本发明专利技术涉及一种用于运送物件的数量的确定方法，其包括：逐帧地采集并记录运送物件所通过的位置的图像；为图像中的每一点建立背景模型，所述背景模型为过去多个帧的图像内同一点的像素值的集合；根据背景模型判断当前图像的每一点是背景点还是前景点，其方式为：如果当前图像中的一点的像素值的一定邻域内存在有足够多的过去的像素值，则将该点判定为背景点；否则，将该点判定为前景点；基于所判断的前景点来提取前景目标；根据前景目标的尺寸参数来确定运送物件的数量。本发明专利技术还涉及一种用于运送物件的识别方法、一种计算机可读存储介质、一种用于运送物件的数量的确定装置、一种用于运送物件的识别设备以及一种包括所述识别设备的物流系统。别设备的物流系统。别设备的物流系统。
【技术实现步骤摘要】
用于运送物件的数量的确定方法、装置、设备和物流系统
[0001]本专利技术涉及物流领域、特别是生产环节内的物流调度领域。本专利技术具体涉及一种用于运送物件的数量的确定方法、一种用于运送物件的识别方法、一种计算机可读存储介质、一种用于运送物件的数量的确定装置、一种用于运送物件的识别设备以及一种包括所述识别设备的物流系统。
技术介绍
[0002]物流是生产经营活动中的一项重要组成部分。特别是在汽车生产企业中，工厂内物流的数字化与智能化通过与各车间的自动化制造相结合可以进一步优化生产的自动化运作和管理，从而产生更高的价值。
[0003]以整车制造为例，组成车辆的零部件在完成后可能不会立即用于组装，而是通过叉车等输运工具先运送并储存至暂存零部件的缓存区。当总装车间产生生产需求时才进行出库。在这个过程中需要对零部件的数据等进行精准记录。为此，运送物件、如零部件或者容纳零部件的料架通常悬挂、印刷或粘贴有标识码，所述标识码可以通过视觉识别技术来识别。
[0004]然而，在实际生产中叉车一次装载的运送物件的数量并不固定。由此，在识别标识码过程中，基于叉车的运动、遮挡、图像噪声等因素可能出现识别到的标识码的数量与实际运送物件的数量不符的情况、特别是漏掉部分标识码或者重复录入相同的标识码，从而无法正确地对每个运送物件进行识别，因而不利地影响了生产的自动化运作和管理。
[0005]在未知运送物件数量的情况下，至今仍然难以有效地保证识别所有标识码。为了避免出现此类状况，通常规定叉车单次装载的运送物件的数量，以简化标识码的识别和录入，并且在运输非规定数量时需要人工输入，而这无疑降低了运输上的灵活性并且带来了时间浪费。
技术实现思路
[0006]本专利技术的任务在于，以简单且可靠的方式确定运送物件的数量，从而扩展标识码识别的适用场景，使得其支持不同数量的运送物件的识别，从而提升运输上的灵活性、提高运送物件的识别效率及准确性并且尽可能避免人工操作。
[0007]本专利技术的上述任务通过按照本专利技术的用于运送物件的数量的确定方法、用于运送物件的识别方法、计算机可读存储介质、用于运送物件的数量的确定装置、用于运送物件的识别设备以及包括所述识别设备的物流系统来解决。
[0008]本专利技术的第一方面涉及一种用于运送物件的数量的确定方法，所述方法包括：
[0009]-逐帧地采集并记录运送物件所通过的位置的图像；
[0010]-为图像中的每一点建立背景模型，所述背景模型为过去多个帧的图像内同一点的像素值的集合；
[0011]-根据背景模型判断当前图像的每一点是背景点还是前景点，其方式为：如果当前
图像中的一点的像素值的一定邻域内存在有足够多的过去的像素值，则将该点判定为背景点；否则，将该点判定为前景点；
[0012]-基于所判断的前景点来提取前景目标；
[0013]-根据前景目标的尺寸参数来确定运送物件的数量。
[0014]在本专利技术中，运送物件可以包括具有统一规则尺寸的任意的物料、如零部件、物料、货物、货箱、料架等等。所述运送物件可以通过任意的运输工具来运输，所述运输工具可以包括叉车、拖车、传送带、机械手、机器人、吊架等等。
[0015]按照本专利技术的确定方法首先逐帧地采集并记录运送物件所通过的位置的图像。在此，所述图像可以通过工业相机拍摄。所述图像可以是灰度图像或彩色图像。
[0016]接着，为图像中的每一点建立背景模型，所述背景模型为过去多个帧的图像内同一点的像素值的集合。需要说明的是，所述像素值可以包括任意表征该点属性的值，如灰度值、颜色空间值、特别是RGB颜色空间值、亮度值、对比度值及上述值的组合。所述背景模型包含了历史图像中同一点上所出现的数值。由此，能够将可能的图像噪声、抖动、亮度轻微变化等图像扰动包含在背景模型内。在此，相比于在现有技术中与固定背景图像作比较，有效地避免上述因素的偏差影响以及由此的前景背景的错误区分。
[0017]然后，根据背景模型判断当前图像的每一点是背景点还是前景点。在此判断方式为：如果当前图像中的一点的像素值的一定邻域内存在有足够多的过去的像素值，则将该点判定为背景点；否则，将该点判定为前景点。在此，处理所采集的最新图像、即当前图像，以考察其中是否含有新出现的物体。具体而言，通过图像处理来获知当前的图像中的每一点与前述背景模型的关联程度：若关联程度高，则该点是背景点；而若关联程度低，则该点是前景点。在此，所述关联程度在数据处理上通过该点的像素值的邻域内是否存在足够多的历史数据来量化。由此能够在考虑到噪声等因素的情况下来考察当前图像的该点若作为背景点是否有足够的数据支持。在此，在像素值为一维数据时，所述邻域可以为单个数轴上的一定长度的区间；在像素值为二维数据时，所述邻域可以为平面上的一定形状范围、如圆形、矩形范围；在像素值为三维数据时，所述邻域可以为空间内的一定立体形状范围、如球形、长方体范围等。在此，可以以一定的数量阈值作为判断标准来规定该点的像素值的邻域内需要存在多少历史数据、即背景模型中所包含的像素值。在该方法步骤中对当前图像的所有点执行上述判断过程，从而在当前图像中区分出前景点和背景点。
[0018]基于所判断的前景点来提取前景目标。特别是，通过两种不同数值在图像上分别标记前景点和背景点，或者说以不同颜色在图像上标记前景点和背景点。优选地，前景用数值255(白色)标记，而背景用数值用0(黑色)标记。由此得出清楚地区分了前景和背景的二值化图像。在此，前景目标为前景点中的至少大部分所构成的形状。在理想的情况下，该前景目标能够直接对应出运送物件的整体形状。
[0019]根据前景目标的尺寸参数来确定运送物件的数量。由于运送物件通常被整齐地被码放，通过其尺寸参数能够容易地确定出运送物件的数量。在此，尺寸参数可以包括长度、宽度、面积、长宽比等。在此，优选使用无量纲的长宽比，因为其不随运送物件所处位置而改变。也可以考虑的是，根据运送物件所处位置对长度、宽度、面积等尺寸参数作缩放。
[0020]通过本专利技术能够准确且可靠地确定出运送物件的数量，从而让物流运输中标识码识别的适用场景更加广泛，使其能够支持不同数量的运送物件的场景。通过本专利技术能够准
确地反映需要识别的运送物件的数量，使得后续的标识码识别能够更为高效地处理，即在识别出所需数量的标识码后结束当前的识别任务，从而节省计算耗费并且加快识别处理速度，同时，通过确定运送物件的数量也能够核验标识码识别结果。此外，由于免去了在非规定数量下的人工操作，也提升了整体的运行效率。进而实现全自动化的物流运作和管理，进一步优化运输、仓储和生产过程。
[0021]按照本专利技术的一种实施方式，通过将新判断为背景点的像素值替换所述集合中的任一点来更新背景模型。由于在实际中，所采集图像的背景可能出现一定的变化，例如摆放了另外的物体、提放了其他运输工具等。有利的是，动态化地建立背景模型，使得背景模型更加准确地反映图像中的实时情况。在此，通过将新判断为背景点的像素值加入或者替换到背景模型中来实本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.用于运送物件的数量的确定方法，所述方法包括：-逐帧地采集并记录运送物件所通过的位置的图像；-为图像中的每一点建立背景模型，所述背景模型为过去多个帧的图像内同一点的像素值的集合；-根据背景模型判断当前图像的每一点是背景点还是前景点，其方式为：如果当前图像中的一点的像素值的一定邻域内存在有足够多的过去的像素值，则将该点判定为背景点；否则，将该点判定为前景点；-基于所判断的前景点来提取前景目标；-根据前景目标的尺寸参数来确定运送物件的数量。2.按照权利要求1所述的确定方法，其特征在于，通过将新判断为背景点的像素值替换所述集合中的任一点来更新背景模型。3.按照权利要求1或2所述的确定方法，其特征在于，所述像素值为RGB颜色空间值；和/或所述邻域由一定半径的球形限定。4.按照权利要求1至3之一所述的确定方法，其特征在于，所述前景目标通过检测前景点所组成的最大轮廓、特别是外接矩形得出。5.按照权利要求4所述的确定方法，其特征在于，所述前景目标的尺寸参数为矩形的长宽比。6.按照权利要求4或5所述的确定方法，其特征在于，在检测到多个外接矩形时将其融合为一个矩形，优选地，在外接矩形之间的间距小于间距阈值时进行所述融合。7.按照权利要求1至6之一所述的确定方法，其特征在于，所述运送物件为料架或货箱。8.用于运送物件的识别方法，其中，每个运送物件带有一个标识码，所述识别方法包括：-基于按照权利要求1至7之一所述的确定方法来确定运送物件的数量...
【专利技术属性】
技术研发人员：任家超，
申请(专利权)人：华晨宝马汽车有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。