CN115167483A - 农产品仓储系统及其管理方法 - Google Patents

农产品仓储系统及其管理方法 Download PDF

Info

Publication number
CN115167483A
CN115167483A CN202211086693.1A CN202211086693A CN115167483A CN 115167483 A CN115167483 A CN 115167483A CN 202211086693 A CN202211086693 A CN 202211086693A CN 115167483 A CN115167483 A CN 115167483A
Authority
CN
China
Prior art keywords
area
aisle
sweeping robot
cleaned
sweeping
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
Application number
CN202211086693.1A
Other languages
English (en)
Other versions
CN115167483B (zh
Inventor
肖僖
雷亭
李明
刘思
向保军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Haixun Supply Chain Co ltd
Original Assignee
Hunan Haixun Supply Chain Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan Haixun Supply Chain Co ltd filed Critical Hunan Haixun Supply Chain Co ltd
Priority to CN202211086693.1A priority Critical patent/CN115167483B/zh
Publication of CN115167483A publication Critical patent/CN115167483A/zh
Application granted granted Critical
Publication of CN115167483B publication Critical patent/CN115167483B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一般图像数据处理及产生技术领域，公开一种农产品仓储系统及其管理方法，以借助仓储辐射范围更广的视频监控资源提高扫地机器人的整体性价比。方法包括：获取仓库视频监控系统至少两个第三方摄像头以视场角中心线垂直于楼层地面所采集的第一图像；获取用户在仓库楼层所在平面坐标系中所标定的各第一图像所分别对应的图像采集区域信息；根据预置的仓库地面纹理图案逐一提取各第一图像中的过道区域所对应的轮廓信息；将所提取的各过道区域的轮廓信息根据标定关系映射到平面坐标系中；比较当前过道区域的轮廓信息与之前的区域轮廓信息确定新增过道区域，然后规划基于更新后的过道区域对各新增过道区域按先后顺序逐一进行清扫的行进路径。

