CN110349195A - 一种基于深度图像的目标物体3d测量参数获取方法、系统和存储介质 - Google Patents
一种基于深度图像的目标物体3d测量参数获取方法、系统和存储介质 Download PDFInfo
- Publication number
- CN110349195A CN110349195A CN201910556453.5A CN201910556453A CN110349195A CN 110349195 A CN110349195 A CN 110349195A CN 201910556453 A CN201910556453 A CN 201910556453A CN 110349195 A CN110349195 A CN 110349195A
- Authority
- CN
- China
- Prior art keywords
- axis
- point
- value
- points
- depth image
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012216 screening Methods 0.000 claims abstract description 13
- 238000012937 correction Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 abstract description 11
- 238000001514 detection method Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001094 effect on targets Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/529—Depth or shape recovery from texture
-
- 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
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于深度图像的目标物体3D测量参数获取方法、系统和存储介质，所述方法包括：提取深度图像并进行尺寸预处理；选定目标区域同时构建基准平面；对基准平面区域内的点云去噪筛选后进行平面拟合；目标区域基准平面上建立三维坐标系确定x轴、y轴、z轴方向，对目标区域的有效点进行高度值校正，并计算x轴、y轴的分辨率；计算高度差及平面度、凹体积或凸体积。本发明通过对深度图像中的点云滤波去噪，利用点的高度值的众数区间的保留基准面的较多的点提高了基准面计算的可靠性，结合预设参与计算点的个数，实现目标物体特定部位和精度要求的高度测量，通过调整基准区域相应改变深度图像的颜色使得目标物体测量信息呈现更直观。
Description
技术领域
本发明实施例涉及图像技术领域，尤其涉及一种基于深度图像的目标物体3D测量参数获取方法、系统和存储介质。
背景技术
随着计算机视觉技术的发展，检测技术也随着先进机器视觉技术的引入从二维检测进入了三维检测，传统的二维检测只能解决平面性质的缺陷，对于各种复杂的精密零部件的轮廓和表面形状即尺寸、角度及位置，二维检测已经远远不能满足这样全自动微观检测与质量控制的需求。光学方法的三位检测，具有非接触性，高精确度与高分辨率的特点，在多媒体技术、机器视觉等领域得到了日益广泛的应用。现有的2D图片不含深度信息，所以对一些需要对高度进行检测的目标无能为力，且对于微型的检测目标，现有的2D相机得到的图片，精度不能满足检测要求。
发明内容
为了解决上述至少一个技术问题，本发明提出了一种基于深度图像的目标物体3D测量参数获取方法、系统和存储介质。
为了实现上述目的，本发明第一方面提供了一种基于深度图像的目标物体3D测量参数获取方法，包括：
提取包含目标物体的深度图像并进行尺寸预处理；
在预处理后的深度图像中选定目标区域同时构建基准平面；
对基准平面区域内的点云进行去噪筛选后进行平面拟合得到平面方程；
目标区域基准平面上建立三维坐标系确定x轴、y轴、z轴方向，对目标区域的有效点进行高度值校正，利用有效点在z向投影作为校正的高度值，根据z轴方向计算有效点，同时计算有效点高度值校正后的x轴、y轴的分辨率；
利用有效点高度值计算目标区域的的高度差及平面度，利用x轴y轴的分辨率计算凹体积或凸体积。
本方案中，所述对基准平面区域内的点云进行去噪筛选采用截断中值滤波进行去噪，所述截断中值滤波步骤如下：
计算基准平面区域内当前点云的所有点高度的平均值和中值；
根据所述平均值和中值确定所述点云所有点高度的众数区间；若所述中值比平均值小，则所述众数区间上界为2倍的中值减去所述点云的所有点高度的最小值，若所述中值比平均值大，则所述众数区间下界为2倍的中值减去所述点云的所有点高度的最大值；
根据得到的众数区间剔除超出所述众数区间范围的点，重复迭代若干次，直至点云的点数达到预设值。
本方案中，所述根据所述平均值和中值确定所述点云所有点高度的众数区间，具体步骤：
若所述中值比平均值小，则所述众数区间上界为2倍的中值减去所述点云的所有点高度的最小值，若所述中值比平均值大，则所述众数区间下界为2倍的中值减去所述点云的所有点高度的最大值。
本方案中，所述对基准平面区域内的点云进行去噪筛选后进行平面拟合得到平面方程是采用最小二乘进行平面拟合，拟合的平面P表示如下：P＝(XTX)-1XTZ
其中，P平面的方程表示为z＝(x,y,1)*P。
本方案中，所述有效点为点云中的高度值为无效背景值的点。
本方案中，所述目标区域基准平面上建立三维坐标系确定x轴、y轴、z轴方向，具体包括：以基准平面法向量方面为z轴方向，坐标系的原点为基准平面任一点，所述x轴和y轴满足右手坐标系。
本方案中，所述利用有效点高度值计算目标区域的的高度差及平面度，利用x轴y轴的分辨率计算凹体积或凸体积，
具体包括：
高度差：计算目标区域高度差即对目标区域的有效高度点计算平均值；
凸面积：取目标区域内有效高度大于预设值的点，将有效高度大于预设预设值的点的个数乘以单位网格面积，利用目标区域网格多边形面积计算公式：S＝A+B/2-1，A表示多边形内部格点数，B表示多边形边上的格点数，近似计算S＝A；
凹面积：取目标区域内有效高度小于预设值的点，将有效高度小于预设预设值的点的个数乘以单位网格面积，利用目标区域网格多边形面积计算公式：S＝A+B/2-1，A表示多边形内部格点数，B表示多边形边上的格点数，近似计算S＝A；
平面度：目标区域内点的有效高度极差，即有效高度最大值与有效高度最小值的差。
本发明第二方面还提供一种基于深度图像的目标物体3D测量参数获取系统，所述系统包括：
存储器、处理器，所述存储器中包括基于深度图像的目标物体3D测量参数获取方法程序，所述基于深度图像的目标物体3D测量参数获取方法程序被所述处理器执行时实现如下步骤：
提取包含目标物体的深度图像并进行尺寸预处理；
在预处理后的深度图像中选定目标区域同时构建基准平面；
对基准平面区域内的点云进行去噪筛选后进行平面拟合得到平面方程；
在目标区域基准平面上建立三维坐标系确定x轴、y轴、z轴方向，对目标区域的有效点进行高度值校正，利用有效点在z向投影作为校正的高度值，同时计算有效点高度值校正后的x轴、y轴的分辨率；
用于利用有效点高度值计算目标区域的的高度差及平面度，利用x轴y轴的分辨率计算凹体积或凸体积。
本方案中，所述对基准平面区域内的点云进行去噪筛选采用截断中值滤波进行去噪，所述截断中值滤波步骤如下：
计算基准平面区域内当前点云的所有点高度的平均值和中值；
根据所述平均值和中值确定所述点云所有点高度的众数区间；若所述中值比平均值小，则所述众数区间上界为2倍的中值减去所述点云的所有点高度的最小值，若所述中值比平均值大，则所述众数区间下界为2倍的中值减去所述点云的所有点高度的最大值；
根据得到的众数区间剔除超出所述众数区间范围的点，重复迭代若干次，直至点云的点数达到预设值。
本发明第三方面还公开一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于深度图像的目标物体3D测量参数获取方法程序，所述基于深度图像的目标物体3D测量参数获取方法程序被处理器执行时，实现如上述任一项所述的基于深度图像的目标物体3D测量参数获取方法的步骤。
本发明通过对深度图像中的点云滤波去噪，利用点的高度值的众数区间尽可能的保留基准面的较多的点提高了基准面计算的可靠性，结合高度值过滤的众数区间与预设参与计算点的个数，实现目标物体特定部位和精度要求的高度测量，通过调整基准区域相应改变深度图像的颜色使得目标物体测量信息呈现更直观。
附图说明
图1示出了本发明基于深度图像的目标物体3D测量参数获取方法流程图；
图2示出了本发明截断中值滤波的流程图；
图3示出了本发明当前点云的所有点高度的平均值和中值比较的流程图。
图4示出了本发明基于深度图像的目标物体3D测量参数获取系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
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，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
本申请实施例可以应用于终端设备、计算机系统及服务器等电子设备，其可与众多其它通用或者专用的计算系统环境或者配置一起操作。适于与终端设备、计算机系统以及服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子，包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
终端设备、计算机系统以及服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑以及数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
图1示出了本发明一种基于深度图像的目标物体3D测量参数获取方法的流程图。
如图1所述，本发明公开了一种基于深度图像的目标物体3D测量参数获取方法，包括：
S102，提取包含目标物体的深度图像并进行尺寸预处理；
S104，在预处理后的深度图像中选定目标区域同时构建基准平面；
S106，对基准平面区域内的点云进行去噪筛选后进行平面拟合得到平面方程；
S108，在目标区域基准平面上建立三维坐标系确定x轴、y轴、z轴方向，对目标区域的有效点进行高度值校正，利用有效点在z向投影作为校正的高度值，同时计算有效点高度值校正后的x轴、y轴的分辨率；
S110，利用有效点高度值计算目标区域的的高度差及平面度，利用x轴、y轴的分辨率计算凹体积或凸体积。
需要说明的是，在步骤S102之前还包括对3d相机内参数的设置，根据设置的相机参数来获取满足预设条件的深度图像。
需要说明的是，在进行基于深度图像的目标检测或测量的过程中建立的基准平面是参考面，所述参考面的建立是计算待测参数的基础。本实施例中可通过直接框选深度图像中的一个区域作为基准平面。深度图像的每一个像素都对应一个三维点，选择的基准区域对应若干三维空间的点(点云)，所以基准面就是若干点的拟合平面。
图2示出了本发明截断中值滤波的流程图。
本方案中，所述对基准平面区域内的点云进行去噪筛选采用截断中值滤波进行去噪筛选，如图2所示，所述截断中值滤波步骤如下：
S202，计算基准平面区域内当前点云的所有点高度的平均值和中值；
S204，根据所述平均值和中值确定所述点云所有点高度的众数区间；
S206，根据得到的众数区间剔除超出所述众数区间范围的点，重复迭代若干次，直至点云的点数达到预设值。
去噪是为了减少噪声点对基准平面的影响。
图3示出了本发明将当前点云的所有点高度的平均值和中值比较的流程图。
如图3所示，本方案中，所述根据所述平均值和中值确定所述点云所有点高度的众数区间，具体步骤：
S302，将当前点云的所有点高度的平均值和中值比较；
S304，若所述中值比平均值小，则所述众数区间上界为2倍的中值减去所述点云中的所有点高度的最小值；
若所述中值比平均值大，则所述众数区间下界为2倍的中值减去所述点云中的所有点高度的最大值。
本方案中，所述对基准平面区域内的点云进行去噪筛选后进行平面拟合得到平面方程是采用最小二乘进行平面拟合，拟合的平面P表示如下：
P＝(XTX)-1XTZ
其中，P平面的方程表示为z＝(x,y,1)*P。
本方案中，所述有效点为点云中的高度值为无效背景值的点。需要说明的是无效背景值为-999999999，是3D相机在对应点位置没有接收到信号。
本方案中，所述目标区域基准平面上建立三维坐标系确定x轴、y轴、z轴方向，具体包括：以基准平面法向量方向为z轴方向，坐标系的原点为基准平面任一点，所述x轴和y轴通过右手坐标系确定。
需要说明的是，本实施例中基准面上垂直于(0，1，0)的方向确定为x轴方向，叉乘z轴与x轴得到y轴方向。
将有效点即为Q，计算向量OQ对z方向上的投影作为Q点的校正后的高度值。有效点的x,y坐标只是用于深度图像排列故不做校正。但需要计算新x和新y轴的单位向量在(1,1,1)上的投影值，取校正Q点后新x和新y轴的单位向量在(1,1,1)上的投影值的绝对值作为x，y方向的分辨率的变化比例，本实施例将x，y方向的分辨率分别记为xavg，yavg。
本方案中，所述利用有效点高度值计算目标区域的的高度差及平面度，利用x轴、y轴的分辨率计算凹体积或凸体积，
具体包括：
高度差：计算目标区域高度差即对目标区域的有效高度点计算平均值；
凸面积：取目标区域内有效高度大于预设值的点，将有效高度大于预设预设值的点的个数乘以单位网格面积，利用目标区域网格多边形面积计算公式：S＝A+B/2-1，A表示多边形内部格点数，B表示多边形边上的格点数，近似计算S＝A；
需要说明的是，其中，在计算凸面积与凹面积时，有效高度的预设值为0.5，单位网格面积为xavg与yavg的乘积。
凹面积：取目标区域内有效高度小于预设值的点，将有效高度小于预设预设值的点的个数乘以单位网格面积，利用目标区域网格多边形面积计算公式：S＝A+B/2-1，其中，A表示多边形内部格点数，B表示多边形边上的格点数，近似计算S＝A；需要说明的是，所述网格多边形面积计算公式由pick定理得到。
平面度：目标区域内点的有效高度极差，即有效高度最大值与有效高度最小值的差。
需要说明的是，本发明计算得到几何参数后，可以通过与预设的标准值进行比较或校验，并给出合格与否的结果。
图4示出了本发明基于深度图像的目标物体3D测量参数获取系统的框图。
如图4所示，本发明第二方面还提供一种基于深度图像的目标物体3D测量参数获取系统，所述系统包括：
存储器41、处理器42，所述存储器中包括基于深度图像的目标物体3D测量参数获取方法程序，所述基于深度图像的目标物体3D测量参数获取方法程序被所述处理器执行时实现如下步骤：
提取包含目标物体的深度图像并进行尺寸预处理；
在预处理后的深度图像中选定目标区域同时构建基准平面；
对基准平面区域内的点云进行去噪筛选后进行平面拟合得到平面方程；
在目标区域基准平面上建立三维坐标系确定x轴、y轴、z轴方向，对目标区域的有效点进行高度值校正，利用有效点在z向投影作为校正的高度值，同时计算有效点高度值校正后的x轴、y轴的分辨率；
用于利用有效点高度值计算目标区域的的高度差及平面度，利用x轴y轴的分辨率计算凹体积或凸体积。
本方案中，所述对基准平面区域内的点云进行去噪筛选采用截断中值滤波进行去噪，所述截断中值滤波步骤如下：
计算基准平面区域内当前点云的所有点高度的平均值和中值；
根据所述平均值和中值确定所述点云所有点高度的众数区间；
根据得到的众数区间剔除超出所述众数区间范围的点，重复迭代若干次，直至点云的点数达到预设值。
去噪是为了减少噪声点对基准平面的影响。
本方案中，所述根据所述平均值和中值确定所述点云所有点高度的众数区间，具体步骤：
若所述中值比平均值小，则所述众数区间上界为2倍的中值减去所述点云中的所有点高度的最小值，若所述中值比平均值大，则所述众数区间下界为2倍的中值减去所述点云中的所有点高度的最大值。
本方案中，所述对基准平面区域内的点云进行去噪筛选后进行平面拟合得到平面方程是采用最小二乘进行平面拟合，拟合的平面P表示如下：
P＝(XTX)-1XTZ
其中，P平面的方程表示为z＝(x,y,1)*P。
本方案中，所述有效点为点云中的高度值为无效背景值的点。需要说明的是无效背景值为-999999999，是3D相机在对应点位置没有接收到信号。
本方案中，所述目标区域基准平面上建立三维坐标系确定x轴、y轴、z轴方向，具体包括：以基准平面法向量方面为z轴方向，坐标系的原点为基准平面任一点，所述x轴和y轴满足右手坐标系。
需要说明的是，本实施例中基准面上垂直于(0，1，0)的方向确定为x轴方向，叉乘z轴与x轴得到y轴方向。
将有效点即为Q，计算向量OQ对z方向上的投影作为Q点的校正后的高度值。有效点的x,y坐标只是用于深度图像排列故不做校正。但需要计算新x和新y轴的单位向量在(1,1,1)上的投影值，取校正Q点后新x和新y轴的单位向量在(1,1,1)上的投影值的绝对值作为x，y方向的分辨率的变化比例，本实施例将x，y方向的分辨率分别记为xavg，yavg。
本方案中，所述利用有效点高度值计算目标区域的的高度差及平面度，利用x轴、y轴的分辨率计算凹体积或凸体积，
具体包括：
高度差：计算目标区域高度差即对目标区域的有效高度点计算平均值；
凸面积：取目标区域内有效高度大于预设值的点，将有效高度大于预设预设值的点的个数乘以单位网格面积，利用目标区域网格多边形面积计算公式：S＝A+B/2-1，其中，A表示多边形内部格点数，B表示多边形边上的格点数，近似计算S＝A；
需要说明的是，在计算凸面积与凹面积时，有效高度的预设值为0.5，单位网格面积为xavg与yavg的乘积。
凹面积：取目标区域内有效高度小于预设值的点，将有效高度小于预设预设值的点的个数乘以单位网格面积，利用目标区域网格多边形面积计算公式：S＝A+B/2-1，其中，A表示多边形内部格点数，B表示多边形边上的格点数，近似计算S＝A；需要说明的是，所述网格多边形面积计算公式由pick定理得到。
平面度：目标区域内点的有效高度极差，即有效高度最大值与有效高度最小值的差。
需要说明的是，基准平面的计算可以有多种方法，有的算法可能不需要进行显式地滤波处理，但计算过程可能会过于复杂。本发明采用了先对基准区域进行滤波筛选点，再做平面拟合这样简单有效的方法。
对于基准面上的坐标系，可以采用不同坐标系建立方式，但最终高度计算结果是不变的。
本发明第三方面还公开一种计算机可读存储介质，所述计算机可读存储介质中包括基于深度图像的目标物体3D测量参数获取方法程序，所述基于深度图像的目标物体3D测量参数获取方法程序被处理器执行时，实现如上述任一项所述的基于深度图像的目标物体3D测量参数获取方法的步骤。
本发明通过对深度图像中的点云滤波去噪，利用点的高度值的众数区间尽可能的保留基准面的较多的点提高了基准面计算的可靠性，结合高度值过滤的众数区间与预设参与计算点的个数，实现目标物体特定部位和精度要求的高度测量，通过调整基准区域相应改变深度图像的颜色使得目标物体测量信息呈现更直观。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献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计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于深度图像的目标物体3D测量参数获取方法，其特征在于，包括：
提取包含目标物体的深度图像并进行尺寸预处理；
在预处理后的深度图像中选定目标区域同时构建基准平面；
对基准平面区域内的点云进行去噪筛选后进行平面拟合得到平面方程；
在目标区域基准平面上建立三维坐标系确定x轴、y轴、z轴方向，对目标区域的有效点进行高度值校正，利用有效点在z向投影作为校正的高度值，同时计算有效点高度值校正后的x轴、y轴的分辨率；
利用有效点高度值计算目标区域的高度差及平面度，利用x轴y轴的分辨率计算凹体积或凸体积。
2.根据权利要求1所述的一种基于深度图像的目标物体3D测量参数获取方法，其特征在于，所述对基准平面区域内的点云进行去噪筛选采用截断中值滤波进行去噪筛选，所述截断中值滤波步骤如下：
计算基准平面区域内当前点云的所有点高度的平均值和中值；
根据所述平均值和中值确定所述点云所有点高度的众数区间；根据得到的众数区间剔除超出所述众数区间范围的点，重复迭代若干次，直至点云的点数达到预设值。
3.根据权利要求2所述的一种基于深度图像的目标物体3D测量参数获取方法，其特征在于，所述根据所述平均值和中值确定所述点云中所有点高度的众数区间，具体步骤：
若所述中值比平均值小，则所述众数区间上界为2倍的中值减去所述点云的所有点高度的最小值，若所述中值比平均值大，则所述众数区间下界为2倍的中值减去所述点云中所有点高度的最大值。
4.根据权利要求1所述的一种基于深度图像的目标物体3D测量参数获取方法，其特征在于，所述对基准平面区域内的点云进行去噪筛选后进行平面拟合得到平面方程是采用最小二乘进行平面拟合，拟合的平面P表示如下：
P＝(XTX)-1XTZ
其中，P平面的方程表示为z＝(x,y,1)*P。
5.根据权利要求1所述的一种基于深度图像的目标物体3D测量参数获取方法，其特征在于，所述有效点为点云中的高度值为无效背景值的点。
6.根据权利要求1所述的一种基于深度图像的目标物体3D测量参数获取方法，其特征在于，所述目标区域基准平面上建立三维坐标系确定x轴、y轴、z轴方向，具体包括：以基准平面法向量方向为z轴方向，坐标系的原点为基准平面任一点，所述x轴和y轴通过右手坐标系确定。
7.根据权利要求1所述的一种基于深度图像的目标物体3D测量参数获取方法，其特征在于，所述利用有效点高度值计算目标区域的的高度差及平面度，利用x轴、y轴的分辨率计算凹体积或凸体积，
具体包括：
高度差：计算目标区域高度差即对目标区域的有效高度点计算平均值；
凸面积：取目标区域内有效高度大于预设值的点，将有效高度大于预设预设值的点的个数乘以单位网格面积，利用目标区域网格多边形面积计算公式：S＝A+B/2-1，其中，A表示多边形内部格点数，B表示多边形边上的格点数，近似计算S＝A；
凹面积：取目标区域内有效高度小于预设值的点，将有效高度小于预设预设值的点的个数乘以单位网格面积，利用目标区域网格多边形面积计算公式：S＝A+B/2-1，其中，A表示多边形内部格点数，B表示多边形边上的格点数，近似计算S＝A；
平面度：目标区域内点的有效高度极差，即有效高度最大值与有效高度最小值的差。
8.一种基于深度图像的目标物体3D测量参数获取系统，其特征在于，所述系统包括：存储器、处理器，所述存储器中包括基于深度图像的目标物体3D测量参数获取方法程序，所述基于深度图像的目标物体3D测量参数获取方法程序被所述处理器执行时实现如下步骤：
提取包含目标物体的深度图像并进行尺寸预处理；
在预处理后的深度图像中选定目标区域同时构建基准平面；
对基准平面区域内的点云进行去噪筛选后进行平面拟合得到平面方程；
在目标区域基准平面上建立三维坐标系确定x轴、y轴、z轴方向，对目标区域的有效点进行高度值校正，利用有效点在z向投影作为校正的高度值，同时计算有效点高度值校正后的x轴、y轴的分辨率；
用于利用有效点高度值计算目标区域的的高度差及平面度，利用x轴y轴的分辨率计算凹体积或凸体积。
9.根据权利要求8所述的一种基于深度图像的目标物体3D测量参数获取系统，其特征在于，
所述对基准平面区域内的点云进行去噪筛选采用截断中值滤波进行去噪，所述截断中值滤波步骤如下：
计算基准平面区域内当前点云的所有点高度的平均值和中值；
根据所述平均值和中值确定所述点云所有点高度的众数区间；若所述中值比平均值小，则所述众数区间上界为2倍的中值减去所述点云的所有点高度的最小值，若所述中值比平均值大，则所述众数区间下界为2倍的中值减去所述点云的所有点高度的最大值；
根据得到的众数区间剔除超出所述众数区间范围的点，重复迭代若干次，直至点云的点数达到预设值。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于深度图像的目标物体3D测量参数获取方法程序，所述基于深度图像的目标物体3D测量参数获取方法程序被处理器执行时，实现如权利要求1至7中任一项所述的基于深度图像的目标物体3D测量参数获取方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910556453.5A CN110349195B (zh) | 2019-06-25 | 2019-06-25 | 一种基于深度图像的目标物体3d测量参数获取方法、系统和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910556453.5A CN110349195B (zh) | 2019-06-25 | 2019-06-25 | 一种基于深度图像的目标物体3d测量参数获取方法、系统和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110349195A true CN110349195A (zh) | 2019-10-18 |
| CN110349195B CN110349195B (zh) | 2021-09-03 |
Family
ID=68183066
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910556453.5A Active CN110349195B (zh) | 2019-06-25 | 2019-06-25 | 一种基于深度图像的目标物体3d测量参数获取方法、系统和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110349195B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110930411A (zh) * | 2019-11-20 | 2020-03-27 | 杭州光珀智能科技有限公司 | 一种基于深度相机的人体分割方法及系统 |
| CN111127635A (zh) * | 2019-12-24 | 2020-05-08 | 中国联合网络通信集团有限公司 | 目标物体的检测方法、装置、设备和存储介质 |
| CN111383258A (zh) * | 2020-03-10 | 2020-07-07 | 螳螂慧视科技有限公司 | 一种物流包裹体积测量方法、存储介质及终端 |
| CN111610152A (zh) * | 2020-05-19 | 2020-09-01 | 东彩塑胶颜料(深圳)有限公司 | 塑胶样板的截取方法、检测系统和计算机可读存储介质 |
| CN112070700A (zh) * | 2020-09-07 | 2020-12-11 | 深圳市凌云视迅科技有限责任公司 | 一种去除深度图像中突起干扰噪声的方法与装置 |
| CN112254635A (zh) * | 2020-09-23 | 2021-01-22 | 洛伦兹（北京）科技有限公司 | 体积测量方法、装置及系统 |
| CN113066004A (zh) * | 2021-03-19 | 2021-07-02 | 广东博智林机器人有限公司 | 点云数据的处理方法和装置 |
| CN113640177A (zh) * | 2021-06-29 | 2021-11-12 | 阿里巴巴新加坡控股有限公司 | 货物密度测量方法、系统以及电子设备 |
| TWI755768B (zh) * | 2019-11-29 | 2022-02-21 | 大陸商北京市商湯科技開發有限公司 | 圖像處理方法、圖像處理設備及儲存介質 |
| CN114239106A (zh) * | 2021-12-14 | 2022-03-25 | 国机工业互联网研究院(河南)有限公司 | 一种基于bim的楼层信息可视化方法、装置及介质 |
| 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 |
| CN114581361A (zh) * | 2021-06-28 | 2022-06-03 | 广州极飞科技股份有限公司 | 物体形态测量方法、装置、设备及存储介质 |
| CN115854892A (zh) * | 2022-12-05 | 2023-03-28 | 上海赫立智能机器有限公司 | 用于pcb检测的零平面校正方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020105515A1 (en) * | 2000-12-05 | 2002-08-08 | Yoshiyuki Mochizuki | 3-D character data generating device and a 3-D graphics data generating device |
| US20160019725A1 (en) * | 2014-07-18 | 2016-01-21 | Xyzprinting, Inc. | Searching method for plane area of 3d model |
| CN107064170A (zh) * | 2017-04-11 | 2017-08-18 | 深圳市深视智能科技有限公司 | 一种检测手机外壳轮廓度缺陷方法 |
| CN107133630A (zh) * | 2016-02-29 | 2017-09-05 | 中国石油化工股份有限公司 | 一种基于扫描图像判断碳酸盐岩孔隙类型的方法 |
| CN107289855A (zh) * | 2016-04-13 | 2017-10-24 | 西克股份有限公司 | 用于测量目标对象的尺寸的方法和系统 |
| CN108007364A (zh) * | 2018-01-22 | 2018-05-08 | 广东理工学院 | 一种基于rgb-d相机的瓷砖检测装置及检测方法 |
| CN108416804A (zh) * | 2018-02-11 | 2018-08-17 | 深圳市优博讯科技股份有限公司 | 获取目标物体体积的方法、装置、终端设备及存储介质 |
| CN108596873A (zh) * | 2018-03-14 | 2018-09-28 | 浙江大学山东工业技术研究院 | 基于高度直方图分割的耐火砖深度缺陷的识别方法 |
| CN108846154A (zh) * | 2018-04-26 | 2018-11-20 | 东北大学 | 考虑微凸体基体变形的结合面接触热阻三维分形预测方法 |
| 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 |
| CN109658398A (zh) * | 2018-12-12 | 2019-04-19 | 华中科技大学 | 一种基于三维测量点云的零件表面缺陷识别与评估方法 |
-
2019
- 2019-06-25 CN CN201910556453.5A patent/CN110349195B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020105515A1 (en) * | 2000-12-05 | 2002-08-08 | Yoshiyuki Mochizuki | 3-D character data generating device and a 3-D graphics data generating device |
| US20160019725A1 (en) * | 2014-07-18 | 2016-01-21 | Xyzprinting, Inc. | Searching method for plane area of 3d model |
| CN107133630A (zh) * | 2016-02-29 | 2017-09-05 | 中国石油化工股份有限公司 | 一种基于扫描图像判断碳酸盐岩孔隙类型的方法 |
| CN107289855A (zh) * | 2016-04-13 | 2017-10-24 | 西克股份有限公司 | 用于测量目标对象的尺寸的方法和系统 |
| CN107064170A (zh) * | 2017-04-11 | 2017-08-18 | 深圳市深视智能科技有限公司 | 一种检测手机外壳轮廓度缺陷方法 |
| CN108007364A (zh) * | 2018-01-22 | 2018-05-08 | 广东理工学院 | 一种基于rgb-d相机的瓷砖检测装置及检测方法 |
| CN108416804A (zh) * | 2018-02-11 | 2018-08-17 | 深圳市优博讯科技股份有限公司 | 获取目标物体体积的方法、装置、终端设备及存储介质 |
| CN108596873A (zh) * | 2018-03-14 | 2018-09-28 | 浙江大学山东工业技术研究院 | 基于高度直方图分割的耐火砖深度缺陷的识别方法 |
| CN108846154A (zh) * | 2018-04-26 | 2018-11-20 | 东北大学 | 考虑微凸体基体变形的结合面接触热阻三维分形预测方法 |
| 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 |
| CN109658398A (zh) * | 2018-12-12 | 2019-04-19 | 华中科技大学 | 一种基于三维测量点云的零件表面缺陷识别与评估方法 |
Non-Patent Citations (3)
| Title |
|---|
| 李甜甜: "基于三维线激光技术的路面车辙检测技术研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
| 王常青: "数字图像处理与分析及其在故障诊断中的应用研究", 《中国博士学位论文全文数据库信息科技辑》 * |
| 王莹莹等: "3D激光轮廓扫描仪在木制部件表面粗糙度测定中的应用", 《林产工业》 * |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110930411B (zh) * | 2019-11-20 | 2023-04-28 | 浙江光珀智能科技有限公司 | 一种基于深度相机的人体分割方法及系统 |
| CN110930411A (zh) * | 2019-11-20 | 2020-03-27 | 杭州光珀智能科技有限公司 | 一种基于深度相机的人体分割方法及系统 |
| TWI755768B (zh) * | 2019-11-29 | 2022-02-21 | 大陸商北京市商湯科技開發有限公司 | 圖像處理方法、圖像處理設備及儲存介質 |
| CN111127635A (zh) * | 2019-12-24 | 2020-05-08 | 中国联合网络通信集团有限公司 | 目标物体的检测方法、装置、设备和存储介质 |
| CN111383258A (zh) * | 2020-03-10 | 2020-07-07 | 螳螂慧视科技有限公司 | 一种物流包裹体积测量方法、存储介质及终端 |
| CN111383258B (zh) * | 2020-03-10 | 2024-03-22 | 螳螂慧视科技有限公司 | 一种物流包裹体积测量方法、存储介质及终端 |
| CN111610152A (zh) * | 2020-05-19 | 2020-09-01 | 东彩塑胶颜料(深圳)有限公司 | 塑胶样板的截取方法、检测系统和计算机可读存储介质 |
| CN111610152B (zh) * | 2020-05-19 | 2023-06-06 | 正显新材料科技(广东)有限公司 | 塑胶样板的截取方法、检测系统和计算机可读存储介质 |
| CN112070700A (zh) * | 2020-09-07 | 2020-12-11 | 深圳市凌云视迅科技有限责任公司 | 一种去除深度图像中突起干扰噪声的方法与装置 |
| CN112070700B (zh) * | 2020-09-07 | 2024-03-29 | 深圳市凌云视迅科技有限责任公司 | 一种去除深度图像中突起干扰噪声的方法与装置 |
| CN112254635B (zh) * | 2020-09-23 | 2022-06-28 | 洛伦兹（北京）科技有限公司 | 体积测量方法、装置及系统 |
| CN112254635A (zh) * | 2020-09-23 | 2021-01-22 | 洛伦兹（北京）科技有限公司 | 体积测量方法、装置及系统 |
| CN113066004A (zh) * | 2021-03-19 | 2021-07-02 | 广东博智林机器人有限公司 | 点云数据的处理方法和装置 |
| CN114581361A (zh) * | 2021-06-28 | 2022-06-03 | 广州极飞科技股份有限公司 | 物体形态测量方法、装置、设备及存储介质 |
| CN114581361B (zh) * | 2021-06-28 | 2023-03-07 | 广州极飞科技股份有限公司 | 物体形态测量方法、装置、设备及存储介质 |
| CN113640177A (zh) * | 2021-06-29 | 2021-11-12 | 阿里巴巴新加坡控股有限公司 | 货物密度测量方法、系统以及电子设备 |
| CN114239106A (zh) * | 2021-12-14 | 2022-03-25 | 国机工业互联网研究院(河南)有限公司 | 一种基于bim的楼层信息可视化方法、装置及介质 |
| 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 |
| CN115854892B (zh) * | 2022-12-05 | 2024-02-02 | 上海赫立智能机器有限公司 | 用于pcb检测的零平面校正方法 |
| CN115854892A (zh) * | 2022-12-05 | 2023-03-28 | 上海赫立智能机器有限公司 | 用于pcb检测的零平面校正方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110349195B (zh) | 2021-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110349195B (zh) | 一种基于深度图像的目标物体3d测量参数获取方法、系统和存储介质 | |
| US9972067B2 (en) | System and method for upsampling of sparse point cloud for 3D registration | |
| US10453249B2 (en) | Method for alignment of low-quality noisy depth map to the high-resolution colour image | |
| US10462447B1 (en) | Electronic system including image processing unit for reconstructing 3D surfaces and iterative triangulation method | |
| CN108230397B (zh) | 多目摄像机标定与校正方法和装置、设备、程序和介质 | |
| CN115082639B (zh) | 图像生成方法、装置、电子设备和存储介质 | |
| JP4052331B2 (ja) | 仮想視点画像生成方法及び３次元画像表示方法並びに装置 | |
| KR101554241B1 (ko) | 3차원 이미지에서의 결함성 픽셀 깊이 데이터 값의 깊이 맵 품질 향상을 위한 방법 | |
| CN108694741B (zh) | 一种三维重建方法及装置 | |
| CN108038886B (zh) | 双目摄像系统标定方法、装置及其汽车 | |
| CN102289803A (zh) | 图像处理设备、图像处理方法及程序 | |
| CN112686877B (zh) | 基于双目相机的三维房屋损伤模型构建测量方法及系统 | |
| CN109920004B (zh) | 图像处理方法、装置、标定物组合、终端设备及标定系统 | |
| JP2024507089A (ja) | 画像のコレスポンデンス分析装置およびその分析方法 | |
| CN111256628A (zh) | 墙面平整度检测方法、装置、计算机设备和存储介质 | |
| CN112488910A (zh) | 点云优化方法、装置及设备 | |
| CN111192308B (zh) | 图像处理方法及装置、电子设备和计算机存储介质 | |
| US20220222842A1 (en) | Image reconstruction for virtual 3d | |
| CN114119701A (zh) | 图像处理方法及其装置 | |
| CN112446926B (zh) | 一种激光雷达与多目鱼眼相机的相对位置标定方法及装置 | |
| CN113793392A (zh) | 一种相机参数标定方法及装置 | |
| CN117372647A (zh) | 一种建筑用三维模型的快速构建方法及系统 | |
| CN111866467A (zh) | 监控视频的三维覆盖空间确定方法、装置及存储介质 | |
| CN108307179A (zh) | 一种3d立体成像的方法 | |
| US10339702B2 (en) | Method for improving occluded edge quality in augmented reality based on depth camera |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method, system, and storage medium for obtaining 3D measurement parameters of target objects based on depth images Granted publication date: 20210903 Pledgee: Hangzhou High-tech Financing Guarantee Co.,Ltd. Pledgor: HANGZHOU HUICUI INTELLIGENT TECHNOLOGY CO.,LTD. Registration number: Y2024980003708 |