CN113051944A - 一种无线分布式快速寻物的方法及系统 - Google Patents
一种无线分布式快速寻物的方法及系统 Download PDFInfo
- Publication number
- CN113051944A CN113051944A CN202110314049.4A CN202110314049A CN113051944A CN 113051944 A CN113051944 A CN 113051944A CN 202110314049 A CN202110314049 A CN 202110314049A CN 113051944 A CN113051944 A CN 113051944A
- Authority
- CN
- China
- Prior art keywords
- article
- information
- module
- searched
- searching
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
- G06K7/10019—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers.
- G06K7/10079—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers. the collision being resolved in the spatial domain, e.g. temporary shields for blindfolding the interrogator in specific directions
- G06K7/10089—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers. the collision being resolved in the spatial domain, e.g. temporary shields for blindfolding the interrogator in specific directions the interrogation device using at least one directional antenna or directional interrogation field to resolve the collision
- G06K7/10099—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers. the collision being resolved in the spatial domain, e.g. temporary shields for blindfolding the interrogator in specific directions the interrogation device using at least one directional antenna or directional interrogation field to resolve the collision the directional field being used for pinpointing the location of the record carrier, e.g. for finding or locating an RFID tag amongst a plurality of RFID tags, each RFID tag being associated with an object, e.g. for physically locating the RFID tagged object in a warehouse
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/024—Guidance services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Toxicology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种无线分布式快速寻物的方法及系统,该方法包括:S1、服务器接收终端上传的寻物ID标识,并将带有寻物ID标识的寻物指令下发给与其连接的所有网关;S2、各个网关以无线广播方式向范围内的所有电子标签发送寻物信号,获取覆盖范围内所有电子标签的物品ID标识;S3、对物品ID标识和寻物ID标识进行比对,若比对一致,则网关向服务器上传网关位置信息;S4、服务器将网关位置信息转发至终端,用户根据终端显示的网关位置信息寻找物品。本发明定位精确度高且灵活性强,将其应用于备品备件管理系统中能够有效提高备品备件的管理效率。
Description
技术领域
本发明涉及物品寻找技术领域,尤其涉及一种无线分布式快速寻物的方法。
背景技术
