KR20230094950A - 화물 계수 방법 및 장치, 컴퓨터 디바이스, 및 저장 매체 - Google Patents
화물 계수 방법 및 장치, 컴퓨터 디바이스, 및 저장 매체 Download PDFInfo
- Publication number
- KR20230094950A KR20230094950A KR1020220115538A KR20220115538A KR20230094950A KR 20230094950 A KR20230094950 A KR 20230094950A KR 1020220115538 A KR1020220115538 A KR 1020220115538A KR 20220115538 A KR20220115538 A KR 20220115538A KR 20230094950 A KR20230094950 A KR 20230094950A
- Authority
- KR
- South Korea
- Prior art keywords
- cargo
- point cloud
- cloud data
- height
- carrier
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001914 filtration Methods 0.000 claims description 47
- 238000004590 computer program Methods 0.000 claims description 22
- 238000007781 pre-processing Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000002194 synthesizing effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 239000000969 carrier Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious 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
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/469—Contour-based spatial representations, e.g. vector-coding
- G06V10/476—Contour-based spatial representations, e.g. vector-coding using statistical shape modelling, e.g. point distribution models
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20068—Projection on vertical or horizontal image axis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Radar, Positioning & Navigation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
본 발명은 화물 계수 방법 및 장치, 컴퓨터 디바이스, 및 저장 매체에 관한 것이다. 상기 방법은 화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것과; 3차원 포인트 클라우드 데이터에 따라 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 것과; 화물 세트가 제1 적재 상태에 있는 경우, 화물 세트 중 화물의 수량을 계산하는 것을 포함한다.
Description
본 발명은 화물 계수 기술분야에 관한 것이고, 특히 화물 계수 방법 및 장치, 컴퓨터 디바이스, 및 저장 매체에 관한 것이다.
화물 계수 기술이 발전함에 따라, 케이스 통째로 화물을 카운트하기가 쉽다. 그러나 현재 벌크 화물의 계수는 여전히 수동에 의존하고 있다. 벌크 화물은 수량이 많고 종류가 복잡하여 수동적인 계수에 시간이 많이 들고 힘겹기 때문에 계수 효율이 떨어진다.
이를 감안하여, 상기 기술적 과제에 대하여, 벌크 화물의 계수 효율이 낮은 문제를 해결할 수 있는 화물 계수 방법 및 장치, 컴퓨터 디바이스, 및 컴퓨터 판독 가능 저장 매체를 제공할 필요가 있다.
제1 양태에 따르면, 본 발명은 화물 계수 방법을 제공한다. 상기 방법은,
화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것과;
상기 3차원 포인트 클라우드 데이터에 따라 상기 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 것과; 및
상기 화물 세트가 제1 적재 상태에 있는 경우, 상기 화물 세트 중 화물의 수량을 계산하는 것을 포함한다.
제2 양태에 따르면, 본 발명은 화물 계수 장치를 더 제공한다. 상기 장치는,
화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 데에 사용되는 데이터 획득 모듈;
상기 3차원 포인트 클라우드 데이터에 따라 상기 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 데에 사용되는 판단 모듈; 및
상기 화물 세트가 제1 적재 상태에 있는 경우, 상기 화물 세트 중 화물의 수량을 계산하는 데에 사용되는 계산 모듈을 포함한다.
제3 양태에 따르면, 본 발명은 컴퓨터 디바이스를 더 제공한다. 상기 컴퓨터 디바이스는 메모리 및 프로세서를 포함한다. 상기 메모리는 상기 프로세서에 연결되고, 상기 메모리에는 컴퓨터 프로그램이 저장되고, 상기 컴퓨터 프로그램이 상기 프로세서에 의해 실행될 경우, 상기 프로세서로 하여금 제1 양태에 기재된 화물 계수 방법을 실행하도록 한다.
제4 양태에 따르면, 본 발명은 비휘발성 컴퓨터 판독 가능 저장 매체를 더 제공한다. 상기 비휘발성 컴퓨터 판독 가능 저장 매체에는 컴퓨터 프로그램이 저장되고, 상기 컴퓨터 프로그램이 프로세서에 의해 실행될 경우, 상기 프로세서로 하여금 제1 양태에 기재된 화물 계수 방법을 실행하도록 한다.
상술한 화물 계수 방법 및 장치, 컴퓨터 디바이스, 및 저장 매체에 따르면, 화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득하고; 3차원 포인트 클라우드 데이터에 따라 화물 세트가 제1 적재 상태에 있는지 여부를 판단하며; 화물 세트가 제1 적재 상태에 있는 경우, 화물 세트 중 화물의 수량을 계산할 수 있다. 이렇게 획득된 화물 세트의 포인트 클라우드 데이터를 기반으로 벌크 화물의 수량을 계산할 수 있으므로, 벌크 화물의 계수 효율을 향상시킨다.
도 1은 일 실시예에 따른 화물 계수 방법의 응용 환경도이다.
도 2는 일 실시예에 따른 화물 계수 방법의 흐름도이다.
도 3은 일 실시예에 따른 화물 세트 중 화물의 수량을 계산하는 흐름도이다.
도 4는 다른 실시예에 따른 화물 계수 방법의 흐름도이다.
도 5는 일 실시예에 따른 화물 계수 장치의 구조를 나타내는 블록도이다.
도 6은 일 실시예에 따른 컴퓨터 디바이스의 내부 구조를 나타내는 도면이다.
도 2는 일 실시예에 따른 화물 계수 방법의 흐름도이다.
도 3은 일 실시예에 따른 화물 세트 중 화물의 수량을 계산하는 흐름도이다.
도 4는 다른 실시예에 따른 화물 계수 방법의 흐름도이다.
도 5는 일 실시예에 따른 화물 계수 장치의 구조를 나타내는 블록도이다.
도 6은 일 실시예에 따른 컴퓨터 디바이스의 내부 구조를 나타내는 도면이다.
본 발명의 목적, 과제 해결 수단 및 이점이 보다 명확해지도록, 이하, 첨부된 도면 및 실시예를 참조하여 본 발명을 더욱 상세하게 설명한다. 본 명세서에 기재된 구체적인 실시예는 본 발명을 설명하는 데에 사용될 뿐이며, 본 발명을 한정하고자 하는 것은 아님에 유념해야 한다.
본 발명의 실시예에서 제공되는 화물 계수 방법은 도 1에 도시된 응용 환경에 적용될 수 있다. 여기서, 단말기(102)는 네트워크를 통해 서버(104)와 통신 연결되고, 서버(104)는 데이터 저장 시스템(106)과 통신 연결된다. 데이터 저장 시스템(106)은 서버(104)에 의해 처리될 데이터를 저장할 수 있다. 데이터 저장 시스템(106)은 서버(104)에 통합될 수 있고, 또한 클라우드 또는 기타 네트워크 서버에 배치될 수 있다. 서버(104)는 화물 계수 명령을 기반으로 수집된 단말기(102)에 저장된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득하고; 3차원 포인트 클라우드 데이터에 따라 화물 세트가 제1 적재 상태에 있는지 여부를 판단하며; 화물 세트가 제1 적재 상태에 있는 경우, 화물 세트 중 화물의 수량을 계산한다. 여기서, 단말기(102)는 다양한 개인용 컴퓨터, 노트북 컴퓨터, 스마트폰, 태블릿 컴퓨터, 사물 인터넷(IoV) 디바이스, 및 휴대용 웨어러블 디바이스일 수 있지만, 이에 제한되지 않는다. 사물 인터넷 디바이스는 스마트 스피커, 스마트 TV, 스마트 에어컨, 스마트 차량 탑재 디바이스 등일 수 있다. 휴대용 웨어러블 디바이스는 스마트 워치, 스마트 팔찌, 헤드셋 디바이스 등일 수 있다. 서버(104)는 독립적인 서버 또는 여러 서버로 구성된 서버 클러스터로 구현될 수 있다.
본 발명의 실시예에서, 화물 계수 방법을 제공한다. 상기 방법이 도 1에 도시된 서버(104)에 적용되는 것을 예로 들어 설명한다. 도 2에 도시된 바와 같이, 상기 방법은 아래 단계를 포함한다.
단계 202, 화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득한다.
여기서, 화물은 계수할 화물이고, 예를 들어 포장되지 않은 화물(이하 “벌크 화물”이라고 약칭)을 의미한다. 기설정 적재 영역은 미리 결정된 화물이 적재될 영역을 의미한다. 3차원 포인트 클라우드 데이터는 하나의 3차원 좌표계 중의 한 세트의 벡터 집합을 의미하고, 스캐너에 의해 포인트의 형태로 스캔 및 기록되며, 각 포인트는 3차원 좌표를 포함하고, 일부 포인트는 색상 정보 또는 반사 강도 정보 등을 포함할 수도 있다. 여기서, 색상 정보는 공간 색채 정보를 의미한다. 반사 강도 정보는 스캐너의 스캔 과정에서 레이저가 상이한 평면을 스캔하면서 반사하여 획득된 상이한 강도의 정보를 의미한다. 3차원 포인트 클라우드 데이터는 기설정 적재 영역 내의 화물을 스캔하여 얻어진 것이다.
구체적으로, 먼저 화물을 적재하기 위한 기설정 적재 영역을 제공하고, 기설정 적재 영역의 주위에 3차원 레이저 스캐너를 배치한다. 이어서, 기설정 적재 영역 내에 화물이 적재된 후에, 서버(104)(예를 들면, 중앙 제어 시스템의 프로세서)는 화물 계수 명령을 획득하고, 화물 계수 명령에 따라 3차원 레이저 스캐너를 제어하여 기설정 적재 영역 내의 화물을 스캔하도록 하여, 화물의 3차원 포인트 클라우드 데이터를 획득한다.
단계 204에서, 3차원 포인트 클라우드 데이터에 따라 화물 세트가 제1 적재 상태에 있는지 여부를 판단한다.
여기서, 제1 적재 상태는 화물 세트가 기설정 적재 영역에서 화물 계수에 유리한 적재 위치에 있는 것을 의미하며, 즉 화물 세트가 표준 적재 상태에 있는 것을 의미하며, 예를 들어 화물 세트가 기설정 표준 자세로 완전히 기설정 적재 영역에 위치하는 것을 의미한다. 일 실시예에서, 기설정 표준 자세는 화물 세트의 길이 방향과 기설정 적재 영역의 길이 방향이 평행되고, 화물 세트의 폭 방향과 기설정 적재 영역의 폭 방향이 평행되는 것이다. 화물 세트의 일부가 기설정 적재 영역의 경계를 초과하거나, 화물 세트가 기설정 표준 자세로 기설정 적재 영역에 위치하지 않으면, 상기 화물 세트는 제1 적재 상태에 있지 않는다고 결정된다.
구체적으로, 프로세서는 먼저 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득한 후에, 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터에 따라 화물 세트의 적재 위치가 화물 계수에 유리한지 여부를 판단한다.
단계 206에서, 화물 세트가 제1 적재 상태에 있는 경우, 화물 세트 중 화물의 수량을 계산한다.
구체적으로, 화물 세트가 제1 적재 상태에 있는 경우, 프로세서는 3차원 포인트 클라우드 데이터를 분석하여 화물 세트 중 화물의 수량을 계산한다.
상기 화물 계수 방법에 있어서, 화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득하고; 3차원 포인트 클라우드 데이터에 따라 화물 세트가 제1 적재 상태에 있는지 여부를 판단하며; 화물 세트가 제1 적재 상태에 있는 경우, 화물 세트 중 화물의 수량을 계산한다. 이와 같이, 획득된 화물 세트의 3차원 포인트 클라우드 데이터에 따라 화물 세트 중 화물의 수량을 계산함으로써, 화물 계수 효율을 향상시킬 수 있다.
일 실시예에서, 화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것은, 적어도 2개의 3차원 레이저 스캐너 각각에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 획득하는 것과; 적어도 2개의 3차원 레이저 스캐너 각각에 의해 수집된 후보 포인트 클라우드 데이터를 합성하여, 화물 세트의 완전한 3차원 포인트 클라우드 데이터를 획득하는 것을 포함한다.
여기서, 3차원 레이저 스캐너는 멀티라인 레이저와 회전 기계로 구성되어 현실 세계의 물체 형상, 외관 등 정보를 수집하기 위한 디바이스이다. 주로 3차원 레이저 스캐너를 이용하여 기설정 적재 영역 내의 화물 세트를 스캔하며, 화물 세트의 후보 포인트 클라우드 데이터를 획득한다. 후보 포인트 클라우드 데이터는 각 3차원 레이저 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 의미한다. 적어도 2개의 3차원 레이저 스캐너 각각에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터에 대하여 포인트 클라우드 스티칭(point cloud stitching)을 수행함으로써, 화물 세트의 완전한 3차원 포인트 클라우드 데이터를 획득한다. 포인트 클라우드 스티칭은 주로 상이한 포인트 클라우드에 대하여 공간 변환을 수행하고, 복수개의 포인트 클라우드를 전역적으로 일관된 3차원 포인트 클라우드 모델로 스티칭하는 것이다.
하나의 바람직한 실시형태에서, 적어도 2개의 3차원 레이저 스캐너는 제1 스캐너 및 적어도 하나의 제2 스캐너를 포함하고; 적어도 2개의 3차원 레이저 스캐너 각각에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 획득하는 것은, 제1 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 획득하는 것 - 제1 스캐너는 기준 스캐너임 - 과; 각 제2 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 획득하는 것을 포함한다.
하나의 바람직한 실시형태에서, 적어도 2개의 3차원 레이저 스캐너 각각에 의해 수집된 후보 포인트 클라우드 데이터를 합성하여, 화물 세트의 완전한 3차원 포인트 클라우드 데이터를 획득하는 것은,
제1 스캐너에 대한 각 제2 스캐너의 상대적 포즈 파라미터를 획득하는 것과;
획득된 제1 스캐너에 대한 각 제2 스캐너의 상대적 포즈 파라미터를 기반으로, 각 제2 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 병진 및 회전 변환하여, 제1 스캐너 좌표계에서의 3차원 포인트 클라우드 데이터를 획득하는 것과;
획득된 제1 스캐너 좌표계에서의 모든 3차원 포인트 클라우드 데이터 및 제1 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 스티칭하여, 화물 세트의 완전한 3차원 포인트 클라우드 데이터를 획득하는 것을 포함한다.
하나의 바람직한 실시형태에서, 프로세서는 적어도 2개의 3차원 레이저 스캐너 각각에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 획득하고, 여기서, 적어도 2개의 3차원 레이저 스캐너는 기준 스캐너로 사용되는 제1 스캐너 및 적어도 하나의 제2 스캐너를 포함한다. 프로세서는 기준 스캐너에 대한 각 제2 스캐너의 상대적 포즈 파라미터를 획득하고; 획득된 기준 스캐너에 대한 각 제2 스캐너의 상대적 포즈 파라미터를 기반으로, 적어도 하나의 제2 스캐너 각각에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 병진 및 회전 변환하여, 기준 스캐너 좌표계에서의 3차원 포인트 클라우드 데이터를 획득하며; 획득한 기준 스캐너 좌표계에서의 모든 3차원 포인트 클라우드 데이터 및 기준 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 스티칭하여, 화물 세트의 완전한 3차원 포인트 클라우드 데이터를 획득한다.
구체적으로, 적어도 2개의 3차원 레이저 스캐너가 기준 스캐너로 사용되는 하나의 제1 스캐너 및 하나의 제2 스캐너를 포함하는 것을 예로 들면, 프로세서는 제1 스캐너 및 제2 스캐너 각각에 의해 수집된 기설정 적재 영역 내의 화물 세트의 (3차원) 후보 포인트 클라우드 데이터를 획득하고; 제1 스캐너에 대한 제2 스캐너의 상대적 포즈 파라미터를 획득하며; 획득된 제1 스캐너에 대한 제2 스캐너의 상대적 포즈 파라미터를 기반으로, 제2 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 병진 및 회전 변환하며; 병진 및 회전 변환된 제2 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터 및 제1 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 스티칭하여, 화물 세트의 완전한 3차원 포인트 클라우드 데이터를 획득한다.
본 실시예에서, 적재 영역 내의 화물 세트의 3차원 후보 포인트 클라우드 데이터를 획득하고, 통일 좌표계에서의 모든 3차원 후보 포인트 클라우드 데이터를 화물 세트의 완전한 3차원 포인트 클라우드 데이터로 병합함으로써, 정확한 포인트 클라우드 모델을 얻을 수 있고, 따라서 화물 계수 정확율을 향상시킬 수 있다.
일 실시예에서, 3차원 포인트 클라우드 데이터에 따라 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 것은, 3차원 포인트 클라우드 데이터를 지평면에 투영하여, 통계 기반 그리드 맵(statistics-based grid map)을 획득하는 것과; 그리드 맵에 대해 직선 검출 처리를 수행하여 복수개의 직선 방정식을 획득하는 것과; 복수개의 직선 방정식 중 각 직선 방정식의 직선 기울기가 0 또는 1과 같은 경우, 화물 세트가 제1 적재 상태에 있다고 결정하는 것을 포함한다.
여기서, 그리드 맵은 여러개의 작은 사각형으로 구성된 그래픽을 의미한다. 그리드 맵에 있어서의 각 작은 사각형의 위치와 색상 값은 색상 음영의 변화를 반영할 수 있다. 그리드 맵은 주로 3차원 포인트 클라우드 데이터를 분석하는 데에 사용된다. 이미지 공간 x-y에서, 하나의 직선은 직교 좌표계에서 y=kx+b로 표현될 수 있고, y=kx+b는 직선 방정식이라고도 한다. 여기서 k는 직선의 기울기를 나타내는 파라미터이고, b는 직선의 절편을 나타내는 파라미터이다. 직선 방정식은 주로 그리드 맵에 대해 직선 검출 처리를 수행한 후에 얻어진 것이다. 직선 방정식의 직선 기울기가 0이면, 화물 세트의 길이 방향과 기설정 적재 영역의 길이 방향이 평행됨을 의미하고, 직선 방정식의 직선 기울기가 1이면 화물 세트의 폭 방향과 기설정 적재 영역의 폭 방향이 평행됨을 의미한다.
구체적으로, 프로세서는 3차원 포인트 클라우드 데이터를 지평면에 투영하여(즉 3차원 포인트 클라우드 데이터의 Z축을 0으로 취함), 하나의 그리드 맵을 얻고, 허프 직선 검출 알고리즘을 통해 그리드 맵을 처리하여, 복수개의 직선 방정식을 얻는다. 각 직선 방정식을 기반으로 직선 기울기를 판단하고, 각 직선 방정식의 직선 기울기가 0 또는 1이면, 화물 세트가 제1 적재 상태에 있있다고 결정한다. 여기서, 허프 직선 검출 알고리즘은 이미지 처리 알고리즘 중 하나로서, 이미지로부터 기하하적 형태(예를 들면, 직선)를 검출하는 기본적인 방법 중 하나이다. 허프 직선 검출 알고리즘은 주로 임의의 직선을 파라미터 공간으로 변환함으로써 이미지 공간의 선 검출 문제를 파라미터 공간의 점 검출 문제로 간소화한다. 예를 들어, 평면 상의 임의의 직선은 모두 y=kx+b로 표현될 수 있기에, 임의의 하나의 직선은 모두 파라미터 공간 중의 하나의 점(k, b)으로 표현될 수 있다. 그리드 맵의 처리는 허프 직선 검출 알고리즘으로 처리하는 것에 제한되지 않고, 임의의 직선을 파라미터 공간으로 변환할 수 있는 다른 알고리즘을 사용할 수도 있다.
본 실시예에서, 화물 세트의 적재 위치를 판단함으로써, 화물의 전체 량에 대한 계산 오차율을 효과적으로 감소할 수 있다.
일 실시예에서, 화물 세트는 캐리어에 적재되고, 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것은, 캐리어와 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것을 포함한다. 화물 세트 중 화물의 수량을 계산하는 것은,
단일 화물의 높이 및 밑면적, 캐리어의 높이, 한 층을 가득 채우는 화물의 수량, 캐리어와 화물 세트의 전체 높이, 및 최상층 화물의 전체 면적을 결정하는 것과;
최상층 화물의 전체 면적이 면적 임계값보다 작은지 여부를 결정하는 것- 면적 임계값은 단일 화물의 밑면적에 한 층을 가득 채우는 화물의 수량을 곱해 획득된 것임 - 과;
최상층 화물의 전체 면적이 면적 임계값보다 작을 경우, 단일 화물의 높이 및 밑면적, 캐리어의 높이, 한 층을 가득 채우는 화물의 수량, 캐리어와 화물 세트의 전체 높이, 및 최상층 화물의 전체 면적에 따라 화물 세트 중 화물의 수량을 결정하는 것과;
최상층 화물의 전체 면적이 면적 임계값과 같을 경우, 단일 화물의 높이, 캐리어의 높이, 한 층을 가득 채우는 화물의 수량, 및 캐리어와 화물 세트의 전체 높이에 따라 화물 세트 중 화물의 수량을 결정하는 것을 포함한다.
설명해야 할 것은, 본 발명에서, 최상층을 제외한 각 층에는 모두 화물이 가득 차 있고, 최상층에는 화물이 가득 차 있을 수도 있고 가득 차 있지 않을 수도 있다. 또한, 각 층에 적재할 수 있는 화물의 최대 수량은 고정되어 있고(정확하게 적재될 경우), 다시 말하면, 각 층에서 한 층을 가득 채우는 화물의 수량은 모두 같다. 최상층에 화물이 가득 차 있지 않으면, 최상층 화물의 수량은 한 층을 가득 채우는 화물의 수량보다 작고, 대응하게, 최상층 화물의 전체 면적은 한 층을 가득 채우는 화물의 전체 면적보다 작다. 최상층에 화물이 가득 차 있으면, 최상층 화물의 수량은 한 층을 가득 채우는 화물의 수량과 같고, 대응하게, 최상층 화물의 전체 면적은 한 층을 가득 채우는 화물의 전체 면적과 같다. 본 발명의 면적 임계값은 단일 화물의 밑면적에 한 층을 가득 채우는 화물의 수량을 곱해 획득된 것으로, 한 층을 가득 채우는 화물의 전체 면적을 나타낸다. 최상층 화물의 전체 면적이 면적 임계값보다 작다고 결정되면, 최상층에 화물이 가득 차 있지 않음을 설명하고; 최상층 화물의 전체 면적이 면적 임계값과 같다고 결정되면, 최상층에 화물이 가득 차 있음을 설명한다.
본 발명은 하나의 캐리어에 적층된 화물에 대한 계수 상황, 예를 들어, 하나의 캐리어에 복수개의 화물이 적층된 상황에 적용된다. 이 밖에, 계수의 오차율을 줄이기 위해, 화물의 적재 자세는 특정 조건을 충족해야 한다. 구체적으로, 캐리어에 적층된 복수개의 화물은 기설정 적재 영역에 완전히 위치해야 하고, 화물의 적재는 제1 적재 상태에 속해야 한다.
일 실시예에서, 단일 화물의 높이 및 밑면적, 캐리어의 높이, 한 층을 가득 채우는 화물의 수량, 캐리어와 화물 세트의 전체 높이, 및 최상층 화물의 전체 면적에 따라 화물 세트 중 화물의 수량을 결정하는 것은,
캐리어와 화물 세트의 전체 높이, 캐리어의 높이, 및 단일 화물의 높이에 따라 화물 세트의 층수를 결정하는 것과;
최상층 화물의 전체 면적 및 단일 화물의 밑면적에 따라 최상층 화물의 수량을 결정하는 것과;
화물 세트의 층수, 한 층을 가득 채우는 화물의 수량, 및 최상층 화물의 수량에 따라 화물 세트 중 화물의 수량을 결정하는 것을 포함한다.
일 실시예에서, 단일 화물의 높이, 캐리어의 높이, 한 층을 가득 채우는 화물의 수량, 및 캐리어와 화물 세트의 전체 높이에 따라 화물 세트 중 화물의 수량을 결정하는 것은,
캐리어와 화물 세트의 전체 높이, 캐리어의 높이, 및 단일 화물의 높이에 따라 화물 세트의 층수를 결정하는 것과;
화물 세트의 층수 및 한 층을 가득 채우는 화물의 수량에 따라 화물 세트 중 화물의 수량을 결정하는 것을 포함한다.
일 실시예에서, 캐리어와 화물 세트의 전체 높이 및 최상층 화물의 전체 면적은 3차원 포인트 클라우드 데이터에 대해 포인트 클라우드 복셀 그리딩(point cloud voxel gridding) 처리를 수행하여 결정된 것이다.
설명해야 할 것은, 본 발명에서, 캐리어와 화물 세트의 전체 높이 및 최상층 화물의 전체 면적은 획득된 화물 세트의 완전한 3차원 포인트 클라우드 데이터를 분석하여 결정된 것이고, 화물 관련 물리적 데이터 및 캐리어 관련 물리적 데이터(예를 들면, 단일 화물의 높이 및 밑면적, 캐리어의 높이, 및 한 층을 가득 채우는 화물의 수량)는 미리 알아둔 것일 수 있다.
구체적으로, (1) 프로세서는 단일 화물의 높이 h 및 밑면적 s, 캐리어의 높이 a, 및 한 층을 가득 채우는 화물의 수량 n을 결정하고, 캐리어와 화물 세트의 3차원 포인트 클라우드 데이터에 대해 복셀 그리딩 처리를 수행하여 얻은 그리딩 이미지에 따라 캐리어와 화물 세트의 전체 높이 H 및 최상층 화물의 전체 면적 S를 결정한다. (2) 프로세서는 최상층 화물의 전체 면적 S이 면적 임계값 Ts보다 작은지 여부를 결정하고, 여기서, 면적 임계값 Ts은 단일 화물의 밑면적 s에 한 층을 가득 채우는 화물의 수량 n을 곱해 획득된 것이다. (3) 최상층 화물의 전체 면적 S가 면적 임계값 Ts보다 작을 경우, 캐리어와 화물 세트의 전체 높이 H, 캐리어의 높이 a, 및 단일 화물의 높이 h를 공식 
에 대입하여 화물 세트의 층수 w를 결정하고; 최상층 화물의 전체 면적 S 및 단일 화물의 밑면적 s를 공식 
에 대입하여 최상층 화물의 수량 
을 결정하며; 화물 세트의 층수 w, 한 층을 가득 채우는 화물의 수량 n, 및 최상층 화물의 수량 
을 공식 
에 대입하여 화물 세트 중 화물의 수량 N을 결정한다. (4) 최상층 화물의 전체 면적 S가 면적 임계값 Ts와 같을 경우, 캐리어와 화물 세트의 전체 높이 H, 캐리어의 높이 a, 및 단일 화물의 높이 h를 공식 
에 대입하여 화물 세트의 층수 w를 결정하고; 화물 세트의 층수 w 및 한 층을 가득 채우는 화물의 수량 n을 공식 
에 대입하여 화물 세트 중 화물의 수량 N을 결정한다.
일 실시예에서, 화물 세트는 캐리어에 적재되고, 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것은, 캐리어와 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것을 포함하고, 화물 세트 중 화물의 수량을 계산하는 것은, 다음 내용을 포함한다.
단계 302, 3차원 포인트 클라우드 데이터에 대해 포인트 클라우드 복셀 그리딩 처리를 수행하여, 캐리어와 화물 세트의 전체 높이, 최상층 화물의 전체 면적을 획득한다.
여기서, 복셀 그리딩은 물체의 기하학적 표현을 상기 물체에 가장 가까운 복셀 표현으로 변환하는 것이며, 복셀 그리드는 규칙적인 3차원 그리드 격자로 화물을 표현하는 것으로, 3D에서 2D 픽셀의 대조물로 볼 수 있다.
구체적으로, 프로세서는 3차원 포인트 클라우드 데이터에 대해 그리딩 처리를 수행하여 그리딩 이미지를 얻고, 그리딩 이미지를 기반으로 캐리어와 화물 세트의 전체 높이 및 최상층 화물의 전체 면적를 획득한다.
단계 304, 단일 화물의 높이 및 밑면적, 캐리어의 높이, 및 한 층을 가득 채우는 화물의 수량을 획득한다.
구체적으로, 프로세서는 단일 화물의 높이 및 밑면적, 캐리어의 높이, 및 한 층을 가득 채우는 화물의 수량을 획득한다.
단계 306, 최상층 화물의 전체 면적 및 단일 화물의 밑면적에 따라 최상층 화물의 수량을 결정한다.
구체적으로, 프로세서는 최상층 화물의 전체 면적 및 단일 화물의 밑면적에 따라 최상층 화물의 수량을 결정한다. 여기서, 최상층 화물의 수량의 구체적인 계산 방식은 다음과 같다.
단계 308, 캐리어와 화물 세트의 전체 높이, 캐리어의 높이 및 단일 화물의 높이에 따라 화물 세트의 층수를 결정한다.
구체적으로, 프로세서는 캐리어와 화물 세트의 전체 높이, 캐리어의 높이 및 단일 화물의 높이에 따라 화물 세트의 층수를 결정한다. 여기서, 화물 세트의 층수의 구체적인 계산 공식은 다음과 같다.
w는 화물 세트의 층수이고, H는 캐리어와 화물 세트의 전체 높이이며, h는 단일 화물의 높이이고, a는 캐리어의 높이이다.
단계 310, 화물 세트의 층수, 한 층을 가득 채우는 화물의 수량, 및 최상층 화물의 수량에 따라 화물 세트 중 화물의 전체 수량을 결정한다.
구체적으로, 프로세서는 화물 세트의 층수, 한 층을 가득 채우는 화물의 수량 및 최상층 화물의 수량에 따라 화물 세트 중 화물의 전체 수량을 결정한다. 여기서, 화물 세트 중 화물의 전체 수량의 구체적인 계산 공식은 다음과 같다.
설명해야 할 것은, 본 발명에서, 각 단계의의 동작은 설명된 순서와 다른 순서로 수행될 수 있다. 예를 들면, 2개의 연속되는 단계(예를 들면, 단계 302와 단계 304)는 실질적으로 병렬로 수행되거나, 때로는 역순으로 수행될 수 있으며, 본 발명은 이에 대해 제한하지 않는다.
본 실시예에서, 획득된 3차원 포인트 클라우드 데이터를 분석하고 화물 세트 및 캐리어의 관련 물리적 데이터를 획득하는 것을 통해 화물 세트 중 화물(즉, 벌크 화물)의 전체 수량을 계산한다. 따라서 화물의 계수를 실현하고, 화물의 계수 효율을 향상시킬 수 있다.
일 실시예에서, 화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득한 다음에, 상기 방법은, 3차원 포인트 클라우드 데이터에 대해 전처리를 수행함으로써, 전처리된 3차원 포인트 클라우드 데이터를 획득하는 것을 더 포함한다. 3차원 포인트 클라우드 데이터에 따라 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 것은, 전처리된 3차원 포인트 클라우드 데이터에 따라 화물 세트가 제1 적재 상태에 있는지의 여부를 판단하는 것을 포함한다.
여기서, 3차원 포인트 클라우드 데이터의 전처리는 효과적인 포인트 클라우드 정보(후속적인 데이터 분석에 불리한 데이터를 제거)를 이용하여 3차원 재구성을 수행하는 것이고, 즉 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 처리하는 것이다. 일 실시예에서, 3차원 포인트 클라우드 데이터에 대한 전처리는, 중복 데이터 삭제(removal of redundant data), 고립된 지점 필터링(filtering out of an isolated point), 포인트 클라우드 데이터의 간소화(point cloud data reduction), 포인트 클라우드 데이터의 등록(point cloud data registration)을 포함한다. 중복 데이터 삭제는 여러번 반복적으로 나타나는 데이터를 삭제하는 것을 의미한다. 고립된 지점 필터링은 고립된 지점을 필터링하는 것을 의미한다. 포인트 클라우드 데이터의 간소화는 포인트 클라우드 데이터를 압축하여, 원 데이터의 내용을 변경하지 않고 압축된 데이터 사이즈를 원 데이터보다 작게 하는 것을 의미한다. 포인트 클라우드 데이터의 등록은 철저한 검색을 기반으로 하는 등록 알고리즘 및 특징 매칭을 기반으로 하는 등록 알고리즘을 통해 상이한 스캐너에 의해 수집된 포인트 클라우드 데이터를 등록하는 것을 의미한다.
구체적으로, 프로세서는 3차원 포인트 클라우드 데이터에 대해 전처리를 수행한 다음에, 전처리된 3차원 포인트 클라우드 데이터에 따라 화물 세트가 제1 적재 상태에 있는지 여부를 판단한다.
본 실시예에서, 3차원 포인트 클라우드 데이터에 대해 전처리를 수행함으로써, 정확한 3차원 포인트 클라우드 데이터를 얻고, 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 정확도를 향상시킬 수 있다.
일 실시예에서, 3차원 포인트 클라우드 데이터에 대하여 전처리를 수행함으로써, 전처리된 3차원 포인트 클라우드 데이터를 획득하는 것은,
3차원 포인트 클라우드 데이터에 대해 영역 외 포인트 클라우드 필터링(Out-of-area point cloud filtering), 지평면 포인트 클라우드 필터링(ground-plane point cloud filtering), 및 포인트 클라우드 필터링(point cloud filtering)을 수행함으로써, 전처리된 3차원 포인트 클라우드 데이터를 획득하는 것을 포함한다. 영역 외 포인트 클라우드 필터링은 기설정 적재 영역 외에 있는 포인트 클라우드를 필터링하는 것이다. 지평면 포인트 클라우드 필터링은 지평면의 포인트 클라우드를 필터링하여, 화물 세트의 포인트 클라우드 데이터를 남기는 것이다. 포인트 클라우드 필터링은 포인트 클라우드 데이터 중의 해시 포인트 및 고립점을 필터링하는 것이다.
여기서, 지평면 포인트 클라우드 필터링은 RANSAC(Random Sample Consensus)를 이용하여 지평면 방정식을 피팅하여 필터링할 포인트를 획득한 다음에, 지평면을 포함하는 포인트 클라우드를 필터링하여 화물 세트의 포인트 클라우드 데이터만 남기는 것이다. 포인트 클라우드 필터링은 가우스 분포를 기반으로 한 통계적 필터링을 사용하여, 포인트 클라우드 데이터 중의 해시 포인트 및 고립점을 필터링하는 것이다.
구체적으로, 프로세서는 영역 외 포인트 클라우드 필터링, 지평면 포인트 클라우드 필터링 및 포인트 클라우드 필터링을 통해 3차원 포인트 클라우드 데이터에 대해 전처리를 수행한다.
본 실시예에서, 3차원 포인트 클라우드 데이터에 대한 전처리를 통해, 정확한 3차원 포인트 클라우드 데이터를 얻고, 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 정확율을 향상시킬 수 있다.
아래, 본 발명의 실시예에서 제공되는 화물 계수 방법에 따라, 하나의 상세한 실시예로 화물 계수의 구체적인 단계를 설명한다.
(1) 서버(예를 들면, 중앙 제어 시스템)는 무인 지게차에게 화물을 포크하고 화물을 기설정 적재 영역(예를 들면, 직사각형 적재 영역)에 배치하도록 지시하는 화물 적재 명령을 발행한다. 또한 중앙 제어 시스템은 무인 지게차가 화물 적재 작업을 완료한 후의 피드백 정보를 수신한다.
(2) 중앙 제어 시스템이 화물 계수 명령(예를 들면, 벌크 화물 계수 명령)을 하달하고, 중앙 제어 시스템은 화물 최상부의 대각선에 설치된 2개의 3차원 레이저 스캐너 중 각각의 스캐너를 통해 기설정 적재 영역 내의 화물 정보를 수집하여 기설정 적재 영역 내의 화물의 후보 포인트 클라우드 데이터(예를 들면, 타겟 정보)를 획득한다.
(3) 중앙 제어 시스템은 2개의 3차원 레이저 스캐너의 상대적 포즈 파라미터를 획득한다.
(4) 중앙 제어 시스템은 2개의 3차원 레이저 스캐너의 상대적 포즈 파라미터를 기반으로, 2개의 3차원 레이저 스캐너에 의해 수집된 기설정 적재 영역 내의 화물의 후보 포인트 클라우드 데이터를 변환시키고, 중앙 제어 시스템은 변환된 포인트 클라우드 데이터를 화물의 완전한 3차원 포인트 클라우드 데이터(예를 들면, 레이저 포인트 클라우드 데이터)로 병합한다.
(5) 중앙 제어 시스템은 완전한 레이저 포인트 클라우드 데이터에 대해 영역 외 포인트 클라우드 필터링, 지평면 포인트 클라우드 필터링 및 포인트 클라우드 필터링 등 일련의 전처리를 수행한다.
(6) 중앙 제어 시스템은 전처리된 레이저 포인트 클라우드 데이터를 지평면에 투영하여, 통계 기반 그리드 맵을 얻고; 허프 직선 검출 알고리즘을 통해 그리드 맵을 처리하여, 복수개의 직선 방정식을 얻으며; 복수개의 직선 방정식 중 각각의 직선 방정식의 직선 기울기가 0 또는 1과 같으면, 화물이 표준 적재 상태에 있다고 결정하고, 즉 화물이 제1 적재 상태에 있다고 결정하며, 그렇지 않으면, 화물이 표준 적재 상태에 있지 않는다고 결정하고, 즉 화물이 제2 적재 상태에 있다고 결정하며; 화물이 제2 적재 상태에 있다고 결정되면, 무인 지게차가 화물(예를 들면, 벌크 화물)을 이상 영역(abnormal region)에 이송하도록 지시한다.
(7) 중앙 제어 시스템은 벌크 화물이 제1 적재 상태에 있다고 검출될 경우, 레이저 포인트 클라우드 데이터에 대해 포인트 클라우드 복셀 그리딩을 수행하여, 캐리어와 화물 세트의 전체 높이 H 및 최상층 화물의 전체 면적 S(예를 들면, 최상층 벌크 화물의 전체 면적)을 획득한다.
(8) 중앙 제어 시스템은 단일 화물의 높이 h 및 밑면적 s, 캐리어(예를 들면, 파렛트)의 높이 a, 및 한 층을 가득 채우는 화물의 수량 n을 획득하고; 중앙 제어 시스템은 공식 
에 따라 화물의 층수(예를 들면, 벌크 화물의 층수)를 계산하며, 공식 
에 따라 최상층 화물의 수량(예를 들면, 최상층 벌크 화물의 수량)을 계산하고, 공식 
에 따라 화물 세트 중 화물의 전체 수량(예를 들면, 벌크 화물의 전체 수량)을 계산한다.
이해해야 할 것은, 상술한 각 실시예와 관련된 흐름도의 각 단계는 화살표에 따라 순차적으로 기술되었지만, 이러한 단계는 반드시 화살표로 표시된 순서대로 수행되는 것은 아니다. 본문에 명시적으로 언급되지 않는 한, 이러한 단계의 수행은 순서에 엄격하게 제한되지 않으며, 이러한 단계는 다른 순서로 수행될 수도 있다. 또한, 상술한 각 실시예와 관련된 흐름도 중 적어도 일부 단계는 복수개의 단계 또는 복수개의 과정을 포함할 수 있으며, 이러한 단계 또는 과정은 반드시 동시에 실행 및 완료될 필요는 없고, 서로 다른 시각에 수행될 수 있다. 이러한 단계 또는 과정의 순서는 반드시 순차적일 필요는 없고고, 다른 단계 또는 다른 단계 중의 단계 또는 과정의 적어도 일부와 교대로 또는 번갈아 수행될 수 있다.
동일한 발명 구상을 기반으로, 본 발명의 실시예는 상술한 화물 계수 방법을 구현하기 위한 화물 계수 장치를 더 제공한다. 상기 장치가 제공하는 문제에 대한 해결 수단은 상기 방법에서 설명된 해결수단과 유사하므로 아래에 제공된 화물 계수 장치의 하나 이상의 실시예의 구체적인 한정은 화물 계수 방법에 대한 위의 한정을 참조할 수 있으며, 여기서 반복 설명하지 않는다.
본 발명의 실시예에서, 화물 계수 장치를 제공한다. 도 5에 도시된 바와 같이, 상기 화물 계수 장치는 데이터 획득 모듈(510), 판단 모듈(520), 및 계산 모듈(530)을 포함한다.
데이터 획득 모듈(510)은 화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 데에 사용되며;
판단 모듈(520)은 3차원 포인트 클라우드 데이터에 따라 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 데에 사용되고;
계산 모듈(530)은 화물 세트가 제1 적재 상태에 있는 경우, 화물 세트 중 화물의 수량을 계산하는 데에 사용된다.
일 실시예에서, 화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것에 관하여, 데이터 획득 모듈(510)은 또한 적어도 2개의 3차원 레이저 스캐너 각각에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 획득하고; 적어도 2개의 3차원 레이저 스캐너 각각에 의해 수집된 후보 포인트 클라우드 데이터를 합성하여, 화물 세트의 완전한 3차원 포인트 클라우드 데이터를 획득하는 데에 사용된다.
일 실시예에서, 적어도 2개의 3차원 레이저 스캐너 각각에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 획득하는 것에 관하여, 데이터 획득 모듈(510)은 또한 제1 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 획득하고, 적어도 하나의 제2 스캐너 중 각 제2 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 획득하는 데에 사용되며, 여기서, 제1 스캐너는 기준 스캐너이다.
일 실시예에서, 적어도 2개의 3차원 레이저 스캐너 각각에 의해 수집된 후보 포인트 클라우드 데이터를 합성하여, 화물 세트의 완전한 3차원 포인트 클라우드 데이터를 획득하는 것에 관하여, 데이터 획득 모듈(510)은 또한 제1 스캐너에 대한 각 제2 스캐너의 상대적 포즈 파라미터를 획득하고; 획득된 제1 스캐너에 대한 각 제2 스캐너의 상대적 포즈 파라미터를 기반으로, 각 제2 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 병진 및 회전 변환하여, 제1 스캐너 좌표계에서의 3차원 포인트 클라우드 데이터를 획득하며; 획득된 제1 스캐너 좌표계에서의 모든 3차원 포인트 클라우드 데이터 및 제1 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 스티칭하여, 화물 세트의 완전한 3차원 포인트 클라우드 데이터를 획득하는 데에 사용된다.
일 실시예에서, 상기 화물 계수 장치는 검출 모듈을 더 포함한다. 검출 모듈은 3차원 포인트 클라우드 데이터를 지평면에 투영하여, 통계 기반 그리드 맵을 획득하고; 그리드 맵에 대해 직선 검출 처리를 수행하여, 복수개의 직선 방정식을 획득하며; 복수개의 직선 방정식 중 각 직선 방정식의 직선 기울기가 0 또는 1과 같은 경우, 화물 세트가 제1 적재 상태에 있다고 결정하는 데에 사용된다.
일 실시예에서, 상기 화물 세트는 캐리어에 적재된다. 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것에 관하여, 데이터 획득 모듈(510)은 캐리어와 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 데에 사용된다.
데이터 획득 모듈(510)은 또한 3차원 포인트 클라우드 데이터에 대해 포인트 클라우드 복셀 그리딩 처리를 수행하여, 캐리어와 화물 세트의 전체 높이 및 최상층 화물의 전체 면적을 획득하고; 단일 화물의 높이 및 밑면적, 캐리어의 높이, 및 한 층을 가득 채우는 화물의 수량을 획득하는 데에 사용된다.
계산 모듈(530)은 최상층 화물의 전체 면적 및 단일 화물의 밑면적에 따라 최상층 화물의 수량을 결정하고; 캐리어와 화물 세트의 전체 높이, 캐리어의 높이, 및 단일 화물의 높이에 따라 화물 세트의 층수를 결정하며; 화물 세트의 층수, 한 층을 가득 채우는 화물의 수량, 및 최상층 화물의 수량에 따라 화물 세트 중 화물의 수량을 결정하는 데에 사용된다.
일 실시예에서, 상기 화물 세트는 캐리어에 적재된다. 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것에 관하여, 데이터 획득 모듈(510)은 캐리어와 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 데에 사용된다.
데이터 획득 모듈(510)은 단일 화물의 높이 및 밑면적, 캐리어의 높이, 한 층을 가득 채우는 화물의 수량, 캐리어와 화물 세트의 전체 높이, 및 최상층 화물의 전체 면적을 결정하는 데에 사용된다.
계산 모듈(530)은 최상층 화물의 전체 면적이 면적 임계값보다 작은지 여부를 결정하고, 면적 임계값은 단일 화물의 밑면적에 한 층을 가득 채우는 화물의 수량을 곱해 획득된 것이며; 최상층 화물의 전체 면적이 면적 임계값보다 작을 경우, 단일 화물의 높이 및 밑면적, 캐리어의 높이, 한 층을 가득 채우는 화물의 수량, 캐리어와 화물 세트의 전체 높이, 및 최상층 화물의 전체 면적에 따라 화물 세트 중 화물의 수량을 결정하고; 최상층 화물의 전체 면적이 면적 임계값과 같을 경우, 단일 화물의 높이, 캐리어의 높이, 한 층을 가득 채우는 화물의 수량, 및 캐리어와 화물 세트의 전체 높이에 따라 화물 세트 중 화물의 수량을 결정하는 데에 사용된다.
일 실시예에서, 계산 모듈(530)은 최상층 화물의 전체 면적이 면적 임계값보다 작을 경우, 캐리어와 화물 세트의 전체 높이, 캐리어의 높이, 및 단일 화물의 높이에 따라 화물 세트의 층수를 결정하고; 최상층 화물의 전체 면적 및 단일 화물의 밑면적에 따라 최상층 화물의 수량을 결정하며; 화물 세트의 층수, 한 층을 가득 채우는 화물의 수량, 및 최상층 화물의 수량에 따라 화물 세트 중 화물의 수량을 결정하는데에 사용된다.
일 실시예에서, 계산 모듈(530)은 최상층 화물의 전체 면적이 면적 임계값과 같을 경우, 캐리어와 화물 세트의 전체 높이, 캐리어의 높이, 및 단일 화물의 높이에 따라 화물 세트의 층수를 결정하고; 화물 세트의 층수 및 한 층을 가득 채우는 화물의 수량에 따라 화물 세트 중 화물의 수량을 결정하는 데에 사용된다.
일 실시예에서, 캐리어와 화물 세트의 전체 높이 및 최상층 화물의 전체 면적은 3차원 포인트 클라우드 데이터에 대해 포인트 클라우드 복셀 그리딩 처리를 수행하여 결정된 것이다.
일 실시예에서, 상기 화물 계수 장치는 전처리 모듈을 더 포함한다. 전처리 모듈은 3차원 포인트 클라우드 데이터에 대하여 전처리를 수행하여, 전처리된 3차원 포인트 클라우드 데이터를 획득하는 데에 사용된다. 3차원 포인트 클라우드 데이터에 따라 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 것에 관하여, 판단 모듈(520)은 전처리된 3차원 포인트 클라우드 데이터에 따라 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 데에 사용된다.
일 실시예에서, 전처리 모듈은 3차원 포인트 클라우드 데이터에 대해 영역 외 포인트 클라우드 필터링, 지평면 포인트 클라우드 필터링, 및 포인트 클라우드 필터링을 수행하여, 전처리된 3차원 포인트 클라우드 데이터를 획득하는 데에 사용된다. 상기 영역 외 포인트 클라우드 필터링은 기설정 적재 영역 외에 있는 포인트 클라우드를 필터링하는 것이다. 상기 지평면 포인트 클라우드 필터링은 지평면의 포인트 클라우드를 필터링하여, 화물 세트의 포인트 클라우드 데이터를 남기는 것이다. 상기 포인트 클라우드 필터링은 포인트 클라우드 데이터 중의 해시 포인트 및 고립점을 필터링하는 것이다.
이해해야 할 것은, 개시된 장치는 다른 방식으로 구현될 수 있다. 예를 들어, 위에서 설명된 장치 실시예는 예시일 뿐이다. 예를 들어, 상기 유닛의 분할은 논리적 기능 분할일 뿐이고, 실제 구현에서 다른 분할 방법이 있을 수 있다. 예를 들어, 복수개의 유닛 또는 컴포넌트가 결합되거나 다른 시스템에 통합되거나 일부 기능이 생략되거나 구현되지 않을 수 있다. 한편, 도시되거나 논의된 상호 결합 또는 직접 결합 또는 통신 연결은 일부 인터페이스, 장치 또는 유닛에 의한 간접 결합 또는 통신 연결일 수 있으며, 전기적 또는 다른 형태일 수 있다.
상기 화물 계수 장치 중 각 모듈의 전부 또는 일부는 소프트웨어, 하드웨어 및 이들의 조합에 의해 구현될 수 있다. 상기 각 모듈은 하드웨어의 형태로 컴퓨터 디바이스 중의 프로세서에 내장되거나 독립적이거나, 소프트웨어의 형태로 컴퓨터 디바이스의 메모리에 저장되어 프로세서가 상술한 각 모듈의 대응되는 동작을 호출하고 실행할 수 있도록 한다.
본 발명의 실시예에서, 컴퓨터 디바이스를 제공하고, 상기 컴퓨터 디바이스는 서버일 수 있으며, 그 내부 구조도는 도 6에 도시된 바와 같다. 상기 컴퓨터 디바이스는 시스템 버스를 통해 연결된 프로세서, 메모리, 네트워크 인터페이스 및 I/O 인터페이스를 포함한다. 여기서, 상기 컴퓨터 디바이스의 프로세서는 컴퓨팅 및 제어 능력을 제공한다. 상기 컴퓨터 디바이스의 메모리는 비휘발성 저장 매체와 내부 메모리를 포함한다. 상기 비휘발성 저장 매체는 운영체제, 컴퓨터 프로그램 및 데이터베이스를 저장한다. 상기 내부 메모리는 비휘발성 저장 매체에서 운영체제와 컴퓨터 프로그램이 실행될 수 있는 환경을 제공한다. 상기 컴퓨터 디바이스의 데이터베이스는 화물의 포인트 클라우드 데이터를 저장한다. 상기 컴퓨터 디바이스의 네트워크 인터페이스는 네트워크 연결을 통해 외부 단말기와 통신한다. 상기 컴퓨터 프로그램이 프로세서에 의해 실행될 경우 상기 화물 계수 방법을 구현한다.
당업자는 도 6에 도시된 구조가 본 발명의 과제 해결 수단과 관련된 구조의 일부의 블록도일 뿐이며, 본 발명의 과제 해결 수단이 적용되는 컴퓨터 디바이스에 대한 제한을 구성하지 않는다는 것을 이해할 수 있을 것이다. 구체적인 컴퓨터 디바이스는 도면에 도시된 것보다 더 많거나 더 적은 부재를 포함하거나, 특정 부재를 결합하거나, 상이한 부재 배치를 가질 수 있다.
본 발명의 실시예에서, 컴퓨터 디바이스를 제공한다. 상기 컴퓨터 디바이스는 메모리 및 프로세서를 포함하고, 메모리는 프로세서에 연결되고, 메모리에는 컴퓨터 프로그램이 저장되며, 상기 컴퓨터 프로그램이 프로세서에 의해 실행될 경우, 프로세서로 하여금,
화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득하고;
3차원 포인트 클라우드 데이터에 따라 화물 세트가 제1 적재 상태에 있는지 여부를 판단하며;
화물 세트가 제1 적재 상태에 있는 경우, 화물 세트 주 화물의 수량을 계산하도록 한다.
일 실시예에서, 화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것에 관하여, 프로세서는,
적어도 2개의 3차원 레이저 스캐너 각각에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 획득하고;
적어도 2개의 3차원 레이저 스캐너 각각에 의해 수집된 후보 포인트 클라우드 데이터를 합성하여, 화물 세트의 완전한 3차원 포인트 클라우드 데이터를 획득하는 데에 사용된다.
일 실시예에서, 화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것에 관하여, 프로세서는,
제1 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 획득하고, 적어도 하나의 제2 스캐너 중 각 제2 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 획득하며, 여기서 제1 스캐너는 기준 스캐너이고;
제1 스캐너에 대한 각 제2 스캐너의 상대적 포즈 파라미터를 획득하며;
획득된 제1 스캐너에 대한 각 제2 스캐너의 상대적 포즈 파라미터를 기반으로, 각 제2 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 병진 및 회전 변환하여, 제1 스캐너 좌표계에서의 3차원 포인트 클라우드 데이터를 획득하고;
획득된 제1 스캐너 좌표계에서의 모든 3차원 포인트 클라우드 데이터 및 제1 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 스티칭하여, 화물 세트의 완전한 3차원 포인트 클라우드 데이터를 획득하는 데에 사용된다.
일 실시예에서, 3차원 포인트 클라우드 데이터에 따라 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 것에 관하여, 프로세서는,
3차원 포인트 클라우드 데이터를 지평면에 투영하여, 통계 기반 그리드 맵을 획득하고;
상기 그리드 맵에 대해 직선 검출 처리를 수행하여, 복수개의 직선 방정식을 획득하며;
복수개의 직선 방정식 중 각 직선 방정식의 직선 기울기가 0 또는 1과 같은 경우, 화물 세트가 제1 적재 상태에 있다고 결정하는 데에 사용된다.
일 실시예에서, 화물 세트는 캐리어에 적재된다. 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것에 관하여, 프로세서는 캐리어와 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 데에 사용된다. 화물 세트 중 화물의 수량을 계산하는 것에 관하여, 프로세서는,
3차원 포인트 클라우드 데이터에 대해 포인트 클라우드 복셀 그리딩 처리를 수행하여, 캐리어와 화물 세트의 전체 높이 및 최상층 화물의 전체 면적을 획득하고;
단일 화물의 높이 및 밑면적, 캐리어의 높이, 및 한 층을 가득 채우는 화물의 수량을 획득하며;
최상층 화물의 전체 면적 및 단일 화물의 밑면적에 따라 최상층 화물의 수량을 결정하고;
캐리어와 화물 세트의 전체 높이, 캐리어의 높이, 및 단일 화물의 높이에 따라 화물 세트의 층수를 결정하며;
화물 세트의 층수, 한 층을 가득 채우는 화물의 수량, 및 최상층 화물의 수량에 따라 화물 세트 중 화물의 수량(즉 전체 수량)을 결정하는 데에 사용된다.
일 실시예에서, 화물 세트는 캐리어에 적재된다. 화물의 3차원 포인트 클라우드 데이터를 획득하는 것에 관하여, 프로세서는 캐리어와 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 데에 사용된다. 화물 세트 중 화물의 수량을 계산하는 것에 관하여, 프로세서는,
단일 화물의 높이 및 밑면적, 캐리어의 높이, 한 층을 가득 채우는 화물의 수량, 캐리어와 화물 세트의 전체 높이, 및 최상층 화물의 전체 면적을 결정하고;
최상층 화물의 전체 면적이 면적 임계값보다 작은지 여부를 결정하며, 면적 임계값은 단일 화물의 밑면적에 한 층을 가득 채우는 화물의 수량을 곱해 획득된 것이고;
최상층 화물의 전체 면적이 면적 임계값보다 작을 경우, 단일 화물의 높이 및 밑면적, 캐리어의 높이, 한 층을 가득 채우는 화물의 수량, 캐리어와 화물세트의 전체 높이, 및 최상층 화물의 전체 면적에 따라 화물 세트 중 화물의 수량을 결정하며;
최상층 화물의 전체 면적이 면적 임계값과 같을 경우, 단일 화물의 높이, 캐리어의 높이, 한 층을 가득 채우는 화물의 수량, 및 캐리어와 화물 세트의 전체 높이에 따라 화물 세트 중 화물의 수량을 결정하는 데에 사용된다.
일 실시예에서, 단일 화물의 높이 및 밑면적, 캐리어의 높이, 한 층을 가득 채우는 화물의 수량, 캐리어와 화물 세트의 전체 높이, 및 최상층 화물의 전체 면적에 따라 화물 세트 중 화물의 수량을 결정하는 것에 관하여, 프로세서는,
캐리어와 화물 세트의 전체 높이, 캐리어의 높이, 및 단일 화물의 높이에 따라 화물 세트의 층수를 결정하고;
최상층 화물의 전체 면적 및 단일 화물의 밑면적에 따라 최상층 화물의 수량을 결정하며;
화물 세트의 층수, 한 층을 가득 채우는 화물의 수량, 및 최상층 화물의 수량에 따라 화물 세트 중 화물의 수량을 결정하는 데에 사용된다.
일 실시예에서, 단일 화물의 높이, 캐리어의 높이, 한 층을 가득 채우는 화물의 수량, 및 캐리어와 화물 세트의 전체 높이에 따라 화물 세트 중 화물의 수량을 결정하는 것에 관하여, 프로세서는,
캐리어와 화물 세트의 전체 높이, 캐리어의 높이, 및 단일 화물의 높이에 따라 화물 세트의 층수를 결정하고;
화물 세트의 층수 및 한 층을 가득 채우는 화물의 수량에 따라 화물 세트 중 화물의 수량을 결정하는 데에 사용된다.
일 실시예에서, 캐리어와 화물 세트의 전체 높이 및 최상층 화물의 전체 면적은 3차원 포인트 클라우드 데이터에 대해 포인트 클라우드 복셀 그리딩 처리를 수행하여 결정된 것이다.
일 실시예에서, 화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득한 다음에, 프로세서는 또한 3차원 포인트 클라우드 데이터에 대하여 전처리를 수행하여, 전처리된 3차원 포인트 클라우드 데이터를 획득하는 데에 사용된다.
3차원 포인트 클라우드 데이터에 따라 상기 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 것에 관하여, 프로세서는 전처리된 3차원 포인트 클라우드 데이터에 따라 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 데에 사용된다.
일 실시예에서, 3차원 포인트 클라우드 데이터에 대하여 전처리를 수행하여, 전처리된 3차원 포인트 클라우드 데이터를 획득하는 것에 관하여, 프로세서는 3차원 포인트 클라우드 데이터에 대해 영역 외 포인트 클라우드 필터링, 지평면 포인트 클라우드 필터링, 및 포인트 클라우드 필터링을을 수행하여, 전처리된 3차원 포인트 클라우드 데이터를 획득하는 데에 사용된다. 영역 외 포인트 클라우드 필터링은 기설정 적재 영역 외에 있는 포인트 클라우드를 필터링하는 것이다. 지평면 포인트 클라우드 필터링은 지평면의 포인트 클라우드를 필터링하여, 화물 세트의 포인트 클라우드 데이터를 남기는 것이다. 포인트 클라우드 필터링은 포인트 클라우드 데이터 중의 해시 포인트 및 고립점을 필터링하는 것이다.
본 발명의 실시예에서, 컴퓨터 프로그램이 저장된 비휘발성 컴퓨터 판독 가능 저장 매체를 제공하며, 컴퓨터 프로그램이 프로세서에 의해 실행될 경우, 프로세서로 하여금 본 발명의 실시예에서 제공되는 화물 계수 방법을 실행하도록 한다.
본 발명의 실시예에서, 컴퓨터 프로그램을 포함하는 컴퓨터 프로그램 제품을 제공하고, 상기 컴퓨터 프로그램이 프로세서에 의해 실행될 때, 프로세서가 상기 방법 실시예에 기재된 화물 계수 방법의 일부 또는 전부 단계를 수행하도록 한다. 상기 컴퓨터 프로그램 제품은 하나의 소프트웨어 설치 패키지일 수 있다.
전술한 실시예에서, 각 실시예에 대한 설명은 나름대로의 강조점이 있으며, 특정 실시예에서 구체적으로 설명되지 않은 부분에 대해서는 다른 실시예의 관련 설명을 참조할 수 있다.
여기에서 본 발명의 실시예에 따른 방법 및 장치, 컴퓨터 디바이스, 및 저장 매체의 흐름도 및/또는 블록도를 참조하여 본 발명의 다양한 양태를 설명하였다. 이해해야 할 것은, 흐름도 및/또는 블록도의 각각의 블록 및 흐름도 및/또는 블록도 중 각 블록의 조합은 모두 컴퓨터 판독 가능 프로그램 명령에 의해 구현될 수 있다.
본 발명에 관련된 사용자 정보(사용자 장비 정보, 사용자 개인 정보 등을 포함하지만, 이에 국한되지 않음) 및 데이터(분석을 위한 데이터, 저장된 데이터, 표시되는 데이터 등을 포함하지만, 이에 국한되지 않음)는 사용자가 수권하였거나 모든 당사자가 완전히 수권한 정보 및 데이터이다는 점에 유념해야 한다.
당업자는 상술한 방법 실시예의 프로세스의 전부 또는 일부가 컴퓨터 프로그램을 통해 관련 하드웨어를 명령함으로써 구현될 수 있음을 이해할 수 있으며, 컴퓨터 프로그램은 비휘발성 컴퓨터 판독 가능 저장 매체에 저장될 수 있고, 컴퓨터 프로그램이 실행될 때, 상기 방법 실시예의 프로세스를 구현할 수 있다. 본 발명에서 제공되는 각 실시예에서 사용되는 메모리, 데이터베이스 또는 다른 매체에 대한 임의의 언급은 모두 비휘발성 메모리 또는 휘발성 메모리 중 적어도 하나를 포함할 수 있다. 비휘발성 메모리는 읽기 전용 메모리(read-only memory, ROM), 자기 테이프, 플로피 디스크, 플래시 메모리, 광 메모리, 고밀도 임베디드 비휘발성 메모리, ReRAM(resistive random access memory), MRAM(magnetoresistive random access memory), FRAM(ferroelectric random access memory), PCM(phase change memory), 그래핀 메모리 등을 포함할 수 있다. 휘발성 메모리는 랜덤 액세스 메모리(Random Access Memory, RAM) 또는 외부 캐시 메모리 등을 포함할 수 있다. 제한이 아닌 예시로서, RAM은 정적 랜덤 액세스 메모리(Static Random Access Memory, SRAM) 또는 동적 랜덤 액세스 메모리(Dynamic Random Access Memory, DRAM)와 같은 다양한 형태일 수 있다. 본 출원에서 제공되는 각 실시예에 관련된 데이터베이스는 관계형 데이터베이스 또는 비관계형 데이터베이스 중 적어도 하나를 포함할 수 있다. 비관계형 데이터베이스는 블록체인 기반 분산 데이터베이스 등을 포함할 수 있지만, 이에 한정되지 않는다. 본 출원에서 제공되는 각 실시예에 관련된 프로세서는 범용 프로세서, 중앙 처리 장치, 그래픽 프로세서, 디지털 신호 프로세서, 프로그램 가능 논리 장치, 양자 컴퓨팅 기반 데이터 처리 논리 장치 등일 수 있지만, 에에 한정되지 않는다.
상술한 실시예의 기술적 특징은 임의로 조합될 수 있으며, 설명을 간결하게 하기 위해 상술한 실시예의 각 기술적 특징의 모든 가능한 조합을 모두 설명하지 않았지만, 모순이 없는 한 이러한 기술적 특징의 조합은 모두 본 명세서에 기재된 범위 내에 있는 것으로 간주되어야 한다.
Claims (15)
- 화물 계수 방법으로서,
화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것(S202)과;
상기 3차원 포인트 클라우드 데이터에 따라 상기 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 것(S204)과;
상기 화물 세트가 제1 적재 상태에 있는 경우, 상기 화물 세트 중 화물의 수량을 계산하는 것(S206)을 포함하는 것을 특징으로 하는 화물 계수 방법. - 제 1 항에 있어서,
상기 화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것은,
적어도 2개의 3차원 레이저 스캐너 각각에 의해 수집된 기설정 적재 영역 내의 상기 화물 세트의 후보 포인트 클라우드 데이터를 획득하는 것과;
상기 적어도 2개의 3차원 레이저 스캐너 각각에 의해 수집된 상기 후보 포인트 클라우드 데이터를 합성하여, 상기 화물 세트의 완전한 3차원 포인트 클라우드 데이터를 획득하는 것을 포함하는 것을 특징으로 하는 화물 계수 방법. - 제 2 항에 있어서,
상기 적어도 2개의 3차원 레이저 스캐너는 제1 스캐너 및 적어도 하나의 제2 스캐너를 포함하고;
상기 적어도 2개의 3차원 레이저 스캐너 각각에 의해 수집된 기설정 적재 영역 내의 상기 화물 세트의 후보 포인트 클라우드 데이터를 획득하는 것은,
상기 제1 스캐너에 의해 수집된 기설정 적재 영역 내의 상기 화물 세트의 후보 포인트 클라우드 데이터를 획득하는 것 - 상기 제1 스캐너는 기준 스캐너임 - 과;
각 제2 스캐너에 의해 수집된 기설정 적재 영역 내의 상기 화물 세트의 후보 포인트 클라우드 데이터를 획득하는 것을 포함하는 것을 특징으로 하는 화물 계수 방법. - 제 3 항에 있어서,
상기 적어도 2개의 3차원 레이저 스캐너 각각에 의해 수집된 후보 포인트 클라우드 데이터를 합성하여, 상기 화물 세트의 완전한 3차원 포인트 클라우드 데이터를 획득하는 것은,
상기 제1 스캐너에 대한 각 제2 스캐너의 상대적 포즈 파라미터를 획득하는 것과;
획득된 상기 제1 스캐너에 대한 각 제2 스캐너의 상대적 포즈 파라미터를 기반으로, 상기 각 제2 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 병진 및 회전 변환하여, 제1 스캐너 좌표계에서의 3차원 포인트 클라우드 데이터를 획득하는 것과;
획득된 상기 제1 스캐너 좌표계에서의 모든 3차원 포인트 클라우드 데이터 및 상기 제1 스캐너에 의해 수집된 기설정 적재 영역 내의 화물 세트의 후보 포인트 클라우드 데이터를 스티칭하여, 상기 화물 세트의 완전한 3차원 포인트 클라우드 데이터를 획득하는 것을 포함하는 것을 특징으로 하는 화물 계수 방법. - 제 1 항에 있어서,
상기 3차원 포인트 클라우드 데이터에 따라 상기 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 것은,
상기 3차원 포인트 클라우드 데이터를 지평면에 투영하여, 통계 기반 그리드 맵을 획득하는 것과;
상기 그리드 맵에 대해 직선 검출 처리를 수행하여, 복수개의 직선 방정식을 획득하는 것과;
상기 복수개의 직선 방정식 중 각 직선 방정식의 직선 기울기가 0 또는 1과 같은 경우, 상기 화물 세트가 제1 적재 상태에 있다고 결정하는 것을 포함하는 것을 특징으로 하는 화물 계수 방법. - 제 1 항에 있어서,
상기 화물 세트는 캐리어에 적재되고;
상기 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것은, 상기 캐리어와 상기 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것을 포함하며;
상기 화물 세트 중 화물의 수량을 계산하는 것은,
단일 화물의 높이 및 밑면적, 상기 캐리어의 높이, 한 층을 가득 채우는 화물의 수량, 상기 캐리어와 화물 세트의 전체 높이, 및 최상층 화물의 전체 면적을 결정하는 것과;
상기 최상층 화물의 전체 면적이 면적 임계값보다 작은지 여부를 결정하는 것 - 상기 면적 임계값은 상기 단일 화물의 밑면적에 상기 한 층을 가득 채우는 화물의 수량을 곱해 획득된 것임 - 과;
상기 최상층 화물의 전체 면적이 상기 면적 임계값보다 작을 경우, 상기 단일 화물의 높이 및 밑면적, 상기 캐리어의 높이, 상기 한 층을 가득 채우는 화물의 수량, 상기 캐리어와 상기 화물 세트의 전체 높이, 및 상기 최상층 화물의 전체 면적에 따라 상기 화물 세트 중 화물의 수량을 결정하는 것과;
상기 최상층 화물의 전체 면적이 상기 면적 임계값과 같을 경우, 상기 단일 화물의 높이, 상기 캐리어의 높이, 상기 한 층을 가득 채우는 화물의 수량, 및 상기 캐리어와 상기 화물 세트의 전체 높이에 따라 상기 화물 세트 중 화물의 수량을 결정하는 것을 포함하는 것을 특징으로 하는 화물 계수 방법. - 제 6 항에 있어서,
상기 단일 화물의 높이 및 밑면적, 상기 캐리어의 높이, 상기 한 층을 가득 채우는 화물의 수량, 상기 캐리어와 상기 화물 세트의 전체 높이, 및 상기 최상층 화물의 전체 면적에 따라 상기 화물 세트 중 화물의 수량을 결정하는 것은,
상기 캐리어와 상기 화물 세트의 전체 높이, 상기 캐리어의 높이, 및 상기 단일 화물의 높이에 따라 상기 화물 세트의 층수를 결정하는 것과;
상기 최상층 화물의 전체 면적 및 상기 단일 화물의 밑면적에 따라 상기 최상층 화물의 수량을 결정하는 것과;
상기 화물 세트의 층수, 상기 한 층을 가득 채우는 화물의 수량, 및 상기 최상층 화물의 수량에 따라 상기 화물 세트 중 화물의 수량을 결정하는 것을 포함하는 것을 특징으로 하는 화물 계수 방법. - 제 6 항에 있어서,
상기 단일 화물의 높이, 상기 캐리어의 높이, 상기 한 층을 가득 채우는 화물의 수량, 및 상기 캐리어와 상기 화물 세트의 전체 높이에 따라 상기 화물 세트 중 화물의 수량을 결정하는 것은,
상기 캐리어와 상기 화물 세트의 전체 높이, 상기 캐리어의 높이, 및 상기 단일 화물의 높이에 따라 상기 화물 세트의 층수를 결정하는 것과;
상기 화물 세트의 층수 및 상기 한 층을 가득 채우는 화물의 수량에 따라 상기 화물 세트 중 화물의 수량을 결정하는 것을 포함하는 것을 특징으로 하는 화물 계수 방법. - 제 6 항에 있어서,
상기 캐리어와 상기 화물 세트의 전체 높이 및 상기 최상층 화물의 전체 면적은 상기 3차원 포인트 클라우드 데이터에 대해 포인트 클라우드 복셀 그리딩 처리를 수행하여 결정되는 것을 특징으로 하는 화물 계수 방법. - 제 1 항에 있어서,
상기 화물 세트는 캐리어에 적재되고;
상기 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것은, 상기 캐리어와 상기 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 것을 포함하며;
상기 화물 세트 중 화물의 수량을 계산하는 것은,
상기 3차원 포인트 클라우드 데이터에 대해 포인트 클라우드 복셀 그리딩 처리를 수행하여, 상기 캐리어와 상기 화물 세트의 전체 높이 및 최상층 화물의 전체 면적을 획득하는 것(S302)과;
단일 화물의 높이 및 밑면적, 상기 캐리어의 높이, 및 한 층을 가득 채우는 화물의 수량을 획득하는 것(S304)과;
상기 최상층 화물의 전체 면적 및 상기 단일 화물의 밑면적에 따라 상기 최상층 화물의 수량을 결정하는 것(S306)과;
상기 캐리어와 상기 화물 세트의 전체 높이, 상기 캐리어의 높이, 및 상기 단일 화물의 높이에 따라 상기 화물 세트의 층수를 결정하는 것(S308)과;
상기 화물 세트의 층수, 상기 한 층을 가득 채우는 화물의 수량, 및 상기 최상층 화물의 수량에 따라 상기 화물 세트 중 화물의 수량을 결정하는 것(S310)을 포함하는 것을 특징으로 하는 화물 계수 방법. - 제 1 항에 있어서,
상기 화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득한 다음에, 상기 화물 계수 방법은,
상기 3차원 포인트 클라우드 데이터에 대해 전처리를 수행함으로써, 전처리된 3차원 포인트 클라우드 데이터를 획득하는 것을 더 포함하고,
상기 3차원 포인트 클라우드 데이터에 따라 상기 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 것은,
상기 전처리된 3차원 포인트 클라우드 데이터에 따라 상기 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 것을 포함하는 것을 특징으로 하는 화물 계수 방법. - 제 11 항에 있어서,
상기 3차원 포인트 클라우드 데이터에 대해 전처리를 수행함으로써, 전처리된 3차원 포인트 클라우드 데이터를 획득하는 것은,
상기 3차원 포인트 클라우드 데이터에 대해 영역 외 포인트 클라우드 필터링, 지평면 포인트 클라우드 필터링, 및 포인트 클라우드 필터링을 수행함으로써, 전처리된 3차원 포인트 클라우드 데이터를 획득하는 것을 포함하고,
상기 영역 외 포인트 클라우드 필터링은 기설정 적재 영역 외에 있는 포인트 클라우드를 필터링하는 것이고;
상기 지평면 포인트 클라우드 필터링은 지평면의 포인트 클라우드를 필터링하여, 상기 화물 세트의 포인트 클라우드 데이터를 남기는 것이고;
상기 포인트 클라우드 필터링은 포인트 클라우드 데이터 중의 해시 포인트 및 고립점을 필터링하는 것임을 특징으로 하는 화물 계수 방법. - 화물 계수 장치에 있어서,
화물 계수 명령을 기반으로 수집된 기설정 적재 영역 내의 화물 세트의 3차원 포인트 클라우드 데이터를 획득하는 데에 사용되는 데이터 획득 모듈(510)과;
상기 3차원 포인트 클라우드 데이터에 따라 상기 화물 세트가 제1 적재 상태에 있는지 여부를 판단하는 데에 사용되는 판단 모듈(520)과;
상기 화물 세트가 제1 적재 상태에 있는 경우, 상기 화물 세트 중 화물의 수량을 계산하는 데에 사용되는 계산 모듈(530)을 포함하는 것을 특징으로 하는 화물 계수 장치. - 컴퓨터 디바이스로서,
프로세서와 메모리를 포함하고;
상기 메모리는 상기 프로세서에 연결되고, 상기 메모리에는 컴퓨터 프로그램이 저장되며, 상기 컴퓨터 프로그램이 상기 프로세서에 의해 실행될 경우, 상기 프로세서로 하여금 제1항 내지 제12항 중 어느 한 항에 기재된 화물 계수 방법을 실행하도록 하는 것을 특징으로 하는 컴퓨터 디바이스. - 컴퓨터 프로그램이 저장된 비휘발성 컴퓨터 판독 가능 저장 매체로로서,
상기 컴퓨터 프로그램이 프로세서에 의해 실행될 경우, 상기 프로세서로 하여금 제1항 내지 제12항 중 어느 한 항에 기재된 화물 계수 방법을 실행하도록 하는 것을 특징으로 하는 비휘발성 컴퓨터 판독 가능 저장 매체.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111586634.6 | 2021-12-21 | ||
| CN202111586634.6A CN114418952A (zh) | 2021-12-21 | 2021-12-21 | 货物清点方法、装置、计算机设备、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230094950A true KR20230094950A (ko) | 2023-06-28 |
Family
ID=81267843
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220115538A KR20230094950A (ko) | 2021-12-21 | 2022-09-14 | 화물 계수 방법 및 장치, 컴퓨터 디바이스, 및 저장 매체 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20230196719A1 (ko) |
| EP (1) | EP4202858A1 (ko) |
| JP (1) | JP7352706B2 (ko) |
| KR (1) | KR20230094950A (ko) |
| CN (1) | CN114418952A (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116342695B (zh) * | 2023-05-29 | 2023-08-25 | 未来机器人（深圳）有限公司 | 无人叉车放货检测方法及装置、无人叉车、存储介质 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5259286B2 (ja) | 2008-07-16 | 2013-08-07 | 株式会社日立製作所 | ３次元物体認識システム及びそれを用いた棚卸システム |
| CN109886961B (zh) * | 2019-03-27 | 2023-04-11 | 重庆交通大学 | 基于深度图像的中大型货物体积测量方法 |
| JP7323170B2 (ja) | 2019-09-30 | 2023-08-08 | 日本電気通信システム株式会社 | 積載容積率計測装置、システム、方法、及び、プログラム |
| US10984378B1 (en) | 2019-10-31 | 2021-04-20 | Lineage Logistics, LLC | Profiling pallets and goods in a warehouse environment |
| CN111337947B (zh) * | 2020-05-18 | 2020-09-22 | 深圳市智绘科技有限公司 | 即时建图与定位方法、装置、系统及存储介质 |
| CN112258452A (zh) | 2020-09-23 | 2021-01-22 | 洛伦兹（北京）科技有限公司 | 堆叠物体的物体数量检测方法、装置及系统 |
| CN112132523B (zh) * | 2020-11-26 | 2021-07-13 | 支付宝(杭州)信息技术有限公司 | 一种货物数量确定方法、系统和装置 |
| CN113362385A (zh) * | 2021-06-21 | 2021-09-07 | 山东产研信息与人工智能融合研究院有限公司 | 一种基于深度图像的货物体积测量方法及设备 |
-
2021
- 2021-12-21 CN CN202111586634.6A patent/CN114418952A/zh active Pending
-
2022
- 2022-07-19 EP EP22185742.8A patent/EP4202858A1/en active Pending
- 2022-07-20 US US17/869,092 patent/US20230196719A1/en active Pending
- 2022-09-05 JP JP2022140440A patent/JP7352706B2/ja active Active
- 2022-09-14 KR KR1020220115538A patent/KR20230094950A/ko unknown
Also Published As
| Publication number | Publication date |
|---|---|
| EP4202858A1 (en) | 2023-06-28 |
| US20230196719A1 (en) | 2023-06-22 |
| JP7352706B2 (ja) | 2023-09-28 |
| JP2023092446A (ja) | 2023-07-03 |
| CN114418952A (zh) | 2022-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2022522279A (ja) | 優先点を識別して保持する点群の併合方法 | |
| US20150009214A1 (en) | Real-time 3d computer vision processing engine for object recognition, reconstruction, and analysis | |
| CN111881892B (zh) | 有序点云5d纹理网格数据结构生成方法、装置、设备及介质 | |
| US11965967B2 (en) | Apparatus and method for detecting intersection edges | |
| JP7478363B2 (ja) | フォークリフトの荷取り方法、コンピュータ装置及び記憶媒体 | |
| US20220180476A1 (en) | Systems and methods for image feature extraction | |
| KR20230094950A (ko) | 화물 계수 방법 및 장치, 컴퓨터 디바이스, 및 저장 매체 | |
| JP6762570B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
| CN114779209B (zh) | 一种激光雷达点云体素化方法及装置 | |
| CN115546300A (zh) | 紧密摆放的托盘位姿识别方法和装置、计算机设备、介质 | |
| CN112017219A (zh) | 一种激光点云配准方法 | |
| CN112200879B (zh) | 一种地图轻量化压缩传输方法 | |
| CN116038715B (zh) | 取箱方法、装置、机器人和存储介质 | |
| WO2022052893A1 (zh) | 一种5d纹理网格数据结构 | |
| CN114581328B (zh) | 一种料堆点云数据插补方法、装置、设备及介质 | |
| CN110472085A (zh) | 三维图像搜索方法、系统、计算机设备和存储介质 | |
| CN113592976B (zh) | 地图数据的处理方法、装置、家用电器和可读存储介质 | |
| CN115100271A (zh) | 取货高度的检测方法、装置、计算机设备和存储介质 | |
| CN114155291A (zh) | 箱体的位姿识别方法及装置、终端、存储介质 | |
| Park et al. | Voxel-based volume modelling of individual trees using terrestrial laser scanners | |
| KR20190113669A (ko) | 3차원 객체 표면 복원을 위한 데이터 관리 장치 및 그 방법 | |
| Stipes et al. | 4D scan registration with the SR-3000 LIDAR | |
| Bletterer et al. | Towards the reconstruction of wide historical sites: A local graph-based representation to resample gigantic acquisitions | |
| WO2022193080A1 (zh) | 点云处理方法、装置及计算机可读存储介质 | |
| CN112862961B (zh) | 层位坏点过滤方法、装置、设备及存储介质 |