CN108875707B - 购物车内物品放置位置建议的方法、购物车及存储介质 - Google Patents

购物车内物品放置位置建议的方法、购物车及存储介质 Download PDF

Info

Publication number
CN108875707B
CN108875707B CN201810789476.6A CN201810789476A CN108875707B CN 108875707 B CN108875707 B CN 108875707B CN 201810789476 A CN201810789476 A CN 201810789476A CN 108875707 B CN108875707 B CN 108875707B
Authority
CN
China
Prior art keywords
shopping cart
commodity
image
geometric size
current
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.)
Active
Application number
CN201810789476.6A
Other languages
English (en)
Other versions
CN108875707A (zh
Inventor
刘童
兰春娥
张治国
饶晖
刘向阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201810789476.6A priority Critical patent/CN108875707B/zh
Publication of CN108875707A publication Critical patent/CN108875707A/zh
Application granted granted Critical
Publication of CN108875707B publication Critical patent/CN108875707B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及购物车领域，公开了购物车内物品放置位置建议的方法、购物车及存储介质。方法包括分别获取购物车内空间及待放入购物车内当前商品的几何尺寸和目标重量；判断空间内有无大于等于几何尺寸的区域，若无，则进行无可放置空间提示；若有，则判断大于等于几何尺寸的区域是否大于一，若否，则将大于等于几何尺寸的区域作为建议放置的位置；若是，则将至少两个大于等于几何尺寸的区域分别作为预选区域；根据各预选区域的受压损失期望曲线，分别确定各预选区域放置目标重量后的损失值，受压损失期望曲线表征区域内所承受重量与损失值之间的对应关系；将损失值最小的预选区域作为建议放置的位置。上述方案可以对消费者提供商品放置位置建议。

Description

购物车内物品放置位置建议的方法、购物车及存储介质
技术领域
本申请一般涉及购物车技术领域，尤其涉及一种购物车内物品放置位置建议的方法、购物车及存储介质。
背景技术
超市是现代都市人经常性购物的场所，因其便利性及商品的丰富性而广受购物者所喜欢。一般购物者会使用购物车在超市内进行购物，若有喜欢的物品就放置于购物车内，等购物完成后到收费处集中结账。但是，顾客所要购买的商品较多且种类不同时，可能出现商品之间因叠放、磕碰造成的表面破损、结构破坏或者污损，影响了用户的购物体验，也造成了不可接受程度的损失。
发明内容
本申请期望提供一种购物车内物品放置位置建议的方法、购物车及存储介质，用于解决现有购物车在商品叠放时造成的不可接受程度的损失的问题。
本申请一方面提供一种提供购物车内物品放置位置建议的方法，包括以下步骤：
分别获取购物车内空间及待放入购物车内当前商品的几何尺寸和目标重量；
判断所述空间内有无大于等于所述几何尺寸的区域，若无，则进行无可放置空间提示；若有，则判断大于等于所述几何尺寸的区域是否大于一，若否，则将大于等于所述几何尺寸的区域作为建议放置的位置；若是，则将至少两个大于等于所述几何尺寸的区域分别作为预选区域；
根据各所述预选区域的受压损失期望曲线，分别确定各所述预选区域放置所述目标重量后的损失值，所述受压损失期望曲线表征区域内所承受重量与损失值之间的对应关系；
将损失值最小的预选区域作为建议放置的位置。
