CN115587675A - 装载方式的确定方法、装置、设备及介质 - Google Patents
装载方式的确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115587675A CN115587675A CN202211487370.3A CN202211487370A CN115587675A CN 115587675 A CN115587675 A CN 115587675A CN 202211487370 A CN202211487370 A CN 202211487370A CN 115587675 A CN115587675 A CN 115587675A
- Authority
- CN
- China
- Prior art keywords
- cargo
- depth
- image
- determining
- loading
- 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
Links
Images
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- 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
-
- 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
-
- 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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30268—Vehicle interior
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种装载方式的确定方法、装置、设备及介质,涉及图像存储技术领域,包括:根据第一整体货物图像计算第一总空隙体积,以结合车厢体积和第一总空隙体积确定第一货物满载率;根据第二整体货物图像计算第二总空隙体积,以结合车厢体积和第二总空隙体积确定第二货物满载率;根据第一货物满载率与第二货物满载率确定扩容系数,以根据扩容系数,确定下一批次货物的装载方式;第一整体货物图像是根据人工装载完当前批次货物后所有货物图像而确定的;第二整体货物图像是根据机器规划的装载顺序装载完当前批次货物后所有货物图像而确定的。本发明能够根据所确定的最优装载方式装载货物,进而提高车厢的满载率,降低物流成本。
Description
技术领域
本发明涉及图像存储技术领域,尤其涉及一种装载方式的确定方法、装置、设备及介质。
背景技术
在货物装箱的过程中,需要计算货物的装载密度,通过不断提高装载密度,进而使得车厢装载率更高。目前,工作人员对各类货物的装载基本是参考当前现有的货物装配软件,但对于不同类型的货物,装配软件给出的方案并不一定是最优解,如麻袋装的,或布匹类的货物,货物形态易发生变化,在装载时就需要评估人工装载方案与装配软件给出的装载方案之间的差异,从而利用装载率更高的方案进行装载。
当前没有一种能够对比不同装载方案之间的差异的技术方案,物流企业在货物装载这一环节,只依据其现有的方案进行装载。但对于不同形态的货物,一直采用同一种方案并不一定是最优方案,进而在对面大量的装载任务时,无法保证当前装载货物的方案装载率最高,从而提升了物流成本。
发明内容
本发明提供一种装载方式的确定方法、装置、设备及介质,用以解决现有技术中无法根据货物判断最佳的装载方式的技术方案,本发明能够在提高车厢满载率的同时,降低物流成本。
第一方面,本发明提供了一种装载方式的确定方法,包括:
根据所有深度层级中的第一整体货物图像计算第一总空隙体积,以结合车厢体积和所述第一总空隙体积确定第一货物满载率;
根据所有深度层级中的第二整体货物图像计算第二总空隙体积,以结合车厢体积和所述第二总空隙体积确定第二货物满载率;
根据所述第一货物满载率与所述第二货物满载率确定扩容系数,以根据所述扩容系数,确定下一批次货物的装载方式;
所述第一整体货物图像是根据人工装载完当前批次货物后,每一深度层级中的所有货物图像而确定的;
所述第二整体货物图像是根据机器规划的装载顺序装载完所述当前批次货物后,每一深度层级中的所有货物图像而确定的。
根据本发明提供的一种装载方式的确定方法,所述根据所有深度层级中的第一整体货物图像计算第一总空隙体积,以结合车厢体积和所述第一总空隙体积确定第一货物满载率,包括:
根据第一初始货物图像确定第一初始装载货物的第一初始深度值,以根据所述第一初始深度值确定第一初始货物图像相关的第一初始深度层级;
以第一初始深度层级相关的第一初始货物图像作为遍历起始点,根据相邻货物图像中相邻货物的深度差值,确定每一货物所在深度层级,以存储每一深度层级中的第一整体货物图像;
从所述第一整体货物图像中筛选出第一目标像素点所构成的第一空隙面积,以根据每一第一目标像素点的深度值确定所述第一整体货物图像的第一空隙体积;
遍历每一深度层级中的第一整体货物图像,确定第一总空隙体积,以根据车厢实际体积确定第一货物满载率;
所述第一目标像素点为深度值大于或等于预设差值的像素点。
根据本发明提供的一种装载方式的确定方法,所述根据相邻货物图像中相邻货物的深度差值,确定每一货物所在深度层级,包括:
在第一深度值与第二深度值的差值小于预设深度的情况下,确定第一货物与第二货物处于同一深度层级,以根据上一张货物图像的深度层级标记当前货物图像的深度层级;
在第一深度值与第二深度值的差值大于或等于预设深度的情况下,创建下一深度层级,并将所述第二货物所对应的当前货物图像标记为下一深度层级;
所述第一深度值是根据识别上一张货物图像中第一货物而确定的;
所述第二深度值是根据识别当前货物图像中的第二货物而确定的。
根据本发明提供的一种装载方式的确定方法,在从所述第一整体货物图像中筛选出第一目标像素点所构成的第一空隙面积之前,还包括:
根据语义分割模型分割所述第一整体货物图像,以获取面积最大的货物图像以及面积最小的货物图像;
根据所述面积最大的货物图像所对应的深度值以及所述面积最小的货物图像所对应的深度值,确定所述预设差值。
