CN115112508A - 民航机场托运行李软硬包识别装置和方法 - Google Patents
民航机场托运行李软硬包识别装置和方法 Download PDFInfo
- Publication number
- CN115112508A CN115112508A CN202211036891.7A CN202211036891A CN115112508A CN 115112508 A CN115112508 A CN 115112508A CN 202211036891 A CN202211036891 A CN 202211036891A CN 115112508 A CN115112508 A CN 115112508A
- Authority
- CN
- China
- Prior art keywords
- luggage
- point cloud
- baggage
- sample
- hard
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000001125 extrusion Methods 0.000 claims abstract description 35
- 230000007246 mechanism Effects 0.000 claims description 19
- 238000010606 normalization Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 238000003825 pressing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000003064 k means clustering Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 10
- 230000009466 transformation Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000009432 framing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/40—Investigating hardness or rebound hardness
- G01N3/42—Investigating hardness or rebound hardness by performing impressions under a steady load by indentors, e.g. sphere, pyramid
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/02—Details
- G01N3/06—Special adaptations of indicating or recording means
- G01N3/068—Special adaptations of indicating or recording means with optical indicating or recording means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0058—Kind of property studied
- G01N2203/0076—Hardness, compressibility or resistance to crushing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/06—Indicating or recording means; Sensing means
- G01N2203/0641—Indicating or recording means; Sensing means using optical, X-ray, ultraviolet, infrared or similar detectors
- G01N2203/0647—Image analysis
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及行李分拣技术领域，公开了一种民航机场托运行李软硬包识别装置和方法，所述装置包括机架、压触模块、测距模块和视觉模块；所述机架架设在行李输送设备上方；所述压触模块设置在所述机架之上，用于接触并挤压行李，使行李产生凹陷变形，并采集行李凹陷处的凹陷挤压力；所述测距模块设置在所述机架之上，用于感应行李经过以及采集行李上表面与所述压触模块下端的高度距离；所述视觉模块设置在所述机架之上，用于采集行李挤压凹陷处的凹陷RGB图像和凹陷点云图像。本申请解决了现有行李托运过程中，无法自动完成行李软硬包自动识别分类的问题。
Description
技术领域
本申请涉及行李分拣技术领域，具体是指一种民航机场托运行李软硬包识别装置和方法。
背景技术
目前，机场旅客托运的行李如果是背包、布袋、编织袋等软行李时，要求装框处理，避免输送、分拣过程中遭到破坏；行李经过分拣后被码垛在拖车上时，软行李和硬行李需要分层码垛，软行李需要放置在硬行李上层，避免压坏软行李，行李在飞机上码垛时亦如此。软、硬行李识别有助于优化行李分拣策略，有利于降低行李破损率，提高行李托运服务品质。
目前软行李装框、行李上车码垛、行李上飞机码垛基本都由人工完成，所以软、硬行李识别主要依靠操作人员依靠自身经验识别，没有可靠、成熟的自动分类设备。但若要实现行李装框、行李上车码垛、行李上飞机码垛等流程的自动化处理，进行软、硬行李识别是必要条件之一。
发明内容
基于以上技术问题，本申请提供了一种民航机场托运行李软硬包识别装置和方法，解决了现有行李托运过程中，无法自动完成行李软硬包自动识别分类的问题。
为解决以上技术问题，本申请采用的技术方案如下：
一种民航机场托运行李软硬包识别装置，包括机架、压触模块、测距模块和视觉模块；所述机架架设在行李输送设备上方；所述压触模块设置在所述机架之上，用于接触并挤压行李，使行李产生凹陷变形，并采集行李凹陷处的凹陷挤压力；所述测距模块设置在所述机架之上，用于感应行李经过以及采集行李上表面与所述压触模块下端的高度距离；所述视觉模块设置在所述机架之上，用于采集行李挤压凹陷处的凹陷RGB图像和凹陷点云图像。