Description

农产品仓储系统及其管理方法
技术领域
本发明涉及一般的图像数据处理及产生技术领域，尤其涉及一种农产品仓储系统及其管理方法。
背景技术
扫地机器人是当前智能家居中的爆品。部分高档的扫地机器人通常配备了空间认知3D地图和AI自主学习能力。然而，作为扫地机器人应用场景的仓库，仓库通常是在平整的楼面上进行码垛等处理，部分高配的功能模块往往无用武之地，从而使得消费者对价格更敏感。与此同时，尤其是对农产品仓库而言，干净卫生的仓储环境事关食品安全，因此，有待于开发一种农产品仓储系统及其管理方法以提高扫地机器人的性价比。
同时，现有的扫地机器人往往都是基于自身的测距和视觉模块去规避障碍物，数据处理量比较大，且能感知并正确执行逻辑判断及控制的范围有限，进而使得机器人的行驶速度和整体效率等受限。
发明内容
本发明目的在于公开一种农产品仓储系统及其管理方法，以借助仓储辐射范围更广的视频监控资源提高扫地机器人的整体性价比。
为达上述目的，本发明公开的农产品仓储系统的管理方法包括：
步骤S1、扫地机器人在捕捉到用户将扫地模式切换为局部清扫模式后，获取仓库视频监控系统至少两个第三方摄像头以视场角中心线垂直于楼层地面所采集的第一图像，各所述第三方摄像头分布式部署于仓库上空；
步骤S2、所述扫地机器人获取用户在仓库楼层所在平面坐标系中所标定的各所述第一图像所分别对应的图像采集区域信息；
步骤S3、所述扫地机器人根据预置的仓库地面纹理图案逐一提取各所述第一图像中的过道区域所对应的轮廓信息；
步骤S4、所述扫地机器人将所提取的各过道区域的轮廓信息根据标定关系映射到所述平面坐标系中；
步骤S5、所述扫地机器人比较当前过道区域的轮廓信息与本地存储地图中的区域轮廓信息是否一致，如果不一致，判定是否存在新增过道区域，如果存在，确定各所述新增过道区域为第一待清扫区域，然后在将当前过道区域的轮廓信息更新至本地存储地图后，规划基于更新后的过道区域对各所述第一待清扫区域按先后顺序逐一进行清扫的行进路径。
优选地，在所述步骤S3中，还包括：
步骤S31、所述扫地机器人从提取的各所述第一图像中的过道区域所对应轮廓内的图像信息中，根据预设的农产品颗粒模型识别是否存在掉落的颗粒状农产品；如果有，确定清扫各掉落颗粒状农产品的最小外接矩形区域范围，且在所述步骤S5中，还包括：
步骤S51、所述扫地机器人将所确定的清扫各掉落颗粒状农产品的最小外接矩形区域范围设置为第二待清扫区域，然后将各所述第二待清扫区域与所述第一待清扫区域联合进行清扫行进路径的规划。
可选地，所述农产品包括干辣椒、咖啡豆和花生。
优选地，在所述步骤S3中，还包括：
步骤S32、所述扫地机器人计算各所述第一图像中的过道区域所对应轮廓内剩余不存在掉落颗粒状农产品的图像中RGB三通道所分别对应的均值和方差，与预置的所述仓库地面纹理图案中RGB三通道所分别对应的基准均值与基准方差进行对比，判断是否存在均值或方差超出阈值范围的通道，如果存在，在所述步骤S5中，还包括：
步骤S52、所述扫地机器人将存在颜色通道的均值或方差超出阈值范围的过道区域设置为第三待清扫区域，然后将各所述第三待清扫区域与所述第一待清扫区域及所述第二待清扫区域联合进行清扫行进路径的规划。
为达上述目的，本发明还公开一种农产品仓储系统，加载并运行于扫地机器人中，所述扫地机器人包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现上述方法所对应的步骤。
本发明具有以下有益效果：
1、将辐射范围更广的视频监控系统的摄像头视为扫地机器人的辅助摄像头，并通过第三方摄像头所采集的图像信息去快速地确定过道区域的轮廓信息，然后通过比较当前过道区域的轮廓信息与之前的区域轮廓信息确定新增过道区域，进而规划基于更新后的过道区域对各新增过道区域按先后顺序逐一进行清扫的行进路径。整个数据处理过程映射到表征仓库楼层二维信息的平面坐标系中；从而使得数据的处理逻辑严谨并具有很好的精确度。其中，视频监控系统是各个仓库基本必备的现有资源，且通常呈均匀排布；在本实施例中，摄像头越密集，则所分管的区域可越小，通过变焦等操作可使得采集区域的图像信息越丰富，进而为过道区域轮廓信息的提取及后续农产品识别等提供更准确的数据来源。
2、在本发明中，基于多个第三方摄像头可快速地构建二维过道区域地图；相比于三维地图而言，不仅具有显而易见的成本优势，还具有效率优势。在数据处理过程中，一次标定之后，在后续的图像映射过程中，只要摄像头不发生更换，则所建立的标定关系即可反复复用，从而降低了用户的操作频次，提升了用户体验。
3、在农产品仓库中，大部分小件可以以货架进行分层陈列；大件则通常可在开阔区域中码垛，且部分货架还能进行滑移等操作以灵活实现空间的变换；货品地存放通常分类并按先入先出的原则进行库存管理；从而使得现有的农产品仓库中，会不断地新增需清扫的过道区域。藉此，本发明方法尤其适合由最先上班的职员或最后下班职员来启动相关清扫工作，以此降低因职员的流动而对过道区域的逻辑判断造成干扰。
下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例公开的农产品仓储系统的管理方法流程示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1
本实施例公开一种农产品仓储系统的管理方法，如图1所示，包括：
步骤S1、扫地机器人在捕捉到用户将扫地模式切换为局部清扫模式后，获取仓库视频监控系统至少两个第三方摄像头以视场角中心线垂直于楼层地面所采集的第一图像。
在该步骤中，各所述第三方摄像头分布式部署于仓库上空。其中，视频监控系统是各个仓库基本必备的现有资源，且通常呈均匀排布；在本实施例中，摄像头越密集，则所分管的区域可越小，通过变焦等操作可使得采集区域的图像信息越丰富，进而为过道区域轮廓信息的提取及后续农产品识别等提供更准确的数据来源。优选地，本实施例可在每个规划的过道交叉路口的正上方各设一个摄像头。
该步骤，与局部清扫模式相对应的，扫地机器人还存在全局清扫模式。所谓局部清扫模式即只对局部进行清扫，而在不需要清扫的区域则可进行快速地行进并暂停清扫。而全局清扫模式则是按默认的规划路线和避障模式边行进边清扫。通常，用户可通过机身按键、遥控器或APP客户端的交互界面发送相关指令进行动态切换。
同时，在该步骤中，在采集第一图像时，各摄像头以视场角中心线垂直于楼层地面，藉此可确保第一图像的对称性，进而可使得后续步骤在处理标定关系时，也可以基于该对称性进行类推并提高标定关系的可靠性。优选地，视频监控系统的各第三方摄像头以同步的方式采集第一图像，且通常各第三方摄像头在单次模式切换中各提供一帧采集图像即可满足需求，从而对视频监控系统所带来的数据处理压力等影响忽略不计，便于实施。
步骤S2、所述扫地机器人获取用户在仓库楼层所在平面坐标系中所标定的各所述第一图像所分别对应的图像采集区域信息。
在该步骤中，一次标定之后，在后续的图像映射过程中，只要摄像头不发生更换，则所建立的标定关系即可反复复用，从而降低了用户的操作频次，提升了用户体验；换言之，除了在首次切换到局部清扫模式后需要借助用户手动配合以完成对第一图像进行标定，在后续日常使用过程中，只要当前沿用的标定关系所对应的摄像头状态未发生变换，则可以直接获取之前已经建立的标定关系以用于后续的相关数据处理。该标定过程通常在APP客户端实现，在标定过程中，用户可借助相关标记物，并通过标记物之间实质的几何位置关系与第一图像中标记物之间的像素关系去计算各像素点（包括图像顶点）与地面坐标点之间的映射关系，在具体的计算过程中，可以融入拟合、插值等算法，此为现有技术，不做赘述。
值得说明的是，该步骤所建立的标定关系本质当视为在无货架及码垛等干扰下理想的像素点与同一水平地面坐标之间的映射关系，不适用于立体货架或码垛中不处在前述同一水平地面坐标之外的空间坐标点。
