CN113298452A - 商品库存确定方法及装置、商品处理方法及装置 - Google Patents
商品库存确定方法及装置、商品处理方法及装置 Download PDFInfo
- Publication number
- CN113298452A CN113298452A CN202010485559.3A CN202010485559A CN113298452A CN 113298452 A CN113298452 A CN 113298452A CN 202010485559 A CN202010485559 A CN 202010485559A CN 113298452 A CN113298452 A CN 113298452A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- determining
- delivered
- inventory
- 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
- 238000000034 method Methods 0.000 title claims abstract description 93
- 238000003672 processing method Methods 0.000 title claims description 22
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 8
- 230000010365 information processing Effects 0.000 claims description 17
- 230000001502 supplementing effect Effects 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 17
- 238000013527 convolutional neural network Methods 0.000 description 9
- 239000000047 product Substances 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000013439 planning Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 235000013361 beverage Nutrition 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004984 smart glass Substances 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
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/48—Matching video sequences
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书提供商品库存确定方法,包括:根据待供货地点的一个或多个环境图像确定无人飞行器在所述待供货地点的一个或多个途经点;根据所确定的一个或多个途经点确定无人飞行器在所述待供货地点的飞行轨迹;获取无人飞行器按照所述飞行轨迹采集的货架图像;对所述货架图像进行识别并根据识别结果确定所述待供货地点的商品库存。采用本说明书的商品库存确定方法利用无人飞行器在待供货地点获取货架图像进行识别,从而能够在无需人工参与的情况下方便快捷地确定商品的库存量。
Description
技术领域
本说明书涉及图像处理技术领域,特别涉及一种商品库存确定方法。本说明书同时涉及一种商品库存确定装置,一种商品处理方法及装置,一种服务信息处理方法及装置,一种信息获取方法及装置,一种计算设备,以及一种计算机可读存储介质。
背景技术
无论是常规商店或无人商店,都会在商店货架上储备各种在售商品,需要定期获取商品的库存信息。
在现有技术中,一般通过销售点情报管理系统(pos机)信息获取在售商品的库存信息,或者通过工作人员定期到货架清点库存。由于pos机覆盖比例小,商店管理员对pos机内容维护不及时或不准确以及一部分交易不经过pos机成交,导致通过pos机信息获取的库存量并不准确,而人员清点库存非常耗时且不方便,进而需要更方便快捷地确定商品的库存量的操作或者处理。
发明内容
有鉴于此,本说明书实施例提供了一种商品库存确定方法。本说明书同时涉及一种商品库存确定装置,一种商品处理方法及装置,一种服务信息处理方法及装置,一种信息获取方法及装置,一种计算设备,以及一种计算机可读存储介质,以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面,提供了一种商品库存确定方法,包括:
根据待供货地点的一个或多个环境图像确定无人飞行器在所述待供货地点的一个或多个途经点;
根据所确定的一个或多个途经点确定无人飞行器在所述待供货地点的飞行轨迹;
获取无人飞行器按照所述飞行轨迹采集的货架图像;
对所述货架图像进行识别并根据识别结果确定所述待供货地点的商品库存。
可选地,商品库存确定方法还包括:
为所述无人飞行器分配待供货地点集合,控制所述无人飞行器按照预设顺序采集待供货地点集合中每个待供货地点的货架图像,其中,所述待供货地点集合中包括至少两个待供货地点。
根据本说明书实施例的第二方面,提供了一种商品库存确定方法,包括:
接收无人飞行器在待供货地点的飞行轨迹,其中,所述飞行轨迹基于根据所述待供货地点的一个或多个环境图像确定的一个或多个途经点确定;
按照所述飞行轨迹飞行并采集货架图像;
将所述货架图像返回至所述服务器,所述货架图像用于由所述服务器进行识别并根据识别结果确定所述待供货地点的商品库存。
根据本说明书实施例的第三方面,提供了一种商品库存确定方法,包括:
接收无人飞行器在待供货地点的飞行轨迹,其中,所述飞行轨迹基于根据所述待供货地点的一个或多个环境图像确定的一个或多个途经点确定;
控制无人飞行器按照所述飞行轨迹飞行并采集货架图像;
控制所述无人飞行器将采集的货架图像返回至服务器以使所述服务器进行识别并根据识别结果确定所述待供货地点的商品库存。
可选地,商品库存确定方法还包括:
根据待供货地点集合的位置信息对所述无人飞行器的飞行轨迹进行修改。
可选地,商品库存确定方法还包括:
在所述无人飞行器采集的第一货架图像无法识别时,对无人飞行器的飞行轨迹进行修改,控制无人飞行器重新采集所述第一货架图像。
根据本说明书实施例的第四方面,提供了一种商品处理方法,包括:
根据待供货地点的一个或多个环境图像确定无人飞行器在所述待供货地点的一个或多个途经点;
根据所确定的一个或多个途经点确定无人飞行器在所述待供货地点的飞行轨迹;
获取无人飞行器按照所述飞行轨迹采集的货架图像;
对所述货架图像进行识别并根据识别结果确定所述待供货地点的商品库存;
在商品库存低于阈值量时,生成库存补入信息;
响应于所述库存补入信息,调取商品并配送至所述待供货地点。
可选地,商品处理方法还包括:
为所述无人飞行器分配待供货地点集合,控制所述无人飞行器按照预设顺序采集待供货地点集合中每个待供货地点的货架图像,其中,所述待供货地点集合中包括至少两个待供货地点。
根据本说明书实施例的第五方面,提供了一种服务信息处理方法,包括:
根据服务提供地点的一个或多个环境图像确定无人飞行器在所述服务提供地点的一个或多个途经点;
根据所确定的一个或多个途经点确定无人飞行器在所述服务提供地点的飞行轨迹;
获得无人飞行器按照所述飞行轨迹采集的等待服务人员聚集图像;
对所述等待服务人员聚集图像进行识别并根据识别结果确定所述服务提供地点等待服务人员的数目;
在当前等待服务人员的数目高于阈值量时,向所述等待服务人员提供其他同类性质的服务提供地点的位置信息。
可选地,服务信息处理方法还包括:
为所述无人飞行器分配服务提供地点集合,控制所述无人飞行器按照预设顺序采集服务提供地点集合中每个服务提供地点的等待服务人员聚集图像,其中,所述服务提供地点集合中包括至少两个服务提供地点。
根据本说明书实施例的第六方面,提供了一种信息获取方法,包括:
根据拍摄区域的一个或多个第一图像确定无人飞行器在所述拍摄区域的一个或多个途经点;
根据所确定的一个或多个途经点确定无人飞行器在所述拍摄区域的飞行轨迹;
获取无人飞行器按照所述飞行轨迹采集的第二图像;
对所述第二图像进行识别并根据识别结果确定所述拍摄区域的相关信息,所述相关信息包括拍摄区域内的关注特征的数目。
可选地,所述信息获取方法还包括:
为所述无人飞行器分配拍摄区域集合,控制所述无人飞行器按照预设顺序采集拍摄区域集合中每个拍摄区域的第二图像,其中,所述拍摄区域集合中包括至少两个拍摄区域。
可选地,所述预设顺序是根据所述拍摄区域集合中每个拍摄区域的位置信息确定的。
可选地,在获取无人飞行器按照所述飞行轨迹采集的第二图像之前,所述信息获取方法还包括:
