规整物体的三维装箱方法、装置和电子设备与流程

1.本发明涉及物流装箱的技术领域，尤其是涉及一种规整物体的三维装箱方法、装置和电子设备。


背景技术：

2.装箱问题广泛存在于工业领域，在实际应用中，装箱问题的解决效果影响最直接和显著的领域是物流运输业。随着我国市场经济的发展，物流活动越来越显示出它的重要性，物流相关技术的应用和发展受到越来越多的重视。装箱问题作为物流配送过程中的一个关键性技术，对提高配送业务的自动化水平，提高货物装载的优化程度，提高配送业务的工作效率和规范业务流程都有重要的意义。尽管物流和装箱业务呈上升趋势，但装箱软件的使用数量和质量都没有很大的提高。到目前为止，许多学者对装箱问题已经进行了大量的研究，发表了各种解决装箱问题的方法。但对于三维装箱问题的研究还相对较少，目前学术上仍没有统一且完善的解决方案。
3.对于货物的装载，通常由装卸工人根据当前可见的货物局部信息进行自行安排，虽然这种方式面对各种货物均能找出有效的装载方案，但是货箱的空间利用率有很大的提升空间。人们也可以预先规划出一个合理的装箱方案，但是人工进行这一工作通常费时费力，亟需一种装箱方法来优化并提高在约束范围内的装箱率和工作效率。
4.综上，对于如何提高货物装载的装箱率和工作效率还没有有效的解决方案。


技术实现要素：

5.有鉴于此，本发明的目的在于提供一种规整物体的三维装箱方法、装置和电子设备，以缓解现有技术对于如何提高货物装载的装箱率和工作效率还没有有效的解决方案的技术问题。
6.第一方面，本发明实施例提供了一种规整物体的三维装箱方法，包括：
7.获取装箱的请求数据，其中，所述请求数据包括：待装载货物的属性数据、所述待装载货物的订单数据和待装载货箱的属性数据；
8.在存在待装载货物和待装载货箱的情况下，根据货箱选取策略在所述待装载货箱集合中确定目标待装载货箱，并将所述目标待装载货箱从所述待装载货箱集合中删除；
9.根据所述请求数据和块构造策略对所述待装载货物集合中的待装载货物进行货物块组装，得到待装载货物块，并将所述待装载货物块中的待装载货物从所述待装载货物集合中删除；
10.根据搜索策略确定所述待装载货物块装入所述目标待装载货箱的装箱方案，其中，所述装箱方案具备最大的装箱率。
11.进一步的，所述货箱选取策略包括：按照所述待装载货箱装载量降序的顺序进行所述目标待装载货箱选取的策略，且对于所述待装载货箱集合中的最后两个待装载货箱，按照空间利用率最高的选取策略。
12.进一步的，所述块构造策略包括：按照所述待装载货物块中的待装载货物的类型相同、朝向相同的策略进行所述待装载货物块的组装。
13.进一步的，根据搜索策略确定所述待装载货物块装入所述目标待装载货箱的装箱方案，包括：
14.按优先级探索节点且限制搜索宽度的树搜索算法确定所述待装载货物块装入所述目标待装载货箱的装箱方案。
15.进一步的，按优先级探索节点且限制搜索宽度的树搜索算法确定所述待装载货物块装入所述目标待装载货箱的装箱方案，包括：
16.采用全量枚举的策略构建所述待装载货物块的装箱方案树中当前节点的下一级节点，其中，每个所述节点表示子装箱方案，且每个所述节点包含其对应的子装箱方案的评分；
17.按照所述下一级节点中各节点的评分在所述下一级节点中搜索最优节点，并将所述最优节点作为所述当前节点，返回执行采用全量枚举的策略构建所述待装载货物块的装箱方案树中当前节点的下一级节点的步骤，直至搜索到所述装箱方案树的叶子节点，得到搜索结果；
18.在所述搜索结果中确定完整的装箱方案，并将所述完整的装箱方案中的任一装箱方案作为所述装箱方案。
19.进一步的，所述子装箱方案的评分为根据所述子装箱方案已装待装载货物的平均体积、近似质心位置，以及不能利用的空间体积进行加权求和所得。
20.第二方面，本发明实施例还提供了一种规整物体的三维装箱装置，包括：
21.获取单元，用于获取装箱的请求数据，其中，所述请求数据包括：待装载货物的属性数据、所述待装载货物的订单数据和待装载货箱的属性数据；
22.第一确定单元，用于在存在待装载货物和待装载货箱的情况下，根据货箱选取策略在所述待装载货箱集合中确定目标待装载货箱，并将所述目标待装载货箱从所述待装载货箱集合中删除；
23.货物块组装单元，用于根据所述请求数据和块构造策略对所述待装载货物集合中的待装载货物进行货物块组装，得到待装载货物块，并将所述待装载货物块中的待装载货物从所述待装载货物集合中删除；
24.第二确定单元，用于根据搜索策略确定所述待装载货物块装入所述目标待装载货箱的装箱方案，其中，所述装箱方案具备最大的装箱率。
25.进一步的，所述货箱选取策略包括：按照所述待装载货箱装载量降序的顺序进行所述目标待装载货箱选取的策略，且对于所述待装载货箱集合中的最后两个待装载货箱，按照空间利用率最高的选取策略。
26.第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
27.第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述机器可运行指令在被处理器调用和运行时，所述机器可运行指令促使所述处理器运行上述第一方面任一项所述的方法。
28.在本发明实施例中，提供了一种规整物体的三维装箱方法，包括：获取装箱的请求数据，其中，请求数据包括：待装载货物的属性数据、待装载货物的订单数据和待装载货箱的属性数据；在存在待装载货物和待装载货箱的情况下，根据货箱选取策略在待装载货箱集合中确定目标待装载货箱，并将目标待装载货箱从待装载货箱集合中删除；根据请求数据和块构造策略对待装载货物集合中的待装载货物进行货物块组装，得到待装载货物块，并将待装载货物块中的待装载货物从待装载货物集合中删除；根据搜索策略确定待装载货物块装入目标待装载货箱的装箱方案，其中，装箱方案具备最大的装箱率。通过上述描述可知，本发明的规整物体的三维装箱方法能够自动计算出装箱率最大的装箱方案，提高了货物装载的装箱率和工作效率，缓解了现有技术对于如何提高货物装载的装箱率和工作效率还没有有效的解决方案的技术问题。
附图说明
29.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
30.图1为本发明实施例提供的一种规整物体的三维装箱方法的流程图；
31.图2为本发明实施例提供的按优先级探索节点且限制搜索宽度的树搜索算法确定待装载货物块装入目标待装载货箱的装箱方案的流程图；
32.图3为本发明实施例提供的一种装箱效果的展示示意图；
33.图4为本发明实施例提供的另一种装箱效果的展示示意图；
34.图5为本发明实施例提供的一种规整物体的三维装箱装置的示意图；
35.图6为本发明实施例提供的一种电子设备的示意图。
具体实施方式
36.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
37.目前，对于货物的装载，通常由装卸工人根据当前可见的货物局部信息进行自行安排，虽然这种方式面对各种货物均能找出有效的装载方案，但是货箱的空间利用率有很大的提升空间。人们也可以预先规划出一个合理的装箱方案，但是人工进行这一工作通常费时费力，亟需一种装箱方法来优化并提高在约束范围内的装箱率和工作效率。
38.基于此，本发明的规整物体的三维装箱方法能够自动计算出装箱率最大的装箱方案，提高了货物装载的装箱率和工作效率。
39.为便于对本实施例进行理解，首先对本发明实施例所公开的一种规整物体的三维装箱方法进行详细介绍。
40.实施例一：
41.根据本发明实施例，提供了一种规整物体的三维装箱方法的实施例，需要说明的
是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
42.图1是根据本发明实施例的一种规整物体的三维装箱方法的流程图，如图1所示，该方法包括如下步骤：
43.步骤s102，获取装箱的请求数据，其中，请求数据包括：待装载货物的属性数据、待装载货物的订单数据和待装载货箱的属性数据；
44.在本发明实施例中，待装载货物具有以下特点：外形包装规整(长方体)，无异形包装，有明确的长宽高；重量不均等，整体偏重；有明确的装箱限制：承压、堆叠、放置朝向要求；待装载货箱具有以下特点：常规尺寸，外形规整(长方体)，有明确的长宽高；有明确的自重限重参数；卸货面仅为尾部卸货。
45.具体的，上述待装载货物的属性数据可以包括：待装载货物的长宽高、放置朝向要求、承重面、承重级别、货物的类型等，待装载货物的订单数据可以包括：订单中所包含的待装载货物的类型、订单中所包含的待装载货物的数量、订单顺序等，待装载货箱的属性数据可以包括：待装载货箱的数量、待装载货箱的长宽高、待装载货箱的限重参数等。
46.步骤s104，在存在待装载货物和待装载货箱的情况下，根据货箱选取策略在待装载货箱集合中确定目标待装载货箱，并将目标待装载货箱从待装载货箱集合中删除；
47.步骤s106，根据请求数据和块构造策略对待装载货物集合中的待装载货物进行货物块组装，得到待装载货物块，并将待装载货物块中的待装载货物从待装载货物集合中删除；
48.步骤s108，根据搜索策略确定待装载货物块装入目标待装载货箱的装箱方案，其中，装箱方案具备最大的装箱率。
49.下文中再对上述步骤s104至步骤s108的过程进行详细描述，在此不再赘述。
50.在本发明实施例中，提供了一种规整物体的三维装箱方法，包括：获取装箱的请求数据，其中，请求数据包括：待装载货物的属性数据、待装载货物的订单数据和待装载货箱的属性数据；在存在待装载货物和待装载货箱的情况下，根据货箱选取策略在待装载货箱集合中确定目标待装载货箱，并将目标待装载货箱从待装载货箱集合中删除；根据请求数据和块构造策略对待装载货物集合中的待装载货物进行货物块组装，得到待装载货物块，并将待装载货物块中的待装载货物从待装载货物集合中删除；根据搜索策略确定待装载货物块装入目标待装载货箱的装箱方案，其中，装箱方案具备最大的装箱率。通过上述描述可知，本发明的规整物体的三维装箱方法能够自动计算出装箱率最大的装箱方案，提高了货物装载的装箱率和工作效率，缓解了现有技术对于如何提高货物装载的装箱率和工作效率还没有有效的解决方案的技术问题。
51.上述内容对本发明的规整物体的三维装箱方法进行了简要介绍，下面对其中涉及到的具体内容进行详细描述。
52.在本发明的一个可选实施例中，货箱选取策略包括：按照待装载货箱装载量降序的顺序进行目标待装载货箱选取的策略，且对于待装载货箱集合中的最后两个待装载货箱，按照空间利用率最高的选取策略。
53.在本发明实施例中，装箱方法是以货箱为单位进行的，即一个目标待装载货箱装
满后，再选取下一个目标待装载货箱进行货物的装载。在选取目标待装载货箱时，优先选择装载量大的待装载货箱，但是对于最后两个待装载货箱，选择空间利用率最高的待装载货箱作为目标待装载货箱，以提升装箱率，降低运输成本。
54.在本发明的一个可选实施例中，块构造策略包括：按照待装载货物块中的待装载货物的类型相同、朝向相同的策略进行待装载货物块的组装。
55.具体的，为了提高装箱速度，实际装箱过程中要求每次装入一组类型相同且朝向相同的货物，因此，本发明采用了块构造策略，即每次装入由同种类型、同种朝向的待装载货物组成的长方体。在确定装箱方案时，在给定货物的类型和朝向的前提下，会尝试各种各样的待装载货物块，优先考虑更宽、更高、更长的块。
56.按照预设策略从目标待装载货箱里抽取一个长方体空间s，从待装载货物中抽取一种待装载货物c，记其数量为m，枚举m个待装载货物c能组成的并且可以放进长方体空间s里去的长方体(待装载货物块)。
57.枚举过程类似于因子分解，比如有8个待装载货物c，那可以组成长方体(待装载货物块)的方案有8x1x1,4x2x1,2x4x1,1x8x1等等。这里的8x1x1表示待装载货物块的长度有8个c那么长，在宽度方向上有1个c那么宽，在高度方向上有1个c那么高。不一定用完所有待装载货物，比如组成一个4x1x1的待装载货物块也是可以的，剩余的待装载货物留待后续步骤安排。
58.枚举结束后要测试这些待装载货物块能不能放进长方体空间s。测试可以在枚举之前进行，避免无谓的计算。枚举过程除了考虑待装载货物数量，还要考虑待装载货物自身的限制，比如最大的堆叠层数。
59.块构造策略主要影响这些子装箱方案被列出的顺序。因为搜索过程使用的队列容量有限，靠后的子装箱方案可能不会被尝试，也就是被丢掉。
60.在本发明的一个可选实施例中，根据搜索策略确定待装载货物块装入目标待装载货箱的装箱方案，包括：
61.按优先级探索节点且限制搜索宽度的树搜索算法确定待装载货物块装入目标待装载货箱的装箱方案。
62.具体的，如果使用完全的构造性算法，即采用复杂的贪心策略，想要一次装完所有货物且不回退，并且在各种情况下都得到较为合适的装箱方案是困难的。因此，本发明采用了构造法与搜索法相结合的解决思路。但是经过试验，经典的深度优先和广度优先搜索算法均不能有效地搜索出合适的解。在反复试验后，本发明采用了按优先级探索节点且限制搜索宽度的树搜索算法。此算法实现简单且高效。在参数合适的情况下，可以给相对优秀的搜索结果。
63.在本发明的一个可选实施例中，参考图2，按优先级探索节点且限制搜索宽度的树搜索算法确定待装载货物块装入目标待装载货箱的装箱方案，包括：
64.步骤s201，采用全量枚举的策略构建待装载货物块的装箱方案树中当前节点的下一级节点，其中，每个节点表示子装箱方案，且每个节点包含其对应的子装箱方案的评分；
65.上述子装箱方案表示长方体空间s的全量枚举的各种装箱方案。
66.具体的，按照各种装载的可能性进行子装箱方案的设计，并构建待装载货物块的装箱方案树中当前节点的下一级节点。
67.根节点表示尚无待装载货物装进目标待装载货箱的状态。任何搜索算法都要有一个起点，根节点就是起点。节点就表示当前已经摆放的方案，即子装箱方案。
68.从一个节点n衍生出它的下一级节点m的方法是，在n所代表的当前已经摆放的方案下，选一种待装载货物组成待装载货物块(选的时候采用全量枚举的策略)放到目标待装载货箱里去，放进去之后的摆放方案就是子节点m(由于是全量枚举的策略进行的，所以，子节点m为多个)。根节点加上上述规则可以衍生出所有的下一级节点，类似于数学里的递推公式。
69.需要说明的是：在进行子装箱方案的设计时，遵循以下约束和要求，具体包括：
70.约束一，待装载货物以订单形式组装，订单是独立的一个大单位，卸货时以完整的订单为单位卸货；
71.约束二，优先以完整的订单进行装货，允许一个订单中的货物分散在多个连续的货箱内，但是不允许其他订单中的货物穿插其中；
72.约束三，同一货箱内，按照订单优先级装卸货，不同货箱内的装卸顺序不做要求；
73.约束四，货物支持六种摆放方向：立方正向、立方横向、侧放正向、侧放横向、卧放正向、卧放横向；
74.约束五，货物支持摆放方向上的是否承重面设置，对非承重面上不能放置货物；
75.约束六，货物支持承托级别及堆码限制；堆码不同类型的货物时，遵守承托级别约束，承托级别为m的货物不能放在承托级别小于m的货物上；堆码同类型的货物时遵守自身最大堆码层数约束；
76.约束七，货箱内货物总重不超过货车/货船的最大负载；
77.约束八，仅考虑尾部卸货；
78.要求一，按照由里到外，由左到右，由低到高的顺序装货；
79.要求二，按照由高到低、由外到里的顺序卸货；
80.要求三，同类型的货物聚合摆放；
81.要求四，保证货物摆放整齐；
82.要求五，重的物品靠下放，轻的靠上放；
83.要求六，优先使用大容量货箱。
84.另外，在本发明实施例中，为了方便编码以及减少错误，本发明使用一个独立的坐标系统，在处理计算请求(指将计算请求规范为请求数据，进而得到装箱的请求数据)以及返回计算结果时，对货物坐标进行专门的转换。
85.为了避免错误，本发明不使用传统的x、y和z，改用a、b和c指代坐标轴。对于一个三维坐标(v1，v2，v3)，v1是该点在a轴上的投影，v2是该点在b轴上的投影，v3是该点在c轴上的投影。对于货箱，坐标原点在货箱底面左上角；a轴自原点水平向卸货口延伸；b轴自原点水平向右延伸；c轴自原点竖直向上延伸。一个长方体的长度，对应于该长方体的对角线在a轴上投影的长度；宽度对应于在b轴上投影的长度；高度对应于在c轴上投影的长度。
86.步骤s202，按照下一级节点中各节点的评分在下一级节点中搜索最优节点，并将最优节点作为当前节点，返回执行采用全量枚举的策略构建待装载货物块的装箱方案树中当前节点的下一级节点的步骤，直至搜索到装箱方案树的叶子节点，得到搜索结果；
87.具体的，评分越高的节点越先被搜索，搜索到叶子节点的路径表示一个完整的装
箱方案，或者无法继续进行的方案。
88.需要说明的是：搜索过程并不是完全受节点的评分控制。除了搜索宽度受限外，本法明涉及的贪心策略也会剪掉一些装箱方案。比如，为了控制搜索时间，在探索某个装箱方案时，对于每种货物以及可用的每一种朝向，搜索策略仅搜索能装填采用该朝向的货物数量最多的块。
89.所谓搜索宽度受限这里以广度优先算法为例，系统里的搜索算法类似。
[0090][0091][0092]
第一步初始化队列q。bfs里的q可以无限大，而装箱算法里使用的q大小有一个上限，具体大小通过配置文件指定。
[0093]
语句node＝q.dequeue()弹出元素，语句q.add(adjlist)增加元素。如果弹出速度低于增加速度，q就增大。当q的大小达到上限，装箱算法就弹出q中的元素，相当于淘汰一些节点。后续搜索过程中，这些节点不会再被探索，因为它们已经丢了。
[0094]
步骤s203，在搜索结果中确定完整的装箱方案，并将完整的装箱方案中的任一装箱方案作为装箱方案。
[0095]
在本发明的一个可选实施例中，子装箱方案的评分为根据子装箱方案已装待装载货物的平均体积、近似质心位置，以及不能利用的空间体积进行加权求和所得。
[0096]
图3和图4中示出了装箱效果的展示图。
[0097]
本发明的规整物体的三维装箱方法能够优化并提高在约束范围内的装箱效率和利用率，最大化的提高装箱率；在给定的订单货物、货箱的前提下，使用最少的运力，从而降低运输成本。
[0098]
实施例二：
[0099]
本发明实施例还提供了一种规整物体的三维装箱装置，该规整物体的三维装箱装置主要用于执行本发明实施例一中所提供的规整物体的三维装箱方法，以下对本发明实施例提供的规整物体的三维装箱装置做具体介绍。
[0100]
图5是根据本发明实施例的一种规整物体的三维装箱装置的示意图，如图5所示，该装置主要包括：获取单元10、第一确定单元20、货物块组装单元30和第二确定单元40，其中：
[0101]
获取单元，用于获取装箱的请求数据，其中，请求数据包括：待装载货物的属性数据、待装载货物的订单数据和待装载货箱的属性数据；
[0102]
第一确定单元，用于在存在待装载货物和待装载货箱的情况下，根据货箱选取策略在待装载货箱集合中确定目标待装载货箱，并将目标待装载货箱从待装载货箱集合中删除；
[0103]
货物块组装单元，用于根据请求数据和块构造策略对待装载货物集合中的待装载货物进行货物块组装，得到待装载货物块，并将待装载货物块中的待装载货物从待装载货物集合中删除；
[0104]
第二确定单元，用于根据搜索策略确定待装载货物块装入目标待装载货箱的装箱方案，其中，装箱方案具备最大的装箱率。
[0105]
在本发明实施例中，提供了一种规整物体的三维装箱装置，包括：获取装箱的请求数据，其中，请求数据包括：待装载货物的属性数据、待装载货物的订单数据和待装载货箱的属性数据；在存在待装载货物和待装载货箱的情况下，根据货箱选取策略在待装载货箱集合中确定目标待装载货箱，并将目标待装载货箱从待装载货箱集合中删除；根据请求数据和块构造策略对待装载货物集合中的待装载货物进行货物块组装，得到待装载货物块，并将待装载货物块中的待装载货物从待装载货物集合中删除；根据搜索策略确定待装载货物块装入目标待装载货箱的装箱方案，其中，装箱方案具备最大的装箱率。通过上述描述可知，本发明的规整物体的三维装箱装置能够自动计算出装箱率最大的装箱方案，提高了货物装载的装箱率和工作效率，缓解了现有技术对于如何提高货物装载的装箱率和工作效率还没有有效的解决方案的技术问题。
[0106]
可选地，货箱选取策略包括：按照待装载货箱装载量降序的顺序进行目标待装载货箱选取的策略，且对于待装载货箱集合中的最后两个待装载货箱，按照空间利用率最高的选取策略。
[0107]
可选地，块构造策略包括：按照待装载货物块中的待装载货物的类型相同、朝向相同的策略进行待装载货物块的组装。
[0108]
可选地，第二确定单元还用于：按优先级探索节点且限制搜索宽度的树搜索算法确定待装载货物块装入目标待装载货箱的装箱方案。
[0109]
可选地，第二确定单元还用于：采用全量枚举的策略构建待装载货物块的装箱方案树中当前节点的下一级节点，其中，每个节点表示子装箱方案，且每个节点包含其对应的
子装箱方案的评分；按照下一级节点中各节点的评分在下一级节点中搜索最优节点，并将最优节点作为当前节点，返回执行采用全量枚举的策略构建待装载货物块的装箱方案树中当前节点的下一级节点的步骤，直至搜索到装箱方案树的叶子节点，得到搜索结果；在搜索结果中确定完整的装箱方案，并将完整的装箱方案中的任一装箱方案作为装箱方案。
[0110]
在本发明的一个可选实施例中，子装箱方案的评分为根据子装箱方案已装待装载货物的平均体积、近似质心位置，以及不能利用的空间体积进行加权求和所得。
[0111]
本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
[0112]
如图6所示，本技术实施例提供的一种电子设备600，包括：处理器601、存储器602和总线，所述存储器602存储有所述处理器601可执行的机器可读指令，当电子设备运行时，所述处理器601与所述存储器602之间通过总线通信，所述处理器601执行所述机器可读指令，以执行如上述规整物体的三维装箱确定方法的步骤。
[0113]
具体地，上述存储器602和处理器601能够为通用的存储器和处理器，这里不做具体限定，当处理器601运行存储器602存储的计算机程序时，能够执行上述规整物体的三维装箱确定方法。
[0114]
处理器601可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器601中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器601可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现成可编程门阵列(field-programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器602，处理器601读取存储器602中的信息，结合其硬件完成上述方法的步骤。
[0115]
对应于上述规整物体的三维装箱确定方法，本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述规整物体的三维装箱确定方法的步骤。
[0116]
本技术实施例所提供的规整物体的三维装箱确定装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本技术实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
[0117]
在本技术所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方
式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0118]
再例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0119]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0120]
另外，在本技术提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0121]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述车辆标记方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0122]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0123]
最后应说明的是：以上所述实施例，仅为本技术的具体实施方式，用以说明本技术的技术方案，而非对其限制，本技术的保护范围并不局限于此，尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本技术实施例技术方案的范围。都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。