CN112414326A - 物体表面平整度的检测方法、装置、电子装置和存储介质 - Google Patents

Abstract

本申请涉及一种物体表面平整度的检测方法、装置、电子装置和存储介质，其中，该物体表面平整度的检测方法包括：获取待测物体所在场景的三维点云，并提取三维点云中的待测物点云，根据待测物点云获取待测物体的待测面的深度图，根据深度图，计算深度图中每个点的点云信息、深度图中每个点的临近点高度以及深度图的外接图形，根据深度图、每个点的点云信息、每个点的临近点高度以及外接图形，计算待测面的图形特征值以及均匀度，根据图形特征值和均匀度，获取待测面的平整度。通过本申请，解决了相关技术中通过实际空间与像素的映射关系对物体进行测量，通用性较低的问题，提高了物体表面平整度检测的场景适用性。

Description

物体表面平整度的检测方法、装置、电子装置和存储介质

技术领域

本申请涉及计算机视觉技术领域，特别是涉及物体表面平整度的检测方法、装置、电子装置和存储介质。

背景技术

随着互联网购物的快速扩张，物流包裹的吞吐量呈现出了几何式的增长。对于物流企业来说，在包裹的运输成本当中，重量只是其中的一小部分，如果可以对包裹体积进行合理的安排，可以为物流企业节约大量空间，减少运输成本。为了实现对包裹的合理安排，在包裹的实际测量中，除了关注包裹的长、宽、高、实际体积之外，还关注包裹等物体表面的平整性。

在相关技术中，获取包裹等物体的空间参数可以通过物体的实际空间尺寸与像素尺寸之间的映射关系实现，但是在通过实际空间与像素的映射关系对物体参数进行测量的情况下，一旦物体的高度发生改变，就需要重新建立映射关系，通用性较低。

目前针对相关技术中通过实际空间与像素的映射关系对物体进行测量，通用性较低的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种物体表面平整度的检测方法、装置、电子装置和存储介质，以至少解决相关技术中通过实际空间与像素的映射关系对物体进行测量，通用性较低的问题。

第一方面，本申请实施例提供了一种物体表面平整度的检测方法，包括：

获取待测物体所在场景的三维点云，并提取所述三维点云中的待测物点云；

根据所述待测物点云获取所述待测物体的待测面的深度图；

根据所述深度图，计算所述深度图中每个点的点云信息、所述深度图中每个点的临近点高度以及所述深度图的外接图形；

根据所述深度图、所述每个点的点云信息、每个点的临近点高度以及外接图形，计算所述待测面的图形特征值以及均匀度；

根据所述图形特征值和所述均匀度，获取所述待测面的平整度。

在其中一些实施例中，根据所述深度图、所述每个点的点云信息、每个点的临近点高度以及外接图形，计算所述待测面的图形特征值以及均匀度包括：

根据所述深度图和所述外接图形，获取所述待测面的图形特征值；

根据每个点的所述点云信息与每个点的所述临近点高度之间的差异，获取所述待测面的均匀度。

在其中一些实施例中，根据每个点的所述点云信息与每个点的所述临近点高度之间的差异，获取所述待测面的均匀度包括：

将所述深度图划分为预设数量的点云单元；

根据每个点云单元中每个点的点云信息以及临近点高度之间的差值，计算每个所述点云单元的均匀度；所述点云信息包括高度信息；

根据所有所述点云单元的均匀度获取所述待测面的均匀度。

在其中一些实施例中，根据所有所述点云单元的均匀度获取所述待测面的均匀度包括：

将所有所述均匀度中最低的均匀度作为所述待测面的均匀度。

在其中一些实施例中，在所述待测面为矩形的情况下，计算所述待测面的图形特征值包括：

根据所述深度图，计算所述深度图中待测面的面积；

根据所述待测面的面积和所述深度图的最小外接矩形的面积，获取所述待测面的矩形度作为所述图形特征值。

在其中一些实施例中，所述临近点高度的计算方法包括：

在所述深度图中选取一个点作为目标点，获取所述目标点预设范围内的点作为临近点；

根据每个所述临近点的高度信息，得到所述临近点高度。

在其中一些实施例中，根据所述图形特征值和所述均匀度，获取所述待测面的平整度包括：

将所述图形特征值和所述均匀度进行加权计算，获取所述待测面的平整度。

在其中一些实施例中，在计算所述待测面的图形特征值之前，所述方法包括：

将所述待测物点云送入预先训练的神经网络进行分类，获取所述待测物体的待测面的几何形状；

根据所述几何形状确定所述外接图形的几何形状。

第二方面，本申请实施例提供了一种物体表面平整度的检测装置，其特征在于，包括获取模块、计算模块和检测模块：

所述获取模块，用于获取待测物体所在场景的三维点云，并提取所述三维点云中的待测物点云，根据所述待测物点云获取所述待测物体的待测面的深度图；

所述计算模块，用于根据所述深度图，计算所述深度图中每个点的点云信息、所述深度图中每个点的临近点高度以及所述深度图的外接图形，根据所述深度图、所述每个点的点云信息、每个点的临近点高度以及外接图形，计算所述待测面的图形特征值以及均匀度；

所述检测模块，用于根据所述图形特征值和所述均匀度，获取所述待测面的平整度。

第三方面，本申请实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的物体表面平整度的检测方法。

第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的物体表面平整度的检测方法。

相比于相关技术，本申请实施例提供的物体表面平整度的检测方法，通过获取待测物体所在场景的三维点云，并提取三维点云中的待测物点云，根据待测物点云获取待测物体的待测面的深度图，根据深度图，计算深度图中每个点的点云信息、深度图中每个点的临近点高度以及深度图的外接图形，根据深度图、每个点的点云信息、每个点的临近点高度以及外接图形，计算待测面的图形特征值以及均匀度，根据图形特征值和均匀度，获取待测面的平整度，解决了相关技术中通过实际空间与像素的映射关系对物体进行测量，通用性较低的问题，提高了物体表面平整度检测的场景适用性。

本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的物体表面平整度的检测方法的应用环境示意图；

图2是根据本申请实施例的物体表面平整度的检测方法的流程图；

图3是根据本申请实施例的获取待测面均匀度的方法的流程图；

图4是根据本申请实施例的计算待测面的图形特征值的方法流程图；

图5是本申请实施例的物体表面平整度的检测方法的终端的硬件结构框图；

图6是根据本申请实施例的物体表面平整度的检测装置的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

本申请提供的物体表面平整度的检测方法，可以应用于如图1所示的应用环境中，图1是根据本申请实施例的物体表面平整度的检测方法的应用环境示意图，如图1所示。其中，三维相机102获取生产线上待测物体104所在场景的三维点云，并提取三维点云中的待测物体104的点云；三维相机102根据待测物体104的点云获取待测物体104的待测面的深度图，根据深度图计算深度图中每个点的点云信息、深度图中每个点的临近点高度以及深度图的外接图形；然后三维相机102根据每个点的点云信息、每个点的临近点高度以及外接图形，计算待测面的图形特征值以及均匀度；最后三维相机102根据图形特征值和均匀度，获取待测面的平整度。

本实施例提供了一种物体表面平整度的检测方法。图2是根据本申请实施例的物体表面平整度的检测方法的流程图，如图2所示，该方法包括如下步骤：

步骤S210，获取待测物体所在场景的三维点云，并提取三维点云中的待测物点云，根据待测物点云获取待测物体的待测面的深度图。

本实施例中，待测物体可以为生产线上的物体，也可以为物流包裹等需要检测平整度的物体，场景的三维点云可以由三维相机获取，例如，激光散斑相机或激光动态线扫相机，其中，激光散斑相机可以静态获取场景的三维点云，激光动态线扫相机可以动态获取物体三维点云。

由于三维相机采集到的三维点云中，除需要识别的待测物体之外，还包括背景或者杂物，因此，在获取到场景的三维点云之后，可以根据三维点云的点云信息将待测物体的点云从场景的三维点云中分割出来，得到待测物点云。具体地，点云信息包括每个点云的位置信息以及点云的数量信息，例如，在获取到三维相机坐标系以及三维相机在实际场景中的安装位置的情况下，可以得到点云在实际场景下的x、y、z三个方向的坐标信息。在得到点云信息之后，根据点云信息，可以通过点云分割算法对场景的三维点云进行分割，得到待测物点云，可选地，点云分割算法可以为背景建模、凹凸性分割、分水岭分析、层次聚类、区域增长以及频谱聚类等等。

本实施例中需要对待测物体的待测面进行平整度检测，因此在得到待测物点云之后，需要根据待测物点云对待测面进行提取。具体为，将待测物点云投影至一个投影平面，从而获取到待测面的深度图。其中，在待测物体为生产线上的物体的情况下，待测面可以为待测物体的上表面，投影平面可以为流水线上的输送台。待测面深度图中的高度信息可以为待测面的点云至投影平面的距离，该距离可以通过z方向的坐标信息得到，进一步地，深度图中还可以包括点云在x方向和y方向的坐标信息。

步骤S220，根据深度图，计算深度图中每个点的点云信息、深度图中每个点的临近点高度以及深度图的外接图形。

深度图中，每个点的点云信息包括每个点在不同方向上的坐标信息，而且对于每一个点都有一个临近点高度，该临近点高度可以根据每个点周围的其他点的高度得到，点的高度可以为z方向的坐标信息。

在得到深度图之后，还需要获取该深度图的外接图形，其中，外接图形优选为最小外接图形，外接图形的具体形状可以为矩形、圆形、三角形等。

步骤S230，根据深度图、每个点的点云信息、每个点的临近点高度以及外接图形，计算待测面的图形特征值以及均匀度。

具体地，根据深度图和外接图形获取所述待测面的图形特征值，根据点云信息和临近点高度计算待测面的均匀度，因此本实施例中的均匀度为一个点与周围邻近点的高度相对值。

步骤S240，根据图形特征值和均匀度，获取待测面的平整度。

本实施例中，综合图形特征值与均匀度两个方面对待测面的平整度进行评价，具体可以为，图形特征值越高、均匀度越高，待测面的平整度越好。

通过上述步骤S210至步骤S240，在获取待测面的深度图之后，根据深度图和深度图的外接图形计算图形特征值，根据深度图中每个点与临近点高度计算待测面的均匀度，由于没有使用绝对的标准对物体表面进行评价，而是统计物体待测面的数据与其临近区域的相对高度差异对待测面进行评价，因此得到一个可以描述物体表面的高度变化程度的均匀度。由于本实施例中的检测方法建立在三维点云数据上，不需要建立物体空间参数与像素之间的映射关系，因此解决了相关技术中通过实际空间与像素的映射关系对物体进行测量，通用性较低的问题，提高了物体表面平整度检测的场景适用性。

进一步地，本实施例中的均匀度和图形特征值均基于三维点云数据得到，该三维点云数据可以通过对待测物体进行快速扫描后得到，因此在不丢失有效信息的前提下，本实施例中的方法提高了计算效率，并且，利用待测物体原始的三维点云数据进行待测面平整度的检测，数据来源完整，可以提高待测面平整度检测的准确性。

在其中一些实施例中，还可以基于待测物体的三维点云，通过算法计算待测面的其他特征对待测面的平整度进行检测。

在其中一些实施例中，可以将图形特征值和均匀度进行加权计算，获取待测面的平整度，图形特征值和均匀度之间的权重分配可以根据经验进行设置，也可以根据实际场景进行调整，还可以通过模型训练得到权重参数，以更好地通过图形特征值和均匀度对待测面的平整度进行评价。

在其中一些实施例中，获取图形特征值的方法为：根据深度图和外接图形，获取待测面的图形特征值。具体为，根据深度图中点云在x方向和y方向的坐标信息，计算深度图的面积，根据外接图形在x方向和y方向的坐标信息，计算外接图形的面积，根据深度图的面积与外接图形的面积的比值，得到图形特征值。进一步地，获取均匀度的方法为：根据每个点的点云信息与每个点的临近点高度之间的差异，获取待测面的均匀度，例如，根据某个点的点云信息得到该点的高度，在计算出与该点对应的临近点高度之后，计算该点与临近点高度之间的高度差，根据待测面中所有点与对应临近点高度的高度差，获取该待测面的均匀度。可选地，高度差越小，均匀度越高。本实施例中，根据每个点与临近点高度之间的高度差获取待测面的均匀度，由于统计的是高度差这一相对值，没有使用绝对的标准对物体表面进行评价，因此均匀度可以描述物体表面的高度变化程度，可以更加直观地表示平面的平整度。

在其中一些实施例中，临近点高度的计算方法包括：在深度图中选取一个点作为目标点，获取目标点预设范围内的点作为临近点，根据每个临近点的高度信息，得到临近点高度。本实施例中的预设范围可以根据需求进行设置，例如，可以根据待测面点云中不同点之间的距离远近，选取目标点周围的若干点，也可以以目标点为圆心，设置预设范围的半径，从而确定预设范围。临近点高度可以通过深度图得到，可以通过计算预设范围内所有临近点的高度平均值得到，也可以根据临近点与目标点之间的距离远近，为临近点分配权重，例如，临近点与目标点的距离越远，在计算临近点高度时，该临近点的权重越低。本实施例中给出了临近点高度的具体计算方法，在此基础上，根据待测面中每个点的高度与临近点高度之间的差异获取均匀度，可以更加准确地表示平面的平整度。

在其中一些实施例中，图3是根据本申请实施例的一种获取待测面均匀度的方法的流程图，如图3所示，该方法包括如下步骤：

步骤S310，将深度图划分为预设数量的点云单元。

本实施例中，预设数量可以根据需求确定。例如，在待测面为矩形的情况下，将深度图根据待测面的实际尺寸，均分为3*3的9块小矩形。

步骤S320，根据每个点云单元中每个点的点云信息以及临近点高度之间的差值，计算每个点云单元的均匀度，其中，点云信息包括高度信息。

具体地，在每个点云单元中，计算每个点的高度与对应的临近点高度之间的差值，通过点云单元内每个点的差值获取该点云单元的均匀度，可选地，差值越小，该点云单元的均匀度越高。例如，在待测面被均分为3*3的9块小矩形的情况下，可以先对每个小矩形内的均匀度进行评价。

步骤S330，根据所有点云单元的均匀度获取待测面的均匀度。

在得到所有点云单元的均匀度之后，根据所有的均匀度对待测面的均匀度进行评价。具体地，可以计算各个点云单元均匀度的平均值，将平均值作为待测面的均匀度，也可以将所有点云单元中均匀度中最低的均匀度作为待测面的均匀度，例如选取9个小矩形中最低的均匀度对该待测面进行评价。以最低的均匀度作为待测面的均匀度，可以获取到待测面最不平整的程度，便于工作人员及时进行处理。

通过上述步骤S310至步骤S330，本实施例给出了计算待测面均匀度的方法，本实施例中的待测面均匀度根据不同点云单元的均匀度得到，可以综合考量待测面各个部分的均匀度，提高对待测面进行平整度检测的准确性。

在其中一些实施例中，在待测面为矩形的情况下，图4是根据本申请实施例的计算待测面的图形特征值的方法流程图，如图4所示，该方法包括如下步骤：

步骤S410，根据深度图，计算深度图中待测面的面积。

深度图中包括各个点在x和y方向的坐标，因此，可以根据坐标计算出待测面的实际面积。

步骤S420，根据待测面的面积和深度图的最小外接矩形的面积，获取待测面的矩形度作为图形特征值。

其中，获取最小外接矩形的方法为，以深度图中各个点的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标定下边界的矩形，进而根据坐标信息计算出最小外接矩形的面积。

在得到待测面的实际面积和最小外接矩形的面积之后，可以根据待测面的实际面积和最小外接矩形的面积的比值，得到待测面的矩形度作为图形特征值。

通过上述步骤S410和步骤S420，在待测面为矩形的情况下，本实施例中基于深度图中的坐标信息，计算待测面的矩形度，根据矩形度对待测面的平整度进行评价，以提高平整度检测的准确度。

在其中一些实施例中，在计算待测面的图形特征值之前，可以先将待测物点云送入预先训练的神经网络进行分类，获取待测物体的待测面的几何形状，根据几何形状确定外接图形的几何形状。

在实际的场景中，待测面的几何形状多种多样，例如，矩形、圆形或者三角形等等，通常情况下，考虑到待测物体表面多为矩形，因此会先判断待测面的形状是否为矩形，如果是矩形，则直接进行待测面平整度检测，如果不是矩形，将待测物点云送入预先训练的神经网络进行分类，根据待测物点云的边角特征获取待测面的形状，然后再进行待测面平整度的检测过程。此外，也可以直接将待测物点云送入神经网络进行分类。

在确定待测面的几何形状之后，可以根据待测面的形状确定外接图形的形状。具体地，外接图形的形状可以与待测面的形状一致，也可以不一致，例如，在待测面的几何形状为复杂的多边形的情况下，可以将外接图形选定为矩形或者圆形，以减少计算量。

本实施例中，在对待测物的待测面进行平整度检测之前，根据大量数据样本的训练以及特征提取，得到神经网络模型，然后通过神经网络对待测面的几何形状进行分类，在确定待测面的几何形状之后，再确定对应的外接图形的形状，以提高平整度检测方法的准确性和稳定性。

需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。以运行在终端上为例，图5是本申请实施例的物体表面平整度的检测方法的终端的硬件结构框图。如图5所示，终端50可以包括一个或多个(图5中仅示出一个)处理器502(处理器502可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器504，可选地，上述终端还可以包括用于通信功能的传输设备506以及输入输出设备508。本领域普通技术人员可以理解，图5所示的结构仅为示意，其并不对上述终端的结构造成限定。例如，终端50还可包括比图5中所示更多或者更少的组件，或者具有与图5所示不同的配置。

存储器504可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本申请实施例中的物体表面平整度的检测方法对应的计算机程序，处理器502通过运行存储在存储器504内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器504可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器504可进一步包括相对于处理器502远程设置的存储器，这些远程存储器可以通过网络连接至终端50。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输设备506用于经由一个网络接收或者发送数据。上述的网络具体实例可包括终端50的通信供应商提供的无线网络。在一个实例中，传输设备506包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备506可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

本实施例还提供了一种物体表面平整度的检测装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图6是根据本申请实施例的物体表面平整度的检测装置的结构框图，如图6所示，该装置包括：获取模块61、计算模块62和检测模块63：

获取模块61，用于获取待测物体所在场景的三维点云，并提取三维点云中的待测物点云，根据待测物点云获取待测物体的待测面的深度图；

计算模块62，用于根据深度图，计算深度图中每个点的点云信息、深度图中每个点的临近点高度以及深度图的外接图形，根据深度图、每个点的点云信息、每个点的临近点高度以及外接图形，计算待测面的图形特征值以及均匀度；

检测模块63，用于根据图形特征值和均匀度，获取待测面的平整度。

本实施例中，获取模块61获取待测面的深度图，计算模块62根据深度图和深度图的外接图形计算图形特征值，根据深度图中每个点与临近点高度计算待测面的均匀度，检测模块63根据图形特征值和均匀度检测待测面的平整度。由于没有使用绝对的标准对物体表面进行评价，而是统计物体待测面的数据与其临近区域的相对高度差异对待测面进行评价，因此得到一个可以描述物体表面的高度变化程度的均匀度。由于本实施例中的检测方法建立在三维点云数据上，不需要建立物体空间参数与像素之间的映射关系，因此解决了相关技术中通过实际空间与像素的映射关系对物体进行测量，通用性较低的问题，提高了物体表面平整度检测的场景适用性。

进一步地，本实施例中的均匀度和图形特征值均基于三维点云数据得到，该三维点云数据可以通过对待测物体进行快速扫描后得到，因此在不丢失有效信息的前提下，本实施例中的方法提高了计算效率，并且，利用待测物体原始的三维点云数据进行待测面平整度的检测，数据来源完整，可以提高待测面平整度检测的准确性。

需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S1，获取待测物体所在场景的三维点云，并提取三维点云中的待测物点云。

S2，根据待测物点云获取待测物体的待测面的深度图。

S3，根据深度图，计算深度图中每个点的点云信息、深度图中每个点的临近点高度以及深度图的外接图形。

S4，根据深度图、每个点的点云信息、每个点的临近点高度以及外接图形，计算待测面的图形特征值以及均匀度。

S5，根据图形特征值和均匀度，获取待测面的平整度。

需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

另外，结合上述实施例中的物体表面平整度的检测方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种物体表面平整度的检测方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (11)

1.一种物体表面平整度的检测方法，其特征在于，包括：

获取待测物体所在场景的三维点云，并提取所述三维点云中的待测物点云；

根据所述待测物点云获取所述待测物体的待测面的深度图；

根据所述深度图，计算所述深度图中每个点的点云信息、所述深度图中每个点的临近点高度以及所述深度图的外接图形；

根据所述深度图、所述每个点的点云信息、每个点的临近点高度以及外接图形，计算所述待测面的图形特征值以及均匀度；

根据所述图形特征值和所述均匀度，获取所述待测面的平整度。

2.根据权利要求1所述的物体表面平整度的检测方法，其特征在于，根据所述深度图、所述每个点的点云信息、每个点的临近点高度以及外接图形，计算所述待测面的图形特征值以及均匀度包括：

根据所述深度图和所述外接图形，获取所述待测面的图形特征值；

根据每个点的所述点云信息与每个点的所述临近点高度之间的差异，获取所述待测面的均匀度。

3.根据权利要求2所述的物体表面平整度的检测方法，其特征在于，根据每个点的所述点云信息与每个点的所述临近点高度之间的差异，获取所述待测面的均匀度包括：

将所述深度图划分为预设数量的点云单元；

根据每个点云单元中每个点的点云信息以及临近点高度之间的差值，计算每个所述点云单元的均匀度；所述点云信息包括高度信息；

根据所有所述点云单元的均匀度获取所述待测面的均匀度。

4.根据权利要求3所述的物体表面平整度的检测方法，其特征在于，根据所有所述点云单元的均匀度获取所述待测面的均匀度包括：

将所有所述均匀度中最低的均匀度作为所述待测面的均匀度。

5.根据权利要求1所述的物体表面平整度的检测方法，其特征在于，在所述待测面为矩形的情况下，计算所述待测面的图形特征值包括：

根据所述深度图，计算所述深度图中待测面的面积；

根据所述待测面的面积和所述深度图的最小外接矩形的面积，获取所述待测面的矩形度作为所述图形特征值。

6.根据权利要求1所述的物体表面平整度的检测方法，其特征在于，所述临近点高度的计算方法包括：

在所述深度图中选取一个点作为目标点，获取所述目标点预设范围内的点作为临近点；

根据每个所述临近点的高度信息，得到所述临近点高度。

7.根据权利要求1所述的物体表面平整度的检测方法，其特征在于，根据所述图形特征值和所述均匀度，获取所述待测面的平整度包括：

将所述图形特征值和所述均匀度进行加权计算，获取所述待测面的平整度。

8.根据权利要求1所述的物体表面平整度的检测方法，其特征在于，在计算所述待测面的图形特征值之前，所述方法包括：

将所述待测物点云送入预先训练的神经网络进行分类，获取所述待测物体的待测面的几何形状；

根据所述几何形状确定所述外接图形的几何形状。

9.一种物体表面平整度的检测装置，其特征在于，包括获取模块、计算模块和检测模块：

所述获取模块，用于获取待测物体所在场景的三维点云，并提取所述三维点云中的待测物点云，根据所述待测物点云获取所述待测物体的待测面的深度图；

所述计算模块，用于根据所述深度图，计算所述深度图中每个点的点云信息、所述深度图中每个点的临近点高度以及所述深度图的外接图形，根据所述深度图、所述每个点的点云信息、每个点的临近点高度以及外接图形，计算所述待测面的图形特征值以及均匀度；

所述检测模块，用于根据所述图形特征值和所述均匀度，获取所述待测面的平整度。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至8中任一项所述的物体表面平整度的检测方法。

11.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至8中任一项所述的物体表面平整度的检测方法。

Images