[發明專利]裝載率獲取方法、裝置、系統及存儲介質

有效

• 申請號: 201810329727.2
• 申請日: 2018-04-13
• 公開（公告）號: CN108898044B
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 趙夢雨;張玉雙;樸安妮;黃茂彪;張宇軒
• 申請（專利權）人: 順豐科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京志霖恒遠知識產權代理事務所(普通合伙) 11435
• 代理人: 郭棟梁

1.一種車輛裝載率獲取方法，其特征在于，該方法包括：

獲取第一時刻的視頻幀，所述視頻幀包括目標區域的第一左視圖和第一右視圖，所述目標區域為所述車輛載貨后的車廂區域，所述第一時刻為第一觸發狀態對應的時刻；

基于所述第一左視圖和所述第一右視圖計算深度圖，所述深度圖包括多個深度值；

從所述第一左視圖或所述第一右視圖中提取第一感興趣區域，所述第一感興趣區域為所述目標區域；

從所述深度圖中確定與所述第一感興趣區域的邊緣對應的深度值的子集合；

基于所述子集合計算所述車輛的裝載率。

2.根據權利要求1所述的方法，其特征在于，所述基于所述子 集合計算所述車輛的裝載率，包括：

采用積分方法基于所述子集合計算載貨后的車廂的剩余體積；

計算所述車廂的可用體積與所述剩余體積的差值；

將所述差值與所述可用體積的比值作為所述車輛的裝載率。

3.根據權利要求1或2所述的方法，其特征在于，所述基于所述第一左視圖和第一右視圖計算深度圖，包括：

利用半全局塊匹配算法計算所述第一左視圖和第一右視圖的視差圖；

然后，將所述視差圖轉換成所述深度圖，所述深度圖包括與所述視差圖的像素一一對應的深度值。

4.根據權利要求1-3任一項所述的方法，其特征在于，所述從所述第一左視圖或所述第一右視圖中獲取第一感興趣區域，包括：

將所述第一左視圖或所述第一右視圖輸入預先建立的神經網絡模型進行檢測，輸出所述第一感興趣區域。

5.根據權利要求4所述的方法，其特征在于，所述神經網絡模型為全卷積網絡模型。

6.根據權利要求4或5所述的方法，其特征在于，所述輸出所述第一感興趣區域，還包括：

輸出與所述第一左視圖或所述第一右視圖具有相同尺寸的布爾值表，該表中數值1表示對應的像素屬于所述第一感興趣區域的邊緣，數值0表示為對應的像素不屬于所述第一感興趣區域的邊緣。

7.根據權利要求1-6任一項所述的方法，其特征在于，所述從所述深度圖中確定與所述第一感興趣區域的邊緣對應的深度值的子集合，包括：

確定所述第一感興趣區域在所述第一左視圖或所述第一右視圖中對應的坐標位置；

在所述深度圖中基于所述坐標位置確定與所述坐標位置對應的深度值作為子集合。

8.根據權利要求1-7任一項所述的方法，其特征在于，在基于所述子集合計算所述車輛的裝載率之前，該方法還包括：

計算所述子集合的每個深度值在垂直方向上的變化量；

基于所述變化量計算車廂平面與成像平面之間的夾角；

根據所述夾角校正所述第一感興趣區域的邊緣對應的像素的三維坐標；

再利用校正后的三維坐標調整所述子集合。

9.根據權利要求8所述的方法，其特征在于，在基于所述第一左視圖和所述第一右視圖計算深度圖之前，該方法還包括：

獲取第二時刻的視頻幀，所述視頻幀包括第二左視圖和第二右視圖，所述第二時刻為第二觸發狀態對應的時刻；

將所述第二左視圖或所述第二右視圖與預先設定的RGB信息比較，得到第二感興趣區域，所述第二感興趣區域是所述車輛的車牌區域；

將所述第二感興趣區域輸入檢測識別模型，得到識別結果，所述識別結果為所述車輛的車牌號碼，其中，所述檢測識別模型包括預先訓練得到的檢測模型和識別模型，所述檢測模型采用機器學習算法訓練得到，所述識別模型采用深度學習算法訓練得到。

10.根據權利要求9所述的方法，其特征在于，將所述第二感興趣區域輸入檢測識別模型，得到識別結果，包括：

將所述第二感興趣區域輸入所述檢測模型，得到第一結果；

將所述第一結果輸入所述識別模型，得到所述識別結果。