WO2023236825A1 - 容积使用率的监控方法、装置和计算机可读存储介质 - Google Patents

容积使用率的监控方法、装置和计算机可读存储介质 Download PDF

Info

Publication number
WO2023236825A1
WO2023236825A1 PCT/CN2023/097357 CN2023097357W WO2023236825A1 WO 2023236825 A1 WO2023236825 A1 WO 2023236825A1 CN 2023097357 W CN2023097357 W CN 2023097357W WO 2023236825 A1 WO2023236825 A1 WO 2023236825A1
Authority
WO
WIPO (PCT)
Prior art keywords
container
volume
cargo
goods
depth
Prior art date
Application number
PCT/CN2023/097357
Other languages
English (en)
French (fr)
Inventor
梅涛
陈越
李大冲
左佳伟
李律松
王林芳
者文明
Original Assignee
京东科技控股股份有限公司
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 京东科技控股股份有限公司 filed Critical 京东科技控股股份有限公司
Publication of WO2023236825A1 publication Critical patent/WO2023236825A1/zh

Links

Classifications

    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • 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
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects

Definitions

  • the present disclosure relates to the field of logistics technology, and in particular to a volume usage rate monitoring method, device and computer-readable storage medium.
  • a method for monitoring volume usage including: determining the expected remaining volume of the container based on the volume of goods loaded in the container and the volume of the container; based on the depth image of the container, Determine the actual remaining volume of the container; determine the usage deviation of the container based on the expected remaining volume, actual remaining volume and the volume of the container; when the usage deviation exceeds the preset value, an alarm message is generated.
  • the monitoring method further includes: merging adjacent bins whose corresponding depth differences are less than a preset value to obtain one or more sub-regions; and determining, based on the area and corresponding depth of each sub-region, The available volume corresponding to each sub-area; before loading goods, based on the available volume of each sub-area and the volume of the goods, the lowest sub-area that can accommodate the goods is determined as the recommended loading area for the goods; in the recommended loading area, Determine the recommended placement of goods.
  • the monitoring method further includes: marking and displaying the outline of the goods at the recommended placement position in the image of the container.
  • the monitoring method further includes: when the container is empty, determining the actual remaining volume of the container as the volume of the container.
  • the monitoring method further includes: using a depth camera to obtain a depth image of the cargo before the cargo is loaded; and determining the volume of the cargo based on the depth image of the cargo.
  • determining the volume of the cargo according to the depth image of the cargo includes: determining the edge of the cargo in the depth image according to the depth image of the cargo; determining the area of the surface of the cargo facing the depth camera from the edge of the cargo in the depth image, and The first depth of the goods to the depth camera; the difference between the second depth and the first depth of the depth camera to the plane where the goods are placed is determined as the height of the goods; the volume of the goods is determined based on the surface area and height of the goods.
  • the monitoring method further includes: detecting a feature vector corresponding to the feature of the image of the cargo; in response to the distance between the feature vector and the pre-stored feature vector being less than a preset distance, determining the volume corresponding to the pre-stored vector is the volume of the cargo.
  • the container is a carriage.
  • determining the expected remaining volume of the container based on the volume of goods loaded in the container and the volume of the container includes: determining the difference between the volume of the container and the volume of all goods loaded in the container as the expected remaining volume of the container. .
  • a volume usage monitoring device including: an expected remaining volume determination module configured to determine the expected remaining volume of the container according to the volume of goods loaded in the container and the volume of the container. Remaining volume; the actual remaining volume determination module is configured to determine the actual remaining volume of the container based on the depth image of the container; the usage deviation determination module is configured to determine the container's actual remaining volume based on the expected remaining volume, the actual remaining volume and the volume of the container. Usage rate deviation; alarm module, configured to generate alarm information when the usage rate deviation exceeds a preset value.
  • Figure 2 shows a schematic flowchart of a cargo volume determination method according to some embodiments of the present disclosure.
  • Figure 4 shows a schematic flowchart of a method for recommending goods placement locations according to some embodiments of the present disclosure.
  • Figure 7 shows a schematic diagram of an application scenario according to some embodiments of the present disclosure.
  • FIG. 8 shows a schematic structural diagram of a volume usage rate monitoring device according to other embodiments of the present disclosure.
  • FIG. 9 shows a schematic structural diagram of a volume usage rate monitoring device according to further embodiments of the present disclosure.
  • the inventor found that it is difficult to solve the problem of occlusion if the vehicle volume usage is measured directly based only on the depth camera, because placing goods outside the carriage will block the area behind it, making it impossible to obtain the blocked area.
  • the volume usage of the area greatly affects the accuracy of the measurement, and there is a large error from the actual situation; although the X-ray scanning solution can solve the occlusion problem to a certain extent and improve the accuracy of the vehicle volume usage measurement , but its cost is very high, and it requires large-scale image acquisition equipment. Only by taking X-ray pictures from multiple angles can we obtain complete information for calculating the vehicle volume usage, and it is difficult to carry out large-scale promotion. widely used.
  • a technical problem to be solved by the embodiments of the present disclosure is: how to provide an accurate volume measurement method that is easy to popularize and use.
  • FIG. 1 shows a schematic flowchart of a method for monitoring volume usage according to some embodiments of the present disclosure.
  • the volume usage rate monitoring method in this embodiment includes steps S102 to S108.
  • step S102 the expected remaining volume of the container is determined based on the volume of goods loaded in the container and the volume of the container.
  • the difference between the volume of the container and the volume of all goods loaded in the container is determined as the desired remaining volume of the container.
  • the desired remaining volume refers to the remaining volume of the container under ideal conditions, where all loaded goods are tightly discharged and generally adhere to the bottom of the container.
  • the desired remaining volume due to the inconsistent dimensions of the goods in the actual situation, there are inevitably gaps between the goods, so there is a difference between the actual remaining volume and the expected remaining volume.
  • step S104 the actual remaining volume of the container is determined based on the depth image of the container.
  • the container is the carriage.
  • the human body and the forklift can be regarded as interference, which may affect the results of the depth inspection. Reacquiring the depth image at this time can improve accuracy.
  • an object detection algorithm is used to determine whether interference is present in the depth image.
  • step S106 the usage rate deviation of the container is determined based on the expected remaining volume, the actual remaining volume and the volume of the container when empty.
  • step S108 when the usage deviation exceeds the preset value, an alarm message is generated.
  • EV t be the expected remaining volume at time t
  • RV t be the actual remaining volume at time t
  • V be the volume of the container
  • ⁇ be the preset usage deviation alarm threshold.
  • the above embodiments are performed by a server.
  • the server sends an alarm message to the terminal so that the loading personnel can be informed that there are problems with the current cargo loading.
  • each time a piece of goods is loaded into the container the execution of the above monitoring method is triggered.
  • the method for determining cargo volume using a depth camera is described below with reference to FIG. 2 .
  • FIG. 2 shows a schematic flowchart of a cargo volume determination method according to some embodiments of the present disclosure. As shown in Figure 2, the cargo volume determination method in this embodiment includes steps S202 to S204.
  • step S202 before the goods are loaded, a depth image of the goods is acquired using a depth camera.
  • a depth camera with a shooting direction facing the conveyor belt can be deployed above the conveyor belt to more conveniently obtain depth images of the goods.
  • step S204 the volume of the cargo is determined based on the depth image of the cargo.
  • the edge of the cargo in the depth image is determined, for example, using the Cascade RCNN algorithm; the edge of the cargo in the depth image is determined to determine the area of the surface of the cargo facing the depth camera, and the third area of the cargo to the depth camera.
  • One depth; the difference between the second depth and the first depth from the depth camera to the plane where the goods are placed is determined as the height of the goods.
  • the second depth is, for example, the distance from the depth camera to the plane of the conveyor belt; according to the surface area and height of the goods, Determine the volume of the cargo, e.g. multiply the area and height as the volume of the cargo.
  • the volume of the cargo can be quickly obtained.
  • the volume of the object In actual application scenarios, there are often multiple objects within the camera shooting area. In order to further improve calculation efficiency, it can be determined in advance whether the volume of the object has been calculated.
  • features of the image of the cargo are detected; in response to the distance between the feature vector and the pre-stored feature vector being less than a preset distance, the volume corresponding to the pre-stored vector is determined as the volume of the cargo, the distance is, for example, determined by Euclidean distance representation. If the distance between the feature and all pre-stored vectors is greater than the preset distance, calculation is performed in a manner such as the embodiment of FIG. 2 , and the correspondence between the feature vector of the image and the calculated volume is stored after calculation.
  • the correspondence between feature vectors and volumes is stored in a database.
  • features of the cargo are extracted through a deep learning model.
  • the feature vector of the detected cargo image is used as the identification information of the cargo. If the volume of the cargo has been calculated, the identification information of the cargo will be stored in the database. When it is detected that cargo is to be loaded again, the characteristics of the cargo are first extracted and compared with the characteristics of the cargo of known volume. When the Euclidean distance between the two feature vectors is greater than the preset distance, it is determined that the cargo has not been detected and will be calculated as a new cargo. Through this method, double counting of goods can be effectively avoided.
  • Figure 3 shows a schematic flowchart of a method for determining the actual remaining volume of a container according to some embodiments of the present disclosure. As shown in Figure 3, the actual remaining volume determination method in this embodiment includes steps S302 to S306.
  • step S302 in the depth image of the container, the edge of the inlet of the container is detected, and the area within the edge is regarded as the effective area of the container, where the effective area includes a plurality of effective area elements.
  • the edge of the entrance of the container is detected using a deep learning detection algorithm (eg, YOLO algorithm).
  • a deep learning detection algorithm eg, YOLO algorithm
  • a curved surface is described by many small planes, and these small planes are called "surface elements". Therefore, complex object surfaces can be treated as multiple planes, reducing the computational complexity.
  • step S304 the actual depth of the container corresponding to each effective area unit is determined based on the depth image of the container.
  • the difference between the depth reflected in the depth image and the distance from the depth camera to the container entrance is determined as the actual depth.
  • the distance between the outermost items in each area of the container and the container entrance can be determined, thereby determining the actual available volume of the container.
  • the method of this embodiment is easy to deploy and implement.
  • Some embodiments of the present disclosure may also recommend placement locations for goods.
  • the following describes an embodiment of the goods placement location recommendation method of the present disclosure with reference to FIG. 4 .
  • step S402 adjacent surface elements whose corresponding depth differences are smaller than a preset value are merged to obtain one or more sub-regions.
  • step S406 before loading the cargo, based on the available volume of each sub-region and the volume of the cargo, the sub-region with the lowest position and capable of accommodating the cargo is determined as the recommended loading area for the cargo.
  • goods can be placed from bottom to top.
  • step S408 the recommended placement position of the goods is determined in the recommended loading area.
  • the area of the bottom surface of the placed goods should be less than or equal to the area of the contact surface of the bottom surface of the goods.
  • the surface with the largest area of the goods is determined based on the size of the goods obtained in advance; the surface with the largest area of the goods is used as the bottom surface as the recommended placement method, so that the goods can be placed more stably.
  • the sub-area with the lowest position and capable of accommodating goods placed in the recommended arrangement is determined as the recommended loading area for goods.
  • FIG. 5 shows a schematic structural diagram of a monitoring device for volume usage according to some embodiments of the present disclosure.
  • the monitoring device 500 of this embodiment includes: an expected remaining volume determination module 5100, configured to determine the expected remaining volume of the container according to the volume of goods loaded in the container and the volume of the container; an actual remaining volume determination module 5200, configured to determine the actual remaining volume of the container based on the depth image of the container; the usage deviation determination module 5300, configured to determine the usage deviation of the container based on the expected remaining volume, the actual remaining volume and the volume of the container; the alarm module 5400, is configured to generate an alarm message when the usage deviation exceeds a preset value.
  • an expected remaining volume determination module 5100 configured to determine the expected remaining volume of the container according to the volume of goods loaded in the container and the volume of the container
  • an actual remaining volume determination module 5200 configured to determine the actual remaining volume of the container based on the depth image of the container
  • the usage deviation determination module 5300 configured to determine the usage deviation of the container based on the expected remaining volume
  • the actual remaining volume determination module 5200 is further configured to detect the inlet of the container edge, the area within the edge is regarded as the effective area of the container, where the effective area includes multiple effective area elements; according to the depth image of the container, the actual depth of the container corresponding to each effective area element is determined; according to each effective area The area of the bin and the corresponding actual depth of the container determine the actual remaining volume of the container.
  • the monitoring device 500 also includes a recommended placement location determination module 5500, configured to merge adjacent bins whose corresponding depth differences are less than a preset value to obtain one or more sub-regions; according to The area and corresponding depth of each sub-area determine the available volume corresponding to each sub-area; before loading cargo, based on the available volume of each sub-area and the volume of the cargo, determine the lowest sub-area that can accommodate the cargo as the cargo.
  • the recommended loading area in the recommended loading area, determine the recommended placement location of the goods.
  • the recommended placement position determination module 5500 determines the surface with the largest cargo area based on the pre-acquired size of the cargo; and uses the surface with the largest cargo area as the bottom surface as the recommended placement method, so that the location The lowest sub-area that can accommodate the recommended placement of goods is determined as the recommended loading area for goods.
  • the actual remaining volume determination module 5200 determines the actual remaining volume of the container as the volume of the container when the container is empty.
  • the cargo volume determination module 5600 is further configured to determine, based on the depth image of the cargo, the edge of the cargo in the depth image; the edge of the cargo in the depth image, determine the area of the surface of the cargo facing the depth camera, and the depth of the cargo
  • the first depth of the camera; the difference between the second depth and the first depth of the depth camera to the cargo placement plane is determined as the height of the cargo; the volume of the cargo is determined based on the surface area and height of the cargo.
  • the container is a carriage.
  • the monitoring device 500 further includes an image acquisition module 5700 configured to detect whether there is a target interference object in the depth image of the container; if there is a target interference object in the depth image of the container, re- Newly obtains the depth image of the container.
  • an image acquisition module 5700 configured to detect whether there is a target interference object in the depth image of the container; if there is a target interference object in the depth image of the container, re- Newly obtains the depth image of the container.
  • the expected remaining volume determination module 5100 is further configured to determine the difference between the volume of the container and the volume of all goods loaded in the container as the expected remaining volume of the container.
  • the monitoring device 500 is located in a backend server.
  • FIG. 6 shows a schematic structural diagram of a volume usage monitoring system according to some embodiments of the present disclosure.
  • the volume usage rate monitoring system 60 of this embodiment includes a volume usage rate monitoring device 500; and a first depth camera 610, located at the entrance of the container, used to obtain a depth image of the container and send it to Monitoring device.
  • the monitoring system 60 further includes: a second depth camera 620 for capturing depth images of the goods.
  • the goods are transported via a conveyor belt
  • the second depth camera is located above the conveyor belt with the shooting direction facing the conveyor belt.
  • FIG. 8 shows a schematic structural diagram of a volume usage rate monitoring device according to other embodiments of the present disclosure.
  • the volume usage monitoring device 80 of this embodiment includes: a memory 810 and a processor 820 coupled to the memory 810 .
  • the processor 820 is configured to execute the foregoing based on instructions stored in the memory 810 .
  • the method for monitoring volume usage in any embodiment.
  • the memory 810 may include, for example, system memory, fixed non-volatile storage media, etc.
  • System memory stores, for example, operating systems, applications, boot loaders, and other programs.
  • FIG. 9 shows a schematic structural diagram of a volume usage rate monitoring device according to further embodiments of the present disclosure.
  • the volume usage monitoring device 90 of this embodiment includes a memory 910 and a processor 920 , and may also include an input/output interface 930 , a network interface 940 , a storage interface 950 , etc.
  • These interfaces 930, 940, 950, the memory 910 and the processor 920 may be connected through a bus 960, for example.
  • the input and output interface 930 provides a connection interface for input and output devices such as a monitor, mouse, keyboard, and touch screen.
  • Network interface 940 provides a connection interface for various networked devices.
  • the storage interface 950 provides connections for external storage devices such as SD cards and U disks. interface.
  • An embodiment of the present disclosure also provides a computer-readable storage medium on which a computer program is stored, which is characterized in that when the program is executed by a processor, any one of the aforementioned volume usage rate monitoring methods is implemented.
  • embodiments of the present disclosure may be provided as methods, systems, or computer program products. Accordingly, the present disclosure may take the form of an entirely hardware embodiment, an entirely software embodiment, or an embodiment that combines software and hardware aspects. Furthermore, the present disclosure may take the form of a computer program product embodied on one or more computer-usable non-transitory storage media (including, but not limited to, disk memory, CD-ROM, optical storage, etc.) having computer-usable program code embodied therein. .
  • These computer program instructions may also be stored in a computer-readable memory that causes a computer or other programmable data processing apparatus to operate in a particular manner, such that the instructions stored in the computer-readable memory produce an article of manufacture including the instruction means, the instructions
  • the device implements the functions specified in a process or processes of the flowchart and/or a block or blocks of the block diagram.
  • These computer program instructions may also be loaded onto a computer or other programmable data processing device, causing a series of operating steps to be performed on the computer or other programmable device to produce computer-implemented processing, thereby executing on the computer or other programmable device.
  • Instructions provide steps for implementing the functions specified in a process or processes of a flowchart diagram and/or a block or blocks of a block diagram.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本公开涉及一种容积使用率的监控方法、装置和计算机可读存储介质，涉及物流技术领域。容积使用率的监控方法包括：根据容器所装载的货物的体积和容器的容积，确定容器的期望剩余容积；根据容器的深度图像，确定容器的实际剩余容积；根据期望剩余容积、实际剩余容积和容器的容积，确定容器的使用率偏差；在使用率偏差超过预设值的情况下，产生报警信息。

Description

容积使用率的监控方法、装置和计算机可读存储介质
相关申请的交叉引用
本申请是以CN申请号为202210630188.2，申请日为2022年6月6日的申请为基础，并主张其优先权，该CN申请的公开内容在此作为整体引入本申请中。
技术领域
本公开涉及物流技术领域，特别涉及一种容积使用率的监控方法、装置和计算机可读存储介质。
背景技术
在货物运输的场景中，公司是通过车辆运送的趟数进行付费，若一些车辆的装载率较低，则运输同等数量的货物，需要使用更多的车次或增加更多的运送趟数，这不仅增加了货物运送的成本，也降低了货物运送的时效。每年因为物流运输车辆容积使用率不足导致的资金损失达到亿元级别。
在相关技术中，有两种容积使用情况的确定方式。
1)基于深度相机直接进行车辆容积使用情况的测量。通过深度相机获取深度图像，计算车厢的容积使用情况。为提升测量的精度，可以选用不同型号的3D摄像头或增加摄像头的个数，使用多个摄像头信息综合分析的方式来提高准确性。
2)使用X光进行车辆容积使用情况的测量。通过采用X光对车厢进行多角度的扫描，并采用计算机视觉的方法进行分析，获得车厢容积使用率的数据。
发明内容
根据本公开一些实施例的第一个方面，提供一种容积使用率的监控方法，包括：根据容器所装载的货物的体积和容器的容积，确定容器的期望剩余容积；根据容器的深度图像，确定容器的实际剩余容积；根据期望剩余容积、实际剩余容积和容器的容积，确定容器的使用率偏差；在使用率偏差超过预设值的情况下，产生报警信息。
在一些实施例中，根据容器的深度图像，确定容器的实际剩余容积包括：检测容器的入口的边缘，将边缘内的区域作为容器的有效区域，其中，有效区域包括多个有效区域面元；根据容器的深度图像，确定每个有效区域面元对应的容器实际深度；根 据每个有效区域面元的面积和相应的容器实际深度，确定容器的实际剩余容积。
在一些实施例中，监控方法还包括：将位置相邻的、对应的深度差距小于预设值的面元进行合并，获得一个或多个子区域；根据每个子区域的面积和对应的深度，确定每个子区域对应的可用容积；在装载货物之前，根据每个子区域的可用容积和货物的体积，将位置最低、并能够容纳货物的子区域确定为货物的推荐装载区域；在推荐装载区域中，确定货物的推荐摆放位置。
在一些实施例中，监控方法还包括：在容器的图像中的推荐摆放位置上，标注货物的轮廓并进行显示。
在一些实施例中，监控方法还包括：根据预先获取的货物的尺寸，确定货物面积最大的表面；将以货物面积最大的表面作为底面的摆放方式作为推荐摆放方式，以便将位置最低、并能够容纳货物以推荐摆放方式摆放的子区域确定为货物的推荐装载区域。
在一些实施例中，监控方法还包括：在容器空置的情况下，将容器的实际剩余容积确定为容器的容积。
在一些实施例中，监控方法还包括：在货物被装载之前，使用深度摄像机获取货物的深度图像；根据货物的深度图像，确定货物的体积。
在一些实施例中，根据货物的深度图像，确定货物的体积包括：根据货物的深度图像，确定深度图像中货物的边缘；深度图像中货物的边缘，确定货物朝向深度摄像机的表面的面积、以及货物到深度摄像机的第一深度；将深度摄像机到货物放置平面的第二深度和第一深度之差，确定为货物的高度；根据货物的表面的面积、以及高度，确定货物的体积。
在一些实施例中，监控方法还包括：检测货物的图像的特征对应的特征向量；响应于特征向量与预先存储的特征向量之间的距离小于预设距离，将预先存储的向量对应的体积确定为货物的体积。
在一些实施例中，容器为车厢。
在一些实施例中，监控方法还包括：检测容器的深度图像中是否存在目标干扰物；在容器的深度图像中存在目标干扰物的情况下，重新获取容器的深度图像。
在一些实施例中，根据容器所装载的货物的体积和容器的容积，确定容器的期望剩余容积包括：将容器的容积与容器所装载的所有货物的体积之差，确定为容器的期望剩余容积。
根据本公开一些实施例的第二个方面，提供一种容积使用率的监控装置，包括：期望剩余容积确定模块，被配置为根据容器所装载的货物的体积和容器的容积，确定容器的期望剩余容积；实际剩余容积确定模块，被配置为根据容器的深度图像，确定容器的实际剩余容积；使用率偏差确定模块，被配置为根据期望剩余容积、实际剩余容积和容器的容积，确定容器的使用率偏差；报警模块，被配置为在使用率偏差超过预设值的情况下，产生报警信息。
根据本公开一些实施例的第三个方面，提供一种容积使用率的监控装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器中的指令，执行前述任意一种容积使用率的监控方法。
根据本公开一些实施例的第四个方面，提供一种容积使用率的监控系统，包括：前述任意一种容积使用率的监控装置；以及第一深度摄像头，位于容器的入口处，用于获取容器的深度图像，并发送给监控装置。
在一些实施例中，监控系统还包括：第二深度摄像头，用于拍摄货物的深度图像。
在一些实施例中，货物经传送带传送，并且第二深度摄像头位于传送带上方、并且拍摄方向朝向传送带。
根据本公开一些实施例的第五个方面，提供一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现前述任意一种容积使用率的监控方法。
根据本公开一些实施例的第五个方面，提供一种计算机程序，包括：指令，所述指令当由处理器执行时使所述处理器执行前述任意一种容积使用率的监控方法。
通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1示出了根据本公开一些实施例的容积使用率的监控方法的流程示意图。
图2示出了根据本公开一些实施例的货物体积确定方法的流程示意图。
图3示出了根据本公开一些实施例的容器实际剩余容积确定方法的流程示意图。
图4示出了根据本公开一些实施例的货物摆放位置推荐方法的流程示意图。
图5示出了根据本公开一些实施例的容积使用率的监控装置的结构示意图。
图6示出了根据本公开一些实施例的容积使用率的监控系统的结构示意图。
图7示出了根据本公开一些实施例的应用场景示意图。
图8示出了根据本公开另一些实施例的容积使用率的监控装置的结构示意图。
图9示出了根据本公开又一些实施例的容积使用率的监控装置的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
发明人通过对相关技术进行分析后发现，如果仅基于深度相机直接进行车辆容积使用率测量，较难解决遮挡的问题，因为，在车厢外部放置货物会遮挡住后面的区域，导致无法获得被遮挡区域的容积使用情况，极大地影响了测量的准确性，与实际的情况存在很大的误差；采用X光扫描的方案虽然能够在一定程度上解决遮挡的问题，提升车辆容积使用率测量的精度，但其成本非常高，需要大型的图像获取设备，从多个角度拍摄X光图片才能够得到计算车辆容积使用率的完整信息，较难进行大规模的推 广使用。
本公开实施例所要解决的一个技术问题是：如何提供一种准确的、易于推广使用的容积测量方式。
图1示出了根据本公开一些实施例的容积使用率的监控方法的流程示意图。如图1所示，该实施例的容积使用率的监控方法包括步骤S102～S108。
在步骤S102中，根据容器所装载的货物的体积和容器的容积，确定容器的期望剩余容积。
在一些实施例中，将容器的容积与容器所装载的所有货物的体积之差，确定为容器的期望剩余容积。
期望剩余容积是指理想情况下容器的剩余容积，理想情况是指已装载的所有货物紧密排放、并整体上紧贴容器底部。然而，由于实际情况中货物的尺寸不一致，货物之间难免存在缝隙，因此实际剩余容积和期望剩余容积之间存在差异。
在步骤S104中，根据容器的深度图像，确定容器的实际剩余容积。
在一些实施例中，检测容器的深度图像中是否存在目标干扰物；在容器的深度图像中存在目标干扰物的情况下，重新获取容器的深度图像。
例如，在装车场景中，容器为车厢。在车厢入口处经常有工作人员和搬货用的叉车经过，人体和叉车即可视为干扰物，可能会影响深度检测的结果。此时重新获取深度图像，能够提升准确性。
在一些实施例中，利用目标检测算法，确定深度图像中是否存在干扰物。
在步骤S106中，根据期望剩余容积、实际剩余容积和容器在空置情况下的容积，确定容器的使用率偏差。
在步骤S108中，在使用率偏差超过预设值的情况下，产生报警信息。
设EVt为t时刻的期望剩余容积，RVt为t时刻的实际剩余容积，V为容器的容积，δ为预先设置的使用率偏差报警阈值。则报警的条件为：
在一些实施例中，上述实施例由服务器执行。在确定使用率偏差超过预设值时，服务器向终端发送报警信息，以便装货人员能够获知目前的货物装载存在问题。
在一些实施例中，每向容器中装载一件货物，触发一次上述监控方法的执行。
通过上述实施例，能够更准确地判断当前容器中的货物装载是否合理，并在装载 不合理时发送报警，以便及时对货物的排布进行优化。从而，提高了容积使用率监控的准确性，并且部署成本低，易于推广。
下面参考图2描述利用深度摄像机确定货物体积的确定方法。
图2示出了根据本公开一些实施例的货物体积确定方法的流程示意图。如图2所示，该实施例的货物体积确定方法包括步骤S202～S204。
在步骤S202中，在货物被装载之前，使用深度摄像机获取货物的深度图像。
例如，在物流月台装车场景中，货物通过传送带被传送到装车处。在这种场景下，可以在传送带上方部署拍摄方向朝向传送带的深度摄像机，以更方便地获取货物的深度图像。
在步骤S204中，根据货物的深度图像，确定货物的体积。
在一些实施例中，根据货物的深度图像，确定深度图像中货物的边缘，例如使用Cascade RCNN算法；深度图像中货物的边缘，确定货物朝向深度摄像机的表面的面积、以及货物到深度摄像机的第一深度；将深度摄像机到货物放置平面的第二深度和第一深度之差，确定为货物的高度，第二深度例如为深度摄像机到传送带平面的距离；根据货物的表面的面积、以及高度，确定货物的体积，例如将面积和高度的乘积作为货物的体积。
从而，可以快速地获取货物的体积。
在实际的应用场景中，摄像头拍摄区域范围内往往有多个物体，为了进一步提升计算效率，可以预先判断物体的体积是否被计算过。在一些实施例中，检测货物的图像的特征；响应于特征向量与预先存储的特征向量之间的距离小于预设距离，将预先存储的向量对应的体积确定为货物的体积，该距离例如通过欧式距离表示。如果该特征与预先存储的所有向量之间的距离都大于预设距离，则采用例如图2实施例的方式进行计算，并在计算后存储图像的特征向量和计算的体积之间的对应关系。
在一些实施例中，特征向量和体积的对应关系存储在数据库中。
在一些实施例中，通过深度学习模型提取货物的特征。
上述实施例将检测到的货物图像的特征向量作为这个货物的标识信息。如果该货物的体积已经被计算，则该货物的标识信息会被存储到数据库中。当再次检测到有货物要被装载时，首先提取货物的特征、并将其与已知体积的货物的特征进行比对。当两个特征向量之间的欧式距离大于预设距离时，判定此货物没有被检测过，会被作为新的货物进行计算。通过这种方法，能够有效地避免货物的重复计算。
下面参考图3描述利用深度摄像机确定容器的实际剩余容积的实施例。
图3示出了根据本公开一些实施例的容器实际剩余容积确定方法的流程示意图。如图3所示，该实施例的实际剩余容积确定方法包括步骤S302～S306。
在步骤S302中，在所述容器的深度图像中，检测容器的入口的边缘，将边缘内的区域作为容器的有效区域，其中，有效区域包括多个有效区域面元。
在一些实施例中，使用深度学习检测算法(例如YOLO算法)对容器的入口的边缘进行检测。
用很多小的平面描述一个曲面，这些小的平面就称为“面元”。从而，可以将复杂的物体表面视为多个平面进行处理，降低了计算的复杂度。
在步骤S304中，根据容器的深度图像，确定每个有效区域面元对应的容器实际深度。
例如，将深度图像中反映的深度与深度摄像机到容器入口之间的距离之差，确定为实际深度。
在步骤S306中，根据每个有效区域面元的面积和相应的容器实际深度，确定容器的实际剩余容积。例如，使用每个有效区域面元的面积和深度的乘积作为该有效区域面元对应的体积，将所有有效区域面元的体积之和确定为容器的实际剩余容积。
上述方法也适用于确定容器的容积。例如，在容器空置的情况下，将容器的实际剩余容积确定为容器的容积。
通过上述实施例，能够确定容器中各个区域最靠外的物品与容器入口的距离，进而确定容器实际可用的容积。该实施例的方法易于部署和实现。
本公开的一些实施例还可以推荐货物的摆放位置。下面参考图4描述本公开货物摆放位置推荐方法的实施例。
图4示出了根据本公开一些实施例的货物摆放位置推荐方法的流程示意图。如图4所示，该实施例的货物摆放位置推荐方法包括步骤S402～S408。
在步骤S402中，将位置相邻的、对应的深度差距小于预设值的面元进行合并，获得一个或多个子区域。
在步骤S404中，根据每个子区域的面积和对应的深度，确定每个子区域对应的可用容积。
在步骤S406中，在装载货物之前，根据每个子区域的可用容积和货物的体积，将位置最低、并能够容纳货物的子区域确定为货物的推荐装载区域。
从而，可以使得货物由下至上摆放。
在步骤S408中，在推荐装载区域中，确定货物的推荐摆放位置。
在一些实施例中，将推荐装载区域中的预设边缘位置确定为货物的推荐摆放位置。例如，预设货物由左至右摆放，则将推荐装载区域中的左边缘的位置确定为货物的推荐摆放位置。在一些实施例中，将推荐装载区域中最靠近容器底部的位置确定为货物的推荐摆放位置，以将货物尽量紧贴容器内侧摆放。
这两种推荐摆放位置的确定方式还可以结合使用。例如，预设推荐摆放位置从容器的左下角开始，按照从下到上、从左到右、从里到外的顺序依次遍历是否有合适的子区域，以使得货物紧密排布。
在一些实施例中，当货物被放置在推荐摆放位置后，不会出现悬空。即，被摆放货物的底面面积应当小于或等于该货物底面的接触面的面积。
在一些实施例中，还可以在容器的图像中的推荐摆放位置上，标注货物的轮廓并进行显示。该容器的图像可以是容器的平面图像，还可以是容器的三维虚拟图像。例如，在容器的图像中的推荐摆放位置上，高亮显示待装载的货物的轮廓。从而，用户可以根据该位置装载货物。当然，如果货物被机器人等设备自动装载，也可以不显示，而是将推荐摆放位置的信息发送给用于装载货物的设备的控制器。
在一些实施例中，为了使得货物放置时更稳定，根据预先获取的货物的尺寸，确定货物面积最大的表面；将以货物面积最大的表面作为底面的摆放方式作为推荐摆放方式，以便将位置最低、并能够容纳货物以推荐摆放方式摆放的子区域确定为货物的推荐装载区域。
通过上述实施例，能够预先根据可用的容积和货物的体积确定推荐摆放方式，从而当按照该摆放方式摆放货物时，能够进一步提升容器内的空间利用率。
图5示出了根据本公开一些实施例的容积使用率的监控装置的结构示意图。如图5所示，该实施例的监控装置500包括：期望剩余容积确定模块5100，被配置为根据容器所装载的货物的体积和容器的容积，确定容器的期望剩余容积；实际剩余容积确定模块5200，被配置为根据容器的深度图像，确定容器的实际剩余容积；使用率偏差确定模块5300，被配置为根据期望剩余容积、实际剩余容积和容器的容积，确定容器的使用率偏差；报警模块5400，被配置为在使用率偏差超过预设值的情况下，产生报警信息。
在一些实施例中，实际剩余容积确定模块5200进一步被配置为检测容器的入口 的边缘，将边缘内的区域作为容器的有效区域，其中，有效区域包括多个有效区域面元；根据容器的深度图像，确定每个有效区域面元对应的容器实际深度；根据每个有效区域面元的面积和相应的容器实际深度，确定容器的实际剩余容积。
在一些实施例中，监控装置500还包括推荐摆放位置确定模块5500，被配置为将位置相邻的、对应的深度差距小于预设值的面元进行合并，获得一个或多个子区域；根据每个子区域的面积和对应的深度，确定每个子区域对应的可用容积；在装载货物之前，根据每个子区域的可用容积和货物的体积，将位置最低、并能够容纳货物的子区域确定为货物的推荐装载区域；在推荐装载区域中，确定货物的推荐摆放位置。
在一些实施例中，推荐摆放位置确定模块5500进一步被配置为在容器的图像中的推荐摆放位置上，标注货物的轮廓并进行显示。
在一些实施例中，推荐摆放位置确定模块5500根据预先获取的货物的尺寸，确定货物面积最大的表面；将以货物面积最大的表面作为底面的摆放方式作为推荐摆放方式，以便将位置最低、并能够容纳货物以推荐摆放方式摆放的子区域确定为货物的推荐装载区域。
在一些实施例中，实际剩余容积确定模块5200在容器空置的情况下，将容器的实际剩余容积确定为容器的容积。
在一些实施例中，监控装置500还包括货物体积确定模块5600，被配置为在货物被装载之前，使用深度摄像机获取货物的深度图像；根据货物的深度图像，确定货物的体积。
在一些实施例中，货物体积确定模块5600进一步被配置为根据货物的深度图像，确定深度图像中货物的边缘；深度图像中货物的边缘，确定货物朝向深度摄像机的表面的面积、以及货物到深度摄像机的第一深度；将深度摄像机到货物放置平面的第二深度和第一深度之差，确定为货物的高度；根据货物的表面的面积、以及高度，确定货物的体积。
在一些实施例中，货物体积确定模块5600进一步被配置为检测货物的图像的特征对应的特征向量；响应于特征向量与预先存储的特征向量之间的距离小于预设距离，将预先存储的向量对应的体积确定为货物的体积。
在一些实施例中，容器为车厢。
在一些实施例中，监控装置500还包括图像获取模块5700，被配置为检测容器的深度图像中是否存在目标干扰物；在容器的深度图像中存在目标干扰物的情况下，重 新获取容器的深度图像。
在一些实施例中，期望剩余容积确定模块5100进一步被配置为将容器的容积与容器所装载的所有货物的体积之差，确定为容器的期望剩余容积。
在一些实施例中，监控装置500位于后台服务器中。
图6示出了根据本公开一些实施例的容积使用率的监控系统的结构示意图。如图6所示，该实施例的容积使用率的监控系统60包括容积使用率的监控装置500；以及第一深度摄像头610，位于容器的入口处，用于获取容器的深度图像，并发送给监控装置。
在一些实施例中，监控系统60还包括：第二深度摄像头620，用于拍摄货物的深度图像。
在一些实施例中，货物经传送带传送，并且第二深度摄像头位于传送带上方、并且拍摄方向朝向传送带。
图7示出了根据本公开一些实施例的应用场景示意图。如图7所示，在该实施例中，货物71经传送带72被送至物流月台，在传送带72上方设置有深度摄像头73，用于采集货物的深度图像、以确定货物的尺寸和体积；在物流月台处，作为容器的车厢74入口处设置有深度摄像头75，其拍摄方向朝向车厢74内部。后台服务器可以与深度摄像头73和75交互，以根据获取的深度图像，采用前述实施例的方法对车厢的容积使用率进行监控。
图8示出了根据本公开另一些实施例的容积使用率的监控装置的结构示意图。如图8所示，该实施例的容积使用率的监控装置80包括：存储器810以及耦接至该存储器810的处理器820，处理器820被配置为基于存储在存储器810中的指令，执行前述任意一个实施例中的容积使用率的监控方法。
其中，存储器810例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。
图9示出了根据本公开又一些实施例的容积使用率的监控装置的结构示意图。如图9所示，该实施例的容积使用率的监控装置90包括：存储器910以及处理器920，还可以包括输入输出接口930、网络接口940、存储接口950等。这些接口930，940，950以及存储器910和处理器920之间例如可以通过总线960连接。其中，输入输出接口930为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口940为各种联网设备提供连接接口。存储接口950为SD卡、U盘等外置存储设备提供连 接接口。
本公开的实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现前述任意一种容积使用率的监控方法。
本领域内的技术人员应当明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的较佳实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (19)

  1. 一种容积使用率的监控方法，包括：
    根据容器所装载的货物的体积和所述容器的容积，确定所述容器的期望剩余容积；
    根据所述容器的深度图像，确定所述容器的实际剩余容积；
    根据所述期望剩余容积、所述实际剩余容积和所述容器的容积，确定所述容器的使用率偏差；
    在所述使用率偏差超过预设值的情况下，产生报警信息。
  2. 根据权利要求1所述的监控方法，其中，所述根据所述容器的深度图像，确定所述容器的实际剩余容积包括：
    检测所述容器的入口的边缘，将所述边缘内的区域作为所述容器的有效区域，其中，所述有效区域包括多个有效区域面元；
    根据所述容器的深度图像，确定每个有效区域面元对应的容器实际深度；
    根据每个有效区域面元的面积和相应的容器实际深度，确定所述容器的实际剩余容积。
  3. 根据权利要求2所述的监控方法，还包括：
    将位置相邻的、对应的深度差距小于预设值的面元进行合并，获得一个或多个子区域；
    根据每个子区域的面积和对应的深度，确定每个子区域对应的可用容积；
    在装载所述货物之前，根据每个子区域的可用容积和所述货物的体积，将位置最低、并能够容纳所述货物的子区域确定为所述货物的推荐装载区域；
    在所述推荐装载区域中，确定所述货物的推荐摆放位置。
  4. 根据权利要求3所述的监控方法，还包括：
    在容器的图像中的推荐摆放位置上，标注所述货物的轮廓并进行显示。
  5. 根据权利要求3或4所述的监控方法，还包括：
    根据预先获取的所述货物的尺寸，确定所述货物面积最大的表面；
    将以所述货物面积最大的表面作为底面的摆放方式作为推荐摆放方式，以便将位置最低、并能够容纳所述货物以所述推荐摆放方式摆放的子区域确定为所述货物的推荐装载区域。
  6. 根据权利要求2～5中任一项所述的监控方法，还包括：
    在所述容器空置的情况下，将所述容器的实际剩余容积确定为所述容器的容积。
  7. 根据权利要求1～6中任一项所述的监控方法，还包括：
    在所述货物被装载之前，使用深度摄像机获取所述货物的深度图像；
    根据所述货物的深度图像，确定所述货物的体积。
  8. 根据权利要求7所述的监控方法，其中，所述根据所述货物的深度图像，确定所述货物的体积包括：
    根据所述货物的深度图像，确定所述深度图像中所述货物的边缘；
    根据所述深度图像中所述货物的边缘，确定所述货物朝向所述深度摄像机的表面的面积、以及所述货物到所述深度摄像机的第一深度；
    将所述深度摄像机到所述货物放置的平面的第二深度和所述第一深度之差，确定为所述货物的高度；
    根据所述货物的所述表面的面积、以及所述高度，确定所述货物的体积。
  9. 根据权利要求1～8中任一项所述的监控方法，还包括：
    检测所述货物的图像的特征对应的特征向量；
    在所述特征向量与预先存储的特征向量之间的距离小于预设距离的情况下，将所述预先存储的向量对应的体积确定为所述货物的体积。
  10. 根据权利要求1～9中任一项所述的监控方法，其中，所述容器为车厢。
  11. 根据权利要求1或10所述的监控方法，还包括：
    检测所述容器的深度图像中是否存在目标干扰物；
    在所述容器的深度图像中存在所述目标干扰物的情况下，重新获取所述容器的深度图像。
  12. 根据权利要求1～11中任一项所述的监控方法，其中，所述根据容器所装载的货物的体积和所述容器的容积，确定所述容器的期望剩余容积包括：
    将所述容器的容积与容器所装载的所有货物的体积之差，确定为所述容器的期望剩余容积。
  13. 一种容积使用率的监控装置，包括：
    期望剩余容积确定模块，被配置为根据容器所装载的货物的体积和所述容器的容积，确定所述容器的期望剩余容积；
    实际剩余容积确定模块，被配置为根据所述容器的深度图像，确定所述容器的实际剩余容积；
    使用率偏差确定模块，被配置为根据所述期望剩余容积、所述实际剩余容积和所述容器的容积，确定所述容器的使用率偏差；
    报警模块，被配置为在所述使用率偏差超过预设值的情况下，产生报警信息。
  14. 一种容积使用率的监控装置，包括：
    存储器；以及
    耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如权利要求1～12中任一项所述的容积使用率的监控方法。
  15. 一种容积使用率的监控系统，包括：
    权利要求13或14所述的容积使用率的监控装置；以及
    第一深度摄像头，位于容器的入口处，用于获取所述容器的深度图像，并发送给所述监控装置。
  16. 根据权利要求15所述的监控系统，还包括：
    第二深度摄像头，用于拍摄货物的深度图像。
  17. 根据权利要求16所述的监控系统，其中，所述货物经传送带传送，并且所述第二深度摄像头位于所述传送带上方、并且拍摄方向朝向所述传送带。
  18. 一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1～12中任一项所述的容积使用率的监控方法。
  19. 一种计算机程序，包括：
    指令，所述指令当由处理器执行时使所述处理器执行根据权利要求1～12中任一项所述的容积使用率的监控方法。
PCT/CN2023/097357 2022-06-06 2023-05-31 容积使用率的监控方法、装置和计算机可读存储介质 WO2023236825A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202210630188.2A CN115035181A (zh) 2022-06-06 2022-06-06 容积使用率的监控方法、装置和计算机可读存储介质
CN202210630188.2 2022-06-06

Publications (1)

Publication Number Publication Date
WO2023236825A1 true WO2023236825A1 (zh) 2023-12-14

Family

ID=83122229

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2023/097357 WO2023236825A1 (zh) 2022-06-06 2023-05-31 容积使用率的监控方法、装置和计算机可读存储介质

Country Status (2)

Country Link
CN (1) CN115035181A (zh)
WO (1) WO2023236825A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117575443A (zh) * 2024-01-17 2024-02-20 金华市浙中公铁联运港有限公司 一种铁路场站停靠区域智能管理方法及系统

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115035181A (zh) * 2022-06-06 2022-09-09 京东科技控股股份有限公司 容积使用率的监控方法、装置和计算机可读存储介质
CN115587675B (zh) * 2022-11-25 2023-05-12 中国外运股份有限公司 装载方式的确定方法、装置、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170228885A1 (en) * 2014-08-08 2017-08-10 Cargometer Gmbh Device and method for determining the volume of an object moved by an industrial truck
CN110057292A (zh) * 2019-05-27 2019-07-26 杭州亚美利嘉科技有限公司 车厢装载率的确定方法和装置
CN110751445A (zh) * 2019-10-25 2020-02-04 上海德启信息科技有限公司 一种库区货物管控方法、装置及存储介质
CN112639852A (zh) * 2018-08-27 2021-04-09 戴姆勒股份公司 用于运输工具货物管理的方法和系统
CN112945100A (zh) * 2021-03-02 2021-06-11 武汉理工大学 一种基于双目视觉的货车车厢容积测量系统
CN115035181A (zh) * 2022-06-06 2022-09-09 京东科技控股股份有限公司 容积使用率的监控方法、装置和计算机可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170228885A1 (en) * 2014-08-08 2017-08-10 Cargometer Gmbh Device and method for determining the volume of an object moved by an industrial truck
CN112639852A (zh) * 2018-08-27 2021-04-09 戴姆勒股份公司 用于运输工具货物管理的方法和系统
CN110057292A (zh) * 2019-05-27 2019-07-26 杭州亚美利嘉科技有限公司 车厢装载率的确定方法和装置
CN110751445A (zh) * 2019-10-25 2020-02-04 上海德启信息科技有限公司 一种库区货物管控方法、装置及存储介质
CN112945100A (zh) * 2021-03-02 2021-06-11 武汉理工大学 一种基于双目视觉的货车车厢容积测量系统
CN115035181A (zh) * 2022-06-06 2022-09-09 京东科技控股股份有限公司 容积使用率的监控方法、装置和计算机可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117575443A (zh) * 2024-01-17 2024-02-20 金华市浙中公铁联运港有限公司 一种铁路场站停靠区域智能管理方法及系统
CN117575443B (zh) * 2024-01-17 2024-04-19 金华市浙中公铁联运港有限公司 一种铁路场站停靠区域智能管理方法及系统

Also Published As

Publication number Publication date
CN115035181A (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
WO2023236825A1 (zh) 容积使用率的监控方法、装置和计算机可读存储介质
US20140372183A1 (en) Trailer loading assessment and training
AU2018391957B2 (en) Computing package wall density in commercial trailer loading
JP6558020B2 (ja) 検品処理装置、検品処理方法及びプログラム
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
EP3434621A1 (en) Instruction projecting device, package sorting system and instruction projecting method
CN112756265B (zh) 物品分拣异常检测方法、装置工控设备及存储介质
CN111553914A (zh) 基于视觉的货物检测方法、装置、终端及可读存储介质
CN111814739B (zh) 快递包裹体积的检测方法、装置、设备及存储介质
EP3647233A1 (en) Baggage determination device, baggage sorting system, and baggage determination method
CN114529843A (zh) 货物拥堵识别方法、装置、电子设备和存储介质
US11117744B1 (en) Determination of untidy item return to an inventory location
CN110765815B (zh) 展示架遮挡检测方法和装置
US20220128347A1 (en) System and method to measure object dimension using stereo vision
CN114897964A (zh) 容积测量方法、装置、系统和计算机可读存储介质
WO2022181753A1 (ja) 積載空間認識装置、システム、方法、及びプログラム
CN113978987B (zh) 栈板物品打包提货方法、装置、设备及介质
CN113345023B (zh) 箱体的定位方法、装置、介质和电子设备
CN116433742A (zh) 搬运车辆违规判断方法、装置、电子设备及可读存储介质
CN108249040B (zh) 装有红外检测装置的物流箱及物流箱系统
EP3434625B1 (en) Projection instruction device, parcel sorting system, and projection instruction method
EP4177848A1 (en) Method and system for determining contextual object position
WO2024027854A1 (zh) 快件数量确定方法、装置、电子设备及存储介质
CN114816202B (zh) tab组件里的图表跨界交互方法、装置、设备及介质
US11842321B1 (en) Image-based detection of planogram product spaces

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23818990

Country of ref document: EP

Kind code of ref document: A1