CN110057292A - 车厢装载率的确定方法和装置 - Google Patents

Abstract

本发明提供了一种车厢装载率的确定方法和装置，涉及交通物流技术领域，利用结构光传感器采集目标车厢的三维点云数据；根据三维点云数据，计算目标车厢内的货物的货物体积；将货物体积除以预先测量的目标车厢的最大容积，得到目标车厢的装载率，这种直接测量货物体积的方式，提高了货物体积的精度，进而提高了所计算的装载率的精度。

Description

车厢装载率的确定方法和装置

技术领域

本发明涉及交通物流技术领域，尤其是涉及一种车厢装载率的确定方法和装置。

背景技术

在货车运载货物的过程中，货车车厢的装载率直接影响到车次调度、单位货运成本，是影响整个物流行业盈利水平的关键指标。在计算装载率的时候，通常需要获取货物的体积，在获取货物的体积时，工作人员基于移动终端的量方功能在装车前预先获取货物的体积，但由于货物体积的精度偏差、累计误差以及具体装车上的差异，无法获取装车后实际的货车装载率。这种通过累计的货物体积与货箱容积的方式间接计算的装载率与实际装载率之间存在差异。

发明内容

有鉴于此，本发明的目的在于提供一种车厢装载率的确定方法和装置，以缓解间接获取的货物体积计算装载率，而造成装载率计算不准的技术问题。

第一方面，本发明实施例提供了一种车厢装载率的确定方法，该方法包括：利用结构光传感器采集目标车厢的三维点云数据；根据三维点云数据，计算目标车厢内的货物的货物体积；将货物体积除以预先测量的目标车厢的最大容积，得到目标车厢的装载率。

进一步的，根据三维点云数据，计算目标车厢内的货物的货物体积的步骤，包括：当结构光传感器放置在目标车厢的厢尾外的预设位置时，根据三维点云数据，确定三维点云数据中目标车厢的厢框轮廓区；其中，厢尾外的预设位置为结构光传感器的视野完全覆盖目标车厢的位置；在厢框轮廓区所包含的三维点云数据中，判断该三维点云数据的车厢深度是否等于预先测量的目标车厢的车厢深度；如果否，根据厢框轮廓区所包含的三维点云数据，计算目标车厢的空余容量；将目标车厢的最大容积减目标车厢的空余容量，得到目标车厢内的货物的货物体积。

进一步的，根据三维点云数据，确定三维点云数据中目标车厢的厢框轮廓区的步骤，包括：获取三维点云数据的各个点云的深度数据；将深度数据的衰减幅度大于预设衰减幅度的点云，确定为突出物的点云；其中，衰减幅度为点云的深度数据和相邻点云的深度数据之间的差值；对所有突出物的点云进行连线；识别出连线中的连续且闭合的四边形连线；将四边形连线围成的区域确定为目标车厢的厢框轮廓区。

进一步的，确定三维点云数据中目标车厢的厢框轮廓区的步骤，包括：当目标车厢为无车顶类的车厢时，根据预设定的目标车厢的虚拟车厢高度，确定三维点云数据中目标车厢的厢框轮廓区。

进一步的，根据三维点云数据，计算目标车厢内的货物的货物体积的步骤，包括：当结构光传感器放置在目标车厢的车厢内的多个预设位置点时，将结构光传感器采集的多个预设位置点的三维点云数据标定到预建立的坐标系下，进行数据拼接，得到目标车厢的全车厢点云数据；其中，预设位置点为预先设定的车厢测量点；根据全车厢点云数据，得到目标车厢内的货物的货物体积。

进一步的，方法还包括：确定目标车厢对应车辆的车牌信息；在预建立的车辆数据库中，获得车牌信息对应车辆的车厢的车厢信息，其中，车厢信息包括最大容积和车厢深度；车辆数据库包括车辆的车牌信息、车辆的车厢的最大容积和该车厢的车厢深度。

进一步的，确定目标车厢对应车辆的车牌信息的步骤，包括：利用可见光传感器在目标车厢对应的车辆的车牌安装处，采集该车辆的平面图像信息；从平面图像信息中，识别目标车厢对应的车辆的车牌信息。

第二方面，本发明实施例还提供一种车厢装载率的确定装置，该装置包括：采集模块，用于利用结构光传感器采集目标车厢的三维点云数据；货物体积计算模块，用于根据三维点云数据，计算目标车厢内的货物的货物体积；装载率计算模块，用于将货物体积除以预先测量的目标车厢的最大容积，计算得到目标车厢的装载率。

进一步的，该装置还包括：车牌确定模块，用于确定目标车厢对应车辆的车牌信息；获取车厢信息模块，用于在预建立的车辆数据库中，获得车牌信息对应车辆的车厢的车厢信息，其中，车厢信息包括最大容积和车厢深度；车辆数据库包括车辆的车牌信息、车辆的车厢的最大容积和该车厢的车厢深度。

第三方面，本发明实施例提供了一种服务器，该服务器包括存储器以及处理器，该存储器用于存储支持处理器执行第一方面所述方法的程序，该处理器被配置为用于执行该存储器中存储的程序。

第四方面，本发明实施例还提供一种计算机存储介质，用于存储计算机程序指令，当计算机执行所示计算机程序指令时，执行如第一方面所述的方法。

本发明实施例带来了以下有益效果：

本发明实施例提供的一种车厢装载率的确定方法和装置，利用结构光传感器采集目标车厢的三维点云数据；根据三维点云数据，计算目标车厢内的货物的货物体积；将货物体积除以预先测量的目标车厢的最大容积，得到目标车厢的装载率，这种直接测量货物体积的方式，提高了货物体积的精度，进而提高了所计算的装载率的精度。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种车厢装载率的确定方法的流程图；

图2为本发明实施例提供的另一种车厢装载率的确定方法的流程图；

图3为本发明实施例提供的一种车厢装载率的确定装置的结构示意图；

图4为本发明实施例提供的另一种车厢装载率的确定装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前在计算车厢的装载率时，工作人员基于移动终端的量方功能在装车前预先获取货物的体积，通过累计的货物体积与货箱容积作为车厢的货物容积，进而间接计算车厢的装载率，这种利用间接获取的货物体积计算装载率会造成装载率计算不准，基于此，本发明实施例提供的一种车厢装载率的确定方法和装置，可以直接测量货物体积，提高了货物体积和装载率的计算精度。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种车厢装载率的确定方法进行详细介绍。

实施例一：

本发明实施例提供了一种车厢装载率的确定方法，参考图1所示的一种车厢装载率的确定方法的流程图，该方法包括以下步骤：

步骤S102，利用结构光传感器采集目标车厢的三维点云数据；

上述目标车厢可以为货车等运载车中的一节车厢，在采集三维点云数据的过程中，结构光传感器可以根据内部激光发射-接收器向车厢内发射红外光，并接受反射回的红外线，进而获取三维结构光信息和对应的深度数据信息，得到三维点云数据。

步骤S104，根据三维点云数据，计算目标车厢内的货物的货物体积；

在计算该货物体积时，可以通过识别货物所在的货物区域，根据货物区域中所有点的深度值，以及点与点之间的间距平方值，计算货物体积，其中，货物体积的计算公式为：

其中，V为货物体积，N为货物区域的所有点的个数；Depth(n)为第n个点对应的深度值；S(n)为第n个点和第n+1个点中间间距的平方值，该平方值为常数；

上述货物体积还可以通过计算目标车厢内的空余体积的方式，计算货物体积；其中，空余体积的计算方式与上述货物体积的计算公式相似；此时，货物体积的计算公式等于预先测量的目标车厢的最大容积和空余体积的差值。

步骤S106，将货物体积除以预先测量的目标车厢的最大容积，得到目标车厢的装载率；其中，上述目标车厢的最大容积即为目标车厢满载状态下所装载货物的容积值。

本发明实施例提供的一种车厢装载率的确定方法和装置，利用结构光传感器采集目标车厢的三维点云数据；根据三维点云数据，计算目标车厢内的货物的货物体积；将货物体积除以预先测量的目标车厢的最大容积，得到目标车厢的装载率，这种利用结构光传感器直接测量货物体积的方式，提高了货物体积的精度，进而提高了所计算的装载率的精度。

在上述实施例提供的车厢装载率的确定方法的基础上，图2示出了另一种车厢装载率的确定方法的流程图，该方法包括以下步骤：

步骤S200，确定目标车厢对应车辆的车牌信息；

在确定车牌信息的过程中，一种方式可以由工作人员人工输入车牌信息，另一种方式可以用图像采集设备，如可见光传感器，通过采集和识别图像的方式自动获取车牌信息，在自动获取车牌信息的过程中，可以由以下步骤01和步骤02实现：

步骤01，利用可见光传感器在目标车厢对应的车辆的车牌安装处，采集该车辆的平面图像信息；

步骤02，从平面图像信息中，识别目标车厢对应的车辆的车牌信息。在上述识别过程中，首先要确定车牌所在的位置区域，其次，在确定的位置区域内，根据预建立的车牌识别算法进行文字、数字和字母的识别。

步骤S202，在预建立的车辆数据库中，获得车牌信息对应车辆的车厢的车厢信息；

上述预建立的车辆数据库可以是人为录入的或从车管所等车辆信息注册地等获取得到的；上述车辆数据库包括车辆的型号和车牌信息、车辆的车厢信息等车辆详情，车厢信息包括最大容积、车厢深度，还可以包括车厢宽度、高度等信息。

步骤S204，利用结构光传感器采集目标车厢的三维点云数据；

步骤S206，如果结构光传感器放置在目标车厢的厢尾外的预设位置，执行步骤S208，如果结构光传感器放置在目标车厢的车厢内的多个预设位置点，执行步骤S216；

其中，厢尾外的预设位置为结构光传感器的视野可以完全覆盖目标车厢的位置，基于此，结构光传感器才可以采集到完整的车厢厢体的点云数据；车厢内的预设位置点为预先设定的车厢测量点，该车厢测量点可以为车厢的某一个角落或位置，该位置是通过分析结构光传感器的视野覆盖面，依据多个预设位置点对应的视野组合构成厢内的整体视野的原则设定的车厢测量点；

步骤S208，根据三维点云数据，确定三维点云数据中目标车厢的厢框轮廓区；

在确定厢框轮廓区的过程中，可以根据目标车厢的类型选择不同的实现方式，当目标车厢存在完整的车厢厢框时，可以由以下步骤11～步骤15实现：

步骤11，获取三维点云数据的各个点云的深度数据；

步骤12，将深度数据的衰减幅度大于预设衰减幅度的点云，确定为突出物的点云；其中，衰减幅度为点云的深度数据和相邻点云的深度数据之间的差值；

例如，某一点云的深度数据为(x,y,z),且该点云的相邻点云的深度数据为(x+1,y,z-100)，当判断出衰减幅度100大于预设衰减幅度时，确定上述点云为突出物的点云；其中，x,y,z分别为深度数据所在坐标系的坐标值。值得说明的是，上述预设衰减幅度是根据实际突出物点云的判断需求设定的，上述点云的深度数据仅为一个实施例数据，并不代表真实的点云数据。

步骤13，对所有突出物的点云进行连线；

步骤14，识别出连线中的连续且闭合的四边形连线；

步骤15，将四边形连线围成的区域确定为目标车厢的厢框轮廓区。

这种利用深度数据对应的梯度信息确定目标车厢的厢框轮廓区的方式，可以获得准确的厢框轮廓。

当目标车厢无完整的车厢厢框时，如无厢、高挂车(四周有围栏但无车顶)的车辆的车厢，步骤S208，确定三维点云数据中目标车厢的厢框轮廓区的另一种实现方式包括以下步骤：

当目标车厢为无车顶类的车厢时，根据预设定的目标车厢的虚拟车厢高度，确定三维点云数据中目标车厢的厢框轮廓区；其中，虚拟车厢高度为该车厢最高可装载的货物高度，或车厢所被允许的最高高度；

步骤S210，在厢框轮廓区所包含的三维点云数据中，判断该三维点云数据的车厢深度是否等于预先测量的目标车厢的车厢深度；如果否，执行步骤S212，如果是，执行步骤S218；

步骤S212，根据厢框轮廓区所包含的三维点云数据，计算目标车厢的空余容量；

步骤S214，将目标车厢的最大容积减目标车厢的空余容量，得到目标车厢内的货物的货物体积；

步骤S216，将结构光传感器采集的多个预设位置点的三维点云数据标定到预建立的坐标系下，进行数据拼接，得到目标车厢的全车厢点云数据；

步骤S218，根据全车厢点云数据或厢框轮廓区所包含的三维点云数据，得到目标车厢内的货物的货物体积；

步骤S220，将货物体积除以预先测量的目标车厢的最大容积，得到目标车厢的装载率。

上述实施例提供的车厢装载率的确定方法，能够在货物较多的情况下，站在车厢外边采集三维点云数据，并根据三维点云数据确定车框的厢框轮廓区，进而当深度数据得到的车厢深度未达到了车辆数据库的车厢深度，确定货物把车厢内部的空间占了，利用车厢最大容积减去空余容积得到货物体积，再计算得到装载率；

当货物较少的情况下，可以站在车厢厢内采集点云数据，并通过点云数据拼接的方式，获得车厢厢体的全车厢点云数据，这种近距离采集并拼接点云数据的方式保证了点云数据的准确度，也确保了由此计算的货物体积和装载率的准确率，避免了车厢在中间空载情况下的装载率计算不准确的问题。

综上，上述的两种直接测量车厢内货物体积的方式，均保证了货物体积和装载率的精度。

实施例二：

在上述实施例提供的车厢装载率的确定方法的基础上，本发明实施例还提供一种车厢装载率的确定装置，参考图3所示的一种车厢装载率的确定装置的结构示意图，该装置包括：

采集模块302，用于利用结构光传感器采集目标车厢的三维点云数据；

货物体积计算模块304，用于根据三维点云数据，计算目标车厢内的货物的货物体积；

装载率计算模块306，用于将货物体积除以预先测量的目标车厢的最大容积，计算得到目标车厢的装载率。

在上述实施例提供的车厢装载率的确定装置的基础上，图4还示出了另一种车厢装载率的确定装置的结构示意图，该装置还包括以下模块：

车牌确定模块402，用于确定目标车厢对应车辆的车牌信息；

获取车厢信息模块404，用于在预建立的车辆数据库中，获得车牌信息对应车辆的车厢的车厢信息，其中，车厢信息包括最大容积和车厢深度；车辆数据库包括车辆的车牌信息、车辆的车厢的最大容积和该车厢的车厢深度。

本发明实施例提供的车厢装载率的确定装置，与上述实施例提供的车厢装载率的确定方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。

本发明实施例还提供了一种服务器，该服务器包括存储器以及处理器，上述存储器用于存储支持处理器执行上述实施例一所述方法的程序，上述处理器被配置为用于执行该存储器中存储的程序。

进一步，本发明实施例还提供一种计算机存储介质，用于存储计算机程序指令，当计算机执行所示计算机程序指令时，执行如上述实施例一所述的方法。

本发明实施例所提供的车厢装载率的确定方法、装置以及***的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

附图中的流程图和结构框图显示了根据本发明的多个实施例的方法、装置和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

在本申请所提供的几个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种车厢装载率的确定方法，其特征在于，所述方法包括：

利用结构光传感器采集目标车厢的三维点云数据；

根据所述三维点云数据，计算所述目标车厢内的货物的货物体积；

将所述货物体积除以预先测量的所述目标车厢的最大容积，得到所述目标车厢的装载率。

2.根据权利要求1所述的方法，其特征在于，根据所述三维点云数据，计算所述目标车厢内的货物的货物体积的步骤，包括：

当所述结构光传感器放置在所述目标车厢的厢尾外的预设位置时，根据所述三维点云数据，确定所述三维点云数据中目标车厢的厢框轮廓区；其中，所述厢尾外的预设位置为所述结构光传感器的视野完全覆盖所述目标车厢的位置；

在所述厢框轮廓区所包含的三维点云数据中，判断该三维点云数据的车厢深度是否等于预先测量的所述目标车厢的车厢深度；

如果否，根据所述厢框轮廓区所包含的三维点云数据，计算所述目标车厢的空余容量；

将所述目标车厢的最大容积减所述目标车厢的空余容量，得到所述目标车厢内的货物的货物体积。

3.根据权利要求2所述的方法，其特征在于，根据所述三维点云数据，确定所述三维点云数据中目标车厢的厢框轮廓区的步骤，包括：

获取所述三维点云数据的各个点云的深度数据；

将所述深度数据的衰减梯度大于预设衰减梯度的点云，确定为突出物的点云；其中，所述衰减梯度为点云的深度数据和旁边的点云的深度数据之间的差值；

对所有所述突出物的点云进行连线；

识别出所述连线中的连续且闭合的四边形连线；

将所述四边形连线围成的区域确定为所述目标车厢的厢框轮廓区。

4.根据权利要求2所述的方法，其特征在于，确定所述三维点云数据中目标车厢的厢框轮廓区的步骤，包括：

当所述目标车厢为无车顶类的车厢时，根据预设定的所述目标车厢的虚拟车厢高度，确定所述三维点云数据中目标车厢的厢框轮廓区。

5.根据权利要求1所述的方法，其特征在于，根据所述三维点云数据，计算所述目标车厢内的货物的货物体积的步骤，包括：

当所述结构光传感器放置在所述目标车厢的车厢内的多个预设位置点时，将所述结构光传感器采集的多个预设位置点的三维点云数据标定到预建立的坐标系下，进行数据拼接，得到所述目标车厢的全车厢点云数据；其中，所述预设位置点为预先设定的车厢测量点；

根据所述全车厢点云数据，得到所述目标车厢内的货物的货物体积。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

确定所述目标车厢对应车辆的车牌信息；

在预建立的车辆数据库中，获得所述车牌信息对应车辆的车厢的车厢信息，其中，所述车厢信息包括最大容积和车厢深度；所述车辆数据库包括车辆的车牌信息、所述车辆的车厢的最大容积和该车厢的车厢深度。

7.根据权利要求6所述的方法，其特征在于，确定所述目标车厢对应车辆的车牌信息的步骤，包括：

利用可见光传感器在所述目标车厢对应的车辆的车牌安装处，采集该车辆的平面图像信息；

从所述平面图像信息中，识别所述目标车厢对应的车辆的车牌信息。

8.一种车厢装载率的确定装置，其特征在于，所述装置包括：

采集模块，用于利用结构光传感器采集目标车厢的三维点云数据；

货物体积计算模块，用于根据所述三维点云数据，计算所述目标车厢内的货物的货物体积；

装载率计算模块，用于将所述货物体积除以预先测量的所述目标车厢的最大容积，计算得到所述目标车厢的装载率。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

车牌确定模块，用于确定所述目标车厢对应车辆的车牌信息；

获取车厢信息模块，用于在预建立的车辆数据库中，获得所述车牌信息对应车辆的车厢的车厢信息，其中，所述车厢信息包括最大容积和车厢深度；所述车辆数据库包括车辆的车牌信息、所述车辆的车厢的最大容积和该车厢的车厢深度。

10.一种服务器，其特征在于，所述服务器括存储器以及处理器，所述存储器用于存储支持所述处理器执行权利要求1～7任一所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。