容器定位方法、装置、容器定位设备及存储介质与流程

1.本发明涉及仓储技术领域，特别涉及一种容器定位方法、装置、容器定位设备及存储介质。


背景技术：

2.近年来，随着电子商务的快速发展，用户订单数量呈几何倍数增长，一个仓库需要存储海量的商品，如何对这些商品进行自动分拣，成为提高仓储效率的关键。目前，仓库多由容器定位设备实现商品的自动分拣，容器定位设备从待分拣货架上将装有商品的目标容器取出，然后移放至指定位置。
3.为了实现容器定位设备的自动取放功能，容器定位设备需要对容器所处位置进行识别定位，现有技术中，往往是通过容器定位设备上设置的图像采集设备采集容器图像，然后对容器图像进行特征分析，通过容器本身的图像特征来定位容器的位置。然而，容器本身的图像特征是固定的，如容器形状、边沿等，与其所处位置、环境并无关联，因而通过容器本身的图像特征对容器进行识别定位，定位准确度不高，可能会造成定位错误、漏检等问题。


技术实现要素：

4.有鉴于此，本发明实施例提供了一种容器定位方法、装置、容器定位设备及存储介质，以解决现有技术中存在的技术缺陷。
5.根据本发明实施例的第一方面，提供了一种容器定位方法，包括：
6.获取图像传感器采集的图像，对图像进行图像分割，获得至少两个图像区域以及每个图像区域对应的语义信息；
7.根据各个图像区域对应的语义信息，确定各个图像区域间的位置关系，并根据位置关系和预设位置关系，确定目标容器的候选区域；
8.提取图像的图像特征，根据图像特征，确定图像中与目标容器具有相同特征的像素候选位置；
9.基于候选区域和像素候选位置，确定目标容器的定位结果。
10.可选地，对图像进行图像分割，获得至少两个图像区域以及每个图像区域对应的语义信息，包括：
11.将图像输入图像分割模型，获得图像中像素的类别标识；
12.根据类别标识，对图像中的像素进行聚类，获得图像包括的至少两个图像区域；
13.根据每个图像区域中像素的类别标识，确定各个图像区域的语义信息。
14.可选地，根据各个图像区域对应的语义信息，确定各个图像区域间的位置关系，包括：
15.将各个图像区域作为节点；
16.根据第一图像区域的语义信息，确定与第一图像区域相邻的第二图像区域，连接第一图像区域的节点和第二图像区域的节点，构建得到拓扑关系图；
17.将拓扑关系图作为各个图像区域间的位置关系。
18.可选地，根据位置关系和预设位置关系，确定目标容器的候选区域，包括：
19.根据位置关系和预设位置关系，确定目标图像区域的置信度，其中，目标图像区域为包含目标容器的图像区域；
20.在置信度大于置信度阈值的情况下，将目标图像区域确定为目标容器的候选区域。
21.可选地，根据位置关系和预设位置关系，确定目标图像区域的置信度，包括：
22.根据位置关系，确定与目标容器相邻的待验证像素；
23.根据预设位置关系，确定与目标容器相邻的参考像素；
24.确定待验证像素和参考像素的相似度；
25.根据预设置信度规则，确定相似度对应的置信度，将相似度对应的置信度作为目标图像区域的置信度。
26.可选地，图像特征为物体的几何特征；提取图像的图像特征，包括：
27.提取图像中物体的几何特征，几何特征包括以下至少之一：点特征、线特征、角特征；
28.将几何特征作为图像的图像特征；
29.相应地，根据图像特征，确定图像中与目标容器具有相同特征的像素候选位置，包括：
30.确定几何特征是否构成目标形状，目标形状为目标容器对应的形状；
31.在几何特征构成目标形状的情况下，将目标形状在图像中的位置确定为像素候选位置。
32.可选地，图像特征为物体的颜色特征；提取图像的图像特征，包括：
33.提取图像中物体的颜色特征，将颜色特征作为图像的图像特征；
34.相应地，根据图像特征，确定图像中与目标容器具有相同特征的像素候选位置，包括：
35.确定提取出的颜色特征中与目标容器的颜色特征相同的目标颜色特征；
36.将目标颜色特征在图像中的位置确定为像素候选位置。
37.可选地，基于候选区域和像素候选位置，确定目标容器的定位结果，包括：
38.确定像素候选位置中是否存在位于候选区域的目标参考位置；
39.若存在，则将候选区域确定为目标容器所处的区域，将目标参考位置确定为目标容器所处的位置。
40.可选地，目标容器为货箱，目标形状为矩形框。
41.根据本发明实施例的第二方面，提供了一种容器定位装置，包括：
42.图像分割模块，被配置为获取图像传感器采集的图像，对图像进行图像分割，获得至少两个图像区域以及每个图像区域对应的语义信息；
43.候选区域确定模块，被配置为根据各个图像区域对应的语义信息，确定各个图像区域间的位置关系，并根据位置关系和预设位置关系，确定目标容器的候选区域；
44.候选位置确定模块，被配置为提取图像的图像特征，根据图像特征，确定图像中与目标容器具有相同特征的像素候选位置；
45.定位结果确定模块，被配置为基于候选区域和像素候选位置，确定目标容器的定位结果。
46.可选地，图像分割模块，包括类别标识获得单元、图像区域获得单元和语义信息确定单元；
47.类别标识获得单元，被配置为将图像输入图像分割模型，获得图像中像素的类别标识；
48.图像区域获得单元，被配置为根据类别标识，对图像中的像素进行聚类，获得图像包括的至少两个图像区域；
49.语义信息确定单元，被配置为根据每个图像区域中像素的类别标识，确定各个图像区域的语义信息。
50.可选地，候选区域确定模块，包括位置关系确定子单元；
51.位置关系确定子单元，被配置为将各个图像区域作为节点；根据第一图像区域的语义信息，确定与第一图像区域相邻的第二图像区域，连接第一图像区域的节点和第二图像区域的节点，构建得到拓扑关系图；将拓扑关系图作为各个图像区域间的位置关系。
52.可选地，候选区域确定模块，还包括置信度确定单元和候选区域确定单元；
53.置信度确定单元，被配置为根据位置关系和预设位置关系，确定目标图像区域的置信度，其中，目标图像区域为包含目标容器的图像区域；
54.候选区域确定单元，被配置为在置信度大于置信度阈值的情况下，将目标图像区域确定为目标容器的候选区域。
55.可选地，置信度确定单元，包括待验证像素确定子单元、参考像素确定子单元、相似度确定子单元和置信度确定子单元；
56.待验证像素确定子单元，被配置为根据位置关系，确定与目标容器相邻的待验证像素；
57.参考像素确定子单元，被配置为根据预设位置关系，确定与目标容器相邻的参考像素；
58.相似度确定子单元，被配置为确定待验证像素和参考像素的相似度；
59.置信度确定子单元，被配置为根据预设置信度规则，确定相似度对应的置信度，将相似度对应的置信度作为目标图像区域的置信度。
60.可选地，图像特征为物体的几何特征；候选位置确定模块进一步被配置为：
61.提取图像中物体的几何特征，几何特征包括以下至少之一：点特征、线特征、角特征；
62.将几何特征作为图像的图像特征；
63.确定几何特征是否构成目标形状，目标形状为目标容器对应的形状；
64.在几何特征构成目标形状的情况下，将目标形状在图像中的位置确定为像素候选位置。
65.可选地，图像特征为物体的颜色特征；候选位置确定模块进一步被配置为：
66.提取图像中物体的颜色特征，将颜色特征作为图像的图像特征；
67.确定提取出的颜色特征中与目标容器的颜色特征相同的目标颜色特征；
68.将目标颜色特征在图像中的位置确定为像素候选位置。
69.可选地，定位结果确定模块进一步被配置为：
70.确定像素候选位置中是否存在位于候选区域的目标参考位置；
71.若存在，则将候选区域确定为目标容器所处的区域，将目标参考位置确定为目标容器所处的位置。
72.可选地，目标容器为货箱，目标形状为矩形框。
73.根据本发明实施例的第三方面，提供了一种容器定位设备，包括：图像传感器、存储器和处理器；
74.图像传感器用于采集图像，将图像传输至处理器；
75.存储器用于存储计算机可执行指令，处理器用于执行计算机可执行指令，该计算机可执行指令被处理器执行时实现上述容器定位方法的步骤。
76.根据本发明实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述容器定位方法的步骤。
77.本实施例提供一种容器定位方法、装置、容器定位设备及存储介质，容器定位方法包括：获取图像传感器采集的图像，对图像进行图像分割，获得至少两个图像区域以及每个图像区域对应的语义信息；根据各个图像区域对应的语义信息，确定各个图像区域间的位置关系，并根据位置关系和预设位置关系，确定目标容器的候选区域；提取图像的图像特征，根据图像特征，确定图像中与目标容器具有相同特征的像素候选位置；基于候选区域和像素候选位置，确定目标容器的定位结果。
78.图像传感器采集到的图像中除了包括目标容器外，还可以包括其他物体，目标容器和其他物体在该图像中处于不同的图像区域，因而可以对图像传感器采集到的图像进行图像分割，获得至少两个图像区域以及每个图像区域对应的语义信息，每个图像区域的语义信息可以表示自身包括的物体类型，以及与其他图像区域的位置关系，然后可以根据各个图像区域对应的语义信息，确定各个图像区域间的位置关系，后续可以结合该各个图像区域间的位置关系和预设位置关系，确定目标容器在采集到的图像中的候选区域。之后，可以对采集到的图像进行图像分析提取图像特征，根据该图像特征，确定采集到的图像中与目标容器具有相同特征的像素候选位置，后续结合确定出候选区域和像素候选位置，综合确定目标容器的定位结果。如此，可以借助预先获得的预设位置信息，对采集到的图像中各个图像区域间的位置关系进行辅助验证，确定目标容器的候选区域，然后再结合目标容器本身的图像特征，对目标容器进行定位，融合了容器本身的图像特征和容器周围物体的位置信息，提高了定位准确度，避免了定位错误、漏检等问题。
附图说明
79.图1是本发明一实施例提供的一种容器定位方法的流程图；
80.图2是本发明一个实施例提供的一种容器定位的场景示意图；
81.图3是本发明一个实施例提供的一种分割图像区域的示意图；
82.图4是本发明一个实施例提供的一种拓扑关系图；
83.图5是本发明一实施例提供的另一种容器定位方法的流程图；
84.图6是本发明一实施例提供的一种容器定位装置的结构示意图；
85.图7是本发明一实施例提供的一种容器定位设备的结构框图。
具体实施方式
86.在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。
87.在本发明一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明一个或多个实施例。在本发明一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本发明一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
88.应当理解，尽管在本发明一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
89.首先，对本发明一个或多个实施例涉及的名词术语进行解释。
90.容器：一般也称为料箱或货箱，是一种承装商品/物料的实体，包括塑料箱、纸箱、纸盒、塑料筐等。
91.容器定位设备：也称为c机器人(carry搬运机器人)，是一种能够从货架上取放容器和搬运容器的自动化设备。
92.几何特征：点特征、线特征和/或角特征等可以表示物体几何形状的特征。
93.颜色特征：rgb、hsv等各种表示像素色彩空间的数据特征。
94.目前，主要有基于容器本身的图像特征的容器定位方案，比如容器的边沿等，同时也有使用深度学习的容器定位方案。基于容器本身的图像特征的容器定位方案，忽略了容器周围的环境信息，仅靠容器本身的图像特征容易造成误识别、漏检等问题；使用深度学习的容器定位方案，定位精确度需要依赖于标注，且定位精确度不高，因此大多作为挑选候选区域的粗定位。
95.为了应对上述问题，本发明中提供了一种容器定位方法，同时提供了一种容器定位装置，一种容器定位设备，以及一种计算机可读存储介质，在下面的实施例中逐一进行详细说明。
96.本发明实施例所提供的容器定位方法的执行主体可以为用于进行容器定位的计算设备、服务器等，也可以为用于自动定位容器的容器定位设备。本发明实施例所提供的容器定位方法可以被设置于执行主体中的软件、硬件电路、逻辑电路中的至少一种执行实现。
97.图1示出了根据本发明一实施例提供的一种容器定位方法的流程图，具体包括以下步骤：
98.步骤102，获取图像传感器采集的图像，对该图像进行图像分割，获得至少两个图像区域以及每个图像区域对应的语义信息。
99.在本发明实施例中，图像传感器可以对视野范围内的场景进行拍摄，并将拍摄得到的图像传输至本发明实施例的执行主体处，执行主体获取到图像传感器采集的图像后，可以对获取到的图像进行图像分割，获得至少两个图像区域以及每个图像区域对应的语义
信息。其中，图像传感器包括但不限于rgb相机、灰度相机、rgb-d相机、红外相机等。
100.图像传感器采集到的图像中除了包括目标容器外，还可以包括其他物体，目标容器和其他物体在该图像中可以处于不同的图像区域，每个图像区域内可以包括一个物体，因而可以对图像传感器采集到的图像进行图像分割，获得至少两个图像区域以及每个图像区域对应的语义信息，每个图像区域的语义信息可以表示自身包括的物体的类型，以及与其他图像区域的位置关系。其中，目标容器可以为货箱，除目标容器外的其他物体可以为其他货箱、货架、货架上的标志等。
101.本发明实施例中，图像传感器视野范围内的场景为放置有容器、且该容器周围存在其他物体的场景，如图2示出的本发明一个实施例提供的一种容器定位的场景示意图。
102.在本发明实施例的一种实现方式中，对图像进行图像分割，获得至少两个图像区域以及每个图像区域对应的语义信息，可以通过如下方式实现：
103.将图像输入图像分割模型，获得图像中像素的类别标识；
104.根据类别标识，对图像中的像素进行聚类，获得图像包括的至少两个图像区域；
105.根据每个图像区域中像素的类别标识，确定各个图像区域的语义信息。
106.在本发明实施例中，图像分割模型可以是指预先训练好的、能够识别输入图像中像素的类别标识的模型。具体实现时，上述图像分割模型可以通过如下方法训练得到：获取样本图像，该样本图像包括样本标签，其中，样本标签为样本图像中像素的样本标识；将该样本图像输入初始模型，得到像素的预测标识；基于像素的预测标识和样本标识确定损失值，基于损失值对初始模型进行训练，并继续获取样本图像，直至达到训练停止条件，得到图像分割模型。
107.需要说明的是，样本图像中像素的样本标识是指将样本图像输入图像分割模型中想要得到的像素的标识，像素的预测标识是指输入样本图像后，初始模型输出的像素的标识。另外，训练停止条件可以为损失值小于预设阈值，具体的，基于损失值对初始模型进行训练后，可以判断损失值是否小于预设阈值，若否，则返回执行上述获取样本图像的步骤，并继续训练，若是，则确定达到训练停止条件。
108.实际应用中，预设阈值为损失值的临界值，在损失值大于或等于预设阈值的情况下，说明初始模型的预测结果与真实结果之间仍存在一定偏差，仍需调整初始模型的参数，并继续获取样本图像继续对该模型进行训练；在损失值小于预设阈值的情况下，说明初始模型的预测结果与真实结果的接近程度已经足够，可以停止训练。预设阈值的数值可以根据实际情况确定，本发明实施例对此不做限制。
109.本发明实施例中，可以基于像素的预测标识与样本标签包括的像素的样本标识计算交叉熵损失函数，生成损失值。其中，样本标签是指真实想要图像分割模型输出的结果，也即样本标签包括的像素的样本标识为真实结果，而将样本图像输入初始模型，输出的像素的预测标识就是预测结果，在预测结果和真实结果之间的差值足够小时，说明预测结果足够接近真实结果，此时初始模型训练完成，得到图像分割模型，得到的图像分割模型可以识别输入图像中像素的类别标识。
110.通过计算损失值可以直观的示出模型的预测结果与真实结果之间的差异，再对初始模型进行针对性训练，调整参数，并可以根据损失值判断初始模型的具体训练情况，并在训练未合格的情况下继续训练，以提高该模型的分析能力，从而有效提高模型训练的速率
及模型训练的效果。
111.需要说明的是，训练好的图像分割模型具备图像中像素的类别标识的识别能力，将图像传感器采集到的图像输入训练好的图像分割模型中，该图像分割模型可以输出该图像中像素的类别标识。其中，该类别标识可以用于指示像素对应的物体的类型，由于图像中可以包括不同的物体，而不同的物体在图像中对应的像素的类别标识不同，因而可以根据获得的类别标识，将图像中相同的像素聚类为一个图像区域，从而获得图像包括的至少两个图像区域。
112.实际应用中，对该图像上的像素进行聚类，确定出图像包括的至少两个图像区域后，即可基于每个图像区域中像素的类别标识，确定各个图像区域的语义信息，每个图像区域的语义信息可以包括该图像区域内包括的物体的类型，以及与其他图像区域的位置关系(即该图像区域内的物体与其他物体的位置关系)。
113.示例的，图3示出了本发明一个实施例提供的一种分割图像区域的示意图，如图3所示，将图像传感器采集到的图像输入图像分割模型中，得到该图像中像素的类别标识，并根据该类别标识，对该图像中的像素进行聚类，得到如图3所示的5个图像区域，图像区域1内的像素的类别标识为货箱1，图像区域2内的像素的类别标识为货架上的标志，图像区域3内的像素的类别标识为货架1，图像区域4内的像素的类别标识为货架2，图像区域5内的像素的类别标识为货箱2。
114.根据每个图像区域中像素的类别标识，可以确定出各个图像区域的语义信息，图像区域1的语义信息为：货箱1，位于图像区域2、图像区域3、图像区域4和图像区域5的中间，且与图像区域2、图像区域3、图像区域4和图像区域5相邻；图像区域2的语义信息为：货架上的标志，位于图像区域1上方；图像区域3的语义信息为：货架1，位于图像区域1右方；图像区域4的语义信息为：货架2，位于图像区域1下方；图像区域5的语义信息为：货箱2，位于图像区域1左方。
115.本发明实施例中可以使用图像分割模型将图像传感器采集到的图像分割为不同的图像区域，同时也能得到每个图像区域的语义信息，通过图像区域的语义信息指示该图像区域中包括什么物体，以及与其他物体之间的位置关系，从而便于后续确定各个图像区域间的位置关系，确定出目标容器的候选区域，引入了目标容器周围物体的位置信息，提高了定位准确度。
116.进一步地，获取图像传感器采集的图像之后，对该图像进行图像分割，获得至少两个图像区域以及每个图像区域对应的语义信息之前，还可以对图像传感器采集到的图像进行去噪处理，去除采集到的图像中的噪声，使得图像更加平滑，提高后续对采集到的图像进行分割处理或者提取图像特征的精准度。具体实现时，去除采集到的图像中的噪声的方法包括但不限于使用高斯滤波、均值滤波等滤波器对图像进行去噪处理。
117.步骤104，根据各个图像区域对应的语义信息，确定各个图像区域间的位置关系，并根据该位置关系和预设位置关系，确定目标容器的候选区域。
118.在本发明实施例中，通过对图像传感器采集到的图像进行分割处理，可以获得至少两个图像区域，以及每个图像区域对应的语义信息，每个图像区域对应的语义信息可以表示自身包括的物体的类型，以及与其他图像区域的位置关系，因而根据各个图像区域对应的语义信息，可以确定各个图像区域间的位置关系，从而根据各个图像区域间的位置关
系和预设位置关系，确定目标容器的候选区域。其中，目标容器的候选区域可以是指采集到得到图像中目标容器可能所处的图像区域。
119.具体实现时，预设位置关系可以是指预先获取到的、目标容器所处的位置以及目标容器与其他物体之间的位置关系，各个图像区域间的位置关系是指对采集到的图像进行处理分析确定到的、目标容器所处的位置以及目标容器与其他物体之间的位置关系。因而，在对采集到的图像进行处理分析，确定出各个图像区域间的位置关系后，可以基于预先获取到的预设位置关系对处理分析确定出的位置关系进行校验，确定出目标容器的候选区域。
120.在本发明实施例的一种实现方式中，可以通过拓扑关系图来表示各个图像区域间的位置关系，也即根据各个图像区域对应的语义信息，确定各个图像区域间的位置关系，可以通过如下方式实现：
121.将各个图像区域作为节点；
122.根据第一图像区域的语义信息，确定与第一图像区域相邻的第二图像区域，连接第一图像区域的节点和第二图像区域的节点，构建得到拓扑关系图；
123.将拓扑关系图作为各个图像区域间的位置关系。
124.需要说明的是，每个图像区域对应的语义信息可以表示自身包括的物体的类型，以及与其他图像区域的位置关系，即自身与其他物体的位置关系，因而可以将各个图像区域作为拓扑关系图中的节点，基于各个图像区域对应的语义信息，确定出各个图像区域间的位置关系，连接相邻的节点，构建得到对应的拓扑关系图，该拓扑关系图可以表示各个图像区域间的位置关系。
125.一种可能的实现方式中，第一图像区域可以为分割得到的至少两个图像区域中位于中心位置的图像区域，第二图像区域为可以与第一图像区域相邻的图像区域，也即可以从分割得到的至少两个图像区域中位于中心位置的图像区域为起点，依次连接其他相邻的图像区域，构建得到对应的拓扑关系图。
126.另一种可能的实现方式中，第一图像区域可以是指包含目标容器的图像区域，第二图像区域可以是指包含目标容器外的其他物体的图像区域。其中，容器可以是指货箱，目标容器可以是指图像中任一需要定位的货箱，即图像中的每个货箱都可以作为目标容器，进行定位。具体的，以图像中包含目标容器的图像区域为起点，依次连接位于目标容器周围的图像区域，构建得到对应的拓扑关系图。
127.沿用上例，假设目标容器为货箱1，根据图像区域1的语义信息确定图像区域1位于图像区域2、图像区域3、图像区域4和图像区域5的中间，根据图像区域2的语义信息可以确定图像区域2位于图像区域1上方，根据图像区域3的语义信息可以确定图像区域3位于图像区域1右方，根据图像区域4的语义信息可以确定图像区域4位于图像区域1下方，根据图像区域5的语义信息可以确定图像区域5位于图像区域1左方。因而，可以将图像区域2、图像区域3、图像区域4和图像区域5的节点依次设置于图像区域1的节点的上方、下方、右方和左方，并依次连接图像区域1的节点与将图像区域2、图像区域3、图像区域4和图像区域5的节点，构建得到如图4示出的本发明一个实施例提供的一种拓扑关系图。
128.进一步地，目标容器周围物体与目标容器的物体类型不同时，具备较为容易识别的环境特征，定位目标容器较为容易，而若目标容器周围物体与目标容器的物体类型相同
时，不具备较为容易识别的环境特征，定位目标容器相对困难。因而，在连接第一图像区域的节点和第二图像区域的节点之后，还可以根据第一图像区域和第二图像区域包括的物体类型，设置第一图像区域的节点和第二图像区域的节点之间连接边的权重。
129.实际应用中，由于两个相邻物体为不同类型的物体时，具备的物体特征较多，较为容易定位目标容器，因而在第一图像区域和第二图像区域包括的物体类型不同时，可以将第一图像区域的节点和第二图像区域的节点之间连接边的权重设置的较大，而在第一图像区域和第二图像区域包括的物体类型相同时，可以将第一图像区域的节点和第二图像区域的节点之间连接边的权重设置的较小，从而基于权重区分相连的两个节点对应的物体类型是否相同。
130.沿用上例，如图4所示，图像区域1和图像区域2的物体类型不同，因而图像区域1的节点和图像区域2的节点之间连接边的权重可以为0.3；图像区域1和图像区域3的物体类型不同，因而图像区域1的节点和图像区域3的节点之间连接边的权重也可以为0.3；图像区域1和图像区域4的物体类型不同，因而图像区域1的节点和图像区域4的节点之间连接边的权重也可以为0.3；图像区域1和图像区域5的物体类型相同，因而图像区域1的节点和图像区域5的节点之间连接边的权重可以为0.1。
131.本发明实施例中可以将各个图像区域作为节点，连接相邻的节点，构建得到拓扑关系图，将该拓扑关系图作为各个图像区域间的位置关系，通过拓扑关系图表示各个图像区域间的位置关系，使得各个图像区域间的位置关系简单明了。
132.在本发明实施例的一种实现方式中，可以根据各个图像区域间的位置关系以及预设位置关系，确定目标图像区域的置信度，从而确定目标容器的候选区域，也即根据该位置关系和预设位置关系，确定目标容器的候选区域，可以通过如下方式实现：
133.根据位置关系和预设位置关系，确定目标图像区域的置信度，其中，目标图像区域为包含目标容器的图像区域；
134.在置信度大于置信度阈值的情况下，将目标图像区域确定为目标容器的候选区域。
135.具体的，置信度可以是指对采集到的图像进行识别处理，确定出的目标图像区域为包含目标容器的候选区域的概率，即目标图像区域为候选区域的可靠度。另外，置信度阈值可以是指预先设置的数值，用于判断采集到的图像中目标图像区域周围的物体与预先获知到的目标容器周围的物体的相似度，即采集到的图像中目标图像区域周围的物体与预先获知到的目标容器周围的物体是否大体相同。
136.实际应用中，各个图像区域间的位置关系为拓扑关系图的情况下，预设位置关系也可以为拓扑关系图，后续可以对比两个拓扑关系图，确定目标图像区域的置信度。若各个图像区域间的位置关系对应的拓扑关系图中相邻两个节点之间的连接边带有权重，那么预设位置关系对应的拓扑关系图中相邻两个节点之间的连接边也可以带有权重，后续可以对比两个拓扑关系图，确定后续区域的置信度。
137.需要说明的是，基于预设位置关系，预先可以获知目标容器周围放置有什么物体，然后根据各个图像区域间的位置关系，可以确定采集到的图像中目标图像区域周围存在什么物体，从而确定采集到的图像中目标图像区域周围的物体与预先获知到的目标容器周围的物体是否相同，从而确定目标图像区域的置信度。
138.若该置信度大于置信度阈值，则说明采集到的图像中目标图像区域周围的物体与预先获知到的目标容器周围的物体大体相同，目标图像区域中包含有目标容器的可靠度较高，因而此时可以将目标图像区域确定为目标容器的候选区域；而若该置信度不大于置信度阈值，则说明采集到的图像中目标图像区域周围的物体与预先获知到的目标容器周围的物体较为不同，目标图像区域中包含目标容器的可靠度不高，因而此时目标图像区域并不是目标容器的候选区域，即无法确定出目标容器的候选区域，目标容器定位失败，无需再进行后续的图像特征提取，可以通知工作人员采取其他措施。
139.在本发明实施例的一种实现方式中，可以基于像素相似度，确定目标图像区域的置信度，也即根据位置关系和预设位置关系，确定目标图像区域的置信度，可以通过如下方式实现：
140.根据位置关系，确定与目标容器相邻的待验证像素；
141.根据预设位置关系，确定与目标容器相邻的参考像素；
142.确定待验证像素和参考像素的相似度；
143.根据预设置信度规则，确定相似度对应的置信度，将相似度对应的置信度作为目标图像区域的置信度。
144.具体的，待验证像素可以是指采集到的图像中与目标图像区域相邻的图像区域中包括的物体，即待验证像素可以是指采集到的图像中与目标容器相邻的像素；参考像素可以是指预先获取到的预设位置关系中与目标容器相邻的物体。另外，待验证像素和参考像素的相似度可以是指待验证像素和参考像素的重复度，也即待验证像素中有多少与参考像素相同，待验证像素与参考像素相同可以是位置、物体类型均相同。再者，置信度规则可以是指预先设置的规则，用于确定相似度对应的置信度，如置信度规则可以为预先设置的相似度与置信度之间的对应关系，在确定出相似度后，可以基于该对应关系确定对应的置信度。
145.需要说明的是，根据各个图像区域间的位置关系，可以确定采集到的图像中目标图像区域周围存在什么物体，即与目标容器相邻的待验证像素；根据预设位置关系，可以确定预先获知的信息中目标容器周围放置有什么物体，即目标容器相邻的参考像素。然后，可以确定待验证像素中与参考像素相同的目标物体占待验证像素总数的百分比，该百分比即为待验证像素和参考像素的相似度，后续可以基于预设置信度规则，确定该相似度对应的置信度，即目标图像区域的置信度。
146.沿用上例，假设目标容器仍为货箱1，预设位置关系为货箱1位于货架上的标志、货架1、货架2和货箱2的中间，货架上的标志位于货箱1上方，货架1位于货箱1右方，货架2位于货箱1下方，货箱2位于货箱1左方。也即，与目标容器货箱1相邻的参考像素为；货架上的标志、货架1、货架2和货箱2，参考像素的位置为：货架上的标志-上方、货架1-右方、货架2-下方、货箱2-左方。由上述示例内容可知与目标容器货箱1相邻的待验证像素为：货架上的标志、货架1、货架2和货箱2，且待验证像素的位置为：货架上的标志-上方、货架1-右方、货架2-下方、货箱2-左方。由上可知，待验证像素与参考像素的物体类型、位置完全相同，即此时待验证像素和参考像素的相似度为100％。假设100％-70％之间的相似度对应的置信度0.9，那么此时目标图像区域的置信度大于置信度阈值0.7(预先设置)，此时可以确定目标容器货箱1对应的图像区域1为目标容器的候选区域。
147.本发明实施例中可以基于各个图像区域间的位置关系和预设位置关系，确定采集到的图像中目标图像区域周围的物体与预先获知到的目标容器周围的物体是否大体相同，从而确定目标图像区域的置信度，后续基于该置信度确定目标容器的候选区域，也即目标容器的候选区域是基于目标容器的周围物体的位置信息确定，便于后续融合容器本身的图像特征以及容器周围物体的位置信息，对目标容器进行定位，提高定位准确度，避免定位错误、漏检等问题。
148.步骤106，提取图像的图像特征，根据图像特征，确定图像中与目标容器具有相同特征的像素候选位置。
149.需要说明的是，图像特征可以是指目标容器自身在图像中的特征，基于该图像特征，可以精准确定与目标容器具有相同特征的物体在图像中所处的位置，即像素候选位置。
150.在本发明实施例的一种实现方式中，由于目标容器为货箱，而货箱往往具有特定的几何形状，因而可以提取采集到的图像中的几何特征，定位像素候选位置，也即图像特征为物体的几何特征，此时提取图像的图像特征，可以通过如下方式实现：
151.提取图像中物体的几何特征，几何特征包括以下至少之一：点特征、线特征、角特征；
152.将几何特征作为图像的图像特征；
153.相应地，根据图像特征，确定图像中与目标容器具有相同特征的像素候选位置，可以通过如下方式实现：
154.确定几何特征是否构成目标形状，目标形状为目标容器对应的形状；
155.在几何特征构成目标形状的情况下，将目标形状在图像中的位置确定为像素候选位置。
156.具体的，物体的几何特征可以是指与几何形状相关的特征，如点特征、线特征和/或角特征等，当然还可以直接为形状特征等，本发明实施例对此不进行限制。另外，目标形状可以为目标容器对应的形状，一种可能的实现方式中，目标形状可以为矩形框，当然实际应用中目标形状还可以其他形状，如圆形、多边形等。实际实现时，可以对采集到的图像进行图像分析，提取出该图像中物体的点特征、线特征和/或角特征等几何特征，将点特征、线特征和/或角特征等几何特征作为该图像的图像特征。
157.需要说明的是，提取到图像中各个物体的点特征、线特征和/或角特征等几何特征后，可以确定点特征、线特征和/或角特征等几何特征构成的物体形状，并确定该物体形状中是否存在目标容器对应的形状，若是，则说明点特征、线特征和/或角特征等几何特征构成的目标形状的物体与目标容器具有相同特征，可能为目标容器，此时可以将目标形状在图像中的位置确定为像素候选位置。若不是，则说明点特征、线特征和/或角特征等几何特征构成的物体与目标容器不具有相同特征，此时可以确定无像素候选位置。
158.本发明实施例中可以通过目标容器本身的几何特征，确定采集到的图像中与目标容器具有相同几何特征的像素候选位置，从而基于目标容器本身的几何特征，精准确定与目标容器具有相同几何特征的物体在图像中所处的位置，后续便可以结合目标容器的周围物体的位置信息，以及与目标容器具有相同几何特征的物体在图像中所处的位置，综合确定目标容器的定位结果，从而提高定位准确度。
159.在本发明实施例的一种实现方式中，由于目标容器为货箱，而货箱可以具有与其
他物体不同的颜色，因而可以提取采集到的图像中的颜色特征，定位像素候选位置，也即图像特征为物体的颜色特征，此时提取图像的图像特征，可以通过如下方式实现：
160.提取图像中物体的颜色特征，将颜色特征作为图像的图像特征；
161.相应地，根据图像特征，确定图像中与目标容器具有相同特征的像素候选位置，可以通过如下方式实现：
162.确定提取出的颜色特征中与目标容器的颜色特征相同的目标颜色特征；
163.将目标颜色特征在图像中的位置确定为像素候选位置。
164.实际实现时，可以对采集到的图像进行图像分析，提取出该图像中物体的颜色特征，如红色、黄色或绿色等，将该颜色特征作为该图像的图像特征。
165.需要说明的是，提取到图像中各个物体的颜色特征后，可以确定提取出的颜色特征中与目标容器的颜色特征相同的目标颜色特征，该目标颜色特征对应的物体与目标容器具有相同特征，可能为目标容器，因而可以将目标颜色特征在图像中的位置确定为像素候选位置。
166.本发明实施例中可以通过目标容器本身的颜色特征，确定采集到的图像中与目标容器具有相同颜色特征的像素候选位置，从而基于目标容器本身的颜色特征，精准确定与目标容器具有相同颜色特征的物体在图像中所处的位置，后续便可以结合目标容器的周围物体的位置信息，以及与目标容器具有相同颜色特征的物体在图像中所处的位置，综合确定目标容器的定位结果，从而提高定位准确度。
167.步骤108：基于候选区域和像素候选位置，确定目标容器的定位结果。
168.需要说明的是，候选区域可以是指采集到图像中目标容器可能所处的图像区域，像素候选位置可以是指采集到的图像中与目标容器具有相同特征的物体所处的位置，也即可能为目标容器的物体在图像中所处的位置，因而融合候选区域和像素候选位置，可以准确确定出目标容器的定位结果。
169.在本发明实施例的一种实现方式中，基于候选区域和像素候选位置，确定目标容器的定位结果，可以通过如下方式实现：
170.确定像素候选位置中是否存在位于候选区域的目标参考位置；
171.若存在，则将候选区域确定为目标容器所处的区域，将目标参考位置确定为目标容器所处的位置。
172.需要说明的是，像素候选位置是与目标容器具有相同特征的物体所处的位置，即可能为目标容器的物体在图像中所处的位置，即每个像素候选位置处的物体可能为目标容器，候选区域是目标容器可能所处的图像区域。
173.实际应用中，可以融合候选区域和像素候选位置两种信息，若像素候选位置中存在位于候选区域的目标参考位置，则说明在目标容器可能所处的图像区域中存在与目标容器具有相同特征的物体，因而候选区域中的物体极大可能就是需要定位的目标容器，此时候选区域就是目标容器所处的区域，且位于候选区域中的目标参考位置就是目标容器所处的准确位置，即目标容器的定位结果为目标容器处于候选区域内的目标参考位置。
174.另外，若像素候选位置中不存在位于候选区域的目标参考位置，则说明在目标容器可能所处的图像区域中并不存在与目标容器具有相同特征的物体，此时可以确定候选区域中极大可能不包括目标容器，此时可以确定目标容器定位失败，可以提醒工作人员采取
其他措施。
175.沿用上例，目标容器为货箱1，目标容器的候选区域为图像区域1，假设确定出的像素候选位置为位置1、位置2、位置3、位置4，其中，位置3在该图像中处于图像区域1中，此时可以确定图像区域1为目标容器所处的区域，位置3为目标容器所处的位置，即目标容器的定位结果为目标容器处于图像区域1的位置3处。
176.应用本发明实施例，图像传感器采集到的图像中除了包括目标容器外，还可以包括其他物体，目标容器和其他物体在该图像中处于不同的图像区域，因而可以对图像传感器采集到的图像进行图像分割，获得至少两个图像区域以及每个图像区域对应的语义信息，每个图像区域的语义信息可以表示自身包括的物体类型，以及与其他图像区域的位置关系，然后可以根据各个图像区域对应的语义信息，确定各个图像区域间的位置关系，后续可以结合该各个图像区域间的位置关系和预设位置关系，确定目标容器在采集到的图像中的候选区域。之后，可以对采集到的图像进行图像分析提取图像特征，根据该图像特征，确定采集到的图像中与目标容器具有相同特征的像素候选位置，后续结合确定出候选区域和像素候选位置，综合确定目标容器的定位结果。如此，可以借助预先获得的预设位置信息，对采集到的图像中各个图像区域间的位置关系进行辅助验证，确定目标容器的候选区域，然后再结合目标容器本身的图像特征，对目标容器进行定位，融合了容器本身的图像特征和容器周围物体的位置信息，提高了定位准确度，避免了定位错误、漏检等问题。
177.上述实施例中的容器具体可以为货箱，为了便于理解，下面结合货箱定位的应用场景对本发明实施例提供的容器定位方法进行介绍。在本发明实施例中，容器定位设备包括定位货箱的定位装置，在定位装置的底部安装有图像传感器，容器定位设备还包括处理器，由处理器执行如图5所示的容器定位方法，图5示出了本发明一个实施例提供的另一种容器定位方法的流程图，具体包括以下步骤。
178.第一步：图像传感器采集图像。
179.具体的，图像传感器包括但不限于rgb相机，灰度相机，rgb-d相机，红外相机等。
180.第二步：对采集到的图像进行去噪处理，获得目标图像。
181.具体的，去除噪声的方法包括但不限于使用高斯滤波，均值滤波等滤波器。去除图像的噪声可以使得图像更加平滑，减小噪声对后续步骤的影响。
182.第三步：对目标图像进行图像分割，获得至少两个图像区域以及每个图像区域对应的语义信息。
183.具体的图像分割方法为：将图像输入图像分割模型，获得图像中像素的类别标识；根据类别标识，对图像中的像素进行聚类，获得图像包括的至少两个图像区域；根据每个图像区域中像素的类别标识，确定各个图像区域的语义信息。
184.本发明实施例中可以使用图像分割模型将图像传感器采集到的图像分割为不同的图像区域，同时也能得到每个图像区域的语义信息，通过图像区域的语义信息指示该图像区域中包括什么物体，以及与其他物体之间的位置关系，从而便于后续确定各个图像区域间的位置关系，确定出目标容器的候选区域，引入了目标容器周围物体的位置信息，提高了定位准确度。
185.第四步：根据各个图像区域对应的语义信息，确定各个图像区域间的位置关系，并根据各个图像区域间的位置关系和预设位置关系，确定目标容器的候选区域。
186.具体的位置关系确定方法为：将各个图像区域作为节点；根据第一图像区域的语义信息，确定与第一图像区域相邻的第二图像区域，连接第一图像区域的节点和第二图像区域的节点，构建得到拓扑关系图；将拓扑关系图作为各个图像区域间的位置关系。
187.本发明实施例中可以将各个图像区域作为节点，连接相邻的节点，构建得到拓扑关系图，将该拓扑关系图作为各个图像区域间的位置关系，通过拓扑关系图表示各个图像区域间的位置关系，使得各个图像区域间的位置关系简单明了。
188.具体的候选区域确定方法为：根据位置关系和预设位置关系，确定目标图像区域的置信度，目标图像区域为包含目标容器的图像区域；在置信度大于置信度阈值的情况下，将目标图像区域确定为目标容器的候选区域。其中，根据位置关系和预设位置关系，确定目标图像区域的置信度，包括：根据位置关系，确定与目标容器相邻的待验证像素；根据预设位置关系，确定与目标容器相邻的参考像素；确定待验证像素和参考像素的相似度；根据预设置信度规则，确定相似度对应的置信度，将相似度对应的置信度作为目标图像区域的置信度。
189.本发明实施例中可以基于各个图像区域间的位置关系和预设位置关系，确定采集到的图像中目标图像区域周围的物体与预先获知到的目标容器周围的物体是否大体相同，从而确定目标图像区域的置信度，后续基于该置信度确定目标容器的候选区域，也即目标容器的候选区域是基于目标容器的周围物体的位置信息确定，便于后续融合容器本身的图像特征以及容器周围物体的位置信息，对目标容器进行定位，提高定位准确度，避免定位错误、漏检等问题。
190.第五步：提取目标图像的图像特征，根据图像特征，确定目标图像中与目标容器具有相同特征的像素候选位置。
191.具体的图像特征提取方法为：提取图像中物体的几何特征，几何特征包括以下至少之一：点特征、线特征和、角特征；将几何特征作为图像的图像特征。相应地，具体的像素候选位置确定方法可以为：确定几何特征是否构成目标形状，目标形状为目标容器对应的形状；在几何特征构成目标形状的情况下，将目标形状在图像中的位置确定为像素候选位置。
192.具体的图像特征提取方法还可以为：提取图像中物体的颜色特征，将颜色特征作为图像的图像特征。相应地，具体的像素候选位置确定方法可以为：确定提取出的颜色特征中与目标容器的颜色特征相同的目标颜色特征；将目标颜色特征在图像中的位置确定为像素候选位置。
193.本发明实施例中可以通过目标容器本身的图像特征，确定采集到的图像中与目标容器具有相同图像特征的像素候选位置，从而基于目标容器本身的图像特征，精准确定与目标容器具有相同图像特征的物体在图像中所处的位置，后续便可以结合目标容器的周围物体的位置信息，以及与目标容器具有相同图像特征的物体在图像中所处的位置，综合确定目标容器的定位结果，从而提高定位准确度。
194.第六步：基于候选区域和像素候选位置，确定目标容器的定位结果。
195.具体的定位结果确定方法为：确定像素候选位置中是否存在位于候选区域的目标参考位置；若存在，则将候选区域确定为目标容器所处的区域，将目标参考位置确定为目标容器所处的位置。
196.本发明实施例提供的容器定位方案中，可以借助预先获得的预设位置信息，对采集到的图像中各个图像区域间的位置关系进行辅助验证，确定目标容器的候选区域，然后再结合目标容器本身的图像特征，对目标容器进行定位，融合了容器本身的图像特征和容器周围物体的位置信息，提高了定位准确度，避免了定位错误、漏检等问题。
197.与上述方法实施例相对应，本发明还提供了容器定位装置实施例，图6示出了本发明一实施例提供的一种容器定位装置的结构示意图。如图6所示，该装置包括：
198.图像分割模块620，被配置为获取图像传感器采集的图像，对图像进行图像分割，获得至少两个图像区域以及每个图像区域对应的语义信息；
199.候选区域确定模块640，被配置为根据各个图像区域对应的语义信息，确定各个图像区域间的位置关系，并根据位置关系和预设位置关系，确定目标容器的候选区域；
200.候选位置确定模块660，被配置为提取图像的图像特征，根据图像特征，确定图像中与目标容器具有相同特征的像素候选位置；
201.定位结果确定模块680，被配置为基于候选区域和像素候选位置，确定目标容器的定位结果。
202.应用本发明实施例，图像传感器采集到的图像中除了包括目标容器外，还可以包括其他物体，目标容器和其他物体在该图像中处于不同的图像区域，因而可以对图像传感器采集到的图像进行图像分割，获得至少两个图像区域以及每个图像区域对应的语义信息，每个图像区域的语义信息可以表示自身包括的物体类型，以及与其他图像区域的位置关系，然后可以根据各个图像区域对应的语义信息，确定各个图像区域间的位置关系，后续可以结合该各个图像区域间的位置关系和预设位置关系，确定目标容器在采集到的图像中的候选区域。之后，可以对采集到的图像进行图像分析提取图像特征，根据该图像特征，确定采集到的图像中与目标容器具有相同特征的像素候选位置，后续结合确定出候选区域和像素候选位置，综合确定目标容器的定位结果。如此，可以借助预先获得的预设位置信息，对采集到的图像中各个图像区域间的位置关系进行辅助验证，确定目标容器的候选区域，然后再结合目标容器本身的图像特征，对目标容器进行定位，融合了容器本身的图像特征和容器周围物体的位置信息，提高了定位准确度，避免了定位错误、漏检等问题。
203.可选地，图像分割模块620，包括类别标识获得单元、图像区域获得单元和语义信息确定单元；
204.类别标识获得单元，被配置为将图像输入图像分割模型，获得图像中像素的类别标识；
205.图像区域获得单元，被配置为根据类别标识，对图像中的像素进行聚类，获得图像包括的至少两个图像区域；
206.语义信息确定单元，被配置为根据每个图像区域中像素的类别标识，确定各个图像区域的语义信息。
207.可选地，候选区域确定模块640，包括位置关系确定子单元；
208.位置关系确定子单元，被配置为将各个图像区域作为节点；根据第一图像区域的语义信息，确定与第一图像区域相邻的第二图像区域，连接第一图像区域的节点和第二图像区域的节点，构建得到拓扑关系图；将拓扑关系图作为各个图像区域间的位置关系。
209.可选地，候选区域确定模块640，还包括置信度确定单元和候选区域确定单元；
210.置信度确定单元，被配置为根据位置关系和预设位置关系，确定目标图像区域的置信度，其中，目标图像区域为包含目标容器的图像区域；
211.候选区域确定单元，被配置为在置信度大于置信度阈值的情况下，将目标图像区域确定为目标容器的候选区域。
212.可选地，置信度确定单元，包括待验证像素确定子单元、参考像素确定子单元、相似度确定子单元和置信度确定子单元；
213.待验证像素确定子单元，被配置为根据位置关系，确定与目标容器相邻的待验证像素；
214.参考像素确定子单元，被配置为根据预设位置关系，确定与目标容器相邻的参考像素；
215.相似度确定子单元，被配置为确定待验证像素和参考像素的相似度；
216.置信度确定子单元，被配置为根据预设置信度规则，确定相似度对应的置信度，将相似度对应的置信度作为目标图像区域的置信度。
217.可选地，图像特征为物体的几何特征；候选位置确定模块660进一步被配置为：
218.提取图像中物体的几何特征，几何特征包括以下至少之一：点特征、线特征、角特征；
219.将几何特征作为图像的图像特征；
220.确定几何特征是否构成目标形状，目标形状为目标容器对应的形状；
221.在几何特征构成目标形状的情况下，将目标形状在图像中的位置确定为像素候选位置。
222.可选地，图像特征为物体的颜色特征；候选位置确定模块660进一步被配置为：
223.提取图像中物体的颜色特征，将颜色特征作为图像的图像特征；
224.确定提取出的颜色特征中与目标容器的颜色特征相同的目标颜色特征；
225.将目标颜色特征在图像中的位置确定为像素候选位置。
226.可选地，定位结果确定模块680进一步被配置为：
227.确定像素候选位置中是否存在位于候选区域的目标参考位置；
228.若存在，则将候选区域确定为目标容器所处的区域，将目标参考位置确定为目标容器所处的位置。
229.可选地，目标容器为货箱，目标形状为矩形框。
230.上述为本实施例的一种容器定位装置的示意性方案。需要说明的是，该容器定位装置的技术方案与上述的容器定位方法的技术方案属于同一构思，容器定位装置的技术方案未详细描述的细节内容，均可以参见上述容器定位方法的技术方案的描述。
231.图7示出了本发明一个实施例提供的一种容器定位设备的结构框图。该容器定位设备700的部件包括但不限于图像传感器710、存储器720和处理器730。处理器730与图像传感器710、存储器720通过总线740相连接，数据库760用于保存数据。
232.容器定位设备700还包括接入设备750，接入设备750使得容器定位设备700能够经由一个或多个网络770通信。这些网络的示例包括公用交换电话网(pstn，publicswitchedtelephonenetwork)、局域网(lan，localareanetwork)、广域网(wan，wideareanetwork)、个域网(pan，personalareanetwork)或诸如因特网的通信网络的组合。
接入设备750可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(nic，networkinterfacecard))中的一个或多个，诸如ieee802.11无线局域网(wlan，wirelesslocalareanetworks)无线接口、全球微波互联接入(wi-max，worldinteroperabilityformicrowave access)接口、以太网接口、通用串行总线(usb，universalserialbus)接口、蜂窝网络接口、蓝牙接口、近场通信(nfc，nearfieldcommunication)接口，等等。
233.在本发明的一个实施例中，容器定位设备700的上述部件以及图7中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图7所示的容器定位设备结构框图仅仅是出于示例的目的，而不是对本发明范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
234.其中，图像传感器710用于采集图像，将图像传输至处理器730；处理器730用于执行如下计算机可执行指令，该计算机可执行指令被处理器执行时实现任意上述容器定位方法的步骤。
235.上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的容器定位方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述容器定位方法的技术方案的描述。
236.本发明一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时以用于实现任意上述容器定位方法的步骤。
237.上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的容器定位方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述容器定位方法的技术方案的描述。
238.上述对本发明特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
239.计算机指令包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
240.需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。
241.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
242.以上公开的本发明优选实施例只是用于帮助阐述本发明。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本发明的内容，可作很多的修改和变化。本发明选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。