CN107816943B - 一种物流箱体积重量测量系统及其实现方法 - Google Patents
一种物流箱体积重量测量系统及其实现方法 Download PDFInfo
- Publication number
- CN107816943B CN107816943B CN201710994941.5A CN201710994941A CN107816943B CN 107816943 B CN107816943 B CN 107816943B CN 201710994941 A CN201710994941 A CN 201710994941A CN 107816943 B CN107816943 B CN 107816943B
- Authority
- CN
- China
- Prior art keywords
- camera
- logistics box
- laser ranging
- ranging module
- direction fine
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种物流箱体积重量测量系统,包括安装架,以及设置在所述安装架上的传送带、电子秤、牛眼滚珠板、微调支架、信号处理系统、X方向微调部件、Y方向微调部件、Z方向微调部件、LED条形光源、工业相机和激光测距模块;信号处理系统根据激光测距模块得到的高度数据、图像分析得到的面积数据及输入信息计算出物流箱体积,同时给出其重量;本发明能实现同时对流水线上物流箱的体积和重量进行实时自动测量,高效准确;相比于光幕法或双(多)目视觉测量系统,本系统无需进行特征点匹配,避免了物体低纹理、重复纹理、重叠和非连续等问题,且显著减少计算复杂度。
Description
技术领域
本发明涉及非接触智能测控技术领域,具体涉及一种物流箱体积重量测量系统及其实现方法。
背景技术
视觉测量技术属于计算机视觉技术,是一项通过相机拍摄物体,获取图像信息,再进行图像分析,从而获取物体的位姿和尺寸等信息的工程学科,分为单目视觉和双(多)目视觉技术;对于测量物体,计算机视觉不受人工因素的影响,精度不受测量标尺等参照物精度的限制,相比于传统的人工标尺测量,具有快速、准确、非接触和成本低廉等优势,适用于批量的自动化测量,极大地降低人工成本,提高生产效率。
单目视觉技术中,无需进行特征点匹配和视差计算,减少了系统运算量,提高了系统运行速度和系统稳定性。但是,单目视觉只能获取平面物体的位置信息,不能测量其深度信息。
双目或多目视觉技术中,需要对物体进行特征点匹配和视差计算,该过程受光学失真及噪声、平滑表面的镜面反射、投影缩减、透视失真、低纹理、重复纹理、图像重叠和非连续等问题的干扰,使得匹配精度和系统稳定性极大降低,且匹配过程运算量大。
另外,计算机视觉常使用图像分割处理方法,分割过程中可采用固定阈值分割法、边缘分割法、最大类间方差等自动阈值分割方法。而固定阈值分割法受光照变化影响严重;边缘分割法受物体纹理干扰严重;最大类间方差法能有效抑制光照变化的影响,但若物体部分平滑表面发生镜面反射,或者物体表面及背景的灰度呈明显的3个或3个以上的灰度等级状态,往往容易导致只将反光或最高亮灰度等级的区域分割出来,而忽略了物体其他部分。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种物流箱体积重量测量系统。
本发明的另一目的在于提供一种物流箱体积重量测量系统的实现方法。
本发明的目的通过下述技术方案实现:
一种物流箱体积重量测量系统,包括安装架,以及设置在所述安装架上的传送带、电子秤、牛眼滚珠板、微调支架、信号处理系统、X方向微调部件、Y方向微调部件、Z方向微调部件、LED条形光源、工业相机和激光测距模块,其中,所述传送带设置在所述牛眼滚珠板的左右两侧,所述电子秤设置在所述牛眼滚珠板的下方;所述X方向微调部件、Y方向微调部件、Z方向微调部件、LED条形光源、工业相机和激光测距模块都设置在所述微调支架上,且所述X方向微调部件、Y方向微调部件、LED条形光源、工业相机和激光测距模块均设置在所述微调支架的顶部,所述工业相机和激光测距模块并排设置且位于所述牛眼滚珠板正上方,所述LED条形光源设置在所述工业相机和激光测距模块四周且位于所述工业相机和激光测距模块下方;所述X方向微调部件控制所述工业相机和激光测距模块左右移动,所述Y方向微调部件控制所述工业相机和激光测距模块前后移动,所述Z方向微调部件控制所述工业相机和激光测距模块上下移动;
所述工业相机、激光测距模块和电子秤分别与所述信号处理系统相连接;所述信号处理系统设有显示屏。
优选地,所述牛眼滚珠板为黑色或暗色调的金属底板。
优选地,所述牛眼滚珠板上的牛眼滚珠呈阵列式排布。
一种由上述物流箱体积重量测量系统的实现方法,包括下述步骤:
步骤一,启动物流箱体积重量测量系统,工业相机、激光测距模块、LED条形光源、电子秤和信号处理系统开始工作,调节X方向微调部件、Y方向微调部件和Z方向微调部件;
步骤二,进行工业相机的内参数、外参数和畸变系数的标定,以及激光测距模块与牛眼滚珠板最高点间距离的标定,并将上述参数录入信号处理系统,具体工作流程如下:
(1)相机标定:
工业相机满足针孔相机模型,设图像坐标向量为其中(u,v)为目标点的像素坐标;相机内参数矩阵为/>其中fx,fy,cx,cy分别为x向焦距,y向焦距和光轴中心坐标;相机外参数矩阵为(R|T),其中R为相机光心坐标系相对于世界坐标系的3×3旋转矩阵,T为相机光心坐标系相对于世界坐标系的3×1平移矩阵;世界坐标向量为其中X,Y,Z为目标点的世界坐标;相机成像模型满足关系式:
其中zc为尺度因子;此外,相机畸变模型满足如下关系:
其中,(x,y)为畸变纠正前的图像物理坐标,(xcor,ycor)为畸变纠正后的图像物理坐标,r=x2+y2,k1,k2,k3,p1,p2为相机的3个径向畸变系数和2个切向畸变系数;
相机标定的目的在于求解相机内参数、外参数和畸变系数,将牛眼滚珠板最高点所处平面设为零平面,采用张正友棋盘平面标定法,通过改变棋盘的位置和角度拍摄20张图像,进行相机标定,求解得到相机内参数、外参数和畸变系数;
(2)激光测距模块标定:
将棋盘放置于牛眼滚珠板上,通过激光测距模块测得棋盘与激光测距模块之间的距离,再补偿棋盘的厚度,得到激光测距模块与牛眼滚珠板最高点间距离;
步骤三,选取ROI(Region Of Interest)区域,屏蔽相机视场中牛眼滚珠板以外的区域;
步骤四,将物流箱放入传送带,物流箱通过传送带进入牛眼滚珠板,电子秤探测物流箱的重量,当电子秤的数据稳定时,记录物流箱重量并将数据传送到信号处理系统,之后启动激光测距模块,获取物流箱的高度H;
步骤五,启动基于嵌套循环最大类间方差的物流箱体积识别算法流程,具体工作流程如下:
(1)输入相机内参数fx、相机外参数Tz、相机畸变系数、物流箱高度H和物流箱图像G0;
(2)若物流箱高度H小于预设阈值,则返回错误信息给信号处理系统,并启动步骤六;否则利用相机的畸变系数对物流箱图像进行去畸变处理,得到去畸变图像G;
(3)采用最大类间方差法对物流箱图像数据进行第一次二值化处理,分割得到的二值图像B0中的目标区域为高亮区域,然后定义中间二值图像Btmp=B0;
(4)将二值图像Btmp取反,得到掩模图像M;
(5)针对与掩模图像M高亮区域相对应的去畸变图像G中的区域进行最大类间方差法的二值化处理,得到类间方差D和高亮目标的二值图像,并将得到高亮目标的二值图像赋给Btmp,若类间方差D大于预设阈值,则将Btmp的高亮区域添加到二值图像B0中,并回到步骤五(4),否则进行下一步处理;
(6)寻找二值图像B0的最大轮廓,计算并用高亮灰度填充其凸包轮廓C,并计算凸包轮廓C的最小外接矩形的像素长度L、像素宽度W和顶点像素坐标P={P1,P2,P3,P4};
(7)进行物流箱出界检测及干扰检测,具体工作流程如下:
①输入步骤三得到的ROI信息和步骤五(6)得到的C、L、W和P;
②利用ROI的边界信息,判断并记录顶点像素坐标P中出界的元素;
③若出界顶点个数N大于1,且有两个以上相邻顶点出界,则返回错误信息给信号处理系统,并启动步骤六;否则根据出界的顶点及其相邻两个顶点的坐标和ROI边界信息,利用相似三角形性质,计算出界区域的面积,所得出界区域面积为即其他边界出界情况同理,总出界面积为/>若无顶点出界,则/>
④进行干扰检测,计算凸包轮廓C的面积SC,若面积比小于预设阈值,则返回错误信息给信号处理系统,并启动步骤六;否则启动步骤五(8);
(8)若步骤五(7)的物流箱出界检测及干扰检测通过,则计算出物流箱体积并将物流箱体积信息返回给信号处理系统;
步骤六,信号处理系统的显示屏显示物流箱体积及重量信息,或者显示物流箱出界的提示信息。
本发明的工作原理:
工作时,步骤一,启动物流箱体积重量测量系统,工业相机、激光测距模块、LED条形光源、电子秤和信号处理系统开始工作,调节X方向微调部件、Y方向微调部件和Z方向微调部件;
步骤二,进行工业相机的内参数、外参数和畸变系数的标定,以及激光测距模块与牛眼滚珠板最高点间距离的标定,并将上述参数录入信号处理系统,具体工作流程如下:
(1)相机标定:
工业相机满足针孔相机模型,设图像坐标向量为其中(u,v)为目标点的像素坐标;相机内参数矩阵为/>其中fx,fy,cx,cy分别为x向焦距,y向焦距和光轴中心坐标;相机外参数矩阵为(R|T),其中R为相机光心坐标系相对于世界坐标系的3×3旋转矩阵,T为相机光心坐标系相对于世界坐标系的3×1平移矩阵;世界坐标向量为其中X,Y,Z为目标点的世界坐标;相机成像模型满足关系式:
其中zc为尺度因子;此外,相机畸变模型满足如下关系:
其中,(x,y)为畸变纠正前的图像物理坐标,(xcor,ycor)为畸变纠正后的图像物理坐标,r=x2+y2,k1,k2,k3,p1,p2为相机的3个径向畸变系数和2个切向畸变系数;
相机标定的目的在于求解相机内参数、外参数和畸变系数,将牛眼滚珠板最高点所处平面设为零平面,采用张正友棋盘平面标定法,通过改变棋盘的位置和角度拍摄20张图像,进行相机标定,求解得到相机内参数、外参数和畸变系数;
