闭合高度剖面(profile)D247。
在实施例中,可包括消歧功能,其提供附加的方法来处理被系统识别为单个物体的紧密间隔的物品。在这一点上,对于由尺寸传感器描绘的每个物体,除了为每个物品提供主要剖面之外,可生成多个次要高度剖面。例如,可通过在主要剖面之上运行色块(blob)检测操作以确定是否存在次要区域,来生成次要剖面。在检测到次要剖面的情况下,可连同物品描述一起发布主要和次要剖面,以便由其它子系统使用。如果未检测到次要剖面,则仅发布主要剖面。
对于检测到次要剖面、且对于具有次要剖面的物体而读取了多个标记的情况,可运行基于次要剖面的消歧功能。在此处理中,将次要剖面连同潜在物品识别的有限领域(universe)一起使用。具体地,仅使用与对物体读取的标记相对应的那些物品标识。一旦以此方式限制了潜在匹配的领域,便可根据与这里描述的几个实施例相关地描述的方法,来进行匹配。如果此匹配处理的结果产生了全部唯一可识别的次要物品,则发布次要物品来取代多次读取,并丢弃主要物品。如果未获得唯一读取,则可发布多个读取的物体,以便进一步由系统依照原样分析。
重量传感器170是图9中示出的最后的传感器。如前所述,重量传感器170的实施例包括移动中标尺172、以及重量生成器174(图8中示出),其将来自移动中标尺的信号求和,并应用变换以将电压转换为重量数据。对于多于一个物品可同时处于感测容体中(即,沿着感测容体传送带而紧密间隔)的非单个化物品,重量传感器170具有两次机会来估计各个物品的重量:紧挨在物品进入感测容体之后、以及紧挨在物品离开感测容体之后。移动中标尺的物体传感器向重量传感器170提供有关物品何时已进入或离开移动中标尺的信息,其由重量生成器用来在存在同时位于感测容体传送带的多个物品时确定与各个物品相对应的重量数据D191。当多个物品在它们进入或离开感测容体的时候重叠时,重量传感器产生重叠的物品的总(aggregate)重量。重量传感器170将作为物品重量以及物品在传输系统上的位置的重量数据D191传送到物品描述编译器200。可选地,在步骤D190,重量数据D191的连续流被发送到历史数据库350。重量传感器170还将带控制命令D50递交到传输系统马达控制器,如将在下面描述的。
如在图8和9的描述中指出的,在一个实施例中,物品描述编译器200从全部的各个参数传感器接收数据。物品描述编译器200进行几何参数匹配,其为这样的处理:使用各个物理传感器及它们的视野的已知几何性,以将测量的参数值与在进行测量时处于它们的视野中的物品相匹配。
通过将测量的参数值与已知处于特定的传感器的视野中的物品相匹配,来编译物品描述(物品描述编译器200的输出)。如上所述,在已知每个传感器的视野(例如,相对于传输系统中的固定的基准点)的情况下,有可能将物品检测的实例与特定位置相关联。有时,通过将具有已知的几何性和/或标记的物品(例如,打开的盒子,其具有已知大小且具有位于其上的已知位置的标记)成像来校准系统可能是可用的。
作为示例,向下直视带的线扫描相机可具有被描述为穿过感测容体传送带的直线的视野,其中,在跨越移动尺寸中,线的中央在感测容体传送带的中央、以及从为物品描述编译器200定义的基准点起下游六英寸。
在此示例中,标记读取器130确定:在传输系统位置是从其初始点起的20500英寸的瞬间,从线扫描相机的视野的左端起的200个像素处开始,读取UPC10001101110。使用有关摄相机参数、以及相机与感测容体传送带的几何关系的已知信息,物品描述编译器200可确定从感测容体传送带的左侧1英寸、以及在传输系统位置20494英寸,观察到该UPC。物品描述编译器200随后将该UPC与被观察为最接近于传输系统位置20494英寸的物品(例如,具有任意UII2541)相关联。类似地,当重量传感器(具体地,重量生成器)对于在传输系统位置20494英寸加载到移动中标尺上的物品报告重量数据D191时,物品描述编译器200将该重量数据D191与物品UII2541相关联。
几何参数匹配处理通常比此简单示例更复杂,并利用每个物理传感器的感测的完整三维场的知识。在一个实施例中,全部感测器的各个感测场的完整三维几何性可被编译到库中,以便由物品描述编译器200使用。物品描述编译器200使用该库来将物品与感测的参数相关联。由此,在实施例中,与物品的高度、宽度和深度组合的每个物品的完整三维位置(例如,物品的一组横向、纵向、以及旋转坐标)被用于对每个物品的完整的物品描述的编译。因为在同一物理空间中不能存在两个物品,所以,每个物品的传输系统位置D148和边界框描述可由物品描述编译器200用于将参数值与正确的物品匹配。
在标记为“几何参数匹配和产品识别”的部分中,物品识别如上所述进行。在零售环境的示例中,一旦识别了产品,物品识别处理器300便将产品识别数据D233传送到销售点(POS)系统400。不同于在正向物流零售系统和处理中,预期该系统的替代使用。例如,可在逆向物流中采用该系统,其中,将产品标识发送到拍卖商、配送中心、制造商或其它实体。
内务管理功能
在实施例中,配置和监视处理跟踪并更新系统校准数据,同时连续地监视每个软件处理的活动。可将每个处理配置为发出规则的心跳信号。如果在一时段之后未接收到来自特定的参数处理器或子系统的心跳,则配置和监视处理可终止,并重新开始该特定参数处理器。在采用异步数据流架构的实施例中,终止和重新开始任一处理一般不会影响任何其它处理、或需要与时钟信号的重新同步。然而,在重启期间通过系统的一些物品可能不会被识别,在该情况下,可由常规的异常过程来处理它们。
文件传输处理
文件传输处理负责将低优先级的通常较大的数据文件通过网络从各个参数传感器移动到历史数据库350(在包括此可选数据库时)。文件传输处理管理大文件的传输,所述大文件包括但不限于作为标记读取处理的一部分产生的线扫描图像、尺寸估计器生成的高度剖面、以及重量变换器数据流。如果文件传输任意地发生,则诸如线扫描数据流的高优先级实时数据传输可能被低优先级数据传输中断。文件传输处理管理那些潜在的冲突。
在实施例中,用于大的低优先级(LLP)数据集/文件的每个实时文件传输处理首先在本地将LLP数据存储在创建数据集的参数处理器的硬盘驱动器上。在规则的基础上,约每300毫秒,在容纳该参数处理器的一个或多个计算机上运行的文件传输处理检查新存放的LLP数据,并通过网络将该数据发送到历史数据库,为了方便,历史数据库可与物品识别处理器相关联。以计量的方式传送数据,其具有有限的分组大小、以及强制的分组到分组传送延迟,于是,最低限度地减小了平均网络带宽。
用于文件传输处理的配置参数驻留在配置数据库中。将诸如分组大小、传送延迟、以及IP和目的地服务器地址的配置信息保存在数据库中。文件传输处理使用标准的文件传输协议,并在使用cURL开放源码库的实施例中被实施。
标记读取器130
图10是用于标记读取器的实施例的信息流图。在系统25的实施例中,存在11个线扫描相机,并且,如前所述,存在逻辑上与每个线扫描相机相关联的一个(虚拟)标记读取器130,然而,在实践中的全部标记读取器处理可发生在同一物理处理器上。标记读取器130执行三个功能:识别和解码任何捕捉的标记,并且,可选地,从由线扫描相机132收集的连续条纹图像提取标记图像。由此,实施例中的每个标记读取器130有效地作为条形码读取器操作。在实施例中,11个标记传感器一起定义4π球面度(steradian)标记读取系统。每个标记读取器130包括参数处理器,其被编程为识别由每个线扫描相机132捕捉的线扫描数据中的标记,以将该标记解释为数字标记数据。如前所述,每个线扫描相机132基于传输系统的移动,接收线扫描触发D142。
线扫描数据是来自线扫描相机阵列131的单个场的输出。线扫描相机阵列131收集的每个线扫描数据D181被传送到线扫描相机缓冲器133,其在线扫描相机132的内部。线扫描相机缓冲器133将线扫描数据D181一起编译为200个线扫描数据的封装,其可被称为图像束(imageswath)D237。
在实施例中,对于每个4096像素的线扫描相机132,物品的标称成像分辨率约为200dpi。由此,200个线扫描数据的图像束对应于大约1英寸×20英寸视野。每个线扫描相机可被配置为将各个图像束从相机传送到标记参数处理器134中的循环获取缓冲器135。应注意,仅为了通信效率,使用图像束D237来在线扫描相机132和标记参数处理器134之间传送数据;在逐线的基础上执行标记参数处理器134中的数据处理。此外,应注意,线扫描相机缓冲器133每当传输系统已移动了所定义的触发增量时收集并保存线扫描数据,而与感测容体中物品的存在无关。
如上所述,用有关的传输系统位置D148值来标记每个图像束D237,其中,通常,一个位置值是每200个线束(lineswath)所需的全部。图像束D237在循环获取缓冲器135中被级联,以重新形成它们原始的连续的条纹图像格式。由此,即使物品或物品上的标记跨越多个图像束D237,也可在循环获取缓冲器135接收了附加的图像束D237之后,完整地处理该物品或该标记。在实施例中,循环获取缓冲器135被配置为保持相机数据的20000线。
标记读取器130从缓冲器135提取数据,并在签署分析处理136中,沿“跨轨迹(cross-track)”(每线之内)和“延轨迹(alongtrack)”(一线到下一线)方向上逐线检查线扫描数据D181,以找到预定标记格式的签署特征。例如,UPC条形码可通过它们的高-低-高强度转变来辨识。在签署分析136期间,从线扫描数据提取识别的标记,并且,所提取的标记D158被传送到解码逻辑处理137。解码逻辑处理137将图像数据转换为机器可读数字标记值D159。软件(MetrologicInstruments有限公司的注册商标,其在2008年由Honeywell获取)是适于执行标记读取器中的标记识别和解码的软件的示例。如将理解的,可采用多个并行或串行的逻辑处理来允许冗余识别。在这一点上,在对代码进行识别和解码的第一方法不成功的情况下,可证明第二方法有效。
在实施例中,通常,用标记来标注物品,其中,标记遵循各种预定的标准。能够由解码逻辑处理137读取的标记的示例包括但不限于以下:EAN-8、EAN-13、UPC-A和UPC–E一维条形码,其捕捉8-、12-和13-位全球交易物品号(GlobalradeItemNumber,GTIN)。
将理解,标记读取器130可对线扫描数据进行连续操作。在条形码读取器的上下文中,当在线扫描中观察到高-低图案时,软件尝试将其识别为标记。如果如此进行了识别,则软件随后将完整的标记解码为数字标记值。在特定实施例中,向解码逻辑处理137呈现的线扫描数据是单色的,于是,解码逻辑处理137依赖于线扫描数据中的光学配置的照明和其它方面,以呈现具有足够对比度和分辨率的信息,从而使得能够对根据UPC/EAN标准打印的标记进行解码。
来自解码逻辑处理137的输出包含三个数据:数字标记值D159、对应于一个或多个其中识别出标记的线扫描数据的传输系统位置D148、以及以相机为中央的坐标中的标记位置D236。在这一点上,以相机为中央的坐标可描述由整个标记占据的二维区域。替代地,可将特定的X-Y位置(例如,标记图像的图心(centroid)、特定角或边缘)分配给该标记。
除了识别和解码标记之外,标记读取器130的第二可选功能为:根据物品描述编译器200的请求,提取各个物品的图像,并将这些图像(即所提取的图像子帧D234)传送到历史数据库350。物品描述编译器200发出图像检索请求D234、连同描述承载标记的物品位于线扫描相机132的视野中的何处的传输系统位置,从而使区域提取处理138发送出图像检索请求D149,以从循环获取缓冲器135检索适当的子帧D234。随后,区域提取处理138执行对所提取的子帧D234的JPEG压缩,并经由文件传输处理将其传送到历史数据库350。
物品隔离器140和尺寸传感器150
转到图11,提供了尺寸传感器150和物品隔离器140的实施例的信息流图。尺寸传感器150在在功能上主要用于物品尺寸测量、或测量各个物品的空间范围,而物品隔离器140在功能上主要用于物品隔离、或拣选或区分进入感测容体的物品。例如,如果两个盒子紧挨着进入感测容体,则物品隔离器140向系统的其余部分通知存在两个物品要识别,并且,尺寸传感器150向系统通知两个物品中的每个的大小、朝向和位置。如已经提及的,这两个处理紧密协作地操作,然而,它们正在执行显著不同的功能。由于尺寸测量处理实际上在物品被物品隔离器140完全识别之前开始,所以,尺寸传感器150将在物品隔离器140之前被涉及。在实施例中,尺寸传感器150和物品隔离器140利用线扫描相机132A和区域相机152中的一个的输出。
尺寸传感器150
在实施例中,尺寸传感器150包括区域相机152和仰视线扫描相机132A。尺寸估计器154(尺寸传感器150的参数处理器部分)从区域相机152、仰视线扫描相机132A、以及传输系统位置传感器120(图8中所示)接收数据。
尺寸传感器150的主要功能是物品尺寸测量。在高度剖面横截面提取处理153和聚合处理155期间,尺寸传感器150将来自区域相机152的多个帧组合,以使用三角测量处理来估计形成每个物品的表面的点的轨迹。如在一个实施例中所实施的,激光线生成器连续地将光线投射到感测容体传送带(以及其上的任何物品)上。所述光线被从上面投射,并且基本上与传送带的沿轨道方向垂直地行进。在操作中,光线将向上且在通过其视野的传送带上的任何物品之上行进。通过由区域相机触发D151触发,区域相机152记录光线的图像。在激光线生成器投射轴与区域相机的光轴之间存在已知的固定角度,于是,区域相机152中的光线的图像将与光线的长度垂直地移位与基准表面之上的激光线的高度成比例的量,所述基准表面可被方便地定义为传送带的上表面。也就是,来自区域相机152的每帧是从传送带的一个边缘显式地(apparently)行进到另一个边缘的光线,该行进具有摆动或横向步阶,摆动和步阶指示传送带上的物品的单个高度剖面。
通过由区域相机触发D151触发,区域相机152每当传输感测容体传送带移动了所选的计数间隔时,提供区域相机图像数据(单个图像)。在一些实施例中,可通过使用位于区域相机152之前的红外激光器和被选择用以优先通过红外光的带通滤波器,来增强此高度剖面的对比度。利用适当的滤波器,区域相机152的输出是区域相机图像数据D46,其包含仅示出在激光条纹在物品上通过时激光条纹的位移的二维图像。
区域相机152对由激光条纹生成器投射越过感测容体传送带(边缘到边远)的激光条纹拍摄快照。区域相机图像数据D46和当记录区域相机图像数据D46时的传输系统位置D148值被分发到物品隔离参数处理器144和尺寸估计器154,它们紧密协作地操作。
高度剖面横截面提取处理153通过确定由激光线生成器投射到物品上的激光条纹的横向位移,从区域相机图像数据D46提取高度剖面横截面D257。当在激光条纹投射方向和区域相机152的视角之间存在角度时,每当条纹被非零高度的物品截断时,条纹的图像便会横向移位。尺寸估计器154使用三角测量算法来计算物品沿着该线形条纹的原始(无移位)的路径的高度剖面横截面D257。注意,高度剖面横截面D257是激光条纹之下的位置上的带上的一切的高度图。
通过在这里被称为“hixel”的高度数据点的集合(collection)来表示高度剖面横截面D257。每个hixel表示(x,y)位置网格中的点的高度。如图3A所示,y坐标表示跨带位置,x坐标表示沿带位置,而z坐标表示高度。高度剖面横截面提取处理153被应用于区域相机152的每帧,每当传输系统移动预定距离(在一个实施例中约为0.005英寸)时触发该相机。
通过聚合处理155,将所得到的一系列高度剖面横截面组合为组,以构造闭合高度剖面D247。聚合处理155基于预定义的最小关联距离。如果任何两个hixel之间的距离小于此关联距离,则它们被视为属于同一组。一旦不再有从高度剖面横截面提取处理153到达的似乎与该组相关联的hixel,便创建闭合高度剖面D247。换句话说,闭合高度剖面D247包括带上的似乎为单个物品的一部分的全部非零高度点。应注意,闭合高度剖面D247实际上可包括两个或更多紧挨在一起的物品。
将每个闭合高度剖面D247与预定的最小长度和宽度尺寸相比较,以确保其表示真实物品、而不仅仅是几个噪声生成的hixel。在可用时,闭合高度剖面D247被发送到尺寸参数估计处理157和尺寸融合(merge)处理145。可选地,闭合高度剖面D247被发送到历史数据库350。
在实施例中,可以平滑高度剖面,以解决传感器噪声。在此方法中,一旦为了单个物体而组合(assemble)高度剖面,便可移除剖面的呈现为离群值(outlier)的部分。如将理解的,在剖面组合之前移除明显的离群值可消除实际物体的通过不连续性而分离的部分,例如,在特定的观看平面中,杯柄可能呈现为与杯体分离的物体。然而,一旦组合了剖面,便会趋向于解决这种类型的不连续性,从而允许执行平滑,而不会破坏有关不连续的物体区域的信息。
对于高度剖面化系统来说,包括归零(zeroing)或带底面(belt-floor)确定功能也可能是有用的。在普通使用期间,带将连续地通过激光条纹投射,并且,系统应测量零物体高度。理论上,可使用运行平均高度测量来测量带底面,并且,该测量可被用作动态阈值,从沿着传送器通过的物体的测量高度减去或加上所述动态阈值。在实践中,可能难以将空带与传送矮物品的带相区分,如果传送矮物品的带被视为空带,则其可能使零测量出错。一个解决方案是使用预定的高度阈值,并且,对于该系统,将小于阈值高度的任何物均视为空带。即使真实的物体通过了该系统,作为运行平均化的结果,该物体的影响也会被平滑。这可允许移除信号的缓慢变化部分,同时允许移除高频信息。
尺寸传感器150的第二个数据源是所选的线扫描相机132A(其中,后缀“A”表示所选的相机),其中,在此示例中,所选的相机具体地是仰视线扫描相机阵列131A。相机132A在接收到线扫描触发信号D142之后产生线扫描数据。随后,将线扫描数据发送到线扫描相机缓冲器133A,如上面对于标记读取器130所描述的。
如已经提及的,使用很多同样的数据处理功能来用于尺寸测量和物品隔离。由此,线扫描相机缓冲器133A将图像束输出到循环获取缓冲器135A,其在图11中被示出为置于物品隔离参数处理器144中。并且,如本领域的技术人员将认识到的,仅为了说明的方便,将这里示出的各个数据处理步骤分组为属于特定的处理器(例如,物品隔离参数处理器、尺寸估计器等),并且,这样的分组不意欲指示这样的处理步骤出现在哪个物理处理单元中。
布置仰视线扫描相机,以观察感测容体传送带上的物品的底部。将此相机对齐,以通过送入传送带和感测容体传送带之间的小间隙而成像。与其它线扫描相机不同,仰视线扫描相机不需要大的景深,这是因为,其通常观察恒定的平面。也就是,每个物品的底部趋向于大约在感测容体传送带的平面中。通常,每个线扫描包括一些暗像素(其中,间隙上没有物品)、以及一些亮(illuminated)像素(其中,物品的一部分在间隙上)。物品隔离参数处理器144中的轮廓生成器141逐线处理从循环获取缓冲器135A接收的线扫描数据D181,并确定任何像素的强度是否超过了预定阈值。超过了阈值的像素被设置为高的二进制级别,而将阈值之下的那些像素设置为二进制低,也就是0。包含至少一个高值的任何线被称为轮廓D242(没有一个高值的线是空轮廓)。将理解,任何轮廓可包含有关多个物品的信息。轮廓生成器141产生的轮廓D242被发送到外形(outline)生成器143,其为用于构造底部外形的逻辑处理。
与仰视线扫描相机联合,光幕组件还观察间隙36和在其上通过的物体。如上所述,LED和光电二极管的成对扫描检测扫描线的遮蔽部分。因为光幕是明场检测器,所以,其轮廓不是如同仰视线扫描相机那样对应于亮像素,而是对应于暗像素。对于很多物体来说,所述两个检测器将标记同样的轮廓位置。然而,对于特定物体,所述两个检测器中的一个可能无法观察到物品。例如,光幕可能在透明物体通过其视野时失效,而相机可能在面对作为不良反射体的物体时失效。在一个实施例中,可对所述两个轮廓进行布尔“或(OR)”操作,使得如果任一或两个检测器识别出物体,则该系统注意到该物体。替代地,所述两个系统可独立操作,并且,各自产生其自己的参数集,用于由系统评估。
通过与在外形生成器143中发生的组的生成相似的聚合处理,将一系列(sequence)轮廓组合为集群(cluster)。外形生成器143基于定义的最小关联距离。如果一系列轮廓中的任何两个高像素之间的距离小于此关联距离,则将它们视为属于同一集群。由此,集群包括沿着扫描线的像素、以及邻近扫描线中的像素。通过沿着x(沿带)和y(跨带)方向取切片、并找到每行和列的集群像素和背景之间的第一个和最后的转变,来计算每个这样的像素集群的底部外形D244。也就是,如果在沿着行或列的集群像素之间存在间隙,则处理器跳过这些转变,这是因为,在进一步沿着行或列的同一集群中存在更多像素。此底部外形定义假定物品通常是凸状的。当使用用来提取外形的此方法时,将忽略物品内的孔洞。在尺寸融合处理145期间使用底部外形D244。对于并入了光幕和线扫描相机的系统来说,可能存在两个底部外形D244,或者,替代地,可一前一后地使用两个获取的数据集,以定义单个底部外形D244。为了下面讨论和关联的附图的目的,将任一外形单独称为D244、或将两个外形一起称为D244,并且,应将单数理解为包含复数。
在一些实施例中,使用底部外形D244来精细化每个物品的尺寸理解。例如,如上所述,区域相机152所观察到的激光条纹与感测容体有一角度。因为该角度,高的物品可能遮蔽邻近的矮物品。来自仰视线扫描相机的信息可允许尺寸测量器和物品隔离器更可靠地检测那些被遮蔽的物品,并以x和y尺寸的方式报告它们的底部外形。
在尺寸参数估计处理157期间计算围合物品的最小边界框的长度、宽度和高度之前,在尺寸融合处理145期间,可将闭合高度剖面D247在数学上旋转(在传送带的平面中)到标准朝向。在一些实施例中,闭合高度剖面D247被投射到x-y平面(即,传送带平面),以与底部外形D244的横、纵和旋转坐标集相关。计算这些点的一阶和二阶矩,从其导出长轴和短轴的朝向。随后,可将闭合高度剖面D247在数学上旋转,使得那些轴相对于临时图像缓冲器的行和列对齐,由此简化物品的长度和宽度的计算。
可将物品的长度定义为x-y平面中的两个尺寸中的最大者,而将宽度定义为较小者。还通过对来自闭合高度剖面的所有物品的高度数据进行直方图统计、并找到接近峰值的值(例如,95%),来计算物品的高度。
对于在尺寸融合处理145期间的对物品的后续验证,可计算描述物品的高度的附加矩。在旋转闭合高度剖面D247之后,计算三维二阶矩。在计算这些矩时,将物品视为具有均匀的密度,其从测量的高度到带表面被填充。尺寸系统生成参数,包括但不限于:其与用来确定物品的朝向的那些矩不同的二阶矩、以及宽度、长度和高度,其被存储在历史数据库中。将这些参数连同来自重量传感器的重量信息以及来自标记读取器的标记一起用于验证物品。
一旦完成了底部外形D244(其含义为,没有更多的像素将会与这组像素相关联),便执行特征提取,以确定物品的朝向、长度和宽度。在一些实施例中,分析x-y平面(即,感测容体传送带平面)上的沿着集群的外形(周长)的像素。即使在实际物品的内部存在孔洞,也将外形内的像素视为被填充。计算这些点的一阶和二阶矩,并且,导出长轴和短轴的朝向。随后,在数学上旋转底部外形D244,使得那些轴相对于临时图像缓冲器的行和列对齐,由此简化底部外形的长度和宽度的计算。在这里被统称为融合数据D256的底部外形的长度、宽度、朝向和二阶矩被发送到物品隔离处理146、以及尺寸参数估计处理157。
