CN111587444B - 用于移动包裹尺寸计算和预测性状况分析的系统和方法 - Google Patents
用于移动包裹尺寸计算和预测性状况分析的系统和方法 Download PDFInfo
- Publication number
- CN111587444B CN111587444B CN201980008232.2A CN201980008232A CN111587444B CN 111587444 B CN111587444 B CN 111587444B CN 201980008232 A CN201980008232 A CN 201980008232A CN 111587444 B CN111587444 B CN 111587444B
- Authority
- CN
- China
- Prior art keywords
- package
- parcel
- length
- digital image
- corner
- 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
- 238000004364 calculation method Methods 0.000 title claims description 8
- 238000000034 method Methods 0.000 title abstract description 41
- 238000004458 analytical method Methods 0.000 title abstract description 36
- 238000012384 transportation and delivery Methods 0.000 claims description 69
- 230000015654 memory Effects 0.000 claims description 58
- 230000003993 interaction Effects 0.000 claims description 48
- 238000012937 correction Methods 0.000 claims description 41
- 238000004590 computer program Methods 0.000 claims description 33
- 238000003860 storage Methods 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 19
- 238000010801 machine learning Methods 0.000 claims description 15
- 230000000116 mitigating effect Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 abstract description 15
- 238000013178 mathematical model Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 51
- 238000012545 processing Methods 0.000 description 33
- 230000007246 mechanism Effects 0.000 description 28
- 238000013480 data collection Methods 0.000 description 27
- 238000003384 imaging method Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 10
- 238000012546 transfer Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 230000006835 compression Effects 0.000 description 7
- 238000007906 compression Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000007723 transport mechanism Effects 0.000 description 7
- 239000000463 material Substances 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000013515 script Methods 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 229910052710 silicon Inorganic materials 0.000 description 3
- 239000010703 silicon Substances 0.000 description 3
- 241001504070 Huperzia Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000383 hazardous chemical Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 102000006822 Agouti Signaling Protein Human genes 0.000 description 1
- 108010072151 Agouti Signaling Protein Proteins 0.000 description 1
- 101100498823 Caenorhabditis elegans ddr-2 gene Proteins 0.000 description 1
- FAEKWTJYAYMJKF-QHCPKHFHSA-N GlucoNorm Chemical compound C1=C(C(O)=O)C(OCC)=CC(CC(=O)N[C@@H](CC(C)C)C=2C(=CC=CC=2)N2CCCCC2)=C1 FAEKWTJYAYMJKF-QHCPKHFHSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 241001477931 Mythimna unipuncta Species 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 229960002354 repaglinide Drugs 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U10/00—Type of UAV
- B64U10/10—Rotorcrafts
- B64U10/13—Flying platforms
- B64U10/16—Flying platforms with five or more distinct rotor axes, e.g. octocopters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U30/00—Means for producing lift; Empennages; Arrangements thereof
- B64U30/20—Rotors; Rotor supports
- B64U30/26—Ducted or shrouded rotors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U50/00—Propulsion; Power supply
- B64U50/10—Propulsion
- B64U50/19—Propulsion using electrically powered motors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U70/00—Launching, take-off or landing arrangements
- B64U70/90—Launching from or landing on platforms
- B64U70/92—Portable platforms
- B64U70/93—Portable platforms for use on a land or nautical vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30112—Baggage; Luggage; Suitcase
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Geometry (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明的各方面涉及一种在整个运输和物流网络的各个点处接收包裹的数字图像的系统。基于对包裹的单个数字图像的分析,检测并计算包裹的尺寸。在整个输送或装运网络的各个点都可以捕获包裹的单个数字图像。使用计算机视觉处理单个数字图像以进行图像操作。可以通过该处理来检测包裹的关键识别点(例如,标签或条形码)。将处理后的数字图像输入到数学模型中,该数学模型生成包裹的所有尺寸的估计值。
Description
技术领域
本公开涉及包裹运输和物流网络,并且更具体地,涉及捕获包裹的数字图像;检测并确认包裹尺寸和状况;以及提供关于包裹尺寸的信息,以推动使用机器学习进行检测、表征、诊断、成本分析、根本原因分析、并自动减轻任何损坏的根本原因。
背景技术
包裹从起点运输到终点,并且可能在这种运输过程中有各种中间位置和交互,包括在装运时与发件人的交互。在装运时,发件人必须输入包裹尺寸,并且在整个包裹运输过程中,必须获得并确认包裹尺寸。自然地,运输过程中位置和交互数量的增加会增加包裹可能被损坏的可能点的数量,这进而在一些情况下可导致包裹尺寸的变化。获得并确认包裹尺寸可以是繁琐的过程,并且充满错误和误算。
如果包裹在运输过程中损坏,则装运和物流提供商可能对损坏负责。然而,可能难以确定包裹是在被捡起时还是在运输过程中损坏的。此外,如果定位了特定的损坏点,则可能难以以有效的方式减轻这种损坏情况。通过所付出的努力、独创性和创新,已经通过开发包括在本公开的实施例中的解决方案解决了许多这些已发现的问题,本文详细描述了其许多实例。
发明内容
根据实施例,本系统在整个运输和物流网络的各个点处接收包裹的数字图像。通过分析包裹的单个数字图像,本公开的实施例检测并计算包裹的尺寸。
例如,在整个输送或装运网络的各个点都可以捕获包裹的单个数字图像。使用计算机视觉处理单个数字图像以进行图像操作。可以通过所述处理来检测包裹的关键识别点(例如,标签或条形码)。将处理后的数字图像输入到数学模型中,所述数学模型生成包裹的所有尺寸的估计值。根据实施例,可以基于包裹的计算尺寸与预期尺寸之间的检测差来驱动事件,因为两者之间的差异通常表示包裹发生损坏。
通常,本文所述的方法、设备和计算机程序产品可操作来在起点交互点处从移动计算装置接收第一包裹数字图像。在实施例中,第一包裹数字图像与经由多个包裹交互点从起点交互点运输到终点交互点的包裹相关联并代表所述包裹。
本文描述的方法、设备和计算机程序产品可操作来使用数字检测识别第一包裹数字图像中的对应于包裹的第一上后拐角的第一组像素以及第一包裹数字图像中的对应于包裹的第二上后拐角的第二组像素。在实施例中,第一上后拐角和第二上后拐角由包裹的上后边缘分开。在实施例中,包裹的上后边缘具有长度H1。
另外,本文描述的方法、设备和计算机程序产品可操作来使用数字检测识别第一包裹数字图像中的对应于包裹的第一上前拐角的第三组像素以及第一包裹数字图像中的对应于包裹在第一包裹数字图像中的第一下前拐角的第四组像素。在实施例中,第一上前拐角和第一下前拐角由包裹的第一前侧边缘分开。在实施例中,包裹的第一前侧边缘具有长度DL。在实施例中,第一上前拐角和第一上后拐角由包裹的第一上侧边缘分开,并且包裹的第一上侧边缘具有长度UL。
此外,本文描述的方法、设备和计算机程序产品可操作来使用数字检测识别第一包裹数字图像中的对应于第二下前拐角的第五组像素以及第一包裹数字图像中的对应于包裹在第一包裹数字图像中的第二下后拐角的第六组像素。在实施例中,第二下前拐角和第二下后拐角由包裹的第二下侧边缘分开,并且包裹的第二下侧边缘具有长度DR。在实施例中,第二下前拐角和第一下前拐角由包裹的下前边缘分开,并且包裹的下前边缘具有长度H2。在实施例中,第二上后拐角和第二下后拐角由包裹的第二后侧边缘分开,并且包裹的第二后侧边缘具有长度UR。
在其他方面,本文描述的方法、设备和计算机程序产品可操作来使用数字检测识别第一包裹数字图像中的对应于贴在包裹上的参考标签的第七组像素,并且参考标签具有已知的第一边缘长度R1和已知的第二边缘长度R2。
另外,本文描述的方法、设备和计算机程序产品可操作来使用所识别组的像素以编程方式计算长度H1、UL、DL、DR、H2和U2中的每一个的长度以及每个长度相对于第一包裹数字图像的水平轴的相关联角度。
