CN115035181A - 容积使用率的监控方法、装置和计算机可读存储介质 - Google Patents
容积使用率的监控方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN115035181A CN115035181A CN202210630188.2A CN202210630188A CN115035181A CN 115035181 A CN115035181 A CN 115035181A CN 202210630188 A CN202210630188 A CN 202210630188A CN 115035181 A CN115035181 A CN 115035181A
- Authority
- CN
- China
- Prior art keywords
- container
- volume
- cargo
- determining
- depth
- 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
- G06T7/60—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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种容积使用率的监控方法、装置和计算机可读存储介质,涉及物流技术领域。容积使用率的监控方法包括:根据容器所装载的货物的体积和容器的容积,确定容器的期望剩余容积;根据容器的深度图像,确定容器的实际剩余容积;根据期望剩余容积、实际剩余容积和容器的容积,确定容器的使用率偏差;在使用率偏差超过预设值的情况下,产生报警信息。本发明的实施例能够更准确地判断当前容器中的货物装载是否合理,并在装载不合理时发送报警,以便及时对货物的排布进行优化。从而,提高了容积使用率监控的准确性,并且部署成本低,易于推广。
Description
技术领域
本发明涉及物流技术领域,特别涉及一种容积使用率的监控方法、装置和计算机可读存储介质。
背景技术
在货物运输的场景中,公司是通过车辆运送的趟数进行付费,若一些车辆的装载率较低,则运输同等数量的货物,需要使用更多的车次或增加更多的运送趟数,这不仅增加了货物运送的成本,也降低了货物运送的时效。每年因为物流运输车辆容积使用率不足导致的资金损失达到亿元级别。
在相关技术中,有两种容积使用情况的确定方式。
1)基于深度相机直接进行车辆容积使用情况的测量。通过深度相机获取深度图像,计算车厢的容积使用情况。为提升测量的精度,可以选用不同型号的3D摄像头或增加摄像头的个数,使用多个摄像头信息综合分析的方式来提高准确性。
2)使用X光进行车辆容积使用情况的测量。通过采用X光对车厢进行多角度的扫描,并采用计算机视觉的方法进行分析,获得车厢容积使用率的数据。
发明内容
发明人通过对相关技术进行分析后发现,如果仅基于深度相机直接进行车辆容积使用率测量,较难解决遮挡的问题,因为,在车厢外部放置货物会遮挡住后面的区域,导致无法获得被遮挡区域的容积使用情况,极大地影响了测量的准确性,与实际的情况存在很大的误差;采用X光扫描的方案虽然能够在一定程度上解决遮挡的问题,提升车辆容积使用率测量的精度,但其成本非常高,需要大型的图像获取设备,从多个角度拍摄X光图片才能够得到计算车辆容积使用率的完整信息,较难进行大规模的推广使用。
本发明实施例所要解决的一个技术问题是:如何提供一种准确的、易于推广使用的容积测量方式。
根据本发明一些实施例的第一个方面,提供一种容积使用率的监控方法,包括:根据容器所装载的货物的体积和容器的容积,确定容器的期望剩余容积;根据容器的深度图像,确定容器的实际剩余容积;根据期望剩余容积、实际剩余容积和容器的容积,确定容器的使用率偏差;在使用率偏差超过预设值的情况下,产生报警信息。
在一些实施例中,根据容器的深度图像,确定容器的实际剩余容积包括:检测容器的入口的边缘,将边缘内的区域作为容器的有效区域,其中,有效区域包括多个有效区域面元;根据容器的深度图像,确定每个有效区域面元对应的容器实际深度;根据每个有效区域面元的面积和相应的容器实际深度,确定容器的实际剩余容积。