步骤S3、所述扫地机器人根据预置的仓库地面纹理图案逐一提取各所述第一图像中的过道区域所对应的轮廓信息。
在该步骤中，仓库的地面纹理图案通常采用统一颜色装修或采用未涂色但经打磨处理的平整面，通常具有颜色一致性。藉此，优选地，该步骤在具体实现时，可以先计算该地面纹理图案RGB各通道的均值和方差，然后以设定像素尺寸的矩形窗去遍历第一图像中的各子区域，并判断RGB各通道的均值和方差都处在与该地面纹理图案RGB各通道的均值和方差所允许波动范围内的子区域为过道区域，并将相邻的同为过道区域的子区域进行融合处理以确定过道区域外部的边界轮廓。可选地，矩形窗所对应像素点的数量通常可为5*5、7*7或9*9等。
步骤S4、所述扫地机器人将所提取的各过道区域的轮廓信息根据标定关系映射到所述平面坐标系中。
该步骤所用的标定关系即上述步骤S2所建立的标定关系，不做赘述。与此同时，基于该标定关系不适用于立体货架或码垛中的空间坐标点，因此，对于第一图像中过道区域外部轮廓之外的信息（包括但不限于货架、码垛、机械臂或叉车等的图像信息）则直接予以丢弃。
值得说明的是，本实施例对标定关系的要求允许一定的误差，只要大体与实际接近即可满足实际要求；该标定关系的核心作用在于树立一个后续步骤S5进行前后对比的统一的标准。
步骤S5、所述扫地机器人比较当前过道区域的轮廓信息与本地存储地图中的区域轮廓信息是否一致，如果不一致，判定是否存在新增过道区域，如果存在，确定各所述新增过道区域为第一待清扫区域，然后在将当前过道区域的轮廓信息更新至本地存储地图后，规划基于更新后的过道区域对各所述第一待清扫区域按先后顺序逐一进行清扫的行进路径。
在该步骤中，通常还存在原来的过道区域被删减等情况，但由于被删减后也就不存在清扫的需求，故不纳入判别处理。与此同时，在规划行进路径的过程中需结合扫地机器人当前所在的位置信息、并基于整体路程最短和/或时间最少等目标进行计算。其中，扫地机器人当前的位置信息可从自身的定位功能模块获取，较佳的，在上述步骤S2标定各摄像头所采集第一图像所分别对应的图像采集区域时，可将该扫地机器人的也作为标志物之一，并在拟合上述标定关系的过程中，以该扫地机器人所定位的自身位置（本实施例为平面坐标系的二维位置）作为相对应第一图像中扫地机器人中心像素点所对应的实质几何位置，进而使得该扫地机器人自身定位的精度能与上述标定关系及过道区域轮廓等的定位精度保持一致，确保了数据的一致性及可靠性。而且，在首次处理上述步骤S2所对应的标定关系时，可以按时间先后分别将该扫地机器人做为标志物之一以置于不同摄像头的视场角下所对应的过道区域中。
在该步骤中，由于过道区域的边界线型通常是直线或弧形等，在具体比较的过程中，可分段拟合各分段轮廓在平面坐标系中的几何函数关系，然后再基于几何函数关系进行比较得出是否发生更新及是否存在新增过道区域。可选地，也可以直接逐一比较轮廓线上各点的位置关系，在当前过道区域中间的坐标点不在本地存储的原有地图中的过道区域中，即判定该坐标点为新增的待清扫的坐标点，并对相邻的新增坐标点融合到同一个待清扫的坐标面中，该融合的坐标面即待清扫的新增过道区域。
优选地，本实施例方法在所述步骤S3中，还包括：
步骤S31、所述扫地机器人从提取的各所述第一图像中的过道区域所对应轮廓内的图像信息中，根据预设的农产品颗粒模型识别是否存在掉落的颗粒状农产品；如果有，确定清扫各掉落颗粒状农产品的最小外接矩形区域范围。且在所述步骤S5中，还包括：
步骤S51、所述扫地机器人将所确定的清扫各掉落颗粒状农产品的最小外接矩形区域范围设置为第二待清扫区域，然后将各所述第二待清扫区域与所述第一待清扫区域联合进行清扫行进路径的规划。
在本案申请人所具体研究的应用场景中，所述农产品至少包括但不限于干辣椒、咖啡豆和花生。
进一步地，在所述步骤S3中，还包括：
步骤S32、所述扫地机器人计算各所述第一图像中的过道区域所对应轮廓内剩余不存在掉落颗粒状农产品的图像中RGB三通道所分别对应的均值和方差，与预置的所述仓库地面纹理图案中RGB三通道所分别对应的基准均值与基准方差进行对比，判断是否存在均值或方差超出阈值范围的通道，如果存在，在所述步骤S5中，还包括：
步骤S52、所述扫地机器人将存在颜色通道的均值或方差超出阈值范围的过道区域设置为第三待清扫区域，然后将各所述第三待清扫区域与所述第一待清扫区域及所述第二待清扫区域联合进行清扫行进路径的规划。
值得说明的是，上述步骤S32中的阈值范围处在上述步骤S3中所识别过道区域轮廓的阈值范围内。换言之，确定过道区域轮廓的阈值范围通常主要用于与货架、货架、码垛、机械臂或叉车等图像信息进行大范围的粗区分；而上述步骤S32则相当于对识别出的过道区域内的图像进行更细一步的分类，以辨别农产品在仓储操作过程中所产生的农产品粉末和被碾压的细小残渣等，并以此作为第三待清扫区域的清扫对象，从而有效避免鼠患的产生。
可选地，本实施例方法还包括：所述扫地机器人根据用户操作指令将扫地模式从所述局部清扫模式切换为全局清扫模式。
由于被碾碎的农产品粉末或残渣具有一定的粘性，其沾附在滚轮上会对扫地机器人按上述步骤中规划的路径行进时产生方向偏移并影响行进速度。为此，进一步地，本实施例方法还包括：
所述扫地机器人在平整地面的自检过程中，通过激光测量与任一目标障碍物之间的第一距离，并设定以直线方式行驶至该目标障碍物，然后根据行驶的速度和时间计算与该目标障碍物之间的第二距离，判断所述第二距离与所述第一距离之间的误差是否超出设定的阈值，如果超出，判定行驶滚轮沾附杂物并输出用于提示用户清理滚轮的告警。藉此，通过自检可及时发现滚轮对杂物的沾附情况，从而为扫地机器人精准执行规划的路径提供保障。
实施例2
与上述实施例相对应的，本实施例公开一种农产品仓储系统，加载并运行于扫地机器人中，所述扫地机器人包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现上述方法实施例相对应的步骤。
综上，本发明上述各实施例所分别公开的农产品仓储系统及其管理方法，至少具有以下有益效果：
1、将辐射范围更广的视频监控系统的摄像头视为扫地机器人的辅助摄像头，并通过第三方摄像头所采集的图像信息去快速地确定过道区域的轮廓信息，然后通过比较当前过道区域的轮廓信息与之前的区域轮廓信息确定新增过道区域，进而规划基于更新后的过道区域对各新增过道区域按先后顺序逐一进行清扫的行进路径。整个数据处理过程映射到表征仓库楼层二维信息的平面坐标系中；从而使得数据的处理逻辑严谨并具有很好的精确度。其中，视频监控系统是各个仓库基本必备的现有资源，且通常呈均匀排布；在本实施例中，摄像头越密集，则所分管的区域可越小，通过变焦等操作可使得采集区域的图像信息越丰富，进而为过道区域轮廓信息的提取及后续农产品识别等提供更准确的数据来源。
2、在本发明中，基于多个第三方摄像头可快速地构建二维过道区域地图；相比于三维地图而言，不仅具有显而易见的成本优势，还具有效率优势。在数据处理过程中，一次标定之后，在后续的图像映射过程中，只要摄像头不发生更换，则所建立的标定关系即可反复复用，从而降低了用户的操作频次，提升了用户体验。
3、在农产品仓库中，大部分小件可以以货架进行分层陈列；大件则通常可在开阔区域中码垛，且部分货架还能进行滑移等操作以灵活实现空间的变换；货品地存放通常分类并按先入先出的原则进行库存管理；从而使得现有的农产品仓库中，会不断地新增需清扫的过道区域。藉此，本发明方法尤其适合由最先上班的职员或最后下班职员来启动相关清扫工作，以此降低因职员的流动而对过道区域的逻辑判断造成干扰。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (7)

1.一种农产品仓储系统的管理方法，其特征在于，包括：
步骤S1、扫地机器人在捕捉到用户将扫地模式切换为局部清扫模式后，获取仓库视频监控系统至少两个第三方摄像头以视场角中心线垂直于楼层地面所采集的第一图像，各所述第三方摄像头分布式部署于仓库上空；
步骤S2、所述扫地机器人获取用户在仓库楼层所在平面坐标系中所标定的各所述第一图像所分别对应的图像采集区域信息；
步骤S3、所述扫地机器人根据预置的仓库地面纹理图案逐一提取各所述第一图像中的过道区域所对应的轮廓信息；
步骤S4、所述扫地机器人将所提取的各过道区域的轮廓信息根据标定关系映射到所述平面坐标系中；
步骤S5、所述扫地机器人比较当前过道区域的轮廓信息与本地存储地图中的区域轮廓信息是否一致，如果不一致，判定是否存在新增过道区域，如果存在，确定各所述新增过道区域为第一待清扫区域，然后在将当前过道区域的轮廓信息更新至本地存储地图后，规划基于更新后的过道区域对各所述第一待清扫区域按先后顺序逐一进行清扫的行进路径。
2.根据权利要求1所述的方法，其特征在于，在所述步骤S3中，还包括：
步骤S31、所述扫地机器人从提取的各所述第一图像中的过道区域所对应轮廓内的图像信息中，根据预设的农产品颗粒模型识别是否存在掉落的颗粒状农产品；如果有，确定清扫各掉落颗粒状农产品的最小外接矩形区域范围，且在所述步骤S5中，还包括：
步骤S51、所述扫地机器人将所确定的清扫各掉落颗粒状农产品的最小外接矩形区域范围设置为第二待清扫区域，然后将各所述第二待清扫区域与所述第一待清扫区域联合进行清扫行进路径的规划。
3.根据权利要求2所述的方法，其特征在于，所述农产品包括干辣椒、咖啡豆和花生。
4.根据权利要求2所述的方法，其特征在于，在所述步骤S3中，还包括：
步骤S32、所述扫地机器人计算各所述第一图像中的过道区域所对应轮廓内剩余不存在掉落颗粒状农产品的图像中RGB三通道所分别对应的均值和方差，与预置的所述仓库地面纹理图案中RGB三通道所分别对应的基准均值与基准方差进行对比，判断是否存在均值或方差超出阈值范围的通道，如果存在，在所述步骤S5中，还包括：
步骤S52、所述扫地机器人将存在颜色通道的均值或方差超出阈值范围的过道区域设置为第三待清扫区域，然后将各所述第三待清扫区域与所述第一待清扫区域及所述第二待清扫区域联合进行清扫行进路径的规划。
5.根据权利要求1至4任一所述的方法，其特征在于，还包括：
所述扫地机器人根据用户操作指令将扫地模式从所述局部清扫模式切换为全局清扫模式。
6.根据权利要求1至4任一所述的方法，其特征在于，还包括：
所述扫地机器人在平整地面的自检过程中，通过激光测量与任一目标障碍物之间的第一距离，并设定以直线方式行驶至该目标障碍物，然后根据行驶的速度和时间计算与该目标障碍物之间的第二距离，判断所述第二距离与所述第一距离之间的误差是否超出设定的阈值，如果超出，判定行驶滚轮沾附杂物并输出用于提示用户清理滚轮的告警。
7.一种农产品仓储系统，加载并运行于扫地机器人中，所述扫地机器人包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至6任一所述方法的步骤。
CN202211086693.1A 2022-09-07 2022-09-07 农产品仓储系统及其管理方法 Active CN115167483B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211086693.1A CN115167483B (zh) 2022-09-07 2022-09-07 农产品仓储系统及其管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211086693.1A CN115167483B (zh) 2022-09-07 2022-09-07 农产品仓储系统及其管理方法

Publications (2)

Publication Number Publication Date
CN115167483A true CN115167483A (zh) 2022-10-11
CN115167483B CN115167483B (zh) 2022-12-09

Family

ID=83480816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211086693.1A Active CN115167483B (zh) 2022-09-07 2022-09-07 农产品仓储系统及其管理方法

Country Status (1)

Country Link
CN (1) CN115167483B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108171459A (zh) * 2017-12-29 2018-06-15 长春师范大学 基于博弈论的智能仓储优化方法
CN207561868U (zh) * 2017-06-02 2018-07-03 北京艾瑞思机器人技术有限公司 仓库用扫地机器人
CN111202472A (zh) * 2020-02-18 2020-05-29 深圳市愚公科技有限公司 一种扫地机器人的终端地图构建方法、终端设备及清扫系统
CN111733743A (zh) * 2020-06-17 2020-10-02 广州赛特智能科技有限公司 一种自动清扫方法及清扫系统
CN211720639U (zh) * 2020-04-21 2020-10-20 北京石油化工学院 一种获取仓库内三维重建点云数据的装置
CN112294192A (zh) * 2019-08-01 2021-02-02 惠州拓邦电气技术有限公司 一种机器人的控制方法与机器人
CN112386171A (zh) * 2020-11-18 2021-02-23 福州市长乐区三互信息科技有限公司 楼宇物业智能清洁方法及其系统
CN114098534A (zh) * 2021-11-30 2022-03-01 深圳Tcl新技术有限公司 扫地机的清扫区域识别方法、装置、存储介质及电子设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN207561868U (zh) * 2017-06-02 2018-07-03 北京艾瑞思机器人技术有限公司 仓库用扫地机器人
CN108171459A (zh) * 2017-12-29 2018-06-15 长春师范大学 基于博弈论的智能仓储优化方法
CN112294192A (zh) * 2019-08-01 2021-02-02 惠州拓邦电气技术有限公司 一种机器人的控制方法与机器人
CN111202472A (zh) * 2020-02-18 2020-05-29 深圳市愚公科技有限公司 一种扫地机器人的终端地图构建方法、终端设备及清扫系统
CN211720639U (zh) * 2020-04-21 2020-10-20 北京石油化工学院 一种获取仓库内三维重建点云数据的装置
CN111733743A (zh) * 2020-06-17 2020-10-02 广州赛特智能科技有限公司 一种自动清扫方法及清扫系统
CN112386171A (zh) * 2020-11-18 2021-02-23 福州市长乐区三互信息科技有限公司 楼宇物业智能清洁方法及其系统
CN114098534A (zh) * 2021-11-30 2022-03-01 深圳Tcl新技术有限公司 扫地机的清扫区域识别方法、装置、存储介质及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘洞波: "《移动机器人粒子滤波定位与地图创建》", 30 September 2016 *

Also Published As

Publication number Publication date
CN115167483B (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
Borrmann et al. A mobile robot based system for fully automated thermal 3D mapping
US11741566B2 (en) Multicamera image processing
Alenya et al. 3D modelling of leaves from color and ToF data for robotized plant measuring
CN103984037B (zh) 基于视觉的移动机器人障碍物检测方法和装置
US7336814B2 (en) Method and apparatus for machine-vision
Krüger et al. Image based 3D surveillance for flexible man-robot-cooperation
Frank et al. Toward mobile mixed-reality interaction with multi-robot systems
CN106347919A (zh) 一种自动仓储系统
JP7201909B2 (ja) データセット作成方法、データセット作成装置、及びデータセット作成プログラム
WO2020248458A1 (zh) 一种信息处理方法、装置及存储介质
CN110603122B (zh) 用于交互式学习应用的自动个性化反馈
US20200170474A1 (en) Robot and robot system
CN106647738A (zh) 一种无人搬运车的对接路径确定方法及系统及无人搬运车
Bormann et al. Autonomous dirt detection for cleaning in office environments
Almansa-Valverde et al. Mobile robot map building from time-of-flight camera
Mörwald et al. Geometric data abstraction using b-splines for range image segmentation
AU2020270461B2 (en) Situational Awareness Monitoring
CN113331743A (zh) 清洁机器人清洁地面的方法以及清洁机器人
Rodriguez-Telles et al. A fast floor segmentation algorithm for visual-based robot navigation
Rosero et al. Calibration and multi-sensor fusion for on-road obstacle detection
CN113932712B (zh) 一种基于深度相机和关键点的瓜果类蔬菜尺寸测量方法
CN115167483B (zh) 农产品仓储系统及其管理方法
Malhotra et al. Optimizing camera placements for overlapped coverage with 3D camera projections
JP2023079994A (ja) 動的物体までの最小距離の効果的な計算方法
Kiddee et al. A geometry based feature detection method of V-groove weld seams for thick plate welding robots

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
GR01 Patent grant
GR01 Patent grant