CN114037952A - 基于智能物流的图像检测系统及其使用方法 - Google Patents

Abstract

本发明公开了基于智能物流的图像检测系统及其使用方法，涉及智能物流技术领域，解决了现有方案无法将多源监控设备进行联合以执行复杂任务，达不到智能化物流处理的技术问题；本发明通过中央处理器建立物流园区的三维模型，然后通过多源监测图像对物流园区进行渲染；较现有技术只能通过图像识别技术完成简单任务，本发明将各种监控设备联合起来，对单一目标物进行全方位控制和预警，提高了监控设备的利用率，能够执行更加复杂的任务，提高物流的智能化水平；本发明中边缘处理器也可对子模型进行实时渲染，通过中央处理器和边缘处理器的协作，能够有效提高数据处理效率，保证工作效率。

Description

基于智能物流的图像检测系统及其使用方法

技术领域

本发明属于智能物流领域，涉及图像检测和图像识别技术，具体是基于智能物流的图像检测系统及其使用方法。

背景技术

智能物流是利用集成智能化技术，使物流系统能模仿人的智能，具有思维、感知、学习、推理判断和自动解决物流中某些问题的能力，在智能物流中，图像检测技术拥有至关重要的地位。

现有物流系统中通过图像识别技术完成多种工作，如料框拣选、动态包裹分拣、抓取码垛、尺寸测量、条形码识别等多项工作，大大提高了商品分拣效率，能够节省大量的人力成本；现有方案中通过单一监测设备所完成的任务简单，且无法通过多个监控设备联合协作执行复杂任务，并不能达到真正的智能状态；因此，亟需一种能够将多源监测图像融合实现智能化物流的图像检测系统。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了基于智能物流的图像检测系统及其使用方法，用于解决现有方案无法将多源监控设备进行联合以执行复杂任务，达不到智能化物流处理的技术问题，本发明将多个监控设备联合，再结合中央处理器和边缘处理器解决了上述问题。

为实现上述目的，根据本发明的第一方面的实施例提出基于智能物流的图像检测系统，包括中央处理器、边缘处理器以及与中央处理器和边缘处理器通信和/或电气连接的若干监控设备；

通过若干所述监控设备实时或定时采集目标物的监测图像；其中，所述目标物包括动态对象和静态对象；

所述中央处理器对物流园区建模生成园区模型，根据监测图像进行实时渲染更新；将所述园区模型划分为若干子模型；

所述边缘处理器根据关联的子模型进行工作监测，并根据监测结果进行控制预警。

优选的，通过所述监控设备实时或定时获取所述静态对象的监测图像；通过所述监控设备实时获取所述动态对象的监测图像。

优选的，所述静态对象包括仓库、门禁、设备和道闸；所述动态对象包括自动传送带、智能机器人和智能小车。

优选的，所述中央处理器根据物流园区三维图纸进行建模，获取园区模型；其中，物流园区三维图纸通过与中央处理器通信和/或电气连接的智能终端导入。

优选的，通过所述监测图像对园区模型进行渲染，再对渲染之后的所述园区模型进行划分，生成若干所述子模型；或者

对所述园区模型进行划分，生成若干所述子模型，再通过所述监测图像对若干所述子模型进行渲染。

优选的，每个所述子模型至少关联一个目标物。

优选的，对所述静态对象关联的所述子模型进行渲染，包括：

获取所述静态对象的监测图像，对所述监测图像进行图像预处理之后，渲染到该静态对象关联的子模型中；其中，所述图像预处理包括图像去噪、图像裁剪和图像校正。

优选的，针对所述静态对象每次获取的监测图像至少为两张，且任意两张监测图像采集点与所述静态对象中心连线之间的角度大于90°。

优选的，对所述动态对象关联的所述子模型进行渲染，包括：

获取所述动态对象的监测图像，对所述监测图像进行图像预处理之后，融合获取所述动态对象的模型并标记为动态模型；

根据所述动态对象的位置将所述动态模型渲染到该动态对象关联的子模型中。

优选的，所述边缘处理器根据子模型对静态对象进行工作监测，包括：

边缘处理器根据子模型获取静态对象的工作状态，并将工作状态同步到园区模型和子模型中；

当所述静态对象的工作状态异常时，则进行关联预警；其中，关联预警是将预警信息发送至与边缘处理器关联的工作人员。

优选的，所述边缘处理器根据子模型对动态模型进行工作监测，包括：

边缘处理器根据子模型获取动态对象的对象参数；其中，对象参数包括位置、速度和尺寸；

根据所述动态对象关联的子模型以及外围子模型对动态对象进行路径规划，生成规划路径；

根据所述规划路径控制动态对象进行移动，并记录所述动态对象的移动路径。

优选的，所述外围子模型包括所述区域模型中与动态对象关联子模型相邻的子模型。

优选的，所述中央处理器至少与两个所述边缘处理器通信和/或电气连接。

优选的，所述监控设备包括物流园区内固定的高清摄像头，以及移动设备上固定的高清摄像头；其中，所述移动设备包括智能小车。

基于智能物流的图像检测系统的使用方法，包括：

通过监控设备采集目标物的监测图像，并将监测图像分别发送至中央处理器和边缘处理器；

中央处理器对物流园区建模生成园区模型，根据监测图像进行实时渲染更新；中央处理器将园区模型划分为若干子模型，并将若干子模型发送至对应的边缘处理器；

边缘处理器对子模型进行实时渲染，同时根据子模型进行工作监测，并根据监测结果进行控制预警。

与现有技术相比，本发明的有益效果是：

1、本发明通过中央处理器建立物流园区的三维模型，然后通过多源监测图像对物流园区进行渲染；较现有技术只能通过图像识别技术完成简单任务，本发明将各种监控设备联合起来，对单一目标物进行全方位控制和预警，提高了监控设备的利用率，能够执行更加复杂的任务，提高物流的智能化水平。

2、本发明中边缘处理器也可对子模型进行实时渲染，通过中央处理器和边缘处理器的协作，能够有效提高数据处理效率，保证工作效率；同时，园区模型和子模型能够表现物流园区内的多种细节，更加直观地反映园区内的状态，有助于工作人员对物流园区内状态的掌握。

附图说明

图1为本发明的系统原理示意图；

图2为本发明的工作步骤示意图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1-图2，现有智能物流方案中，图像检测技术的作用比较单一，如监控工作环境、识别条形码等，只能完成比较单一或者简单的任务，无法真正将整个区域内的监控设备联合起来进行智能化决策；为了提高工作效率，本发明提供了基于智能物流的图像检测系统，包括中央处理器、边缘处理器以及与中央处理器和边缘处理器通信和/或电气连接的若干监控设备。

中央处理器的数据处理能力强大，用于进行大批量数据处理；边缘处理器在进行少量数据处理的同时，对目标物进行监测控制。

值得注意的是，监控设备具体为高清摄像头，监控设备固定在物流园区内，或者固定在移动设备上，当然也可以固定在动态对象上，动态对象上的监控设备可以辅助采集静态对象或者其他动态对象的监测图像，用于模型渲染。

在一个实施例中，中央处理器至少与两个边缘处理器相连接；可以理解的是，边缘处理器是在中央处理器建立和渲染园区模型之后，在园区模型的基础上进行的少量数据处理；当中央处理器至于一个边缘处理器相连接时，适用于单一工作场景中，则边缘处理器没有存在的必要，当工作场景比较复杂、数据多源时，则应该为不同的工作场景设置边缘处理器，则中央处理器至少与两个边缘处理器相连接。

在一个实施例中，若干监控设备分别与中央处理器和边缘处理器相连接；监控设备主要是获取目标物的监测图像，中央处理器需要根据监测图像渲染园区模型，而在园区模型建立之后，被划分为若干子模型并发送至边缘处理器时，则边缘处理器再根据后续采集的监测图像进行更新渲染，能够减少流程，提高效率。

在一个实施例中，通过监控设备采集目标物的监测图像，并将监测图像发送至中央处理器和/或边缘处理器；中央处理器对物流园区建模生成园区模型，根据监测图像进行实时渲染更新，将园区模型划分为若干子模型。

本实施例中的园区模型通过物流园区的三维图纸建立，园区三维图纸通过与中央处理器相连接的智能终端导入，中央处理器结合建模软件根据园区三维图纸建立园区模型；其中，智能终端包括智能手机、平板电脑和笔记本电脑，建模软件包括3DS MAX、CATIA；可以理解的是，此处的园区模型实质为物流园区的框架模型。

值得注意的是，建模软件可以联合VR技术是园区模型更加生动直观。

在一个具体的实施例中，监控设备所采集的对象是目标物，本实施例中所指的目标物包括静态对象和动态对象；其中，静态对象包括仓库、门禁、设备和道闸等物流园区内需要监控且不会发生位置变化的对象，动态对象包括自动传送带、智能机器人和智能小车等在物流园区内运动的对象。

在一个可选的实施例中，通过监测图像对园区模型进行渲染，再对渲染之后的园区模型进行划分，生成若干子模型；本实施例以整个园区模型为重心，采集监测图像对整个园区模型进行渲染，在根据监测的区域或者监测的目标物进行划分，生成若干子模型；该方案的主要关注点在物流园区。

在另外一个可选的实施例中，对园区模型进行划分，生成若干子模型，再通过监测图像对若干子模型进行渲染；本实施例根据监测目标物现对园区模型进行划分，生成若干子模型，再根据监测图像对若干子模型进行渲染；该方案的主要关注点在目标物。

值得注意的是，根据目标物对园区模型进行划分，既可以是将一个目标物所在区域或者活动区域划分为一个子模型，也可以是将一个目标物所在区域或者活动区域划分为一个以上的相邻子模型；因此，每个子模型至少关联一个目标物。

在一个实施例中，对静态对象关联的子模型进行渲染，包括：

实时或者定时采集静态对象的监测图像，对监测图像进行图像预处理之后通过建模软件渲染到该静态对象关联的子模型上。

图像预处理包括图像去噪、图像裁剪、图像校正等，通过图像预处理校正监测图像色彩和角度。

值得注意的是，本实施例中的定时的时间间隔包括1秒钟、1分钟、1刻钟等，定时的参数通过中央处理器或者智能终端设置；本实施例中的定时针对静态对象，有些静态对象不需要时时刻刻进行监测，如仓库，每隔一定时间反馈仓库的监控画面即可。

可以理解的是，本实施例中静态对象关联的子模型并非是已经根据园区模型划分出的子模型，而是按照子模型划取原则判定的静态对象对应的子模型。

在一个可选的实施例中，针对静态对象每次获取的监测图像至少为两张，且任意两张监测图像采集点与所述静态对象中心连线之间的角度大于90°，这是为了保证采集的监测图像能够在模型渲染过程中展示静态模型的主要部件或者主要状态。

在一个实施例中，对动态模型关联的子模型进行渲染，包括：

获取动态对象的监测图像，对监测图像进行图像预处理之后，融合获取动态对象的模型并标记为动态模型；

根据动态对象的位置将动态模型渲染到该动态对象关联的子模型中。

值得注意的是，本实施例中的动态模型实质是动态对象的状态，包括位置、尺寸以及周围环境；因此在根据动态模型渲染关联子模型时，还需要对动态模型周围环境进行渲染，避免动态模型在移动过程中出现碰撞或者偏离预设轨迹。

在一个实施例中，边缘处理器根据子模型对静态对象进行工作监测，包括：

边缘处理器根据子模型获取静态对象的工作状态，并将工作状态同步到园区模型和子模型中；

当静态对象的工作状态异常时，则进行关联预警。

具体来说，当静态对象为仓库时，根据仓库关联的子模型获取仓库的共工作状态，当工作状态正常时，则将子模型边界渲染成绿色，当工作状态异常(火灾、浓烟、倒塌)时，则将子模型边界渲染成红色；然后根据工作异常状态进行关联预警；可以理解的是，每个子模型均至少设置一个关联的共工作人员。

在一个实施例中，边缘处理器根据子模型对动态模型进行工作监测，包括：

边缘处理器根据子模型获取动态对象的对象参数；

根据动态对象关联的子模型以及外围子模型对动态对象进行路径规划，生成规划路径；

根据规划路径控制动态对象进行移动，并记录动态对象的移动路径。

具体的，智能小车在仓库中移动时，实时获取智能小车的移动对象，结合智能小车关联的子模型以及外围子模型中的状态，按照时间最短原则或者路径最短原则对智能小车的移动路径进行实时规划，并控制智能小车按照规划的路径进行移动，并记录下移动路径；可以理解的是，当需要用到外围子模型时，中央处理器应该及时将外围子模型发送至需要的边缘处理器。

本实施例中的外围子模型具体是指与动态关联子模型相邻的子模型；举例来说：当智能小车在一条长轨道上运行时，一部分轨道与智能小车属于同一子模型，则另一部分轨道所属的子模型即为外围子模型。

在一个实施例中，提供一种基于智能物流的图像检测系统的使用方法，包括：

通过监控设备采集目标物的监测图像，并将监测图像分别发送至中央处理器和边缘处理器；

中央处理器对物流园区建模生成园区模型，根据监测图像进行实时渲染更新；中央处理器将园区模型划分为若干子模型，并将若干子模型发送至对应的边缘处理器；

边缘处理器对子模型进行实时渲染，同时根据子模型进行工作监测，并根据监测结果进行控制预警。

本发明的工作原理：

通过分布在物流园区的监控设备采集目标物的监测图像，将监测图像分别发送至中央处理器和边缘处理器。

中央处理器根据监测图像和园区三维图纸对物流园区进行建模，生成园区模型；将园区模型划分成若干个子模型，将子模型分发至对应的边缘处理器。

边缘处理器对子模型进行实时的补充渲染，并结合子模型对目标物进行工作监测，根据监测结果控制目标物，或者对目标物的状态进行预警。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (10)

1.基于智能物流的图像检测系统，包括中央处理器、边缘处理器以及与中央处理器和边缘处理器通信和/或电气连接的若干监控设备，其特征在于：

通过若干所述监控设备实时或定时采集目标物的监测图像；其中，所述目标物包括动态对象和静态对象；

所述中央处理器对物流园区建模生成园区模型，根据监测图像进行实时渲染更新；将所述园区模型划分为若干子模型；

所述边缘处理器根据关联的子模型进行工作监测，并根据监测结果进行控制预警。

2.根据权利要求1所述的基于智能物流的图像检测系统，其特征在于，通过所述监控设备实时或定时获取所述静态对象的监测图像；通过所述监控设备实时获取所述动态对象的监测图像。

3.根据权利要求1所述的基于智能物流的图像检测系统，其特征在于，所述中央处理器根据物流园区三维图纸进行建模，获取园区模型；其中，物流园区三维图纸通过与中央处理器通信和/或电气连接的智能终端导入。

4.根据权利要求1所述的基于智能物流的图像检测系统，其特征在于，通过所述监测图像对园区模型进行渲染，再对渲染之后的所述园区模型进行划分，生成若干所述子模型；或者

对所述园区模型进行划分，生成若干所述子模型，再通过所述监测图像对若干所述子模型进行渲染。

5.根据权利要求4所述的基于智能物流的图像检测系统，其特征在于，每个所述子模型至少关联一个目标物。

6.根据权利要求1所述的基于智能物流的图像检测系统，其特征在于，对所述静态对象关联的所述子模型进行渲染，包括：

获取所述静态对象的监测图像，对所述监测图像进行图像预处理之后，渲染到该静态对象关联的子模型中；其中，所述图像预处理包括图像去噪、图像裁剪和图像校正。

7.根据权利要求1所述的基于智能物流的图像检测系统，其特征在于，对所述动态对象关联的所述子模型进行渲染，包括：

获取所述动态对象的监测图像，对所述监测图像进行图像预处理之后，融合获取所述动态对象的模型并标记为动态模型；

根据所述动态对象的位置将所述动态模型渲染到该动态对象关联的子模型中。

8.根据权利要求1所述的基于智能物流的图像检测系统，其特征在于，所述边缘处理器根据子模型对静态对象进行工作监测，包括：

边缘处理器根据子模型获取静态对象的工作状态，并将工作状态同步到园区模型和子模型中；

当所述静态对象的工作状态异常时，则进行关联预警；其中，关联预警是将预警信息发送至与边缘处理器关联的工作人员。

9.根据权利要求1所述的基于智能物流的图像检测系统，其特征在于，所述边缘处理器根据子模型对动态模型进行工作监测，包括：

边缘处理器根据子模型获取动态对象的对象参数；其中，对象参数包括位置、速度和尺寸；

根据所述动态对象关联的子模型以及外围子模型对动态对象进行路径规划，生成规划路径；

根据所述规划路径控制动态对象进行移动，并记录所述动态对象的移动路径。

10.根据权利要求1至权利要求9任意一项所述的基于智能物流的图像检测系统的使用方法，其特征在于，包括：

通过监控设备采集目标物的监测图像，并将监测图像分别发送至中央处理器和边缘处理器；

中央处理器对物流园区建模生成园区模型，根据监测图像进行实时渲染更新；中央处理器将园区模型划分为若干子模型，并将若干子模型发送至对应的边缘处理器；

边缘处理器对子模型进行实时渲染，同时根据子模型进行工作监测，并根据监测结果进行控制预警。

Images