CN113237423B - 物品体积测量设备 - Google Patents
物品体积测量设备 Download PDFInfo
- Publication number
- CN113237423B CN113237423B CN202110414360.6A CN202110414360A CN113237423B CN 113237423 B CN113237423 B CN 113237423B CN 202110414360 A CN202110414360 A CN 202110414360A CN 113237423 B CN113237423 B CN 113237423B
- Authority
- CN
- China
- Prior art keywords
- image
- point cloud
- gray
- image processor
- calibration
- 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
- 238000005259 measurement Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000004891 communication Methods 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims description 60
- 230000005236 sound signal Effects 0.000 claims description 10
- 238000003708 edge detection Methods 0.000 claims description 6
- 239000013589 supplement Substances 0.000 claims description 3
- 239000002699 waste material Substances 0.000 abstract description 5
- 238000013527 convolutional neural network Methods 0.000 description 6
- 230000001788 irregular Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
Abstract
本公开的实施例公开了物品体积测量设备。该设备的一具体实施方式包括:辅助测量装置、穿戴式图像采集装置、图像处理器,其中,辅助测量装置被配置成辅助图像处理器进行图像测量处理;穿戴式图像采集装置与图像处理器通信连接,穿戴式图像采集装置被配置成采集待检测物体的物体图像,以及将物体图像发送至图像处理器;图像处理器被配置成响应于接收到穿戴式图像采集装置发送的物体图像,对物体图像进行体积测量处理。该实施方式简化了测量物品体积的步骤,有效地减少了人力资源的浪费,提升了测量物品体积的准确度,提高了测量物品体积的效率。
Description
技术领域
本公开的实施例涉及物品体积测量领域,具体涉及物品体积测量设备。
背景技术
量方(测量体积)通常是现代物流的必要工序,是物流计费的关键指标。目前,物流平台采用的量方方式通常为:将被测物品移动到测量平台之上,利用激光或视觉传感器测量物品的体积。
然而,采用上述量方方式通常会存在以下技术问题:对于较重的物品,需要耗费较多的人力资源去将物品移动到测量平台上;此外,难以准确地测量不规则物品的体积,造成测量物品体积的效率较低。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。本公开的一些实施例提出了物品体积测量设备,来解决以上背景技术部分提到的技术问题中的一项或多项。
本公开的一些实施例提供了一种物品体积测量设备,包括:辅助测量装置、穿戴式图像采集装置、图像处理器,其中,上述声控传感器与上述穿戴式图像采集装置通信连接,上述声控传感器被配置成响应于接收到声音指令或按键指令,启动上述穿戴式图像采集装置;上述辅助测量装置被配置成辅助上述穿戴式图像采集装置进行图像采集,以及辅助上述图像处理器进行图像测量处理;上述穿戴式图像采集装置与上述图像处理器通信连接,上述穿戴式图像采集装置被配置成采集待检测物体的物体图像,以及将上述物体图像发送至上述图像处理器;上述图像处理器被配置成响应于接收到上述穿戴式图像采集装置发送的物体图像,对上述物体图像进行体积测量处理。
可选地,上述图像处理器被配置成:确定上述物体图像包括的点云图像是否满足预设条件,其中,上述预设条件为点云图像所包括的各个点云像素的有效率大于等于目标阈值;响应于确定满足上述预设条件,对上述物体图像包括的点云图像和灰度图像分别进行滤波处理以生成滤波点云图像和滤波灰度图像。
可选地,上述辅助测量装置包括标定构件;以及上述图像处理器被配置成:响应于检测到上述物体图像中包含表征上述标定构件的标定图像,识别上述灰度图像中对应上述标定图像的标定灰度图像;从上述滤波灰度图像中去除上述标定灰度图像,得到目标滤波灰度图像;从上述滤波点云图像中识别出与上述目标滤波灰度图像对应的滤波点云图像作为目标滤波点云区域。
可选地,上述辅助测量装置包括标定终端;以及上述标定终端与上述图像处理器通信连接,上述图像处理器被配置成响应于检测到上述滤波灰度图像中显示有多个待检测物体,将上述滤波灰度图像发送至上述标定终端;上述标定终端被配置成响应于接收到上述图像处理器发送的滤波灰度图像,对上述滤波灰度图像包括的每个待检测物体进行标定,以及将标定上述待检测物体后的灰度图像发送至上述图像处理器。
可选地,上述图像处理器被配置成:对于每个待检测物体,执行如下处理步骤:接收上述标定终端发送的标定上述待检测物体后的灰度图像;对上述标定上述待检测物体后的灰度图像进行边缘检测处理以识别出对应上述待检测物体的灰度图像轮廓;从上述滤波灰度图像中识别出对应上述灰度图像轮廓的滤波灰度子图像;从上述滤波点云图像中识别出对应上述滤波灰度子图像的滤波点云子图像作为目标滤波点云子区域。
可选地,上述图像处理器被配置成:将所识别的目标滤波点云子区域进行组合处理,得到目标滤波点云区域。
可选地,上述图像处理器被配置成:对上述目标滤波点云区域进行分析处理,得到上述物体图像中所显示的物体的维度数据信息。
可选地,上述物品体积测量设备还包括扬声器,上述扬声器与上述图像处理器通信连接,其中,上述图像处理器被配置成:根据上述维度数据信息,生成待检测物体的体积信息;将上述体积信息转换成音频信号发送至上述扬声器;以及上述扬声器被配置成:响应于接收到上述图像处理器发送的音频信号,进行语音播报。
可选地,上述物品体积测量设备还包括声控传感器,其中,上述声控传感器与上述穿戴式图像采集装置通信连接,被配置成响应于接收到声音指令或按键指令,启动上述穿戴式图像采集装置。
可选地,上述物品体积测量设备还包括灯光装置,被配置成向上述穿戴式图像采集装置进行补光。
可选地,上述物品体积测量设备还包括电源,被配置成向上述声控传感器、上述穿戴式图像采集装置和上述图像处理器供电。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的物品体积测量设备,简化了测量物品的步骤,有效地减少了人力资源的浪费,提升了测量物品体积的准确度,提高了测量物品体积的效率。具体来说,造成测量物品体积的效率较低的原因在于:对于较重的物品,需要耗费较多的人力资源去将物品移动到测量平台上;此外,难以准确地测量不规则物品的体积。基于此,本公开的一些实施例的物品体积测量设备包括辅助测量装置,该辅助测量装置被配置成辅助上述穿戴式图像采集装置进行图像采集,以及辅助上述图像处理器进行图像测量处理。由此,可以提高穿戴式图像采集装置采集物体图像的准确度。此外,该辅助测量装置可以辅助图像处理器识别物体图像中所显示的物体,提高图像处理器识别物体图像中所显示的物体的准确度。该物品体积测量设备还包括穿戴式图像采集装置,在工作状态下,该穿戴式图像采集装置可以穿戴于用户的头部或佩戴至用户的胸部。由此,可以使得用户在不移动物体以及不使用双手的情况下,完成对物体图像的采集,解决了需要耗费较多的人力资源去将物品移动到测量平台上的问题。该物品体积测量设备还包括图像处理器,该图像处理器可以通过对待检测物体的物体图像进行测量,以实现对不规则物品的体积的测量。从而,简化了测量物品的步骤,有效地减少了人力资源的浪费,提升了测量物品体积的准确度,提高了测量物品体积的效率。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是本公开的一些实施例的物品体积测量设备的一个应用场景的示意图;
图2是根据本公开的物品体积测量设备的一些实施例的结构关系示意图;
图3是根据本公开的物品体积测量设备的另一些实施例的结构关系示意;
图4是根据本公开的物品体积测量设备所测量的物体图像的灰度图像轮廓的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开一些实施例的物品体积测量设备的一个应用场景的示意图。
在图1的应用场景中,物品体积测量设备可以穿戴于用户的头部,或者佩戴于用户的胸部。由此,可以使得用户在不移动物体以及不使用双手的情况下,完成对物体图像的采集,解决了需要耗费较多的人力资源去将物品移动到测量平台上的问题。
继续参见图2,其示出了本公开提供的物品体积测量设备的一个实施例的结构示意图。如图2所示,本公开提供的物品体积测量设备可以包括:辅助测量装置1、穿戴式图像采集装置2和图像处理器3。
在一些实施例中,辅助测量装置1可以被配置成辅助上述穿戴式图像采集装置2进行图像采集,以及辅助上述图像处理器3进行图像测量处理。这里,辅助测量装置1可以是具有标定功能的参照物。例如,辅助测量装置1可以是标定板。实践中,辅助测量装置1在辅助穿戴式图像采集装置2进行图像采集时,作为参照物。以便于穿戴式图像采集装置2在对物体进行图像拍摄时,建立相机坐标系与真实场景之间的映射关系。由此,便于后续图像处理器3根据物体图像测量物体的实际尺寸。
在一些实施例中,穿戴式图像采集装置2可以通过有线连接或无线连接的方式与图像处理器3通信连接。穿戴式图像采集装置2可以被配置成采集待检测物体的物体图像,以及将上述物体图像发送至上述图像处理器3。这里,穿戴式图像采集装置2可以是指穿戴式的具有拍摄功能的图像采集装置。例如,穿戴式图像采集装置2可以是穿戴式3D相机等。这里,物体图像可以包括点云图像和灰度图像。这里,灰度图像可以指灰度数字图像(平面图),灰度图像中的灰度像素在图像平面坐标系中通常表示为(X,Y)。这里,点云图像可以是指3D点云图(点云),点云图像中的点云像素(点云中的点)在世界坐标系中通常表示为(X,Y,Z)。这里,X可以表示横坐标,Y可以表示纵坐标,Z可以表示竖坐标。
在一些实施例中,图像处理器3被配置成响应于接收到上述穿戴式图像采集装置2发送的物体图像,对上述物体图像进行体积测量处理。这里,图像处理器3可以是指具有图像处理功能的中央处理器。这里,图像处理功能可以包括但不限于:滤波处理、主成分分析、边缘检测。
实践中,首先,图像处理器3可以对物体图像包括的点云图像和灰度图像分别进行滤波处理以生成滤波点云图像和滤波灰度图像。然后,图像处理器3可以通过VGG模型识别出滤波灰度图像中表征辅助测量装置1的图像。其次,图像处理器3可以通过预先训练好的卷积神经网络去除所识别的滤波灰度图像中表征辅助测量装置1的图像,得到目标滤波灰度图像。这里,卷积神经网络可以是FNC(Fully Convolutional Networks,全卷积神经网络)。接着,图像处理器3可以利用目标滤波灰度图像中的灰度像素与滤波点云图像中的点云像素的一一对应关系,从上述滤波点云图像中识别出与上述目标滤波灰度图像对应的滤波点云区域。例如,目标滤波灰度图像中的灰度像素的坐标可以是(1,1)。图像处理器3可以从目标滤波点云图像中的点云像素中识别出坐标为(1,1,Z)的点云像素。再然后,图像处理器3可以从与上述目标滤波灰度图像对应的滤波点云区域包括的各个点云像素中,检测出点云坐标在横坐标、纵坐标和竖坐标上为极值的点云坐标。最后,图像处理器3可以将所检测的极值作为物体图像中所显示的物体的维度信息。之后,图像处理器3可以将维度信息所包括的各个极值进行相乘处理,以生成待检测物体的体积信息。从而,完成了对待检测物体的体积的测量。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的物品体积测量设备,简化了测量物品的步骤,有效地减少了人力资源的浪费,提升了测量物品体积的准确度,提高了测量物品体积的效率。具体来说,造成测量物品体积的效率较低的原因在于:对于较重的物品,需要耗费较多的人力资源去将物品移动到测量平台上;此外,难以准确地测量不规则物品的体积。