控制所述无人飞行器从预定地点按照规划的航线到达所述拍摄区域,其中,所述规划的航线是基于所述拍摄区域的位置信息确定的。
可选地,所述第二图像包括所述拍摄区域的货架图像,并且
对所述第二图像进行识别并根据识别结果确定所述拍摄区域的相关信息包括:对货架图像进行识别并根据识别结果确定所述拍摄区域的商品库存。
可选地,所述信息获取方法还包括:
在商品库存低于阈值量时,向所述拍摄区域推送与该商品相关的补货信息。
可选地,所述第二图像包括服务提供地点处的等待服务人员聚集图像,并且
对所述第二图像进行识别并根据识别结果确定所述拍摄区域的相关信息包括:对所述等待服务人员聚集图像进行识别并根据识别结果确定所述服务提供地点当前等待服务人员的数目。
可选地,信息获取方法还包括:
在当前等待服务人员的数目高于阈值量时,向所述等待服务人员提供其他服务提供地点的位置信息。
可选地,以预先设置的频率和/或在预先设置的时间段采集所述第二图像。
可选地,获取无人飞行器按照所述飞行轨迹采集的第二图像包括:获取无人飞行器沿所述飞行轨迹飞行期间采集的第二图像。
可选地,获取无人飞行器按照所述飞行轨迹采集的第二图像包括:获取无人飞行器在一个或多个途经点采集的第二图像。
可选地,拍摄区域被划分成多个区域,所述预定地点是所述多个区域的中心位置。
根据本说明书实施例的第七方面,提供了一种商品库存确定装置,包括:
第一确定模块,用于根据待供货地点的一个或多个环境图像确定无人飞行器在所述待供货地点的一个或多个途经点;
第二确定模块,用于根据所确定的一个或多个途经点确定无人飞行器在所述待供货地点的飞行轨迹;
第一获取模块,用于获取无人飞行器按照所述飞行轨迹采集的货架图像;
第一识别模块,用于对所述货架图像进行识别并根据识别结果确定所述待供货地点的商品库存。
根据本说明书实施例的第八方面,提供了一种商品库存确定装置,包括:
第一接收模块,用于接收无人飞行器在待供货地点的飞行轨迹,其中,所述飞行轨迹基于根据所述待供货地点的一个或多个环境图像确定的一个或多个途经点确定;
采集模块,用于按照所述飞行轨迹飞行并采集货架图像;
返回模块,用于将所述货架图像返回至所述服务器,所述货架图像用于由所述服务器进行识别并根据识别结果确定所述待供货地点的商品库存。
根据本说明书实施例的第九方面,提供了一种商品库存确定装置,包括:
第二接收模块,用于接收无人飞行器在待供货地点的飞行轨迹,其中,所述飞行轨迹基于根据所述待供货地点的一个或多个环境图像确定的一个或多个途经点确定;
第一控制模块,用于控制无人飞行器按照所述飞行轨迹飞行并采集货架图像;
第二控制模块,用于控制所述无人飞行器将采集的货架图像返回至服务器以使所述服务器进行识别并根据识别结果确定所述待供货地点的商品库存。
根据本说明书实施例的第十方面,提供了一种商品处理装置,包括:
第三确定模块,用于根据待供货地点的一个或多个环境图像确定无人飞行器在所述待供货地点的一个或多个途经点;
第四确定模块,用于根据所确定的一个或多个途经点确定无人飞行器在所述待供货地点的飞行轨迹;
第二获取模块,用于获取无人飞行器按照所述飞行轨迹采集的货架图像;
第二识别模块,用于对所述货架图像进行识别并根据识别结果确定所述待供货地点的商品库存;
生成模块,用于在商品库存低于阈值量时,生成库存补入信息;
调取模块,用于响应于所述库存补入信息,调取商品并配送至所述待供货地点。
根据本说明书实施例的第十一方面,提供了一种服务信息处理装置,包括:
第五确定模块,用于根据服务提供地点的一个或多个环境图像确定无人飞行器在所述服务提供地点的一个或多个途经点;
第六确定模块,用于根据所确定的一个或多个途经点确定无人飞行器在所述服务提供地点的飞行轨迹;
获得模块,用于获得无人飞行器按照所述飞行轨迹采集的等待服务人员聚集图像;
第三识别模块,用于对所述等待服务人员聚集图像进行识别并根据识别结果确定所述服务提供地点等待服务人员的数目;
提供模块,用于在当前等待服务人员的数目高于阈值量时,向所述等待服务人员提供其他同类性质的服务提供地点的位置信息。
根据本说明书实施例的第十二方面,提供了一种信息获取装置,包括:
第七确定模块,用于根据拍摄区域的一个或多个第一图像确定无人飞行器在所述拍摄区域的一个或多个途经点;
第八确定模块,用于根据所确定的一个或多个途经点确定无人飞行器在所述拍摄区域的飞行轨迹;
第三获取模块,用于获取无人飞行器按照所述飞行轨迹采集的第二图像;
第四识别模块,用于对所述第二图像进行识别并根据识别结果确定所述拍摄区域的相关信息,所述相关信息包括拍摄区域内的关注特征的数目。
根据本说明书实施例的第十三方面,提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
根据待供货地点的一个或多个环境图像确定无人飞行器在所述待供货地点的一个或多个途经点;
根据所确定的一个或多个途经点确定无人飞行器在所述待供货地点的飞行轨迹;
获取无人飞行器按照所述飞行轨迹采集的货架图像;
对所述货架图像进行识别并根据识别结果确定所述待供货地点的商品库存。
根据本说明书实施例的第十四方面,提供了一种计算机可读存储介质,其存储有计算机可执行指令,该指令被处理器执行时实现任意所述方法的步骤。
本说明书实施例提供的商品库存确定方法,通过根据待供货地点的一个或多个环境图像确定无人飞行器在所述待供货地点的一个或多个途经点;根据所确定的一个或多个途经点确定无人飞行器在所述待供货地点的飞行轨迹;获取无人飞行器按照所述飞行轨迹采集的货架图像;对所述货架图像进行识别并根据识别结果确定所述待供货地点的商品库存。采用本说明书的商品库存确定方法利用无人飞行器在待供货地点获取货架图像进行识别,从而能够在无需人工参与的情况下方便快捷地确定商品的库存量。
附图说明
图1示出了本说明书实施例提供的一种商品库存确定方法的应用场景的示意图;
图2示出了本说明书实施例提供的一种信息获取方法的流程图;
图3示出了本说明书实施例提供的商品库存确定方法的流程图;
图4(a)示出了本说明书实施例提供的商品库存确定方法应用于的待供货地点的环境图像的示意图;
图4(b)示出了本说明书实施例提供的商品库存确定方法在待供货地点获得的货架图像的示意图;
图5示出了根据本说明书实施例提供的一种商品库存确定方法的流程图;
图6示出了根据本说明书实施例提供的一种商品库存确定方法的流程图;
图7示出了根据本说明书实施例提供的一种商品处理方法的流程图。
图8示出了本说明书实施例提供的服务信息处理方法的流程图;
图9示出了本说明书实施例提供的服务信息处理方法获得的等待人员聚集图像的示意图;
图10示出了本说明书实施例提供的信息获取方法的一个应用场景的示意图;
图11示出了本说明书实施例提供的信息获取方法应用于商店时的流程图;
图12示出了本说明书实施例提供的一种商品库存确定装置的结构示意图;
图13示出了根据本说明书实施例提供的一种商品库存确定装置的结构示意图;
图14示出了根据本说明书实施例提供的一种商品库存确定装置的结构示意图;
图15示出了根据本说明书实施例提供的一种商品处理装置的结构示意图;
图16示出了根据本说明书实施例提供的一种服务信息处理装置的结构示意图;
图17是本说明书实施例提供的一种信息获取装置的结构示意图;
图18是本说明书实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本说明书内涵的情况下做类似推广,因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在本说明书中,提供了一种信息获取方法,本说明书同时涉及一种信息获取装置,一种计算设备,以及一种计算机可读存储介质,在下面的实施例中逐一进行详细说明。
图1示出了根据本申请实施例的一种商品库存确定方法的应用场景的示意图。
如图1所示,无人飞行器101进入超市或仓库等待供货地点,待供货地点内有货架102和货架103,货架上存放有多种商品104。无人飞行器101按照预先规划的飞行轨迹采集货架102和货架103的图像,预先规划的飞行轨迹例如可以在货架102与货架103之间。采集到货架图像之后,将采集的图像上传服务器,服务器进行识别,根据识别结果确定货架上的多种商品104的库存。
图2示出了根据本说明书实施例提供的一种信息获取方法的流程图,具体包括步骤202至208。
步骤202:根据拍摄区域的一个或多个第一图像确定无人飞行器在所述拍摄区域的一个或多个途经点。
拍摄区域是要对其环境进行拍摄的一个或多个地点,例如可以是常规商店、无人商店、仓库、银行、餐馆等。
第一图像可以是拍摄区域的一个或多个环境图像,还可以是拍摄区域顶部俯拍的一个全景图像,例如由工作人员通过手机等移动设备在拍摄区域拍摄得到,也可以由拍摄区域的监控录像得到,或者也可以由无人飞行器在拍摄区域拍摄得到。
途经点是无人飞行器在拍摄区域飞行过程中要经过的若干点,可以是拍摄区域预定区域内的特定点,例如,在需要对拍摄区域进行供货的供货应用中,拍摄区域可以是商店或仓库,相应地,途经点是商店或者仓库中的货架存放区域内的点并且可以根据实际需求确定;在拍摄区域是服务提供地点的服务提供应用中,拍摄区域可以是银行、餐馆等,相应地,途经点是银行或者餐馆附近的或内部的等候区域内的特定点并且可以根据实际需求确定。