本文描述的方法、设备和计算机程序产品可操作来基于根据R1和R2以编程方式计算出的比例,以编程方式确定要应用于长度H1、UL、DL、DR、H2和U2中的每一个的校正因子。
在另外的方面,本文描述的方法、设备和计算机程序产品可操作来将校正因子应用于长度H1、UL、DL、DR、H2和U2中的每一个,并确认长度H1≈长度H2、长度DR≈长度UL并且长度UR≈长度DL。将了解,本文中使用的“≈”是指可基于图像的质量调整的置信度阈值。例如,忙碌的背景比漂亮、干净的单色背景需要更多的容忍度。在一些实施例中,“≈”表示80%-90%的匹配。
在又其他方面,本文描述的方法、设备和计算机程序产品可操作来在确认长度H1≈长度H2、长度DR≈长度UL并且长度UR≈长度DL后,将校正后的长度缩放到英寸(scale toinches)并且将缩放的校正长度作为包裹的计算尺寸输出。
在其他方面,本文描述的方法、设备和计算机程序产品可操作来通过以编程方式确定长度R1和H1之间的第一相对角与长度R1和H2之间的第二相对角之间的角度偏斜来以编程方式确定校正因子和比例,在确定所述角度偏斜低于角度偏斜阈值之后,根据方程以编程方式计算第一包裹数字图像中的包裹的垂直角,根据方程/>以编程方式计算第一包裹数字图像中的包裹的前侧角,使用包裹的垂直角和包裹的前侧角计算校正因子,所述校正因子促进由长度R1和R2生成包裹的上后边缘、第一上侧边缘、第一前侧边缘、下前边缘、第二下侧边缘以及第二后侧边缘中的每一个的比例。在一些实施例中,使用机器学习确定长度R1和R2。
本文描述的方法、设备和计算机程序产品可操作来将包裹的计算尺寸与基于从参考标签获得的包裹信息检索到的关于包裹的已知尺寸信息进行比较。在确定计算尺寸与已知尺寸信息之间的差超过阈值之后,所述方法、设备和计算机程序产品将尺寸异常信号传输到预测性包裹损坏减轻系统。本文描述的方法、设备和计算机程序产品可操作来将包裹的计算尺寸与基于从参考标签获得的包裹信息检索到的关于包裹的已知尺寸信息进行比较。另外,本文描述的方法、设备和计算机程序产品可操作来在确定计算尺寸与已知尺寸信息之间的差未超过阈值之后,将尺寸接受信号传输到移动计算装置。
本文描述的方法、设备和计算机程序产品可操作来在确定角度偏斜超过角度偏斜阈值之后,在计算包裹的垂直角之前应用校正三角计算。
在实施例中,应用校正三角计算包括使用参考对象来计算包裹相对于观察者(摄像机)的方位。从那里开始,基于计算的旋转角和倾斜角应用三角投影以计算包裹侧面应有多少“压缩”。例如,如果包裹仅旋转了10度,则几乎面向观察者(摄像机)的那一侧将需要进行很少的校正。然而,在图像中几乎看不到的那一侧称为压缩侧,因为如果要通过计数像素来计算其长度而没有先尝试校正偏斜,则其边长将比实际小得多。校正因子表示基于包裹向观察者(摄像机)呈现的角在该轴上预期的压缩量。
在实施例中,校正因子包括介于0与1之间的三个单独的缩放因子,其表示在计算机视觉中特定轴被压缩了多少。将直接从数字图像中观察到的长度除以校正因子,可得出特定轴的实际长度。
本发明内容是为了以简化的形式介绍一些概念,其在下面的具体实施方式中将进一步描述。本发明内容并非意图确定所要求保护的主题的关键特征或本质特征,也并非意图被用作确定所要求保护的主题的范围的辅助。在附图和以下描述中阐述了本申请中描述的主题的一个或多个实施例的细节。从说明书、附图和权利要求书中,本主题的其它特征、方面和优点将变得显而易见。
附图说明
在这样概括地描述了本公开后,现在将参考附图,附图不一定按比例绘制并且其中:
图1提供了本公开的示例性实施例的视图;
图2提供了根据本公开的一个实施例的分析计算实体的示意图;
图3提供了可以结合本公开的实施例使用的移动计算实体110的说明性示意图;
图4示出了可以在各种实施例中使用的示例性自动驾驶车辆;
图5示出了根据各种实施例的示例性手动运送车辆;
图6A和图6B包括根据本公开的一个实施例的传送机构的图示以及与本公开的实施例一起使用的示例性多视图图像捕获系统;
图7示出了与本公开的实施例一起使用的示例性包裹输送路线;
图8A示出了与本公开的实施例一起使用的示例性包裹;
图8B示出了与本公开的实施例一起使用的示例性包裹数字图像;
图8C示出了与本公开的实施例一起使用的示例性过程;并且
图8D示出了与本公开的实施例一起使用的示例性过程。
具体实施方式
现在将在下文中参考附图更充分地描述本公开,在附图中示出的是本公开的一些实施例但不是全部实施例。实际上,本公开可以是以许多不同的形式来体现的,并且不应被解释为限于这里阐述的实施例。更准确地说,提供这些实施例是为了使得本公开将满足适用的法律要求。贯穿全文,相似的数字表示相似的元素。
I.计算机程序产品、方法和计算实体
本公开的实施例可以以各种方式来实现,包括作为计算机程序产品,计算机程序产品包括制品。计算机程序产品可以包括非暂时性计算机可读存储介质,其存储:应用程序,程序,程序模块,脚本,源代码,程序代码,目标代码,字节代码,编译的代码,解释的代码,机器代码,可执行指令和程序,等等(这里也称为可执行指令,用于执行的指令,程序代码和/或本文可互换使用的类似术语)。这样的非暂时性计算机可读存储介质包括所有计算机可读介质(包括易失性和非易失性介质)。
在一个实施例中,非易失性计算机可读存储介质可以包括软盘,柔性盘,硬盘,固态存储(SSS)(例如,固态驱动器(SSD),固态卡(SSC),固态模块(SSM),企业级闪存驱动器,磁带或任何其他非暂时性磁性介质等。非易失性计算机可读存储介质还可以包括打孔卡,纸带,光学标记纸(或具有孔图案或其他光学可识别标记的任何其他物理介质),光盘只读存储器(CD-ROM),光盘可擦写(CD-RW),数字多功能光盘(DVD),蓝光光盘(BD),任何其他非暂时性光学介质等。这样的非易失性计算机可读存储介质还可包括只读存储器(ROM),可编程只读存储器(PROM),可擦可编程只读存储器(EPROM),电可擦可编程只读存储器(EEPROM),闪存(例如,串行,NAND,NOR等),多媒体存储卡(MMC),安全数字(SD)存储卡,智能媒介(SmartMedia)卡,CompactFlash(CF)卡,记忆棒和/或喜欢。此外,非易失性计算机可读存储介质还可包括导电桥接随机存取存储器(CBRAM),相变随机存取存储器(PRAM),铁电随机存取存储器(FeRAM),非易失性随机存取存储器(NVRAM),磁阻随机存取存储器(MRAM),电阻式随机存取存储器(RRAM),氧化硅-氮化物-氧化硅-硅存储器(SONOS),浮接栅随机存取存储器(FJG RAM),千足虫存储器,跑道存储器等。
在一个实施例中,易失性计算机可读存储介质可以包括随机存取存储器(RAM),动态随机存取存储器(DRAM),静态随机存取存储器(SRAM),快速页面模式动态随机存取存储器(FPM DRAM),扩展数据。输出动态随机存取存储器(EDO DRAM),同步动态随机存取存储器(SDRAM),双信息/数据速率同步动态随机存取存储器(DDR SDRAM),双信息/数据速率类型两个同步动态随机存取存储器(DDR2 SDRAM),双信息/数据速率类型的三个同步动态随机存取存储器(DDR3 SDRAM),Rambus动态随机存取存储器(RDRAM),双晶体管RAM(TTRAM),晶闸管RAM(T-RAM),零电容(Z-RAM),Rambus嵌入式存储模块(RIMM),双嵌入式存储模块(DIMM),单嵌入式存储模块(SIMM),视频随机存取存储(VRAM),高速缓存(包括各种级别),闪存,寄存器存储器等。应理解的是,在将实施例描述为使用计算机可读存储介质的情况下,除上述计算机可读存储介质之外,其他类型的计算机可读存储介质可以替代或使用。
应当理解,本公开的各种实施例也可以被实现为方法,装置,系统,计算设备/实体,计算实体等。这样,本公开的实施例可以采取执行存储在计算机可读存储介质上的指令以执行某些步骤或操作的装置,系统,计算设备,计算实体和/或类似物的形式。然而,本公开的实施例也可以采取执行某些步骤或操作的完全硬件实施例的形式。
下面参考框图和流程图说明来描述本公开的实施例。因此,应当理解,框图和流程图的每个方框可以以计算机程序产品,完全硬件实施例,硬件和计算机程序产品的组合和/或装置,系统,计算的形式实现。设备/实体,计算实体等执行在计算机可读介质上可互换使用的指令,操作,步骤和类似词(例如,可执行指令,执行指令,程序代码等)执行的存储介质。例如,代码的检索,加载和执行可以顺序执行,以便一次检索,加载和执行一条指令。在一些示例性实施例中,检索,加载和/或执行可以并行执行,使得多个指令一起被检索,加载和/或执行。因此,这样的实施例可以产生执行在框图和流程图说明中指定的步骤或操作的专门配置的机器。因此,框图和流程图图示支持用于执行指定的指令,操作或步骤的实施例的各种组合。
II.示例性定义
如本文所用,术语“数据”,“内容”,“数字内容”,“数字内容对象”,“信息”和类似术语可以互换使用,以指代根据本公开的实施例能够被发送,接收和/或存储的数据。因此,不应将任何此类术语的使用视为对本公开的实施例的精神和范围进行限制。此外,在本文中描述计算设备以从另一计算设备接收数据的情况下,应理解,该数据可以直接从另一计算设备接收,或者可以经由一个或多个中间计算设备/实体例如被间接接收。例如,一个或多个服务器,中继器,路由器,网络访问点,基站,主机和/或类似物,有时在本文中称为“网络”。类似地,在本文描述了将计算设备传输到另一计算设备的数据的情况下,将理解的是,可以将数据直接发送到另一计算设备,或者可以经由一个或多个中间计算设备/实体(例如,)间接发送数据。例如,一个或多个服务器,中继器,路由器,网络访问点,基站,主机等。
术语“包裹损坏减轻”是指包裹输送网络可以采用来减轻在遍历包裹输送网络时对输送中的包裹造成的损坏的措施。包裹损坏减轻的实例可以包括:调整包裹输送网络内某个位置的温度(或其他环境参数),使包裹输送网络内的传送带或其他车辆停运(临时或其他方式),调整包裹输送网络内的传送带或其他车辆的速度等等。
术语“包裹输送网络”、“承运人的物流网络”或“运输和物流网络”是指包裹在起点位置与终点位置之间遍历的一系列一个或多个物理位置。
术语“起点交互点”是指包裹输送网络或承运人的物流网络内最先遇到特定包裹的物理位置。起点交互点的实例包括住宅、转接网投递箱以及营业地点。
术语“包裹交互点”是指包裹输送网络或承运人的物流网络内可以发生与特定包裹的任何交互的物理位置。交互可以定义为任何物理接触,包括从一个位置或车辆转移到另一位置或车辆。本文概述了包裹输送网络中物理位置的实例,这些实例对于本领域技术人员而言是显而易见的。
术语“终点交互点”是指包裹输送网络内打算递送特定包裹的物理位置。这样,在实施例中,终点交互点是沿着特定包裹的包裹输送网络的遍历的最终预期包裹交互点。
术语“包裹数字图像”是指表示包裹输送网络内特定包裹的一个或多个方面的数字捕获图像。在一些实施例中,使用数码摄像机捕获特定包裹的包裹数字图像。在其他实施例中,使用捕获特定包裹的数字表示等的其他手段来捕获包裹数字图像。
术语“包裹”、“物品”和/或“货件”是指任何有形和/或物理物体,诸如通过递送服务从第一地理位置发送到一个或多个其他地理位置的包装、容器、货件、板条箱、捆扎在一起的物品、信封、手提箱、车辆零件、托盘、鼓状容器、车辆等。
应当理解,术语“以编程方式预期”表示某些事件发生的机器预测。
如本文所用,术语“可能性”是指发生特定事件的概率的量度。
术语“机器学习模型”是指机器学习任务。机器学习模型包括标题,并包含一个或多个目标变量。
术语“机器学习模型实验”是指一种用于预测构成机器学习模型的目标变量的方法。机器学习模型实验表示具有特定超参数集的特定算法的特定特征集。机器学习模型实验可以与机器学习模型实验名称和机器学习模型实验描述相关联。
术语“数据集”和“数据集合”是指数据的集合。数据集可以对应于单个数据库表或单个统计数据矩阵的内容,其中表的每一列表示一个特定变量,并且每一行对应于所讨论数据集的给定成员。数据集可以包含元组。
III.示例系统架构
图1提供了本公开的示例性实施例的图示。如图1所示,该特定实施例可以包括一个或多个手动运送车辆100,一个或多个分析计算实体105,一个或多个移动计算实体110,一个或多个卫星112,一个或多个自动驾驶车辆140,一个或多个网络135等,和/或更多。在本文中可互换地使用的这些组件,实体,设备,系统和类似词语中的每一个可以例如在相同或不同的有线或无线网络上彼此直接或间接通信。另外,尽管图1将各种系统实体图示为单独的独立实体,但是各种实施例不限于该特定架构。
1.示例分析计算实体
图2提供了根据本公开的一个实施例的分析计算实体105的示意图。一般而言,此处可互换使用的术语“计算实体,计算机,实体,设备,系统和/或类似词语”可以指的是,例如一台或多台计算机,计算实体,台式机,移动电话,平板电脑,平板电脑,笔记本电脑,便携式计算机,分布式系统,控制台,输入终端,服务器或服务器网络,刀片,网关,交换机,处理设备,处理实体,机顶盒,中继器,路由器,网络访问点,基站等,和/或任何适于执行本文描述的功能,操作和/或过程的设备或实体的组合。这样的功能,操作和/或过程可以包括例如可互换地使用的发送,接收,操作,处理,显示,存储,确定,创建/生成,监视,评估,比较和/或类似术语。在一个实施例中,这些功能,操作和/或过程可以在数据,内容,信息/数据和/或本文可互换使用的类似术语上执行。