进一步地，所述分别获取购物车内空间及待放入购物车内当前商品的几何尺寸和目标重量，具体为：
获取购物车车体内的第一图像，所述第一图像至少包括第一深度信息；
根据所述第一深度信息确定当前状态下购物车内的空间；
获取待放入购物车内当前商品的第二图像，所述第二图像包括第一色彩信息和第二深度信息；
根据所述第二深度信息确定当前状态下所述当前商品的几何尺寸；
根据第一色彩信息识别所述当前商品，根据商品与重量的映射关系，确定当前商品的目标重量。
进一步地，所述分别获取购物车内空间及待放入购物车内当前商品的几何尺寸和目标重量，具体为：
获取购物车车体内的第一图像，所述第一图像至少包括第一深度信息；
根据所述第一深度信息确定当前状态下购物车内的空间；
获取待放入购物车内当前商品的第二图像，所述第二图像包括第一色彩信息；
根据第一色彩信息识别所述当前商品，根据商品与体积和重量的映射关系，确定当前商品的几何尺寸和目标重量。
进一步地，所述根据各所述预选区域的受压损失期望曲线，分别确定各所述预选区域放置所述目标重量后的损失值，具体为：
所述第一图像还包括第二色彩信息；
根据所述第二色彩信息识别各所述预选区域内的被压商品，根据商品与受压损失期望曲线的映射关系，确定被压商品所对应的受压损失期望曲线；
根据被压商品所对应的受压损失期望曲线的所承受重量与损失值之间的对应关系，确定在被压商品上放置所述目标重量后的损失值。
进一步地，所述将损失值最小的预选区域作为建议放置的位置，具体为：
在显示装置上显示所述购物车内的实时画面，并将当前商品的图像叠加于所述实时画面中表征损失值最小的预选区域内。
本申请另一方面提供一种实现上述方法的购物车，包括：
获取单元，用于分别获取购物车内空间及待放入购物车内当前商品的几何尺寸和目标重量；
区域选择单元，用于判断所述空间内有无大于等于所述几何尺寸的区域，若无，则进行无可放置空间提示；若有，则判断大于等于所述几何尺寸的区域是否大于一，若否，则将大于等于所述几何尺寸的区域作为建议放置的位置；若是，则将至少两个大于等于所述几何尺寸的区域分别作为预选区域；
计算单元，用于根据各所述预选区域的受压损失期望曲线，分别确定各所述预选区域放置所述目标重量后的损失值，所述受压损失期望曲线表征区域内所承受重量与损失值之间的对应关系；
提示单元，用于将损失值最小的预选区域作为建议放置的位置。
进一步地，所述获取单元包括RGBD摄像头，所述RGBD摄像头用于获取购物车车体内的第一图像及待放入购物车内当前商品的第二图像，所述第一图像至少包括第一深度信息，所述第二图像包括第一色彩信息和第二深度信息；
所述计算单元，还用于根据所述第一深度信息确定当前状态下购物车内的空间，根据所述第二深度信息确定当前状态下所述当前商品的几何尺寸；
图像识别单元，用于根据第一色彩信息识别所述当前商品；
目标重量获取单元，用于根据商品与重量的映射关系，确定所述当前商品的目标重量。
进一步地，所述获取单元包括RGBD摄像头，所述RGBD摄像头用于获取购物车车体内的第一图像及待放入购物车内当前商品的第二图像，所述第一图像至少包括第一深度信息，所述第二图像包括第一色彩信息；
所述计算单元，还用于根据所述第一深度信息确定当前状态下购物车内的空间；
图像识别单元，用于根据第一色彩信息识别所述当前商品；
目标重量体积获取单元，用于根据商品与体积和重量的映射关系，确定所述当前商品的几何尺寸和目标重量。
进一步地，所述第一图像还包括第二色彩信息；
所述图像识别单元，还用于根据所述第二色彩信息识别各所述预选区域内的被压商品；
受压损失期望曲线确定单元，用于根据商品与受压损失期望曲线的映射关系，确定被压商品所对应的受压损失期望曲线；
损失确定单元，用于根据被压商品所对应的受压损失期望曲线的所承受重量与损失值之间的对应关系，确定在被压商品上放置所述目标重量后的损失值。
本申请又一方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被中央处理器执行时实现上述的方法。
本申请提供的上述方案，在确定可以容纳当前商品的预选区域后，通过判断当前商品放置于各预选区域后，对各预选区域所造成的损失，并将损失值最小的预选区域作为建议放置的位置，已供消费者参考是否将当前物品放置于建议的位置，这样可以最大限度的降低购物车内商品叠放时造成的破损等问题，即使存在损失也在可接受程度范围以内。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1为本发明实施例提供的提供购物车内物品放置位置建议的方法的流程图；