根据本发明提供的一种装载方式的确定方法,从所述第一整体货物图像中筛选出第一目标像素点所构成的第一空隙面积,以根据每一第一目标像素点的深度值确定所述第一整体货物图像的第一空隙体积,包括:
从所述第一整体货物图像中筛选出所有第一目标像素点;
根据相邻第一目标像素点构建第一空隙面积,以形成多个第一空隙面积;
根据任一第一空隙面积以及与所述第一空隙面积相关的深度值确定第一空隙体积;
遍历所有第一空隙面积,以根据所有第一空隙体积确定所述第一整体货物图像的第一空隙体积。
根据本发明提供的一种装载方式的确定方法,所述根据所有深度层级中的第二整体货物图像计算第二总空隙体积,以结合车厢体积和所述第二总空隙体积确定第二货物满载率,包括:
根据第二初始货物图像确定第二初始装载货物的第二初始深度值,以根据所述第二初始深度值确定第二初始货物图像相关的第二初始深度层级;
以第二初始深度层级相关的第二初始货物图像作为遍历起始点,根据相邻货物图像中相邻货物的深度差值,确定每一货物所在深度层级,以存储每一深度层级中的第二整体货物图像;
从所述第二整体货物图像中筛选出第二目标像素点所构成的第二空隙面积,以根据每一第二目标像素点的深度值确定所述第二整体货物图像的第二空隙体积;
遍历每一深度层级中的第二整体货物图像,确定第二总空隙体积,以根据车厢实际体积确定第二货物满载率;
所述第二目标像素点为深度值大于或等于预设差值的像素点。
根据本发明提供的一种装载方式的确定方法,所述根据所述第一货物满载率与所述第二货物满载率确定扩容系数,以根据所述扩容系数,确定下一批次货物的装载方式,包括:
根据所述第一货物满载率与所述第二货物满载率的商值确定扩容系数;
在所述扩容系数大于或等于预设常数的情况下,确定下一批次货物的装载方式为人工装载;
在所述扩容系数小于预设常数的情况下,确定下一批次货物的装载方式为机器规划的装载顺序装载。
第二方面,还提供了一种装载方式的确定装置,包括:
第一计算单元:用于根据所有深度层级中的第一整体货物图像计算第一总空隙体积,以结合车厢体积和所述第一总空隙体积确定第一货物满载率;
第二计算单元:用于根据所有深度层级中的第二整体货物图像计算第二总空隙体积,以结合车厢体积和所述第二总空隙体积确定第二货物满载率;
确定单元:用于根据所述第一货物满载率与所述第二货物满载率确定扩容系数,以根据所述扩容系数,确定下一批次货物的装载方式;
所述第一整体货物图像是根据人工装载完当前批次货物后,每一深度层级中的所有货物图像而确定的;
所述第二整体货物图像是根据机器规划的装载顺序装载完所述当前批次货物后,每一深度层级中的所有货物图像而确定的。
第三方面,还提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的装载方式的确定方法。
第四方面,还提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的装载方式的确定方法。
本发明提供了一种装载方式的确定方法、装置、设备及介质,本发明分别通过对同一批次的货物进行两次装载,进而确定出人工装载方式下的货物满载率以及机器规划的装载顺序装载方式下的货物满载率,再根据对两者进行比对分析,进而评估出针对当前批次的货物而言最优的装载方式,而如果后续批次的货物与当前批次的货物属于同一类型,则可以根据所确定的最优装载方式装载货物,进而提高车厢的满载率,降低物流成本。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的一种装载方式的确定方法的流程示意图之一;
图2是本发明提供的确定第一货物满载率的流程示意图;
图3是本发明提供的确定每一货物所在深度层级的流程示意图;
图4是本发明提供的一种装载方式的确定方法的流程示意图之二;
图5是本发明提供的确定所述整体货物图像的第一空隙体积的流程示意图;
图6是本发明提供的确定第二货物满载率的流程示意图;
图7是本发明提供的确定下一批次货物的装载方式的流程示意图;
图8是本发明提供的一种装载方式的确定装置的结构示意图;
图9是本发明提供的电子设备的结构示意图。
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,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。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。
随着物流业的快速发展,物流技术的应用和研究受到越来越多的重视。产品的配送效率成为影响物流成本和竞争力的重要因素。集装箱配载优化布局作为物流配送过程中的一个关键性技术,对提高配送业务的自动化水平,提高配送业务的工作效率和规范业务流程等方面都有重要意义。当前,物流企业在货物装箱这一环节,主要由人工根据以往经验进行装载,或根据装配软件给出的方案进行装载,但对于当前使用的装载方案是否是最优方案,装配软件给出的方案的装载率是否高于人工经验的装载率,目前并没有一种评估方法去对比不同方案之间的差异。
为了解决上述技术问题,本发明提出一种方法,通过计算货物的装载率与扩容系数,对人工装载与机器装载之间的差异进行评估,以便用户选择装载率更高的方法。本发明不仅会提高物流企业对于提高满载率的需求,对于降低物流成本的需求,也在一定程度上加快了企业的信息化建设,提高企业的竞争力。作为物流配送集约化、一体化的重要一环,本发明具有重要的实用价值。
图1是本发明提供的一种装载方式的确定方法的流程示意图之一,本发明提供了一种装载方式的确定方法,包括:
根据所有深度层级中的第一整体货物图像计算第一总空隙体积,以结合车厢体积和所述第一总空隙体积确定第一货物满载率;
根据所有深度层级中的第二整体货物图像计算第二总空隙体积,以结合车厢体积和所述第二总空隙体积确定第二货物满载率;
根据所述第一货物满载率与所述第二货物满载率确定扩容系数,以根据所述扩容系数,确定下一批次货物的装载方式;
所述第一整体货物图像是根据人工装载完当前批次货物后,每一深度层级中的所有货物图像而确定的;
所述第二整体货物图像是根据机器规划的装载顺序装载完所述当前批次货物后,每一深度层级中的所有货物图像而确定的。
在步骤101中,所述第一整体货物图像是根据人工装载完当前批次货物后,每一深度层级中的所有货物图像而确定的,所述人工装载即针对当前批次的货物,根据装载工人的装载线路以及装载顺序将货物装载至车厢的技术方案,在此技术方案中,装载工人会根据自身经验来判断并提高车厢的满载率,而货物在被装载至车厢的过程中,根据深度相机实时拍摄装箱过程,以记录每个货物被装箱至车厢的过程以及画面,深度层级用于描述货物在车厢某一横截面中的同一深度下的层级,可选地,每一深度层级装载满相应的货物后,再放至下一深度层级,直至装载完所有货物,而本发明中所指的每一深度层级中的所有货物图像,即为每一深度层级中装载满货物后的图像。
进一步地,本发明根据深度信息能够计算出每一深度层级中的第一整体货物图像的空隙面积,而将空隙面积与其深度的乘积,即可得出在每一第一整体货物图像中空隙的体积,此时,若对所有第一整体货物图像均执行上述计算过程,则能够确定出第一总空隙体积,而这些计算过程将在后述的具体方式中作更详细的描述。
在步骤102中,所述第二整体货物图像是根据机器规划的装载顺序装载完所述当前批次货物后,每一深度层级中的所有货物图像而确定的,所述根据机器规划的装载顺序装载即针对当前批次的货物,根据现有的装载规划系统,规划出装载线路以及装载顺序,装载工人根据规划出的装载线路以及装载顺序,将货物装载至车厢的技术方案,在此技术方案中,根据装载规划系统规划出的装载线路以及装载顺序提高车厢的满载率,而货物在被装载至车厢的过程中,根据深度相机实时拍摄装箱过程,以记录每个货物被装箱至车厢的过程以及画面,深度层级用于描述货物在车厢某一横截面中的同一深度下的层级,可选地,每一深度层级装载满相应的货物后,再放至下一深度层级,直至装载完所有货物,而本发明中所指的每一深度层级中的所有货物图像,即为每一深度层级中装载满货物后的图像。
在本发明中,可选地,为了更精准的确定对于当前批次的货物而言何种装载方式能够展现出更好的满载率,故采用同一货物作为执行对象,分别执行步骤101以及步骤102,而在其他的实施例中,也可以采取同一种类型的货物作为执行对象,例如麻袋装的不规则货物、箱体装的规则货物或者托盘装的大件货物,此时,则不要求采用同一货物,只要求同一种类型的货物即可。
进一步地,步骤102与步骤101相比,区别在于所采用的装载方式不同,而后续中如何确定第二货物满载率的方式可以参考前述步骤101,即根据深度信息能够计算出每一深度层级中的第二整体货物图像的空隙面积,而将空隙面积与其深度的乘积,即可得出在每一第二整体货物图像中空隙的体积,此时,若对所有第二整体货物图像均执行上述计算过程,则能够确定出第二总空隙体积,而这些计算过程将在后述的具体方式中作更详细的描述。
在步骤103中,根据所述第一货物满载率与所述第二货物满载率确定扩容系数,以根据所述扩容系数,确定下一批次货物的装载方式,本步骤旨在确定两种装载方式下的货物满载率的疏密程度,进而根据两者大小的对应关系,确定扩容系数,并根据所述扩容系数的取值,确定针对于当前批次、当前种类的货物而言,是人工装载的效果更好还是机器装载的效果更好,进而针对下一批次的货物,尤其是针对同一种类的货物而言,选择更高效、更合理以及更高装载率的装载方式,进而节省物流成本,提高运输效率。
本发明通过计算货物的装载率与扩容系数,对人工装载与机器装载之间的差异进行评估,以便用户选择装载率更高的方法。从根本上提高了物流企业对于提高满载率的需求,对于降低物流成本的需求,也在一定程度上加快了企业的信息化建设,提高企业的竞争力。本发明在物流配送集约化、一体化的大趋势面前,公开了一种可以评估不同装载方案之间的差异的方法,具有较大的理论和实践价值。
本发明提供了一种装载方式的确定方法、装置、设备及介质,本发明分别通过对同一批次的货物进行两次装载,进而确定出人工装载方式下的货物满载率以及机器规划的装载顺序装载方式下的货物满载率,再根据对两者进行比对分析,进而评估出针对当前批次的货物而言最优的装载方式,而如果后续批次的货物与当前批次的货物属于同一类型,则可以根据所确定的最优装载方式装载货物,进而提高车厢的满载率,降低物流成本。
图2是本发明提供的确定第一货物满载率的流程示意图,所述根据所有深度层级中的第一整体货物图像计算第一总空隙体积,以结合车厢体积和所述第一总空隙体积确定第一货物满载率,包括:
根据第一初始货物图像确定第一初始装载货物的第一初始深度值,以根据所述第一初始深度值确定第一初始货物图像相关的第一初始深度层级;
以第一初始深度层级相关的第一初始货物图像作为遍历起始点,根据相邻货物图像中相邻货物的深度差值,确定每一货物所在深度层级,以存储每一深度层级中的第一整体货物图像;
从所述第一整体货物图像中筛选出第一目标像素点所构成的第一空隙面积,以根据每一第一目标像素点的深度值确定所述第一整体货物图像的第一空隙体积;
遍历每一深度层级中的第一整体货物图像,确定第一总空隙体积,以根据车厢实际体积确定第一货物满载率;
所述第一目标像素点为深度值大于或等于预设差值的像素点。
在步骤1011中,根据第一初始货物图像确定第一初始装载货物的第一初始深度值,以根据所述第一初始深度值确定第一初始货物图像相关的第一初始深度层级,本发明根据深度相机获取所述第一初始货物图像,其能够确定货物的深度值,进而根据所述第一初始货物图像确定第一初始装载货物的初始深度值,在确定第一初始装载货物的第一初始深度值后,由于在装箱过程中,一般在车厢尾部安装深度相机对货物装箱过程进行实时拍照记录,并回传给服务器。
故在一个可选地实施例中,采取从远至近的装箱顺序对货物进行装箱操作,此时深度相机所拍摄的第一初始装载货物的第一初始深度值为距离深度相机最远处的货物,在最远处的货物装满后,再依次由远及近的填装,故根据所述第一初始深度值确定第一初始货物图像相关的第一初始深度层级,所述第一初始深度层级可以设置为1级,而在当前层级装满后,再设置第二深度层级为2级,所述第二深度层级相对于初始深度层级而言,距离待拍摄相机较近,以此类推,直至将车厢装满。
在步骤1012中,以第一初始深度层级相关的第一初始货物图像作为遍历起始点,根据相邻货物图像中相邻货物的深度差值,确定每一货物所在深度层级,以存储每一深度层级中的第一整体货物图像,本发明依次进行每一货物图像的比对,比对相邻货物中的当前货物的深度值是否与上一张货物图像中的货物深度值处于同一深度,若处于同一深度,则根据上一张货物图像的深度层级确定当前货物图像的深度层级,若不处于同一深度,则认为其处于下一层级深度,即装载工人以将上一层级深度的空间填充满,则由远及近的填充下一层级,此时,即需要确定下一深度层级。
在步骤1013中,从所述第一整体货物图像中筛选出第一目标像素点所构成的第一空隙面积,以根据每一第一目标像素点的深度值确定所述第一整体货物图像的第一空隙体积,所述第一目标像素点为深度值大于或等于预设差值的像素点,在这样的实施例中,在任一第一整体货物图像中,若某一块区域处并未放置任何货物,而对于同一深度层级下所确定的第一整体货物图像而言,其周围均放置有货物,则该区域由于存在空隙,其深度将大于周围放置有货物处的深度,故本发明只需筛选出深度值大于一预设深度的像素点,即可确定由这些像素点所组成的区域为空隙,而预设深度可选地为预设差值,所述预设差值能够根据每一整体货物图像中最大货物与最小货物的深度差值而确定。
在从所述第一整体货物图像中筛选出第一目标像素点所构成的第一空隙面积后,由于已知每一第一目标像素点的深度值,根据面积乘以深度等于体积的基本原理,确定所述整体货物图像的第一空隙体积。
在步骤1014中,遍历每一深度层级中的第一整体货物图像,确定第一总空隙体积,以根据车厢实际体积确定第一货物满载率,由于第一整体货物图像只能反映出其中一个深度层级中的空隙体积,此时,则需要遍历每一深度层级中的第一整体货物图像,以获取每一第一整体货物图像相对应的空隙体积,并将所有空隙体积累积相加后的结果作为第一总空隙体积。
在所述第一总空隙体积确定的情况下,根据车厢实际体积与所述第一总空隙体积的差值能够确定车厢货物装载体积,并将所述车厢货物装载体积与所述车厢实际体积的商值确定为第一货物满载率,具体地,还可以参考如下公式:
图3是本发明提供的确定每一货物所在深度层级的流程示意图,所述根据相邻货物图像中相邻货物的深度差值,确定每一货物所在深度层级,包括:
在第一深度值与第二深度值的差值小于预设深度的情况下,确定第一货物与第二货物处于同一深度层级,以根据上一张货物图像的深度层级标记当前货物图像的深度层级;
在第一深度值与第二深度值的差值大于或等于预设深度的情况下,创建下一深度层级,并将所述第二货物所对应的当前货物图像标记为下一深度层级;
所述第一深度值是根据识别上一张货物图像中第一货物而确定的;
所述第二深度值是根据识别当前货物图像中的第二货物而确定的。
在步骤10121中,所述预设深度为一预设差值,其用于判断相邻货物是否处于同一深度,在第一深度值与第二深度值的差值小于预设深度的情况下,则认为所述第一货物与所述第二货物的深度值相差不多,处于同一深度,即确定所述第一货物与所述第二货物处于同一深度层级,此时,由于上一张货物图像中第一货物的深度层级是确定的,进而能够根据所述上一张货物图像的深度层级标记当前货物图像的深度层级。
在步骤10122中,在第一深度值与第二深度值的差值大于或等于预设深度的情况下,则认为所述第一货物与所述第二货物的深度值相差很远,不处于同一深度,即需要创建下一深度层级,并将所述第二货物所对应的当前货物图像标记为下一深度层级,通过如下公式确定:
图4是本发明提供的一种装载方式的确定方法的流程示意图之二,在从所述第一整体货物图像中筛选出第一目标像素点所构成的第一空隙面积之前,还包括:
根据语义分割模型分割所述第一整体货物图像,以获取面积最大的货物图像以及面积最小的货物图像;
根据所述面积最大的货物图像所对应的深度值以及所述面积最小的货物图像所对应的深度值,确定所述预设差值。
在步骤201中,本发明将提取出来的每层摆放完成的样本货物图像进行单独标记后作为输入,带入至训练网络中进行训练,进行检测与分割联合训练,网络模型会找出第一整体货物图像中每个货物可能存在的区域,以箱体装的货物为例,根据可能存在的区域对图像上的货箱进行检测与分割,得到每个货箱单独的检测分割图,根据所述第一整体货物图像中分割出的货物图像,确定图像中面积最大的货物图像以及面积最小的货物图像。
在步骤202中,根据深度相机获取所述面积最大的货物图像所对应的深度值,根据深度相机获取所述面积最小的货物图像所对应的深度值,根据两者的深度值的差值,确定所述预设差值。
图5是本发明提供的确定所述整体货物图像的第一空隙体积的流程示意图,从所述第一整体货物图像中筛选出第一目标像素点所构成的第一空隙面积,以根据每一第一目标像素点的深度值确定所述第一整体货物图像的第一空隙体积,包括:
从所述第一整体货物图像中筛选出所有第一目标像素点;
根据相邻第一目标像素点构建第一空隙面积,以形成多个第一空隙面积;
根据任一第一空隙面积以及与所述第一空隙面积相关的深度值确定第一空隙体积;
遍历所有第一空隙面积,以根据所有第一空隙体积确定所述第一整体货物图像的第一空隙体积。
在步骤10131中,从所述第一整体货物图像中筛选出所有第一目标像素点,然而在一个第一整体货物图像中,可能存在有多个货物间的空隙,故所述第一目标像素点可能存在分布分散的情况。
在步骤10132中,针对所述第一目标像素点可能存在分布分散的情况,根据相邻第一目标像素点构建第一空隙面积,以确定分散情况下每一货物间的空隙所形成的面积,以形成多个第一空隙面积。
在步骤10133中,根据任一第一空隙面积以及与所述第一空隙面积相关的深度值确定第一空隙体积,在这样的实施例中,在一个第一整体货物图像中存在有多个第一空隙面积,而每一第一空隙面积对应有其深度值,所述深度值可以是固定值,也可以是与之相对应的像素点所记录的深度值的平均值,根据第一空隙面积以及与所述第一空隙面积相关的深度值的乘积确定第一空隙体积,进一步地,在步骤10134中,遍历所有第一空隙面积,直至确定所有第一空隙体积,并将其作为所述整体货物图像的第一空隙体积。
图6是本发明提供的确定第二货物满载率的流程示意图,所述根据所有深度层级中的第二整体货物图像计算第二总空隙体积,以结合车厢体积和所述第二总空隙体积确定第二货物满载率,包括:
根据第二初始货物图像确定第二初始装载货物的第二初始深度值,以根据所述第二初始深度值确定第二初始货物图像相关的第二初始深度层级;
