[發明專利]一種零擔貨物智能形狀識別優化裝箱方法及裝置

有效

• 申請號: 201911065529.0
• 申請日: 2019-11-04
• 公開（公告）號: CN110853004B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 徐翔斌;何世奇;韓珊珊
• 申請（專利權）人: 華東交通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06T7/80;G01D21/02
• 代理公司: 南昌市平凡知識產權代理事務所 36122
• 代理人: 姚伯川

1.一種零擔貨物智能形狀識別優化裝箱方法，其特征在于，所述方法步驟如下：

(1)通過智能形狀識別測重裝置，采集待裝箱零擔貨物的圖片信息與質量信息；

(2)根據標定攝像頭得到的內外參數，對獲取的圖片進行矯正，使獲取的圖片與理想相機模型得到的圖片一致；

(3)應用深度學習中的卷積神經網絡對圖片進行特征點檢測；

(4)通過利用投影矩陣理論計算特征點的世界坐標，對零擔貨物進行測量，從而得出長寬高的測量值數據；

(5)根據所述貨物的實際識別的尺寸、質量及體積給出每個約束描述方法，并確定三維空間與約束之間的關系；

(6)采用三空間分割與模擬退火算法，生成滿足貨物裝載箱容積約束條件的裝箱方案，完成裝箱優化；

所述裝載方案如下：

根據前述數據與車廂體積，利用三維空間分割啟發式算法得到初始解，將初始解元素進行置換、與互換位置產生新解的鄰域結構；

目標函數，空間填充率最大為；

L、W與H分別表示裝載箱的長寬高，V_F為所有放入車廂容器中零擔貨物體積的集合；

計算與新解所對應的目標函數差；

Δf＝f(w')-f(w)

Δf為目標函數差，f(w')為原解，f(w)為新解；

判斷新解是否被接受,判斷的依據Metropolis準則:若ΔT＜0則接受S'作為新的當前解S，否則以概率exp(-ΔT/T)接受S'作為新的當前解S；

當新解被確定接受時，用新解代替當前解，實現了一次迭代；如果滿足終止條件則輸出當前解作為最優解，結束程序，求得最優裝載布局結果；

所述三維空間分割啟發式算法實現步驟如下：

(1)導入集裝箱與貨物基本數據，通過函數變量定義貨物種類數、貨物數量總數、集裝箱序號，根據空間編碼規則，初始化集裝箱剩余空間；

(2)對貨物的擺放位置進行編碼：i，j，x，y，z，l，w，h＝()其中：i為集裝箱的箱號；j為貨物的種類號；x,y,z為貨物放置的起始坐標點；l,w,h為貨物的長、寬、高的測量值；

(3)對待放入集裝箱貨物的尺寸與集裝箱最大承載量進行判斷，貨物的長、寬、高小于集裝箱剩余空間的長、寬、高，貨物重量之和小于集裝箱的最大承載量；

(4)當貨物滿足上述裝載要求時，按照上述的編碼方式進行裝載；裝載完畢后，根據空間分割規則產生三個子空間，分別為前空間、右空間和上空間；每次生成剩余空間集合后，都要根據空間合并規則對空間進行合并操作；

(5)對剩余空間中的z坐標進行排序，進而確定空間的高低，確保貨物是從下往上進行裝載；

(6)返回步驟(3)，依次加載后續貨物，直至貨物序列集合為空；

(7)當集裝箱剩余空間不能滿足貨物裝載，就要用下一個集裝箱；

(8)最后得出裝載結果和剩余空間的數據。

2.根據權利要求1所述的一種零擔貨物智能形狀識別優化裝箱方法，其特征在于，所述采集待裝箱零擔貨物的圖片信息方式為：

將零擔貨物放入智能形狀識別測重裝置；

零擔貨物在測重的同時，由標定攝像頭拍取多角度零擔貨物的圖片；

獲取的圖片與質量信息導入數據庫存儲。

3.根據權利要求1所述的一種零擔貨物智能形狀識別優化裝箱方法，其特征在于，所述內外參數包括焦距、成像儀中心的偏移量、徑向畸變參數和縱向畸變參數。

4.根據權利要求1所述的一種零擔貨物智能形狀識別優化裝箱方法，其特征在于，所述對圖片進行特征點檢測步驟如下：

將待識別的零擔貨物圖片輸入預先訓練的圖片識別模型，獲取待識別的圖片的預測類別標簽：

所述預先訓練的圖片識別模型采用卷積神經網絡模型，包括輸入層、卷積層、注意力分支、按元素操作層、池化層、全連接層和輸出層；

訓練數據為所述智能形狀識別測重裝置所采集的圖片數據，生成訓練集；

根據訓練集中的圖片以及各訓練圖片的類別，訓練圖片識別模型。