图2为显示界面的示意图；
图3为本发明施例提供的购物车的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
如图1所示，本发明实施例提供的一种提供购物车内物品放置位置建议的方法，包括以下步骤：
S10：分别获取购物车内空间及待放入购物车内当前商品的几何尺寸和目标重量；
在消费者选定当前商品时，将当前商品拿至购物车上的摄像头前方进行拍照扫描，通过图像识别的方式对所拍照的当前商品进行识别。例如但不限于，该购物车上设置嵌入式系统，该嵌入式系统内设置图像识别的程序，通过该图像识别程序来对当前商品进行识别。图像识别的程序可以是现有的图像识别程序。通过图像识别可以直接计算出当前商品的几何尺寸，另外识别出当前商品后，通过在存储有商品与总量对应关系的数据库中，查找出当前商品的目标重量，查找出的重量即为目标重量。当然还可以通过识别当前商品包装上标注的重量信息来获取其目标重量。
除此之前，还通过购物车上的摄像头对购物车进行拍摄，并通过图像识别的方式获得购物车内空间，这里所说的购物车内空间是指购物车内当前的空余空间。
S20：判断所述空间内有无大于等于所述几何尺寸的区域，若无，则进行无可放置空间提示；若有，则判断大于等于所述几何尺寸的区域是否大于一，若否，则将大于等于所述几何尺寸的区域作为建议放置的位置；若是，则将至少两个大于等于所述几何尺寸的区域分别作为预选区域；
在购物车内空间及当前商品的几何尺寸均已确定的情况下，判断当前的空间有无大于等于几何尺寸的区域，这里所说的大于等于几何尺寸的区域是指，只要当前商品以任意一个角度或姿态可以放入区域内，即认为是大于等于几何尺寸的区域。例如但不限于，区域是20cm×30cm的平面，当前商品的几何尺寸长宽高是20cm×28cm×40cm，虽然，当前商品横向放置(长高或宽高为底面)时，其无法放入空间，但其纵向放置(长宽为底面)时，其可以放入空间，则即可认为空间有大于等于几何尺寸的区域。在没有大于几何尺寸的区域时，例如可以通过语音“无可放置空间”、“空间已满”的方式提醒，也可以通过显示屏上显示叉号等方式提醒消费者已无空间容纳当前商品。
当空间内有可以容纳当前商品的区域时，即空间内有大于等于几何尺寸的区域，判断大于等于所述几何尺寸的区域是否大于一，当是一个时，则将这个区域作为建议放置的位置。当是两个以上时，将至少两个大于等于几何尺寸的区域分别作为预选区域，任何一个预选区域的大小均满足可以容纳当前商品。筛选两个以上的预选区域，可以更好的去找出一个合适的区域来放置当前商品。
S30：根据各所述预选区域的受压损失期望曲线，分别确定各所述预选区域放置所述目标重量后的损失值，所述受压损失期望曲线表征区域内所承受重量与损失值之间的对应关系；
每一种商品均具有唯一对应的受压损失期望曲线，受压损失期望曲线可以通过实验的方式获得，对于某一商品，可以分别多次在其上放置不同重量的测试件，来确定其对应的损失值。例如对于一个塑料袋包装的薯片，在其上放置0.5KG的测试件时，其包装未发生破损及薯片被压碎的情况，则标记为损失值为0，在其上放置1KG的测试件时，其包装未发生破损及薯片被压碎的情况，则仍标记为损失值为0，在其上放置1.5KG的测试件时，其包装未发生破损但部分薯片被压碎的情况，则标记为损失值为0.1，在其上放置2KG的测试件时，其包装发生破损且薯片被压碎的情况，则标记为损失值为0.3，在其上放置3KG的测试件时，其包装发生破损且薯片被压碎的情况，则标记为损失值为0.35等等，对于一个纸箱包装的水果，在其上放置3KG的测试件时，其包装未发生破损及水果被压坏的情况，则标记为损失值为0，在其上放置5KG的测试件时，其包装发生变形及水果未被压坏的情况，则仍标记为损失值为0，在其上放置10KG的测试件时，其包装发生变形且部分水果被压坏的情况，则标记为损失值为1，在其上放置20KG的测试件时，其包装发生破损且水果较多被压坏的情况，则标记为损失值为3等等，以此方式获得所有商品的受压损失期望曲线。损失值是与商品的种类、价格、易受损程度等而决定的。
在进行损失值计算时，将预选区域内的商品的受压损失期望曲线作为预选区域的受压损失期望曲线。需要特别说明的是，若预选区域内没有商品，则该预选区域所对应的受压损失期望曲线则是任何购物车载重范围内的重量下损失值均为0的线，即该预选区域的损失值为0。
以上述塑料袋包装的薯片及纸箱包装的水果所在的区域为例，作为预选区域，而所要防止的商品的重量为3KG，则对应于塑料袋包装的薯片预选区域的损失值为0.35，而对应与纸箱包装的水果预选区域的损失值为0。
S40：将损失值最小的预选区域作为建议放置的位置。
在获知各预选区域的损失值后，将损失值最小的预选区域作为建议放置的位置。例如上述例子中将纸箱包装的水果预选区域作为建议放置的位置。
上述方案，在确定可以容纳当前商品的预选区域后，通过判断当前商品放置于各预选区域后，对各预选区域所造成的损失，并将损失值最小的预选区域作为建议放置的位置，已供消费者参考是否将当前物品放置于建议的位置，这样可以最大限度的降低购物车内商品叠放时造成的破损等问题，即使存在损失也在可接受程度范围以内。
上述步骤S10，具体为：
S101：获取购物车车体内的第一图像，所述第一图像至少包括第一深度信息；
S102：根据所述第一深度信息确定当前状态下购物车内的空间；
S103：获取待放入购物车内当前商品的第二图像，所述第二图像包括第一色彩信息和第二深度信息；
S104：根据所述第二深度信息确定当前状态下所述当前商品的几何尺寸；
S105：根据第一色彩信息识别所述当前商品，根据商品与重量的映射关系，确定当前商品的目标重量。
购物车上的摄像头可以采用RGBD摄像头，RGBD摄像头可以同时获取色彩信息和深度信息，其中深度信息是通过其发射红外结构光，并接收其被物体反射回的光束而计算出物体表面到RGBD摄像头的距离。RGBD摄像头可以在“对齐”模式下工作，即色彩信息和深度信息的图像的宽高相同，且像素值一一对应。可通过调整RGBD摄像头的位置和角度，使其能够拍摄到整个购物车内的空间。
将RGBD摄像头拍摄的购物车车体内的图像作为第一图像，将RGBD摄像头拍摄的当前商品的图像作为第二图像。第一图像包括第一深度信息，根据第一深度信息计算当前状态下购物车内的空间。第二图像包括第二深度信息；根据第二深度信息计算当前状态下当前商品的几何尺寸。当然，第二图像还包括第一色彩信息，通过图像识别的方式根据第一色彩信息识别出当前商品，并根据商品与重量的映射关系，确定当前商品的目标重量。商品与重量的映射关系可以人为建立的数据库，其涵盖了超市内的商品，及产品对应的重量，且每一商品均唯一对应一个重量。
在进行预选区域选择时，一般会对购物车内图像中的不同物体进行分割，对商品进行分割是利用第一图像中的深度信息。其中，单个商品的边缘处数值为0，可以通过在深度图像中提取深度为0的像素集合，再进行连通域分析(Connected Component Analysis-Labeling；CCA)，得到商品边缘点集合即商品的轮廓，即实现了不同物体的分割。分割结果结合商品表面像素点在购物车坐标系中的坐标值即可得到每个商品的空间三维位置信息。由商品的空间三维位置信息可计算出其上的空余空间。
其中，商品的空间三维位置信息可以通过以下方式获得：
首先建立RGBD摄像头坐标系和购物车坐标系。RGBD摄像头坐标系以RGBD摄像头光轴为原点，图像横、纵坐标对应方向为X、Y轴，右手系规则得到Z轴。购物车坐标系可以选取购物车底盘矩形的中心位置为原点，平行于边框的横、纵方向为X、Y轴，竖直向上的方向为Z轴。由于购物车在设计时摄像头与购物车的相对位置是已知的，则RGBD摄像头坐标系和购物车坐标系之间的坐标变换是确定且已知的，设为T。
购物车中的商品表面在深度图像中的数值即为它距离摄像头的距离，结合它在深度图像中的坐标位置即可计算出它在摄像头坐标系中的物理坐标Pc＝(Xc，Yc，Zc)，再利用上述坐标变换T即可得到购物车表面每个点在购物车坐标系中的坐标Ps＝Pc*T。
上述步骤S10，还可以为：
S111：获取购物车车体内的第一图像，所述第一图像至少包括第一深度信息；
S112：根据所述第一深度信息确定当前状态下购物车内的空间；
S113：获取待放入购物车内当前商品的第二图像，所述第二图像包括第一色彩信息；
S114：根据第一色彩信息识别所述当前商品，根据商品与体积和重量的映射关系，确定当前商品的几何尺寸和目标重量。
