CN113222970A - 一种车辆装载率检测方法、装置、计算机设备和存储介质 - Google Patents
一种车辆装载率检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113222970A CN113222970A CN202110597899.XA CN202110597899A CN113222970A CN 113222970 A CN113222970 A CN 113222970A CN 202110597899 A CN202110597899 A CN 202110597899A CN 113222970 A CN113222970 A CN 113222970A
- Authority
- CN
- China
- Prior art keywords
- carriage
- corner
- position information
- cargo
- vehicle
- 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.)
- Pending
Links
Images
Classifications
-
- 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
-
- 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
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Geometry (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种车辆装载率检测方法、装置、计算机设备和存储介质。获取车尾图像,根据车尾图像获取车厢底面四个角点的位置信息,以及关键点的位置信息;所述关键点包括车厢底面左下角顶点、货物左下角顶点、货物左上角顶点、货物右上角顶点、货物右下角顶点以及车厢底面右下角顶点;根据车厢底面四个角点的位置信息以及关键点的位置信息,计算货物体积;根据货物体积,确定车辆的装载率。使用本发明的技术方案,可以实现准确、高效的对各类型厢式货车进行车辆装载率的检测。
Description
技术领域
本发明实施例涉及图像处理技术,尤其涉及一种车辆装载率检测方法、装置、计算机设备和存储介质。
背景技术
随着快递物流行业的迅速发展,提高快递包裹的处理效率至关重要,车辆装载率反映车辆和快递包裹配置的合理性,如何实现对车辆装载率的检测,这是一个非常重要又亟待解决的问题。
目前,对快递运输车辆装载货物量的检测一般是通过人工或者使用各种传感器来实现的。人工的方式是通过人眼观察来估计车辆的装载率,这种方式效率低且准确度不高。采用传感器的方式可以分为单目视觉检测、双目视觉检测、红外传感器检测以及雷达检测等,存在硬件成本高、实现复杂、普适性较低、准确性较差等问题。
发明内容
本发明实施例提供一种车辆装载率检测方法、装置、计算机设备和存储介质,以实现准确、高效的对各类型厢式货车进行车辆装载率的检测。
第一方面,本发明实施例提供了一种车辆装载率检测方法,该方法包括:
获取车尾图像,根据车尾图像获取车厢底面四个角点的位置信息,以及关键点的位置信息;所述关键点包括车厢底面左下角顶点、货物左下角顶点、货物左上角顶点、货物右上角顶点、货物右下角顶点以及车厢底面右下角顶点;
根据车厢底面四个角点的位置信息以及关键点的位置信息,计算货物体积;
根据货物体积,确定车辆的装载率。
第二方面,本发明实施例还提供了一种车辆装载率检测装置,该装置包括:
位置信息获取模块,用于获取车尾图像,根据车尾图像获取车厢底面四个角点的位置信息,以及关键点的位置信息;所述关键点包括车厢底面左下角顶点、货物左下角顶点、货物左上角顶点、货物右上角顶点、货物右下角顶点以及车厢底面右下角顶点;
体积计算模块,用于根据车厢底面四个角点的位置信息以及关键点的位置信息,计算货物体积;
装载率计算模块,用于根据货物体积,确定车辆的装载率。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例中任一所述的车辆装载率检测方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例中任一所述的车辆装载率检测方法。
本发明实施例通过识别车尾图像中车厢底面角点和关键点的位置信息,通过角点和关键点的位置信息计算货物体积,从而根据货物体积确定车辆的装载率。解决了现有技术中通过人工检测的方式估计车辆的装载率,效率低且准确度不高的问题,以及采用传感器的方式存在硬件成本高、实现复杂、普适性较低、准确性较差等问题,实现了准确、高效的对各类型厢式货车进行车辆装载率的检测。
附图说明
图1是本发明实施例一中的一种车辆装载率检测方法的流程图;
图2是本发明实施例二中的一种车辆装载率检测方法的流程图;
图3是本发明实施例三中的一种车辆装载率检测装置的结构示意图;
图4是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种车辆装载率检测方法的流程图,本实施例可适用于确定车辆装载率的情况,该方法可以由车辆装载率检测装置来执行,该装置可以由软件和/或硬件来实现,并一般集成在计算机设备中,可以与摄像装置配合使用。
如图1所示,本发明实施例的技术方案,具体包括如下步骤:
S110、获取车尾图像,根据车尾图像获取车厢底面四个角点的位置信息,以及关键点的位置信息。
其中,所述关键点包括车厢底面左下角顶点、货物左下角顶点、货物左上角顶点、货物右上角顶点、货物右下角顶点以及车厢底面右下角顶点。
车尾图像可以从车辆图像中截取,也可以直接通过拍摄装置拍摄得到,拍摄车辆图像或车尾图像时,拍摄装置应尽量正对车辆或车尾。车尾图像既可以是车尾的最小外接矩形图像,也可以是根据车尾的顶点对车尾部分进行变换后生成的图像。
车厢底面的四个角点是车尾的车门开放时,车厢内部地面的四个顶点,角点的位置信息可以通过角点在车尾图像中的像素坐标来表示。六个关键点的位置信息也可以通过关键点在车尾图像中的像素坐标来表示。
可选的,角点的位置信息可以通过预先训练得到的角点检测模型进行确定。在获取车尾图像之前,根据多个预先标注好角点位置信息的样本图片,对深度回归网络模型进行训练,得到角点检测模型。同样的,关键点的位置信息也可以通过预先训练得到的关键点检测模型进行确定。在获取车尾图像之前,根据多个预先标注好关键点位置信息的样本图片,对深度回归网络模型进行训练,得到关键点检测模型。
S120、根据车厢底面四个角点的位置信息以及关键点的位置信息,计算货物体积。
获取六个关键点的信息之后,在确定货物装载率时,根据角点的位置信息和关键点的位置信息即可确定货物在车厢中的深度和高度,综合考虑货物在车厢中深度和高度计算货物体积,可以提高装载率的计算精度。
在本发明实施例中,根据车厢底面左侧的两个角点的位置信息可以获取车厢底面左侧的角点距离。根据车厢底面左下角顶点和货物左下角顶点的位置信息,可以获取货物左侧底面所处的深度,根据货物左上角顶点映射到车厢底面左侧的点,可以计算货物左侧所处的高度。根据货物左上角顶点映射到车厢底面左侧的点和车厢底面左下角顶点的位置信息,可以获取货物左侧顶点所处的深度。采用同样的方法可以获得货物右侧底面所处的深度、货物右侧所处的高度以及货物右侧顶点所处的深度。因此,本发明实施例在进行货物体积计算时,获得了精确的货物深度和高度,提高了装载率计算的准确度。
S130、根据货物体积,确定车辆的装载率。
在本发明实施例中,可以根据角点位置信息和车厢高度计算车厢体积,并根据货物左侧底面所处的深度、货物左侧所处的高度以及货物左侧顶点所处的深度、货物右侧底面所处的深度、货物右侧所处的高度以及货物右侧顶点所处的深度计算货物体积,从而将货物体积和车厢体积的比值作为装载率。
在本发明实施例中,也可以将单位体积作为车厢体积,获取货物左侧底面所处的深度、货物左侧顶点所处的深度以及货物左侧所处的高度之后,根据角点位置信息获取货物左侧底面所处的深度相对于车厢底面左侧的比值和货物左侧顶点所处的深度相对于车厢底面左侧的比值,以及货物左侧所处的高度相对于车厢高度的比值,再根据同样的方法确定货物右侧底面所处的深度相对于车厢底面右侧的比值和货物右侧顶点所处的深度相对于车厢底面右侧的比值,以及货物右侧所处的高度相对于车厢高度的比值。从而可以计算得到货物体积相对于车厢体积的比值,将该比值作为装载率。
本实施例的技术方案,通过识别车尾图像中车厢底面角点和关键点的位置信息,通过角点和关键点的位置信息计算货物体积,从而根据货物体积确定车辆的装载率。解决了现有技术中通过人工检测的方式估计车辆的装载率,效率低且准确度不高的问题,以及采用传感器的方式存在硬件成本高、实现复杂、普适性较低、准确性较差等问题,实现了准确、高效的对各类型厢式货车进行车辆装载率的检测。
实施例二
图2是本发明实施例二提供的一种车辆装载率检测方法的流程图,本发明实施例在上述实施例的基础上,对获取车厢底面四个角点的位置信息的过程、获取车厢体积的过程,以及获取货物体积的过程进行了进一步的具体化,还加入了获取车辆图像,并根据车辆图像获取车尾图像的步骤。
相应的,如图2所示,本发明实施例的技术方案,具体包括如下步骤:
S210、获取车辆图像,并通过车尾检测模型获取车辆图像中的车尾类型,以及车尾最小外接矩形的顶点坐标。
示例性的,车辆图像可以是检测到监控视频中出现车辆时,在监控视频中提取出的一帧图像,可以每隔预设时间提取一帧图像作为车辆图像,也可以每隔预设数量的帧数提取一帧图像作为车辆图像,也可以对每一帧图像都作为车辆图像进行处理,本实施例对此不进行限制。
车尾检测模型可以预先通过目标检测算法,对深度学习模型进行训练得到,用于检测图像中出现的车尾。
车尾类型可以是关闭或开放,当车尾类型为关闭时,无法进行车辆装载率的计算,可以继续获取车辆图像,直至车辆图像中的车尾类型为开放。
由于车尾不一定是完全正对拍摄装置的,所以车辆图像中的车尾部分可能是歪斜的,因此为保证获取的车尾图像中包含完整的车尾部分,对车尾部分生成最小外接矩形,并获取最小外接矩形的顶点坐标。优选的,可以获取最小外接矩形的左上角顶点坐标和右下角顶点坐标,原因在于,根据左上角顶点坐标和右下角顶点坐标即可对最小外接矩形进行裁切,获取车尾图像。
S220、判断所述车尾类型是否为开放,如果是,则执行S230,否则返回执行S210。
当车尾类型为开放时,对车辆图像中的车尾最小外接矩形部分进行截取,获取车尾图像,当车尾类型为关闭时,持续进行车辆图像中车尾类型的检测,直至车尾类型为开放。
S230、根据车尾最小外接矩形的顶点坐标对所述车辆图像进行截取,获取车尾图像。
需要进行说明的是,S210-S230只为获取车尾图像的其中一种实现方式,还可以在车辆停放位置的后方预设距离处放置拍摄装置,直接拍摄得到车尾图像,本发明对此不进行限制。
S240、通过角点检测模型,获取车尾图像中车厢底面四个角点的位置信息。
其中,所述角点检测模型为根据多个预先标注角点位置的车尾图像,对深度回归网络模型进行训练得到。
将车尾图像输入至角点检测模型之后,获得角点检测模型输出的标注有角点位置信息的车尾图像。
S250、根据车尾图像获取关键点的位置信息。
将车尾图像输入至关键点检测模型之后,获得关键点检测模型输出的标注有关键点位置信息的车尾图像。
S260、根据车厢底面四个角点的位置信息,以及车厢底面左下角顶点、货物左下角顶点和货物左上角顶点的位置信息,计算货物左侧切面面积。
在本发明实施例中,可以根据车厢底面左下角顶点和货物左下角顶点的位置信息,以及车厢左侧两个角点的位置信息,确定货物左下角深度。根据货物左上角顶点映射到车厢底面左侧的点、车厢底面左下角顶点,以及车厢左侧两个角点的位置信息确定货物左上角深度。根据货物左上角顶点映射到车厢底面左侧的点,可以计算货物左侧所处的高度,从而根据货物左下角深度、货物左上角深度和货物左侧所处的高度,计算货物左侧切面面积。
在本发明实施例中,也可以分别计算货物左下角深度相对于车厢深度的比值、货物左上角深度相对于车厢深度的比值以及货物左侧高度相对于车厢高度的比值,获取货物左侧切面面积相对于车厢左切面面积的比值,将车厢左切面面积设置为单位面积,从而获得货物左侧切面面积。
相应的,S260又可以包括:
S261、根据车厢底面左侧两个角点的位置信息,以及车厢底面左下角顶点和货物左下角顶点的位置信息,计算货物左下角相对于车厢深度的比值。
具体的,根据车厢底面左侧两个角点的位置信息可以计算得到车厢底面左侧的像素距离,根据车厢底面左下角顶点和货物左下角顶点的位置信息,可以计算得到货物左下角到车厢底面左下角的像素距离,将车厢底面左侧的像素距离减去货物左下角到车厢底面左下角的像素距离,即为货物左下角相对于车厢深度的像素距离,从而根据货物左下角相对于车厢深度的像素距离和车厢底面左侧的像素距离,计算货物左下角相对于车厢深度的比值。
S262、根据货物左上角顶点的位置信息,计算货物左上角相对于车厢深度的比值以及货物左侧高度相对于车厢高度的比值。
具体的,获取货物左上角顶点映射到车厢底面左侧的点的位置信息,根据该点的位置信息,依照S261中计算货物左下角相对于车厢深度的比值的方式,计算该点相对于车厢深度的比值,即为货物左上角相对于车厢深度的比值。
获取货物左上角顶点映射到车厢顶部的点的位置信息,计算货物左上角顶点到映射到车厢底面左侧的点的像素距离,以及货物左上角顶点到映射到车厢顶部的点的像素距离,从而计算货物左侧高度相对于车厢高度的比值。
S263、根据货物左下角相对于车厢深度的比值、货物左上角相对于车厢深度的比值以及货物左侧高度相对于车厢高度的比值,以及车厢左切面面积,计算货物左侧切面面积。
在本发明实施例中,可以将单位面积作为车厢左切面面积,从而可以计算得到货物左侧切面面积。
S270、根据车厢底面四个角点的位置信息,以及货物右上角顶点、货物右下角顶点和车厢底面右下角顶点的位置信息,计算货物右侧切面面积。
计算货物右侧切面面积的方式与计算货物左侧切面面积的方式相同,本实施例在此不再进行赘述。
相应的,S270又可以包括:
S271、根据车厢底面右侧两个角点的位置信息,以及车厢底面右下角顶点和货物右下角顶点的位置信息,计算货物右下角相对于车厢深度的比值。
S272、根据货物右上角顶点的位置信息,计算货物右上角相对于车厢深度的比值以及货物右侧高度相对于车厢高度的比值。
S273、根据货物右下角相对于车厢深度的比值、货物右上角相对于车厢深度的比值以及货物右侧高度相对于车厢高度的比值,以及车厢右切面面积,计算货物右侧切面面积。
S280、根据货物左侧切面面积、货物右侧切面面积以及车厢宽度,计算货物体积。
计算得到货物左侧切面面积、货物右侧切面面积之后,可以将单位长度作为车厢宽度,计算得到货物体积。
S290、根据车厢左切面面积和车厢宽度,计算车厢体积。
在本发明实施例中,由于车厢左切面面积取单位面积,车厢宽度取单位长度,所以车厢体积为单位体积。
S2100、根据货物体积和车厢体积的比值,确定车辆的装载率。
S2110、获取多个车辆图像对应的装载率,对多个装载率进行滤波处理,对异常装载率进行修正。
在本发明实施例中,获得多个装载率之后,采用滤波算法,对多个装载率进行滤波处理,对异常装载率进行修正处理,得到稳定的装载率结果。对装载率进行滤波处理,可以进一步提高装载率计算的准确性。
实施例三
图3是本发明实施例三中的一种车辆装载率检测装置的结构示意图,如图3所示,所述装置包括:位置信息获取模块310、体积计算模块320以及装载率计算模块330,其中:
位置信息获取模块310,用于获取车尾图像,根据车尾图像获取车厢底面四个角点的位置信息,以及关键点的位置信息;所述关键点包括车厢底面左下角顶点、货物左下角顶点、货物左上角顶点、货物右上角顶点、货物右下角顶点以及车厢底面右下角顶点;
体积计算模块320,用于根据车厢底面四个角点的位置信息以及关键点的位置信息,计算货物体积;
装载率计算模块330,用于根据货物体积,确定车辆的装载率。
本实施例的技术方案,通过识别车尾图像中车厢底面角点和关键点的位置信息,通过角点和关键点的位置信息计算货物体积,从而根据货物体积确定车辆的装载率。解决了现有技术中通过人工检测的方式估计车辆的装载率,效率低且准确度不高的问题,以及采用传感器的方式存在硬件成本高、实现复杂、普适性较低、准确性较差等问题,实现了准确、高效的对各类型厢式货车进行车辆装载率的检测。
在上述实施例的基础上,所述装置,还包括:
车尾检测模块,用于获取车辆图像,并通过车尾检测模型获取车辆图像中的车尾类型,以及车尾最小外接矩形的顶点坐标;
车辆图像截取模块,用于若所述车尾类型为开放,则根据车尾最小外接矩形的顶点坐标对所述车辆图像进行截取。
在上述实施例的基础上,位置信息获取模块310,包括:
角点位置信息检测单元,用于通过角点检测模型,获取车尾图像中车厢底面四个角点的位置信息;
其中,所述角点检测模型为根据多个预先标注角点位置的车尾图像,对深度回归网络模型进行训练得到。
在上述实施例的基础上,体积计算模块320,包括:
货物左侧切面面积计算单元,用于根据车厢底面四个角点的位置信息,以及车厢底面左下角顶点、货物左下角顶点和货物左上角顶点的位置信息,计算货物左侧切面面积;
货物右侧切面面积计算单元,用于根据车厢底面四个角点的位置信息,以及货物右上角顶点、货物右下角顶点和车厢底面右下角顶点的位置信息,计算货物右侧切面面积;
货物体积计算单元,用于根据货物左侧切面面积、货物右侧切面面积以及车厢宽度,计算货物体积。
在上述实施例的基础上,货物左侧切面面积计算单元,具体用于:
根据车厢底面左侧两个角点的位置信息,以及车厢底面左下角顶点和货物左下角顶点的位置信息,计算货物左下角相对于车厢深度的比值;
根据货物左上角顶点的位置信息,计算货物左上角相对于车厢深度的比值以及货物左侧高度相对于车厢高度的比值;
根据货物左下角相对于车厢深度的比值、货物左上角相对于车厢深度的比值以及货物左侧高度相对于车厢高度的比值,以及车厢左切面面积,计算货物左侧切面面积;
货物右侧切面面积计算单元,具体用于:
根据车厢底面右侧两个角点的位置信息,以及车厢底面右下角顶点和货物右下角顶点的位置信息,计算货物右下角相对于车厢深度的比值;
根据货物右上角顶点的位置信息,计算货物右上角相对于车厢深度的比值以及货物右侧高度相对于车厢高度的比值;
根据货物右下角相对于车厢深度的比值、货物右上角相对于车厢深度的比值以及货物右侧高度相对于车厢高度的比值,以及车厢右切面面积,计算货物右侧切面面积。
在上述实施例的基础上,所述装置,还包括:
车厢体积计算模块,用于根据车厢左切面面积和车厢宽度,计算车厢体积;
装载率计算模块330,用于:
根据货物体积和车厢体积的比值,确定车辆的装载率。
在上述实施例的基础上,所述装置,还包括:
装载率处理模块,用于获取多个车辆图像对应的装载率,对多个装载率进行滤波处理,对异常装载率进行修正。
本发明实施例所提供的车辆装载率检测装置可执行本发明任意实施例所提供的车辆装载率检测方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种计算机设备的结构示意图,如图4所示,该计算机设备包括处理器70、存储器71、输入装置72和输出装置73;计算机设备中处理器70的数量可以是一个或多个,图4中以一个处理器70为例;计算机设备中的处理器70、存储器71、输入装置72和输出装置73可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器71作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的车辆装载率检测方法对应的模块(例如,车辆装载率检测装置中的位置信息获取模块310、体积计算模块320以及装载率计算模块330)。处理器70通过运行存储在存储器71中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述的车辆装载率检测方法。该方法包括:
获取车尾图像,根据车尾图像获取车厢底面四个角点的位置信息,以及关键点的位置信息;所述关键点包括车厢底面左下角顶点、货物左下角顶点、货物左上角顶点、货物右上角顶点、货物右下角顶点以及车厢底面右下角顶点;
根据车厢底面四个角点的位置信息以及关键点的位置信息,计算货物体积;
根据货物体积,确定车辆的装载率。
存储器71可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器71可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器71可进一步包括相对于处理器70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设备。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。
输入装置72可用于接收输入的数字或字符信息,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置73可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种车辆装载率检测方法,该方法包括:
获取车尾图像,根据车尾图像获取车厢底面四个角点的位置信息,以及关键点的位置信息;所述关键点包括车厢底面左下角顶点、货物左下角顶点、货物左上角顶点、货物右上角顶点、货物右下角顶点以及车厢底面右下角顶点;
根据车厢底面四个角点的位置信息以及关键点的位置信息,计算货物体积;
根据货物体积,确定车辆的装载率。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的车辆装载率检测方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,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,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述车辆装载率检测装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种车辆装载率检测方法,其特征在于,包括:
获取车尾图像,根据车尾图像获取车厢底面四个角点的位置信息,以及关键点的位置信息;所述关键点包括车厢底面左下角顶点、货物左下角顶点、货物左上角顶点、货物右上角顶点、货物右下角顶点以及车厢底面右下角顶点;
根据车厢底面四个角点的位置信息以及关键点的位置信息,计算货物体积;
根据货物体积,确定车辆的装载率。
2.根据权利要求1所述的方法,其特征在于,在获取车尾图像之前,还包括:
获取车辆图像,并通过车尾检测模型获取车辆图像中的车尾类型,以及车尾最小外接矩形的顶点坐标;
若所述车尾类型为开放,则根据车尾最小外接矩形的顶点坐标对所述车辆图像进行截取。
3.根据权利要求1所述的方法,其特征在于,所述根据车尾图像获取车厢底面四个角点的位置信息,包括:
通过角点检测模型,获取车尾图像中车厢底面四个角点的位置信息;
其中,所述角点检测模型为根据多个预先标注角点位置的车尾图像,对深度回归网络模型进行训练得到。
4.根据权利要求3所述的方法,其特征在于,根据车厢底面四个角点的位置信息以及关键点的位置信息,计算货物体积,包括:
根据车厢底面四个角点的位置信息,以及车厢底面左下角顶点、货物左下角顶点和货物左上角顶点的位置信息,计算货物左侧切面面积;
根据车厢底面四个角点的位置信息,以及货物右上角顶点、货物右下角顶点和车厢底面右下角顶点的位置信息,计算货物右侧切面面积;
根据货物左侧切面面积、货物右侧切面面积以及车厢宽度,计算货物体积。
5.根据权利要求4所述的方法,其特征在于,所述根据车厢底面四个角点的位置信息,以及车厢底面左下角顶点、货物左下角顶点和货物左上角顶点的位置信息,计算货物左侧切面面积,包括:
根据车厢底面左侧两个角点的位置信息,以及车厢底面左下角顶点和货物左下角顶点的位置信息,计算货物左下角相对于车厢深度的比值;
根据货物左上角顶点的位置信息,计算货物左上角相对于车厢深度的比值以及货物左侧高度相对于车厢高度的比值;
根据货物左下角相对于车厢深度的比值、货物左上角相对于车厢深度的比值以及货物左侧高度相对于车厢高度的比值,以及车厢左切面面积,计算货物左侧切面面积;
所述根据车厢底面四个角点的位置信息,以及货物右上角顶点、货物右下角顶点和车厢底面右下角顶点的位置信息,计算货物右侧切面面积,包括:
根据车厢底面右侧两个角点的位置信息,以及车厢底面右下角顶点和货物右下角顶点的位置信息,计算货物右下角相对于车厢深度的比值;
根据货物右上角顶点的位置信息,计算货物右上角相对于车厢深度的比值以及货物右侧高度相对于车厢高度的比值;
根据货物右下角相对于车厢深度的比值、货物右上角相对于车厢深度的比值以及货物右侧高度相对于车厢高度的比值,以及车厢右切面面积,计算货物右侧切面面积。
6.根据权利要求5所述的方法,其特征在于,在计算货物体积之后,还包括:
根据车厢左切面面积和车厢宽度,计算车厢体积;
根据货物体积,确定车辆的装载率,包括:
根据货物体积和车厢体积的比值,确定车辆的装载率。
7.根据权利要求1所述的方法,其特征在于,在确定车辆的装载率之后,还包括:
获取多个车辆图像对应的装载率,对多个装载率进行滤波处理,对异常装载率进行修正。
8.一种车辆装载率检测装置,其特征在于,包括:
位置信息获取模块,用于获取车尾图像,根据车尾图像获取车厢底面四个角点的位置信息,以及关键点的位置信息;所述关键点包括车厢底面左下角顶点、货物左下角顶点、货物左上角顶点、货物右上角顶点、货物右下角顶点以及车厢底面右下角顶点;
体积计算模块,用于根据车厢底面四个角点的位置信息以及关键点的位置信息,计算货物体积;
装载率计算模块,用于根据货物体积,确定车辆的装载率。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一所述的车辆装载率检测方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的车辆装载率检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110597899.XA CN113222970A (zh) | 2021-05-31 | 2021-05-31 | 一种车辆装载率检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110597899.XA CN113222970A (zh) | 2021-05-31 | 2021-05-31 | 一种车辆装载率检测方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113222970A true CN113222970A (zh) | 2021-08-06 |
Family
ID=77099424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110597899.XA Pending CN113222970A (zh) | 2021-05-31 | 2021-05-31 | 一种车辆装载率检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113222970A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114022537A (zh) * | 2021-10-29 | 2022-02-08 | 浙江东鼎电子股份有限公司 | 一种用于动态称重区域车辆装载率和偏载率分析方法 |
CN115170650A (zh) * | 2022-07-11 | 2022-10-11 | 深圳市平方科技股份有限公司 | 一种集装箱车载位识别方法、装置、电子设备及存储介质 |
CN115587675A (zh) * | 2022-11-25 | 2023-01-10 | 中国外运股份有限公司 | 装载方式的确定方法、装置、设备及介质 |
-
2021
- 2021-05-31 CN CN202110597899.XA patent/CN113222970A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114022537A (zh) * | 2021-10-29 | 2022-02-08 | 浙江东鼎电子股份有限公司 | 一种用于动态称重区域车辆装载率和偏载率分析方法 |
CN114022537B (zh) * | 2021-10-29 | 2023-05-05 | 浙江东鼎电子股份有限公司 | 一种用于动态称重区域车辆装载率和偏载率分析方法 |
CN115170650A (zh) * | 2022-07-11 | 2022-10-11 | 深圳市平方科技股份有限公司 | 一种集装箱车载位识别方法、装置、电子设备及存储介质 |
CN115587675A (zh) * | 2022-11-25 | 2023-01-10 | 中国外运股份有限公司 | 装载方式的确定方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113222970A (zh) | 一种车辆装载率检测方法、装置、计算机设备和存储介质 | |
CN110163904B (zh) | 对象标注方法、移动控制方法、装置、设备及存储介质 | |
CN109376667B (zh) | 目标检测方法、装置及电子设备 | |
CN110443212B (zh) | 用于目标检测的正样本获取方法、装置、设备及存储介质 | |
JP2020519989A (ja) | ターゲット識別方法、装置、記憶媒体および電子機器 | |
CN112560698B (zh) | 图像处理方法、装置、设备和介质 | |
CN112598922B (zh) | 车位检测方法、装置、设备及存储介质 | |
WO2021083151A1 (zh) | 目标检测方法、装置、存储介质及无人机 | |
CN112562093B (zh) | 目标检测方法、电子介质和计算机存储介质 | |
CN109508636A (zh) | 车辆属性识别方法、装置、存储介质及电子设备 | |
CN110910445B (zh) | 一种物件尺寸检测方法、装置、检测设备及存储介质 | |
WO2019148923A1 (zh) | 一种以图搜图方法、装置、电子设备及存储介质 | |
CN111723723A (zh) | 一种图像检测方法及装置 | |
CN112435223A (zh) | 目标检测方法、装置及存储介质 | |
JP2022512165A (ja) | 交差点検出、ニューラルネットワークトレーニング及びインテリジェント走行方法、装置及びデバイス | |
CN114882465A (zh) | 视觉感知方法、装置、存储介质和电子设备 | |
CN110880003B (zh) | 一种图像匹配方法、装置、存储介质及汽车 | |
EP3009983A1 (en) | Obstacle detection apparatus and method | |
CN110458202B (zh) | 图片处理方法、装置、设备及计算机可读存储介质 | |
CN111797715A (zh) | 车位检测方法、装置、电子设备及存储介质 | |
CN115298705A (zh) | 车牌识别方法、装置、电子设备及存储介质 | |
CN114267076B (zh) | 一种图像识别方法、装置、设备及存储介质 | |
CN114399671A (zh) | 目标识别方法及装置 | |
CN114596239A (zh) | 装卸货事件检测方法、装置、计算机设备和存储介质 | |
CN114627400A (zh) | 一种车道拥堵检测方法、装置、电子设备和存储介质 |
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 |