进一步的，所述压触模块包括直线驱动机构和接触杆；所述直线驱动机构竖直安装在所述机架之上；所述接触杆通过压力传感器与所述直线驱动机构的活动端驱动连接。
进一步的，所述直线驱动机构为伺服电缸。
进一步的，所述压触模块还包括压触控制模块，所述压触控制模块用于基于所述高度距离和所述凹陷挤压力控制所述接触杆的下降速度，具体包括：
若所述高度距离大于预设安全距离，则所述下降速度为第一速度；
若所述高度距离小于预设安全距离，则所述下降速度为第二速度；
若所述凹陷挤压力等于预设安全压力，则所述下降速度为零；
其中，所述第一速度大于所述第二速度。
进一步的，还包括行李输送设备控制模块，所述行李输送设备控制模块包括：
尺寸识别单元，所述尺寸识别单元用于通过所述视觉模块获取的行李点云图像，计算所述行李在沿输送方向的行李长度；
时间控制单元，所述时间控制单元用于基于函数式
计算间隔
时间
，其中，d表示行李长度，
表示行李输送设备的输送速度；
启停控制单元，所述启停控制单元用于当所述测距模块感应到行李经过后，在所述间隔时间后暂停所述行李输送设备。
一种民航机场托运行李软硬包识别方法，所述方法基于上述民航机场托运行李软硬包识别装置，包括：
获取行李挤压处的凹陷数据，所述凹陷数据包括行李挤压凹陷处的凹陷挤压力、凹陷RGB图像和凹陷点云图像；
基于相似度算法将所述行李数据与样本集合中的样本数据进行比对筛选，所述样本数据包括样本挤压力、样本RGB图像、样本点云图像和样本软硬等级；
若筛选出与所述行李数据相似的样本数据，则将所述样本数据的样本软硬等级作为所述行李的行李软硬等级；
若未筛选出与所述行李数据相似的样本数据，则将所述行李数据输入分类识别模型中，获得所述行李的行李软硬等级。
进一步的，将所述行李数据输入分类识别模型中，获得所述行李的行李软硬等级之后，还包括：
将所述行李数据和对应的行李软硬等级存入所述样本集合中。
进一步的，基于相似度算法将所述行李数据与样本集合中的样本数据进行比对筛选包括：
获取所述凹陷挤压力与所述样本挤压力的差值，基于所述差值获取第一相似度；
将所述凹陷RGB图像和所述样本RGB图像输入Siamese网络模型中，获取第二相似度；
对所述凹陷点云图像和所述样本点云图像进行相似度计算，获取第三相似度；
将所述第一相似度、所述第二相似度和所述第三相似度与预设相似条件进行比对，用以判定所述行李数据与所述样本数据是否相似。
进一步的，对所述凹陷点云图像和所述样本点云图像进行相似度计算的具体公式为：
其中，r(A,B)表示第三相似度，A表示凹陷点云图像，B表示样本点云图像，r(A,B)
的值越大，凹陷点云图像A与样本点云图像B越相似；
表示点的权重，
表示点云距离，
表示对凹陷点云图像A进行K-means聚类后得到的N个子点云集合中的第i个子点云，
表示竖直方向深度最大的点，即推杆推压的中心位置，
表示超参数；
其中，
的具体公式为：
其中，h表示可调参数；
其中，
的具体公式为：
其中，
表示点云X和点云Y的距离，x表示点云子集X中的点，y表示点云
子集Y中的点。
进一步的，所述分类识别模型包括二维卷积网络、三维点云卷积网络、归一化层、向量拼接层和全连接层；将所述行李数据输入分类识别模型中，获得所述行李的行李软硬等级包括：
将所述凹陷RGB图像输入所述二维卷积网络，获得第一输出结果；
将所述凹陷点云图像输入所述三维点云卷积网络，获得第二输出结果；
将所述第一输出结果、第二输出结果和所述凹陷挤压力输入所述归一化层处理后，再将归一化处理结果输入所述向量拼接层获得拼接向量；
将所述拼接向量输入所述全连接层，获得所述行李的行李软硬等级分类结果。
与现有技术相比，本申请的有益效果是：
本申请综合运用了力触控制和图像识别技术，通过压触模块接触并按压行李，触压机构自带力传感器，当检测到压力后，用视觉模块检获取行李变形的RGB图片和点云数据，通过大数据分析和图像识别技术，综合判断行李的软、硬程度，完成软、硬行李自动识别与分类。
通过本申请可以自动、快捷地完成对软、硬行李的识别与分类，有助于优化后续行李托运分拣策略，降低行李破损率，提高行李托运服务品质。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。其中：
图1为民航机场托运行李软硬包识别装置的结构示意图。
图2为压触模块的内部结构示意图。
图3为民航机场托运行李软硬包识别方法的流程示意图。
图4为基于相似度算法将所述行李数据与样本集合中的样本数据进行比对筛选的流程示意图。
图5为将所述行李数据输入分类识别模型中，获得所述行李的行李软硬等级的流程示意图。
图6为分类识别模型的结构框图。
其中，1压触模块，101直线驱动机构，102压力传感器，103接触杆，2视觉模块，3机架，4行李，5行李输送设备，6测距模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例的附图，对本申请实施例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申请的一部分实施例，而不是全部的实施例。基于所描述的本申请的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
除非另外定义，本申请使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
图1~图2是本申请一些实施例所示的民航机场托运行李软硬包识别装置的结构示意图，以下将结合图1~图2对本申请所涉及的民航机场托运行李软硬包识别装置进行介绍。需要注意的是，图1~图2仅作为示例，并不对民航机场托运行李软硬包识别装置的具体形状和结构形成限定。
参阅图1~图2，在一些实施例中，一种民航机场托运行李软硬包识别装置，包括机架3、压触模块1、测距模块6和视觉模块2；机架3架设在行李输送设备5上方；压触模块1设置在机架3之上，用于接触并挤压行李4，使行李4产生凹陷变形，并采集行李4凹陷处的凹陷挤压力；测距模块6设置在机架3之上，用于感应行李4经过以及采集行李4上表面与压触模块1下端的高度距离；视觉模块2设置在机架3之上，用于采集行李4挤压凹陷处的凹陷RGB图像和凹陷点云图像。
在本实施例中，当行李4经过行李4输送机构输送到行李4软硬包识别装置的前下方时，装置上的测距模块6检测到行李4并触发，并采集行李4上表面与压触模块1下端的高度距离。同时延迟一定间隔时间后停止行李4输送机构，使行李4停在装置的正下方。
后续控制压触模块1细讲对行李4进行按压，使行李4产生凹陷变形，并采集行李4凹陷处的凹陷挤压力。此时在行李4表面会出现凹痕，视觉模块2获取此位置的凹陷RGB图像和凹陷点云图像。将凹陷挤压力、凹陷RGB图像和凹陷点云图像代入大数据分析和图像识别技术，综合判断行李4的软、硬程度，完成软、硬行李4自动识别与分类。
此外，本申请通过将力觉与视觉相结合，避免了单一信息对行李4材质的误判，尤其在行李4或包裹本身材质，与其内容物材质差异较大时，大大提高了行李4软硬识别的准确率。例如如果仅仅通过识别行李4箱包的材质来认定行李4箱包的软硬分类，则很容易造成误判，比如一个装满书籍或其他硬质物的帆布包裹，其也应该分类为硬包分类。
具体的，行李输送设备5为皮带输送机构。
具体的，支架为拼焊而成的龙门架结构，架设在皮带输送机构上方，支架下端通过螺栓与行李输送设备5框架部分固定安装或者直接与地面安装固定。其作为整个装置的承载结构，用于安装压触模块1、测距模块6和视觉模块2。
具体的，测距模块6为激光测距仪，其吊装在支架横梁的下表面上，竖向向下进行测距。由于行李4经过测距模块6时会触发激光测距仪，此时便可判断有行李4经过。
具体的，视觉模块2为深度视觉相机，其吊装在支架横梁的下表面上。优选的，为了保证深度视觉相机能够对行李4进行全方位的拍摄，两个深度视觉相机通过铰链机构对称布置在支架之上，并向内侧倾斜，以获取更大的视觉范围。由于凹痕的信息由RGB图像和点云图像共同表示，当存在两台深度视觉相机的时候需要对其点云配准。
其点云配准的具体过程为，在压触模块1与支架的交点处建立坐标系，通过标定获取深度视觉相机的成像中心，并将深度视觉相机获取的点云坐标转换至坐标系中。下述处理过程中，默认两深度视觉相机获取的点云中点的坐标位置，均为转换过后的，以该坐标系为基准。
首先使用PFH、SHOT等算法提取点云的特征点，对于点云中的任意特征点x，具有以下齐次表示：
其中，
为特征点x的第i维值。
考虑
中的射影变换H，即一个4×4的非奇异齐次矩阵。
其中，
表示射影变换矩阵H在第i行、第j
列的元素，
分别为
变换前后特征点的齐次表示。
除了一个比例因子外，该齐次矩阵H具有15个自由度，在左右两个深度视觉相机获取的点云中，使用4对及以上的特征点对带入，可求出变换矩阵H，若特征点对数不足，则重复获取点云。
基于RANSAC计算最优的变换矩阵H，具体包括：
1、随机选择4组特征对应点计算空间变换矩阵H。
2、对于所有特征点，计算投影误差
，其中
为一组特
征对应点，
为距离函数，通常取差的二范数。若投影误差小于设定阈值m，则将该点加入
内点集合I。
3、若当前内点集合元素个数大于最优内点合集
，或当两者个数相同时，且s
当前内点集合的标准方差低于最优内点集合
时，更新
为I。
4、重复上述过程，直至内点集合中点的数目达到设定阈值，或迭代次数达到上限，停止迭代计算。
对于点云中的一个点
，变换为另一点云中的
，其中：
对于图像信息，使用透视变换，将深度视觉相机获取的原始图像，转换至前述坐标系下，承影面为行李输送设备5水平面的图像，并将两台深度视觉相机的图像进行配准、拼接，配准算法与点云类似，根据颜色和帧差，提取行李4凹痕部分的图像。
优选的，压触模块1包括直线驱动机构101和接触杆103；直线驱动机构101竖直安装在机架3之上；接触杆103通过压力传感器102与直线驱动机构101的活动端驱动连接。
其中，压触模块1通过直线驱动机构101在竖直方向驱动接触杆103与行李4接触或脱离，并通过压力传感器102获得接触杆103与行李4接触的挤压力。
具体的，直线驱动机构101为伺服电缸。通过伺服电缸可以控制接触杆103以设定的速度去挤压行李4表面，使行李4产生变形，伺服电缸可以提高接触杆103行程速度控制的准确性。
优选的，压触模块1还包括压触控制模块，压触控制模块用于基于高度距离和凹陷挤压力控制接触杆103的下降速度，具体包括：
若高度距离大于预设安全距离，则下降速度为第一速度；
若高度距离小于预设安全距离，则下降速度为第二速度；
若凹陷挤压力等于预设安全压力，则下降速度为零；
其中，第一速度大于第二速度。
其中，由于第一速度大于第二速度，这样在高度距离大于预设安全距离时，接触杆103是以较快速度下降的，以减少下降时间，加快检测效率。当小于预设安全距离，即当接触杆103靠近行李4时，以较慢的速度缓慢下降，是为了避免速度过快对行李4造成冲击，破坏行李4。
其中，压触控制模块对设定位置和速度的控制由PID算法实现，其本身具有位置和速度反馈。
而当接触杆103与行李4接触后，会产生接触压力，当凹陷挤压力等于预设安全压力后，则停止接触杆103的下压，避免挤压力过大，破坏行李4。
具体的，接触杆103的下降速度公式为：
其中，
表示接触杆的下降速度，
表示第一速度，
表示第二速
度，
表示预设安全距离，
预设安全压力，h表示高度距离，F表示挤压力。
其中，压触模块1的挤压力采用层级挤压的方式，首先设置一个初始挤压力对行李4进行挤压，如果行李4表面没有产生凹痕或凹痕很小，则压触模块1增加压力，直到到达设定的最高的预设安全压力。通过设置压触模块1的可变压力阈值，保证在凹痕正常处理识别的情况下，行李4的安全。
优选的，还包括行李输送设备5控制模块，行李输送设备5控制模块包括：
尺寸识别单元，尺寸识别单元用于通过视觉模块2获取的行李4点云图像，计算行李4在沿输送方向的行李4长度；
时间控制单元，所述时间控制单元用于基于函数式
计算间隔
时间
，其中，d表示行李长度，
表示行李输送设备的输送速度；
启停控制单元，启停控制单元用于当测距模块6感应到行李4经过后，在间隔时间后暂停行李输送设备5。
其中，行李输送设备5控制模块基于行李4长度和输送速度获取间隔时间，并通过此间隔时间，在行李4经过装置时，延迟间隔时间后暂停行李输送设备5，以使行李4中心部分能够位于装置正下方，以方便后续压触模块1的压触检测。
其中，对于行李4长度d，视觉模块2获取当前行李4的图像，根据颜色和帧差，获取行李4上下端点的间的像素差，结合视觉模块2放入标定信息，得到固定深度处单位像素实际长度，进而获取行李4在水平面、输送机方向的长度d。