如所指示的,在一个实施例中,分析计算实体105还可以包括用于与各种计算实体进行通信的一个或多个通信接口220,诸如通过可互换地传递可以在此使用的数据,内容,信息/数据和/或类似术语来进行通信。发送,接收,操作,处理,显示,存储等。
如图2所示,在一个实施例中,分析计算实体105可以包括或与一个或多个通信的处理元件205(也称为处理器,处理电路和/或在此可互换使用的类似术语)通信。例如,通过总线与分析计算实体105内的其他元件进行通信。将会理解,处理元件205可以以多种不同的方式体现。例如,处理元件205可以体现为一个或多个复杂的可编程逻辑设备(CPLD),微处理器,多核处理器,协同处理实体,专用指令集处理器(ASIP),微控制器和/或控制器。此外,处理元件205可以体现为一个或多个其他处理设备或电路。术语电路可以指整个硬件实施例或硬件与计算机程序产品的组合。因此,处理元件205可以体现为集成电路,专用集成电路(ASIC),现场可编程门阵列(FPGA),可编程逻辑阵列(PLA),硬件加速器,其他电路等。因此将理解,处理元件205可以被配置用于特定用途,或者被配置成执行存储在易失性或非易失性介质中或者以其他方式可被处理元件205访问的指令。这样,无论是由硬件还是由计算机程序产品来配置。或其组合,当相应地配置时,处理元件205就有可能能够执行根据本公开的实施例的步骤或操作。
在一个实施例中,分析计算实体105可以进一步包括非易失性介质(也称为非易失性存储,存储器,存储器储存器,存储器电路和/或本文可互换使用的类似术语)或与其通信。在一个实施例中,非易失性存储器或存储器可以包括一个或多个非易失性存储器或存储器介质210,包括但不限于硬盘,ROM,PROM,EPROM,EEPROM,闪存,MMC,SD存储卡,记忆棒,CBRAM,PRAM,FeRAM,NVRAM,MRAM,RRAM,SONOS,FJG RAM,千足虫存储器,跑道存储器等。将会认识到,非易失性存储或存储介质可以存储数据库(例如,包裹/物品/货运数据库),数据库实例,数据库管理系统,数据,应用程序,程序,程序模块,脚本,源代码,目标代码,字节码,编译后的代码,解释后的代码,机器代码,可执行指令等。本文可互换使用的术语数据库,数据库实例,数据库管理系统和/或类似术语可以指的是使用一种或多种数据库模型(例如数据库)存储在计算机可读存储介质中的记录或信息/数据的集合。分层数据库模型,网络模型,关系模型,实体-关系模型,对象模型,文档模型,语义模型,图模型等。
在一个实施例中,分析计算实体105可以进一步包括易失性介质(也称为易失性存储器,存储器,存储器,存储器电路和/或本文可互换使用的类似术语)或与之通信。在一实施例中,易失性存储器或存储器还可包括一个或多个易失性存储器或存储器介质215,包括但不限于RAM,DRAM,SRAM,FPM DRAM,EDO DRAM,SDRAM,DDR SDRAM,DDR2 SDRAM,DDR3SDRAM,RDRAM,TTRAM,T-RAM,Z-RAM,RIMM,DIMM,SIMM,VRAM,高速缓存存储器,寄存器存储器等。将会认识到,易失性存储或存储介质可用于存储数据库,数据库实例,数据库管理系统,数据,应用程序,程序,程序模块,脚本,源代码,目标代码,字节代码,编译的代码,解释的代码,机器代码,可执行的指令等由例如处理元素205执行。因此,数据库,数据库实例,数据库管理系统,数据,应用程序,程序,程序模块,脚本,源代码,目标代码,字节代码,编译代码,解释代码,机器代码,可执行指令等可用于在处理的帮助下控制分析计算实体105的某些操作元素205和操作系统。
如所指示的,在一个实施例中,分析计算实体105还可以包括用于与各种计算实体进行通信的一个或多个通信接口220,诸如通过传递信息/数据/内容和/或本文中可互换使用的可传输的类似术语。,接收,操作,处理,显示,存储等。可以使用有线信息/数据传输协议执行此类通信,例如光纤分布式信息/数据接口(FDDI),数字用户线(DSL),以太网,异步传输模式(ATM),帧中继,电缆上的信息/数据服务接口规范(DOCSIS)或任何其他有线传输协议。类似地,分析计算实体105可以被配置为使用各种协议中的任何一种经由无线外部通信网络进行通信,诸如通用分组无线服务(GPRS),通用移动电信系统(UMTS),码分多址2000(CDMA2000),CDMA2000 1X(1xRTT),宽带码分多址(WCDMA),时分同步码分多址(TD-SCDMA),长期演进(LTE),演进的通用陆地无线接入网(E-UTRAN),演进数据优化(EVDO),高速分组访问(HSPA),高速下行链路分组访问(HSDPA),IEEE 802.11(Wi-Fi),Wi-Fi直连,802.16(WiMAX),超宽带(UWB),红外(IR)协议,近场通信(NFC)协议,Wibree,蓝牙协议,无线通用串行总线(USB)协议,远程低功耗(LoRa),LTE Cat M1,窄带物联网(NB IoT)和/或任何其他无线协议。
尽管未示出,但是分析计算实体105可以包括一个或多个输入元件或与一个或多个输入元件通信,一个或多个输入元件例如键盘输入、鼠标输入、触摸屏/显示器输入、动作输入、运动输入、音频输入、指示设备输入、操纵杆输入、小键盘输入等。分析计算实体105还可包括一个或多个输出元件(未示出)或与之通信,例如音频输出、视频输出、屏幕/显示输出、动作输出、运动输出等。
将会理解,分析计算实体105的组件中的一个或多个可以远离其他分析计算实体105的组件,例如在分布式系统中。此外,一个或多个组件可以被组合,并且执行本文中描述的功能的附加组件可以被包括在分析计算实体105中。因此,分析计算实体105可以适于适应各种需求和情况。如将认识到的,提供这些架构和描述仅出于示例性目的,并且不限于各种实施例。
2.示例性移动计算实体
移动计算实体110可以被配置为用于自主操作(例如,与自动驾驶车辆140相关联)和/或用于由用户(例如,车辆操作员,送货人员,顾客等)操作。在某些实施例中,移动计算实体110可以体现为手持计算实体,例如移动电话,平板电脑,个人数字助理等,其可以至少部分地基于经由输入机构而接收的来自用户的用户输入来操作。此外,移动计算实体110可以被实现为可以至少部分地基于用户输入来操作的诸如中央车辆电子控制单元(ECU),车载多媒体系统等的车载车辆计算实体。然而,此类机载车辆计算实体可以被配置用于自主和/或近乎自主的操作,因为它们可以体现为用于自动驾驶或半自动驾驶车辆(例如无人飞行器(UAV),机器人和/或诸如此类)的机载控制系统,等等。作为特定示例,移动计算实体110可以被用作用于UAV的机载控制器,其被配置用于拾取和/或递送包裹到各个位置,并且因此,这样的移动计算实体110可以被配置成监视各种输入(例如,来自各种传感器)并生成各种输出(例如,各种车辆驱动机构接收到的控制指令)。应当理解,本公开的各种实施例可以包括以一种或多种形式体现的多个移动计算实体110(例如,手持移动计算实体110,车载移动计算实体110和/或自主移动计算实体110)。
如将认识到的,用户可以是个人,家庭,公司,组织,实体,组织内的部门,组织和/或人的代表等(无论是否与载体关联)。在一个实施例中,用户可以操作移动计算实体110,该移动计算实体110可以包括一个或多个在功能上与分析计算实体105的组件相似的组件。图3提供了可以是移动计算实体110的说明性示意图,其可结合本公开的实施例使用。一般而言,此处可互换使用的术语“设备”,“系统”,“计算实体”,“实体”和/或类似词语可指的是,例如一台或多台计算机,计算实体,台式机,移动电话,平板电脑,平板手机,笔记本电脑,笔记本电脑,分布式系统,车辆多媒体系统,自动驾驶车载控制系统,手表,眼镜,智能钥匙,射频识别(RFID)标签,听筒,扫描仪,成像设备/相机(例如,多视图图像捕获系统的一部分),腕带,信息亭,输入终端,服务器或服务器网络,刀片,网关,交换机,处理设备,处理实体,机顶盒,中继器,路由器,网络接入点,基站等,和/或以下各项的任意组合适于执行本文描述的功能,操作和/或过程的设备或实体。移动计算实体110可以由包括承运人人员(分拣员,装载员,交付司机,网络管理员等)在内的各方操作。如图3所示,移动计算实体110可以包括天线312,发射机304(例如,无线电),接收机306(例如,无线电)和处理元件308(例如,CPLD,微处理器,多处理器)。核心处理器,协处理实体,ASIP,微控制器和/或控制器),分别向发射机304和接收机306提供信号并从接收机306接收信号。
分别提供给发射机304和接收机306以及从发射机304和接收机306接收的信号可以包括根据适用无线系统的空中接口标准的信令信息。就这一点而言,移动计算实体110可以能够以一种或多种空中接口标准,通信协议,调制类型和接入类型进行操作。更具体地,移动计算实体110可以根据诸如以上关于分析计算实体105描述的那些无线通信标准和协议中的任何无线通信标准和协议进行操作。在特定实施例中,移动计算实体110可以进行操作。根据多种无线通信标准和协议,例如UMTS,CDMA2000,1xRTT,WCDMA,TD-SCDMA,LTE,E-UTRAN,EVDO,HSPA,HSDPA,Wi-Fi,Wi-Fi Direct,WiMAX,UWB,IR,NFC,蓝牙,USB等。类似地,移动计算实体110可以根据多个有线通信标准和协议来进行操作,诸如上文关于经由网络接口320的分析计算实体105所描述的。
通过这些通信标准和协议,移动计算实体110可以使用诸如非结构化补充服务信息/数据(USSD),短消息服务(SMS),多媒体消息服务(MMS),双音多频等概念与各种其他实体通信。-频率信令(DTMF)和/或用户身份模块拨号程序(SIM拨号程序)。移动计算实体110还可以例如将改变、附加和更新下载到其固件,软件(例如,包括可执行指令,应用,程序模块)和操作系统。
根据一个实施例,移动计算实体110可以包括可互换使用的用于位置确定的方面、设备、模块、功能和/或类似词。举例来说,移动计算实体110可包含户外定位方面,例如适于获取例如纬度,经度,高度,地理编码,路线,方向,航向,速度,世界时间(UTC),日期,和/或其他各种信息/数据。在一个实施例中,定位模块可以通过识别可见卫星的数量和这些卫星的相对位置(例如,使用全球定位系统(GPS))来获取信息/数据,有时称为星历表信息/数据。卫星可以是各种不同的卫星,包括低地球轨道(LEO)卫星系统,国防部(DOD)卫星系统,欧盟伽利略定位系统,中国指南针导航系统,印度区域导航卫星系统和/或类似的东西。收集此信息/数据可以使用多种坐标系(例如十进制(DD)),度,分,秒(DMS);通用横轴墨卡托(UTM);通用极地立体照相(UPS)坐标系,和/或诸如此类。可替代地,可以通过将移动计算实体110的位置与包括蜂窝塔,Wi-Fi接入点等在内的各种其他系统相联系来三角测量来确定位置信息。类似地,移动计算实体110可以包括室内定位方面,诸如适于获取例如纬度,经度,高度,地理编码,路线,方向,航向,速度,时间,日期和/或各种其他的位置模块。信息/数据。一些室内系统可以使用各种定位或定位技术,包括RFID标签,室内信标或发射机,Wi-Fi接入点,蜂窝塔,附近的计算设备/实体(例如,智能手机,笔记本电脑)等。例如,这样的技术可以包括iBeacon,云台接近度信标,蓝牙低功耗(BLE)发射器,NFC发射器等。这些室内定位方面可用于多种设置中,以将某人或某物的位置确定为英寸或厘米以内。
移动计算实体110还可以包括用户界面(可以包括耦合至处理元件308的显示器316)和/或用户输入界面(耦合至处理元件308)。例如,用户界面可以是用户应用程序,浏览器,用户界面和/或本文中使用的类似词,其在移动计算实体110上可互换地执行和/或可通过移动计算实体110访问,以与分析计算实体105进行交互和/或引起对来自分析计算实体105的信息的显示,如本文所述。用户输入界面可以包括允许移动计算实体110接收信息/数据的多种设备或界面中的任何一种,例如小键盘318(硬或软),触摸显示器,语音/话音或运动界面,或其他输入设备。在包括小键盘318的实施例中,小键盘318可包括(或引起其显示)常规数字(0-9)和相关键(#,*)以及用于操作移动计算实体110的其他键,并可包括完整的字母键集,或可以被激活以提供完整的字母数字键集的键集。除了提供输入之外,用户输入界面还可用于例如激活或停用某些功能,例如屏幕保护程序和/或睡眠模式。
如图3所示,移动计算实体110还可包括相机,成像设备和/或本文可互换使用的类似术语326(例如,静止图像相机,视频相机,启用IoT的相机,具有低功耗的IoT模块)。分辨率相机,启用无线功能的MCU和/或类似设备)以捕获图像。移动计算实体110可以被配置为经由机载相机326捕获图像,并且将那些成像设备/相机本地存储在诸如易失性存储器322和/或非易失性存储器324中。实体110可以进一步被配置为将捕获的图像数据与经由位置确定方面捕获的相关位置和/或时间信息进行匹配,以提供上下文信息/数据,例如时间戳,日期戳,位置戳和/或诸如此类,以反映通过照相机326捕获图像数据的时间,日期和/或位置的图像数据。上下文数据可以存储为图像的一部分(这样,图像的可视表示图像数据包括上下文数据),和/或可以作为与图像数据相关联的元数据存储,其可被各种计算实体110访问。
移动计算实体110可以包括其他输入机制,例如扫描仪(例如,条形码扫描仪),麦克风,加速计,RFID读取器等,其被配置为捕获和存储移动计算实体110的各种信息类型。例如,可以使用扫描仪从放置在货物或其他物品的表面上的物品指示器捕获包裹/物品/运输信息/数据。在某些实施例中,移动计算实体110可以被配置为例如经由机载处理元件308来关联任何捕获的输入信息/数据。例如,经由扫描仪捕获的扫描数据可以与经由相机326捕获的图像数据相关联,使得扫描数据被提供为与图像数据相关联的上下文数据。
移动计算实体110还可以包括易失性存储器或存储器322和/或非易失性存储器或存储器324,其可以被嵌入和/或可以是可移动的。例如,非易失性存储器可以是ROM,PROM,EPROM,EEPROM,闪存,MMC,SD存储卡,记忆棒,CBRAM,PRAM,FeRAM,NVRAM,MRAM,RRAM,SONOS,FJG RAM,千足虫存储器,跑道存储器等。易失性存储器可以是RAM,DRAM,SRAM,FPM DRAM,EDO DRAM,SDRAM,DDR SDRAM,DDR2 SDRAM,DDR3 SDRAM,RDRAM,TTRAM,T-RAM,Z-RAM,RIMM,DIMM,SIMM,VRAM,高速缓冲存储器,寄存器存储器等。易失性和非易失性存储器或储存器可以存储有数据库,数据库实例,数据库管理系统,信息/数据,应用程序,程序,程序模块,脚本,源代码,目标代码,字节代码,编译的代码,解释的代码,机器代码,可执行指令等来实现移动计算实体110的功能。如所示,这可以包括驻留在实体上或可通过浏览器或其他用户界面访问以与分析计算实体105和/或各种其他计算实体进行通信的用户应用程序。
在另一实施例中,移动计算实体110可以包括与分析计算实体105的那些相同或相似的一个或多个组件或功能,如以上更详细地描述的。如将认识到的,提供这些架构和描述仅出于示例性目的,并且不限于各种实施例。
3.示范自动驾驶车辆
如本文所用,自动驾驶车辆140可以配置为运输一个或多个货物/物品(例如,一个或多个包裹,包裹,袋子,集装箱,货物,板条箱,捆扎在一起的物品,车辆零件,托盘,鼓等,和/或此处可互换使用的相似词)。各种自动驾驶车辆140可以如共同待决的美国专利申请1中所述进行配置。于2017年4月28日提交的美国专利第15/582,129号的全部内容通过引用合并于此。
在某些实施例中,每个自动驾驶车辆140可以与唯一地标识自动驾驶车辆140的唯一车辆标识符(例如车辆ID)相关联。唯一车辆ID可以包括字符,例如数字,字母,符号和/或类似。例如,字母数字车辆ID(例如,“AS445”)可以与每个车辆140相关联。尽管本文将自动驾驶车辆140讨论为包括无人飞行器(UAV),但是应当理解,自动驾驶车辆可以包括地面。在某些实施例中的基于自动驾驶的车辆140。
图4示出了可以在各种实施例中使用的示例性自动驾驶车辆140。如图4所示,
自动驾驶车辆140被实施为UAV,其通常包括UAV底盘142和从UAV底盘142向外延伸的多个推进构件143(在某些实施例中,推进构件被螺旋桨护罩141围绕)。UAV底盘142通常限定UAV的主体,该推进构件143(例如,具有多个叶片的螺旋桨,该多个叶片构造成在包围螺旋桨的螺旋桨防护罩内旋转)在飞行期间进行升举并引导。根据各种实施例,UAV底盘142可以由具有适当强度和重量的任何材料(包括可持续和可重复使用的材料)形成,包括但不限于复合材料,铝,钛,聚合物和/或类似物,并且可以通过任何合适的过程形成。
在图4所示的实施例中,自动驾驶车辆140是六旋翼飞行器,并且包括六个独立的推进构件143,每个推进构件从UAV底盘142向外延伸。然而,如从本文的描述中将会理解的,自动驾驶车辆140可包括适于在飞行期间提供升力并引导自动驾驶车辆140的任何数量的推进构件143。如图4的示例实施例中所示,推进构件143被配置为使得能够进行垂直运动(例如,提升)和/或水平运动,并且能够实现自动驾驶车辆140的翻滚,俯仰和偏航运动。尽管未示出,应当理解,自动驾驶车辆140可包括多种推进机构中的任何一种,例如基于气球的举升机构(例如,实现比空气轻的运输),基于机翼的举升机构,基于涡轮的举升机构,和/或诸如此类。
在所示的实施例中,推进构件143是电动的(例如,通过控制螺旋桨旋转速度的电动机)。然而,如将认识到的那样,推进构件143可以由驱动交流发电机,氢燃料电池和/或内燃机的内燃发动机(例如,以酒精为燃料,以油为燃料,以汽油为燃料的燃料等)提供动力,和/或诸如此类。
此外,如图4所示,UAV底盘142的下部被构造成接收并接合包裹运送器144,该包裹运送器144被配置为选择性地支撑要从手动运送车辆100运送到运送目的地的包裹/物品/货物。当相对于自动驾驶汽车140的底盘142固定时,包裹运送器144可以限定自动驾驶汽车140的最低点,使得由自动驾驶汽车140携带的包裹/物品/货物在运送期间可以定位在自动驾驶汽车140的底盘下方。在某些实施例中,包裹运送器144可包括一个或多个包裹接合臂145,其构造成相对于自动驾驶车辆可拆卸地固定包裹/物品/运输。在这样的实施例中,包裹/物品/运输可被包裹接合臂145悬挂在自动驾驶车辆140下方,使得其可以在自动驾驶车辆140悬停在期望的递送目的地上方的同时从自动驾驶车辆140释放。然而,应当理解,包裹运送器144可以具有多种配置中的任何一种,从而使得自动驾驶车辆140能够在运输期间支撑包裹/物品/运输。例如,包裹运送器144可包括用于在运输期间封闭包裹/物品/运输的包裹笼,位于UAV底盘142上方的包裹平台,和/或类似物。
在某些实施例中,例如,包裹运送器144可以相对于UAV底盘142可拆卸地固定,使得具有固定到其上的货物/物品的替代包裹运送器144可以相对于UAV底盘142交替地连接以用于递送。在某些实施例中,无人飞行器可以被配置为递送固定在包裹运送器144内的包裹/物品/货物,并返回到手动运送车辆100,在这里,空的包裹运送器144(由于包裹/物品的递送)可以将其从先前固定在自动驾驶车辆140上,并且可以将具有第二个包裹/物品/装运的新包裹运送器144固定到UAV底盘142。
如图5所示,其示出了根据各种实施例的示例性手动运送车辆100,自动驾驶车辆140可以被配置为选择性地接合手动运送车辆100的一部分,使得手动运送车辆100可以运输自动驾驶车辆。140.例如,无人飞行器底盘142可以被配置成接合相对于手动运送车辆100固定的一个或多个车辆引导机构,以在不运送货物/物品时相对于手动运送车辆100可拆卸地固定自动驾驶车辆140。如本文中所讨论的,手动运送车辆100的引导机构可以被配置为使自动驾驶车辆140能够从手动运送车辆100自主地起飞以发起运载活动和/或自主降落在手动运送车辆100处。结束交付活动。
此外,自动驾驶车辆140还包括被实施为移动计算实体110的机载控制系统,该车载控制系统包括在飞行期间协助自动驾驶车辆140的导航的多个感测设备。例如,控制系统被配置为控制车辆的运动,车辆的导航,避障,物品递送等。尽管未示出,但是控制系统可以另外包括一个或多个用户界面,该用户界面可以包括被配置为接收用户输入的输出机构和/或输入机构。例如,用户界面可以被配置为使得自动驾驶车辆技术人员能够查看与自动驾驶车辆140有关的诊断信息/数据,和/或自动驾驶车辆140的用户可以利用用户界面来输入和/或查看信息/指示自动驾驶车辆140的目的地位置的数据。
多个感测设备被配置为检测自动驾驶车辆140周围的物体,并向自动驾驶车辆机载控制系统提供反馈,以协助引导自动驾驶车辆140执行各种操作,例如起飞,飞行导航和着陆,如将在本文中更详细描述的。在某些实施例中,自动驾驶车辆控制系统包括多个传感器,包括地面着陆传感器,车辆着陆传感器,飞行引导传感器以及一个或多个成像设备/相机。车辆着陆传感器可以被定位在UAV底盘142的下部上,并且有助于将自动驾驶车辆140着陆在手动运送车辆100上(例如,如图5所示),如将在本文中更详细地描述的。车辆着陆传感器可包括一个或多个成像设备/相机(例如,视频成像设备/相机和/或静止成像设备/相机),一个或多个高度传感器(例如,光检测和测距(LIDAR)传感器,距离传感器,红外距离传感器,超声距离传感器,光学传感器等)。车辆着陆传感器位于无人飞行器底盘142的下部,位于自动推进装置143的下方,并且当自动驾驶车辆140接近驾驶员时,其与手动输送车的无人飞行器支撑机构(图5)具有视线。着陆期间的运载车辆100。
自动驾驶车辆的一个或多个成像设备/相机也可以位于无人机底盘142的下部,螺旋桨护罩141等上。一个或多个成像设备/相机可以包括视频和/或静止成像设备/相机,并且可以在交付过程期间捕获自动驾驶车辆140的飞行的图像和/或视频,并且可以帮助验证或确认自动驾驶设备的交付。包裹/物品/运输到目的地,如将在本文中更详细地描述。一个或多个成像装置/摄像机位于无人机底盘142的下部,位于推进构件143的下方,并具有通畅的视线以观看自动驾驶车辆140的飞行。参照各种移动计算实体110,可以将布置在UAV上的一个或多个成像设备/相机配置为在拾取那些物品/物品之前,在放下那些物品/物品之后捕获一个或多个物品/物品的图像。,物品/货件的运输等期间。
在各个实施例中,自动驾驶车辆140的控制系统可包括例如类似于参考手动运送车辆100或其他计算实体所讨论的信息/数据收集装置130的信息/数据收集装置。
在一个实施例中,信息/数据收集设备130可以包括,与一个或多个处理器(下面将更详细地描述各种示例性处理器),一个或多个位置确定设备或与之相关联,或者与之进行有线或无线通信。一个或多个位置传感器(例如,全球导航卫星系统(GNSS)传感器,室内位置传感器,例如蓝牙传感器,Wi-Fi传感器等),一个或多个实时时钟,J-Bus协议架构,一个或多个电子控制模块(ECM),一个或多个用于从各种传感器(例如,通过CAN总线)接收信息/数据的通信端口,一个或多个用于传输/发送信息/数据的通信端口,一个多个RFID标签/传感器,一个或多个电源,一个或多个与各种通信网络进行通信的信息/数据无线电,一个或多个存储模块以及一个或多个可编程逻辑控制器(PLC)。应当注意,这些部件中的许多部件可以位于自动驾驶车辆140中,但是位于信息/数据收集设备130的外部。
在一个实施例中,在本文中可互换使用的一个或多个位置传感器,模块或类似词语可以是与信息/数据收集设备130进行有线或无线通信或对信息/数据收集设备130可用的几个组件之一。此外,一个或多个位置传感器可以与GPS卫星112兼容,例如低地球轨道(LEO)卫星系统,国防部(DOD)卫星系统,欧盟伽利略定位系统,中国指南针导航系统,印度区域导航卫星系统和/或类似。可以使用多种坐标系(例如十进制(DD))收集此信息/数据。度,分,秒(DMS);通用横轴墨卡托(UTM);通用极地立体照相(UPS)坐标系;等。
如本文所讨论的,基于三角测量和/或接近度的位置确定可以与与特定的自动驾驶车辆140相关联的设备以及与各种通信点(例如,蜂窝塔,Wi-Fi接入点等)结合使用。在整个地理区域中的各个位置处定位“位置”以监视车辆100和/或其操作员的位置。一个或多个位置传感器可以用于接收纬度,经度,高度,航向或方向,地理编码,路线,位置,时间,位置标识信息/数据和/或速度信息/数据(例如,在本文中称为位置)信息/数据,并在下面进一步说明)。一个或多个位置传感器还可与分析计算实体105,信息/数据收集设备130,移动计算实体110和/或类似的计算实体通信。
在一个实施例中,ECM可以是与信息/数据收集设备130通信和/或可用于信息/数据收集设备130的若干组件之一。ECM可以是信息/数据收集设备130的可扩展和从属设备。信息/数据处理能力,用于解码和存储从例如车辆系统和传感器接收到的模拟和数字输入。ECM还可以具有信息/数据处理能力,以收集位置信息/数据并将其呈现给J-Bus(这可以允许传输到信息/数据收集设备130),并例如通过以下方式输出位置识别信息/数据。显示器和/或其他输出设备(例如扬声器)。
如图所示,通信端口可以是信息/数据收集设备130中可用的几个组件之一(或者在单独的计算实体中或作为单独的计算实体)。通信端口的实施例可以包括红外信息/数据协会(IrDA)通信端口,信息/数据无线电和/或串行端口。通信端口可以接收针对信息/数据收集设备130的指令。这些指令可以特定于安装有信息/数据收集设备130的车辆100,特定于车辆的地理区域和/或维修点。100将针对车辆在车队内所服务的功能等而行驶。在一个实施例中,信息/数据无线电可以被配置为与WWAN,WLAN,WPAN或其任何组合进行通信。例如,信息/数据无线电可以通过各种无线协议进行通信,例如802.11,GPRS,UMTS,CDMA2000、1xRTT,WCDMA,TD-SCDMA,LTE,E-UTRAN,EVDO,HSPA,HSDPA,Wi-Fi,WiMAX,UWB,IR协议,蓝牙协议(包括BLE),无线USB协议和/或任何其他无线协议。作为其他示例,通信端口可以被配置为经由基于光的通信协议(例如,利用特定的发光频率,波长(例如,可见光,红外光和/或波长)来发送和/或接收信息/数据传输。等等)和/或类似物经由基于声音的通信协议(例如,利用特定的声音频率来传输数据)等。
4.示例性手动运送车辆