目前在一些供电局中对于备品备件的存放没有建立良好的管理机制,部分人员在使用完工器具后将其随意放置,导致在需要使用工器具时难以快速找到,影响工作效率。传统的无线寻物技术,采用点对点方式,通过手机/手持终端发送寻物信号,物品标签被动接收信号后声光告警。这种方法只能应用于有限的空间范围内,当物品不在手机/手持终端可搜寻范围内时,无法有效寻物;当物品可能存放的场所有多个时,该方法无法大面积搜寻物品,需要逐个场所遍历搜索,寻物效率低下,因此需要一种新的寻物方法,来提高备品备件管理效率。
发明内容
鉴于此,本发明的目的在于提供一种无线分布式快速寻物的方法,以克服或至少部分解决现有技术所存在的上述问题。
本发明第一方面提供一种无线分布式快速寻物的方法,包括以下步骤:
S1、服务器接收终端上传的寻物ID标识,并将带有寻物ID标识的寻物指令下发给与其连接的所有网关;
S2、各个网关以无线广播方式向范围内的所有电子标签发送寻物信号,获取覆盖范围内所有电子标签的物品ID标识;
S3、对物品ID标识和寻物ID标识进行比对,若比对一致,则网关向服务器上传网关位置信息;
S4、服务器将网关位置信息转发至终端,用户根据终端显示的网关位置信息寻找物品。
可选的,所述步骤S2具体包括以下步骤:
S21、各个网关以第一级别的无线信号发送功率和接收RSSI门限向范围内的所有电子标签发送寻物信号并获取覆盖范围内所有电子标签的物品ID标识;
S22、判断物品ID标识和寻物ID标识是否一致,若不一致则进行下一步骤,若一致则执行步骤S3;
S23、各个网关以更高一级别的无线信号发送功率和接收RSSI门限向范围内的所有电子标签发送寻物信号并获取覆盖范围内所有电子标签的物品ID标识;
S24、执行步骤S22。
可选的,若步骤S3中,所有网关获得的所有物品ID标识与寻物ID标识均比对不一致,则进行以下步骤:
服务器获取室内环境和物品不同角度的点云数据及与点云数据对应的采集位置数据;
对点云数据进行处理,生成相应的室内环境图像数据和物品图像数据;
将室内环境图像数据输入第一预训练深度学习模型进行分类识别,获取环境特征信息;
将物品图像数据输入第二预训练深度学习模型进行分类识别,获取物品信息;
查询寻物ID标识所对应的待寻物品信息,比对待寻物品信息和第二预训练深度学习模型输出的物品信息,若比对一致,则向终端发送环境特征信息和采集位置数据。
可选的,所述服务器获取点云数据以及点云数据对应的采集位置数据具体包括以下步骤:
服务器向所有搭载有扫描设备和定位设备的自动导航车发送预规划路径;
自动导航车根据预规划路径行进,行进过程中扫描设备采集室内环境和物品不同角度的点云数据,同时定位设备采集与点云数据对应的采集位置数据。
可选的,若步骤S3中,所有网关获得的所有物品ID标识与寻物ID标识均比对不一致,则进行以下步骤:
根据寻物ID标识查询历史使用记录数据库中对应待寻物品最近一次的使用信息;
将待寻物品最近一次的使用信息输入第三预训练深度学习模型进行分类识别,获得待寻物品位置预测信息;
将待寻物品位置预测信息发送至终端。
可选的,在将待寻物品最近一次的使用信息输入第三预训练深度学习模型进行分类识别前,具体还包括步骤:
获取所有物品的历史使用信息和历史位置信息,所述历史使用信息包括使用人信息和使用事项信息,分析并建立历史使用信息与历史位置信息的关联关系,将其划分为训练样本集和测试样本集;
建立深度学习模型,通过训练样本集对深度学习模型进行训练,获得第三预训练深度学习模型;
应用第三预训练深度学习模型对测试样本集进行处理,获得预测结果,将预测结果与测试样本集的历史位置信息进行比对获得反馈结果,根据反馈结果对第三预训练深度学习模型进行优化。
本发明第二方面提供一种无线分布式快速寻物的系统,所述系统包括服务器、终端以及网关,所述服务器包括用于接收终端上传的寻物ID标识的接收模块、用于将带有寻物ID标识的寻物指令下发给与服务器连接的所有网关的下发模块和用于转发网关位置信息至终端的转发模块;
所述网关包括用于以无线广播方式向范围内的所有电子标签发送寻物信号的发送模块、用于获取覆盖范围内所有电子标签的物品ID标识的获取模块和上传模块,所述上传模块用于在物品ID标识和寻物ID标识比对一致时上传网关位置信息;
所述终端包括用于显示网关位置信息的显示模块。
可选的,所述网关还包括调节模块和判断模块,
所述调节模块用于调节发送模块以第一级别的无线信号发送功率向范围内的所有电子标签发送寻物信号,以及调节获取模块以第一级别的接收RSSI门限获取覆盖范围内所有电子标签的物品ID标识;
所述判断模块用于判断物品ID标识和寻物ID标识是否一致;
所述调节模块还用于在判断模块判断物品ID标识和寻物ID标识不一致时调节发送模块和获取模块以更高一级别的无线信号发送功率和接收RSSI门限向范围内的所有电子标签发送寻物信号并获取覆盖范围内所有电子标签的物品ID标识。
可选的,所述服务器还包括:
点云数据获取模块,用于在所有物品ID标识与寻物ID标识均比对不一致时获取室内环境和物品不同角度的点云数据及与点云数据对应的采集位置数据;
处理模块,用于对点云数据进行处理,生成相应的室内环境图像数据和物品图像数据;
第一识别模块,用于将室内环境图像数据输入第一预训练深度学习模型进行分类识别,获取环境特征信息;
第二识别模块,用于将物品图像数据输入第二预训练深度学习模型进行分类识别,获取物品信息;
查询比对模块,用于查询寻物ID标识所对应的待寻物品信息,比对待寻物品信息和第二预训练深度学习模型输出的物品信息,若比对一致,则向终端发送环境特征信息和采集位置数据。
可选的,所述系统还包括搭载有扫描设备和定位设备的自动导航车,所述点云数据获取模块还用于向所有搭载有扫描设备和定位设备的自动导航车发送预规划路径,所述自动导航车用于根据预规划路径行进,所述扫描设备用于在行进过程中采集室内环境和物品不同角度的点云数据,所述定位设备用于在行进过程中采集与点云数据对应的采集位置数据。
与现有技术相比,本发明的有益效果是:
本发明所提供的一种无线分布式快速寻物的方法及系统,采用分布式无线寻物方式,网关位置可以灵活调整,从而实现覆盖范围的动态调整,电子标签可以主动响应网关的寻物信号并反馈物品ID标识,当物品ID标识与寻物ID标识比对一致后相应网关主动上传网关位置信息,用户可以通过终端查看网关位置信息并基于此确定搜寻范围,从而实现对物品的快速寻找,本发明定位精确度高且灵活性强,将其应用于备品备件管理系统中能够有效提高备品备件的管理效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的优选实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种无线分布式快速寻物的方法整体流程示意图。
图2是本发明另一实施例提供的一种无线分布式快速寻物的系统整体结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所列举实施例只用于解释本发明,并非用于限定本发明的范围。
参照图1,本实施例提供一种无线分布式快速寻物的方法,所述方法包括以下步骤:
S1、服务器接收终端上传的寻物ID标识,并将带有寻物ID标识的寻物指令下发给与其连接的所有网关。
本实施例中,所述终端、网关和服务器处于同一网络中,网关和服务器之间、终端与服务器之间均可以通过有线连接或无线连接以实现数据通信。每件物品(可以是安全工器具或其他备品备件)上均设置有电子标签,每个电子标签中均存储有用于唯一识别该物品的物品ID标识。
示例性地,当用户想要寻找某个特定物品时,可以通过终端向服务器发送寻物ID标识,所述终端可以是智能手机一类的移动智能终端或计算机设备,所述寻物ID标识为待寻物品的物品ID标识,服务器接收到寻物ID标识后将其下发给所有与服务器建立连接的网关,所述网关可根据需求灵活布设在不同点位,以使其覆盖范围尽可能覆盖所有物品可能被放置的位置。
S2、各个网关以无线广播方式向范围内的所有电子标签发送寻物信号,获取覆盖范围内所有电子标签的物品ID标识。
S3、对物品ID标识和寻物ID标识进行比对,若比对一致,则网关向服务器上传网关位置信息。
示例性地,步骤S3中对物品ID标识和寻物ID标识进行比对这一过程可以是在获取到寻物ID标识的网关中实现,该网关需将寻物ID标识与其获取到的所有物品ID标识进行比对。
在其他实施方式中,这一过程也可以是在电子标签中实现,网关向电子标签发送的寻物信号中带有寻物ID标识,电子标签接收到寻物信号后,进行寻物ID标识的信息解析和匹配校验,比对寻物ID标识与所存储的物品ID标识是否匹配,若匹配则主动响应网关的寻物信号,被响应的网关向服务器上传网关位置信息,所述网关位置信息用于描述该网关所处位置和信号覆盖范围。
S4、服务器将网关位置信息转发至终端,用户根据终端显示的网关位置信息寻找物品。
本实施例所提供的无线分布式快速寻物的方法,相比传统的点对点无线寻物方式,采用分布式无线寻物方式,可以将寻物范围扩大,实现多点位并发寻物,快速定位物品所在区域,有效提升寻物效率,在将其应用于备品备件或安全工器具的管理时,可以方便工作人员快速寻找到需要的备品备件或安全工器具,有利于提高工作效率。
作为本实施例的一种可选实施方式,所述步骤S2具体包括以下步骤:
S21、各个网关以第一级别的无线信号发送功率和接收RSSI门限向范围内的所有电子标签发送寻物信号并获取覆盖范围内所有电子标签的物品ID标识。
S22、判断物品ID标识和寻物ID标识是否一致,若不一致则进行下一步骤,若一致则执行步骤S3。
示例性地,步骤S22中判断物品ID标识与寻物ID标识是否一致这一过程可以是在网关中实现,也可以是在接收到寻物信号的电子标签中实现。
S23、各个网关以更高一级别的无线信号发送功率和接收RSSI门限向范围内的所有电子标签发送寻物信号并获取覆盖范围内所有电子标签的物品ID标识。
S24、执行步骤S22。
该实施方式中,网关的无线信号发送功率和接收RSSI门限能够在无法寻找到物品时进行动态调整,网关的覆盖范围逐渐增大,倘若目标物品在近处,则网关通过较低级别的无线信号发送功率和接收RSSI门限就可以寻找到目标物品,可以达到降低功耗的技术效果。
作为本实施例可选的一种实施方式,若步骤S3中,所有网关获得的所有物品ID标识与寻物ID标识均比对不一致,则进行以下步骤:
A1、服务器获取室内环境和物品不同角度的点云数据及与点云数据对应的采集位置数据。
示例性地,所述点云数据为可能放置有目标物品的室内环境和其中的物品外表面的点数据集合,点云数据的采集可以通过扫描设备实现,所述与点云数据对应的采集位置数据用于记录采集该点云数据时扫描设备的位置信息。
A2、对点云数据进行处理,生成相应的室内环境图像数据和物品图像数据。该步骤通过将三维坐标系统中的点云数据转换为相应的二维图像,以获得室内环境的图像数据和物品图像数据,以便于后续步骤中通过对室内环境图像和物品图像进行识别以寻找目标物品并定位目标物品位置。
A3、将室内环境图像数据输入第一预训练深度学习模型进行分类识别,获取环境特征信息。
示例性地,所述第一预训练深度学习模型用于通过提取并识别室内环境图像的图像特征以判断该图像所对应的场所,所述环境特征信息为该图像所对应的场所信息。通过识别每份室内环境图像数据所对应的场所,当在该场所中发现目标物品时,即可根据环境特征信息为用户快速指明待寻物品所处位置和方向。
A4、将物品图像数据输入第二预训练深度学习模型进行分类识别,获取物品信息。
示例性地,所述第二预训练深度学习模型用于通过提取物品图像特征以对其进行识别,以获得图像中的物品信息。
A5、查询寻物ID标识所对应的待寻物品信息,比对待寻物品信息和第二预训练深度学习模型输出的物品信息,若比对一致,则向终端发送环境特征信息和采集位置数据,用户可以根据终端显示的环境特征信息前往待寻物品所在场所,并根据采集位置数据定位待寻物品具体位置,从而快速找到待寻物品。
待寻物品可能由于特殊原因导致无法对网关的寻物信号进行响应,例如电子标签脱落或被破坏,此时网关难以通过原有的无线广播方式查找到待寻物品,本实施例所提供的无线分布式快速寻物的方法,通过获取不同场所室内环境和物品的点云数据,并将其转换为二维图像,对二维图像进行识别,从而可以精确定位待寻物品所处场所和具体位置,进而在电子标签无响应的情形下也可以寻找到目标物品,同时通过采集不同角度的点云数据,可以有效提高对于场所和物品的识别准确率。
作为上述实施例进一步可选的实施方式,所述服务器获取点云数据以及点云数据对应的采集位置数据具体包括以下步骤:
A11、服务器向所有搭载有扫描设备和定位设备的自动导航车发送预规划路径。
A12、自动导航车根据预规划路径行进,行进过程中扫描设备采集室内环境和物品不同角度的点云数据,同时定位设备采集与点云数据对应的采集位置数据。
示例性地,所述自动导航车可以采用AGV小车,所述扫描设备可以采用三维激光扫描仪,定位设备可以采用GPS或北斗定位模块。在所有网关获得的所有物品ID标识与寻物ID标识均比对不一致时,服务器即向自动导航车发送预规划的路径,预规划的路径用于指示自动导航车的行进方向,需要涵盖所有可能放置有待寻物品的场所。
作为本实施例另一种可选的实施方式,若步骤S3中,所有网关获得的所有物品ID标识与寻物ID标识均比对不一致,则进行以下步骤:
B1、根据寻物ID标识查询历史使用记录数据库中对应待寻物品最近一次的使用信息。
示例性地,所述历史使用记录数据中存储有待寻物品的历史使用信息,所述历史使用信息用于记录待寻物品出库时所记录的借用人员、用途、时间和上一次入库后的被存放位置等信息,待寻物品最近一次的使用信息为所记录时间最接近当前时间的历史使用信息。
B2、将待寻物品最近一次的使用信息输入第三预训练深度学习模型进行分类识别,获得待寻物品位置预测信息。
示例性地,所述第三预训练深度学习模型根据待寻物品的所有历史使用信息中的借用人员、用途、上一次入库后的被存放位置信息等建立分类器,通过对借用人员、用途及其对应的入库被存放位置信息进行迭代训练,对于同样的借用人员,当其出于同样的用途借用备品备件或安全工器具进行使用,并归还入库后,其放置备品备件或安全工器具的位置在大多数情况下是相同或相近的,基于此,在向第三预训练深度学习模型输入借用人员、用途时,经过预训练的深度学习模型能够输出可能性最高的待寻物品被存放位置。
B3、将待寻物品位置预测信息发送至终端。
本实施例所提供的无线分布式快速寻物的方法,相对于前述实施例,仅需根据待寻物品的历史使用记录输入上一次借用待寻物品的借用人员及用途,第三预训练深度学习模型即可进行分析并输出待寻物品位置预测信息,从而在电子标签无响应或查找不到待寻物品的情形下,不需要部署自动导航车也可以帮助用户查找待寻物品最有可能被放置的位置,能够在低成本的情形下同时达到较高的预测准确率。
作为上述实施例进一步可选的一种实施方式,在步骤B2中将待寻物品最近一次的使用信息输入第三预训练深度学习模型进行分类识别前,具体还包括步骤:
B21、获取所有物品的历史使用信息和历史位置信息,所述历史使用信息包括使用人信息和使用事项信息,分析并建立历史使用信息与历史位置信息的关联关系,将其划分为训练样本集和测试样本集。
示例性地,同一使用人基于同样的使用事项借用某一物品时,在归还入库后出于习惯经常会将该物品放置于相同或相近的位置,基于此分析并建立同一物品的历史使用信息与其历史位置信息的关联关系。
B22、建立深度学习模型,通过训练样本集对深度学习模型进行训练,获得第三预训练深度学习模型。
B23、应用第三预训练深度学习模型对测试样本集进行处理,获得预测结果,将预测结果与测试样本集的历史位置信息进行比对获得反馈结果,根据反馈结果对第三预训练深度学习模型进行优化。
该实施方式中,通过将历史使用信息与历史位置信息划分为训练样本集和测试样本集,在迭代训练后通过测试样本集对第三预训练深度学习模型进行测试,根据测试结果与测试样本集中历史位置信息的偏差值作为反馈结果对模型进行优化,能够提高模型的预测准确率。
在另外一些实施方式中,通过历史使用记录预测待寻物品位置和通过扫描室内环境和物品点云数据来识别查找待寻物品这两种方式可以结合使用,例如,先通过历史使用记录预测待寻物品位置,服务器根据预测的待寻物品位置为自动导航车规划行进路径,指引自动导航车行进到相应位置采集周边环境的点云数据,再根据对点云数据的处理和识别,准确判断待寻物品是否在相应位置出现,从而减少了自动导航车采集其他场所点云数据的时间,从而有效提高查找效率。
基于与前述方法实施例相同的发明构思,本发明另一实施例提供一种无线分布式快速寻物的系统,参照图2,所述系统包括处于同一网络中的服务器、终端以及网关。所述服务器包括用于接收终端上传的寻物ID标识的接收模块、用于将带有寻物ID标识的寻物指令下发给与服务器连接的所有网关的下发模块和用于转发网关位置信息至终端的转发模块。
所述网关包括用于以无线广播方式向范围内的所有电子标签发送寻物信号的发送模块、用于获取覆盖范围内所有电子标签的物品ID标识的获取模块和上传模块,所述上传模块用于在物品ID标识和寻物ID标识比对一致时上传网关位置信息。
所述终端包括用于显示网关位置信息的显示模块。
可选的,所述网关还包括调节模块和判断模块。
所述调节模块用于调节发送模块以第一级别的无线信号发送功率向范围内的所有电子标签发送寻物信号,以及调节获取模块以第一级别的接收RSSI门限获取覆盖范围内所有电子标签的物品ID标识。
所述判断模块用于判断物品ID标识和寻物ID标识是否一致。
所述调节模块还用于在判断模块判断物品ID标识和寻物ID标识不一致时调节发送模块和获取模块以更高一级别的无线信号发送功率和接收RSSI门限向范围内的所有电子标签发送寻物信号并获取覆盖范围内所有电子标签的物品ID标识。
可选的,所述服务器还包括:
点云数据获取模块,用于在所有物品ID标识与寻物ID标识均比对不一致时获取室内环境和物品不同角度的点云数据及与点云数据对应的采集位置数据;
处理模块,用于对点云数据进行处理,生成相应的室内环境图像数据和物品图像数据;
第一识别模块,用于将室内环境图像数据输入第一预训练深度学习模型进行分类识别,获取环境特征信息;
第二识别模块,用于将物品图像数据输入第二预训练深度学习模型进行分类识别,获取物品信息;
查询比对模块,用于查询寻物ID标识所对应的待寻物品信息,比对待寻物品信息和第二预训练深度学习模型输出的物品信息,若比对一致,则向终端发送环境特征信息和采集位置数据。
可选的,所述系统还包括搭载有扫描设备和定位设备的自动导航车,所述点云数据获取模块还用于向所有搭载有扫描设备和定位设备的自动导航车发送预规划路径,所述自动导航车用于根据预规划路径行进,所述扫描设备用于在行进过程中采集室内环境和物品不同角度的点云数据,所述定位设备用于在行进过程中采集与点云数据对应的采集位置数据。
可选的,所述服务器还包括:
记录查询模块,用于根据寻物ID标识查询历史使用记录数据库中对应待寻物品最近一次的使用信息;
预测模块,用于将待寻物品最近一次的使用信息输入第三预训练深度学习模型进行分类识别,获得待寻物品位置预测信息;
预测信息发送模块,用于将待寻物品位置预测信息发送至终端。
进一步可选的,所述预测模块具体包括:
获取子模块,用于获取所有物品的历史使用信息和历史位置信息,所述历史使用信息包括使用人信息和使用事项信息,分析并建立历史使用信息与历史位置信息的关联关系,将其划分为训练样本集和测试样本集;
训练子模块,用于建立深度学习模型,通过训练样本集对深度学习模型进行训练,获得第三预训练深度学习模型;
优化子模块,用于应用第三预训练深度学习模型对测试样本集进行处理,获得预测结果,将预测结果与测试样本集的历史位置信息进行比对获得反馈结果,根据反馈结果对第三预训练深度学习模型进行优化。
上述系统实施例用于实现前述方法实施例所述的方法,其工作原理和技术效果可以参照前述方法实施例,在此不再赘述。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,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 (10)
1.一种无线分布式快速寻物的方法,其特征在于,所述方法包括以下步骤:
S1、服务器接收终端上传的寻物ID标识,并将带有寻物ID标识的寻物指令下发给与其连接的所有网关;
S2、各个网关以无线广播方式向范围内的所有电子标签发送寻物信号,获取覆盖范围内所有电子标签的物品ID标识;
S3、对物品ID标识和寻物ID标识进行比对,若比对一致,则网关向服务器上传网关位置信息;
S4、服务器将网关位置信息转发至终端,用户根据终端显示的网关位置信息寻找物品。
2.根据权利要求1所述的一种无线分布式快速寻物的方法,其特征在于,所述步骤S2具体包括以下步骤:
S21、各个网关以第一级别的无线信号发送功率和接收RSSI门限向范围内的所有电子标签发送寻物信号并获取覆盖范围内所有电子标签的物品ID标识;
S22、判断物品ID标识和寻物ID标识是否一致,若不一致则进行下一步骤,若一致则执行步骤S3;
S23、各个网关以更高一级别的无线信号发送功率和接收RSSI门限向范围内的所有电子标签发送寻物信号并获取覆盖范围内所有电子标签的物品ID标识;
S24、执行步骤S22。
3.根据权利要求1所述的一种无线分布式快速寻物的方法,其特征在于,若步骤S3中,所有网关获得的所有物品ID标识与寻物ID标识均比对不一致,则进行以下步骤:
服务器获取室内环境和物品不同角度的点云数据及与点云数据对应的采集位置数据;
对点云数据进行处理,生成相应的室内环境图像数据和物品图像数据;
将室内环境图像数据输入第一预训练深度学习模型进行分类识别,获取环境特征信息;
将物品图像数据输入第二预训练深度学习模型进行分类识别,获取物品信息;
查询寻物ID标识所对应的待寻物品信息,比对待寻物品信息和第二预训练深度学习模型输出的物品信息,若比对一致,则向终端发送环境特征信息和采集位置数据。
4.根据权利要求3所述的一种无线分布式快速寻物的方法,其特征在于,所述服务器获取点云数据以及点云数据对应的采集位置数据具体包括以下步骤:
服务器向所有搭载有扫描设备和定位设备的自动导航车发送预规划路径;
自动导航车根据预规划路径行进,行进过程中扫描设备采集室内环境和物品不同角度的点云数据,同时定位设备采集与点云数据对应的采集位置数据。
5.根据权利要求1所述的一种无线分布式快速寻物的方法,其特征在于,若步骤S3中,所有网关获得的所有物品ID标识与寻物ID标识均比对不一致,则进行以下步骤:
根据寻物ID标识查询历史使用记录数据库中对应待寻物品最近一次的使用信息;
将待寻物品最近一次的使用信息输入第三预训练深度学习模型进行分类识别,获得待寻物品位置预测信息;
将待寻物品位置预测信息发送至终端。
6.根据权利要求5所述的一种无线分布式快速寻物的方法,其特征在于,在将待寻物品最近一次的使用信息输入第三预训练深度学习模型进行分类识别前,具体还包括步骤:
获取所有物品的历史使用信息和历史位置信息,所述历史使用信息包括使用人信息和使用事项信息,分析并建立历史使用信息与历史位置信息的关联关系,将其划分为训练样本集和测试样本集;
建立深度学习模型,通过训练样本集对深度学习模型进行训练,获得第三预训练深度学习模型;
应用第三预训练深度学习模型对测试样本集进行处理,获得预测结果,将预测结果与测试样本集的历史位置信息进行比对获得反馈结果,根据反馈结果对第三预训练深度学习模型进行优化。
7.一种无线分布式快速寻物的系统,其特征在于,所述系统包括服务器、终端以及网关,所述服务器包括用于接收终端上传的寻物ID标识的接收模块、用于将带有寻物ID标识的寻物指令下发给与服务器连接的所有网关的下发模块和用于转发网关位置信息至终端的转发模块;
所述网关包括用于以无线广播方式向范围内的所有电子标签发送寻物信号的发送模块、用于获取覆盖范围内所有电子标签的物品ID标识的获取模块和上传模块,所述上传模块用于在物品ID标识和寻物ID标识比对一致时上传网关位置信息;
所述终端包括用于显示网关位置信息的显示模块。
8.根据权利要求7所述的一种无线分布式快速寻物的系统,其特征在于,所述网关还包括调节模块和判断模块,
所述调节模块用于调节发送模块以第一级别的无线信号发送功率向范围内的所有电子标签发送寻物信号,以及调节获取模块以第一级别的接收RSSI门限获取覆盖范围内所有电子标签的物品ID标识;
所述判断模块用于判断物品ID标识和寻物ID标识是否一致;
所述调节模块还用于在判断模块判断物品ID标识和寻物ID标识不一致时调节发送模块和获取模块以更高一级别的无线信号发送功率和接收RSSI门限向范围内的所有电子标签发送寻物信号并获取覆盖范围内所有电子标签的物品ID标识。
9.根据权利要求7所述的一种无线分布式快速寻物的系统,其特征在于,所述服务器还包括:
点云数据获取模块,用于在所有物品ID标识与寻物ID标识均比对不一致时获取室内环境和物品不同角度的点云数据及与点云数据对应的采集位置数据;
处理模块,用于对点云数据进行处理,生成相应的室内环境图像数据和物品图像数据;
第一识别模块,用于将室内环境图像数据输入第一预训练深度学习模型进行分类识别,获取环境特征信息;
第二识别模块,用于将物品图像数据输入第二预训练深度学习模型进行分类识别,获取物品信息;
查询比对模块,用于查询寻物ID标识所对应的待寻物品信息,比对待寻物品信息和第二预训练深度学习模型输出的物品信息,若比对一致,则向终端发送环境特征信息和采集位置数据。
10.根据权利要求9所述的一种无线分布式快速寻物的系统,其特征在于,所述系统还包括搭载有扫描设备和定位设备的自动导航车,所述点云数据获取模块还用于向所有搭载有扫描设备和定位设备的自动导航车发送预规划路径,所述自动导航车用于根据预规划路径行进,所述扫描设备用于在行进过程中采集室内环境和物品不同角度的点云数据,所述定位设备用于在行进过程中采集与点云数据对应的采集位置数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110314049.4A CN113051944B (zh) | 2021-03-24 | 2021-03-24 | 一种无线分布式快速寻物的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110314049.4A CN113051944B (zh) | 2021-03-24 | 2021-03-24 | 一种无线分布式快速寻物的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113051944A true CN113051944A (zh) | 2021-06-29 |
CN113051944B CN113051944B (zh) | 2022-11-04 |
Family
ID=76514910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110314049.4A Active CN113051944B (zh) | 2021-03-24 | 2021-03-24 | 一种无线分布式快速寻物的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113051944B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114363818A (zh) * | 2021-12-10 | 2022-04-15 | 科大讯飞股份有限公司 | 一种寻物设备、物体寻找方法以及自助寻找系统 |
CN114845246A (zh) * | 2022-05-09 | 2022-08-02 | 重庆科创职业学院 | 一种电子价签控制方法、系统及计算机可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140316944A1 (en) * | 2013-04-23 | 2014-10-23 | Samsung Electro-Mechanics Co., Ltd. | Esl system using smart phone and operating method thereof |
CN106941657A (zh) * | 2017-04-06 | 2017-07-11 | 胡绪健 | 一种全自动化带WiFi功能的室内定位器 |
CN107064913A (zh) * | 2017-03-10 | 2017-08-18 | 上海斐讯数据通信技术有限公司 | 一种基于深度学习的无线定位方法及系统 |
CN107977625A (zh) * | 2017-11-30 | 2018-05-01 | 速感科技(北京)有限公司 | 一种可寻物的智能可移动设备及智能寻物方法 |
CN108009583A (zh) * | 2017-11-30 | 2018-05-08 | 速感科技(北京)有限公司 | 一种可寻物的智能可移动设备及智能寻物方法 |
CN109842851A (zh) * | 2017-09-14 | 2019-06-04 | 宁波弘讯软件开发有限公司 | 一种仓储物品实时定位方法及仓储物品定位系统 |
CN111795688A (zh) * | 2020-07-17 | 2020-10-20 | 南京邮电大学 | 一种基于深度学习和增强现实的图书馆导航系统实现方法 |
CN112132076A (zh) * | 2020-09-28 | 2020-12-25 | 天津天地伟业智能安全防范科技有限公司 | 一种基于计算机视觉的遗忘物寻址方法 |
CN112270388A (zh) * | 2020-09-28 | 2021-01-26 | 红点定位(北京)科技有限公司 | 货物定位管理系统和方法 |
CN112333636A (zh) * | 2020-09-29 | 2021-02-05 | 济南大学 | 一种用于室内寻物的装置及方法 |
US20210289319A1 (en) * | 2020-03-13 | 2021-09-16 | Tracesafe Technologies, Inc. | System for continuously determining location of electronic tags with methods to achieve low power consumption |
-
2021
- 2021-03-24 CN CN202110314049.4A patent/CN113051944B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140316944A1 (en) * | 2013-04-23 | 2014-10-23 | Samsung Electro-Mechanics Co., Ltd. | Esl system using smart phone and operating method thereof |
CN107064913A (zh) * | 2017-03-10 | 2017-08-18 | 上海斐讯数据通信技术有限公司 | 一种基于深度学习的无线定位方法及系统 |
CN106941657A (zh) * | 2017-04-06 | 2017-07-11 | 胡绪健 | 一种全自动化带WiFi功能的室内定位器 |
CN109842851A (zh) * | 2017-09-14 | 2019-06-04 | 宁波弘讯软件开发有限公司 | 一种仓储物品实时定位方法及仓储物品定位系统 |
CN107977625A (zh) * | 2017-11-30 | 2018-05-01 | 速感科技(北京)有限公司 | 一种可寻物的智能可移动设备及智能寻物方法 |
CN108009583A (zh) * | 2017-11-30 | 2018-05-08 | 速感科技(北京)有限公司 | 一种可寻物的智能可移动设备及智能寻物方法 |
US20210289319A1 (en) * | 2020-03-13 | 2021-09-16 | Tracesafe Technologies, Inc. | System for continuously determining location of electronic tags with methods to achieve low power consumption |
CN111795688A (zh) * | 2020-07-17 | 2020-10-20 | 南京邮电大学 | 一种基于深度学习和增强现实的图书馆导航系统实现方法 |
CN112132076A (zh) * | 2020-09-28 | 2020-12-25 | 天津天地伟业智能安全防范科技有限公司 | 一种基于计算机视觉的遗忘物寻址方法 |
CN112270388A (zh) * | 2020-09-28 | 2021-01-26 | 红点定位(北京)科技有限公司 | 货物定位管理系统和方法 |
CN112333636A (zh) * | 2020-09-29 | 2021-02-05 | 济南大学 | 一种用于室内寻物的装置及方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114363818A (zh) * | 2021-12-10 | 2022-04-15 | 科大讯飞股份有限公司 | 一种寻物设备、物体寻找方法以及自助寻找系统 |
CN114363818B (zh) * | 2021-12-10 | 2023-12-01 | 科大讯飞股份有限公司 | 一种寻物设备、物体寻找方法以及自助寻找系统 |
CN114845246A (zh) * | 2022-05-09 | 2022-08-02 | 重庆科创职业学院 | 一种电子价签控制方法、系统及计算机可读存储介质 |
CN114845246B (zh) * | 2022-05-09 | 2024-01-26 | 重庆科创职业学院 | 一种电子价签控制方法、系统及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113051944B (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | IoT edge computing-enabled collaborative tracking system for manufacturing resources in industrial park | |
CN113051944B (zh) | 一种无线分布式快速寻物的方法及系统 | |
CN105338489B (zh) | 一种用于室内定位的智能终端及蓝牙室内定位系统 | |
JP5935877B2 (ja) | 動線データ解析装置、システム、プログラム及び方法 | |
CN111854700B (zh) | 基于物联网和云计算的无人机监测管理系统 | |
CN111741524B (zh) | 定位方法、装置、计算机可读存储介质和计算机设备 | |
JP2016505980A (ja) | パッシブ型rfid支援アクティブ型rfidタグ | |
CN204010050U (zh) | 一种巡检实时定位跟踪系统 | |
JPWO2013145631A1 (ja) | 動線データ解析装置、システム、プログラム及び方法 | |
CN109388669A (zh) | 物联网终端运动状态获取和分析系统及方法 | |
CN113159246B (zh) | 基于二维码标签的钢厂货物识别方法、装置及计算机设备 | |
CN108957434A (zh) | 自适应定位方法、装置及定位设备 | |
CN117313969A (zh) | 变电站机器人巡视路径优化方法及装置 | |
CN203118400U (zh) | 一种适用于室内室外基于多模式混合定位技术的导游仪 | |
CN111260155A (zh) | 粮食加工的工序优化方法、装置、电子设备及存储介质 | |
CN116562313A (zh) | 一种rfid芯片的性能评估方法及系统 | |
CN109521452A (zh) | 配电运检电缆定位系统及配电运检辅助移动应用定位方法 | |
CN109302684B (zh) | 终端设备的场景判定方法、云服务器及存储介质 | |
CN115170982A (zh) | 一种基于人工智能的水面垃圾自动识别系统 | |
CN111078958B (zh) | 一种针对多样化生物数据即时统计与决策系统 | |
CN109298390B (zh) | 一种基于无线信号强度的室内定位方法 | |
CN112182443B (zh) | 一种面向mes的标识查询系统及方法 | |
CN102480682A (zh) | 移动定位装置、服务器及其移动定位方法 | |
CN117255408B (zh) | 一种基于rfid技术的室分定位系统及方法 | |
CN116441662B (zh) | 一种多自由度智能焊接切割控制方法及系统 |
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 |