参阅图3，一种民航机场托运行李软硬包识别方法，所述方法基于上述民航机场托运行李软硬包识别装置，包括：
S301，获取行李挤压处的凹陷数据，所述凹陷数据包括行李挤压凹陷处的凹陷挤压力、凹陷RGB图像和凹陷点云图像；
具体的，凹陷挤压力通过压触模块采集获得；
具体的，凹陷RGB图像和凹陷点云图像通过视觉模块采集获得。
S302，基于相似度算法将所述行李数据与样本集合中的样本数据进行比对筛选，所述样本数据包括样本挤压力、样本RGB图像、样本点云图像和样本软硬等级；
其中，样本数据由于包含软硬等级信息，这样如果行李数据的挤压力、RGB图像、点云图像与样本数据的对应信息相似，则表明行李数据与样本数据相似，那么两者之间的软硬等级则同样相似。
S303，若筛选出与所述行李数据相似的样本数据，则将所述样本数据的样本软硬等级作为所述行李的行李软硬等级；
其中，由于分类识别模型为神经网络模型，其运行需要耗费大量运算资源，在分类识别模型识别之前，通过相似度计算获取软硬度等级，可以加快软硬识别效率，减少识别时间，节约运算资源。
S304，若未筛选出与所述行李数据相似的样本数据，则将所述行李数据输入分类识别模型中，获得所述行李的行李软硬等级。
优选的，将所述行李数据输入分类识别模型中，获得所述行李的行李软硬等级之后，还包括：将所述行李数据和对应的行李软硬等级存入所述样本集合中。
其中，若未筛选出与所述行李数据相似的样本数据，则表明样本集合中没有与此行李数据相似的样本数据，则可以把此行李数据和其对应的行李软硬等级存入样本集合中，方便后续其他行李数据的相似度比对。通过此操作可以增加样本集合中的数据量，使其包含的样本数据越来越全面。
参阅图4，优选的，基于相似度算法将所述行李数据与样本集合中的样本数据进行比对筛选包括：
S401，获取所述凹陷挤压力与所述样本挤压力的差值，基于所述差值获取第一相似度；
其中，对于挤压力，可以直接比较两者之间的数值差，差值越小，凹陷挤压力与样本挤压力的第一相似度越高。
S402，将所述凹陷RGB图像和所述样本RGB图像输入Siamese网络模型中，获取第二相似度；
其中，对于Siamese网络模型，其有两个共享的图像输入通道，其输出的值越小，凹陷RGB图像和样本RGB图像的第二相似度越高。
S403，对所述凹陷点云图像和所述样本点云图像进行相似度计算，获取第三相似度；
S404，将所述第一相似度、所述第二相似度和所述第三相似度与预设相似条件进行比对，用以判定所述行李数据与所述样本数据是否相似。
优选的，对所述凹陷点云图像和所述样本点云图像进行相似度计算的具体公式为：
其中，r(A,B)表示第三相似度，A表示凹陷点云图像，B表示样本点云图像，r(A,B)
的值越大，凹陷点云图像A与样本点云图像B越相似；
表示点的权重，
表示点云距离，
表示对凹陷点云图像A进行K-means聚类后得到的N个子点云集合中的第i个子点云，
表示竖直方向深度最大的点，即推杆推压的中心位置，
表示超参数；
具体的，
根据实际情况确定，一般为一个较小的正值，例如
可以设置为
。
其中，
的具体公式为：
其中，h表示可调参数；
其中，
的具体公式为：
其中，
表示点云X和点云Y的距离，x表示点云子集X中的点，y表示点云
子集Y中的点。
参阅图6，优选的，所述分类识别模型包括二维卷积网络、三维点云卷积网络、归一化层、向量拼接层和全连接层。
基于图6的分类识别模型，参阅图5，将所述行李数据输入分类识别模型中，获得所述行李的行李软硬等级包括：
S501，将所述凹陷RGB图像输入所述二维卷积网络，获得第一输出结果；
具体的，二维卷积网络为Conv2d网络。
S502，将所述凹陷点云图像输入所述三维点云卷积网络，获得第二输出结果；
具体的，三维点云卷积网络为PointConv网络。
S503，将所述第一输出结果、第二输出结果和所述凹陷挤压力输入所述归一化层处理后，再将归一化处理结果输入所述向量拼接层获得拼接向量；
S504，将所述拼接向量输入所述全连接层，获得所述行李的行李软硬等级分类结果。
优选的，全连接层上设有SoftMax函数，通过SoftMax函数作用，全连接层的输出结果就映射成为(0,1)的值，而这些值的累和为1（满足概率的性质），那么就可以将它理解成概率，在最后选取输出结点的时候，就可以选取概率最大（也就是值对应最大的）结点，作为行李的行李软硬等级分类结果。
其中，分类识别模型通过完成人工标注的训练数据训练完成，并随着行李数据库的扩大更新，当行李数据库内行李数据的新增量每次超过阈值时分类识别模型更新。
如上即为本申请的实施例。上述实施例以及实施例中的具体参数仅是为了清楚表述申请的验证过程，并非用以限制本申请的专利保护范围，本申请的专利保护范围仍然以其权利要求书为准，凡是运用本申请的说明书及附图内容所作的等同结构变化，同理均应包含在本申请的保护范围内。
Claims (10)
1.民航机场托运行李软硬包识别装置，其特征在于，包括：
机架，所述机架架设在行李输送设备上方；
压触模块，所述压触模块设置在所述机架之上，用于接触并挤压行李，使行李产生凹陷变形，并采集行李凹陷处的凹陷挤压力；
测距模块，所述测距模块设置在所述机架之上，用于感应行李经过以及采集行李上表面与所述压触模块下端的高度距离；
视觉模块，所述视觉模块设置在所述机架之上，用于采集行李挤压凹陷处的凹陷RGB图像和凹陷点云图像。
2.根据权利要求1所述的民航机场托运行李软硬包识别装置，其特征在于，所述压触模块包括：
直线驱动机构，所述直线驱动机构竖直安装在所述机架之上；
接触杆，所述接触杆通过压力传感器与所述直线驱动机构的活动端驱动连接。
3.根据权利要求2所述的民航机场托运行李软硬包识别装置，其特征在于：
所述直线驱动机构为伺服电缸。
4.根据权利要求2所述的民航机场托运行李软硬包识别装置，其特征在于，所述压触模块还包括压触控制模块，所述压触控制模块用于基于所述高度距离和所述凹陷挤压力控制所述接触杆的下降速度，具体包括：
若所述高度距离大于预设安全距离，则所述下降速度为第一速度；
若所述高度距离小于预设安全距离，则所述下降速度为第二速度；
若所述凹陷挤压力等于预设安全压力，则所述下降速度为零；
其中，所述第一速度大于所述第二速度。
5.根据权利要求1所述的民航机场托运行李软硬包识别装置，其特征在于，还包括行李输送设备控制模块，所述行李输送设备控制模块包括：