如本文中所讨论的,手动运送车辆100可以是配置成用于沿着运送路线运送车辆操作者,多个物品和一个或多个自动驾驶车辆140的用户(例如,人)可操作的运送车辆。然而,应当理解,在某些实施例中,即使使用“手动运送车辆100”这一术语,这也仅仅是在描述中将其与自动驾驶车辆140区分开。因此,手动运送车辆100本身可以是自动驾驶的或半自动驾驶的。在某些实施例中,自动驾驶的手动运送车辆100可以被配置为自主基本车辆,其被配置为携带多个物品,一个或多个较小的辅助自主车辆(例如,本文中详细描述的自动驾驶车辆140),人员交付人员。(例如,谁可以完成从手动运送车辆100到各个目的地位置的各种运送)等。例如,车辆100可以是有人驾驶或无人驾驶的拖拉机,卡车,汽车,摩托车,轻便摩托车,平衡车,自行车,高尔夫球车,手推车,手拉车,拖车,拖拉机和拖车组合,货车,平板卡车,车辆,无人机,飞机,直升机,轮船,驳船和/或任何其他形式的物体以移动或运输人员,无人机和/或货运/物品(例如,一个或多个包裹,包裹,箱包,集装箱,货物,板条箱,物品车辆部件,托盘,鼓等类似物和/或此处可互换使用的类似词语结合在一起)。在一个实施例中,每个车辆100可以与唯一地标识车辆100的唯一车辆标识符(例如,车辆ID)相关联。唯一车辆ID(例如,拖车ID,拖拉机ID,车辆ID等)可以包含字符,例如数字,字母,符号等。例如,字母数字车辆ID(例如“AS445”)可以与每个车辆100相关联。在另一个实施例中,唯一车辆ID可以是车牌,注册号或分配给车辆100的其他标识信息/数据。在各种实施例中,可以如在提交于2017年4月28日的共同待决的美国专利申请No.15/582,129中所讨论的那样来配置手动运送车辆100,其全部内容通过引用合并于此。
在各个实施例中,手动运送车辆100包括一个或多个自动运载工具支撑机构,如图5所示。自动运载工具支撑机构可以被配置为使自动运载工具140能够在手动运送车辆100发动并着陆时降落在手动运送车辆100上。同时完成自主交付。在某些实施例中,自动驾驶车辆支撑机构可以被配置为在手动运送车辆100正在移动时使自动驾驶车辆140能够发射和/或着陆,然而,某些实施例可以被配置为在自动驾驶车辆100移动时使得自动驾驶汽车140能够发射和/或着陆。手动运送车辆100是静止的。
此外,尽管未示出,但是手动运送车辆100的内部可以包括配置成用于存储多个物品的货物区域,多个自动驾驶车辆140,多个自主车辆部件等。在某些实施例中,被指定为自动交付的物品可以被存储在手动运送车辆100的货物区域内的一个或多个自动操作的存储组件中。当特定的包裹/物品/装运被识别为准备好交付时,该存储组件自动地将包裹/物品/货物运送到自动驾驶车辆140以进行运送。
此外,手动运送车辆100可以包括和/或与一个或多个移动计算实体110,设备和/或在本文中可互换使用的类似术语相关联。移动计算实体110可以包括例如信息/数据收集设备130或其他计算实体。
在一个实施例中,信息/数据收集设备130可以包括,与一个或多个处理器(以下将更详细地描述各种示例性处理器),一个或多个位置确定设备或与之相关联,或者与之进行有线或无线通信。一个或多个位置传感器(例如GNSS传感器),一个或多个远程信息处理传感器,一个或多个实时时钟,J-Bus协议体系结构,一个或多个ECM,一个或多个用于从中接收远程信息处理信息/数据的通信端口各种传感器(例如,通过CAN总线),一个或多个用于发送/发送信息/数据的通信端口,一个或多个RFID标签/传感器,一个或多个电源,一个或多个与无线电通信的信息/数据无线电设备各种通信网络,一个或多个内存模块以及一个或多个可编程逻辑控制器(PLC)。应当注意,这些部件中的许多部件可以位于车辆100中,但是位于信息/数据收集设备130的外部。
在一个实施例中,在本文中可互换使用的一个或多个位置传感器,模块或类似词语可以是与信息/数据收集设备130进行有线或无线通信或可用于信息/数据收集设备130的几个组件之一。此外,一个或多个位置传感器如上面参考自主交付所讨论的,可以与GPS卫星112,LEO卫星系统,DOD卫星系统,欧盟伽利略定位系统,中国指南针导航系统,印度区域导航卫星系统等兼容。车辆。可替代地,三角剖分可以与与特定车辆和/或车辆的操作者相关联的设备以及位于整个地理区域中的各个位置处的各个通信点(例如,蜂窝塔或Wi-Fi接入点)结合使用,以监视网络。车辆100和/或其操作员的位置。一个或多个位置传感器可以用于接收纬度,经度,高度,航向或方向,地理编码,路线,位置,时间和/或速度信息/数据(例如,在本文中称为远程信息处理信息/数据,并进一步描述)。在下面)。一个或多个位置传感器还可与分析计算实体105,信息/数据收集设备130,移动计算实体110和/或类似的计算实体通信。
在一个实施例中,ECM可以是与信息/数据收集设备130通信和/或可用于信息/数据收集设备130的多个组件之一。ECM可以是信息/数据收集设备130的可扩展和从属设备。信息/数据处理能力,用于解码和存储来自车辆系统和传感器(例如位置传感器)的模拟和数字输入。ECM可以进一步具有信息/数据处理能力,以收集所收集的信息/数据并将其呈现给J-Bus(这可以允许传输至信息/数据收集设备130)。
如图所示,通信端口可以是信息/数据收集设备130中可用的几个组件之一(或在单独的计算实体中,或作为单独的计算实体)。通信端口的实施例可以包括IrDA通信端口,信息/数据无线电和/或串行端口。通信端口可以接收针对信息/数据收集设备130的指令。这些指令可以特定于安装了信息/数据收集设备130的车辆100,特定于车辆100将行驶的地理区域,特定于车辆100在车队内服务的功能等。在一个实施例中,信息/数据无线电可以被配置为与WWAN,WLAN,WPAN或其任何组合通信,如上面参考自动驾驶车辆所讨论的。
5.示例性包裹/物品/货件
在一个实施例中,每个包裹/物品/货件可以包括包裹/物品/货件标识符和/或与之相关联,诸如字母数字标识符。此类包裹/物品/货件标识符可以表示为文本、条形码、标签、字符串、阿兹特克代码、马克西代码、信息/数据矩阵、快速响应(QR)代码、电子表示等。承运人可以使用独特的包裹/物品/货件标识符(例如,123456789)来在包裹/物品/货件移动通过承运人的运输网络时识别并跟踪它,并且将特定的物理包裹/物品/货件与电子存储的包裹/物品/货件简档相关联。例如,包裹/物品/货件简档可以存储在包裹/物品/货件等级详细数据库中,并且可以存储数据,所述数据通知各种承运个人和/或递送车辆(例如,自动驾驶车辆140)递送相关信息/特定于特定货件的数据。此外,可以通过例如使用上面打印有独特包裹/物品/货件标识符(呈人和/或机器可读形式)的贴纸(例如标签)或里面存储有独特包裹/物品/货件标识符的RFID标签将此类包裹/物品/货件标识符粘贴到货件/物品上。此类物品可以被称为“连接”货件/物品和/或“非连接”货件/物品。
在一个实施例中,连接的货件/物品包括确定其位置和/或与各种计算实体通信的能力。这可包括包裹/物品/货件能够经由芯片或其他装置进行通信,诸如集成电路芯片、RFID技术、NFC技术、蓝牙技术、Wi-Fi技术、基于光的通信协议、基于声音的通信协议,以及彼此之间和/或出于各种目的与各种计算实体进行通信的任何其他合适的通信技术、标准或协议。连接的货件/物品可以包括与本文所述的分析计算实体105和/或移动计算实体110的部件在功能上类似的一个或多个部件。例如,在一个实施例中,每个连接的包裹/物品/货件可以包括一个或多个处理元件、一个或多个显示装置/输入装置(例如,包括用户接口)、易失性和非易失性储存器或存储器,和/或一个或多个通信接口。在这方面,在一些示例实施例中,包裹/物品/货件可以传达“收件人”地址信息/数据,“寄件人”地址信息/数据,独特的标识符代码、位置信息/数据、状态信息/数据和/或各种其他信息/数据。
在一个实施例中,非连接货件/物品通常不包括确定其位置的能力和/或可能不能够与各种计算实体通信,或者没有被承运人指定这样做。可以借助于其他适当的计算实体来确定未连接的货件/物品的位置。例如,可以扫描未连接的货件/物品(例如,粘贴的条形码、RFID标签等),或者具有它们定位扫描或定位在里面的容器或车辆。如将认识到的,并不一定需要对包裹/物品/货件的实际扫描或位置确定来确定包裹/物品/货件的位置。即,可能实际上不对直接粘贴在包裹/物品/货件上的标签执行扫描操作,或者可能没有专门针对包裹/物品/货件或由包裹/物品/货件进行位置确定。例如,可以扫描容纳许多货件/物品的较大容器上的标签,并且通过关联,将容纳在容器内的货件/物品的位置认为是位于扫描位置的容器中。类似地,可以确定运输许多货件/物品的车辆的位置,并且通过关联,将车辆运输的货件/物品的位置认为是位于确定位置处的车辆100中。这些可以称为“逻辑”扫描/确定或“虚拟”扫描/确定。因此,尽管事实可能实际上不存在一个或多个此类货件/物品,但是货件/物品的位置基于它们在容器或车辆内的假设。
6.示例性包裹/物品/货件简档
如本文所述,各种货件/物品可以具有可互换地存储在包裹/物品/货件详细数据库中的、相关联的包裹/物品/货件简档、记录和/或本文使用的类似词语。承运人可以利用包裹/物品/货件简档来跟踪包裹/物品/货件的当前位置,并存储和检索关于包裹/物品/货件的信息/数据。例如,包裹/物品/货件简档可以包括对应于相关联的包裹/物品/货件的电子数据,并且可以识别包裹/物品/货件的各种装运指令,包裹/物品/货件的各种特征等。电子数据可以是各种计算实体可读的格式,所述计算实体诸如分析计算实体105、移动计算实体110、自动驾驶车辆控制系统等。然而,应当理解,配置为选择性地检索各种包裹/物品/货件简档内的电子数据的计算实体可以包括格式转换方面,所述格式转换方面被配置为将请求的数据重新格式化为请求计算实体可读。
在各个实施例中,包裹/物品/货件简档包括对应于包裹/物品/货件的识别信息/数据。识别信息/数据可以包括识别与包裹/物品/货件相关联的独特包裹/物品/货件标识符的信息/数据。因此,在将识别信息/数据提供到包裹/物品/货件细节数据库之后,包裹/物品/货件详细数据库可以查询所存储的包裹/物品/货件简档,以便检索对应于提供的独特标识符的包裹/物品/货件简档。
此外,包裹/物品/货件简档可以包括包裹/物品/货件的装运信息/数据。例如,运输信息/数据可以识别起点位置(例如,起点可服务点)、终点位置(例如,终点可服务点)、服务等级(例如,次日中午12点前达、隔夜快递、特快、次日早上8点前达、次日天黑前达、Jetline、Sprintline、Secureline、2日中午12点前达、优先、2日早上8点前达、3日达、地面包裹、标准邮件、平邮、媒体邮件、SurePost、货运等),是否需要递送确认签名等。在某些实施例中,装运信息/数据的至少一部分可以用作识别信息/数据以识别包裹/物品/货件。例如,可以利用终点位置来查询包裹/物品/货件详细数据库,以检索关于包裹/物品/货件的数据。
在某些实施例中,包裹/物品/货件简档包括识别包裹/物品/货件特征的特征信息/数据。例如,特征信息/数据可以识别包裹/物品/货件的尺寸(例如,长度、宽度和高度)、包裹/物品/货件的重量、包裹/物品/货件的内容物等。在某些实施例中,包裹/物品/货件的内容物可以包括包裹/物品/货件的内容物的精确列表(例如,三个小部件)和/或内容物可以识别包裹/物品/货件是否包含任何有害物质(例如,内容物可以指示包裹/物品/货件是否包含以下中的一个或多个:禁止使用有害物质、有毒物质、易燃物质、加压物质、管制物质、枪支等)。
7.示例性传送机构
当货件/物品在对应的起点与终点之间移动通过承运人的物流网络时,这些货件/物品可能会通过一个或多个承运人分类位置。每个载体分类位置可以包括一个或多个传送机构(例如,传送带,滑槽等),所述传送机构被配置为将传入位置(例如传入车辆)之间的货件/物品移动到沿着起点与终点之间的包裹/物品/货件的预期运输路径去往后面位置的对应出站车辆。
图6包括根据本公开的一个实施例的传送机构115的图示。如图6A和图6B所示,传送机构115可以包括从包裹/物品/货件获取信息/数据(包括图像信息/数据)的多视图图像捕获系统400(包括一个或多个图像/获取装置401和/或本文可互换使用的类似词)。如本文所提及的,每个包裹/物品/货件可以包括包裹/物品/货件标识符,诸如字母数字标识符。此类包裹/物品/货件标识符可以表示为文本、条形码、阿兹特克代码、马克西代码、数据矩阵、快速响应(QR)代码、电子表示、标签、字符串等。承运人可以使用独特的包裹/物品/货件标识符(例如,123456789)来在包裹/物品/货件移动通过承运人的运输网络时识别并跟踪它。此外,可以通过例如使用上面打印有独特包裹/物品/货件标识符(呈人和/或机器可读形式)的贴纸(例如标签)或里面存储有独特包裹/物品/货件标识符的RFID标签将此类包裹/物品/货件标识符粘贴到物品上。因此,一个或多个图像/获取装置401可以能够获取与每个包裹/物品/货件有关的数据(包括包裹/物品/货件标识符),所述数据包括包裹/物品/货件标识符信息/数据,包裹/物品/货件状况信息/数据,和/或用于沿着对应传送机构115(例如,传送带、滑轨、溜槽、瓶子传送机、开放式或封闭式履带传送机、工字梁式传送机、花纹传送机等)行进的货件/物品等。
如所指示的,图像/获取装置401可以是被配置为捕获沿着传送机构115移动的货件/物品(和/或包裹/物品/货件标识符)的图像(例如,图像信息/数据)的多视图图像捕获系统400的一部分。例如,图像/获取装置401可以包括摄影机、便携式摄像机、静态摄像机、网络摄像机、单镜头反光(SLR)摄像机、高速摄像机等或与之相关联。在各种实施例中,图像/获取装置401可以被配置为记录高分辨率图像数据和/或以高速(例如,利用每秒至少60帧的帧速率)捕获图像数据。替代性地,图像/获取装置401可以被配置为记录低分辨率图像数据(例如,包括少于480条水平扫描线的图像)和/或以低速(例如,利用每秒少于60帧的帧速率)捕获图像数据。如本领域技术人员将理解的,图像/获取装置401可以被配置为以上述特征的各种组合进行操作(例如,利用少于480条水平扫描线并利用每秒至少60帧的帧速率捕获图像,或者利用至少480条水平扫描线并利用每秒少于60帧的帧速率捕获图像)。在各个实施例中,图像/获取装置401可以被配置为捕获货件/物品的图像数据,并且具有用户在显示器上观看图像数据的足够质量的传送机构115可以识别所显示图像数据中表示的每个包裹/物品/货件。例如,在其中传送机构115和货件/物品以高速度移动的实施例中,图像/获取装置401可以被配置为高速捕获图像数据。如将认识到的,图像数据可以以多种格式捕获或转换为多种格式,诸如联合图像专家组(JPEG)、动态JPEG(MJPEG)、运动图像专家组(MPEG)、图形交换格式(GIF)、便携式网络图形(PNG)、标记图像文件格式(TIFF)、位图(BMP)、H.264、H.263、Flash视频(FLV)、超文本标记语言5(HTML5)、VP6、VP8等等。在某些实施例中,可以从图像数据中提取各种特征(例如,文本、感兴趣的对象、代码、包裹/物品/货件标识符等)。
图像/获取装置401可以另外包括一个或多个扫描仪、阅读器、询问器以及本文中使用的可互换类似词或与之相关联,所述扫描仪、阅读器、询问器等被配置用于捕获每个包裹/物品/货件的包裹/物品/货件标记(例如,包括包裹/物品/货件标识符)。例如,扫描仪可以包括条形码扫描仪、RFID阅读器等,其被配置为认出并识别与每个包裹/物品/货件相关联的包裹/物品/货件标识符。在一个实施例中,图像/获取装置401可以能够接收可见光、红外光、无线电传输以及能够将信息传输到图像/获取装置401的其他传输。类似地,图像/获取装置401可以包括各种照明或与之结合使用,诸如发光二极管(LED)、红外光、阵列灯、频闪灯和/或充分照明感兴趣的区域的其他照明机构以捕获图像数据进行分析。
类似于上述移动计算实体110,在一个实施例中,传送机构115、多视图图像捕获系统400和/或图像/获取装置401还可以包括用于与各种计算实体通信的一个或多个通信接口,诸如通过通信信息/数据、内容、信息/数据和/或本文可互换使用的类似术语,其可以被传输、接收、操作、处理、显示、存储等。可以使用诸如FDDI、DSL、以太网、ATM、帧中继、DOCSIS或任何其他有线传输协议的有线数据传输协议来执行这种通信。类似地,传送机构115可以被配置为使用多种协议中的任何一种经由无线外部通信网络进行通信,诸如GPRS、UMTS、CDMA2000、1xRTT、WCDMA、TD-SCDMA、LTE、E-UTRAN、EVDO、HSPA、HSDPA、Wi-Fi、WiMAX、UWB、IR协议、NFC协议、BluetoothTM协议、无线USB协议、远程低功耗(LoRa)、LTE Cat M1、窄带IoT(NB IoT)和/或任何其他无线协议。
如本领域技术人员将理解的,多视图图像捕获系统400可以包括多于一个的图像/获取装置401(见图6B)。在各种实施例中,一个或多个另外的图像/获取装置可以用于沿着传送机构115或另外的传送机构在一个或多个另外的位置处捕获另外的图像数据。例如,在沿着传送机构115的物品流受到干扰之后(例如,货件/物品流被剔除、与另外的货件/物品流合并或被转向到另外传送机构),可以定位此类另外图像/获取装置401。替代地,可以沿着传送机构115定位一个或多个另外的图像/获取装置,使得一个或多个另外图像/获取装置可以在将一个或多个货件/物品从传送机构115中取出后捕获更新的图像数据。在各个实施例中,一个或多个另外的图像/获取装置可以包括与图像/获取装置401基本类似的部件。例如,一个或多个另外的图像/获取装置可以包括一个或多个成像装置和一个或多个扫描仪、阅读器、询问器以及本文可互换使用的类似词或者与之相关联,如以上关于图像/获取装置401描述的。然而,一个或多个另外的图像/获取装置可以包括比图像/获取装置401少的部件。例如,一个或多个另外的图像/获取装置可以不包括本文使用的扫描仪、阅读器、询问器或类似词,并且可以被配置为从图像/获取装置401接收包裹/物品/货件标识符。
IV.示例性系统操作
运输和物流网络内的包裹遍历必须获取和/或确认包裹尺寸的多个位置。手动测量包裹的尺寸,或者以其他方式笨拙地以数学方式获取包裹的尺寸,可能导致装运延误以及有关包裹的信息丢失。此外,包裹的装运人可能不擅长测量或确认包裹的尺寸,更不用说将尺寸准确地输入到移动装置物流应用中了。在承运人的物流网络内的任何位置,或在两点之间,可能对包裹造成任何类型的损坏。通过使用繁琐且不得当的人/视觉估计,确定、减轻并阻止对包裹的损坏可能是昂贵且困难的。由于包裹通过承运人的物流网络所遍历的路线具有不可预测的复杂性,并且依赖人工输入可能会导致错误,用于获得和确认包裹尺寸以及评估和减轻包裹损坏的专用资源很容易用尽。此外,由于人为错误,减轻时间不可避免地受到损害。这样,在整个承运人的物流网络中捕获表示包裹的单个数字图像并以编程方式确定和确认包裹的尺寸的能力极大地提高了计算资源的有效利用。
本发明经由移动装置物流/装运应用简化了发件人/装运人的装运过程的一部分并使其自动化,这使得客户的满意度更高。由于在装运时具有更准确的尺寸数据,因此本发明还能够通过减少计费调整来节省费用。本发明还能够指出在输送或装运网络中发生损坏的位置。这使得客户的满意度更高,识别中心或枢纽内包裹最频繁受到损坏的区域的能力,对损坏的包裹的即时回应,由于持续监控和反馈对包裹的处理的改进,以及由于减少的损坏索赔的节省。
如本发明所计算的,确定的尺寸与已知尺寸(使用识别信息检索的)之间的不一致可以触发对人员的通知,并且可以触发预测性包裹损坏减轻系统以确定损坏严重性、特征和减轻。在2017年9月29日提交的标题为“用于预测性包裹损坏识别、分析和减轻的系统和方法(SYSTEMS AND METHODS FOR PREDICTIVE PARCEL DAMAGE IDENTIFICATION,ANALYSIS,AND MITIGATION)”的美国临时申请序列号62/565,404中公开了示例性预测性包裹损坏减轻系统,其内容通过引用整体并入本文。
图7示出了与本公开的实施例一起使用的示例性包裹输送路线700。在各种实施例中,包裹输送路线700可以包括多个包裹交互点701-707,包裹710通过所述包裹交互点从起点701遍历到终点707。在图7所示的实例中,起点交互点701可以是居住地,其中包裹710从所述居住地最初被包裹输送服务检索。
包裹710可以与第二包裹交互点702交互,所述第二包裹交互点可以是如上所述的手动运送车辆100。包裹710可以继续通过包裹承运人的物流网络到达下一个包裹交互点703,其可以是用于将包裹从手动运送车辆100移动到包裹中心或枢纽或其他包裹存储设施中或之内的手推车或叉车式辅助装置。在一些实施例中,车辆703可以是本文定义的传送机构115。
包裹710可以与下一个包裹交互点704交互,其在一些实施例中可以是包裹中心或枢纽或其他包裹存储设施。接着,包裹710可以与下一个包裹交互点705交互,其可以是用于将包裹从包裹中心或枢纽移动到手动运送车辆100和/或包裹中心或枢纽内和/或到如本文定义的传送机构115的手推车或叉车式辅助装置。
接着,包裹710可以在下一个包裹交互点706处与自动驾驶车辆140或手动运送车辆100进行交互。最终,在这个实施例中,包裹710与终点交互点707交互,所述终点交互点可以是住宅或营业点。
将理解的是,在整个包裹710所遍历的包裹承运人的物流网络700中,根据本公开,每个包裹交互点701-707配备有一个或多个数字图像捕获机构/系统和/或其他标识捕获机构(或本文定义的图像/获取装置401)。在包裹710遍历通过包裹输送路线700时,交互点中的每一个都可以捕获表示包裹710的一个或多个视场的一个或多个数字图像。
将理解的是,在包裹710所遍历的整个包裹承运人的物流网络700中,每个交互点701-707可以是本文定义的包裹交互点类型中的任何一种。例如,代替起点交互点701是住宅,它可以是营业场所。在另一个实例中,代替终点交互点707是住宅,它可以是营业场所。这样,将理解,包裹承运人物流网络700内的包裹710可以存在并遍历多个中间包裹交互点。还应理解,与图7中的实例所描绘的相比,包裹承运人的物流网络可能具有更少或更多的交互点。
图6B示出了与本公开的实施例一起使用的示例性多视图图像捕获系统400。如将认识到的,并且如上所述,可以使用各种类型的成像装置和系统401来捕获关于包裹710的数字图像和其他信息/数据,包括与手动运送车辆100、分析计算实体105、移动计算实体110、一个或多个自动驾驶汽车140等(在运输和物流网络中的各个点处)相关联的成像装置和系统。数字图像可以包括指示它们被捕获的时间的时间戳、指示它们被捕获的位置的位置信息/数据、指示捕获了数字图像的装置/实体的装置/实体信息/数据等。在实施例中,沿承运人的物流网络的包裹交互点配备有数据或数字图像捕获机构/装置401A-401N,通过它们可以捕获包裹710的多个视场中的一个或多个并且经由一个或多个网络135将其从包裹交互点传输到分析计算实体105。
在实施例中,包裹710可以被多个获取装置401A-401N包围。每个图像/获取装置401A-401N均与表示包裹710各种视图的视场或姿势视图403A-403N相关联。经由一个或多个网络135将表示标识信息/数据的数字文件从装置/机构401A-401N传输到分析计算实体105,所述数字文件包括数字图像或其他(例如,包括本文所述的包裹标识信息)。
在实施例中,包裹710可以与旋转机构相关联,使得单个图像/获取装置401(和/或其他适当的计算实体)可以捕获表示包裹710的不同视场的多个数字图像(即,不需要多个获取或收集装置)。在此类实施例中,单个获取装置401(和/或其他适当的计算实体)可以本地存储所有获取/收集的图像和/或数据,所述图像和/或数据要以单次传输的方式经由一个或多个网络135传输到分析计算实体105。并且将认识到,各种其他实体(诸如上述实体)可以用于捕获包裹710的一个或多个图像。应当理解,出于本公开的目的,仅需要捕获并传输包裹的单个数字图像以进行处理。
图8A示出了与本公开的实施例一起使用的示例性包裹710。在实施例中,包裹710包括多个边缘,包括位于第一下前拐角801与第二下前拐角802之间的下前边缘807。下前边缘807具有长度H2。
包裹710还包括位于第一下前拐角801与第一上前拐角803之间的第一前侧边缘811。第一前侧边缘811具有长度DL。包裹710还包括位于第一下前拐角801与第一下后拐角(未示出)之间的第一下侧边缘815(以虚线示出)。另外,包裹710还包括位于第一下后拐角(未示出)与第二下后拐角806之间的下后边缘809。如图所示,包裹710还包括位于第二下后拐角806与第二下前拐角802之间的第二下侧边缘817。第二下侧边缘817具有长度DR。包裹710还包括位于第二下前拐角802与第二上前拐角(未标记)之间的第二前侧边缘813。
包裹710还包括位于第二上前拐角(未标记)与第一上前拐角803之间的上前边缘808。包裹710还包括位于第一上前拐角803与第一上后拐角804之间的第一上侧边缘816。第一上侧边缘816具有长度UL。包裹710还包括位于第一上后拐角804与第二上后拐角805之间的上后边缘810。上后边缘810具有长度H1。与第一上侧边缘816相反,包裹710还包括位于第二上前拐角(未标记)与第二上后拐角805之间的第二上侧边缘818。
包裹710还包括位于第一下后拐角(未示出)与第一上后拐角804之间的第一后侧边缘812。另外,包裹710包括位于第二下后拐角806与第二上后拐角805之间的第二后侧边缘814。第二后侧边缘814具有长度UR。应当理解,H1≈H2,DR≈UL并且UR≈DL。
包裹710已在其上粘贴了参考819,诸如标签,具有已知的边长R1和R2。在一些实施例中,使用机器学习确定R1和R2。在一些实施例中,参考819包括与包裹710有关的信息的数字表示,使得可以扫描或以其他方式读取数字表示,并且可以检索与包裹有关的信息。
接着,图8B示出了与本公开的实施例一起使用的示例性包裹数字图像800。包裹数字图像800包括表示包裹710的多个像素(具有如图8A描绘的特征)。水平轴(例如,X轴)和垂直轴(例如,Y轴)的原点位于包裹数字图像800的最左下拐角或点处,以进行图像处理以及包裹尺寸的检测和计算。
图8C示出了与本公开的实施例一起使用的示例性过程850。在实施例中,图像/获取装置(例如,401A-401N)数字地捕获包裹的单个视图并且经由一个或多个网络(例如,135)将其传输到分析计算实体(例如,105)以进行处理。分析计算实体接收第一包裹数字图像(操作/步骤851)。通过将水平轴和垂直轴叠加到起点(例如,0,0)在包裹数字图像的最左下点处的包裹数字图像上,来准备第一包裹数字图像进行处理。
在实施例中,处理第一包裹数字图像使得,提取像素来使用数字检测识别第一包裹数字图像中的对应于包裹的第一上后拐角的第一组像素以及第一包裹数字图像中的对应于包裹的第二上后拐角的第二组像素(操作/步骤852)。在实施例中,第一上后拐角和第二上后拐角由包裹的上后边缘分开。在实施例中,包裹的上后边缘具有长度H1。
在实施例中,处理第一包裹数字图像使得,提取像素来使用数字检测识别第一包裹数字图像中的对应于第一上前拐角的第三组像素以及第一包裹数字图像中的对应于包裹在第一包裹数字图像中的第一下前拐角的第四组像素(操作/步骤853)。在实施例中,第一上前拐角和第一下前拐角由包裹的第一前侧边缘分开。在实施例中,包裹的第一前侧边缘具有长度DL。在实施例中,第一上前拐角和第一上后拐角由包裹的第一上侧边缘分开,并且包裹的第一上侧边缘具有长度UL。
在实施例中,处理第一包裹数字图像使得,提取像素来使用数字检测识别第一包裹数字图像中的对应于第二下前拐角的第五组像素以及第一包裹数字图像中的对应于包裹在第一包裹数字图像中的第二下后拐角的第六组像素(操作/步骤854)。在实施例中,第二下前拐角和第二下后拐角由包裹的第二下侧边缘分开,并且包裹的第二下侧边缘具有长度DR。在实施例中,第二下前拐角和第一下前拐角由包裹的下前边缘分开,并且包裹的下前边缘具有长度H2。在实施例中,第二上后拐角和第二下后拐角由包裹的第二后侧边缘分开,并且包裹的第二后侧边缘具有长度UR。
在实施例中,处理第一包裹数字图像使得,提取像素来使用数字检测识别第一包裹数字图像中的对应于贴在包裹上的参考标签的第七组像素,并且参考标签具有已知的第一边缘长度R1和已知的第二边缘长度R2(操作/步骤855)。
在实施例中,使用所述识别组的像素,以编程方式计算长度H1、UL、DL、DR、H2和U2中的每一个以及每个长度相对于第一包裹数字图像的水平轴的相关联角度(操作/步骤856)。
在实施例中,基于根据R1和R2以编程方式计算的比例,以编程方式确定要应用于长度H1、UL、DL、DR、H2和U2中的每一个的校正因子(操作/步骤857)。
在实施例中,将校正因子应用于长度H1、UL、DL、DR、H2和U2中的每一个,并且确认长度具有以下关系:长度H1≈长度H2,长度DR≈长度UL并且长度UR≈长度DL(操作/步骤858)。例如,忙碌的背景比漂亮、干净的单色背景需要更多的容忍度。在一些实施例中,“≈”表示80%-90%的匹配。
在实施例中,在确认长度H1≈长度H2,长度DR≈长度UL并且长度UR≈长度DL之后,将校正后的长度缩放到英寸(scale to inches),并且将缩放的校正长度作为包裹的计算尺寸输出(操作/步骤859)。
本文描述的方法、设备和计算机程序产品可操作来通过以编程方式确定长度R1和H1之间的第一相对角与长度R1和H2之间的第二相对角之间的角度偏斜来以编程方式确定校正因子和比例,在确定所述角度偏斜低于角度偏斜阈值之后,根据方程以编程方式计算第一包裹数字图像中的包裹的垂直角,根据方程/>以编程方式计算第一包裹数字图像中的包裹的前侧角,使用包裹的垂直角和包裹的前侧角计算校正因子,所述校正因子促进由长度R1和R2生成包裹的上后边缘、第一上侧边缘、第一前侧边缘、下前边缘、第二下侧边缘以及第二后侧边缘中的每一个的比例。
应当理解,图8C中描绘的过程850提供了寻找边缘之间的交点,其可以用于选择表示拐角的特定像素坐标(x,y)。可以使用拐角以及它们之间的完美线的假设来确定线之间的距离。
图8D示出了与本公开的实施例一起使用的示例性过程865。在实施例中,将包裹的计算尺寸与已知尺寸信息进行比较(操作/步骤866)。在确定计算尺寸与已知尺寸信息之间的差超过阈值(操作/步骤867)之后,将尺寸异常信号传输到预测性包裹损坏减轻系统(操作/步骤869)。
在实施例中,在确定计算尺寸与已知尺寸信息之间的差未达到阈值(操作/步骤867)之后,将尺寸接受信号传输到移动计算装置(操作/步骤868)。
例如,阈值基于数字图像之间正常方差范围以外的范围。通常,如果差大于30%,则可能仅表示包裹距离太远,并且无法获得期望精度的像素密度。然而,如果两个边缘在+/-10%以内,并且另一个是预期尺寸的1/3,则发出警报。可能有足够的图像识别,但一个或者可能两个边长不符合常规。
在实施例中,通过以编程方式确定R1和H1之间的第一相对角与R1和H2之间的第二相对角度之间的角度偏斜来确定校正因子和比例。例如,如果θSR≈θSL,则不需要校正因子。
在确定角度偏斜低于角度偏斜阈值之后,根据方程计算第一包裹数字图像中包裹的垂直角。根据方程/>计算第一包裹数字图像中包裹的前侧角。使用包裹的垂直角和包裹的前侧角,计算校正因子,使得可以外推已知的R1和R2,以便生成包裹的上后边缘、第一前侧边缘、第一上侧边缘、第二下侧边缘、下前边缘、第二后侧边缘中的每一个的比例。
在实施例中,可以根据从参考标签获得的包裹信息来检索关于包裹的已知尺寸信息。在其他实施例中,使用机器学习确定R1和R2。
在实施例中,在确定角度偏斜超过角度偏斜阈值之后,在计算包裹的垂直角之前应用校正三角计算。例如,如果角度偏斜超过角度偏斜阈值(例如,90%),则包裹与参考对象之间的角度大于18度。在这种情况下,必须将边长压缩到与边长平行的包裹部件。
在实施例中,应用校正三角计算包括使用参考对象来计算包裹相对于观察者(摄像机)的方位。从那里开始,基于计算的旋转角和倾斜角应用三角投影以计算包裹侧面应有多少“压缩”。例如,如果包裹仅旋转了10度,则几乎面向观察者(摄像机)的那一侧将需要进行很少的校正。然而,在图像中几乎看不到的那一侧称为压缩侧,因为如果要通过计数像素来计算其长度而没有先尝试校正偏斜,则其边长将比实际小得多。校正因子表示基于包裹向观察者(摄像机)呈现的角在该轴上预期的压缩量。
例如,考虑1英寸x w英寸的参考对象,但它相对于包裹边长(ref1至h1)以30度的角偏斜。可以创建一个以ref 1为斜边并且与h1平行的另一边的直角三角形,并且然后该平行侧的尺寸为.866英寸1*SIN(60)。使用所述侧的这种压缩是因为偏斜会偏移已知的长度,所述长度用于比较所有侧并将尺寸作为基准。
在实施例中,校正因子包括介于0与1之间的三个单独的缩放因子,其表示在计算机视觉中特定轴被压缩了多少。将直接从数字图像中观察到的长度除以校正因子,可得出特定轴的实际长度。
在本公开的实施例中,分析计算实体105除了接收表示包裹的数字图像之外,还接收与包裹相关联的识别信息。在实施例中,与交互点相关联的其他信息可以由分析计算实体105接收或确定。这种信息可以包括温度、一天中的时间、典型的环境状况、历史损坏风险等。
在本公开的实施例中,与损坏分析和状况确认有关的所有信息由分析计算实体105记录并存储在一个或多个相关联的非易失性存储装置210(例如,本文所述的数据库或数据存储体)中。
在本公开的实施例中,可以基于任何确定或状态向装运人、接收人和/或内部向包裹输送提供商提供通知。
V.结论
受益于前述说明书和相关附图中呈现的教导,与本文中阐述的发明相关的领域的技术人员将会想到这些发明的许多修改和其他实施例。因此,应当理解,本发明不限于所公开的特定实施例,并且修改和其他实施例旨在被包括在所附权利要求的范围内。尽管本文采用了专门术语,但是除非另有说明,否则它们仅在一般性和描述性意义上使用,而不是出于限制的目的。
Claims (14)
1.一种用于在包裹输送网络中以编程方式确定包裹尺寸的设备,所述包裹输送网络包括起点交互点、多个包裹交互点以及终点交互点,所述设备包括至少一个处理器和包括计算机程序代码的至少一个存储器,所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起致使所述设备:从所述起点交互点处的移动计算装置接收第一包裹数字图像,所述第一包裹数字图像与经由所述多个包裹交互点从所述起点交互点运输到所述终点交互点的包裹相关联并代表所述包裹;使用数字检测识别所述第一包裹数字图像中的对应于所述包裹的第一上后拐角的第一组像素,以及所述第一包裹数字图像中的对应于所述包裹的第二上后拐角的第二组像素,其中所述第一上后拐角和所述第二上后拐角由所述包裹的上后边缘分开,所述包裹的所述上后边缘具有长度H1;使用数字检测识别所述第一包裹数字图像中的对应于第一上前拐角的第三组像素,以及所述第一包裹数字图像中的对应于所述包裹在所述第一包裹数字图像中的第一下前拐角的第四组像素,其中所述第一上前拐角和所述第一下前拐角由所述包裹的第一前侧边缘分开,所述包裹的所述第一前侧边缘具有长度DL,并且其中所述第一上前拐角和所述第一上后拐角由所述包裹的第一上侧边缘分开,所述包裹的所述第一上侧边缘具有长度UL;使用数字检测识别所述第一包裹数字图像中的对应于第二下前拐角的第五组像素,以及所述第一包裹数字图像中的对应于所述包裹在所述第一包裹数字图像中的第二下后拐角的第六组像素,其中所述第二下前拐角和所述第二下后拐角由所述包裹的第二下侧边缘分开,所述包裹的所述第二下侧边缘具有长度DR,其中所述第二下前拐角和所述第一下前拐角由所述包裹的下前边缘分开,所述包裹的所述下前边缘具有长度H2,并且其中所述第二上后拐角和所述第二下后拐角由所述包裹的第二后侧边缘分开,所述包裹的所述第二后侧边缘具有长度UR;使用数字检测识别所述第一包裹数字图像中的对应于贴在所述包裹上的参考标签的第七组像素,所述参考标签具有已知的第一边缘长度R1和已知的第二边缘长度R2;使用所述识别组的像素,以编程方式计算长度H1、UL、DL、DR、H2和UR中的每一个以及每个长度相对于所述第一包裹数字图像的水平轴的相关联角度;基于根据R1和R2以编程方式计算的比例,以编程方式确定要应用于长度H1、UL、DL、DR、H2和UR中的每一个的校正因子;将所述校正因子应用到长度H1、UL、DL、DR、H2和UR中的每一个;确认长度H1≈长度H2,长度DR≈长度UL,并且长度UR≈长度DL;并且在确认长度H1≈长度H2,长度DR≈长度UL并且长度UR≈长度DL之后,将所校正的长度缩放到英寸,并且将所述缩放的校正长度作为所述包裹的计算尺寸输出,其中“≈”表示80%-90%的匹配;并且
其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起致使所述设备通过以下以编程方式确定所述校正因子和所述比例:以编程方式确定长度R1和H1之间的第一相对角与长度R1和H2之间的第二相对角之间的角度偏斜;在确定所述角度偏斜低于角度偏斜阈值之后,根据方程以编程方式计算所述第一包裹数字图像中所述包裹的垂直角;根据方程90°-/>以编程方式计算所述第一包裹数字图像中所述包裹的前侧角;并且使用所述包裹的所述垂直角和所述包裹的所述前侧角计算校正因子,所述校正因子促进从长度R1和R2生成所述包裹的所述上后边缘、第一上侧边缘、第一前侧边缘、下前边缘、第二下侧边缘以及第二后侧边缘中的每一个的比例。
2.如权利要求1所述的设备,其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起致使所述设备:将所述包裹的所述计算尺寸与基于从所述参考标签获得的包裹信息检索到的关于所述包裹的已知尺寸信息进行比较;并且在确定所述计算尺寸与所述已知尺寸信息之间的差超过阈值之后,将尺寸异常信号传输到预测性包裹损坏减轻系统。
3.如权利要求1所述的设备,其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起致使所述设备:将所述包裹的所述计算尺寸与基于从所述参考标签获得的包裹信息检索到的关于所述包裹的已知尺寸信息进行比较;并且在确定所述计算尺寸与所述已知尺寸信息之间的差未超过阈值之后,将尺寸接受信号传输到所述移动计算装置。
4.如权利要求1所述的设备,其中使用机器学习确定长度R1和R2。
5.如权利要求1所述的设备,其中在确定所述角度偏斜超过所述角度偏斜阈值之后,在计算所述包裹的垂直角之前应用校正三角计算。
6.如权利要求5所述的设备,其中应用所述校正三角计算包括基于所述角度偏斜调整轴的长度。
7.如权利要求1所述的设备,其中所述校正因子包括三个缩放因子中的一个,每个介于0与1之间。
8.一种用于在包裹输送网络中以编程方式确定包裹尺寸的系统,所述包裹输送网络包括起点交互点、多个包裹交互点以及终点交互点,所述系统包括至少一个服务器和至少一个存储库,所述至少一个服务器包括计算机程序代码,所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起致使所述系统:从所述起点交互点处的移动计算装置接收第一包裹数字图像,所述第一包裹数字图像与经由所述多个包裹交互点从所述起点交互点运输到所述终点交互点的包裹相关联并代表所述包裹;使用数字检测识别所述第一包裹数字图像中的对应于所述包裹的第一上后拐角的第一组像素,以及所述第一包裹数字图像中的对应于所述包裹的第二上后拐角的第二组像素,其中所述第一上后拐角和所述第二上后拐角由所述包裹的上后边缘分开,所述包裹的所述上后边缘具有长度H1;使用数字检测识别所述第一包裹数字图像中的对应于第一上前拐角的第三组像素,以及所述第一包裹数字图像中的对应于所述包裹在所述第一包裹数字图像中的第一下前拐角的第四组像素,其中所述第一上前拐角和所述第一下前拐角由所述包裹的第一前侧边缘分开,所述包裹的所述第一前侧边缘具有长度DL,并且其中所述第一上前拐角和所述第一上后拐角由所述包裹的第一上侧边缘分开,所述包裹的所述第一上侧边缘具有长度UL;使用数字检测识别所述第一包裹数字图像中的对应于第二下前拐角的第五组像素,以及所述第一包裹数字图像中的对应于所述包裹在所述第一包裹数字图像中的第二下后拐角的第六组像素,其中所述第二下前拐角和所述第二下后拐角由所述包裹的第二下侧边缘分开,所述包裹的所述第二下侧边缘具有长度DR,其中所述第二下前拐角和所述第一下前拐角由所述包裹的下前边缘分开,所述包裹的所述下前边缘具有长度H2,并且其中所述第二上后拐角和所述第二下后拐角由所述包裹的第二后侧边缘分开,所述包裹的所述第二后侧边缘具有长度UR;使用数字检测识别所述第一包裹数字图像中的对应于贴在所述包裹上的参考标签的第七组像素,所述参考标签具有已知的第一边缘长度R1和已知的第二边缘长度R2;使用所述识别组的像素,以编程方式计算长度H1、UL、DL、DR、H2和UR中的每一个以及每个长度相对于所述第一包裹数字图像的水平轴的相关联角度;基于根据R1和R2以编程方式计算的比例,以编程方式确定要应用于长度H1、UL、DL、DR、H2和UR中的每一个的校正因子;将所述校正因子应用到长度H1、UL、DL、DR、H2和UR中的每一个;确认长度H1≈长度H2,长度DR≈长度UL,并且长度UR≈长度DL;并且在确认长度H1≈长度H2,长度DR≈长度UL并且长度UR≈长度DL之后,将所校正的长度缩放到英寸,并且将所述缩放的校正长度作为所述包裹的计算尺寸输出,其中“≈”表示80%-90%的匹配;并且
其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起致使所述系统通过以下以编程方式确定所述校正因子和所述比例:以编程方式确定长度R1和H1之间的第一相对角与长度R1和H2之间的第二相对角之间的角度偏斜;在确定所述角度偏斜低于角度偏斜阈值之后,根据方程以编程方式计算所述第一包裹数字图像中所述包裹的垂直角;根据方程90°-/>以编程方式计算所述第一包裹数字图像中所述包裹的前侧角;并且使用所述包裹的所述垂直角和所述包裹的所述前侧角计算校正因子,所述校正因子促进从长度R1和R2生成所述包裹的所述上后边缘、第一上侧边缘、第一前侧边缘、下前边缘、第二下侧边缘以及第二后侧边缘中的每一个的比例。
9.如权利要求8所述的系统,其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起致使所述系统:将所述包裹的所述计算尺寸与基于从所述参考标签获得的包裹信息检索到的关于所述包裹的已知尺寸信息进行比较;并且在确定所述计算尺寸与所述已知尺寸信息之间的差超过阈值之后,将尺寸异常信号传输到预测性包裹损坏减轻系统。
10.如权利要求8所述的系统,其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起致使所述系统:将所述包裹的所述计算尺寸与基于从所述参考标签获得的包裹信息检索到的关于所述包裹的已知尺寸信息进行比较;并且在确定所述计算尺寸与所述已知尺寸信息之间的差未超过阈值之后,将尺寸接受信号传输到所述移动计算装置。
11.如权利要求8所述的系统,其中使用机器学习确定长度R1和R2。
12.如权利要求8所述的系统,其中在确定所述角度偏斜超过所述角度偏斜阈值之后,在计算所述包裹的垂直角之前应用校正三角计算。
13.如权利要求12所述的系统,其中应用所述校正三角计算包括基于所述角度偏斜调整轴的长度。
14.如权利要求8所述的系统,其中所述校正因子包括三个缩放因子中的一个,每个介于0与1之间。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862616855P | 2018-01-12 | 2018-01-12 | |
US62/616,855 | 2018-01-12 | ||
US16/245,916 | 2019-01-11 | ||
US16/245,916 US10885653B2 (en) | 2018-01-12 | 2019-01-11 | Systems and methods for mobile parcel dimension calculation and predictive condition analysis |
PCT/US2019/013508 WO2019140395A1 (en) | 2018-01-12 | 2019-01-14 | Systems and methods for mobile parcel dimension calculation and predictive condition analysis |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111587444A CN111587444A (zh) | 2020-08-25 |
CN111587444B true CN111587444B (zh) | 2023-07-14 |
Family
ID=67212998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980008232.2A Active CN111587444B (zh) | 2018-01-12 | 2019-01-14 | 用于移动包裹尺寸计算和预测性状况分析的系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10885653B2 (zh) |
EP (1) | EP3738087A1 (zh) |
CN (1) | CN111587444B (zh) |
CA (1) | CA3081890C (zh) |
WO (1) | WO2019140395A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11046519B2 (en) | 2019-02-25 | 2021-06-29 | Rehrig Pacific Company | Delivery system |
EP3876147A1 (en) * | 2020-03-04 | 2021-09-08 | United States Postal Service | Automatically measuring an item based on a ratio between item dimensions and reference tag dimensions |
US11922253B2 (en) | 2020-04-20 | 2024-03-05 | Rehrig Pacific Company | Camera enabled portal |
US11354765B2 (en) * | 2020-10-30 | 2022-06-07 | United Parcel Service Of America, Inc. | Computer applications that determine a parcel position error |
CN112561882B (zh) * | 2020-12-16 | 2023-05-12 | 深圳市六合智能感知系统科技有限公司 | 物流的分拣方法、系统、设备及存储介质 |
WO2023023366A1 (en) | 2021-08-19 | 2023-02-23 | Rehrig Pacific Company | Imaging system with unsupervised learning |
EP4174787A3 (en) | 2021-11-01 | 2023-05-10 | Rehrig Pacific Company | Delivery system |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10489739B2 (en) | 2013-09-18 | 2019-11-26 | Simpler Postage, Inc. | System and method for object shipping automation |
US9741134B2 (en) * | 2013-12-16 | 2017-08-22 | Symbol Technologies, Llc | Method and apparatus for dimensioning box object |
US9478030B1 (en) | 2014-03-19 | 2016-10-25 | Amazon Technologies, Inc. | Automatic visual fact extraction |
US10366364B2 (en) * | 2015-04-16 | 2019-07-30 | United Parcel Service Of America, Inc. | Enhanced multi-layer cargo screening system, computer program product, and method of using the same |
US10726381B2 (en) | 2016-04-29 | 2020-07-28 | United Parcel Service Of America, Inc. | Methods for dispatching unmanned aerial delivery vehicles |
WO2019068076A1 (en) | 2017-09-29 | 2019-04-04 | United Parcel Service Of America, Inc. | IDENTIFICATION, ANALYSIS AND PREDICTIVE MITIGATION OF PARCEL DAMAGE |
US10621746B2 (en) * | 2017-11-07 | 2020-04-14 | Symbol Technologies, Llc | Methods and apparatus for rapidly dimensioning an object |
-
2019
- 2019-01-11 US US16/245,916 patent/US10885653B2/en active Active
- 2019-01-14 EP EP19703478.8A patent/EP3738087A1/en not_active Ceased
- 2019-01-14 WO PCT/US2019/013508 patent/WO2019140395A1/en unknown
- 2019-01-14 CN CN201980008232.2A patent/CN111587444B/zh active Active
- 2019-01-14 CA CA3081890A patent/CA3081890C/en active Active
Also Published As
Publication number | Publication date |
---|---|
US10885653B2 (en) | 2021-01-05 |
US20190220990A1 (en) | 2019-07-18 |
CA3081890C (en) | 2023-04-25 |
EP3738087A1 (en) | 2020-11-18 |
CA3081890A1 (en) | 2019-07-18 |
CN111587444A (zh) | 2020-08-25 |
WO2019140395A1 (en) | 2019-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111587444B (zh) | 用于移动包裹尺寸计算和预测性状况分析的系统和方法 | |
US11526973B2 (en) | Predictive parcel damage identification, analysis, and mitigation | |
US11090689B2 (en) | Conveyor belt assembly for identifying an asset sort location and methods of utilizing the same | |
US11257337B2 (en) | Location tracking using beacons | |
US20220036599A1 (en) | Displaying items of interest in an augmented reality environment | |
US11803803B2 (en) | Electronically connectable packaging systems configured for shipping items | |
US11829136B2 (en) | Asset delivery system | |
US11783281B2 (en) | System and methods for self-adjusting electronic reconciliation of a contribution amount and delivery value | |
CN114981826A (zh) | 改进的资产装载系统 | |
US20230316212A1 (en) | Package identification using multiple signals | |
EP3559877A1 (en) | Identifying an asset sort location |
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 |