CN113705557A - 集装箱后箱门门柱的检测方法、系统、设备及存储介质 - Google Patents
集装箱后箱门门柱的检测方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN113705557A CN113705557A CN202111003822.1A CN202111003822A CN113705557A CN 113705557 A CN113705557 A CN 113705557A CN 202111003822 A CN202111003822 A CN 202111003822A CN 113705557 A CN113705557 A CN 113705557A
- Authority
- CN
- China
- Prior art keywords
- image
- door
- container
- local
- detection
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 165
- 238000013507 mapping Methods 0.000 claims description 24
- 238000001914 filtration Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000007306 turnover Effects 0.000 abstract description 9
- 238000012545 processing Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 239000011295 pitch Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005111 flow chemistry technique Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- 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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了集装箱后箱门门柱的检测方法、系统、设备及存储介质,该方法包括以下步骤:采集集装箱的后箱门的图像;对图像建立平面坐标系,并进行图像识别,至少获得后箱门的门柱的局部检测图像;基于每个门柱的对应的局部检测图像的一侧生成一局部区域,将局部区域中的像素形成一像素集合,根据像素集合进行直线拟合,获得一参考直线;将局部检测图像中的每个像素点各自到参考直线的距离进行求和;以及根据距离之和预设形变参考阀值判断后箱门的状态,本发明能够实现对于集装箱的后箱门的无人检测,加快集装箱完整性的检测速度,减少检测时间,提高无人码头的集装箱周转效率。
Description
技术领域
本发明涉及集装箱检测领域,具体地说,涉及用于无人码头的集装箱后箱门门柱的检测方法、系统、设备及存储介质。
背景技术
遍及世界的绝大多数船运货物都通过被称为联合运输货物集装箱的装置来载运。集装箱,英文名container。是能装载包装或无包装货进行运输,并便于用机械设备进行装卸搬运的一种成组工具。集装箱最大的成功在于其产品的标准化以及由此建立的一整套运输体系。能够让一个载重几十吨的庞然大物实现标准化,并且以此为基础逐步实现全球范围内的船舶、港口、航线、公路、中转站、桥梁、隧道、多式联运相配套的物流系统,这的确堪称人类有史以来创造的伟大奇迹之一。集装箱运输的初期,集装箱的结构和规格各不相同,影响了集装箱在国际上的流通,亟需制定集装箱的国际通用标准,以利于集装箱运输的发展。集装箱标准化,不仅能提高集装箱作为共同运输单元在海、陆、空运输中的通用性和互换性,而且能够提高集装箱运输的安全性和经济性,促进国际集装箱多式联运的发展。同时,集装箱的标准化还给集装箱的载运工具和装卸机械提供了选型、设计和制造的依据,从而使集装箱运输成为相互衔接配套、专业化和高效率的运输系统。集装箱标准按使用范围分,有国际标准、国家标准、地区标准和公司标准四种。
集装箱国际标准是指根据国际标准化组织(ISO)第104技术委员会制订的国际标准来建造和使用的国际通用的标准集装箱。集装箱标准化历经了一个发展过程。国际标准化组织ISO/TC104技术委员会自1961年成立以来,对集装箱国际标准作过多次补充、增减和修改,现行的国际标准为第1系列共13种,其宽度均一样(2438mm)、长度有四种(12192mm、9125mm、6058mm、2991mm)、高度有三种(2896mm、2591mm、2438mm)。
目前,对于集装箱在运送中的检测,尤其是,箱体完成度的检测,主要是通过人为观察的行驶,在箱体转交的各个环节,需要检测人员步行绕车一周,观察,箱体的前端面、侧面以及车尾后箱门等位置,非常耗时。尤其是需要对车尾箱门的检测,就必须走到车尾才能进行,增加了集装箱检测的时间成本。是实现无人化智能码头发展中的一个障碍。
在现有的检测方法中,由于后箱门的图像复杂,有多个箱体标号以及门柱、门柱定位座等,所以对后箱门进行图像识别或是点云扫描的进行识别的计算量很大,检测时间长,检测速度慢,而且识别精度低,制约了无人码头的集装箱周转效率。
因此,本发明提供了一种集装箱后箱门门柱的检测方法、系统、设备及存储介质。
发明内容
针对现有技术中的问题,本发明的目的在于提供集装箱后箱门门柱的检测方法、系统、设备及存储介质,克服了现有技术的困难,能够实现对于集装箱的后箱门的无人检测,加快集装箱完整性的检测速度,减少检测时间,提高无人码头的集装箱周转效率。
本发明的实施例提供一种集装箱后箱门门柱的检测方法,包括以下步骤:
采集集装箱的后箱门的图像;
对所述图像建立平面坐标系,并进行图像识别,至少获得所述后箱门的门柱的局部检测图像;
基于每个所述门柱的对应的所述局部检测图像的一侧生成一局部区域,将所述局部区域中的像素形成一像素集合,根据所述像素集合进行直线拟合,获得一参考直线;
将所述局部检测图像中的每个像素点各自到所述参考直线的距离进行求和;以及
根据所述距离之和预设形变参考阀值判断所述后箱门的状态。
优选地,所述采集集装箱的后箱门的图像之前,还包括以下步骤:
基于所述集装箱的后箱门与图像采集装置的各种间距,预设各种间距与预设形变参考阀值的映射关系的映射表;
所述采集集装箱的后箱门的图像,还包括:采集所述集装箱到图像采集装置间距,基于所述间距自所述映射表获得对应的预设形变参考阀值。
优选地,所述采集集装箱的后箱门的图像之前,还包括以下步骤:
基于所述集装箱的后箱门与图像采集装置的各种间距,预设各种间距、图像采集装置获得的图像中的检测区域与预设形变参考阀值的映射关系的映射表;
所述采集集装箱的后箱门的图像,还包括:采集所述集装箱到图像采集装置间距,基于所述间距自所述映射表获得对应的预设形变参考阀值;
所述对所述图像建立平面坐标系,并进行图像识别,至少获得所述后箱门的门柱的局部检测图像,还包括通过所述间距自所述映射表匹配对应的检测区域,过滤所述门柱的局部检测图像,去除位于所述检测区域以外的像素。
优选地,所述对所述图像建立平面坐标系,并进行图像识别,至少获得所述后箱门的门柱的局部检测图像,还包括以下步骤:
对所述图像进行图像识别,获得所述后箱门的门柱以及门柱定位座的局部检测图像;
基于所述门柱定位座形成一框型区域;
通过所述框型区域过滤所述门柱的局部检测图像,去除位于所述框型区域以外的像素。
优选地,所述对所述图像建立平面坐标系,并进行图像识别,至少获得所述后箱门的门柱的局部检测图像的步骤之后,所述基于每个所述门柱的对应的所述局部检测图像的一侧生成一局部区域,将所述局部区域中的像素形成一像素集合,根据所述像素集合进行直线拟合,获得一参考直线的步骤之前,还包括以下步骤:
基于所述后箱门的门柱数量,每个所述门柱的位置分配对应的局部检测图像。
优选地,所述基于所述后箱门的门柱数量,每个所述门柱的位置分配对应的局部检测图像,还包括以下步骤:
判断当前的所述局部检测图像的数量是否与预设所述后箱门的门柱数量相等;
若是,则基于每个所述门柱在图像中的位置分配对应的局部检测图像;
若否,则获得每个独立的所述局部检测图像的中心点的坐标位置,获得每个所述中心点在水平轴方向上的间距,并对所述间距进行排序,将在水平轴方向上间距最小的两个所述中心点代表的独立的所述局部检测图像合并,继续判断当前的所述局部检测图像的数量是否与预设所述后箱门的门柱数量相等。
优选地,所述将在水平轴方向上间距最小的两个所述中心点代表的独立的所述局部检测图像合并,包括:
通过两个所述中心点建立的方向形成一联通图像区域,所述联通图像区域的两端分别与两个独立的所述局部检测图像向联通,合并形成一所述局部检测图像。
优选地,所述基于每个所述门柱的对应的所述局部检测图像的一侧生成一局部区域,将所述局部区域中的像素形成一像素集合,根据所述像素集合进行直线拟合,获得一参考直线,包括:
选择每个所述局部检测图像的左侧或者右侧作为检测侧;
选取所述门柱对应的所述局部检测图像中每一行像素的最靠近所述检测侧的至少一个像素,形成像素集合;
基于所述像素集合中每个像素在平面坐标系中进行直线拟合,获得一参考直线,所述参考直线到所述像素集合中每个像素的距离之和最小。
优选地,所述根据所述距离之和预设形变参考阀值判断所述后箱门的状态,包括,
当所述距离之和大于预设形变参考阀值,则所述后箱门的门柱损坏;
当所述距离之和小于等于预设形变参考阀值,则所述后箱门的门柱完好。
本发明的实施例还提供一种集装箱后箱门门柱的检测系统,用于实现上述的集装箱后箱门门柱的检测方法,集装箱后箱门门柱的检测系统包括:
图像采集模块,采集集装箱的后箱门的图像;
图像识别模块,对所述图像建立平面坐标系,并进行图像识别,至少获得所述后箱门的门柱的局部检测图像;
直线拟合模块,基于每个所述门柱的对应的所述局部检测图像的一侧生成一局部区域,将所述局部区域中的像素形成一像素集合,根据所述像素集合进行直线拟合,获得一参考直线;