尺寸识别单元，所述尺寸识别单元用于通过所述视觉模块获取的行李点云图像，计算所述行李在沿输送方向的行李长度；
时间控制单元，所述时间控制单元用于基于函数式
计算间隔时间
，其中，d表示行李长度，
表示行李输送设备的输送速度；
启停控制单元，所述启停控制单元用于当所述测距模块感应到行李经过后，在所述间隔时间后暂停所述行李输送设备。
6.民航机场托运行李软硬包识别方法，所述方法基于权利要求1-5任意一项所述的民航机场托运行李软硬包识别装置，其特征在于，包括：
获取行李挤压处的凹陷数据，所述凹陷数据包括行李挤压凹陷处的凹陷挤压力、凹陷RGB图像和凹陷点云图像；
基于相似度算法将所述行李数据与样本集合中的样本数据进行比对筛选，所述样本数据包括样本挤压力、样本RGB图像、样本点云图像和样本软硬等级；
若筛选出与所述行李数据相似的样本数据，则将所述样本数据的样本软硬等级作为所述行李的行李软硬等级；
若未筛选出与所述行李数据相似的样本数据，则将所述行李数据输入分类识别模型中，获得所述行李的行李软硬等级。
7.根据权利要求6所述的民航机场托运行李软硬包识别方法，其特征在于，将所述行李数据输入分类识别模型中，获得所述行李的行李软硬等级之后，还包括：
将所述行李数据和对应的行李软硬等级存入所述样本集合中。
8.根据权利要求6所述的民航机场托运行李软硬包识别方法，其特征在于，基于相似度算法将所述行李数据与样本集合中的样本数据进行比对筛选包括：
获取所述凹陷挤压力与所述样本挤压力的差值，基于所述差值获取第一相似度；
将所述凹陷RGB图像和所述样本RGB图像输入Siamese网络模型中，获取第二相似度；
对所述凹陷点云图像和所述样本点云图像进行相似度计算，获取第三相似度；
将所述第一相似度、所述第二相似度和所述第三相似度与预设相似条件进行比对，用以判定所述行李数据与所述样本数据是否相似。
9.根据权利要求8所述的民航机场托运行李软硬包识别方法，其特征在于，对所述凹陷点云图像和所述样本点云图像进行相似度计算的具体公式为：
其中，r(A,B)表示第三相似度，A表示凹陷点云图像，B表示样本点云图像，r(A,B)的值
越大，凹陷点云图像A与样本点云图像B越相似；
表示点的权重，
表示点云距离，
表
示对凹陷点云图像A进行K-means聚类后得到的N个子点云集合中的第i个子点云，
表示竖直方向深度最大的点，即推杆推压的中心位置，
表示超参数；
其中，
的具体公式为：
其中，h表示可调参数；
其中，
的具体公式为：
其中，
表示点云X和点云Y的距离，x表示点云子集X中的点，y表示点云子集Y
中的点。
10.根据权利要求6所述的民航机场托运行李软硬包识别方法，其特征在于，所述分类识别模型包括二维卷积网络、三维点云卷积网络、归一化层、向量拼接层和全连接层；将所述行李数据输入分类识别模型中，获得所述行李的行李软硬等级包括：
将所述凹陷RGB图像输入所述二维卷积网络，获得第一输出结果；
将所述凹陷点云图像输入所述三维点云卷积网络，获得第二输出结果；
将所述第一输出结果、第二输出结果和所述凹陷挤压力输入所述归一化层处理后，再将归一化处理结果输入所述向量拼接层获得拼接向量；
将所述拼接向量输入所述全连接层，获得所述行李的行李软硬等级分类结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211036891.7A CN115112508B (zh) | 2022-08-29 | 2022-08-29 | 民航机场托运行李软硬包识别装置和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211036891.7A CN115112508B (zh) | 2022-08-29 | 2022-08-29 | 民航机场托运行李软硬包识别装置和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115112508A true CN115112508A (zh) | 2022-09-27 |
| CN115112508B CN115112508B (zh) | 2023-01-24 |
Family
ID=83335523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211036891.7A Active CN115112508B (zh) | 2022-08-29 | 2022-08-29 | 民航机场托运行李软硬包识别装置和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115112508B (zh) |
Citations (34)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5306306A (en) * | 1991-02-13 | 1994-04-26 | Lunar Corporation | Method for periprosthetic bone mineral density measurement |
| JP2966832B1 (ja) * | 1998-04-17 | 1999-10-25 | 株式会社パルタック | 梱ものの店舗別仕分け方法及びその装置 |
| US20020014533A1 (en) * | 1995-12-18 | 2002-02-07 | Xiaxun Zhu | Automated object dimensioning system employing contour tracing, vertice detection, and forner point detection and reduction methods on 2-d range data maps |
| JP2008262804A (ja) * | 2007-04-12 | 2008-10-30 | Sony Corp | 電池パック |
| JP2008268075A (ja) * | 2007-04-23 | 2008-11-06 | Toshiba Corp | 非破壊検査方法及び非破壊検査装置 |
| CN101846503A (zh) * | 2010-04-21 | 2010-09-29 | 中国科学院自动化研究所 | 一种基于立体视觉的行李信息在线获取***及其方法 |
| WO2011011894A1 (en) * | 2009-07-31 | 2011-02-03 | Optosecurity Inc. | Method and system for identifying a liquid product in luggage or other receptacle |
| US20130048457A1 (en) * | 2011-08-25 | 2013-02-28 | Tammi Sbordoni | Flexible and Transparent Articles of Luggage |
| US20140002239A1 (en) * | 2012-06-27 | 2014-01-02 | Treefrog Developments, Inc. | Tracking and control of personal effects |
| GB2523633A (en) * | 2013-12-24 | 2015-09-02 | Vanguard Identification Systems Inc | Electronic luggage tags |
| US20160227897A1 (en) * | 2013-09-11 | 2016-08-11 | British Airways Plc | Identification apparatus and method |
| CN106056056A (zh) * | 2016-05-23 | 2016-10-26 | 浙江大学 | 一种远距离非接触的行李体积检测***及其方法 |
| CN106696248A (zh) * | 2015-11-13 | 2017-05-24 | 通用汽车环球科技运作有限责任公司 | 管框架上的车体部件的增材制造 |
| US10014076B1 (en) * | 2015-02-06 | 2018-07-03 | Brain Trust Innovations I, Llc | Baggage system, RFID chip, server and method for capturing baggage data |
| CN108991697A (zh) * | 2018-07-27 | 2018-12-14 | 浙江师范大学 | 一种基于步态识别的自动跟随行李箱方法 |
| CN109443670A (zh) * | 2018-09-13 | 2019-03-08 | 肇庆学院 | 一种汽车车身表面凹陷与凹痕试验方法 |
| CN109506746A (zh) * | 2018-11-02 | 2019-03-22 | 北京小米移动软件有限公司 | 行李箱的控制方法及装置 |
| CN109858437A (zh) * | 2019-01-30 | 2019-06-07 | 苏州大学 | 基于生成查询网络的行李体积自动分类方法 |
| CN110785362A (zh) * | 2017-06-30 | 2020-02-11 | 松下知识产权经营株式会社 | 投影指示装置、货物分拣***以及投影指示方法 |
| US10592713B1 (en) * | 2018-12-31 | 2020-03-17 | Datalogic Usa, Inc. | Computationally-augmented video display facilitating package handling |
| CN111598063A (zh) * | 2020-07-22 | 2020-08-28 | 北京纳兰德科技股份有限公司 | 一种行李类别的确定方法及装置 |
| CN211376032U (zh) * | 2019-12-27 | 2020-08-28 | 上海航空印刷有限公司 | 一种pet底行李条 |
| US20200302589A1 (en) * | 2019-03-22 | 2020-09-24 | Idemia Identity & Security France | Baggage identification method |
| CN111783569A (zh) * | 2020-06-17 | 2020-10-16 | 天津万维智造技术有限公司 | 一种自助托运***的行李规格检测与人包信息绑定方法 |
| CN111899258A (zh) * | 2020-08-20 | 2020-11-06 | 广东机场白云信息科技有限公司 | 自助托运行李规格检测方法 |
| CN112565616A (zh) * | 2021-03-01 | 2021-03-26 | 民航成都物流技术有限公司 | 一种目标抓取方法、***、装置以及可读存储介质 |
| CN112801050A (zh) * | 2021-03-29 | 2021-05-14 | 民航成都物流技术有限公司 | 行李智能跟踪监测方法和*** |
| CN113012136A (zh) * | 2021-03-24 | 2021-06-22 | 中国民航大学 | 一种基于目标检测的机场行李计数方法及计数*** |
| CN213544237U (zh) * | 2020-09-17 | 2021-06-25 | 嘉兴市万事发包装制品有限公司 | 一种行李箱轮组的强度测试装置 |
| CN113272682A (zh) * | 2018-12-21 | 2021-08-17 | 莱卡地球***公开股份有限公司 | 利用激光扫描器和摄像机的现实捕捉 |
| CN113602799A (zh) * | 2021-08-05 | 2021-11-05 | 西南科技大学 | 一种航空港行李箱搬运***及其控制方法 |
| CN114160447A (zh) * | 2021-11-20 | 2022-03-11 | 中云智慧（北京）科技有限公司 | 一种先期机检***及方法 |
| CN114170456A (zh) * | 2021-10-22 | 2022-03-11 | 深圳先进技术研究院 | 一种硬度识别方法、硬度识别***、装置及存储介质 |
