CN104880149B - 基于立体影像分析的大型散料货堆体积测量方法及其设备 - Google Patents
基于立体影像分析的大型散料货堆体积测量方法及其设备 Download PDFInfo
- Publication number
- CN104880149B CN104880149B CN201410071023.1A CN201410071023A CN104880149B CN 104880149 B CN104880149 B CN 104880149B CN 201410071023 A CN201410071023 A CN 201410071023A CN 104880149 B CN104880149 B CN 104880149B
- Authority
- CN
- China
- Prior art keywords
- stockpile
- bulk cargo
- unmanned plane
- analysis
- stereopsis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于立体影像分析的大型散料货堆体积测量方法及其设备，其方法包括如下步骤：1）在至少两个维度上获取关于大型散料货堆的多张影像图片，多张影像图片之间具有一定的重合度；2）对步骤1）中所得的多张影像图片进行处理分析，并通过计算得到散料货堆的体积；采用上述技术方案的基于立体影像分析的大型散料货堆体积测量方法及其设备，其通过无人机航拍并配合图像分析，从而精确获得散料货堆的体积，并且在日常生产运作中即可完成测量，无需对物料进行处理，以便捷灵活的方式有效提高了企业成本控制能力。
Description
技术领域
本发明涉及一种产品体积的测量，尤其是一种基于立体影像分析的大型散料货堆体积测量方法及其设备。
背景技术
生产企业在日常生产工作中需涉及大量散装原材料，如矿粉、块矿、焦炭等，并需设置固定场地对其进行存放。随着日常生产中的原材料不断的存入和取出，原料堆难以得到及时的清理以及清点，故而使得清堆周期达到一年甚至更长，进而使得原材料的重量难以得到准确的记录。在存入和取出过程中，尤其是矿产冶金行业，其对原料的称料大量使用了皮带秤进行计量，而皮带秤计量误差较大，难以准确记录原料的存取情况。上述原因导致了按照存入重量和取出重量统计而来的库存量和实际库量存偏差较大，而库存偏差较大给生产带来诸多不利影响，例如库存误差较大，会错误的指导采购品种和采购数量，造成企业资金浪费；或在清堆盘库的时库存盈亏较大，盈亏分摊到当月的成本中，对真实成本影响较大，不利于成本分析。
为了解决上述问题，目前市场中的生产企业多采用激光或远红外测距等方法进行料堆体积计算，采用上述方法，其所需的外置设备多且复杂，在成本控制上并无优势；同时测量过程较为繁琐，并且测量结果误差较大，甚至出现明显的错误，故而难以有效的测量散料货堆的体积。
发明内容
本发明要解决的技术问题是提供一种大型散料货堆体积测量方法及其设备，其可精确测量大型散料货堆的体积，同时在测量过程中具有成本低廉，操作便捷的特点。
为解决上述技术问题，本发明涉及一种基于立体影像分析的大型散料货堆体积测量方法，其包括如下步骤：
1）在至少两个维度上获取关于大型散料货堆的多张影像图片，多张影像图片之间具有一定的重合度；
2）对步骤1）中所得的多张影像图片进行处理分析，并通过计算得到散料货堆的体积。
所述步骤1）中的影像图片，其在三个维度上对大型散料货堆进行获取；所述多张影像照片之间的重合度至少为70%。照片之间的重合度越高，在相邻两个时刻拍摄的照片中重合部分越大，在图像处理过程中所得到的散料货堆模型则更为精确。故而在拍摄过程中，确保多种影像图片之间的重合度至少为70%，可有效增加散料货堆体积的测量精度。
所述步骤1）中，在三个维度上获取关于大型散料货堆的多张影像图片的方法为，由装配有照相设备的无人机沿一定运动轨迹飞行，在多个位置针对大型散料货堆进行的多次拍摄而获得多张影像图片；所述无人机运动过程中，照相设备始终正对散料货堆的几何中心。
作为本发明的一种改进，所述无人机的运动轨迹包括，圆心与散料货堆的几何中心在同一竖直线上，且平行于水平面的圆形；所述无人机的运动轨迹所处平面高于散料货堆的顶点，且其在散料货堆底部所在平面上的投影覆盖于散料货堆在该平面的投影。
作为本发明的一种改进，所述无人机的运动轨迹中所包括的圆形，其半径与正比于散料货堆在其底面所在平面内的投影尺寸；无人机的运动轨迹中所包括的圆形所在平面距离地面高度正比于散料货堆的高度。采用上述设计的无人机运动轨迹，其可有效涵盖散料货堆的范围，并可根据散料货堆的尺寸进行调整，从而使其的运动轨迹处于最佳测量位置。
作为本发明的一种改进，所述无人机的飞行轨迹在散料货堆底部所在的平面的投影之外，设置有多个红外线发生器；所述与无人机相链接的照相设备外部设置有与红外线发生器相对应的红外线接收器；所述控制照相设备在设定位置对散料货堆进行拍摄的方法为，当无人机通过自红外线发生器发生的红外线在无人机运动轨迹上的投射位置时，照相装置外设置的红外线接收器检测到红外线而自动进行拍摄。
采用上述设计，照相设备可根据红外线发生器发射的红外线位置进行拍照，其可使得照相设备在设定的位置对散料货堆进行拍摄；同时照相设备拍照的位置、时刻均可在地面便捷的进行控制与调整，避免影像图片不能充分显示散料货堆，并可通过控制照相设备的拍摄次数，避免获取多余的影像图片使得后期图片处理的复杂度增加。
作为本发明的另一种改进，所述大型散料货堆一侧设置有地标，所述地标由多个固定尺寸的矩形沿固定方向延伸构成。
作为本发明的另一种改进，所述地标沿大型散料货堆边部延伸方向的数量不少于三块，在垂直于上述方向上延伸的数量不少于两块；所述矩形地标的尺寸精确度至多为1厘米；所述矩形地标采用与地面，以及散料货堆之间均存在高色差的颜色。地标可起到比例尺的作用，由于影像图片的尺寸与实际尺寸不同，故需对其进行相应转换。直接将拍摄图片中尺寸经比例处理，其会因比例精度不高造成散料货堆的计算体积与实际体积存在偏差；同时，无人机在多个位置进行的拍摄，亦有可能在比例上存在细微差别。采用地标进行标准，由于地标的实际尺寸已知，故其可以精确获知影像图像与实际尺寸之间比例；同时，地标个数可直观显示散料货堆尺寸，使得测量更为精确。高色差的地标则可使得地标相较地面以及散料货堆更易区分。
所述步骤2）中，通过步骤1）中获得多张影像图片进行处理分析包括如下步骤：
2.1） 将无人机航拍获取的多张影像图片导入三维仿真软件中；
2,2） 在三维仿真软件内，将拍摄的多张照片中的各个像素点与散料货堆中的点相匹配，形成关于散料货堆的深度信息；
2.3） 通过拍摄的多张影像图片信息与步骤2.2）中获得的深度信息相结合，生成散料货堆的网格模型；
2.4） 在步骤2.3）中生成的网格模型上，添加从影像图片中获取的散料货堆的图像纹理；
2.5） 将地标的实际尺寸添加步骤2.4）中的网格模型中；
2.6） 通过步骤2.5）中获取的模型信息，计算散料货堆的体积。
通过上述基于立体影像分析的大型散料货堆体积测量方法进行测量所需的测量设备，其由装配有照相设备的无人机构成；所述照相设备包含有机身与镜头；所述无人机的飞行负重至少为1800克；所述照相设备的机身与无人机之间采用有可控制云台进行连接；所述可控制云台水平旋转角度为0°～350°，水平旋转速度为40°～50°/秒；竖直旋转角度为－90°～20°，竖直旋转速度为10°～20°/秒；所述照相设备机身外部设置有红外线接收器；所述照相设备的像素至少为1400万，且其具有光学防抖装置。
基于立体影像分析的大型散料货堆体积测量中所采用的无人机包括无人机框架，以及与框架相连接，且沿水平方向延伸的多根旋翼支架。所述框架内部设置有飞行控制器，以及与其电性连接的信号接收器。所述旋翼支架末端设置有马达，其连接有多片旋翼翼片。所述马达与飞行控制器之间设置有速度控制器；飞行控制器、马达与速度控制器三者之间均采用电性连接。
采用上述技术方案的基于立体影像分析的大型散料货堆体积测量方法及其设备，其通过立体影像记录散料货堆的尺寸数据，并通过分析计算得到散料货堆的体积，其避免了在测量过程中的诸多不确定因素，并通过确保获取影像时多张照片之间的高重合度，达到精确测量散料货堆体积的目的。同时，上述测量方法采用无人机航拍的方式进行测量，其通过无人机航拍并配合图像分析，从而精确，高效的获得散料货堆的体积，并且在日常生产运作中即可完成测量，无需对物料进行处理，以便捷灵活的方式有效提高了企业成本控制能力。
附图说明
图1为本发明中无人机航拍设备的结构示意图；
图2为本发明中无人机内部结构示意图；
图3本发明中地面工作站控制无人机飞行的流程图；
图4为本发明中无人机的运动轨迹示意图；
图5为本发明中照相设备的照相位置示意图；
图6为本发明中针对规则形状的散料货堆的采样体积与无人机航拍测量体积对比图；
图7为本发明中针对相同体积不同形状的散料货堆采样体积与无人机航拍测量体积对比图；
附图标记说明：
1—照相设备机身、2—照相设备镜头、3—无人机框架、4—旋翼支架、5—飞行控制器、6—信号接收器、7—马达、8—旋翼翼片、9—速度控制器、10—起落架、11—可控制云台、12—飞行区域、13—起落区域、14—散料货堆、15—红外线接收器、16—红外线照射点、17—地标。
具体实施方式
下面结合附图与具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
实施例1
一种基于立体影像分析的大型散料货堆体积测量方法，其包括如下步骤：
1）在三个维度上获取关于大型散料货堆的多张影像图片，多张影像图片之间的重合度达到70%；
2）对步骤1）中所得的多张影像图片进行如下处理，并通过计算得到散料货堆的体积；
2.1） 将无人机航拍获取的多张影像图片导入三维仿真软件中；
2.2） 在三维仿真软件内，将拍摄的多张照片中的各个像素点与散料货堆中的点相匹配，形成关于散料货堆的深度信息；
2.3） 通过拍摄的多张影像图片信息与步骤2.2）中获得的深度信息相结合，生成散料货堆的网格模型；
2.4） 在步骤2.3）中生成的网格模型上，添加从影像图片中获取的散料货堆的图像纹理；
2.5） 将地标的实际尺寸添加步骤2.4）中的网格模型中；
2.6） 通过步骤2.5）中获取的模型信息，计算散料货堆的体积。
照片之间的重合度越高，在相邻两个时刻拍摄的照片中重合部分越大，在图像处理过程中所得到的散料货堆模型则更为精确。故而在拍摄过程中，确保多种影像图片之间的重合度到达70%，可有效增加散料货堆体积的测量精度。
所述步骤1）中，在三个维度上获取关于大型散料货堆的多张影像图片的方法为，由装配有照相设备的无人机沿一定运动轨迹飞行，在多个位置针对大型散料货堆进行的多次拍摄而获得多张影像图片；所述无人机运动过程中，照相设备始终正对散料货堆的几何中心。
如图1与图2所示，上述基于立体影像分析的大型散料货堆体积测量方法进行测量所需的测量设备，其由装配有照相设备的无人机构成，所述照相设备包含有机身1与镜头2。所述无人机包括无人机框架3，以及与框架3相连接，且沿水平方向延伸的多根旋翼支架4。所述框架4内部设置有飞行控制器5，以及与其电性连接的信号接收器6。所述旋翼支架末端设置有马达7，其连接有多片旋翼翼片8。所述马达7与飞行控制器5之间设置有速度控制器9；飞行控制器5、马达7与速度控制器9，三者之间均采用电性连接。无人机的飞行负重至少为1800克。所述无人机框架3下端面设置有用于无人机起落的起落架10。
所述照相设备的机身1与无人机之间采用有可控制云台11进行连接；所述可控制云台水平旋转角度为0°～350°，水平旋转速度为50°/秒；竖直旋转角度为－90°～20°，竖直旋转速度为20°/秒；所述照相设备机身外部设置有红外线接收器；所述照相设备的像素至少为1400万，且其具有光学防抖装置。
所述无人机由与无人机之间通过无线信号进行通讯的地面工作站进行控制，地面工作站控制无人机按照设定线路飞行的流程如图3所示。
实施例2
本发明中，所述无人机的运动轨迹如图4所示，其由飞行区域12与起落区域13构成。所述飞行区域12为圆心与散料货堆14的几何中心在同一竖直线上，且平行于水平面的圆形；飞行区域12所处平面高于散料货堆14的顶点，且其在散料货堆14底部所在平面上的投影覆盖于散料货堆14在该平面的投影；所述起落区域13为，与飞行区域12所在圆形内切，且半径小于飞行区域12所在圆形的圆形。无人机受地面工作台控制，在起落区域13内起飞后持续升高，在达到其设定飞行高度后，在起落区域13与飞行区域12相切位置进入飞行轨道；无人机结束航拍后，在飞行区域12与起落区域13相切位置进入起落区域13，实现无人机的着陆。无人机在升降过程中进行拍摄的影像图片在高度要求上难以满足对散料货堆的体积计算要求，故为确保照相设备在随无人机运动中可在散料货堆四周获取所要求的照片，而采用上述无人机的运动轨迹设计。
作为本发明的一种改进，所述无人机的飞行轨迹所处圆形，其半径与正比于散料货堆在其底面所在平面内的投影尺寸；无人机的运动轨迹中所包括的圆形所在平面距离地面高度正比于散料货堆的高度。对于底面尺寸为A*B，高度为C的散料货堆，无人机对其进行航拍的飞行半径为8*1/2*（A+B），飞行高度为8*C；以底面为长度30m，宽度20m矩形,整体高度为10m的散料货堆为例，则无人机的飞行区域半径为200m，飞行高度为80m。采用上述设计的无人机运动轨迹，其可有效涵盖散料货堆的范围，并可根据散料货堆的尺寸进行调整，从而使其的运动轨迹处于最佳测量位置。
实施例3
本发明中，所述无人机的飞行轨迹在散料货堆底部所在的平面的投影之外，设置有多个红外线发生器；所述与无人机相链接的照相设备外部设置有与红外线发生器相对应的红外线接收器15；所述控制照相设备在设定位置对散料货堆进行拍摄的方法为，当无人机通过自红外线发生器发生的红外线在无人机运动轨迹上的投射位置时，照相装置外设置的红外线接收器检测到红外线而自动进行拍摄。
采用上述设计，照相设备可根据红外线发生器发射的红外线位置进行拍照，其可使得照相设备在设定的位置对散料货堆进行拍摄；同时照相设备拍照的位置、时刻均可在地面便捷的进行控制与调整，避免影像图片不能充分显示散料货堆，并可通过控制照相设备的拍摄次数，避免获取多余的影像图片使得后期图片处理的复杂度增加。
以焦距为18mm的照相设备为例，其对应镜头视角约为100°。由于无人机的飞行半径为散料货堆的底面尺寸的8倍，故对于形状规则的散料货堆，采用上述视角的照相设备在无人机飞行轨迹上任意位置拍摄的照片均能包含散料货堆的50%及其以上部分。为达到上述步骤1）中相邻位置间拍摄的影像图片间到达70%的重合度，则相邻拍摄设置在无人机飞行轨迹上与圆心夹角至多为54°，为确保拍摄位置在无人机飞行轨迹上分布的均匀性，则其相邻拍摄位置与圆心夹角至多为51.42°。故而，其如图5所示，在地面上至少设置有7个红外线信号发射器，相邻两个红外线发射器发射的红外线在无人机飞行轨迹上的交点16，与飞行轨迹圆心夹角为51.42°。
实施例4
本发明中，所述大型散料货堆一侧设置有地标17，所述地标17由多个固定尺寸的矩形沿固定方向延伸构成，其如图5所示。所述地标17沿大型散料货堆边部延伸方向的数量不少于三块，在垂直于上述方向上延伸的数量不少于两块；所述矩形地标17的尺寸精确度至多为1厘米；所述矩形地标17采用与地面，以及散料货堆之间均存在高色差的颜色，例如红色。
地标可起到比例尺的作用，由于影像图片的尺寸与实际尺寸不同，故需对其进行相应转换。直接将拍摄图片中尺寸经比例处理，其会因比例精度不高造成散料货堆的计算体积与实际体积存在偏差；同时，无人机在多个位置进行的拍摄，亦有可能在比例上存在细微差别。采用地标进行标准，由于地标的实际尺寸已知，故其可以精确获知影像图像与实际尺寸之间比例；同时，地标个数可直观显示散料货堆尺寸，使得测量更为精确。高色差的地标则可使得地标相较地面以及散料货堆更易区分。同时，为确保地标与散料货堆的体积更为接近，地标的总长度与宽度应尽可能与散料货堆尺寸接近。
本实施例中将采用上述技术方案的基于立体影像分析的大型散料货堆体积测量方法，对于规格形状的散料货堆进行实际测量，并将测量分析的散料货堆体积结果与采样分析的体积结果进行对比，其对比结果如图6所示。本实施例中对散料货堆的形状规格化的方法为，将待测物料分别装填入多个集装箱内，每个集装箱内待测物料所占空间均与集装箱容积相等。
由图6可得，采用上述基于立体影像分析的大型散料货堆体积测量方法对形状规格的散料货堆进行测量，其测量结果与采用分析结果的误差值为1.74%，由于在集装箱装填状态下的物料采样体积与其实际体积之间相差无多，故本方案中采用的测量方法可实现对散料货堆的精确测量。
采用上述技术方案的基于立体影像分析的大型散料货堆体积测量方法及其设备，其通过立体影像记录散料货堆的尺寸数据，并通过分析计算得到散料货堆的体积，其避免了在测量过程中的诸多不确定因素，并通过确保获取影像时多张照片之间的高重合度，达到精确测量散料货堆体积的目的。同时，上述测量方法采用无人机航拍的方式进行测量，其通过无人机航拍并配合图像分析，从而精确，高效的获得散料货堆的体积，并且在日常生产运作中即可完成测量，无需对物料进行处理，以便捷灵活的方式有效提高了企业成本控制能力。
实施例5
本实施例中对于相同体积的散料货堆，其在不同形状状态下采用基于立体影像分析的大型散料货堆体积测量方法对其进行多次测量，其测量结果与散料货堆的采样分析结果对比如图7所示。
由图7可知，对于相同体积，不同形状的散料货堆，采用上述基于立体影像分析的大型散料货堆体积测量方法对其进行多次测量的测量结果之间的误差在1%上下浮动。由于散料货堆在自由堆积状态下，其内部物料之间存在较多空气，故使其密度有所减小，其实际体积小于采样分析中获得体积。故此，图6中散料货堆的实际体积小于其采样体积，无人机航拍所测得体积则更为接近实际体积。
由图6可得，在针对同一体积不同形状的散料货堆之间的进行测量时，采用无人机航拍的方式，在确保对散料货堆体积的精确测量同时，亦能在散料货堆的体积发生改变时保证测量的稳定性；同时，采用本方案中测量方法可减小散料货堆堆放过程中内部空气对其体积的影响。此外，无人机系统从起飞至拍摄结束，工作时间控制在10分钟以内，配合计算机，在数小时内即可完成对多个散料货堆的测量。
本实施例中其余特征与优点和实施例1相同。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。
Claims (8)
1.一种基于立体影像分析的大型散料货堆体积测量方法，其特征在于，所述大型散料货堆的体积方法包括如下步骤：
1）在至少两个维度上获取关于大型散料货堆的多张影像图片，多张影像图片之间具有一定的重合度；
2）对步骤1）中所得的多张影像图片进行处理分析，并通过计算得到散料货堆的体积；
所述步骤1）中的影像图片，其在三个维度上对大型散料货堆进行获取；所述多张影像照片之间的重合度至少为70%；
所述步骤1）中，在三个维度上获取关于大型散料货堆的多张影像图片的方法为，由装配有照相设备的无人机沿一定运动轨迹飞行，在多个位置针对大型散料货堆进行的多次拍摄而获得多张影像图片；所述无人机运动过程中，照相设备始终正对散料货堆的几何中心。
2.按照权利要求1所述的基于立体影像分析的大型散料货堆体积测量方法，其特征在于，所述无人机的运动轨迹包括，圆心与散料货堆的几何中心在同一竖直线上，且平行于水平面的圆形；所述无人机的运动轨迹所处平面高于散料货堆的顶点，且其在散料货堆底部所在平面上的投影覆盖于散料货堆在该平面的投影。
3.按照权利要求2所述的基于立体影像分析的大型散料货堆体积测量方法，其特征在于，所述无人机的运动轨迹中所包括的圆形，其半径与正比于散料货堆在其底面所在平面内的投影尺寸；无人机的运动轨迹中所包括的圆形所在平面距离地面高度正比于散料货堆的高度。
4.按照权利要求3所述的基于立体影像分析的大型散料货堆体积测量方法，其特征在于，所述无人机的飞行轨迹在散料货堆底部所在的平面的投影之外，设置有多个红外线发生器；所述与无人机相链接的照相设备外部设置有与红外线发生器相对应的红外线接收器；控制所述照相设备在设定位置对散料货堆进行拍摄的方法为，当无人机通过自红外线发生器发生的红外线在无人机运动轨迹上的投射位置时，照相装置外部设置的红外线接收器检测到红外线而自动进行拍摄。
5.按照权利要求1所述的基于立体影像分析的大型散料货堆体积测量方法，其特征在于，所述大型散料货堆一侧设置有地标，所述地标由多个固定尺寸的矩形沿固定方向延伸构成。
6.按照权利要求5所述的基于立体影像分析的大型散料货堆体积测量方法，其特征在于，所述地标沿大型散料货堆边部延伸方向的数量不少于三块，在垂直于上述方向上延伸的数量不少于两块；所述矩形地标的尺寸精确度至多为1厘米；所述矩形地标采用与地面，以及散料货堆之间均存在高色差的颜色。
7.按照权利要求6所述的基于立体影像分析的大型散料货堆体积测量方法，其特征在于，所述步骤2）中，通过步骤1）中获得多张影像图片进行处理分析包括如下步骤：
2.1） 将无人机航拍获取的多张影像图片导入三维仿真软件中；
2.2） 在三维仿真软件内，将拍摄的多张照片中的各个像素点与散料货堆中的点相匹配，形成关于散料货堆的深度信息；
2.3） 通过拍摄的多张影像图片信息与步骤2.2）中获得的深度信息相结合，生成散料货堆的网格模型；
2.4） 在步骤2.3）中生成的网格模型上，添加从影像图片中获取的散料货堆的图像纹理；
2.5） 将地标的实际尺寸添加步骤2.4）中的网格模型中；
2.6） 通过步骤2.5）中获取的模型信息，计算散料货堆的体积。
8.按照权利要求7所述的基于立体影像分析的大型散料货堆体积测量方法，其特征在于，所述基于立体影像分析的大型散料货堆体积测量方法采用装配有照相设备的无人机进行测量；所述照相设备包含有机身与镜头；所述无人机的飞行负重至少为1800克；所述照相设备的机身与无人机之间采用有可控制云台进行连接；所述可控制云台水平旋转角度为0°～350°，水平旋转速度为40°～50°/秒；竖直旋转角度为－90°～20°，竖直旋转速度为10°～20°/秒；所述照相设备机身外部设置有红外线接收器；所述照相设备的像素至少为1400万，且其具有光学防抖装置；
所述无人机包括无人机框架，以及与框架相连接，且沿水平方向延伸的多根旋翼支架；所述框架内部设置有飞行控制器，以及与其电性连接的信号接收器；所述旋翼支架末端设置有马达，其连接有多片旋翼翼片；所述马达与飞行控制器之间设置有速度控制器、飞行控制器、马达与速度控制器；所述无人机框架下端面设置有用于无人机起落的起落架。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410071023.1A CN104880149B (zh) | 2014-02-28 | 2014-02-28 | 基于立体影像分析的大型散料货堆体积测量方法及其设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410071023.1A CN104880149B (zh) | 2014-02-28 | 2014-02-28 | 基于立体影像分析的大型散料货堆体积测量方法及其设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104880149A CN104880149A (zh) | 2015-09-02 |
| CN104880149B true CN104880149B (zh) | 2018-08-28 |
Family
ID=53947739
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410071023.1A Active CN104880149B (zh) | 2014-02-28 | 2014-02-28 | 基于立体影像分析的大型散料货堆体积测量方法及其设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104880149B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106017320B (zh) * | 2016-05-30 | 2018-06-12 | 燕山大学 | 一种基于图像处理的散杂货堆体积测量方法及实现所述方法的系统 |
| CN109478070A (zh) * | 2016-08-04 | 2019-03-15 | 深圳市大疆创新科技有限公司 | 障碍物识别和避让方法和系统 |
| US11430148B2 (en) | 2016-12-28 | 2022-08-30 | Datalogic Ip Tech S.R.L. | Apparatus and method for pallet volume dimensioning through 3D vision capable unmanned aerial vehicles (UAV) |
| CN106934579A (zh) * | 2017-03-20 | 2017-07-07 | 南京医科大学第附属医院 | 基于无人机的自动仓储系统的控制方法 |
| CN109870105A (zh) * | 2017-12-05 | 2019-06-11 | 湖南三德科技股份有限公司 | 一种盘料方法及盘料系统 |
| CN108596914B (zh) * | 2018-04-04 | 2021-11-30 | 湖南三德科技股份有限公司 | 一种无人机盘煤方法 |
| CN111986251B (zh) * | 2019-05-22 | 2024-07-26 | 顺丰科技有限公司 | 物体体积测量方法、装置、测量设备及存储介质 |
| CN111238369B (zh) * | 2020-01-19 | 2021-07-06 | 广东工业大学 | 一种双长方物体体积测量方法、系统以及设备 |
| CN112539655A (zh) * | 2020-12-01 | 2021-03-23 | 马鞍山钢铁股份有限公司 | 一种基于图像设别的烧结布料装置及其布料方法 |
| CN113542718B (zh) * | 2021-07-20 | 2024-06-28 | 翁均明 | 一种无人机立体摄影方法 |
| CN116973180B (zh) * | 2023-09-20 | 2023-12-08 | 四川省绵阳生态环境监测中心站 | 一种移动式废气监测系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1948899A (zh) * | 2006-10-12 | 2007-04-18 | 谷振宇 | 体积精密测量装置及其方法 |
| CN100570275C (zh) * | 2008-04-08 | 2009-12-16 | 长安大学 | 一种基于图像的体积测量装置及其测量方法 |
| CN101629805B (zh) * | 2008-07-16 | 2011-02-02 | 中国科学院沈阳自动化研究所 | 一种基于计算机视觉的铁路罐车容积测量方法 |
| ES2366717B1 (es) * | 2008-09-03 | 2012-08-30 | Universidad De Sevilla | Equipo de obtención de información en obras e infraestructuras basado en un vehículo aéreo no tripulado. |
| CN101782835A (zh) * | 2009-01-16 | 2010-07-21 | 英业达股份有限公司 | 储存系统及其指令处理方法 |
-
2014
- 2014-02-28 CN CN201410071023.1A patent/CN104880149B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN104880149A (zh) | 2015-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104880149B (zh) | 基于立体影像分析的大型散料货堆体积测量方法及其设备 | |
| CN103913116B (zh) | 大型堆积物料体积两侧平行测量装置和方法 | |
| US9972212B1 (en) | Unmanned aerial vehicle camera calibration as part of departure or arrival at a materials handling facility | |
| CN107749072B (zh) | 一种适用于坡面测量的无人机航拍图像校准方法 | |
| WO2017151641A1 (en) | Aerial three-dimensional scanner | |
| US20180273173A1 (en) | Autonomous inspection of elongated structures using unmanned aerial vehicles | |
| CN104279955B (zh) | 一种基于四轴飞行器的火电厂盘煤测算方法 | |
| CN106645205A (zh) | 一种无人机桥梁底面裂纹检测方法及系统 | |
| CN110006407A (zh) | 基于旋翼无人机的贴近摄影测量方法 | |
| CN106526551A (zh) | 一种雷达天线动态性能测试系统及方法 | |
| CN107479059A (zh) | 一种基于无人机的架空线与植被距离测量装置及方法 | |
| CN107196410B (zh) | 一种地空一体变电站巡检系统及方法 | |
| CN105674908A (zh) | 测量装置和体积测量与监视系统 | |
| CN104457574A (zh) | 一种非接触式测量不规则物体体积的装置和测量方法 | |
| CN107121192A (zh) | 一种镜头扫描模式高光谱成像系统及旋翼无人机 | |
| CN106990791A (zh) | 一种输电线路杆塔的三维建模系统及方法 | |
| CN107860690B (zh) | 一种检测农用无人机喷雾雾滴沉积均匀性的装置及方法 | |
| CN111178148A (zh) | 一种基于无人机视觉系统的地面目标地理坐标定位方法 | |
| CN106528592A (zh) | 一种对矿场进行盘点的方法及系统 | |
| Nieuwenhuisen et al. | Collaborative object picking and delivery with a team of micro aerial vehicles at MBZIRC | |
| CN110793543A (zh) | 基于激光扫描的电力巡检机器人的定位导航精度测量装置及方法 | |
| CN203981109U (zh) | 基于立体影像分析的大型散料货堆体积测量设备 | |
| CN111323789A (zh) | 一种基于无人机和固态雷达的地面形貌扫描装置及方法 | |
| US11065761B2 (en) | Robotic picking training technique | |
| CN108053471A (zh) | 基于搭载光场相机的无人机光伏电站地形三维测绘建模系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |