[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

本發明涉及圖像處理技術領域，具體涉及一種倉儲物流機器人工作區域異常監測方法，該方法是當物流機器人在當前工作區域出現工作異常時，根據當前工作區域沒有異常時的歷史圖像，得到地面灰度值集合和軌跡灰度值集合；對物流機器人到達當前工作區域前的當前工作區域圖像進行正常灰階和異常灰階的劃分，根據異常灰階下不同面積的連通域的數量得到灰階整體異常程度；根據所有異常灰階下連通域的不同面積計算異常灰階離散程度；獲取正常灰階下的最大連通域面積，以結合灰階整體異常程度和異常灰階離散程度得到的整體異常程度，確認當前工作區域的異常原因，以快速采取有效措施進行異常處理，保證倉儲物流的正常高效運轉。

技術領域

本發明涉及圖像處理技術領域，具體涉及一種倉儲物流機器人工作區域異常監測方法。

背景技術

近年來隨著科技的發展進步，倉儲物流機器人開始大范圍應用在倉儲物流行業。無人化的倉儲區物流機器人在工作的過程中，由于物品擺放的原因或是機器人的自身原因會使得倉庫存放的物品散落地面，又由于物流機器人是根據既定路線運行，因此散落在地面的物品會成為障礙物，使得物流機器人停止運行。

目前，對于物流機器人的工作區域異常檢測的方法通常是：采集工作區域中不存在異常時的工作區域圖像，以作為標準圖像，進而采集實時工作區域圖像，通過對標準圖像與實時工作區域圖像作差來判斷工作區域是否存在異常。但是該方法只能粗略的判斷工作區域是否存在異常，而無法準確判斷工作區域的異常原因是當前物流機器人造成的，還是之前物流機器人造成的，進而無法采取有效措施進行異常處理。

發明內容

為了解決上述技術問題，本發明的目的在于提供一種倉儲物流機器人工作區域異常監測方法，所采用的技術方案具體如下：

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，由所述整體異常程度確認當前工作區域的異常原因。

進一步的，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。

進一步的，所述異常灰階離散程度的獲取方法，包括：