DE112018006533T5 - Schätzung der Containerausnutzung - Google Patents

Schätzung der Containerausnutzung Download PDF

Info

Publication number
DE112018006533T5
DE112018006533T5 DE112018006533.2T DE112018006533T DE112018006533T5 DE 112018006533 T5 DE112018006533 T5 DE 112018006533T5 DE 112018006533 T DE112018006533 T DE 112018006533T DE 112018006533 T5 DE112018006533 T5 DE 112018006533T5
Authority
DE
Germany
Prior art keywords
container
histogram
filling
cmu
depth
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
DE112018006533.2T
Other languages
English (en)
Inventor
Justin F. Barish
Adithya H. Krishnamurthy
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.)
Symbol Technologies LLC
Original Assignee
Symbol Technologies LLC
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 Symbol Technologies LLC filed Critical Symbol Technologies LLC
Publication of DE112018006533T5 publication Critical patent/DE112018006533T5/de
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B65CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65DCONTAINERS FOR STORAGE OR TRANSPORT OF ARTICLES OR MATERIALS, e.g. BAGS, BARRELS, BOTTLES, BOXES, CANS, CARTONS, CRATES, DRUMS, JARS, TANKS, HOPPERS, FORWARDING CONTAINERS; ACCESSORIES, CLOSURES, OR FITTINGS THEREFOR; PACKAGING ELEMENTS; PACKAGES
    • B65D90/00Component parts, details or accessories for large containers
    • B65D90/48Arrangements of indicating or measuring devices
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/50Depth or shape recovery
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/50Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757Matching configurations of points or features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/64Three-dimensional objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10028Range image; Depth image; 3D point clouds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30112Baggage; Luggage; Suitcase
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30248Vehicle exterior or interior
    • G06T2207/30268Vehicle interior
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

Ausführungsformen der vorliegenden Erfindung sind im Allgemeinen auf die Abschätzung einer Kapazitätsauslastung eines Containers gerichtet. In einer Ausführungsform ist die vorliegende Erfindung ein Verfahren zur Abschätzung der Befüllung eines Containers. Das Verfahren umfasst: Anbringen einer Bilderfassungsvorrichtung in der Nähe eines Container-Ladebereichs, wobei die Bilderfassungsvorrichtung betreibbar ist, um dreidimensionale Bilder aufzunehmen; Aufnehmen, über die Bilderfassungsvorrichtung, eines dreidimensionalen Bildes, das eine dreidimensionale Formation darstellt, wobei das dreidimensionale Bild eine Vielzahl von Punkten mit dreidimensionalen Punktdaten einschließlich Tiefendaten aufweist; Erzeugen eines Histogramms der Tiefendaten aus dem dreidimensionalen Bild; und Schätzen der Befüllung des Containers basierend zumindest teilweise auf dem Histogramms.

Description

  • HINTERGRUND
  • Waren können auf viele verschiedene Arten und unter Verwendung vieler verschiedener Verfahren transportiert werden. Insbesondere im Langstreckentransport werden häufig Container eingesetzt, die mit Waren beladen und anschließend mit Fahrzeugen, Zügen, Wasserfahrzeugen oder Flugzeugen an ihren gewünschten Bestimmungsort gebracht werden können. Obwohl nicht immer auf abnehmbare Container zurückgegriffen wird, werden beim Kurzstreckentransport von Waren in ähnlicher Weise Fahrzeuge wie Lieferwagen/Kastenwagen eingesetzt, die über angebrachte Container zur Lagerung von Gegenständen und Fracht verfügen.
  • In der Vergangenheit wurde der Großteil des Beladens und Entladens von Waren ohne nennenswerten Input durch computergestützte Systeme durchgeführt. Mit der Entwicklung der Rechenkapazitäten, der Verfügbarkeit erfasster Umweltdaten und dem immer stärkeren Fokus auf Effizienz werden die heutigen Belade- und Entladevorgänge jedoch von Computerplattformen überwacht, beaufsichtigt und/oder unterstützt, die auf Informationen in einem Vorgang reagieren können. Ein Aspekt, der von besonderer Bedeutung ist, ist die Beladungseffizienz und die Fähigkeit, abzuschätzen, wie viel des Containerraums verschwendet wird. Wenn z.B. große Lücken zwischen den Frachtstücken verbleiben, könnte dies bedeuten, dass der Container nicht bis zur Kapazität gefüllt ist. Wenn der Container nicht bis zum oberen Ende gefüllt wird, wenn die Waren von hinten nach vorne geladen werden, bleibt ebenfalls wertvoller Platz frei, was zu Ineffizienz führt.
  • Ein besonderes Problem könnte jedoch auftreten, wenn es sich um Kisten und/oder Fracht bestimmter Abmessungen und/oder eines bestimmten Typs handelt, wie z.B. Kisten vom Typ Gaylord. Unter Gaylord-Kisten (Gaylord boxes) versteht man im Allgemeinen große oder sperrige Kisten, die zur Aufnahme einer oder mehrerer (oft unregelmäßig geformter) Beladungen bestimmt sind. Dies ermöglicht den Versand von Produkten in einer großen, einzelnen Kiste oder auf einer Palette. Obwohl Gaylord-Kisten in der Größe variieren können, sind sie im Allgemeinen relativ hoch und verhindern, dass solche Kisten effektiv nahe an der Decke eines Containers gestapelt werden können. Wenn zum Beispiel eine Gaylord-Box 4 Fuß hoch ist und weniger als 4 Fuß bis zur Decke eines Containers verbleiben, dürfen keine zusätzlichen Gaylords darauf gestapelt werden und der Raum über der Gaylord kann verschwendet werden. In anderen Situationen können Gaylord-Kisten offen bleiben, wodurch das Stapeln anderer Boxen/Fracht darauf verhindert wird. Folglich kann ein großer Raum über der Gaylord offen bleiben und die automatische Containerbeladungsanalyse beeinträchtigen. Ähnliche Probleme könnten bei anderen großen oder unregelmäßig geformten Frachten/Waren auftreten.
  • Dementsprechend besteht ein Bedarf an verbesserten Mitteln zum Erkennen und Berichten der Containerraumnutzung.
  • Figurenliste
  • Die beigefügten Figuren, in denen gleiche Bezugszeichen identische oder funktional ähnliche Elemente in den einzelnen Ansichten bezeichnen, sind zusammen mit der nachfolgenden detaillierten Beschreibung in die Offenbarung inkorporiert und bilden einen Bestandteil der Offenbarung und dienen dazu, hierin beschriebene Ausführungsformen von Konzepten, die die beanspruchte Erfindung umfassen, weiter zu veranschaulichen und verschiedene Prinzipien und Vorteile dieser Ausführungsformen zu erklären.
    • 1 zeugt eine Verladeeinrichtung gemäß einer Ausführungsform der vorliegenden Erfindung.
    • 2 zeigt das Innere der Verladeeinrichtung von 1.
    • 3 zeigt eine Container-Überwachungseinheit gemäß einer Ausführungsform der vorliegenden Erfindung.
    • 4A zeigt eine Draufsicht auf die Verladeeinrichtung von 1, die ein beispielhaftes Sichtfeld einer Container-Überwachungseinheit zeigt.
    • 4B zeigt eine Seitenansicht der Verladeeinrichtung von 1, die ein beispielhaftes Sichtfeld einer Container-Überwachungseinheit zeigt.
    • 5 zeigt ein beispielhaftes Blockschaltbild eines in der Einrichtung von 1 implementierten Kommunikationsnetzwerks.
    • 6, zeigt ein Flussdiagramm, das für ein Verfahren zum Erkennen der Befüllung eines Containers repräsentativ ist, gemäß einer Ausführungsform der vorliegenden Erfindung.
    • 7A und 7B zeigen Beispiele für einen teilweise beladenen Container.
    • 8 zeigt ein Tiefenwert-Histogramm eines Teils von 7B.
    • 9 zeigt ein Diagramm, das repräsentativ ist für die Containerbefüllung, die mit Hilfe eines histogrammdurchschnittbasierten Verfahrens und eines histogrammspitzenbasierten Verfahrens während verschiedener Phasen der Beladung eines Containers berechnet wurde, gemäß einer Ausführungsform der vorliegenden Erfindung.
    • 10 zeigt ein Diagramm, das repräsentativ ist für die Containerbefüllung, die mit Hilfe eines histogrammdurchschnittbasierten Verfahrens und eines histogrammspitzenbasierten Verfahrens während verschiedener Phasen der Beladung eines Containers berechnet wurde, gemäß einer Ausführungsform der vorliegenden Erfindung.
    • Fachleute werden erkennen, dass Elemente in den Figuren der Einfachheit und Klarheit halber dargestellt sind und nicht notwendigerweise maßstabsgetreu gezeichnet wurden. Zum Beispiel können die Dimensionen einiger der Elemente in den Figuren relativ zu anderen Elementen übertrieben sein, um das Verständnis von Ausführungsformen der vorliegenden Erfindung zu verbessern.
    • Die Vorrichtungs- und Verfahrenskomponenten wurden, wo es angemessen ist, durch herkömmliche Symbole in den Zeichnungen dargestellt, die nur jene spezifischen Details zeigen, die zum Verständnis der Ausführungsformen der vorliegenden Erfindung relevant sind, um somit die Offenbarung nicht mit Einzelheiten zu verdecken, die für die Fachleute auf dem Gebiet, die auf die vorliegende Beschreibung zurückgreifen, ohne weiteres ersichtlich sind.
  • DETAILLIERTE BESCHREIBUNG DER ERFINDUNG
  • Der hier verwendete Begriff „Container“ bezieht sich auf jeden Container, der mit mindestens einem von einem Fahrzeug, einem Zug, einem Wasserfahrzeug und einem Flugzeug transportiert werden kann und konfiguriert ist, um transportierbare Waren wie verpackte und/oder unverpackte Gegenstände und/oder andere Arten von Fracht aufzubewahren. Dementsprechend umfasst das Beispiel eines Containers einen geschlossenen Container, der an einer Plattform mit Rädern und einer Kupplung zum Schleppen durch ein angetriebenes Fahrzeug fest verbunden ist. Ein Beispiel für einen Container umfasst auch einen geschlossenen Container, der auf einer Plattform mit Rädern und einer Kupplung zum Schleppen durch ein angetriebenes Fahrzeug abnehmbar befestigt ist. Ein Beispiel für einen Container umfasst auch ein Gehäuse, das fest an einem Rahmen eines angetriebenen Fahrzeugs befestigt ist, wie es z.B. bei einem Lieferwagen, Kistenwagen usw. der Fall sein kann. Während sich die unten beschriebene(n) beispielhafte(n) Ausführungsform(en) auf eine Art von Container zu beziehen scheinen, soll sich der Umfang der Erfindung auf andere Arten von Containern, wie oben definiert, erstrecken.
  • In einer Ausführungsform ist die vorliegende Erfindung ein Verfahren zum Schätzen einer Befüllung eines Containers. Das Verfahren umfasst: Anbringen einer Bilderfassungsvorrichtung in der Nähe eines Containerladebereichs, wobei die Bilderfassungsvorrichtung betreibbar ist, um dreidimensionale Bilder aufzunehmen; Aufnehmen, über die Bilderfassungsvorrichtung, eines dreidimensionalen Bildes, das eine dreidimensionale Formation darstellt, wobei das dreidimensionale Bild eine Vielzahl von Punkten mit dreidimensionalen Punktdaten einschließlich Tiefendaten aufweist; Erzeugen eines Histogramms der Tiefendaten aus dem dreidimensionalen Bild; und Schätzen der Befüllung des Containers basierend zumindest teilweise auf dem Histogramm.
  • In einer anderen Ausführungsform ist die vorliegende Erfindung ein System zum Analysieren einer Beladung eines Containers. Das System umfasst: eine Container-Überwachungseinheit (CMU), die in der Nähe einer Ladebucht montiert ist, wobei die CMU umfasst: ein Gehäuse; eine Bildgebungsanordnung, die sich zumindest teilweise innerhalb des Gehäuses befindet und betreibbar ist, um ein dreidimensionales Bild zu erfassen, das eine dreidimensionale Formation darstellt, wobei das dreidimensionale Bild eine Vielzahl von Punkten mit dreidimensionalen Punktdaten einschließlich Tiefendaten aufweist; und eine CMU-Steuerung, die kommunikativ mit der Bildgebungsanordnung verbunden ist, wobei die Steuerung betreibbar ist, um die dreidimensionalen Punktdaten zu übertragen. Das System umfasst auch einen Host-Computer, der kommunikativ mit der CMU verbunden ist, wobei der Host-Computer eine Host-Computer-Steuerung enthält, die betreibbar ist zum: Empfangen der dreidimensionalen Punktdaten von der CMU-Steuerung; Erzeugen eines Histogramms der Tiefendaten aus den dreidimensionalen Punktdaten; und Schätzen einer ersten Befüllung des Containers basierend zumindest teilweise auf dem Histogramms.
  • In einer weiteren Ausführungsform ist die vorliegende Erfindung eine CMU zum Analysieren der Kapazität eines Containers. Die CMU umfasst: ein Gehäuse; eine Bildgebungsanordnung, die sich zumindest teilweise innerhalb des Gehäuses befindet und betreibbar ist, um ein dreidimensionales Bild zu erfassen, das eine dreidimensionale Formation darstellt, wobei das dreidimensionale Bild eine Vielzahl von Punkten mit dreidimensionalen Punktdaten einschließlich Tiefendaten aufweist; und eine CMU-Steuerung, die kommunikativ mit der Bildgebungsanordnung verbunden ist. Die Steuerung ist betreibbar zum: Erzeugen eines Histogramms der Tiefendaten aus mindestens einem Teil der dreidimensionalen Punktdaten; und Schätzen einer Befüllung des Containers basierend zumindest teilweise auf dem Histogramm, über eine auf dem Histogrammdurchschnitt basierende Berechnung.
  • Unter Bezugnahme auf die Zeichnungen veranschaulicht 1 ein beispielhaftes Umfeld, in dem Ausführungsformen der vorliegenden Erfindung implementiert werden können. Im vorliegenden Beispiel wird die Umgebung in Form einer Laderampe 100 (auch als Verladeeinrichtung bezeichnet) bereitgestellt, wo die Container 102 mit verschiedenen Waren beladen werden und/oder wo aus den Containern 102 verschiedene Waren entladen werden. Die Laderampe 100 umfasst aus eine Einrichtung 104 mit einer Vielzahl von Ladebuchten 106.1 - 106.n gegenüber einem Verladeeinrichtungsplatz 108, wo Fahrzeuge, wie z.B. Sattelschlepper (nicht abgebildet), Container 102 anliefern und abholen. Zum Beladen wird jeder Container 102 in Richtung der Einrichtung 104 so zurückgesetzt, dass er im Allgemeinen senkrecht zu der Wand mit den Ladebuchten 106 steht und mit einer der Ladebuchten (in diesem Fall 106.3) fluchtet. Wie dargestellt, verfügt jede Ladebucht 106 über eine Buchttür 110, die zum Schließen der jeweiligen Ladebucht 106 abgesenkt oder zum Öffnen der jeweiligen Ladebucht angehoben werden kann, so dass das Innere der Einrichtung 104 durch sie hindurch zugänglich ist. Zusätzlich ist jede Ladebucht 106 mit einer Container-Überwachungseinheit (CMU) 112 ausgestattet. Die CMU wird in der Nähe der Container-Ladefläche montiert, vorzugsweise im oberen Abschnitt der Ladebucht 106 außerhalb der Tür 110 gegenüber dem Verladeeinrichtungsplatz 108 oder in einem Inneren / hinteren Ende eines Containers 102, wenn dieser an der jeweiligen Ladebucht angedockt ist. Um die CMU vor ungünstigen Witterungsbedingungen zu schützen, könnte sie unter einem Buchtvordach 114 montiert werden. Einmal angedockt, können die Waren in den Container 102 geladen werden / aus dem Container 102 ausgeladen werden, wobei die CMU 112 die Sicht auf die Rückseite / das Innere des Containers beibehält.
  • 2 ist eine beispielhafte perspektivische Ansicht der Verladeeinrichtung 104 aus 1, wie von innen gesehen, die einen an einer Ladebucht 106.3 angedockten Container 102 bei offener Containertür und einen an einer Ladebucht 163.2 angedockten Container 116 bei geschlossenem Container 118 zeigt. Um den Status der Containertür zu bestimmen, wird die CMU 112 eingesetzt, wie weiter unten beschrieben.
  • In der vorliegend beschriebenen Ausführungsform und wie in 3 dargestellt, ist die CMU 112 eine montierbares Vorrichtung, die eine 3D-Tiefenkamera 120 zur Erfassung von 3D (dreidimensionalen) -Bildern (z.B. 3D-Bilddaten, die eine Vielzahl von Punkten mit dreidimensionalen Punktdaten umfassen) und eine 2D-Kamera 122 zur Erfassung von 2D-Bildern (z.B. 2D-Bilddaten) umfasst. Die 2D-Kamera kann eine RGB (rot, grün, blau) -Kamera zur Aufnahme von 2D-Bildern sein. Die CMU 112 umfasst auch einen oder mehrere Prozessoren und einen oder mehrere Computerspeicher zur Speicherung von Bilddaten und/oder zur Ausführung von Anwendungen/Anweisungen, die Analysen oder andere Funktionen wie hierin beschrieben ausführen. So kann die CMU 112 beispielsweise einen Flash-Speicher enthalten, der zur Bestimmung, Speicherung oder anderweitigen Verarbeitung der Bilddaten und/oder Postscan-Daten verwendet wird. Darüber hinaus kann die CMU 112 eine Netzwerkschnittstelle enthalten, um die Kommunikation mit anderen Vorrichtungen (wie z.B. Server 130) zu ermöglichen. Die Netzwerkschnittstelle der CMU 112 kann jede geeignete Art von Kommunikationsschnittstelle(n) (z.B. drahtgebundene und/oder drahtlose Schnittstellen) enthalten, die für den Betrieb gemäß einem geeigneten Protokoll(en) konfiguriert ist/sind. In verschiedenen Ausführungsformen und wie in den 1 und 2 gezeigt, wird die CMU 112 über eine Halterung 124 montiert und in Richtung der angedockten Container ausgerichtet, um 3D- und/oder 2D-Bilddaten von deren Innen- und Außenseite zu erfassen.
  • Zur Erfassung von 3D-Bilddaten enthält die 3D-Tiefenkamera 120 einen Infrarot (IR) - Projektor und eine zugehörige IR-Kamera. Der IR-Projektor projiziert ein Muster von IR-Licht oder -Strahlen auf ein Objekt oder eine Oberfläche, die Oberflächen des Containers 102 (wie die Tür, die Wände, den Boden usw.), Objekte im Inneren des Containers (wie Kisten, Pakete, temporäres Versandequipment usw.) und/oder Oberflächen des Verladeeinrichtungsplatzes 108 (wie die Oberfläche des Verladeeinrichtungsplatzes, auf der die Container geparkt sind) umfassen kann. Das IR-Licht oder die IR-Strahlen können vom IR-Projektor auf dem Objekt oder der Oberfläche in einem Muster von Flecken oder Punkten verteilt werden, die von der IR-Kamera erfasst oder abgetastet werden können. Eine Tiefenerkennungs-Anwendung, wie z.B. eine Tiefenerkennungs-Anwendung, die auf einem oder mehreren Prozessoren oder Speichern der CMU 112 ausgeführt wird, kann, basierend auf den Mustern von Flecken oder Punkten, verschiedene Tiefenwerte, z.B. Tiefenwerte des Inneren des Containers 102, bestimmen. Beispielsweise kann ein Objekt mit geringer Tiefe (z.B. nahe gelegene Kisten, Pakete usw.) bestimmt werden, wo die Flecken oder Punkte dicht sind, und Objekte mit großer Tiefe (z.B. ferne Kisten, Pakete usw.), wo die Punkte weiter auseinander liegen. Die verschiedenen Tiefenwerte können von der Tiefenerkennungs-Anwendung und/oder CMU 112 zum Erzeugen einer Tiefenkarte verwendet werden. Die Tiefenkarte kann ein 3D-Bild der Objekte oder Oberflächen, die von der 3D-Tiefenkamera 120 erfasst oder abgetastet wurden, darstellen oder 3D-Bilddaten von diesen enthalten.
  • Zusätzlich enthält die 2D-Kamera 122 in einer Ausführungsform zur Erfassung von 2D-Bilddaten eine auf RGB (rot, grün, blau) basierende Kamera zur Erfassung von 2D-Bildern mit RGB-basierten Pixeldaten. In einigen Ausführungsformen erfasst die 2D-Kamera 122 2D-Bilder und zugehörige 2D-Bilddaten zum gleichen oder ähnlichen Zeitpunkt wie die 3D-Tiefenkamera 120, so dass die CMU 112 sowohl Sätze von 3D-Bilddaten als auch 2D-Bilddaten für eine bestimmte Oberfläche, ein Objekt oder eine Szene zur gleichen oder ähnlichen Zeit zur Verfügung haben kann.
  • Unter Bezugnahme auf die 4A und 4B kann die CMU so ausgerichtet werden, dass sich ihre Sichtfelder (FsOV) 126 für die 3D-Kamera und die 2D-Kamera so erweitern, dass sie einen Großteil des Containerinneren erfassen. Darüber hinaus können sich beide FsOVs erheblich überlappen, um Daten über im Wesentlichen den gleichen Bereich zu erfassen. Als Ergebnis kann die CMU 112 Bilddaten von Wänden, Boden, Decke, Paketen oder anderen Objekten oder Oberflächen innerhalb des Containers scannen, erfassen oder anderweitig aufnehmen, um die 3D- und 2D-Bilddaten zu bestimmen. In ähnlicher Weise kann die CMU bei Abwesenheit eines Containers an der Ladebucht Bilddaten von der Oberfläche des Verladeeinrichtungsplatzes 108 scannen, abtasten oder anderweitig erfassen, um die 3D- und 2D-Bilddaten zu bestimmen. Die Bilddaten können von einem oder mehreren Prozessoren und/oder Speichern der CMU 112 (oder, in einigen Ausführungsformen, einem oder mehreren entfernten Prozessoren und/oder Speichern eines Servers) verarbeitet werden, um Analysen, Funktionen, wie z.B. grafische oder bildgebende Analysen, zu implementieren, wie sie in einem oder mehreren verschiedenen Flussdiagrammen, Blockdiagrammen, Verfahren, Funktionen oder verschiedenen Ausführungsformen hierin beschrieben werden.
  • In einigen Ausführungsformen verarbeitet die CMU 112 die 3D- und 2D-Bilddaten zur Verwendung durch andere Vorrichtungen (z.B. Client-Gerät 128 (das in Form eines mobilen Geräts, wie z.B. eines Tablets, Smartphones, Laptops oder eines anderen solchen mobilen Computergeräts vorliegen kann) oder Server 130 (der in Form eines einzelnen oder mehrerer Computer vorliegen kann, die den Zugriff auf eine zentrale Ressource oder einen zentralen Dienst in einem Netzwerk verwalten). Bei der Verarbeitung der Bilddaten können nach dem Scannen Daten erzeugt werden, die Metadaten, vereinfachte Daten, normalisierte Daten, Ergebnisdaten, Statusdaten oder Warndaten enthalten können, die aus den ursprünglich gescannten oder abgetasteten Bilddaten ermittelt wurden. Wie in 5 gezeigt, die ein Blockverbindungsdiagramm zwischen der CMU 112, dem Server 130 und dem Client-Gerät 128 darstellt, können diese Vorrichtungen über jedes geeignete Kommunikationsmittel verbunden werden, einschließlich drahtgebundener und/oder drahtloser Verbindungskomponenten, die einen oder mehrere Kommunikationsprotokollstandards wie z.B. TCP/IP, WiFi (802.11b), Bluetooth, Ethernet oder andere geeignete Kommunikationsprotokolle oder -standards implementieren.
  • In einigen Ausführungsformen kann sich der Server 130 in derselben Verladeeinrichtung 104 befinden. In anderen Ausführungsformen kann sich Server 130 an einem entfernten Standort befinden, z.B. auf einer Cloud-Plattform oder einem anderen entfernten Standort. In noch anderen Ausführungsformen kann der Server 130 aus einer Kombination von lokalen und Cloud-basierten Computern gebildet sein.
  • Der Server 130 ist konfiguriert, um Computeranweisungen auszuführen, um die mit den hierin beschriebenen Systemen und Verfahren verbundenen Operationen durchzuführen. Der Server 130 kann Unternehmensdienstsoftware implementieren, die z. B. RESTful (Representational State Transfer) API-Dienste, Message Queuing Service und Ereignisdienste umfassen kann, die von verschiedenen Plattformen oder Spezifikationen bereitgestellt werden können, wie z. B. die J2EE-Spezifikation, die von einer der Oracle WebLogic Server-Plattformen, der JBoss-Plattform oder der IBM WebSphere-Plattform usw. implementiert wird. Es können auch andere Technologien oder Plattformen wie Ruby on Rails, Microsoft .NET oder ähnliche verwendet werden.
  • Um das Berichten über die Raumnutzung zu unterstützen, können die oben genannten Komponenten allein oder in Kombination verwendet werden, um verschiedene Messungen des Innenraums des an einer Ladebucht angedockten Containers zu erfassen und/oder zu liefern und diese Messungen (d.h. Daten) zur Durchführung der erforderlichen Analysen zu verwenden.
  • Unter Bezugnahme auf 6 ist darin ein Flussdiagramm dargestellt, das ein beispielhaftes Verfahren 200 zum Schätzen der Befüllung eines Containers darstellt. In Schritt 202 umfasst das Verfahren den Vorgang des Anbringens einer Bilderfassungsvorrichtung in der Nähe eines Container-Ladebereichs, wobei die Bilderfassungsvorrichtung zur Erfassung dreidimensionaler Bilder betrieben werden kann. Die Bilderfassungsvorrichtung kann über die CMU 112 implementiert werden, die für die Erfassung von 3D-Bildern konfiguriert ist. Es ist bevorzugt, die Bilderfassungsvorrichtung so auszurichten, dass ihr 3D-FOV in den Bereich des Verladeeinrichtungsplatzes reicht, genauer gesagt in den Bereich, in dem ein Container (wie z.B. Container 102) während der Belade- und Entladevorgänge positioniert werden soll. Diese Konfiguration ermöglicht es der Bilderfassungsvorrichtung, (durch Erfassung und Analyse von 3D-Daten) die Anwesenheit oder Abwesenheit verschiedener Objekte in der Nähe ihres FOVs zu erfassen und darauf basierend verschiedene Bestimmungen vorzunehmen.
  • Als nächstes in Schritt 204 umfasst das Verfahren den Vorgang des Erfassens, über die Bilderfassungsvorrichtung, eines dreidimensionalen Bildes, das eine dreidimensionale Formation darstellt, wobei das dreidimensionale Bild eine Vielzahl von Punkten mit dreidimensionalen Punktdaten einschließlich Tiefendaten aufweist. In einer Ausführungsform erfasst die 3D-Kamera der Bilderfassungsvorrichtung die Tiefe aller Punkte innerhalb seines FOV und weist ihnen verschiedene Tiefenwerte zu, wodurch eine, wie man es nennen kann, für die Umgebung innerhalb seines FOV repräsentative Punktwolke entsteht. Zusätzlich zu den Tiefenmessungen kann die Bilderfassungsvorrichtung jedem der Punkte horizontale und vertikale Positionsdaten zuweisen, wodurch dreidimensionale Punktdaten für jeden der erfassten Punkte erzeugt werden. In einigen Fällen kann es vorkommen, dass die Bilderfassungsvorrichtung zumindest in einigen Teilen ihres FOVs nichts erfassen kann. Dies kann z.B. auftreten, wenn sich ein Teil der Umgebung außerhalb des Tiefenerfassungsbereichs der Bilderfassungsvorrichtung befindet oder wenn im Falle einer Verwendung einer IR-basierten 3D-Kamera ein Problem mit der Erfassung von IR-Reflexionen besteht. In diesem Fall können dreidimensionale Punktdaten, die mit nicht erfassbaren Punkten verbunden sind, Daten enthalten, die für das Fehlen eines Objekts oder das Nichtvorhandensein von 3D-Daten (was als Abwesenheit eines erfassbaren Objekts interpretiert werden kann) repräsentativ sind.
  • Es wurde erkannt, dass es durch die Auswertung des 3D-Bildes möglich wird, auf die Raumnutzung innerhalb des Containers zu schließen. In einigen Implementierungen kann dies durch die Auswertung der Tiefenwerte zumindest einiger der im 3D-Bild erfassten Punkte und die Korrelation dieser Werte mit Befüllungsniveaus erfolgen, wie weiter unten beschrieben wird.
  • Die eigentliche rechnerische Analyse kann auf einem Server wie dem Server 130 erfolgen, der die dreidimensionalen Punktdaten von der Bilderfassungsvorrichtung, der Bilderfassungsvorrichtung selbst oder einer Kombination davon erhält. Nach Empfang/Erhalt der dreidimensionalen Punktdaten, die die Tiefendaten enthalten, beinhaltet das Verfahren 200 in Schritt 206 den Vorgang des Erzeugens eines Histogramms der Tiefendaten. Bei der Erstellung des Tiefenhistogramms ist es bevorzugt, innerhalb des dreidimensionalen Bildes Punkte auszuwählen, die entweder die Rückwand des Containers oder die Oberflächen der im Container befindlichen Waren darstellen. Dies ist wichtig, denn während das FOV der 3D-Kamera statisch bleibt, sind Oberflächen, die 3D-Punktdaten erzeugen, die zur Nutzung des Innenraums beitragen, dynamisch. Zur weiteren Erläuterung kann man sich auf die 7A und 7B beziehen. 7A zeigt ein Bild 300 eines Innenraums eines Containers, wobei Punkt 302 für einen Punkt auf dem Boden des Containers repräsentativ ist und somit sein Tiefenwert keinen besonderen Einfluss auf die Nutzung des Innenraums hat. Andererseits wird ein Punkt 402 (der sich in derselben Richtung wie Punkt 302 befindet) im Bild 400 von 7B von einer Fläche einer Kiste 404 eingenommen, die sich auf die Nutzung des Innenraums auswirkt. Folglich werden in einigen Ausführungsformen Punkte, die zur Histogrammerzeugung verwendet werden, von Oberflächen entnommen, die im Wesentlichen parallel zu einer Ladetür des Containers in der Nähe des Ortes liegen, an dem sich die Bilderfassungsvorrichtung befindet. Außerdem werden in einigen Ausführungsformen Punkte, die für die Histogrammerzeugung verwendet werden, von Oberflächen genommen, die innerhalb von 30 Grad zur Normalen einer Linie liegen, die sich von einem beliebigen Punkt auf der Ebene zur Bilderfassungsvorrichtung erstreckt. Durch die Begrenzung der Punkte für das Histogramm auf diese oder andere Weise kann das Histogramm eine Verteilung der Tiefenwerte von Punkten darstellen, die mit Gegenständen korrespondieren, die einen gewissen Einfluss auf die gesamte verwendete und verbleibende Kapazität haben.
  • Die Bestimmung einer planaren Oberfläche selbst kann durch eine 3D-Segmentierungsanalyse durchgeführt werden. In einigen Ausführungsformen kann die Sample Consensus (SAC)-Segmentierungsanalyse verwendet werden, um Punkte in den 3D-Bilddaten zu bestimmen, die mit verschiedenen Ebenen oder Oberflächen korrespondieren. Dies kann auf eine große Vielzahl von Oberflächen angewendet werden, einschließlich der Innen- und Außenflächen des Containers (z.B. Innenwände, Boden, Decke und Außenflächen wie die Außenseite der Tür) und auch Oberflächen von Objekten, die sich innerhalb des Containers selbst befinden. Die SAC-Segmentierungsanalyse bestimmt oder segmentiert die verschiedenen Ebenen oder Oberflächen der Umgebung in x-, y- und z-Koordinatenebenen, indem eine Korrelation gemeinsamer Punkte entlang der x-, y- und z-Ebenen, die in den 3D-Bilddaten orientiert sind, identifiziert wird. Daher kann dieses Verfahren zur Analyse von Punkten innerhalb des 3D-Bildes und zur Identifizierung einer Anwesenheit von Ebenen, die verschiedenen Oberflächen entsprechen, verwendet werden. Zusätzlich kann eine Untersuchung der Orientierung der Ebenen (und damit der detektierten Oberflächen) durchgeführt werden, um die für das Histogramm berücksichtigten Punkte zu beschränken. Beispielsweise können Ebenen von Interesse auf diejenigen beschränkt werden, die für ein gegebenes x1, x2 oder ein bestimmtes y1, y2 ein maximales Δz haben.
  • Nach Erhalt des entsprechenden Histogramms können darauf weitere Analysen durchgeführt werden, um Nutzungsabschätzungen zu erhalten. Unter Bezugnahme auf 8 wird ein Histogramm von Tiefenwerten gezeigt, die mit denen 7B verbunden sind. Aus diesen Daten kann man die Befüllung des Containers abschätzen, indem ein durchschnittlicher Tiefenwert aus dem Histogramm berechnet und der durchschnittliche Wert mit einer Vielzahl von Tiefenwerten verglichen wird, die jeweils mit einem entsprechenden Befüllungsniveau des Containers verbunden sind. Diese Operation kann z.B. vom Server in Schritt 208 des Verfahrens 200 durchgeführt werden. Die Berechnung des durchschnittlichen Tiefenwerts des Histogramms von 8 ergibt einen Wert, der dann zur Bestimmung der geschätzten Befüllung des Containers verwendet werden kann. In einer Implementierung erfolgt dies durch Nachschlagen, welche Befüllungsmenge dem durchschnittlichen Tiefenwert in einer Nachschlagetabelle entspricht. In einer anderen Implementierung hängt diese Berechnung außerdem von den Gesamtabmessungen des Containers ab (mindestens eine von einer Höhe, einer Breite und einer Tiefe des Containers), da ein durchschnittlicher Tiefenwert von W aus der Bilderfassungsvorrichtung einen Betrag der Befüllung angibt, der aufgrund des insgesamt ausfüllbaren Bereichs variiert.
  • Während die obigen Ausführungsformen in Bezug auf das Schätzen der Befüllung durch die Berechnung von durchschnittlichen Tiefenwerten aus dem Histogramm (auch als „histogrammdurchschnittbasierte(s) Verfahren“ bezeichnet) beschrieben wurden, kann die Befüllung in anderen Implementierungen durch die Auswahl und Auswertung von Histogramm-Spitzen bestimmt werden (auch als „histogrammspitzenbasierte(s) Verfahren“ bezeichnet). In einem beispielhaften histogrammspitzenbasierten Verfahren umfasst die Bestimmung der Befüllung das Identifizieren einer ersten Vielzahl von Histogramm-Spitzen aus dem erzeugten Histogramm, die innerhalb eines Schwellenprozentsatzes einer höchsten Histogramm-Spitze liegen, das Identifizieren einer Spitze aus der ersten Vielzahl von Histogramm-Spitzen mit einem größten Abstandwert von der CMU, und das Verwenden des größten Abstands bei der Bestimmung der Befüllung. In einer Implementierung wird die Bestimmung der Befüllung durch Vergleich des größten Abstandswertes mit einer Vielzahl von Abstandswerten durchgeführt, die jeweils mit einem entsprechenden Befüllungsniveau des Containers assoziiert sind. In einer anderen Implementierung wird der größte Abstand in einen Prozentsatz der gesamten Containertiefe umgerechnet und dann von 100% abgezogen, was einen Prozentsatz des Containers ergibt, der schätzungsweise gefüllt ist. Da das histogrammdurchschnittbasierte Verfahren und das histogrammspitzenbasierte Verfahren auf verschiedenen Aspekten des Histogramms beruhen, werden sie oft unterschiedliche Befüllungswerte ausgeben. Wenn man sich beispielsweise auf das Diagramm 500 von 9 bezieht, bleibt im Gegensatz zu der mittels eines histogrammdurchschnittbasierten Verfahrens geschätzten Containerbefüllung 502 die mittels eines histogrammspitzenbasierten Verfahrens geschätzte Containerbefüllung 504 bei oder nahe 0%, obwohl Kisten in den Container geladen werden. Dies geschieht, weil die Rückwand des Containers (über sämtlichen beladenen Kisten) im Blickfeld der Kamera bleibt. Aufgrund der Größe dieser Wand wird sie als eine relativ hohe Spitze im Histogramm registriert und, einen ausreichenden Schwellenwert vorausgesetzt, für die Bestimmung der Befüllung ausgewählt.
  • Auch wenn Schätzungen, die mit dem/den histogrammspitzenbasierten Verfahren ermittelt werden, nicht so genau erscheinen mögen, so wird ihr Vorteil doch deutlicher, wenn sie mit Schätzungen kombiniert werden, die mit dem/den histogrammdurchschnittbasierten Verfahren ermittelt werden. Die Verwendung beider Verfahren kann beispielsweise bei der Feststellung helfen, ob eine Mischbeladung (Beladung von Gaylord- und/oder gaylord-ähnlichen Kisten und/oder Fracht) stattgefunden hat. Wenn eine Mischbeladung stattgefunden hat, wie in 9 dargestellt, wird die durch ein histogrammspitzenbasiertes Verfahren erhaltene Containerbefüllungsmetrik wahrscheinlich auf einem relativ niedrigen Wert bleiben, während die durch ein histogrammdurchschnittbasiertes Verfahren erhaltene Containerbefüllungsmetrik wahrscheinlich ansteigt. Andererseits, wie im Diagramm 600 von 10 dargestellt, wenn keine Mischbeladung stattfindet, werden die durch ein histogrammspitzenbasiertes Verfahren erhaltene Containerbefüllungsmetrik 602 und die durch ein histogrammdurchschnittbasiertes Verfahren erhaltene Containerbefüllungsmetrik 604 während des Beladungsvorgangs wiederholt konvergieren und divergieren. In einer Ausführungsform kann Konvergenz als innerhalb von 10 % der Gesamtbeladungsmenge und Divergenz als über 10 % der Gesamtbeladungsmenge liegend angesehen werden. Im Diagramm 600 ist eine Konvergenz z.B. in dem Bereich 606 zu erkennen und eine Divergenz ist z.B. in dem Bereich 608 zu erkennen. Auf dieser Grundlage kann eine Bestimmung der Mischbeladung vorgenommen werden, wenn die mit dem histogrammspitzenbasierten Verfahren geschätzte Containerbefüllung und die mit dem histogrammdurchschnittbasierten Verfahren geschätzte Containerbefüllung divergieren und konvergieren, und eine Bestimmung einer Nicht-Mischbeladung kann vorgenommen werden, wenn die mit dem histogrammspitzenbasierten Verfahren geschätzte Containerbefüllung und die mit dem histogrammdurchschnittbasierten Verfahren geschätzte Containerbefüllung divergieren und nicht wieder konvergieren.
  • In der vorstehenden Beschreibung wurden spezifische Ausführungsformen beschrieben. Ein Durchschnittsfachmann erkennt jedoch, dass verschiedene Modifikationen und Änderungen vorgenommen werden können, ohne den Schutzumfang der Erfindung, wie sie in den untenstehenden Ansprüchen definiert ist, abzuweichen. Dementsprechend sind die Beschreibung und die Figuren vielmehr in einem illustrativen als in einem einschränkenden Sinne zu betrachten, und alle derartigen Modifikationen sollen im Umfang der vorliegenden Lehren eingeschlossen sein. Darüber hinaus sollten die beschriebenen Ausführungsformen/Beispiele/Implementierungen nicht als sich gegenseitig ausschließend interpretiert werden, sondern als potentiell kombinierbar verstanden werden, wenn solche Kombinationen in irgendeiner Weise permissiv sind. Mit anderen Worten kann jedes Merkmal, das in einer der oben genannten Ausführungsformen/Beispiele/Implementierungen offenbart wird, in jeder der anderen oben genannten Ausführungsformen/Beispiele/Implementierungen enthalten sein. Darüber hinaus sollten keine Schritte einer der hier offenbarten Verfahren so verstanden werden, dass sie eine bestimmte Reihenfolge haben, es sei denn, es wird ausdrücklich erklärt, dass keine andere Reihenfolge möglich oder durch die übrigen Schritte des jeweiligen Verfahrens erforderlich ist.
  • Die Nutzen, Vorteile, Lösungen für Probleme und alle Elemente, die zum Auftreten oder einer Verstärkung eines Nutzens, eines Vorteils, oder einer Lösung führen können, sind nicht als kritische, erforderliche oder wesentliche Merkmale oder Elemente in einigen oder sämtlichen Ansprüchen zu verstehen. Die Erfindung ist lediglich durch die angehängten Ansprüche definiert, einschließlich jeglicher Änderungen, die während der Anhängigkeit dieser Anmeldung vorgenommen wurden und aller Äquivalente der erteilten Ansprüche.
  • Darüber hinaus können in diesem Dokument relationale Begriffe wie erster und zweiter, oberer und unterer und dergleichen lediglich verwendet sein, um eine Entität oder Aktion von einer anderen Entität oder Aktion zu unterscheiden, ohne notwendigerweise eine tatsächliche derartige Beziehung oder Reihenfolge zwischen solchen Entitäten oder Aktionen zu erfordern oder zu implizieren. Die Ausdrücke „umfasst“, „umfassend“, „hat“, „haben“, „aufweist“, „aufweisend“, „enthält“, „enthaltend“ oder jede andere Variation davon sollen eine nicht-ausschließliche Einbeziehung abdecken, derart, dass ein Prozess, Verfahren, Produkt oder Vorrichtung, das eine Liste von Elementen umfasst, hat, aufweist, enthält, nicht nur diese Elemente aufweist, sondern auch andere Elemente aufweisen kann, die nicht ausdrücklich aufgelistet sind oder einem solchen Prozess, Verfahren, Produkt oder Vorrichtung inhärent sind. Ein Element, dem „umfasst ... ein“, „hat ... ein“, „aufweist ... ein“ oder „enthält ...ein“ vorausgeht, schließt ohne weitere Einschränkungen die Existenz zusätzlicher identischer Elemente in dem Prozess, dem Verfahren, dem Produkt oder der Vorrichtung, die das Element umfasst, hat, aufweist oder enthält, nicht aus. Die Begriffe „ein“ und „eine“ sind als eine oder mehrere definiert, sofern es hierin nicht ausdrücklich anders angegeben wird. Die Begriffe „im Wesentlichen“, „im Allgemeinen“, „ungefähr“, „etwa“ oder jede andere Version davon sind so definiert, dass sie von einem Fachmann auf diesem Gebiet nahekommend verstanden werden, und in einer nicht-einschränkenden Ausführungsform ist der Ausdruck definiert als innerhalb von 10%, in einer weiteren Ausführungsform als innerhalb von 5%, in einer weiteren Ausführungsform als innerhalb von 1% und in einer weiteren Ausführungsform als innerhalb von 0,5%. Der Ausdruck „gekoppelt“, wie er hierin verwendet wird, ist als verbunden definiert, jedoch nicht notwendigerweise direkt und nicht notwendigerweise mechanisch. Eine Vorrichtung oder eine Struktur, die auf eine bestimmte Art „ausgeführt“ ist, ist zumindest auch so ausgeführt, kann aber auch auf Arten ausgeführt sein, die nicht aufgeführt sind.
  • Es versteht sich, dass einige Ausführungsformen von einem oder mehreren generischen oder spezialisierten Prozessoren (oder „Verarbeitungsgeräten“) wie Mikroprozessoren, digitale Signalprozessoren, kundenspezifische Prozessoren und Field-Programmable-Gate-Arrays (FPGAs) und einmalig gespeicherten Programmanweisungen (einschließlich sowohl Software als auch Firmware) umfasst sein können, die den einen oder die mehreren Prozessoren steuern, um in Verbindung mit bestimmten Nicht-Prozessorschaltungen einige, die meisten oder alle der hierin beschriebenen Funktionen des Verfahrens und/oder der Vorrichtung zu implementieren. Alternativ können einige oder alle Funktionen durch eine Zustandsmaschine implementiert sein, die keine gespeicherten Programmanweisungen aufweist, oder in einer oder mehreren anwendungsspezifischen integrierten Schaltungen (ASICs), in denen jede Funktion oder einige Kombinationen von bestimmten Funktionen als benutzerdefinierte Logik implementiert sind. Natürlich kann eine Kombination der beiden Ansätze verwendet werden.
  • Darüber hinaus kann eine Ausführungsform als ein computerlesbares Speichermedium implementiert sein, auf dem computerlesbarer Code gespeichert ist, um einen Computer (der zum Beispiel einen Prozessor umfasst) zu programmieren, um ein Verfahren auszuführen, wie es hierin beschrieben und beansprucht ist. Beispiele solcher computerlesbaren Speichermedien weisen eine Festplatte, eine CD-ROM, eine optische Speichervorrichtung, eine magnetische Speichervorrichtung, einen ROM (Nur-Lese-Speicher), einen PROM (programmierbarer Nur-Lese-Speicher), einen EPROM (löschbarer programmierbarer Nur-Lese-Speicher), einen EEPROM (elektrisch löschbarer programmierbarer Nur-Lese-Speicher) und einen Flash-Speicher auf, sind aber nicht hierauf beschränkt auf. Ferner wird davon ausgegangen, dass ein Durchschnittsfachmann, ungeachtet möglicher signifikanter Anstrengungen und vieler Designwahlen, die zum Beispiel durch verfügbare Zeit, aktuelle Technologie und wirtschaftliche Überlegungen motiviert sind, ohne Weiteres in der Lage ist, solche Softwareanweisungen und - programme und ICs mit minimalem Experimentieren zu generieren, wenn er durch die hierin offenbarten Konzepte und Prinzipien angeleitet wird.
  • Die Zusammenfassung der Offenbarung wird bereitgestellt, um es dem Leser zu ermöglichen, schnell das Wesen der technischen Offenbarung zu ermitteln. Sie wird mit dem Verständnis bereitgestellt, dass sie nicht zur Auslegung oder Einschränkung des Umfangs oder der Bedeutung der Ansprüche verwendet wird. Ferner kann der vorangehenden detaillierten Beschreibung entnommen werden, dass verschiedene Merkmale in verschiedenen Ausführungsformen zum Zwecke der Verschlankung der Offenbarung zusammengefasst sind. Diese Art der Offenbarung ist nicht so auszulegen, dass sie die Absicht widerspiegelt, dass die beanspruchten Ausführungsformen mehr Merkmale erfordern, als ausdrücklich in jedem Anspruch angegeben sind. Vielmehr ist es so, wie die folgenden Ansprüche zeigen, dass der erfinderische Gegenstand in weniger als allen Merkmalen einer einzigen offenbarten Ausführungsform liegt. Somit werden die folgenden Ansprüche hiermit in die detaillierte Beschreibung inkorporiert, wobei jeder Anspruch für sich als ein separat beanspruchter Gegenstand steht

Claims (20)

  1. Ein Verfahren zum Schätzen der Befüllung eines Containers, wobei das Verfahren umfasst: Befestigen einer Bilderfassungsvorrichtung in der Nähe eines Container-Ladebereiches, wobei die Bilderfassungsvorrichtung, betreibbar ist, um dreidimensionale Bilder zu erfassen; Erfassen, über die Bilderfassungsvorrichtung, eines dreidimensionalen Bildes, das eine dreidimensionale Formation darstellt, wobei das dreidimensionale Bild eine Vielzahl von Punkten mit dreidimensionalen Punktdaten einschließlich Tiefendaten aufweist; Erzeugen eines Histogramms der Tiefendaten aus dem dreidimensionalen Bild; und Schätzen der Befüllung des Containers basierend zumindest teilweise auf dem Histogramm.
  2. Verfahren nach Anspruch 1, wobei der Container durch einen Boden, eine Decke, eine erste aufrechte Wand, eine zweite aufrechte Wand und eine dritte aufrechte Wand begrenzt wird, wobei die erste aufrechte Wand der zweiten aufrechten Wand gegenüberliegt und parallel zu ihr verläuft, wobei die dritte aufrechte Wand senkrecht zur ersten aufrechten Wand und zur zweiten aufrechten Wand liegt.
  3. Verfahren nach Anspruch 2, wobei der Container ferner durch eine Tür begrenzt wird, die der dritten aufrechten Wand gegenüber liegt und parallel zu ihr ist.
  4. Verfahren nach Anspruch 1, wobei das dreidimensionale Bild über ein Sichtfeld (FOV) erfasst wird, das sich nicht aus einem Inneren des Containers hinaus erstreckt.
  5. Verfahren nach Anspruch 1, wobei der Vorgang des Schätzens der Befüllung des Containers das Berechnen eines durchschnittlichen Tiefenwertes aus dem Histogramm und das Vergleichen des durchschnittlichen Wertes mit einer Vielzahl von Tiefenwerten, die jeweils mit einem entsprechenden Befüllungsniveau des Containers assoziiert sind, umfasst.
  6. Verfahren nach Anspruch 5, wobei das jeweilige Befüllungsniveau des Containers von zumindest einer von einer Höhe, einer Breite und einer Tiefe des Containers abhängig ist.
  7. System zum Analysieren einer Kapazität eines Containers, umfassend: eine Container-Überwachungseinheit (CMU), die in der Nähe einer Ladebucht befestigt ist, wobei die CMU umfasst: ein Gehäuse; eine Bildgebungsanordnung, die sich zumindest teilweise innerhalb des Gehäuses befindet und betreibbar ist, um ein dreidimensionales Bild zu erfassen, das eine dreidimensionale Formation darstellt, wobei das dreidimensionale Bild eine Vielzahl von Punkten mit dreidimensionalen Punktdaten einschließlich Tiefendaten aufweist; und eine CMU-Steuerung, die kommunikativ mit der Bildgebungsanordnung verbunden ist, wobei die Steuerung betreibbar ist, um die dreidimensionalen Punktdaten zu übertragen; und einen Host-Computer, der kommunikativ mit der CMU verbunden ist, wobei der Host-Computer eine Host-Computer-Steuerung enthält, die betreibbar ist zum: Empfangen der dreidimensionalen Punktdaten von der CMU-Steuerung; Erzeugen eines Histogramms der Tiefendaten aus mindestens einem Teil der dreidimensionalen Punktdaten; und Schätzen einer ersten Befüllung des Containers basierend zumindest teilweise auf dem Histogramm.
  8. System nach Anspruch 7, wobei der Container durch einen Boden, eine Decke, eine erste aufrechte Wand, eine zweite aufrechte Wand und eine dritte aufrechte Wand begrenzt ist, wobei die erste aufrechte Wand der zweiten aufrechten Wand gegenüberliegt und parallel zu ihr verläuft, wobei die dritte aufrechte Wand senkrecht zur ersten aufrechten Wand und zur zweiten aufrechten Wand liegt.
  9. System nach Anspruch 8, wobei der Container ferner durch eine Tür begrenzt ist, die der dritten senkrechten Wand gegenüberliegt und parallel zu ihr verläuft.
  10. System nach Anspruch 8, wobei das dreidimensionale Bild über ein Sichtfeld (FOV) erfasst ist, das sich nicht aus einem Inneren des Containers hinaus erstreckt.
  11. System nach Anspruch 8, wobei die Host-Computer-Steuerung betreibbar ist, um die erste Befüllung des Containers abzuschätzen, indem ein durchschnittlicher Tiefenwert aus dem Histogramm berechnet wird und der durchschnittliche Wert mit einer Vielzahl von Tiefenwerten verglichen wird, die jeweils mit einem entsprechenden Niveau der ersten Befüllung des Containers assoziiert sind.
  12. System nach Anspruch 11, wobei das jeweilige Niveau der ersten Befüllung des Containers von zumindest einer von einer Höhe, einer Breite und einer Tiefe des Containers abhängig ist.
  13. System nach Anspruch 8, wobei die Host-Computer-Steuerung betreibbar ist, um: die erste Befüllung des Containers abzuschätzen, indem ein durchschnittlicher Tiefenwert aus dem Histogramm berechnet wird und die erste Befüllung zumindest teilweise auf den durchschnittlichen Tiefenwert basiert wird, eine zweite Befüllung des Containers abzuschätzen, indem eine erste Vielzahl von Histogramm-Spitzen identifiziert wird, die innerhalb eines Schwellenprozentsatzes einer höchsten Histogramm-Spitzen liegen, eine Spitze aus der ersten Vielzahl von Histogramm-Spitzen identifiziert wird, die einen größten Abstandswert von der CMU hat, und die zweite Befüllung des Containers zumindest teilweise auf den größten Abstandswert basiert wird, einen Hinweis auf eine Mischbeladung bereitzustellen, wenn beim Beladen des Containers die erste Befüllung des Containers und die zweite Befüllung des Containers entlang mindestens eines Teils des Containers divergieren und konvergieren, und einen Hinweis auf eine Nicht-Mischbeladung bereitzustellen, wenn beim Beladen des Containers die erste Befüllung des Containers und die zweite Befüllung des Containers entlang zumindest des Teils des Containers divergieren und nicht wieder konvergieren.
  14. System nach Anspruch 13, wobei das Basieren der ersten Befüllung zumindest teilweise auf dem durchschnittlichen Tiefenwert das Vergleichen des durchschnittlichen Tiefenwertes mit einer ersten Vielzahl von Tiefenwerten umfasst, die jeweils mit einem entsprechenden Niveau der ersten Befüllung des Containers assoziiert sind.
  15. System nach Anspruch 14, wobei das Basieren der Ausnutzung des Containers zumindest teilweise auf dem größten Abstandswert das Vergleichen des größten Abstandswertes mit einer zweiten Vielzahl von Abstandswerten umfasst, die jeweils mit einem entsprechenden Ausnutzungsniveau des Containers assoziiert sind.
  16. System nach Anspruch 14, wobei das Basieren der Ausnutzung des Containers zumindest teilweise auf dem größten Abstandswert das Umwandeln des größten Abstandswertes in einen Prozentsatz einer Tiefe des Containers und die Subtraktion des Prozentsatzes von 100% umfasst.
  17. Container-Überwachungseinheit (CMU) zum Analysieren einer Kapazität eines Containers, umfassend: ein Gehäuse; eine Bildgebungsanordnung, die sich zumindest teilweise innerhalb des Gehäuses befindet und betreibbar ist, um ein dreidimensionales Bild zu erfassen, das eine dreidimensionale Formation darstellt, wobei das dreidimensionale Bild eine Vielzahl von Punkten mit dreidimensionalen Punktdaten einschließlich Tiefendaten aufweist; und eine CMU-Steuerung, die kommunikativ mit der Bildgebungsanordnung verbunden ist, wobei die Steuerung betreibbar ist zum: Erzeugen eines Histogramms der Tiefendaten aus mindestens einem Teil der dreidimensionalen Punktdaten; und Schätzen einer Befüllung des Containers basierend zumindest teilweise auf dem Histogramm mittels einer histogrammdurchschnittbsierten Berechnung.
  18. CMU nach Anspruch 17, wobei die histogrammdurchschnittbsierte Berechnung das Berechnen eines durchschnittlichen Tiefenwertes aus dem Histogramm und das Vergleichen des durchschnittlichen Wertes mit einer Vielzahl von Tiefenwerten umfasst, die jeweils mit einem entsprechenden Befüllungsniveau des Containers assoziiert sind.
  19. CMU nach Anspruch 17, wobei die Steuerung betreibbar ist: eine Befüllung des Containers basierend zumindest teilweise auf dem Histogramm mittels einer histogrammspitzenbasierten Berechnung abzuschätzen, einen Hinweis auf eine Mischbeladung bereitzustellen, wenn beim Beladen des Containers die mittels der histogrammdurchschnittbasierten Berechnung geschätzte Befüllung des Containers und die mittels der histogrammspitzenbasierten Berechnung geschätzte Befüllung des Containers entlang mindestens eines Teils des Containers divergieren und konvergieren, und einen Hinweis auf eine Nicht-Mischbeladung bereitzustellen, wenn beim Beladen des Containers die mittels der histogrammdurchschnittbasierten Berechnung geschätzte Befüllung des Containers und die mittels der histogrammspitzenbasierten Berechnung geschätzte Befüllung des Containers entlang mindestens eines Teils des Containers divergieren und wieder konvergieren.
  20. CMU nach Anspruch 19, wobei die histogrammdurchschnittbasierte Berechnung das Berechnen eines durchschnittlichen Tiefenwerts aus dem Histogramm und das Basieren der mittels der histogrammdurchschnittbasierten Berechnung geschätzten Befüllung des Containers zumindest teilweise auf den durchschnittlichen Tiefenwert aus dem Histogramm umfasst, und wobei die histogrammspitzenbasierte Berechnung das Identifizieren einer ersten Vielzahl von Histogramm-Spitzen, die innerhalb eines Schwellenprozentsatzes einer höchsten Histogramm-Spitze fallen, das Identifizieren einer Spitze aus der ersten Vielzahl von Histogramm-Spitzen mit einem größten Abstandswert von der CMU, und das Basieren der mittels der histogrammspitzenbasierten Berechnung geschätzten Befüllung des Containers zumindest teilweise auf den größten Abstandswert umfasst.
DE112018006533.2T 2017-12-22 2018-11-08 Schätzung der Containerausnutzung Pending DE112018006533T5 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/853,223 US10692236B2 (en) 2017-12-22 2017-12-22 Container use estimation
US15/853,223 2017-12-22
PCT/US2018/059774 WO2019125629A1 (en) 2017-12-22 2018-11-08 Container use estimation

Publications (1)

Publication Number Publication Date
DE112018006533T5 true DE112018006533T5 (de) 2020-09-03

Family

ID=65717673

Family Applications (1)

Application Number Title Priority Date Filing Date
DE112018006533.2T Pending DE112018006533T5 (de) 2017-12-22 2018-11-08 Schätzung der Containerausnutzung

Country Status (6)

Country Link
US (1) US10692236B2 (de)
CN (1) CN111512314B (de)
BE (1) BE1025929B1 (de)
DE (1) DE112018006533T5 (de)
PL (1) PL434590A1 (de)
WO (1) WO2019125629A1 (de)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10733799B2 (en) * 2017-07-26 2020-08-04 Daqri, Llc Augmented reality sensor
US11010915B2 (en) * 2019-07-11 2021-05-18 Zebra Technologies Corporation Three-dimensional (3D) depth imaging systems and methods for dynamic container auto-configuration
US10762331B1 (en) * 2019-10-11 2020-09-01 Zebra Technologies Corporation Three-dimensional (3D) depth and two-dimensional (2D) imaging systems and methods for automatic container door status recognition
US10991116B1 (en) * 2019-10-25 2021-04-27 Zebra Technologies Corporation Three-dimensional (3D) depth imaging systems and methods for automatically determining shipping container fullness based on imaging templates
US10820307B2 (en) * 2019-10-31 2020-10-27 Zebra Technologies Corporation Systems and methods for automatic camera installation guidance (CIG)
US11475574B2 (en) * 2020-03-24 2022-10-18 Zebra Technologies Corporation Methods for unit load device (ULD) door tarp detection
CN113469871B (zh) * 2020-03-30 2023-07-14 长沙智能驾驶研究院有限公司 基于三维激光的车厢可装载空间检测方法和装置
US11393119B2 (en) * 2020-06-18 2022-07-19 Zebra Technologies Corporation Methods for calculating real time package density
CN112078672A (zh) * 2020-09-06 2020-12-15 广州潘娜娜信息技术有限公司 一种实时统计与显示车载笼子装载情况的运输系统
US20240005263A1 (en) * 2022-06-29 2024-01-04 United Parcel Service Of America, Inc. Machine vision system for advancement of trailer loading/unloading visibility

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7353181B2 (en) 2001-08-15 2008-04-01 Hewlett-Packard Development Company, L.P. Allocating freight haulage jobs
US7570786B2 (en) * 2004-08-30 2009-08-04 Antoun Ateya Automatic digital object counting and verification system and associated method
US7813540B1 (en) * 2005-01-13 2010-10-12 Oro Grande Technologies Llc System and method for detecting nuclear material in shipping containers
US9045280B2 (en) * 2006-01-05 2015-06-02 Alex Bellehumeur Collapsible storage container
CN101356103B (zh) * 2006-01-05 2011-03-23 A·R·贝勒胡莫 可折拢的存储集装箱
US20140372183A1 (en) 2013-06-17 2014-12-18 Motorola Solutions, Inc Trailer loading assessment and training
US9460524B1 (en) 2014-05-30 2016-10-04 Amazon Technologies, Inc. Estimating available volumes using imaging data
JP6350657B2 (ja) * 2014-06-13 2018-07-04 株式会社ニコン 形状測定装置、構造物製造システム、形状測定方法、構造物製造方法、形状測定プログラム、及び記録媒体
US10713610B2 (en) * 2015-12-22 2020-07-14 Symbol Technologies, Llc Methods and systems for occlusion detection and data correction for container-fullness estimation
US9940730B2 (en) 2015-11-18 2018-04-10 Symbol Technologies, Llc Methods and systems for automatic fullness estimation of containers

Also Published As

Publication number Publication date
CN111512314A (zh) 2020-08-07
WO2019125629A1 (en) 2019-06-27
CN111512314B (zh) 2023-09-19
PL434590A1 (pl) 2021-08-16
US10692236B2 (en) 2020-06-23
BE1025929B1 (nl) 2020-01-06
US20190197719A1 (en) 2019-06-27
BE1025929A1 (nl) 2019-08-09

Similar Documents

Publication Publication Date Title
DE112018006533T5 (de) Schätzung der Containerausnutzung
DE112018005979T5 (de) Schätzung der be-/entladezeit von containern
DE112019002547B4 (de) System und verfahren zum bestimmen eines standortes zur platzierung eines pakets
DE112018006554T5 (de) Systeme und verfahren zum bestimmen der kommerziellen anhängerbefüllung
DE102018132764A1 (de) Anhängertürüberwachung und -berichten
DE112018005976T5 (de) Berechnung der paketwanddichte beim beladen von kommerziellen anhängern
DE112016006366T5 (de) Verfahren und systeme zur verarbeitung von punktwolkendaten mit einem linienscanner
DE112017005910T5 (de) Dimensionierungssystem zum und Verfahren zum Dimensionieren von sich entlang eines nicht eingeschränkten Pfades in einer Örtlichkeit bewegender Fracht
CN113469871B (zh) 基于三维激光的车厢可装载空间检测方法和装置
DE112017006429T5 (de) Verfahren, Systeme und Vorrichtungen zum Segmentieren von Objekten
DE112017004142T5 (de) Verfahren, systeme und vorrichtung zum segmentieren und dimensionieren von objekten
DE102020127732A1 (de) Dreidimensionale (3d) tiefenbildgebungssysteme und -verfahren zur automatischen bestimmung einer versandcontainerfüllung basierend auf bildgebungsvorlagen
DE112020003332B4 (de) Dreidimensionale (3D) Tiefenbildgebungssysteme und -Verfahren zur dynamischen Container-Autokonfiguration
DE112020005377T5 (de) Systeme und verfahren zur automatischen kamerainstallationsführung (cig)
US11430104B2 (en) Three-dimensional (3D) imaging systems and methods for detecting and dimensioning a vehicle storage area
DE112016005287T5 (de) Verfahren und systeme zur behälter-vollheitsschätzung
US10697757B2 (en) Container auto-dimensioning
DE112017007564T5 (de) Datenverarbeitungsverfahren, -vorrichtung und -system
DE112019005302T5 (de) Systeme und verfahren für leerlaufzeiten in der kommerziellen anhängerbeladung
DE102021104352A1 (de) Transporter-segmentierung für datenerfassungssystem
EP3597490B1 (de) Verfahren zur überwachung des beladungszustandes von nutzfahrzeugen oder wechselaufbauten für nutzfahrzeuge
DE112021002519T5 (de) Referenzoberflächenerkennung zur mobilen bemessung
DE112019005299T5 (de) Verfahren zur Erkennung einer Falschplatzierung von Paketen in falschen Anhängern unter Verwendung einer Anhängerüberwachungseinheit
WO2023001466A1 (de) Verfahren zur überwachung eines laderaums
DE102023136485A1 (de) Gestelllokalisierungsverfahren einer transportvorrichtung und transportvorrichtung, die ein gestell lokalisieren kann

Legal Events

Date Code Title Description
R012 Request for examination validly filed