CN115511875A - 货物堆积的检测方法、装置、设备及存储介质 - Google Patents

货物堆积的检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115511875A
CN115511875A CN202211335339.8A CN202211335339A CN115511875A CN 115511875 A CN115511875 A CN 115511875A CN 202211335339 A CN202211335339 A CN 202211335339A CN 115511875 A CN115511875 A CN 115511875A
Authority
CN
China
Prior art keywords
goods
cargo
stacking
information
placement information
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
Application number
CN202211335339.8A
Other languages
English (en)
Inventor
余刚
杨周龙
陈伟
胡大海
金虎
陈乃翁
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.)
Dongpu Software Co Ltd
Original Assignee
Dongpu Software 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 Dongpu Software Co Ltd filed Critical Dongpu Software Co Ltd
Priority to CN202211335339.8A priority Critical patent/CN115511875A/zh
Publication of CN115511875A publication Critical patent/CN115511875A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及快递分拣领域，公开了一种货物堆积的检测方法、装置、设备及存储介质。该方法包括：采集待检测的格口上的多个监控视频数并确定格口的待识别图像；利用图像分析算法识别待识别图像中的货物位置，并计算货物的总货物量和摆放信息；将总货物量和摆放信息与货物堆积规范进行对比分析，得到分析结果；基于分析结果确定多个监控视频数据中的格口的货物堆放是否规范。本发明利用图像分析算法对待识别图像上货物的位置进行识别并计算总货物量和摆放信息，再将总货物量和摆放信息与预设的货物堆积规范进行对比分析，根据对比分析的结果判断格口的货物堆积是否规范，有效地通过视频监控技术让分拨中心的格口货物堆积进行规范化整理。

Description

货物堆积的检测方法、装置、设备及存储介质
技术领域
本发明涉及快递分拣领域，尤其涉及一种货物堆积的检测方法、装置、设备及存储介质。
背景技术
越来越多的分拨中心网络视频监控技术应用于物流领域。得益于视频监控信息丰富，像素高清，技术先进以及能利用图像识别技术对监控图像进行分析的优势，视频监控技术在物流行业得到了良好的发展。
由于分拨中心车辆在卸货时，格口的堆积都是由人工完成，而人工完成的格口货物堆积通常存在大量的不确定性，例如格口货物堆积散乱，影响分拨中心车辆、人员通过的效率；危险品、易碎品货物堆放不规范造成物流货物的损失等。因此如何利用视频监控技术更好地让分拨中心的格口货物堆积进行规范化整理，提升分拨运营效率，降低危险品、易碎品等物流货物的损失依旧是一个丞待解决的问题。
发明内容
本发明的主要目的在于解决分拨中心的格口货物堆积不规范的问题。
本发明第一方面提供了一种货物堆积的检测方法，包括：采集待检测的格口上的多个监控视频数据，其中，多个所述监控视频数据中相邻的两帧视频的时间差相等；提取各所述监控视频数据中包含货物的视频帧，并对所述视频帧进行分割，得到格口的待识别图像；利用图像分析算法识别所述待识别图像中的货物位置，并计算所述货物位置上堆积的货物的总货物量和摆放信息；根据所述总货物量和所述摆放信息，与所述格口对应的货物堆积规范进行对比分析，得到分析结果；基于所述分析结果确定多个所述监控视频数据中的所述格口的货物堆放是否规范。
可选的，在本发明第一方面的第一种实现方式中，所述利用图像分析算法识别所述待识别图像中的货物位置，并计算所述货物位置上堆积的货物的总货物量和摆放信息，包括：基于所述图像分析算法识别出所述待识别图像中的货物标签；基于所述货物标签和预设的标签偏移量，确定所述待识别图像中摆放货物的区域，并基于所述区域确定货物位置；提取所述货物位置上货物的轮廓信息，并计算出所述轮廓信息中各轮廓点的三维坐标信息；基于各所述轮廓点的三维坐标信息计算所有货物的总货物量和摆放信息，其中，所述摆放信息用于指示所有所述货物在横向空间上的区域，以及在纵向空间上的区域。
可选的，在本发明第一方面的第二种实现方式中，所述计算出所述轮廓信息中各轮廓点的三维坐标信息，包括：选取所有轮廓点的其中一个为坐标原点，基于所述轮廓信息中各所述轮廓点之间的长度，计算其他轮廓点的三维坐标数据；基于所述三维坐标数据，计算其他所述轮廓点相对于所述坐标原点的旋转角度；基于所述旋转角度对其他所述轮廓点的三维坐标数据进行变换，获取其他所述轮廓点的三维坐标信息。
可选的，在本发明第一方面的第三种实现方式中，所述根据所述总货物量和所述摆放信息，与所述格口对应的货物堆积规范进行对比分析，得到分析结果，包括：提取预设的货物堆积规范中的货物量阈值和摆放信息阈值；判断所述总货物量是否满足所述货物量阈值，得到第一判断结果；判断所述摆放信息是否满足所述摆放信息阈值，得到第二判断结果；若所述第一判断结果和所述第二判断结果中存在至少一个不满足，则确定所述格口对应的货物堆积不规范；若所述第一判断结果和所述第二判断结果均满足，则确定所述格口对应的货物堆积规范。
可选的，在本发明第一方面的第四种实现方式中，若所述摆放信息阈值为货物摆放形态；所述判断所述摆放信息是否满足所述摆放信息阈值，包括：确定所述货物在横向空间上的第一摆放形态，并计算所述第一摆放形态与所述摆放信息阈值之间的第一相似度；在所述第一相似度满足预设条件时，确定所述货物在纵向空间上的第二摆放形态，并计算所述第二摆放形态与所述摆放信息阈值之间的第二相似度；当所述第二相似度满足预设条件时，确定所述摆放信息满足所述摆放信息阈值。
可选的，在本发明第一方面的第五种实现方式中，所述基于所述分析结果确定多个所述监控视频数据中的所述格口的货物堆放是否规范，包括：判断货物堆积规范的数量是否大于货物堆积不规范的数量；若货物堆积规范的数量不大于货物堆积不规范的数量，检测货物堆积不规范的结果中第一判断结果的数量是否小于第二判断结果的数量；若不小于第二判断结果的数量，则确定所述格口的货物堆放不规范；若小于第二判断结果的数量，则确定所述格口的货物堆积规范。
可选的，在本发明第一方面的第六种实现方式中，所述确定所述格口的货物堆放不规范之后，还包括：获取不规范的货物的总货物量和摆放信息的内容；基于所述内容，按照预设的申诉规则生成申诉信息；基于所述申诉信息调用对应的申诉流程进行申诉。
本发明第二方面提供了一种货物堆积的检测装置，包括：采集模块，用于采集待检测的格口上的多个监控视频数据，其中，多个所述监控视频数据中相邻的两帧视频的时间差相等；提取模块，用于提取各所述监控视频数据中包含货物的视频帧，并对所述视频帧进行分割，得到格口的待识别图像；识别模块，用于利用图像分析算法识别所述待识别图像中的货物位置，并计算所述货物位置上堆积的货物的总货物量和摆放信息；分析模块，用于根据所述总货物量和所述摆放信息，与所述格口对应的货物堆积规范进行对比分析，得到分析结果；确定模块，用于基于所述分析结果确定多个所述监控视频数据中的所述格口的货物堆放是否规范。
可选的，在本发明第二方面的第一种实现方式中，所述识别模块包括：识别单元，用于基于所述图像分析算法识别出所述待识别图像中的货物标签；第一确定单元，用于基于所述货物标签和预设的标签偏移量，确定所述待识别图像中摆放货物的区域，并基于所述区域确定货物位置；第一计算单元，用于提取所述货物位置上货物的轮廓信息，并计算出所述轮廓信息中各轮廓点的三维坐标信息；第二计算单元，用于基于各所述轮廓点的三维坐标信息计算所有货物的总货物量和摆放信息，其中，所述摆放信息用于指示所有所述货物在横向空间上的区域，以及在纵向空间上的区域。
可选的，在本发明第二方面的第二种实现方式中，所述第一计算单元包括：选取子单元，用于选取所有轮廓点的其中一个为坐标原点，基于所述轮廓信息中各所述轮廓点之间的长度，计算其他轮廓点的三维坐标数据；第一计算子单元，用于基于所述三维坐标数据，计算其他所述轮廓点相对于所述坐标原点的旋转角度；获取子单元，用于基于所述旋转角度对其他所述轮廓点的三维坐标数据进行变换，获取其他所述轮廓点的三维坐标信息。
可选的，在本发明第二方面的第三种实现方式中，所述分析模块包括：提取单元，用于提取预设的货物堆积规范中的货物量阈值和摆放信息阈值；第一判断单元，用于判断所述总货物量是否满足所述货物量阈值，得到第一判断结果；第二判断单元，用于判断所述摆放信息是否满足所述摆放信息阈值，得到第二判断结果；第二确定单元，用于若所述第一判断结果和所述第二判断结果中存在至少一个不满足，则确定所述格口对应的货物堆积不规范；第三确定单元，用于若所述第一判断结果和所述第二判断结果均满足，则确定所述格口对应的货物堆积规范。
可选的，在本发明第二方面的第四种实现方式中，所述第二判断单元包括：第二计算子单元，用于确定所述货物在横向空间上的第一摆放形态，并计算所述第一摆放形态与所述摆放信息阈值之间的第一相似度；第三计算子单元，用于在所述第一相似度满足预设条件时，确定所述货物在纵向空间上的第二摆放形态，并计算所述第二摆放形态与所述摆放信息阈值之间的第二相似度；确定子单元，用于当所述第二相似度满足预设条件时，确定所述摆放信息满足所述摆放信息阈值。
可选的，在本发明第二方面的第五种实现方式中，所述确定模块包括：第三判断单元，用于判断货物堆积规范的数量是否大于货物堆积不规范的数量；检测单元，用于在判断货物堆积规范的数量小于货物堆积不规范的数量时，检测货物堆积不规范的结果中第一判断结果的数量是否小于第二判断结果的数量；第四确定单元，用于若在检测货物堆积不规范的结果中第一判断结果的数量不小于第二判断结果的数量时，确定所述格口的货物堆放不规范；第五确定单元，用于检测货物堆积不规范的结果中第一判断结果的数量在小于第二判断结果的数量时，确定所述格口的货物堆积规范。
可选的，在本发明第二方面的第六种实现方式中，所述确定模块还包括：获取单元，用于获取不规范的货物的总货物量和摆放信息的内容；生成单元，用于基于所述内容，按照预设的申诉规则生成申诉信息；调用单元，用于基于所述申诉信息调用对应的申诉流程进行申诉。
本发明第三方面提供了一种电子设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述电子设备执行上述的货物堆积的检测方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的货物堆积的检测方法。
本发明的技术方案中，通过监控视频数据得到格口的待识别图像，利用图像分析算法对待识别图像上货物的位置进行识别并计算总货物量和摆放信息，再基于总货物量和摆放信息与预设的货物堆积规范进行对比分析，根据对比分析的结果判断格口的货物堆积是否规范，有效地通过视频监控技术让分拨中心的格口货物堆积进行规范化整理，提升了分拨运营效率，降低危险品、易碎品等物流货物的损失。
附图说明
图1为本发明实施例中货物堆积的检测方法的第一个实施例示意图；
图2为本发明实施例中货物堆积的检测方法的第二个实施例示意图；
图3为本发明实施例中货物堆积的检测方法的第三个实施例示意图；
图4为本发明实施例中货物堆积的检测方法的第四个实施例示意图；
图5为本发明实施例中货物堆积的检测装置的一个实施例示意图；
图6为本发明实施例中货物堆积的检测装置的另一个实施例示意图；
图7为本发明实施例中电子设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种货物堆积的检测方法、装置、设备及存储介质。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中货物堆积的检测方法的第一个实施例包括：
101、采集待检测的格口上的多个监控视频数据，其中，多个监控视频数据中相邻的两帧视频的时间差相等；
该步骤中，每隔相同的时间差，自动启动采集包括当前时间点在内的时间段内的多个监控视频数据的任务。采集装置可能位于视频数据处理设备中，或者也可能与视频数据处理设备是两个独立的设备。例如采集装置为视频数据处理设备中的摄像头，通过该摄像头可以采集视频数据。或者，视频数据也可以是其它设备传输给视频数据处理设备的数据等等，本申请对于视频数据的来源不作具体的限制。
102、提取各监控视频数据中包含货物的视频帧，并对视频帧进行分割，得到格口的待识别图像；
该步骤中，在对视频帧分割之前，利用OpenCV提供的VideoCapture类来实现对提取的视频帧保存的功能。
进一步的，通过有序点云对采集的视频帧进行分割，得到待识别图像。
进一步的，利用监控的追踪功能对货物进行追踪，选取检测框数量最多的视频帧作为待识别图像。
103、利用图像分析算法识别待识别图像中的货物位置，并计算货物位置上堆积的货物的总货物量和摆放信息；
该步骤中，图像分析是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。
进一步的，利用图像分析技术首先识别出图像中的货物标签，再基于所述货物标签和预设的标签偏移量，确定所述待识别图像中摆放货物的区域，并基于所述区域确定货物位置。
标签偏移量的设定可以根据不同的视频数据来源进行不同的设定。由于不同视频来源的采集角度可能不同，不同采集设备中格口的规格展现不同等，可能导致每个数据采集设备采集的视频数据中，货物标签位置和摆放货物位置的偏移量不同，所以针对每个视频数据采集设备设定偏移量，会使得识别结果更加准确。
进一步的，提取历史待识别图像的特征并形成特征集，对特征集进行深度学习得到一个能够识别图像中货物位置的识别模型，输入此图像获得此图像中的货物位置。
进一步的，本实施例中计算货物位置上堆积的货物的总货物量和摆放信息是通过：提取所述货物位置上货物的轮廓信息，并计算出所述轮廓信息中各轮廓点的三维坐标信息；基于各所述轮廓点的三维坐标信息计算所有货物的总货物量和摆放信息。轮廓信息包括轮廓点、轮廓点之间的距离和轮廓等信息。
其中，计算总货物量是通过轮廓点的三维坐标计算所有货物的体积，以体积作为货物的总货物量。计算货物的摆放信息是通过判断货物摆放的空间的横向区域和纵向区域，以横向最大的区域和纵向上最大的区域作为货物的摆放信息，区域可以是摆放的姿态，或者横向和纵向上的长度或者是面积。
摆放信息还可以指货物摆放的方向和货物中包含的易碎品等特殊物品的摆放位置。
进一步的，计算出轮廓信息中各轮廓点的三维坐标信息是通过：选取所有轮廓点的其中一个为坐标原点，基于轮廓信息中各轮廓点之间的长度，计算其他轮廓点的三维坐标数据；基于三维坐标数据，计算其他轮廓点相对于坐标原点的旋转角度；基于旋转角度对其他轮廓点的三维坐标数据进行变换，获取其他轮廓点的三维坐标信息。
104、根据总货物量和摆放信息，与格口对应的货物堆积规范进行对比分析，得到分析结果；
在该步骤中，提取预设的货物堆积规范中的货物量阈值和摆放信息阈值；判断总货物量是否满足货物量阈值，得到第一判断结果；判断摆放信息是否满足摆放信息阈值，得到第二判断结果；若第一判断结果和第二判断结果中存在至少一个不满足，则确定格口对应的货物堆积不规范；若第一判断结果和第二判断结果均满足，则确定格口对应的货物堆积规范。
105、基于分析结果确定多个监控视频数据中的格口的货物堆放是否规范。
在该步骤中，判断货物堆积规范的数量是否大于货物堆积不规范的数量；若不大于货物堆积不规范的数量，检测货物堆积不规范的结果中第一判断结果的数量是否小于第二判断结果的数量；若不小于第二判断结果的数量，则确定格口的货物堆放不规范；若是，则确定格口的货物堆积规范。
进一步，当确定格口的货物堆积不规范之后，获取不规范的货物的总货物量和摆放信息的内容；基于所述内容，按照预设的申诉规则生成申诉信息；基于所述申诉信息调用对应的申诉流程进行申诉。
进一步的，还可以通过提取所述内容，调用预设的申诉信息生成模板，将所述内容添加到申诉信息生成模板对应的字段上生成申诉信息，再基于所述申诉信息调用对应的申诉流程进行申诉。
其中，申诉信息模板中包括申诉时间，申诉人，申诉类型、申诉内容以及此格口监控截图等情况以供再次审查。
本发明实施例中，通过监控视频数据得到格口的待识别图像，利用图像分析算法对待识别图像上货物的位置进行识别并计算总货物量和摆放信息，再基于总货物量和摆放信息与预设的货物堆积规范进行对比分析，根据对比分析的结果判断格口的货物堆积是否规范，有效地通过视频监控技术让分拨中心的格口货物堆积进行规范化整理，提升了分拨运营效率，降低危险品、易碎品等物流货物的损失。
请参阅图2，本发明实施例中货物堆积的检测方法的第二个实施例包括：
201、采集待检测的格口上的多个监控视频数据，其中，多个监控视频数据中相邻的两帧视频的时间差相等；
202、提取各监控视频数据中包含货物的视频帧，并对视频帧进行分割，得到格口的待识别图像；
203、基于图像分析算法识别出待识别图像中的货物标签；
一般情况下，在同一个场景中货物标签的设置和货物标签在货物上的位置的关系是类似的且有一定规律的，如在物流领域，货物标签一般在货物的正中间，货物标签的内容一般包括发货地、收货地和货物条码等，这些都可以作为货物标签的特征，当图像中存在符合对应特征的物体时，即可将该物体识别为货物标签。
204、基于货物标签和预设的标签偏移量，确定待识别图像中摆放货物的区域，并基于区域确定货物位置；
205、提取货物位置上货物的轮廓信息，并计算出轮廓信息中各轮廓点的三维坐标信息；
在该步骤中，对图像通过高斯滤波方式生成相应的平滑图像之后，进行相应的分割处理，生成相应的二值图像；对二值图像进行相应的膨胀、腐蚀，在图像内生成相应的轮廓候选区域，再对图像轮廓区域的边缘数据信息进行映射分析，将图像轮廓数据信息进行纹理基元分析操作，分析出图像轮廓边缘变化的相关特性，最终获得图像的轮廓信息。
进一步的，还可以通过获取与货物堆积区域相对应的二维电子地图，建立该二维电子地图上的平面坐标系，并提取货物堆积区域图形轮廓上的各个坐标点，同时获取其在上述平面坐标系上的坐标值；基于各轮廓点的各个坐标值，建立三维坐标系，并查找出与其相匹配的三维坐标点。
206、基于各轮廓点的三维坐标信息计算所有货物的总货物量和摆放信息，其中，摆放信息用于指示所有货物在横向空间上的区域，以及在纵向空间上的区域；
在该步骤中，计算总货物量还可以通过：构建模型识别货物形状是否属于空间立方体，若空间形状识别结果为立方体形，则计算货物的高度及通过顶面投影计算货物底平面面积，进而得到货物体积；若空间形状识别结果为非立方体形，则将目标货物的点云进行三角网化，通过积分计算货物的体积。
207、根据总货物量和摆放信息，与格口对应的货物堆积规范进行对比分析，得到分析结果；
在该步骤中，将计算出来的总货物量和摆放信息与预设的货物堆积规范进行对比，判断此刻的总货物量和摆放区域是否符合货物堆积规范中的规定。只有全部符合才能得到符合货物堆积规范的分析结果，若总货物量和摆放信息中有一个不符合，则输出不符合货物堆积规范的分析结果。
208、基于分析结果确定多个监控视频数据中的格口的货物堆放是否规范。
提取多个视频帧分别输出的分析结果对格口是否规范进行综合分析。如果判定规范的数量多于不规范的数量，初步确定格口不规范，再检测分析结果中第一判断结果的数量是否大于等于第二判断结果，如果是，则确定该格口堆放不规范。
本发明实施例中，通过监控视频数据得到格口的待识别图像，利用图像分析算法对待识别图像上货物的位置进行识别并计算总货物量和摆放信息，再基于总货物量和摆放信息与预设的货物堆积规范进行对比分析，根据对比分析的结果判断格口的货物堆积是否规范，有效地通过视频监控技术让分拨中心的格口货物堆积进行规范化整理，提升了分拨运营效率，降低危险品、易碎品等物流货物的损失。
请参阅图3，本发明实施例中货物堆积的检测方法的第三个实施例包括：
301、采集待检测的格口上的多个监控视频数据，其中，多个监控视频数据中相邻的两帧视频的时间差相等；
302、提取各监控视频数据中包含货物的视频帧，并对视频帧进行分割，得到格口的待识别图像；
303、利用图像分析算法识别待识别图像中的货物位置，并计算货物位置上堆积的货物的总货物量和摆放信息；
304、提取预设的货物堆积规范中的货物量阈值和摆放信息阈值；
预设的货物堆积规范中规定了格口堆积的最大货物量即货物量阈值，以及货物的摆放区域即摆放信息阈值。
305、判断总货物量是否满足货物量阈值，得到第一判断结果；
将计算的当前货物的货物量与设定的最大货物量进行对比，其中，第一判断结果是指总货物量小于货物量阈值。
306、判断摆放信息是否满足摆放信息阈值，得到第二判断结果；
在该步骤中，判断摆放信息是否满足摆放信息阈值是通过：确定货物在横向空间上的第一摆放形态，并计算第一摆放形态与摆放信息阈值之间的第一相似度；在第一相似度满足预设条件时，确定货物在纵向空间上的第二摆放形态，并计算第二摆放形态与摆放信息阈值之间的第二相似度；当第二相似度满足预设条件时，确定摆放信息满足摆放信息阈值。
进一步的，判断摆放信息是否满足摆放信息阈值还可以通过：检测货物标签的方向，判断货物的摆放方向是否在同一方向，若设定的摆放信息阈值为货物的方向必须为带有货物标签的一面朝上，判断货物的摆放信息是否满足摆放信息阈值。
进一步的，判断摆放信息是否满足摆放信息阈值还可以通过：提取货物标签的内容，检测货物标签中有没有特别的标识，若设定的摆放信息阈值为带有特别标识的货物摆放在地面上，判断此货物是否摆放在地面上，如果在，则满足摆放信息阈值。
进一步的，第二判断结果是指摆放信息满足摆放信息阈值。
307、若第一判断结果和第二判断结果中存在至少一个不满足，则确定格口对应的货物堆积不规范；
当总货物量不满足货物量阈值或者摆放信息不满足摆放信息阈值时，确定格口对应的货物堆积不规范。
308、若第一判断结果和第二判断结果均满足，则确定格口对应的货物堆积规范；
当总货物量满足货物量阈值且摆放信息满足摆放信息阈值时，确定格口对应的货物堆积规范。
309、基于分析结果确定多个监控视频数据中的格口的货物堆放是否规范。
在本实施例中，通过监控视频数据得到格口的待识别图像，利用图像分析算法对待识别图像上货物的位置进行识别并计算总货物量和摆放信息，再基于总货物量和摆放信息与预设的货物堆积规范进行对比分析，根据对比分析的结果判断格口的货物堆积是否规范，有效地通过视频监控技术让分拨中心的格口货物堆积进行规范化整理，提升了分拨运营效率，降低危险品、易碎品等物流货物的损失。
请参阅图4，本发明实施例中货物堆积的检测方法的第四个实施例包括：
401、采集待检测的格口上的多个监控视频数据，其中，多个监控视频数据中相邻的两帧视频的时间差相等；
402、提取各监控视频数据中包含货物的视频帧，并对视频帧进行分割，得到格口的待识别图像；
403、利用图像分析算法识别待识别图像中的货物位置，并计算货物位置上堆积的货物的总货物量和摆放信息；
404、根据总货物量和摆放信息，与格口对应的货物堆积规范进行对比分析，得到分析结果；
405、判断货物堆积规范的数量是否大于货物堆积不规范的数量；
获取多个监控视频的视频帧分别对应的分析结果，判断这些分析结果中货物堆积规范的数量是否大于货物堆积不规范的数量，若是，则判定这个格口的货物堆积规范；若不是，则判定这个格口的货物堆积不规范。
406、若不大于货物堆积不规范的数量，检测货物堆积不规范的结果中第一判断结果的数量是否小于第二判断结果的数量；
当货物堆积规范的数量小于等于货物堆积不规范的数量时，判断货物堆积不规范的情况中第一判断结果和第二判断结果的数量大小。
进一步的，第一判断结果的数量小于第二判断结果的数量，则证明不规范的情况中多次出现摆放信息不符合摆放信息阈值的情况，仍旧可以判定这个格口的货物堆积规范。
407、若不小于第二判断结果的数量，则确定格口的货物堆放不规范；
如果货物堆积规范的数量小于货物堆积不规范的数量，或者第一判断结果的数量大于等于第二判断结果的数量，则证明不规范的情况中多次出现总货物量超过货物量阈值的情况，则确定格口的货物堆放不规范。
408、若小于第二判断结果的数量，则确定格口的货物堆积规范。
本发明实施例中，通过监控视频数据得到格口的待识别图像，利用图像分析算法对待识别图像上货物的位置进行识别并计算总货物量和摆放信息，再基于总货物量和摆放信息与预设的货物堆积规范进行对比分析，根据对比分析的结果判断格口的货物堆积是否规范，有效地通过视频监控技术让分拨中心的格口货物堆积进行规范化整理，提升了分拨运营效率，降低危险品、易碎品等物流货物的损失。
上面对本发明实施例中货物堆积的检测方法进行了描述，下面对本发明实施例中货物堆积的检测装置进行描述，请参阅图5，本发明实施例中货物堆积的检测装置一个实施例包括：
采集模块501，用于采集待检测的格口上的多个监控视频数据，其中，多个所述监控视频数据中相邻的两帧视频的时间差相等；
提取模块502，用于提取各所述监控视频数据中包含货物的视频帧，并对所述视频帧进行分割，得到格口的待识别图像；
识别模块503，用于利用图像分析算法识别所述待识别图像中的货物位置，并计算所述货物位置上堆积的货物的总货物量和摆放信息；
分析模块504，用于根据所述总货物量和所述摆放信息，与所述格口对应的货物堆积规范进行对比分析，得到分析结果；
确定模块505，用于基于所述分析结果确定多个所述监控视频数据中的所述格口的货物堆放是否规范。
本发明实施例中，通过监控视频数据得到格口的待识别图像，利用图像分析算法对待识别图像上货物的位置进行识别并计算总货物量和摆放信息，再基于总货物量和摆放信息与预设的货物堆积规范进行对比分析，根据对比分析的结果判断格口的货物堆积是否规范，有效地通过视频监控技术让分拨中心的格口货物堆积进行规范化整理，提升了分拨运营效率，降低危险品、易碎品等物流货物的损失。
请参阅图6，本发明实施例中货物堆积的检测装置的另一个实施例包括：
采集模块501，用于采集待检测的格口上的多个监控视频数据，其中，多个所述监控视频数据中相邻的两帧视频的时间差相等；
提取模块502，用于提取各所述监控视频数据中包含货物的视频帧，并对所述视频帧进行分割，得到格口的待识别图像；
识别模块503，用于利用图像分析算法识别所述待识别图像中的货物位置，并计算所述货物位置上堆积的货物的总货物量和摆放信息；
分析模块504，用于根据所述总货物量和所述摆放信息，与所述格口对应的货物堆积规范进行对比分析，得到分析结果；
确定模块505，用于基于所述分析结果确定多个所述监控视频数据中的所述格口的货物堆放是否规范。
其中，在本发明第二方面的第一种实现方式中，所述识别模块503包括：：
识别单元5031，用于基于所述图像分析算法识别出所述待识别图像中的货物标签；
第一确定单元5032，用于基于所述货物标签和预设的标签偏移量，确定所述待识别图像中摆放货物的区域，并基于所述区域确定货物位置；
第一计算单元5033，用于提取所述货物位置上货物的轮廓信息，并计算出所述轮廓信息中各轮廓点的三维坐标信息；
第二计算单元5034，用于基于各所述轮廓点的三维坐标信息计算所有货物的总货物量和摆放信息，其中，所述摆放信息用于指示所有所述货物在横向空间上的区域，以及在纵向空间上的区域。
其中，在本发明第二方面的第二种实现方式中，所述第一计算单元5033包括：
选取子单元50331，用于选取所有轮廓点的其中一个为坐标原点，基于所述轮廓信息中各所述轮廓点之间的长度，计算其他轮廓点的三维坐标数据；
第一计算子单元50332，用于基于所述三维坐标数据，计算其他所述轮廓点相对于所述坐标原点的旋转角度；
获取子单元50333，用于基于所述旋转角度对其他所述轮廓点的三维坐标数据进行变换，获取其他所述轮廓点的三维坐标信息。
其中，在本发明第二方面的第三种实现方式中，所述分析模块504包括：
提取单元5041，用于提取预设的货物堆积规范中的货物量阈值和摆放信息阈值；
第一判断单元5042，用于判断所述总货物量是否满足所述货物量阈值，得到第一判断结果；
第二判断单元5043，用于判断所述摆放信息是否满足所述摆放信息阈值，得到第二判断结果；
第二确定单元5044，用于若所述第一判断结果和所述第二判断结果中存在至少一个不满足，则确定所述格口对应的货物堆积不规范；
第三确定单元5045，用于若所述第一判断结果和所述第二判断结果均满足，则确定所述格口对应的货物堆积规范。
其中，在本发明第二方面的第四种实现方式中，所述第二判断单元5043包括：
第二计算子单元50431，用于确定所述货物在横向空间上的第一摆放形态，并计算所述第一摆放形态与所述摆放信息阈值之间的第一相似度；
第三计算子单元50432，用于在所述第一相似度满足预设条件时，确定所述货物在纵向空间上的第二摆放形态，并计算所述第二摆放形态与所述摆放信息阈值之间的第二相似度；
确定子单元50433，用于当所述第二相似度满足预设条件时，确定所述摆放信息满足所述摆放信息阈值。
其中，在本发明第二方面的第五种实现方式中，所述确定模块505包括：
第三判断单元5051，用于判断货物堆积规范的数量是否大于货物堆积不规范的数量；
检测单元5052，用于若在判断货物堆积规范的数量小于货物堆积不规范的数量时，检测货物堆积不规范的结果中第一判断结果的数量是否小于第二判断结果的数量；
第四确定单元5053，用于若在检测货物堆积不规范的结果中第一判断结果的数量不小于第二判断结果的数量时，确定所述格口的货物堆放不规范；
第五确定单元5054，用于若在检测货物堆积不规范的结果中第一判断结果的数量小于第二判断结果的数量时，确定所述格口的货物堆积规范。
其中，在本发明第二方面的第六种实现方式中，所述确定模块505还包括：
获取单元5055，用于获取不规范的货物的总货物量和摆放信息的内容；
生成单元5056，用于基于所述内容，按照预设的申诉规则生成申诉信息；
调用单元5057，用于基于所述申诉信息调用对应的申诉流程进行申诉。
本发明实施例中，通过监控视频数据得到格口的待识别图像，利用图像分析算法对待识别图像上货物的位置进行识别并计算总货物量和摆放信息，再基于总货物量和摆放信息与预设的货物堆积规范进行对比分析，根据对比分析的结果判断格口的货物堆积是否规范，有效地通过视频监控技术让分拨中心的格口货物堆积进行规范化整理，提升了分拨运营效率，降低危险品、易碎品等物流货物的损失。
上面图5和图6从模块化功能实体的角度对本发明实施例中的货物堆积的检测装置进行详细描述，下面从硬件处理的角度对本发明实施例中电子设备进行详细描述。
图7是本发明实施例提供的一种电子设备的结构示意图，该电子设备700可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processingunits，CPU)710(例如，一个或一个以上处理器)和存储器720，一个或一个以上存储应用程序733或数据732的存储介质730(例如一个或一个以上海量存储设备)。其中，存储器720和存储介质730可以是短暂存储或持久存储。存储在存储介质730的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对电子设备700中的一系列指令操作。更进一步地，处理器710可以设置为与存储介质730通信，在电子设备700上执行存储介质730中的一系列指令操作。
基于电子设备700还可以包括一个或一个以上电源740，一个或一个以上有线或无线网络接口750，一个或一个以上输入输出接口760，和/或，一个或一个以上操作系统731，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图7示出的电子设备结构并不构成对基于电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述货物堆积的检测方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统或装置、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上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精神和范围。

Claims (10)

1.一种货物堆积的检测方法，其特征在于，所述货物堆积的检测方法包括：
采集待检测的格口上的多个监控视频数据，其中，多个所述监控视频数据中相邻的两帧视频的时间差相等；
提取各所述监控视频数据中包含货物的视频帧，并对所述视频帧进行分割，得到格口的待识别图像；
利用图像分析算法识别所述待识别图像中的货物位置，并计算所述货物位置上堆积的货物的总货物量和摆放信息；
根据所述总货物量和所述摆放信息，与所述格口对应的货物堆积规范进行对比分析，得到分析结果；
基于所述分析结果确定多个所述监控视频数据中的所述格口的货物堆放是否规范。
2.根据权利要求1所述的货物堆积的检测方法，其特征在于，所述利用图像分析算法识别所述待识别图像中的货物位置，并计算所述货物位置上堆积的货物的总货物量和摆放信息，包括：
基于所述图像分析算法识别出所述待识别图像中的货物标签；
基于所述货物标签和预设的标签偏移量，确定所述待识别图像中摆放货物的区域，并基于所述区域确定货物位置；
提取所述货物位置上货物的轮廓信息，并计算出所述轮廓信息中各轮廓点的三维坐标信息；
基于各所述轮廓点的三维坐标信息计算所有货物的总货物量和摆放信息，其中，所述摆放信息用于指示所有所述货物在横向空间上的区域，以及在纵向空间上的区域。
3.根据权利要求2所述的货物堆积的检测方法，其特征在于，所述计算出所述轮廓信息中各轮廓点的三维坐标信息，包括：
选取所有轮廓点的其中一个为坐标原点，基于所述轮廓信息中各所述轮廓点之间的长度，计算其他轮廓点的三维坐标数据；
基于所述三维坐标数据，计算其他所述轮廓点相对于所述坐标原点的旋转角度；
基于所述旋转角度对其他所述轮廓点的三维坐标数据进行变换，获取其他所述轮廓点的三维坐标信息。
4.根据权利要求2所述的货物堆积的检测方法，其特征在于，所述根据所述总货物量和所述摆放信息，与所述格口对应的货物堆积规范进行对比分析，得到分析结果，包括：
提取预设的货物堆积规范中的货物量阈值和摆放信息阈值；
判断所述总货物量是否满足所述货物量阈值，得到第一判断结果；
判断所述摆放信息是否满足所述摆放信息阈值，得到第二判断结果；
若所述第一判断结果和所述第二判断结果中存在至少一个不满足，则确定所述格口对应的货物堆积不规范；
若所述第一判断结果和所述第二判断结果均满足，则确定所述格口对应的货物堆积规范。
5.根据权利要求4所述的货物堆积的检测方法，其特征在于，若所述摆放信息阈值为货物摆放形态；所述判断所述摆放信息是否满足所述摆放信息阈值，包括：
确定所述货物在横向空间上的第一摆放形态，并计算所述第一摆放形态与所述摆放信息阈值之间的第一相似度；
在所述第一相似度满足预设条件时，确定所述货物在纵向空间上的第二摆放形态，并计算所述第二摆放形态与所述摆放信息阈值之间的第二相似度；
当所述第二相似度满足预设条件时，确定所述摆放信息满足所述摆放信息阈值。
6.根据权利要求4所述的货物堆积的检测方法，其特征在于，所述基于所述分析结果确定多个所述监控视频数据中的所述格口的货物堆放是否规范，包括：
判断货物堆积规范的数量是否大于货物堆积不规范的数量；
若否，检测货物堆积不规范的结果中第一判断结果的数量是否小于第二判断结果的数量；
若不小于第二判断结果的数量，则确定所述格口的货物堆放不规范；
若小于第二判断结果的数量，则确定所述格口的货物堆积规范。
7.根据权利要求6所述的货物堆积的检测方法，其特征在于，所述确定所述格口的货物堆放不规范之后，还包括：
获取不规范的货物的总货物量和摆放信息的内容；
基于所述内容，按照预设的申诉规则生成申诉信息；
基于所述申诉信息调用对应的申诉流程进行申诉。
8.一种货物堆积的检测装置，所述货物堆积的检测装置包括：
采集模块，用于采集待检测的格口上的多个监控视频数据，其中，多个所述监控视频数据中相邻的两帧视频的时间差相等；
提取模块，用于提取各所述监控视频数据中包含货物的视频帧，并对所述视频帧进行分割，得到格口的待识别图像；
识别模块，用于利用图像分析算法识别所述待识别图像中的货物位置，并计算所述货物位置上堆积的货物的总货物量和摆放信息；
分析模块，用于根据所述总货物量和所述摆放信息，与所述格口对应的货物堆积规范进行对比分析，得到分析结果；
确定模块，用于基于所述分析结果确定多个所述监控视频数据中的所述格口的货物堆放是否规范。
9.一种电子设备，其特征在于，所述电子设备包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述电子设备执行如权利要求1-7中任一项所述的货物堆积的检测方法的各个步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的货物堆积的检测方法的各个步骤。
CN202211335339.8A 2022-10-28 2022-10-28 货物堆积的检测方法、装置、设备及存储介质 Pending CN115511875A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211335339.8A CN115511875A (zh) 2022-10-28 2022-10-28 货物堆积的检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211335339.8A CN115511875A (zh) 2022-10-28 2022-10-28 货物堆积的检测方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115511875A true CN115511875A (zh) 2022-12-23

Family

ID=84512328

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211335339.8A Pending CN115511875A (zh) 2022-10-28 2022-10-28 货物堆积的检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115511875A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116911470A (zh) * 2023-09-12 2023-10-20 深圳市宏大供应链服务有限公司 一种基于深度学习的数据分析方法、系统及存储介质
CN117291503A (zh) * 2023-09-28 2023-12-26 佳康捷科技(江苏)有限公司 一种智能仓储管理方法、装置及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110738085A (zh) * 2018-07-20 2020-01-31 浙江汉朔电子科技有限公司 一种货架缺货检查方法、装置及设备、存储介质
CN111310645A (zh) * 2020-02-12 2020-06-19 上海东普信息科技有限公司 货物堆积量的溢仓预警方法、装置、设备及存储介质
CN112132523A (zh) * 2020-11-26 2020-12-25 支付宝(杭州)信息技术有限公司 一种货物数量确定方法、系统和装置
CN113362385A (zh) * 2021-06-21 2021-09-07 山东产研信息与人工智能融合研究院有限公司 一种基于深度图像的货物体积测量方法及设备
WO2022105231A1 (zh) * 2020-11-23 2022-05-27 北京旷视机器人技术有限公司 入库管理方法、装置、仓库管理系统和电子系统
CN114724076A (zh) * 2022-03-23 2022-07-08 上海东普信息科技有限公司 图像识别方法、装置、设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110738085A (zh) * 2018-07-20 2020-01-31 浙江汉朔电子科技有限公司 一种货架缺货检查方法、装置及设备、存储介质
CN111310645A (zh) * 2020-02-12 2020-06-19 上海东普信息科技有限公司 货物堆积量的溢仓预警方法、装置、设备及存储介质
WO2022105231A1 (zh) * 2020-11-23 2022-05-27 北京旷视机器人技术有限公司 入库管理方法、装置、仓库管理系统和电子系统
CN112132523A (zh) * 2020-11-26 2020-12-25 支付宝(杭州)信息技术有限公司 一种货物数量确定方法、系统和装置
CN113362385A (zh) * 2021-06-21 2021-09-07 山东产研信息与人工智能融合研究院有限公司 一种基于深度图像的货物体积测量方法及设备
CN114724076A (zh) * 2022-03-23 2022-07-08 上海东普信息科技有限公司 图像识别方法、装置、设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116911470A (zh) * 2023-09-12 2023-10-20 深圳市宏大供应链服务有限公司 一种基于深度学习的数据分析方法、系统及存储介质
CN116911470B (zh) * 2023-09-12 2024-01-02 深圳市宏大供应链服务有限公司 一种基于深度学习的数据分析方法、系统及存储介质
CN117291503A (zh) * 2023-09-28 2023-12-26 佳康捷科技(江苏)有限公司 一种智能仓储管理方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN115511875A (zh) 货物堆积的检测方法、装置、设备及存储介质
CN107610176B (zh) 一种基于Kinect的栈板动态识别与定位方法、系统及介质
CN111310645B (zh) 货物堆积量的溢仓预警方法、装置、设备及存储介质
CN111353540B (zh) 商品类别识别方法及装置、电子设备、存储介质
CN103512762A (zh) 图像处理方法、装置及列车故障检测系统
CN103456003A (zh) 对象跟踪装置及方法以及错误特征点剔除装置及方法
Cho et al. 2D barcode detection using images for drone-assisted inventory management
EP3039645B1 (en) A semi automatic target initialization method based on visual saliency
CN111382637B (zh) 行人检测跟踪方法、装置、终端设备及介质
CN110889828A (zh) 预定场景中的栈板识别方法、终端设备、计算机存储介质
WO2021249406A1 (zh) 货箱的提取方法、装置、系统、机器人和存储介质
US9342483B2 (en) Sensor data processing
Saran et al. Robust visual analysis for planogram compliance problem
CN112699734A (zh) 门槛检测方法、移动机器人及存储介质
CN111160169A (zh) 人脸检测方法、装置、设备及计算机可读存储介质
CN113362385A (zh) 一种基于深度图像的货物体积测量方法及设备
CN113688965A (zh) 一种自动仓储扫码检测的方法和货物管理系统
CN111814739A (zh) 快递包裹体积的检测方法、装置、设备及存储介质
CN110728246A (zh) 一种基于深度图像的立方物体识别方法
CN113128346B (zh) 起重机施工现场的目标识别方法、系统、装置及存储介质
CN113469617A (zh) 快递爆仓识别方法、装置、设备及存储介质
Bourja et al. Speed estimation using simple line
CN114332073A (zh) 目标工件的检测方法及装置、智能分拣系统和存储介质
CN114882192A (zh) 一种建筑立面的分割方法、装置、电子设备以及存储介质
CN114972495A (zh) 针对纯平面结构的物体的抓取方法、装置及计算设备

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