该实施例与上述实施例的不同主要在于，如何获得当前商品的几何尺寸和目标重量。该实施例中是首先通过图像识别的方式识别出当前商品，然后在根据商品与体积和重量的映射关系来确定当前商品的几何尺寸和目标重量。商品与体积和重量的映射关系是预先建立并存储于数据库中，超市内每一商品都唯一对应一个自身的体积及重量。在识别出当前商品后，通过查询商品与体积和重量的映射关系即可获得当前商品的几何尺寸和目标重量。
进一步地，上述步骤S30，具体为：
S301：所述第一图像还包括第二色彩信息；
S302：根据所述第二色彩信息识别各所述预选区域内的被压商品，根据商品与受压损失期望曲线的映射关系，确定被压商品所对应的受压损失期望曲线；
S303：根据被压商品所对应的受压损失期望曲线的所承受重量与损失值之间的对应关系，确定在被压商品上放置所述目标重量后的损失值。
通过图形识别的方式，从第二色彩信息中识别出预选区域内的被压商品。在进行图像识别时，可以通过商品的名称、图案、二维码等信息来进行识别。每一商品均唯一对应一个受压损失期望曲线，以被识别出来的当前商品所对应的受压损失期望曲线，来对相应的预算区域进行损失值计算。
进一步地，步骤S40，具体为：
在显示装置上显示所述购物车内的实时画面，并将当前商品的图像叠加于所述实时画面中表征损失值最小的预选区域内。
显示装置可以是LED显示屏、OLCD显示屏等，其上实时的显示RGBD摄像头所拍摄的购物车内的图像。其显示界面3如图2所示，显示时，根据RGBD摄像头坐标系和购物车坐标系的以下关系Ps＝Pc*T，确定损失值最小的预选区域在RGBD摄像头坐标系内的坐标，并以其XY坐标进行图像的二维显示，并将识别的当前商品4叠加至上述XY坐标中进行显示。在显示时，当前商品4可以是半透明或不透明的状态。
如图3所示，本发明实施例还提供一种购物车，包括：获取单元，用于分别获取购物车内空间1及待放入购物车内当前商品的几何尺寸和目标重量；区域选择单元，用于判断所述空间内有无大于等于所述几何尺寸的区域，若无，则进行无可放置空间提示；若有，则判断大于等于所述几何尺寸的区域是否大于一，若否，则将大于等于所述几何尺寸的区域作为建议放置的位置；若是，则将至少两个大于等于所述几何尺寸的区域分别作为预选区域；计算单元，用于根据各所述预选区域的受压损失期望曲线，分别确定各所述预选区域放置所述目标重量后的损失值，所述受压损失期望曲线表征区域内所承受重量与损失值之间的对应关系；提示单元，用于将损失值最小的预选区域作为建议放置的位置。
提示单元可以是LED显示屏、OLCD显示屏等。
上述方案，在确定可以容纳当前商品的预选区域后，通过判断当前商品放置于各预选区域后，对各预选区域所造成的损失，并将损失值最小的预选区域作为建议放置的位置，以供消费者参考是否将当前物品放置于建议的位置，这样可以最大限度的降低购物车内商品叠放时造成的破损等问题，即使存在损失也在可接受程度范围以内。
进一步地，获取单元包括RGBD摄像头2，RGBD摄像头2用于获取购物车车体内的第一图像及待放入购物车内当前商品的第二图像，所述第一图像至少包括第一深度信息，所述第二图像包括第一色彩信息和第二深度信息；计算单元，还用于根据所述第一深度信息确定当前状态下购物车内的空间，根据所述第二深度信息确定当前状态下所述当前商品的几何尺寸；图像识别单元，用于根据第一色彩信息识别所述当前商品；目标重量获取单元，用于根据商品与重量的映射关系，确定所述当前商品的目标重量。采用RGBD摄像头2可以同时获取色彩信息及深度信息，便于后续进行图像识别及空间的计算。
进一步地，获取单元包括RGBD摄像头2，所述RGBD摄像头2用于获取购物车车体内的第一图像及待放入购物车内当前商品的第二图像，所述第一图像至少包括第一深度信息，所述第二图像包括第一色彩信息；计算单元，还用于根据所述第一深度信息确定当前状态下购物车内的空间；图像识别单元，用于根据第一色彩信息识别所述当前商品；目标重量体积获取单元，用于根据商品与体积和重量的映射关系，确定所述当前商品的几何尺寸和目标重量。采用此方法，通过商品与体积和重量的映射关系，确定当前商品的几何尺寸和目标重量，可以降低计算量，提高建议放置位置的提示速度。
进一步地，第一图像还包括第二色彩信息；图像识别单元，还用于根据第二色彩信息识别各预选区域内的被压商品；受压损失期望曲线确定单元，用于根据商品与受压损失期望曲线的映射关系，确定被压商品所对应的受压损失期望曲线；损失确定单元，用于根据被压商品所对应的受压损失期望曲线的所承受重量与损失值之间的对应关系，确定在被压商品上放置目标重量后的损失值。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被中央处理器执行时实现上述的方法。
