CN114442183A - 智能储物装置及智能储物方法 - Google Patents
智能储物装置及智能储物方法 Download PDFInfo
- Publication number
- CN114442183A CN114442183A CN202011398208.5A CN202011398208A CN114442183A CN 114442183 A CN114442183 A CN 114442183A CN 202011398208 A CN202011398208 A CN 202011398208A CN 114442183 A CN114442183 A CN 114442183A
- Authority
- CN
- China
- Prior art keywords
- sensing data
- storage space
- weight
- storage
- time point
- 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
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
- G01V8/20—Detecting, e.g. by using light barriers using multiple transmitters or receivers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47B—TABLES; DESKS; OFFICE FURNITURE; CABINETS; DRAWERS; GENERAL DETAILS OF FURNITURE
- A47B81/00—Cabinets or racks specially adapted for other particular purposes, e.g. for storing guns or skis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/52—Weighing apparatus combined with other objects, e.g. furniture
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47B—TABLES; DESKS; OFFICE FURNITURE; CABINETS; DRAWERS; GENERAL DETAILS OF FURNITURE
- A47B2220/00—General furniture construction, e.g. fittings
- A47B2220/0091—Electronic or electric devices
Abstract
本发明提供一种智能储物装置及智能储物方法。智能储物装置包括储物空间、红外线传感器、重量传感器、收发器以及处理器。储物空间适用于存储对象。红外线传感器感测储物空间以产生红外线感测数据。重量传感器感测储物空间中的对象以产生重量感测数据。处理器耦接红外线传感器、重量传感器以及收发器,其中处理器根据红外线感测数据和重量感测数据判断对象是否被置入或被移出储物空间以产生事件记录,并且通过收发器传送事件记录。
Description
技术领域
本发明涉及一种智能储物装置与智能储物方法。
背景技术
为节省人力成本,智能商店系统的相关技术正逐渐发展。现有的智能储物装置通常是利用储物空间的影像以判断物品是否被拿取或放入储物空间。然而,仅利用影像容易出现误判。举例来说,当对象被从储物空间中的一位置移动到储物空间中的另一位置时,传统基于影像辨识技术的智能储物装置可能将被移动的对象误判为已被移出储物空间。基此,需要提出一种改良的智能储物装置。
发明内容
本公开提出一种智能储物装置与智能储物方法,可准确地判断对象是否被置入或移出储物空间。
本公开的一种智能储物装置,包含储物空间、红外线传感器、重量传感器、收发器以及处理器。储物空间适用于存储对象。红外线传感器感测储物空间以产生红外线感测数据。重量传感器感测储物空间中的对象以产生重量感测数据。处理器耦接红外线传感器、重量传感器以及收发器,其中处理器根据红外线感测数据和重量感测数据判断对象是否被置入或被移出储物空间以产生事件记录,并且通过收发器传送事件记录。
本公开的一种智能储物方法,包括:由红外线传感器感测储物空间以产生红外线感测数据;由重量传感器感测储物空间中的对象以产生重量感测数据;以及根据红外线感测数据和重量感测数据判断对象是否被置入或被移出储物空间以产生事件记录,并且传送事件记录。
基于上述,本公开的智能储物装置可以利用红外线传感器以及重量传感器,判断是否有对象从储物空间被拿取或是被置入储物空间以产生事件记录,并且输出事件记录以辅助智能商店系统确认对象的流向。
为让本公开的上述特征和优点能更明显易懂,下文特举实施例,并配合附图作详细说明如下。
附图说明
图1是根据本公开的一实施例示出的一种智能储物装置的示意图。
图2是根据本公开的一实施例示出的判断对象是否被置入或被移出储物空间的示意图。
图3是根据本公开的一实施例示出的智能储物装置的影像感测数据的示意图。
图4是根据本公开的一实施例示出的一种判断对象是否被置入或被移出储物空间的方法的示意图。
图5是根据本公开的一实施例示出的储物空间的示意图。
图6A是根据本公开的一实施例示出的储物空间的另一示意图。
图6B是根据本公开的一实施例示出的储物空间的另一示意图。
图7A是根据本公开的一实施例示出的一种辨识对象的示意图。
图7B是根据本公开的一实施例示出的一种辨识对象的另一示意图。
图8是根据本公开的一实施例示出的一种智能储物方法的流程图。
附图标记说明
100:智能储物装置;
110:储物空间;
120:红外线传感器;
130:重量传感器;
140:收发器;
150:处理器;
160:影像传感器;
170:存储介质;
180:第二重量传感器;
190:第二红外线传感器;
t1、t2、t3、t4:时间点;
300、301:影像感测数据;
311、312、313:对象;
S1、S2:位置;
A、B:对象;
701、702:影像感测数据;
800:智能储物方法;
S801、S803、S805:步骤。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
图1是根据本公开的一实施例示出的一种智能储物装置100的示意图。智能储物装置100可包括储物空间110、红外线传感器120、重量传感器130、收发器140以及处理器150。在一实施例中,智能储物装置100还可包括存储介质170、第二重量传感器180以及第二红外线传感器190。智能储物装置100可以被设置在一般的商店或是智能无人商店等,但本公开不限于此。
储物空间110适用于存储对象。基于智能储物装置100的类型,储物空间110可具有多种不同的态样。举例来说,储物空间110可以是置物柜、冰柜、铁架或层板等。
红外线传感器120(或第二红外线传感器190)可耦接处理器150,并可感测储物空间110以产生红外线感测数据。举例来说,红外线传感器120可向储物空间110发送红外线。当红外线被储物空间110中的对象(例如:伸进储物空间110的手)遮蔽时,红外线传感器120可被触发以开始产生红外线感测数据。当红外线未被储物空间110中的对象遮蔽时,红外线传感器120可被触发以停止产生红外线感测数据。
重量传感器130(或第二重量传感器180)例如是一般的电子秤。重量传感器130可耦接处理器150,并可感测储物空间110中的对象以产生重量感测数据。重量感测数据可包含储物空间110中对象的重量。
在一实施例中,处理器150可以根据重量临界值以及重量感测数据判断对象是否被置入或被移出储物空间110。例如,重量临界值可以被设置为10公克。处理器150可根据重量感测数据判断储物空间110中的对象的重量的变化。若储物空间110中的对象的重量的增加量超过10公克,则处理器150可判断有对象被置入储物空间110。若储物空间110中的对象的重量的减少量超过10公克,则处理器150可判断有对象被移出储物空间110。
收发器140可以无线或有线的方式传送及接收讯号。
处理器150例如是中央处理单元(central processing unit,CPU),或是其他可程序化之一般用途或特殊用途的微控制单元(micro control unit,MCU)、微处理器(microprocessor)、数字信号处理器(digital signal processor,DSP)、可程序化控制器、特殊应用集成电路(application specific integrated circuit,ASIC)、图形处理器(graphics processing unit,GPU)、算数逻辑单元(arithmetic logic unit,ALU)、复杂可程序逻辑装置(complex programmable logic device,CPLD)、现场可程序化逻辑门阵列(field programmable gate array,FPGA)或其他类似组件或上述组件的组合。处理器150可以耦接红外线传感器120、重量传感器130以及收发器140。处理器150可以根据红外线感测数据和重量感测数据判断对象是否被置入或被移出储物空间110以产生事件记录,并且通过收发器140传送事件记录。举例来说,处理器150可通过收发器140将事件记录传送给智能商店系统,以辅助智能商店系统确认顾客是否拿取了储物空间110中的对象。
存储介质170例如是任何型态的固定式或可移动式的随机存取内存(randomaccess memory,RAM)、只读存储器(read-only memory,ROM)、闪存(flash memory)、硬盘(hard disk drive,HDD)、固态硬盘(solid state drive,SSD)或类似组件或上述组件的组合,而用于存储可由处理器150执行的多个模块或各种应用程序。
图2是根据本公开的一实施例示出的判断对象是否被置入或被移出储物空间110的示意图。参照图2,红外线传感器120可在时间点t1与时间点t2之间产生红外线感测数据,其中时间点t2晚于时间点t1。具体来说,红外线感测数据可以在红外线传感器120发出的红外线被遮蔽时(例如于时间点t1时用户伸入储物空间110的手遮蔽了红外线)开始产生,并且红外线感测数据可以在红外线传感器120发出的红外线不再被遮蔽时(例如于时间点t2时用户离开储物空间110的手已经不再遮蔽红外线)停止产生。
处理器150可以判断重量感测数据是否在红外线感测数据产生的期间(即:时间点t1至时间点t2期间)发生变化。处理器150可以响应于重量感测数据在时间点t1与时间点t2之间发生变化而判断对象被置入或被移出储物空间110,从而产生对应的事件记录。参照图2所示的时间轴,处理器150可以自重量传感器130分别获得在时间点t1和在时间点t2时储物空间110的重量感测数据,并且根据重量感测数据判断储物空间110在时间点t1时的重量以及在时间点t2时的重量。若重量感测数据在时间点t1和时间点t2之间发生变化,且时间点t2时储物空间110的重量小于时间点t1时储物空间110的重量,则处理器150可以判断有对象从储物空间110被移出,并可产生例如记载了有对象从储物空间被移出的事件记录。若时间点t2时储物空间110的重量大于时间点t1时储物空间110的重量,则处理器150可以判断有对象被置入储物空间110,并可产生例如记载了「有对象被置入储物空间」的事件记录。
在一实施例中,处理器150可以在时间点t1后启动重量传感器130,并且在时间点t2后关闭重量传感器130,从而节省电力。
在一实施例中,本公开的智能储物装置100还可包括影像传感器160。影像传感器160可以是一般的摄影机或是监视装置。影像传感器160可以耦接处理器150。影像传感器160可以感测储物空间110以产生影像感测数据。影像感测数据可包含对应于储物空间110中的对象的影像。
处理器150可以根据影像感测数据判断对象是否被置入或被移出储物空间110以产生事件记录。此外,处理器150可以同时利用影像传感器和重量传感器以判断对象是否被置入或被移出储物空间110。
图3是根据本公开的一实施例示出的智能储物装置100的影像感测数据的示意图。如图3所示,智能储物装置100的储物空间110可以包括对象311、对象312以及对象313。影像传感器160可以感测储物空间110中的对象以产生对应于感测对象311、对象312以及对象313的影像感测数据。影像感测数据可以包括对应于时间点t3的影像感测数据300以及对应于时间点t4的影像感测数据301,其中时间点t4晚于时间点t3。在图3所示的例子中,假设人员在时间点t3和时间点t4期间将对象313移动到对象311的前方,并且对象311并未被移出储物空间110。由于对应于时间点t3的影像感测数据300与对应于时间点t4的影像感测数据301并不相同,因此,若处理器150仅使用影像差异判断是否有对象被移出储物空间110,则处理器150可能会误判对象在时间点t3与时间点t4之间被移出储物空间110。
为了避免误判,智能储物装置100可以同时利用影像传感器160产生的影像感测数据和重量传感器130产生的重量感测数据来判断是否有对象被置入或移出储物空间110。具体来说,如图3所示,重量传感器130可分别获得储物空间110在时间点t3时的重量感测数据和储物空间110在时间点t4时的重量感测数据。假设时间点t3的重量感测数据和时间点t4的重量感测数据相同,但时间点t3的影像感测数据300与时间点t4的影像感测数据301不同,则处理器150可以借此判断时间点t3与时间点t4之间并没有对象被置入或被移出储物空间110,而是有对象从储物空间110中的一位置被移动到储物空间110中的另一位置。据此,在时间点t3到时间点t4期间,处理器150将不产生事件记录。在另一实施例中,假设时间点t3的重量感测数据和时间点t4的重量感测数据不同,并且时间点t3的影像感测数据300与时间点t4的影像感测数据301不同,则处理器150可以借此判断时间点t3到时间点t4有对象被置入或被移出储物空间110,进而产生事件记录。
处理器150可以根据影像临界值以及影像感测数据判断对象是否被置入或被移出储物空间110。例如,影像临界值可以被设置为预设像素数量。在一实施例中,根据不同对象(如对象311、对象312、对象313)的尺寸以及影像传感器160的架设位置、角度及视野(fieldof view)等参数,处理器150可计算各对象在影像传感器160上的长度、宽度及面积,并且基于所计算出的长度、宽度及面积为各对象(如对象311、对象312、对象313)分别设置影像临界值。
处理器150可根据影像感测数据判断储物空间110的影像变化。若储物空间110在时间点t3和时间点t4期间的影像变化超过所述默认像素数量,则处理器150可判断有对象被置入或被移出储物空间110,并且产生对应的事件记录。
图4是根据本公开的一实施例示出的一种判断对象是否被置入或被移出储物空间110的方法的示意图。参照如图4所示的时间轴,当红外线传感器120所发出的红外线在时间点t1被遮蔽时(例如:用户的手伸入储物空间110),红外线传感器120可被触发以开始产生红外线感测数据。当红外线在时间点t2不再被遮蔽时(例如:用户的手离开储物空间110),红外线传感器120可被触发以停止产生红外线感测数据。影像感测数据可以包括对应于时间点t3的第一影像感测数据以及对应于时间点t4的第二影像感测数据,其中第一影像感测数据例如是用户的手在时间点t3伸入储物空间110前的影像,并且第二影像感测数据例如是用户的手在时间点t4离开储物空间110后的影像。
处理器150可根据重量感测数据与影像感测数据来判断对象是否被置入或移出储物空间110,进而产生记载了判断结果的事件记录。具体来说,处理器150可根据红外线感测数据以及重量感测数据决定储物空间110中的对象在时间点t1至时间点t2期间的重量变化。处理器150可根据重量变化判断对象是否被置入或被移出储物空间110以产生初步的判断结果。例如,处理器150可基于对象的重量的增加量超过重量临界值而判断对象被置入储物空间110,并可基于对象的重量的减少量超过重量临界值而判断对象被移出储物空间110。
若初步的判断结果指示有对象被置入或被移出储物空间110,则处理器150可进一步根据影像感测数据决定储物空间110在时间点t3至时间点t4期间的影像变化。处理器150可根据影像变化判断对象是否被置入或被移出储物空间110以产生判断结果。例如,处理器150可基于在时间点t3至时间点t4期间的影像变化超过影像临界值而判断对象被置入或被移出储物空间110。
在事件记录产生后,处理器150可以通过收发器140传送事件记录。事件记录例如可以被传送到智能商店系统,以辅助智能商店系统更正确地记录储物空间110中的对象被拿取或置入的历程,本公开不限制事件记录的应用方式。
图5是根据本公开的一实施例示出的储物空间110的示意图。储物空间110可以包括位置S1以及位置S2。位置S1可用以放置对象A,位置S2可用以放置对象B。存储介质170可以存储对应于储物空间110的储物信息。储物信息可指示对象以及对象在储物空间110中的位置。举例来说,储物信息可指示储物空间110包含对象A,并且对象A被放置在位置S1。储物信息还可指示储物空间110包含对象B,并且对象B被放置在位置S2。
存储介质170还可存储与重量传感器130以及第二重量传感器180相对应的多个参考重量变化型样(pattern),其中多个参考重量变化型样分别对应于储物空间110中的多个位置。举例来说,存储介质170可存储对应于位置S1的第一参考重量变化型样,并可存储对应于位置S2的第二参考重量变化型样。
参考重量变化型样可包含一对象被置入或移出储物空间110时,由重量传感器130以及第二重量传感器180所测量到的重量的变化的相关信息。假设重量传感器130以及第二重量传感器180被分别设置于储物空间110中的不同位置。为了产生储物空间110的每一个位置的参考重量变化型样,在储物空间110尚未摆放对象时,用户可以将固定重量(例如:100公克)的砝码放置于位置S1。在砝码被放置于位置S1之后,重量传感器130的重量感测数据以及第二重量传感器180的第二重量感测数据将会产生变化。存储介质170可将该变化视为对应于位置S1的第一参考重量变化型样,并可存储第一参考重量变化型样。
在对位置S2同样执行上述步骤后,存储介质170可以记录如表1的内容。表1中,对应于位置S1的重量感测数据的变化以及第二重量感测数据的变化即可为对应于位置S1的第一参考重量变化型样,并且对应于位置S2的重量感测数据的变化以及第二重量感测数据的变化即可为对应于位置S2的第二参考重量变化型样。
表1
位置 | 重量感测数据的变化 | 第二重量感测数据的变化 |
S1 | 149.9683 | 11.87 |
S2 | 65.78 | 156.82 |
在建立如表1的参考重量变化型样之后,若一对象被置入或移出储物空间110,则重量传感器130以及第二重量传感器180可分别测量出重量感测数据的变化以及第二重量感测数据的变化。处理器150可以响应于重量感测数据的变化以及第二重量感测数据的变化与特定位置的参考重量变化型样匹配而判断该特定位置上的对象被置入或移出储物空间110。例如,若重量感测数据的变化以及第二重量感测数据的变化与表1的位置S1的第一参考重量变化型样匹配,则处理器150可以判断是位置S1上的对象被置入或移出储物空间110。处理器150可以根据储物信息得知位置S1放置的是对象A。因此,处理器150可辨识被置入或移出储物空间110的对象为对象A,从而产生事件记录。
值得注意的是,虽然上述的实施例的储物空间110可包含两个重量传感器,但本公开不限于此。举例来说,储物空间110可配置N个重量传感器,并且N为任意的正整数。换句话说,一个位置的参重量变化型样可对应于N个重量传感器。
图6A是根据本公开的一实施例示出的储物空间110的另一示意图。储物空间110可以包括位置S1以及位置S2。位置S1可用以放置对象A,位置S2可用以放置对象B。存储介质170可以存储对应于储物空间110的储物信息。储物信息可指示对象以及对象在储物空间110中的位置。举例来说,储物信息可指示储物空间110包含对象A,并且对象A被放置在位置S1。储物信息还可指示储物空间110包含对象B,并且对象B被放置在位置S2。
存储介质170还可以存储对应于红外线传感器的位置信息。位置信息可指示红外线传感器以及储物空间110中可由该红外线传感器侦测的位置。举例来说,红外线传感器120以及第二红外线传感器190可经配置以侦测储物空间110中的不同位置。红外线传感器120可用以侦测储物空间110中的位置S1,并且第二红外线传感器190可用以侦测储物空间110中的位置S2。存储介质170所存储的位置信息可指示红外线传感器120对应于位置S1,并且第二红外线传感器190对应于位置S2。
若一对象被置入或移出储物空间110时触发了红外线传感器120,则红外线传感器120可产生红外线感测数据。另一方面,若一对象被置入或移出储物空间110时触发了第二红外线传感器190,则第二红外线传感器190可产生第二红外线感测数据。处理器150可根据红外线感测数据或第二红外线感测数据判断特定位置上的对象被置入或移出储物空间110。例如,处理器150可响应于由红外线传感器120产生的红外线感测数据而判断对应于红外线传感器120的位置S1上的对象被置入或移出。处理器150可以根据储物信息得知位置S1放置的是对象A。因此,处理器150可辨识被置入或移出储物空间110的对象为对象A,从而产生事件记录。
值得注意的是,虽然上述的实施例的储物空间110可包含两个红外线传感器,但本公开不限于此。举例来说,储物空间110可配置N个红外线传感器,并且N个红外线传感器可分别对应于储物空间110中的M个位置,并且N和M为任意的正整数。
图6B是根据本公开的一实施例示出的储物空间110的另一示意图。相似于图6A,图6B的储物空间110同样可包括位置S1以及位置S2,并且存储介质170可存储前述的储物信息与对应于红外线传感器(红外线传感器120与第二红外线传感器190)的位置信息,于此不再赘述。
影像传感器160可经配置以侦测储物空间110中的不同位置,并且产生对应的影像感测数据。举例来说,影像传感器160可用以侦测储物空间110中的位置S1和位置S2。存储介质170所存储的储物信息可指示对应于位置S1的对象种类以及对应于位置S2的对象种类。
影像感测数据可包含对应于第一时间点的第一影像感测数据以及对应于第二时间点的第二影像感测数据,其中第二时间点可晚于第一时间点。举例来说,第一影像感测数据和第二影像感测数据可与位置S1和位置S2相关。若一对象在第一时间点与第二时间点之间被置入或移出储物空间110,则影像感测数据可发生变化。处理器150可响应于影像感测数据在第一时间点与第二时间点之间发生变化而根据如图6A的实施例所述的方法,即,根据第一时间点和第二时间点之间的红外线感测数据或第二红外线感测数据来判断出储物空间110中的特定位置上的对象被移动。
举例来说,处理器150可响应于影像感测数据在第一时间点和第二时间点之间发生变化而根据红外线传感器120及/或第二红外线传感器190的侦测结果判断位置S1上的对象被移动。处理器150可基此产生事件记录。
在一实施例中,存储介质170可存储各对象的影像数据(例如对象的照片)。处理器150可利用影像传感器160产生的影像感测数据来辨识对象以及对象的数量。图7A是根据本公开的一实施例示出的一种辨识对象的示意图。请参照图7A,若影像传感器160产生的影像感测数据701是清晰(例如,无对象被遮蔽),处理器150可比对影像感测数据与存储介质170所预先存储的影像数据。若影像感测数据与存储介质170所存储的影像数据中对象为匹配,处理器150可以辨识出影像感测数据中的对象以及对象的数量。处理器150还可根据储物信息进一步确认影像感测数据中的对象。举例来说,若处理器150根据影像感测数据判断位置S1上被移动的对象可能为对象A或对象B,则处理器150可响应于储物信息指示位置S1对应于对象A而判断被移动的对象应为对象A。基此,处理器150可基于影像感测数据的变化判断被置入或被移出储物空间110的对象的种类以及数量。
在另一实施例中,存储介质170可存储各对象的重量数据,例如,对象A的重量数据Wa、对象B的重量数据Wb以及对象C的重量数据Wc等。
图7B是根据本公开的一实施例示出的一种辨识对象的另一示意图,请同时参考图6B与图7B。若影像传感器160产生的影像感测数据702并非是清晰的(例如,有对象被遮蔽或是部分重迭),则在处理器150比对影像感测数据与存储介质170所预先存储的影像数据之后,处理器150将发现影像感测数据702与存储介质170所存储的影像数据中对象无法完全匹配。处理器150可经由前述图6A实施例(判断红外线感测数据以及第二红外线感测数据与位置信息匹配)的方式辨识被置入或移出储物空间110的对象为哪一个对象。假设处理器150辨识被置入或移出储物空间110的对象为对象A与对象B,处理器150可根据重量数据与重量感测数据辨识对象的数量,从而产生事件记录。举例来说,假设此时的重量感测数据(有对象被移出储物空间110时所增加或减少的重量)是W公克,处理器150可经由下述公式1,计算出对象A的数量Na与对象B的数量Nb(Na与Nb为正整数)。
Na*Wa+Nb*Wb=W…(公式1)
亦即,在辨识被置入或移出储物空间110的对象为对象A与对象B之后,本公开的处理器150可根据存储介质170所预存储的各对象的重量数据(Wa、Wb)、重量传感器130所产生的重量感测数据(W公克)以及上述公式1,辨识出对象A的数量Na与对象B的数量Nb,从而产生事件记录。
图8是根据本公开的一实施例示出的一种智能储物方法800的流程图。智能储物方法800可由如图1所示的智能储物装置100实施。在步骤S801,由红外线传感器感测储物空间以产生红外线感测数据。在步骤S803,由重量传感器感测储物空间中的对象以产生重量感测数据。在步骤S805,根据红外线感测数据和重量感测数据判断对象是否被置入或被移出储物空间以产生事件记录,并且传送事件记录。
综上所述,本公开的智能储物装置可以利用红外线传感器以及重量传感器,判断对象是否被置入或被移出储物空间,并且产生事件记录。此外,智能储物装置更可以利用影像传感器产生确认影像感测数据,并且确认影像感测数据是否发生变化以判断对象被置入或被移出储物空间,并且产生事件记录。如此一来,可以更精确地确认储物空间中的对象动向。传统的根据影像辨识技术来辨识储物空间中的物品的技术会因遮蔽等因素而降低辨识率,并且需要运用大量的运算资源。相对来说,本公开的处理器可仅在红外线传感器以及重量传感器被触发时才开始进行运算。因此,本公开可省去大量的运算资源。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (20)
1.一种智能储物装置,其特征在于,包括:
储物空间,适用于存储对象;
红外线传感器,感测所述储物空间以产生红外线感测数据;
重量传感器,感测所述储物空间中的所述对象以产生重量感测数据;
收发器;以及
处理器,耦接所述红外线传感器、所述重量传感器以及所述收发器,其中
所述处理器根据所述红外线感测数据和所述重量感测数据判断所述对象是否被置入或被移出所述储物空间以产生事件记录,并且通过所述收发器传送所述事件记录。
2.根据权利要求1所述的智能储物装置,其中所述处理器根据重量临界值以及所述重量感测数据判断所述对象是否被置入或被移出所述储物空间。
3.根据权利要求1所述的智能储物装置,其中
所述红外线感测数据在第一时间点与第二时间点之间产生,其中
所述处理器判断所述重量感测数据是否在所述第一时间点与所述第二时间点之间发生变化,并且响应于所述重量感测数据在所述第一时间点与所述第二时间点之间发生变化而产生所述事件记录。
4.根据权利要求3所述的智能储物装置,还包括:
影像传感器,耦接所述处理器,其中所述影像传感器感测所述储物空间以产生影像感测数据,其中
所述处理器根据所述影像感测数据判断所述对象是否被置入或被移出所述储物空间以产生所述事件记录。
5.根据权利要求4所述的智能储物装置,其中所述处理器根据影像临界值以及所述影像感测数据判断所述对象是否被置入或被移出所述储物空间。
6.根据权利要求4所述的智能储物装置,其中
所述第二时间点晚于所述第一时间点,其中
所述影像感测数据包括对应于第三时间点的第一影像感测数据以及对应于第四时间点的第二影像感测数据,其中所述第三时间点早于所述第一时间点,并且所述第四时间点晚于所述第二时间点,其中
所述处理器根据所述第一影像感测数据以及所述第二影像感测数据判断所述影像感测数据是否在所述第三时间点与所述第四时间点之间发生变化,并且响应于所述影像感测数据在所述第三时间点与所述第四时间点之间发生变化而产生所述事件记录。
7.根据权利要求1所述的智能储物装置,还包括:
第二重量传感器,耦接所述处理器,其中所述第二重量传感器感测所述储物空间中的所述对象以产生第二重量感测数据;
存储介质,耦接所述处理器,其中所述存储介质存储对应于所述储物空间的储物信息,并且存储对应于所述重量传感器以及所述第二重量传感器的参考重量变化型样,其中所述储物信息指示所述对象以及所述对象在所述储物空间中的位置,其中所述参考重量变化型样对应于所述位置,其中
所述处理器响应于所述重量感测数据以及所述第二重量感测数据与所述参考重量变化型样匹配而判断所述位置上的第二对象被置入或移出所述储物空间,其中
所述处理器根据所述储物信息辨识所述第二对象为所述对象,从而产生所述事件记录。
8.根据权利要求1所述的智能储物装置,其中所述智能储物装置还包括:
第二红外线传感器,耦接所述处理器,其中所述第二红外线传感器感测所述储物空间中的所述对象以产生第二红外线感测数据;
存储介质,耦接所述处理器,其中所述存储介质存储对应于所述储物空间的储物信息,并且存储对应于所述红外线传感器以及所述第二红外线传感器的位置信息,其中所述储物信息指示所述对象以及所述对象在所述储物空间中的位置,其中所述位置信息指示所述红外线传感器以及所述第二红外线传感器对应于所述位置,其中
所述处理器响应于所述红外线感测数据以及所述第二红外线感测数据与所述位置信息匹配而判断所述位置上的至少一第二对象被置入或移出所述储物空间,其中
所述处理器根据所述储物信息辨识所述至少一第二对象为所述对象,从而产生所述事件记录。
9.根据权利要求8所述的智能储物装置,还包括:
影像传感器,耦接所述处理器,其中所述影像传感器感测所述储物空间以产生影像感测数据,其中
所述存储介质还存储对应于至少一第二对象的影像数据,其中
响应于所述影像感测数据在第一时间点和第二时间点之间发生变化,所述处理器根据所述第一时间点和所述第二时间点之间的所述红外线感测数据以及所述第二红外线感测数据判断所述位置上的所述至少一第二对象被置入或移出所述储物空间,并且根据所述影像感测数据以及所述影像数据来辨识所述至少一第二对象为所述对象,从而产生所述事件记录。
10.根据权利要求9所述的智能储物装置,其中
所述存储介质还存储所述至少一第二对象的重量数据,其中
所述处理器根据所述重量数据与所述重量感测数据辨识所述至少一第二对象的数量,从而产生所述事件记录。
11.一种智能储物方法,其特征在于,包括:
由红外线传感器感测储物空间以产生红外线感测数据;
由重量传感器感测所述储物空间中的对象以产生重量感测数据;以及
根据所述红外线感测数据和所述重量感测数据判断所述对象是否被置入或被移出所述储物空间以产生事件记录,并且传送所述事件记录。
12.根据权利要求11所述的智能储物方法,其中根据所述红外线感测数据和所述重量感测数据判断所述对象是否被置入或被移出所述储物空间以产生所述事件记录的步骤包括:
根据重量临界值以及所述重量感测数据判断所述对象是否被置入或被移出所述储物空间。
13.根据权利要求11所述的智能储物方法,其中
所述红外线感测数据在第一时间点与第二时间点之间产生,其中
根据所述红外线感测数据和所述重量感测数据判断所述对象是否被置入或被移出所述储物空间以产生所述事件记录的步骤包括:
判断所述重量感测数据是否在所述第一时间点与所述第二时间点之间发生变化;以及
响应于所述重量感测数据在所述第一时间点与所述第二时间点之间发生变化而产生所述事件记录。
14.根据权利要求13所述的智能储物方法,还包括:
由影像传感器感测所述储物空间以产生影像感测数据,其中
响应于所述重量感测数据在所述第一时间点与所述第二时间点之间发生变化而产生所述事件记录的步骤包括:
根据所述影像感测数据判断所述对象是否被置入或被移出所述储物空间以产生所述事件记录。
15.根据权利要求14所述的智能储物方法,其中根据所述影像感测数据判断所述对象是否被置入或被移出所述储物空间以产生所述事件记录的步骤包括:
根据影像临界值以及所述影像感测数据判断所述对象是否被置入或被移出所述储物空间。
16.根据权利要求14所述的智能储物方法,其中
所述第二时间点晚于所述第一时间点,其中
所述影像感测数据包括对应于第三时间点的第一影像感测数据以及对应于第四时间点的第二影像感测数据,其中所述第三时间点早于所述第一时间点,并且所述第四时间点晚于所述第二时间点,其中
根据所述影像感测数据判断所述对象是否被置入或被移出所述储物空间以产生所述事件记录的步骤包括:
根据所述第一影像感测数据以及所述第二影像感测数据判断所述影像感测数据是否在所述第三时间点与所述第四时间点之间发生变化;以及
响应于所述影像感测数据在所述第三时间点与所述第四时间点之间发生变化而产生所述事件记录。
17.根据权利要求11所述的智能储物方法,其中根据所述红外线感测数据和所述重量感测数据判断所述对象是否被置入或被移出所述储物空间以产生所述事件记录的步骤包括:
由第二重量传感器感测所述储物空间中的所述对象以产生第二重量感测数据;
由存储介质存储对应于所述储物空间的储物信息,并且存储对应于所述重量传感器以及所述第二重量传感器的参考重量变化型样,其中所述储物信息指示所述对象以及所述对象在所述储物空间中的位置,其中所述参考重量变化型样对应于所述位置;
响应于所述重量感测数据以及所述第二重量感测数据与所述参考重量变化型样匹配而判断所述位置上的第二对象被置入或移出所述储物空间;以及
根据所述储物信息辨识所述第二对象为所述对象,从而产生所述事件记录。
18.根据权利要求11所述的智能储物方法,其中根据所述红外线感测数据和所述重量感测数据判断所述对象是否被置入或被移出所述储物空间以产生所述事件记录的步骤包括:
由第二红外线传感器感测所述储物空间中的所述对象以产生第二红外线感测数据;
由存储介质存储对应于所述储物空间的储物信息,并且存储对应于所述红外线传感器以及所述第二红外线传感器的位置信息,其中所述储物信息指示所述对象以及所述对象在所述储物空间中的位置,其中所述位置信息指示所述红外线传感器以及所述第二红外线传感器对应于所述位置;
响应于所述红外线感测数据以及所述第二红外线感测数据与所述位置信息匹配而判断所述位置上的第二对象被置入或移出所述储物空间;以及
根据所述储物信息辨识所述第二对象为所述对象,从而产生所述事件记录。
19.根据权利要求18所述的智能储物方法,还包括:
由影像传感器感测所述储物空间以产生影像感测数据;
所述存储介质还存储对应于至少一第二对象的影像数据;
响应于所述影像感测数据在所述第一时间点和所述第二时间点之间发生变化,根据所述第一时间点和所述第二时间点之间的所述红外线感测数据以及所述第二红外线感测数据判断所述位置上的所述至少一第二对象被置入或移出所述储物空间,并且根据所述影像感测数据以及所述影像数据来辨识所述至少一第二对象为所述对象,从而产生所述事件记录。
20.根据权利要求19所述的智能储物方法,还包括:
由所述存储介质存储所述至少一第二对象的重量数据;以及
根据所述重量数据与所述重量感测数据辨识所述至少一第二对象的数量,从而产生所述事件记录。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109138572A TWI756904B (zh) | 2020-11-05 | 2020-11-05 | 智慧儲物裝置及智慧儲物方法 |
TW109138572 | 2020-11-05 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114442183A true CN114442183A (zh) | 2022-05-06 |
Family
ID=81360657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011398208.5A Pending CN114442183A (zh) | 2020-11-05 | 2020-12-04 | 智能储物装置及智能储物方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11561323B2 (zh) |
CN (1) | CN114442183A (zh) |
TW (1) | TWI756904B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11928823B2 (en) * | 2021-06-23 | 2024-03-12 | Zebra Technologies Corporation | Transient sensor monitoring definitions for edge computing devices |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU6339698A (en) | 1997-02-27 | 1998-09-18 | Inframedia Corporation | In-store consumer targeted messaging system |
DE69806717D1 (de) * | 1997-03-25 | 2002-08-29 | Luigi Fiordelisi | Rechnergestützter einkaufswagen für einen supermarkt mit speicher und ausgabesystem |
US8065155B1 (en) | 1999-06-10 | 2011-11-22 | Gazdzinski Robert F | Adaptive advertising apparatus and methods |
US8711217B2 (en) | 2000-10-24 | 2014-04-29 | Objectvideo, Inc. | Video surveillance system employing video primitives |
EP2065774B1 (en) | 2005-12-02 | 2013-10-23 | iRobot Corporation | Autonomous coverage robot navigation system |
US8425173B2 (en) | 2009-04-10 | 2013-04-23 | Symbotic Llc | Autonomous transports for storage and retrieval systems |
US10176456B2 (en) * | 2013-06-26 | 2019-01-08 | Amazon Technologies, Inc. | Transitioning items from a materials handling facility |
US10268983B2 (en) * | 2013-06-26 | 2019-04-23 | Amazon Technologies, Inc. | Detecting item interaction and movement |
US20150025969A1 (en) | 2013-07-18 | 2015-01-22 | Fetch Rewards, LLC | Multisystem Interface for Roaming Self-Checkout |
TWI531990B (zh) * | 2013-12-24 | 2016-05-01 | 財團法人工業技術研究院 | 互動式儲物與取物系統及互動式取物方法 |
CN106144816B (zh) | 2015-04-03 | 2019-11-12 | 奥的斯电梯公司 | 基于深度传感器的乘客检测 |
EP4239549A3 (en) * | 2015-04-15 | 2023-11-01 | Snap-On Incorporated | Automated asset management system with multiple sensing technologies |
EP3325752A4 (en) * | 2015-07-23 | 2019-03-13 | Apex Industrial Technologies LLC | SYSTEM FOR ACCESSING AND STORING BULK ARTICLES |
US10046229B2 (en) | 2016-05-02 | 2018-08-14 | Bao Tran | Smart device |
CN106530529A (zh) | 2016-11-11 | 2017-03-22 | 贤石金 | 智能收银机 |
US10902160B2 (en) * | 2017-02-22 | 2021-01-26 | Middle Chart, LLC | Cold storage environmental control and product tracking |
US10105288B1 (en) * | 2017-08-20 | 2018-10-23 | Farhad David Nosrati | Smart medication adherence refrigeration tray (SMART) |
US10579875B2 (en) * | 2017-10-11 | 2020-03-03 | Aquifi, Inc. | Systems and methods for object identification using a three-dimensional scanning system |
CN211787297U (zh) * | 2018-09-12 | 2020-10-27 | 虫极科技(北京)有限公司 | 一种重力识别智能货柜 |
US20200160637A1 (en) * | 2018-11-19 | 2020-05-21 | Shuhei Hara | Storage apparatus |
CN109785503A (zh) * | 2018-12-18 | 2019-05-21 | 创新奇智(重庆)科技有限公司 | 一种无人货柜售卖物品的检测方法、检测装置及检测系统 |
CN210324414U (zh) * | 2019-10-22 | 2020-04-14 | 德宝恒生科技服务有限公司 | 一种智能医用储物柜 |
-
2020
- 2020-11-05 TW TW109138572A patent/TWI756904B/zh active
- 2020-12-04 CN CN202011398208.5A patent/CN114442183A/zh active Pending
- 2020-12-15 US US17/121,781 patent/US11561323B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
TW202219905A (zh) | 2022-05-16 |
US11561323B2 (en) | 2023-01-24 |
US20220137256A1 (en) | 2022-05-05 |
TWI756904B (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110472515B (zh) | 货架商品检测方法及系统 | |
JP2018501531A5 (zh) | ||
CN109738884B (zh) | 对象检测方法、装置和计算机设备 | |
CN110216661B (zh) | 跌落区域识别的方法及装置 | |
CN105319551B (zh) | 物体检测装置及其方法 | |
CN109684944B (zh) | 障碍物检测方法、装置、计算机设备和存储介质 | |
CN111723777A (zh) | 商品取放过程判别方法、装置、智能货柜和可读存储介质 | |
CN114442183A (zh) | 智能储物装置及智能储物方法 | |
GB2610468A (en) | Contextualized sensor systems | |
CN108806019A (zh) | 基于加速度传感器的行车记录数据处理方法及装置 | |
CN109243049A (zh) | 一种售货柜的商品存取识别系统及方法 | |
JP6139806B1 (ja) | 人数推定装置、人数推定プログラム及び通過数推定装置 | |
EP3770637B1 (en) | Object recognizing device | |
US20220101296A1 (en) | Article deduction apparatus, article deduction method, and program | |
US11928823B2 (en) | Transient sensor monitoring definitions for edge computing devices | |
CN112312076A (zh) | 智能型移动检测装置 | |
US20240029017A1 (en) | Information processing device, information processing method, and recording medium | |
US20210125166A1 (en) | Systems and methods of identifying a retail item at a checkout node | |
CN113296159B (zh) | 物件感测装置及方法 | |
CN112597938B (zh) | 一种表情检测方法、装置、电子设备及存储介质 | |
CN117494030B (zh) | 基于分布式光纤声波传感的异常事件识别方法及相关装置 | |
KR102581701B1 (ko) | 매장의 결제 서비스를 제공하는 전자 장치 및 방법 | |
US11982745B2 (en) | Object recognizing device | |
US20210361228A1 (en) | Sleep monitoring device and method | |
WO2023063950A1 (en) | Training models for object detection |
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 |