CN115331173A - 一种全透明实景云仓储管理方法及其管理系统 - Google Patents

一种全透明实景云仓储管理方法及其管理系统 Download PDF

Info

Publication number
CN115331173A
CN115331173A CN202210996505.2A CN202210996505A CN115331173A CN 115331173 A CN115331173 A CN 115331173A CN 202210996505 A CN202210996505 A CN 202210996505A CN 115331173 A CN115331173 A CN 115331173A
Authority
CN
China
Prior art keywords
image
storage
cloud
storage position
monitoring
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
CN202210996505.2A
Other languages
English (en)
Other versions
CN115331173B (zh
Inventor
顾刚
宋婧
朱晓丹
敖丽平
潘久勇
张征程
张允正
孙漫漫
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.)
Jiangsu Zhongbo Communication Co ltd
Original Assignee
Jiangsu Zhongbo Communication 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 Jiangsu Zhongbo Communication Co ltd filed Critical Jiangsu Zhongbo Communication Co ltd
Priority to CN202210996505.2A priority Critical patent/CN115331173B/zh
Publication of CN115331173A publication Critical patent/CN115331173A/zh
Application granted granted Critical
Publication of CN115331173B publication Critical patent/CN115331173B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • G06T5/80—
    • G06T5/90—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明公开了一种全透明实景云仓储管理方法及其管理系统，该管理方法包括如下步骤：S1、对仓储的货架上的储位进行视频监控，获取仓储的储位以及置于储位上货物的多方位监控视频数据；S2、提取储位以及储位上货物的图像特征；S3、对仓储的货架上的储位进行储位传感监测，利用储位传感器获取储位以及置于储位上货物的储位物理信息数据，并提取物理特征；S4、利用图像特征和物理特征进行3D建模拼接，并投影形成实景鸟瞰图；本发明利用大量的视频监控和物理传感检测获取的2D图像以及物理特征，采用基于神经网络下的升维视觉建模叠加时间轴，构建实景鸟瞰图，达到移步换景的4D视觉，并叠加互联网云服务，实现真正意义上的全透明实景云仓储管理。

Description

一种全透明实景云仓储管理方法及其管理系统
技术领域
本发明涉及仓储管理技术领域，具体是一种全透明实景云仓储管理方法及其管理系统。
背景技术
多年来，中博通信面向运营商、集团客户提供供应链仓储业务专业服务，传统仓库数据建模及管理系统只解决了人与数据之间的交互难题，但无法验证数据真实性；当前仓库的监控用途相对传统，忽视了对货物的监管才是仓库的核心价值。具体问题体现在以下几个方面：监控局限：当前监控仅局限在安防层面，其监控核心在人而非仓储业务核心的货，本末倒置。仓实不符：仓库常常出现货物记录数目与实际存储数目不相符的情况，而核实成本又相对高昂。储位实际情况不明：重点放在了对人的管理上，储位情况化作一串系统数据，真实情况类似黑盒，难以窥探。监管流于形式：
众多金融监管仓对实际的货物变动风险监控无力，只能依据账面数字，难以防范人为风险。现有的仓储监控系统在视频的管理、图像调用等操作上还是采用传统的设备树、设备列表形式选择或二维电子地图上展开，当视频数量过多时，对于视频的管理和调用就显得过于繁琐，并且视频调用不直观、体验差、效率低，对监控人员要求较高。并且在监控中心电视墙上显示的是一个个分散、杂乱的视频画面，视频图像之间基本无任何关联，整体呈现效果无层次、无重点，这就导致了监控人员在闲暇时不知道“看什么”，发生事故时不知道“怎么看”。另外摄像机只能提供单纯的视频图像，缺乏监控区域场景信息的呈现，监控人员无法直观了解到该视频画面潜在的信息，无法给日常管理及安全防控提供高效的支撑。
更加关键的是当前仓储业务当前监控普遍依然针对大场景和关键位置，如：门口、过道等，核心是针对人。对业务本身至关重要的货物监控在硬件支持上和系统能力的支持上存在缺失。以上这些问题都意味着视频监控用着大量的带宽和储存资源，发挥的效用相比其他数据却微乎其微。
发明内容
本发明的目的在于提供一种一种全透明实景云仓储管理方法及其管理系统，解决的技术问题是传统的仓储管理效率低且效果差。
为实现上述目的，本发明提供如下技术方案：
一种全透明实景云仓储管理方法，包括如下步骤：
S1、对仓储的货架上的储位进行视频监控，获取仓储的储位以及置于储位上货物的多方位监控视频数据；
S2、多方位监控视频数据进行视频关键帧提取，归集形成关键帧图像库；
S3、提取关键帧图像库内图像中储位以及储位上货物的图像特征；
S4、基于图像特征对关键帧图像库中图像进行切割，形成拍摄图像单元；
S5、对仓储的货架上的储位进行储位传感监测，利用储位传感器获取储位以及置于储位上货物的储位物理信息数据，并提取物理特征；
S6、利用图像特征和物理特征进行3D建模，并依次全景方向投影形成模拟图像，对模拟图像进行切割，形成模拟图像单元；
S7、基于AI技术对拍摄图像单元和模拟图像单元进行匹配、几何变换、色彩校正、图像增强以及图像融合与拼接，形成全景图像，并提取储位货物串码信息数据；
S8、利用全景图像以及储位货物串码信息数据，构建货权管控授权以及全景透明检验的云管理平台，利用云管理平台进行仓储的全景透明管理。
优选的，所述S1-S5中通过5G网络进行数据传输。
优选的，所述S1中通过多角度布置储位监控摄像头。
优选的，所述S3中储位物理信息数据包括重量监测数据、温度监测数据、红外探测数据以及RFID读取数据。
优选的，所述S6中模拟图像单元成型包括如下步骤：
S601、预处理图像特征和物理特征，形成2D图像素材单元；
S602、基于神经网络进行升维视觉建模拼接，转化为3D图像素材单元；
S603、将3D图像单元依次全景投影形成模拟图像，并进行切割模拟图像单元。
优选的，S7中全景图像拼接包括如下步骤：
S701、图像匹配，基于AI技术进行模拟图像单元和拍摄图像单元，构建融合拼接序列；
S702、几何变换，对融合拼接序列的模拟图像单元和拍摄图像单元进行平移、转置、镜像、旋转、缩放操作；纠正图像几何偏差；
S703、色彩校正，利用反向传播的神经网络算法对图像色调、明暗进行调整，通过算法训练矫正模型的各项误差值；
S704、图像增强，利用频率域法增强图像的有用消息，改善图像视觉效果；包括针对储位货物的周边环境，增强图像局部特征，提高边界差异，改善图像质量；
S705、图像融合与拼接，利用AI技术基于加权平均的融合方法对图像进行融合与拼接，形成全景图像。
优选的，所述S5中利用区块链技术进行数据信息的共享和存储。
一种应用上述全透明实景云仓储管理方法的管理系统；包括储位监控单元，用于储位视频监控；
储位监测传感单元，用于储位的物理信息监测；
网络传输与供电单元，用于储位监控系统以及储位监测传感系统的供电和数据传输；
特征提取单元，用于提取图像特征和物理特征；
实景拼接单元，用于实景鸟瞰图的拼接成型以及货物串码信息数据提取；
以及云服务器，用于构建云管理平台进行云仓管理和数据存储；储位监控单元和储位监测传感单元通过网络传输与供电单元与云服务器连接；特征提取单元和实景拼接单元与云服务器连接；云服务器通过网络传输与供电单元与云仓管理终端连接。
优选的，所述云管理平台的技术架构采用Spring Cloud作为微服务架构的基础框架，利用Spring Cloud Netflix Eureka作为微服务的注册中心，以Rest API的方式作为服务的调用方式，配合Spring Cloud Config实现分布式的配置、集成Spring Cloud Sleuth、Spring Cloud Zuul、Spring Cloud Bus以及Netflix HyStrix组件为微服务提供链路追踪与监控、路由网关控制、消息总线管理及熔断机制。
优选的，所述云管理平台的应用架构采用主流的互联网三层分布架构，通过WEB展示层、业务层、数据层三层架构设计；
WEB展示层单独对外提供服务，用户访问WEB展示层后，展示层根据MVC模式，分配处理单元，通过应用服务器上的中间件进行业务层访问调用，业务层负责处理业务交互操作，并将结果通过数据层映射关系、缓存处理等写入/读取数据库，业务层能够调用后台加密机以及时间戳；
所述云管理平台的视图层使用HTML5、CSS3、VUE以及WebSocket技术展现；访问控制层使用Spring MVC框架作为Web应用的访问层框架，业务处理层使用Spring IOC容器框架，来管理对象的创建、销毁以及回调实例；业务层使用基于API技术实现多个不同系统之间的服务通信，同时还支持使用CXF技术实现基于SOAP协议的Web Service供外部系统提供服务；数据访问层包括数据库的访问以及文件访问，数据库访问采用MyBatis作为数据持久层框架，同时提供XML标签来编写动态SQL；文件操作采用HDFS提供的JAVA API，并对其进行了统一的封装，数据库层采用MySQL数据库作为关系型数据库；文件访问采用对象存储OSS技术的文件存储系统。
与现有技术相比，本发明具有以下几个方面的有益效果：
1、本发明提供一种全透明实景云仓储管理方法及其管理系统，该管理方法利用大量的视频监控和物理传感检测获取的2D图像以及物理特征，采用基于神经网络下的升维视觉建模叠加时间轴，构建实景鸟瞰图，达到移步换景的4D视觉，实现真正意义上的全透明实景云仓储管理。
2、本发明通过构建云平台进行云管理，能够实现储位透视监控保障了运营和客户对每个储位的储存情况实现精细化掌控的能力；“远程盘库”相比以往人工盘库的高昂成本和形式化的普遍现状，通过系统对储位货物的条码识别，可实时与系统账面校对。同时，也可以人工介入，对每个储位挨个查看，挨个盘点，相比以往提升了效率和可操作性；“异常告警”对非授权操作、货物遗失、货物无法识别或识别后与记录不符的情况及时告警，并立刻调动资源响应处理；“历史追溯”对发生货损等情况，可追溯储位的储存管理过程，明确责任；“安全巡检”智能标签进行虚拟巡检，巡检记录保存系统并留痕；“远程指令”将客户的指令从数字划拨转变为对仓内每一个储位、每一件货物的深度掌控，从而带来对客户服务方式的变革；
3、本发明能够进行业务赋能，创建了通过5G视频传输给终端，终端通过5G发出生产指令给产线和设备的远程生产管理实践。构建大数据量视频传输的需求，为中国电信5G应用寻找场景，推动5G行业应用的落地；能够进行供应链金融赋能，为金融机构提供数据，帮助其把控信贷风险，为客户提供现金流扩大业务规模，从而为公司带来更多数据价值收益及业务收益；能够进行行业赋能，全透明实景云仓平台的在建设之初即定位为“平台”，其初衷在于不仅仅为自身仓储业务服务，而是将能力开放共享，为行业赋能，与从业者携手共进，共同提升。
附图说明
图1为一种全透明实景云仓储管理方法的流程图。
图2为一种全透明实景云仓储管理系统的模块框图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制；术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性；此外，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
请参阅图1，一种全透明实景云仓储管理方法，包括如下步骤：
S1、对仓储的货架上的储位进行视频监控，获取仓储的储位以及置于储位上货物的多方位监控视频数据；
在一些实施例中，所述S1中通过多角度布置储位监控摄像头，通过多角度摄像头进行储位以及货物监控，获取多角度2D图像素材，便于后续拼接处理，形成高质量实景图。在一些实施例中储位监控摄像头在防擦撞、安全弱电供电、耐高温、和成本合理性之间做出了有效的平衡，在不妨碍生产作业的前提下实现了对每个储位的直接监控；
S2、提取储位以及储位上货物的图像特征；在一些实施例中，所述S2中通过视频AI技术进行图像特征提取。
S3、对仓储的货架上的储位进行储位传感监测，利用储位传感器获取储位以及置于储位上货物的储位物理信息数据，并提取物理特征；
在一些实施例中，所述S3中储位物理信息数据包括重量监测数据、温度监测数据、红外探测数据以及RFID读取数据，通过采集储位物理信息数据，便于配合图像数据进行储位的实际情况核实有利于提高串码信息的精度和准确性。
S4、利用图像特征和物理特征进行3D建模拼接，并投影形成实景鸟瞰图，并基于实景鸟瞰图提取货物串码信息数据；
在一些实施例中，所述S4中实景鸟瞰图成型包括如下步骤：
S401、预处理图像特征和物理特征，形成2D图像素材单元；
S402、基于神经网络进行升维视觉建模拼接，转化为3D图像素材单元；
S403、将3D图像单元投影形成鸟瞰图像单元；
S404、利用AI技术叠加时间轴拼接鸟瞰图像单元形成实景鸟瞰图。
本发明通过基于神经网络下的升维视觉建模叠加时间轴，构建实景鸟瞰图，达到移步换景的4D视觉，实现全透明实景云仓储管理；
S5、利用实景鸟瞰图以及储位货物串码信息数据，构建货权管控授权以及全景透明检验的云管理平台，利用云管理平台进行仓储的全景透明管理；所述S1-S5中通过5G网络进行数据传输，利用5G通信技术进行数据传输和共享提高效率。优选的，所述S5中利用区块链技术进行数据信息的共享和存储。
在一些实施例中，所述云管理平台的技术架构采用Spring Cloud作为微服务架构的基础框架，利用Spring Cloud Netflix Eureka作为微服务的注册中心，以Rest API的方式作为服务的调用方式，配合Spring Cloud Config实现分布式的配置、集成Spring CloudSleuth、Spring Cloud Zuul、Spring Cloud Bus以及Netflix HyStrix组件为微服务提供链路追踪与监控、路由网关控制、消息总线管理及熔断机制。
在一些实施例中，所述云管理平台的应用架构采用主流的互联网三层分布架构，通过WEB展示层、业务层、数据层三层架构设计；WEB展示层单独对外提供服务，用户访问WEB展示层后，展示层根据MVC模式，分配处理单元，通过应用服务器上的中间件进行业务层访问调用，业务层负责处理业务交互操作，并将结果通过数据层映射关系、缓存处理等写入/读取数据库，业务层能够调用后台加密机以及时间戳；
在一些实施例中，所述云管理平台的视图层使用HTML5、CSS3、VUE以及WebSocket技术展现；访问控制层使用Spring MVC框架作为Web应用的访问层框架，业务处理层使用Spring IOC容器框架，来管理对象的创建、销毁以及回调实例；业务层使用基于API技术实现多个不同系统之间的服务通信，同时还支持使用CXF技术实现基于SOAP协议的WebService供外部系统提供服务；数据访问层包括数据库的访问以及文件访问，数据库访问采用MyBatis作为数据持久层框架，同时提供XML标签来编写动态SQL；文件操作采用HDFS提供的JAVA API，并对其进行了统一的封装，数据库层采用MySQL数据库作为关系型数据库；文件访问采用对象存储OSS技术的文件存储系统。
请参阅图2，一种应用上述所述全透明实景云仓储管理方法的管理系统；包括储位监控单元100，用于储位视频监控；
储位监测传感单元200，用于储位的物理信息监测；
网络传输与供电单元300，用于储位监控系统以及储位监测传感系统的供电和数据传输；
特征提取单元500，用于提取图像特征和物理特征；
实景拼接单元600，用于实景鸟瞰图的拼接成型以及货物串码信息数据提取；
以及云服务器400，用于构建云管理平台进行云仓管理和数据存储；储位监控单元100和储位监测传感单元200通过网络传输与供电单元300与云服务器400连接；特征提取单元500和实景拼接单元600与云服务器400连接；云服务器400通过网络传输与供电单元300与云仓管理终端700连接。
本发明的工作原理是：本发明提供一种全透明实景云仓储管理方法及其管理系统，该管理方法利用大量的视频监控和物理传感检测获取的2D图像以及物理特征，采用基于神经网络下的升维视觉建模叠加时间轴，构建实景鸟瞰图，达到移步换景的4D视觉，实现真正意义上的全透明实景云仓储管理。
本发明通过构建云平台进行云管理，能够实现储位透视监控保障了运营和客户对每个储位的储存情况实现精细化掌控的能力；“远程盘库”相比以往人工盘库的高昂成本和形式化的普遍现状，通过系统对储位货物的条码识别，可实时与系统账面校对。同时，也可以人工介入，对每个储位挨个查看，挨个盘点，相比以往提升了效率和可操作性；“异常告警”对非授权操作、货物遗失、货物无法识别或识别后与记录不符的情况及时告警，并立刻调动资源响应处理；“历史追溯”对发生货损等情况，可追溯储位的储存管理过程，明确责任；“安全巡检”智能标签进行虚拟巡检，巡检记录保存系统并留痕；“远程指令”将客户的指令从数字划拨转变为对仓内每一个储位、每一件货物的深度掌控，从而带来对客户服务方式的变革。
上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下作出各种变化。

Claims (9)

1.一种全透明实景云仓储管理方法，其特征在于，包括如下步骤：
S1、对仓储的货架上的储位进行视频监控，获取仓储的储位以及置于储位上货物的多方位监控视频数据；
S2、多方位监控视频数据进行视频关键帧提取，归集形成关键帧图像库；
S3、提取关键帧图像库内图像中储位以及储位上货物的图像特征；
S4、基于图像特征对关键帧图像库中图像进行切割，形成拍摄图像单元；
S5、对仓储的货架上的储位进行储位传感监测，利用储位传感器获取储位以及置于储位上货物的储位物理信息数据，并提取物理特征；
S6、利用图像特征和物理特征进行3D建模，并依次全景方向投影形成模拟图像，对模拟图像进行切割，形成模拟图像单元；
S7、基于AI技术对拍摄图像单元和模拟图像单元进行匹配、几何变换、色彩校正、图像增强以及图像融合与拼接，形成全景图像，并提取储位货物串码信息数据；
S8、利用全景图像以及储位货物串码信息数据，构建货权管控授权以及全景透明检验的云管理平台，利用云管理平台进行仓储的全景透明管理。
2.根据权利要求1所述的一种全透明实景云仓储管理方法，其特征在于，所述S1-S5中通过5G网络进行数据传输。
3.根据权利要求2所述的一种全透明实景云仓储管理方法，其特征在于，所述S1中通过多角度布置储位监控摄像头。
4.根据权利要求2所述的一种全透明实景云仓储管理方法，其特征在于，所述S3中储位物理信息数据包括重量监测数据、温度监测数据、红外探测数据以及RFID读取数据。
5.根据权利要求2所述的一种全透明实景云仓储管理方法，其特征在于，所述S6中模拟图像单元成型包括如下步骤：
S601、预处理图像特征和物理特征，形成2D图像素材单元；
S602、基于神经网络进行升维视觉建模拼接，转化为3D图像素材单元；
S603、将3D图像单元依次全景投影形成模拟图像，并进行切割模拟图像单元；
S7中全景图像拼接包括如下步骤：
S701、图像匹配，基于AI技术进行模拟图像单元和拍摄图像单元，构建融合拼接序列；
S702、几何变换，对融合拼接序列的模拟图像单元和拍摄图像单元进行平移、转置、镜像、旋转、缩放操作；纠正图像几何偏差；
S703、色彩校正，利用反向传播的神经网络算法对图像色调、明暗进行调整，通过算法训练矫正模型的各项误差值；
S704、图像增强，利用频率域法增强图像的有用消息，改善图像视觉效果；包括针对储位货物的周边环境，增强图像局部特征，提高边界差异，改善图像质量；
S705、图像融合与拼接，利用AI技术基于加权平均的融合方法对图像进行融合与拼接，形成全景图像。
6.根据权利要求2所述的一种全透明实景云仓储管理方法，其特征在于，所述S5中利用区块链技术进行数据信息的共享和存储。
7.一种应用上述权利要求1-6任一所述全透明实景云仓储管理方法的管理系统；其特征在于，包括储位监控单元，用于储位视频监控；
储位监测传感单元，用于储位的物理信息监测；
网络传输与供电单元，用于储位监控系统以及储位监测传感系统的供电和数据传输；
特征提取单元，用于提取图像特征和物理特征；
实景拼接单元，用于实景鸟瞰图的拼接成型以及货物串码信息数据提取；
以及云服务器，用于构建云管理平台进行云仓管理和数据存储；储位监控单元和储位监测传感单元通过网络传输与供电单元与云服务器连接；特征提取单元和实景拼接单元与云服务器连接；云服务器通过网络传输与供电单元与云仓管理终端连接。
8.根据权利要求7所述的全透明实景云仓管理系统，其特征在于，所述云管理平台的技术架构采用Spring Cloud作为微服务架构的基础框架，利用Spring Cloud NetflixEureka作为微服务的注册中心，以Rest API的方式作为服务的调用方式，配合SpringCloud Config实现分布式的配置、集成Spring Cloud Sleuth、Spring Cloud Zuul、SpringCloud Bus以及Netflix HyStrix组件为微服务提供链路追踪与监控、路由网关控制、消息总线管理及熔断机制。
9.根据权利要求8所述的全透明实景云仓管理系统，其特征在于，所述云管理平台的应用架构采用主流的互联网三层分布架构，通过WEB展示层、业务层、数据层三层架构设计；
WEB展示层单独对外提供服务，用户访问WEB展示层后，展示层根据MVC模式，分配处理单元，通过应用服务器上的中间件进行业务层访问调用，业务层负责处理业务交互操作，并将结果通过数据层映射关系、缓存处理等写入/读取数据库，业务层能够调用后台加密机以及时间戳；
所述云管理平台的视图层使用HTML5、CSS3、VUE以及WebSocket技术展现；访问控制层使用Spring MVC框架作为Web应用的访问层框架，业务处理层使用Spring IOC容器框架，来管理对象的创建、销毁以及回调实例；业务层使用基于API技术实现多个不同系统之间的服务通信，同时还支持使用CXF技术实现基于SOAP协议的Web Service供外部系统提供服务；数据访问层包括数据库的访问以及文件访问，数据库访问采用MyBatis作为数据持久层框架，同时提供XML标签来编写动态SQL；文件操作采用HDFS提供的JAVA API，并对其进行了统一的封装，数据库层采用MySQL数据库作为关系型数据库；文件访问采用对象存储OSS技术的文件存储系统。
CN202210996505.2A 2022-08-19 2022-08-19 一种全透明实景云仓储管理方法及其管理系统 Active CN115331173B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210996505.2A CN115331173B (zh) 2022-08-19 2022-08-19 一种全透明实景云仓储管理方法及其管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210996505.2A CN115331173B (zh) 2022-08-19 2022-08-19 一种全透明实景云仓储管理方法及其管理系统

Publications (2)

Publication Number Publication Date
CN115331173A true CN115331173A (zh) 2022-11-11
CN115331173B CN115331173B (zh) 2023-10-31

Family

ID=83924965

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210996505.2A Active CN115331173B (zh) 2022-08-19 2022-08-19 一种全透明实景云仓储管理方法及其管理系统

Country Status (1)

Country Link
CN (1) CN115331173B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000309408A (ja) * 1999-04-23 2000-11-07 Murata Mach Ltd 自動倉庫システム
CN104899883A (zh) * 2015-05-29 2015-09-09 北京航空航天大学 一种深度图像场景的室内对象立方体检测方法
CN106202333A (zh) * 2016-07-02 2016-12-07 北京工业大学 一种仓储视频处理和快速检索的方法
WO2021073062A1 (zh) * 2019-10-17 2021-04-22 广州达宝文机电设备有限公司 一种虚拟立体存储系统及方法
CN113112208A (zh) * 2021-04-29 2021-07-13 国网山西省电力公司运城供电公司 一种基于三维可视化模型的电力物资仓储管理方法
CN113537880A (zh) * 2021-07-05 2021-10-22 国网山东省电力公司物资公司 自动建立三维模型并展示于一体的自动化仓储系统
KR20220030729A (ko) * 2020-09-03 2022-03-11 주식회사 에스엠코어 3차원 기반의 자동화 창고 설비관리 시스템

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000309408A (ja) * 1999-04-23 2000-11-07 Murata Mach Ltd 自動倉庫システム
CN104899883A (zh) * 2015-05-29 2015-09-09 北京航空航天大学 一种深度图像场景的室内对象立方体检测方法
CN106202333A (zh) * 2016-07-02 2016-12-07 北京工业大学 一种仓储视频处理和快速检索的方法
WO2021073062A1 (zh) * 2019-10-17 2021-04-22 广州达宝文机电设备有限公司 一种虚拟立体存储系统及方法
KR20220030729A (ko) * 2020-09-03 2022-03-11 주식회사 에스엠코어 3차원 기반의 자동화 창고 설비관리 시스템
CN113112208A (zh) * 2021-04-29 2021-07-13 国网山西省电力公司运城供电公司 一种基于三维可视化模型的电力物资仓储管理方法
CN113537880A (zh) * 2021-07-05 2021-10-22 国网山东省电力公司物资公司 自动建立三维模型并展示于一体的自动化仓储系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王方旭;: "基于Spring Cloud实现业务系统微服务化的设计与实现", 电子技术与软件工程, no. 08 *

Also Published As

Publication number Publication date
CN115331173B (zh) 2023-10-31

Similar Documents

Publication Publication Date Title
CN107370983B (zh) 用于视频监控系统的行踪轨迹的获取方法和装置
CN110428522A (zh) 一种智慧新城的智能安防系统
CN103260015B (zh) 基于RGB-Depth摄像头的三维可视监控系统
CN106599805B (zh) 一种基于有监督数据驱动的单目视频深度估计方法
CN106408173A (zh) 一种质量抽查执行过程监管系统
WO2020180620A1 (en) Identifying parking location using single camera reverse projection
CN107071297A (zh) 一种用于电力信通机房展示的虚拟现实系统
CN112929602B (zh) 基于图像处理的数据监控方法、装置及相关设备
CN114399606A (zh) 基于立体可视化的交互展示系统、方法、设备
CN114218788A (zh) 一种变电站数字孪生系统及其应用方法、系统
CN112770088A (zh) 一种ai视频联动感知监控系统
KR20210021639A (ko) 증강현실 기반의 설비예지보전 시스템 및 방법
AU2023274066A1 (en) System, method and apparatus for a monitoring drone
Huang et al. Research on Smart campus based on the internet of things and virtual reality
CN115272586A (zh) 基于3d可视化的智慧仓储交互系统及其方法
CN107704851A (zh) 人物识别方法、公共传媒展示装置、服务器和系统
CN113627005B (zh) 一种智能视觉监控方法
CN112911221B (zh) 一种基于5g和vr视频的远程实景仓储监管系统
CN108413997B (zh) 一种增强现实仪表系统
CN109784193A (zh) 用于智能冰箱的终端数据采集装置及系统
CN115331173B (zh) 一种全透明实景云仓储管理方法及其管理系统
CN115859689A (zh) 一种全景可视化数字孪生应用的方法
CN111538501A (zh) 一种基于人工智能的多元异构网络数据可视化方法及系统
CN115240277A (zh) 安检行为的监控方法、装置、电子设备及存储介质
WO2022019324A1 (ja) 故障識別及び対応方法、システム

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