步骤204:根据所确定的一个或多个途经点确定无人飞行器在所述拍摄区域的飞行轨迹。
具体地,可以利用无人飞行器飞行轨迹规划方法根据所确定的一个或多个途径点来规划无人飞行器在拍摄区域的飞行轨迹。
无人飞行器飞行轨迹规划方法可以包括以下步骤:
S1、通过获取无人飞行器飞行环境信息并根据所述飞行环境信息建立飞行环境三维模型,所述飞行环境包含自由空间和障碍物;
S2、确定无人飞行器的初始状态和目标状态并将所述无人飞行器的初始状态、目标状态和飞行环境的三维模型作为轨迹规划的初始参数,其中,无人飞行器的初始状态和目标状态包括无人飞行器的位置、速度和相对于飞行环境的姿态;
S3、在建立的飞行环境的三维模型输入途经点列表,途径点列表为无人飞行器在所述拍摄区域要经过的一个或多个途经点的列表;
S4、以途经点列表和无人飞行器的初始状态、目标状态为根节点,采用多快速扩展随机树(RRT,Rapid-Exploring Random Tree)进行轨迹扩展,得到多条RRT轨迹树,其中,RRT是一种多维空间中有效的路径规划算法,以一个初始点作为根节点,通过随机采样增加叶子节点的方式,生成一个随机扩展数,当随机树中的叶子节点包含了目标点或者进入目标区域,便可以在当前随机树中找到一条从初始点到目标点的路径;
S5、将多条RRT随机树两两连接成为一条融合后的RRT随机树,生成完整轨迹。
具体地,S1和S2通过以下实现:无人飞行器通过机载RGB-D相机或激光测距仪等器件获得无人飞行器飞行环境的深度信息,并以三维点云数组的形式存储。其中三维点云数组中的每一点表征飞行环境中的某一点相对于无人飞行器的三维坐标信息,该三维点云数组即包含了无人飞行器飞行环境中的各障碍物和环境结构的信息。进一步将三维点云数组转换为以多面体形式表示的飞行环境的三维模型,其中每个多面体以构成该多面体的所有平面的形式存储。每个多面体代表了无人飞行器飞行环境中的不同障碍物和环境结构。
S4通过以下实现:RRT轨迹树由节点和连接节点的边组成,其中RRT轨迹树的每个节点表征无人飞行器的一个位形,连接两个节点q1、q2的边e(q1,q2)代表q1、q2对应的无人飞行器的位形之间的不与飞行环境中的障碍物发生碰撞的连通轨迹,即无人飞行器可从节点q1对应的无人飞行器的位置、速度、相对于飞行环境的姿态和几何构型连续运动到节点q2对应的无人飞行器的位置、速度、相对于飞行环境的姿态和几何构型;当以q1为当前节点,进行RRT轨迹树扩展时,由q1扩展出的节点q2为q1的子节点,q1为q2的父节点。
生成完整轨迹通过以下实现:将融合后的RRT轨迹树与无人飞行器的初始状态、目标状态相连接,从而生成一条连接无人飞行器的初始状态和目标状态的完整轨迹,作为该无人飞行器的飞行轨迹。除了上述飞行轨迹规划方法之外,本说明书实施例的实现,也可以采用其他轨迹确定方法来实现步骤204,对此,本说明书实施例不作具体限定。
步骤206:获取无人飞行器按照所述飞行轨迹采集的第二图像。
无人飞行器可以在飞行轨迹飞行期间连续采集第二图像。具体地,获取无人飞行器按照所述飞行轨迹采集的第二图像可以包括:获取无人飞行器沿所述飞行轨迹飞行期间采集的第二图像。
无人飞行器可以仅在途经点采集图像。具体地,获取无人飞行器按照所述飞行轨迹采集的第二图像可以包括:获取无人飞行器在一个或多个途经点采集的第二图像。
例如,在供货应用中,第二图像可以是商店或者仓库中的货架图像,在服务提供应用中,第二图像可以是服务提供地点附近的或内部的等候区域内的等待服务人员聚集图像。
无人飞行器可以在拍摄区域按照设定的飞行轨迹飞行,采集图像之后离开拍摄区域。
步骤208:对所述第二图像进行识别并根据识别结果确定所述拍摄区域的相关信息,所述相关信息包括拍摄区域内的关注特征的数目。
在供货应用中,相关信息可以是商店或仓库中的货架上的商品数目,在服务提供应用中,相关信息可以是等候区域内等待服务人员的数目。
可以采用卷积神经网络CNN或其他神经网络方法对第二图像进行识别。
下面以CNN为例描述对货架图像的识别过程,首先利用大量的数据和标注,训练一个检测和分类的CNN模型。训练数据可以为货架图片和商店的库存量单位(SKU,StockKeeping Unit)以及商品营销系统的用户日志中上传的图片,标注为货架上的商品的名称与类别。CNN模型包括依次对所输入的图片进行处理的输入层、预设多个卷积层、预设多个池化层、预设多个全连接层和输出层。CNN模型能够实现对货架图片和商店的SKU以及商品营销系统的用户日志中上传的图片中每个可能存在商品的位置提取特征,然后进行分类,判断是否是商品,是哪一类商品,同时精确定位商品的位置。
CNN模型的训练过程主要包括:进行参数的随机初始化,利用正向传播方法计算输出值,通过反向传播算法计算偏导数,检验偏导数,利用优化算法最小化代价函数(例如一般分类使用Softmax代价函数,边界定位使用Smooth L1回归函数),从而训练调整模型参数。
在CNN模型训练完成后,将无人飞行器采集的第二图像输入到该模型,可以实现对货架上的商品进行分类,实现对商品计数。
根据本实施例的信息获取方法由于采用无人飞行器在拍摄区域获取图像进行识别,从而能够方便快捷地获得拍摄区域的相关信息。
为了更方便快捷地获得多个拍摄区域的相关信息,根据本实施例的信息获取方法还可以包括:为无人飞行器分配拍摄区域集合,控制无人飞行器按照预设顺序采集拍摄区域集合中每个拍摄区域的第二图像,其中,拍摄区域集合中包括至少两个拍摄区域,从而可以实现按照预设顺序获取到多个拍摄区域相关信息。预设顺序可以是根据拍摄区域集合中每个拍摄区域的位置信息确定的。
在一可选的实施例中,无人飞行器可以是从预定地点按照规划的航线到达拍摄区域,其中,规划的航线是基于拍摄区域的位置信息确定的,从而可以在预定地点放飞无人飞行器即可,无需将无人飞行器携载至拍摄区域,更加方便快捷。本文中,拍摄区域的位置信息可以是精准全球卫星定位导航系统(GPS)位置信息。
在存在多个拍摄区域的情况下,无人飞行器按照拍摄区域集合,在第一拍摄区域采集完图像之后按照规划的航线到达第二拍摄区域继续采集图像,直至将集合中的所有拍摄区域采集图像完毕。
在一可选的实施例中,为了使为无人飞行器规划的航线更合理,拍摄区域集合中的多个拍摄区域可以被划分成多个区域,上述预定地点可以是所述多个区域的中心位置,也可以是通过轨迹优化算法推荐的位置。
图3示出了根据本说明书实施例提供的商品库存确定方法的流程图。
在本实施例中,该商品库存确定方法包括步骤302至308。
步骤302:根据待供货地点的一个或多个环境图像确定无人飞行器在待供货地点的一个或多个途经点。
待供货地点可以是商店、仓库等商品存储地点,根据如图4(a)所示的环境图像可以确定待供货地点的货架分布,从而确定途经点,途经点可以是货架存放区域内的点并且可以根据实际需求确定,例如,途经点可以被确定为使得在所述一个或多个途经点处无人飞行器可以采集到存放特定商品的货架的图像,或者被确定为使得在所述一个或多个途经点处能够全面地获得货架图像的点。
步骤304:根据所确定的一个或多个途经点确定无人飞行器在待供货地点的飞行轨迹。
步骤306:获得无人飞行器按照飞行轨迹采集的货架图像。
采集的货架图像例如如图4(b)所示。
步骤308:对货架图像进行识别并根据识别结果确定待供货地点的商品库存。
商品库存例如可以是商店售卖的特定商品的库存,也可以是商店售卖的所有商品的库存。
根据本实施例的商品库存确定方法利用无人飞行器在待供货地点获取货架图像进行识别,从而能够在无需人工参与的情况下方便快捷地确定商品的库存量。
该商品库存确定方法还可以包括以下步骤:在商品库存低于阈值量时,由订货平台向商店推送与对应的商品相关的补货信息,从而可以定向定点推送,增加交易达成概率。例如,可以在货架上的某品牌饮料低于15桶时推送该品牌饮料的补货信息。
上文从服务器侧对商品库存确定方法进行说明。下面从无人飞行器侧对该商品库存确定方法进行说明,如图5所示,该商品库存确定方法包括步骤502至506。
步骤502:接收无人飞行器在待供货地点的飞行轨迹,其中,所述飞行轨迹基于根据所述待供货地点的一个或多个环境图像确定的一个或多个途经点确定;
步骤504:按照所述飞行轨迹飞行并采集货架图像;
步骤506:将所述货架图像返回至所述服务器,所述货架图像用于由所述服务器进行识别并根据识别结果确定所述待供货地点的商品库存。
具体地,服务器根据待供货地点的一个或多个环境图像确定无人飞行器在待供货地点的一个或多个途经点,根据一个或多个途径点确定无人飞行器的飞行轨迹,将确定的飞行轨迹发送至无人飞行器,无人飞行器按照飞行轨迹飞行并采集货架图像,将货架图像返回至服务器,服务器对货架图像进行识别并根据识别结果确定待供货地点的商品库存。
下面从无人飞行器控制器侧对该商品库存确定方法进行说明,如图6所示,该商品库存确定方法包括步骤602至606。
步骤602:接收无人飞行器在待供货地点的飞行轨迹,其中,所述飞行轨迹基于根据所述待供货地点的一个或多个环境图像确定的一个或多个途经点确定;
步骤604:控制无人飞行器按照所述飞行轨迹飞行并采集货架图像;
步骤606:控制所述无人飞行器将采集的货架图像返回至服务器以使所述服务器进行识别并根据识别结果确定所述待供货地点的商品库存。
在一可选的实施例中,商品库存确定方法还包括:
根据待供货地点集合的位置信息对所述无人飞行器的飞行轨迹进行修改。
具体地,在无人飞行器在待供货地点A采集完图像时,将飞行轨迹修改为去往待供货地点B的飞行轨迹,在到达待供货地点B前修改为所规划的在待供货地点B中的飞行轨迹。
在一可选的实施例中,商品库存确定方法还包括:
在所述无人飞行器采集的第一货架图像无法识别时,对无人飞行器的飞行轨迹进行修改,控制无人飞行器重新采集所述第一货架图像。
具体地,在无人飞行器在飞行轨迹飞行过程中特定位置采集的某货架图像无法识别时,无人飞行器控制器将飞行轨迹修改为包含该特定位置,控制无人飞行器按照新的飞行轨迹飞行并在该特定位置采集货架图像。
图7示出了根据本说明书实施例提供的一种商品处理方法的流程图。如图7所示,该商品处理方法包括步骤702至步骤712。步骤702至709与图3中的步骤302至308相同,此处不再赘述,主要阐述步骤710至712。
步骤710:在商品库存低于阈值量时,生成库存补入信息;
步骤712:响应于所述库存补入信息,调取商品并配送至所述待供货地点。
具体地,库存补入信息表征库存低于阈值量的商品需要补充库存,接收到该库存补入信息,订货商可以调取预定数量的商品并配送到待供货地点。
根据本实施例的商品处理方法利用无人飞行器在待供货地点获取货架图像后进行识别并且根据识别结果确定商品库存,之后在库存低于阈值量时,生成库存补入信息,根据该信息调取商品配送至待供货地点,从而能够在无需人工参与的情况下方便快捷地确定商品的库存量并且调取预定数量商品并配送至待供货地点。
下面结合图8以本说明书提供的信息获取方法在服务提供领域的应用为例,对所述信息获取方法进一步说明,其中,图8示出了本说明书实施例提供的服务信息处理方法的流程图。在本实施例中,该服务信息处理方法包括步骤802至808。
步骤802:根据服务提供地点的一个或多个环境图像确定无人飞行器在服务提供地点的一个或多个途经点。
本说明书一实施例中,所提供的服务可以是就餐服务。在就餐服务中,需要获得餐馆附近的或内部的等候区的排队情况,餐馆的环境图像可以表征外部等候区的地理位置信息,在餐馆的一个或多个途经点为餐馆附近的或内部的等候区内的特定点并且可以根据实际需求确定,例如,途经点可以被确定成每个途经点预设范围内有等待就餐人员,在所述一个或多个途经点处采集的图像可以将等候区等候的人拍摄完整。
步骤804:根据所确定的一个或多个途经点确定无人飞行器在服务提供地点的飞行轨迹。
本申请一实施例中,仍以就餐服务为例,服务提供地点即提供就餐服务的餐馆,可以确定无人飞行器在餐馆的外部等候区的飞行轨迹。
步骤806:获得无人飞行器按照飞行轨迹采集的等待服务人员聚集图像。
在就餐服务的实施例中,等待服务人员即为等待就餐的人员。图9所示为等待就餐人员聚集图像的示例。
步骤808:对等待服务人员聚集图像进行识别并根据识别结果确定服务提供地点等待服务人员的数目。
在就餐服务的实施例中,通过对等待就餐人员聚集图像进行识别可以确定餐馆等待就餐人员的数目,掌握就餐人员等候情况。
根据本实施例的服务信息处理方法还可以包括:
在当前等待服务人员的数目高于阈值量时,向所述等待服务人员提供其他同类性质的服务提供地点的位置信息,
为等待服务人员提供在该服务提供地点等待服务或去其他服务提供地点享受服务的选择,从而实现人员分流。
本领域技术人员可以理解,除了上述提供就餐服务的餐馆之外,本说明书实施例也可以应用于银行、娱乐服务场所等服务提供地点进行人员分流,对此,本说明书实施例不作具体限定。
接下来,参照图10和图11以本说明书实施例提供的信息获取方法应用于多个商店为例进一步说明,其中,图10示出了本说明书实施例提供的信息获取方法的一个应用场景的示意图,图11示出了本说明书实施例提供的信息获取方法应用于商店时的流程图,具体包括步骤1102至1112。
步骤1102:根据每个商店1至N中的一个或多个环境图像确定无人飞行器在商店1至N的一个或多个途经点。
步骤1104:根据所确定的一个或多个途经点确定无人飞行器在商店1至N的飞行轨迹。
步骤1106:无人飞行器从图10所示的预定地点P按照规划的航线到达商店1,在商店1按照所确定的飞行轨迹采集货架图像。
步骤1108:无人飞行器如图10所示从商店1按照规划的航线到达商店2,在商店2按照所确定的飞行轨迹采集货架图像。
步骤1110:直至无人飞行器在商店N采集货架图像之后,上传货架图像。
在本实施例中,无人飞行器可以在每个商店采集完货架图像之后立即将图像上传,也可以在全部商店采集完图像后再上传,或者也可以在全部商店采集完图像后飞回预定地点P或指定的其他地点后再上传。
步骤1112:对货架图像进行识别并根据识别结果确定所述商店的商品库存。
根据本实施例的库存信息获取方法还可以包括:在商店i(1≤i≤N)的A商品库存低于阈值量时,向商店i推送与该A商品相关的补货信息,从而可以定向定点推送,增加交易达成概率。或者在一些情况下,订货商可以将定量的A商品定点投放到商店i。
为了在不影响商店生意的情况下更规律地获取库存信息,可以以预先设置的频率和/或在预先设置的时间段采集货架图像。例如,可以几周一次或每周1次或几次在早上或晚上通过无人飞行器执行,避免影响商店的生意。因为采集时间是提前确定的,所以商店可以使之变成一个黑科技展示环节甚至吸引客户驻足增加销售量。
在商店数目众多的情况下,可以将其分成几个区域,上述预定地点P可以是区域的中心位置,也可以是通过轨迹优化算法推荐的位置。
与上述方法实施例相对应,本说明书还提供了商品库存确定装置,如图12所示,该装置包括:包括:
第一确定模块1202,用于根据待供货地点的一个或多个环境图像确定无人飞行器在所述待供货地点的一个或多个途经点;
第二确定模块1204,用于根据所确定的一个或多个途经点确定无人飞行器在所述待供货地点的飞行轨迹;
第一获取模块1206,用于获取无人飞行器按照所述飞行轨迹采集的货架图像;
第一识别模块1208,用于对所述货架图像进行识别并根据识别结果确定所述待供货地点的商品库存。
根据本实施例的商品库存确定装置利用无人飞行器在待供货地点获取货架图像进行识别,从而能够在无需人工参与的情况下方便快捷地确定商品的库存量。
可选地,该商品库存确定装置还包括:
第一控制模块,用于为所述无人飞行器分配待供货地点集合,控制所述无人飞行器按照预设顺序采集待供货地点集合中每个待供货地点的货架图像,其中,所述待供货地点集合中包括至少两个待供货地点。
本说明书还提供了一种商品库存确定装置,如图13所示,该装置包括:
第一接收模块1302,用于接收无人飞行器在待供货地点的飞行轨迹,其中,所述飞行轨迹基于根据所述待供货地点的一个或多个环境图像确定的一个或多个途经点确定;
采集模块1304,用于按照所述飞行轨迹飞行并采集货架图像;
返回模块1306,用于将所述货架图像返回至所述服务器,所述货架图像用于由所述服务器进行识别并根据识别结果确定所述待供货地点的商品库存。
本说明书还提供了一种商品库存确定装置,如图14所示,该装置包括:
第二接收模块1402,用于接收无人飞行器在待供货地点的飞行轨迹,其中,所述飞行轨迹基于根据所述待供货地点的一个或多个环境图像确定的一个或多个途经点确定;
第二控制模块1404,用于控制无人飞行器按照所述飞行轨迹飞行并采集货架图像;
第三控制模块1406,用于控制所述无人飞行器将采集的货架图像返回至服务器以使所述服务器进行识别并根据识别结果确定所述待供货地点的商品库存。
本说明书还提供了一种商品处理装置,如图15所示,该装置包括:
第三确定模块1502,用于根据待供货地点的一个或多个环境图像确定无人飞行器在所述待供货地点的一个或多个途经点;
第四确定模块1504,用于根据所确定的一个或多个途经点确定无人飞行器在所述待供货地点的飞行轨迹;
第二获取模块1506,用于获取无人飞行器按照所述飞行轨迹采集的货架图像;
第二识别模块1508,用于对所述货架图像进行识别并根据识别结果确定所述待供货地点的商品库存;
生成模块1510,用于在商品库存低于阈值量时,生成库存补入信息;
调取模块1512,用于响应于所述库存补入信息,调取商品并配送至所述待供货地点。
根据本实施例的商品处理装置利用无人飞行器在待供货地点获取货架图像后进行识别并且根据识别结果确定商品库存,之后在库存低于阈值量时,生成库存补入信息,根据该信息调取商品配送至待供货地点,从而能够在无需人工参与的情况下方便快捷地确定商品的库存量并且调取预定数量商品并配送至待供货地点。
可选地,商品处理装置还包括:
第四控制模块,用于为所述无人飞行器分配待供货地点集合,控制所述无人飞行器按照预设顺序采集待供货地点集合中每个待供货地点的货架图像,其中,所述待供货地点集合中包括至少两个待供货地点
本说明书还提供了一种服务信息处理装置,如图16所示,该装置包括:
第五确定模块1602,用于根据服务提供地点的一个或多个环境图像确定无人飞行器在所述服务提供地点的一个或多个途经点;
第六确定模块1604,用于根据所确定的一个或多个途经点确定无人飞行器在所述服务提供地点的飞行轨迹;
获得模块1606,用于获得无人飞行器按照所述飞行轨迹采集的等待服务人员聚集图像;
第三识别模块1608,用于对所述等待服务人员聚集图像进行识别并根据识别结果确定所述服务提供地点等待服务人员的数目;
提供模块1610,用于在当前等待服务人员的数目高于阈值量时,向所述等待服务人员提供其他同类性质的服务提供地点的位置信息。
根据本实施例的服务信息处理装置为等待服务人员提供在该服务提供地点等待服务或去其他服务提供地点享受服务的选择,从而实现人员分流。
可选地,服务信息处理装置还包括:
第五控制模块,用于为所述无人飞行器分配服务提供地点集合,控制所述无人飞行器按照预设顺序采集服务提供地点集合中每个服务提供地点的等待服务人员聚集图像,其中,所述服务提供地点集合中包括至少两个服务提供地点。
本说明书还提供了信息获取装置实施例,图17示出了本说明书实施例提供的一种信息获取装置的结构示意图。如图17所示,该装置包括:
第七确定模块1702,用于根据拍摄区域的一个或多个第一图像确定无人飞行器在所述拍摄区域的一个或多个途经点;
第八确定模块1704,用于根据所确定的一个或多个途经点确定无人飞行器在所述拍摄区域的飞行轨迹;
第三获取模块1706,用于获取无人飞行器按照所述飞行轨迹采集的第二图像;
第四识别模块1708,用于对所述第二图像进行识别并根据识别结果确定所述拍摄区域的相关信息。
根据本实施例的信息获取装置由于采用无人飞行器在拍摄区域获取图像进行识别,从而能够方便快捷地获得拍摄区域相关信息。
在一可选的实施例中,信息获取装置还包括:
第六控制模块1710,用于为所述无人飞行器分配拍摄区域集合,控制所述无人飞行器按照预设顺序采集拍摄区域集合中每个拍摄区域的第二图像,其中,所述拍摄区域集合中包括至少两个拍摄区域,从而可以实现按照预设顺序获取到多个拍摄区域相关信息。预设顺序可以是根据所述拍摄区域集合中每个拍摄区域的位置信息确定的。
在一可选的实施例中,信息获取装置还包括:
第七控制模块1712,用于控制所述无人飞行器从预定地点按照规划的航线到达所述拍摄区域,其中,所述规划的航线是基于所述拍摄区域的位置信息确定的,从而可以在预定地点放飞无人飞行器即可,无需将无人飞行器携载至拍摄区域,更加方便快捷。
在一可选的实施例中,为了使为无人飞行器规划的航线更合理,拍摄区域被划分成多个区域,所述预定地点可以是所述多个区域的中心位置,也可以是通过轨迹优化算法推荐的位置。
在一可选的实施例中,第二图像包括所述拍摄区域的货架图像,并且
所述识别模块还用于:对货架图像进行识别并根据识别结果确定所述拍摄区域的商品库存。
信息获取装置还包括:推送模块,用于在商品库存低于阈值量时,向所述拍摄区域推送与该商品相关的补货信息,从而可以定向定点推送,增加交易达成概率。
在一可选的实施例中,所述第二图像包括服务提供地点处的等待服务人员聚集图像,并且
所述识别模块还用于:对所述等待服务人员聚集图像进行识别并根据识别结果确定所述服务提供地点当前等待服务人员的数目,从而可以掌握等待服务人员等候情况。
所述信息获取装置还包括:提供模块,用于在当前等待服务人员的数目高于阈值量时,向所述等待服务人员提供其他服务提供地点的位置信息,从而可以实现对服务提供地点进行人员分流。
在一可选的实施例中,所述获取模块还用于获取无人飞行器沿所述飞行轨迹飞行期间采集的第二图像。
在一可选的实施例中,所述获取模块还用于获取无人飞行器在一个或多个途经点采集的第二图像。
在一可选的实施例中,所述第二图像是以预先设置的频率和/或在预先设置的时间段采集的。
图18示出了根据本说明书实施例提供的一种计算设备1800的结构框图。该计算设备1800的部件包括但不限于存储器1810和处理器1820。处理器1820与存储器1810通过总线1830相连接,数据库1850用于保存数据。
计算设备1800还包括接入设备1840,接入设备1840使得计算设备1800能够经由一个或多个网络1860通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备1840可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
在本说明书的一个实施例中,计算设备1800的上述部件以及图18中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图18所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备1800可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备1800还可以是移动式或静止式的服务器。
其中,处理器1820用于执行如下计算机可执行指令:
根据拍摄区域的一个或多个第一图像确定无人飞行器在所述拍摄区域的一个或多个途经点;
根据所确定的一个或多个途经点确定无人飞行器在所述拍摄区域的飞行轨迹;
获取无人飞行器按照所述飞行轨迹采集的第二图像;
对所述第二图像进行识别并根据识别结果确定所述拍摄区域的相关信息。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的信息获取方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述信息获取方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时以用于:
根据拍摄区域的一个或多个第一图像确定无人飞行器在所述拍摄区域的一个或多个途经点;
根据所确定的一个或多个途经点确定无人飞行器在所述拍摄区域的飞行轨迹;
获取无人飞行器按照所述飞行轨迹采集的第二图像;
对所述第二图像进行识别并根据识别结果确定所述拍摄区域的相关信息。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的信息获取方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述信息获取方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本说明书并不受所描述的动作顺序的限制,因为依据本说明书,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本说明书所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本说明书的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (30)
1.一种商品库存确定方法,包括:
根据待供货地点的一个或多个环境图像确定无人飞行器在所述待供货地点的一个或多个途经点;
根据所确定的一个或多个途经点确定无人飞行器在所述待供货地点的飞行轨迹;
获取无人飞行器按照所述飞行轨迹采集的货架图像;
对所述货架图像进行识别并根据识别结果确定所述待供货地点的商品库存。
2.如权利要求1所述的商品库存确定方法,还包括:
为所述无人飞行器分配待供货地点集合,控制所述无人飞行器按照预设顺序采集待供货地点集合中每个待供货地点的货架图像,其中,所述待供货地点集合中包括至少两个待供货地点。
3.一种商品库存确定方法,包括:
接收无人飞行器在待供货地点的飞行轨迹,其中,所述飞行轨迹基于根据所述待供货地点的一个或多个环境图像确定的一个或多个途经点确定;
按照所述飞行轨迹飞行并采集货架图像;
将所述货架图像返回至所述服务器,所述货架图像用于由所述服务器进行识别并根据识别结果确定所述待供货地点的商品库存。
4.一种商品库存确定方法,包括:
接收无人飞行器在待供货地点的飞行轨迹,其中,所述飞行轨迹基于根据所述待供货地点的一个或多个环境图像确定的一个或多个途经点确定;
控制无人飞行器按照所述飞行轨迹飞行并采集货架图像;
控制所述无人飞行器将采集的货架图像返回至服务器以使所述服务器进行识别并根据识别结果确定所述待供货地点的商品库存。
5.如权利要求4所述的商品库存确定方法,还包括:
根据待供货地点集合的位置信息对所述无人飞行器的飞行轨迹进行修改。
6.如权利要求4所述的商品库存确定方法,还包括:
在所述无人飞行器采集的第一货架图像无法识别时,对无人飞行器的飞行轨迹进行修改,控制无人飞行器重新采集所述第一货架图像。
7.一种商品处理方法,包括:
根据待供货地点的一个或多个环境图像确定无人飞行器在所述待供货地点的一个或多个途经点;
根据所确定的一个或多个途经点确定无人飞行器在所述待供货地点的飞行轨迹;
获取无人飞行器按照所述飞行轨迹采集的货架图像;
对所述货架图像进行识别并根据识别结果确定所述待供货地点的商品库存;
在商品库存低于阈值量时,生成库存补入信息;
响应于所述库存补入信息,调取商品并配送至所述待供货地点。
8.如权利要求7所述的商品处理方法,还包括:
为所述无人飞行器分配待供货地点集合,控制所述无人飞行器按照预设顺序采集待供货地点集合中每个待供货地点的货架图像,其中,所述待供货地点集合中包括至少两个待供货地点。
9.一种服务信息处理方法,包括:
根据服务提供地点的一个或多个环境图像确定无人飞行器在所述服务提供地点的一个或多个途经点;
根据所确定的一个或多个途经点确定无人飞行器在所述服务提供地点的飞行轨迹;
获得无人飞行器按照所述飞行轨迹采集的等待服务人员聚集图像;
对所述等待服务人员聚集图像进行识别并根据识别结果确定所述服务提供地点等待服务人员的数目;
在当前等待服务人员的数目高于阈值量时,向所述等待服务人员提供其他同类性质的服务提供地点的位置信息。
10.如权利要求9所述的服务信息处理方法,还包括:
为所述无人飞行器分配服务提供地点集合,控制所述无人飞行器按照预设顺序采集服务提供地点集合中每个服务提供地点的等待服务人员聚集图像,其中,所述服务提供地点集合中包括至少两个服务提供地点。
11.一种信息获取方法,包括:
根据拍摄区域的一个或多个第一图像确定无人飞行器在所述拍摄区域的一个或多个途经点;
根据所确定的一个或多个途经点确定无人飞行器在所述拍摄区域的飞行轨迹;
获取无人飞行器按照所述飞行轨迹采集的第二图像;
对所述第二图像进行识别并根据识别结果确定所述拍摄区域的相关信息,所述相关信息包括拍摄区域内的关注特征的数目。
12.如权利要求11所述的信息获取方法,其中,所述信息获取方法还包括:
为所述无人飞行器分配拍摄区域集合,控制所述无人飞行器按照预设顺序采集拍摄区域集合中每个拍摄区域的第二图像,其中,所述拍摄区域集合中包括至少两个拍摄区域。
13.如权利要求12所述的信息获取方法,其中,所述预设顺序是根据所述拍摄区域集合中每个拍摄区域的位置信息确定的。
14.如权利要求11或12所述的信息获取方法,其中,在获取无人飞行器按照所述飞行轨迹采集的第二图像之前,还包括:
控制所述无人飞行器从预定地点按照规划的航线到达所述拍摄区域,其中,所述规划的航线是基于所述拍摄区域的位置信息确定的。
15.如权利要求11或12所述的信息获取方法,其中,
所述第二图像包括所述拍摄区域的货架图像,并且
对所述第二图像进行识别并根据识别结果确定所述拍摄区域的相关信息包括:对货架图像进行识别并根据识别结果确定所述拍摄区域的商品库存。
16.如权利要求15所述的信息获取方法,还包括:
在商品库存低于阈值量时,向所述拍摄区域推送与该商品相关的补货信息。
17.如权利要求11或12所述的信息获取方法,其中,
所述第二图像包括服务提供地点处的等待服务人员聚集图像,并且
对所述第二图像进行识别并根据识别结果确定所述拍摄区域的相关信息包括:对所述等待服务人员聚集图像进行识别并根据识别结果确定所述服务提供地点当前等待服务人员的数目。
18.如权利要求17所述的信息获取方法,还包括:
在当前等待服务人员的数目高于阈值量时,向所述等待服务人员提供其他服务提供地点的位置信息。
19.如权利要求11或12所述的信息获取方法,其中,
以预先设置的频率和/或在预先设置的时间段采集所述第二图像。
20.如权利要求11所述的信息获取方法,其中,
获取无人飞行器按照所述飞行轨迹采集的第二图像包括:获取无人飞行器沿所述飞行轨迹飞行期间采集的第二图像。
21.如权利要求11所述的信息获取方法,其中,
获取无人飞行器按照所述飞行轨迹采集的第二图像包括:获取无人飞行器在一个或多个途经点采集的第二图像。
22.如权利要求14所述的信息获取方法,其中,拍摄区域被划分成多个区域,所述预定地点是所述多个区域的中心位置。
23.一种商品库存确定装置,包括:
第一确定模块,用于根据待供货地点的一个或多个环境图像确定无人飞行器在所述待供货地点的一个或多个途经点;
第二确定模块,用于根据所确定的一个或多个途经点确定无人飞行器在所述待供货地点的飞行轨迹;
第一获取模块,用于获取无人飞行器按照所述飞行轨迹采集的货架图像;
第一识别模块,用于对所述货架图像进行识别并根据识别结果确定所述待供货地点的商品库存。
24.一种商品库存确定装置,包括:
第一接收模块,用于接收无人飞行器在待供货地点的飞行轨迹,其中,所述飞行轨迹基于根据所述待供货地点的一个或多个环境图像确定的一个或多个途经点确定;
采集模块,用于按照所述飞行轨迹飞行并采集货架图像;
返回模块,用于将所述货架图像返回至所述服务器,所述货架图像用于由所述服务器进行识别并根据识别结果确定所述待供货地点的商品库存。
25.一种商品库存确定装置,包括:
第二接收模块,用于接收无人飞行器在待供货地点的飞行轨迹,其中,所述飞行轨迹基于根据所述待供货地点的一个或多个环境图像确定的一个或多个途经点确定;
第一控制模块,用于控制无人飞行器按照所述飞行轨迹飞行并采集货架图像;
第二控制模块,用于控制所述无人飞行器将采集的货架图像返回至服务器以使所述服务器进行识别并根据识别结果确定所述待供货地点的商品库存。
26.一种商品处理装置,包括:
第三确定模块,用于根据待供货地点的一个或多个环境图像确定无人飞行器在所述待供货地点的一个或多个途经点;
第四确定模块,用于根据所确定的一个或多个途经点确定无人飞行器在所述待供货地点的飞行轨迹;
第二获取模块,用于获取无人飞行器按照所述飞行轨迹采集的货架图像;
第二识别模块,用于对所述货架图像进行识别并根据识别结果确定所述待供货地点的商品库存;
生成模块,用于在商品库存低于阈值量时,生成库存补入信息;
调取模块,用于响应于所述库存补入信息,调取商品并配送至所述待供货地点。
27.一种服务信息处理装置,包括:
第五确定模块,用于根据服务提供地点的一个或多个环境图像确定无人飞行器在所述服务提供地点的一个或多个途经点;
第六确定模块,用于根据所确定的一个或多个途经点确定无人飞行器在所述服务提供地点的飞行轨迹;
获得模块,用于获得无人飞行器按照所述飞行轨迹采集的等待服务人员聚集图像;
第三识别模块,用于对所述等待服务人员聚集图像进行识别并根据识别结果确定所述服务提供地点等待服务人员的数目;
提供模块,用于在当前等待服务人员的数目高于阈值量时,向所述等待服务人员提供其他同类性质的服务提供地点的位置信息。
28.一种信息获取装置,包括:
第七确定模块,用于根据拍摄区域的一个或多个第一图像确定无人飞行器在所述拍摄区域的一个或多个途经点;
第八确定模块,用于根据所确定的一个或多个途经点确定无人飞行器在所述拍摄区域的飞行轨迹;
第三获取模块,用于获取无人飞行器按照所述飞行轨迹采集的第二图像;
第四识别模块,用于对所述第二图像进行识别并根据识别结果确定所述拍摄区域的相关信息,所述相关信息包括拍摄区域内的关注特征的数目。
29.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
根据待供货地点的一个或多个环境图像确定无人飞行器在所述待供货地点的一个或多个途经点;
根据所确定的一个或多个途经点确定无人飞行器在所述待供货地点的飞行轨迹;
获取无人飞行器按照所述飞行轨迹采集的货架图像;
对所述货架图像进行识别并根据识别结果确定所述待供货地点的商品库存。
30.一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现权利要求1至22任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010485559.3A CN113298452A (zh) | 2020-06-01 | 2020-06-01 | 商品库存确定方法及装置、商品处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010485559.3A CN113298452A (zh) | 2020-06-01 | 2020-06-01 | 商品库存确定方法及装置、商品处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113298452A true CN113298452A (zh) | 2021-08-24 |
Family
ID=77318065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010485559.3A Pending CN113298452A (zh) | 2020-06-01 | 2020-06-01 | 商品库存确定方法及装置、商品处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298452A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114063617A (zh) * | 2021-11-12 | 2022-02-18 | 北京京东乾石科技有限公司 | 巡检控制方法和装置、巡检机器人和巡检系统 |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080077511A1 (en) * | 2006-09-21 | 2008-03-27 | International Business Machines Corporation | System and Method for Performing Inventory Using a Mobile Inventory Robot |
