CN109823628B - 物体排序整理箱及方法 - Google Patents
物体排序整理箱及方法 Download PDFInfo
- Publication number
- CN109823628B CN109823628B CN201910066362.3A CN201910066362A CN109823628B CN 109823628 B CN109823628 B CN 109823628B CN 201910066362 A CN201910066362 A CN 201910066362A CN 109823628 B CN109823628 B CN 109823628B
- Authority
- CN
- China
- Prior art keywords
- box body
- sorting
- box
- central processing
- measurement information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005259 measurement Methods 0.000 claims abstract description 56
- 238000013528 artificial neural network Methods 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000004891 communication Methods 0.000 claims abstract description 6
- 230000005484 gravity Effects 0.000 claims description 21
- 230000001133 acceleration Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Sorting Of Articles (AREA)
Abstract
本发明公开了一种物体排序整理箱及方法，该整理箱包括：箱体、多个机械转轴和中央处理模块。其中，所述多个机械转轴安装在所述箱体的底脚上，所述中央处理模块分别与所述箱体及多个机械转轴通信连接。所述箱体，用于获取各个依次被放入物体的测量信息，并上报给所述中央处理模块。所述中央处理模块，用于根据所述各个依次被放入物体的测量信息，利用训练后的神经网络计算所述箱体的转动参数，并发送给所述机械转轴。所述机械转轴，用于按照所述转动参数转动，以带动所述箱体进行多方向转动，以使所述各个依次被放入物体发生位置移动、空间置换和摆放顺序的交换。运用本整理箱不但提高了空间利用率，而且物体整理耗时少、成本低。
Description
技术领域
本发明涉及物体排序技术领域，尤其涉及一种物体排序整理箱及方法。
背景技术
放置在固定空间例如整理箱内的物体，如果不能合理安排物体的放置顺序与位置，多个物体之间留出的空隙，造成了整理箱空间利用率低的现象。
现有技术只能根据人设定好的固定顺序，依靠机械手或搬运器具依次把物体拿出箱子再摆放进去，不但耗时多且成本较高。
发明内容
有鉴于此，本发明实施例提供了一种物体排序整理箱及方法，用来解决现有技术中排序整理固定空间中物体耗时多且成本较高的问题。
因此，第一方面，本发明实施例提供一种物体排序整理箱，包括：箱体、多个机械转轴和中央处理模块；其中，
所述多个机械转轴安装在所述箱体的底脚上；
所述中央处理模块分别与所述箱体及多个机械转轴通信连接；
所述箱体，用于获取各个依次被放入物体的测量信息，并上报给所述中央处理模块；
所述中央处理模块，用于根据所述各个依次被放入物体的测量信息，利用训练后的神经网络计算所述箱体的转动参数，并发送给所述机械转轴；
所述机械转轴，用于按照所述转动参数转动，以带动所述箱体进行多方向转动，以使所述各个依次被放入物体发生位置移动、空间置换和摆放顺序的交换；
其中，所述训练后的神经网络是根据各个依次被放入物体的测量信息、个数、箱体体积组成的多组样本，对神经网络进行训练得到的。
进一步地，所述测量信息包括：质量、几何形状以及整个物体在所述箱体内放置的空间信息。
进一步地，所述箱体包括：重力感应模块；
所述重力感应模块设置于所述箱体底部，用于测量放入所述箱体内的物体的质量。
进一步地，所述箱体包括：多个红外扫描模块；
在所述箱体的每个面上设置至少一个红外扫描模块，用于扫描放入所述箱体内的物体的几何形状以及整个物体在所述箱体内放置的空间信息；
其中，所述几何形状包括物体的长、宽、高，所述空间信息包括物体边缘每个顶点的空间坐标。
进一步地，所述中央处理模块，具体用于：
启动所述多个红外扫描模块扫描每个物体之间的空间，并根据每个物体的空间信息，计算出所有物体之间的空间总和；
若所述空间总和小于等于预设空间阈值，则不计算所述箱体的转动参数；
若所述空间总和大于预设空间阈值，则利用训练后的神经网络计算所述箱体的转动参数，并发送给所述机械转轴。
进一步地，所述中央处理模块，具体用于：
确定相隔空间最大的两个物体中几何形状最大的第一物体；
确定所述第一物体距离周围物体的最大轴距对应的第一方向，所述第一方向为箱体首次移动的方向；
根据第一公式计算所述箱体移动的加速度a；其中，所述第一公式为a＝x*M*g*cosz；
其中，M为所述第一物体的质量，g为重力加速度，z为箱体首次移动的方向与水平距离的夹角，x为基于所述训练后神经网络得出的权重值。
进一步地，所述中央处理模块，具体用于：
根据第二公式计算箱体沿着所述首次移动的方向移动的时间t；其中，所述第二公式为t＝y*(R/a)1/2；
其中，y为所述训练后神经网络得出的权重值，R为所述最大轴距。
第二方面，本发明实施例提供一种物体排序整理方法，包括：
将多个物体依次放入箱体内；
所述箱体获取各个依次被放入物体的测量信息，并上报给中央处理模块；
所述中央处理模块根据所述各个依次被放入物体的测量信息，利用训练后的神经网络计算所述箱体的转动参数，并发送给机械转轴；
所述机械转轴按照所述转动参数转动，以带动所述箱体进行多方向转动，以使所述各个依次被放入物体发生位置移动、空间置换和摆放顺序的交换；
其中，所述训练后的神经网络是根据各个依次被放入物体的测量信息、个数、箱体体积组成的多组样本，对神经网络进行训练得到的。
进一步地，所述测量信息包括：质量、几何形状以及整个物体在所述箱体内放置的空间信息。
进一步地，所述箱体包括：重力感应模块；
所述重力感应模块设置于所述箱体底部；
所述箱体获取各个依次被放入物体的测量信息，具体包括：
利用所述重力感应模块测量放入所述箱体内的物体的质量。
进一步地，所述箱体包括：多个红外扫描模块；
在所述箱体的每个面上设置至少一个红外扫描模块；
所述箱体获取各个依次被放入物体的测量信息，具体包括：
利用所述多个红外扫描模块扫描放入所述箱体内的物体的几何形状以及整个物体在所述箱体内放置的空间信息；
其中，所述几何形状包括物体的长、宽、高，所述空间信息包括物体边缘每个顶点的空间坐标。
进一步地，所述中央处理模块根据所述各个依次被放入物体的测量信息，利用训练后的神经网络计算所述箱体的转动参数，并发送给机械转轴，具体包括：
所述中央处理模块启动所述多个红外扫描模块扫描每个物体之间的空间，并根据每个物体的空间信息，计算出所有物体之间的空间总和；
若所述空间总和小于等于预设空间阈值，则不计算所述箱体的转动参数；
若所述空间总和大于预设空间阈值，则利用训练后的神经网络计算所述箱体的转动参数，并发送给所述机械转轴。
进一步地，所述利用训练后的神经网络计算所述箱体的转动参数，具体包括：
所述中央处理模块确定相隔空间最大的两个物体中几何形状最大的第一物体；确定所述第一物体距离周围物体的最大轴距对应的第一方向，所述第一方向为箱体首次移动的方向；根据第一公式计算所述箱体移动的加速度a；其中，所述第一公式为a＝x*M*g*cosz；其中，M为所述第一物体的质量，g为重力加速度，z为箱体首次移动的方向与水平距离的夹角，x为基于所述训练后神经网络得出的权重值；
根据第二公式计算箱体沿着所述首次移动的方向移动的时间t；其中，所述第二公式为t＝y*(R/a)1/2；其中，y为所述训练后神经网络得出的权重值，R为所述最大轴距。
本发明实施例提供的物体排序整理箱及方法，该整理箱包括：箱体、多个机械转轴和中央处理模块。其中，所述多个机械转轴安装在所述箱体的底脚上，所述中央处理模块分别与所述箱体及多个机械转轴通信连接。所述箱体，用于获取各个依次被放入物体的测量信息，并上报给所述中央处理模块。所述中央处理模块，用于根据所述各个依次被放入物体的测量信息，利用训练后的神经网络计算所述箱体的转动参数，并发送给所述机械转轴。所述机械转轴，用于按照所述转动参数转动，以带动所述箱体进行多方向转动，以使所述各个依次被放入物体发生位置移动、空间置换和摆放顺序的交换。其中，所述训练后的神经网络是根据各个依次被放入物体的测量信息、个数、箱体体积组成的多组样本，对神经网络进行训练得到的。运用本整理箱，无需把所有物品拿出，只需要根据神经网络得到的转动参数控制机械转轴摇晃、转动整个整理箱，就可让物体在整理箱摇动的过程中完成空间、位置的置换，不但提高了空间利用率，而且耗时少、成本低。
应当理解，上述发明内容部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征，亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的物体排序整理箱的结构示意图；
图2为本发明实施例二提供的物体排序整理箱的结构示意图；
图3为本发明实施例二中权重值x、y的生成示意图；
图4为本发明实施例三提供的物体排序整理方法的流程示意图。
附图标记：
110-箱体； 120-机械转轴； 130-中央处理模块；
111-重力感应模块； 112-红外扫描模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明实施例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
以下将参照附图来具体描述本申请的实施例。
实施例一
图1为本发明实施例一提供的物体排序整理箱的结构示意图，如图1所示，该整理箱包括：
箱体110、多个机械转轴120和中央处理模块130。
其中，所述多个机械转轴120安装在所述箱体110的底脚上。所述中央处理模块120分别与所述箱体110及多个机械转轴120通信连接。
所述箱体110，用于获取各个依次被放入物体的测量信息，并上报给所述中央处理模块130。
其中，所述测量信息包括：质量、几何形状以及整个物体在所述箱体内放置的空间信息，也可以包括其他数据，本发明对此不做限定。
所述中央处理模块130，用于根据所述各个依次被放入物体的测量信息，利用训练后的神经网络计算所述箱体110的转动参数，并发送给所述机械转轴120。
其中，所述转动参数包括转动方向、加速度、持续时间，也可以包括其他数据，本发明对此不做限定。
其中，所述训练后的神经网络是根据各个依次被放入物体的测量信息、个数、箱体体积组成的多组样本，对神经网络进行训练得到的，经过多次、大量实验样本的训练，该训练后的神经网络得出的转动参数可以保证在最短的时间内所有物体可达到最优摆放顺序。
所述机械转轴120，用于按照所述转动参数转动，以带动所述箱体110进行多方向转动，以使所述各个依次被放入物体发生位置移动、空间置换和摆放顺序的交换。
实际应用中，可以将多个物体依次放入箱体110内，箱体110获取到各个依次被放入物体的测量信息，并上报给中央处理模块130，中央处理模块130根据各个被放入物体的测量信息，利用训练后的神经网络计算箱体110需要的转动参数，并发送给机械转轴120，机械转轴120按照转动参数进行转动，以带动箱体110进行多方向转动，以使各个被放入物体发生位置移动、空间置换和摆放顺序的交换，从而在最短的时间内达到最优摆放顺序。
本实施例提供的物体排序整理箱，包括：箱体、多个机械转轴和中央处理模块。其中，多个机械转轴安装在箱体的底脚上，中央处理模块分别与箱体及多个机械转轴通信连接。箱体用于获取各个依次被放入物体的测量信息，并上报给中央处理模块。中央处理模块用于根据各个依次被放入物体的测量信息，利用训练后的神经网络计算箱体的转动参数，并发送给机械转轴。机械转轴用于按照转动参数转动，以带动箱体进行多方向转动，以使各个依次被放入物体发生位置移动、空间置换和摆放顺序的交换。运用本整理箱，无需把所有物品拿出，只需要根据神经网络得到的转动参数控制机械转轴摇晃、转动整个整理箱，就可让物体在整理箱摇动的过程中完成空间、位置的置换，不但提高了空间利用率，而且耗时少、成本低。
实施例二
图2为本发明实施例二提供的物体排序整理箱的结构示意图，如图2所示，在上述实施例一的基础上，优选的，所述箱体110包括：重力感应模块111。
所述重力感应模块111设置于所述箱体110底部，用于测量放入所述箱体110内的物体的质量。
进一步地，所述箱体110还包括：多个红外扫描模块112。
在所述箱体110的每个面上设置至少一个红外扫描模块112，用于扫描放入所述箱体110内的物体的几何形状以及整个物体在所述箱体110内放置的空间信息。
其中，所述几何形状包括物体的长、宽、高，所述空间信息包括物体边缘每个顶点的空间坐标。
进一步地，所述中央处理模块130，具体用于：
启动所述多个红外扫描模块112扫描每个物体之间的空间，并根据每个物体的空间信息，计算出所有物体之间的空间总和V1。
若所述空间总和V1小于等于预设空间阈值V2，则不计算所述箱体110的转动参数。
若所述空间总和V1大于预设空间阈值V2，则利用训练后的神经网络计算所述箱体110的转动参数，并发送给所述机械转轴120。
进一步地，所述中央处理模块130，具体用于：
确定相隔空间最大的两个物体中几何形状最大的第一物体。
确定所述第一物体距离周围物体的最大轴距对应的第一方向，所述第一方向为箱体首次移动的方向。
根据第一公式计算所述箱体移动的加速度a。
其中，所述第一公式为a＝x*M*g*cosz。
其中，M为所述第一物体的质量，g为重力加速度，z为箱体首次移动的方向与水平距离的夹角，x为基于所述训练后神经网络得出的权重值。
根据第二公式计算箱体沿着所述首次移动的方向移动的时间t。
其中，所述第二公式为t＝y*(R/a)1/2。
其中，y为所述训练后神经网络得出的权重值，R为所述最大轴距。
具体地，如图3所示，上述权重值x、y是训练后的神经网络根据当前箱体110内的物体的质量、个数、体积、空间位置、箱体体积计算得出的，可以保证在最短的时间内所有物体可达到最优摆放顺序。
本实施例提供的物体排序整理箱，箱体包括：重力感应模块、多个红外扫描模块。其中，所述重力感应模块设置于所述箱体底部，用于测量放入所述箱体内的物体的质量，在所述箱体的每个面上设置至少一个红外扫描模块，用于扫描放入所述箱体内的物体的几何形状以及整个物体在所述箱体内放置的空间信息。运用本整理箱，无需把所有物品拿出，只需要根据神经网络得到的转动参数控制机械转轴摇晃、转动整个整理箱，就可让物体在整理箱摇动的过程中完成空间、位置的置换，不但提高了空间利用率，而且耗时少、成本低。
实施例三
图4为本发明实施例三提供的物体排序整理方法的流程示意图。本实施例采用上述实施例一和实施例二中提供的物体排序整理箱，如图4所示，该方法包括：
S101、将多个物体依次放入箱体内。
S102、所述箱体获取各个依次被放入物体的测量信息，并上报给中央处理模块。
S103、所述中央处理模块根据所述各个依次被放入物体的测量信息，利用训练后的神经网络计算所述箱体的转动参数，并发送给机械转轴。
S104、所述机械转轴按照所述转动参数转动，以带动所述箱体进行多方向转动，以使所述各个依次被放入物体发生位置移动、空间置换和摆放顺序的交换。
其中，所述训练后的神经网络是根据各个依次被放入物体的测量信息、个数、箱体体积组成的多组样本，对神经网络进行训练得到的。
本实施例提供的物体排序整理方法，通过将多个物体依次放入箱体内，然后箱体获取各个依次被放入物体的测量信息，并上报给中央处理模块，然后中央处理模块根据各个依次被放入物体的测量信息，利用训练后的神经网络计算箱体的转动参数，并发送给机械转轴，机械转轴按照转动参数转动，以带动所述箱体进行多方向转动，可以使各个依次被放入物体发生位置移动、空间置换和摆放顺序的交换，其中，训练后的神经网络是根据各个依次被放入物体的测量信息、个数、箱体体积组成的多组样本，对神经网络进行训练得到的。运用本方案，无需把所有物品拿出，只需要根据神经网络得到的转动参数控制机械转轴摇晃、转动整个整理箱，就可让物体在整理箱摇动的过程中完成空间、位置的置换，不但提高了空间利用率，而且耗时少、成本低。
进一步地，所述测量信息包括：质量、几何形状以及整个物体在所述箱体内放置的空间信息。
进一步地，所述箱体包括：重力感应模块。
所述重力感应模块设置于所述箱体底部。
