[發明專利]一種倉儲物流機器人工作區域異常監測方法

有效

• 申請號: 202211002392.6
• 申請日: 2022-08-22
• 公開（公告）號: CN115082841B
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 馮繼友
• 申請（專利權）人: 山東海拓天宇智能機器人有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V20/52;G06V20/70
• 代理公司: 河南華凱科源專利代理事務所(普通合伙) 41136
• 代理人: 靳建山

1.一種倉儲物流機器人工作區域異常監測方法，其特征在于，該方法包括以下步驟：

獲取整個倉儲區的監控視頻數據；當物流機器人在當前工作區域出現工作異常時，分別獲取所述監控視頻數據中前N個其他物流機器人正常工作經過當前工作區域時的歷史圖像，N為正整數；基于所述歷史圖像獲取當前工作區域沒有異常時的地面灰度值集合和軌跡灰度值集合；

獲取所述監控視頻數據中物流機器人到達當前工作區域前的當前工作區域圖像，將當前工作區域圖像中對應在所述地面灰度值集合的灰度值作為第一正常灰階、對應在所述軌跡灰度值集合的灰度值作為第二正常灰階、剩余灰度值各為一個異常灰階；基于第一正常灰階、第二正常灰階和異常灰階對當前工作區域圖像進行連通域分析，統計每個灰階下同一連通域面積的數量；分別對每個異常灰階下不同面積的連通域的所述數量進行加權求和得到對應異常灰階的異常程度，所述加權求和的權重是指連通域的面積平方，選取最大的所述異常程度作為灰階整體異常程度；

根據所有異常灰階下連通域的面積計算平均連通域面積，根據每個異常灰階下不同連通域的面積與所述平均連通域面積之間的差異，計算異常灰階離散程度；分別獲取第一正常灰階下的最大連通域面積和最大連通域面積對應所述數量之間的第一乘積、第二正常灰階下的最大連通域面積和最大連通域面積對應所述數量之間的第二乘積；結合所述灰階整體異常程度、所述異常灰階離散程度、所述第一乘積和所述第二乘積得到當前工作區域圖像的整體異常程度，設定異常程度閾值，當整體異常程度大于異常程度閾值時，確認物流機器人在到達當前工作區域前，當前工作區域已經存在異常，即物流機器人在當前工作區域出現工作異常是因為之前通過當前工作區域的其他機器人造成了當前工作區域的異常，并不是該物流機器人造成的，進而對之前的其他機器人進行檢查；當整體異常程度小于或等于異常程度閾值時，確認物流機器人在當前工作區域時造成了當前工作區域的異常，即物流機器人在當前工作區域出現工作異常是因為該物流機器人造成的。

2.如權利要求1所述的一種倉儲物流機器人工作區域異常監測方法，其特征在于，所述基于所述歷史圖像獲取當前工作區域沒有異常時的地面灰度值集合和軌跡灰度值集合的方法，包括：

分別統計每張所述歷史圖像中每個灰度值下所對應的像素點數量，將相同灰度值下的像素點數量進行累加得到對應灰度值的像素點總數，以組成像素值的像素點總數集合；

基于灰度值差值利用K-means聚類算法將像素值的像素點總數集合分為兩個集合；分別對每個集合中的像素點總數進行累加，則累加結果大的集合是地面灰度值的像素點總數集合，相對應另一個集合是軌跡灰度值的像素點總數集合；

將地面灰度值的像素點總數集合所對應的灰度值組成所述地面灰度值集合、軌跡灰度值的像素點總數集合所對應的灰度值組成所軌跡灰度值集合。

3.如權利要求1所述的一種倉儲物流機器人工作區域異常監測方法，其特征在于，所述異常灰階離散程度的獲取方法，包括：

根據當前異常灰階下連通域的當前面積與當前面積對應連通域的所述數量，獲取當前面積與對應所述數量的乘積，進而獲取每個異常灰階下不同連通域的面積所對應的所述乘積；對每個所述乘積與所述平均連通域面積之間的差值絕對值進行累加，將累加結果與所述乘積的總數量之間的比值作為所述異常灰階離散程度。

4.如權利要求1所述的一種倉儲物流機器人工作區域異常監測方法，其特征在于，所述結合所述灰階整體異常程度、所述異常灰階離散程度、所述第一乘積和所述第二乘積得到當前工作區域圖像的整體異常程度的方法，包括：

將所述第一乘積和所述第二乘積相加得到正常灰階下的最大整體連通域面積；獲取異常灰階下的最大連通域面積，以及所述灰階整體異常程度與所述異常灰階離散程度之間的第三乘積，將第三乘積與所述最大整體連通域面積的差值作為冪指數、自然數e作為底數的結果加上異常灰階下的最大連通域面積，得到當前工作區域圖像的所述整體異常程度。