CN110017773A - 一种基于机器视觉的包裹体积测量方法 - Google Patents
一种基于机器视觉的包裹体积测量方法 Download PDFInfo
- Publication number
- CN110017773A CN110017773A CN201910384038.6A CN201910384038A CN110017773A CN 110017773 A CN110017773 A CN 110017773A CN 201910384038 A CN201910384038 A CN 201910384038A CN 110017773 A CN110017773 A CN 110017773A
- Authority
- CN
- China
- Prior art keywords
- package
- image
- vision camera
- height
- vision
- 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.)
- Granted
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
- 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
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/03—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring coordinates of points
-
- 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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/2433—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring outlines by shadow casting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种基于机器视觉的包裹体积测量方法,方法步骤包括S1、视觉相机固定安装,标定视觉相机,转换到世界坐标系下;S2、视觉相机高度初始化;S3、将包裹放置于测量台面上,视觉相机采集深度图像A2;S3‑1、根据深度图像A2判断得出包裹边缘,判断包裹的大小尺寸类型;S4、对深度图像A2进行图像分割,得出图像的包裹区域;S4‑1、计算并获取图像的包裹区域的点云,处理点云拼接并平滑处理,得出包裹点云;步骤S4‑2、分析S4‑1的包裹点云尺寸,S5、计算出图像的包裹区域的长、宽、高尺寸,计算得出包裹的实际体积V;本发明可替代现有人工完成包裹尺寸测量,可有效提高测量精度、降低人工成本、提高作业效率。
Description
技术领域
本发明涉及包裹或其他物体体积的测量方法领域,特别是涉及基于机器视觉的物体体积的测量方法。
背景技术
随着物流行业的迅速发展,传统物流的作业方式已经无法满足产业的作业需求,降低物流成本、提高物流时效性、提升服务品质已成为我国物流业亟需解决的问题。
近年来,3D成像技术不断发展,包括了双目立体成像、结构光3D成像及TOF成像等,随着该技术在物流装备中的应用,不断提高了物流产业的自动化程度,国内物流装备技术进入快速增长阶段,尤其以京东、顺丰为代表的物流自动化装备的应用,这些大型设备主要针对物品的进出、库存、分拣、包装、配送等物流活动,显著提高了物流效率及质量。
上述的这种大型物流装备价格昂贵、结构复杂、配置及操作要求高,需要配备专业的技术人才进行管理及维护,不适用于中小物流企业,如对于类似菜鸟驿站的快递收发站和物流收发点,都是通过人工测量、计算出包裹的尺寸,效率低,尤其对于大件包裹,在包裹尺寸测量过程只能依靠人工完成,且需要两个人配合测量尺寸,该作业过程人工参与度高、效率低下、测量误差较大。
目前也存在自动测量物体尺寸的设备,但还未有针对物流收发点的不同尺寸包裹测量使用的自动化系统,有鉴于此,本案发明人致力研究,开发改进,遂有本案产生。
发明内容
本发明的目的在于提供一种基于机器视觉的包裹体积测量方法,该测量方法可替代人工完成包裹尺寸测量,可有效提高测量精度,提高作业效果。
为实现上述目的,本发明的技术方案是:一种基于机器视觉的包裹体积测量方法,其特征在于:方法步骤如下,
S1、将视觉相机固定安装于测量台面测量区域的正上方,标定视觉相机,把视觉相机坐标系转换到世界坐标系下,设定世界坐标系以与测量台面平行的平面为XOY平面,垂直向下方向为Z轴方向;
S2、视觉相机高度初始化,清空测量台面,视觉相机采集深度图像A1,测得测量台面的高度bg_h,以高度bg_h作为测量区域外的高度;
S3、将包裹放置于测量台面上测量区域内,视觉相机采集深度图像A2,测得包裹距离视觉相机的高度h1;