上述步骤S102中，箱体获取各个依次被放入物体的测量信息，具体包括：
利用所述重力感应模块测量放入所述箱体内的物体的质量。
进一步地，所述箱体还包括：多个红外扫描模块。
其中，在所述箱体的每个面上设置至少一个红外扫描模块。
上述步骤S102中，箱体获取各个依次被放入物体的测量信息，具体包括：
利用所述多个红外扫描模块扫描放入所述箱体内的物体的几何形状以及整个物体在所述箱体内放置的空间信息。
其中，所述几何形状包括物体的长、宽、高，所述空间信息包括物体边缘每个顶点的空间坐标。
进一步地，上述步骤S103，具体包括：
所述中央处理模块启动所述多个红外扫描模块扫描每个物体之间的空间，并根据每个物体的空间信息，计算出所有物体之间的空间总和。
若所述空间总和小于等于预设空间阈值，则不计算所述箱体的转动参数。
若所述空间总和大于预设空间阈值，则利用训练后的神经网络计算所述箱体的转动参数，并发送给所述机械转轴。
进一步地，上述步骤S103中，利用训练后的神经网络计算所述箱体的转动参数，具体包括：
所述中央处理模块确定相隔空间最大的两个物体中几何形状最大的第一物体。确定所述第一物体距离周围物体的最大轴距对应的第一方向，所述第一方向为箱体首次移动的方向。根据第一公式计算所述箱体移动的加速度a。其中，所述第一公式为a＝x*M*g*cosz。
其中，M为所述第一物体的质量，g为重力加速度，z为箱体首次移动的方向与水平距离的夹角，x为基于所述训练后神经网络得出的权重值。
根据第二公式计算箱体沿着所述首次移动的方向移动的时间t。其中，所述第二公式为t＝y*(R/a)1/2。
其中，y为所述训练后神经网络得出的权重值，R为所述最大轴距。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (12)
1.一种物体排序整理箱，其特征在于，包括：箱体、多个机械转轴和中央处理模块；其中，
所述多个机械转轴安装在所述箱体的底脚上；
所述中央处理模块分别与所述箱体及多个机械转轴通信连接；
所述箱体，用于获取各个依次被放入物体的测量信息，并上报给所述中央处理模块；
所述中央处理模块，用于根据所述各个依次被放入物体的测量信息，利用训练后的神经网络计算所述箱体的转动参数，并发送给所述机械转轴；
所述机械转轴，用于按照所述转动参数转动，以带动所述箱体进行多方向转动，以使所述各个依次被放入物体发生位置移动、空间置换和摆放顺序的交换；
其中，所述训练后的神经网络是根据各个依次被放入物体的测量信息、个数、箱体体积组成的多组样本，对神经网络进行训练得到的。
2.根据权利要求1所述的物体排序整理箱，其特征在于，所述测量信息包括：质量、几何形状以及整个物体在所述箱体内放置的空间信息。
3.根据权利要求2所述的物体排序整理箱，其特征在于，所述箱体包括：重力感应模块；
所述重力感应模块设置于所述箱体底部，用于测量放入所述箱体内的物体的质量。
4.根据权利要求3所述的物体排序整理箱，其特征在于，所述箱体包括：多个红外扫描模块；
在所述箱体的每个面上设置至少一个红外扫描模块，用于扫描放入所述箱体内的物体的几何形状以及整个物体在所述箱体内放置的空间信息；
其中，所述几何形状包括物体的长、宽、高，所述空间信息包括物体边缘每个顶点的空间坐标。
5.根据权利要求4所述的物体排序整理箱，其特征在于，所述中央处理模块，具体用于：
启动所述多个红外扫描模块扫描每个物体之间的空间，并根据每个物体的空间信息，计算出所有物体之间的空间总和；
若所述空间总和小于等于预设空间阈值，则不计算所述箱体的转动参数；
若所述空间总和大于预设空间阈值，则利用训练后的神经网络计算所述箱体的转动参数，并发送给所述机械转轴。
6.根据权利要求5所述的物体排序整理箱，其特征在于，所述中央处理模块，具体用于：
确定相隔空间最大的两个物体中几何形状最大的第一物体；
确定所述第一物体距离周围物体的最大轴距对应的第一方向，所述第一方向为箱体首次移动的方向；
根据第一公式计算所述箱体移动的加速度a；其中，所述第一公式为a＝x*M*g*cosz；
其中，M为所述第一物体的质量，g为重力加速度，z为箱体首次移动的方向与水平距离的夹角，x为基于所述训练后神经网络得出的权重值。
7.根据权利要求6所述的物体排序整理箱，其特征在于，所述中央处理模块，具体用于：
根据第二公式计算箱体沿着所述首次移动的方向移动的时间t；其中，所述第二公式为t＝y*(R/a)1/2；
其中，y为所述训练后神经网络得出的权重值，R为所述最大轴距。
8.一种物体排序整理方法，其特征在于，包括：
将多个物体依次放入箱体内；
所述箱体获取各个依次被放入物体的测量信息，并上报给中央处理模块；
所述中央处理模块根据所述各个依次被放入物体的测量信息，利用训练后的神经网络计算所述箱体的转动参数，并发送给机械转轴；
所述机械转轴按照所述转动参数转动，以带动所述箱体进行多方向转动，以使所述各个依次被放入物体发生位置移动、空间置换和摆放顺序的交换；
其中，所述训练后的神经网络是根据各个依次被放入物体的测量信息、个数、箱体体积组成的多组样本，对神经网络进行训练得到的。
9.根据权利要求8所述的物体排序整理方法，其特征在于，所述测量信息包括：质量、几何形状以及整个物体在所述箱体内放置的空间信息。
10.根据权利要求8所述的物体排序整理方法，其特征在于，所述箱体包括：重力感应模块；
所述重力感应模块设置于所述箱体底部；
所述箱体获取各个依次被放入物体的测量信息，具体包括：
利用所述重力感应模块测量放入所述箱体内的物体的质量。
11.根据权利要求10所述的物体排序整理方法，其特征在于，所述箱体包括：多个红外扫描模块；
在所述箱体的每个面上设置至少一个红外扫描模块；
所述箱体获取各个依次被放入物体的测量信息，具体包括：
利用所述多个红外扫描模块扫描放入所述箱体内的物体的几何形状以及整个物体在所述箱体内放置的空间信息；
其中，所述几何形状包括物体的长、宽、高，所述空间信息包括物体边缘每个顶点的空间坐标。
12.根据权利要求11所述的物体排序整理方法，其特征在于，所述中央处理模块根据所述各个依次被放入物体的测量信息，利用训练后的神经网络计算所述箱体的转动参数，并发送给机械转轴，具体包括：
所述中央处理模块启动所述多个红外扫描模块扫描每个物体之间的空间，并根据每个物体的空间信息，计算出所有物体之间的空间总和；
若所述空间总和小于等于预设空间阈值，则不计算所述箱体的转动参数；
若所述空间总和大于预设空间阈值，则利用训练后的神经网络计算所述箱体的转动参数，并发送给所述机械转轴。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910066362.3A CN109823628B (zh) | 2019-01-24 | 2019-01-24 | 物体排序整理箱及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910066362.3A CN109823628B (zh) | 2019-01-24 | 2019-01-24 | 物体排序整理箱及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109823628A CN109823628A (zh) | 2019-05-31 |
| CN109823628B true CN109823628B (zh) | 2021-01-26 |
Family
ID=66862315
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910066362.3A Active CN109823628B (zh) | 2019-01-24 | 2019-01-24 | 物体排序整理箱及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109823628B (zh) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4814653B2 (ja) * | 2006-02-27 | 2011-11-16 | 富士通株式会社 | リオーダリング装置 |
| CN202295367U (zh) * | 2011-09-19 | 2012-07-04 | 浙江国镜药业有限公司 | 软瓶装箱机 |
| CN103630100B (zh) * | 2012-08-27 | 2018-08-21 | 富泰华工业（深圳）有限公司 | 物体尺寸量测与比对系统及方法 |
| CN106325266A (zh) * | 2015-06-15 | 2017-01-11 | 联想(北京)有限公司 | 一种空间分布图的构建方法及电子设备 |
| CN107458671A (zh) * | 2017-08-18 | 2017-12-12 | 烟台宇诚企业管理咨询有限公司 | 一种物料自动分配包装机 |
-
2019
- 2019-01-24 CN CN201910066362.3A patent/CN109823628B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109823628A (zh) | 2019-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2999272C (en) | Networked robotic manipulators | |
| CN101406372B (zh) | 烹饪辅助机器人及烹饪辅助方法 | |
| EP3420481A1 (en) | Gpu material assignment for 3d printing using 3d distance fields | |
| CN110198828A (zh) | 预测三维打印的层的值分布 | |
| CN101085523A (zh) | 机器人模拟装置 | |
| US9841450B2 (en) | Static electricity distribution measuring apparatus and static electricity distribution measuring method | |
| CN109823628B (zh) | 物体排序整理箱及方法 | |
| CN105466523A (zh) | 基于单摄像机图像的堆粮高度的测量方法和装置 | |
| CN207585702U (zh) | 一种物料堆场料堆储量在线测量装置 | |
| JP2019098419A (ja) | 粉体、粒体又は流体の取り出し動作を学習する機械学習方法およびロボット機械学習制御装置 | |
| CN110561437A (zh) | 一种毛坯件自动化加工取料方法、存储介质及终端 | |
| WO2017183304A1 (ja) | 静電気分布計測装置 | |
| CN112253965A (zh) | 一种基于云计算架构的工业设计平台装置 | |
| JP6725930B1 (ja) | 液体秤量方法、制御装置、コンピュータプログラム及び学習方法 | |
| CN109374037A (zh) | 一种影像自动化检测装置 | |
| EP1178436A3 (en) | Image measurement method, image measurement apparatus and image measurement program storage medium | |
| CN203981109U (zh) | 基于立体影像分析的大型散料货堆体积测量设备 | |
| CN104049495A (zh) | 填充用于打印的调色剂容器的方法和设备 | |
| CN109345794A (zh) | 一种uv喷码后扫描自检系统 | |
| CN102769771A (zh) | 用于测试摄影设备的测试系统及其测试方法 | |
| CN205121094U (zh) | 液晶面板检测装置 | |
| CN110109345B (zh) | 刮板堆取料机取料方法、系统、电子设备及计算机介质 | |
| CN107688123A (zh) | 一种自动化测试系统及方法 | |
| WO2020250229A1 (en) | System and method for 3d printing a support structure | |
| CN1328642A (zh) | 使用压电传感器测量力的系统和方法 |
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 |