在本发明中术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种提供购物车内物品放置位置建议的方法，其特征在于，包括以下步骤：
分别获取购物车内空间及待放入购物车内当前商品的几何尺寸和目标重量，所述购物车内空间指购物车内当前的空余空间；
判断所述空间内有无大于等于所述几何尺寸的区域，若无，则进行无可放置空间提示；若有，则判断大于等于所述几何尺寸的区域是否大于一，若否，则将大于等于所述几何尺寸的区域作为建议放置的位置；若是，则将至少两个大于等于所述几何尺寸的区域分别作为预选区域；
根据各所述预选区域的受压损失期望曲线，分别确定各所述预选区域放置所述目标重量后的损失值，所述受压损失期望曲线表征区域内所承受重量与损失值之间的对应关系；
将损失值最小的预选区域作为建议放置的位置。
2.根据权利要求1所述的提供购物车内物品放置位置建议的方法，其特征在于，所述分别获取购物车内空间及待放入购物车内当前商品的几何尺寸和目标重量，具体为：
获取购物车车体内的第一图像，所述第一图像至少包括第一深度信息；
根据所述第一深度信息确定当前状态下购物车内的空间；
获取待放入购物车内当前商品的第二图像，所述第二图像包括第一色彩信息和第二深度信息；
根据所述第二深度信息确定当前状态下所述当前商品的几何尺寸；
根据第一色彩信息识别所述当前商品，根据商品与重量的映射关系，确定当前商品的目标重量。
3.根据权利要求1所述的提供购物车内物品放置位置建议的方法，其特征在于，所述分别获取购物车内空间及待放入购物车内当前商品的几何尺寸和目标重量，具体为：
获取购物车车体内的第一图像，所述第一图像至少包括第一深度信息；
根据所述第一深度信息确定当前状态下购物车内的空间；
获取待放入购物车内当前商品的第二图像，所述第二图像包括第一色彩信息；
根据第一色彩信息识别所述当前商品，根据商品与体积和重量的映射关系，确定当前商品的几何尺寸和目标重量。
4.根据权利要求2-3任一项所述的提供购物车内物品放置位置建议的方法，其特征在于，所述根据各所述预选区域的受压损失期望曲线，分别确定各所述预选区域放置所述目标重量后的损失值，具体为：
所述第一图像还包括第二色彩信息；
根据所述第二色彩信息识别各所述预选区域内的被压商品，根据商品与受压损失期望曲线的映射关系，确定被压商品所对应的受压损失期望曲线；
根据被压商品所对应的受压损失期望曲线的所承受重量与损失值之间的对应关系，确定在被压商品上放置所述目标重量后的损失值。
5.根据权利要求4所述的提供购物车内物品放置位置建议的方法，所述将损失值最小的预选区域作为建议放置的位置，具体为：
在显示装置上显示所述购物车内的实时画面，并将当前商品的图像叠加于所述实时画面中表征损失值最小的预选区域内。
6.一种实现权利要求1-5任一项所述方法的购物车，其特征在于，包括：
获取单元，用于分别获取购物车内空间及待放入购物车内当前商品的几何尺寸和目标重量，所述购物车内空间指购物车内当前的空余空间；
区域选择单元，用于判断所述空间内有无大于等于所述几何尺寸的区域，若无，则进行无可放置空间提示；若有，则判断大于等于所述几何尺寸的区域是否大于一，若否，则将大于等于所述几何尺寸的区域作为建议放置的位置；若是，则将至少两个大于等于所述几何尺寸的区域分别作为预选区域；
计算单元，用于根据各所述预选区域的受压损失期望曲线，分别确定各所述预选区域放置所述目标重量后的损失值，所述受压损失期望曲线表征区域内所承受重量与损失值之间的对应关系；
提示单元，用于将损失值最小的预选区域作为建议放置的位置。
7.根据权利要求6所述的购物车，其特征在于，所述获取单元包括RGBD摄像头，所述RGBD摄像头用于获取购物车车体内的第一图像及待放入购物车内当前商品的第二图像，所述第一图像至少包括第一深度信息，所述第二图像包括第一色彩信息和第二深度信息；
所述计算单元，还用于根据所述第一深度信息确定当前状态下购物车内的空间，根据所述第二深度信息确定当前状态下所述当前商品的几何尺寸；
图像识别单元，用于根据第一色彩信息识别所述当前商品；
目标重量获取单元，用于根据商品与重量的映射关系，确定所述当前商品的目标重量。
8.根据权利要求6所述的购物车，其特征在于，所述获取单元包括RGBD摄像头，所述RGBD摄像头用于获取购物车车体内的第一图像及待放入购物车内当前商品的第二图像，所述第一图像至少包括第一深度信息，所述第二图像包括第一色彩信息；
所述计算单元，还用于根据所述第一深度信息确定当前状态下购物车内的空间；
图像识别单元，用于根据第一色彩信息识别所述当前商品；
目标重量体积获取单元，用于根据商品与体积和重量的映射关系，确定所述当前商品的几何尺寸和目标重量。
9.根据权利要求7或8所述的购物车，其特征在于，所述第一图像还包括第二色彩信息；
所述图像识别单元，还用于根据所述第二色彩信息识别各所述预选区域内的被压商品；
受压损失期望曲线确定单元，用于根据商品与受压损失期望曲线的映射关系，确定被压商品所对应的受压损失期望曲线；
损失确定单元，用于根据被压商品所对应的受压损失期望曲线的所承受重量与损失值之间的对应关系，确定在被压商品上放置所述目标重量后的损失值。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被中央处理器执行时实现如权利要求1-5中任一项所述的方法。
CN201810789476.6A 2018-07-18 2018-07-18 购物车内物品放置位置建议的方法、购物车及存储介质 Active CN108875707B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810789476.6A CN108875707B (zh) 2018-07-18 2018-07-18 购物车内物品放置位置建议的方法、购物车及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810789476.6A CN108875707B (zh) 2018-07-18 2018-07-18 购物车内物品放置位置建议的方法、购物车及存储介质

Publications (2)

Publication Number Publication Date
CN108875707A CN108875707A (zh) 2018-11-23
CN108875707B true CN108875707B (zh) 2022-06-21

Family

ID=64303254

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810789476.6A Active CN108875707B (zh) 2018-07-18 2018-07-18 购物车内物品放置位置建议的方法、购物车及存储介质

Country Status (1)

Country Link
CN (1) CN108875707B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109961045B (zh) * 2019-03-25 2021-10-22 联想(北京)有限公司 一种位置信息提示方法、装置及电子设备
CN113537677A (zh) * 2020-04-20 2021-10-22 苏州佳世达光电有限公司 一种提供物品摆放建议的收纳系统及收纳方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018126345A1 (zh) * 2017-01-04 2018-07-12 西安超嗨网络科技有限公司 一种智能购物车商品鉴别方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106056056B (zh) * 2016-05-23 2019-02-22 浙江大学 一种远距离非接触的行李体积检测系统及其方法
CN106934581A (zh) * 2017-03-31 2017-07-07 联想(北京)有限公司 信息处理方法、信息处理装置及电子设备
CN108009675B (zh) * 2017-11-28 2022-05-20 上海量明科技发展有限公司 货物装箱方法、装置及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018126345A1 (zh) * 2017-01-04 2018-07-12 西安超嗨网络科技有限公司 一种智能购物车商品鉴别方法及系统

Also Published As

Publication number Publication date
CN108875707A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
US10909667B1 (en) Image rectification using transformation data
US10902280B1 (en) System to search three-dimensional object data
US11373320B1 (en) Detecting inventory changes by comparing image data
US11481885B2 (en) Systems and methods for object dimensioning based on partial visual information
US10579875B2 (en) Systems and methods for object identification using a three-dimensional scanning system
US10474858B2 (en) Methods of identifying barcoded items by evaluating multiple identification hypotheses, based on data from sensors including inventory sensors and ceiling-mounted cameras
US10692231B1 (en) Composite agent representation
EP2751748B1 (en) Methods and arrangements for identifying objects
CA2888153C (en) Methods and arrangements for identifying objects
US20160364634A1 (en) Methods and arrangements for identifying objects
WO2019136315A2 (en) Systems and methods for volumetric sizing
JP6222345B2 (ja) Ｐｏｓ端末装置、ｐｏｓシステム、画像処理方法及びプログラム
WO2017085771A1 (ja) 精算支援システム、精算支援プログラム、及び精算支援方法
US10346659B1 (en) System for reading tags
WO2012061945A1 (en) System and method for object searching using spatial data
CN108875707B (zh) 购物车内物品放置位置建议的方法、购物车及存储介质
CN108764998B (zh) 智能展示装置以及智能展示方法
US11961303B1 (en) Agent re-verification and resolution using imaging
CN110569789B (zh) 商品组合型sku识别方法及其装置
US11663742B1 (en) Agent and event verification
US11117744B1 (en) Determination of untidy item return to an inventory location
CN111681075A (zh) 一种用于电子商务的商品信息修改系统及其工作方法
US20230252750A1 (en) Multiview association of multiple items for item recognition
US11842321B1 (en) Image-based detection of planogram product spaces
CN114821729A (zh) 商品导购方法、装置、云服务器及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant