一种基于视觉及激光点云AI算法的包裹追踪方法技术

本发明专利技术公开了一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于，包括：通过激光雷达采集包裹点云数据，通过聚类点云算法将采集到的包裹点云数据进行分类，系统自动剔取包裹异同点，并进行标注，系统对海量标注的图片自动进行学习，利用深度卷积算法，建立抽象包裹模型，用实际包裹对上述建立的模型进行优化，然后自动调优，重复步骤4，直到成功率达到99.9％，系统自动将最优的包裹模型储存到客户服务器，本发明专利技术利用激光雷达采集包裹点云数据，通过聚类点云算法将包裹数据进行分类、在对海量标注图片自动进行学习后，利用深度卷积算法，建立抽象包裹模型，实现对包裹准确性的追踪并节省了成本。

A PACKAGE TRACKING METHOD BASED ON VISUAL AND LASER POINT CLOUD AI ALGORITHM

The invention discloses a package tracking method based on vision and laser point cloud AI algorithm, which is characterized by: collecting the package point cloud data by lidar, classifying the collected package point cloud data by clustering point cloud algorithm, automatically picking up the package similarities and differences, and tagging, automatically learning the massive tagged pictures, and using depth rolls. The system automatically stores the optimal package model to the client server. The system collects the package point cloud data by lidar, classifies the package data by clustering point cloud algorithm, and classifies the package data by clustering point cloud algorithm. After automatic learning of annotated pictures, an abstract package model is established by using depth convolution algorithm, which can track the accuracy of the package and save the cost.

【技术实现步骤摘要】
一种基于视觉及激光点云AI算法的包裹追踪方法
本专利技术涉及一种包裹追踪方法，特别涉及一种基于视觉及激光点云AI算法的包裹追踪方法。
技术介绍
目前的包裹追踪的方法大多数都是利用多个传感器的配合实现的，而且需要大量的传感器，在大量的传感器的配合中容易出现偏差导致不能准确的追踪到每一个包裹，而且耗费大量的物质。
技术实现思路
本专利技术的目的是为了克服现有技术中的不足之处，提供一种基于视觉及激光点云AI算法的包裹追踪方法。为了达到上述目的，本专利技术采用以下方案：一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于，包括：步骤1：通过激光雷达采集包裹点云数据；步骤2：通过聚类点云算法将采集到的包裹点云数据进行分类；步骤3：系统自动剔取包裹异同点，并进行标注；步骤4：系统对海量标注的图片自动进行学习，利用深度卷积算法，建立抽象包裹模型；步骤5：用实际包裹对上述建立的模型进行优化，然后自动调优，重复步骤4，直到成功率达到99.9％；步骤6：系统自动将最优的包裹模型储存到客户服务器。本专利技术所述的一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于：所述步骤3中剔取包裹异同点，并进行标注是通过激光雷达剔取包裹异同点，并进行标注的。本专利技术所述的一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于：所述步骤4中海量标注是步骤3所标注的。本专利技术所述的一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于：所述步骤4中系统对海量标注的图片自动进行学习是通过AI算法实现的。本专利技术所述的一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于：所述步骤5中自动调优后重复步骤4前会判断成功率是否达到99.9％。综上所述，本专利技术相对于现有技术其有益效果是：本专利技术利用激光雷达采集包裹点云数据，通过聚类点云算法将包裹数据进行分类、剔取包裹异同点，并进行标注，在对海量标注图片自动进行学习后，利用深度卷积算法，建立抽象包裹模型，用实际包裹对上述建立的模型进行优化，然后自动调优，直到成功率达到99.9％，实现对包裹准确性的追踪并节省了成本。附图说明图1为本专利技术的流程图。具体实施方式下面结合附图说明和具体实施方式对本专利技术作进一步描述：如图1所示的一种基于视觉及激光点云AI算法的包裹追踪方法，包括：步骤1：通过激光雷达采集包裹点云数据；步骤2：通过聚类点云算法将采集到的包裹点云数据进行分类；步骤3：系统自动剔取包裹异同点，并进行标注；步骤4：系统对海量标注的图片自动进行学习，利用深度卷积算法，建立抽象包裹模型；步骤5：用实际包裹对上述建立的模型进行优化，然后自动调优，重复步骤4，直到成功率达到99.9％；步骤6：系统自动将最优的包裹模型储存到客户服务器。如上所述将包裹通过激光雷达采集包裹点云数据，然后系统通过聚类点云算法将采集到的包裹点云数据进行分类。如上所述的一种基于视觉及激光点云AI算法的包裹追踪方法，所述步骤3中剔取包裹异同点，并进行标注是通过激光雷达剔取包裹异同点，并进行标注的，剔除异同点可以排除一些干扰的信息，提高信息的有效性。如上所述的一种基于视觉及激光点云AI算法的包裹追踪方法，所述步骤4中自动进行学习海量标注可以提高效率和准确性。如上所述的一种基于视觉及激光点云AI算法的包裹追踪方法，所述步骤4中系统是利用AI算法实现的对海量标注的图片自动进行学习。如上所述的一种基于视觉及激光点云AI算法的包裹追踪方法，所述步骤5中自动调优后重复步骤4前会判断成功率是否达到99.9％，经过判断可以确保准确性。以上显示和描述了本专利技术的基本原理和主要特征以及本专利技术的优点，本行业的技术人员应该了解，本专利技术不受上述实施例的限制，上述实施例和说明书中描述的只是说明本专利技术的原理，在不脱离本专利技术精神和范围的前提下，本专利技术还会有各种变化和改进，这些变化和改进都落入要求保护的本专利技术范围内。本专利技术要求保护范围由所附的权利要求书及其等效物界定。本文档来自技高网...

【技术保护点】
1.一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于，包括：步骤1：通过激光雷达采集包裹点云数据；步骤2：通过聚类点云算法将采集到的包裹点云数据进行分类；步骤3：系统自动剔取包裹异同点，并进行标注；步骤4：系统对海量标注的图片自动进行学习，利用深度卷积算法，建立抽象包裹模型；步骤5：用实际包裹对上述建立的模型进行优化，然后自动调优，重复步骤4，直到成功率达到99.9％；步骤6：系统自动将最优的包裹模型储存到客户服务器。

【技术特征摘要】
1.一种基于视觉及激光点云AI算法的包裹追踪方法，其特征在于，包括：步骤1：通过激光雷达采集包裹点云数据；步骤2：通过聚类点云算法将采集到的包裹点云数据进行分类；步骤3：系统自动剔取包裹异同点，并进行标注；步骤4：系统对海量标注的图片自动进行学习，利用深度卷积算法，建立抽象包裹模型；步骤5：用实际包裹对上述建立的模型进行优化，然后自动调优，重复步骤4，直到成功率达到99.9％；步骤6：系统自动将最优的包裹模型储存到客户服务器。2.根据权利要求1所述的一种基于视觉及激光点云AI算法的包裹追踪方法，其特...

【专利技术属性】
技术研发人员：尹迪良，
申请(专利权)人：广州德泰克自动化科技有限公司，
类型：发明
国别省市：广东,44