CN111336959A - 货车载货体积处理方法及装置、设备和计算机可读介质 - Google Patents

货车载货体积处理方法及装置、设备和计算机可读介质 Download PDF

Info

Publication number
CN111336959A
CN111336959A CN201811550389.1A CN201811550389A CN111336959A CN 111336959 A CN111336959 A CN 111336959A CN 201811550389 A CN201811550389 A CN 201811550389A CN 111336959 A CN111336959 A CN 111336959A
Authority
CN
China
Prior art keywords
load
truck
point cloud
dense point
scale information
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
Application number
CN201811550389.1A
Other languages
English (en)
Other versions
CN111336959B (zh
Inventor
吕晓磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201811550389.1A priority Critical patent/CN111336959B/zh
Publication of CN111336959A publication Critical patent/CN111336959A/zh
Application granted granted Critical
Publication of CN111336959B publication Critical patent/CN111336959B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
    • G01B21/04—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness by measuring coordinates of points

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开涉及货车载货体积计算领域，提供了一种货车载货体积处理方法、装置、电子设备和计算机可读介质，该方法包括：获取负载货车的稠密点云，将负载货车的稠密点云与空载货车具备尺度信息的稠密点云刚性对齐，获取负载货车具备尺度信息的稠密点云；确定负载货车货物表面处具备尺度信息的稠密点云以及负载货车货物与负载货车车厢交接处附近具备尺度信息的稠密点云；构建负载货车货物表面模板，获取负载货车货物表面模板具备尺度信息的点云；将负载货车货物表面模板具备尺度信息的点云与负载货车货物表面处具备尺度信息的稠密点云非刚性对齐，确定负载货车货物轮廓；计算负载货车的载货体积。采用本公开提出的方法可以快快速获取货车的载货体积。

Description

货车载货体积处理方法及装置、设备和计算机可读介质
技术领域
本公开涉及货车载货体积计算领域，尤其涉及一种货车载货体积处理方法及装置、电子设备和计算机可读介质。
背景技术
当今社会，货车载货体积的快速测量对于物流行业来说非常重要。所谓货车载货体积的快速测量，就是在货车装载了一部分货物之后，测量已装载货物体积，以便对接下来的装载进行规划。
现在采用的测量方法一般都是人工进行测量然后简单估算，即测量载货车厢空余部分的长宽高，然后计算估计货车车厢的剩余体积。人工测量可以使用皮尺或者激光测距仪等设备来进行，但是这种方法需要操作者有一定的操作经验，而且比较费时费力。
发明内容
有鉴于此，本公开提供一种货车载货体积处理方法及装置、电子设备和计算机可读介质能够快速、准确获得货车的载货体积。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开实施例一个方面，提出一种货车载货体积处理方法，该方法包括：获取负载货车的稠密点云数据，并将所述负载货车的稠密点云与空载货车具备尺度信息的稠密点云刚性对齐，以获取所述负载货车具备尺度信息的稠密点云；根据所述负载货车和所述空载货车具备尺度信息的稠密点云，确定所述负载货车货物表面处具备尺度信息的稠密点云以及所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云；根据所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云构建所述负载货车货物表面模板，并获取所述负载货车货物表面模板具备尺度信息的点云；以及将所述负载货车货物表面模板具备尺度信息的点云与所述负载货车货物表面处具备尺度信息的稠密点云非刚性对齐，以确定所述负载货车货物轮廓；根据所述负载货车货物轮廓，计算所述负载货车的载货体积。
在本公开的一种示例性实施例中，所述将所述负载货车的稠密点云与空载货车具备尺度信息的稠密点云刚性对齐包括：获取空载货车的稠密点云，并将所述空载货车的稠密点云与货车车厢模板的点云刚性对齐，以获取所述空载货车具备尺度信息的稠密点云；
在本公开的一种示例性实施例中，所述将所述空载货车的稠密点云与所述货车车厢模板点云刚性对齐包括：基于用户输入的所述货车的长宽高构建所述货车车厢模板，并获取所述货车车厢模板的点云。
在本公开的一种示例性实施例中，所述根据所述负载货车和所述空载货车具备尺度信息的稠密点云，确定所述负载货车货物表面具备尺度信息的稠密点云以及所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云包括：识别并删除所述负载货车具备尺度信息的稠密点云中属于货车本身的稠密点云，以获取所述负载货车货物表面具备尺度信息的稠密点云以及所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云。
在本公开的一种示例性实施例中，所述根据所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云构建所述负载货车货物表面模板包括：将所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云向车厢二维平面上投影得到投影点，并在所述车厢二维平面上拟合投影点后获取所述负载货车货物与所述负载货车车厢交接曲线。
在本公开的一种示例性实施例中，所述根据所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云构建所述负载货车货物表面模板还包括：基于所述负载货车货物与所述负载货车车厢的交接曲线构建所述负载货车货物表面模板。
在本公开的一种示例性实施例中，所述根据所述负载货车货物轮廓，计算所述负载货车的载货体积包括：根据所述负载货车货物的轮廓构建所述负载货车的货物空间；对所述负载货车的货物空间进行细分，将细分后的货物空间的体积求和，以获取所述负载货车的载货体积。
根据本公开的第二方面，提出一种货车载货体积处理装置，该装置包括：
负载货车稠密点云获取模块，配置为获取负载货车的稠密点云数据，并将所述负载货车的稠密点云与空载货车具备尺度信息的稠密点云刚性对齐，以获取所述负载货车具备尺度信息的稠密点云；货物表面点云确定模块，配置为根据所述负载货车和所述空载货车具备尺度信息的稠密点云，确定所述负载货车货物表面处具备尺度信息的稠密点云以及所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云；货物表面模板构建模块，配置为根据所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云构建所述负载货车货物表面模板，并获取所述负载货车货物表面模板具备尺度信息的点云；货物轮廓确定模块，配置为将所述负载货车货物表面模板具备尺度信息的点云与所述负载货车货物表面处具备尺度信息的稠密点云非刚性对齐，以确定所述负载货车货物轮廓；载货体积计算模块，配置为根据所述负载货车货物轮廓，计算所述负载货车的载货体积。
根据本公开的第三方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一项所述的货车体积处理方法。
根据本公开的第四方面，提出一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如上述任一项所述的货车载货体积处理方法。
根据本公开某些实施例提供的货车载货体积处理方法、装置及电子设备和计算机可读介质，可以快速、便捷地处理货车载货体积。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，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示出了可以应用本发明实施例的货车载货体积处理生成方法或货车载货体积处理装置的示例性系统架构的示意图。
图2是根据一示例性实施例示出的一种货车载货体积处理方法的流程图。
图3是根据另一示例性实施例示出的一种货车载货体积处理方法的流程图。
图4是根据一示例性实施例示出的拟合投影点后获取拟合曲线的示意图
图5是根据一示例性实施例示出的一种货车载货体积处理装置的框图。
图6是根据一示例性实施例示出的另一种货车载货体积处理装的置框。
图7是根据一示例性实施例示出的另一种货车载货体积处理装置框图。
图8是根据一示例性实施例示出的另一种货车载货体积处理装置框图。
图9是根据一示例性实施例示出的另一种货车载货体积处理装置框图。
图10是根据一示例性实施例示出的一种应用于测试数据生成装置的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本发明将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而省略特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图仅为本发明的示意性图解，图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和步骤，也不是必须按所描述的顺序执行。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
本说明书中，用语“一个”、“一”、“该”、“所述”和“至少一个”用以表示存在一个或多个要素/组成部分/等；用语“包含”、“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等；用语“第一”、“第二”和“第三”等仅作为标记使用，不是对其对象的数量限制。
下面结合附图对本发明示例实施方式进行详细说明。
本公开提供的货车载货体积处理方法或载货体积处理装置可以通过具有摄像头的终端设备实现。
本公开提供的货车载货体积处理方法或载货体积处理装置还可以通过如图1所示的系统架构实现。
图1示出了可以应用本发明实施例的货车载货体积处理方法或货车载货体积处理装置的示例性系统架构的示意图。
如图1所示，系统架构100可以包括图片或视频获取装置101、终端设备102、终端设备103、网络104和服务器105。图片或视频获取装置101可以用以获取负载货车的视频或同一场景下的多张图片，终端设备102、103可以用以浏览货车图片或视频、对视频或图片进行操作、显示服务器输出结果，网络104可以用以在图片或视频获取装置101、终端设备102、终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用图片或视频获取装置101、终端设备102、终端设备103通过网络104与服务器105交互，用以浏览、接收或发送消息等。其中，图片或视频获取装置101可以获取目标图片货车视频，包括但不限于摄像机、手机、录像机等。终端设备102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对用户利用图像或视频获取装置101、终端设备102、终端设备103所进行操作的装置提供支持的后台管理服务器。后台管理服务器可以对接收到的请求等数据进行分析等处理，并将处理结果反馈给终端设备。
服务器105可例如根据图像或视频获取装置101采集的负载货车的视频或同一场景下的多张图片获取负载货车的稠密点云数据，并将所述负载货车的稠密点云与空载货车具备尺度信息的稠密点云刚性对齐，以获取所述负载货车具备尺度信息的稠密点云；服务器105可例如根据所述负载货车和所述空载货车具备尺度信息的稠密点云，确定所述负载货车货物表面处具备尺度信息的稠密点云以及所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云；服务器105可例如根据所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云构建所述负载货车货物表面模板，并获取所述负载货车货物表面模板具备尺度信息的点云；服务器105可例如将所述负载货车货物表面模板具备尺度信息的点云与所述负载货车货物表面处具备尺度信息的稠密点云非刚性对齐，以确定所述负载货车货物轮廓；服务器105可例如根据所述负载货车货物轮廓，计算所述负载货车的载货体积。
应该理解，图1中的图像或视频获取装置、终端设备、网络和服务器的数目仅仅是示意性的，服务器105可以是一个实体的服务器，还可以为多个服务器组成，根据实现需要，可以具有任意数目的终端设备、网络和服务器。需要说明的是，本申请实施例所提供的货车载货体积处理方法一般由服务器105执行，相应地，货车载货体积处理装置一般设置于服务器105中。
图2是根据一示例性实施例示出的一种货车载货体积处理方法的流程图。
参照图2，货车载货体积处理方法可以包括以下步骤。
步骤S201，获取负载货车的稠密点云数据，并将所述负载货车的稠密点云与空载货车具备尺度信息的稠密点云刚性对齐，以获取所述负载货车具备尺度信息的稠密点云。
其中，点云是指记录目标对象的表面特性的点，每一个点云除了包含有三维坐标信息，还可能含有颜色信息或反射强度信息。颜色信息可以指通过相机或摄像机等仪器获取的彩色影像，强度信息可以指通过激光扫描仪等接收装置采集到的回波强度，此强度信息与目标的表面材质、粗糙度、入射角方向，以及仪器的发射能量，激光波长有关。
我们通常把通过测量仪器得到的产品外观表面的点数据集合称之为点云。使用三维坐标测量机所得到的点数量比较少，点与点的间距也比较大，叫稀疏点云；而使用三维激光扫描仪或照相式扫描仪得到的点云，点数量比较大并且比较密集，叫稠密点云。
在一些实施例中，处理负载货车货物体积之前需要人工输入货车空载情况下的视频或相同情景的几张图片、货车负载情况下的视频或相同情景的几张图片以及货车车厢的长、宽、高信息。
在一些实施例中，首先根据空载货车的输入视频或图片和负载货车的输入视频或图片获取空载货车的稠密点云和负载货车的稠密点云。
但是，使用单目货车视频或图片重建获得的空载货车稠密点云和负载货车稠密点云并不具备尺度信息，而在体积计算过程中需要准确的尺度信息。为了赋予空载货车稠密点云和负载货车稠密点云尺度信息，还需引入货车车厢实际长、宽、高信息。
在一些实施例中，可以基于用户输入的货车车厢的长、宽、高构建出货车车厢模板，并获取所述货车车厢模板的点云。该货车车厢模板的点云具备尺度信息。
在一些实施例中，可以将空载货车的稠密点云与货车车厢模板的点云刚性对齐，以获取空载货车具备尺度信息的稠密点云。
刚性对齐是指在对齐过程中，同一对象中的点云中经过同一旋转平移与拉伸矩阵后可完成该对象与另一对象的对齐。
在一些实施例中，获得空载货车具备尺度信息的稠密点云后，还需将负载货车的稠密点云与空载货车具备尺度信息的稠密点云刚性对齐，以获取负载货车具备尺度信息的稠密点云。
根据以上实施例，可以求出空载货车具备尺度信息的稠密点云和负载货车具备尺度信息的稠密点云。
步骤S202，根据所述负载货车和所述空载货车具备尺度信息的稠密点云，确定所述负载货车货物表面处具备尺度信息的稠密点云以及所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云。
负载货车具备尺度信息的稠密点云可以进一步地分为属于货车本身的稠密点云和属于货物表面的稠密点云。
在一些实施例中，通过对比负载货车具备尺度信息的稠密点云和空载货车具备尺度信息的稠密点云，可以判断出负载货车具备尺度信息的稠密点云中哪一部分属于货车本身，哪一部分又属于货物表面。
在一些实施例中，识别并删除负载货车具备尺度信息的稠密点云中属于货车本身的稠密点云，以获取负载货车货物表面具备尺度信息的稠密点云。
删除负载货车具备尺度信息的稠密点云中属于货车本身的稠密点云后即可获得负载货车货物表面具备尺度信息的稠密点云，在此基础上还要记录负载货车货物表面与负载货车车厢交接处附近具备尺度信息的稠密点云。
步骤S203，根据所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云构建所述负载货车货物表面模板，并获取所述负载货车货物表面模板具备尺度信息的点云。
在一些示例性实施例中，将所述负载货车货物与所述负载货车某个车厢交接处附近具备尺度信息的稠密点云向该车厢二维平面上投影得到投影点，并在所述车厢二维平面上拟合投影点后以获取负载货车货物与负载货车车厢交接曲线。
获得负载货车车厢与负载货车货物表面的交接曲线后，可以基于该交接曲线构建负载货车货物表面模板，并获取负载货车货物表面模板具备尺度信息的点云。但是根据上述负载货车车厢与负载货车货物表面交接曲线构建的负载货车货物表面的模板并不具备货车货物表面的准确网络网格轮廓信息。
步骤S204，将所述负载货车货物表面模板具备尺度信息的点云与所述负载货车货物表面处具备尺度信息的稠密点云非刚性对齐，以确定负载货车货物轮廓。
其中，非刚性对齐是指在对齐过程中，目标对象中的不同点云中经过不同旋转平移与拉伸矩阵后可完成该对象与另一对象的对齐。
负载货车货物表面模板具备尺度信息的点云与所述负载货车货物表面处具备尺度信息的稠密点云非刚性对齐后就可以获得负载货车货物表面的具备尺度信息并且具备准确网络网格的轮廓。
步骤S205，根据所述负载货车货物轮廓，计算所述负载货车的载货体积。
在一些实施例中，已知负载货车货物具备尺度信息并且具备准确网络网格的轮廓，可以根据所述负载货车货物的具备尺度信息并且具备准确网络网格的轮廓构建所述负载货车的货物空间，但是该空间形状有可能是不规则的。为了更为准确的计算出负载货车货物的体积大小，还可以对负载货车的货物空间进行细分，然后将细分后的货物空间的体积求和，以获取所述负载货车的载货体积。
图3是根据另一示例性实施例示出的一种货车载货体积处理方法的流程图。
参照图3，货车载货体积处理方法可以包括以下步骤，其中虚线框中代表用户输入。
步骤S301、步骤S302，在处理负载货车货物体积之前需要输入货车空载情况下和负载情况下的视频或相同情景下的几张图片。
步骤S303、步骤S304，根据负载货车的输入视频或图片和空载货车的输入视频或图片获取负载货车的稠密点云和空载货车的稠密点云。例如，可以把空载货车视频和负载货车视频经过一个从运动到结构(Structure From Motion，SFM)的重建步骤，分别重建出空载货车的稠密点云和负载货车的稠密点云。
从运动到结构的重建步骤一般情况下要经过以下几个步骤：1、关键点检测，即使用角点检测算法检测获得负载货车和空载货车视频或图像中的关键点，例如可使用SIFT(Scale-Invariant Feature Transform，尺度不变特征变换)算法检测获取负载货车和空载货车视频或者图像中的关键点；2、找出负载货车图像或视频中的关键点与空载货车图像或视频中的关键点两两相对的对应关系，例如可使用最近邻特征匹配的方法找到负载货车图像或视频中的关键点与空载货车图像或视频中的关键点两两相对的对应关系；3、去噪，通常情况下通过上述步骤建立的两两对应的关系会存在较多的噪声，例如可以选择用RANSAC(Random Sample Consensus，随机抽样一致)算法来去掉一些噪声的匹配，使得关键点两两对应的对应关系足够鲁棒；4、得到了鲁棒的对应关系之后，可以求解获得拍摄上述负载货车视频或图像和负载货车视频或图像的相机的本征和基础矩阵，分解后可得到相机与相机之间的旋转和平移关系；5、由于两个不同的相机看到了同一个点，可以通过三角测量的基本原理来得到一些列的稀疏点云，经过全局的捆绑调整之后，得到稳定的稀疏点云数据；6、重建货物稠密点云，例如可以对上述稳定的稀疏点云数据使用CMVS(ClusteringMulti-View Stereo，聚类多视角三维重建)或者PMVS2(Patch-based Multi-view StereoSoftware-Version 2，基于块的多视图三维重建软件)以得到稠密点云重建结果。
但是，使用单目货车视频或图片重建获得的空载货车稠密点云和负载货车稠密点云并不具备尺度信息，而在体积计算过程中需要准确的尺度信息。为了赋予空载货车稠密点云和负载货车稠密点云尺度信息，还需引入货车车厢实际长、宽、高信息。
根据步骤S305，输入货车车厢实际长、宽、高。
步骤S306，根据用户输入的货车车厢的长、宽、高构建出货车车厢模板。
步骤S307，对货车车厢的模板网格化可进一步获取货车车厢模板的点云，该货车车厢模板的点云具备尺度信息。
例如，假设货车车厢是一个长方体，已知货车车厢的长、宽、高，由此可以构建出货车车厢模板。对货车车厢的模板网格化可进一步获取货车车厢模板的点云。该货车车厢模板的点云具备尺度信息。
已知空载货车稠密点云、负载货车稠密点云、货车车厢模板的点云。根据步骤S308，将空载货车稠密点云与货车车厢模板具备尺度信息的点云做刚性对齐，以获取空载货车具备尺度信息的稠密点云。
在一些实施例中，将空载货车的稠密点云与货车车厢模板的点云刚性对齐的第一步是求解空载货车稠密点云相对于货车车厢模板点云的旋转平移与拉伸尺度，可以将这一过程形式化如公式(1)：
Figure BDA0001910488670000101
其中
Figure BDA0001910488670000102
代表的是空载货车稠密点云，
Figure BDA0001910488670000103
代表的是货车车厢模板点云，函数N是最近邻函数，
Figure BDA0001910488670000104
是指在构建的货车车厢模板的点云
Figure BDA0001910488670000105
中找出距离空载货车稠密点云中当前点云
Figure BDA0001910488670000106
最近的一个点。T表示空载货车稠密点云相对于货车车厢模板点云的旋转平移和拉伸矩阵。通过最小化误差的平方和可以寻找出最佳函数匹配T，然后使用极性分解可以进一步得到矩阵T的旋转、平移和拉伸分量。
上述最近邻函数是指通过该函数找出距离指定点距离最近的点，例如可以通过公式(2)找出距离指定点(xa,ya,za)距离最近的点。
min(sqrt((x-xa)2+(y-ya)2+(z-za)2) (2)
经过上式的优化可以求出一个最佳匹配函数T，使得空载货车的稠密点云
Figure BDA0001910488670000111
经过一系列的旋转、平移和拉伸后可与货车车厢模板的点云刚性对齐。由此空载货车的稠密点云被赋予了尺度信息，即获得了空载货车具备尺度信息的稠密点云
