CN109447132A - 一种基于视觉及激光点云ai算法的包裹追踪方法 - Google Patents

一种基于视觉及激光点云ai算法的包裹追踪方法 Download PDF

Info

Publication number
CN109447132A
CN109447132A CN201811166542.0A CN201811166542A CN109447132A CN 109447132 A CN109447132 A CN 109447132A CN 201811166542 A CN201811166542 A CN 201811166542A CN 109447132 A CN109447132 A CN 109447132A
Authority
CN
China
Prior art keywords
package
point cloud
algorithm
access control
based access
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.)
Pending
Application number
CN201811166542.0A
Other languages
English (en)
Inventor
尹迪良
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.)
Guangzhou Ditechnic Automation Technology Co Ltd
Original Assignee
Guangzhou Ditechnic Automation Technology 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 Guangzhou Ditechnic Automation Technology Co Ltd filed Critical Guangzhou Ditechnic Automation Technology Co Ltd
Priority to CN201811166542.0A priority Critical patent/CN109447132A/zh
Publication of CN109447132A publication Critical patent/CN109447132A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于，包括：通过激光雷达采集包裹点云数据，通过聚类点云算法将采集到的包裹点云数据进行分类，系统自动剔取包裹异同点，并进行标注，系统对海量标注的图片自动进行学习，利用深度卷积算法，建立抽象包裹模型，用实际包裹对上述建立的模型进行优化，然后自动调优，重复步骤4，直到成功率达到99.9％，系统自动将最优的包裹模型储存到客户服务器，本发明利用激光雷达采集包裹点云数据，通过聚类点云算法将包裹数据进行分类、在对海量标注图片自动进行学习后，利用深度卷积算法，建立抽象包裹模型，实现对包裹准确性的追踪并节省了成本。

Description

一种基于视觉及激光点云AI算法的包裹追踪方法
技术领域
本发明涉及一种包裹追踪方法，特别涉及一种基于视觉及激光点云AI算法的包裹追踪方法。
背景技术
目前的包裹追踪的方法大多数都是利用多个传感器的配合实现的，而且需要大量的传感器，在大量的传感器的配合中容易出现偏差导致不能准确的追踪到每一个包裹，而且耗费大量的物质。
发明内容
本发明的目的是为了克服现有技术中的不足之处，提供一种基于视觉及激光点云AI算法的包裹追踪方法。
为了达到上述目的，本发明采用以下方案：
一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于，包括：
步骤1：通过激光雷达采集包裹点云数据；
步骤2：通过聚类点云算法将采集到的包裹点云数据进行分类；
步骤3：系统自动剔取包裹异同点，并进行标注；
步骤4：系统对海量标注的图片自动进行学习，利用深度卷积算法，建立抽象包裹模型；
步骤5：用实际包裹对上述建立的模型进行优化，然后自动调优，重复步骤4，直到成功率达到99.9％；
步骤6：系统自动将最优的包裹模型储存到客户服务器。
本发明所述的一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于：所述步骤3中剔取包裹异同点，并进行标注是通过激光雷达剔取包裹异同点，并进行标注的。
本发明所述的一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于：所述步骤4中海量标注是步骤3所标注的。
本发明所述的一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于：所述步骤4中系统对海量标注的图片自动进行学习是通过AI算法实现的。
本发明所述的一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于：所述步骤5中自动调优后重复步骤4前会判断成功率是否达到99.9％。
综上所述，本发明相对于现有技术其有益效果是：
本发明利用激光雷达采集包裹点云数据，通过聚类点云算法将包裹数据进行分类、剔取包裹异同点，并进行标注，在对海量标注图片自动进行学习后，利用深度卷积算法，建立抽象包裹模型，用实际包裹对上述建立的模型进行优化，然后自动调优，直到成功率达到99.9％，实现对包裹准确性的追踪并节省了成本。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图说明和具体实施方式对本发明作进一步描述：
如图1所示的一种基于视觉及激光点云AI算法的包裹追踪方法，包括：
步骤1：通过激光雷达采集包裹点云数据；
步骤2：通过聚类点云算法将采集到的包裹点云数据进行分类；
步骤3：系统自动剔取包裹异同点，并进行标注；
步骤4：系统对海量标注的图片自动进行学习，利用深度卷积算法，建立抽象包裹模型；
步骤5：用实际包裹对上述建立的模型进行优化，然后自动调优，重复步骤4，直到成功率达到99.9％；
步骤6：系统自动将最优的包裹模型储存到客户服务器。
如上所述将包裹通过激光雷达采集包裹点云数据，然后系统通过聚类点云算法将采集到的包裹点云数据进行分类。
如上所述的一种基于视觉及激光点云AI算法的包裹追踪方法，所述步骤3中剔取包裹异同点，并进行标注是通过激光雷达剔取包裹异同点，并进行标注的，剔除异同点可以排除一些干扰的信息，提高信息的有效性。
如上所述的一种基于视觉及激光点云AI算法的包裹追踪方法，所述步骤4中自动进行学习海量标注可以提高效率和准确性。
如上所述的一种基于视觉及激光点云AI算法的包裹追踪方法，所述步骤4中系统是利用AI算法实现的对海量标注的图片自动进行学习。
如上所述的一种基于视觉及激光点云AI算法的包裹追踪方法，所述步骤5中自动调优后重复步骤4前会判断成功率是否达到99.9％，经过判断可以确保准确性。
以上显示和描述了本发明的基本原理和主要特征以及本发明的优点，本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于，包括：
步骤1：通过激光雷达采集包裹点云数据；
步骤2：通过聚类点云算法将采集到的包裹点云数据进行分类；
步骤3：系统自动剔取包裹异同点，并进行标注；
步骤4：系统对海量标注的图片自动进行学习，利用深度卷积算法，建立抽象包裹模型；
步骤5：用实际包裹对上述建立的模型进行优化，然后自动调优，重复步骤4，直到成功率达到99.9％；
步骤6：系统自动将最优的包裹模型储存到客户服务器。
2.根据权利要求1所述的一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于：所述步骤3中剔取包裹异同点，并进行标注是通过激光雷达剔取包裹异同点，并进行标注的。
3.根据权利要求1所述的一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于：所述步骤4中海量标注是步骤3所标注的。
4.根据权利要求1所述的一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于：所述步骤4中系统对海量标注的图片自动进行学习是通过AI算法实现的。
5.根据权利要求1所述的一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于：所述步骤5中自动调优后重复步骤4前会判断成功率是否达到99.9％。
CN201811166542.0A 2018-10-08 2018-10-08 一种基于视觉及激光点云ai算法的包裹追踪方法 Pending CN109447132A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811166542.0A CN109447132A (zh) 2018-10-08 2018-10-08 一种基于视觉及激光点云ai算法的包裹追踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811166542.0A CN109447132A (zh) 2018-10-08 2018-10-08 一种基于视觉及激光点云ai算法的包裹追踪方法

Publications (1)

Publication Number Publication Date
CN109447132A true CN109447132A (zh) 2019-03-08

Family

ID=65546132

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811166542.0A Pending CN109447132A (zh) 2018-10-08 2018-10-08 一种基于视觉及激光点云ai算法的包裹追踪方法

Country Status (1)

Country Link
CN (1) CN109447132A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110782038A (zh) * 2019-09-27 2020-02-11 深圳蓝胖子机器人有限公司 自动标记训练样本的方法和系统及监督学习的方法和系统
CN113052274A (zh) * 2021-06-02 2021-06-29 天津云圣智能科技有限责任公司 点云数据处理方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090060345A1 (en) * 2007-08-30 2009-03-05 Leica Geosystems Ag Rapid, spatial-data viewing and manipulating including data partition and indexing
CN106650809A (zh) * 2016-12-20 2017-05-10 福州大学 一种车载激光点云目标分类方法和系统
CN107016516A (zh) * 2015-09-25 2017-08-04 手持产品公司 用于贯穿运输监控包裹情况的系统
CN107247960A (zh) * 2017-05-08 2017-10-13 深圳市速腾聚创科技有限公司 图像提取分类区域的方法、物体识别方法及汽车
CN107597600A (zh) * 2017-09-26 2018-01-19 北京京东尚科信息技术有限公司 分拣系统和分拣方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090060345A1 (en) * 2007-08-30 2009-03-05 Leica Geosystems Ag Rapid, spatial-data viewing and manipulating including data partition and indexing
CN107016516A (zh) * 2015-09-25 2017-08-04 手持产品公司 用于贯穿运输监控包裹情况的系统
CN106650809A (zh) * 2016-12-20 2017-05-10 福州大学 一种车载激光点云目标分类方法和系统
CN107247960A (zh) * 2017-05-08 2017-10-13 深圳市速腾聚创科技有限公司 图像提取分类区域的方法、物体识别方法及汽车
CN107597600A (zh) * 2017-09-26 2018-01-19 北京京东尚科信息技术有限公司 分拣系统和分拣方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110782038A (zh) * 2019-09-27 2020-02-11 深圳蓝胖子机器人有限公司 自动标记训练样本的方法和系统及监督学习的方法和系统
CN113052274A (zh) * 2021-06-02 2021-06-29 天津云圣智能科技有限责任公司 点云数据处理方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN110263675B (zh) 一种社区安保机器人的垃圾目标识别系统及其识别方法
CN104007763B (zh) 一种固定式电子鼻节点与移动机器人协作搜寻气味源方法
CN110288001B (zh) 基于目标数据特征训练学习的目标识别方法
CN108090423A (zh) 一种基于热力图和关键点回归的深度车牌检测方法
CN104020475A (zh) 一种基于机载LiDAR数据的电力线提取及建模方法
CN109447132A (zh) 一种基于视觉及激光点云ai算法的包裹追踪方法
CN108664841A (zh) 一种基于激光点云的动静态目标物识别方法及装置
EP2838051A3 (en) Linear road marking detection method and linear road marking detection apparatus
CN104794425B (zh) 一种基于行驶轨迹的车辆统计方法
CN112288597A (zh) 一种基于层次聚类和直方图算法的能耗在线异常检测方法
Zhong et al. Dcl-slam: A distributed collaborative lidar slam framework for a robotic swarm
CN109376584A (zh) 一种用于畜牧业的禽畜数量统计系统和方法
CN109948413A (zh) 基于高精度地图融合的车道线检测方法
CN109543184A (zh) 一种基于深度学习的集装箱文本识别方法
CN111914815A (zh) 一种垃圾目标的机器视觉智能识别系统及方法
CN112295949A (zh) 一种基于深度神经网络的视觉智能分拣方法及系统
CN105761507B (zh) 一种基于三维轨迹聚类的车辆计数方法
CN111611956B (zh) 面向地铁视觉图像的轨道检测方法及系统
CN108021878B (zh) 一种等高线负向地貌智能识别方法
CN107145088A (zh) 一种公路巡查无人机图像传输与处理方法
CN107403205A (zh) 一种基于随机森林的rfid仓库货包平面定位方法
CN103198126B (zh) 物联网时空数据管理方法
CN107911654A (zh) 基于图像处理技术的水表自动抄表系统及方法
CN104992448A (zh) 机器人防损伤采摘葡萄的自动定位方法
CN112668967A (zh) 基于大数据分析的冷链物流跟踪与溯源处理方法及大数据云平台

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190308