利用紅外對射器判斷復雜場景下大型物體出入庫方向

李 楊1，秦立德1，史甜姝2，蔣遂平1

（1.北京計算機技術及應用研究所，北京 100854；2.天津市勞動經(jīng)濟學校，天津 300380）

摘 要：針對倉庫出入庫作業(yè)中需要準確記錄大型物體出庫或入庫方向的需求，設計了一種利用多個紅外對射器判斷復雜場景下物體出入庫方向的方法。該方法根據(jù)獲取的紅外對射器狀態(tài)序列，計算其中的有效狀態(tài)子序列并與理想狀態(tài)序列比較，完成物體出入庫方向的判斷。實際應用表明，該方法能夠簡單有效地判斷物體出入庫的方向，特別適合于計算能力較弱的物聯(lián)網(wǎng)終端實現(xiàn)邊緣計算，能夠滿足倉庫管理應用中的需求。

關鍵詞：紅外對射器；倉庫管理；方向判斷；物聯(lián)網(wǎng)；邊緣計算；有效狀態(tài)序列

中圖分類號：TP39 文獻標識碼：A 文章編號：2095-1302（2025）02-00-03

0 引 言

在一類倉庫的出入庫作業(yè)中，通常需要準確記錄大型物體出庫或入庫的方向。大型物體出入庫大多采用人工推行的方式，可以通過檢測物體和人員運動方向來確定物體的運動方向。常見的方法是在庫房大門安裝攝像頭、超聲波發(fā)射器和雷達，利用信號處理、圖像處理或人工智能方法，判斷物體的運動方向。

文獻[1]通過采集目標物體的運動圖像，根據(jù)移動物體運動場和光流場的關系，由運動主方向確定物體移動的方向，但需要進行復雜的光流計算。文獻[2]利用幾何方法計算物體運動與背景運動的差異，從而獲得運動方向，但需要背景建模。文獻[3]采用融合深度信息的雙向人流量統(tǒng)計方法，使用結合目標位置相似度與深度相似度的目標匹配策略，提升軌跡關聯(lián)的可靠性和準確性；為減少目標頻繁遮擋導致軌跡匹配錯誤等情況，用目標的軌跡上下文深度差判斷人員遮擋狀態(tài)；利用三維質(zhì)心坐標判斷人員橫縱運動方向，處理相機視角變化和不規(guī)則運動，以減少方向誤判。文獻[4]通過測定距離來確定物體的運動方向，指出超聲波方法實時性較高但精度較低，計算機視覺實時性較差但精度較高。文獻[5]推導了雷達差頻信號頻率及相位與目標運動方向的關系，得到頻率及相位與目標靠近或遠離關系的判定法則，并設計了基于頻率和相位變化的判斷目標運動方向的雙模判斷模塊。

以上方法對感知和計算資源的要求較高，成本也較高，不適合倉庫管理等應用場景。如果在物體出入庫的同時，還有其他人員在庫房大門附近活動，就會產(chǎn)生干擾，影響系統(tǒng)判斷物體出入庫的方向。

為達到降低成本、提高數(shù)據(jù)采集效果的目的，人們開始使用紅外對射器來檢測物體運動。文獻[6]利用紅外對射器觸發(fā)圖像采集，使得圖像更為清晰。文獻[7-9]利用紅外對射器觸發(fā)車輛的信息采集，但不用判斷車輛方向。文獻[10]利用2對紅外對射器檢測車輛的出入方向，并觸發(fā)信息采集，但其無法應用于有人員干擾的復雜場景。

本文在倉庫管理應用中，設計了一種利用多個紅外對射器判斷復雜場景下物體出入庫方向的方法。該方法根據(jù)獲取的紅外對射器狀態(tài)序列，計算其中的有效狀態(tài)子序列并與理想狀態(tài)序列比較，完成物體出入庫方向的判斷。

1 方法設計

1.1 感知設置

在倉庫管理過程中，出入庫作業(yè)需要準確記錄大型貴重物體出庫或入庫的方向，由于管理限制，不能安裝攝像頭，也就不能采用圖像處理或人工智能的方式來實現(xiàn)物體出入庫方向的判斷。因此，決定利用多個紅外對射器實現(xiàn)對物體出入庫方向的判斷。

在出入庫作業(yè)中，大型物體的長度約10 m，移動速度不超過1 m/s。在庫房內(nèi)靠近大門處安裝了4個紅外對射器，相鄰2個紅外對射器之間的距離為0.5 m，物體在出入庫作業(yè)中，移動0.5 m需要500 ms，而且物體遮擋4個紅外對射器的時間超過1.5 s。紅外對射器的數(shù)據(jù)采集周期為50 ms，足以采集到4個紅外對射器的狀態(tài)信息。系統(tǒng)感知設置如圖1所示。

1.2 方向判斷

在出入庫作業(yè)過程中，通常有其他人員也在進出庫房，為物體出入庫方向的判斷帶來極大干擾。由于物體尺寸比人員尺寸大一個數(shù)量級，且人員通常無法同時將4個紅外對射器全部遮擋，因此，利用該特性設計了判斷物體出入庫方向的方法。

方向判斷方法的主要思想：在4個紅外對射器均未被遮擋時，根據(jù)獲取的紅外對射狀態(tài)序列，判斷物體出入庫方向。方向判斷方法的主流程如圖2所示。

紅外對射器的狀態(tài)分為“被遮擋”和“未遮擋”，“1”表示“被遮擋”狀態(tài)，“0”表示“未遮擋”狀態(tài)。4個紅外對射器可能的狀態(tài)有16種，用0x00～0x0F表示。例如，0x07表示紅外對射器1被遮擋、紅外對射器2被遮擋、紅外對射器3被遮擋、紅外對射器4未遮擋（1 B可以表示8個紅外對射器的狀態(tài)）。

紅外對射器的狀態(tài)序列可以用1個字節(jié)流表示。例如，理想的入庫序列為：0x01， 0x03， 0x07， 0x0F， 0x0E， 0x0C， 0x08；理想的出庫序列為：0x08， 0x0C， 0x0E， 0x0F， 0x07， 0x03， 0x01。

由于存在干擾，采集的紅外對射器狀態(tài)序列不是理想的入庫序列或理想的出庫序列，實際的序列可能為：

0x08， 0x0C， 0x08， 0x0C， 0x08， 0x0C， 0x08， 0x0C， 0x08， 0x0C， 0x08， 0x0C， 0x08， 0x0C， 0x08， 0x0C， 0x04（無效序列）；

0x08， 0x04， 0x01， 0x05， 0x0D， 0x0F， 0x0B， 0x0E， 0x0C， 0x0D， 0x0F， 0x0A， 0x0E， 0x0C， 0x08（入庫序列）；

0x01， 0x03， 0x02， 0x04， 0x0C， 0x08， 0x0C， 0x0F， 0x07， 0x03， 0x01（出庫序列）。

實際序列中可能包含一部分或全部理想序列?，F(xiàn)在，物體出入庫方向的判斷就變成計算實際序列中是否包含一部分或全部理想序列。實際序列可以分為3類：無效序列、出庫序列、入庫序列。

由于4個紅外對射器都會被遮擋，因此，實際序列中沒有0x0F的狀態(tài)就是無效序列；由于理想的出庫序列和入庫序列的長度均大于5，因此實際序列包含的理想出庫、入庫序列的子序列長度小于5時，也是無效序列。

對于一個實際序列，計算其包含的理想出庫子序列和理想入庫子序列。如果理想出庫子序列長度大于理想入庫子序列長度，則為出庫序列；如果理想入庫子序列長度大于理想出庫子序列長度，則為入庫序列；如果理想出庫子序列長度等于理想入庫子序列長度，則為無效序列。

圖3給出了計算實際序列包含理想入庫子序列長度的流程，計算實際序列包含理想出庫子序列長度的流程與其類似。

2 實際應用

將設計的方法和裝置應用在實際倉庫的出入庫作業(yè)。在最初5天的測試中，共采集了186個紅外對射器序列，序列最小長度為5，最大長度為126。其中，對應無效作業(yè)（人員出入）、入庫作業(yè)、出庫作業(yè)的序列數(shù)目分別為：140個、23個、23個。部分實際序列如下：

0x01， 0x03， 0x02， 0x04， 0x0C， 0x08， 0x09， 0x0A， 0x0E， 0x0C， 0x04， 0x0C， 0x04， 0x02， 0x03， 0x01（無效）；

0x08， 0x0C， 0x04， 0x0C， 0x08， 0x04， 0x02， 0x06， 0x02， 0x06， 0x02， 0x06， 0x02， 0x06， 0x02， 0x01（無效）；

0x01， 0x03， 0x02， 0x03， 0x02， 0x03， 0x02， 0x0A， 0x02， 0x06， 0x07， 0x03， 0x02， 0x03， 0x02， 0x01， 0x03， 0x02， 0x06， 0x0A， 0x03， 0x01， 0x03， 0x01， 0x05， 0x0D， 0x0F， 0x0B， 0x0F， 0x0A， 0x06（入庫）；

0x01， 0x03， 0x02， 0x0A， 0x08， 0x0C， 0x0F， 0x0D， 0x0C， 0x0D， 0x08， 0x09， 0x08， 0x09， 0x08（入庫）；

0x08， 0x0C， 0x04， 0x06， 0x04， 0x0F， 0x0D， 0x04， 0x06， 0x07， 0x06， 0x04， 0x05， 0x04（出庫）；

0x08， 0x04， 0x0C， 0x08， 0x0A， 0x0E， 0x06， 0x0E， 0x06， 0x07， 0x05， 0x07， 0x05， 0x0D， 0x0F， 0x0D， 0x09， 0x0B， 0x09， 0x0D， 0x05， 0x01， 0x03， 0x02， 0x03， 0x02， 0x06， 0x07， 0x06， 0x04， 0x06， 0x04， 0x06， 0x07， 0x05， 0x04， 0x02， 0x03，"0x01（出庫）。

在實際測試中，測試準確率較高，對無效序列、入庫序列的檢測準確率達到了100%，對出庫序列的檢測準確率達到了95.65%。

在進行某1個出庫作業(yè)時，出現(xiàn)了比較復雜的人員出入情況，使序列受到嚴重干擾，被判定為無效序列：0x04， 0x0C， 0x04， 0x05， 0x09， 0x0B， 0x0A， 0x0E， 0x0A， 0x08， 0x01， 0x05， 0x07， 0x0F， 0x0B， 0x04， 0x02。

3 結 語

根據(jù)倉庫管理應用中的需求，本文設計了一種利用多個紅外對射器判斷復雜場景下物體出入庫方向的方法。該方法首先計算紅外對射器狀態(tài)序列中的有效狀態(tài)子序列，再與理想狀態(tài)序列比較，簡單有效地判斷物體出入庫方向。盡管文中給出的是4個紅外對射器的例子，但該方法能夠推廣到更多應用紅外對射器的場景。

參考文獻

[1]徐邦武.基于深度學習的運動目標分割算法研究[D].無錫：江南大學，2023.

[2]張文龍.動觀測平臺下運動目標檢測方法研究[D].長沙：國防科技大學，2023.

[3]謝梓釗.小型機載平臺運動目標檢測與硬件加速研究[D].武漢：華中科技大學，2022.

[4]鄧永康.基于OpenCV運動目標檢測的跟蹤系統(tǒng)開發(fā)[D].北京：北京化工大學，2022.

[5]張文利，王寧，郭向，等.融合深度信息的雙向人流量統(tǒng)計方法的研究與實現(xiàn)[J].測控技術，2021，40（5）：52-61.

[6]滑冰.基于三維圖像的羽毛球運動合理性判斷方法研究與仿真[J].科學技術與工程，2017，17（10）：231-235.

[7]戚昊琛，胡智文，張鑒. FMCW雷達系統(tǒng)的雙模方向判斷模塊研究[J].電子測量與儀器學報，2014，28（5）：486-492.

[8]折林芬.河灣煤礦磅房稱重防作弊系統(tǒng)設計[D].西安：西安科技大學，2013.

[9]劉榮林.礦區(qū)鐵路低速車輛自動識別系統(tǒng)的研究與應用[J].自動化應用，2016（12）：98-99.

[10]于繼明，何雷，樂振彬，等.多車道車輛進出檢測算法設計與實現(xiàn)[J].金陵科技學院學報，2017，33（2）：5-8.

作者簡介：李 楊（1986—），女，河北雄安人，碩士，高級工程師，主要研究方向為物聯(lián)網(wǎng)應用。

秦立德（1994—），男，陜西眉縣人，碩士，工程師，主要研究方向為物聯(lián)網(wǎng)應用。

史甜姝（1986—），女，黑龍江齊齊哈爾人，碩士，講師，主要研究方向為智能硬件裝調(diào)與物流網(wǎng)技術。

蔣遂平（1966—），男，四川遂寧人，博士，研究員，主要研究方向為物聯(lián)網(wǎng)技術。

收稿日期：2024-01-11 修回日期：2024-02-29