用于多目标跟踪的物流货物装载状态监测数据
DIP2025000009321
温岭市天航物流有限公司
首次登记
3年
2025-06-25 17:32:31
信息传输、软件和信息技术服务业
待交易
5874
按需更新
该数据在道路货物运输领域具有重要的应用价值。能够提供实时货物位移追踪,更精确地检测货物倾斜或滑移状态,帮助物流调度员进行装载安全评估。在干线物流运输中具有广泛的应用场景,特别是公路货运车辆、集装箱装卸作业和物流中转站,能够提高运输过程安全性,降低货物破损率,提供毫米级位移监测精度
数据收集: 通过车载多视角摄像头采集货车车厢的1280x720@60fps视频流,同步记录车辆IMU数据。每个样本包含原始图像数据(.raw格式)、人工标注的车厢区域坐标(ROI)、经过直方图均衡化的预处理图像(.npy格式)、货物x方向位移量(人工标注)、货物y方向位移量(人工标注)、货物倾斜角(人工标注)。 数据预处理: 对原始图像进行以下处理: (1) ROI区域裁剪至512x512像素。 (2) 自适应直方图均衡化增强对比度。 (3) 归一化处理至[-1,1]数值范围。 预处理后生成包含时间戳的numpy矩阵数据,维度为(512,512,3)@float32。 模型构建: 采用改进的DeepSORT算法框架,结合YOLOv8检测器构建货物跟踪系统。关键算法公式包含: 状态向量更新方程:x_k = F * x_{k-1} + B * u_k + w_k。其中x_k和x_{k-1}分别表示k时刻和k-1时刻的车厢ROI坐标(cx,cy),F为状态转移矩阵,u_k为IMU输入的加速度量测,w_k为过程噪声,B为系数。匹配代价计算:C_{ij} = λ_d(1 - IoU(b_i,b_j)) + λ_a|cosθ_i - cosθ_j| 。式中IoU表示检测框交并比,θ为货物倾斜角(度),λ_d=0.6和λ_a=0.4为加权系数,b_i和b_j表示两次检测结果。算法输出包含每件的货物x方向位移量(模型预测)Δx,货物y方向位移量(模型预测)Δy(单位:cm)和货物倾斜角(模型预测)Δθ(单位:度),通过卡尔曼滤波器与匈牙利算法实现多目标持续跟踪。跟踪准确率采用IDF1指标评估,位移误差通过人工标注数据和模型预测数据计算得到。
按需更新
浙江省知识产权区块链公共存证平台