[发明专利]商品识别方法、装置、电子设备及可读介质

说明书

本公开提供一种商品识别方法、装置、电子设备及可读介质，该方法包括：获取商品的二维特征信息以及三维点云信息；在判断所述二维特征信息满足第一条件时，使用二维匹配算法对所述商品进行识别；在判断所述二维特征信息以及所述三维点云信息满足第二条件时，使用三维匹配算法对所述商品进行识别；以及在判断所述二维特征信息以及所述三维点云信息满足第三条件时，使用边框匹配算法对所述商品进行识别。本公开的商品识别方法、装置、电子设备及可读介质，能够适应性地匹配识别算法，提高商品识别的准确率。

技术领域

本公开涉及仓储物流技术领域，尤其涉及一种商品识别方法、装置、电子设备及计算机可读介质。

背景技术

在网络购物日趋成熟的环境下，要求电商配备有良好的配货流程。在配货流程中，需要根据顾客订单对商品进行自动化配货以打包订单。通常通过机器自动识别并抓取商品来实现自动化配货过程，机器自动抓取过程可例如为拣选过程，如图1所示，机器人在箱内拣选是指机器人在视觉辅助的基础上，根据系统下发的拣选任务，从周转箱内按要求把相应数量的商品取出，并放入指定位置的场景。该场景的主要技术难点在机器视觉如何精确地识别商品的中心位置和姿态，以便机器人端拾器能够准确抓取商品。

在识别商品的中心位置和姿态时，现有技术通常通过特征匹配算法对商品进行识别并计算。对于密集摆放的商品，其无法有效识别物体间的缝隙，以致匹配精确度降低。此外，现有的大部分商品采用方型包装盒，例如3C类商品，且通过塑料纸封装，导致其纹理性较弱，且反光性高，为准确获取特征带来较大难度；且现有的特征匹配算法较为单一，其无法根据识别对象的特点智能切换为适宜当前场景的匹配算法，导致商品识别较低。

现有技术中，还有利用深度学习算法对商品进行识别的方法，然而，该方法需要大量的标注数据训练网络，标注数据和训练网络的周期较长，这导致在商品更迭很快的场景下并不适用。

因此，需要一种新的商品识别方法、装置、电子设备及计算机可读介质。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本公开提供一种商品识别方法、装置、电子设备及计算机可读介质，能够适应性地匹配识别算法，提高商品识别的准确率。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开实施例的第一方面，提出一种商品识别方法，该方法包括：获取商品的二维特征信息以及三维点云信息；在判断所述二维特征信息满足第一条件时，使用二维匹配算法对所述商品进行识别；在判断所述二维特征信息以及所述三维点云信息满足第二条件时，使用三维匹配算法对所述商品进行识别；以及在判断所述二维特征信息以及所述三维点云信息满足第三条件时，使用边框匹配算法对所述商品进行识别。

在本公开的一种示例性实施例中，获取商品的二维特征信息包括：获取所述商品的二维模板信息；以及根据所述二维模板信息对所述商品进行提取，以生成所述二维特征信息。

在本公开的一种示例性实施例中，在判断所述二维特征信息满足第一条件时，使用二维匹配算法对所述商品进行识别包括：在判断所述二维特征信息满足特征点阈值条件时，确认所述二维特征信息满足第一条件；以及根据所述二维特征信息与二维匹配算法对所述商品进行识别。

在本公开的一种示例性实施例中，在判断所述二维特征信息以及所述三维点云信息满足第二条件时，使用三维匹配算法对所述商品进行识别包括：获取所述商品的三维模板信息；在所述二维特征信息不满足第一条件时，根据所述三维点云信息判断所述商品是否满足摆放条件；在判断所述商品不满足摆放条件时，确认所述二维特征信息以及所述三维点云信息满足第二条件；以及根据所述三维模板信息与三维匹配算法对所述商品进行识别。