距离求和模块,将所述局部检测图像中的每个像素点各自到所述参考直线的距离进行求和;以及
形变检测模块,根据所述距离之和预设形变参考阀值判断所述后箱门的状态。
本发明的实施例还提供一种集装箱后箱门门柱的检测设备,包括:
处理器;
存储器,其中存储有处理器的可执行指令;
其中,处理器配置为经由执行可执行指令来执行上述集装箱后箱门门柱的检测方法的步骤。
本发明的实施例还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现上述集装箱后箱门门柱的检测方法的步骤。
本发明的集装箱后箱门门柱的检测方法、系统、设备及存储介质,能够实现对于集装箱的后箱门的无人检测,加快集装箱完整性的检测速度,减少检测时间,提高无人码头的集装箱周转效率。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。
图1是本发明的集装箱后箱门门柱的检测方法的流程图。
图2至7是本发明的集装箱后箱门门柱的检测方法的实施过程示意图。
图8是本发明的集装箱后箱门门柱的检测系统的结构示意图
图9是本发明的集装箱后箱门门柱的检测设备的结构示意图。以及
图10是本发明一实施例的计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的实施方式。相反,提供这些实施方式使得本发明将全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构,因而将省略对它们的重复描述。
图1是本发明的集装箱后箱门门柱的检测方法的流程图。如图1所示,本发明的实施例提供一种集装箱后箱门门柱的检测方法,本发明的方法包括以下步骤:
S110、采集集装箱的后箱门的图像。
S120、对图像建立平面坐标系,并通过一个经过训练的图像识别神经网络进行图像识别,至少获得后箱门的门柱的局部检测图像(本实施例中的局部检测图像是指在图像识别后,被认为是代表门柱的图像范围,其中的每个像素也会被增加对应的识别标签:门柱,但不以此为限)。图像识别神经网络的训练图像样本主要包括了门柱、门柱定位座等的图片。
S140、基于每个门柱的对应的局部检测图像的一侧生成一局部区域,将局部区域中的像素形成一像素集合,根据像素集合进行直线拟合,获得一参考直线。
S150、将局部检测图像中的每个像素点各自到参考直线的距离进行求和。以及
S160、当距离之和大于预设形变参考阀值,则后箱门的门柱损坏。
本发明的集装箱后箱门门柱的检测方法通过图形检测的方式检测门柱,由于箱门的形变后一定会引起门柱的形变,如果门柱没有发生过形变,则箱门也基本是完好的,所以本发明通过仅检测门柱部分的图像,来检测箱门的形变情况,大大减少了的图形识别的运算量。
在一个优选实施例中,步骤S110之前还包括以下步骤:
步骤S100、基于集装箱的后箱门与图像采集装置的各种间距,预设各种间距与预设形变参考阀值的映射关系的映射表。
步骤S110中,还包括:采集集装箱到图像采集装置间距,基于间距自映射表获得对应的预设形变参考阀值,从而避免集装箱在图像采集装置不同间距下预设形变参考阀值的不匹配的情况,提升检测的准确度。
在一个优选实施例中,步骤S110之前还包括以下步骤:
步骤S100、基于集装箱的后箱门与图像采集装置的各种间距,预设各种间距、图像采集装置获得的图像中的检测区域与预设形变参考阀值的映射关系的映射表。
步骤S110中,还包括:采集集装箱到图像采集装置间距,基于间距自映射表获得对应的预设形变参考阀值。
步骤S120中,还包括通过间距自映射表匹配对应的检测区域,过滤门柱的局部检测图像,去除位于检测区域以外的像素。
由于门柱定位座是被螺栓固定在箱门上的,即便是在撞击下也不会移动,所以如果将箱门上下部的被门柱定位座限位的门柱的局部图像也进行后续计算,会降低识别形变的准确度。
优选地,步骤S120中,包括以下步骤:
S121、对图像进行图像识别,获得后箱门的门柱以及门柱定位座的局部检测图像。
S122、基于门柱定位座形成一框型区域,框型区域位于箱门两端的门柱定位座之间,不包含门柱定位座,框型区域中只有门柱。
S123、通过框型区域过滤门柱的局部检测图像,去除位于框型区域以外的像素,但不以此为限。
本发明也可以通过定位一个位于图像中心区域的框型区域,从而自采集的局部检测图像中截取不包含门柱定位座、仅包含门柱的局部图像,进行后续的检测
在一个优选实施例中,步骤S120之后、步骤S140之前,还包括以下步骤:
步骤S130,基于后箱门的门柱数量,每个门柱的位置分配对应的局部检测图像。步骤S130包括以下步骤:
S131、判断当前的局部检测图像的数量是否与预设后箱门的门柱数量相等,若是,则执行步骤S135,若否,则执行步骤S132。
S132、获得每个独立的局部检测图像的中心点的坐标位置。
S133、获得每个中心点在水平轴方向上的间距,并对间距进行排序。
S134、将在水平轴方向上间距最小的两个中心点代表的独立的局部检测图像合并,返回步骤S131。以及
S135、基于每个门柱在图像中的位置分配对应的局部检测图像,但不以此为限。
在一个优选实施例中,步骤S134中,通过两个中心点建立的方向形成一联通图像区域,联通图像区域的两端分别与两个独立的局部检测图像向联通,合并形成一局部检测图像。从而避免了由于图形检测时,变形后的一个门柱可能被识别为两个独立局部检测图像,造成局部检测图像的数量与门柱不一致的缺点,通过就近合并的方式使得每个门柱都能匹配到一个对应的局部检测图像,但不以此为限。
在一个优选实施例中,步骤S140中,包括:
S141、选择每个局部检测图像的左侧或者右侧作为检测侧。
S142、选取门柱对应的局部检测图像中每一行像素的最靠近检测侧的至少一个像素,形成像素集合。
S143、基于像素集合中每个像素在平面坐标系中进行直线拟合,获得一参考直线,参考直线到像素集合中每个像素的距离之和最小,但不以此为限。
在一个优选实施例中,步骤S160还包括,当距离之和小于等于预设形变参考阀值,则后箱门的门柱完好,但不以此为限。
图2至7是本发明的集装箱后箱门门柱的检测方法的实施过程示意图。如图2、3所示,基于集装箱的后箱门与监控相机3的各种间距,预设各种间距、监控相机3获得的图像中的检测区域与预设形变参考阀值P的映射关系的映射表。集卡1装载着集装箱2经过监控相机3,监控相机3采集集装箱的后箱门的图像,通过测距装置基于集装箱的后箱门与监控相机3的各种间距,采集集装箱到监控相机3间距,基于间距自映射表获得对应的预设形变参考阀值P。
如图4、5所示,对图像建立平面坐标系,并通过一个经过训练的图像识别神经网络进行图像识别,至少获得后箱门的门柱21的局部检测图像。图像识别神经网络的训练图像样本主要包括了箱体数字编号、门柱21、门柱定位座22等的图片。通过间距自映射表获得检测区域31,过滤门柱21的局部检测图像,去除位于检测区域31以外的像素。由于此时,此时共有局部检测图像35、36、37、38、39,显然玉门柱的数量不匹配,则获得每个独立的局部检测图像的中心点(35a、36a、37a、38a和39a)的坐标位置,获得每个中心点(35a、36a、37a、38a和39a)在水平轴方向上的间距,并对间距进行排序。其中,水平方向间距最小的是中心点35a、36a。将在水平轴方向上间距最小的两个中心点35a、36a代表的独立的局部检测图像合并后,将局部检测图像于门柱21的所在位置形成一一对应的关系,基于每个门柱21在图像中的位置分配对应的局部检测图像。
如图6、7所示,本实施例中,选择每个局部检测图像的左侧作为检测侧(图6、7中,每一个方格代表一个像素,具有圆形图案的像素代表被识别是门柱图案区域中的像素)。选取门柱21对应的局部检测图像中每一行像素的最左侧的一个像素(像素3511、像素3521、像素3531、像素3541、像素3551、像素3561、像素3571、像素3581等),形成像素集合。每一行中使用的像素越少,则能进一步降低运算量。基于像素集合中每个像素在平面坐标系中进行直线拟合,获得一参考直线L(本实施例中,基于平面坐标系中的坐标集合采用现有的或是未来的平面拟合计算公式,求的对应的参考直线L,计算过程不在赘述),使得参考直线L到像素集合中每个像素的距离之和最小。将局部检测图像中的每个像素点各自到参考直线L的距离进行求和(将识别为门柱的局部检测图像中的每一行的所有像素各自到参考直线L的距离就行求和计算)获得距离总值S(以最高的一行为例,则将像素3511、像素3512、像素3513各自到参考直线L的距离进行求和)。其中,由于门柱21在完好状态下是直线状态的,所以到参考直线L距离总值S会趋近于0(参考直线L与门柱的像素基本重合),而当门柱21被撞击弯曲后,参考直线L会与门柱的轨迹形成明显区别,使得局部检测图像中的每一行的所有像素各自到参考直线L的距离大大增加,从而实现两种状态下的区分。当距离总值S大于预设形变参考阀值P,则后箱门的门柱21损坏。显然后箱门的门柱21的情况下,箱门大概率也已经被损坏了,进行报警,提醒用户停止这个箱体数字编号的集装箱的使用,从而保护货品安全。
本发明的集装箱后箱门门柱的检测方法,能够实现对于集装箱的后箱门的无人检测,加快集装箱完整性的检测速度,减少检测时间,提高无人码头的集装箱周转效率。
图8是本发明的集装箱后箱门门柱的检测系统的结构示意图如图8所示,本发明的实施例还提供一种集装箱后箱门门柱的检测系统5,用于实现上述的集装箱后箱门门柱的检测方法,集装箱后箱门门柱的检测系统包括:
图像采集模块51,采集集装箱的后箱门的图像。
图像识别模块52,对图像建立平面坐标系,并进行图像识别,至少获得后箱门的门柱的局部检测图像。
图像分配模块53,基于后箱门的门柱数量,每个门柱的位置分配对应的局部检测图像。
直线拟合模块54,基于每个门柱的对应的局部检测图像的一侧生成一局部区域,将局部区域中的像素形成一像素集合,根据像素集合进行直线拟合,获得一参考直线。
距离求和模块55,将局部检测图像中的每个像素点各自到参考直线的距离进行求和。
形变检测模块56,当距离之和大于预设形变参考阀值,则后箱门的门柱损坏。
本发明的集装箱后箱门门柱的检测系统,能够实现对于集装箱的后箱门的无人检测,加快集装箱完整性的检测速度,减少检测时间,提高无人码头的集装箱周转效率。
本发明实施例还提供一种集装箱后箱门门柱的检测设备,包括处理器。存储器,其中存储有处理器的可执行指令。其中,处理器配置为经由执行可执行指令来执行的集装箱后箱门门柱的检测方法的步骤。
如上,本发明的集装箱后箱门门柱的检测设备能够实现对于集装箱的后箱门的无人检测,加快集装箱完整性的检测速度,减少检测时间,提高无人码头的集装箱周转效率。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“平台”。
图9是本发明的集装箱后箱门门柱的检测设备的结构示意图。下面参照图9来描述根据本发明的这种实施方式的电子设备600。图9显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中,存储单元存储有程序代码,程序代码可以被处理单元610执行,使得处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,处理单元610可以执行如图1中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本发明实施例还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现的集装箱后箱门门柱的检测方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
如上所示,该实施例的计算机可读存储介质的程序在执行时,能够实现对于集装箱的后箱门的无人检测,加快集装箱完整性的检测速度,减少检测时间,提高无人码头的集装箱周转效率。
图10是本发明的计算机可读存储介质的结构示意图。参考图10所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上,本发明的集装箱后箱门门柱的检测方法、系统、设备及存储介质,能够实现对于集装箱的后箱门的无人检测,加快集装箱完整性的检测速度,减少检测时间,提高无人码头的集装箱周转效率。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (12)
1.一种集装箱后箱门门柱的检测方法,其特征在于,包括以下步骤:
采集集装箱的后箱门的图像;
对所述图像建立平面坐标系,并进行图像识别,至少获得所述后箱门的门柱的局部检测图像;
基于每个所述门柱的对应的所述局部检测图像的一侧生成一局部区域,将所述局部区域中的像素形成一像素集合,根据所述像素集合进行直线拟合,获得一参考直线;
将所述局部检测图像中的每个像素点各自到所述参考直线的距离进行求和;以及
根据所述距离之和预设形变参考阀值判断所述后箱门的状态。
2.根据权利要求1所述的集装箱后箱门门柱的检测方法,其特征在于,所述采集集装箱的后箱门的图像之前,还包括以下步骤:
基于所述集装箱的后箱门与图像采集装置的各种间距,预设各种间距与预设形变参考阀值的映射关系的映射表;
所述采集集装箱的后箱门的图像,还包括:采集所述集装箱到图像采集装置间距,基于所述间距自所述映射表获得对应的预设形变参考阀值。
3.根据权利要求1所述的集装箱后箱门门柱的检测方法,其特征在于,所述采集集装箱的后箱门的图像之前,还包括以下步骤:
基于所述集装箱的后箱门与图像采集装置的各种间距,预设各种间距、图像采集装置获得的图像中的检测区域与预设形变参考阀值的映射关系的映射表;
所述采集集装箱的后箱门的图像,还包括:采集所述集装箱到图像采集装置间距,基于所述间距自所述映射表获得对应的预设形变参考阀值;
所述对所述图像建立平面坐标系,并进行图像识别,至少获得所述后箱门的门柱的局部检测图像,还包括通过所述间距自所述映射表匹配对应的检测区域,过滤所述门柱的局部检测图像,去除位于所述检测区域以外的像素。
4.根据权利要求1所述的集装箱后箱门门柱的检测方法,其特征在于,所述对所述图像建立平面坐标系,并进行图像识别,至少获得所述后箱门的门柱的局部检测图像,还包括以下步骤:
对所述图像进行图像识别,获得所述后箱门的门柱以及门柱定位座的局部检测图像;
基于所述门柱定位座形成一框型区域;
通过所述框型区域过滤所述门柱的局部检测图像,去除位于所述框型区域以外的像素。
5.根据权利要求1所述的集装箱后箱门门柱的检测方法,其特征在于,所述对所述图像建立平面坐标系,并进行图像识别,至少获得所述后箱门的门柱的局部检测图像的步骤之后,所述基于每个所述门柱的对应的所述局部检测图像的一侧生成一局部区域,将所述局部区域中的像素形成一像素集合,根据所述像素集合进行直线拟合,获得一参考直线的步骤之前,还包括以下步骤:
基于所述后箱门的门柱数量,每个所述门柱的位置分配对应的局部检测图像。
6.根据权利要求5所述的集装箱后箱门门柱的检测方法,其特征在于,所述基于所述后箱门的门柱数量,每个所述门柱的位置分配对应的局部检测图像,还包括以下步骤:
