CN116645375B - 一种基于三维重建算法的卷烟零售商户库存盘点方法 - Google Patents
一种基于三维重建算法的卷烟零售商户库存盘点方法 Download PDFInfo
- Publication number
- CN116645375B CN116645375B CN202310931602.8A CN202310931602A CN116645375B CN 116645375 B CN116645375 B CN 116645375B CN 202310931602 A CN202310931602 A CN 202310931602A CN 116645375 B CN116645375 B CN 116645375B
- Authority
- CN
- China
- Prior art keywords
- cigarette
- data
- image
- inventory
- packages
- 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.)
- Active
Links
- 235000019504 cigarettes Nutrition 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 26
- 238000002372 labelling Methods 0.000 claims abstract description 18
- 230000011218 segmentation Effects 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000003709 image segmentation Methods 0.000 claims description 20
- 230000005484 gravity Effects 0.000 claims description 18
- 238000013145 classification model Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000013179 statistical model Methods 0.000 claims description 12
- 238000003384 imaging method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010191 image analysis Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 241000208125 Nicotiana Species 0.000 description 3
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
- 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
- G06T7/60—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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明提出了一种基于三维重建算法的卷烟零售商户库存盘点方法,涉及图像处理技术领域,包括:采集卷烟零售商户的零售柜台及库存的卷烟图像,对卷烟图像分别进行分割标注和分类标注,结合图像识别模型与卷烟包装外观的结构唯一性的图像解析算法,解析出陈列深度信息,而后通过结合深度学习技术,得到较精准的卷烟品牌的盘点数据,省去了繁琐步骤,提高了效率,可快速获取盘点结果,极大减少了在单个零售户盘点所耗费的时间。
Description
技术领域
本发明涉及图像处理技术领域,具体而言,涉及一种基于三维重建算法的卷烟零售商户库存盘点方法。
背景技术
为了更好地把握与管理卷烟零售商户,需要掌握全面且实时的终端库存数据,但在现有的管理方式中,主要通过人工进行盘点,而人工盘点特别费时费力,对零售户的不同款式的货架烟品、库存进行人工计数和统计,操作步骤繁琐,且单个业务经理负责的零售户众多,容易出现混淆零售户的盘点数据、盘点效率低、盘点周期长、数据追溯麻烦(需重返零售户),极大影响零售户与烟草公司的业务效率。
基于此,本申请提出一种基于三维重建算法的卷烟零售商户库存盘点方法来解决上述问题。
发明内容
本发明的目的在于提供一种基于三维重建算法的卷烟零售商户库存盘点方法,来解决背景技术中所提到的问题和不足。
本发明的技术方案为:
本申请提供一种基于三维重建算法的卷烟零售商户库存盘点方法,其包括以下步骤:
S1、采集卷烟零售商户的零售柜台及库存的卷烟图像;
S2、通过标注工具对采集到的卷烟图像分别进行分割标注和分类标注;
S3、基于分割标注的卷烟图像建立分割模型并进行训练以得到图像分割模型,基于分类标注的卷烟图像建立分类模型并进行训练以得到图像分类模型;
S4、将卷烟图像输入图像分割模型,将得到的分割数据进行数据预处理以得到预处理的图像数据;
S5、基于预处理的图像数据获取卷烟图像中的卷烟包装的特征数据,并利用三维重建算法构建卷烟包装的盘点统计模型;
S6、将预处理的图像数据输入卷烟包装的盘点统计模型以得到卷烟包装的盘点数据和坐标信息;
S7、将卷烟图像输入图像分类模型以得到卷烟包装的分类数据,基于卷烟包装的特征数据、以卷烟包装的坐标信息为匹配条件对卷烟包装的盘点数据进行数据匹配以得到最终的卷烟包装的库存盘点结果。
进一步地,步骤S4中,上述数据预处理包括对上述分割数据进行轮廓约束处理和矫正处理以得到预处理的图像数据。
进一步地,上述轮廓约束处理采用OPENCV的多边形拟合函数进行处理。
进一步地,上述矫正处理的计算公式包括:
其中,X表示图像平面横坐标,Y表示图像平面纵坐标,x为矫正后的横坐标,y为矫正后的纵坐标,、/>、/>、/>、/>、/>、/>、/>和/>均为图像矩阵的矩阵参数。
进一步地,步骤S5中,上述利用三维重建算法构建卷烟包装的盘点统计模型的计算过程包括:
计算卷烟图像中所有卷烟包装的平面重心点坐标,计算公式为:
,i=1,2,3,...,n
其中,x'为重心点横坐标,y'为重心点纵坐标,i为卷烟包装计数值,n为卷烟包装总数量,xi为卷烟包装的轮廓横坐标数据,yi为卷烟包装的轮廓纵坐标数据;
获取卷烟包装的空间成像系数,计算公式为:
其中,f为焦距,u为空间成像系数,v为像距;
遍历所有卷烟包装的平面重心点坐标来获取所有重心点的位置顺序;
基于卷烟包装的长宽高信息和所有重心点的位置顺序,通过使用OPENGL的glReadPixels函数,将二维坐标转换为三维坐标,从而构建得到卷烟包装的盘点统计模型。
进一步地,上述分类数据包括卷烟包装的外观轮廓特征数据、品牌数据和规格数据。
相对于现有技术,本发明至少具有如下优点或有益效果:
(1)本发明一种基于三维重建算法的卷烟零售商户库存盘点方法,通过对采集到的卷烟图像分别进行分割标注和分类标注,通过结合图像识别模型与卷烟包装外观的结构唯一性的图像解析算法,解析出陈列深度信息,而后通过结合深度学习技术,得到较精准的卷烟品牌的盘点数据,省去繁琐步骤,可快速获取盘点结果,极大减少在单个零售户盘点所耗费的时间;
(2)本发明提供的方法结合精准的定位信息,最终的视觉盘点结果可自动关联上相关零售户的信息,实时完成数据统计,杜绝数据混淆,且通过数据记录,避免了因数据不确定而重返零售户,从根本上提升零售户与烟草公司的业务效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明一种基于三维重建算法的卷烟零售商户库存盘点方法的流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是,在本文中,术语“包括”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“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申请中的具体含义。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的各个实施例及实施例中的各个特征可以相互组合。
实施例
请参阅图1,图1所示为本申请实施例提供的一种基于三维重建算法的卷烟零售商户库存盘点方法的流程图。
本发明提供的一种基于三维重建算法的卷烟零售商户库存盘点方法,包括以下步骤:
S1、采集卷烟零售商户的零售柜台及库存的卷烟图像;
S2、通过标注工具对采集到的卷烟图像分别进行分割标注和分类标注;
S3、基于分割标注的卷烟图像建立分割模型并进行训练以得到图像分割模型,基于分类标注的卷烟图像建立分类模型并进行训练以得到图像分类模型;
S4、将卷烟图像输入图像分割模型,将得到的分割数据进行数据预处理以得到预处理的图像数据;
S5、基于预处理的图像数据获取卷烟图像中的卷烟包装的特征数据,并利用三维重建算法构建卷烟包装的盘点统计模型;
S6、将预处理的图像数据输入卷烟包装的盘点统计模型以得到卷烟包装的盘点数据和坐标信息;
S7、将卷烟图像输入图像分类模型以得到卷烟包装的分类数据,基于卷烟包装的特征数据、以卷烟包装的坐标信息为匹配条件对卷烟包装的盘点数据进行数据匹配以得到最终的卷烟包装的库存盘点结果。
作为一种优选的实施方式,步骤S4中,数据预处理包括对分割数据进行轮廓约束处理和矫正处理以得到预处理的图像数据。
作为一种优选的实施方式,轮廓约束处理采用OPENCV的多边形拟合函数进行处理。
作为一种优选的实施方式,矫正处理的计算公式包括:
其中,X表示图像平面横坐标,Y表示图像平面纵坐标,x为矫正后的横坐标,y为矫正后的纵坐标,、/>、/>、/>、/>、/>、/>、/>和/>均为图像矩阵的矩阵参数。
作为一种优选的实施方式,步骤S5中,利用三维重建算法构建卷烟包装的盘点统计模型的计算过程包括:
计算卷烟图像中所有卷烟包装的平面重心点坐标,计算公式为:
,/>,i=1,2,3,...,n
其中,x为重心点横坐标,y为重心点纵坐标,i为卷烟包装计数值,n为卷烟包装总数量,xi为卷烟包装的轮廓横坐标数据,yi为卷烟包装的轮廓纵坐标数据;
获取卷烟包装的空间成像系数,计算公式为:
其中,f为焦距,u为空间成像系数,v为像距;
遍历所有卷烟包装的平面重心点坐标来获取所有重心点的位置顺序;
基于卷烟包装的长宽高信息和所有重心点的位置顺序,通过使用OPENGL的glReadPixels函数,将二维坐标转换为三维坐标,从而构建得到卷烟包装的盘点统计模型。
作为一种优选的实施方式,分类数据包括卷烟包装的外观轮廓特征数据、品牌数据和规格数据。
工作原理:
业务经理使用移动终端(手机、电脑)拍照采集零售户的展柜和库存卷烟包装的图像,所有采集到的图像数据将在闲时进行自动识别和标注,通过人工复查的方式优化标注结果,并重新训练本发明用到的图像模型;
采集零售户详细信息,包括但不限于零售户名称、GPS坐标、工商营业执照和烟草专卖许可证等并进行入库操作,与终端识别结果对应记录零售户的实际库存信息;
对采集到的图像样本进行自动标注和人工标注相结合的方式,从而得到图像分割和图像分类的模型训练数据集;
使用基于图像分割的神经网络架构构建图像分割模型,并将上述步骤得到的模型训练数据集输入到此图像分割模型进行模型训练;
使用基于图像分类的神经网络架构构建图像分类模型,并将上述步骤中得到的模型训练数据集输入到此图像分类模型进行模型训练;
创建基于图像分割模型的推理功能模块,对业务经理使用移动终端采集到的卷烟包装图像进行模型推理,并输出推理结果;
基于图像透视成像原理,将上述推理结果进行数据预处理,从而得到卷烟包装的轮廓数据;
基于透视成像原理和三维重建算法,构建卷烟盒包装、条包装的三维空间计数模型;
创建基于图像分类模型的推理功能模块,对上述三维空间计数模型输出的图像进行图像分类,并输出分类结果;
将上述分类结果进行统计,得到卷烟盒包装或条包装的盘点结果;
通过结合上述得到的盘点结果,匹配对应零售户的详细信息,最终得到单个零售户的卷烟盒包装、条包装的品牌与规格的库存盘点结果;
将盘点结果进行入库操作,同时返回移动终端做展示,并由业务经理进行即时确认;其中,每次业务经理使用移动终端拍照采集到的零售户展柜和库存卷烟包装的图像,均会缓存到服务器,通过检查各类数据的均衡性及达到一定数据量之后,即可定时开展自动样本标注处理,并在经过人工优化自动标注的结果并确认后,自动在闲时进行模型重训练及模型参数优化;
分别统计所有零售户的卷烟盒包装、条包装的库存信息,得到各个区域卷烟盒包装、条包装的库存分布;
根据所有零售户的库存盘点结果,计算得到卷烟的实时社会库存;
根据单个零售户的历史库存盘点记录,预测出零售户的供货需求;
根据单个零售户的库存实时监测,判断零售户是否存在非法销售其它烟品的情况。
基于上述内容,本实施例通过移动终端采集卷烟零售户的展柜、库存卷烟包装图像,对采集到的卷烟包装图像进行自动和手动标注,得到卷烟包装图像分割数据集和卷烟包装分类数据集;基于图像分割的神经网络架构构建图像分割模型,将标注后的卷烟包装分割图像数据集输入到图像分割模型进行模型训练,利用训练完成的图像分割模型对零售户的展柜、库存图像进行图像分割,输出图像分割结果,进一步通过图像成像原理和三维重建算法,对图像分割结果进行数据解析,得到可用于计数的三维空间模型;而后基于图像分类的神经网络架构构建图像分类模型,将标注后的卷烟分类图像数据集输入到图像分类模型进行模型训练,利用训练完成的图像分类模型对上述三维空间模型输出的图像进行图像分类,输出图像分类结果,根据分类结果进行数据统计,从而得到准确的卷烟包装库存盘点结果。本发明利用图像分割模型和图像分类模型相结合的方式得到三维空间模型,模拟卷烟库存堆叠,从而能准确获取实际库存,解决了因堆叠遮挡或模糊导致的库存计数不准的问题,同时提升了业务经理盘点工作的效率,降低盘点成本,且通过盘点数据的实时统计,能快速进行整体库存数据分析,更能对零售户的供货分配进行提前预测,从更多的方面提升整体工作效率。
可以理解,图中所示的结构仅为示意,一种基于三维重建算法的卷烟零售商户库存盘点方法还可包括比图中所示更多或者更少的组件,或者具有与图中所示不同的配置。图中所示的各组件可以采用硬件、软件或其组合实现。
在本申请所提供的实施例中,应该理解到,所揭露的方法,也可以通过其它的方式实现。以上所描述的实施例仅仅是示意性的,例如,附图中的流程图或框图显示了根据本申请的多个实施例的方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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,本申请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)执行本申请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。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (5)
