发明内容
鉴于上述问题,本发明实施例提供了一种商品检测的方法,可以更有效识别同种类而不同规格的物品。
根据本发明实施例的一个方面,提供了一种商品检测方法,所述方法包括:
通过第一视觉采集器获取鱼眼图像,所述鱼眼图像中包括第一对象的图像;
确定所述第一对象的位置信息;
通过第二视觉采集器获取所述第一对象的深度信息;
从包括位置信息和深度信息对应关系的数据集合中,选取第一数据;所述第一数据包括第一位置信息,第一深度信息,和第二深度信息;其中,所述第一位置与所述第一对象的位置最接近;
从所述第一深度信息和所述第二深度信息中,确定与所述第一对象的深度信息最接近的深度信息;
输出所述第一对象的标签,所述第一对象的标签为所述确定的深度信息所对应的标签。
在一种可选的方式中,该方法进一步包括:获取所述包括位置信息和深度信息对应关系的数据集合。
在一种可选的方式中,所述从包括位置信息和深度信息对应关系的数据集合中,选取第一数据包括:分别确定所述第一对象的位置信息与所述数据集合中各数据中的位置信息的差值;确定位置信息的最小差值对应的数据为第一数据。
在一种可选的方式中,所述从所述第一深度信息和所述第二深度信息中,确定与所述第一对象的深度信息最接近的深度信息包括:分别确定所述第一对象的深度信息与所述第一深度信息和第二深度信息的差值;从所述第一深度信息或者所述第二深度信息中,确定深度信息的最小差值对应的深度信息为与所述第一对象的深度信息最接近的深度信息。
根据本发明实施例的另一方面,提供了一种商品检测装置,包括:
第一视觉采集器,用于获取鱼眼图像,所述鱼眼图像中包括第一对象的图像;
处理器,用于确定所述第一对象的位置信息;
第二视觉采集器,用于获取所述第一对象的深度信息;
所述处理器,还用于从包括位置信息和深度信息对应关系的数据集合中,选取第一数据;所述第一数据包括第一位置信息,第一深度信息,和第二深度信息;其中,所述第一位置与所述第一对象的位置最接近;
所述处理器,还用于从所述第一深度信息和所述第二深度信息中,确定与所述第一对象的深度信息最接近的深度信息;
输出装置,用于输出所述第一对象的标签,所述第一对象的标签为所述确定的深度信息所对应的标签。
在一种可选的方式中,所述处理器,还用于获取所述包括位置信息和深度信息对应关系的数据集合。
在一种可选的方式中,所述处理器具体用于:分别确定所述第一对象的位置信息与所述数据集合中各数据中的位置信息的差值;确定位置信息的最小差值对应的数据为第一数据。
在一种可选的方式中,所述处理器具体用于:分别确定所述第一对象的深度信息与所述第一深度信息和第二深度信息的差值;从所述第一深度信息或者所述第二深度信息中,确定深度信息的最小差值对应的深度信息为与所述第一对象的深度信息最接近的深度信息。
根据本发明实施例的另一方面,提供了一种商品检测装置,包括:
第一获取模块,用于通过第一视觉采集器获取鱼眼图像,所述鱼眼图像中包括第一对象的图像;
第一确定模块,用于确定所述第一对象的位置信息;
第二获取模块,用于通过第二视觉采集器获取所述第一对象的深度信息;
选取模块,用于从包括位置信息和深度信息对应关系的数据集合中,选取第一数据;所述第一数据包括第一位置信息,第一深度信息,和第二深度信息;其中,所述第一位置与所述第一对象的位置最接近;
第二确定模块,用于从所述第一深度信息和所述第二深度信息中,确定与所述第一对象的深度信息最接近的深度信息;
输出模块,用于输出所述第一对象的标签,所述第一对象的标签为所述确定的深度信息所对应的标签。
在一种可选的方式中,还包括第三获取模块,用于获取所述包括位置信息和深度信息对应关系的数据集合。
在一种可选的方式中,所述选取模块包括:第一计算子单元,用于分别确定所述第一对象的位置信息与所述数据集合中各数据中的位置信息的差值;第一确定子单元,用于确定位置信息的最小差值对应的数据为第一数据。
在一种可选的方式中,所述第二确定模块包括:
第二计算子单元,用于分别确定所述第一对象的深度信息与所述第一深度信息和第二深度信息的差值;第二确定子单元,用于从所述第一深度信息或者所述第二深度信息中,确定深度信息的最小差值对应的深度信息为与所述第一对象的深度信息最接近的深度信息。
根据本发明实施例的另一方面,提供了一种商品检测设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述商品检测方法的步骤。
根据本发明实施例的又一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使所述处理器执行上述商品检测方法的步骤。
本发明实施例通过第一视觉采集器和第二视觉采集器,分别获取第一对象的位置信息和深度信息;并将该第一对象的位置信息和深度信息,与包括位置信息和深度信息对应关系的数据集合进行比对,确定与第一对象的深度信息最接近的深度信息,从而将该确定的深度信息所对应的标签确定为第一对象的标签。根据该标签,从而可以有效的识别同种类而不同规格的物品。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图1示出了本发明商品检测方法实施例的流程图,该方法应用于使用广角镜头的人工智能产品中,比如智能货柜等。如图1所示,该方法包括以下步骤:
步骤101:通过第一视觉采集器获取鱼眼图像,所述鱼眼图像中包括第一对象的图像;
该第一视觉采集器获取的鱼眼图像,可以包括至少一个第一对象的图像。比如该鱼眼图像包括商品A,B,C等商品的图像。其中,第一视觉采集器是可以是任何广角镜头,比如鱼眼镜头。如果该方法应用于智能货柜中,该鱼眼镜头可以位于智能货柜每一层的顶部。
步骤102:确定所述第一对象的位置信息;
可以采用目标检测算法对第一视觉采集器获取的鱼眼图像进行检测,获取鱼眼图像中包括的对象的位置信息。比如通过检测算法可以得到商品A的位置信息(XA,YA)。如果商品A有两种规格:高度较高的商品A1和高度较低的商品A2。但是通过检测算法不能识别商品A是A1还是A2。其中目标检测算法,可以任何检测算法,只要能够对鱼眼图的检测识别。
步骤103:通过第二视觉采集器获取所述第一对象的深度信息;
该第二视觉采集器可以是任何深度镜头,比如RGB-D镜头。可在货柜的内侧角增加一个固定位置的RGB-D镜头来采集货柜指定区域中商品的深度信息。比如采集到商品A的深度信息DA。
步骤104:从包括位置信息和深度信息对应关系的数据集合中,选取第一数据;所述第一数据包括:第一位置信息,第一深度信息,和第二深度信息;其中,所述第一位置与所述第一对象的位置最接近;
包括位置信息和深度信息对应关系的数据集合可以表示为:{[(X1,Y1),DH1,DL1],[(X2,Y2),DH2,DL2],...[(Xi,Yi),DHi,DLi],...[(Xn,Yn),DHn,DLn]}。其中,(Xn,Yn)表示商品的位置信息,DHn表示高度较高的商品的深度信息,DLn表示高度较低的商品的深度信息。i=1,2...n。
可将第一对象的位置信息与该数据集合进行比对,从该数据集合中选第一数据。
可选的,从包括位置信息和深度信息对应关系的数据集合中,选取第一数据包括:分别确定所述第一对象的位置信息与所述数据集合中各数据中的位置信息的差值;确定位置信息的最小差值对应的数据为第一数据。
比如,分别计算商品A的位置信息(XA,YA)与数据集合{[(X1,Y1),DH1,DL1],[(X2,Y2),DH2,DL2],...,[(Xn,Yn),DHn,DLn]}中每个数据中的位置信息(Xi,Yi)的差值di=|XA-Xi|^2+|YA-Yi|^2,得到di的集合{d1,d2,...dn}。从中找到最小的di对应的数据为第一数据。比如最小的di为d3,则(X3,Y3),DH3,DL3]为第一数据。其中,第一深度信息为DH3,第二深度信息为DL3;或者第一深度信息为DL3,第二深度信息为DH3。其中第一数据的位置(X3,Y3)和商品A的位置(XA,YA)最接近。
步骤105:从所述第一深度信息和所述第二深度信息中,确定与所述第一对象的深度信息最接近的深度信息;
可将第一对象的深度信息分别与第一深度信息和第二深度信息进行比对,确定与该第一对象的深度信息最接近的深度信息。
可选的,所述从所述第一深度信息和所述第二深度信息中,确定与所述第一对象的深度信息最接近的深度信息包括:分别确定所述第一对象的深度信息与所述第一深度信息和第二深度信息的差值;从所述第一深度信息或者所述第二深度信息中,确定深度信息的最小差值对应的深度信息为与所述第一对象的深度信息最接近的深度信息。
比如,分别计算商品A的深度信息(DA)与DH3,DL3的差值,分别表示为:|DA-DH3|,|DA-DL3|。求最小值min{|DA-DH3|,|DA-DL3|}。当最小值为|DA-DH3|时,与商品A的深度信息最接近的深度信息为DH3。当最小值为|DA-DL3|时,与商品A的深度信息最接近的深度信息为DL3。
步骤106:输出所述第一对象的标签,所述第一对象的标签为所述确定的深度信息所对应的标签。
将所确定的深度信息所对应的标签,也就是商品的规格,作为第一对象的标签,并输出该第一对象的标签。
如果与商品A的深度信息最接近的深度信息为DH3,则商品A的标签就是高度较高的商品。如果与商品A的深度信息最接近的深度信息为DL3,则商品A的标签就是高度较低的商品。
本发明实施例通过第一视觉采集器和第二视觉采集器,分别获取第一对象的位置信息和深度信息;并将该第一对象的位置信息和深度信息,与包括位置信息和深度信息对应关系的数据集合进行比对,确定与第一对象的深度信息最接近的深度信息,从而将该确定的深度信息所对应的标签确定为第一对象的标签。根据该标签,从而可以有效的识别同种类而不同规格的物品。
本发明实施例提供的又一商品检测方法,跟图1所示的实施例相比,进一步包括获取所述包括位置信息和深度信息对应关系的数据集合。该数据集合,可以是预先建立的一个标准数据库。该标准数据库中数据的生成方法,可以有多种方法,比如:
在货柜每一层的顶部设置广角摄像头,比如鱼眼摄像头。在货柜的内侧角增加一个固定位置的深度摄像头,比如RGB-D相机,来采集货柜指定区域中商品的深度信息。将鱼眼镜头采集到的畸变鱼眼图像进行校正,将校正后的鱼眼图像与RGB-D摄像头采集到的RGB图像和深度图像进行映射,得到RGB-D相机在鱼眼镜头中重叠的区域,作为可摆放同种类不同规格商品的区域。将该区域内,摆满高度较高的商品A1,记录下其位置和深度信息{[(XA,YA),DHA]}。在同样位置下将高度较高商品替换成高度较低的商品A2,记录下该位置下的高度较低的深度信息DLA。商品A1和A2都属于商品A,但是商品规格不同。也就是两种商品的高度不同。从而获得一个包括该区域内商品A的位置信息和深度信息对应关系的数据集合:{[(X1,Y1),DH1,DL1],[(X2,Y2),DH2,DL2],...[(Xi,Yi),DHi,DLi],...[(Xn,Yn),DHn,DLn]}。
图2示出了本发明商品检测装置实施例的结构示意图。如图2所示,该装置200包括:第一视觉采集器201、第二视觉采集器202、处理器203和输出装置204。
其中,第一视觉采集器201,用于获取鱼眼图像,所述鱼眼图像中包括第一对象的图像。第二视觉采集器202,用于获取所述第一对象的深度信息。比如,该装置位于智能货柜时,该第一视觉采集器201可以为鱼眼摄像头,3可以位于智能货柜每一层的顶部;该第二视觉采集器202可以为深度摄像头,比如,RGB-D摄像头,可以位于智能货柜的内侧角。
处理器203,用于确定所述第一对象的位置信息;还用于从包括位置信息和深度信息对应关系的数据集合中,选取第一数据;所述第一数据包括第一位置信息,第一深度信息,和第二深度信息;其中,所述第一位置与所述第一对象的位置最接近;还用于从所述第一深度信息和所述第二深度信息中,确定与所述第一对象的深度信息最接近的深度信息。
输出装置204,用于输出所述第一对象的标签,所述第一对象的标签为所述确定的深度信息所对应的标签。
在一种可选的方式中,该处理器203,还用于获取所述包括位置信息和深度信息对应关系的数据集合。
在一种可选的方式中,该处理器203,具体用于分别确定所述第一对象的位置信息与所述数据集合中各数据中的位置信息的差值;确定位置信息的最小差值对应的数据为第一数据。
在一种可选的方式中,该处理器203,具体用于分别确定所述第一对象的深度信息与所述第一深度信息和第二深度信息的差值;从所述第一深度信息或者所述第二深度信息中,确定深度信息的最小差值对应的深度信息为与所述第一对象的深度信息最接近的深度信息。
该装置可以用来执行上述的商品检测方法。本发明实施例通过第一视觉采集器和第二视觉采集器,分别获取第一对象的位置信息和深度信息;并将该第一对象的位置信息和深度信息,与包括位置信息和深度信息对应关系的数据集合进行比对,确定与第一对象的深度信息最接近的深度信息,从而将该确定的深度信息所对应的标签确定为第一对象的标签。根据该标签,从而可以有效的识别同种类而不同规格的物品。
图3示出了本发明商品检测装置实施例的结构示意图。如图3所示,该装置300包括::第一获取模块301、第一确定模块302、第二获取模块303、选取模块304、第二确定模块305和输出模块306。
第一获取模块301,用于通过第一视觉采集器获取鱼眼图像,所述鱼眼图像中包括第一对象的图像。
第一确定模块302,用于确定所述第一对象的位置信息。
第二获取模块303,用于通过第二视觉采集器获取所述第一对象的深度信息。
选取模块304,用于从包括位置信息和深度信息对应关系的数据集合中,选取第一数据;所述第一数据包括第一位置信息,第一深度信息,和第二深度信息;其中,所述第一位置与所述第一对象的位置最接近。
第二确定模块305,用于从所述第一深度信息和所述第二深度信息中,确定与所述第一对象的深度信息最接近的深度信息。
输出模块306,用于输出所述第一对象的标签,所述第一对象的标签为所述确定的深度信息所对应的标签。
在一种可选的方式中,该装置还包括第三获取模块307。该第三获取模块307,用于获取所述包括位置信息和深度信息对应关系的数据集合。
在一种可选的方式中,所述选取模块304包括:第一计算子单元3041和第一确定子单元3042。其中,第一计算子单元3041,用于分别确定所述第一对象的位置信息与所述数据集合中各数据中的位置信息的差值;第一确定子单元3042,用于确定位置信息的最小差值对应的数据为第一数据。
在一种可选的方式中,所述第二确定模块305包括:第二计算子单元3051和第二确定子单元3052。其中,第二计算子单元3052,用于分别确定所述第一对象的深度信息与所述第一深度信息和第二深度信息的差值;第二确定子单元3053,用于从所述第一深度信息或者所述第二深度信息中,确定深度信息的最小差值对应的深度信息为与所述第一对象的深度信息最接近的深度信息。
该装置可以用来执行上述的商品检测方法。本发明实施例通过第一视觉采集器和第二视觉采集器,分别获取第一对象的位置信息和深度信息;并将该第一对象的位置信息和深度信息,与包括位置信息和深度信息对应关系的数据集合进行比对,确定与第一对象的深度信息最接近的深度信息,从而将该确定的深度信息所对应的标签确定为第一对象的标签。根据该标签,从而可以有效的识别同种类而不同规格的物品。
本发明实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的商品检测方法。
可执行指令具体可以用于使得处理器执行以下操作:
通过第一视觉采集器获取鱼眼图像,所述鱼眼图像中包括第一对象的图像;
确定所述第一对象的位置信息;
通过第二视觉采集器获取所述第一对象的深度信息;
从包括位置信息和深度信息对应关系的数据集合中,选取第一数据;所述第一数据包括第一位置信息,第一深度信息,和第二深度信息;其中,所述第一位置与所述第一对象的位置最接近;
从所述第一深度信息和所述第二深度信息中,确定与所述第一对象的深度信息最接近的深度信息;
输出所述第一对象的标签,所述第一对象的标签为所述确定的深度信息所对应的标签。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:获取所述包括位置信息和深度信息对应关系的数据集合。
在一种可选的方式中,所述可执行指令使所述处理器执行以下具体操作:分别确定所述第一对象的位置信息与所述数据集合中各数据中的位置信息的差值;确定位置信息的最小差值对应的数据为第一数据。
在一种可选的方式中,所述可执行指令使所述处理器执行以下具体操作:分别确定所述第一对象的深度信息与所述第一深度信息和第二深度信息的差值;从所述第一深度信息或者所述第二深度信息中,确定深度信息的最小差值对应的深度信息为与所述第一对象的深度信息最接近的深度信息。
图4示出了本发明商品检测设备实施例的结构示意图,本发明具体实施例并不对商品检测设备的具体实现做限定。
如图4所示,该商品检测设备可以包括:处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中:处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。通信接口404,用于与其它设备比如客户端或其它服务器等的网元通信。处理器402,用于执行程序410,具体可以执行上述用于商品检测设备的图形绘制方法实施例中的相关步骤。
具体地,程序410可以包括程序代码,该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。商品检测设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器406,用于存放程序410。存储器406可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行以下操作:
通过第一视觉采集器获取鱼眼图像,所述鱼眼图像中包括第一对象的图像;
确定所述第一对象的位置信息;
通过第二视觉采集器获取所述第一对象的深度信息;
从包括位置信息和深度信息对应关系的数据集合中,选取第一数据;所述第一数据包括第一位置信息,第一深度信息,和第二深度信息;其中,所述第一位置与所述第一对象的位置最接近;
从所述第一深度信息和所述第二深度信息中,确定与所述第一对象的深度信息最接近的深度信息;
输出所述第一对象的标签,所述第一对象的标签为所述确定的深度信息所对应的标签。
在一种可选的方式中,所述程序410使所述处理器还执行以下操作:
获取所述包括位置信息和深度信息对应关系的数据集合。
在一种可选的方式中,所述程序410使所述处理器还执行以下具体操作:
分别确定所述第一对象的位置信息与所述数据集合中各数据中的位置信息的差值;确定位置信息的最小差值对应的数据为第一数据。
在一种可选的方式中,所述程序410使所述处理器还执行以下具体操作:
分别确定所述第一对象的深度信息与所述第一深度信息和第二深度信息的差值;从所述第一深度信息或者所述第二深度信息中,确定深度信息的最小差值对应的深度信息为与所述第一对象的深度信息最接近的深度信息。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。