(2)激光测距模块标定:
将棋盘放置于牛眼滚珠板上,通过激光测距模块测得棋盘与激光测距模块之间的距离,再补偿棋盘的厚度,得到激光测距模块与牛眼滚珠板最高点间距离;
步骤三,选取ROI(Region Of Interest)区域,屏蔽相机视场中牛眼滚珠板以外的区域;
步骤四,将物流箱放入传送带,物流箱通过传送带进入牛眼滚珠板,电子秤探测物流箱的重量,当电子秤的数据稳定时,记录物流箱重量并将数据传送到信号处理系统,之后启动激光测距模块,获取物流箱的高度H;
步骤五,启动基于嵌套循环最大类间方差的物流箱体积识别算法流程,具体工作流程如下:
(1)输入相机内参数fx、相机外参数Tz、相机畸变系数、物流箱高度H和物流箱图像G0;
(2)若物流箱高度H小于预设阈值,则返回错误信息给信号处理系统,并启动步骤六;否则利用相机的畸变系数对物流箱图像进行去畸变处理,得到去畸变图像G;
(3)采用最大类间方差法对物流箱图像数据进行第一次二值化处理,分割得到的二值图像B0中的目标区域为高亮区域,然后定义中间二值图像Btmp=B0;
(4)将二值图像Btmp取反,得到掩模图像M;
(5)针对与掩模图像M高亮区域相对应的去畸变图像G中的区域进行最大类间方差法的二值化处理,得到类间方差D和高亮目标的二值图像,并将得到高亮目标的二值图像赋给Btmp,若类间方差D大于预设阈值,则将Btmp的高亮区域添加到二值图像B0中,并回到步骤五(4),否则进行下一步处理;
(6)寻找二值图像B0的最大轮廓,计算并用高亮灰度填充其凸包轮廓C,并计算凸包轮廓C的最小外接矩形的像素长度L、像素宽度W和顶点像素坐标P={P1,P2,P3,P4};
(7)进行物流箱出界检测及干扰检测,具体工作流程如下:
①输入步骤三得到的ROI信息和步骤五(6)得到的C、L、W和P;
②利用ROI的边界信息,判断并记录顶点像素坐标P中出界的元素;
③若出界顶点个数N大于1,且有两个以上相邻顶点出界,则返回错误信息给信号处理系统,并启动步骤六;否则根据出界的顶点及其相邻两个顶点的坐标和ROI边界信息,利用相似三角形性质,计算出界区域的面积,所得出界区域面积为即其他边界出界情况同理,总出界面积为/>若无顶点出界,则/>
④进行干扰检测,计算凸包轮廓C的面积SC,若面积比小于预设阈值,则返回错误信息给信号处理系统,并启动步骤六;否则启动步骤五(8);
(8)若步骤五(7)的物流箱出界检测及干扰检测通过,则计算出物流箱体积并将物流箱体积信息返回给信号处理系统;
步骤六,信号处理系统的显示屏显示物流箱体积及重量信息,或者显示物流箱出界的提示信息。。
本发明与现有技术相比具有以下的有益效果:
(1)相比于传统的人工标尺测量,本发明具有快速、准确、非接触和成本低廉等优势,适用于批量的自动化测量,极大地降低人工成本,提高生产效率;
(2)相比于双目或多目视觉系统,本发明采用单目视觉系统,无需进行特征点匹配和视差计算,这减少了系统运算量,提高了系统运行速度和系统稳定性,同时本发明引入激光测距模块进行获取图像中物流箱的深度信息,高效实现了对物流箱体积的测量,再者,相比于容易造成测距稳定但重量未稳定的激光测距触发方式,本发明采用重量稳定触发,利于获取稳定且无干扰的重量和体积数据;
(3)本发明采用的嵌套循环最大类间方差的图像分割方法,相比于固定阈值分割法、边缘分割法和最大类间方差这些图像分割方法,本发明能有效减弱光照变化、物体表面纹理及平滑表面镜面反射对分割的影响;
(4)本发明对目标进行了出界及干扰检测,有效地判断出目标是否出界,且相机视场中是否有其他干扰物导致测量错误,该出界及干扰检测有效地对测量数据进行过滤,极大地减低将错误数据误作为正确数据的风险,并给出了具体的出界或干扰提示信息,使得操作人员能快速的调整物流箱或系统。
附图说明
图1为本发明的结构示意图;
图2为本发明的系统识别算法部分整体流程图;
图3为本发明的基于嵌套循环最大类间方差的物流箱体积识别算法流程图;
图4为本发明的出界及干扰检测算法流程图;
图5为本发明的右边界出界的计算方法示意图。
图中附图标记为:1、信号处理系统;2、工业相机;3、激光测距模块;4、LED条形光源;5、牛眼滚珠板;6、电子秤;7、传送带;8、微调支架;9、Z方向微调部件;10、X方向微调部件;11、Y方向微调部件;12、安装架。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
如图1~5所示,一种物流箱体积重量测量系统,包括安装架12,以及设置在所述安装架12上的传送带7、电子秤6、牛眼滚珠板5、微调支架8、信号处理系统1、X方向微调部件10、Y方向微调部件11、Z方向微调部件9、LED条形光源4、工业相机2和激光测距模块3,其中,所述牛眼滚珠板5为黑色或暗色调的金属底板,这样设置能够方便图像的采集;同时所述牛眼滚珠板5上的牛眼滚珠呈阵列式排布,这样设置能够方便物流箱进出牛眼滚珠板5;所述传送带7设置在所述牛眼滚珠板5的左右两侧,所述电子秤6设置在所述牛眼滚珠板5的下方;所述X方向微调部件10、Y方向微调部件11、Z方向微调部件9、LED条形光源4、工业相机2和激光测距模块3都设置在所述微调支架8上,且所述X方向微调部件10、Y方向微调部件11、LED条形光源4、工业相机2和激光测距模块3均设置在所述微调支架8的顶部,所述工业相机2和激光测距模块3并排设置且位于所述牛眼滚珠板5正上方,所述LED条形光源4设置在所述工业相机2和激光测距模块3四周且位于所述工业相机2和激光测距模块3下方,设置LED条形光源4能够实现均匀打光以供工业相机2获取优质图像;所述X方向微调部件10控制所述工业相机2和激光测距模块3左右移动,所述Y方向微调部件11控制所述工业相机2和激光测距模块3前后移动,所述Z方向微调部件9控制所述工业相机2和激光测距模块3上下移动;所述工业相机2、激光测距模块3和电子秤6分别与所述信号处理系统1相连接;所述信号处理系统1设有显示屏。
本发明给出一种嵌套循环最大类间方差的图像分割方法,并引入用于获取物体深度信息的激光测距模块3,结合单目视觉技术所获取的物体二维信息,实现对物流箱的长、宽和高的精确非接触测量,同时利用传统电子秤6产生触发与称重的功能,最终实现对物流箱的体积和重量的便捷、自动、高准确度的测量。
工作时,步骤一,启动物流箱体积重量测量系统,工业相机2、激光测距模块3、LED条形光源4、电子秤6和信号处理系统1开始工作,调节X方向微调部件10、Y方向微调部件11和Z方向微调部件9;
步骤二,进行工业相机2的内参数、外参数和畸变系数的标定,以及激光测距模块3与牛眼滚珠板5最高点间距离的标定,并将上述参数录入信号处理系统1,具体工作流程如下:
(1)相机标定:
工业相机2满足针孔相机模型,设图像坐标向量为其中(u,v)为目标点的像素坐标;相机内参数矩阵为/>其中fx,fy,cx,cy分别为x向焦距,y向焦距和光轴中心坐标;相机外参数矩阵为(R|T),其中R为相机光心坐标系相对于世界坐标系的3×3旋转矩阵,T为相机光心坐标系相对于世界坐标系的3×1平移矩阵;世界坐标向量为其中X,Y,Z为目标点的世界坐标;相机成像模型满足关系式:
其中zc为尺度因子;此外,相机畸变模型满足如下关系:
其中,(x,y)为畸变纠正前的图像物理坐标,(xcor,ycor)为畸变纠正后的图像物理坐标,r=x2+y2,k1,k2,k3,p1,p2为相机的3个径向畸变系数和2个切向畸变系数;
相机标定的目的在于求解相机内参数、外参数和畸变系数,将牛眼滚珠板5最高点所处平面设为零平面,采用张正友棋盘平面标定法,通过改变棋盘的位置和角度拍摄20张图像,进行相机标定,求解得到相机内参数、外参数和畸变系数;
(2)激光测距模块3标定:
将棋盘放置于牛眼滚珠板5上,通过激光测距模块3测得棋盘与激光测距模块3之间的距离,再补偿棋盘的厚度,得到激光测距模块3与牛眼滚珠板5最高点间距离;
步骤三,选取ROI(Region Of Interest)区域,屏蔽相机视场中牛眼滚珠板5以外的区域;
步骤四,将物流箱放入传送带7,物流箱通过传送带7进入牛眼滚珠板5,电子秤6探测物流箱的重量,当电子秤6的数据稳定时,记录物流箱重量并将数据传送到信号处理系统1,之后启动激光测距模块3,获取物流箱的高度H;
步骤五,启动基于嵌套循环最大类间方差的物流箱体积识别算法流程,如图3所示,具体工作流程如下:
(1)输入相机内参数fx、相机外参数Tz、相机畸变系数、物流箱高度H和物流箱图像G0;
(2)若物流箱高度H小于预设阈值(此处的预设阈值为经过多次实验后总结实验数据得到的经验值),则返回错误信息给信号处理系统1,并启动步骤六;否则利用相机的畸变系数对物流箱图像进行去畸变处理,得到去畸变图像G;
(3)采用最大类间方差法对物流箱图像数据进行第一次二值化处理,分割得到的二值图像B0中的目标区域为高亮区域,然后定义中间二值图像Btmp=B0;
(4)将二值图像Btmp取反,得到掩模图像M;
(5)针对与掩模图像M高亮区域相对应的去畸变图像G中的区域进行最大类间方差法的二值化处理,得到类间方差D和高亮目标的二值图像,并将得到高亮目标的二值图像赋给Btmp,若类间方差D大于预设阈值(此处的预设阈值为经过多次实验后总结实验数据得到的经验值),则将Btmp的高亮区域添加到二值图像B0中,并回到步骤五(4),否则进行下一步处理;
(6)寻找二值图像B0的最大轮廓,计算并用高亮灰度填充其凸包轮廓C,并计算凸包轮廓C的最小外接矩形的像素长度L、像素宽度W和顶点像素坐标P={P1,P2,P3,P4};
(7)进行物流箱出界检测及干扰检测,如图4所示,具体工作流程如下:
①输入步骤三得到的ROI信息和步骤五(6)得到的C、L、W和P;
②利用ROI的边界信息,判断并记录顶点像素坐标P中出界的元素;
③若出界顶点个数N大于1,且有两个以上相邻顶点出界,则返回错误信息给信号处理系统1,并启动步骤六;否则根据出界的顶点及其相邻两个顶点的坐标和ROI边界信息,利用相似三角形性质,计算出界区域的面积,如图5所示为右边界出界的计算方法,所得出界区域面积为即/>其他边界出界情况同理,总出界面积为/>若无顶点出界,则/>
④进行干扰检测,计算凸包轮廓C的面积SC,若面积比小于预设阈值(此处的预设阈值为经过多次实验后总结实验数据得到的经验值),则返回错误信息给信号处理系统1,并启动步骤六;否则启动步骤五(8);
(8)若步骤五(7)的物流箱出界检测及干扰检测通过,则计算出物流箱体积并将物流箱体积信息返回给信号处理系统1;
步骤六,信号处理系统1的显示屏显示物流箱体积及重量信息,或者显示物流箱出界的提示信息。
本发明相比于传统的人工标尺测量,具有快速、准确、非接触和成本低廉等优势,适用于批量的自动化测量,极大地降低人工成本,提高生产效率;相比于双目或多目视觉系统,本发明采用单目视觉系统,无需进行特征点匹配和视差计算,这减少了系统运算量,提高了系统运行速度和系统稳定性,同时本发明引入激光测距模块进行获取图像中物流箱的深度信息,高效实现了对物流箱体积的测量,再者,相比于容易造成测距稳定但重量未稳定的激光测距触发方式,本发明采用重量稳定触发,利于获取稳定且无干扰的重量和体积数据;采用的嵌套循环最大类间方差的图像分割方法,相比于固定阈值分割法、边缘分割法和最大类间方差这些图像分割方法,本发明能有效减弱光照变化、物体表面纹理及平滑表面镜面反射对分割的影响;对目标进行了出界及干扰检测,有效地判断出目标是否出界,且相机视场中是否有其他干扰物导致测量错误,该出界及干扰检测有效地对测量数据进行过滤,极大地减低将错误数据误作为正确数据的风险,并给出了具体的出界或干扰提示信息,使得操作人员能快速的调整物流箱或系统。
上述为本发明较佳的实施方式,但本发明的实施方式并不受上述内容的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (3)
1.一种物流箱体积重量测量系统,其特征在于,包括安装架,以及设置在所述安装架上的传送带、电子秤、牛眼滚珠板、微调支架、信号处理系统、X方向微调部件、Y方向微调部件、Z方向微调部件、LED条形光源、工业相机和激光测距模块,其中,所述传送带设置在所述牛眼滚珠板的左右两侧,所述电子秤设置在所述牛眼滚珠板的下方;所述X方向微调部件、Y方向微调部件、Z方向微调部件、LED条形光源、工业相机和激光测距模块都设置在所述微调支架上,且所述X方向微调部件、Y方向微调部件、LED条形光源、工业相机和激光测距模块均设置在所述微调支架的顶部,所述工业相机和激光测距模块并排设置且位于所述牛眼滚珠板正上方,所述LED条形光源设置在所述工业相机和激光测距模块四周且位于所述工业相机和激光测距模块下方;所述X方向微调部件控制所述工业相机和激光测距模块左右移动,所述Y方向微调部件控制所述工业相机和激光测距模块前后移动,所述Z方向微调部件控制所述工业相机和激光测距模块上下移动;
所述工业相机、激光测距模块和电子秤分别与所述信号处理系统相连接;所述信号处理系统设有显示屏;
所述物流箱体积重量测量系统的实现方法包括如下步骤:
步骤一,启动物流箱体积重量测量系统,工业相机、激光测距模块、LED条形光源、电子秤和信号处理系统开始工作,调节X方向微调部件、Y方向微调部件和Z方向微调部件;
步骤二,进行工业相机的内参数、外参数和畸变系数的标定,以及激光测距模块与牛眼滚珠板最高点间距离的标定,并将上述参数录入信号处理系统,具体工作流程如下:
(1)相机标定:
工业相机满足针孔相机模型,设图像坐标向量为其中(u,v)为目标点的像素坐标;相机内参数矩阵为/>其中fx,fy,cx,cy分别为x向焦距,y向焦距和光轴中心坐标;相机外参数矩阵为(R|T),其中R为相机光心坐标系相对于世界坐标系的3×3旋转矩阵,T为相机光心坐标系相对于世界坐标系的3×1平移矩阵;世界坐标向量为其中X,Y,Z为目标点的世界坐标;相机成像模型满足关系式:
其中zc尺度因子;此外,相机畸变模型满足如下关系:
其中,(x,y)为畸变纠正前的图像物理坐标,(xcor,ycor)为畸变纠正后的图像物理坐标,r=x2+y2,k1,k2,k3,p1,p2为相机的3个径向畸变系数和2个切向畸变系数;
相机标定的目的在于求解相机内参数、外参数和畸变系数,将牛眼滚珠板最高点所处平面设为零平面,采用张正友棋盘平面标定法,通过改变棋盘的位置和角度拍摄20张图像,进行相机标定,求解得到相机内参数、外参数和畸变系数;
(2)激光测距模块标定:
将棋盘放置于牛眼滚珠板上,通过激光测距模块测得棋盘与激光测距模块之间的距离,再补偿棋盘的厚度,得到激光测距模块与牛眼滚珠板最高点间距离;
步骤三,选取ROI(Region Of Interest)区域,屏蔽相机视场中牛眼滚珠板以外的区域;
步骤四,将物流箱放入传送带,物流箱通过传送带进入牛眼滚珠板,电子秤探测物流箱的重量,当电子秤的数据稳定时,记录物流箱重量并将数据传送到信号处理系统,之后启动激光测距模块,获取物流箱的高度H;
步骤五,启动基于嵌套循环最大类间方差的物流箱体积识别算法流程,具体工作流程如下:
(1)输入相机内参数fx、相机外参数Tz、相机畸变系数、物流箱高度H和物流箱图像G0;
(2)若物流箱高度H小于预设阈值,则返回错误信息给信号处理系统,并启动步骤六;否则利用相机的畸变系数对物流箱图像进行去畸变处理,得到去畸变图像G;
(3)采用最大类间方差法对物流箱图像数据进行第一次二值化处理,分割得到的二值图像B0中的目标区域为高亮区域,然后定义中间二值图像Btmp=B0;
(4)将二值图像Btmp取反,得到掩模图像M;
(5)针对与掩模图像M高亮区域相对应的去畸变图像G中的区域进行最大类间方差法的二值化处理,得到类间方差D和高亮目标的二值图像,并将得到高亮目标的二值图像赋给Btmp,若类间方差D大于预设阈值,则将Btmp的高亮区域添加到二值图像B0中,并回到步骤五(4),否则进行下一步处理;
(6)寻找二值图像B0的最大轮廓,计算并用高亮灰度填充其凸包轮廓C,并计算凸包轮廓C的最小外接矩形的像素长度L、像素宽度W和顶点像素坐标P={P1,P2,P3,P4};
(7)进行物流箱出界检测及干扰检测,具体工作流程如下:
①输入步骤三得到的ROI信息和步骤五(6)得到的C、L、W和P;
②利用ROI的边界信息,判断并记录顶点像素坐标P中出界的元素;
③若出界顶点个数N大于1,且有两个以上相邻顶点出界,则返回错误信息给信号处理系统,并启动步骤六;否则根据出界的顶点及其相邻两个顶点的坐标和ROI边界信息,利用相似三角形性质,计算出界区域的面积,所得出界区域面积为即其他边界出界情况同理,总出界面积为/>若无顶点出界,则/>
④进行干扰检测,计算凸包轮廓C的面积SC,若面积比小于预设阈值,则返回错误信息给信号处理系统,并启动步骤六;否则启动步骤五(8);
(8)若步骤五(7)的物流箱出界检测及干扰检测通过,则计算出物流箱体积并将物流箱体积信息返回给信号处理系统;
步骤六,信号处理系统的显示屏显示物流箱体积及重量信息,或者显示物流箱出界的提示信息。
2.根据权利要求1所述的物流箱体积重量测量系统,其特征在于,所述牛眼滚珠板为黑色或暗色调的金属底板。
3.根据权利要求1所述的物流箱体积重量测量系统,其特征在于,所述牛眼滚珠板上的牛眼滚珠呈阵列式排布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710994941.5A CN107816943B (zh) | 2017-10-23 | 2017-10-23 | 一种物流箱体积重量测量系统及其实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710994941.5A CN107816943B (zh) | 2017-10-23 | 2017-10-23 | 一种物流箱体积重量测量系统及其实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107816943A CN107816943A (zh) | 2018-03-20 |
CN107816943B true CN107816943B (zh) | 2023-09-22 |
Family
ID=61607463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710994941.5A Active CN107816943B (zh) | 2017-10-23 | 2017-10-23 | 一种物流箱体积重量测量系统及其实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107816943B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108895961B (zh) * | 2018-05-24 | 2020-08-25 | 南京阿凡达机器人科技有限公司 | 一种箱体大小的测量方法、测量设备以及粘贴带 |
CN109242874B (zh) * | 2018-09-26 | 2022-02-15 | 广东工业大学 | 一种准编织袋物流包裹快速识别方法及系统 |
CN111062983B (zh) * | 2018-10-17 | 2023-09-05 | 杭州海康机器人股份有限公司 | 物体体积的展示方法及装置 |
CN109813254A (zh) * | 2019-01-15 | 2019-05-28 | 清华大学深圳研究生院 | 基于单目摄像头和测距设备的柱体体积测量方法 |
CN110796696A (zh) * | 2019-10-30 | 2020-02-14 | 网易(杭州)网络有限公司 | 对象的体积的确定方法、装置、存储介质和电子装置 |
CN113028983B (zh) * | 2019-12-24 | 2023-05-16 | 深圳市富泰通国际物流有限公司 | 测量装置、测量系统、测量方法及计算机 |
CN111307659A (zh) * | 2020-03-11 | 2020-06-19 | 河南理工大学 | 一种不规则刚性物体密度快速测量系统 |
CN114261713A (zh) * | 2022-01-29 | 2022-04-01 | 马鞍山钢铁股份有限公司 | 一种基于视觉感知的皮带偏移预警系统及方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011106967A (ja) * | 2009-11-17 | 2011-06-02 | Shinko Denshi Kk | 寸法重量測定装置及び寸法重量測定方法 |
CN102679915A (zh) * | 2012-05-24 | 2012-09-19 | 河北工业大学 | 基于光学测量的连续传送长物体体积重量测量方法及系统 |
CN202853570U (zh) * | 2012-08-28 | 2013-04-03 | 成都志诚弘毅科技有限公司 | 一种全自动测量车辆外轮廓尺寸及重量的装置 |
CN103307978A (zh) * | 2013-05-23 | 2013-09-18 | 浙江大学 | 一种测量鸡蛋体积和表面积的方法 |
CN104501718A (zh) * | 2014-12-18 | 2015-04-08 | 江苏物联网研究发展中心 | 基于视觉的包裹体积测量装置 |
CN104729586A (zh) * | 2015-03-23 | 2015-06-24 | 中国民航大学 | 一种机场安检机端行李体积与重量自动测量装置 |
CN105424350A (zh) * | 2015-12-19 | 2016-03-23 | 湖南科技大学 | 基于机器视觉的薄壁件模态测试方法及系统 |
CN205787739U (zh) * | 2016-05-26 | 2016-12-07 | 湖北大成空间科技股份有限公司 | 一种预制构件全自动检测仪 |
CN107218892A (zh) * | 2017-07-11 | 2017-09-29 | 江苏锐特自控科技有限公司 | 一种计泡机 |
CN107255498A (zh) * | 2017-06-02 | 2017-10-17 | 西安理工大学 | 基于双目视觉的输送带物料重量测量系统及测量方法 |
CN107274453A (zh) * | 2017-06-12 | 2017-10-20 | 哈尔滨理工大学 | 一种结合标定与校正的摄像机三维测量装置、系统及方法 |
CN207472194U (zh) * | 2017-10-23 | 2018-06-08 | 广东工业大学 | 一种物流箱体积重量测量系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100422370B1 (ko) * | 2000-12-27 | 2004-03-18 | 한국전자통신연구원 | 3차원 물체 부피계측시스템 및 방법 |
-
2017
- 2017-10-23 CN CN201710994941.5A patent/CN107816943B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011106967A (ja) * | 2009-11-17 | 2011-06-02 | Shinko Denshi Kk | 寸法重量測定装置及び寸法重量測定方法 |
CN102679915A (zh) * | 2012-05-24 | 2012-09-19 | 河北工业大学 | 基于光学测量的连续传送长物体体积重量测量方法及系统 |
CN202853570U (zh) * | 2012-08-28 | 2013-04-03 | 成都志诚弘毅科技有限公司 | 一种全自动测量车辆外轮廓尺寸及重量的装置 |
CN103307978A (zh) * | 2013-05-23 | 2013-09-18 | 浙江大学 | 一种测量鸡蛋体积和表面积的方法 |
CN104501718A (zh) * | 2014-12-18 | 2015-04-08 | 江苏物联网研究发展中心 | 基于视觉的包裹体积测量装置 |
CN104729586A (zh) * | 2015-03-23 | 2015-06-24 | 中国民航大学 | 一种机场安检机端行李体积与重量自动测量装置 |
CN105424350A (zh) * | 2015-12-19 | 2016-03-23 | 湖南科技大学 | 基于机器视觉的薄壁件模态测试方法及系统 |
CN205787739U (zh) * | 2016-05-26 | 2016-12-07 | 湖北大成空间科技股份有限公司 | 一种预制构件全自动检测仪 |
CN107255498A (zh) * | 2017-06-02 | 2017-10-17 | 西安理工大学 | 基于双目视觉的输送带物料重量测量系统及测量方法 |
CN107274453A (zh) * | 2017-06-12 | 2017-10-20 | 哈尔滨理工大学 | 一种结合标定与校正的摄像机三维测量装置、系统及方法 |
CN107218892A (zh) * | 2017-07-11 | 2017-09-29 | 江苏锐特自控科技有限公司 | 一种计泡机 |
CN207472194U (zh) * | 2017-10-23 | 2018-06-08 | 广东工业大学 | 一种物流箱体积重量测量系统 |
Non-Patent Citations (6)
Title |
---|
Michael M. Plichta等.《Test–retest reliability of evoked BOLD signals from a cognitive–emotive fMRI test battery》.《NeuroImage》.2012,全文. * |
Sepideh Almasi等.《A novel method for identifying a graph-based representation of 3-D microvascular networks from fluorescence microscopy image stacks》.《Medical Image Analysis》.2014,全文. * |
Thomas G. Close等.《Fourier Tract Sampling (FouTS): A framework for improved inference of white matter tracts from diffusion MRI by explicitly modelling tract volume》.《NeuroImage》.2015,全文. * |
王桂林等.《腐蚀砂浆锚固体形貌特征及分形维数》.《重庆大学学报》.2017,全文. * |
行鸿彦等.《基于最大类间方差算法的雨滴特征提取研究》.《气象科技》.2017,全文. * |
邵勇等.《基于最小凸包的直齿圆柱齿轮检测方法研究》.《电子测量与仪器学报》.2017,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN107816943A (zh) | 2018-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107816943B (zh) | 一种物流箱体积重量测量系统及其实现方法 | |
CN110276808B (zh) | 一种单相机结合二维码测量玻璃板不平度的方法 | |
CN107578464B (zh) | 一种基于线激光扫描的传送带工件三维轮廓测量方法 | |
CN110497187B (zh) | 基于视觉引导的太阳花模组装配系统 | |
CN107869954B (zh) | 一种双目视觉体积重量测量系统及其实现方法 | |
CN109612390B (zh) | 基于机器视觉的大尺寸工件自动测量系统 | |
CN103759638B (zh) | 一种零件检测方法 | |
CN114494045B (zh) | 一种基于机器视觉的大型直齿轮几何参数测量系统及方法 | |
CN111693549A (zh) | 一种手机盖板玻璃缺陷检测与分类方法 | |
CN106600648A (zh) | 标定相机内参数和畸变系数的立体编码靶标及其标定方法 | |
CN109345597B (zh) | 一种基于增强现实的相机标定图像采集方法及装置 | |
CN113034612B (zh) | 一种标定装置、方法及深度相机 | |
CN113324478A (zh) | 一种线结构光的中心提取方法及锻件三维测量方法 | |
CN109976391B (zh) | 光学聚焦镜头的焦点感光元件三维空间视觉伺服定位系统及方法 | |
CN109406527B (zh) | 一种微型摄像模组镜头精细外观缺陷检测系统及方法 | |
CN113608378B (zh) | 一种基于lcd制程的全自动缺陷检测方法和系统 | |
CN108917640A (zh) | 一种激光盲孔深度检测方法及其系统 | |
CN116958125B (zh) | 基于图像处理的电竞主机电源元件缺陷视觉检测方法 | |
CN103824275A (zh) | 在图像中搜寻鞍点状结构并测定其信息的系统和方法 | |
CN109493418A (zh) | 一种基于LabVIEW的三维点云获取方法 | |
CN112848281A (zh) | 一种光固化3d打印机光补偿方法 | |
CN113538399A (zh) | 一种用于获取工件精准轮廓的方法、机床及存储介质 | |
CN114140534A (zh) | 一种用于激光雷达与相机的联合标定方法 | |
CN107833223A (zh) | 一种基于光谱信息的水果高光谱图像分割方法 | |
CN114998571B (zh) | 基于固定尺寸标志物的图像处理及颜色检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |