特表 2023-508510 小包を検出するための方法、装置、計算装置、物流システム及び記憶媒体

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2023-03-02

(54)【発明の名称】小包を検出するための方法、装置、計算装置、物流システム及び記憶媒体

(51)【国際特許分類】

   G06T 7/00 20170101AFI20230222BHJP

【ＦＩ】

G06T7/00 300F

G06T7/00 C

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2022539768

(86)(22)【出願日】2020-12-31

(85)【翻訳文提出日】2022-06-28

(86)【国際出願番号】 CN2020142175

(87)【国際公開番号】W WO2021136509

(87)【国際公開日】2021-07-08

(31)【優先権主張番号】201911413069.6

(32)【優先日】2019-12-31

(33)【優先権主張国・地域又は機関】CN

(81)【指定国・地域】

(71)【出願人】

【識別番号】519059292

【氏名又は名称】杭州海康机器人股▲ふん▼有限公司

【氏名又は名称原語表記】Ｈａｎｇｚｈｏｕ Ｈｉｋｒｏｂｏｔ Ｃｏ．， Ｌｔｄ．

【住所又は居所原語表記】Ｒｏｏｍ ３０４， Ｕｎｉｔ Ｂ， Ｂｕｉｌｄｉｎｇ ２， ３９９ Ｄａｎｇｆｅｎｇ Ｒｏａｄ， Ｂｉｎｊｉａｎｇ Ｄｉｓｔｒｉｃｔ， Ｈａｎｇｚｈｏｕ， Ｚｈｅｊｉａｎｇ ３１００５１， Ｃｈｉｎａ

(74)【代理人】

【識別番号】110001519

【氏名又は名称】弁理士法人太陽国際特許事務所

(72)【発明者】

【氏名】胡茂邦

(72)【発明者】

【氏名】顧叡

(72)【発明者】

【氏名】周楊

【テーマコード（参考）】

5L096

【Ｆターム（参考）】

5L096AA09

5L096EA03

5L096EA39

5L096FA06

5L096FA59

5L096FA60

5L096FA67

5L096FA70

5L096JA11

(57)【要約】

本出願は、小包を検出するための方法、装置、計算装置、物流システム及び記憶媒体を提供する。小包を検出するための方法であって、小包の外面の点群データを取得するステップと、前記点群データに基づいて、前記小包の外観特徴を確定するステップと、前記小包の外観特徴に基づいて、前記小包の規則度を確定するステップであって、前記規則度は、小包の表面の平坦度及び／又は小包の積載済み量と小包の容量上限との近接度を表すステップとを含む、方法。

【特許請求の範囲】

【請求項1】

小包を検出するための方法であって、
小包の外面の点群データを取得するステップと、
前記点群データに基づいて、前記小包の外観特徴を確定するステップと、
前記小包の外観特徴に基づいて、前記小包の規則度を確定するステップであって、前記規則度は、小包の表面の平坦度及び／又は小包の積載済み量と小包の容量上限との近接度を表すステップとを含む、方法。

【請求項2】

請求項１に記載の方法であって、
前記小包の外面の点群データを取得するステップは、
点群データ収集装置によって搬送ベルト上の前記小包を走査して得られた走査結果を受信するステップと、
前記走査結果に基づいて、前記点群データを確定するステップとを含む、方法。

【請求項3】

請求項１に記載の方法であって、
前記点群データに基づいて、前記小包の外観特徴を確定するステップは、
前記点群データに基づいて、前記小包の上面の平坦度を確定するステップであって、前記上面の平坦度は、前記小包の頂部表面の平滑度を表すステップと、
前記点群データに基づいて、前記小包の体積デューテイ比を確定するステップであって、前記体積デューテイ比は、前記小包の体積と前記小包の最小外接直方体の体積との比であるステップと、
前記点群データに基づいて、前記小包の理想的な体積占有率を確定するステップであって、前記理想的な体積占有率は、前記小包の体積と前記小包の容量上限との比であるステップと、
前記点群データに基づいて、前記小包の輪郭矩形度を確定するステップであって、前記輪郭矩形度は、前記小包の水平投影領域の面積と水平投影領域の最小外接矩形領域の面積との比であるステップと、
のうちの少なくとも１つのステップを含む、方法。

【請求項4】

請求項３に記載の方法であって、
前記小包の外観特徴に基づいて、前記小包の規則度を確定するステップは、
前記上面の平坦度と、体積デューテイ比と、理想的な体積占有率と、輪郭矩形度のうちの少なくとも１つの外観特徴の加重和を計算し、前記加重和を前記小包の規則度とするステップを含む、方法。

【請求項5】

請求項３に記載の方法であって、
前記点群データに基づいて、前記小包の上面の平坦度を確定するステップは、
前記点群データの主方向を確定するステップであって、前記主方向は、前記点群データの全体的な向きを反映するためのものであるステップと、
前記点群データの目標サブセットを確定するステップであって、目標サブセットにおける各点の法線方向と前記主方向との間の角度は角度閾値より小さいステップと、
前記目標サブセットにおける点の数と前記点群データにおける点の数との比を前記上面の平坦度とするステップとを含む、方法。

【請求項6】

請求項５に記載の方法であって、
前記点群データの主方向を確定するステップは、
点群データに対してダウンサンプリング操作を行って、サンプリングされた点群データを得るステップと、
サンプリングされた点群データの主方向を確定するステップとを含む、方法。

【請求項7】

請求項３に記載の方法であって、
前記点群データに基づいて、前記小包の体積デューティ比を確定するステップは、
前記点群データに基づいて、小包の外観モデルを確定するステップと、
前記小包の外観モデルに基づいて、前記小包の最小外接直方体を確定し、前記最小外接直方体の体積を確定するステップと、
前記点群データに基づいて、前記小包の体積を確定するステップと、
前記最小外接直方体の体積と前記小包の体積に基づいて、前記体積デューテイ比を確定するステップとを含む、方法。

【請求項8】

請求項７に記載の方法であって、
前記点群データに基づいて、前記小包の体積を確定するステップは、
前記点群データを所定の平面に投影して、前記点群データに対応する投影点を得るステップと、
前記点群データに対応する投影点に対してグリッド化処理を行って、投影点を含む複数のグリッドを得るステップと、
各グリッドに対応する体積を計算するステップであって、各グリッドに対応する体積は、当該グリッドの面積と当該グリッドに投影された点群データの高さとの積であるステップと、
複数のグリッドに対応する体積の和を小包の体積とするステップとを含む、方法。

【請求項9】

請求項３に記載の方法であって、
前記点群データに基づいて、前記小包の輪郭矩形度を確定するステップは、
水平面における前記点群データの水平投影領域を確定し、水平投影領域の面積を確定するステップと、
前記水平投影領域の最小外接矩形領域を確定し、前記最小外接矩形領域の面積を確定するステップと、
前記水平投影領域の面積と前記最小外接矩形領域の面積との比を前記輪郭矩形度とするステップとを含む、方法。

【請求項10】

請求項５に記載の方法であって、
前記点群データの主方向を確定するステップは、
点群データの中心点を計算するステップであって、前記中心点の座標は点群データにおける点の座標の平均値であるステップと、
点群データにおける各点の座標から中心点の座標を引いて、中心がずれた点群データを得るステップと、
中心がずれた点群データからなる第１の行列と第２の行列とを確定するステップであって、第２の行列は第１の行列の転置行列であるステップと、
第１の行列と第２の行列との積を計算し、共分散行列を得るステップと、
共分散行列に対して特異値分解を行って、特徴値が最大な特徴ベクトルを点群データの主方向とするステップとを含む、方法。

【請求項11】

小包を検出するための装置であって、
小包の外面の点群データを取得するための取得手段と、
前記点群データに基づいて、前記小包の外観特徴を確定するための特徴抽出手段と、
前記小包の外観特徴に基づいて、前記小包の規則度を確定するための規則度確定手段であって、前記規則度は、小包の表面の平坦度及び小包の積載済み量と容量の上限との近接度を表す規則度確定手段と、を含む装置。

【請求項12】

メモリと、
プロセッサと、
当該メモリに記憶され前記プロセッサによって実行されるように構成されるプログラムであって、請求項１～１０のいずれか１項に記載の方法を実行するための命令を含むプログラムと、を含む計算装置。

【請求項13】

プログラムが記憶されており、前記プログラムは、計算装置によって実行されると、前記計算装置に請求項１～１０のいずれか１項に記載の方法を実行させるための命令を含む、記憶媒体。

【請求項14】

請求項１２に記載の計算装置と、
搬送ベルトと、
前記搬送ベルト上の小包の点群データを収集するための点群データ収集装置とを含む、物流システム。

【請求項15】

コマンドを含むコンピュータプログラム製品であって、
前記コンピュータプログラム製品がコンピュータによって実行されると、前記コンピュータに請求項１～１０のいずれか１項に記載の方法を実現させる、コンピュータプログラム製品。

【発明の詳細な説明】

【技術分野】

【0001】

本出願は物流自動化技術の分野に関し、特に小包を検出するための方法、装置、計算装置、物流システム及び記憶媒体に関する。

【背景技術】

【0002】

現在、物流の応用シーンにおいて、搬送される小包の規則度が高いことを確保し、搬送効率を確保するために、作業員は、通常、搬送ベルト上の小包の規則度を検出する必要がある。ここで、規則度は、小包の表面の平坦度及び小包の積載済み量と容量の上限との近接度を表す。

【0003】

しかし、小包の規則度を手動で検出する方式は、効率が良くないし、検出結果の一致性が悪い。このため、小包の規則度を自動的に検出する手段が求められる。

【発明の概要】

【発明が解決しようとする課題】

【0004】

本出願は、小包の規則度への自動検出を実現でき、さらに小包の検出効率を向上させると共に検出の一致性を向上させることができる小包を検出するための方法、装置、計算装置、物流システム及び記憶媒体を提供する。

【課題を解決するための手段】

【0005】

本出願の一態様によれば、小包を検出するための方法であって、
小包の外面の点群データを取得するステップと、
前記点群データに基づいて、前記小包の外観特徴を確定するステップと、
前記小包の外観特徴に基づいて、前記小包の規則度を確定するステップであって、前記規則度は、小包の表面の平坦度及び／又は小包の積載済み量と小包の容量上限との近接度を表すステップとを含む、方法を提供する。

【0006】

いくつかの実施例において、前記小包の外面の点群データを取得するステップは、
点群データ収集装置によって搬送ベルト上の前記小包を走査して得られた走査結果を受信するステップと、
前記走査結果に基づいて、前記点群データを確定するステップとを含む。

【0007】

いくつかの実施例において、前記点群データに基づいて、前記小包の外観特徴を確定するステップは、
前記点群データに基づいて、前記小包の上面の平坦度を確定するステップであって、前記上面の平坦度は、前記小包の頂部表面の平滑度を表すステップと、
前記点群データに基づいて、前記小包の体積デューティ比を確定するステップであって、前記体積デューテイ比は、前記小包の体積と前記小包の最小外接直方体の体積との比であるステップと、
前記点群データに基づいて、前記小包の理想的な体積占有率を確定するステップであって、前記理想的な体積占有率は、前記小包の体積と前記小包の容量上限との比であるステップと、
前記点群データに基づいて、前記小包の輪郭矩形度を確定するステップであって、前記輪郭矩形度は、前記小包の水平投影領域の面積と水平投影領域の最小外接矩形領域の面積との比であるステップとのうちの少なくとも１つのステップを含む。

【0008】

いくつかの実施例において、前記小包の外観特徴に基づいて、前記小包の規則度を確定するステップは、
前記上面の平坦度と、体積デューテイ比と、理想的な体積占有率と、輪郭矩形度のうちの少なくとも１つの外観特徴の加重和を計算し、前記加重和を前記小包の規則度とするステップを含む。

【0009】

いくつかの実施例において、前記点群データに基づいて、前記小包の上面の平坦度を確定するステップは、
前記点群データの主方向を確定するステップであって、前記主方向は、前記点群データの全体的な向きを反映するためのものであるステップと、
前記点群データの目標サブセットを確定するステップであって、目標サブセットにおける各点の法線方向と前記主方向との間の角度は角度閾値より小さいステップと、
前記目標サブセットにおける点の数と前記点群データにおける点の数との比を前記上面の平坦度とするステップとを含む。

【0010】

いくつかの実施例において、前記点群データの主方向を確定するステップは、
点群データに対してダウンサンプリング操作を行って、サンプリングされた点群データを得るステップと、
サンプリングされた点群データの主方向を確定するステップとを含む。

【0011】

いくつかの実施例において、前記点群データに基づいて、前記小包の体積デューティ比を確定するステップは、
前記点群データに基づいて、小包の外観モデルを確定するステップと、
前記小包の外観モデルに基づいて、前記小包の最小外接直方体を確定し、前記最小外接直方体の体積を確定するステップと、
前記点群データに基づいて、前記小包の体積を確定するステップと、
前記最小外接直方体の体積と前記小包の体積に基づいて、前記体積デューテイ比を確定するステップとを含む。

【0012】

いくつかの実施例において、前記点群データに基づいて、前記小包の体積を確定するステップは、
前記点群データを所定の平面に投影して、前記点群データに対応する投影点を得るステップと、
前記点群データに対応する投影点に対してグリッド化処理を行って、投影点を含む複数のグリッドを得るステップと、
各グリッドに対応する体積を計算するステップであって、各グリッドに対応する体積は、当該グリッドの面積と当該グリッドに投影された点群データの高さとの積であるステップと、
複数のグリッドに対応する体積の和を小包の体積とするステップとを含む。

【0013】

いくつかの実施例において、前記点群データに基づいて、前記小包の輪郭矩形度を確定するステップは、
水平面における前記点群データの水平投影領域を確定し、水平投影領域の面積を確定するステップと、
前記水平投影領域の最小外接矩形領域を確定し、前記最小外接矩形領域の面積を確定するステップと、
前記水平投影領域の面積と前記最小外接矩形領域の面積との比を前記輪郭矩形度とするステップとを含む。

【0014】

いくつかの実施例において、前記点群データの主方向を確定するステップは、
点群データの中心点を計算するステップであって、前記中心点の座標は点群データにおける点の座標の平均値であるステップと、
点群データにおける各点の座標から中心点の座標を引いて、中心がずれた点群データを得るステップと、
中心がずれた点群データからなる第１の行列と第２の行列とを確定するステップであって、第２の行列は第１の行列の転置行列であるステップと、
第１の行列と第２の行列との積を計算し、共分散行列を得るステップと、
共分散行列に対して特異値分解を行って、特徴値が最大な特徴ベクトルを点群データの主方向とするステップとを含む。

【0015】

本出願の一態様によれば、小包を検出するための装置であって、
小包の外面の点群データを取得するための取得手段と、
前記点群データに基づいて、前記小包の外観特徴を確定するための特徴抽出手段と、
前記小包の外観特徴に基づいて、前記小包の規則度を確定するための規則度確定手段であって、前記規則度は、小包の表面の平坦度及び小包の積載済み量と容量の上限との近接度を表す規則度確定手段とを含む、装置を提供する。

【0016】

本出願の一態様によれば、メモリと、プロセッサと、当該メモリに記憶され前記プロセッサによって実行されるように構成されるプログラムであって、本出願による小包を検出するための方法を実行するための命令を含むプログラムとを含む、計算装置を提供する。

【0017】

本出願の一態様によれば、プログラムが記憶されており、前記プログラムは、計算装置によって実行されると、前記計算装置に本出願による小包を検出するための方法を実行させるための命令を含む、記憶媒体を提供する。

【0018】

本出願の一態様によれば、計算装置と、搬送ベルトと、 前記搬送ベルト上の小包の点群データを収集するための点群データ収集装置とを含む、物流システムを提供する。

【0019】

本出願の一態様によれば、コマンドを含むコンピュータプログラム製品であって、前記コンピュータプログラム製品がコンピュータによって実行されると、前記コンピュータに本出願による小包を検出するための方法を実行させる、コンピュータプログラム製品を提供する。

【発明の効果】

【0020】

以上より、本出願による小包を検出する技術案によれば、小包の点群データに基づいて、小包の外観特徴を取得し、且つ外観特徴に基づいて、規則度を確定する。小包を検出する技術案は、小包の規則度を手動で検出する手間を省くことができ、装置によって小包の規則度に対する自動検出を実現し、さらに小包の規則度の検出効率を向上させると共に検出結果の一致性を向上させることができる。

【図面の簡単な説明】

【0021】

本出願の実施例及び従来技術の技術案をより明確に説明するために、以下に実施例及び従来技術に使用される図面を簡単に説明するが、無論、以下に説明される図面は、単に本出願のいくつかの実施例によるものに過ぎなく、当業者であれば、創造的な働きをせずに、これらの図面に基づいて他の図面を得ることもできる。

【図1】図１は本出願のいくつかの実施例による物流システムの模式図を示す。

【図2A】図２Ａは本出願のいくつかの実施例による小包を検出するための方法２００のフローチャットを示す。

【図2B】図２Ｂは本出願のいくつかの実施例による小包の模式図を示す。

【図2C】図２Ｃは本出願のいくつかの実施例による点群データの模式図を示す。

【図3】図３は本出願のいくつかの実施例による小包の外観特徴を確定するための方法３００のフローチャットを示す。

【図4】図４は本出願のいくつかの実施例による小包を検出するための方法４００のフローチャットを示す。

【図5A】図５Ａは本出願のいくつかの実施例による小包の上面の平坦度を確定するための方法５００のフローチャットを示す。

【図5B】図５Ｂは本出願のいくつかの実施例による点群データの主方向を確定するステップのフローチャットを示す。

【図6】図６は本出願のいくつかの実施例による小包の上面の平坦度を確定するための方法６００のフローチャットを示す。

【図7】図７は本出願のいくつかの実施例による体積デューティ比を計算するための方法７００のフローチャットを示す。

【図8】図８は本出願のいくつかの実施例による小包の体積を確定するための方法８００のフローチャットを示す。

【図9】図９は本出願のいくつかの実施例による輪郭矩形度を確定するための方法９００のフローチャットを示す。

【図10】図１０は本出願のいくつかの実施例による小包を検出する装置１０００の模式図を示す。

【図11】図１１は本出願のいくつかの実施例による小包を検出する装置１１００の模式図を示す。

【図12】図１２は本出願のいくつかの実施例による計算装置の模式図を示す。

【発明を実施するための形態】

【0022】

本発明の目的、技術案、及び利点をより明確にするために、以下、図面を参照しながら実施例を挙げることで、本発明をより詳しく説明する。説明される実施例は単に本発明の一部の実施例に過ぎず、全ての実施例ではないことは明らかである。本発明における実施例に基づいて、当業者が創造的な働きをせずに得られるすべての他の実施例は、いずれも本発明の保護範囲に含まれる。

【0023】

図１は本出願のいくつかの実施例による物流システムの模式図を示す。図１に示すように、物流システムは、搬送ベルト１１０と、点群データ収集装置１２０と、計算装置１３０とを含む。

【0024】

搬送ベルト１１０は輸送方向に小包を輸送し、例えば、図１に示す小包１４０を輸送する。ここで、輸送方向は、例えば図１において左から右の方向である。

【0025】

点群データ収集装置１２０は、例えばレーザレーダ又は深度カメラであってよい。深度カメラは、例えば構造化光式カメラ、飛行時間型（Ｔｉｍｅ ｏｆ Ｆｌｉｇｈｔ、ＴｏＦと略称される）カメラ、立体視（Ｓｔｅｒｅｏ）カメラ等である。

【0026】

点群データ収集装置１２０は、搬送ベルトを介して検出領域Ｓ１に輸送される小包を走査し、走査結果を計算装置１３０に出力する。

【0027】

計算装置１３０は、例えばサーバー、ノートパソコン、タブレットコンピュータ、ＰＤＡ等の装置である。計算装置１３０は、点群データ収集装置１２０からの走査結果に基づいて、小包の外面の点群データ（ｐｏｉｎｔ ｃｌｏｕｄ ｄａｔａ）を確定する。点群データは小包の外面における点の集合である。点群データにおける各点の座標は、点群データ収集装置１２０の座標系における座標として表されてよく、ワールド座標系における座標として表されてもよい。

【0028】

上記点群データが具体的に小包のどの表面における点の集合であるかは、点群データ収集装置１２０の設置位置及び角度に依存する。点群データは、点群データ収集装置１２０によって収集できる小包の外面における点の集合である。例えば、点群データ収集装置１２０が搬送ベルト１１０の上方に位置し、搬送ベルト１１０に垂直な方向に小包を走査する場合、点群データは、小包の上面における点と側面から突出した部分における点の集合であり、つまり、点群データ収集装置１２０によって収集できる小包の外面における点の集合である。

【0029】

計算装置１３０は小包の点群データに基づいて、自動的に小包の規則度を検出してよい。ここで、規則度とは、小包の表面の平坦度及び小包の積載済み量と容量の上限との近接度を指す。

【0030】

以下、図２を参照して、小包の規則度を検出する態様について説明する。

【0031】

図２Ａは本出願のいくつかの実施例による小包を検出するための方法２００のフローチャットを示す。方法２００は例えば計算装置１３０によって実行される。

【0032】

図２Ａに示すように、ステップＳ２０１では、小包の外面の点群データを取得する。例えば、ステップＳ２０１では、計算装置は小包の上面の点群データを取得してよい。小包の上表面とは、俯瞰して観察できる小包の表面領域を指す。

【0033】

いくつかの実施例において、ステップＳ２０１では、計算装置は点群データ収集装置によって搬送ベルト上の小包を走査して得られた走査結果を受信してよい。走査結果に基づいて、ステップＳ２０１では、計算装置は小包の外面の点群データを確定できる。点群データにおける各点は小包の外面における点に対応すると考えられる。点群データにおける各点の情報は当該点の位置情報を含む。1つの点の位置情報は例えば三次元座標系における一つの座標として表されてよい。例えば、図２Ｂは本出願のいくつかの実施例による小包の模式図を示す。図２Ｃは本出願のいくつかの実施例による点群データの模式図を示す。図２Ｃにおいて、点群データは図２Ｂにおける小包の外観特徴を表す。

【0034】

ステップＳ２０２では、点群データに基づいて、小包の外観特徴を確定する。ここで、外観特徴は例えば、上面の平坦度と、体積デューテイ比と、理想的な体積占有率と輪郭矩形度のうちの少なくとも１つを含んでよい。

【0035】

ステップＳ２０３では、小包の外観特徴に基づいて、小包の規則度を確定する。ここで、規則度は、小包の表面の平坦度及び／又は小包の積載済み量と小包の容量上限との近接度を表す。規則度は例えば小包の複数の外観特徴の加重和である。例えば、ステップＳ２０３では、計算装置は、上面の平坦度と、体積デューテイ比と、理想的な体積占有率と輪郭矩形度のうちの少なくとも１つの外観特徴の加重和を計算し、該加重和を前記小包の規則度としてよい。

【0036】

以上より、本出願による小包を検出するための方法２００によれば、小包の点群データに基づいて、小包の外観特徴を取得し、且つ外観特徴に基づいて、規則度を確定する。方法２００は、小包の規則度を手動で検出する手間を省き、装置による小包の規則度に対する自動検出を実現し、さらに小包の規則度に対する検出効率を向上させると共に検出結果の一致性を向上させることができる。

【0037】

いくつかの実施例において、ステップＳ２０２は方法３００として実施されてよい。つまり、上記ステップＳ２０２は以下のステップを含んでよい。

【0038】

図３に示すように、ステップＳ３０１では、点群データに基づいて、小包の上面の平坦度を確定する。

【0039】

ここで、上面の平坦度は、小包の頂部表面の平滑度を表すためのものである。頂部表面は、俯瞰して観察できる小包の表面領域であってもよい。

【0040】

ステップＳ３０２では、点群データに基づいて、小包の体積デューティ比を確定する。

【0041】

体積デューテイ比は、小包の体積と小包の最小外接直方体の体積との比である。ここで、体積デューテイ比が高いほど、小包が直方体に近いことを意味する。計算装置は、点群データによって表される小包に対応する各点の座標に基づいて、さらに小包の体積を確定する。点群データによって表される小包に対応する各点の座標に基づいて、小包の最小外接直方体を確定し、さらに小包の体積と小包の最小外接直方体の体積との比に基づいて、体積デューテイ比を確定する。

【0042】

ステップＳ３０３では、点群データに基づいて、小包の理想的な体積占有率を確定する。

【0043】

理想的な体積占有率は、小包の体積と小包の容量上限との比である。ここで、理想的な体積占有率が高いほど、小包の積載量が小包の容量上限に近いことを意味する。小包の体積は、点群データによって表される小包に対応する各点の座標に基づいて確定されてよい。小包の容量上限は予め取得されて記憶されてよい。

【0044】

一実施形態において、各小包は、容量が同じである同一仕様の小包である場合、計算装置は、予め小包の容量を取得して記憶し、小包の理想的な体積占有率を計算する際に使用できるようにしてよい。各小包は、容量が同じでない異なる仕様の小包である場合、計算装置は、予め各小包の容量を取得し、各小包の標識に対応して記憶してよい。上記点群データ収集装置１２０は、小包に対する走査を行う際に、小包における二次元コードを走査する等の方式により小包の標識を取得し、さらに計算装置に送信してもよい。このように、計算装置は、当該標識に基づいて、それに対応する小包の容量を確定し、さらに小包の理想的な体積占有率を確定できる。

【0045】

ステップＳ３０４では、点群データに基づいて、小包の輪郭矩形度を確定する。

【0046】

輪郭矩形度は、小包の水平投影領域の面積と水平投影領域の最小外接矩形領域の面積との比であり、つまり、水平面における小包の投影領域の面積と、水平面における投影領域の最小外接矩形領域の面積との比である。輪郭矩形度が高いほど、小包の外観が直方体又は立方体に近く、小包の外観も規則的になることを意味する。

【0047】

一実施形態において、計算装置は、小包の点群データに基づいて、水平面における小包の投影領域を確定し、さらに、当該投影領域の最小外接矩形を確定し、この後、小包の水平投影領域の面積と水平投影領域の最小外接矩形領域の面積との比を計算し、小包の輪郭矩形度を確定してもよい。

【0048】

以上より、方法３００は、様々な観点から小包の外観特徴を分析することができ、これにより複数の外観特徴により小包の規則度を確定することができる。外観特徴は、上面の平坦度、体積デューテイ比、理想的な体積占有率及び／又は輪郭矩形度を含むため、計算して得られた小包の規則度は、小包の表面の平坦度及び／又は小包の積載済み量と小包の容量上限との近接度を表してよい。

【0049】

図４は本出願のいくつかの実施例による小包を検出するための方法４００のフローチャットを示す。方法４００は例えば計算装置１３０によって実行される。

【0050】

図４に示すように、ステップＳ４０１では、小包の外面の点群データを取得する。

【0051】

ステップＳ４０２では、点群データに基づいて、小包の外観特徴を確定する。

【0052】

ステップＳ４０３では、小包の外観特徴に基づいて、小包の規則度を確定する。

【0053】

上記ステップＳ４０１～ステップＳ４０３はそれぞれ上記ステップＳ２０１～ステップＳ２０３と同じであるため、上記ステップＳ２０１～ステップＳ２０３の説明を参照できる。ここで、その説明を省略する。

【0054】

ステップＳ４０４では、規則度が規則度閾値に達したかどうかを判断する。

【0055】

ここで、規則度閾値は、予め実際のニーズに応じて設定される。小包の規則度に対する要求が比較的に高い場合、規則度閾値は高く設定されてもよい一方、小包の規則度に対する要求が比較的に低い場合、規則度閾値は低く設定されてもよい。

【0056】

ステップＳ４０４において規則度が規則度閾値に達したと判断すると、方法４００では、続いてステップＳ４０５を実行し、小包の分類結果が第１のカテゴリであると確定する。ステップＳ４０４において規則度が規則度閾値より低いと判断すると、方法４００では、続いてステップＳ４０６を実行し、小包の分類結果が第２のカテゴリであると確定する。

【0057】

ここで、第１のカテゴリは規則度に対する要求を満たすタイプであり、第２のカテゴリは規則度に対する要求を満たさないタイプである。小包の規則度が規則度閾値に達している場合は、当該小包の規則度が比較的に高く、小包の規則度に対する要求を満たすことを意味しているため、当該小包のカテゴリが第１のカテゴリであると確定できる。小包の規則度が規則度閾値に達していない場合は、当該小包の規則度が比較的に低く、小包の規則度に対する要求を満たさないことを意味しているため、当該小包のカテゴリが第２のカテゴリであると確定できる。

【0058】

ステップＳ４０６を実行した後、続いてステップＳ４０７を実行する。ステップＳ４０７では、小包の分類結果を仕分け装置に送信する。このように、仕分け装置は、分類結果に基づいて、小包に対する仕分けを行ってよい。例えば、仕分け装置は、搬送ベルト上の第２のカテゴリに属する小包を目標位置に仕分けする。このようにして、作業員が第２のカテゴリに属する小包を整理し、整理された当該小包が規則度に対する要求を満たすことができ、小包の輸送の便利性が向上することができる。小包のカテゴリが第１のカテゴリであると、当該小包の規則度が比較的に高く、小包の規則度に対する要求を満たすことを意味しているので、次の処理を行ってよい。例えば、当該小包に対してトラック積込み、入庫の処理を行ったり、次の仕分けプロセスに入ったりしてよいが、作業員により整理する必要がない。

【0059】

いくつかの実施例において、ステップＳ３０１は方法５００として実施されてよい。つまり、上記ステップＳ３０１は以下のステップを含んでよい。

【0060】

図５Ａに示すように、ステップＳ５０１では、点群データの主方向を確定する。主方向は、点群データの全体的な向きを反映するのものである。

【0061】

いくつかの実施例において、ステップＳ５０１は図５Ｂに示すフローチャットとして実施されてよい。つまり、ステップＳ５０１は以下のステップを含んでよい。

【0062】

図５Ｂに示すように、ステップＳ５０１１では、点群データの中心点を計算する。中心点の座標は点群データにおける点の座標の平均値である。

【0063】

ステップＳ５０１２では、点群データにおける各点の座標から中心点の座標を引いて、中心がずれた点群データを得る。

【0064】

ステップＳ５０１３では、中心がずれた点群データからなる第１の行列と第２の行列とを確定する。第２の行列は第１の行列の転置行列である。

【0065】

ステップＳ５０１４では、第１の行列と第２の行列との積を計算し、共分散行列を得る。例えば、仮に、第１の行列がＡであり、第２の行列がＡ^Ｔであり、共分散行列ｃｏｖ = ＡＡ^Ｔとする。

【0066】

ステップＳ５０１５では、共分散行列に対して特異値分解（Ｓｉｎｇｕｌａｒ Ｖａｌｕｅ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＳＶＤ）を行って、共分散行列の特徴ベクトルを取得し、さらに特徴値が最大な特徴ベクトルを点群データの主方向とする。

【0067】

ステップＳ５０２では、点群データの目標サブセットを確定する。

【0068】

目標サブセットにおける各点の法線方向と主方向との間の角度が角度閾値より小さい。ここで、角度閾値は例えば１０度、１５度、１８度等であるが、これらに限らない。点群データの主方向を確定した後、計算装置は、点群データにおける各点の法線方向と主方向との間の角度を計算し、さらに角度が角度閾値より小さい点からなる集合を点群データの目標サブセットとして確定する。そのうち、各点の法線は当該点を通って当該点が位置している局所的平面に垂直する直線である。

【0069】

ステップＳ５０３では、目標サブセットにおける点の数と点群データにおける点の数との比を上面の平坦度とする。

【0070】

ここで、上面の平坦度が高いほど、小包の頂部表面が平滑である。具体的に、目標サブセットにおける点の数が多いほど、対応する法線方向と主方向との間の角度が角度閾値より小さい点の数が多いことを意味し、つまり、一つの平面における小包の頂部の点の数が多いことを意味するため、小包の頂部表面が平滑であると確定できる。

【0071】

いくつかの実施例において、ステップＳ３０１は方法６００として実施されてよい。つまり、上記ステップＳ３０１は以下のステップを含んでよい。

【0072】

図６に示すように、ステップＳ６０１では、点群データに対してダウンサンプリング操作を行って、サンプリングされた点群データを得る。ここで、ダウンサンプリング操作により、点群データのデータの量を低減することができ、これにより、上面の平坦度を計算する效率が向上する。

【0073】

ステップＳ６０２では、主成分分析アルゴリズムに基づいて、サンプリングされた点群データの主方向を確定する。主方向は、点群データの全体的な向きを反映するためのものである。具体的に、主成分分析アルゴリズムは、上記特異値分解アルゴリズムであってよい。ここで、その説明を省略する。

【0074】

ステップＳ６０３では、サンプリングされた点群データの目標サブセットを確定する。

【0075】

目標サブセットにおける各点の法線方向と主方向との間の角度が角度閾値より小さい。ここで、角度閾値は例えば１０度であるが、これに限らない。ステップＳ６０３は上記ステップＳ５０２と同じであるため、上記ステップＳ５０２の説明を参照でき、ここでその説明を省略する。

【0076】

ステップＳ６０４では、目標サブセットにおける点の数とサンプリングされた点群データにおける点の数との比を上面の平坦度とする。

【0077】

例えば、上面の平坦度は以下の式に基づいて得られる。

【数1】

ｆｌａｔ_ｒａｔｉｏは上面の平坦度であり、Ｎ_{ａｎｇｌｅ}は目標サブセットにおける点の数であり、Ｎ_{ｓａｍｐｌｅｄ}はサンプリングされた点群データにおける点の数を表す。

【0078】

いくつかの実施例において、ステップＳ３０２は方法７００として実施されてよい。つまり、ステップＳ３０２は以下のステップを含んでよい。

【0079】

図７に示すように、ステップＳ７０１では、点群データに基づいて、小包の外観モデルを確定する。換言すれば、ステップＳ７０１では、点群データに基づいて、小包の三次元モデルを確定してよい。点群データは小包の外部の各点の位置を表すことができるので、点群データに基づいて、小包の三次元モデルを構築してよい。

【0080】

ステップＳ７０２では、小包の外観モデルに基づいて、小包の最小外接直方体を確定し、最小外接直方体の体積を確定する。

【0081】

小包の外観モデルを確定した後、当該外観モデルに基づいて、小包の最小外接直方体を確定し、さらに当該最小外接直方体の体積を計算してよい。

【0082】

ステップＳ７０３では、点群データに基づいて、小包の体積を確定する。ここで、点群データに基づいて、ステップＳ７０３では、様々な体積計算方法により、小包の体積を確定してよい。

【0083】

いくつかの実施例において、ステップＳ７０３は方法８００として実施されてよい。つまり、ステップＳ７０３は以下のステップを含んでよい。

【0084】

図８に示すように、ステップＳ８０１では、点群データを所定の平面に投影して、前記点群データに対応する投影点を得る。当該所定の平面は小包の載置面であってよい。例えば、小包が搬送ベルト上に置かれた場合、小包の下面が搬送ベルトの表面と重なるため、所定の平面は搬送ベルトの表面であってもよい。

【0085】

ステップＳ８０２では、点群データに対応する投影点をグリッド化して、投影点を含む複数のグリッドを得る。

【0086】

ステップＳ８０３では、各グリッドに対応する体積を計算し、各グリッドに対応する体積は、当該グリッドの面積と当該グリッドに投影された点群データの高さとの積である。

【0087】

当該グリッドに投影された点群データの高さは、当該グリッドに投影された点群データの高さの平均値又は当該グリッドに投影された点群データの高さ範囲における最も数の多い点に対応する高さの値である。ここで、最も数の多い点に対応する高さの値は、高さに応じて当該グリッドに投影された点群データをグループ化した後、最も数の多い点が含まれたグループに対応する高さの値であると理解される。点群データにおける単一点の高さは、当該点の三次元座標系における鉛直方向の座標値と搬送ベルトの鉛直方向における座標値との差である。ここで、各グリッドに対応する体積は、当該グリッドに対応する柱体の体積であるとと理解される。柱体は、グリッドを利用して小包の外観モデルを鉛直に分割して得られた柱体であると考えられる。

【0088】

ステップＳ８０４では、複数のグリッドに対応する体積の和を小包の体積とする。

【0089】

そのうち、ステップＳ８０４では、複数のグリッドに対応する体積の和を小包の体積とすることは、全てのグリッドに対応する体積の和を小包の体積とすることを意味する。

【0090】

以上より、方法８００は、点群データをグリッド化する方式により、積分による小包の体積を計算してよい。このため、小包の表面が平坦でない場合でも、方法８００はより正確に小包の体積を確定することができる。

【0091】

ステップＳ７０４では、直方体の体積と小包の体積とに基づいて、体積デューテイ比を計算する。例えば、ステップＳ７０４では、以下の式に基づいて体積デューテイ比を計算してよい。

【数2】

ｖｏｌ_{ｉｎｔｅｇｒａｌ}は小包の体積であり、ｖｏｌ_ｂｏｘは当該小包の最小外接直方体の体積である。

【0092】

いくつかの実施例において、ステップＳ３０４は方法９００として実施されてよい。つまり、上記ステップＳ３０４は以下のステップを含んでよい。

【0093】

図９に示すように、ステップＳ９０１では、水平面における点群データの水平投影領域を確定し、水平投影領域の面積を確定する。

【0094】

ステップＳ９０２では、水平投影領域の最小外接矩形領域を確定し、最小外接矩形領域の面積を確定する。

【0095】

ステップＳ９０３では、水平投影領域の面積と最小外接矩形領域の面積との比を輪郭矩形度とする。例えば、ステップＳ９０３では、以下の式に基づいて輪郭矩形度を計算してもよい。

【数3】

ｒｅｃｔａｎｇｕｌａｒｉｔｙは輪郭矩形度であり、Ｓ_{ｃｏｎｖｅｘ＿ｈｕｌｌ}は水平投影領域の面積であり、Ｓ_{ｍｉｎ＿ｒｅｃｔ}は最小外接矩形領域の面積である。輪郭矩形度が１に近いほど、小包の上面が長方形に近く、小包の規則度が優れる。

【0096】

上記実施例において、小包の規則度は上面の平坦度、体積デューテイ比、理想的な体積占有率及び輪郭矩形度に関連する。そのうち、上面の平坦度が高いほど、小包の表面の平坦度が高く、小包の規則度も高いことを意味する。体積デューテイ比と理想的な体積占有率が高いほど、小包の残りの容量が少なく、小包の規則度も高いことを意味する。輪郭矩形度が高いほど、小包の輪郭が矩形に近く、小包の規則度も高いことを意味する。つまり、小包の規則度と、上面の平坦度、体積デューテイ比、理想的な体積占有率及び輪郭矩形度の各々に正の相関関係がある。

【0097】

図１０は本出願のいくつかの実施例による小包を検出する装置１０００を示す。装置１０００は例えば計算装置１３０に配置されてよい。

【0098】

図１０に示すように、装置１０００は、取得手段１００１と、特徴抽出手段１００２と、規則度確定手段１００３とを含む。

【0099】

取得手段１００１は、小包の外面の点群データを取得するためのものである。

【0100】

特徴抽出手段１００２は、点群データに基づいて、小包の外観特徴を確定するためのものである。

【0101】

規則度確定手段１００３は、小包の外観特徴に基づいて、小包の規則度を確定するためのものである。ここで、規則度は、小包の表面の平坦度及び／又は小包の積載済み量と小包の容量上限との近接度を表す。装置１０００の更なる具体的な実施形態は方法２００と一致するため、ここでその説明を省略する。

【0102】

以上より、本出願による小包を検出する装置１０００によれば、小包の点群データに基づいて、小包の外観特徴を取得し、且つ外観特徴に基づいて、規則度を確定する。装置１０００は、小包の規則度を手動で検出する手間を省くことができ、装置によって小包の規則度に対する自動検出を実現し、さらに小包の規則度の検出効率を向上させると共に検出結果の一致性を向上させることができる。

【0103】

図１１は本出願のいくつかの実施例による小包を検出する装置１１００を示す。装置１１００は例えば計算装置１３０に配置されてよい。

【0104】

図１１に示すように、装置１１００は、取得手段１１０１と、特徴抽出手段１１０２と、規則度確定手段１１０３と、分類手段１１０４とを含む。

【0105】

取得手段１１０１は、小包の外面の点群データを取得するためのものである。

【0106】

特徴抽出手段１１０２は、点群データに基づいて、小包の外観特徴を確定するためのものである。

【0107】

規則度確定手段１１０３は、小包の外観特徴に基づいて、小包の規則度を確定するためのものである。

【0108】

分類手段１１０４は、規則度が規則度閾値に達したかどうかを判断するためのものである。規則度が規則度閾値に達している場合、分類手段１１０４は、小包の分類結果が第１のカテゴリであると確定する。規則度が規則度閾値より低い場合、分類手段１１０４は、小包の分類結果が第２のカテゴリであると確定する。

【0109】

いくつかの実施例において、点群データを取得するために、取得手段１１０１は点群データ収集装置によって搬送ベルト上の小包を走査して得られた走査結果を受信してよい。走査結果に基づいて、取得手段１１０１は点群データを確定する。

【0110】

点群データに基づいて、特徴抽出手段１１０２は、小包の１つ又は複数の外観特徴を確定してよい。例えば、点群データに基づいて、特徴抽出手段１１０２は、小包の上面の平坦度を確定する。ここで、上面の平坦度は、小包の頂部表面の平滑度を表す。点群データに基づいて、特徴抽出手段１１０２は、小包の体積デューティ比を確定する。体積デューテイ比は、小包の体積と小包の最小外接直方体の体積との比である。点群データに基づいて、特徴抽出手段１１０２は、小包の理想的な体積占有率を確定する。理想的な体積占有率は、小包の体積と小包の容量上限との比である。点群データに基づいて、小包の輪郭矩形度を確定する。輪郭矩形度は、小包の水平投影領域の面積と水平投影領域の最小外接矩形領域の面積との比である。

【0111】

いくつかの実施例において、規則度確定手段１１０３は、上面の平坦度、体積デューテイ比、理想的な体積占有率及び輪郭矩形度のうちの少なくとも１つの外観特徴の加重和を計算し、加重和を前記小包の規則度としてよい。

【0112】

特徴抽出手段１１０２は、点群データの主方向を確定するために使用されてもよい。主方向は、点群データの全体的な向きを反映するためのものである。特徴抽出手段１１０２は、さらに点群データの目標サブセットを確定するために使用されてもよい。目標サブセットにおける各点の法線方向と主方向との間の角度が角度閾値より小さい。このように、特徴抽出手段１１０２は、目標サブセットにおける点の数と点群データにおける点の数との比を上面の平坦度としてよい。

【0113】

点群データの主方向を確定する前に、特徴抽出手段１１０２は、さらに点群データに対してダウンサンプリング操作を行って、サンプリングされた点群データを得るために使用されてもよい。

【0114】

いくつかの実施例において、特徴抽出手段１１０２は、点群データに基づいて、小包の外観モデルを確定するために使用されてもよい。小包の外観モデルに基づいて、特徴抽出手段１１０２は、小包の最小外接直方体を確定し、最小外接直方体の体積を確定するために使用されてもよい。点群データに基づいて、特徴抽出手段１１０２は、小包の体積を確定してよい。最小外接直方体の体積と小包の体積とに基づいて、特徴抽出手段１１０２は、体積デューテイ比を計算してよい。

【0115】

小包の体積を確定するために、特徴抽出手段１１０２は、所定の平面における格子化配列に従って、点群データに対して格子化分割を行い、複数のグリッドに対応する点を得るために使用されてよい。そのうち、各グリッドに対応する点の水平投影は当該グリッドの範囲に属する。各グリッドに対応する点に基づいて、特徴抽出手段１１０２は、当該グリッドに対応する体積を計算する。そのうち、当該グリッドに対応する体積は、当該グリッドの面積と当該グリッドに対応する点の高さとの積である。特徴抽出手段１１０２は、複数のグリッドに対応する体積の和を小包の体積とする。

【0116】

小包の輪郭矩形度を確定するために、特徴抽出手段１１０２は、水平面における点群データの水平投影領域を確定し、水平投影領域の面積を確定するために使用されてもよい。特徴抽出手段１１０２は、水平投影領域の最小外接矩形領域を確定し、最小外接矩形領域の面積を確定してよい。特徴抽出手段１１０２は、水平投影領域の面積と最小外接矩形領域の面積との比を輪郭矩形度としてよい。

【0117】

点群データの主方向を確定するために、特徴抽出手段１１０２は、点群データの中心点を計算するために使用されてもよい。中心点の座標は点群データにおける点の座標の平均値である。特徴抽出手段１１０２は、点群データにおける各点の座標から中心点の座標を引いて、中心がずれた点群データを得る。特徴抽出手段１１０２は、中心がずれた点群データからなる第１の行列と第２の行列とを確定する。ここで、第２の行列は第１の行列の転置行列である。特徴抽出手段１１０２は、第１の行列と第２の行列との積を計算し、共分散行列を得る。特徴抽出手段１１０２は、共分散行列に対して特異値分解を行って、特徴値が最大な特徴ベクトルを点群データの主方向とする。

【0118】

図１２は本出願のいくつかの実施例による計算装置の模式図を示す。図１２に示すように、当該計算装置は、１つ又は複数のプロセッサ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ，ＣＰＵ）１２０２と、通信モジュール１２０４と、メモリ１２０６と、ユーザインタフェース１２１０と、これらの部品を相互接続するための通信バス１２０８とを含む。ただし、図１２には、１つのプロセッサのみを模式的に示す。

【0119】

プロセッサ１２０２は、ネットワーク通信及び／又はローカル通信を実現するために、通信モジュール１２０４によりデータを送受信できる。

【0120】

ユーザインタフェース１２１０には、１つ又は複数のスピーカー及び／又は１つ又は複数の可視ディスプレイを含む１つ又は複数の出力機器１２１２を含む。ユーザインタフェース１２１０には１つ又は複数の入力機器１２１４も含む。ユーザインタフェース１２１０は例えばリモコンからの命令を受信してよいが、これに限らない。ただし、図１２には、１つの出力機器と１つの入力機器のみを模式的に示す。

【0121】

メモリ１２０６は、例えばＤＲＡＭ、ＳＲＡＭ、ＤＤＲ ＲＡＭ、又は他のランダムアクセスソリッドステートストレージデバイスのような高速ランダムアクセスメモリ、或いは、例えば１つ又は複数の磁気ディスク記憶装置、光ディスク記憶装置、フラッシュメモリー、又は他の非揮発性ソリッドステートストレージデバイスのような非揮発性メモリであってよい。

【0122】

メモリ１２０６は、オペレーティングシステム１２１６とアプリケーション１２１８とを含む、プロセッサ１２０２によって実行可能な命令セットを記憶する。

【0123】

オペレーティングシステム１２１６は、様々な基本的なシステムサービスを処理するためのプログラムと、ハードウェアに関連するタスクを実行するためのプログラムとを含む。

【0124】

アプリケーション１２１８は、上記小包の検出を実現するための様々なプログラムを含み、例えば小包を検出する装置１０００と１１００とを含んでよい。このようなプログラムは、上記各実例における処理フローを実現でき、例えば小包を検出する方法を含んでよい。一実施形態において、アプリケーション１２１８は、上記小包の検出を実現する様々なプログラムを含み、例えば小包を検出する装置１０００又は小包を検出する装置１１００を含んでよい。

【0125】

なお、本出願の各実施例は、コンピュータのようなデータ処理装置によって実行されるデータ処理プログラムにより実現されてよい。データ処理プログラムが本出願を構成することは明らかである。また、一般的に、１つの記憶媒体に記憶されるデータ処理プログラムは、プログラムを直接に記憶媒体から読み取るか、或いは、プログラムをデータ処理装置にインストール又はコピーする記憶装置（例えばハードディスク及び／又はメモリ）により実行される。このため、このような記憶媒体も本出願を構成する。記憶媒体は、例えば紙媒体（例えば紙テープ等）、磁気記憶媒体（例えばフロッピー（登録商標）ディスク、ハードディスク、メモリ等）、光学記憶媒体（例えばＣＤ-ＲＯＭ等）、光磁気記憶媒体（例えばＭＯ等）等のような任意タイプの記憶方式を使用するものであってよい。

【0126】

このため、本出願は、プログラムを記憶している非揮発性記憶媒体を更に開示する。当該プログラムは、命令を含み、前記命令がプロセッサによって実行されると、計算装置に本出願による小包を検出するための方法を実行させる。

【0127】

本出願は、コマンドを含むコンピュータプログラム製品をさらに開示する。前記コンピュータプログラム製品がコンピュータによって実行されると、前記コンピュータに上記いずれかの実施例に記載の小包を検出するための方法を実行させる。

【0128】

本出願による小包を検出する技術案によれば、コンピュータプログラム製品がコンピュータによって実行されると、コンピュータは、小包の点群データに基づいて、小包の外観特徴を取得し、且つ外観特徴に基づいて、規則度を確定してよい。小包を検出する技術案は、小包の規則度を手動で検出する手間を省くことができ、装置によって小包の規則度に対する自動検出を実現し、さらに小包の規則度の検出効率を向上させると共に検出結果の一致性を向上させることができる。

【0129】

なお、本出願に記載の方法におけるステップは、データ処理プログラムによって実現されるほか、ハードウェアによって実行されてもよい。例えば、論理ゲート、スイッチング、特定用途向け集積回路（ＡＳＩＣ）、プログラマブル論理コントローラ及び組込みマイクロコントローラ等によって実現されてよい。このため、このような本出願に記載の方法を実現するハードウェアも、本出願を構成してよい。以上の記載は本出願の好ましい実施例に過ぎず、本出願を限定することを意図するものではない。本出願の主旨及び原則の範囲で行われる任意の変更、等価置換、改良等は何れも本出願の保護範囲内に含まれるべきである。

【0130】

〔関連出願の相互参照〕
本出願は、２０１９年１２月３１日に中国特許庁に提出された、出願番号が２０１９１１４１３０６９．６であり、発明の名称が「小包を検出するための方法、装置、計算装置、物流システム及び記憶媒体」である中国特許出願に基づき優先権を主張する。ここで、その全ての内容は、援用により本出願に組み込まれる。

【図1】

【図2A】

【図2B】

【図2C】

【図3】

【図4】

【図5A】

【図5B】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【国際調査報告】