底部外形D244和闭合高度剖面D247还被用于尺寸参数估计处理157中。尺寸参数估计处理157还接收UII值D231、连同有关物品的对应的传输系统位置D148。
在尺寸参数估计处理157中,尺寸估计器154接收底部外形D244、具有传输系统位置D148的UII值D231、以及闭合高度剖面D247,以确定每个单独物品的边界框。在一些实施例中,因为甚至来自单个离群(stray)像素的噪声也会不利地改变测量,所以,物品的长度、宽度和高度不是基于聚合的像素的最大范围。相反,在已将物品旋转到标准朝向之后,尺寸融合处理145计算承载三个尺寸的每个中的多个像素的直方图。在大约1%和大约99%的边界之间计算距离,以给出物品的长度、宽度和高度。
如果物品不产生底部外形,则仅仅由该物品产生的尺寸测量数据才是闭合高度剖面。例如,如果物品的底部非常暗(如可能由于一罐葡萄汁),则这可能会发生,然而,补充使用光幕将易于解决该问题。当闭合高度剖面D247仅为所产生的尺寸测量数据时,对闭合高度剖面单独执行特征提取和物品隔离。如果光幕数据和闭合高度剖面可用、而相机数据不可用,则可使用那两者。
如果组具有一个或多个底部外形D244、以及一个或多个闭合高度剖面D247,则存在用于提取特征的几种选择。在实施例中,系统可忽略底部外形,并仅基于闭合高度剖面而进行操作。换句话说,在此方法中,仅将底部外形用来帮助解释从闭合高度剖面收集的尺寸测量数据。对于单个闭合高度剖面,仅仅依照原样执行基于多个闭合高度剖面的特征提取,但是,使用来自闭合高度剖面的组的数据。
最后,如果尺寸参数估计处理157尚未接收到与传输系统位置值D148对应的闭合高度剖面D247,则尺寸参数估计处理157将仅具有底部外形D244,用以确定物品的尺寸测量数据D166。例如,贺卡具有尺寸传感器150无法检测到的过矮的高度。因此,将物品的高度设置为0,并且仅从底部外形确定物品的长度和宽度。通过如上针对尺寸估计器154所述,使用一阶和二阶矩,旋转并处理底部外形的x、y数据,来计算长度和宽度。当没有闭合高度剖面可用时,不计算三维二阶矩。
周期性地,尺寸参数估计处理157检查传输系统位置D148,并在其确定不存在要与特定物品关联的其它闭合高度剖面D247或底部外形D244时,将收集的尺寸测量数据D166发送到物品描述编译器200。尺寸估计器154还使用该数据来估计各种尺寸测量数据D166,包括但不限于有关物品的一般形状(圆柱形、长方体、窄瓶形等)、物品在传输系统上的朝向、以及有关物品在感测容体传送带上的三维坐标的细节的参数值。在此实施例中,尺寸传感器150还能够基于物品的大小和形状来计算其它参数值。各种尺寸测量数据D166连同物品的传输系统位置D148值一起在被计算出时,被发送到物品描述编译器200。
物品隔离器140
图11还示出了物品隔离器140,其可允许系统对非单个化的物体进行操作。在操作中,物品隔离器140辨识到某物(一个或多个物品)已进入感测容体。在尺寸融合处理145期间,当闭合高度剖面D247和底部外形D244在空间上重叠(即,它们至少部分融合)时,它们可与单个物品相关联,并且,物品隔离器140可被认为已将通过感测容体的物品隔离。在物品隔离处理146中,物品隔离器140将闭合高度剖面D247和底部外形D244融合,生成融合数据D256。由于创建底部外形D244和闭合高度剖面D247描述的方式,全部底部外形D244在空间上相互分离,并且,全部闭合高度剖面D247在空间上相互分离。尺寸融合处理145等待事件。尺寸融合处理145在闭合高度剖面D247和底部外形D244被接收时,存储并跟踪闭合高度剖面D247和底部外形D244。当接收到新闭合高度剖面D247时,尺寸融合处理145将其针对底部外形D244的集合进行检查,以查看闭合高度剖面D247和底部外形D244是否在空间上重叠。在空间上重叠的闭合高度剖面D247和底部外形D244被置于一组。尺寸融合处理145不将闭合高度剖面D247针对于其它闭合高度剖面进行检查,这是因为,它们通过定义是分离的。类似地,在接收到新的底部外形D244之后,将其针对于所接收的闭合高度剖面D247的集合进行检查,以查看该底部外形D244是否与任何闭合高度剖面D247重叠。
在尺寸融合处理145期间,物品隔离器140将底部外形D244的传输系统位置D148值与在本质上共享同样的传输系统位置D148值的任何闭合高度剖面D247匹配。在这一点上,物品隔离器140辨识物品的底部轮廓,并辨识基本上物品的每点的高度,并准备将融合数据D256递交到物品隔离处理146。
第二,物品隔离器140确定有多少不同的物品构成进入感测容体的物体。在特定情况下,会将几个单独的物品错误地视为一个或其它数据集中的单个物品。物品隔离处理146的目的在于,确定闭合高度剖面D247和底部外形D244何时表示同一单个物品、以及它们何时表示多个物品。
第三,物品隔离器140(具体地,物品索引器)将唯一物品索引值(UII)D231分配给每个不同的物品,并且,第四,连同UIID231一起,物品隔离器140识别物品的二维位置(传输系统位置D148值)。利用融合数据D256的知识,在很可能属于单个物品的情况下,物品隔离器140将UII值D231分配给具有已知的传输系统位置D148值的融合数据D256。物品隔离处理146导致UII值D231连同传输系统位置D148一起被传递到尺寸参数估计处理157,用于由尺寸估计器进一步处理。尺寸参数估计处理157接收UII值D231、具有已知的传输系统位置D148值的融合数据D256,并将尺寸测量数据D166以及UII值D231(以及传输系统位置)输出到系统的其它部分(具体地,如图8和9所示的物品描述编译器200)。
物品隔离处理146改善系统输出的可靠性。在实施例中,物品隔离器140的故障停止所有系统操作,这是因为,系统不能确认感测容体中物品的数目、或者那些物品的位置,因此不知道如何利用来自参数传感器的数据。然而,物品隔离系统的仅一部分的故障不需要停止系统。物品隔离处理146允许物品隔离器140在仰视线扫描相机停止工作的情况下继续工作,使用每个物品的光幕数据和/或闭合高度剖面D247。
相反,如果尺寸传感器154有故障、且仰视线扫描相机外形检测和/或光幕继续工作,则将报告底部外形D244、但不报告闭合高度剖面D247。系统可继续在降级模式下操作,这是由于,对于物品识别来说,物品的高度不可用。然而,仍有可能确定物品重量、长度和宽度,并且,即使异常的数目增大,物品一般也不会无检测地通过感测容体。
重量传感器170
现在参照图12,示出了重量传感器170的示意图。重量传感器170包括移动中标尺172、以及重量生成器174。移动中标尺172包括物体传感器(示出了送入传送带物体传感器173A、感测容体入口物体传感器173B、以及感测容体出口物体传感器173C)、以及测压元件175A、175B、175C和175D。
诸如送入传送带物体传感器173A、感测容体入口物体传感器173B、以及感测容体出口物体传感器173C的物体传感器允许重量生成器跟踪在给定时刻哪些物品在移动中标尺172上。感测容体入口物体传感器173B位于感测容体的送入端附近。位于感测容体的送出端附近的感测容体出口物体传感器173C、连同感测容体入口物体传感器173B一起提供加载信息,以使系统能够精确地计算在给定时刻在感测容体中的多个物品的重量。送入传送带物体传感器173A位于从感测容体的送入端起的上游几英寸,并使能可停止送入传送带的可选操作模式。
换句话说,包括物体传感器使系统能够通过将感测容体传送带(图12中未示出)上的瞬时总重量与物品的传输系统位置D148值组合,来估计各个物品中的大多数的重量。然而,在一些实施例中,当物品进入感测容体、同时其它物品正在离开时,重量生成器174不能测量出准确的重量数据D191。因此,在这些实施例中,可采用物体传感器来防止从移动中标尺172同时加载和卸载物品。换句话说,一旦接收到传输系统位置D148和来自送入传送带物体传感器173A、感测容体入口物体传感器173B、以及感测容体出口物体传感器173C的数据,物体位置逻辑176便可确定在一物品将离开感测容体的同时、一物品将进入感测容体,并可向传输系统发信号,以在存在正要离开感测容体的物品的情况下,阻止将任何新物品传递到感测容体。在其它实施例中,例如,物体位置逻辑还可在标尺在加载新物品之后没有时间处理的情况下停止感测容体传送带。物体位置逻辑176将开始和停止信号D115传送到平均和求差(differencing)处理178,其中,该逻辑计算从测压元件175接收的初始感测数据的平均和变化,以确保在适当的时刻执行计算。
将注意,停止和开始传送带以阻止向/从感测容体加载/卸载物品对系统作出的测量没有负面影响;从感测容体的角度看,停止送入传送带仅将物品在感测容体传送带上展开,而停止感测容体传送带将所有数字处理步骤置于暂停模式,其可在重新启动带的时候重新启动。
如图12所示,物体位置逻辑176附加地使用从物体传感器接收的信息、连同传输系统位置D148,以发出带控制命令D50。将这些命令发送到传输系统位置传感器120(图9),在一个实施例中,其中驻留了马达控制器。例如,使用从感测容体物体传感器173C接收的信息,物体位置逻辑176可确定物品即将离开感测容体。为了防止物品同时进入感测容体,物体位置逻辑176可发送带控制命令D50,以使送入传送带停止继续向感测容体传输物品。另外,或者替代地,带控制命令D50可包括增大或减小传送带的速度,以便限制系统25的操作员可物理地放置在送入传送带上的物品的数目。类似地,在一些实施例中,移动中标尺172可能需要周期性的自校准时间,在该期间,不允许物品在扫描通道传送带上,从而允许其返回其皮重(tare),以便维持精度。通过停止送入传送带,来实现这个校准条件。取决于预期的具体应用,物体位置逻辑176可发送其它带控制命令D50。
测压元件175A、175B、175C和175D被置于加载路径中,并典型地支撑感测容体传送带(图12中未示出,但至少在图2B中示出)。每个测压元件生成与施加到测压元件上的压力成比例的电信号。在一些实施例中,在被传送用以由重量生成器174进行处理之前,测压元件175A、175B、175C和175D以高采样率(例如,每秒4000个样值)被数字化。
求和处理177接收高采样率的测压元件样值,其中,对来自测压元件的信号求和,并尺度转换为表示移动中标尺172、以及移动中标尺172上的任何物品的总重量数据。可选地,来自求和处理177的总重量数据D190在步骤D190中被发送到历史数据库。另外,在平均和求差处理178中,对此总和进行低通滤波(或平均),以改善信噪比,并给出更准确的总重量。在平均和求差处理178期间计算的平均中包括的数字样值的数目受到在移动中标尺172上的重量稳定时所取的样值的数目限制。例如,如果仅将一个物品加载到感测容体传送带上,则稳定的时段从所述一个物品完全在感测容体传送带上的瞬间,延伸直到该物品开始从感测容体传送带移走的瞬间为止。当在给定时刻有多于一个物品处于感测容体传送带上时,稳定时段被限制为没有物品被加载到或移动离开感测容体传送带的时间。在无噪声环境中,重量生成器可仅通过数据来识别稳定时段。然而,典型地,重量生成器在存在某些(如果不是显著量的)噪声的情况下操作。因此,物体传感器173A、173B和173C在物品正在从感测容体传送带加载或卸载时通知重量生成器(经由物体位置逻辑176),以便适当平均。应注意,尽管这里的文字暗示了时间上的考虑,但在实施例中,系统处理不包括时钟信号,而是仅通过扫描通道传送带的增量移动来计时(clock)。由此,可通过停止扫描通道传送带来延长稳定时段,并且,平均下的样值的实际数目将继续以数据采样率(在一个实施例中是每秒4000个样值)增大。
另外,如由开始和停止信号D115所命令的,平均和求差处理178在物品向/从标尺172加载/卸载之前、以及在物品向/从标尺172加载/卸载之后获得的重量值之间执行求差操作。由此获得的重量值被分配到在瞬时转变期间向/从标尺172加载/卸载的一个或多个物品。存在用来执行可用来本质上实现同样的重量数据D191的求差功能的几个可选方法。通常,由可用硬件和数字处理资源、并通过操作条件(例如,测压元件信噪比、测压元件漂移等),来确定这些可选方法之间的选择。下面,通过结合图13来讨论一个特定的方法。
返回图12,将重量值D191A从平均和求差处理178传送到分配重量处理179,其中,将重量值D191A与作为由物体位置逻辑176生成的数据的物体位置数据D113组合。应注意,物体位置逻辑176不能识别处于重叠状态的各个物品。通过将来自物体传感器的上下信号(offandonsignals)与传输系统位置D148组合,来确定物体位置D113。物品重量和物体位置的组合是物品重量数据D191。对于非重叠的物品,物品重量数据是物品的重量;对于重叠的物品,物品重量数据是多于一个物品的组合的重量。物品重量数据D191被传递到物品描述编译器200。可选地,总重量数据D190的连续流被发送到历史数据库350(如图8所示)。
如上面提及的,各种方法可用来计算标尺172上的各个物品的重量。图13提供了时序图,其示意性地绘出了来自在图12中示意性示出的重量传感器170的实施例的元件的每个输出。图13的顶部的第一数据线提供了求和处理177的输出的示例。图13的第二数据线提供了送入传送带物体传感器173A的输出的示例。图13的第三数据线提供了感测容体入口物体传感器173B的输出的示例。图13的第四数据线提供了感测容体出口物体传感器173C的输出的示例。图13的第一数据线示出了作为时间的函数的改变的、求和的、数字化的测压元件信号,其中,假定了恒定的传输系统速度。图13的第二、第三和第四数据线示出了三个物体传感器的(二进制)输出。
在图13的第二数据线中,物品A被示出为首先由送入传送带物体传感器173A在第三到第四时间间隔上检测出。在物品A留在送入传送带上(如所示为由送入传送带物体传感器173A检测出)的同时,如从在0处的时钟开始至第五时间间隔的恒量(0,0)所示,第一数据线示出了重量传感器170未检测到重量值。在第三数据线中的从第五到第六时间间隔中示出,随着物品A进入感测容体传送带,感测容体入口物体传感器173B检测到物品A的存在。物品A的重量被重量生成器记录,如图13的第一数据线上的从大约点(5,0)至大约点(6,3)所示。在物品A已完全地跨越了带间隙、且完整地位于感测容体传送带上之后,重量传感器170将物品A的重量示出为从大约点(6,3)至大约点(11.5,3)为静态的。由物体位置逻辑176提示,平均和求差处理178将在第一指示的可接受平均窗期间的测压元件信号进行平均,并取在所述第一可接受平均窗的末尾处获得的重量值3、以及刚好在物品A加载到标尺上之前获得的重量值0之间的差(如由物体传感器173A和173B所示)。
如在第二数据线中所示,从系统启动之后的9.5个时间间隔起到接近第11个时间间隔,送入传送带物体传感器173A检测到另一物品B存在在送入传送带上。随着物品B在感测容体传送带上进入感测容体,感测容体入口物体传感器173B从x轴时间间隔上的大约11.5到大约13.5检测到物品B的存在。重量传感器170记录物品A和物品B的总重量,如第一数据线上从大约点(11.5,3)至大约点(13.5,9)所示。在物品B已完全地跨越了带间隙、且完整地位于感测容体传送带上之后,从大约点(13.5,9)至大约点(20,9),物品A和物品B的总重量是静态的。由物体位置逻辑176提示,平均和求差处理178将在第二指示的可接受平均窗期间的测压元件信号进行平均,并取在所述第二可接受平均窗的末尾处获得的重量值9、以及之前对于物品A获得的重量值3之间的差。也就是,由于重量传感器170知道物品A的重量约为三个单位、且物品A和物品B的总重量为9个单位,所以,系统随后计算出物品B的重量约为6个单位。
如在图13的第四数据线所示,从系统启动之后的第20个时间间隔起到第21个时间间隔,感测容体出口物体传感器173C检测到在感测容体传送带上离开感测容体的物品A的存在。随着物品A在送出传送带上离开感测容体,重量传感器170从大约点(20,9)至大约点(21,6)检测到减小的重量值。重量传感器170可由此验证物品A的重量。由于在物品A离开感测容体时重量值从大约9个单位下降到大约6个单位,所以,物品A的重量约为3个单位。
在物品A已完全行进出感测容体、且完整地位于送出传送带上之后,从大约点(21,6)至大约点(27,6),重量传感器170将物品B的重量示出为静态的。并且,重量传感器170可通过在感测容体传送带上仅检测到物品B的时段期间检测到大约6个单位的静态重量值,来验证其对物品B的重量值的最初计算。如第四线状图中所示,从系统启动之后的第27个时间间隔起到第29个时间间隔,感测容体出口物体传感器173C检测到在感测容体传送带上离开感测容体的物品B的存在。随着物品B在送出传送带上离开感测容体,重量传感器170从大约点(27,6)至大约点(29,0)检测到减小的重量值。从0减去6验证了刚好离开感测容体的该物品(物品B)的重量为6个单位。
测压元件重量传感器经常显示出随着时间和温度变化的0偏置漂移。对于29之外的时间间隔,在图13的第一数据线中示意性地示出了这个潜在的漂移。在系统的一个实施例中,在标尺上没有物品的时段期间,此漂移自动复位,如由物体位置逻辑176提示。
当一个物品被加载到标尺上、同时第二物品被卸载时,上述计算方法可能无法正确操作。为避免此状况,在物体位置逻辑176的一个实施例中,送入传送带物体传感器173A和感测容体出口物体传感器173C的“与(AND)”条件生成用来停止送入传送带直到离开的物品已使感测容体清空为止的命令。可将这个带马达控制命令D50传送到传输传感器处理器127(图9),其中,为了方便,驻留了马达控制器。
如已经提及的,存在多个可选方法用来处理总重量信号D190,以在各个物品在标尺上并非单个化时估计各个物品的重量,通常,包括在每个物品进入和/或离开标尺之前、期间和/或之后进行重量估计。另外,存在可选方法,其在特定操作条件下,即使在各个物品部分重叠时也能够估计各个物品的重量。例如,考虑到在图13的第一数据线中示出的总重量值。可接受平均窗之间的转变线的斜率与向/从标尺加载/卸载的物品的重量成比例。当存在被加载到标尺上的两个部分重叠的物品时,转变线的斜率随着被加载的物品的数目的改变而改变。由此,在无噪声环境中,将在稳定时段期间测量的总重量分配到被加载到标尺上的两个重叠的物品就是不那么重要的操作了。
在物品描述编译器200内发生的几何融合处理
图14是用于进行几何融合处理的物品描述编译器200的数据流图。物品描述编译器200将与各个物品相对应的参数值聚合为物品描述,其中,从各个参数处理器接收参数值。在图14中绘出的实施例中,将参数值示出为UII值D231、尺寸测量数据D166、重量数据D191、以及数字标记数据D235,但这里预期其它参数值。被呈现给描述编译器的每个参数值包括其对应的传输系统位置值D148。物品描述编译器200使用这些位置值来匹配适用于单个物品的参数值。匹配的参数值的该集合是物品描述。在被判定为由物品描述编译器200完成时,物品描述随后被提供到产品识别处理器。
物品描述编译器200使用基于几何的数据关联技术,其使用上述物体关联库来聚合异步产生的物品参数值。可使用时间来将各个参数值与唯一物品相关,但是,因为可能随着物品移动通过扫描通道、已在不同的时刻产生了各个参数值,并且,因为带速可能不恒定,所以,此方法可能难以实现。然而,每个物品被置于的传输系统位置是与该一个物品相关联的固定参数(一旦该一个物品进入扫描通道),如作为传输系统位置值,其相对于每个传感器进行其测量的已知的基准位置。因此,可将每个测量的参数值与在测量的瞬间处于传感器的位置的物品相匹配。
在系统操作期间,传输位置传感器120(图9中示出)连续地将传输系统位置值提供到每个参数处理器。每个参数处理器利用与收集其初始感测数据的瞬间相对应的传输系统位置值,来标记其产生的参数值。另外,物品隔离器140和尺寸传感器150(均在图9和11中示出)提供每个隔离的物品的完整的三维位置,这意味着,它们向物品描述编译器200提供每个物品的表面处于相机空间中的何处的数学描述。校准数据库250是对每个参数传感器中的每个感测元件所针对的物理空间中的何处的记录。变换处理202将每个物品的表面的数学描述从相机空间转换为具有准确的空间(x,y,z)定位信息的物理空间。
变换处理202使用每个参数传感器的三维视野的详细知识(例如,描述每个线扫描相机上的每个像素在三维空间中指向何处的向量)。利用该信息,只要每个测量坐标的空间不确定性可保持为充分小,物品描述编译器200便可将来自多个参数传感器的数据与处于特定传输系统位置的物品相关联。在实施例中,已知所有空间测量为通常小于大约十分之二英寸的精度。需要空间关联的最小特征是标记,其在实践中测量它们最小尺寸中的至少大约十分之六英寸,甚至最小线宽小于由GS1标准指定的大约10密耳。由此,甚至可将最小标记与所述实施例的空间精度唯一相关联。
能够将参数值在空间上与特定物品相关联的第一步骤是校准每个参数传感器的测量的绝对空间位置。例如,左前线扫描相机的标记读取器将每个数字标记值连同线扫描相机的标记中央的像素数目、以及在读取标记的第一角时触发相机的传输系统位置值D148一起传送。物品描述编译器接收该信息,并将像素数目和传输系统位置变换为绝对空间坐标。
对于标记读取器,通过准确地定位感测容体内的两个图像目标(给定相机的每端(在感测容体的极限端(extremeend))一个、且其尽可能接近线扫描相机),来识别与定义感测容体内的可见平面的边缘的四个极点(extremepoint)相对应的像素。对那些目标成像的像素定义可见图像平面的两个近端点。在每个线扫描相机的视野的远端,对于两个极点重复该处理。
例如,对于侧面的线扫描相机,将目标放置在刚好在感测通道传送带之上、且处于最大物品高度,在感测容体内尽可能地接近输入镜。在该线扫描相机的范围的远端处,对同样的目标成像。记录每个测试图像目标的(x,y,z)坐标、连同呈现每个目标的图像的特定相机和相机像素数目。三个坐标定义了该相机的成像平面。通过内插或外插,可从那四个点导出构成该线扫描相机的任何像素的成像光线(ray),并且,可映射该线扫描相机报告的其利用对其成像所沿的光线而看到标记之处的三个坐标。
在几何校准期间,对于每个图像目标而知道准确的空间(x,y,z)定位信息。在一些实施例中,坐标系统如图3A和3B中所示。手动执行几何校准,而不利用来自传输位置传感器的数据,然而,尺寸估计器使用该数据用于其自己的处理。然而,使用来自传输位置传感器的数据,自动化的几何校准也是可能的。在实施例中,将几何校准数据存储在库250中。然而,应清楚,几何校准数据D201不是所有实施例中的必须元素。在其存在的那些实施例中,几何校准数据D201在物品描述编译器200内从库250被传送到变换处理202。
尽管线扫描相机的光线独自并不唯一地定义标记所位于的空间中的确切的点,但线扫描相机的光线与如由物品隔离器140和尺寸估计器150所提供的物品自身的三维表示相交。线扫描相机的光线和三维物品表示一起创建标记和物品之间的一一对应。
使用某个级别的几何校准的另一个参数传感器是重量估计器。在所述实施例中,重量估计器从其物体传感器获得物品X轴位置信息。也就是,根据图14,重量估计器基于至少感测容体入口物体传感器的输出,将重量值分配给物品A或B,所述输出指示物品被首先加载到标尺上的沿着虚拟带的何处。可通过简单地测量物体传感器相对于尺寸估计器坐标的距离,来手动地校准物体传感器位置,或者,使用移动校准物品和由传输位置传感器报告的瞬时传输系统位置,来自动地校准物体传感器位置。
将注意,在示出的实施例中,在区域相机152观察到物品之前,将物品加载到移动中标尺172上。类似地,仰视线扫描相机88(至少在图4A中示出)可在物品被区域相机152观察到之前读取物品的标记。由此,可在尺寸传感器150和物品隔离器140(图11中示意性地示出)已确定什么物品处于扫描通道中之前,进行重量测量和标记读取。事实上,如利用位于扫描通道前端的那些传感器执行系统的产品识别功能那样,可利用位于扫描通道末端的尺寸传感器150和仰视线扫描相机132A,同样地执行系统的产品识别功能。这两个传感器的前向位置仅对于最小化产生识别所需的处理滞后来说才是优选的。也就是,与在通道的末端收集数据时相比,在通道的前端收集数据时,可在物品离开通道之后更快地产生产品识别。
重量估计器仅知道其测重的物品的X轴位置。移动中标尺上并排重叠(即,具有共同的X位置但不同的Y位置)的两个物品可能难以单独测重。由此,在此实例中报告的重量是该传输系统位置(x值)处的所有并排物品的总重量。当重量值连同匹配多于一个物品的传输系统位置到达物品描述编译器200(在图14中示意性示出)时,在一些实施例中,物品描述编译器200将该重量值连同其为聚合重量的指示加到每个物品的物品描述D167。在其它实施例中,还将其它并排物品的唯一物品标识符加到物品描述D167,这是由于下述原因。
通过变换处理202变换的各种参数值变为空间变换的参数值D70,其随后被递交到信息队列207。信息队列207是随机存取缓冲器,也就是,其不在先进先出系统中操作。因为在感测容体传送带上通常存在多个物品,并且因为每个参数传感器一旦辨识出所述物品便发送其感测的参数,所以,任一时间点上的信息队列207包含来自按照到达次序排列的多个物品的空间变换的参数值D70。例如,因为物品的标记物理地通过线扫描相机的视野的时刻与标记读取器产生对应的标记值的时刻之间的延时在很高程度上可变,所以,甚至有可能直到物品已离开系统25之后较长时间为止,某些空间变换的参数值D70都不能被辨识或解释。
物品描述编译器200试图确定:通过几何融合或几何参数匹配处理,在物品的表面上或位置处测量了信息队列207中的所报告的空间变换的参数值D70中的哪个。
物品识别处理器300的数据融合处理取决于尺寸传感器150和物品隔离器140。物品隔离器140确定什么物品在感测容体中(并向它们赋予唯一跟踪号,即,UII),并且,尺寸传感器150创建尺寸测量数据,包括但不限于具有对应的底部外形的闭合高度剖面。来自物品隔离器140和尺寸传感器150的数据一起形成物品描述D167中的基线条目,其在物品描述编译器200中被创建。其它参数值被识别为属于物品,且被添加到物品描述D167。在一些实施例中,数据融合处理215接收传输系统位置D148,并将图像检索请求D149递交到图10中示出的标记读取器130的区域提取处理138。
如上面提及的,物品描述编译器200从各个参数传感器接收参数值,其经受变换202,并被临时放置在信息队列207中。在物品描述编译器200通过使数据融合处理215匹配空间变换的参数值D70与相同的传输系统位置D148来构造物品描述D167时,其将数据请求D169发送到信息队列207,以从信息队列207移除空间变换的参数值D70,从而将其置于适当的物品描述D167中。由此,空间变换的参数值D70被连续地加到信息队列207、或从信息队列207删除。
最后,将物品描述D167发送出到物品识别处理器300。物品描述编译器200基于一个或多个所选准则,在处理点上将物品描述D167文件发送到物品识别处理器300。例如,该准则可包括:在当前的传输系统位置超过了物品位置多于约感测容体的长度的25%时,发送物品描述D167。在实施例中,发送准则可对应于从输出带的末端起小于或等于特定距离的带位置。
某些参数值从不与任何物品相关联,并可被称为孤立(orphan)值。例如,如果参数值被处理器重启所延迟、或者如果传输系统位置D148值具有缺陷,则会创建孤立值。类似地,在物品相对于传送器移动(例如,滚动的瓶子或罐子)的情况下,特定的值可能是孤立的。信息队列207中的未匹配的参数值的积累具有损害系统性能的趋势。在一些实施例中,物品描述编译器200可包括用于在特定所选时段从信息队列207删除参数值的功能。例如,删除参数值的确定取决于到达信息队列207的新的空间变换的参数值D70的虚拟位置是否显著超过了送出传送带的长度。这个条件可指示:孤立值与从感测容体离开了较长距离的物品相关联。
物品识别处理器300
图15是物品识别处理器300的数据流图。物品描述编译器200对于物品隔离器隔离的每个物品创建物品描述D167。物品识别处理器300打开用于由物品描述编译器200对其提供的每个物品描述D167的文件。物品描述D167包括系统收集的全部可用的测量参数值的列表。物品识别处理器300执行的基本功能是将物品描述D167与存储在产品描述数据库310中的一组产品描述相比较,并根据预定的逻辑规则来判定物品是否为那些产品中的一个。在一些实施例中,产品描述数据库310中的产品描述包含已关于该物品而收集的有关产品的同种信息。典型地,产品描述包括有关产品的数字标记值、重量数据、以及尺寸测量数据。在一些实施例中,产品描述可包括产品的其它参数值、有关各个参数的统计信息(例如,重量的标准偏差)、每个产品的数字照片等。
在实施例中,可对于每个相机的焦平面空间生成物品的多边形表示。由此,对于每个物体,存在与该物体的每个相机视图相对应而生成的多个多边形。例如,对于具有7个透视图(perspective)的系统,可生成7个多边形,并将其存储,用于如下所述的融合处理中使用。
物品识别处理器300尝试确定未知物品的参数值和(已知)产品参数的数据库之间的最佳匹配。在一些实施例中,使用标记值(典型地,UPC)作为主数据库查询。假定在产品描述数据库中找到确切的标记匹配,则物品识别处理器300检查其余的参数值,以判定该物品是否为该标记表示的产品。这是UPC尚未被误读或损坏的验证。如上所述,还可进一步评估部分UPC(或其它代码),以将可能的物品的选择的数目缩小,并且,在实施例中,可将较小数目的选择传递给操作员用于解决。
物品描述D167被提供到表达-数据库-查询处理(formulate-database-queryprocess)305,其将可用物品参数相比较,例如,以基于给定标记、重量和高度来确定该物品是什么。当已表达了查询D209时,表达-数据库-查询处理305将其递交到产品描述数据库310,其随之将查询结果D210提供到产品识别逻辑处理312。产品识别逻辑处理312将作为产品描述的查询结果D210与原始的物品描述D167相比较,以判定两个描述是否足够相似以声明(declare)识别。
通过执行此验证的一组逻辑规则,来对物品识别处理器300预编程。在一些实施例中,所述规则是确定性的(例如,重量必须在产品的标称重量的x%之内)。在其它实施例中,可使用例如模糊逻辑来确定规则。
模糊或自适应逻辑可找到产品识别逻辑处理312中的特定使用,以处理不常见的情形。例如,某些物品将具有多个数字标记值,并且,特定产品将被获知具有多个可见标记,这是由于多个线扫描相机产生每个物品的图像,并由于一些物品具有两个或更多不同的标记(例如,多层包装的水,其中,每瓶可具有一个条形码,并且,多层包装的外壳可具有不同的条形码)。在此示例中,与管理如何处理冲突信息的严格规则相比,执行模糊逻辑是更好的。
尽管在一些实施例中,数字标记值可为数据库查找的优选参数值,但存在这样的实例,其中,表达-数据库-查询处理305在第一次试图尝试识别物品时使用一个或多个其它参数值。例如,在标记被误读、或从线扫描相机来看已被部分或完全遮挡的情况下,可将表达-数据库-查询处理305编程为使用之前描述的其它参数值,以准确地将物品识别为产品。例如,如果已在高度确定性的情况下测量了物品的重量、形状和大小,且读取了条形码的几位,则这些数据可提供充分唯一的产品识别。
产品识别逻辑处理312的输出是具有识别的概率的产品描述、或指示未找到匹配的产品描述的异常标志。例如,缺乏匹配可能在扫描从未进入数据库的物品的情况下发生。将此输出传送到产品/异常判定处理314,其中,应用了可编程容限级别。如果识别的概率在此容限之上,则产品识别数据D233和UII值D231被输出。在典型的实施例中,将识别输出递交到POS系统400。另一方面,如果识别的概率低于容限级别,则产品/异常判定处理314将异常标志D232与UIID231相关联。可选地,在一些实施例中,当将物品标记为异常时,UIID231被递交到异常处理程序320。可选的异常处理程序320可包括不操作(例如,令客户免费获得此物品)、向系统操作员提供指示来采取行动,或者,其可涉及执行自动重新扫描。
作为物品识别处理器的一部分的另一个可选功能是基于新的物品的参数值来更新产品描述数据库的能力。例如,可利用在每次识别特定产品时收集的新的重量数据,来精细化作为存储在产品描述数据库310中的典型参数的、产品的重量的平均和标准偏差。在一些实施例中,物品识别处理器300用其接收的关于通过感测容体的物品的每个参数值来更新其产品描述数据库310。数据库更新处理313从表达-数据库-查询处理305接收UIID231以及物品描述D167,并在其从产品/异常判定处理314接收到产品描述D233和UIID231时执行数据库更新。数据库更新处理313还在UIID231为异常(标志D232)时接收通知,使得其可清除与异常UIID231相关联的不准确的产品描述D167。
在多次读取消歧之前,融合器采用单程“最佳匹配”算法用于将条形码分配给处于其计划的输出位置(即,融合器将物品的信息发送到输出子系统用于随后传送到POS的Y带位置)的物品。用于条形码的最佳匹配算法采用以下作为输入:1)要对其生成输出的单个物品;2)组成要在识别最佳条形码对物品的匹配时考虑的所有物品的物品域——输出物品也是此域的一部分;以及3)组成要被分配给输出物品的所有可用条形码的条形码域。
该算法通过以下步骤工作:访问条形码域中的每个条形码,并随之计算条形码和所提供的物品域中的所有物品之间的匹配度量(品质因数,FigureOfMerit——FOM)。一旦已计算出所有条形码对物品的关联,该算法便丢弃与在特定阈值之下的FOM值的所有关联(此阈值可以启发式地(heuristically)得到,且可根据真实世界性能而作为用户设置或自动地被更新)。随后,根据沿着相机光线的距离来对所有其余条形码对物品的关联进行拣选,并且,将具有最短距离的关联视为最佳匹配(逻辑为:不大可能读取位于另一个物品之后的物品上的条形码——由此,最接近于摄相机镜头的条形码更有可能适当地与前面的物品相关联)。如果被识别为最佳匹配的物品与输出物品相同,则将条形码分配到输出物品。否则,不分配条形码。
尽管在前面的说明书中已经与本发明的特定实施例相关地描述了本发明,且已为了说明的目的阐述了很多细节,但对于本领域的技术人员来说显而易见的是,本发明可以变化,并且,这里描述的特定的其它细节可显著变化,而不会背离本发明的基本原理。另外,应理解,在这里的任一实施例中示出或描述的结构特征或方法步骤也可被用于其它实施例。
Claims (14)
1.一种用于异步地识别感测容体内的物品的系统,包括:
多个物体传感器,每个物体传感器被配置和布置为在物体相对于所述感测容体而相对移动时,确定描述所述物体的至少一个参数,并且,所述物体传感器具有相对于所述感测容体的已知的位置和姿态;
位置传感器,其被配置和布置为产生与所述相对移动相关的位置信息,其中,所述位置信息不包括系统时钟信息;以及
处理器,其被配置和布置为从所述物体传感器接收所述参数,并且,基于所述位置信息、并基于确定每个相应参数的所述物体传感器的已知位置和姿态,将所述参数与所述物体中的相应物体相关联,而不考虑系统时钟信息,并且,对于具有至少一个关联的参数的每个物体,将所述至少一个关联的参数与已知的物品参数相比较,以向所述物体分配物品标识。
2.如权利要求1所述的系统,其中,所述物体传感器还包括:
高度尺寸测量传感器,其包括基本平面的光源,并被配置和布置为在所述物体在所述感测容体中相对移动期间,将平面照明以一角度投射到所述物体的路径;
关联的高度尺寸测量检测器,其被构造和布置为检测所述平面照明的反射;以及
其中,所述处理器被配置和布置为基于检测到的反射和所述角度,确定每个物体的高度剖面。
3.如权利要求1或2所述的系统,其中,所述物体传感器还包括:
一对区域尺寸测量传感器,每个区域尺寸测量传感器被配置和布置为随着物体相对移动通过每个相应的区域尺寸测量传感器的基本平面的视野,确定所述物体的瞬时宽度,其中,所述区域尺寸测量传感器中的一个包括明场成像传感器,并且,所述区域尺寸测量传感器中的另一个包括暗场成像传感器,并且,所述处理器基于所述区域尺寸测量传感器中之一个或全部两者的输出来确定所述瞬时宽度。
4.如权利要求3所述的系统,还包括物体鉴别器,其被配置和布置为基于从由尺寸测量传感器测量的多个瞬时宽度创建的物体外形,来将物体单个化。
5.如权利要求1或2所述的系统,其中,多个物体传感器包括线扫描相机,并且,所述处理器还被配置和布置为处理由所述线扫描相机捕捉的图像,以识别每个物体的标记。
6.如权利要求5所述的系统,其中,所述标记包括条形码,并且,所述处理器被配置和布置为识别所述条形码。
7.如权利要求6所述的系统,其中,所述条形码还包括字符,并且,所述处理器还被配置和布置为识别所述条形码的字符。
8.如权利要求7所述的系统,其中,使用从包括光学字符辨识算法和匹配算法的组中选择的算法,来识别所述条形码的字符,其中,所述匹配算法基于字符形状和包括所选的可能字符形状的库之间的比较。
9.一种用于异步地识别感测容体内的物品的方法,包括:
使用多个物体传感器,在物体相对于所述感测容体而相对移动时,确定描述所述物体的至少一个参数,所述物体传感器各自具有相对于所述感测容体的已知的位置和姿态;
产生与所述相对移动相关的位置信息,其中,所述位置信息不包括系统时钟信息;以及
基于所述位置信息、并基于确定每个相应参数的所述物体传感器的已知位置和姿态,将所述参数与所述物体中的相应物体相关联,而不考虑系统时钟信息,并且,对于具有至少一个关联的参数的每个物体,将所述至少一个关联的参数与已知的物品参数相比较,以向所述物体分配物品标识。
10.如权利要求9所述的方法,还包括:
在所述物体在所述感测容体中相对移动期间,将平面照明以一角度投射到所述物体的路径;
检测所述平面照明的反射;以及
基于检测到的反射和所述角度,确定每个物体的高度剖面。
11.如权利要求9或10所述的方法,还包括:
随着物体相对移动通过一对区域尺寸测量传感器中的每个的基本平面的视野,基于区域成像传感器中之一或全部两者的输出,确定所述物体的瞬时宽度,其中,所述区域尺寸测量传感器中的一个包括明场成像传感器,并且,所述区域尺寸测量传感器中的另一个包括暗场成像传感器。
12.如权利要求11所述的方法,还包括:
基于从由尺寸测量传感器测量的多个瞬时宽度创建的物体外形,来将物体单个化。
13.如权利要求9或10所述的方法,还包括:
处理由所述物体传感器捕捉的图像,以识别每个物体的标记。
14.如权利要求13所述的方法,其中,所述标记包括条形码,并且还包括字符,并且,处理图像还包括:使用从包括光学字符辨识算法和匹配算法的组中选择的算法,来识别所述条形码的字符,其中,所述匹配算法基于字符形状和包括所选的可能字符形状的库之间的比较。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US31325610P | 2010-03-12 | 2010-03-12 | |
US61/313,256 | 2010-03-12 | ||
US201161430804P | 2011-01-07 | 2011-01-07 | |
US61/430,804 | 2011-01-07 | ||
PCT/US2011/028348 WO2011113044A2 (en) | 2010-03-12 | 2011-03-14 | System and method for product identification |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102884539A CN102884539A (zh) | 2013-01-16 |
CN102884539B true CN102884539B (zh) | 2016-08-03 |
Family
ID=44564181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180023500.1A Expired - Fee Related CN102884539B (zh) | 2010-03-12 | 2011-03-14 | 用于产品识别的系统和方法 |
Country Status (10)
Country | Link |
---|---|
US (2) | US8469261B2 (zh) |
EP (1) | EP2545501B1 (zh) |
JP (1) | JP5814275B2 (zh) |
KR (1) | KR101777556B1 (zh) |
CN (1) | CN102884539B (zh) |
AU (1) | AU2011226646B2 (zh) |
BR (1) | BR112012022984A2 (zh) |
CA (1) | CA2792774C (zh) |
ES (1) | ES2701024T3 (zh) |
WO (1) | WO2011113044A2 (zh) |
Families Citing this family (60)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7568628B2 (en) | 2005-03-11 | 2009-08-04 | Hand Held Products, Inc. | Bar code reading device with global electronic shutter control |
US7770799B2 (en) | 2005-06-03 | 2010-08-10 | Hand Held Products, Inc. | Optical reader having reduced specular reflection read failures |
US8396755B2 (en) | 2008-07-14 | 2013-03-12 | Sunrise R&D Holdings, Llc | Method of reclaiming products from a retail store |
US8657196B2 (en) | 2011-01-24 | 2014-02-25 | Datalogic ADC, Inc. | Systems and methods of capturing security images in an automated data reader |
JP5803155B2 (ja) * | 2011-03-04 | 2015-11-04 | セイコーエプソン株式会社 | ロボット位置検出装置及びロボットシステム |
EP2803026A4 (en) * | 2012-01-09 | 2015-08-26 | Sunrise R & D Holdings Llc | METHOD FOR RETRIEVING PRODUCTS FROM A RETAIL STORE |
TW201342261A (zh) * | 2012-04-02 | 2013-10-16 | Hon Hai Prec Ind Co Ltd | 產品品質自動化控管系統及方法 |
US8959065B2 (en) * | 2012-04-09 | 2015-02-17 | Mitek Analytics, LLC | System and method for monitoring distributed asset data |
US8733656B2 (en) | 2012-05-22 | 2014-05-27 | Cognex Corporation | Code and part associating method and apparatus |
US20140175289A1 (en) * | 2012-12-21 | 2014-06-26 | R. John Voorhees | Conveyer Belt with Optically Visible and Machine-Detectable Indicators |
BR102013013365B1 (pt) * | 2013-05-29 | 2021-12-14 | Sicpa Brasil Indústria De Tintas E Sistemas Ltda | Método e dispositivo para contagem de objetos transportados em uma esteira de transporte |
US10002271B2 (en) * | 2013-11-04 | 2018-06-19 | Datalogic Usa, Inc. | Data reading system and method for multi-view imaging using an adjustable mirror |
CN104613993B (zh) * | 2014-01-10 | 2017-01-18 | 北京兆信信息技术股份有限公司 | 产品识别方法、装置及系统 |
KR102144125B1 (ko) * | 2014-01-14 | 2020-08-12 | 한국전자통신연구원 | 우편물 크기 측정 및 우편물 정보 획득 장치 및 방법 |
JP5830706B2 (ja) | 2014-01-29 | 2015-12-09 | パナソニックIpマネジメント株式会社 | 店員作業管理装置、店員作業管理システムおよび店員作業管理方法 |
KR102202232B1 (ko) * | 2014-02-05 | 2021-01-13 | 한국전자통신연구원 | 소포 구분 시스템 및 그 방법 |
US9938092B2 (en) | 2014-10-03 | 2018-04-10 | Wynright Corporation | Perception-based robotic manipulation system and method for automated truck unloader that unloads/unpacks product from trailers and containers |
RU2667597C2 (ru) * | 2014-11-06 | 2018-09-21 | Нактек Компани Лимитед | Способ и система идентификации номера контейнера |
CN104841641B (zh) * | 2015-05-11 | 2017-01-04 | 青岛理工大学 | 一种基于条形码全方位立体式扫描自动分拣物件装置 |
JP6086455B2 (ja) * | 2015-05-27 | 2017-03-01 | 株式会社ニレコ | 青果物選別装置及び青果物選別方法 |
CA2931901A1 (en) * | 2015-06-08 | 2016-12-08 | Wal-Mart Stores, Inc. | Systems and methods for controlling checkout belt speed |
US10244149B2 (en) * | 2015-06-09 | 2019-03-26 | Lockheed Martin Corporation | Imaging system with scan line titled off focal plane |
US9418267B1 (en) | 2015-08-10 | 2016-08-16 | Ground Star Llc | Modular RFID shelving |
CN105425308A (zh) * | 2015-12-18 | 2016-03-23 | 同方威视技术股份有限公司 | 物品跟踪系统和方法 |
CA3010229A1 (en) * | 2016-01-05 | 2017-07-13 | Walmart Apollo, Llc | Apparatus and method for monitoring merchandise |
US10185943B2 (en) * | 2016-02-02 | 2019-01-22 | Walmart Apollo, Llc | Self-deposit apparatus |
JP6679344B2 (ja) * | 2016-02-29 | 2020-04-15 | 東芝テック株式会社 | 計量システム |
CA3020604A1 (en) * | 2016-05-03 | 2017-11-09 | Opex Corporation | Material handling apparatus and method for sorting items using a dynamically configurable sorting array |
CN107661862B (zh) * | 2016-07-27 | 2020-11-03 | 边隆祥 | 快递自动分拣阵列式照相机系统 |
CN110462657B (zh) * | 2017-03-22 | 2024-01-16 | 伯克希尔格雷营业股份有限公司 | 包括自动径向处理站的用于处理物体的方法和系统 |
US11055504B2 (en) | 2017-04-18 | 2021-07-06 | Berkshire Grey, Inc. | Systems and methods for separating objects using a vacuum roller with one or more object processing systems |
CA3152708A1 (en) | 2017-04-18 | 2018-10-25 | Berkshire Grey Operating Company, Inc. | Systems and methods for processing objects including space efficient distribution stations and automated output processing |
US11200390B2 (en) | 2017-04-18 | 2021-12-14 | Berkshire Grey, Inc. | Systems and methods for separating objects using drop conveyors with one or more object processing systems |
US11205059B2 (en) | 2017-04-18 | 2021-12-21 | Berkshire Grey, Inc. | Systems and methods for separating objects using conveyor transfer with one or more object processing systems |
US11080496B2 (en) | 2017-04-18 | 2021-08-03 | Berkshire Grey, Inc. | Systems and methods for separating objects using vacuum diverts with one or more object processing systems |
US11416695B2 (en) | 2017-04-18 | 2022-08-16 | Berkshire Grey Operating Company, Inc. | Systems and methods for distributing induction of objects to a plurality of object processing systems |
CN107273901A (zh) * | 2017-05-05 | 2017-10-20 | 苏州亿凌泰克智能科技有限公司 | 一种照明空间评价方法及系统 |
JP7126066B2 (ja) * | 2017-06-30 | 2022-08-26 | パナソニックIpマネジメント株式会社 | 投影指示装置、荷物仕分けシステムおよび投影指示方法 |
US10474991B2 (en) * | 2017-08-07 | 2019-11-12 | Standard Cognition, Corp. | Deep learning-based store realograms |
US10557738B2 (en) * | 2017-09-11 | 2020-02-11 | Black & Decker Inc. | External fuel metering valve with shuttle mechanism |
CN107716323B (zh) * | 2017-09-13 | 2019-08-16 | 立际物流科技(上海)有限公司 | 一种柔性分拣机分拣包裹的方法 |
JP7116162B2 (ja) * | 2017-09-25 | 2022-08-09 | テトラ ラバル ホールディングス アンド ファイナンス エス エイ | 包装機のための仮想オーバーレイを作成する方法 |
CN111315545A (zh) * | 2017-11-08 | 2020-06-19 | 饭野英城 | 货物用识别码、其显示物以及用于其的机器人手 |
CN109784126B (zh) * | 2017-11-10 | 2022-11-18 | 富士通株式会社 | 数据切割方法和装置、物品检测方法和装置 |
US10789569B1 (en) * | 2017-11-27 | 2020-09-29 | Amazon Technologies, Inc. | System to determine item footprint |
JP7195565B2 (ja) * | 2017-12-28 | 2022-12-26 | 伊東電機株式会社 | コード読み取り装置及びコード読み取り方法 |
CN108160530A (zh) * | 2017-12-29 | 2018-06-15 | 苏州德创测控科技有限公司 | 一种上料平台及工件上料方法 |
US10967507B2 (en) * | 2018-05-02 | 2021-04-06 | X Development Llc | Positioning a robot sensor for object classification |
US11055659B2 (en) * | 2018-09-21 | 2021-07-06 | Beijing Jingdong Shangke Information Technology Co., Ltd. | System and method for automatic product enrollment |
FR3093370B1 (fr) * | 2019-02-28 | 2021-03-05 | Univ Bretagne Sud | Systeme de stockage temporaire D’OBJETS |
KR102240192B1 (ko) * | 2019-06-14 | 2021-04-14 | 권형준 | 복수 초점을 동시 인식하는 비전식 코드 리더, 이를 이용한 물류 시스템 및 물류 서비스 제공 방법 |
CN112129386A (zh) * | 2019-06-24 | 2020-12-25 | 梅特勒-托利多(常州)测量技术有限公司 | 称重设备和称重方法 |
CN110560911B (zh) * | 2019-08-23 | 2021-08-17 | 北京志恒达科技有限公司 | 一种条烟激光二维码灼刻方法 |
CN110823191B (zh) * | 2019-10-08 | 2021-12-07 | 北京空间飞行器总体设计部 | 混合基线双天线斜视干涉sar洋流测量性能确定方法及系统 |
US11508131B1 (en) | 2019-11-08 | 2022-11-22 | Tanzle, Inc. | Generating composite stereoscopic images |
US11633763B2 (en) * | 2019-12-16 | 2023-04-25 | Applied Vision Corporation | Sequential imaging for container sidewall inspection |
CN113449532B (zh) * | 2020-03-25 | 2022-04-19 | 杭州海康机器人技术有限公司 | 检测包裹的方法、装置、计算设备、物流系统及存储介质 |
US11410417B2 (en) | 2020-08-17 | 2022-08-09 | Google Llc | Modular system for automatic hard disk processing and verification |
CN113160423A (zh) * | 2021-04-23 | 2021-07-23 | 杭州灵伴科技有限公司 | 基于增强现实的检测引导方法、系统、装置和存储介质 |
US11887332B2 (en) * | 2021-06-29 | 2024-01-30 | 7-Eleven, Inc. | Item identification using digital image processing |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61128108A (ja) * | 1984-11-28 | 1986-06-16 | Canon Inc | 光検出器 |
US4972494A (en) | 1988-02-26 | 1990-11-20 | R. J. Reynolds Tobacco Company | Package inspection system |
JPH05332717A (ja) * | 1992-05-29 | 1993-12-14 | New Oji Paper Co Ltd | センサー装置 |
US5497314A (en) | 1994-03-07 | 1996-03-05 | Novak; Jeffrey M. | Automated apparatus and method for object recognition at checkout counters |
US6554189B1 (en) * | 1996-10-07 | 2003-04-29 | Metrologic Instruments, Inc. | Automated system and method for identifying and measuring packages transported through a laser scanning tunnel |
JPH11183159A (ja) * | 1997-12-22 | 1999-07-09 | Toshiba Corp | 画像処理装置及びその方法 |
JP2001043409A (ja) * | 1999-07-30 | 2001-02-16 | Yamato Scale Co Ltd | 物品の判別装置及び寸法測定装置 |
AUPQ212499A0 (en) | 1999-08-10 | 1999-09-02 | Ajax Cooke Pty Ltd | Item recognition method and apparatus |
US6484066B1 (en) * | 1999-10-29 | 2002-11-19 | Lockheed Martin Corporation | Image life tunnel scanner inspection system using extended depth of field technology |
AU2001281101A1 (en) * | 2000-08-03 | 2002-02-18 | Qualcomm Incorporated | System, method, and apparatus for electromagnetic compatibility-driven product design |
US20090134221A1 (en) * | 2000-11-24 | 2009-05-28 | Xiaoxun Zhu | Tunnel-type digital imaging-based system for use in automated self-checkout and cashier-assisted checkout operations in retail store environments |
US7337960B2 (en) * | 2004-02-27 | 2008-03-04 | Evolution Robotics, Inc. | Systems and methods for merchandise automatic checkout |
CN101013079B (zh) * | 2007-02-07 | 2010-11-10 | 浙江大学 | 小型物料数字化检测和分级装置 |
JP4966096B2 (ja) * | 2007-05-28 | 2012-07-04 | パナソニック株式会社 | 光切断3次元計測装置 |
-
2011
- 2011-03-14 US US13/047,532 patent/US8469261B2/en active Active
- 2011-03-14 CA CA2792774A patent/CA2792774C/en not_active Expired - Fee Related
- 2011-03-14 JP JP2012557304A patent/JP5814275B2/ja not_active Expired - Fee Related
- 2011-03-14 KR KR1020127026646A patent/KR101777556B1/ko active IP Right Grant
- 2011-03-14 ES ES11717795T patent/ES2701024T3/es active Active
- 2011-03-14 WO PCT/US2011/028348 patent/WO2011113044A2/en active Application Filing
- 2011-03-14 CN CN201180023500.1A patent/CN102884539B/zh not_active Expired - Fee Related
- 2011-03-14 AU AU2011226646A patent/AU2011226646B2/en not_active Ceased
- 2011-03-14 EP EP11717795.6A patent/EP2545501B1/en not_active Not-in-force
- 2011-03-14 BR BR112012022984-2A patent/BR112012022984A2/pt not_active Application Discontinuation
-
2013
- 2013-05-24 US US13/902,503 patent/US9122677B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
KR101777556B1 (ko) | 2017-09-12 |
WO2011113044A2 (en) | 2011-09-15 |
RU2012139044A (ru) | 2014-04-20 |
US20130248593A1 (en) | 2013-09-26 |
CA2792774A1 (en) | 2011-09-15 |
JP2013522143A (ja) | 2013-06-13 |
AU2011226646B2 (en) | 2015-04-02 |
ES2701024T3 (es) | 2019-02-20 |
CA2792774C (en) | 2016-11-08 |
EP2545501A2 (en) | 2013-01-16 |
CN102884539A (zh) | 2013-01-16 |
US9122677B2 (en) | 2015-09-01 |
US20110248083A1 (en) | 2011-10-13 |
AU2011226646A1 (en) | 2012-10-04 |
BR112012022984A2 (pt) | 2020-08-25 |
WO2011113044A3 (en) | 2012-02-23 |
JP5814275B2 (ja) | 2015-11-17 |
KR20130049773A (ko) | 2013-05-14 |
US8469261B2 (en) | 2013-06-25 |
EP2545501B1 (en) | 2018-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102884539B (zh) | 用于产品识别的系统和方法 | |
JP7422792B2 (ja) | 環境内のコンピュータビジョン駆動型アプリケーションのためのシステムおよび方法 | |
CN109214751B (zh) | 一种基于库存位置变化的智能库存管理系统 | |
EP3731546A1 (en) | Target object positioning system and positioning method | |
US8396755B2 (en) | Method of reclaiming products from a retail store | |
CN101268478B (zh) | 采用视频分析检测可疑活动的方法及装置 | |
US20140028837A1 (en) | Systems and methods of object measurement in an automated data reader | |
US20140147005A1 (en) | Method and apparatus for detecting fraud attempts in reverse vending machines | |
Milella et al. | Towards intelligent retail: Automated on-shelf availability estimation using a depth camera | |
US20230079018A1 (en) | Deep learning-based detection of item sizes for autonomous checkout in a cashier-less shopping store | |
CN113468914A (zh) | 一种商品纯净度的确定方法、装置及设备 | |
CN110473337A (zh) | 一种基于图像采集装置的自动售货机 | |
Jha et al. | Designing an efficient end-to-end machine learning pipeline for real-time empty-shelf detection | |
US20230252766A1 (en) | Model design and execution for empty shelf detection | |
RU2574806C2 (ru) | Система и способ для идентификации продукции | |
Ahmed | Advancing Retail Robotics: A Vision-Based Out of Stock Detection System for Retail Scenes Without Planograms | |
Falcão | Human Object Ownership Tracking in Autonomous Retail | |
KR20240085840A (ko) | 정보 처리 프로그램, 정보 처리 방법 및 정보 처리 장치 | |
WO2013106446A1 (en) | Method of reclaiming products from a retail store |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160803 |
|
CF01 | Termination of patent right due to non-payment of annual fee |