CN117268474A - 一种用于场景内物体体积、数量及重量估算的装置及方法 - Google Patents
一种用于场景内物体体积、数量及重量估算的装置及方法 Download PDFInfo
- Publication number
- CN117268474A CN117268474A CN202311548617.2A CN202311548617A CN117268474A CN 117268474 A CN117268474 A CN 117268474A CN 202311548617 A CN202311548617 A CN 202311548617A CN 117268474 A CN117268474 A CN 117268474A
- Authority
- CN
- China
- Prior art keywords
- scene
- sensor
- objects
- component
- volume
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Abstract
本发明公开一种用于场景内物体体积、数量及重量估算的装置及方法,涉及体积重量估算技术领域,装置包括主控部件、主动部件、从动部件、载体平台、传感器组件及图像采集组件;主控部件、传感器组件及图像采集组件均设置在载体平台上;载体平台设置在从动部件上;从动部件与主动部件机械连接;主控部件分别与主动部件、传感器组件及图像采集组件连接,用于:控制主动部件、传感器组件及图像采集组件的启停;接收场景内物体与传感器之间的距离、场景内物体的数量、位置及类别;计算场景内物体的体积;基于场景内物体类别确定对应的物体密度,结合场景内物体的体积,计算场景内物体的重量。本发明提高了场景内物体清点工作的效率和准确性。
Description
技术领域
本发明涉及体积重量估算技术领域,特别是涉及一种用于场景内物体体积、数量及重量估算的装置及方法。
背景技术
目前,在一些场景内,传统的物体体积、数量和重量估算方法存在不便捷、耗时、低效等问题。
发明内容
本发明的目的是提供一种用于场景内物体体积、数量及重量估算的装置及方法,提高了场景内物体清点工作的效率和准确性。
为实现上述目的,本发明提供了如下方案:
第一方面,本发明提供一种用于场景内物体体积、数量及重量估算的装置,包括主控部件、主动部件、从动部件、载体平台、传感器组件及图像采集组件;
所述主控部件、所述传感器组件及所述图像采集组件均设置在所述载体平台上;所述载体平台设置在所述从动部件上;所述从动部件与所述主动部件机械连接;
所述主动部件用于通过所述从动部件带动所述载体平台移动;所述传感器组件用于跟随所述载体平台移动并实时采集场景内物体与传感器之间的距离;所述图像采集组件用于跟随所述载体平台移动并实时采集场景内物体的图像,然后基于预设图像识别算法,根据所述图像确定场景内物体的数量、位置及类别;
所述主控部件分别与所述主动部件、所述传感器组件及所述图像采集组件连接;所述主控部件用于:控制所述主动部件、所述传感器组件及所述图像采集组件的启停;接收所述场景内物体与传感器之间的距离、所述场景内物体的数量、位置及类别;基于所述场景内物体与传感器之间的距离、所述场景内物体的位置,计算所述场景内物体的体积;基于所述场景内物体类别确定对应的物体密度,然后结合所述场景内物体的体积,计算所述场景内物体的重量。
第二方面,本发明提供一种用于场景内物体体积、数量及重量估算的方法,应用于所述用于场景内物体体积、数量及重量估算的装置,方法包括:
开启主动部件、传感器组件及图像采集组件;
采集场景内物体与传感器之间的距离;
采集场景内物体的图像,然后基于预设图像识别算法,根据所述图像确定场景内物体的数量、位置及类别;
基于所述场景内物体与传感器之间的距离、所述场景内物体的位置,计算所述场景内物体的体积;
基于所述场景内物体类别确定对应的物体密度,然后结合所述场景内物体的体积,计算所述场景内物体的重量。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开一种用于场景内物体体积、数量及重量估算的装置及方法,通过主控部件、主动部件、从动部件、载体平台、传感器组件及图像采集组件的协同配合,获取场景内物体与传感器之间的距离、场景内物体的数量、位置及类别,进而确定较为精确的场景内物体的数量、体积及重量。且,相较于现有技术,无需人工操作参与,大大提高了场景内物体体积、数量及重量的估算效率,进而提高场景内物体清点、安全生产等工作的效率和准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明用于场景内物体体积、数量及重量估算的装置的示意图一;
图2为本发明用于场景内物体体积、数量及重量估算的装置的示意图二;
图3为本发明装置的安装示意图一;
图4为本发明装置的安装示意图二;
图5为本发明装置的安装示意图三;
图6为本发明装置的第一电气连接框图;
图7为本发明装置的第二电气连接框图;
图8为本发明装置的第三电气连接框图;
图9为本发明装置的第四电气连接框图;
图10为本发明用于场景内物体体积、数量及重量估算的方法的示意图;
图11为本发明用于场景内物体体积、数量及重量估算的方法的实例的逻辑流程图;
图12为本发明装置的运行示意图一;
图13为本发明装置的运行示意图二;
图14为本发明装置的运行示意图三;
图15为本发明装置的运行示意图四。
符号说明:
1-电机,2-滑车,3-轨道,4-滑台,5-丝杆,6-机壳,7-传感器组件,8-图像采集组件,9-第一传感器,10-第二传感器。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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做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。
本发明提供了一种用于场景内物体体积、数量及重量估算的装置及方法,通过集成控制方式,实现对场景内多个物体对象及物理量的测量,包括但不限于采集货物、人员、车辆及环境信息,从而快速、准确地确定场景内物体的数量、体积、重量等信息。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
如图1或图2所示,本发明提供一种用于场景内物体体积、数量及重量估算的装置,包括主控部件、主动部件、从动部件、载体平台、传感器组件7及图像采集组件8。
所述主控部件、所述传感器组件7及所述图像采集组件8均设置在所述载体平台上;所述载体平台设置在所述从动部件上;所述从动部件与所述主动部件机械连接。所述主动部件用于通过所述从动部件带动所述载体平台移动;所述传感器组件7用于跟随所述载体平台移动并实时采集场景内物体与传感器之间的距离;所述图像采集组件8用于跟随所述载体平台移动并实时采集场景内物体的图像,然后基于预设图像识别算法,根据所述图像确定场景内物体的数量、位置及类别。
具体来说,如图1所示,所述主动部件为电机1;所述从动部件包括滑车2、连动子部件及轨道3;所述载体平台设置在所述滑车2上;所述电机1用于通过所述连动子部件,带动所述滑车2在所述轨道3上进行直线或曲线运动;所述连动子部件为皮带或链条,且皮带或链条内置于所述轨道3中。且其中,轨道3可以为单条直线轨道,如图3所示,应用于比较小的室内场景。在大型室内场景中,可根据现场场景内天花板上的安装条件,增加轨道长度,或者安装多台设备,或者把轨道做成弧形安装在天花板上,如图4所示为平行设置的多条直线轨道,如图5所示为首尾连接的、由直线轨道和弧形轨道构成的曲线轨道。
在另外一个实例中,如图2所示,所述主动部件为电机1,所述从动部件包括丝杆5及滑台4;所述载体平台设置在所述滑台4上;所述电机1用于通过所述丝杆5,带动所述滑台4进行直线运动。
无论是图1中的电机1,还是图2中的电机1,其均可使用无刷电机和有刷电机,可加上减速组来提升电机扭矩,从而带动皮带、链条或丝杆5,以驱动固定在皮带、链条上的滑车2或驱动固定在丝杆5上滑台4。
所述传感器组件7包括超声波传感器;所述超声波传感器用于:发射超声波至场景内物体上;接收场景内物体反射回传的超声波,并确定超声波飞行时间;基于所述超声波飞行时间实时计算场景内物体与传感器之间的距离。
在另外一个实例中,所述传感器组件7包括激光雷达;所述激光雷达用于:发射激光束至场景内物体上;接收场景内物体反射回传的激光束,并确定激光束飞行时间;基于激光三角测距法,采用所述激光束飞行时间实时计算场景内物体与传感器之间的距离。具体来说,使用激光三角测距法,在激光三角测距测量过程中,通过测量激光束的发射和接收的时间差来得到一组时间测量值,然后根据激光雷达和目标物之间的角度关系,利用三角形的正弦定理或余弦定理来计算出距离。
无论是采用超声波传感器还是激光雷达,都可以在极短的时间内完成距离测量,从而实现对周围环境及场景内物体的高速扫描和物体距离测量。然后可根据这些数据绘制被扫描物体的轮廓,并可计算其尺寸,从而计算其体积。
所述图像采集组件8包括摄像头及图像处理子部件;所述预设图像识别算法包括预设目标检测算法及预设物体类别识别算法。所述摄像头用于跟随所述载体平台移动并实时采集场景内物体的图像。所述图像处理子部件设置在所述摄像头上,所述图像处理子部件用于:
1)基于所述预设目标检测算法,根据所述场景内物体的图像,确定场景内物体的位置;所述预设目标检测算法为RCNN或YOLO;具体地,通过RCNN或YOLO算法,对场景内物体的图像进行处理,从而找到图像中存在物体的区域,并给出物体的位置信息。在实际应用中,还可以对场景内物体的图像进行预处理,如图像裁剪等。
2)基于所述预设物体类别识别算法,根据所述场景内物体的图像,确定场景内物体的数量及类别;所述预设物体类别识别算法为卷积神经网络或支持向量机。在实际应用之前,可对上文提取出的场景内物体的位置,进行特征标注,以区分场景内的被测物体和非被测物体,然后送入卷积神经网络或支持向量机进行训练,以得到后续可直接使用的网络。
所述主控部件分别与所述主动部件、所述传感器组件7及所述图像采集组件8连接;所述主控部件用于:控制所述主动部件、所述传感器组件7及所述图像采集组件8的启停;接收所述场景内物体与传感器之间的距离、所述场景内物体的数量、位置及类别;基于所述场景内物体与传感器之间的距离、所述场景内物体的位置,计算所述场景内物体的体积;基于所述场景内物体类别确定对应的物体密度,然后结合所述场景内物体的体积,计算所述场景内物体的重量。
需知,识别出物体类别后可在设置好的数据库中或网络中可获取此类型物体的密度信息,再结合体积信息算出重量信息。在整体过程中,摄像头还可起到一个优化算法的功能,将图像识别的目标物体数据发送给主控,使传感器只针对目标物体进行扫描,节省传感器单次扫描时间,增加扫描频率。
具体地,所述主控部件为Linux系统板、X86平台系统板、ARM平台系统板、51单片机、esp8266、esp32或STM32单片机。在实际应用中,主控部件还与网络终端连接,以接收网络终端传来的控制指令,从而控制主动部件、传感器组件7及图像采集组件8的启停;以及,将场景内物体与传感器之间的距离、场景内物体的数量、位置及类别等采集到的数据上传至云端存储,也将计算得到的场景内物体的体积、质量及数量等数据也上传至云端存储。为了保护主控部件,一般将主控部件设置于机壳6的内部。也可根据需要,将主控部件设置在电机1的附近。
在另一个具体实例中,所述传感器组件7还包括温度传感器;所述温度传感器用于以非接触方式获取场景内物体的表面温度分布模拟数据,然后基于所述表面温度分布模拟数据确定数字温度数据。具体地,所述温度传感器为红外热像仪或红外热像仪等,其能够通过红外线辐射,以非接触方式获取物体表面的温度分布,并将其转化为数字信号进行后续处理。
所述主控部件还与所述温度传感器连接,所述主控部件还用于:将所述数字温度数据与点云图或所述场景内物体的图像进行关联;所述点云图为根据场景内物体反射回传的激光束确定的。该由激光雷达传感器扫描的数据输出的点云图,可大致的扫描出场景内的环境,并且精准的扫描出场景内物体(包括人体)的高度。
即,将摄像头采集到的图像与红外热像仪获取的温度数据进行关联。另外,还可以在摄像头上加装相应的红外温度传感器,用于测量目标区域的温度;该红外温度传感器可直接获取物体表面的温度信息,并与图像进行关联。温度数据不仅仅局限于与摄像头的图像数据相关联,还可与以激光雷达数据生成的点云图进行关联。这样,通过在设备上加装温度传感器,就可以对整个场景的温度进行采集,如场景内某处的温度有异常或者发生火灾,场景内的人员通过设备反馈的信息可以及时的进行处理。
在另一个具体实例中,装置还包括第一传感器9及第二传感器10;如图1所示,所述第一传感器9及所述第二传感器10分别设置在所述轨道3的两端;所述第一传感器9及所述第二传感器10用于协同确定所述滑车2在所述轨道3上的第一位置。或者,如图2所示,所述第一传感器9及所述第二传感器10分别设置在所述丝杆5的两端;所述第一传感器9及所述第二传感器10用于协同确定所述滑台4在所述丝杆5上的第二位置。
无论是图1中的第一传感器9及第二传感器10,还是图2中的第一传感器9及第二传感器10,均可以为微动开关传感器或者距离传感器,且均与所述主控部件连接,所述主控部件还用于基于所述第一位置或所述第二位置,控制所述电机1停止运行或进行反转操作。当均为微动开关传感器时,只要滑车2或者滑台4碰到微动开关,电机1就会停止工作或反转,并且预示着滑台4或滑车2到了轨道3或者丝杆5的尽头或初始位置(可给第一传感器9及第二传感器10命名,判断是哪个传感器触发,从而知道滑车2或滑台4是在初始位置还是在尽头位置)。当均为距离传感器时,在电机1的一端安装一个距离传感器即可,距离传感器可通过超声波或者激光束等,实时判断滑车2或滑台4与电机1的距离,从而判断滑车2或者滑台4的位置,当滑车2或者滑台4到设定的位置时,电机1可自动停止运行或进行反转操作。而若是设置两个距离传感器,也不影响对于滑车2或滑台4与电机1的距离的判断,相较而言,设置一个距离传感器更为节约资源。
在另一个具体实例中,装置还包括霍尔传感器;所述霍尔传感器设置在所述电机1上,所述霍尔传感器用于:记录所述电机1的运转圈数;根据所述运转圈数,确定所述滑车2在所述轨道3上的位置;或者,根据所述运转圈数,确定所述滑台4在所述丝杆5上的位置。进一步来说,在装置使用之前,需要提前记录滑台4或者滑车2走完一程,电机1的轴所需要转的圈数,然后才可以在运行过程当中根据实时的圈数来判断滑台4或滑车2的位置。
装置在工作过程中,需要供电,如图6所示,为导线供电供网,具体供电连接方式为:市电及互联网均与路由器连接,且均为路由器供电;路由器与POE交换机连接,为POE交换机供电,同时,市电也为POE交换机供电;POE交换机与主控部件(主控)连接,以为主控部件进行供电和供网;主控分别与摄像头、传感器组件7、第一传感器9、第二传感器10、霍尔传感器、温度传感器等连接,以分别进行供电和控制;主控部件还与电机1连接,以对电机1进行控制,而由市电为电机1进行供电。需要说明的是,图6中的传感器一、传感器二及传感器三仅为示意,表征传感器组件7、第一传感器9、第二传感器10、霍尔传感器、温度传感器等多个传感器中的部分。
如图7所示,为有线供电、无线供网,其与图6的不同之处在于:市电为电源模块供电,电源模块为主控供电;路由器及主控均为无线供网。
如图8所示,为电刷接触式供电供网,其与图6的不同之处在于:POE交换机与一个电刷连接,该电刷与另一个电刷接触,另一个电刷为主控进行供电及供网。
如图9所示,为电刷接触式供电、无线供网,其与图8的不同之处在于:市电为电源模块供电,电源模块为一个电刷供电;路由器及主控均为无线供网。
综上可知,本发明一种智能硬件装置,用于扫描场景内物体的体积信息和估算数量和重量信息。装置中,电机通过皮带或者链条带动滑车在轨道上进行直线或曲线运动,或用电机驱动丝杆旋转使滑台进行直线运动。滑车/滑台上装载主控部件、摄像头及传感器组件等,随着滑车/滑台运动对场景内物体进行扫描,配合摄像头通过人工智能算法做图像识别,可采集货物、人员、车辆及环境信息,确定场景内物体的数量、体积,并根据图像识别确定物体类型,从事先设置好的数据库中或者网络中获取该类型的物体密度,再结合体积信息来估算物体的重量信息。本发明的智能硬件设备能够提供准确、快速的物体体积和估算重量信息,具有广泛的应用前景和经济效益。
实施例二
如图10所示,为了实现实施例一中的技术方案,以达到相应的功能和技术效果,本实施例还提供了一种用于场景内物体体积、数量及重量估算的方法,应用于实施例一所述的用于场景内物体体积、数量及重量估算的装置,方法包括:
步骤100,开启主动部件、传感器组件及图像采集组件。
步骤200,采集场景内物体与传感器之间的距离。
步骤300,采集场景内物体的图像,然后基于预设图像识别算法,根据所述图像确定场景内物体的数量、位置及类别。
步骤400,基于所述场景内物体与传感器之间的距离、所述场景内物体的位置,计算所述场景内物体的体积。
步骤500,基于所述场景内物体类别确定对应的物体密度,然后结合所述场景内物体的体积,计算所述场景内物体的重量。
在一个具体实际应用中,如图11所示,装置通电后,主控部件自动开机启动,电机自检,进行一个来回的运动后回到初始位置待命。当主控部件接收到网络终端发送来的启动指令,或者接收本地定时扫描任务的启动指令时,主控部件给各个传感器及电机发送启动信号。如图12-图15所示,电机及各个传感器开始工作,电机带动滑车/滑台从初始位置(轨道/丝杆的一侧)开始运动,从而带动传感器组件及图像采集部件移动;移动过程中,扫过场景内的物体;移动到终点(轨道/丝杆的另一侧)后,电机及各个传感器停止运行,此时主控部件将各个传感器扫描的数据上传到云端。延时预设时间(一般为几秒)后,电机开始反转,回到初始位置后停止,等待下一次的指令。
相较于现有技术,本发明具有如下优点:
1)本发明利用智能硬件设备和人工智能算法,能够快速、准确地扫描场景内物体的体积和估算重量,大幅提高工作效率。
2)本发明通过电机和滑车或滑台的组合运动,实现设备的自动化操作,减少人工干预和操作成本。
3)本发明具有多功能性,可用于货物清点、安全生产等多个领域,具有广阔的应用前景。
4)本发明通过采集货物、人员、车辆和环境信息,并结合人工智能算法进行数据分析,为决策和管理提供重要依据。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种用于场景内物体体积、数量及重量估算的装置,其特征在于,装置包括主控部件、主动部件、从动部件、载体平台、传感器组件及图像采集组件;
所述主控部件、所述传感器组件及所述图像采集组件均设置在所述载体平台上;所述载体平台设置在所述从动部件上;所述从动部件与所述主动部件机械连接;
所述主动部件用于通过所述从动部件带动所述载体平台移动;所述传感器组件用于跟随所述载体平台移动并实时采集场景内物体与传感器之间的距离;所述图像采集组件用于跟随所述载体平台移动并实时采集场景内物体的图像,然后基于预设图像识别算法,根据所述图像确定场景内物体的数量、位置及类别;
所述主动部件为电机;所述从动部件包括滑车、连动子部件及轨道;所述载体平台设置在所述滑车上;所述电机用于通过所述连动子部件,带动所述滑车在所述轨道上进行直线或曲线运动;所述连动子部件为皮带或链条;所述传感器组件包括激光雷达;所述激光雷达用于:发射激光束至场景内物体上;接收场景内物体反射回传的激光束,并确定激光束飞行时间;基于激光三角测距法,采用所述激光束飞行时间实时计算场景内物体与传感器之间的距离;
所述主控部件分别与所述主动部件、所述传感器组件及所述图像采集组件连接;所述主控部件用于:控制所述主动部件、所述传感器组件及所述图像采集组件的启停;接收所述场景内物体与传感器之间的距离、所述场景内物体的数量、位置及类别;基于所述场景内物体与传感器之间的距离、所述场景内物体的位置,计算所述场景内物体的体积;基于所述场景内物体类别确定对应的物体密度,然后结合所述场景内物体的体积,计算所述场景内物体的重量。
2.根据权利要求1所述的用于场景内物体体积、数量及重量估算的装置,其特征在于,所述主动部件为电机,所述从动部件包括丝杆及滑台;所述载体平台设置在所述滑台上;所述电机用于通过所述丝杆,带动所述滑台进行直线运动。
3.根据权利要求1所述的用于场景内物体体积、数量及重量估算的装置,其特征在于,所述主控部件为Linux系统板、X86平台系统板、ARM平台系统板、51单片机、esp8266、esp32或STM32单片机。
4.根据权利要求1所述的用于场景内物体体积、数量及重量估算的装置,其特征在于,所述传感器组件包括超声波传感器;
所述超声波传感器用于:发射超声波至场景内物体上;接收场景内物体反射回传的超声波,并确定超声波飞行时间;基于所述超声波飞行时间实时计算场景内物体与传感器之间的距离。
5.根据权利要求4所述的用于场景内物体体积、数量及重量估算的装置,其特征在于,所述传感器组件还包括温度传感器;
所述温度传感器用于以非接触方式获取场景内物体的表面温度分布模拟数据,然后基于所述表面温度分布模拟数据确定数字温度数据;
所述主控部件还与所述温度传感器连接,所述主控部件还用于:将所述数字温度数据与点云图或所述场景内物体的图像进行关联;所述点云图为根据场景内物体反射回传的激光束确定的。
6.根据权利要求1所述的用于场景内物体体积、数量及重量估算的装置,其特征在于,所述图像采集组件包括摄像头及图像处理子部件;所述预设图像识别算法包括预设目标检测算法及预设物体类别识别算法;
所述摄像头用于跟随所述载体平台移动并实时采集场景内物体的图像;
所述图像处理子部件设置在所述摄像头上,所述图像处理子部件用于:
基于所述预设目标检测算法,根据所述场景内物体的图像,确定场景内物体的位置;所述预设目标检测算法为RCNN或YOLO;
基于所述预设物体类别识别算法,根据所述场景内物体的图像,确定场景内物体的数量及类别;所述预设物体类别识别算法为卷积神经网络或支持向量机。
7.根据权利要求2所述的用于场景内物体体积、数量及重量估算的装置,其特征在于,装置还包括第一传感器及第二传感器;
所述第一传感器及所述第二传感器分别设置在所述轨道的两端;所述第一传感器及所述第二传感器用于协同确定所述滑车在所述轨道上的第一位置;
或者,所述第一传感器及所述第二传感器分别设置在所述丝杆的两端;所述第一传感器及所述第二传感器用于协同确定所述滑台在所述丝杆上的第二位置;
所述主控部件分别与所述第一传感器及所述第二传感器连接,所述主控部件还用于基于所述第一位置或所述第二位置,控制所述电机停止运行或进行反转操作。
8.根据权利要求2所述的用于场景内物体体积、数量及重量估算的装置,其特征在于,装置还包括霍尔传感器;
所述霍尔传感器设置在所述电机上,所述霍尔传感器用于:
记录所述电机的运转圈数;
根据所述运转圈数,确定所述滑车在所述轨道上的位置;或者,根据所述运转圈数,确定所述滑台在所述丝杆上的位置。
9.一种用于场景内物体体积、数量及重量估算的方法,应用于权利要求1-8任一项所述的用于场景内物体体积、数量及重量估算的装置,其特征在于,方法包括:
开启主动部件、传感器组件及图像采集组件;
采集场景内物体与传感器之间的距离;
采集场景内物体的图像,然后基于预设图像识别算法,根据所述图像确定场景内物体的数量、位置及类别;
基于所述场景内物体与传感器之间的距离、所述场景内物体的位置,计算所述场景内物体的体积;
基于所述场景内物体类别确定对应的物体密度,然后结合所述场景内物体的体积,计算所述场景内物体的重量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311548617.2A CN117268474A (zh) | 2023-11-21 | 2023-11-21 | 一种用于场景内物体体积、数量及重量估算的装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311548617.2A CN117268474A (zh) | 2023-11-21 | 2023-11-21 | 一种用于场景内物体体积、数量及重量估算的装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117268474A true CN117268474A (zh) | 2023-12-22 |
Family
ID=89208395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311548617.2A Pending CN117268474A (zh) | 2023-11-21 | 2023-11-21 | 一种用于场景内物体体积、数量及重量估算的装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117268474A (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101614606A (zh) * | 2009-07-30 | 2009-12-30 | 中国科学院力学研究所 | 一种检测空间等离子体推力器推力矢量的测量装置和方法 |
CN103347111A (zh) * | 2013-07-27 | 2013-10-09 | 青岛歌尔声学科技有限公司 | 具有尺寸和重量估测功能的智能移动电子设备 |
CN103913116A (zh) * | 2014-03-10 | 2014-07-09 | 上海大学 | 大型堆积物料体积两侧平行测量装置和方法 |
EP2863176A2 (de) * | 2013-10-21 | 2015-04-22 | Sick Ag | Sensor mit um Drehachse beweglicher Abtasteinheit |
CN104977072A (zh) * | 2015-06-03 | 2015-10-14 | 上海飞翼农业科技有限公司 | 果实重量遥测装置与方法 |
CN105674908A (zh) * | 2015-12-29 | 2016-06-15 | 中国科学院遥感与数字地球研究所 | 测量装置和体积测量与监视系统 |
CN109931869A (zh) * | 2019-03-21 | 2019-06-25 | 北京理工大学 | 基于激光扫描成像的物料体积高精度检测方法 |
CN211234299U (zh) * | 2019-10-12 | 2020-08-11 | 中国科学院东北地理与农业生态研究所 | 一种便携式远距离植株尺寸测量仪 |
CN111553914A (zh) * | 2020-05-08 | 2020-08-18 | 深圳前海微众银行股份有限公司 | 基于视觉的货物检测方法、装置、终端及可读存储介质 |
CN112101389A (zh) * | 2020-11-17 | 2020-12-18 | 支付宝(杭州)信息技术有限公司 | 仓储货物测量方法和装置 |
CN112970026A (zh) * | 2018-11-20 | 2021-06-15 | 华为技术有限公司 | 一种估算物体参数的方法以及电子设备 |
CN113297408A (zh) * | 2021-06-09 | 2021-08-24 | 上海电机学院 | 基于Sift算法的图像匹配以及场景识别系统及方法 |
CN114511611A (zh) * | 2022-01-25 | 2022-05-17 | 普洛斯科技(重庆)有限公司 | 一种基于图像识别的货堆统计方法及装置 |
CN114612786A (zh) * | 2022-03-18 | 2022-06-10 | 杭州萤石软件有限公司 | 一种障碍物检测方法、移动机器人及机器可读存储介质 |
CN114966733A (zh) * | 2022-04-21 | 2022-08-30 | 北京福通互联科技集团有限公司 | 基于激光阵列和单目摄像机的肉牛立体深度图像采集系统 |
CN115205654A (zh) * | 2022-07-06 | 2022-10-18 | 舵敏智能科技(苏州)有限公司 | 一种新型基于关键点约束的单目视觉3d目标检测方法 |
CN115389212A (zh) * | 2022-08-31 | 2022-11-25 | 国科大杭州高等研究院 | 适用于冷气推力器的启动响应时间检测系统及方法 |
CN115661230A (zh) * | 2022-10-24 | 2023-01-31 | 浙江天垂科技有限公司 | 一种仓库物料体积的估算方法 |
CN219347645U (zh) * | 2023-01-13 | 2023-07-14 | 福建宏泰智能工业互联网有限公司 | 一种激光栈板体积测算机 |
CN116935192A (zh) * | 2023-07-28 | 2023-10-24 | 北京元境数字科技有限公司 | 一种基于计算机视觉技术的数据采集方法及系统 |
-
2023
- 2023-11-21 CN CN202311548617.2A patent/CN117268474A/zh active Pending
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101614606A (zh) * | 2009-07-30 | 2009-12-30 | 中国科学院力学研究所 | 一种检测空间等离子体推力器推力矢量的测量装置和方法 |
CN103347111A (zh) * | 2013-07-27 | 2013-10-09 | 青岛歌尔声学科技有限公司 | 具有尺寸和重量估测功能的智能移动电子设备 |
EP2863176A2 (de) * | 2013-10-21 | 2015-04-22 | Sick Ag | Sensor mit um Drehachse beweglicher Abtasteinheit |
CN103913116A (zh) * | 2014-03-10 | 2014-07-09 | 上海大学 | 大型堆积物料体积两侧平行测量装置和方法 |
CN104977072A (zh) * | 2015-06-03 | 2015-10-14 | 上海飞翼农业科技有限公司 | 果实重量遥测装置与方法 |
CN105674908A (zh) * | 2015-12-29 | 2016-06-15 | 中国科学院遥感与数字地球研究所 | 测量装置和体积测量与监视系统 |
CN112970026A (zh) * | 2018-11-20 | 2021-06-15 | 华为技术有限公司 | 一种估算物体参数的方法以及电子设备 |
CN109931869A (zh) * | 2019-03-21 | 2019-06-25 | 北京理工大学 | 基于激光扫描成像的物料体积高精度检测方法 |
CN211234299U (zh) * | 2019-10-12 | 2020-08-11 | 中国科学院东北地理与农业生态研究所 | 一种便携式远距离植株尺寸测量仪 |
CN111553914A (zh) * | 2020-05-08 | 2020-08-18 | 深圳前海微众银行股份有限公司 | 基于视觉的货物检测方法、装置、终端及可读存储介质 |
CN112101389A (zh) * | 2020-11-17 | 2020-12-18 | 支付宝(杭州)信息技术有限公司 | 仓储货物测量方法和装置 |
CN113297408A (zh) * | 2021-06-09 | 2021-08-24 | 上海电机学院 | 基于Sift算法的图像匹配以及场景识别系统及方法 |
CN114511611A (zh) * | 2022-01-25 | 2022-05-17 | 普洛斯科技(重庆)有限公司 | 一种基于图像识别的货堆统计方法及装置 |
CN114612786A (zh) * | 2022-03-18 | 2022-06-10 | 杭州萤石软件有限公司 | 一种障碍物检测方法、移动机器人及机器可读存储介质 |
CN114966733A (zh) * | 2022-04-21 | 2022-08-30 | 北京福通互联科技集团有限公司 | 基于激光阵列和单目摄像机的肉牛立体深度图像采集系统 |
CN115205654A (zh) * | 2022-07-06 | 2022-10-18 | 舵敏智能科技(苏州)有限公司 | 一种新型基于关键点约束的单目视觉3d目标检测方法 |
CN115389212A (zh) * | 2022-08-31 | 2022-11-25 | 国科大杭州高等研究院 | 适用于冷气推力器的启动响应时间检测系统及方法 |
CN115661230A (zh) * | 2022-10-24 | 2023-01-31 | 浙江天垂科技有限公司 | 一种仓库物料体积的估算方法 |
CN219347645U (zh) * | 2023-01-13 | 2023-07-14 | 福建宏泰智能工业互联网有限公司 | 一种激光栈板体积测算机 |
CN116935192A (zh) * | 2023-07-28 | 2023-10-24 | 北京元境数字科技有限公司 | 一种基于计算机视觉技术的数据采集方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI619462B (zh) | Electric sweeper | |
CN108974045A (zh) | 一种基于机器视觉的自动行走轨道检测仪 | |
CN108254063B (zh) | 追踪旋转叶片的振动测量装置及方法 | |
CN107765145A (zh) | 一种局部放电自动检测装置、系统及方法 | |
CN112504123A (zh) | 一种用于输电塔板件自动化检测设备和方法 | |
CN112526995A (zh) | 一种挂轨式巡检机器人系统及其检测方法 | |
CN110996054A (zh) | 智能输电线路巡线机器人巡检系统及巡检方法 | |
CN213226227U (zh) | 一种基于激光精准定位的机器人涂装系统 | |
CN117268474A (zh) | 一种用于场景内物体体积、数量及重量估算的装置及方法 | |
KR100621065B1 (ko) | 구조물의 변위측정 시스템 | |
CN112379605B (zh) | 基于视觉伺服的桥式起重机半实物仿真控制实验系统及方法 | |
CN116296517B (zh) | 一种起重机械综合性能检测装置及检测方法 | |
CN212111259U (zh) | 一种在役叶片损伤检测机器人 | |
CN219537423U (zh) | 基于图像法的卷烟圆周分布检测装置 | |
CN107063988A (zh) | 一种钢筋混凝土内部钢结构锈蚀损伤成像装置及方法 | |
CN112826377A (zh) | 扫地机的回充对准方法、装置及扫地机 | |
CN114705691B (zh) | 一种工业机器视觉控制方法及装置 | |
CN110579483A (zh) | 基于太赫兹波的内部缺陷成像装置、方法及可读存储介质 | |
CN112163484B (zh) | 冷库围护结构缺陷智能定位装置及方法 | |
CN210806532U (zh) | 变配电设备巡检装置 | |
CN209615485U (zh) | 一种无线巡检机器人系统 | |
CN207696567U (zh) | 一种机器人精扫模组 | |
CN109341582A (zh) | 适用于仓储大场景的物资轮廓数据采集装置及方法 | |
CN209764772U (zh) | 一种太阳能电池组件扫描装置 | |
CN216819957U (zh) | 基于智慧运维的接触网参数及图像采集装置 |
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 |