CN116109249A - 一种基于视觉实时盘库及安全监测方法和系统 - Google Patents

一种基于视觉实时盘库及安全监测方法和系统 Download PDF

Info

Publication number
CN116109249A
CN116109249A CN202211666577.7A CN202211666577A CN116109249A CN 116109249 A CN116109249 A CN 116109249A CN 202211666577 A CN202211666577 A CN 202211666577A CN 116109249 A CN116109249 A CN 116109249A
Authority
CN
China
Prior art keywords
goods
cargo
judging whether
tray
image
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
CN202211666577.7A
Other languages
English (en)
Inventor
李尚伟
王梦琳
陆学刚
顾红卫
张明晖
朱小松
沈晨阳
刘永春
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 Hengtong Intelligent Equipment Co ltd
Original Assignee
Jiangsu Hengtong Intelligent Equipment 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 Hengtong Intelligent Equipment Co ltd filed Critical Jiangsu Hengtong Intelligent Equipment Co ltd
Priority to CN202211666577.7A priority Critical patent/CN116109249A/zh
Publication of CN116109249A publication Critical patent/CN116109249A/zh
Pending legal-status Critical Current

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
    • G06Q10/08—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
    • G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
    • 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
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/80—Recognising image objects characterised by unique random patterns
    • 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)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Accounting & Taxation (AREA)
  • Operations Research (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)

Abstract

本发明涉及一种基于视觉实时盘库及安全监测方法和系统，方法包括：获取立体仓库中待盘点货架的图像，待盘点货架包括货物和用于承载货物的托盘，所述托盘设置有条码；对所述图像进行处理，得到货物图和托盘图；识别所述托盘图中的条码，并根据条码从数据库中解析出对应的货架坐标，判断解析出的货架坐标和当前的货架坐标是否一致，若货架坐标不一致，则记录异常，并将货物出库；若货架坐标一致，则执行下一步骤；判断货物图中的货物位置是否异常，若位置异常，则重新摆放货物位置并再次判断货物位置是否异常，直到货物位置正常；若位置正常，则记录正常。本发明不仅能够快速、准确实现立体库中货物的盘点，还能对货物的位置安全进行实时分析。

Description

一种基于视觉实时盘库及安全监测方法和系统
技术领域
本发明涉及仓库盘点技术领域，尤其是指一种基于视觉实时盘库及安全监测方法和系统。
背景技术
由于生产和技术发展，自动化立体仓库出现在当代企业并迅猛发展。50年代初，美国出现了采用桥式堆垛起重机的仓库，50年代术60年代初出现了司机操作的巷道式堆垛起重机，1963年美国首先在仓库业务中采用计算机控制,建立了世界上第一座由计算机控制的高架自动化仓库。此后，高架仓库在美国和欧洲得到迅速的发展。60年代中期以后，日本开始兴建高架仓库，而且发展速度越来越快。20世纪70年代以来，多国大力推广商品物流自动化、信息化、高速化，发展城市商品集中配送中心，许多大中型企业纷纷建立大型自动化立体仓库.控制技术也出最初的手动控制发展成为自动控制和计算机管理；仓库的利用率明显得到提高；仓库的规模出最初的几百个、几千个货位发展到几万个甚至十几万个货位。
不难发现，立体库是现代物流高速发展的产物，它的使用大大提高了物流企业的运作效率和现代化水平，提升了仓库空间的利用率，使得在同样空间内可存储货物种类、数量极大提高。但是，在仓储量提高的同时对于在库货物的管理也有待加强。
盘点是在库货物管理中的一项重要内容，对于货物的实时、准确、高效盘点是企业确定仓储策略的基础，传统意义上的盘点一般只是对库存货物的实际数量进行清查、清点，以确保账面与实际相符合，然而在实际应用中，除了货物数量外，盘点速度、货物存放的位置也直接影响着盘点结果，从而影响在库货物信息和仓储运作等。当前立体库货物盘点不仅要实现对货物的快速盘点，还要对货物的位置进行实时分析以保障安全性。
发明内容
为此，本发明所要解决的技术问题在于克服现有技术中立体库货物盘点低效且货物位置摆放不安全的问题。
为解决上述技术问题，本发明提供了一种基于视觉实时盘库及安全监测方法，包括：
步骤S1：获取立体仓库中待盘点货架的图像，所述待盘点货架包括货物和用于承载货物的托盘，所述托盘设置有条码；
步骤S2：对所述图像进行处理，得到货物图和托盘图；
步骤S3：识别所述托盘图中的条码，并根据所述条码从数据库中解析出对应的货架坐标，判断解析出的货架坐标和当前的货架坐标是否一致，若货架坐标不一致，则记录异常，并将货物出库；若货架坐标一致，则执行步骤S4；
步骤S4：判断所述货物图中的货物位置是否异常，若位置异常，则重新摆放货物位置并再次判断货物位置是否异常，直到货物位置正常；若位置正常，则记录正常。
在本发明的一个实施例中，所述步骤S2中对所述图像进行处理，得到货物图和托盘图的方法为：通过设置图像掩膜将所述图像中的货物和托盘进行分离，得到货物图和托盘图。
在本发明的一个实施例中，所述步骤S3中识别所述托盘图中的条码方法为：
将所述托盘图转换为灰度图；
计算所述灰度图的水平方向梯度和垂直方向梯度，并计算所述水平方向梯度和垂直方向梯度的梯度差；
对所述灰度图的梯度差结果进行二值化，得到二值化结果；
通过闭运算去除所述二值化结果中孤立的像素点，得到所述托盘图中的条码。
在本发明的一个实施例中，所述步骤S4中判断所述货物图中的货物位置是否异常的方法为：以所述货物与货架横梁的距离，以及所述货物与货架立柱的距离为基准，判断货物位置是否异常。
在本发明的一个实施例中，所述以所述货物与货架横梁的距离，以及所述货物与货架立柱的距离为基准，判断货物位置是否异常的方法为：判断所述货物与货架最近的横梁距离，以及所述货物与货架最近的立柱距离是否大于安全距离，若均大于安全距离，则表明货物摆放安全；若小于安全距离，则表明货物摆放不安全，并调整摆放位置。
在本发明的一个实施例中，所述步骤S4中识别所述货物图中的货物位置是否异常，还包括：以货物面积比值法和所述货物像素点比例法判断货物是否放歪。
在本发明的一个实施例中，所述以货物面积比值法和所述货物像素点比例法判断货物是否放歪的方法为：
判断所述货物是否为规则形状，若货物为不规则形状，则以货物底边长度和货架的高为基准构造等腰三角形，判断货物在所述等腰三角形中的面积与货物自身面积之比是否超过预设百分比，若面积之比低于预设百分比，则表明货物放歪；
若面积之比高于预设百分比或货物为规则形状，则以所述货物图的中轴线为基准，将所述货物图一分为二，得到第一对比图和第二对比图；
计算所述第一对比图中货物像素点比例，并计算第二对比图中货物像素点比例；
若第一对比图中货物像素点比例和第二对比图中货物像素点比例差值大于设定对比值，则表明货物放歪；否则表明货物未放歪。
本发明提供了一种基于视觉实时盘库及安全监测系统，包括：
获取模块：用于获取立体仓库中待盘点货架的图像，所述待盘点货架包5括货物和用于承载货物的托盘，所述托盘设置有条码；
处理模块：用于对所述图像进行处理，得到货物图和托盘图；
第一判断模块：用于识别所述托盘图中的条码，并根据所述条码从数据库中解析出对应的货架坐标，判断解析出的货架坐标和当前的货架坐标是否
一致，若货架坐标不一致，则记录异常，并将货物出库；若货架坐标一致，0则执行第二判断模块的过程；
第二判断模块：用于判断所述货物图中的货物位置是否异常，若位置异常，则重新摆放货物位置并再次判断货物位置是否异常，直到货物位置正常；
若位置正常，则记录正常。
本发明提供了一种电子设备，包括存储器、处理器及存储在存储器上并5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
程序时实现上述基于视觉实时盘库及安全监测方法的步骤。
本发明提供了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，所述计算机程序被处理器执行时，实现上述基于视觉实时盘库及安全监测方法的步骤。
0本发明的上述技术方案相比现有技术具有以下优点：
本发明通过货物面积比值法和所述货物像素点比例法判断货物是否放歪，相对于通过神经网络方法判断货物是否放歪，具有时速快的优点，符合大规模立体库盘点的实际要求，同时也能保障立体库中货物的安全性和工作
人员的安全性；
5本发明主要应用场景为自动物流仓储输送，相较于传统的输送系统其优势是增加了工业高清视觉相机可保证在高速运行中图像识别精准，同时能将图像数据通过太赫兹无线通信传输到上位机进行分析，保证数据传输质量和速度，太赫兹无线通信技术具有高频率、高带宽、低延时的通讯优势，不容易受低频信号干扰；在粉尘、昏暗等恶劣环境中也可保证数据的快速、准确传输；
本发明通过太赫兹通信实现图像数据的实时传输，符合未来通信网络对通信带宽和移动性的要求以此实现库存盘点及实时监测。
附图说明
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明。
图1是本发明的方法流程图；
图2是本发明实施例在货物面积比值法中构造等腰三角形示意图；
图3是本发明实施例中以货物图的中轴线为基准将货物图一分为二示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
实施例一
参照图1所示，本发明提供的一种基于视觉实时盘库及安全监测方法，包括：
步骤S1：获取立体仓库中待盘点货架的图像，所述待盘点货架包括货物和用于承载货物的托盘，所述托盘设置有条码；
步骤S2：对所述图像进行处理(即将图像中的货物和托盘进行分离)，得到货物图和托盘图；
步骤S3：识别所述托盘图中的条码，并根据所述条码从数据库中解析出对应的货架坐标，判断解析出的货架坐标和当前的货架坐标(即堆垛机的坐标)是否一致，若货架坐标不一致，则记录异常，并将货物出库(需要将货物放置到正确的货架上)；若货架坐标一致，则执行步骤S4；
步骤S4：判断所述货物图中的货物位置是否异常，若位置异常，则重新摆放货物位置并再次判断货物位置是否异常，直到货物位置正常；若位置正常，则记录正常。
本实施例主要应用场景为自动物流仓储输送，相较于传统的输送系统其优势是增加了工业高清视觉相机可保证在高速运行中图像识别精准，同时能将图像数据通过太赫兹无线通信传输到上位机进行分析，保证数据传输质量和速度，现有的输送系统通常使用光通信，容易受环境影响，实时性也不高，本实施例的太赫兹无线通信技术具有高频率、高带宽、低延时的通讯优势，不容易受低频信号干扰；在粉尘、昏暗等恶劣环境中也可保证数据的快速、准确传输，满足工业控制领域的快速响应要求。
以下对本实施例进行详细介绍：
进一步地，步骤S2中对所述图像进行处理，得到货物图和托盘图的方法为：通过设置图像掩膜将所述图像中的货物和托盘进行分离，得到货物图和托盘图。
进一步地，步骤S3中识别所述托盘图中的条码方法为：
步骤S3.1：将所述托盘图转换为灰度图；
步骤S3.2：通过Sobel算子计算所述灰度图的水平方向梯度和垂直方向梯度，并计算所述水平方向梯度和垂直方向梯度的梯度差；
步骤S3.3：对所述灰度图的梯度差结果进行二值化，得到二值化结果；
步骤S3.4：通过闭运算去除所述二值化结果中孤立的像素点，得到所述托盘图中的条码。
进一步地，步骤S4中判断所述货物图中的货物位置是否异常的方法为：以所述货物与货架横梁的距离，以及所述货物与货架立柱的距离为基准，判断货物位置是否异常。
具体地，以所述货物与货架横梁的距离，以及所述货物与货架立柱的距离为基准，判断货物位置是否异常的方法为：判断所述货物与货架最近的横梁距离，以及所述货物与货架最近的立柱距离是否大于安全距离，若均大于安全距离，则表明货物摆放安全；若货物与货架最近的横梁距离或货物与货架最近的立柱距离小于安全距离，则表明货物摆放不安全，并调整摆放位置。
不难理解，当货物与货架最近的立柱(横梁)距离小于安全距离，说明货物摆放在了货架的边缘处，此时货物掉下货架的可能性较大，因此及时对货物的位置进行调整能够有效保障货物的安全性，同时也能保证工作人员的安全。
进一步地，步骤S4中识别所述货物图中的货物位置是否异常，还包括：以货物面积比值法和所述货物像素点比例法判断货物是否放歪。
具体地，以货物面积比值法和所述货物像素点比例法判断货物是否放歪的方法为：
判断所述货物是否为规则形状，若货物为不规则形状，则以货物底边长度和货架的高为基准构造等腰三角形，判断货物在所述等腰三角形中的面积与货物自身面积之比是否超过80％，若面积之比低于80％，则表明货物放歪，请参阅图2，阴影部分为货物，外周的矩形为货架，本实施例选择三角形作为基准进行判别，是因为考虑到大部分货物底部重且下沉，容易形成三角形状态，因此更加符合实际；
若面积之比高于80％或货物为规则形状，则以所述货物图的中轴线为基准，将所述货物图一分为二，得到第一对比图和第二对比图，请参阅图3，货物图的中轴线左侧可以视为第一对比图，中轴线右侧可以视为第二对比图，第一对比图中货物所占部分为A，第二对比图中货物所占部分为B；
计算所述第一对比图中货物像素点比例，并计算第二对比图中货物像素点比例，结合图3，即计算货物的A部分所占像素在第一对比图中的比例，以及计算货物的B部分所占像素在第二对比图中的比例；
若第一对比图中货物像素点比例和第二对比图中货物像素点比例差值大于设定对比值，则表明货物放歪；否则表明货物未放歪。
众所周知，立体库货架高、货物多，货物的安全摆放不仅涉及到货物本身的安全，还对立体库中工作人员的安全性有重大影响，因此本实施例通过货物面积比值法和所述货物像素点比例法判断货物是否放歪，保障立体库中货物的安全性和工人的安全性，不仅如此，本实施例相对于通过神经网络方法判断货物是否放歪，具有时速快的优点，符合大规模立体库盘点的实际要求。
本实施例可根据定期盘点、分区盘点、对重点物品盘点等逻辑规则下发盘库指令，高速运行堆垛机收到盘库指令后开始执行对应操作。盘库操作开始后高速运行堆垛机行驶至对应货架位置，此时高速运行堆垛机上加装的工业高清相机对库位及货物进行图像识别。本实施例在识别过程中通过工业高清视觉相机识别托盘条码信息实现连续认址，且能够保证较高的移动速度，提高了定位系统的生产效率，能够适应仓储运行设备较长的移动距离或弯曲的移动路径，相较于激光或红外测距方式受仓储环境的限制较小。
实施例二
本发明提供的一种基于视觉实时盘库及安全监测系统，包括：
获取模块：用于获取立体仓库中待盘点货架的图像，所述待盘点货架包括货物和用于承载货物的托盘，所述托盘设置有条码；
处理模块：用于对所述图像进行处理，得到货物图和托盘图；
第一判断模块：用于识别所述托盘图中的条码，并根据所述条码从数据库中解析出对应的货架坐标，判断解析出的货架坐标和当前的货架坐标是否一致，若货架坐标不一致，则记录异常，并将货物出库；若货架坐标一致，则执行第二判断模块的过程；
第二判断模块：用于判断所述货物图中的货物位置是否异常，若位置异常，则重新摆放货物位置并再次判断货物位置是否异常，直到货物位置正常；若位置正常，则记录正常。
实施例三
本实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现实施例一所述所述基于视觉实时盘库及安全监测方法的步骤。
实施例四
本实施例提供一种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，实现实施例一所述所述基于视觉实时盘库及安全监测方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、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。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种基于视觉实时盘库及安全监测方法，其特征在于：包括：
步骤S1：获取立体仓库中待盘点货架的图像，所述待盘点货架包括货物和用于承载货物的托盘，所述托盘设置有条码；
步骤S2：对所述图像进行处理，得到货物图和托盘图；
步骤S3：识别所述托盘图中的条码，并根据所述条码从数据库中解析出对应的货架坐标，判断解析出的货架坐标和当前的货架坐标是否一致，若货架坐标不一致，则记录异常，并将货物出库；若货架坐标一致，则执行步骤S4；
步骤S4：判断所述货物图中的货物位置是否异常，若位置异常，则重新摆放货物位置并再次判断货物位置是否异常，直到货物位置正常；若位置正常，则记录正常。
2.根据权利要求1所述的基于视觉实时盘库及安全监测方法，其特征在于：所述步骤S2中对所述图像进行处理，得到货物图和托盘图的方法为：通过设置图像掩膜将所述图像中的货物和托盘进行分离，得到货物图和托盘图。
3.根据权利要求1所述的基于视觉实时盘库及安全监测方法，其特征在于：所述步骤S3中识别所述托盘图中的条码方法为：
将所述托盘图转换为灰度图；
计算所述灰度图的水平方向梯度和垂直方向梯度，并计算所述水平方向梯度和垂直方向梯度的梯度差；
对所述灰度图的梯度差结果进行二值化，得到二值化结果；
通过闭运算去除所述二值化结果中孤立的像素点，得到所述托盘图中的条码。
4.根据权利要求1所述的基于视觉实时盘库及安全监测方法，其特征在于：所述步骤S4中判断所述货物图中的货物位置是否异常的方法为：以所述货物与货架横梁的距离，以及所述货物与货架立柱的距离为基准，判断货物位置是否异常。
5.根据权利要求4所述的基于视觉实时盘库及安全监测方法，其特征在于：所述以所述货物与货架横梁的距离，以及所述货物与货架立柱的距离为基准，判断货物位置是否异常的方法为：判断所述货物与货架最近的横梁距离，以及所述货物与货架最近的立柱距离是否大于安全距离，若均大于安全距离，则表明货物摆放安全；若小于安全距离，则表明货物摆放不安全，并调整摆放位置。
6.根据权利要求1所述的基于视觉实时盘库及安全监测方法，其特征在于：所述步骤S4中识别所述货物图中的货物位置是否异常，还包括：以货物面积比值法和所述货物像素点比例法判断货物是否放歪。
7.根据权利要求6所述的基于视觉实时盘库及安全监测方法，其特征在于：所述以货物面积比值法和所述货物像素点比例法判断货物是否放歪的方法为：
判断所述货物是否为规则形状，若货物为不规则形状，则以货物底边长度和货架的高为基准构造等腰三角形，判断货物在所述等腰三角形中的面积与货物自身面积之比是否超过预设百分比，若面积之比低于预设百分比，则表明货物放歪；
若面积之比高于预设百分比或货物为规则形状，则以所述货物图的中轴线为基准，将所述货物图一分为二，得到第一对比图和第二对比图；
计算所述第一对比图中货物像素点比例，并计算第二对比图中货物像素点比例；
若第一对比图中货物像素点比例和第二对比图中货物像素点比例差值大于设定对比值，则表明货物放歪；否则表明货物未放歪。
8.一种基于视觉实时盘库及安全监测系统，其特征在于：包括：
获取模块：用于获取立体仓库中待盘点货架的图像，所述待盘点货架包括货物和用于承载货物的托盘，所述托盘设置有条码；
处理模块：用于对所述图像进行处理，得到货物图和托盘图；
第一判断模块：用于识别所述托盘图中的条码，并根据所述条码从数据库中解析出对应的货架坐标，判断解析出的货架坐标和当前的货架坐标是否一致，若货架坐标不一致，则记录异常，并将货物出库；若货架坐标一致，则执行第二判断模块的过程；
第二判断模块：用于判断所述货物图中的货物位置是否异常，若位置异常，则重新摆放货物位置并再次判断货物位置是否异常，直到货物位置正常；若位置正常，则记录正常。
9.一种电子设备，包括存储器、处理器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如权利要求1至7中任一项所述基于视觉实时盘库及安全监测方法的步骤。
10.一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，所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述基于视觉实时盘库及安全监测方法的步骤。
CN202211666577.7A 2022-12-23 2022-12-23 一种基于视觉实时盘库及安全监测方法和系统 Pending CN116109249A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211666577.7A CN116109249A (zh) 2022-12-23 2022-12-23 一种基于视觉实时盘库及安全监测方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211666577.7A CN116109249A (zh) 2022-12-23 2022-12-23 一种基于视觉实时盘库及安全监测方法和系统

Publications (1)

Publication Number Publication Date
CN116109249A true CN116109249A (zh) 2023-05-12

Family

ID=86255325

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211666577.7A Pending CN116109249A (zh) 2022-12-23 2022-12-23 一种基于视觉实时盘库及安全监测方法和系统

Country Status (1)

Country Link
CN (1) CN116109249A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117495255A (zh) * 2024-01-03 2024-02-02 深圳市明心数智科技有限公司 一种货物出库管理方法、系统及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117495255A (zh) * 2024-01-03 2024-02-02 深圳市明心数智科技有限公司 一种货物出库管理方法、系统及介质

Similar Documents

Publication Publication Date Title
CN110443093B (zh) 一种面向智能化的红外数字全景系统及其仓库管理方法
US10388019B1 (en) Associating an agent with an event based on multiple inputs
CN113859847B (zh) 仓储盘点方法和仓储系统
CN110414878B (zh) 库存校正方法和装置及计算机可读存储介质
CN111310645A (zh) 货物堆积量的溢仓预警方法、装置、设备及存储介质
US11875570B1 (en) Updating agent position information
CN116109249A (zh) 一种基于视觉实时盘库及安全监测方法和系统
CN111301911B (zh) 一种用于堆垛机的视觉逻辑控制方法
CN112289021A (zh) 一种交通信号灯的检测方法、装置及自动驾驶汽车
CN114873465A (zh) 基于机器视觉高精度井下单轨吊车定位方法、系统
CN115139303A (zh) 一种栅格井盖检测方法、装置、设备及存储介质
CN114581002A (zh) 基于云计算和人工智能的工业生产原料智能管理系统
CN117455324B (zh) 一种基于物理模型的大型港口运营管理方法及系统
CN117975368A (zh) 一种路径追踪方法及其仓库信息记录的方法
CN114253253A (zh) 一种基于人工智能的目标识别方法、装置及机器人
CN108960739B (zh) 一种物流供应链管理系统
CN114155194B (zh) 煤炭视频图像称重系统及方法
CN114758163A (zh) 一种叉车移动控制方法、装置、电子设备及存储介质
US10891736B1 (en) Associating an agent with an event using motion analysis
CN111950644A (zh) 模型的训练样本选择方法、装置及计算机设备
CN115713758B (zh) 一种车厢识别方法、系统、装置及存储介质
Garnaik et al. MINSU: Precision Quantity Counter with DNN-based Volume Estimation
CN115331148A (zh) 基于目标检测及多目标跟踪的矿车超挂检测方法及装置
CN116151734A (zh) 仓储面积确定方法、装置、电子设备和计算机可读介质
CN118377826A (zh) 三维可视化联动的智能库房管理系统、方法、设备及介质

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