一种基于深度学习和激光雷达的铝棒仓储盘点方法及系统技术方案

本发明专利技术提供了一种基于深度学习和激光雷达的铝棒仓储盘点方法及系统，属于仓储管理领域，方法包括：实时采集仓库内目标区域的铝棒图像及点云数据；采用图像分割模型对铝棒图像进行分割，以确定铝棒图像中的铝棒横截面区域；根据铝棒图像中铝棒横截面区域的数量确定目标区域内的铝棒真实数量；在铝棒图像中标注初步铝棒外轮廓；根据铝棒图像中的铝棒横截面区域及初步铝棒外轮廓确定铝棒图像中的铝棒有效比例；根据点云数据确定目标区域内的初步铝棒横截面总面积；根据初步铝棒横截面总面积及铝棒有效比例确定目标区域内的真实铝棒横截面总面积；根据真实铝棒横截面总面积及铝棒长度确定目标区域内的铝棒总体积

【技术实现步骤摘要】
一种基于深度学习和激光雷达的铝棒仓储盘点方法及系统


[0001]本专利技术涉及仓储管理领域，特别是涉及一种基于深度学习和激光雷达的铝棒仓储盘点方法及系统
。

技术介绍

[0002]传统的铝棒清点方式主要分为手工盘点和盘点机盘点
。
其中，手工盘点主要依靠人员手工记录盘点内容和商品数据，然后跟电脑核对；盘点机盘点利用数据采集器设备把需要盘点的商品信息导入到采集器中，然后利用盘点机扫描商品条码，显示相应的信息，盘点人员录入实际数量，通过导入系统管理软件进行比对
。
这种两种盘点方式都需要盘点工人进入到仓储现场进行一一盘点，需要耗费大量的人力和时间，还容易发生误差，导致盘点结果不精确
。
[0003]此外，还有基于机器视觉的方式实现货物的盘点，但是单纯基于视觉的盘点系统只能得到货物的数量，不能确定货物精确的面积或体积，并且，图像中可能存在遮挡，导致盘点结果不够精准
。

技术实现思路

[0004]本专利技术的目的是提供一种基于深度学习和激光雷达的铝棒仓储盘点方法及系统，可提高铝棒盘点的精度，并精准的确定铝棒的面积和体积
。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种基于深度学习和激光雷达的铝棒仓储盘点方法，包括：
[0007]实时采集仓库内目标区域的铝棒图像及点云数据；所述目标区域为堆放铝棒的区域；所述点云数据包括多个数据点及各数据点的坐标信息；
[0008]采用预先训练好的图像分割模型对所述铝棒图像进行分割，以确定所述铝棒图像中的铝棒横截面区域；
[0009]根据所述铝棒图像中铝棒横截面区域的数量，确定所述目标区域内的铝棒真实数量；
[0010]在所述铝棒图像中标注初步铝棒外轮廓；
[0011]根据所述铝棒图像中的铝棒横截面区域及所述初步铝棒外轮廓，确定所述铝棒图像中的铝棒有效比例；
[0012]根据所述点云数据确定所述目标区域内的初步铝棒横截面总面积；
[0013]根据所述初步铝棒横截面总面积及所述铝棒有效比例，确定所述目标区域内的真实铝棒横截面总面积；
[0014]根据所述真实铝棒横截面总面积及铝棒长度，确定所述目标区域内的铝棒总体积
。
[0015]可选地，所述铝棒图像是通过部署在目标区域的摄像头采集的；所述点云数据是通过部署在所述目标区域的激光雷达采集的
。
[0016]可选地，所述图像分割模型为
yolov5。
[0017]可选地，根据所述铝棒图像中的铝棒横截面区域及所述初步铝棒外轮廓，确定所述铝棒图像中的铝棒有效比例，具体包括：
[0018]根据所述铝棒图像中的铝棒横截面区域，确定所述铝棒图像中的铝棒总面积；
[0019]根据所述初步铝棒外轮廓确定铝棒轮廓面积；所述铝棒有效比例为所述铝棒总面积与所述铝棒轮廓面积的比值
。
[0020]可选地，根据所述点云数据确定所述目标区域内的初步铝棒横截面总面积，具体包括：
[0021]将所述点云数据的
x
轴分为多段，得到多个分段；
[0022]针对任一分段，根据所述分段中各数据点的
y
轴坐标，确定所述分段中数据点的平均高度；
[0023]根据所述分段中数据点的平均高度及所述分段的长度，计算所述分段的面积；
[0024]将各分段的面积进行累加，得到初步铝棒横截面总面积
。
[0025]可选地，所述真实铝棒横截面总面积为所述初步铝棒横截面总面积与所述铝棒有效比例的乘积
。
[0026]可选地，所述基于深度学习和激光雷达的铝棒仓储盘点方法还包括：
[0027]获取预先存储的所述目标区域内的铝棒参考数量；
[0028]判断所述目标区域内的铝棒参考数量与所述目标区域内的铝棒真实数量是否相等，若不相等，则计算所述铝棒参考数量与所述铝棒真实数量的差值，并产生报警信息
。
[0029]可选地，所述基于深度学习和激光雷达的铝棒仓储盘点方法还包括：在前端页面上实时显示所述目标区域内的铝棒真实数量及铝棒总体积
。
[0030]可选地，所述基于深度学习和激光雷达的铝棒仓储盘点方法还包括：将所述铝棒真实数量嵌入所述铝棒图像的指定位置，得到目标铝棒图像，并在前端页面上实时显示所述目标铝棒图像
。
[0031]为实现上述目的，本专利技术还提供了如下方案：
[0032]一种基于深度学习和激光雷达的铝棒仓储盘点系统，包括：摄像头
、
激光雷达及处理器；所述摄像头及所述激光雷达均设置在仓库内，且所述摄像头及所述激光雷达均与所述处理器连接；
[0033]所述摄像头用于实时采集仓库内目标区域的铝棒图像；所述目标区域为堆放铝棒的区域；
[0034]所述激光雷达用于实时采集仓库内目标区域的点云数据；所述点云数据包括多个数据点及各数据点的坐标信息；
[0035]所述处理器采用预先训练好的图像分割模型对所述铝棒图像进行分割，以确定所述铝棒图像中的铝棒横截面区域；根据所述铝棒图像中铝棒横截面区域的数量，确定所述目标区域内的铝棒真实数量；在所述铝棒图像中标注初步铝棒外轮廓；根据所述铝棒图像中的铝棒横截面区域及所述初步铝棒外轮廓，确定所述铝棒图像中的铝棒有效比例；根据所述点云数据确定所述目标区域内的初步铝棒横截面总面积；根据所述初步铝棒横截面总面积及所述铝棒有效比例，确定所述目标区域内的真实铝棒横截面总面积；根据所述真实铝棒横截面总面积及铝棒长度，确定所述目标区域内的铝棒总体积
。
[0036]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术采用图像分割模型对铝棒图像进行分割，以确定铝棒横截面区域，进而根据铝棒横截面区域的数量实现对铝棒的盘点，在图像分割的基础上，结合点云数据确定目标区域内的真实铝棒横截面总面积；根据真实铝棒横截面总面积及铝棒长度，确定目标区域内的铝棒总体积
。
能够自动对目标区域内的铝棒进行盘点，自动确定铝棒的横截面面积和体积，降低了铝棒仓储盘点的复杂度，并提高了铝棒仓储盘点的准确性
。
附图说明
[0037]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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
。
[0038]图1为本专利技术提供的基于深度学习和激光雷达的铝棒仓储盘点方法的流程图；
[0039]图2为图像分割模型的训练过程示意图；
[0040]图3为本专利技术提供的基于深度学习和激光雷达的铝棒仓储盘点系统的示意图
。
[0041]符号说明：1‑
摄像头，2‑
激光雷达，3‑
处理器
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于深度学习和激光雷达的铝棒仓储盘点方法，其特征在于，所述基于深度学习和激光雷达的铝棒仓储盘点方法包括：实时采集仓库内目标区域的铝棒图像及点云数据；所述目标区域为堆放铝棒的区域；所述点云数据包括多个数据点及各数据点的坐标信息；采用预先训练好的图像分割模型对所述铝棒图像进行分割，以确定所述铝棒图像中的铝棒横截面区域；根据所述铝棒图像中铝棒横截面区域的数量，确定所述目标区域内的铝棒真实数量；在所述铝棒图像中标注初步铝棒外轮廓；根据所述铝棒图像中的铝棒横截面区域及所述初步铝棒外轮廓，确定所述铝棒图像中的铝棒有效比例；根据所述点云数据确定所述目标区域内的初步铝棒横截面总面积；根据所述初步铝棒横截面总面积及所述铝棒有效比例，确定所述目标区域内的真实铝棒横截面总面积；根据所述真实铝棒横截面总面积及铝棒长度，确定所述目标区域内的铝棒总体积
。2.
根据权利要求1所述的基于深度学习和激光雷达的铝棒仓储盘点方法，其特征在于，所述铝棒图像是通过部署在目标区域的摄像头采集的；所述点云数据是通过部署在所述目标区域的激光雷达采集的
。3.
根据权利要求1所述的基于深度学习和激光雷达的铝棒仓储盘点方法，其特征在于，所述图像分割模型为
yolov5。4.
根据权利要求1所述的基于深度学习和激光雷达的铝棒仓储盘点方法，其特征在于，根据所述铝棒图像中的铝棒横截面区域及所述初步铝棒外轮廓，确定所述铝棒图像中的铝棒有效比例，具体包括：根据所述铝棒图像中的铝棒横截面区域，确定所述铝棒图像中的铝棒总面积；根据所述初步铝棒外轮廓确定铝棒轮廓面积；所述铝棒有效比例为所述铝棒总面积与所述铝棒轮廓面积的比值
。5.
根据权利要求1所述的基于深度学习和激光雷达的铝棒仓储盘点方法，其特征在于，根据所述点云数据确定所述目标区域内的初步铝棒横截面总面积，具体包括：将所述点云数据的
x
轴分为多段，得到多个分段；针对任一分段，根据所述分段中各数据点的
y
轴坐标，确定所述分段中数据点的平均高度；根据所述分段中数据点的平均高度及所述分段的长度，计算所述分段的面积；将各分段的面积进行累加，得到初步铝棒横截面总面积
。6.
根据权利要...

【专利技术属性】
技术研发人员：嵇绪，李伯东，黄翔煊，
申请(专利权)人：上海汇道信息科技有限公司，
类型：发明
国别省市：