基于此,本公开的一些实施例的物品体积测量设备包括辅助测量装置,该辅助测量装置被配置成辅助上述穿戴式图像采集装置进行图像采集,以及辅助上述图像处理器进行图像测量处理。由此,可以提高穿戴式图像采集装置采集物体图像的准确度。此外,该辅助测量装置可以辅助图像处理器识别物体图像中所显示的物体,提高图像处理器识别物体图像中所显示的物体的准确度。该物品体积测量设备还包括穿戴式图像采集装置,在工作状态下,该穿戴式图像采集装置可以穿戴于用户的头部或佩戴至用户的胸部。由此,可以使得用户在不移动物体以及不使用双手的情况下,完成对物体图像的采集,解决了需要耗费较多的人力资源去将物品移动到测量平台上的问题。该物品体积测量设备还包括图像处理器,该图像处理器可以通过对待检测物体的物体图像进行测量,以实现对不规则物品的体积的测量。从而,简化了测量物品的步骤,有效地减少了人力资源的浪费,提升了测量物品体积的准确度,提高了测量物品体积的效率。
继续参考图3,其示出了本公开提供的物品体积测量设备的另一个实施例的结构示意图。与图2实施例中的物品体积测量设备相同的是,本实施例中的物品体积测量设备同样可以包括辅助测量装置1、穿戴式图像采集装置2和图像处理器3。具体结构关系可以参见图2实施例中的相关描述,此处不再赘述。
与图2实施例中的物品体积测量设备不同的是,本实施例中的图像处理器3可以被配置成:确定上述物体图像包括的点云图像是否满足预设条件,其中,上述预设条件为点云图像所包括的各个点云像素的有效率大于等于目标阈值;响应于确定满足上述预设条件,对上述物体图像包括的点云图像和灰度图像分别进行滤波处理以生成滤波点云图像和滤波灰度图像。
实践中,首先,图像处理器3可以确定上述点云图像是否满足预设条件。其中,上述预设条件可以为点云图像所包括的各个点云像素的有效率大于等于目标阈值。这里,对目标阈值的设定,不作限制。例如,目标阈值可以是0.8。这里,各个点云像素的有效率可以是指有效点云像素的数量与各个点云像素的数量的比值。这里,有效点云像素可以是指点云像素的坐标中的Z(表示竖坐标,也可以称为高度坐标或深度坐标)不为0。例如,点云图像中可以包括100个点云像素。其中,100个点云像素有70个点云像素的坐标中的Z不为0,即,有效点云像素的数量为90。从而,可以得到100个点云像素的有效率为0.9,大于目标阈值0.8。由此,图像处理器3可以确定上述点云图像满足预设条件。然后,图像处理器3可以响应于确定满足上述预设条件,对上述点云图像和上述灰度图像分别进行滤波处理以生成滤波点云图像和滤波灰度图像。这里,滤波处理可以为:均值滤波,中值滤波,最大最小值滤波,双边滤波,引导滤波,双边滤波,高斯滤波,条件滤波,直通滤波等。由此,可以通过滤波处理去除图像中的杂点,为提高测量物品体积的准确度奠定了基础。
与图2实施例中的物品体积测量设备不同的是,本实施例中的辅助测量装置1还包括标定构件4。这里,标定构件4可以是指具有标定功能的参照物。例如,标定构件4可以是棋盘格图片,也可以是标定板。
与图2实施例中的物品体积测量设备不同的是,图像处理器3可以被配置成:响应于检测到上述物体图像中包含表征上述标定构件4的标定图像,识别上述灰度图像中对应上述标定图像的标定灰度图像;从上述滤波灰度图像中去除上述标定灰度图像,得到目标滤波灰度图像;从上述滤波点云图像中识别出与上述目标滤波灰度图像对应的滤波点云图像作为目标滤波点云区域。
实践中,首先,图像处理器3可以响应于检测到上述物体图像中包含表征上述标定构件4的标定图像,通过VGG模型检测标定图像的轮廓,以识别上述灰度图像中对应上述标定图像的标定灰度图像。然后,图像处理器3可以利用预先训练好的卷积神经网络从上述滤波灰度图像中去除上述标定灰度图像,得到目标滤波灰度图像。这里,卷积神经网络可以是FNC(Fully Convolutional Networks,全卷积神经网络)。最后,图像处理器3可以利用目标滤波灰度图像中的灰度像素与滤波点云图像中的点云像素的一一对应关系,从上述滤波点云图像中识别出与上述目标滤波灰度图像对应的滤波点云图像作为目标滤波点云区域。由此,通过标定构件作为参照物,有利于提高识别目标滤波点云区域的准确度。从而,提升了测量物品体积的准确度,提高了测量物品体积的效率。
与图2实施例中的物品体积测量设备不同的是,本实施例中的辅助测量装置1还包括标定终端5。这里,标定终端5可以指具有图像标定功能的计算设备。例如,标定终端5可以是PDA(Personal Digital Assistant,掌上电脑),也可以是PC(Personal Computer,个人计算机)。
在一些实施例中,标定终端5可以通过有线连接或无线连接的方式与图像处理器3通信连接。图像处理器3可以被配置成响应于检测到上述滤波灰度图像中显示有多个待检测物体,将上述滤波灰度图像发送至上述标定终端5。实践中,图像处理器3可以响应于检测到上述滤波灰度图像中显示有多个待检测物体,通过有线连接或无线连接的方式将上述滤波灰度图像发送至上述标定终端5。
在一些实施例中,标定终端5可以被配置成响应于接收到上述图像处理器3发送的滤波灰度图像,对上述滤波灰度图像包括的每个待检测物体进行标定,以及将标定上述待检测物体后的灰度图像发送至上述图像处理器3。这里,对上述滤波灰度图像包括的每个待检测物体进行标定可以是指响应于接收到用户输入的作用于上述滤波灰度图像的标定指令,对上述滤波灰度图像包括的每个待检测物体进行标定。
与图2实施例中的物品体积测量设备不同的是,图像处理器3可以被配置成:对于每个待检测物体,执行如下处理步骤:接收上述标定终端5发送的标定上述待检测物体后的灰度图像;对上述标定上述待检测物体后的灰度图像进行边缘检测处理以识别出对应上述待检测物体的灰度图像轮廓;从上述滤波灰度图像中识别出对应上述灰度图像轮廓的滤波灰度子图像;从上述滤波点云图像中识别出对应上述滤波灰度子图像的滤波点云子图像作为目标滤波点云子区域。
实践中,首先,图像处理器3可以接收上述标定终端5发送的标定上述待检测物体后的灰度图像。其次,图像处理器3可以通过VGG模型对上述标定上述待检测物体后的灰度图像进行边缘检测处理以识别出对应上述待检测物体的灰度图像轮廓(如图4所示)。然后,图像处理器3可以从滤波灰度图像中识别出灰度图像轮廓所包含的灰度图像作为滤波灰度子图像。最后,图像处理器3可以利用滤波灰度子图像中的灰度像素与滤波点云图像中的点云像素的对应关系,从上述滤波点云图像中识别出对应上述滤波灰度子图像的滤波点云子图像作为目标滤波点云子区域。
与图2实施例中的物品体积测量设备不同的是,图像处理器3可以被配置成:将所识别的目标滤波点云子区域进行组合处理,得到目标滤波点云区域。实践中,图像处理器3可以将所识别的目标滤波点云子区域进行组合处理,得到目标滤波点云区域。这里,组合处理可以为拼接处理。
与图2实施例中的物品体积测量设备不同的是,图像处理器3可以被配置成:对上述目标滤波点云区域进行分析处理,得到上述物体图像中所显示的物体的维度数据信息。实践中,图像处理器3可以对上述目标滤波点云区域进行主成分分析,以检测分析出目标滤波点云区域中的中心点。然后,图像处理器3可以再以中心点为坐标原点,建立空间坐标系。最后,可以查找出空间坐标系中目标滤波点云区域在横坐标、纵坐标和竖坐标上的极值。从而,将所查找的极值确定为上述物体图像中所显示的物体的维度数据信息。这里,维度数据信息可以是指目标滤波点云区域的长度信息、宽度信息和高度信息。
与图2实施例中的物品体积测量设备不同的是,本实施例中的物品体积测量设备还包括扬声器6。扬声器6可以通过有线连接或无线连接的方式与图像处理器3通信连接。
与图2实施例中的物品体积测量设备不同的是,图像处理器3可以被配置成:根据上述维度数据信息,生成待检测物体的体积信息;将上述体积信息转换成音频信号发送至上述扬声器6。
实践中,首先,图像处理器3可以将维度数据信息所包括的各个极值进行相乘处理,以生成待检测物体的体积信息。从而,完成了对待检测物体的体积的测量。然后,图像处理器3可以将上述体积信息转换成音频信号发送至上述扬声器6。
在一些实施例,扬声器6可以被配置成:响应于接收到上述图像处理器发送的音频信号,进行语音播报。
与图2实施例中的物品体积测量设备不同的是,本实施例中的物品体积测量设备还包括声控传感器7,其中,上述声控传感器7与上述穿戴式图像采集装置2通信连接,被配置成响应于接收到声音指令或按键指令,启动上述穿戴式图像采集装置2。
在一些实施例中,声控传感器7可以通过有线连接或无线连接的方式与穿戴式图像采集装置2通信连接。声控传感器7可以被配置成响应于接收到声音指令或按键指令,启动穿戴式图像采集装置2。这里,声控传感器7可以指声音传感器。实践中,声控传感器7可以在接收到用户发出的表征启动的声音或接收到用户作用于声控传感器7上表征启动的按键时,启动穿戴式图像采集装置2。
与图2实施例中的物品体积测量设备不同的是,本实施例中的物品体积测量设备还包括灯光装置8。灯光装置8可以被配置成向穿戴式图像采集装置2进行补光。实践中,在启动穿戴式图像采集装置2之后,可以开启灯光装置8,以提高穿戴式图像采集装置2在进行图像采集时的清晰度。
与图2实施例中的物品体积测量设备不同的是,本实施例中的物品体积测量设备还包括电源9。电源9可以被配置成向上述声控传感器1、上述穿戴式图像采集装置2和上述图像处理器3供电。
从图3可以看出,与图2对应的一些实施例的描述相比,图3对应的一些实施例中的结构,首先,可以通过对标记的待检测物体后的灰度图像进行边缘检测,以准确识别出该待检测物体的灰度图像。然后,再利用灰度图像和点云图像的对应关系,快速识别出待检测物体的点云图像。由此,可以完成对各个物体的测量。从而,可以快速而准确的识别出物体的维度信息,提升了测量物品体积的准确度,提高了测量物品体积的效率。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (11)
1.一种物品体积测量设备,包括:辅助测量装置、穿戴式图像采集装置、图像处理器,其中,
所述辅助测量装置被配置成辅助所述穿戴式图像采集装置进行图像采集,以及辅助所述图像处理器进行图像测量处理,其中,所述辅助测量装置包括标定构件和/或标定终端,所述标定构件是具有标定功能的参照物;
所述穿戴式图像采集装置与所述图像处理器通信连接,所述穿戴式图像采集装置被配置成采集待检测物体的物体图像,以及将所述物体图像发送至所述图像处理器;
所述图像处理器被配置成响应于接收到所述穿戴式图像采集装置发送的物体图像,对所述物体图像进行体积测量处理;
其中,所述标定终端被配置成:响应于接收到所述图像处理器发送的滤波灰度图像,对所述滤波灰度图像包括的每个待检测物体进行标定。
2.根据权利要求1所述的物品体积测量设备,其中,所述图像处理器被配置成:
确定所述物体图像包括的点云图像是否满足预设条件,其中,所述预设条件为点云图像所包括的各个点云像素的有效率大于等于目标阈值;
响应于确定满足所述预设条件,对所述物体图像包括的点云图像和灰度图像分别进行滤波处理以生成滤波点云图像和滤波灰度图像。
3.根据权利要求2所述的物品体积测量设备,其中,所述图像处理器被配置成:
响应于检测到所述物体图像中包含表征所述标定构件的标定图像,识别所述灰度图像中对应所述标定图像的标定灰度图像;
从所述滤波灰度图像中去除所述标定灰度图像,得到目标滤波灰度图像;
从所述滤波点云图像中识别出与所述目标滤波灰度图像对应的滤波点云图像作为目标滤波点云区域。
4.根据权利要求2所述的物品体积测量设备,其中,所述标定终端与所述图像处理器通信连接,所述图像处理器被配置成响应于检测到所述滤波灰度图像中显示有多个待检测物体,将所述滤波灰度图像发送至所述标定终端;
所述标定终端被配置成响应于接收到所述图像处理器发送的滤波灰度图像,对所述滤波灰度图像包括的每个待检测物体进行标定,以及将标定所述待检测物体后的灰度图像发送至所述图像处理器。
5.根据权利要求4所述的物品体积测量设备,其中,所述图像处理器被配置成:
对于每个待检测物体,执行如下处理步骤:
接收所述标定终端发送的标定所述待检测物体后的灰度图像;
对所述标定所述待检测物体后的灰度图像进行边缘检测处理以识别出对应所述待检测物体的灰度图像轮廓;
从所述滤波灰度图像中识别出对应所述灰度图像轮廓的滤波灰度子图像;
从所述滤波点云图像中识别出对应所述滤波灰度子图像的滤波点云子图像作为目标滤波点云子区域。
6.根据权利要求5所述的物品体积测量设备,其中,所述图像处理器被配置成:
将所识别的目标滤波点云子区域进行组合处理,得到目标滤波点云区域。
7.根据权利要求3或6所述的物品体积测量设备,其中,所述图像处理器被配置成:
对所述目标滤波点云区域进行分析处理,得到所述物体图像中所显示的物体的维度数据信息。
8.根据权利要求7所述的物品体积测量设备,其中,所述物品体积测量设备还包括扬声器,所述扬声器与所述图像处理器通信连接,其中,
所述图像处理器被配置成:
根据所述维度数据信息,生成待检测物体的体积信息;
将所述体积信息转换成音频信号发送至所述扬声器;以及
所述扬声器被配置成:响应于接收到所述图像处理器发送的音频信号,进行语音播报。
9.根据权利要求1所述的物品体积测量设备,其中,所述物品体积测量设备还包括声控传感器,其中,所述声控传感器与所述穿戴式图像采集装置通信连接,被配置成响应于接收到声音指令或按键指令,启动所述穿戴式图像采集装置。
10.根据权利要求1所述的物品体积测量设备,其中,所述物品体积测量设备还包括灯光装置,被配置成向所述穿戴式图像采集装置进行补光。
11.根据权利要求9所述的物品体积测量设备,其中,所述物品体积测量设备还包括电源,被配置成向所述声控传感器、所述穿戴式图像采集装置和所述图像处理器供电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110414360.6A CN113237423B (zh) | 2021-04-16 | 2021-04-16 | 物品体积测量设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110414360.6A CN113237423B (zh) | 2021-04-16 | 2021-04-16 | 物品体积测量设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113237423A CN113237423A (zh) | 2021-08-10 |
CN113237423B true CN113237423B (zh) | 2023-09-05 |
Family
ID=77128446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110414360.6A Active CN113237423B (zh) | 2021-04-16 | 2021-04-16 | 物品体积测量设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113237423B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106017325A (zh) * | 2014-07-16 | 2016-10-12 | 佛山科学技术学院 | 一种改进的复杂表面和不规则物体体积的非接触光学测量方法 |
CN111382613A (zh) * | 2018-12-28 | 2020-07-07 | 中国移动通信集团辽宁有限公司 | 图像处理方法、装置、设备和介质 |
CN111415388A (zh) * | 2020-03-17 | 2020-07-14 | Oppo广东移动通信有限公司 | 一种视觉定位方法及终端 |
CN112102409A (zh) * | 2020-09-21 | 2020-12-18 | 杭州海康威视数字技术股份有限公司 | 目标检测方法、装置、设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140152530A1 (en) * | 2012-12-03 | 2014-06-05 | Honeywell International Inc. | Multimedia near to eye display system |
US10559086B1 (en) * | 2015-05-15 | 2020-02-11 | 4DMobile, LLC | System for volume dimensioning via holographic sensor fusion |
CN106705837B (zh) * | 2015-11-17 | 2019-12-06 | 华为技术有限公司 | 一种基于手势的物体测量方法及装置 |
CN109903328B (zh) * | 2017-12-11 | 2021-12-21 | 宁波盈芯信息科技有限公司 | 一种应用于智能手机的物体体积测量的装置及方法 |
CN111127822B (zh) * | 2020-03-27 | 2020-06-30 | 杭州融梦智能科技有限公司 | 一种基于增强现实的消防辅助方法及智能穿戴设备 |
-
2021
- 2021-04-16 CN CN202110414360.6A patent/CN113237423B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106017325A (zh) * | 2014-07-16 | 2016-10-12 | 佛山科学技术学院 | 一种改进的复杂表面和不规则物体体积的非接触光学测量方法 |
CN111382613A (zh) * | 2018-12-28 | 2020-07-07 | 中国移动通信集团辽宁有限公司 | 图像处理方法、装置、设备和介质 |
CN111415388A (zh) * | 2020-03-17 | 2020-07-14 | Oppo广东移动通信有限公司 | 一种视觉定位方法及终端 |
CN112102409A (zh) * | 2020-09-21 | 2020-12-18 | 杭州海康威视数字技术股份有限公司 | 目标检测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113237423A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110108348B (zh) | 基于运动放大光流跟踪的薄壁件微幅振动测量方法及系统 | |
CN105279372B (zh) | 一种确定建筑物高度的方法和装置 | |
CN107566749B (zh) | 拍摄方法及移动终端 | |
CN110560376B (zh) | 一种产品表面缺陷检测方法及装置 | |
US20210004947A1 (en) | Evaluation system, evaluation device, evaluation method, evaluation program, and recording medium | |
CN115699082A (zh) | 缺陷检测方法及装置、存储介质及电子设备 | |
CN112218070A (zh) | 杂光检测方法、装置、存储介质与电子设备 | |
CN108718388B (zh) | 一种拍照方法及移动终端 | |
CN113096158A (zh) | 运动对象的识别方法、装置、电子设备及可读存储介质 | |
CN113947613B (zh) | 目标区域检测方法、装置、设备及存储介质 | |
CN109993781B (zh) | 基于双目立体视觉匹配的视差图像生成方法及系统 | |
CN113237423B (zh) | 物品体积测量设备 | |
CN110930372B (zh) | 一种图像处理方法、电子设备及计算机可读存储介质 | |
CN112508891B (zh) | 基于手机的ai智能识别缺陷的磁粉探伤系统及其方法 | |
CN111536895B (zh) | 外形识别装置、外形识别系统以及外形识别方法 | |
CN108391106A (zh) | 投影系统、投影仪器及投影显示方法 | |
CN109389561B (zh) | 一种成像方法及装置 | |
CN113706446A (zh) | 一种镜头检测方法和相关装置 | |
CN107802468B (zh) | 导盲方法及导盲系统 | |
CN111639708A (zh) | 图像处理方法、装置、存储介质及设备 | |
CN113706429B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN110807773B (zh) | 一种核电站表面缺陷全景图像检测方法 | |
CN116681778B (zh) | 一种基于单目相机的距离测量方法 | |
CN111563850B (zh) | 一种图像处理方法及电子设备 | |
CN107948549B (zh) | 一种图像噪点调整方法和装置 |
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 |