判断当前的所述局部检测图像的数量是否与预设所述后箱门的门柱数量相等;
若是,则基于每个所述门柱在图像中的位置分配对应的局部检测图像;
若否,则获得每个独立的所述局部检测图像的中心点的坐标位置,获得每个所述中心点在水平轴方向上的间距,并对所述间距进行排序,将在水平轴方向上间距最小的两个所述中心点代表的独立的所述局部检测图像合并,继续判断当前的所述局部检测图像的数量是否与预设所述后箱门的门柱数量相等。
7.根据权利要求6所述的集装箱后箱门门柱的检测方法,其特征在于,所述将在水平轴方向上间距最小的两个所述中心点代表的独立的所述局部检测图像合并,包括:
通过两个所述中心点建立的方向形成一联通图像区域,所述联通图像区域的两端分别与两个独立的所述局部检测图像向联通,合并形成一所述局部检测图像。
8.根据权利要求1所述的集装箱后箱门门柱的检测方法,其特征在于,所述基于每个所述门柱的对应的所述局部检测图像的一侧生成一局部区域,将所述局部区域中的像素形成一像素集合,根据所述像素集合进行直线拟合,获得一参考直线,包括:
选择每个所述局部检测图像的左侧或者右侧作为检测侧;
选取所述门柱对应的所述局部检测图像中每一行像素的最靠近所述检测侧的至少一个像素,形成像素集合;
基于所述像素集合中每个像素在平面坐标系中进行直线拟合,获得一参考直线,所述参考直线到所述像素集合中每个像素的距离之和最小。
9.根据权利要求1所述的集装箱后箱门门柱的检测方法,其特征在于,所述根据所述距离之和预设形变参考阀值判断所述后箱门的状态,包括,
当所述距离之和大于预设形变参考阀值,则所述后箱门的门柱损坏;
当所述距离之和小于等于预设形变参考阀值,则所述后箱门的门柱完好。
10.一种集装箱后箱门门柱的检测系统,其特征在于,用于实现如权利要求1所述的集装箱后箱门门柱的检测方法,包括:
图像采集模块,采集集装箱的后箱门的图像;
图像识别模块,对所述图像建立平面坐标系,并进行图像识别,至少获得所述后箱门的门柱的局部检测图像;
直线拟合模块,基于每个所述门柱的对应的所述局部检测图像的一侧生成一局部区域,将所述局部区域中的像素形成一像素集合,根据所述像素集合进行直线拟合,获得一参考直线;
距离求和模块,将所述局部检测图像中的每个像素点各自到所述参考直线的距离进行求和;以及
形变检测模块,根据所述距离之和预设形变参考阀值判断所述后箱门的状态。
11.一种集装箱后箱门门柱的检测设备,其特征在于,包括:
处理器;
存储器,其中存储有处理器的可执行指令;
其中,处理器配置为经由执行可执行指令来执行权利要求1至9中任意一项所述集装箱后箱门门柱的检测方法的步骤。
12.一种计算机可读存储介质,用于存储程序,其特征在于,程序被处理器执行时实现权利要求1至9中任意一项所述集装箱后箱门门柱的检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111003822.1A CN113705557B (zh) | 2021-08-30 | 2021-08-30 | 集装箱后箱门门柱的检测方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111003822.1A CN113705557B (zh) | 2021-08-30 | 2021-08-30 | 集装箱后箱门门柱的检测方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113705557A true CN113705557A (zh) | 2021-11-26 |
CN113705557B CN113705557B (zh) | 2024-04-30 |
Family
ID=78656765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111003822.1A Active CN113705557B (zh) | 2021-08-30 | 2021-08-30 | 集装箱后箱门门柱的检测方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113705557B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114495056A (zh) * | 2022-01-14 | 2022-05-13 | 广州小鹏自动驾驶科技有限公司 | 停车场柱子检测方法、检测装置、车辆及存储介质 |
CN115077385A (zh) * | 2022-07-05 | 2022-09-20 | 北京斯年智驾科技有限公司 | 无人集卡集装箱位姿测量方法及其测量系统 |
CN116777903A (zh) * | 2023-08-11 | 2023-09-19 | 北京斯年智驾科技有限公司 | 一种箱门检测方法和系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019018317A1 (en) * | 2017-07-17 | 2019-01-24 | Essential Products, Inc. | DETECTION OF DOOR AND WINDOW STATUS BASED ON DISTANCE |
CN111768409A (zh) * | 2020-09-03 | 2020-10-13 | 腾讯科技(深圳)有限公司 | 基于人工智能的箱式结构检测方法及装置 |
CN111932537A (zh) * | 2020-10-09 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 对象形变检测方法、装置、计算机设备和存储介质 |
CN112465706A (zh) * | 2020-12-21 | 2021-03-09 | 天津工业大学 | 一种闸口集装箱自动验残方法 |
CN112465823A (zh) * | 2021-01-27 | 2021-03-09 | 聚时科技(江苏)有限公司 | 一种基于视觉的集装箱门锁杆变形检测方法 |
CN112816976A (zh) * | 2021-01-29 | 2021-05-18 | 三一海洋重工有限公司 | 集装箱箱门朝向检测方法及其系统、存储介质及电子设备 |
CN112950549A (zh) * | 2021-02-04 | 2021-06-11 | 科大智能物联技术有限公司 | 一种基于机器视觉的货架形变检测系统及检测方法 |
US20210215789A1 (en) * | 2015-07-17 | 2021-07-15 | Yuqian HU | Method, apparatus, and system for wireless proximity sensing |
-
2021
- 2021-08-30 CN CN202111003822.1A patent/CN113705557B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210215789A1 (en) * | 2015-07-17 | 2021-07-15 | Yuqian HU | Method, apparatus, and system for wireless proximity sensing |
WO2019018317A1 (en) * | 2017-07-17 | 2019-01-24 | Essential Products, Inc. | DETECTION OF DOOR AND WINDOW STATUS BASED ON DISTANCE |
CN111768409A (zh) * | 2020-09-03 | 2020-10-13 | 腾讯科技(深圳)有限公司 | 基于人工智能的箱式结构检测方法及装置 |
CN111932537A (zh) * | 2020-10-09 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 对象形变检测方法、装置、计算机设备和存储介质 |
CN112465706A (zh) * | 2020-12-21 | 2021-03-09 | 天津工业大学 | 一种闸口集装箱自动验残方法 |
CN112465823A (zh) * | 2021-01-27 | 2021-03-09 | 聚时科技(江苏)有限公司 | 一种基于视觉的集装箱门锁杆变形检测方法 |
CN112816976A (zh) * | 2021-01-29 | 2021-05-18 | 三一海洋重工有限公司 | 集装箱箱门朝向检测方法及其系统、存储介质及电子设备 |
CN112950549A (zh) * | 2021-02-04 | 2021-06-11 | 科大智能物联技术有限公司 | 一种基于机器视觉的货架形变检测系统及检测方法 |
Non-Patent Citations (1)
Title |
---|
崔循;景文博;于洪洋;董猛;: "基于改进Faster R-CNN的集装箱箱号定位算法", 长春理工大学学报(自然科学版), no. 01, 15 February 2020 (2020-02-15) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114495056A (zh) * | 2022-01-14 | 2022-05-13 | 广州小鹏自动驾驶科技有限公司 | 停车场柱子检测方法、检测装置、车辆及存储介质 |
CN115077385A (zh) * | 2022-07-05 | 2022-09-20 | 北京斯年智驾科技有限公司 | 无人集卡集装箱位姿测量方法及其测量系统 |
CN115077385B (zh) * | 2022-07-05 | 2023-09-26 | 北京斯年智驾科技有限公司 | 无人集卡集装箱位姿测量方法及其测量系统 |
CN116777903A (zh) * | 2023-08-11 | 2023-09-19 | 北京斯年智驾科技有限公司 | 一种箱门检测方法和系统 |
CN116777903B (zh) * | 2023-08-11 | 2024-01-26 | 北京斯年智驾科技有限公司 | 一种箱门检测方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113705557B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113705557A (zh) | 集装箱后箱门门柱的检测方法、系统、设备及存储介质 | |
EP3875985A1 (en) | Method, apparatus, computing device and computer-readable storage medium for positioning | |
WO2020060895A1 (en) | Method and apparatus for vehicle damage identification | |
CN114399744A (zh) | 一种车型识别方法、装置、电子设备和存储介质 | |
CN114022537B (zh) | 一种用于动态称重区域车辆装载率和偏载率分析方法 | |
CN113688965B (zh) | 一种自动仓储扫码检测的方法和货物管理系统 | |
CN113361953B (zh) | 海关口岸货管现场机器人巡查方法及系统 | |
CN117132872A (zh) | 一种生产线上物料运输车辆智能碰撞识别系统 | |
Katsamenis et al. | Real time road defect monitoring from UAV visual data sources | |
CN117252512A (zh) | 一种用于存储接触网零部件的仓库布局方法、装置、计算机设备及存储介质 | |
CN111784031A (zh) | 物流车辆分类预测方法、装置、设备及存储介质 | |
CN115543637B (zh) | 空间目标的关联方法、装置和存储介质 | |
CN115015962A (zh) | 基于岸桥的碰撞检测方法、系统、设备及存储介质 | |
CN116002529A (zh) | 基于起重设备特征的对位方法、系统、设备及存储介质 | |
CN111457895B (zh) | 一种无人机光电载荷的目标尺寸计算与显示方法 | |
CN113469045B (zh) | 无人集卡的视觉定位方法、系统、电子设备和存储介质 | |
US20220405513A1 (en) | Multi-Object Tracking For Autonomous Vehicles | |
US20220277603A1 (en) | Method and apparatus for determining lock type | |
CN116109047A (zh) | 一种基于三维智能检测的智能调度方法 | |
Sulistyaningrum et al. | Pavement Distress Classification Using Deep Learning Method Based on Digital Image | |
US11640703B2 (en) | Method for classifying measuring points of a point cloud | |
WO2024140054A1 (zh) | 基于环境信息的设备控制方法及装置 | |
US20240160799A1 (en) | Information processing method, information processing device, and recording medium | |
CN115685952B (zh) | 面向汽车生产车间的巡检方法、控制装置、设备及介质 | |
CN112750166B (zh) | 岸桥球机摄像头自动标定方法、系统、设备及存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 503-3, 398 Jiangsu Road, Changning District, Shanghai 200050 Applicant after: Shanghai Xijing Technology Co.,Ltd. Address before: Room 503-3, 398 Jiangsu Road, Changning District, Shanghai 200050 Applicant before: SHANGHAI WESTWELL INFORMATION AND TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |