CN110853092A - 一种基于不规则物体的点云量方算法 - Google Patents
一种基于不规则物体的点云量方算法 Download PDFInfo
- Publication number
- CN110853092A CN110853092A CN201911145829.XA CN201911145829A CN110853092A CN 110853092 A CN110853092 A CN 110853092A CN 201911145829 A CN201911145829 A CN 201911145829A CN 110853092 A CN110853092 A CN 110853092A
- Authority
- CN
- China
- Prior art keywords
- data
- point cloud
- unit
- volume
- segmentation
- 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.)
- Pending
Links
- 230000001788 irregular Effects 0.000 title claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 28
- 238000005259 measurement Methods 0.000 title claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 47
- 230000011218 segmentation Effects 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 238000013501 data transformation Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims 6
- 230000000694 effects Effects 0.000 abstract description 4
- 238000012360 testing method Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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 using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于不规则物体的点云量方算法，具体包括以下步骤，在初步扫描得到数据后通过数据预处理单元进行预处理，根据货物检测图片解析图片生成点云数据，通过采用空间分割的方式对缺失数据过滤、补偿、做数据变换，本发明涉及货物体积计算技术领域。该基于不规则物体的点云量方算法，基于3D点云数据，建立不规则物体体积计算模型，并根据投影面积对Z_label数据找出最大值(max)和最小值(min)，按照数据长度(max‑min)进行等间距数据分割，按照投影平面中投影面积大小，计算分割平面的面积，根据3D点云的数据特性，提出微元思想对不规则物体进行分割，分割出近似规则物体，再进行体积计算，得出的计算效果更加的精准。
Description
技术领域
本发明涉及货物体积计算技术领域，具体为一种基于不规则物体的点云量方算法。
背景技术
物流为供应链活动的一部分，是为了满足客户需要而对商品、服务以及相关信息从产地到消费地的高效、低成本流动和储存进行的规划、实施与控制的过程。
目前，在物流行业中，包裹大多使用人工进行测量、称重、扫码、记录、计算运费的全套流程，除却工作量大、效率低之外，还需要高昂的人力成本。同领域现有智能机器能够解决规整物体的方量大小，但是对于不规则物体量方的计算并不能智能计算，同时视觉算法对货物光线的要求很高，不同光线信号接收时间不一致，不同货物背景下的测试误差很大，尤其在车厢内部光线特别昏暗的条件下，机器视觉算法条件就没办法达到测试要求，在正常光照条件下，不规则物体的货物检测误差比较大，根据货物方量和不规则物体体积计算算法针对异形件物体采用微元的思想计算异形件物体体积。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于不规则物体的点云量方算法，解决了对于不规则物体量方的计算并不能智能计算，同时视觉算法对货物光线的要求很高，不同光线信号接收时间不一致，不同货物背景下的测试误差很大，尤其在车厢内部光线特别昏暗的条件下，机器视觉算法条件就没办法达到测试要求的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种基于不规则物体的点云量方算法，具体包括以下步骤：
S1、数据准备：在初步扫描得到数据后通过数据预处理单元进行预处理，根据货物检测图片解析图片生成点云数据，通过采用空间裁剪的方式对缺失数据过滤、补偿、做数据变换，并且对数据进行采样，然后对数据进行滤波处理，再分割背景和货物平面，在计算过程中，采用数据采样点为320x240的距离信息，通过对数据中X，Y，Z进行高斯噪声处理形成降噪后的数据，同时，采用中值滤波对数据预处理形成计算所需数据；
S2、平面网格数据分割：按照数据分布轮廓，形成320x240的网格，通过网格数据分割单元对其中网格大小为1x1的投影数据进行分割，并且分别按照外轮廓和网格投影计算两点坐标(xi,yi)、(xi+1,yi+1)；
S3、近似求和：根据不规则物体的面积分割，通过面积计算单元进行近似求和并且计算相应的面积；
S4、点云序列的形成：通过点云数据生成单元根据不同时刻的3D点云，形成点云序列；
S5、Z轴分割：按照Z_label找出最大值(max)和最小值(min)，按照数据长度(max-min)通过Z轴分割单元进行等间距数据分割；
S6、体积的计算：通过体积计算单元进行整体的体积计算和整体货物求和；
S7、体积输出：通过体积输出单元将得出的货物体积输出。
优选的，所述算法包括数据预处理单元、网格数据分割单元、点云数据生成单元、面积计算单元、Z轴分割单元、体积计算单元和体积输出单元，所述数据预处理单元的输出端与网格数据分割单元的输入端连接，并且网格数据分割单元的输出端与点云数据生成单元的输入端连接。
优选的，所述点云数据生成单元的输出端与面积计算单元的输入端连接，并且面积计算单元的输出端与Z轴分割单元的输入端连接，所述Z轴分割单元的输出端与体积计算单元的输入端连接，并且体积计算单元的输出端与体积输出单元的输入端连接。
优选的，所述S3中面积计算公式为
优选的，所述S5中分割粒度计算公式为
优选的，所述S5中di为Z轴数据粒度分割。
优选的，所述S6中体积计算公式为vi＝si*di。
优选的，所述S6中整体货物求和计算公式为
(三)有益效果
本发明提供了一种基于不规则物体的点云量方算法。与现有技术相比，具备以下有益效果：
(1)、该基于不规则物体的点云量方算法基于3D点云数据，建立不规则物体体积计算模型，并根据投影面积对Z_label数据找出最大值(max)和最小值(min)，按照数据长度(max-min)进行等间距数据分割，按照投影平面中投影面积大小，计算分割平面的面积，根据3D点云的数据特性，提出微元思想对不规则物体进行分割，分割出近似规则物体，再进行面积计算，得出的计算效果更加的精准。
(2)、该基于不规则物体的点云量方算法通过实地事物分析调研物流公司手持设备的特性，并亲自测试现场测量情况，对货物量方熟悉的基础上提出货物量方算法，模型更加贴合实际情况，按照微元思想计算货物体积，可以根据货物存放地的实际情况进行精确计算。
(3)、该基于不规则物体的点云量方算法通过微元分割思想解决不规则物体的体积计算算法，按照不规则物体规则化，通过实际编码、落地相应算法、验证相应算法得准确度，切实提高了量方检测的准确度。
附图说明
图1为本发明的算法流程图；
图2为本发明系统的原理框图；
图3为本发明S2中的网格数据分割图。
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。
请参阅图1-3，本发明实施例提供一种技术方案：一种基于不规则物体的点云量方算法，具体包括以下步骤：
S1、数据准备：在实际测量时根据3D点云手持设备拍摄货物的量方数据(320x240)，根据图片基本信息解析生成点云数据，在初步扫描得到数据后通过数据预处理单元进行预处理，根据货物检测图片解析图片生成点云数据，通过采用空间裁剪的方式对缺失数据过滤、补偿、做数据变换，并且对数据进行采样，然后对数据进行滤波处理，再分割背景和货物平面，在计算过程中，采用数据采样点为320x240的距离信息，通过对数据中X，Y，Z进行高斯噪声处理形成降噪后的数据，同时，采用中值滤波对数据预处理形成计算所需数据；
S2、平面网格数据分割：按照数据分布轮廓，形成320x240的网格，通过网格数据分割单元对其中网格大小为1x1的投影数据进行分割，并且分别按照外轮廓和网格投影计算两点坐标(xi,yi)、(xi+1,yi+1)；
S3、近似求和：根据不规则物体的面积分割，通过面积计算单元进行近似求和并且计算相应的面积，面积计算公式为
S4、点云序列的形成：通过点云数据生成单元根据不同时刻的3D点云，形成点云序列；
S5、Z轴分割：按照Z_label找出最大值(max)和最小值(min)，按照数据长度(max-min)通过Z轴分割单元进行等间距数据分割，分割粒度计算公式为
di为Z轴数据粒度分割；
S6、体积的计算：通过体积计算单元进行整体的体积计算和整体货物求和，体积计算公式为vi＝si*di，整体货物求和计算公式为
S7、体积输出：通过体积输出单元将得出的货物体积输出。
本发明中算法包括数据预处理单元、网格数据分割单元、点云数据生成单元、面积计算单元、Z轴分割单元、体积计算单元和体积输出单元，数据预处理单元的输出端与网格数据分割单元的输入端连接，并且网格数据分割单元的输出端与点云数据生成单元的输入端连接，点云数据生成单元的输出端与面积计算单元的输入端连接，并且面积计算单元的输出端与Z轴分割单元的输入端连接，Z轴分割单元的输出端与体积计算单元的输入端连接，并且体积计算单元的输出端与体积输出单元的输入端连接。
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。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于不规则物体的点云量方算法，其特征在于：具体包括以下步骤：
S1、数据准备：在初步扫描得到数据后通过数据预处理单元进行预处理，根据货物检测图片解析图片生成点云数据，通过采用空间分割的方式对缺失数据过滤、补偿、做数据变换，并且对数据进行采样，然后对数据进行滤波处理，再分割背景和货物平面，在计算过程中，采用数据采样点为320x240的距离信息，通过对数据中X，Y，Z进行高斯噪声处理形成降噪后的数据，同时，采用中值滤波对数据预处理形成计算所需数据；
S2、平面网格数据分割：按照数据分布轮廓，形成320x240的网格，通过网格数据分割单元对其中网格大小为1x1的投影数据进行分割，并且分别按照外轮廓和网格投影计算两点坐标(xi,yi)、(xi+1,yi+1)；
S3、近似求和：根据不规则物体的面积分割，通过面积计算单元进行近似求和并且计算相应的面积；
S4、点云序列的形成：通过点云数据生成单元根据不同时刻的3D点云，形成点云序列；
S5、Z轴分割：按照Z_label找出最大值(max)和最小值(min)，按照数据长度(max-min)通过Z轴分割单元进行等间距数据分割；
S6、体积的计算：通过体积计算单元进行整体的体积计算和整体货物求和；
S7、体积输出：通过体积输出单元将得出的货物体积输出。
2.根据权利要求1所述的一种基于不规则物体的点云量方算法，包括数据预处理单元、网格数据分割单元、点云数据生成单元、面积计算单元、Z轴分割单元、体积计算单元和体积输出单元，所述数据预处理单元的输出端与网格数据分割单元的输入端连接，并且网格数据分割单元的输出端与点云数据生成单元的输入端连接。
3.根据权利要求1所述的一种基于不规则物体的点云量方算法，其特征在于：所述点云数据生成单元的输出端与面积计算单元的输入端连接，并且面积计算单元的输出端与Z轴分割单元的输入端连接，所述Z轴分割单元的输出端与体积计算单元的输入端连接，并且体积计算单元的输出端与体积输出单元的输入端连接。
4.根据权利要求1所述的一种基于不规则物体的点云量方算法，其特征在于：所述S3中面积计算公式为
5.根据权利要求1所述的一种基于不规则物体的点云量方算法，其特征在于：所述S5中分割粒度计算公式为
6.根据权利要求1所述的一种基于不规则物体的点云量方算法，其特征在于：所述S5中di为Z轴数据粒度分割。
7.根据权利要求1所述的一种基于不规则物体的点云量方算法，其特征在于：所述S6中体积计算公式为vi＝si*di。
8.根据权利要求1所述的一种基于不规则物体的点云量方算法，其特征在于：所述S6中整体货物求和计算公式为
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911145829.XA CN110853092A (zh) | 2019-11-21 | 2019-11-21 | 一种基于不规则物体的点云量方算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911145829.XA CN110853092A (zh) | 2019-11-21 | 2019-11-21 | 一种基于不规则物体的点云量方算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110853092A true CN110853092A (zh) | 2020-02-28 |
Family
ID=69603071
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911145829.XA Pending CN110853092A (zh) | 2019-11-21 | 2019-11-21 | 一种基于不规则物体的点云量方算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110853092A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111815701A (zh) * | 2020-06-11 | 2020-10-23 | 吉旗物联科技（上海）有限公司 | 基于直方柱投影点的体积确定方法及装置 |
| CN111860570A (zh) * | 2020-06-03 | 2020-10-30 | 成都信息工程大学 | 一种云微粒子图像提取及分类方法 |
| CN112528209A (zh) * | 2020-12-08 | 2021-03-19 | 四川蓉信开工程设计有限公司 | 一种基于分治思想的不规则箱体容积率快速计算方法 |
| CN113091656A (zh) * | 2021-03-25 | 2021-07-09 | 中国航发南方工业有限公司 | 一种封闭异型窄通道类零件的截面面积测量方法及系统 |
| CN113947629A (zh) * | 2021-10-20 | 2022-01-18 | 吉旗物联科技（上海）有限公司 | 一种物体体积的确定方法、装置、电子设备及存储介质 |
| CN113984164A (zh) * | 2021-10-26 | 2022-01-28 | 上海吉七物联网科技有限公司 | 一种基于车辆板簧双加速度传感器的吨位检测方法及装置 |
| CN113947629B (zh) * | 2021-10-20 | 2024-10-22 | 吉旗物联科技（上海）有限公司 | 一种物体体积的确定方法、装置、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107516077A (zh) * | 2017-08-17 | 2017-12-26 | 武汉大学 | 基于激光点云和影像数据融合的交通标牌信息提取方法 |
| CN109697731A (zh) * | 2018-12-21 | 2019-04-30 | 北京林业大学 | 基于点云数据的植物冠层体积计算方法、系统及相关设备 |
| CN110276317A (zh) * | 2019-06-26 | 2019-09-24 | Oppo广东移动通信有限公司 | 一种物体尺寸检测方法、物体尺寸检测装置及移动终端 |
-
2019
- 2019-11-21 CN CN201911145829.XA patent/CN110853092A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107516077A (zh) * | 2017-08-17 | 2017-12-26 | 武汉大学 | 基于激光点云和影像数据融合的交通标牌信息提取方法 |
| CN109697731A (zh) * | 2018-12-21 | 2019-04-30 | 北京林业大学 | 基于点云数据的植物冠层体积计算方法、系统及相关设备 |
| CN110276317A (zh) * | 2019-06-26 | 2019-09-24 | Oppo广东移动通信有限公司 | 一种物体尺寸检测方法、物体尺寸检测装置及移动终端 |
Non-Patent Citations (1)
| Title |
|---|
| 李斌等: "《不规则体体积计算三维激光点云切片法》", 《测绘学报》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111860570A (zh) * | 2020-06-03 | 2020-10-30 | 成都信息工程大学 | 一种云微粒子图像提取及分类方法 |
| CN111815701A (zh) * | 2020-06-11 | 2020-10-23 | 吉旗物联科技（上海）有限公司 | 基于直方柱投影点的体积确定方法及装置 |
| CN112528209A (zh) * | 2020-12-08 | 2021-03-19 | 四川蓉信开工程设计有限公司 | 一种基于分治思想的不规则箱体容积率快速计算方法 |
| CN112528209B (zh) * | 2020-12-08 | 2024-04-12 | 四川蓉信开工程设计有限公司 | 一种基于分治思想的不规则箱体容积率快速计算方法 |
| CN113091656A (zh) * | 2021-03-25 | 2021-07-09 | 中国航发南方工业有限公司 | 一种封闭异型窄通道类零件的截面面积测量方法及系统 |
| CN113947629A (zh) * | 2021-10-20 | 2022-01-18 | 吉旗物联科技（上海）有限公司 | 一种物体体积的确定方法、装置、电子设备及存储介质 |
| CN113947629B (zh) * | 2021-10-20 | 2024-10-22 | 吉旗物联科技（上海）有限公司 | 一种物体体积的确定方法、装置、电子设备及存储介质 |
| CN113984164A (zh) * | 2021-10-26 | 2022-01-28 | 上海吉七物联网科技有限公司 | 一种基于车辆板簧双加速度传感器的吨位检测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110853092A (zh) | 一种基于不规则物体的点云量方算法 | |
| Medina et al. | Enhanced automatic detection of road surface cracks by combining 2D/3D image processing techniques | |
| US20220012907A1 (en) | Volume measurement method and system, apparatus and computer-readable storage medium | |
| Guo et al. | A geometry-and texture-based automatic discontinuity trace extraction method for rock mass point cloud | |
| CN106996751B (zh) | 一种基于视觉图像的运粮车谷物装载状态检测方法及装置 | |
| CN103134785A (zh) | 一种基于机器视觉的荧光粉涂覆表面缺陷检测系统及方法 | |
| Pham et al. | A YOLO-based real-time packaging defect detection system | |
| CN109872303A (zh) | 表面缺陷视觉检测方法、装置和电子设备 | |
| CN109283182A (zh) | 一种电池焊点缺陷的检测方法、装置及系统 | |
| CN112381791A (zh) | 一种基于3d点云的螺栓松动检测方法 | |
| CN107004266A (zh) | 检测轮胎表面上缺陷的方法 | |
| CN111814739B (zh) | 快递包裹体积的检测方法、装置、设备及存储介质 | |
| CN111539927B (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测方法 | |
| CN104778684A (zh) | 钢材表面异质型缺陷的自动测量、表征分类方法及其系统 | |
| CN112857219B (zh) | 基于tof深度相机的体积测量方法及装置 | |
| CN114581805A (zh) | 一种采用3d线激光轮廓技术的涂敷辊面缺陷检测方法 | |
| CN203117109U (zh) | 基于机器视觉的荧光粉涂覆表面缺陷检测系统 | |
| CN114529555A (zh) | 一种基于图像识别的烟箱高效进出库检测方法 | |
| CN116580092A (zh) | 基于自动识别快件体积的快件装载方法及系统 | |
| CN116863083A (zh) | 变电站三维点云数据的处理方法和装置 | |
| Liu et al. | A novel scratch detection and measurement method for automotive stamping parts | |
| CN114581433B (zh) | 一种获取金属球腔内表面形貌检测图像的方法及系统 | |
| CN115731390A (zh) | 一种灰岩隧道岩体结构面识别方法及设备 | |
| CN115761257A (zh) | 基于计算机视觉技术的零部件角度检测方法及装置 | |
| CN114518213A (zh) | 基于骨架线约束的流场测量方法、系统、装置及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200228 |