S4、对深度图像A2进行图像分割,去除包裹区域范围外的背景信息,得出图像的包裹区域;
S5、计算出图像的包裹区域的长、宽、高尺寸,计算得出包裹的实际体积V,即获得包裹的实际体积V。
步骤S5通过分析图像的包裹区域的边缘信息,获得图像的包裹区域边缘的最小外接矩形,则图像的包裹区域与矩形相接的几个边缘点便是图像的包裹区域的长、宽方向的最值点,取每个最值点邻域的中值作为该点的高度值h,根据下式计算最值点在相机坐标系下的X、Y坐标值,
X、Y为最值点在相机坐标系下的X、Y坐标值;
i、j为图像像素坐标;
h为最值点的高度值;
fx、fy为X、Y轴上的归一化焦距;
通过上式求得的X、Y坐标值来计算出包裹的实际长、宽;
采用区域积分法计算得出包裹的实际体积,实际体积计算公式如下,
V为包裹的实际体积;
为h点的i,j像素坐标值;
fx、fy为X、Y轴上的归一化焦距。
步骤S1中所述视觉相机为至少两个,并以两两之间具有公共的视野范围的位置关系固定安装于测量台面测量区域的正上方,标定各个视觉相机,把各相机坐标系转换到同一个世界坐标系下,并计算各个视觉相机到同一世界坐标系下的旋转平移矩阵M;
步骤S2中各视觉相机分别采集深度图像A1,分别测得测量台面的高度bg_h,取各视觉相机测得的高度bg_h计算出平均高度作为测量区域外的高度;
所述方法步骤还包括步骤S3-1、步骤S4-1和步骤S4-2,所述步骤S3-1在步骤S3与S4之间,所述步骤S4-1和步骤S4-2在步骤S4与S5之间;
S3-1、根据深度图像A2的深度值变化,判断出深度图像A2中包裹的区域范围,得出包裹边缘,检测深度图像A2中包裹边缘与深度图像A2边线最近的距离值来判断包裹的大小尺寸类型,若是小尺寸类型进入步骤S4,若是大尺寸类型则跳过步骤S4进入步骤S4-1;
若进入步骤S4,步骤S4中仅对一个视觉相机的深度图像A2进行图像分割;
S4-1、对各个视觉相机的深度图像A2分别计算并获取图像的包裹区域的点云,在去噪处理后进行多个图像的包裹区域的点云拼接并平滑处理,得出包裹点云;
步骤S4-2、分析S4-1的包裹点云尺寸。
步骤S4中进行图像分割去除背景信息中,计算包裹边缘像素点的像素坐标的计算公式为,
bi=h(i,j)*(i-cyl)/bg_h+cyl
bj=h(i,j)*(j-cxl)/bg_h+cxl
(bi,bj)为包裹边缘投影到测量台面的像素坐标;
i、j为图像像素坐标;
cxl、cyl为图像中心点像素坐标;
h为包裹边缘点的高度;
bg_h为所述测量台面的高度。
步骤S4-1中点云拼接转换公式如下,
为世界坐标系下的坐标表示;
M为视觉相机到世界坐标系的旋转平移矩阵;
为世界坐标系下的坐标表示。
步骤S4-2中点云分析及尺寸计算过程如下,拼接后的点云进行平滑处理,把三维物体坐标投影到XOY平面,检测该平面图像的轮廓,计算轮廓的外接矩形,该矩形的长和宽为被测物体的长和宽;三维物体在Z轴方向的宽度便是被测物体的高度。
所述视觉相机为基于结构光或TOF技术的三维相机。
骤S4中进行图像分割去除背景信息的方法是根据深度图像A1获取的测量台面高度bg_h拟合深度图像A2获取的包裹平面距离视觉相机的高度h1进行初步图像分割,获得被测包裹或物件的主要空间区域,得出图像的包裹区域。
标定视觉相机采用标定板标定的方法完成视觉相机位置标定
通过采用上述技术方案,本发明的有益效果是:
1、上述测量方法可替代人工完成包裹尺寸测量,测量过程中无需人工参与,可减少人工劳动力,降低人工成本;
2、上述测量计算方法可有效提高测量精度,计算得出更符合包裹实际的尺寸信息,降低体积计算的误差率;
3、上述的测量方法是通过采集图像,对图像进行分析计算的,提高作业效率。
4、上述的测量方法为基于机器视觉,软件系统程序自动计算的,采集、计算效率高、出错率低;
5、上述的测量方法可应用于不同大小类型的包裹测量,设备结构、配置相较现有大型测量设备较为简易、小型,制造成本相对较低,无需配备专业的技术人才进行管理及维护,可符合中小物流需求,也可用于其他行业需进行物体测量的使用。
附图说明
图1是本发明涉及的一种基于机器视觉的包裹体积测量方法的流程图;
图2是本发明涉及的视觉相机安装位置结构示意图;
图3是本发明涉及的包裹在视觉相机光线投影的结构示意图。
具体实施方式
为了进一步解释本发明的技术方案,下面通过具体实施例结合附图来对本发明进行详细阐述。
本发明公开的一种基于机器视觉的包裹体积测量方法,如图1所示,方法步骤如下,
S1、将视觉相机固定安装于测量台面测量区域的正上方,标定视觉相机,把视觉相机坐标系转换到世界坐标系下,设定世界坐标系以与测量台面平行的平面为XOY平面,垂直向下方向为Z轴方向。本发明中所述视觉相机可优选但不局限的为基于结构光或TOF技术的三维相机,基于结构光或TOF技术的三维相机是现有技术产品,这里不再详细描述,若在以后的技术发展中出现新的光学技术相机也可应用于本发明的方法中。
本发明中,对于小尺寸类型的包裹或物件通过一个视觉相机的视野范围即可完全覆盖包裹或物件的,可仅设置一个视觉相机,适应性设置,降低设备制造成本,具体可根据用户常用所测量的目标物体大小来选择;而对于较大的测量目标物体,即大尺寸类型物体,仅仅使用一个视觉相机无法覆盖整个要求的视场,则视觉相机可设置多个,通过多个视觉相机的视野范围来覆盖大尺寸类型的目标物体同步完成测量,如本实施例附图2所示的视觉相机的设置为两个,并以两两之间具有公共的视野范围的位置关系固定安装于测量台面测量区域的正上方,标定各个视觉相机,把各视觉相机坐标系转换到同一个世界坐标系下,并计算各个视觉相机到同一世界坐标系下的旋转平移矩阵M,上述标定视觉相机可采用标定板标定的方法完成各个视觉相机位置标定。
S2、视觉相机高度初始化,该步骤的作用是为了获取测量区域底面(即测量台面)的高度情况,测量台面区域外的背景复杂多变,避免测量区域外的影响图像分析计算,因此,初始化前应清空测量台面,视觉相机采集深度图像A1,测得测量台面的高度bg_h,以高度bg_h作为测量区域外的高度,本实施例中多个视觉相机设置的则分别采集深度图像A1,分别测得测量台面的高度bg_h,取各视觉相机测得的高度bg_h计算出平均高度作为测量区域外的高度,取平均值有利于提高测量计算的精度。
S3、将包裹或物件放置于测量台面上测量区域内,各个视觉相机采集深度图像A2,测得包裹距离视觉相机的高度h1;
S3-1、根据深度图像A2的深度值变化,判断出深度图像A2中包裹的区域范围,得出包裹边缘,检测深度图像A2中包裹边缘与深度图像A2边线最近的距离值来判断包裹的大小尺寸类型,若是小尺寸类型进入步骤S4得出图像的包裹区域,在进入步骤S5,若是大尺寸类型则跳过步骤S4进入步骤S4-1得出包裹点云,进入步骤S4-2在进入步骤S5;
上述包裹大、小尺寸类型的判断方法是检测深度图像A2的包裹边缘,若包裹边缘与深度图像A2的边线存在一定的距离值,且这个距离值大于或等于预设定的距离值,则判断该包裹尺寸较小,包裹完全处于视觉相机的视野范围之内,通过一个视觉相机的深度图像A2便可有效计算包裹的尺寸;若多幅深度图像A2中包裹边缘与深度图像A2的边线的距离值小于或等于预设定的距离值,则判断尺寸较大,需取多幅深度图像A2拼接结构进行尺寸计算。
S4、对深度图像A2进行图像分割,去除包裹区域范围外的背景信息,这里是根据深度图像A1获取的测量台面高度bg_h拟合深度图像A2获取的包裹平面距离视觉相机的高度h1进行初步图像分割,获得被测包裹或物件的主要空间区域,如图3所示,是包裹边缘在背景拟合平面上的投影示意图,因此即根据光路的方向分析边缘可去除物体周围的背景信息,得出图像的包裹区域;
对于上述一个视觉相机设置和上述经步骤S3-1判断小尺寸类型的进入步骤S4得出图像的包裹区域在进入步骤S5的这两种情况,步骤S4中进行图像分割去除背景信息中,计算包裹边缘像素点的像素坐标的计算公式为,
bi=h(i,j)*(i-cyl)/bg_h+cyl
bj=h(i,j)*(j-cxl)/bg_h+cxl
(bi,bj)为包裹边缘投影到测量台面的像素坐标;
i、j为图像像素坐标;
cxl、cyl为图像中心点像素坐标;
h为包裹边缘点的高度;
bg_h为所述测量台面的高度。
S4-1、对各个视觉相机的深度图像A2分别计算并获取图像的包裹区域的点云,在去噪处理后进行多个图像的包裹区域的点云拼接并平滑处理,得出包裹点云;
步骤S4-1中点云拼接转换公式如下,
为世界坐标系下的坐标表示;
M为视觉相机到世界坐标系的旋转平移矩阵;
为世界坐标系下的坐标表示。
步骤S4-2、分析S4-1的包裹点云尺寸;
步骤S4-2中点云分析及尺寸计算过程如下,拼接后的点云进行平滑处理,把三维物体坐标投影到XOY平面,检测该平面图像的轮廓,计算轮廓的外接矩形,该矩形的长和宽为被测物体的长和宽;三维物体在Z轴方向的宽度便是被测物体的高度。
对于一个视觉相机设置的则无需再进行步骤S3-1的判断,与上述经步骤S3-1判断小尺寸类型相同的直接进入步骤S4得出图像的包裹区域,在进入步骤S5;另外,对于上述经步骤S3-1判断小尺寸类型的进入步骤S4,步骤S4中仅对一个视觉相机的深度图像A2进行图像分割,无需对过个视觉相机的深度图像A2进行图像分割;
S5、计算出图像的包裹区域的长、宽、高尺寸,计算得出包裹的实际体积V,即获得包裹的实际体积V。
对于上述一个视觉相机设置和上述经步骤S3-1判断小尺寸类型的进入步骤S4得出图像的包裹区域在进入步骤S5的这两种情况,在步骤S5是通过分析图像的包裹区域的边缘信息,获得图像的包裹区域边缘的最小外接矩形,则以图像的包裹区域与矩形相接的几个边缘点为垂足点向矩形相对边作的垂线端点便是图像的包裹区域的长、宽方向的最值点,取每个最值点邻域的中值作为该点的高度值h,根据下式计算最值点在相机坐标系下的X、Y坐标值,
X、Y为最值点在相机坐标系下的X、Y坐标值;
i、j为图像像素坐标;
h为最值点的高度值;
fx、fy为X、Y轴上的归一化焦距;
通过上式求得的X、Y坐标值来计算出包裹的实际长、宽;
采用区域积分法计算得出包裹的实际体积,实际体积计算公式如下,
V为包裹的实际体积;
为h点的i,j像素坐标值;
fx、fy为X、Y轴上的归一化焦距。
上述实施例和图式并非限定本发明的产品形态和式样,任何所属技术领域的普通技术人员对其所做的适当变化或修饰,皆应视为不脱离本发明的专利范畴。
Claims (10)
1.一种基于机器视觉的包裹体积测量方法,其特征在于:方法步骤如下,
S1、将视觉相机固定安装于测量台面测量区域的正上方,标定视觉相机,把视觉相机坐标系转换到世界坐标系下,设定世界坐标系以与测量台面平行的平面为XOY平面,垂直向下方向为Z轴方向;
S2、视觉相机高度初始化,清空测量台面,视觉相机采集深度图像A1,测得测量台面的高度bg_h,以高度bg_h作为测量区域外的高度;
S3、将包裹放置于测量台面上测量区域内,视觉相机采集深度图像A2,测得包裹距离视觉相机的高度h1;
S4、对深度图像A2进行图像分割,去除包裹区域范围外的背景信息,得出图像的包裹区域;
S5、计算出图像的包裹区域的长、宽、高尺寸,计算得出包裹的实际体积V,即获得包裹的实际体积V。
2.如权利要求1所述的一种基于机器视觉的包裹体积测量方法,其特征在于:步骤S5通过分析图像的包裹区域的边缘信息,获得图像的包裹区域边缘的最小外接矩形,则图像的包裹区域与矩形相接的几个边缘点便是图像的包裹区域的长、宽方向的最值点,取每个最值点邻域的中值作为该点的高度值h,根据下式计算最值点在相机坐标系下的X、Y坐标值,
X、Y为最值点在相机坐标系下的X、Y坐标值;
i、j为图像像素坐标;
h为最值点的高度值;
fx、fy为X、Y轴上的归一化焦距;
通过上式求得的X、Y坐标值来计算出包裹的实际长、宽;
采用区域积分法计算得出包裹的实际体积,实际体积计算公式如下,
V为包裹的实际体积;
为h点的i,j像素坐标值;
fx、fy为X、Y轴上的归一化焦距。
3.如权利要求1所述的一种基于机器视觉的包裹体积测量方法,其特征在于:步骤S1中所述视觉相机为至少两个,并以两两之间具有公共的视野范围的位置关系固定安装于测量台面测量区域的正上方,标定各个视觉相机,把各相机坐标系转换到同一个世界坐标系下,并计算各个视觉相机到同一世界坐标系下的旋转平移矩阵M;
步骤S2中各视觉相机分别采集深度图像A1,分别测得测量台面的高度bg_h,取各视觉相机测得的高度bg_h计算出平均高度作为测量区域外的高度;
所述方法步骤还包括步骤S3-1、步骤S4-1和步骤S4-2,所述步骤S3-1在步骤S3与S4之间,所述步骤S4-1和步骤S4-2在步骤S4与S5之间;
S3-1、根据深度图像A2的深度值变化,判断出深度图像A2中包裹的区域范围,得出包裹边缘,检测深度图像A2中包裹边缘与深度图像A2边线最近的距离值来判断包裹的大小尺寸类型,若是小尺寸类型进入步骤S4得出图像的包裹区域,在进入步骤S5,若是大尺寸类型则跳过步骤S4进入步骤S4-1得出包裹点云,进入步骤S4-2在进入步骤S5;
若进入步骤S4,步骤S4中仅对一个视觉相机的深度图像A2进行图像分割;
S4-1、对各个视觉相机的深度图像A2分别计算并获取图像的包裹区域的点云,在去噪处理后进行多个图像的包裹区域的点云拼接并平滑处理,得出包裹点云;
步骤S4-2、分析S4-1的包裹点云尺寸。
4.如权利要求1或2所述的一种基于机器视觉的包裹体积测量方法,其特征在于:步骤S4中进行图像分割去除背景信息中,计算包裹边缘像素点的像素坐标的计算公式为,
bi=h(i,j)*(i-cyl)/bg_h+cyl
bj=h(i,j)*(j-cxl)/bg_h+cxl
(bi,bj)为包裹边缘投影到测量台面的像素坐标;
i、j为图像像素坐标;
cxl、cyl为图像中心点像素坐标;
h为包裹边缘点的高度;
bg_h为所述测量台面的高度。
5.如权利要求3所述的一种基于机器视觉的包裹体积测量方法,其特征在于:步骤S4-1中点云拼接转换公式如下,
为世界坐标系下的坐标表示;
M为视觉相机到世界坐标系的旋转平移矩阵;
为世界坐标系下的坐标表示。
6.如权利要求5所述的一种基于机器视觉的包裹体积测量方法,其特征在于:步骤S4-2中点云分析及尺寸计算过程如下,拼接后的点云进行平滑处理,把三维物体坐标投影到XOY平面,检测该平面图像的轮廓,计算轮廓的外接矩形,该矩形的长和宽为被测物体的长和宽;三维物体在Z轴方向的宽度便是被测物体的高度。
7.如权利要求1、2、3、5或6所述的一种基于机器视觉的包裹体积测量方法,其特征在于:所述视觉相机为基于结构光或TOF技术的三维相机。
8.如权利要求4所述的一种基于机器视觉的包裹体积测量方法,其特征在于:所述视觉相机为基于结构光或TOF技术的三维相机。
9.如权利要求4所述的一种基于机器视觉的包裹体积测量方法,其特征在于:步骤S4中进行图像分割去除背景信息的方法是根据深度图像A1获取的测量台面高度bg_h拟合深度图像A2获取的包裹平面距离视觉相机的高度h1进行初步图像分割,获得被测包裹或物件的主要空间区域,得出图像的包裹区域。
10.如权利要求1、2、3、5或6所述的一种基于机器视觉的包裹体积测量方法,其特征在于:标定视觉相机采用标定板标定的方法完成视觉相机位置标定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910384038.6A CN110017773B (zh) | 2019-05-09 | 2019-05-09 | 一种基于机器视觉的包裹体积测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910384038.6A CN110017773B (zh) | 2019-05-09 | 2019-05-09 | 一种基于机器视觉的包裹体积测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110017773A true CN110017773A (zh) | 2019-07-16 |
CN110017773B CN110017773B (zh) | 2021-12-17 |
Family
ID=67193403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910384038.6A Active CN110017773B (zh) | 2019-05-09 | 2019-05-09 | 一种基于机器视觉的包裹体积测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110017773B (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110595356A (zh) * | 2019-09-10 | 2019-12-20 | 湖南海森格诺信息技术有限公司 | 人工储物环境中固体体积的测量方法 |
CN110782473A (zh) * | 2019-12-05 | 2020-02-11 | 青岛大学 | 一种基于深度相机的传送带静止包裹检测方法及检测系统 |
CN111060005A (zh) * | 2019-11-28 | 2020-04-24 | 中海油能源发展股份有限公司 | 一种基于视觉的岩心体积自动测量装置及方法 |
CN111229635A (zh) * | 2020-03-02 | 2020-06-05 | 深圳市丰巢科技有限公司 | 体积检测装置和智能仓 |
CN111429507A (zh) * | 2020-04-14 | 2020-07-17 | 深圳市异方科技有限公司 | 一种基于多个3d镜头的测量体积装置 |
CN111504182A (zh) * | 2020-04-10 | 2020-08-07 | 四川超影科技有限公司 | 一种利用二维码辅助校准的物体体积视觉测量方法 |
CN111932576A (zh) * | 2020-07-15 | 2020-11-13 | 中国科学院上海微系统与信息技术研究所 | 一种基于深度相机的物体边界测量方法和装置 |
CN111968181A (zh) * | 2020-08-21 | 2020-11-20 | 中科微至智能制造科技江苏股份有限公司 | 一种基于图像处理的包裹位置实时检测方法及系统 |
CN111982009A (zh) * | 2020-02-26 | 2020-11-24 | 深圳市安达自动化软件有限公司 | 一种拉杆箱3d尺寸检测系统及方法 |
CN112070736A (zh) * | 2020-09-01 | 2020-12-11 | 上海电机学院 | 一种结合目标检测和深度计算的物体体积视觉测量方法 |
CN112720477A (zh) * | 2020-12-22 | 2021-04-30 | 泉州装备制造研究所 | 一种基于局部点云模型的物体最优抓取识别方法 |
CN112991423A (zh) * | 2021-03-15 | 2021-06-18 | 上海东普信息科技有限公司 | 物流包裹的分类方法、装置、设备及存储介质 |
CN113034619A (zh) * | 2021-04-23 | 2021-06-25 | 中科微至智能制造科技江苏股份有限公司 | 包裹信息测量方法、装置及存储介质 |
CN113379829A (zh) * | 2021-06-16 | 2021-09-10 | 劢微机器人科技(深圳)有限公司 | 基于相机的尺寸测量方法、装置、设备及存储介质 |
CN113418467A (zh) * | 2021-06-16 | 2021-09-21 | 厦门硅谷动能信息技术有限公司 | 基于ToF点云数据检测一般及黑色行李尺寸的方法 |
CN113776437A (zh) * | 2021-08-17 | 2021-12-10 | 北京科技大学 | 一种基于机器视觉的高精度中厚板宽度测量方法 |
CN113888618A (zh) * | 2021-09-30 | 2022-01-04 | 北京工业大学 | 一种物体单件分离方法与系统 |
CN113916125A (zh) * | 2021-08-04 | 2022-01-11 | 清华大学 | 基于深度成像的酒糟体积测量方法 |
CN114396875A (zh) * | 2022-01-18 | 2022-04-26 | 安徽工业大学 | 一种基于深度相机垂直拍摄的长方形包裹体积测量方法 |
CN114463411A (zh) * | 2022-01-19 | 2022-05-10 | 无锡学院 | 基于三维相机的目标体积、质量与密度测量方法 |
CN115682941A (zh) * | 2022-12-27 | 2023-02-03 | 广东技术师范大学 | 一种基于结构光相机的包装箱几何尺寸测量方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204373626U (zh) * | 2014-11-26 | 2015-06-03 | 厦门优策信息科技有限公司 | 一种尺寸测量的系统 |
US20170091957A1 (en) * | 2015-09-25 | 2017-03-30 | Logical Turn Services Inc. | Dimensional acquisition of packages |
CN106839975A (zh) * | 2015-12-03 | 2017-06-13 | 杭州海康威视数字技术股份有限公司 | 基于深度相机的体积测量方法及其系统 |
CN107067431A (zh) * | 2017-01-16 | 2017-08-18 | 河海大学常州校区 | 一种基于Kinect的物体体积计算方法 |
CN107388960A (zh) * | 2016-05-16 | 2017-11-24 | 杭州海康机器人技术有限公司 | 一种确定物体体积的方法及装置 |
CN206905746U (zh) * | 2017-05-03 | 2018-01-19 | 新石器龙码(北京)科技有限公司 | 一种基于双目立体视觉测量动态物体体积的装置 |
CN108267083A (zh) * | 2017-12-28 | 2018-07-10 | 顺丰科技有限公司 | 一种3d相机体积测量方法及系统 |
CN109035330A (zh) * | 2018-08-17 | 2018-12-18 | 深圳蓝胖子机器人有限公司 | 箱体拟合方法、设备和计算机可读存储介质 |
CN109272547A (zh) * | 2018-09-17 | 2019-01-25 | 南京阿凡达机器人科技有限公司 | 一种包裹外接体积测量方法、系统、存储介质及移动终端 |
JP2019028022A (ja) * | 2017-08-03 | 2019-02-21 | 東芝テック株式会社 | 寸法測定装置 |
CN109443196A (zh) * | 2018-09-28 | 2019-03-08 | 顺丰科技有限公司 | 一种体积测量方法及系统 |
-
2019
- 2019-05-09 CN CN201910384038.6A patent/CN110017773B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204373626U (zh) * | 2014-11-26 | 2015-06-03 | 厦门优策信息科技有限公司 | 一种尺寸测量的系统 |
US20170091957A1 (en) * | 2015-09-25 | 2017-03-30 | Logical Turn Services Inc. | Dimensional acquisition of packages |
CN106839975A (zh) * | 2015-12-03 | 2017-06-13 | 杭州海康威视数字技术股份有限公司 | 基于深度相机的体积测量方法及其系统 |
CN107388960A (zh) * | 2016-05-16 | 2017-11-24 | 杭州海康机器人技术有限公司 | 一种确定物体体积的方法及装置 |
CN107067431A (zh) * | 2017-01-16 | 2017-08-18 | 河海大学常州校区 | 一种基于Kinect的物体体积计算方法 |
CN206905746U (zh) * | 2017-05-03 | 2018-01-19 | 新石器龙码(北京)科技有限公司 | 一种基于双目立体视觉测量动态物体体积的装置 |
JP2019028022A (ja) * | 2017-08-03 | 2019-02-21 | 東芝テック株式会社 | 寸法測定装置 |
CN108267083A (zh) * | 2017-12-28 | 2018-07-10 | 顺丰科技有限公司 | 一种3d相机体积测量方法及系统 |
CN109035330A (zh) * | 2018-08-17 | 2018-12-18 | 深圳蓝胖子机器人有限公司 | 箱体拟合方法、设备和计算机可读存储介质 |
CN109272547A (zh) * | 2018-09-17 | 2019-01-25 | 南京阿凡达机器人科技有限公司 | 一种包裹外接体积测量方法、系统、存储介质及移动终端 |
CN109443196A (zh) * | 2018-09-28 | 2019-03-08 | 顺丰科技有限公司 | 一种体积测量方法及系统 |
Non-Patent Citations (1)
Title |
---|
李玲玲 等: "基于Kinect2.0深度图像的快速体积测量", 《微型机与应用》 * |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110595356A (zh) * | 2019-09-10 | 2019-12-20 | 湖南海森格诺信息技术有限公司 | 人工储物环境中固体体积的测量方法 |
CN111060005A (zh) * | 2019-11-28 | 2020-04-24 | 中海油能源发展股份有限公司 | 一种基于视觉的岩心体积自动测量装置及方法 |
CN110782473A (zh) * | 2019-12-05 | 2020-02-11 | 青岛大学 | 一种基于深度相机的传送带静止包裹检测方法及检测系统 |
CN110782473B (zh) * | 2019-12-05 | 2024-04-12 | 青岛大学 | 一种基于深度相机的传送带静止包裹检测方法及检测系统 |
CN111982009A (zh) * | 2020-02-26 | 2020-11-24 | 深圳市安达自动化软件有限公司 | 一种拉杆箱3d尺寸检测系统及方法 |
CN111229635A (zh) * | 2020-03-02 | 2020-06-05 | 深圳市丰巢科技有限公司 | 体积检测装置和智能仓 |
CN111229635B (zh) * | 2020-03-02 | 2023-11-28 | 深圳市丰巢科技有限公司 | 体积检测装置和智能仓 |
CN111504182A (zh) * | 2020-04-10 | 2020-08-07 | 四川超影科技有限公司 | 一种利用二维码辅助校准的物体体积视觉测量方法 |
CN111429507A (zh) * | 2020-04-14 | 2020-07-17 | 深圳市异方科技有限公司 | 一种基于多个3d镜头的测量体积装置 |
CN111932576A (zh) * | 2020-07-15 | 2020-11-13 | 中国科学院上海微系统与信息技术研究所 | 一种基于深度相机的物体边界测量方法和装置 |
CN111932576B (zh) * | 2020-07-15 | 2023-10-31 | 中国科学院上海微系统与信息技术研究所 | 一种基于深度相机的物体边界测量方法和装置 |
CN111968181A (zh) * | 2020-08-21 | 2020-11-20 | 中科微至智能制造科技江苏股份有限公司 | 一种基于图像处理的包裹位置实时检测方法及系统 |
CN111968181B (zh) * | 2020-08-21 | 2022-04-15 | 中科微至智能制造科技江苏股份有限公司 | 一种基于图像处理的包裹位置实时检测方法及系统 |
CN112070736B (zh) * | 2020-09-01 | 2023-02-24 | 上海电机学院 | 一种结合目标检测和深度计算的物体体积视觉测量方法 |
CN112070736A (zh) * | 2020-09-01 | 2020-12-11 | 上海电机学院 | 一种结合目标检测和深度计算的物体体积视觉测量方法 |
CN112720477B (zh) * | 2020-12-22 | 2024-01-30 | 泉州装备制造研究所 | 一种基于局部点云模型的物体最优抓取识别方法 |
CN112720477A (zh) * | 2020-12-22 | 2021-04-30 | 泉州装备制造研究所 | 一种基于局部点云模型的物体最优抓取识别方法 |
CN112991423A (zh) * | 2021-03-15 | 2021-06-18 | 上海东普信息科技有限公司 | 物流包裹的分类方法、装置、设备及存储介质 |
CN113034619A (zh) * | 2021-04-23 | 2021-06-25 | 中科微至智能制造科技江苏股份有限公司 | 包裹信息测量方法、装置及存储介质 |
CN113418467A (zh) * | 2021-06-16 | 2021-09-21 | 厦门硅谷动能信息技术有限公司 | 基于ToF点云数据检测一般及黑色行李尺寸的方法 |
CN113379829A (zh) * | 2021-06-16 | 2021-09-10 | 劢微机器人科技(深圳)有限公司 | 基于相机的尺寸测量方法、装置、设备及存储介质 |
CN113916125B (zh) * | 2021-08-04 | 2022-08-30 | 清华大学 | 基于深度成像的酒糟体积测量方法 |
CN113916125A (zh) * | 2021-08-04 | 2022-01-11 | 清华大学 | 基于深度成像的酒糟体积测量方法 |
CN113776437B (zh) * | 2021-08-17 | 2022-06-07 | 北京科技大学 | 一种基于机器视觉的高精度中厚板宽度测量方法 |
CN113776437A (zh) * | 2021-08-17 | 2021-12-10 | 北京科技大学 | 一种基于机器视觉的高精度中厚板宽度测量方法 |
CN113888618A (zh) * | 2021-09-30 | 2022-01-04 | 北京工业大学 | 一种物体单件分离方法与系统 |
CN113888618B (zh) * | 2021-09-30 | 2024-05-10 | 北京工业大学 | 一种物体单件分离方法与系统 |
CN114396875A (zh) * | 2022-01-18 | 2022-04-26 | 安徽工业大学 | 一种基于深度相机垂直拍摄的长方形包裹体积测量方法 |
CN114396875B (zh) * | 2022-01-18 | 2023-11-10 | 安徽工业大学 | 一种基于深度相机垂直拍摄的长方形包裹体积测量方法 |
CN114463411A (zh) * | 2022-01-19 | 2022-05-10 | 无锡学院 | 基于三维相机的目标体积、质量与密度测量方法 |
CN114463411B (zh) * | 2022-01-19 | 2023-02-28 | 无锡学院 | 基于三维相机的目标体积、质量与密度测量方法 |
CN115682941A (zh) * | 2022-12-27 | 2023-02-03 | 广东技术师范大学 | 一种基于结构光相机的包装箱几何尺寸测量方法 |
CN115682941B (zh) * | 2022-12-27 | 2023-03-07 | 广东技术师范大学 | 一种基于结构光相机的包装箱几何尺寸测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110017773B (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110017773A (zh) | 一种基于机器视觉的包裹体积测量方法 | |
CN105346706B (zh) | 飞行装置、飞行控制系统及方法 | |
CN106840033B (zh) | 一种基于图像处理的钢轨廓形检测装置及方法 | |
CN102410811B (zh) | 一种弯管参数的测量方法和系统 | |
CN110084849A (zh) | 具自动测量体积和重量的物流系统 | |
CN102589516B (zh) | 一种基于双目线扫描摄像机的动态距离测量系统 | |
CN105574845B (zh) | 一种多相机阵列烟标叠层数量测量方法及装置 | |
CN104655011B (zh) | 一种不规则凸面物体体积的非接触光学测量方法 | |
CN105839505B (zh) | 一种三维可视化的路面破损信息的检测方法及检测装置 | |
CN103615980B (zh) | 一种板件上圆孔参数的测量方法及系统 | |
CN110375648A (zh) | 棋盘格靶标辅助的单台相机实现的空间点三维坐标测量方法 | |
CN109489591A (zh) | 基于机器视觉的平面划痕长度非接触测量方法 | |
CN105832336A (zh) | 身高测量系统和方法 | |
CN106291278A (zh) | 一种基于多视觉系统的开关柜局部放电自动检测方法 | |
CN105286871A (zh) | 一种基于视频处理的人体身高测量方法 | |
CN103954458B (zh) | 一种非接触式四轮定位仪及其检测方法 | |
CN106441163B (zh) | 一种非接触式柱状物垂直度检测方法及装置 | |
CN102840948A (zh) | 智能型指针式压力表批量校验装置及批量校验方法 | |
CN103006228B (zh) | 一种人体形态特征的测量方法 | |
CN103206947B (zh) | 一种基于水准泡的倾角测量方法及其装置 | |
CN109520436A (zh) | 一种基于机器视觉的蝶形弹簧三维尺寸自动测量系统及其测量方法 | |
CN206954227U (zh) | 轨道板检测车以及系统 | |
CN107560541A (zh) | 图像中心偏差的测量方法及装置 | |
CN106327576B (zh) | 一种城市场景重建方法及系统 | |
CN110608685A (zh) | 一种基于树莓派的物体尺寸快速测量方法 |
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 |