以第二初始深度层级相关的第二初始货物图像作为遍历起始点,根据相邻货物图像中相邻货物的深度差值,确定每一货物所在深度层级,以存储每一深度层级中的第二整体货物图像;
从所述第二整体货物图像中筛选出第二目标像素点所构成的第二空隙面积,以根据每一第二目标像素点的深度值确定所述第二整体货物图像的第二空隙体积;
遍历每一深度层级中的第二整体货物图像,确定第二总空隙体积,以根据车厢实际体积确定第二货物满载率;
所述第二目标像素点为深度值大于或等于预设差值的像素点。
在步骤1021中,根据第二初始货物图像确定第二初始装载货物的第二初始深度值,以根据所述第二初始深度值确定第二初始货物图像相关的第二初始深度层级,本发明根据深度相机获取所述第二初始货物图像,其能够确定货物的深度值,进而根据所述第二初始货物图像确定第二初始装载货物的初始深度值,在确定第二初始装载货物的第二初始深度值后,由于在装箱过程中,一般在车厢尾部安装深度相机对货物装箱过程进行实时拍照记录,并回传给服务器。
故在一个可选地实施例中,采取从远至近的装箱顺序对货物进行装箱操作,此时深度相机所拍摄的第二初始装载货物的第二初始深度值为距离深度相机最远处的货物,在最远处的货物装满后,再依次由远及近的填装,故根据所述第二初始深度值确定第二初始货物图像相关的第二初始深度层级,所述第二初始深度层级可以设置为1级,而在当前层级装满后,再设置第二深度层级为2级,所述第二深度层级相对于初始深度层级而言,距离待拍摄相机较近,以此类推,直至将车厢装满。
在步骤1022中,以第二初始深度层级相关的第二初始货物图像作为遍历起始点,根据相邻货物图像中相邻货物的深度差值,确定每一货物所在深度层级,以存储每一深度层级中的第二整体货物图像,本发明依次进行每一货物图像的比对,比对相邻货物中的当前货物的深度值是否与上一张货物图像中的货物深度值处于同一深度,若处于同一深度,则根据上一张货物图像的深度层级确定当前货物图像的深度层级,若不处于同一深度,则认为其处于下一层级深度,即装载工人以将上一层级深度的空间填充满,则由远及近的填充下一层级,此时,即需要确定下一深度层级。
在步骤1023中,从所述第二整体货物图像中筛选出第二目标像素点所构成的第二空隙面积,以根据每一第二目标像素点的深度值确定所述第二整体货物图像的第二空隙体积,所述第二目标像素点为深度值大于或等于预设差值的像素点,在这样的实施例中,在任一第二整体货物图像中,若某一块区域处并未放置任何货物,而对于同一深度层级下所确定的第二整体货物图像而言,其周围均放置有货物,则该区域由于存在空隙,其深度将大于周围放置有货物处的深度,故本发明只需筛选出深度值大于一预设深度的像素点,即可确定由这些像素点所组成的区域为空隙,而预设深度可选地为预设差值,所述预设差值能够根据每一整体货物图像中最大货物与最小货物的深度差值而确定。
在从所述第二整体货物图像中筛选出第二目标像素点所构成的第二空隙面积后,由于已知每一第二目标像素点的深度值,根据面积乘以深度等于体积的基本原理,确定所述整体货物图像的第二空隙体积。
在步骤1024中,遍历每一深度层级中的第二整体货物图像,确定第二总空隙体积,以根据车厢实际体积确定第二货物满载率,由于第二整体货物图像只能反映出其中一个深度层级中的空隙体积,此时,则需要遍历每一深度层级中的第二整体货物图像,以获取每一第二整体货物图像相对应的空隙体积,并将所有空隙体积累积相加后的结果作为第二总空隙体积。
在所述第二总空隙体积确定的情况下,根据车厢实际体积与所述第二总空隙体积的差值能够确定车厢货物装载体积,并将所述车厢货物装载体积与所述车厢实际体积的商值确定为第二货物满载率,进一步地,可以参考如下公式:
图7是本发明提供的确定下一批次货物的装载方式的流程示意图,所述根据所述第一货物满载率与所述第二货物满载率确定扩容系数,以根据所述扩容系数,确定下一批次货物的装载方式,包括:
根据所述第一货物满载率与所述第二货物满载率的商值确定扩容系数;
在所述扩容系数大于或等于预设常数的情况下,确定下一批次货物的装载方式为人工装载;
在所述扩容系数小于预设常数的情况下,确定下一批次货物的装载方式为机器规划的装载顺序装载。
在步骤1031中,根据所述第一货物满载率与所述第二货物满载率的商值确定扩容系数,具体地,通过如下公式确定:
在步骤1032中,在所述扩容系数大于或等于预设常数的情况下,确定下一批次货物的装载方式为人工装载,在步骤1033中,在所述扩容系数小于预设常数的情况下,确定下一批次货物的装载方式为机器规划的装载顺序装载,所述预设常数可以为1。
图8是本发明提供的一种装载方式的确定装置的结构示意图,本发明公开了一种装载方式的确定装置,包括第一计算单元1:用于根据所有深度层级中的第一整体货物图像计算第一总空隙体积,以结合车厢体积和所述第一总空隙体积确定第一货物满载率,所述第一计算单元1的工作原理可以参考前述步骤101,在此不予赘述。
所述装载方式的确定装置还包括第二计算单元2:用于根据所有深度层级中的第二整体货物图像计算第二总空隙体积,以结合车厢体积和所述第二总空隙体积确定第二货物满载率,所述第二计算单元2的工作原理可以参考前述步骤102,在此不予赘述。
所述装载方式的确定装置还包括确定单元3:用于根据所述第一货物满载率与所述第二货物满载率确定扩容系数,以根据所述扩容系数,确定下一批次货物的装载方式,所述确定单元3的工作原理可以参考前述步骤103,在此不予赘述。
所述第一整体货物图像是根据人工装载完当前批次货物后,每一深度层级中的所有货物图像而确定的;
所述第二整体货物图像是根据机器规划的装载顺序装载完所述当前批次货物后,每一深度层级中的所有货物图像而确定的。
本发明提供了一种装载方式的确定方法、装置、设备及介质,本发明分别通过对同一批次的货物进行两次装载,进而确定出人工装载方式下的货物满载率以及机器规划的装载顺序装载方式下的货物满载率,再根据对两者进行比对分析,进而评估出针对当前批次的货物而言最优的装载方式,而如果后续批次的货物与当前批次的货物属于同一类型,则可以根据所确定的最优装载方式装载货物,进而提高车厢的满载率,降低物流成本。
图9是本发明提供的电子设备的结构示意图。图9示例了一种电子设备的实体结构示意图,如图9所示,该电子设备可以包括:处理器(processor)910、通信接口(Communications Interface)920、存储器(memory)930和通信总线940,其中,处理器910,通信接口920,存储器930通过通信总线940完成相互间的通信。处理器910可以调用存储器930中的逻辑指令,以执行装载方式的确定方法,该方法包括:根据所有深度层级中的第一整体货物图像计算第一总空隙体积,以结合车厢体积和所述第一总空隙体积确定第一货物满载率;根据所有深度层级中的第二整体货物图像计算第二总空隙体积,以结合车厢体积和所述第二总空隙体积确定第二货物满载率;根据所述第一货物满载率与所述第二货物满载率确定扩容系数,以根据所述扩容系数,确定下一批次货物的装载方式;所述第一整体货物图像是根据人工装载完当前批次货物后,每一深度层级中的所有货物图像而确定的;所述第二整体货物图像是根据机器规划的装载顺序装载完所述当前批次货物后,每一深度层级中的所有货物图像而确定的。
此外,上述的存储器930中的逻辑指令可以通过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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的一种装载方式的确定方法,该方法包括:根据所有深度层级中的第一整体货物图像计算第一总空隙体积,以结合车厢体积和所述第一总空隙体积确定第一货物满载率;根据所有深度层级中的第二整体货物图像计算第二总空隙体积,以结合车厢体积和所述第二总空隙体积确定第二货物满载率;根据所述第一货物满载率与所述第二货物满载率确定扩容系数,以根据所述扩容系数,确定下一批次货物的装载方式;所述第一整体货物图像是根据人工装载完当前批次货物后,每一深度层级中的所有货物图像而确定的;所述第二整体货物图像是根据机器规划的装载顺序装载完所述当前批次货物后,每一深度层级中的所有货物图像而确定的。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的装载方式的确定方法,该方法包括:根据所有深度层级中的第一整体货物图像计算第一总空隙体积,以结合车厢体积和所述第一总空隙体积确定第一货物满载率;根据所有深度层级中的第二整体货物图像计算第二总空隙体积,以结合车厢体积和所述第二总空隙体积确定第二货物满载率;根据所述第一货物满载率与所述第二货物满载率确定扩容系数,以根据所述扩容系数,确定下一批次货物的装载方式;所述第一整体货物图像是根据人工装载完当前批次货物后,每一深度层级中的所有货物图像而确定的;所述第二整体货物图像是根据机器规划的装载顺序装载完所述当前批次货物后,每一深度层级中的所有货物图像而确定的。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是: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)
1.一种装载方式的确定方法,其特征在于,包括:
根据所有深度层级中的第一整体货物图像计算第一总空隙体积,以结合车厢体积和所述第一总空隙体积确定第一货物满载率;
根据所有深度层级中的第二整体货物图像计算第二总空隙体积,以结合车厢体积和所述第二总空隙体积确定第二货物满载率;
根据所述第一货物满载率与所述第二货物满载率确定扩容系数,以根据所述扩容系数,确定下一批次货物的装载方式;
所述第一整体货物图像是根据人工装载完当前批次货物后,每一深度层级中的所有货物图像而确定的;
所述第二整体货物图像是根据机器规划的装载顺序装载完所述当前批次货物后,每一深度层级中的所有货物图像而确定的。
2.根据权利要求1所述的装载方式的确定方法,其特征在于,所述根据所有深度层级中的第一整体货物图像计算第一总空隙体积,以结合车厢体积和所述第一总空隙体积确定第一货物满载率,包括:
根据第一初始货物图像确定第一初始装载货物的第一初始深度值,以根据所述第一初始深度值确定第一初始货物图像相关的第一初始深度层级;
以第一初始深度层级相关的第一初始货物图像作为遍历起始点,根据相邻货物图像中相邻货物的深度差值,确定每一货物所在深度层级,以存储每一深度层级中的第一整体货物图像;
从所述第一整体货物图像中筛选出第一目标像素点所构成的第一空隙面积,以根据每一第一目标像素点的深度值确定所述第一整体货物图像的第一空隙体积;
遍历每一深度层级中的第一整体货物图像,确定第一总空隙体积,以根据车厢实际体积确定第一货物满载率;
所述第一目标像素点为深度值大于或等于预设差值的像素点。
3.根据权利要求2所述的装载方式的确定方法,其特征在于,所述根据相邻货物图像中相邻货物的深度差值,确定每一货物所在深度层级,包括:
在第一深度值与第二深度值的差值小于预设深度的情况下,确定第一货物与第二货物处于同一深度层级,以根据上一张货物图像的深度层级标记当前货物图像的深度层级;
在第一深度值与第二深度值的差值大于或等于预设深度的情况下,创建下一深度层级,并将所述第二货物所对应的当前货物图像标记为下一深度层级;
所述第一深度值是根据识别上一张货物图像中第一货物而确定的;
所述第二深度值是根据识别当前货物图像中的第二货物而确定的。
4.根据权利要求2所述的装载方式的确定方法,其特征在于,在从所述第一整体货物图像中筛选出第一目标像素点所构成的第一空隙面积之前,还包括:
根据语义分割模型分割所述第一整体货物图像,以获取面积最大的货物图像以及面积最小的货物图像;
根据所述面积最大的货物图像所对应的深度值以及所述面积最小的货物图像所对应的深度值,确定所述预设差值。
5.根据权利要求2所述的装载方式的确定方法,其特征在于,从所述第一整体货物图像中筛选出第一目标像素点所构成的第一空隙面积,以根据每一第一目标像素点的深度值确定所述第一整体货物图像的第一空隙体积,包括:
从所述第一整体货物图像中筛选出所有第一目标像素点;
根据相邻第一目标像素点构建第一空隙面积,以形成多个第一空隙面积;
根据任一第一空隙面积以及与所述第一空隙面积相关的深度值确定第一空隙体积;
遍历所有第一空隙面积,以根据所有第一空隙体积确定所述第一整体货物图像的第一空隙体积。
6.根据权利要求1所述的装载方式的确定方法,其特征在于,所述根据所有深度层级中的第二整体货物图像计算第二总空隙体积,以结合车厢体积和所述第二总空隙体积确定第二货物满载率,包括:
根据第二初始货物图像确定第二初始装载货物的第二初始深度值,以根据所述第二初始深度值确定第二初始货物图像相关的第二初始深度层级;
以第二初始深度层级相关的第二初始货物图像作为遍历起始点,根据相邻货物图像中相邻货物的深度差值,确定每一货物所在深度层级,以存储每一深度层级中的第二整体货物图像;
从所述第二整体货物图像中筛选出第二目标像素点所构成的第二空隙面积,以根据每一第二目标像素点的深度值确定所述第二整体货物图像的第二空隙体积;
遍历每一深度层级中的第二整体货物图像,确定第二总空隙体积,以根据车厢实际体积确定第二货物满载率;
所述第二目标像素点为深度值大于或等于预设差值的像素点。
7.根据权利要求1所述的装载方式的确定方法,其特征在于,所述根据所述第一货物满载率与所述第二货物满载率确定扩容系数,以根据所述扩容系数,确定下一批次货物的装载方式,包括:
根据所述第一货物满载率与所述第二货物满载率的商值确定扩容系数;
在所述扩容系数大于或等于预设常数的情况下,确定下一批次货物的装载方式为人工装载;
在所述扩容系数小于预设常数的情况下,确定下一批次货物的装载方式为机器规划的装载顺序装载。
8.一种装载方式的确定装置,其特征在于,包括:
第一计算单元:用于根据所有深度层级中的第一整体货物图像计算第一总空隙体积,以结合车厢体积和所述第一总空隙体积确定第一货物满载率;
第二计算单元:用于根据所有深度层级中的第二整体货物图像计算第二总空隙体积,以结合车厢体积和所述第二总空隙体积确定第二货物满载率;
确定单元:用于根据所述第一货物满载率与所述第二货物满载率确定扩容系数,以根据所述扩容系数,确定下一批次货物的装载方式;
所述第一整体货物图像是根据人工装载完当前批次货物后,每一深度层级中的所有货物图像而确定的;
所述第二整体货物图像是根据机器规划的装载顺序装载完所述当前批次货物后,每一深度层级中的所有货物图像而确定的。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述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程序时实现如权利要求1至7任一项所述装载方式的确定方法。
10.一种非暂态计算机可读存储介质,其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至7任一项所述装载方式的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211487370.3A CN115587675B (zh) | 2022-11-25 | 2022-11-25 | 装载方式的确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211487370.3A CN115587675B (zh) | 2022-11-25 | 2022-11-25 | 装载方式的确定方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115587675A true CN115587675A (zh) | 2023-01-10 |
CN115587675B CN115587675B (zh) | 2023-05-12 |
Family
ID=84783565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211487370.3A Active CN115587675B (zh) | 2022-11-25 | 2022-11-25 | 装载方式的确定方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115587675B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5568393A (en) * | 1992-03-25 | 1996-10-22 | Toyota Jidosya Kabushiki Kaisha | Automated warehouse inloading/outloading storage controller |
US20170228885A1 (en) * | 2014-08-08 | 2017-08-10 | Cargometer Gmbh | Device and method for determining the volume of an object moved by an industrial truck |
CN110853004A (zh) * | 2019-11-04 | 2020-02-28 | 华东交通大学 | 一种零担货物智能形状识别优化装箱方法及装置 |
CN111383257A (zh) * | 2018-12-29 | 2020-07-07 | 顺丰科技有限公司 | 一种车厢装卸率确定方法和装置 |
CN113222970A (zh) * | 2021-05-31 | 2021-08-06 | 中邮信息科技(北京)有限公司 | 一种车辆装载率检测方法、装置、计算机设备和存储介质 |
US20210319582A1 (en) * | 2018-08-27 | 2021-10-14 | Daimler Ag | Method(s) and System(s) for Vehicular Cargo Management |
CN114373005A (zh) * | 2021-12-07 | 2022-04-19 | 深圳市锐明技术股份有限公司 | 一种货物体积测量方法、装置、电子设备及可读存储介质 |
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
- 2022-11-25 CN CN202211487370.3A patent/CN115587675B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5568393A (en) * | 1992-03-25 | 1996-10-22 | Toyota Jidosya Kabushiki Kaisha | Automated warehouse inloading/outloading storage controller |
US20170228885A1 (en) * | 2014-08-08 | 2017-08-10 | Cargometer Gmbh | Device and method for determining the volume of an object moved by an industrial truck |
US20210319582A1 (en) * | 2018-08-27 | 2021-10-14 | Daimler Ag | Method(s) and System(s) for Vehicular Cargo Management |
CN111383257A (zh) * | 2018-12-29 | 2020-07-07 | 顺丰科技有限公司 | 一种车厢装卸率确定方法和装置 |
CN110853004A (zh) * | 2019-11-04 | 2020-02-28 | 华东交通大学 | 一种零担货物智能形状识别优化装箱方法及装置 |
CN113222970A (zh) * | 2021-05-31 | 2021-08-06 | 中邮信息科技(北京)有限公司 | 一种车辆装载率检测方法、装置、计算机设备和存储介质 |
CN114373005A (zh) * | 2021-12-07 | 2022-04-19 | 深圳市锐明技术股份有限公司 | 一种货物体积测量方法、装置、电子设备及可读存储介质 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN115587675B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11820611B2 (en) | Load planning optimization using automated 3D packing | |
CN107194646B (zh) | 库存调度方法以及装置 | |
JP6298392B2 (ja) | バン詰め作業計画作成装置及びバン詰め作業計画作成方法 | |
Van Gils et al. | Designing efficient order picking systems: The effect of real-life features on the relationship among planning problems | |
Hermel et al. | A solution framework for the multi-mode resource-constrained cross-dock scheduling problem | |
WO2023236825A1 (zh) | 容积使用率的监控方法、装置和计算机可读存储介质 | |
CN114219276A (zh) | 一种仓储物流的仿真方法、装置、设备及存储介质 | |
CN115587675A (zh) | 装载方式的确定方法、装置、设备及介质 | |
US9895846B2 (en) | Multi-part counting system for three-dimensional printed parts | |
CN114140735B (zh) | 一种基于深度学习的货道堆积检测方法、系统及存储介质 | |
Bruniecki et al. | Evaluation of vehicle routing problem algorithms for transport logistics using dedicated GIS system | |
US20220327482A1 (en) | Artificial intelligence for freight estimation | |
US9218672B2 (en) | Device and method for generating procedural images with a cache | |
CN115587073A (zh) | 图像存储方法、装置、电子设备及可读存储介质 | |
CN112183954A (zh) | 一种获取货物的装载方案的方法和装置 | |
CN111598511A (zh) | 运输货物的车线规划方法、装置、设备及存储介质 | |
US20240005263A1 (en) | Machine vision system for advancement of trailer loading/unloading visibility | |
CN116307985B (zh) | 建筑材料节能运输方法、计算机设备与介质 | |
CN113537675B (zh) | 装载方案输出方法、装置、计算机设备和存储介质 | |
Alomran | Minimizing Container Weight | |
JP4213274B2 (ja) | 出荷作業計画装置及び記憶媒体 | |
CN115761173A (zh) | 一种装箱结构重建方法、设备及计算机可读存储介质 | |
Prihanto et al. | Re-Design Layout and Allocation of Raw Material Warehouses Using Simulation Methods to Minimize the Handling Cost from Port to Warehouses | |
CN117670257A (zh) | 一种订单分配方法、装置、电子设备及介质 | |
CN117669900A (zh) | 车辆推荐方法、装置、计算机可读介质及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |