CN110838142B - 一种基于深度图像的行李尺寸识别方法及装置 - Google Patents
一种基于深度图像的行李尺寸识别方法及装置 Download PDFInfo
- Publication number
- CN110838142B CN110838142B CN201911070507.3A CN201911070507A CN110838142B CN 110838142 B CN110838142 B CN 110838142B CN 201911070507 A CN201911070507 A CN 201911070507A CN 110838142 B CN110838142 B CN 110838142B
- Authority
- CN
- China
- Prior art keywords
- pixel
- luggage
- width
- length
- matrix
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000011159 matrix material Substances 0.000 claims abstract description 93
- 239000004973 liquid crystal related substance Substances 0.000 claims description 14
- 230000009467 reduction Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004513 sizing Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 9
- 238000005260 corrosion Methods 0.000 description 4
- 230000007797 corrosion Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 2
- 230000010339 dilation Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
Abstract
本发明公开了一种基于深度图像的行李尺寸识别方法，通过深度拍摄装置预先获取无行李状态下识别区域的背景矩阵，包括：当检测到行李放置在所述识别区域时，获取存在所述行李状态下识别区域的距离矩阵；依据所述背景矩阵和所述距离矩阵确定所述行李的高度矩阵；依据所述高度矩阵识别出所述行李的轮廓；依据所述轮廓确定所述行李的高度、所述轮廓的像素长度和像素宽度；将所述像素长度和所述像素宽度转换为所述行李的长度和宽度。上述的方法中，通过深度拍摄装置采集行李轮廓，确定进行行李尺寸的高度、轮廓的像素长度和像素宽度识别，再将像素长度和像素宽度转换为行李的长度和宽度，不再采用激光传感器等相关设备进行行李尺寸识别。
Description
技术领域
本发明涉及图像识别技术领域，尤其涉及一种基于深度图像的行李尺寸识别方法及装置。
背景技术
由于飞机行李架空间有限，乘客只允许携带个人物品登机。个人所有随身携带行李尺寸如果超贵规定的尺寸将进行托运。
目前对行李尺寸的识别基于激光传感器，但实际操作中为了获得被测行李某个面上的三维坐标信息，激光传感器需要电机等配套设备的驱动才能获取由线阵数据组成的整个行李表面的信息。
发明内容
有鉴于此，本发明提供了一种基于深度图像的行李尺寸识别方法及装置，用以解决现有技术中为了获得被测行李某个面上的三维坐标信息，激光传感器需要电机等配套设备的驱动才能获取由线阵数据组成的整个行李表面的信息，又由于激光测距传感器本身的精度和量程有很大关系，既量程范围越大，精度越低的问题，具体方案如下：
一种基于深度图像的行李尺寸识别方法，通过深度拍摄装置预先获取无行李状态下识别区域的背景矩阵，包括：
当检测到行李放置在所述识别区域时，获取存在所述行李状态下识别区域的距离矩阵；
依据所述背景矩阵和所述距离矩阵确定所述行李的高度矩阵；
依据所述高度矩阵识别出所述行李的轮廓；
依据所述轮廓确定所述行李的高度、所述轮廓的像素长度和像素宽度；
将所述像素长度和所述像素宽度转换为所述行李的长度和宽度。
上述的方法，可选的，依据所述高度矩阵识别出所述行李的轮廓，包括：
将所述高度矩阵进行二值化处理，得到二值化图像；
对所述二值化图像进行降噪处理，得到目标图像；
识别所述目标图像中所述行李的轮廓。
上述的方法，可选的，依据所述轮廓确定所述行李的高度、所述轮廓的像素长度和像素宽度，包括：
获取所述轮廓中各个像素点的高度，计算各个高度的平均值，将所述平均值作为所述行李的高度；
确定所述轮廓的目标外接矩阵，将所述目标外接的长度和宽度作为所述轮廓的像素长度和像素宽度。
上述的方法，可选的，将所述像素长度和所述像素宽度转换为所述行李的长度和宽度，包括：
预先确定单位像素距离；
依据公式：和/>计算所述行李的长度和宽度，
其中，w:行李的宽度，h：地面与所述深度拍摄装置的距离，h'行李的高度，pw'：像素宽度，pl'：像素长度，l：行李长度和du单位像素距离。
上述的方法，可选的，预先确定单位像素距离，包括：
将已知尺寸的目标物体放置在所述识别区域；
计算所述目标物体的目标像素长度和目标像素宽度；
将所述目标物体长度与所述目标像素长度的比值或者所述目标物体宽度与所述目标像素宽度的比值作为所述单位像素距离。
一种基于深度图像的行李尺寸识别装置，通过深度拍摄装置预先获取无行李状态下识别区域的背景矩阵，包括：
获取模块，用于当检测到行李放置在所述识别区域时，获取存在所述行李状态下识别区域的距离矩阵；
高度矩阵确定模块，用于依据所述背景矩阵和所述距离矩阵确定所述行李的高度矩阵；
识别模块，用于依据所述高度矩阵识别出所述行李的轮廓；
尺寸确定模块，用于依据所述轮廓确定所述行李的高度、所述轮廓的像素长度和像素宽度；
转换模块，用于将所述像素长度和所述像素宽度转换为所述行李的长度和宽度。
上述的装置，可选的，所述识别模块包括：
二值化单元，用于将所述高度矩阵进行二值化处理，得到二值化图像；
降噪单元，用于对所述二值化图像进行降噪处理，得到目标图像；
识别单元，用于识别所述目标图像中所述行李的轮廓。
上述的装置，可选的，所述尺寸确定模块包括：
高度获取单元，用于获取所述轮廓中各个像素点的高度，计算各个高度的平均值，将所述平均值作为所述行李的高度；
外接矩阵确定单元，用于确定所述轮廓的目标外接矩阵，将所述目标外接的长度和宽度作为所述轮廓的像素长度和像素宽度。
上述的装置，可选的，所述转换模块包括：
像素距离确定单元，用于预先确定单位像素距离；
计算单元，用于依据公式：和/>计算所述行李的长度和宽度，
其中，w:行李的宽度，h：地面与所述深度拍摄装置的距离，h'行李的高度，pw'：像素宽度，pl'：像素长度，l：行李长度和du单位像素距离。
上述的装置，可选的，像素距离确定单元包括：
放置子单元，用于将已知尺寸的目标物体放置在所述识别区域；
计算子单元，用于计算所述目标物体的目标像素长度和目标像素宽度；
确定子单元，用于将所述目标物体长度与所述目标像素长度的比值或者所述目标物体宽度与所述目标像素宽度的比值作为所述单位像素距离。
与现有技术相比，本发明包括以下优点：
本发明公开了一种基于深度图像的行李尺寸识别方法，通过深度拍摄装置预先获取无行李状态下识别区域的背景矩阵，包括：当检测到行李放置在所述识别区域时，获取存在所述行李状态下识别区域的距离矩阵；依据所述背景矩阵和所述距离矩阵确定所述行李的高度矩阵；依据所述高度矩阵识别出所述行李的轮廓；依据所述轮廓确定所述行李的高度、所述轮廓的像素长度和像素宽度；将所述像素长度和所述像素宽度转换为所述行李的长度和宽度。上述的方法中，通过深度拍摄装置采集行李轮廓，确定进行行李尺寸的高度、轮廓的像素长度和像素宽度识别，再将像素长度和像素宽度转换为行李的长度和宽度，不再采用激光传感器等相关设备进行行李尺寸识别。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，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。
图1为本申请实施例公开的一种基于深度图像的行李尺寸识别方法流程图；
图2为本申请实施例公开的一种深度拍摄装置识别行李尺寸示意图；
图3为本申请实施例公开的一种基于深度图像的行李尺寸识别装置结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
本发明公开了一种基于深度图像的行李尺寸识别方法及装置，应用在对行李尺寸进行识别的过程中，例如：在航空领域，由于飞机行李架空间有限，乘客只允许携带个人物品登机。个人所有随身携带行李将在登机过程中于入口处托运，但是如果行李尺寸超限须另行支付超限行李费用，通过自动识别行李的长宽高，判断行李是否超限。目前已有的解决方法是基于激光传感器，但实际操作中为了获得被测物体某个面上的三维坐标信息，激光传感器需要电机等配套设备的驱动才能获取由线阵数据组成的整个物体表面的信息，又由于激光测距传感器本身的精度和量程有很大关系，既量程范围越大，精度越低，而且范围大精度高的传感器都非常昂贵，因此，本发明采用深度摄像装置，成本远低于激光传感器，同时配合一系列图像算法又能保证测量的精度，通过深度拍摄装置预先获取无行李状态下识别区域的背景矩阵B，其中，所述深度摄像装置可以为深度摄像头，所述识别方法的执行流程如图1所示，包括步骤：
S101、当检测到行李放置在所述识别区域时，获取存在所述行李状态下识别区域的距离矩阵；
本发明实施例中，所述识别区域为所述深度摄像装置可以拍摄到的区域，当检测到行李放置在所述识别区域时，所述距离矩阵由所述深度摄像装置在存在所述行李状态下拍摄的识别区域的深度图像转化得到的，通过OpenCV接口获取距离矩阵D，其中，所述OpenCV是计算视觉库，主要用于图像的处理。
S102、依据所述背景矩阵和所述距离矩阵确定所述行李的高度矩阵；
本发明实施例中，将所述背景矩阵B减去所述距离矩阵D得到所述行李的高度矩阵H。
S103、依据所述高度矩阵识别出所述行李的轮廓；
本发明实施例中，由于所述深度摄像装置存在误差，为例避免误差对识别结果的影响，对所述高度矩阵H进行二值化处理，处理的过程如下：将所述高度矩阵H中高于地面预设高度的点标记为255(白色)，其余点标记为0(黑色)，得到二值化图像。其中，所述预设高度可以依据经验或者具体情况进行设定，本发明实施例中对所述预设的高度的取值不进行限定，优选的，所述预设高度为2cm。然后，采用OpenCV对所述二值化图像进行降噪处理，得到目标图像，在openCV对应的接口中获取对所述目标图像的识别结果，集所述行李的轮廓。
S104、依据所述轮廓确定所述行李的高度、所述轮廓的像素长度和像素宽度；
本发明实施例中，针对所述行李的高度，获取所述轮廓中包含的各个目标像素点位置，依据所述位置在所述高度矩阵H中获取对应的高度，计算各个高度的平均值h'，将所述平均值作为所述行李的高度。
然后，确定所述轮廓的目标外接矩形，其中，优选的，所述目标外接矩形为最小外接矩形，所述最小外接矩形的确定过程如下：确定所述轮廓二维形状的最大范围，所述最小外接矩形为以给定的二维形状各顶点中的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标定下边界的矩形。其中，所述最小外接矩形包含所述轮廓且与坐标值平行。将所述最小外接矩形的长度作为所述行李的像素长度pl'，将所述最小外接矩形的宽度作为所述行李的像素宽度pw'
S105、将所述像素长度和所述像素宽度转换为所述行李的长度和宽度。
本发明实施例中，预先确定单位像素距离，然后依据公式(1)和公式(2)计算所述行李的长度和宽度：
其中，w:行李的宽度，h：地面与所述深度拍摄装置的距离(预先测得)，h'行李的高度，pw'：像素宽度，pl'：像素长度，l：行李长度和du单位像素距离。
本发明公开了一种基于深度图像的行李尺寸识别方法，通过深度拍摄装置预先获取无行李状态下识别区域的背景矩阵，包括：当检测到行李放置在所述识别区域时，获取存在所述行李状态下识别区域的距离矩阵；依据所述背景矩阵和所述距离矩阵确定所述行李的高度矩阵；依据所述高度矩阵识别出所述行李的轮廓；依据所述轮廓确定所述行李的高度、所述轮廓的像素长度和像素宽度；将所述像素长度和所述像素宽度转换为所述行李的长度和宽度。上述的方法中，通过深度拍摄装置采集行李轮廓，确定进行行李尺寸的高度、轮廓的像素长度和像素宽度识别，再将像素长度和像素宽度转换为行李的长度和宽度，不再采用激光传感器等相关设备进行行李尺寸识别。
本发明实施例中，对所述二值化图像进行降噪处理的过程包括：对所述二值化图像进行腐蚀后再膨胀，针对腐蚀，腐蚀的基本理念就和土壤腐蚀一样，它会腐蚀掉前景的边缘(所以前景应该用白色)，核腐蚀掉所述二值化图像。所述二值化图像里的一个像素(1或者0)只有在核下的所有像素都是1的时候才被认为是1，否则它就被腐蚀掉了(变成0)。根据核的大小来决定在边界附近的多少像素会被丢弃掉，所以前景物体的厚度或大小会缩小，或者说白色区域会减小。这个在移除小的白色噪点时很有用。
针对膨胀，腐蚀的反义词，在核下只要有至少一个像素是1，像素的值就是1，所以它会增加所述二值化图像上白色区域的范围或者前景物体的大小。一般来说，在去噪过程中，腐蚀后会再膨胀。因为腐蚀去掉了白噪点，但是它也缩小了对象，所以再膨胀它，由于噪点已经没了，它不会回来，行李区域会增加。
进一步的，针对降噪过程的处理，本发明实施例中仅以腐蚀和膨胀为例进行说明，对具体的降噪处理方法不进行限定。
本发明实施例中，将所述像素长度和所述像素宽度转换为所述行李的长度和宽度过程中，需要预先确定单位像素距离du，其中，所述单位像素距离的处理过程如下：使用已知真实长宽高的目标物体放置在所述识别区域，其中，所述目标物体可以为标准方形物体，计算所述目标物体在地面高度的像素长和像素宽，计算方法S104说明相同，这里不再赘述。由于该物体的真实长宽高是已知的，所以单位像素距离du可以通过真实长宽除像素长度得到。
本发明实施例中，以二维的角度来对行李宽度的计算过程进行说明，行李长度的计算过程与行李宽度相同，在此不再赘述。已知：深度摄像装置距地面高度h，分辨率1024，地面处的单位像素距离du，行李高度h'，,h'高度物体的像素宽度为pw'
求：行李的实际宽度w
我们定：高度为0时摄像头覆盖的实际宽度为d，在高度h'处深度摄像装置覆盖的实际宽度为d'。
由：
公式(3)公式(4)相除可以得到：
并且由图2可以知道：
由公式(5)和公式(6)可得：
由公式(7)最终该物体在地面的像素宽度为：
因此，该物体的实际宽度为：
基于上述的一种基于深度图像的行李尺寸识别方法，本发明实施例中还提供了一种基于深度图像的行李尺寸识别装置，其中，所述识别装置中通过深度拍摄装置预先获取无行李状态下识别区域的背景矩阵，所述识别装置的结构框图如图3所示，包括：
获取模块201、高度矩阵确定模202、识别模块203、尺寸确定模块204和转换模块205。
其中，
所述获取模块201，用于当检测到行李放置在所述识别区域时，获取存在所述行李状态下识别区域的距离矩阵；
所述高度矩阵确定模块202，用于依据所述背景矩阵和所述距离矩阵确定所述行李的高度矩阵；
所述识别模块203，用于依据所述高度矩阵识别出所述行李的轮廓；
所述尺寸确定模块204，用于依据所述轮廓确定所述行李的高度、所述轮廓的像素长度和像素宽度；
所述转换模块205，用于将所述像素长度和所述像素宽度转换为所述行李的长度和宽度。
本发明公开了一种基于深度图像的行李尺寸识别装置，通过深度拍摄装置预先获取无行李状态下识别区域的背景矩阵，包括：当检测到行李放置在所述识别区域时，获取存在所述行李状态下识别区域的距离矩阵；依据所述背景矩阵和所述距离矩阵确定所述行李的高度矩阵；依据所述高度矩阵识别出所述行李的轮廓；依据所述轮廓确定所述行李的高度、所述轮廓的像素长度和像素宽度；将所述像素长度和所述像素宽度转换为所述行李的长度和宽度。上述的装置中，通过深度拍摄装置采集行李轮廓，确定进行行李尺寸的高度、轮廓的像素长度和像素宽度识别，再将像素长度和像素宽度转换为行李的长度和宽度，不再采用激光传感器等相关设备进行行李尺寸识别。
本发明实施例中，所述识别模块203包括：
二值化单元206、降噪单元207和识别单元208。
其中，
所述二值化单元206，用于将所述高度矩阵进行二值化处理，得到二值化图像；
所述降噪单元207，用于对所述二值化图像进行降噪处理，得到目标图像；
所述识别单元208，用于识别所述目标图像中所述行李的轮廓。
本发明实施例中，所述尺寸确定模块204包括：
高度获取单元209和外接矩阵确定单元210。
其中，
所述高度获取单元209，用于获取所述轮廓中各个像素点的高度，计算各个高度的平均值，将所述平均值作为所述行李的高度；
所述外接矩阵确定单元210，用于确定所述轮廓的目标外接矩阵，将所述目标外接的长度和宽度作为所述轮廓的像素长度和像素宽度。
本发明实施例中，所述转换模块205包括：
像素距离确定单元211和计算单元210。
其中，
所述像素距离确定单元211，用于预先确定单位像素距离；
所述计算单元212，用于依据公式：和/>计算所述行李的长度和宽度，
其中，w:行李的宽度，h：地面与所述深度拍摄装置的距离，h'行李的高度，pw'：像素宽度，pl'：像素长度，l：行李长度和du单位像素距离。
本发明实施例中，像素距离确定单元211包括：
放置子单元213、计算子单元214和确定子单元215。
其中，
所述放置子单元213，用于将已知尺寸的目标物体放置在所述识别区域；
所述计算子单元214，用于计算所述目标物体的目标像素长度和目标像素宽度；
所述确定子单元215，用于将所述目标物体长度与所述目标像素长度的比值或者所述目标物体宽度与所述目标像素宽度的比值作为所述单位像素距离。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明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，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，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或者实施例的某些部分所述的方法。
以上对本发明所提供的一种基于深度图像的行李尺寸识别方法及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于深度图像的行李尺寸识别方法，其特征在于，通过深度拍摄装置预先获取无行李状态下识别区域的背景矩阵，包括：
当检测到行李放置在所述识别区域时，获取存在所述行李状态下识别区域的距离矩阵；
依据所述背景矩阵和所述距离矩阵确定所述行李的高度矩阵；
依据所述高度矩阵识别出所述行李的轮廓；
依据所述轮廓确定所述行李的高度、所述轮廓的像素长度和像素宽度；
将所述像素长度和所述像素宽度转换为所述行李的长度和宽度；
所述将所述像素长度和所述像素宽度转换为所述行李的长度和宽度，包括：
预先确定单位像素距离；
依据公式：和/>计算所述行李的长度和宽度，
其中，w:行李的宽度，h：地面与所述深度拍摄装置的距离，h'行李的高度，pw'：像素宽度，pl'：像素长度，l：行李长度和du单位像素距离；
预先确定单位像素距离，包括：
将已知尺寸的目标物体放置在所述识别区域；
计算所述目标物体的目标像素长度和目标像素宽度；
将所述目标物体长度与所述目标像素长度的比值或者所述目标物体宽度与所述目标像素宽度的比值作为所述单位像素距离。
2.根据权利要求1所述的方法，其特征在于，依据所述高度矩阵识别出所述行李的轮廓，包括：
将所述高度矩阵进行二值化处理，得到二值化图像；
对所述二值化图像进行降噪处理，得到目标图像；
识别所述目标图像中所述行李的轮廓。
3.根据权利要求1所述的方法，其特征在于，依据所述轮廓确定所述行李的高度、所述轮廓的像素长度和像素宽度，包括：
获取所述轮廓中各个像素点的高度，计算各个高度的平均值，将所述平均值作为所述行李的高度；
确定所述轮廓的目标外接矩阵，将所述目标外接的长度和宽度作为所述轮廓的像素长度和像素宽度。
4.一种基于深度图像的行李尺寸识别装置，其特征在于，通过深度拍摄装置预先获取无行李状态下识别区域的背景矩阵，包括：
获取模块，用于当检测到行李放置在所述识别区域时，获取存在所述行李状态下识别区域的距离矩阵；
高度矩阵确定模块，用于依据所述背景矩阵和所述距离矩阵确定所述行李的高度矩阵；
识别模块，用于依据所述高度矩阵识别出所述行李的轮廓；
尺寸确定模块，用于依据所述轮廓确定所述行李的高度、所述轮廓的像素长度和像素宽度；
转换模块，用于将所述像素长度和所述像素宽度转换为所述行李的长度和宽度；
所述转换模块包括：
像素距离确定单元和计算单元；
其中，
所述像素距离确定单元，用于预先确定单位像素距离；
所述计算单元，用于依据公式：和/>计算所述行李的长度和宽度；
其中，w:行李的宽度，h：地面与所述深度拍摄装置的距离，h'行李的高度，pw'：像素宽度，pl'：像素长度，l：行李长度和du单位像素距离；
像素距离确定单元包括：
放置子单元、计算子单元和确定子单元；
其中，
所述放置子单元，用于将已知尺寸的目标物体放置在所述识别区域；
所述计算子单元，用于计算所述目标物体的目标像素长度和目标像素宽度；
所述确定子单元，用于将所述目标物体长度与所述目标像素长度的比值或者所述目标物体宽度与所述目标像素宽度的比值作为所述单位像素距离。
5.根据权利要求4所述的装置，其特征在于，所述识别模块包括：
二值化单元，用于将所述高度矩阵进行二值化处理，得到二值化图像；
降噪单元，用于对所述二值化图像进行降噪处理，得到目标图像；
识别单元，用于识别所述目标图像中所述行李的轮廓。
6.根据权利要求4所述的装置，其特征在于，所述尺寸确定模块包括：
高度获取单元，用于获取所述轮廓中各个像素点的高度，计算各个高度的平均值，将所述平均值作为所述行李的高度；
外接矩阵确定单元，用于确定所述轮廓的目标外接矩阵，将所述目标外接的长度和宽度作为所述轮廓的像素长度和像素宽度。
7.根据权利要求4所述的装置，其特征在于，所述转换模块包括：
像素距离确定单元，用于预先确定单位像素距离；
计算单元，用于依据公式：和/>计算所述行李的长度和宽度，
其中，w:行李的宽度，h：地面与所述深度拍摄装置的距离，h'行李的高度，pw'：像素宽度，pl'：像素长度，l：行李长度和du单位像素距离。
8.根据权利要求7所述的装置，其特征在于，像素距离确定单元包括：
放置子单元，用于将已知尺寸的目标物体放置在所述识别区域；
计算子单元，用于计算所述目标物体的目标像素长度和目标像素宽度；
确定子单元，用于将所述目标物体长度与所述目标像素长度的比值或者所述目标物体宽度与所述目标像素宽度的比值作为所述单位像素距离。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911070507.3A CN110838142B (zh) | 2019-11-05 | 2019-11-05 | 一种基于深度图像的行李尺寸识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911070507.3A CN110838142B (zh) | 2019-11-05 | 2019-11-05 | 一种基于深度图像的行李尺寸识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110838142A CN110838142A (zh) | 2020-02-25 |
| CN110838142B true CN110838142B (zh) | 2023-09-08 |
Family
ID=69576092
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911070507.3A Active CN110838142B (zh) | 2019-11-05 | 2019-11-05 | 一种基于深度图像的行李尺寸识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110838142B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113386146A (zh) * | 2020-03-14 | 2021-09-14 | 异起(上海)智能科技有限公司 | 一种切物体或食物的方法和装置 |
| 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 (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN108550143A (zh) * | 2018-04-03 | 2018-09-18 | 长安大学 | 一种基于rgb-d相机的车辆长宽高尺寸的测量方法 |
| CN109215069A (zh) * | 2017-07-07 | 2019-01-15 | 杭州海康机器人技术有限公司 | 目标物信息获取方法及装置 |
| CN109472822A (zh) * | 2018-12-29 | 2019-03-15 | 上海大学 | 基于深度图像处理的物体尺寸测量方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10318976B2 (en) * | 2015-07-28 | 2019-06-11 | Walmart Apollo, Llc | Methods for determining measurement data of an item |
-
2019
- 2019-11-05 CN CN201911070507.3A patent/CN110838142B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN109215069A (zh) * | 2017-07-07 | 2019-01-15 | 杭州海康机器人技术有限公司 | 目标物信息获取方法及装置 |
| CN108550143A (zh) * | 2018-04-03 | 2018-09-18 | 长安大学 | 一种基于rgb-d相机的车辆长宽高尺寸的测量方法 |
| CN109472822A (zh) * | 2018-12-29 | 2019-03-15 | 上海大学 | 基于深度图像处理的物体尺寸测量方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈大海 ; 莫林 ; 易向阳 ; .固定摄像头图像中测算目标距离和尺寸的算法.大众科技.2011,(第08期),第1-5页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110838142A (zh) | 2020-02-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109242828B (zh) | 基于光栅投影多步相移法的3d打印制品三维缺陷检测方法 | |
| Jahanshahi et al. | An innovative methodology for detection and quantification of cracks through incorporation of depth perception | |
| EP3243166B1 (en) | Structural masking for progressive health monitoring | |
| JP4644819B2 (ja) | 微小変位計測法及び装置 | |
| CN109801333B (zh) | 体积测量方法、装置、系统及计算设备 | |
| CN102680480A (zh) | 一种混凝土结构裂缝智能化检测方法 | |
| CN110838142B (zh) | 一种基于深度图像的行李尺寸识别方法及装置 | |
| CN107507226B (zh) | 一种图像匹配的方法及装置 | |
| CN104574393A (zh) | 一种三维路面裂缝图像生成系统和方法 | |
| CN109632808A (zh) | 棱边缺陷检测方法、装置、电子设备及存储介质 | |
| Fawzy | Study the accuracy of digital close range photogrammetry technique software as a measuring tool | |
| JP2014228357A (ja) | ひび割れ検出方法 | |
| Shin et al. | Lane detection algorithm based on top-view image using random sample consensus algorithm and curve road model | |
| CN115096206A (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
| CN111652897A (zh) | 一种基于机器人视觉的边缘定位方法及装置 | |
| CN111222507A (zh) | 数字式仪表读数的自动识别方法、计算机可读存储介质 | |
| KR101129220B1 (ko) | 레인지 영상의 노이즈 제거장치 및 방법 | |
| JP2009301411A (ja) | 凹凸文字抽出のための画像処理方法及び画像処理装置 | |
| Zhou et al. | Automated detection of surface defects on sphere parts using laser and CDD measurements | |
| CN111062415A (zh) | 基于对比差异的目标对象图像提取方法、系统及存储介质 | |
| CN114862816A (zh) | 毛刺检测方法、系统和计算机可读存储介质 | |
| CN112991327B (zh) | 基于机器视觉的钢格网焊接系统、方法和终端设备 | |
| CN114677331A (zh) | 基于灰度图像和深度数据融合的管材缺陷检测方法及装置 | |
| CN111307037B (zh) | 一种基于3d摄像头的手持体积测量装置 | |
| US8270678B2 (en) | Method, system, and computer program product to detect micron scale displacement of objects from a long range with and optical device and related computer implemented methods |
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 |