Figure BDA0001910488670000112
在一些实施例中，获得空载货车具备尺度信息的稠密点云后，还需将负载货车的稠密点云与空载货车具备尺度信息的稠密点云刚性对齐，以获取负载货车具备尺度信息的稠密点云。
步骤S309，将负载货车稠密点云与空载货车具备尺度信息的稠密点云做刚性对齐以获取负载货车具备尺度信息的稠密点云。
在一些实施例中，将负载货车稠密点云与空载货车稠密点云刚性对齐的过程中可以引入法线、纹理约束信息，可以将这一过程形式化如公式(3)：
Figure BDA0001910488670000113
其中
Figure BDA0001910488670000114
代表的是空载货车稠密点云中的点云，
Figure BDA0001910488670000115
代表的是负载货车的稠密点云中的点云，T代表的是空载货车稠密点云相对于货车车厢模板点云的旋转平移与拉伸尺度，
Figure BDA0001910488670000116
代表的是空载货车具备尺寸信息的稠密点云，N代表最近邻函数，
Figure BDA0001910488670000117
是指在空载货车具备尺度信息的稠密点云
Figure BDA0001910488670000118
中找出距离负载货车稠密点云中的点云
Figure BDA0001910488670000119
最近的一个点，P表示的是法线函数，Q表示的是纹理函数。通过最小化误差的平方和可以寻找出最佳函数匹配
Figure BDA00019104886700001110
然后使用极性分解可以进一步得到矩阵
Figure BDA00019104886700001111
的旋转、平移和拉伸分量。
经过上式的优化可以求出一个最佳函数
Figure BDA00019104886700001112
使得负载货车的稠密点云
Figure BDA00019104886700001113
经过一系列的旋转、平移和拉伸后可与空载货车具备尺度信息的稠密点云刚性对齐，得到负载货车具备尺度信息的稠密点云
Figure BDA00019104886700001114
至此，负载货车的稠密点云被赋予了尺度信息。
以上，可以求出空载货车具备尺度信息的稠密点云和负载货车具备尺度信息的稠密点云
Figure BDA00019104886700001115
其中，负载货车具备尺度信息的稠密点云可以进一步地分为属于货车本身的稠密点云和属于货物表面的稠密点云。
在一些实施例中，通过对比负载货车具备尺度信息的稠密点云和空载货车具备尺度信息的稠密点云，可以判断出负载货车具备尺度信息的稠密点云中哪一部分属于货车本身，哪一部分又属于货物表面。
步骤S310、步骤S311，删除负载货车具备尺度信息的稠密点云中属于货车本身的稠密点云后即可获得负载货车货物表面具备尺度信息的稠密点云，在此基础上还可以记录获取负载货车货物表面与负载货车车厢交接处附近具备尺度信息的稠密点云。
在一些实施例中，获取负载货车货物与负载货车车厢交接处附近具备尺度信息的稠密点云时，首先对负载货车具备尺度信息的稠密点云进行一个筛选，即仅将距离某一车厢平面的距离小于某一个阈值的稠密点云作为考虑。一辆负载货车的车厢可以具备六个平面，其中车厢门的平面可以不纳入计算。
例如，针对负载货车车厢的下表面，可以将负载货车具备尺度信息的稠密点云中距离负载货车车厢下表面10厘米以内的稠密点云作为负载货车货物与负载货车车厢下表面的交接处附近的具备尺度信息的稠密点云。其余车厢表面附近的稠密点云获取步骤与此大致相同，此处不再赘述。
步骤S312，确定负载货车货物与负载货车车厢交接处曲线。
在一些示例性实施例中，为了获取负载货车货物与负载货车车厢交接处曲线，还需要将所述负载货车货物与所述负载货车某个车厢交接处附近具备尺度信息的稠密点云向该车厢二维平面上投影得到投影点，并在所述车厢二维平面上拟合投影点后以获取负载货车货物与负载货车车厢交接曲线。
具体地说，当负载货车车厢与负载货车货物交接处附近的稠密点云获取完毕后，将上述稠密点云向负载货车对应车厢的二维平面做投影以获取投影点。然后采用曲线拟合方法拟合上述投影点，例如可以采用3次曲线拟合方法拟合上述投影点，如图3所示。图3是根据一示例性实施例给出的将投影点拟合后获取的拟合曲线的示意图，该拟合曲线可以认为就是负载货车货物与负载货车车厢交接曲线。
例如，再次以负载货车车厢下表面为例，当负载货车车厢下表面与负载货车货物交接处附近的具备尺度信息的稠密点云向负载货车车厢下表面做投影后获得一组投影点，采用3次曲线拟合对这组投影点做拟合，可以获取负载货车货物与负载货车车厢下表面与负载货物交接处曲线。其余车厢表面与负载货车货物上的交接曲线获取步骤与此大致相同，此处不再赘述。
步骤S313，构建负载货车货物表面模板并获取货物表面模板点云。
获得负载货车车厢与负载货车货物表面的交接曲线后，可以基于该交接曲线构建负载货车货物表面模板，并获取负载货车货物表面模板具备尺度信息的点云。但是根据上述负载货车车厢与负载货车货物表面交接曲线构建的负载货车货物表面的模板并不具备货车货物表面的准确网络网格轮廓信息。
步骤S314，确定货车货物轮廓。
为了获取负载货车货物表面具备准确网络网格的轮廓，还需要将所述负载货车货物表面模板具备尺度信息的点云与所述负载货车货物表面处具备尺度信息的稠密点云非刚性对齐，以确定负载货车货物具备尺度信息并且具备准确网络网格轮廓。
负载货车货物表面模板具备尺度信息的点云与所述负载货车货物表面处具备尺度信息的稠密点云非刚性对齐后就可以获得负载货车货物表面的具备尺度信息的具备尺度信息并且具备准确网络网格轮廓。
步骤S315，根据负载货车货物体积轮廓，对负载货车货物进行体积计算。
在一些实施例中，已知负载货车货物具备尺度信息并且具备准确网络网格轮廓，可以根据所述负载货车货物的具备尺度信息并且具备准确网络网格轮廓构建所述负载货车的货物空间，但是该空间形状有可能是不规则的。为了更为准确的计算出负载货车货物的体积大小，还可以对负载货车的货物空间进行细分，然后将细分后的货物空间的体积求和，以获取所述负载货车的载货体积。
例如，可以对负载货车货物空间通过八叉树对整个空间进行细分，定义最小的体素为：5cm*5cm*5cm，然后通过把所有八叉树的体素和相加得到负载货车货物空间的体积大小。
其中八叉树的定义是：若不为空树的话，树中任一节点的子节点恰好只会有八个，或零个，也就是子节点不会有0与8以外的数目。
图5是根据一示例性实施例示出的一种测试数据生成装置的框图。参照图5，该装置500包括负载货车稠密点云获取模块501、货物表面点云确定模块502、货物表面模板构建模块503、货物轮廓确定模块504和载货体积计算模块505。
其中，负载货车稠密点云获取模块501可以配置为获取负载货车的稠密点云数据，并将所述负载货车的稠密点云与空载货车具备尺度信息的稠密点云刚性对齐，以获取所述负载货车具备尺度信息的稠密点云。
货物表面点云确定模块502可以配置为根据所述负载货车和所述空载货车具备尺度信息的稠密点云，确定所述负载货车货物表面处具备尺度信息的稠密点云以及所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云。
货物表面模板构建模块503可以配置为根据所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云构建所述负载货车货物表面模板，并获取所述负载货车货物表面模板具备尺度信息的点云。
货物轮廓确定模块504可以配置为将所述负载货车货物表面模板具备尺度信息的点云与所述负载货车货物表面处具备尺度信息的稠密点云非刚性对齐，以确定所述负载货车货物轮廓。
载货体积计算模块505可以配置为根据所述负载货车货物轮廓，计算所述负载货车的载货体积。
参见图6根据一示例性实施例示出的另一种货车载货体积处理装置框图，在图5所示装置实施例的基础上，负载货车稠密点云获取模块501可以包括：空载货车具备尺度信息稠密点云获取单元5011，可以配置为获取空载货车的稠密点云，并将所述空载货车的稠密点云与货车车厢模板的点云刚性对齐，以获取所述空载货车具备尺度信息的稠密点云；货车车厢模板点云获取单元5012，可以配置为基于用户输入的所述货车的长宽高构建所述货车车厢模板，并获取所述货车车厢模板的点云。
参见图7根据一示例性实施例示出的另一种货车载货体积处理装置框图，在图5所示装置实施例的基础上，货物表面点云确定模块502可以包括：点云删除单元5021，可以配置为识别并删除所述负载货车具备尺度信息的稠密点云中属于货车本身的稠密点云，以获取所述负载货车货物表面具备尺度信息的稠密点云以及所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云。
参见图8根据一示例性实施例示出的另一种货车载货体积处理装置框图，在图5所示装置实施例的基础上，货物表面模板构建模块503可以包括：交接曲线获取单元5031，可以配置为将所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云向车厢二维平面上投影得到投影点，并在所述车厢二维平面上拟合投影点后获取所述负载货车货物与所述负载货车车厢交接曲线；货物表面模板构建单元5032，可以配置为基于所述负载货车货物与所述负载货车车厢的交接曲线构建所述负载货车货物表面模板。
参见图9根据一示例性实施例示出的另一种货车载货体积处理装置框图，在图5所示装置实施例的基础上，载货体积计算模块505可以包括：载货体积求和单元5051，根据所述负载货车货物的轮廓构建所述负载货车的货物空间；对所述负载货车的货物空间进行细分，将细分后的货物空间的体积求和，以获取所述负载货车的载货体积。
由于本发明的示例实施例的测试数据生成装置500的各个功能模块与上述测试数据生成方法的示例实施例的步骤对应，因此在此不再赘述。
下面参考图10，其示出了适于用来实现本申请实施例的终端设备的计算机系统000的结构示意图。图10示出的终端设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图10所示，计算机系统000包括中央处理单元(CPU)001，其可以根据存储在只读存储器(ROM)002中的程序或者从存储部分008加载到随机访问存储器(RAM)003中的程序而执行各种适当的动作和处理。在RAM 003中，还存储有系统000操作所需的各种程序和数据。CPU 001、ROM 002以及RAM 003通过总线004彼此相连。输入/输出(I/O)接口005也连接至总线004。
以下部件连接至I/O接口005：包括键盘、鼠标等的输入部分006；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分007；包括硬盘等的存储部分008；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分009。通信部分009经由诸如因特网的网络执行通信处理。驱动器010也根据需要连接至I/O接口005。可拆卸介质011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器010上，以便于从其上读出的计算机程序根据需要被安装入存储部分008。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分009从网络上被下载和安装，和/或从可拆卸介质011被安装。在该计算机程序被中央处理单元(CPU)001执行时，执行本申请的系统中限定的上述功能。
需要说明的是，本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括发送单元、获取单元、确定单元和第一处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备可实现功能包括：获取负载货车的稠密点云数据，并将所述负载货车的稠密点云与空载货车具备尺度信息的稠密点云刚性对齐，以获取所述负载货车具备尺度信息的稠密点云；根据所述负载货车和所述空载货车具备尺度信息的稠密点云，确定所述负载货车货物表面处具备尺度信息的稠密点云以及所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云；根据所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云构建所述负载货车货物表面模板，并获取所述负载货车货物表面模板具备尺度信息的点云；以及将所述负载货车货物表面模板具备尺度信息的点云与所述负载货车货物表面处具备尺度信息的稠密点云非刚性对齐，以确定所述负载货车货物轮廓；根据所述负载货车货物轮廓，计算所述负载货车的载货体积。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，本发明实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者智能设备等)执行根据本发明实施例的方法，例如图2的一个或多个所示的步骤。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本公开旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。
应当理解的是，本发明并不限于这里已经示出的详细结构、附图方式或实现方法，相反，本发明意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

Claims (10)

1.一种货车载货体积处理方法，其特征在于，包括：
获取负载货车的稠密点云数据，并将所述负载货车的稠密点云与空载货车具备尺度信息的稠密点云刚性对齐，以获取所述负载货车具备尺度信息的稠密点云；
根据所述负载货车和所述空载货车具备尺度信息的稠密点云，确定所述负载货车货物表面处具备尺度信息的稠密点云以及所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云；
根据所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云构建所述负载货车货物表面模板，并获取所述负载货车货物表面模板具备尺度信息的点云；以及
将所述负载货车货物表面模板具备尺度信息的点云与所述负载货车货物表面处具备尺度信息的稠密点云非刚性对齐，以确定所述负载货车货物轮廓；
根据所述负载货车货物轮廓，计算所述负载货车的载货体积。
2.根据权利要求1所述的方法，其特征在于，所述将所述负载货车的稠密点云与空载货车具备尺度信息的稠密点云刚性对齐包括：
获取空载货车的稠密点云，并将所述空载货车的稠密点云与货车车厢模板的点云刚性对齐，以获取所述空载货车具备尺度信息的稠密点云。
3.根据权利要求2所述方法，其特征在于，所述将所述空载货车的稠密点云与所述货车车厢模板点云刚性对齐包括：
基于用户输入的所述货车的长宽高构建所述货车车厢模板，并获取所述货车车厢模板的点云。
4.根据权利要求1所述方法，其特征在于，所述根据所述负载货车和所述空载货车具备尺度信息的稠密点云，确定所述负载货车货物表面具备尺度信息的稠密点云以及所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云包括：
识别并删除所述负载货车具备尺度信息的稠密点云中属于货车本身的稠密点云，以获取所述负载货车货物表面具备尺度信息的稠密点云以及所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云。
5.根据权利要求1所述方法，其特征在于，所述根据所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云构建所述负载货车货物表面模板包括：
将所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云向车厢二维平面上投影得到投影点，并在所述车厢二维平面上拟合投影点后获取所述负载货车货物与所述负载货车车厢交接曲线。
6.根据权利要求5所述方法，其特征在于，所述根据所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云构建所述负载货车货物表面模板还包括：
基于所述负载货车货物与所述负载货车车厢的交接曲线构建所述负载货车货物表面模板。
7.根据权利要求1所述方法，其特征在于，所述根据所述负载货车货物轮廓，计算所述负载货车的载货体积包括：
根据所述负载货车货物的轮廓构建所述负载货车的货物空间；
对所述负载货车的货物空间进行细分，将细分后的货物空间的体积求和，以获取所述负载货车的载货体积。
8.一种货车载货体积处理装置，其特征在于，包括：
负载货车稠密点云获取模块，配置为获取负载货车的稠密点云数据，并将所述负载货车的稠密点云与空载货车具备尺度信息的稠密点云刚性对齐，以获取所述负载货车具备尺度信息的稠密点云；
货物表面点云确定模块，配置为根据所述负载货车和所述空载货车具备尺度信息的稠密点云，确定所述负载货车货物表面处具备尺度信息的稠密点云以及所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云；
货物表面模板构建模块，配置为根据所述负载货车货物与所述负载货车车厢交接处附近具备尺度信息的稠密点云构建所述负载货车货物表面模板，并获取所述负载货车货物表面模板具备尺度信息的点云；
货物轮廓确定模块，配置为将所述负载货车货物表面模板具备尺度信息的点云与所述负载货车货物表面处具备尺度信息的稠密点云非刚性对齐，以确定所述负载货车货物轮廓；
载货体积计算模块，配置为根据所述负载货车货物轮廓，计算所述负载货车的载货体积。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
CN201811550389.1A 2018-12-18 2018-12-18 货车载货体积处理方法及装置、设备和计算机可读介质 Active CN111336959B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811550389.1A CN111336959B (zh) 2018-12-18 2018-12-18 货车载货体积处理方法及装置、设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811550389.1A CN111336959B (zh) 2018-12-18 2018-12-18 货车载货体积处理方法及装置、设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN111336959A true CN111336959A (zh) 2020-06-26
CN111336959B CN111336959B (zh) 2023-04-07

Family

ID=71179434

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811550389.1A Active CN111336959B (zh) 2018-12-18 2018-12-18 货车载货体积处理方法及装置、设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN111336959B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112529952A (zh) * 2020-12-15 2021-03-19 武汉万集信息技术有限公司 物体体积测量方法、装置及电子设备
CN113084815A (zh) * 2021-04-14 2021-07-09 上海智蕙林医疗科技有限公司 一种带载机器人的物理尺寸计算方法及装置、机器人

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102005001480B3 (de) * 2005-01-12 2006-10-26 MAX-PLANCK-Gesellschaft zur Förderung der Wissenschaften e.V. Vorrichtung und Verfahren zur Erfassung der Ausnutzung eines bewegbaren Laderaums
WO2015135015A1 (en) * 2014-03-11 2015-09-17 3D Image Automation Pty Ltd Train wagon 3d profiler
CN107194642A (zh) * 2017-05-16 2017-09-22 北京容智惠远科技发展有限公司 一种基于物联网云计算的厢式货车装载率管理方法和系统
CN107314741A (zh) * 2017-03-01 2017-11-03 秦皇岛燕大燕软信息系统有限公司 货物体积测量方法
CN207197442U (zh) * 2017-08-09 2018-04-06 顺丰科技有限公司 一种车辆装载率测量装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102005001480B3 (de) * 2005-01-12 2006-10-26 MAX-PLANCK-Gesellschaft zur Förderung der Wissenschaften e.V. Vorrichtung und Verfahren zur Erfassung der Ausnutzung eines bewegbaren Laderaums
WO2015135015A1 (en) * 2014-03-11 2015-09-17 3D Image Automation Pty Ltd Train wagon 3d profiler
CN107314741A (zh) * 2017-03-01 2017-11-03 秦皇岛燕大燕软信息系统有限公司 货物体积测量方法
CN107194642A (zh) * 2017-05-16 2017-09-22 北京容智惠远科技发展有限公司 一种基于物联网云计算的厢式货车装载率管理方法和系统
CN207197442U (zh) * 2017-08-09 2018-04-06 顺丰科技有限公司 一种车辆装载率测量装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
路达等: "基于激光测距的中小型货物三维体积扫描", 《微型机与应用》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112529952A (zh) * 2020-12-15 2021-03-19 武汉万集信息技术有限公司 物体体积测量方法、装置及电子设备
CN112529952B (zh) * 2020-12-15 2023-11-14 武汉万集光电技术有限公司 物体体积测量方法、装置及电子设备
CN113084815A (zh) * 2021-04-14 2021-07-09 上海智蕙林医疗科技有限公司 一种带载机器人的物理尺寸计算方法及装置、机器人
CN113084815B (zh) * 2021-04-14 2022-05-17 上海智蕙林医疗科技有限公司 一种带载机器人的物理尺寸计算方法及装置、机器人

Also Published As

Publication number Publication date
CN111336959B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN111127422B (zh) 图像标注方法、装置、系统及主机
US9135710B2 (en) Depth map stereo correspondence techniques
US20200007855A1 (en) Stereo Correspondence and Depth Sensors
Chin et al. Guaranteed outlier removal with mixed integer linear programs
US20090052796A1 (en) Match, Expand, and Filter Technique for Multi-View Stereopsis
CN111336959B (zh) 货车载货体积处理方法及装置、设备和计算机可读介质
Kondermann et al. Stereo ground truth with error bars
CN114627227B (zh) 基于pbr材质的物体重建方法、设备及计算机可读存储介质
CN113793370B (zh) 三维点云配准方法、装置、电子设备及可读介质
CN109949414A (zh) 室内地图的构建方法及装置
CN115713560A (zh) 一种摄像头和车辆的外参数标定方法及装置、电子设备、存储介质
Knyaz et al. Accuracy evaluation of structure from motion surface 3D reconstruction
Joo et al. Globally optimal inlier set maximization for Atlanta frame estimation
CN109978985B (zh) 数据处理方法及装置、存储介质、电子设备
CN114898044A (zh) 检测对象成像方法、装置、设备及介质
US10529085B2 (en) Hardware disparity evaluation for stereo matching
CN111583417B (zh) 一种图像语义和场景几何联合约束的室内vr场景构建的方法、装置、电子设备和介质
Ozendi et al. A point cloud filtering method based on anisotropic error model
Tefera et al. 3DNOW: Image-based 3D reconstruction and modeling via WEB
CN115485735A (zh) 用于从rgbd视频生产ifc bim对象的密集3d建模方法
DE102022114091A1 (de) 3D-Modellierungsverfahren und -system
CN114494379A (zh) 基于fpfh的凸包辅助三维点云配准方法、设备及介质
CN110390717B (zh) 3d模型重建方法、装置及电子设备
CN111354070B (zh) 一种立体图形生成方法、装置、电子设备及存储介质
Mai et al. Augmented lagrangian-based algorithm for projective reconstruction from multiple views with minimization of 2d reprojection error

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