在一些实施例中,监控方法还包括:将位置相邻的、对应的深度差距小于预设值的面元进行合并,获得一个或多个子区域;根据每个子区域的面积和对应的深度,确定每个子区域对应的可用容积;在装载货物之前,根据每个子区域的可用容积和货物的体积,将位置最低、并能够容纳货物的子区域确定为货物的推荐装载区域;在推荐装载区域中,确定货物的推荐摆放位置。
在一些实施例中,监控方法还包括:在容器的图像中的推荐摆放位置上,标注货物的轮廓并进行显示。
在一些实施例中,监控方法还包括:根据预先获取的货物的尺寸,确定货物面积最大的表面;将以货物面积最大的表面作为底面的摆放方式作为推荐摆放方式,以便将位置最低、并能够容纳货物以推荐摆放方式摆放的子区域确定为货物的推荐装载区域。
在一些实施例中,监控方法还包括:在容器空置的情况下,将容器的实际剩余容积确定为容器的容积。
在一些实施例中,监控方法还包括:在货物被装载之前,使用深度摄像机获取货物的深度图像;根据货物的深度图像,确定货物的体积。
在一些实施例中,根据货物的深度图像,确定货物的体积包括:根据货物的深度图像,确定深度图像中货物的边缘;深度图像中货物的边缘,确定货物朝向深度摄像机的表面的面积、以及货物到深度摄像机的第一深度;将深度摄像机到货物放置平面的第二深度和第一深度之差,确定为货物的高度;根据货物的表面的面积、以及高度,确定货物的体积。
在一些实施例中,监控方法还包括:检测货物的图像的特征对应的特征向量;响应于特征向量与预先存储的特征向量之间的距离小于预设距离,将预先存储的向量对应的体积确定为货物的体积。
在一些实施例中,容器为车厢。
在一些实施例中,监控方法还包括:检测容器的深度图像中是否存在目标干扰物;在容器的深度图像中存在目标干扰物的情况下,重新获取容器的深度图像。
在一些实施例中,根据容器所装载的货物的体积和容器的容积,确定容器的期望剩余容积包括:将容器的容积与容器所装载的所有货物的体积之差,确定为容器的期望剩余容积。
根据本发明一些实施例的第二个方面,提供一种容积使用率的监控装置,包括:期望剩余容积确定模块,被配置为根据容器所装载的货物的体积和容器的容积,确定容器的期望剩余容积;实际剩余容积确定模块,被配置为根据容器的深度图像,确定容器的实际剩余容积;使用率偏差确定模块,被配置为根据期望剩余容积、实际剩余容积和容器的容积,确定容器的使用率偏差;报警模块,被配置为在使用率偏差超过预设值的情况下,产生报警信息。
根据本发明一些实施例的第三个方面,提供一种容积使用率的监控装置,包括:存储器;以及耦接至存储器的处理器,处理器被配置为基于存储在存储器中的指令,执行前述任意一种容积使用率的监控方法。
根据本发明一些实施例的第四个方面,提供一种容积使用率的监控系统,包括:前述任意一种容积使用率的监控装置;以及第一深度摄像头,位于容器的入口处,用于获取容器的深度图像,并发送给监控装置。
在一些实施例中,监控系统还包括:第二深度摄像头,用于拍摄货物的深度图像。
在一些实施例中,货物经传送带传送,并且第二深度摄像头位于传送带上方、并且拍摄方向朝向传送带。
根据本发明一些实施例的第五个方面,提供一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现前述任意一种容积使用率的监控方法。
上述发明中的一些实施例具有如下优点或有益效果。本发明的实施例能够更准确地判断当前容器中的货物装载是否合理,并在装载不合理时发送报警,以便及时对货物的排布进行优化。从而,提高了容积使用率监控的准确性,并且部署成本低,易于推广。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示出了根据本发明一些实施例的容积使用率的监控方法的流程示意图。
图2示出了根据本发明一些实施例的货物体积确定方法的流程示意图。
图3示出了根据本发明一些实施例的容器实际剩余容积确定方法的流程示意图。
图4示出了根据本发明一些实施例的货物摆放位置推荐方法的流程示意图。
图5示出了根据本发明一些实施例的容积使用率的监控装置的结构示意图。
图6示出了根据本发明一些实施例的容积使用率的监控系统的结构示意图。
图7示出了根据本发明一些实施例的应用场景示意图。
图8示出了根据本发明另一些实施例的容积使用率的监控装置的结构示意图。
图9示出了根据本发明又一些实施例的容积使用率的监控装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
图1示出了根据本发明一些实施例的容积使用率的监控方法的流程示意图。如图1所示,该实施例的容积使用率的监控方法包括步骤S102~S108。
在步骤S102中,根据容器所装载的货物的体积和容器的容积,确定容器的期望剩余容积。
在一些实施例中,将容器的容积与容器所装载的所有货物的体积之差,确定为容器的期望剩余容积。
期望剩余容积是指理想情况下容器的剩余容积,理想情况是指已装载的所有货物紧密排放、并整体上紧贴容器底部。然而,由于实际情况中货物的尺寸不一致,货物之间难免存在缝隙,因此实际剩余容积和期望剩余容积之间存在差异。
在步骤S104中,根据容器的深度图像,确定容器的实际剩余容积。
在一些实施例中,检测容器的深度图像中是否存在目标干扰物;在容器的深度图像中存在目标干扰物的情况下,重新获取容器的深度图像。
例如,在装车场景中,容器为车厢。在车厢入口处经常有工作人员和搬货用的叉车经过,人体和叉车即可视为干扰物,可能会影响深度检测的结果。此时重新获取深度图像,能够提升准确性。
在一些实施例中,利用目标检测算法,确定深度图像中是否存在干扰物。
在步骤S106中,根据期望剩余容积、实际剩余容积和容器在空置情况下的容积,确定容器的使用率偏差。
在步骤S108中,在使用率偏差超过预设值的情况下,产生报警信息。
设EVt为t时刻的期望剩余容积,RVt为t时刻的实际剩余容积,V为容器的容积,δ为预先设置的使用率偏差报警阈值。则报警的条件为:
在一些实施例中,上述实施例由服务器执行。在确定使用率偏差超过预设值时,服务器向终端发送报警信息,以便装货人员能够获知目前的货物装载存在问题。
在一些实施例中,每向容器中装载一件货物,触发一次上述监控方法的执行。
通过上述实施例,能够更准确地判断当前容器中的货物装载是否合理,并在装载不合理时发送报警,以便及时对货物的排布进行优化。从而,提高了容积使用率监控的准确性,并且部署成本低,易于推广。
下面参考图2描述利用深度摄像机确定货物体积的确定方法。
图2示出了根据本发明一些实施例的货物体积确定方法的流程示意图。如图2所示,该实施例的货物体积确定方法包括步骤S202~S204。
在步骤S202中,在货物被装载之前,使用深度摄像机获取货物的深度图像。
例如,在物流月台装车场景中,货物通过传送带被传送到装车处。在这种场景下,可以在传送带上方部署拍摄方向朝向传送带的深度摄像机,以更方便地获取货物的深度图像。
在步骤S204中,根据货物的深度图像,确定货物的体积。
在一些实施例中,根据货物的深度图像,确定深度图像中货物的边缘,例如使用Cascade RCNN算法;深度图像中货物的边缘,确定货物朝向深度摄像机的表面的面积、以及货物到深度摄像机的第一深度;将深度摄像机到货物放置平面的第二深度和第一深度之差,确定为货物的高度,第二深度例如为深度摄像机到传送带平面的距离;根据货物的表面的面积、以及高度,确定货物的体积,例如将面积和高度的乘积作为货物的体积。
从而,可以快速地获取货物的体积。
在实际的应用场景中,摄像头拍摄区域范围内往往有多个物体,为了进一步提升计算效率,可以预先判断物体的体积是否被计算过。在一些实施例中,检测货物的图像的特征;响应于特征向量与预先存储的特征向量之间的距离小于预设距离,将预先存储的向量对应的体积确定为货物的体积,该距离例如通过欧式距离表示。如果该特征与预先存储的所有向量之间的距离都大于预设距离,则采用例如图2实施例的方式进行计算,并在计算后存储图像的特征向量和计算的体积之间的对应关系。
在一些实施例中,特征向量和体积的对应关系存储在数据库中。
在一些实施例中,通过深度学习模型提取货物的特征。
上述实施例将检测到的货物图像的特征向量作为这个货物的标识信息。如果该货物的体积已经被计算,则该货物的标识信息会被存储到数据库中。当再次检测到有货物要被装载时,首先提取货物的特征、并将其与已知体积的货物的特征进行比对。当两个特征向量之间的欧式距离大于预设距离时,判定此货物没有被检测过,会被作为新的货物进行计算。通过这种方法,能够有效地避免货物的重复计算。
下面参考图3描述利用深度摄像机确定容器的实际剩余容积的实施例。
图3示出了根据本发明一些实施例的容器实际剩余容积确定方法的流程示意图。如图3所示,该实施例的实际剩余容积确定方法包括步骤S302~S306。
在步骤S302中,检测容器的入口的边缘,将边缘内的区域作为容器的有效区域,其中,有效区域包括多个有效区域面元。
在一些实施例中,使用深度学习检测算法(例如YOLO算法)对容器的入口的边缘进行检测。
用很多小的平面描述一个曲面,这些小的平面就称为“面元”。从而,可以将复杂的物体表面视为多个平面进行处理,降低了计算的复杂度。
在步骤S304中,根据容器的深度图像,确定每个有效区域面元对应的容器实际深度。
例如,将深度图像中反映的深度与深度摄像机到容器入口之间的距离之差,确定为实际深度。
在步骤S306中,根据每个有效区域面元的面积和相应的容器实际深度,确定容器的实际剩余容积。例如,使用每个有效区域面元的面积和深度的乘积作为该有效区域面元对应的体积,将所有有效区域面元的体积之和确定为容器的实际剩余容积。
上述方法也适用于确定容器的容积。例如,在容器空置的情况下,将容器的实际剩余容积确定为容器的容积。
通过上述实施例,能够确定容器中各个区域最靠外的物品与容器入口的距离,进而确定容器实际可用的容积。该实施例的方法易于部署和实现。
本发明的一些实施例还可以推荐货物的摆放位置。下面参考图4描述本发明货物摆放位置推荐方法的实施例。
图4示出了根据本发明一些实施例的货物摆放位置推荐方法的流程示意图。如图4所示,该实施例的货物摆放位置推荐方法包括步骤S402~S408。
在步骤S402中,将位置相邻的、对应的深度差距小于预设值的面元进行合并,获得一个或多个子区域。
在步骤S404中,根据每个子区域的面积和对应的深度,确定每个子区域对应的可用容积。
在步骤S406中,在装载货物之前,根据每个子区域的可用容积和货物的体积,将位置最低、并能够容纳货物的子区域确定为货物的推荐装载区域。
从而,可以使得货物由下至上摆放。
在步骤S408中,在推荐装载区域中,确定货物的推荐摆放位置。
在一些实施例中,将推荐装载区域中的预设边缘位置确定为货物的推荐摆放位置。例如,预设货物由左至右摆放,则将推荐装载区域中的左边缘的位置确定为货物的推荐摆放位置。在一些实施例中,将推荐装载区域中最靠近容器底部的位置确定为货物的推荐摆放位置,以将货物尽量紧贴容器内侧摆放。
这两种推荐摆放位置的确定方式还可以结合使用。例如,预设推荐摆放位置从容器的左下角开始,按照从下到上、从左到右、从里到外的顺序依次遍历是否有合适的子区域,以使得货物紧密排布。
在一些实施例中,当货物被放置在推荐摆放位置后,不会出现悬空。即,被摆放货物的底面面积应当小于或等于该货物底面的接触面的面积。
在一些实施例中,还可以在容器的图像中的推荐摆放位置上,标注货物的轮廓并进行显示。该容器的图像可以是容器的平面图像,还可以是容器的三维虚拟图像。例如,在容器的图像中的推荐摆放位置上,高亮显示待装载的货物的轮廓。从而,用户可以根据该位置装载货物。当然,如果货物被机器人等设备自动装载,也可以不显示,而是将推荐摆放位置的信息发送给用于装载货物的设备的控制器。
在一些实施例中,为了使得货物放置时更稳定,根据预先获取的货物的尺寸,确定货物面积最大的表面;将以货物面积最大的表面作为底面的摆放方式作为推荐摆放方式,以便将位置最低、并能够容纳货物以推荐摆放方式摆放的子区域确定为货物的推荐装载区域。
通过上述实施例,能够预先根据可用的容积和货物的体积确定推荐摆放方式,从而当按照该摆放方式摆放货物时,能够进一步提升容器内的空间利用率。
图5示出了根据本发明一些实施例的容积使用率的监控装置的结构示意图。如图5所示,该实施例的监控装置500包括:期望剩余容积确定模块5100,被配置为根据容器所装载的货物的体积和容器的容积,确定容器的期望剩余容积;实际剩余容积确定模块5200,被配置为根据容器的深度图像,确定容器的实际剩余容积;使用率偏差确定模块5300,被配置为根据期望剩余容积、实际剩余容积和容器的容积,确定容器的使用率偏差;报警模块5400,被配置为在使用率偏差超过预设值的情况下,产生报警信息。
在一些实施例中,实际剩余容积确定模块5200进一步被配置为检测容器的入口的边缘,将边缘内的区域作为容器的有效区域,其中,有效区域包括多个有效区域面元;根据容器的深度图像,确定每个有效区域面元对应的容器实际深度;根据每个有效区域面元的面积和相应的容器实际深度,确定容器的实际剩余容积。
在一些实施例中,监控装置500还包括推荐摆放位置确定模块5500,被配置为将位置相邻的、对应的深度差距小于预设值的面元进行合并,获得一个或多个子区域;根据每个子区域的面积和对应的深度,确定每个子区域对应的可用容积;在装载货物之前,根据每个子区域的可用容积和货物的体积,将位置最低、并能够容纳货物的子区域确定为货物的推荐装载区域;在推荐装载区域中,确定货物的推荐摆放位置。
在一些实施例中,推荐摆放位置确定模块5500进一步被配置为在容器的图像中的推荐摆放位置上,标注货物的轮廓并进行显示。
在一些实施例中,推荐摆放位置确定模块5500根据预先获取的货物的尺寸,确定货物面积最大的表面;将以货物面积最大的表面作为底面的摆放方式作为推荐摆放方式,以便将位置最低、并能够容纳货物以推荐摆放方式摆放的子区域确定为货物的推荐装载区域。
在一些实施例中,实际剩余容积确定模块5200在容器空置的情况下,将容器的实际剩余容积确定为容器的容积。
在一些实施例中,监控装置500还包括货物体积确定模块5600,被配置为在货物被装载之前,使用深度摄像机获取货物的深度图像;根据货物的深度图像,确定货物的体积。
在一些实施例中,货物体积确定模块5600进一步被配置为根据货物的深度图像,确定深度图像中货物的边缘;深度图像中货物的边缘,确定货物朝向深度摄像机的表面的面积、以及货物到深度摄像机的第一深度;将深度摄像机到货物放置平面的第二深度和第一深度之差,确定为货物的高度;根据货物的表面的面积、以及高度,确定货物的体积。
在一些实施例中,货物体积确定模块5600进一步被配置为检测货物的图像的特征对应的特征向量;响应于特征向量与预先存储的特征向量之间的距离小于预设距离,将预先存储的向量对应的体积确定为货物的体积。
在一些实施例中,容器为车厢。
在一些实施例中,监控装置500还包括图像获取模块5700,被配置为检测容器的深度图像中是否存在目标干扰物;在容器的深度图像中存在目标干扰物的情况下,重新获取容器的深度图像。
在一些实施例中,期望剩余容积确定模块5100进一步被配置为将容器的容积与容器所装载的所有货物的体积之差,确定为容器的期望剩余容积。
在一些实施例中,监控装置500位于后台服务器中。
图6示出了根据本发明一些实施例的容积使用率的监控系统的结构示意图。如图6所示,该实施例的容积使用率的监控系统60包括容积使用率的监控装置500;以及第一深度摄像头610,位于容器的入口处,用于获取容器的深度图像,并发送给监控装置。
在一些实施例中,监控系统60还包括:第二深度摄像头620,用于拍摄货物的深度图像。
在一些实施例中,货物经传送带传送,并且第二深度摄像头位于传送带上方、并且拍摄方向朝向传送带。
图7示出了根据本发明一些实施例的应用场景示意图。如图7所示,在该实施例中,货物71经传送带72被送至物流月台,在传送带72上方设置有深度摄像头73,用于采集货物的深度图像、以确定货物的尺寸和体积;在物流月台处,作为容器的车厢74入口处设置有深度摄像头75,其拍摄方向朝向车厢74内部。后台服务器可以与深度摄像头73和75交互,以根据获取的深度图像,采用前述实施例的方法对车厢的容积使用率进行监控。
图8示出了根据本发明另一些实施例的容积使用率的监控装置的结构示意图。如图8所示,该实施例的容积使用率的监控装置80包括:存储器810以及耦接至该存储器810的处理器820,处理器820被配置为基于存储在存储器810中的指令,执行前述任意一个实施例中的容积使用率的监控方法。
其中,存储器810例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。
图9示出了根据本发明又一些实施例的容积使用率的监控装置的结构示意图。如图9所示,该实施例的容积使用率的监控装置90包括:存储器910以及处理器920,还可以包括输入输出接口930、网络接口940、存储接口950等。这些接口930,940,950以及存储器910和处理器920之间例如可以通过总线960连接。其中,输入输出接口930为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口940为各种联网设备提供连接接口。存储接口950为SD卡、U盘等外置存储设备提供连接接口。
本发明的实施例还提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现前述任意一种容积使用率的监控方法。
本领域内的技术人员应当明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (18)
1.一种容积使用率的监控方法,包括:
根据容器所装载的货物的体积和所述容器的容积,确定所述容器的期望剩余容积;
根据所述容器的深度图像,确定所述容器的实际剩余容积;
根据所述期望剩余容积、所述实际剩余容积和所述容器的容积,确定所述容器的使用率偏差;
在所述使用率偏差超过预设值的情况下,产生报警信息。
2.根据权利要求1所述的监控方法,其中,所述根据所述容器的深度图像,确定所述容器的实际剩余容积包括:
检测所述容器的入口的边缘,将所述边缘内的区域作为所述容器的有效区域,其中,所述有效区域包括多个有效区域面元;
根据所述容器的深度图像,确定每个有效区域面元对应的容器实际深度;
根据每个有效区域面元的面积和相应的容器实际深度,确定所述容器的实际剩余容积。
3.根据权利要求2所述的监控方法,还包括:
将位置相邻的、对应的深度差距小于预设值的面元进行合并,获得一个或多个子区域;
根据每个子区域的面积和对应的深度,确定每个子区域对应的可用容积;
在装载所述货物之前,根据每个子区域的可用容积和所述货物的体积,将位置最低、并能够容纳所述货物的子区域确定为所述货物的推荐装载区域;
在所述推荐装载区域中,确定所述货物的推荐摆放位置。
4.根据权利要求3所述的监控方法,还包括:
在容器的图像中的推荐摆放位置上,标注所述货物的轮廓并进行显示。
5.根据权利要求3所述的监控方法,还包括:
根据预先获取的所述货物的尺寸,确定所述货物面积最大的表面;
将以所述货物面积最大的表面作为底面的摆放方式作为推荐摆放方式,以便将位置最低、并能够容纳所述货物以所述推荐摆放方式摆放的子区域确定为所述货物的推荐装载区域。
6.根据权利要求2所述的监控方法,还包括:
在所述容器空置的情况下,将所述容器的实际剩余容积确定为所述容器的容积。
7.根据权利要求1所述的监控方法,还包括:
在所述货物被装载之前,使用深度摄像机获取所述货物的深度图像;
根据所述货物的深度图像,确定所述货物的体积。
8.根据权利要求7所述的监控方法,其中,所述根据所述货物的深度图像,确定所述货物的体积包括:
根据所述货物的深度图像,确定所述深度图像中所述货物的边缘;
所述深度图像中所述货物的边缘,确定所述货物朝向所述深度摄像机的表面的面积、以及所述货物到所述深度摄像机的第一深度;
将所述深度摄像机到所述货物放置平面的第二深度和所述第一深度之差,确定为所述货物的高度;
根据所述货物的所述表面的面积、以及所述高度,确定所述货物的体积。
9.根据权利要求1所述的监控方法,还包括:
检测所述货物的图像的特征对应的特征向量;
响应于所述特征向量与预先存储的特征向量之间的距离小于预设距离,将所述预先存储的向量对应的体积确定为所述货物的体积。
10.根据权利要求1所述的监控方法,其中,所述容器为车厢。
11.根据权利要求1或10所述的监控方法,还包括:
检测所述容器的深度图像中是否存在目标干扰物;
在所述容器的深度图像中存在所述目标干扰物的情况下,重新获取所述容器的深度图像。
12.根据权利要求1所述的监控方法,其中,所述根据容器所装载的货物的体积和所述容器的容积,确定所述容器的期望剩余容积包括:
将所述容器的容积与容器所装载的所有货物的体积之差,确定为所述容器的期望剩余容积。
13.一种容积使用率的监控装置,包括:
期望剩余容积确定模块,被配置为根据容器所装载的货物的体积和所述容器的容积,确定所述容器的期望剩余容积;
实际剩余容积确定模块,被配置为根据所述容器的深度图像,确定所述容器的实际剩余容积;
使用率偏差确定模块,被配置为根据所述期望剩余容积、所述实际剩余容积和所述容器的容积,确定所述容器的使用率偏差;
报警模块,被配置为在所述使用率偏差超过预设值的情况下,产生报警信息。
14.一种容积使用率的监控装置,包括:
存储器;以及
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如权利要求1~12中任一项所述的容积使用率的监控方法。
15.一种容积使用率的监控系统,包括:
权利要求13或14所述的容积使用率的监控装置;以及
第一深度摄像头,位于容器的入口处,用于获取所述容器的深度图像,并发送给所述监控装置。
16.根据权利要求15所述的监控系统,还包括:
第二深度摄像头,用于拍摄货物的深度图像。
17.根据权利要求16所述的监控系统,其中,所述货物经传送带传送,并且所述第二深度摄像头位于所述传送带上方、并且拍摄方向朝向所述传送带。
18.一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现权利要求1~12中任一项所述的容积使用率的监控方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210630188.2A CN115035181A (zh) | 2022-06-06 | 2022-06-06 | 容积使用率的监控方法、装置和计算机可读存储介质 |
PCT/CN2023/097357 WO2023236825A1 (zh) | 2022-06-06 | 2023-05-31 | 容积使用率的监控方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210630188.2A CN115035181A (zh) | 2022-06-06 | 2022-06-06 | 容积使用率的监控方法、装置和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115035181A true CN115035181A (zh) | 2022-09-09 |
Family
ID=83122229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210630188.2A Pending CN115035181A (zh) | 2022-06-06 | 2022-06-06 | 容积使用率的监控方法、装置和计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115035181A (zh) |
WO (1) | WO2023236825A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2023236825A1 (zh) * | 2022-06-06 | 2023-12-14 | 京东科技控股股份有限公司 | 容积使用率的监控方法、装置和计算机可读存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117575443B (zh) * | 2024-01-17 | 2024-04-19 | 金华市浙中公铁联运港有限公司 | 一种铁路场站停靠区域智能管理方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014011821A1 (de) * | 2014-08-08 | 2016-02-11 | Cargometer Gmbh | Vorrichtung und Verfahren zur Volumenbestimmung eines durch ein Flurförderzeug bewegten Objekts |
DE102018006765B4 (de) * | 2018-08-27 | 2021-02-25 | Daimler Ag | Verfahren und system(e) für das management von frachtfahrzeugen |
CN110057292B (zh) * | 2019-05-27 | 2021-05-18 | 杭州亚美利嘉科技有限公司 | 车厢装载率的确定方法和装置 |
CN110751445B (zh) * | 2019-10-25 | 2023-04-07 | 上海德启信息科技有限公司 | 一种库区货物管控方法、装置及存储介质 |
CN112945100A (zh) * | 2021-03-02 | 2021-06-11 | 武汉理工大学 | 一种基于双目视觉的货车车厢容积测量系统 |
CN115035181A (zh) * | 2022-06-06 | 2022-09-09 | 京东科技控股股份有限公司 | 容积使用率的监控方法、装置和计算机可读存储介质 |
-
2022
- 2022-06-06 CN CN202210630188.2A patent/CN115035181A/zh active Pending
-
2023
- 2023-05-31 WO PCT/CN2023/097357 patent/WO2023236825A1/zh unknown
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023236825A1 (zh) * | 2022-06-06 | 2023-12-14 | 京东科技控股股份有限公司 | 容积使用率的监控方法、装置和计算机可读存储介质 |
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 |
Also Published As
Publication number | Publication date |
---|---|
WO2023236825A1 (zh) | 2023-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115035181A (zh) | 容积使用率的监控方法、装置和计算机可读存储介质 | |
EP3764281B1 (en) | Methods of identifying firearms in radiographic images | |
CN105787923B (zh) | 用于平面表面分割的视觉系统和分析方法 | |
US20210192761A1 (en) | Image depth estimation method and device, readable storage medium, and electronic apparatus | |
US5978504A (en) | Fast planar segmentation of range data for mobile robots | |
US20170178333A1 (en) | Methods and systems for occlusion detection and data correction for container-fullness estimation | |
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 | |
CN111814739B (zh) | 快递包裹体积的检测方法、装置、设备及存储介质 | |
PL239620B1 (pl) | Sposoby i układ do szacowania napełnienia pojemnika | |
CN111492404A (zh) | 计算商用拖车装载中的包裹壁密度 | |
CN111553914A (zh) | 基于视觉的货物检测方法、装置、终端及可读存储介质 | |
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 | |
CN112756265A (zh) | 物品分拣异常检测方法、装置工控设备及存储介质 | |
CN114119644A (zh) | 一种基于边缘特征的模板匹配方法 | |
CN111080701A (zh) | 智能柜物体检测方法、装置、服务器及存储介质 | |
CN115631329B (zh) | 一种用于开放式车厢的装载控制方法、系统和存储介质 | |
CN114897964A (zh) | 容积测量方法、装置、系统和计算机可读存储介质 | |
WO2020021580A1 (en) | Apparatus and method for automatically checking a piece of baggage | |
CN114742503B (zh) | 一种基于深度学习的智慧物流拼车方法和装置 | |
CN113988740A (zh) | 车厢装卸率计算方法及装置 | |
CN112710227B (zh) | 箱体体积测量方法及其系统 | |
CN111932576B (zh) | 一种基于深度相机的物体边界测量方法和装置 | |
CN114819821A (zh) | 货物出库校验方法、装置、计算机设备和存储介质 | |
CN116433742A (zh) | 搬运车辆违规判断方法、装置、电子设备及可读存储介质 | |
CN115427755A (zh) | 填充率测量方法、信息处理装置以及程序 |
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 |