US20140344118A1 (en) * | 2013-05-14 | 2014-11-20 | DecisionGPS, LLC | Automated Inventory Management |
CN204210456U (zh) * | 2014-11-27 | 2015-03-18 | 无锡北斗星通信息科技有限公司 | 智能化缆车速度控制设备 |
US20150262116A1 (en) * | 2014-03-16 | 2015-09-17 | International Business Machines Corporation | Machine vision technology for shelf inventory management |
KR20170094103A (ko) * | 2017-07-28 | 2017-08-17 | 노인철 | 자율주행 로봇과 3d레이저스캐너를 이용한 화물 재고 조사 방법 |
US20180005035A1 (en) * | 2016-05-19 | 2018-01-04 | Simbe Robotics, Inc. | Method for automatically generating planograms of shelving structures within a store |
WO2018035482A1 (en) * | 2016-08-19 | 2018-02-22 | Intelligent Flying Machines, Inc. | Robotic drone |
CN108629323A (zh) * | 2018-05-11 | 2018-10-09 | 哈尔滨工业大学 | 一种景区游客链式出行一体化提供方法 |
CN108764391A (zh) * | 2018-04-25 | 2018-11-06 | 阿里巴巴集团控股有限公司 | 一种智能设备,商品盘点方法、装置以及设备 |
CN108846449A (zh) * | 2018-04-25 | 2018-11-20 | 阿里巴巴集团控股有限公司 | 一种智能设备,商品盘点方法、装置以及设备 |
CN109344928A (zh) * | 2018-09-19 | 2019-02-15 | 中国科学院信息工程研究所 | 一种大型仓库中基于无人机的货物精确盘点方法及系统 |
CN109607031A (zh) * | 2019-01-14 | 2019-04-12 | 青岛舍科技有限公司 | 基于无人机全景的智能仓储系统及方法 |
CN109781114A (zh) * | 2019-02-15 | 2019-05-21 | 上海扩博智能技术有限公司 | 商场室内导航地图建立方法、系统、设备及存储介质 |
WO2019112104A1 (ko) * | 2017-12-06 | 2019-06-13 | 한울 주식회사 | 물류 창고 제어 시스템 |
CN110119914A (zh) * | 2018-02-06 | 2019-08-13 | 阿里巴巴集团控股有限公司 | 对象补货处理方法、装置和系统 |
US20190294388A1 (en) * | 2018-03-20 | 2019-09-26 | Fuji Xerox Co., Ltd. | Information processing apparatus and non-transitory computer readable medium storing program |
WO2020002455A1 (de) * | 2018-06-26 | 2020-01-02 | Doks. Innovation Gmbh | Mobile vorrichtung zum inventarisieren von lagerbeständen |
US10552933B1 (en) * | 2015-05-20 | 2020-02-04 | Digimarc Corporation | Image processing methods and arrangements useful in automated store shelf inspections |
CN110766243A (zh) * | 2019-12-30 | 2020-02-07 | 恒大智慧科技有限公司 | 一种景区厕所推荐方法、装置及系统 |
CN110782053A (zh) * | 2019-09-30 | 2020-02-11 | 浙江深大智能科技有限公司 | 分时预约调度方法、装置、设备及介质 |
US20200097895A1 (en) * | 2018-09-20 | 2020-03-26 | Shenzhen Dorabot Inc. | Controlling method of unattended retail store and device thereof, and computer readable storage medium |
-
2020
- 2020-06-01 CN CN202010485559.3A patent/CN113298452A/zh active Pending
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080077511A1 (en) * | 2006-09-21 | 2008-03-27 | International Business Machines Corporation | System and Method for Performing Inventory Using a Mobile Inventory Robot |
US20140344118A1 (en) * | 2013-05-14 | 2014-11-20 | DecisionGPS, LLC | Automated Inventory Management |
US20150262116A1 (en) * | 2014-03-16 | 2015-09-17 | International Business Machines Corporation | Machine vision technology for shelf inventory management |
CN204210456U (zh) * | 2014-11-27 | 2015-03-18 | 无锡北斗星通信息科技有限公司 | 智能化缆车速度控制设备 |
US10552933B1 (en) * | 2015-05-20 | 2020-02-04 | Digimarc Corporation | Image processing methods and arrangements useful in automated store shelf inspections |
US20180005035A1 (en) * | 2016-05-19 | 2018-01-04 | Simbe Robotics, Inc. | Method for automatically generating planograms of shelving structures within a store |
WO2018035482A1 (en) * | 2016-08-19 | 2018-02-22 | Intelligent Flying Machines, Inc. | Robotic drone |
KR20170094103A (ko) * | 2017-07-28 | 2017-08-17 | 노인철 | 자율주행 로봇과 3d레이저스캐너를 이용한 화물 재고 조사 방법 |
WO2019112104A1 (ko) * | 2017-12-06 | 2019-06-13 | 한울 주식회사 | 물류 창고 제어 시스템 |
CN110119914A (zh) * | 2018-02-06 | 2019-08-13 | 阿里巴巴集团控股有限公司 | 对象补货处理方法、装置和系统 |
US20190294388A1 (en) * | 2018-03-20 | 2019-09-26 | Fuji Xerox Co., Ltd. | Information processing apparatus and non-transitory computer readable medium storing program |
CN108846449A (zh) * | 2018-04-25 | 2018-11-20 | 阿里巴巴集团控股有限公司 | 一种智能设备,商品盘点方法、装置以及设备 |
CN108764391A (zh) * | 2018-04-25 | 2018-11-06 | 阿里巴巴集团控股有限公司 | 一种智能设备,商品盘点方法、装置以及设备 |
CN108629323A (zh) * | 2018-05-11 | 2018-10-09 | 哈尔滨工业大学 | 一种景区游客链式出行一体化提供方法 |
WO2020002455A1 (de) * | 2018-06-26 | 2020-01-02 | Doks. Innovation Gmbh | Mobile vorrichtung zum inventarisieren von lagerbeständen |
CN109344928A (zh) * | 2018-09-19 | 2019-02-15 | 中国科学院信息工程研究所 | 一种大型仓库中基于无人机的货物精确盘点方法及系统 |
US20200097895A1 (en) * | 2018-09-20 | 2020-03-26 | Shenzhen Dorabot Inc. | Controlling method of unattended retail store and device thereof, and computer readable storage medium |
CN109607031A (zh) * | 2019-01-14 | 2019-04-12 | 青岛舍科技有限公司 | 基于无人机全景的智能仓储系统及方法 |
CN109781114A (zh) * | 2019-02-15 | 2019-05-21 | 上海扩博智能技术有限公司 | 商场室内导航地图建立方法、系统、设备及存储介质 |
CN110782053A (zh) * | 2019-09-30 | 2020-02-11 | 浙江深大智能科技有限公司 | 分时预约调度方法、装置、设备及介质 |
CN110766243A (zh) * | 2019-12-30 | 2020-02-07 | 恒大智慧科技有限公司 | 一种景区厕所推荐方法、装置及系统 |
Non-Patent Citations (4)
Title |
---|
丁善超等: "RFID与无人机结合在仓储管理信息化的应用", 《中国新通信》, vol. 18, no. 18, 20 September 2016 (2016-09-20), pages 45 - 46 * |
刘照邦等: "基于深度神经网络的货架商品识别方法", 《包装工程》, vol. 41, no. 01, 10 January 2020 (2020-01-10), pages 149 - 155 * |
朱孝山: "车牌识别与车辆排队长度的研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, no. 1, 15 January 2013 (2013-01-15), pages 138 - 1693 * |
胡雪梅: "基于无人机的目标识别与跟踪算法研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, no. 3, 15 March 2020 (2020-03-15), pages 031 - 266 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114063617A (zh) * | 2021-11-12 | 2022-02-18 | 北京京东乾石科技有限公司 | 巡检控制方法和装置、巡检机器人和巡检系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11030442B1 (en) | Associating events with actors based on digital imagery | |
US20200279317A1 (en) | System for improving in-store picking performance and experience by optimizing tote-fill and order batching of items in retail store and method of using same | |
US10185984B2 (en) | Delivery of remotely ordered items to the current location of a user when geographic information indicates that the user is within a predetermined area associated with a physical store | |
US20210334875A1 (en) | Commodity recommendation method and commodity recommendation device | |
US11232294B1 (en) | Generating tracklets from digital imagery | |
US11284041B1 (en) | Associating items with actors based on digital imagery | |
US11164226B2 (en) | Method and system for managing product items in a store | |
US11853963B2 (en) | System for crowdsourced cold-chain compliant item selection | |
US20180260800A1 (en) | Unmanned vehicle in shopping environment | |
US20190217478A1 (en) | Robot gamification for improvement of operator performance | |
Chen et al. | Courier dispatch in on-demand delivery | |
JP2023509844A (ja) | カスタマイズされた小売環境 | |
US20160088442A1 (en) | Method, Apparatus, and System for Screening Augmented Reality Content | |
US20230394404A1 (en) | Picking sequence optimization within a warehouse for an item list | |
RU2679229C1 (ru) | Способ и система автоматизированной синхронизации процесса сборки товаров в магазине на основании заказов пользователей | |
Hu et al. | Alibaba vehicle routing algorithms enable rapid pick and delivery | |
CN113298452A (zh) | 商品库存确定方法及装置、商品处理方法及装置 | |
US10846654B2 (en) | Perpetual inventory reconciliation | |
US20190235501A1 (en) | System and method for identifying vehicle delivery locations utilizing scout autonomous vehicles | |
Pachayappan et al. | Drone delivery logistics model for on-demand hyperlocal market | |
US11392889B1 (en) | Analysis of events for state detection | |
CN112132868B (zh) | 一种支付信息的确定方法、装置及设备 | |
US11488103B1 (en) | Customized retail environments | |
Đurić et al. | Improving the efficiency of the warehouse storage process with the use of drones | |
US11069381B1 (en) | Automated sensor data retention |
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 |