CN113124753A - 一种体积测量方法和装置 - Google Patents
一种体积测量方法和装置 Download PDFInfo
- Publication number
- CN113124753A CN113124753A CN202110419437.9A CN202110419437A CN113124753A CN 113124753 A CN113124753 A CN 113124753A CN 202110419437 A CN202110419437 A CN 202110419437A CN 113124753 A CN113124753 A CN 113124753A
- Authority
- CN
- China
- Prior art keywords
- measured
- height
- top view
- detected
- width
- 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
- 238000000691 measurement method Methods 0.000 title claims abstract description 14
- 230000000007 visual effect Effects 0.000 claims abstract description 24
- 238000005259 measurement Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Abstract
本发明提供了一种体积测量方法和装置，该方法包括：根据待测物体进入测距仪测距区域内的距离变化获取所述待测物体的高度；在获取所述待测物体高度的俯视图中，计算出所述待测物体的上表面在所述俯视图中的最小外接矩形区域；结合对所述俯视图的采集视角和所述最小外接矩形区域计算所述待测物体的长度和宽度，结合所述待测物体的长度、宽度和高度得到所述待测物体的体积。本发明可替代现有人工完成物流包裹尺寸测量，可有效提高测量精度、降低人工成本、提高作业效率，结构简单，成本低。
Description
技术领域
本发明涉及一种体积测量方法和装置，尤其涉及一种基于单目摄像头和激光测距仪结合深度学习语义分割的物体外接立方体体积测量方法和装置。
背景技术
在快递行业发展迅猛的今天，有大量的包裹需要邮递。邮递包裹的计费方式包括体积计费、称重计费和按件计费等。另外，一般包裹的体积尺寸会随其单号录入系统，方便后续的装车及库存安排。因此，对包裹体积的测量是必不可少的一个重要环节。
现在国内大部分物流企业大多通过人工方式来测量规则包裹体积，测量方式比较落后，需要人为的分别测量出物件长宽高后再进行人工计费，不仅需要投入大量的人力，而且测量速度慢，由于人为因素的存在，还会存在较大测量误差。
总的来说，物流行业中现有的体积测量方法，存在工作效率低下、误差较大、错误率高和自动化程度低等缺陷，已经无法满足物流行业的发展要求。
针对目前对物流货品体积测量过程中，测算复杂、设备成本高等问题，是本领域亟待解决的问题。
发明内容
本发明的目的是提供一种体积测量方法和装置，以解决目前对物流货品体积测量过程中，测算复杂、设备成本高等问题。
为解决上述技术问题，本发明提供了一种体积测量方法，包括：
根据待测物体进入测距仪测距区域内的距离变化获取所述待测物体的高度；
在获取所述待测物体高度的俯视图中，计算出所述待测物体的上表面在所述俯视图中的最小外接矩形区域；
结合对所述俯视图的采集视角和所述最小外接矩形区域计算所述待测物体的长度和宽度，结合所述待测物体的长度、宽度和高度得到所述待测物体的体积。
其中，所述根据待测物体进入测距仪测距区域内的距离变化获取所述待测物体的高度；的步骤包括：
测量所述待测物体进入测距仪测距区域前，所述测距仪的摄像头测量的无所述待测物体的高度距离h1；
测量所述待测物体进入测距仪测距区域内，所述测距仪的摄像头测量的到所述待测物体的高度距离h2；
计算所述待测物体的高度H＝h1-h2。
其中，所述在获取所述待测物体高度的俯视图中，计算出所述待测物体的上表面在所述俯视图中的最小外接矩形区域；的步骤包括：
对所述俯视图进行图像归一化；
将图像归一化后，带入训练好的分割模型，计算得到所述俯视图的二值图像；
通过所述二值图像，提取所述俯视图的轮廓，获取所述待测物体在所述俯视图中的的最小外接矩形区域。
其中，所述结合对所述俯视图的采集视角和所述最小外接矩形区域计算所述待测物体的长度和宽度，结合所述待测物体的长度、宽度和高度得到所述待测物体的体积，的步骤包括：
提取所述二值图像的目标轮廓；
利用所述目标轮廓提取所述最小外接矩形长、宽的像素值,
结合对所述俯视图的采集视角，测距仪的摄像头测量的到所述待测物体的高度距离h2，计算所述待测物体的上表面上幅面的宽度。
其中，所述结合对所述俯视图的采集视角和所述最小外接矩形区域计算所述待测物体的长度和宽度，结合所述待测物体的长度、宽度和高度得到所述待测物体的体积，的步骤还包括：
根据所述待测物体的上表面上幅面的宽度和图像横向分辨率，计算所述待测物体的上表面的实际长度和宽度；
结合所述待测物体实际的长度、宽度和高度得到所述待测物体的体积。
根据本发明的另一方面，本发明还提供一种体积测量装置，包括：
高度测量模块，其配置为，根据待测物体进入测距仪测距区域内的距离变化获取所述待测物体的高度；
第一计算模块，其配置为，在获取所述待测物体高度的俯视图中，计算出所述待测物体的上表面在所述俯视图中的最小外接矩形区域；
第二计算模块，其配置为，结合对所述俯视图的采集视角和所述最小外接矩形区域计算所述待测物体的长度和宽度，结合所述待测物体的长度、宽度和高度得到所述待测物体的体积。
其中，所述高度测量模块包括：
第一测量单元，用于测量所述待测物体进入测距仪测距区域前，所述测距仪的摄像头测量的无所述待测物体的高度距离h1；
第二测量单元，用于测量所述待测物体进入测距仪测距区域内，所述测距仪的摄像头测量的到所述待测物体的高度距离h2；
第一计算单元，用于计算所述待测物体的高度H＝h1-h2。
其中，所述第一计算模块还包括：
对所述俯视图进行图像归一化；
将图像归一化后，带入训练好的分割模型，计算得到所述俯视图的二值图像；
通过所述二值图像，提取所述俯视图的轮廓，获取所述待测物体在所述俯视图中的的最小外接矩形区域。
其中，所述第二计算模块包括：
提取所述二值图像的目标轮廓；
利用所述目标轮廓提取所述最小外接矩形长、宽的像素值,
结合对所述俯视图的采集视角，测距仪的摄像头测量的到所述待测物体的高度距离h2，计算所述待测物体的上表面上幅面的宽度。
其中，所述第二计算模块还包括：
根据所述待测物体的上表面上幅面的宽度和图像横向分辨率，计算所述待测物体的上表面的实际长度和宽度；
结合所述待测物体实际的长度、宽度和高度得到所述待测物体的体积。
与现有技术相比，本发明的有意效果在于：
本发明提供本发明提供了一种体积测量方法，包括：根据待测物体进入测距仪测距区域内的距离变化获取所述待测物体的高度；在获取所述待测物体高度的俯视图中，计算出所述待测物体的上表面在所述俯视图中的最小外接矩形区域；结合对所述俯视图的采集视角和所述最小外接矩形区域计算所述待测物体的长度和宽度，结合所述待测物体的长度、宽度和高度得到所述待测物体的体积。本发明可替代现有人工完成物流包裹尺寸测量，可有效提高测量精度、降低人工成本、提高作业效率，结构简单，成本低。
附图说明
图1是本发明示意性视出了一种体积测量方法的流程示意图。
图2是本发明示意性视出了一种体积测量方法的原理结构示意图。
图3是本发明示意性视出了一种体积测量方法的实际拍摄的示意图。
具体实施方式
以下对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
如图1-图3所示，本发明提供一种体积测量方法，包括：
根据待测物体进入测距仪测距区域内的距离变化获取所述待测物体的高度；
在获取所述待测物体高度的俯视图中，计算出所述待测物体的上表面在所述俯视图中的最小外接矩形区域；
结合对所述俯视图的采集视角和所述最小外接矩形区域计算所述待测物体的长度和宽度，结合所述待测物体的长度、宽度和高度得到所述待测物体的体积。
本发明可替代现有人工完成物流包裹尺寸测量，可有效提高测量精度、降低人工成本、提高作业效率，结构简单，成本低。
具体为，该体积测量方法是一种基于单目摄像头和激光测距仪结合深度学习语义分割的物体外接立方体体积测量方法，先采用激光测距仪测量物体的高度，然后获取单目摄像头的视角；再采用所述单目摄像头拍摄包含待测物体的俯视图的图像，使用深度学习语义分割提取图像二值图像，利用二值图像计算出物体的上表面在图像中的最小外接矩形区域；最后，结合单目摄像头的视角和待测物体的上表面在图像中的最小外接矩形区域，计算得到待测物体的上表面的最小外接矩形长、宽，然后结合待测物体的高度，得到待测外接立方体的体积；本发明可替代现有人工完成物流包裹尺寸测量，可有效提高测量精度、降低人工成本、提高作业效率。
其中，所述根据待测物体进入测距仪测距区域内的距离变化获取所述待测物体的高度；的步骤包括：
测量所述待测物体进入测距仪测距区域前，所述测距仪的摄像头测量的无所述待测物体的高度距离h1；
测量所述待测物体进入测距仪测距区域内，所述测距仪的摄像头测量的到所述待测物体的高度距离h2；
计算所述待测物体的高度H＝h1-h2。
具体为，通过激光测距仪测量待测物体放入前后的距离，计算距离的差值得到物体的高度；一种实施例中可以使用如下方法：
1)使用激光测距仪测量放入待测量物体前离摄像头的高度h1；
2)测量放入待测量物体后离摄像头的高度h2；
3)计算待测量物体高度H＝h1-h2；
其中，所述在获取所述待测物体高度的俯视图中，计算出所述待测物体的上表面在所述俯视图中的最小外接矩形区域；的步骤包括：
在测量所述待测物体高度时，拍摄对应的俯视图；
对所述俯视图进行图像归一化；
将图像归一化后，带入训练好的分割模型，计算得到所述俯视图的二值图像；
通过所述二值图像，提取所述俯视图的轮廓，获取所述待测物体在所述俯视图中的的最小外接矩形区域。
具体为：拍摄物体俯视图，使用训练好的U2netp的改进模型进行目标分割获取图像的二值图像；
待测量高度稳定后(满足上面测量高度要求的情况后)，拍摄物体俯拍图像；
然后将图像归一化；
之后，使用训练好的分割模型计算得到待测量物体的二值图；
使用获取的二值图像，提取待测物体的轮廓，获取待测物体俯拍图的最小外接矩形。
其中，所述结合对所述俯视图的采集视角和所述最小外接矩形区域计算所述待测物体的长度和宽度，结合所述待测物体的长度、宽度和高度得到所述待测物体的体积，的步骤包括：
提取所述二值图像的目标轮廓；
利用所述目标轮廓提取所述最小外接矩形长、宽的像素值，
结合对所述俯视图的采集视角，测距仪的摄像头测量的到所述待测物体的高度距离h2，计算所述待测物体的上表面上幅面的宽度。
具体为，利用所述目标轮廓提取所述最小外接矩形长、宽的像素值L0和W0,
结合对所述俯视图的采集视角α，测距仪的摄像头测量的到所述待测物体的高度距离h2，计算所述待测物体在所述俯视图的上表面上幅面的宽度W1＝2*tan(α/2)*h2。
其中，所述结合对所述俯视图的采集视角和所述最小外接矩形区域计算所述待测物体的长度和宽度，结合所述待测物体的长度、宽度和高度得到所述待测物体的体积，的步骤还包括：
根据所述待测物体的上表面上幅面的宽度和图像横向分辨率，计算所述待测物体的上表面的实际长度和宽度；
结合所述待测物体实际的长度、宽度和高度得到所述待测物体的体积。
具体为，使用摄像头视角信息、激光测距仪测到物体的距离及图像横向分辨率X，计算最小外接矩形的长、宽；
计算目标最小外接矩形的中待测物体实际长，宽L、W分别为，
L＝W1*L0/X；
W＝W1*W0/X；
最后，利用上面得到的实际长、宽、高，计算物体的外接立方体体积；
V＝L*W*H。
根据本发明的另一方面，本发明还提供一种体积测量装置，包括：
高度测量模块，其配置为，根据待测物体进入测距仪测距区域内的距离变化获取所述待测物体的高度；
第一计算模块，其配置为，在获取所述待测物体高度的俯视图中，计算出所述待测物体的上表面在所述俯视图中的最小外接矩形区域；
第二计算模块，其配置为，结合对所述俯视图的采集视角和所述最小外接矩形区域计算所述待测物体的长度和宽度，结合所述待测物体的长度、宽度和高度得到所述待测物体的体积。
其中，所述高度测量模块包括：
第一测量单元，用于测量所述待测物体进入测距仪测距区域前，所述测距仪的摄像头测量的无所述待测物体的高度距离h1；
第二测量单元，用于测量所述待测物体进入测距仪测距区域内，所述测距仪的摄像头测量的到所述待测物体的高度距离h2；
第一计算单元，用于计算所述待测物体的高度H＝h1-h2。
其中，所述第一计算模块还包括：
对所述俯视图进行图像归一化；
将图像归一化后，带入训练好的分割模型，计算得到所述俯视图的二值图像；
通过所述二值图像，提取所述俯视图的轮廓，获取所述待测物体在所述俯视图中的的最小外接矩形区域。
其中，所述第二计算模块包括：
提取所述二值图像的目标轮廓；
利用所述目标轮廓提取所述最小外接矩形长、宽的像素值,
结合对所述俯视图的采集视角，测距仪的摄像头测量的到所述待测物体的高度距离h2，计算所述待测物体的上表面上幅面的宽度。
其中，所述第二计算模块还包括：
根据所述待测物体的上表面上幅面的宽度和图像横向分辨率，计算所述待测物体的上表面的实际长度和宽度；
结合所述待测物体实际的长度、宽度和高度得到所述待测物体的体积。
本发明为了使该体积测量的货物体积内容安全性更高和准确，便于对货物溯源跟踪中作为一个证明的参数，
本发明体积测量装置还包括连接区块链网络的区块链全节点，该区块链全节点设置有用于将所述待测物体的长度信息、宽度信息和高度信息发送到区块链网络的第一信息发送装置和全节点加密装置；以及用于将对应所述采集视角信息和最小外接矩形区域信息发送到区块链网络的第二信息发送装置和采集加密装置；
通过将所述待测物体的长度信息、宽度信息和高度信息，与其对应的所述采集视角信息和最小外接矩形区域信息分开发送到区块链网络，并通过各个全节点网络存储，并在区块链网络全网共识和发布，除了保证货物的体积信息和采集信息不会篡改外，还可以对货物的溯源起到双重加密作用，从而更进一步保护货物体积测量的准确性和安全性。保证货物体积信息不会被篡改，为货物后续溯源提供依据。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人才员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种体积测量方法，其特征在于，包括：
根据待测物体进入测距仪测距区域内的距离变化获取所述待测物体的高度；
在获取所述待测物体高度的俯视图中，计算出所述待测物体的上表面在所述俯视图中的最小外接矩形区域；
结合对所述俯视图的采集视角和所述最小外接矩形区域计算所述待测物体的长度和宽度，结合所述待测物体的长度、宽度和高度得到所述待测物体的体积。
2.根据权利要求1所述的一种体积测量方法，其特征在于，所述根据待测物体进入测距仪测距区域内的距离变化获取所述待测物体的高度；的步骤包括：
测量所述待测物体进入测距仪测距区域前，所述测距仪的摄像头测量的无所述待测物体的高度距离h1；
测量所述待测物体进入测距仪测距区域内，所述测距仪的摄像头测量的到所述待测物体的高度距离h2；
计算所述待测物体的高度H＝h1-h2。
3.根据权利要求2所述的一种体积测量方法，其特征在于，所述在获取所述待测物体高度的俯视图中，计算出所述待测物体的上表面在所述俯视图中的最小外接矩形区域；的步骤包括：
对所述俯视图进行图像归一化；
将图像归一化后，带入训练好的分割模型，计算得到所述俯视图的二值图像；
通过所述二值图像，提取所述俯视图的轮廓，获取所述待测物体在所述俯视图中的的最小外接矩形区域。
4.根据权利要求3所述的一种体积测量方法，其特征在于，所述结合对所述俯视图的采集视角和所述最小外接矩形区域计算所述待测物体的长度和宽度，结合所述待测物体的长度、宽度和高度得到所述待测物体的体积，的步骤包括：
提取所述二值图像的目标轮廓；
利用所述目标轮廓提取所述最小外接矩形长、宽的像素值,
结合对所述俯视图的采集视角，测距仪的摄像头测量的到所述待测物体的高度距离h2，计算所述待测物体的上表面上幅面的宽度。
5.根据权利要求4所述的一种体积测量方法，其特征在于，所述结合对所述俯视图的采集视角和所述最小外接矩形区域计算所述待测物体的长度和宽度，结合所述待测物体的长度、宽度和高度得到所述待测物体的体积，的步骤还包括：
根据所述待测物体的上表面上幅面的宽度和图像横向分辨率，计算所述待测物体的上表面的实际长度和宽度；
结合所述待测物体实际的长度、宽度和高度得到所述待测物体的体积。
6.一种体积测量装置，其特征在于，包括：
高度测量模块，其配置为，根据待测物体进入测距仪测距区域内的距离变化获取所述待测物体的高度；
第一计算模块，其配置为，在获取所述待测物体高度的俯视图中，计算出所述待测物体的上表面在所述俯视图中的最小外接矩形区域；
第二计算模块，其配置为，结合对所述俯视图的采集视角和所述最小外接矩形区域计算所述待测物体的长度和宽度，结合所述待测物体的长度、宽度和高度得到所述待测物体的体积。
7.根据权利要求6所述的一种体积测量装置，其特征在于，所述高度测量模块包括：
第一测量单元，用于测量所述待测物体进入测距仪测距区域前，所述测距仪的摄像头测量的无所述待测物体的高度距离h1；
第二测量单元，用于测量所述待测物体进入测距仪测距区域内，所述测距仪的摄像头测量的到所述待测物体的高度距离h2；
第一计算单元，用于计算所述待测物体的高度H＝h1-h2。
8.根据权利要求7所述的一种体积测量装置，其特征在于，所述第一计算模块还包括：
对所述俯视图进行图像归一化；
将图像归一化后，带入训练好的分割模型，计算得到所述俯视图的二值图像；
通过所述二值图像，提取所述俯视图的轮廓，获取所述待测物体在所述俯视图中的的最小外接矩形区域。
9.根据权利要求8所述的一种体积测量装置，其特征在于，所述第二计算模块包括：
提取所述二值图像的目标轮廓；
利用所述目标轮廓提取所述最小外接矩形长、宽的像素值,
结合对所述俯视图的采集视角，测距仪的摄像头测量的到所述待测物体的高度距离h2，计算所述待测物体的上表面上幅面的宽度。
10.根据权利要求9所述的一种体积测量装置，其特征在于，所述第二计算模块还包括：
根据所述待测物体的上表面上幅面的宽度和图像横向分辨率，计算所述待测物体的上表面的实际长度和宽度；
结合所述待测物体实际的长度、宽度和高度得到所述待测物体的体积。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110419437.9A CN113124753A (zh) | 2021-04-19 | 2021-04-19 | 一种体积测量方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110419437.9A CN113124753A (zh) | 2021-04-19 | 2021-04-19 | 一种体积测量方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113124753A true CN113124753A (zh) | 2021-07-16 |
Family
ID=76778066
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110419437.9A Pending CN113124753A (zh) | 2021-04-19 | 2021-04-19 | 一种体积测量方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113124753A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115218798A (zh) * | 2022-09-20 | 2022-10-21 | 西安中科慧远视觉技术有限公司 | 测量板材孔和/或槽尺寸的光学测量系统、方法及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103630074A (zh) * | 2013-11-29 | 2014-03-12 | 北京京东尚科信息技术有限公司 | 一种测量物体最小包装体积的方法和装置 |
| US20190172214A1 (en) * | 2016-08-15 | 2019-06-06 | Hangzhou Hikvision Digital Technology Co., Ltd. | Measurement method and apparatus |
| CN110174056A (zh) * | 2019-06-18 | 2019-08-27 | 上海商米科技集团股份有限公司 | 一种物体体积测量方法、装置及移动终端 |
| CN110349205A (zh) * | 2019-07-22 | 2019-10-18 | 杭州光珀智能科技有限公司 | 一种物体体积的测量方法及装置 |
| CN110490833A (zh) * | 2018-05-09 | 2019-11-22 | 北京中航安通科技有限公司 | 一种目标物体的体积测量方法及装置 |
| CN112101389A (zh) * | 2020-11-17 | 2020-12-18 | 支付宝(杭州)信息技术有限公司 | 仓储货物测量方法和装置 |
-
2021
- 2021-04-19 CN CN202110419437.9A patent/CN113124753A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103630074A (zh) * | 2013-11-29 | 2014-03-12 | 北京京东尚科信息技术有限公司 | 一种测量物体最小包装体积的方法和装置 |
| US20190172214A1 (en) * | 2016-08-15 | 2019-06-06 | Hangzhou Hikvision Digital Technology Co., Ltd. | Measurement method and apparatus |
| CN110490833A (zh) * | 2018-05-09 | 2019-11-22 | 北京中航安通科技有限公司 | 一种目标物体的体积测量方法及装置 |
| CN110174056A (zh) * | 2019-06-18 | 2019-08-27 | 上海商米科技集团股份有限公司 | 一种物体体积测量方法、装置及移动终端 |
| CN110349205A (zh) * | 2019-07-22 | 2019-10-18 | 杭州光珀智能科技有限公司 | 一种物体体积的测量方法及装置 |
| CN112101389A (zh) * | 2020-11-17 | 2020-12-18 | 支付宝(杭州)信息技术有限公司 | 仓储货物测量方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 何宗耀: "《新型智慧城市建设、现状技术与研究》", 31 August 2018, 北京邮电大学出版社 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115218798A (zh) * | 2022-09-20 | 2022-10-21 | 西安中科慧远视觉技术有限公司 | 测量板材孔和/或槽尺寸的光学测量系统、方法及介质 |
| CN115218798B (zh) * | 2022-09-20 | 2022-12-09 | 西安中科慧远视觉技术有限公司 | 测量板材孔和/或槽尺寸的光学测量系统、方法及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113252700B (zh) | 一种结构裂缝检测方法、设备及系统 | |
| CN102975826A (zh) | 基于机器视觉的便携式船舶水尺自动检测和识别方法 | |
| CN109916488B (zh) | 动态车辆称重方法及装置 | |
| Sivkov et al. | The algorithm development for operation of a computer vision system via the OpenCV library | |
| CN110288032A (zh) | 一种车辆行驶轨迹类型检测方法及装置 | |
| CN110853092A (zh) | 一种基于不规则物体的点云量方算法 | |
| CN112184707A (zh) | 基于点云数据的渣土车土石方装载判断方法以及判断系统 | |
| CN107504917B (zh) | 一种三维尺寸测量方法及装置 | |
| CN113124753A (zh) | 一种体积测量方法和装置 | |
| CN114663744A (zh) | 基于机器学习的仪表自动识别方法及系统 | |
| US20220198695A1 (en) | Unmanned aerial vehicle platform based vision measurement method for static rigid object | |
| CN103699876A (zh) | 一种基于线阵ccd图像识别车号的方法及装置 | |
| CN103528531A (zh) | 小型车车辆参数的物联网图像智能检测系统 | |
| CN114723689A (zh) | 一种集装箱箱体残损检测方法 | |
| CN102680060A (zh) | 一种基于图像识别的水表计量特性的自动检测方法 | |
| CN113435442B (zh) | 水位测量方法、装置、水尺及电子设备 | |
| Motayyeb et al. | Fusion of UAV-based infrared and visible images for thermal leakage map generation of building facades | |
| CN107491786B (zh) | 一种烟草收购重复过磅行为自动视觉检测与识别方法 | |
| CN101718527A (zh) | 一种基于图像识别计算尾矿库干滩长度的方法 | |
| CN110378952A (zh) | 一种图像处理方法及装置 | |
| CN205593617U (zh) | 具有显示流量数据识别的lng加气机计量检定标准装置 | |
| CN117333860A (zh) | 一种基于深度学习的船舶水尺读数方法及装置 | |
| CN107729308B (zh) | 大比例尺dlg质量检查统计方法及装置 | |
| CN115908370A (zh) | 一种基于图像逆透视变换实现水位检测的方法 | |
| CN110060339B (zh) | 一种基于云计算图形图像的三维建模方法 |
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 |
Application publication date: 20210716 |
|
| RJ01 | Rejection of invention patent application after publication |