| CN114359876A (zh) * | 2022-03-21 | 2022-04-15 | 成都奥伦达科技有限公司 | 一种车辆目标识别方法及存储介质 |
-
2022
- 2022-08-29 CN CN202211036891.7A patent/CN115112508B/zh active Active
Patent Citations (34)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5306306A (en) * | 1991-02-13 | 1994-04-26 | Lunar Corporation | Method for periprosthetic bone mineral density measurement |
| US20020014533A1 (en) * | 1995-12-18 | 2002-02-07 | Xiaxun Zhu | Automated object dimensioning system employing contour tracing, vertice detection, and forner point detection and reduction methods on 2-d range data maps |
| JP2966832B1 (ja) * | 1998-04-17 | 1999-10-25 | 株式会社パルタック | 梱ものの店舗別仕分け方法及びその装置 |
| JP2008262804A (ja) * | 2007-04-12 | 2008-10-30 | Sony Corp | 電池パック |
| JP2008268075A (ja) * | 2007-04-23 | 2008-11-06 | Toshiba Corp | 非破壊検査方法及び非破壊検査装置 |
| WO2011011894A1 (en) * | 2009-07-31 | 2011-02-03 | Optosecurity Inc. | Method and system for identifying a liquid product in luggage or other receptacle |
| CN101846503A (zh) * | 2010-04-21 | 2010-09-29 | 中国科学院自动化研究所 | 一种基于立体视觉的行李信息在线获取***及其方法 |
| US20130048457A1 (en) * | 2011-08-25 | 2013-02-28 | Tammi Sbordoni | Flexible and Transparent Articles of Luggage |
| US20140002239A1 (en) * | 2012-06-27 | 2014-01-02 | Treefrog Developments, Inc. | Tracking and control of personal effects |
| US20160227897A1 (en) * | 2013-09-11 | 2016-08-11 | British Airways Plc | Identification apparatus and method |
| GB2523633A (en) * | 2013-12-24 | 2015-09-02 | Vanguard Identification Systems Inc | Electronic luggage tags |
| US10014076B1 (en) * | 2015-02-06 | 2018-07-03 | Brain Trust Innovations I, Llc | Baggage system, RFID chip, server and method for capturing baggage data |
| CN106696248A (zh) * | 2015-11-13 | 2017-05-24 | 通用汽车环球科技运作有限责任公司 | 管框架上的车体部件的增材制造 |
| CN106056056A (zh) * | 2016-05-23 | 2016-10-26 | 浙江大学 | 一种远距离非接触的行李体积检测***及其方法 |
| CN110785362A (zh) * | 2017-06-30 | 2020-02-11 | 松下知识产权经营株式会社 | 投影指示装置、货物分拣***以及投影指示方法 |
| CN108991697A (zh) * | 2018-07-27 | 2018-12-14 | 浙江师范大学 | 一种基于步态识别的自动跟随行李箱方法 |
| CN109443670A (zh) * | 2018-09-13 | 2019-03-08 | 肇庆学院 | 一种汽车车身表面凹陷与凹痕试验方法 |
| CN109506746A (zh) * | 2018-11-02 | 2019-03-22 | 北京小米移动软件有限公司 | 行李箱的控制方法及装置 |
| CN113272682A (zh) * | 2018-12-21 | 2021-08-17 | 莱卡地球***公开股份有限公司 | 利用激光扫描器和摄像机的现实捕捉 |
| US10592713B1 (en) * | 2018-12-31 | 2020-03-17 | Datalogic Usa, Inc. | Computationally-augmented video display facilitating package handling |
| CN109858437A (zh) * | 2019-01-30 | 2019-06-07 | 苏州大学 | 基于生成查询网络的行李体积自动分类方法 |
| US20200302589A1 (en) * | 2019-03-22 | 2020-09-24 | Idemia Identity & Security France | Baggage identification method |
| CN211376032U (zh) * | 2019-12-27 | 2020-08-28 | 上海航空印刷有限公司 | 一种pet底行李条 |