1.一种基于三维重建算法的卷烟零售商户库存盘点方法,其特征在于,包括以下步骤:
S1、采集卷烟零售商户的零售柜台及库存的卷烟图像;
S2、通过标注工具对采集到的卷烟图像分别进行分割标注和分类标注;
S3、基于分割标注的卷烟图像建立分割模型并进行训练以得到图像分割模型,基于分类标注的卷烟图像建立分类模型并进行训练以得到图像分类模型;
S4、将卷烟图像输入图像分割模型,将得到的分割数据进行数据预处理以得到预处理的图像数据;
S5、基于预处理的图像数据获取卷烟图像中的卷烟包装的特征数据,并利用三维重建算法构建卷烟包装的盘点统计模型;
S6、将预处理的图像数据输入卷烟包装的盘点统计模型以得到卷烟包装的盘点数据和坐标信息;
S7、将卷烟图像输入图像分类模型以得到卷烟包装的分类数据,基于卷烟包装的特征数据、以卷烟包装的坐标信息为匹配条件对卷烟包装的盘点数据进行数据匹配以得到最终的卷烟包装的库存盘点结果;
步骤S5中,所述利用三维重建算法构建卷烟包装的盘点统计模型的计算过程包括:
计算卷烟图像中所有卷烟包装的平面重心点坐标,计算公式为:
,i=1,2,3,...,n
其中,x'为重心点横坐标,y'为重心点纵坐标,i为卷烟包装计数值,n为卷烟包装总数量,xi为卷烟包装的轮廓横坐标数据,yi为卷烟包装的轮廓纵坐标数据;
获取卷烟包装的空间成像系数,计算公式为:
其中,f为焦距,u为空间成像系数,v为像距;
遍历所有卷烟包装的平面重心点坐标来获取所有重心点的位置顺序;
基于卷烟包装的长宽高信息和所有重心点的位置顺序,通过使用OPENGL的glReadPixels函数,将二维坐标转换为三维坐标,从而构建得到卷烟包装的盘点统计模型。
2.如权利要求1所述的一种基于三维重建算法的卷烟零售商户库存盘点方法,其特征在于,步骤S4中,所述数据预处理包括对所述分割数据进行轮廓约束处理和矫正处理以得到预处理的图像数据。
3.如权利要求2所述的一种基于三维重建算法的卷烟零售商户库存盘点方法,其特征在于,所述轮廓约束处理采用OPENCV的多边形拟合函数进行处理。
4.如权利要求2所述的一种基于三维重建算法的卷烟零售商户库存盘点方法,其特征在于,所述矫正处理的计算公式包括:
其中,X表示图像平面横坐标,Y表示图像平面纵坐标,x为矫正后的横坐标,y为矫正后的纵坐标,、/>、/>、/>、/>、/>、/>、/>和/>均为图像矩阵的矩阵参数。
5.如权利要求1所述的一种基于三维重建算法的卷烟零售商户库存盘点方法,其特征在于,所述分类数据包括卷烟包装的外观轮廓特征数据、品牌数据和规格数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310931602.8A CN116645375B (zh) | 2023-07-27 | 2023-07-27 | 一种基于三维重建算法的卷烟零售商户库存盘点方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310931602.8A CN116645375B (zh) | 2023-07-27 | 2023-07-27 | 一种基于三维重建算法的卷烟零售商户库存盘点方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116645375A CN116645375A (zh) | 2023-08-25 |
CN116645375B true CN116645375B (zh) | 2023-09-26 |
Family
ID=87625153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310931602.8A Active CN116645375B (zh) | 2023-07-27 | 2023-07-27 | 一种基于三维重建算法的卷烟零售商户库存盘点方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116645375B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899749A (zh) * | 2014-03-03 | 2015-09-09 | 刘达治 | 卷烟监测与控制系统 |
US10238142B1 (en) * | 2017-06-13 | 2019-03-26 | Baker Haddad | Cigarette rack with inventory check |
CN110991372A (zh) * | 2019-12-09 | 2020-04-10 | 河南中烟工业有限责任公司 | 一种识别零售商户卷烟牌号陈列情况的方法 |
CN112819001A (zh) * | 2021-03-05 | 2021-05-18 | 浙江中烟工业有限责任公司 | 基于深度学习的复杂场景卷烟烟包识别方法和装置 |
CN113869213A (zh) * | 2021-09-28 | 2021-12-31 | 内蒙古自治区烟草公司巴彦淖尔市公司 | 一种基于图像识别的卷烟零售商户库存盘点方法和系统 |
CN113945167A (zh) * | 2021-12-21 | 2022-01-18 | 杭州灵西机器人智能科技有限公司 | 一种工件数据获取方法和装置 |
CN114359172A (zh) * | 2021-12-15 | 2022-04-15 | 深圳爱莫科技有限公司 | 一种库存或陈列场景下的条烟多面检测识别方法及系统 |
WO2022081518A2 (en) * | 2020-10-13 | 2022-04-21 | Trax Technology Solutions Pte Ltd. | Methods and systems for retail environments |
CN114841642A (zh) * | 2022-04-27 | 2022-08-02 | 红云红河烟草(集团)有限责任公司 | 基于鹰栖息优化的辅料入库货位分配方法 |
CN115063084A (zh) * | 2022-07-12 | 2022-09-16 | 河南省烟草公司信阳市公司 | 一种卷烟零售商户库存盘点方法及系统 |
CN115439155A (zh) * | 2022-09-14 | 2022-12-06 | 广西中烟工业有限责任公司 | 一种卷烟零售户订单预测方法及系统 |
CN218401571U (zh) * | 2022-09-16 | 2023-01-31 | 山东威海烟草有限公司 | 一种组合式卷烟库存分列管理装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8032406B2 (en) * | 2005-07-28 | 2011-10-04 | Sap Ag | System and method of assortment, space, and price optimization in retail store |
US10264245B2 (en) * | 2017-03-07 | 2019-04-16 | Walter Joseph FUNK | Methods and system for generating three-dimensional spatial images |
US20230079388A1 (en) * | 2021-09-08 | 2023-03-16 | Standard Cognition, Corp. | Systems and methods for trigger-based updates to camograms for autonomous checkout in a cashier-less shopping |
-
2023
- 2023-07-27 CN CN202310931602.8A patent/CN116645375B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899749A (zh) * | 2014-03-03 | 2015-09-09 | 刘达治 | 卷烟监测与控制系统 |
US10238142B1 (en) * | 2017-06-13 | 2019-03-26 | Baker Haddad | Cigarette rack with inventory check |
CN110991372A (zh) * | 2019-12-09 | 2020-04-10 | 河南中烟工业有限责任公司 | 一种识别零售商户卷烟牌号陈列情况的方法 |
WO2022081518A2 (en) * | 2020-10-13 | 2022-04-21 | Trax Technology Solutions Pte Ltd. | Methods and systems for retail environments |
CN112819001A (zh) * | 2021-03-05 | 2021-05-18 | 浙江中烟工业有限责任公司 | 基于深度学习的复杂场景卷烟烟包识别方法和装置 |
CN113869213A (zh) * | 2021-09-28 | 2021-12-31 | 内蒙古自治区烟草公司巴彦淖尔市公司 | 一种基于图像识别的卷烟零售商户库存盘点方法和系统 |
CN114359172A (zh) * | 2021-12-15 | 2022-04-15 | 深圳爱莫科技有限公司 | 一种库存或陈列场景下的条烟多面检测识别方法及系统 |
CN113945167A (zh) * | 2021-12-21 | 2022-01-18 | 杭州灵西机器人智能科技有限公司 | 一种工件数据获取方法和装置 |
CN114841642A (zh) * | 2022-04-27 | 2022-08-02 | 红云红河烟草(集团)有限责任公司 | 基于鹰栖息优化的辅料入库货位分配方法 |
CN115063084A (zh) * | 2022-07-12 | 2022-09-16 | 河南省烟草公司信阳市公司 | 一种卷烟零售商户库存盘点方法及系统 |
CN115439155A (zh) * | 2022-09-14 | 2022-12-06 | 广西中烟工业有限责任公司 | 一种卷烟零售户订单预测方法及系统 |
CN218401571U (zh) * | 2022-09-16 | 2023-01-31 | 山东威海烟草有限公司 | 一种组合式卷烟库存分列管理装置 |
Non-Patent Citations (3)
Title |
---|
Research on finished product warehouse inventory based on spatial segmentation;Shunkai Sun等;《Highlights in Science Engineering and Technology》;138-143 * |
改进FAST-SURF算法在卷烟包件识别定位中的应用;张毅;王彦博;高奇峰;杨德伟;魏博;;计算机工程与应用(03);252-258 * |
无线烟草零售信息管理系统的研究;于治楼;计华;;信息技术与信息化(01);52-54 * |
Also Published As
Publication number | Publication date |
---|---|
CN116645375A (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107045641B (zh) | 一种基于图像识别技术的货架识别方法 | |
US20030074251A1 (en) | Clustering | |
CN108269369A (zh) | 结算箱及其结算方法 | |
EP2722810A1 (en) | Commodity display information tabulation method, data structure, and recording medium recording the same | |
US20100138273A1 (en) | Repeatability index to enhance seasonal product forecasting | |
CN111178624A (zh) | 一种新产品需求预测的方法 | |
CN107822400A (zh) | 库存管理装置及控制方法、终端设备 | |
CN108596137A (zh) | 一种基于图像识别算法的商品扫描录入方法 | |
CN113469730A (zh) | 一种非合同场景下的基于RF-LightGBM融合模型的客户复购预测方法及装置 | |
CN107844923A (zh) | 一种erp管理系统及方法 | |
CN110909698A (zh) | 电子秤识别结果输出方法、系统、装置以及可读存储介质 | |
US11748787B2 (en) | Analysis method and system for the item on the supermarket shelf | |
CN115063084A (zh) | 一种卷烟零售商户库存盘点方法及系统 | |
CN115860800A (zh) | 一种节假日商品销量预测方法、装置及计算机存储介质 | |
CN113139768B (zh) | 一种基于无人售货机的缺货监测方法 | |
CN116645375B (zh) | 一种基于三维重建算法的卷烟零售商户库存盘点方法 | |
CN110309737A (zh) | 一种应用于香烟柜台的信息处理方法、装置及系统 | |
CN113869213A (zh) | 一种基于图像识别的卷烟零售商户库存盘点方法和系统 | |
CN112711577A (zh) | 一种异常交易企业识别方法及装置 | |
KR20190056667A (ko) | Pos 및 영상 기반의 상권 분석 시스템 및 방법 | |
CN116702089A (zh) | 基于物联网的超市数据监测系统 | |
CN114282818A (zh) | 一种最大化销售额的生鲜区电子标签管控方法 | |
US20230062764A1 (en) | Method, system and computer program products for management of supply chains and/or inventory for perishable goods | |
CN111768139B (zh) | 备货处理方法、装置、设备及存储介质 | |
CN115809908A (zh) | 一种基于云仓可视化的供应链智能管理系统 |
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 |