CN110909633B - 堆积程度的确定方法及装置、存储介质、电子装置 - Google Patents

堆积程度的确定方法及装置、存储介质、电子装置 Download PDF

Info

Publication number
CN110909633B
CN110909633B CN201911084146.8A CN201911084146A CN110909633B CN 110909633 B CN110909633 B CN 110909633B CN 201911084146 A CN201911084146 A CN 201911084146A CN 110909633 B CN110909633 B CN 110909633B
Authority
CN
China
Prior art keywords
target
region
area
target object
condition
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
CN201911084146.8A
Other languages
English (en)
Other versions
CN110909633A (zh
Inventor
王枫
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN201911084146.8A priority Critical patent/CN110909633B/zh
Publication of CN110909633A publication Critical patent/CN110909633A/zh
Application granted granted Critical
Publication of CN110909633B publication Critical patent/CN110909633B/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
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

Abstract

本发明提供了一种堆积程度的确定方法及装置、存储介质、电子装置，上述方法包括：获取目标区域的空间先验信息，其中，所述空间先验信息用于指示所述目标区域的第一区域，或所述空间先验信息还用于指示所述第一区域和以下至少之一：所述目标区域的左边区域，所述目标区域的右边区域，所述目标区域的后边区域；从所述目标区域中分割出目标对象，并获取所述目标对象对应所述空间先验信息的占比情况；根据所述占比情况确定所述目标对象在所述目标区域的堆积程度，采用上述技术方案，解决了相关技术中，只能通过目标区域的平面信息确定包裹堆积情况，准确率不高等问题。

Description

堆积程度的确定方法及装置、存储介质、电子装置
技术领域
本发明涉及通信领域，具体而言，涉及一种堆积程度的确定方法及装置、存储介质、电子装置。
背景技术
随着国内快递业务的爆发式增长，快递公司的物流中转站每天需要处理的包裹量也同时在爆发式增长。物流中转站相关业务调度问题，日趋需要自动化介入。
其中一个很重要的问题是关于格口包裹状态检测问题，在实际物流中转站中，一个中转站可能会包括成百上千个格口，每个格口都会用于装卸包裹。目前的大部分公司仍然采用的是人工监测调度的方式：当某个格口内出现空缺时，调度新的车过来装卸货，或当某个格口内包裹快递太多，甚至出现爆仓的问题，快速调用新的车过来运输处理，根据目前所知，只有一家公司有在做类似的工作，其具体工作在第三部分的技术要点有阐述，其方案的缺点是直接利用分割出的面积当做判断格口区域内包裹的堆积程度时有问题的，具体地，这种做法只有平面信息，没有空间信息，理论上是 非常不准确的。
针对相关技术中，只能通过目标区域的平面信息确定包裹堆积情况，准确率不高等问题，尚未提出有效的技术方案。
发明内容
本发明实施例提供了一种堆积程度的确定方法及装置、存储介质、电子装置，以至少解决相关技术中只能通过目标区域的平面信息确定包裹堆积情况，准确率不高等问题。
根据本发明的一个实施例，提供了一种堆积程度的确定方法，包括：获取目标区域的空间先验信息，其中，所述空间先验信息用于指示所述目标区域的第一区域，或所述空间先验信息还用于指示所述第一区域和以下至少之一：所述目标区域的左边区域，所述目标区域的右边区域，所述目标区域的后边区域；从所述目标区域中分割出目标对象，并获取所述目标对象对应所述空间先验信息的占比情况；根据所述占比情况确定所述目标对象在所述目标区域的堆积程度。
在本发明实施例中，从所述目标区域中分割出目标对象之前，所述方法还包括：对目标区域中以及目标区域指定范围内的场景素材进行标定；根据标定后的结果从所述目标区域中分割出所述目标对象。
在本发明实施例中，获取所述目标对象对应所述空间先验信息的占比情况，包括：获取所述目标对象相对于所述第一区域的第一占比情况，其中，所述第一占比情况用于指示所述目标对象在所述第一区域的堆积程度。
在本发明实施例中，获取所述目标对象对应所述空间先验信息的占比情况，包括：获取以下至少之一：获取所述目标对象对应所述左边区域的第二占比情况，获取所述目标对象对应所述右边区域的第三占比情况，获取所述目标对象对应所述后边区域的第四占比情况。
在本发明实施例中，根据所述占比情况确定所述目标对象在所述目标区域的堆积程度，包括：获取所述第一区域的第一权重；根据所述第一权重和所述第一区域的第一占比情况确定所述目标对象在所述目标区域的堆积程度。
在本发明实施例中，根据所述占比情况确定所述目标对象在所述目标区域的堆积程度，包括：获取以下权重系数：所述第一区域第一权重，以及所述左边区域的第二权重，所述右边区域的第三权重，所述后边区域的第四权重；根据所述权重系数，以及左边区域的第二占比情况，所述右边区域的第三占比情况，所述后边区域的第四占比情况确定所述目标区域的堆积程度。
在本发明实施例中，根据所述占比情况确定所述目标对象在所述目标区域的堆积程度之后，所述方法还包括：在所述堆积程度指示所述目标对象在所述目标区域中的占比小于第一阈值的情况下，发出第一提示信息，其中，所述第一提示信息用于指示该目标区域处于空仓状态；
在在所述堆积程度指示所述目标对象在所述目标区域中的占比大于第二阈值的情况下，发出第二提示信息，其中，所述第二提示信息用于指示该目标区域处于爆仓状态。
根据本发明的另一个实施例，还提供了一种堆积程度的确定装置，包括：获取模块，用于获取目标区域的空间先验信息，其中，所述空间先验信息用于指示所述目标区域的第一区域，或所述空间先验信息还用于指示所述第一区域和以下至少之一：所述目标区域的左边区域，所述目标区域的右边区域，所述目标区域的后边区域；处理模块，用于从所述目标区域中分割出目标对象，并获取所述目标对象对应所述空间先验信息的占比情况；确定模块，用于根据所述占比情况确定所述目标对象在所述目标区域的堆积程度。
根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，能够根据获取的空间先验信息确定出目标对象对应所述空间先验信息的占比情况，进而能够根据占比情况确定所述目标对象在所述目标区域的堆积程度，即考虑了目标区域的空间感，进而确定出的目标对象在目标区域的堆积程度更准确，采用上述技术方案，解决了相关技术中，只能通过目标区域的平面信息确定包裹堆积情况，准确率不高等问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例的一种堆积程度的确定方法的计算机终端的硬件结构框图；
图2是根据本发明实施例的堆积程度的确定方法的流程图；
图3是根据本发明可选实施例的目标区域的显示示意图(一)；
图4是根据本发明可选实施例的目标区域的显示示意图(二)；
图5是根据本发明可选实施例的目标区域的显示示意图(三)；
图6是根据本发明可选实施例的目标区域的显示示意图(四)；
图7是根据本发明可选实施例的目标区域的显示示意图(五)；
图8是根据本发明可选实施例的目标区域的显示示意图(六)；
图9是根据本发明可选实施例的目标区域的显示示意图(七)；
图10是根据本发明实施例的堆积程度的确定装置的结构框图；
图11是根据本发明实施例的堆积程度的确定装置的另一结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。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。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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。
本申请实施例所提供的方法实施例可以在计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例，图1是本发明实施例的一种堆积程度的确定方法的计算机终端的硬件结构框图。如图1所示，计算机终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器 102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述计算机终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述计算机终端的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示等同功能或比图1所示功能更多的不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的堆积程度的确定方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为 NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种运行于上述计算机终端的堆积程度的确定方法，图2是根据本发明实施例的堆积程度的确定方法的流程图，如图2 所示，该流程包括如下步骤：
步骤S202，获取目标区域的空间先验信息，其中，所述空间先验信息用于指示所述目标区域的第一区域，或所述空间先验信息还用于指示所述第一区域和以下至少之一：所述目标区域的左边区域，所述目标区域的右边区域，所述目标区域的后边区域；
步骤S204，从所述目标区域中分割出目标对象，并获取所述目标对象对应所述空间先验信息的占比情况；
步骤S206，根据所述占比情况确定所述目标对象在所述目标区域的堆积程度。
通过上述技术方案，能够根据获取的空间先验信息确定出目标对象对应所述空间先验信息的占比情况，进而能够根据占比情况确定所述目标对象在所述目标区域的堆积程度，即考虑了目标区域的空间感，进而确定出的目标对象在目标区域的堆积程度更准确，采用上述技术方案，解决了相关技术中，只能通过目标区域的平面信息确定包裹堆积情况，准确率不高等问题。
为了更准确的从目标区域中分割出目标对象，还可以执行以下技术方案：对目标区域以及目标区域的指定范围内的区域进行拍照，得到图像，在图像中，对目标区域中以及目标区域指定范围内的场景素材进行标定；根据标定后的结果从所述目标区域中分割出所述目标对象。
步骤S204的实现方式有多种，在一个可选实施例中，可以通过以下技术方案实现：
第一种情况
获取所述目标对象相对于所述第一区域的第一占比情况，其中，所述第一占比情况用于指示所述目标对象在所述第一区域的堆积程度
第二种情况
获取以下至少之一：获取所述目标对象对应所述左边区域的第二占比情况，获取所述目标对象对应所述右边区域的第三占比情况，获取所述目标对象对应所述后边区域的第四占比情况。
基于上述确定的占比情况，步骤S206可以通过以下技术方案实现：获取所述第一区域的第一权重；根据所述第一权重和所述第一区域的第一占比情况确定所述目标对象在所述目标区域的堆积程度，还可以根据以下技术方案实现：获取以下权重系数：所述第一区域第一权重，以及所述左边区域的第二权重，所述右边区域的第三权重，所述后边区域的第四权重；根据所述权重系数，以及左边区域的第二占比情况，所述右边区域的第三占比情况，所述后边区域的第四占比情况确定所述目标区域的堆积程度。
如果空间先验信息仅用来指示第一区域，那么在所述堆积程度指示所述目标对象在所述目标区域的第一区域中的占比小于第一阈值的情况下，发出第一提示信息，其中，所述第一提示信息用于指示该目标区域处于空仓状态，即通知管理人员，目标区域当前处理空仓状态，可以装卸货物至目标区域。
在所述堆积程度指示所述目标对象在所述目标区域中的占比大于第二阈值的情况下，发出第二提示信息，其中，所述第二提示信息用于指示该目标区域处于爆仓状态，此时，需提醒管理人员处理目标区域中的货物，使得目标区域的货物减少。
本发明实施例的上述技术方案，通过预先标定了空间规则，在最终判定包裹(相当于上述实施例的目标对象)的堆积程度的过程中，增加了对空间、景深等元素，使得通过单目相机可实现类似于双目相机的空间立体检测效果，降低了。
以下通过一个可选实施例对上述堆积程度的确定方法的技术方案进行说明，但不用于限定本发明实施例的技术方案，如图3所示，以第一区域为地面区域为例，包括以下步骤：
步骤1，设计空间规则
如图4所示，单目相机如果需要作出立体的效果，必须依赖物品周围的空间信息，如格口(相当于上述实施例中的目标区域)这个场景：
在这个场景中，格口都有固定的标准，在实际做检测格口内包裹堆积程度时，可以加上如图5所示的空间先验信息(相当于空间规则)。
需要说明的是，附图5中的附图具体含义如下：
1)BELOW(相当于上述实施例的地面区域)：代表格口内地面部分感兴趣(RegionOf Interest，简称为ROI)区域；
2)BEHIND：代表格口内门口部分ROI区域；
3)LEFT：代表格口内左侧栅栏部分ROI区域；
4)RIGHT：代表格口内左侧栅栏部分ROI区域。
即实际使用中通过客户配置的空间规则作为空间先验信息传导至后续的逻辑处理，已达到可实现空间估计的效果，具体实现结果如附图6所示。
步骤2，对格口内的物品进行分割；
获取格口场景内的素材，例如，可以通过搜集以及合作伙伴提供的场景素材，如图7所示，进而对格口场景内的至少以下几类目标进行标定：包裹、格口、工作人员、车辆，具体可以通过多边形标点的方式标出分割所需要的素材。
基于附图7的标定后，使用基于卷积神经网络的图像分割技术，得到如图8所示的分割结果图。
步骤3，进行逻辑处理
需要说明的是，上述基于步骤1中的空间规则的信息可能的组合形式：
①、BELOW
②、BELOW+BEHIND
③、BELOW+LEFT
④、BELOW+LEFT+BEHIND
⑤、BELOW+RIGHT
⑥、BELOW+RIGHT+BEHIND
⑦、BELOW+LEFT+RIGHT+BEHIND
具体地，对于BELOW(地面部分)，可以会将上面(即图像中景深较大的地面)权重设的更大，下面(景深较小)的权重设置的小一些(也就是说，对于地面部分的权重，可以采用统一值，也可以采用循序渐进的不同值，具体是景深较大的地面对应权重较大，景深较小的地方对应的景深较小)，并保证整体归一化。同理计算左右侧以及前面的权重，得到对应区域包裹的占比。
此外，为了应为视频场景内人员走动的问题，还可以对某段时间内的 N帧视频做与操作，即在分割的基础上，对多张分割图取相同的分割区域，这样可过滤掉运动的物体，降低误检，如工作人员。
步骤4，具体状态的判断
以BELOW+LEFT+RIGHT+BEHIND为例，即该规则配置包括了BELOW(地面)、LEFT(左侧格口)、RIGHT(右侧格口)、BEHIND(进口处)，通过识别图片中的像素比计算出对区域的包裹占比：percentbelow、percentleft、percentright、percentbehind，如图9所示。
对于最终输出的百分比，分配基于不同的权重系数βbelow、βleft、βright、βbehind，则最终整个配置规则区域内的包裹占比为：
percent＝βbelow*percentbelow+βleft*percentleft+βright*percentright +βbehind*percentbehind。
需要说明的是，最终对外显示格口状态也是通过这些同时约束得到，如percentbelow＝0时，即空仓，则该可调度后面的货物装卸前往该格口处理货物。当percentbelow>80％后，结合左右两边的percent，其中某个percent 大于70％则可判定该格口处于爆仓状态，需要赶紧安排工作人员前往处理货物，即通过计算配置规则区域内的百分比，实现对格口包裹占比的计算，进而实现对格口包裹堆积程度的判断。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如 ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
在本实施例中还提供了一种堆积程度的确定装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图10是根据本发明实施例的堆积程度的确定装置的结构框图，如图 10所示，该装置包括
获取模块90，用于获取目标区域的空间先验信息，其中，所述空间先验信息用于指示所述目标区域的第一区域，或所述空间先验信息还用于指示所述第一区域和以下至少之一：所述目标区域的左边区域，所述目标区域的右边区域，所述目标区域的后边区域；
处理模块92，用于从所述目标区域中分割出目标对象，并获取所述目标对象对应所述空间先验信息的占比情况；
确定模块94，用于根据所述占比情况确定所述目标对象在所述目标区域的堆积程度。
通过上述技术方案，能够根据获取的空间先验信息确定出目标对象对应所述空间先验信息的占比情况，进而能够根据占比情况确定所述目标对象在所述目标区域的堆积程度，即考虑了目标区域的空间感，进而确定出的目标对象在目标区域的堆积程度更准确，采用上述技术方案，解决了相关技术中，只能通过目标区域的平面信息确定包裹堆积情况，准确率不高等问题。
在本发明实施例中，处理模块92，还用于对目标区域中以及目标区域指定范围内的场景素材进行标定；根据标定后的结果从所述目标区域中分割出所述目标对象。
可选地，处理模块92，还用于获取所述目标对象相对于所述第一区域的第一占比情况，其中，所述第一占比情况用于指示所述目标对象在所述第一区域的堆积程度。
在本发明实施例中，处理模块92，还用于获取所述目标对象对应所述左边区域的第二占比情况，获取所述目标对象对应所述右边区域的第三占比情况，获取所述目标对象对应所述后边区域的第四占比情况。
在本发明实施例中，确定模块94，还用于获取所述第一区域的第一权重；根据所述第一权重和所述第一区域的第一占比情况确定所述目标对象在所述目标区域的堆积程度。
在本发明实施例中，确定模块94，还用于获取以下权重系数：所述第一区域第一权重，以及所述左边区域的第二权重，所述右边区域的第三权重，所述后边区域的第四权重；根据所述权重系数，以及左边区域的第二占比情况，所述右边区域的第三占比情况，所述后边区域的第四占比情况确定所述目标区域的堆积程度。
图11是根据本发明实施例的堆积程度的确定装置的另一结构框图，如图11所示，该装置除包括图10所示的所有模块外，还包括：
提示模块96，用于在所述堆积程度指示所述目标对象在所述目标区域中的占比小于第一阈值的情况下，发出第一提示信息，其中，所述第一提示信息用于指示该目标区域处于空仓状态；提示模块96，还用于在所述堆积程度指示所述目标对象在所述目标区域中的占比大于第二阈值的情况下，发出第二提示信息，其中，所述第二提示信息用于指示该目标区域处于爆仓状态。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
综上，通过上述实施例的技术方案，通过配置空间规则，实现对格口内包裹堆积程度的估计，实测结果可达到类似的立体视觉估计的效果。这样做可以使得安装升级费用大大降低，且不同于一般平面直接估计，在视觉上更接近人类或者说客户的观感要求(对于空仓、半仓、满仓、爆仓这些状态的判断)；
本发明的实施例还提供了一种存储介质，该存储介质包括存储的程序，其中，上述程序运行时执行上述任一项的方法。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的程序代码：
S1，获取目标区域的空间先验信息，其中，所述空间先验信息用于指示所述目标区域的第一区域，或所述空间先验信息还用于指示所述第一区域和以下至少之一：所述目标区域的左边区域，所述目标区域的右边区域，所述目标区域的后边区域；
S2，从所述目标区域中分割出目标对象，并获取所述目标对象对应所述空间先验信息的占比情况；
S3，根据所述占比情况确定所述目标对象在所述目标区域的堆积程度。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取目标区域的空间先验信息，其中，所述空间先验信息用于指示所述目标区域的第一区域，或所述空间先验信息还用于指示所述第一区域和以下至少之一：所述目标区域的左边区域，所述目标区域的右边区域，所述目标区域的后边区域；
S2，从所述目标区域中分割出目标对象，并获取所述目标对象对应所述空间先验信息的占比情况；
S3，根据所述占比情况确定所述目标对象在所述目标区域的堆积程度。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种堆积程度的确定方法，其特征在于，包括：
获取目标区域的空间先验信息，其中，所述空间先验信息用于指示所述目标区域中的第一区域，或所述空间先验信息还用于指示所述第一区域和以下至少之一：所述目标区域的左边区域，所述目标区域的右边区域，所述目标区域的后边区域；
从所述目标区域中分割出目标对象，并获取所述目标对象对应所述空间先验信息的占比情况；
根据所述占比情况确定所述目标对象在所述目标区域的堆积程度；
根据所述占比情况确定所述目标对象在所述目标区域的堆积程度，包括：
获取以下权重系数：所述第一区域第一权重，以及所述左边区域的第二权重，所述右边区域的第三权重，所述后边区域的第四权重；
根据所述权重系数，以及左边区域的第二占比情况，所述右边区域的第三占比情况，所述后边区域的第四占比情况确定所述目标区域的堆积程度。
2.根据权利要求1所述的方法，其特征在于，从所述目标区域中分割出目标对象之前，所述方法还包括：
对目标区域中以及目标区域指定范围内的场景素材进行标定；
根据标定后的结果从所述目标区域中分割出所述目标对象。
3.根据权利要求1所述的方法，其特征在于，获取所述目标对象对应所述空间先验信息的占比情况，包括：
获取所述目标对象相对于所述第一区域的第一占比情况，其中，所述第一占比情况用于指示所述目标对象在所述第一区域的堆积程度。
4.根据权利要求3所述的方法，其特征在于，获取所述目标对象对应所述空间先验信息的占比情况，包括：
获取以下至少之一：获取所述目标对象对应所述左边区域的第二占比情况，获取所述目标对象对应所述右边区域的第三占比情况，获取所述目标对象对应所述后边区域的第四占比情况。
5.根据权利要求1所述的方法，其特征在于，根据所述占比情况确定所述目标对象在所述目标区域的堆积程度，包括：
获取所述第一区域的第一权重；
根据所述第一权重和所述第一区域的第一占比情况确定所述目标对象在所述目标区域的堆积程度。
6.根据权利要求1所述的方法，其特征在于，根据所述占比情况确定所述目标对象在所述目标区域的堆积程度之后，所述方法还包括：
在所述堆积程度指示所述目标对象在所述目标区域中的占比小于第一阈值的情况下，发出第一提示信息，其中，所述第一提示信息用于指示该目标区域处于空仓状态；
在所述堆积程度指示所述目标对象在所述目标区域中的占比大于第二阈值的情况下，发出第二提示信息，其中，所述第二提示信息用于指示该目标区域处于爆仓状态。
7.一种堆积程度的确定装置，其特征在于，包括：
获取模块，用于获取目标区域的空间先验信息，其中，所述空间先验信息用于指示所述目标区域的第一区域，或所述空间先验信息还用于指示所述第一区域和以下至少之一：所述目标区域的左边区域，所述目标区域的右边区域，所述目标区域的后边区域；
处理模块，用于从所述目标区域中分割出目标对象，并获取所述目标对象对应所述空间先验信息的占比情况；
确定模块，用于根据所述占比情况确定所述目标对象在所述目标区域的堆积程度；
所述确定模块还用于获取以下权重系数：所述第一区域第一权重，以及所述左边区域的第二权重，所述右边区域的第三权重，所述后边区域的第四权重；根据所述权重系数，以及左边区域的第二占比情况，所述右边区域的第三占比情况，所述后边区域的第四占比情况确定所述目标区域的堆积程度。
8.一种计算机可读的存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述的方法。
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至6任一项中所述的方法。
CN201911084146.8A 2019-11-07 2019-11-07 堆积程度的确定方法及装置、存储介质、电子装置 Active CN110909633B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911084146.8A CN110909633B (zh) 2019-11-07 2019-11-07 堆积程度的确定方法及装置、存储介质、电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911084146.8A CN110909633B (zh) 2019-11-07 2019-11-07 堆积程度的确定方法及装置、存储介质、电子装置

Publications (2)

Publication Number Publication Date
CN110909633A CN110909633A (zh) 2020-03-24
CN110909633B true CN110909633B (zh) 2022-08-16

Family

ID=69816475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911084146.8A Active CN110909633B (zh) 2019-11-07 2019-11-07 堆积程度的确定方法及装置、存储介质、电子装置

Country Status (1)

Country Link
CN (1) CN110909633B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11685605B2 (en) * 2020-05-14 2023-06-27 Intelligrated Headquarters, Llc Reinforcement learning based conveyoring control
CN112101125B (zh) * 2020-08-21 2024-05-03 浙江百世技术有限公司 一种快递货物堆积程度的检测方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104240222A (zh) * 2013-06-19 2014-12-24 贺江涛 一种消防通道堵塞的智能检测方法与装置
CN107944781A (zh) * 2016-10-12 2018-04-20 菜鸟智能物流控股有限公司 提供存放对象提示信息的方法及装置
CN108376406A (zh) * 2018-01-09 2018-08-07 公安部上海消防研究所 一种用于通道堵塞判别的动态递归建模和融合跟踪方法
CN109284697A (zh) * 2018-09-03 2019-01-29 江南大学 基于滑动窗口的应急通道占用实时检测方法
CN109801492A (zh) * 2019-01-21 2019-05-24 深圳市敢为软件技术有限公司 交通拥堵的检测方法、装置及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104240222A (zh) * 2013-06-19 2014-12-24 贺江涛 一种消防通道堵塞的智能检测方法与装置
CN107944781A (zh) * 2016-10-12 2018-04-20 菜鸟智能物流控股有限公司 提供存放对象提示信息的方法及装置
CN108376406A (zh) * 2018-01-09 2018-08-07 公安部上海消防研究所 一种用于通道堵塞判别的动态递归建模和融合跟踪方法
CN109284697A (zh) * 2018-09-03 2019-01-29 江南大学 基于滑动窗口的应急通道占用实时检测方法
CN109801492A (zh) * 2019-01-21 2019-05-24 深圳市敢为软件技术有限公司 交通拥堵的检测方法、装置及存储介质

Also Published As

Publication number Publication date
CN110909633A (zh) 2020-03-24

Similar Documents

Publication Publication Date Title
CN110909633B (zh) 堆积程度的确定方法及装置、存储介质、电子装置
US11265481B1 (en) Aligning and blending image data from multiple image sensors
CN110633638A (zh) 一种垃圾收运监管方法、装置、存储介质和智能设备
CN111047264B (zh) 一种物流任务分配方法及装置
CN105869175A (zh) 一种图像分割方法及系统
CN111598176B (zh) 一种图像匹配处理方法及装置
CN111310727A (zh) 对象检测方法及装置、存储介质、电子装置
CN111191507A (zh) 智慧社区的安全预警分析方法及系统
CN105610538A (zh) 物理小区标识有效再利用的系统和方法
CN111738409A (zh) 一种资源调度的方法及其相关设备
CN110310301A (zh) 一种检测目标图像的方法及装置
CN114511820A (zh) 货架商品检测方法、装置、计算机设备及存储介质
EP3223240A2 (en) Generating sparse sample histograms
JP2016071595A (ja) 集荷管理装置、集荷管理プログラムおよび集荷システム
CN111144796A (zh) 用于生成理货信息的方法和装置
CN113326796A (zh) 物体检测方法、模型训练方法、装置及电子设备
CN110807104B (zh) 异常信息的确定方法及装置、存储介质、电子装置
CN117541838A (zh) 物体检测的阈值调整方法、装置及电子设备
CN111489340B (zh) 闪光灯故障的确定方法及装置、存储介质、电子装置
CN113936157A (zh) 异常信息的处理方法及装置、存储介质、电子装置
CN114550102A (zh) 货物堆积检测方法、装置、设备和系统
CN109410176A (zh) 一种监控货架装配状态的方法、装置和存储介质
CN116307985B (zh) 建筑材料节能运输方法、计算机设备与介质
CN111768021A (zh) 订单价格调整方法、装置、服务器及存储介质
CN115477211B (zh) 一种电梯停靠方法、装置、设备及存储介质

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