| CN111783569A (zh) * | 2020-06-17 | 2020-10-16 | 天津万维智造技术有限公司 | 一种自助托运***的行李规格检测与人包信息绑定方法 |
| CN111598063A (zh) * | 2020-07-22 | 2020-08-28 | 北京纳兰德科技股份有限公司 | 一种行李类别的确定方法及装置 |
| CN111899258A (zh) * | 2020-08-20 | 2020-11-06 | 广东机场白云信息科技有限公司 | 自助托运行李规格检测方法 |
| CN213544237U (zh) * | 2020-09-17 | 2021-06-25 | 嘉兴市万事发包装制品有限公司 | 一种行李箱轮组的强度测试装置 |
| CN112565616A (zh) * | 2021-03-01 | 2021-03-26 | 民航成都物流技术有限公司 | 一种目标抓取方法、***、装置以及可读存储介质 |
| CN113012136A (zh) * | 2021-03-24 | 2021-06-22 | 中国民航大学 | 一种基于目标检测的机场行李计数方法及计数*** |
| CN112801050A (zh) * | 2021-03-29 | 2021-05-14 | 民航成都物流技术有限公司 | 行李智能跟踪监测方法和*** |
| CN113602799A (zh) * | 2021-08-05 | 2021-11-05 | 西南科技大学 | 一种航空港行李箱搬运***及其控制方法 |
| CN114170456A (zh) * | 2021-10-22 | 2022-03-11 | 深圳先进技术研究院 | 一种硬度识别方法、硬度识别***、装置及存储介质 |
| CN114160447A (zh) * | 2021-11-20 | 2022-03-11 | 中云智慧（北京）科技有限公司 | 一种先期机检***及方法 |
| CN114359876A (zh) * | 2022-03-21 | 2022-04-15 | 成都奥伦达科技有限公司 | 一种车辆目标识别方法及存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| NILS BOYSEN 等: "Automated sortation conveyors:A survey from an operational research perspective", 《EUROPEAN JOURNAL OF OPERATIONAL RESEARCH》 * |
| 朱嘉宸: "基于深度相机的机场自助行李托运关键技术的研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
| 杜明谦 等: "RFID技术在机场行李自动分拣***中的应用", 《电讯技术》 * |
| 甄军平等: "北京大兴国际机场托运行李自动识别技术方案浅析", 《智能建筑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115112508B (zh) | 2023-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110390691B (zh) | 一种基于深度学习的矿石尺度测量方法及应用*** | |
| CN106548182B (zh) | 基于深度学习和主成因分析的路面裂纹检测方法及装置 | |
| WO2021017233A1 (zh) | 一种使用平面检测的自动分拣的方法 | |
| CN110246122A (zh) | 基于机器视觉的小型轴承质量检测方法、装置及*** | |
| CN114266884A (zh) | 旋转框定位多形态瓶状物品分拣目标检测方法 | |
| CN108802840A (zh) | 基于人工智能深度学习的自动识别物体的方法及其装置 | |
| CN106203239A (zh) | 用于集装箱理货的信息处理方法、装置和*** | |
| CN113807466B (zh) | 一种基于深度学习的物流包裹自主检测方法 | |
| CN112330607A (zh) | 基于图像识别技术的煤矸识别方法、装置及*** | |
| CN112850186B (zh) | 一种基于3d视觉的混合拆码垛方法 | |
| CN111597857B (zh) | 一种物流包裹检测方法、装置、设备及可读存储介质 | |
| CN113688825A (zh) | 一种ai智能垃圾识别分类***和方法 | |
| CN114022537B (zh) | 一种用于动态称重区域车辆装载率和偏载率分析方法 | |
| KR102391501B1 (ko) | 딥러닝을 이용한 비정형 재활용품 분류 시스템 및 그 방법 | |
| CN116665011A (zh) | 一种基于机器视觉的煤矿带式输送机煤流异物识别方法 | |
| CN116129135A (zh) | 基于小目标视觉识别和虚拟实体映射的塔吊安全预警方法 | |
| CN111814739A (zh) | 快递包裹体积的检测方法、装置、设备及存储介质 | |
| CN115112508B (zh) | 民航机场托运行李软硬包识别装置和方法 | |
| CN110143447A (zh) | 锌锭垛自动下线转运加固方法 | |
| Moirogiorgou et al. | Intelligent robotic system for urban waste recycling | |
| CN113554706B (zh) | 基于深度学习的小车包裹位置检测方法 | |
| CN115641555B (zh) | 一种基于ai视觉的货车超载超限预警方法 | |
| CN116994066A (zh) | 一种基于改进的目标检测模型的尾绳检测*** | |
| CN116468703A (zh) | 基于机器视觉的楼板钢筋验收方法及*** | |
| CN115213122B (zh) | 基于3d深度网络的无序分拣方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |