[发明专利]一种库位检测方法和系统

说明书

本发明公开了一种库位检测方法和系统。其中，该方法库位检测系统中的服务器执行，库位检测系统还包括安装在待检测库位区域上方一定高度的至少一个相机，至少一个相机的视野覆盖整个库位区域，用于采集库位区域的实时图像，库位区域包括若干库位，该方法包括：对至少一个相机采集到的实时图像进行拼接处理，以得到待检测库位区域的全局地图；基于深度学习框架训练待检测库位区域的目标识别模型；根据全局地图，通过训练后的目标检测模型对实时图像进行识别，以得到库位区域中各库位的状态信息和位置信息。本发明实现了无需安装过多的相机或者光电传感器，通过一个或者几个相机即可检测库位，简化了安装步骤和设备成本。

技术领域

本发明实施例涉及智能仓储技术领域，尤其涉及一种库位检测方法和系统。

背景技术

目前无人搬运过程中的库位检测的方法一般为：在货位的周围安装相机或者安装光电传感器，用来判断该库位是否有货物，是否需要进行搬运。

然而，如果库位很多，就需要安装大量的相机或者光电传感器，也就意味着这需要额外安装很多的线和插座，操作复杂且设备成本高。此外，如果是智能工厂改造项目，改动成本会很高。

发明内容

本发明提供一种库位检测方法和系统，以实现无需安装过多的相机或者光电传感器即可检测库位，简化安装步骤和设备成本。

第一方面，本发明实施例提供了一种库位检测方法，由库位检测系统中的服务器执行，所述库位检测系统还包括安装在待检测库位区域上方一定高度的至少一个相机，所述至少一个相机的视野覆盖整个库位区域，用于采集库位区域的实时图像，所述库位区域包括若干库位，所述方法包括：

S110、对所述至少一个相机采集到的实时图像进行拼接处理，以得到所述待检测库位区域的全局地图；

S120、基于深度学习框架训练待所述检测库位区域的目标识别模型；

S130、根据所述全局地图，通过训练后的目标检测模型对所述实时图像进行识别，以得到库位区域中各库位的状态信息和位置信息。

可选的，所述S110具体包括：

通过直方图处理的方式预测各相机采集的实时图像的重叠区域；

提取所述实时图像中的特征点，并对所提取的特征点进行特征点匹配；

根据特征点在不同实时图片中的像素坐标计算透视变换矩阵，根据所述透视变换矩阵得到所述待检测库位区域的全局地图。

可选的，在所述S110之后还包括：消除所述全局地图重叠区域的重影问题。

可选的，所述消除所述全局地图重叠区域的重影问题，具体包括：

消除所述全局地图的颜色差异和结构差异，得到所述全局地图的能量图；

将所述能量图中的最小能量路径确定为接缝；

通过图像融合去除所述接缝的不连续，以得到校正后的全局地图。

可选的，所述S120具体包括：

通过所述相机采集所述目标识别模型的训练样本，所述训练样本为相机采集的图像中包含的目标检测对象的位姿信息；

根据所述训练样本对基于YOLO深度学习框架的目标识别模型进行训练，以得到训练后的目标识别模型。

第二方面，本发明实施例还提供了一种库位检测系统，该系统包括服务器和安装在待检测库位区域上方一定高度的至少一个相机，所述至少一个相机的视野覆盖整个库位区域，用于采集库位区域的实时图像，所述库位区域包括若干库位，所述服务器包括：

全局地图构建模块，用于对所述至少一个相机采集到的实时图像进行拼接处理，以得到所述待检测库位区域的全局地图；

目标识别模型训练模块，用于基于YOLO深度学习框架训练待所述检测库位区域的目标识别模型；