CN113469968B - 一种卷烟包装盒盒缝高度差检测方法、装置及电子设备 - Google Patents
一种卷烟包装盒盒缝高度差检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113469968B CN113469968B CN202110725285.5A CN202110725285A CN113469968B CN 113469968 B CN113469968 B CN 113469968B CN 202110725285 A CN202110725285 A CN 202110725285A CN 113469968 B CN113469968 B CN 113469968B
- Authority
- CN
- China
- Prior art keywords
- box
- area
- cigarette
- point
- slice
- 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
- 235000019504 cigarettes Nutrition 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004806 packaging method and process Methods 0.000 title claims abstract description 25
- 230000011218 segmentation Effects 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 238000005192 partition Methods 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 47
- 238000012856 packing Methods 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 25
- 238000005070 sampling Methods 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000000513 principal component analysis Methods 0.000 claims description 5
- 238000012847 principal component analysis method Methods 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 13
- 238000011002 quantification Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Packaging Of Annular Or Rod-Shaped Articles, Wearing Apparel, Cassettes, Or The Like (AREA)
Abstract
本发明公开了一种卷烟包装盒盒缝高度差检测方法、装置及电子设备。该方法包括激光扫描待测卷烟包装盒，生成烟盒表面密集点云；对烟盒表面密集点云进行平面分割，得到待测卷烟包装盒的各分割区域；从各分割区域中确定盒缝区域以及烟盒侧面区域，任选两个相邻的烟盒侧面区域分别进行拟合，得到两个拟合平面；将盒缝区域内的每个点投影至拟合平面中，对拟合平面中的投影点集进行切片计算，得到每个切片对应的盒缝高度差。本发明实现了能够计算出每个位置的盒缝高度差，不需要人工参与，整个过程耗时短，计算效率高，且能够检测出盒缝高度差的具体长度，实现对盒缝大小的定量。
Description
技术领域
本申请涉及卷烟包装盒检测技术领域，具体而言，涉及一种卷烟包装盒盒缝高度差检测方法、装置及电子设备。
背景技术
卷烟的包装盒在成型之后，由于裁切精度、结构应力等原因，表面会产生一定程度的凹陷，影响烟盒的外观。其中，最容易外显凹陷的位置为卷烟包装盒正面，盒盖翻转与盒体对接处。盒盖的基础结构一般为双层盒片叠合，稳定性较好，正常情况下均可保持其平面度。而盒体正面的基础结构一般为单层盒片，结构稳定性较差，因此裁切精度不足、结构应力的拉扯/挤压均能够对盒体正面的基础结构产生凹陷影响，使得盒盖与盒体对接处产生不规则的盒缝。出于对产品质量上的把控，对卷烟包装盒的盒缝大小有相关的要求，若盒缝较大，则产品的外观质量不达标，将不能够出厂。目前对于盒缝大小的确定是通过人工肉眼的方式进行确定和筛选，主观性较强，且随着工作人员工作时长的增加，其眼部疲劳将导致筛选精度进一步的降低，整个过程耗时长，效率低，并且对于盒缝的大小没有一个定量的标准，检测时也无法得知盒缝各处的具体缝隙长度。
发明内容
为了解决上述问题，本申请实施例提供了一种卷烟包装盒盒缝高度差检测方法、装置及电子设备。
第一方面，本申请实施例提供了一种卷烟包装盒盒缝高度差检测方法，所述方法包括：
激光扫描待测卷烟包装盒，生成烟盒表面密集点云；
对所述烟盒表面密集点云进行平面分割，得到所述待测卷烟包装盒的各分割区域；
从各所述分割区域中确定盒缝区域以及烟盒侧面区域，任选两个相邻的所述烟盒侧面区域分别进行拟合，得到两个拟合平面；
将所述盒缝区域内的每个点投影至所述拟合平面中，对所述拟合平面中的投影点集进行切片计算，得到每个切片对应的盒缝高度差。
优选的，所述对所述烟盒表面密集点云进行平面分割，得到所述待测卷烟包装盒的各分割区域，包括：
基于主成分分析法估算所述烟盒表面密集点云的法向量；
基于区域生长算法以及所述法向量对所述烟盒表面密集点云进行分割，得到所述待测卷烟包装盒的各分割区域。
优选的，所述基于主成分分析法估算所述烟盒表面密集点云的法向量，包括：
对所述烟盒表面密集点云进行局部邻域搜索，确定各采样点以及各所述采样点对应的局部邻近点；
基于所述采样点和局部邻近点拟合局部最小二乘平面；
将所述局部最小二乘平面转换为邻域协方差矩阵，并对所述邻域协方差矩阵进行特征值分解；
将所述邻域协方差矩阵的最小特征值所对应的特征向量确定为所述采样点的估计法向量；
计算所有所述采样点的估计法向量，得到所述烟盒表面密集点云的法向量。
优选的，所述基于区域生长算法以及所述法向量对所述烟盒表面密集点云进行分割，得到所述待测卷烟包装盒的各分割区域，包括：
从所述烟盒表面密集点云中随机选取一个未赋予属性的种子点；
以所述种子点为中心，遍历所述种子点的邻域，判断邻域点与所述种子点的法向量是否具有相似性；
将具有相似性的所述邻域点与所述种子点合并，并从合并生成的堆栈中重新随机选取一个种子点，重复所述以所述种子点为中心，遍历所述种子点的邻域，判断邻域点与所述种子点的法向量是否具有相似性的步骤；
当所述堆栈为空时，重复所述从所述烟盒表面密集点云中随机选取一个未赋予属性的种子点的步骤，直至所述烟盒表面密集点云中的每个点均分割有归属区域；
得到所述待测卷烟包装盒的各归属区域，所述归属区域即为分割区域。
优选的，所述从各所述分割区域中确定盒缝区域以及烟盒侧面区域，任选两个相邻的所述烟盒侧面区域分别进行拟合，得到两个拟合平面，包括：
基于各所述分割区域之间的相对位置，确定盒缝区域以及烟盒侧面区域；
任选两个相邻的所述烟盒侧面区域，基于最小二乘法分别对各所述烟盒侧面区域进行平面拟合，得到各拟合平面。
优选的，所述将所述盒缝区域内的每个点投影至所述拟合平面中，对所述拟合平面中的投影点集进行切片计算，得到每个切片对应的盒缝高度差，包括：
将盒缝区域投影面积大的拟合平面作为投影面，将所述盒缝区域内的每个点投影至所述投影面上，得到投影点集；
将盒缝区域投影面积小的拟合平面作为切片面，基于所述投影点集相对所述切片面之间的距离对所述投影点集进行切片计算，得到每个切片对应的盒缝高度差。
优选的，所述方法还包括：
为每个所述切片生成唯一识别码，当接收到切片位置展示指令时，获取所述切片位置展示指令对应的所述唯一识别码，基于所述唯一识别码查找对应的所述切片；
将所述切片在所述盒缝区域内对应的各点进行标记，并在所述烟盒表面密集点云中展示标记的各点。
第二方面，本申请实施例提供了一种卷烟包装盒盒缝高度差检测装置，所述装置包括：
扫描模块，用于激光扫描待测卷烟包装盒，生成烟盒表面密集点云；
分割模块，用于对所述烟盒表面密集点云进行平面分割，得到所述待测卷烟包装盒的各分割区域；
拟合模块，用于从各所述分割区域中确定盒缝区域以及烟盒侧面区域，任选两个相邻的所述烟盒侧面区域分别进行拟合，得到两个拟合平面；
切片模块，用于将所述盒缝区域内的每个点投影至所述拟合平面中，对所述拟合平面中的投影点集进行切片计算，得到每个切片对应的盒缝高度差。
第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在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第一方面或第一方面的任意一种可能的实现方式提供的方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或第一方面的任意一种可能的实现方式提供的方法。
本发明的有益效果为：通过采集烟盒点云数据来构建拟合空间，并将待测量的盒缝区域中的点投影至拟合空间中进行切片，以此能够计算出每个位置的盒缝高度差，不需要人工参与，整个过程耗时短，计算效率高，且能够检测出盒缝高度差的具体长度，实现对盒缝大小的定量。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，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为本申请实施例提供的一种卷烟包装盒盒缝高度差检测方法的流程示意图；
图2为本申请实施例提供的一种卷烟包装盒盒缝高度差检测装置的结构示意图；
图3为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
在下述介绍中，术语“第一”、“第二”仅为用于描述的目的，而不能理解为指示或暗示相对重要性。下述介绍提供了本申请的多个实施例，不同实施例之间可以替换或者合并组合，因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而，如果一个实施例包含特征A、B、C，另一个实施例包含特征B、D，那么本申请也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例，尽管该实施例可能并未在以下内容中有明确的文字记载。
下面的描述提供了示例，并且不对权利要求书中阐述的范围、适用性或示例进行限制。可以在不脱离本申请内容的范围的情况下，对描述的元素的功能和布置做出改变。各个示例可以适当省略、替代或添加各种过程或组件。例如所描述的方法可以以所描述的顺序不同的顺序来执行，并且可以添加、省略或组合各种步骤。此外，可以将关于一些示例描述的特征组合到其他示例中。
参见图1，图1是本申请实施例提供的一种卷烟包装盒盒缝高度差检测方法的流程示意图。在本申请实施例中，所述方法包括：
S101、激光扫描待测卷烟包装盒，生成烟盒表面密集点云。
所述点云在本申请实施例中可以理解为通过测量仪器得到的产品外观表面的点数据集合。
在本申请实施例中，对于需要检测盒缝高度差的待测卷烟包装盒，首先将会采用激光扫描的方式对其进行激光扫描，以此来获得该待测卷烟包装盒所对应的烟盒表面密度点云，即外观点坐标数据集合。具体而言，可以使用关节臂测量机搭载RS5激光扫描仪（标称精度约为
）来实现扫描过程。
S102、对所述烟盒表面密集点云进行平面分割，得到所述待测卷烟包装盒的各分割区域。
在本申请实施例中，扫描所获得的烟盒表面密度点云数据具有无序、非结构化、高密度特性，无法直接用来进行计算。因此将会对烟盒表面密度点云进行平面分割，以此将点云数据按照关联性分割为若干个分割区域。
在一种可实施方式中，步骤S102包括：
基于主成分分析法估算所述烟盒表面密集点云的法向量；
基于区域生长算法以及所述法向量对所述烟盒表面密集点云进行分割，得到所述待测卷烟包装盒的各分割区域。
在本申请实施例中，为了对烟盒表面密度点云进行平面分割，首先将利用主成分分析法（Principal Component Analysis，PCA）来估算烟盒表面密度点云的法向量，再根据点云数据所对应的法向量，结合区域生长算法（Region Growing）来对整体的点云数据进行分割，进而得到各个分割区域。
在一种可实施方式中，所述基于主成分分析法估算所述烟盒表面密集点云的法向量，包括：
对所述烟盒表面密集点云进行局部邻域搜索，确定各采样点以及各所述采样点对应的局部邻近点；
基于所述采样点和局部邻近点拟合局部最小二乘平面；
将所述局部最小二乘平面转换为邻域协方差矩阵，并对所述邻域协方差矩阵进行特征值分解；
将所述邻域协方差矩阵的最小特征值所对应的特征向量确定为所述采样点的估计法向量；
计算所有所述采样点的估计法向量，得到所述烟盒表面密集点云的法向量。
在本申请实施例中，将采用PCA方法来进行点云数据的法向量估计，通过构建每个采样点的局部邻域，并拟合最小二乘平面，对应平面的法向量即为采样点的法向量。
具体的，将对点云进行局部邻域搜索，得到每个采样点
和局部邻近点
，通过拟合局部最小二乘平面，使得邻近点到平面的距离平方和最小，接着将拟合的局部最小二乘平面转换为对邻域协方差矩阵的特征值分解：
其中，k是局部邻近点
的个数，
是局部邻近点的重心，
和
分别是邻域协方差矩阵M的第n个特征值和对应的特征向量。
邻域协方差矩阵M的最小特征值所对应的特征向量即为局部最小二乘平面的法向量，即采样点
的估计法向量。上述过程得到的估计法向量具有二向性，因此还需要根据其与视点方向的关系进行重定向：
其中，视点为
，
为采样点，其估计法向量为
。
在一种可实施方式中，所述基于区域生长算法以及所述法向量对所述烟盒表面密集点云进行分割，得到所述待测卷烟包装盒的各分割区域，包括：
从所述烟盒表面密集点云中随机选取一个未赋予属性的种子点；
以所述种子点为中心，遍历所述种子点的邻域，判断邻域点与所述种子点的法向量是否具有相似性；
将具有相似性的所述邻域点与所述种子点合并，并从合并生成的堆栈中重新随机选取一个种子点，重复所述以所述种子点为中心，遍历所述种子点的邻域，判断邻域点与所述种子点的法向量是否具有相似性的步骤；
当所述堆栈为空时，重复所述从所述烟盒表面密集点云中随机选取一个未赋予属性的种子点的步骤，直至所述烟盒表面密集点云中的每个点均分割有归属区域；
得到所述待测卷烟包装盒的各归属区域，所述归属区域即为分割区域。
在本申请实施例中，区域生长是根据事先定义的准则将点云子区域聚合成更大区域的过程。其基本思想为从一组生长点开始，将与该生长点性质相似的相邻点或者区域与生长点合并，形成新的生长点，重复此过程直到不能生长为止。本申请中将使用计算得到的法向量作为相似区域的相似性判断依据。
具体的，区域生长的过程可以为：1.首先将随机在烟盒表面密集点云中找到一个还没有赋予属性的点，设该点为
；
2.以
为种子点，以其为中心，遍历种子点的邻域，判断邻域点
与种子点
的法向量之差的绝对值是否小于预设阈值
，如果满足阈值条件，即认为邻域点
与种子点
属于同一区域，并将它们合并后，将
压入堆栈内。
3.从堆栈中再次随机取出一个点，把它当作种子点
，并返回重复步骤2的过程，将更多属于同一区域的点合并至一起。
4.当堆栈为空时，即意味着该堆栈已经无法再找到相似的点，此时将会返回步骤1，重新选取一个新的种子点来进行新的归属区域合并过程。
5.重复上述步骤1-4直到点云中的每个点都有归属区域时，生长结束，归属区域便是最终所要得到的分割区域。
S103、从各所述分割区域中确定盒缝区域以及烟盒侧面区域，任选两个相邻的所述烟盒侧面区域分别进行拟合，得到两个拟合平面。
在本申请实施例中，不同的分割区域，即代表包装盒不同类别的区域，具体而言，分割区域可以包括烟盒侧面区域、烟盒正面区域、盒缝区域等，烟盒侧面区域包括包装盒顶面与底面在内的上下左右四个侧面区域。烟盒正面区域包括包装盒前后两个正面的正面区域。故在得到分割区域后，首先确定其中的盒缝区域和烟盒侧面区域，接着从烟盒侧面区域中任选两个相邻的烟盒侧面区域进行拟合，来得到两个拟合平面，由于包装盒结构可以很容易看出，在保证选取的两个烟盒侧面区域相邻的前提下，得到的两个拟合平面是相互垂直的。
在一种可实施方式中，步骤S103包括：
基于各所述分割区域之间的相对位置，确定盒缝区域以及烟盒侧面区域；
任选两个相邻的所述烟盒侧面区域，基于最小二乘法分别对各所述烟盒侧面区域进行平面拟合，得到各拟合平面。
在本申请实施例中，由于烟盒表面密集点云本身便已经按烟盒的外观形状分布，在确定了各个分割区域后，基于分割区域之间的相对位置，便能够确定出每个分割区域在烟盒外观中的位置，进而能够确定出哪个分割区域是盒缝区域，哪些分割区域是烟盒侧面区域。接着对相邻的两个烟盒侧面区域进行最小二乘法计算，得到拟合平面。
具体的，利用最小二乘法对分割后的烟盒侧面区域进行平面拟合时，平面方程的一般表达式为：
其中，A、B、C为待求平面参数；i=1,2,…,n，n为点云数据中的总点数，且
。对于点云中的n个点
，i=0,1,…,n-1，若要求得最佳的拟合平面空间，需使得下式中S取得最小值：
令
。对S求导，并令其导数
，则有：
即：
求解上述线性方程，即可求得拟合平面的最佳参数A、B、C。
S104、将所述盒缝区域内的每个点投影至所述拟合平面中，对所述拟合平面中的投影点集进行切片计算，得到每个切片对应的盒缝高度差。
在本申请实施例中，生成有拟合平面后，便能够将盒缝区域内的每个点投影到拟合平面中，进而对拟合平面上的投影点集进行切片计算，最终就能够得到每个切片所对应的盒缝高度差。
在一种可实施方式中，步骤S104包括：
将盒缝区域投影面积大的拟合平面作为投影面，将所述盒缝区域内的每个点投影至所述投影面上，得到投影点集；
将盒缝区域投影面积小的拟合平面作为切片面，基于所述投影点集相对所述切片面之间的距离对所述投影点集进行切片计算，得到每个切片对应的盒缝高度差。
在本申请实施例中，由前述说明可知，相邻的两个烟盒侧面区域必然是一个上顶/下底侧面区域和一个左侧/右侧面区域。可以很容易想到，上顶/下底侧面区域所拟合成的拟合平面上，盒缝区域的各点投影后基本不会出现重叠，投影面积大。而左侧/右侧面区域所拟合成的拟合平面上，盒缝区域的各点投影后存在较多的重叠，投影面积小。本申请将投影面积大的拟合平面作为投影面，将盒缝区域的每个点投影至投影面上，得到投影点集
。为了进行切片，还需要使用到投影面积小的拟合平面作为切片面。切片将设置适当的切片密度
，将点集P划分成m个不同的点云切片，每个点云切片包含至切片面距离在一定范围内的投影点。因此，当切片密度
足够小（即切片数m足够大）时，切片点集的长度即为该切片区域所对应的盒缝的高度差。计算出所有切片点集的长度，则可求得盒缝高度差沿盒缝方向的变化详情、每一处的盒缝具体高度差数值以及盒缝的平均高度差。也就是说，对每一切片点集进行最小二乘线段拟合，这个线段的长度即为切片区域的长度，当切片密度
足够小时，切片的线段长度即为盒缝的高度差。
在一种可实施方式中，所述方法还包括：
为每个所述切片生成唯一识别码，当接收到切片位置展示指令时，获取所述切片位置展示指令对应的所述唯一识别码，基于所述唯一识别码查找对应的所述切片；
将所述切片在所述盒缝区域内对应的各点进行标记，并在所述烟盒表面密集点云中展示标记的各点。
在本申请实施例中，将会为每一个切片生成唯一识别码，用户能够针对计算得到的盒缝高度差数据进行选择，生成切片位置展示指令。当接收到切片位置展示指令时，将根据切片位置展示指令来确定指令中包含的唯一识别码，并根据唯一识别码查找到其对应的切片。在确定了切片后，便能够在盒缝区域内对应这个切片的各个点进行高亮标记，并将其展示于烟盒表面密集点云。以此实现根据最终计算得到的盒缝高度差数据能够随时确定每个高度差数据所在烟盒表面密集点云中对应的具体位置，进而将数值与位置对应起来，便于工作人员的后续改良研究。
下面将结合附图2，对本申请实施例提供的卷烟包装盒盒缝高度差检测装置进行详细介绍。需要说明的是，附图2所示的卷烟包装盒盒缝高度差检测装置，用于执行本申请图1所示实施例的方法，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请图1所示的实施例。
请参见图2，图2是本申请实施例提供的一种卷烟包装盒盒缝高度差检测装置的结构示意图。如图2所示，所述装置包括：
扫描模块201，用于激光扫描待测卷烟包装盒，生成烟盒表面密集点云；
分割模块202，用于对所述烟盒表面密集点云进行平面分割，得到所述待测卷烟包装盒的各分割区域；
拟合模块203，用于从各所述分割区域中确定盒缝区域以及烟盒侧面区域，任选两个相邻的所述烟盒侧面区域分别进行拟合，得到两个拟合平面；
切片模块204，用于将所述盒缝区域内的每个点投影至所述拟合平面中，对所述拟合平面中的投影点集进行切片计算，得到每个切片对应的盒缝高度差。
在一种可实施方式中，分割模块202包括：
估算单元，用于基于主成分分析法估算所述烟盒表面密集点云的法向量；
区域分割单元，用于基于区域生长算法以及所述法向量对所述烟盒表面密集点云进行分割，得到所述待测卷烟包装盒的各分割区域。
在一种可实施方式中，估算单元包括：
搜索元件，用于对所述烟盒表面密集点云进行局部邻域搜索，确定各采样点以及各所述采样点对应的局部邻近点；
拟合元件，用于基于所述采样点和局部邻近点拟合局部最小二乘平面；
转换元件，用于将所述局部最小二乘平面转换为邻域协方差矩阵，并对所述邻域协方差矩阵进行特征值分解；
特征向量确定元件，用于将所述邻域协方差矩阵的最小特征值所对应的特征向量确定为所述采样点的估计法向量；
法向量计算元件，用于计算所有所述采样点的估计法向量，得到所述烟盒表面密集点云的法向量。
在一种可实施方式中，区域分割单元包括：
随机选取元件，用于从所述烟盒表面密集点云中随机选取一个未赋予属性的种子点；
遍历元件，用于以所述种子点为中心，遍历所述种子点的邻域，判断邻域点与所述种子点的法向量是否具有相似性；
合并元件，用于将具有相似性的所述邻域点与所述种子点合并，并从合并生成的堆栈中重新随机选取一个种子点，重复所述以所述种子点为中心，遍历所述种子点的邻域，判断邻域点与所述种子点的法向量是否具有相似性的步骤；
重复元件，用于当所述堆栈为空时，重复所述从所述烟盒表面密集点云中随机选取一个未赋予属性的种子点的步骤，直至所述烟盒表面密集点云中的每个点均分割有归属区域；
结果输出元件，用于得到所述待测卷烟包装盒的各归属区域，所述归属区域即为分割区域。
在一种可实施方式中，拟合模块203包括：
区域确定单元，用于基于各所述分割区域之间的相对位置，确定盒缝区域以及烟盒侧面区域；
拟合空间生成单元，用于任选两个相互垂直的所述烟盒侧面区域，基于最小二乘法对所述烟盒侧面区域进行拟合，得到拟合空间。
在一种可实施方式中，切片模块204包括：
投影面确定单元，用于将盒缝区域投影面积大的拟合平面作为投影面，将所述盒缝区域内的每个点投影至所述投影面上，得到投影点集；
切片计算单元，用于将盒缝区域投影面积小的拟合平面作为切片面，基于所述投影点集相对所述切片面之间的距离对所述投影点集进行切片计算，得到每个切片对应的盒缝高度差。
在一种可实施方式中，所述装置还包括：
识别码生成模块，用于为每个所述切片生成唯一识别码，当接收到切片位置展示指令时，获取所述切片位置展示指令对应的所述唯一识别码，基于所述唯一识别码查找对应的所述切片；
标记模块，用于将所述切片在所述盒缝区域内对应的各点进行标记，并在所述烟盒表面密集点云中展示标记的各点。
本领域的技术人员可以清楚地了解到本申请实施例的技术方案可借助软件和/或硬件来实现。本说明书中的“单元”和“模块”是指能够独立完成或与其他部件配合完成特定功能的软件和/或硬件，其中硬件例如可以是现场可编程门阵列（Field－ProgrammableGate Array，FPGA）、集成电路（Integrated Circuit，IC）等。
本申请实施例的各处理单元和/或模块，可通过实现本申请实施例所述的功能的模拟电路而实现，也可以通过执行本申请实施例所述的功能的软件而实现。
参见图3，其示出了本申请实施例所涉及的一种电子设备的结构示意图，该电子设备可以用于实施图1所示实施例中的方法。如图3所示，电子设备300可以包括：至少一个中央处理器301，至少一个网络接口304，用户接口303，存储器305，至少一个通信总线302。
其中，通信总线302用于实现这些组件之间的连接通信。
其中，用户接口303可以包括显示屏（Display）、摄像头（Camera），可选用户接口303还可以包括标准的有线接口、无线接口。
其中，网络接口304可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。
其中，中央处理器301可以包括一个或者多个处理核心。中央处理器301利用各种接口和线路连接整个电子设备300内的各个部分，通过运行或执行存储在存储器305内的指令、程序、代码集或指令集，以及调用存储在存储器305内的数据，执行终端300的各种功能和处理数据。可选的，中央处理器301可以采用数字信号处理（Digital SignalProcessing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable Logic Array，PLA）中的至少一种硬件形式来实现。中央处理器301可集成中央中央处理器（Central Processing Unit，CPU）、图像中央处理器（GraphicsProcessing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到中央处理器301中，单独通过一块芯片进行实现。
其中，存储器305可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-Only Memory）。可选的，该存储器305包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器305可用于存储指令、程序、代码、代码集或指令集。存储器305可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器305可选的还可以是至少一个位于远离前述中央处理器301的存储装置。如图3所示，作为一种计算机存储介质的存储器305中可以包括操作系统、网络通信模块、用户接口模块以及程序指令。
在图3所示的电子设备300中，用户接口303主要用于为用户提供输入的接口，获取用户输入的数据；而中央处理器301可以用于调用存储器305中存储的卷烟包装盒盒缝高度差检测应用程序，并具体执行以下操作：
激光扫描待测卷烟包装盒，生成烟盒表面密集点云；
对所述烟盒表面密集点云进行平面分割，得到所述待测卷烟包装盒的各分割区域；
从各所述分割区域中确定盒缝区域以及烟盒侧面区域，任选两个相邻的所述烟盒侧面区域分别进行拟合，得到两个拟合平面；
将所述盒缝区域内的每个点投影至所述拟合平面中，对所述拟合平面中的投影点集进行切片计算，得到每个切片对应的盒缝高度差。
本申请还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。其中，计算机可读存储介质可以包括但不限于任何类型的盘，包括软盘、光盘、DVD、CD-ROM、微型驱动器以及磁光盘、ROM、RAM、EPROM、EEPROM、DRAM、VRAM、闪速存储器设备、磁卡或光卡、纳米系统（包括分子存储器IC），或适合于存储指令和/或数据的任何类型的媒介或设备。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器（Read-Only Memory， ROM）、随机存取存储器（Random Access Memory，RAM）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通进程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器（Read-Only Memory， ROM）、随机存取器（Random AccessMemory，RAM）、磁盘或光盘等。
以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其实施方案。本申请旨在涵盖本公开的任何变型、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公开的一般性原理并包括本公开未记载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，本公开的范围和精神由权利要求限定。
Claims (9)
1.一种卷烟包装盒盒缝高度差检测方法，其特征在于，包括：
激光扫描待测卷烟包装盒，生成烟盒表面密集点云；
对所述烟盒表面密集点云进行平面分割，得到所述待测卷烟包装盒的各分割区域；
从各所述分割区域中确定盒缝区域以及烟盒侧面区域，任选两个相邻的所述烟盒侧面区域分别进行拟合，得到两个拟合平面；
将所述盒缝区域内的每个点投影至所述拟合平面中，对所述拟合平面中的投影点集进行切片计算，得到每个切片对应的盒缝高度差；
所述将所述盒缝区域内的每个点投影至所述拟合平面中，对所述拟合平面中的投影点集进行切片计算，得到每个切片对应的盒缝高度差，包括：
将盒缝区域投影面积大的拟合平面作为投影面，将所述盒缝区域内的每个点投影至所述投影面上，得到投影点集；
将盒缝区域投影面积小的拟合平面作为切片面，基于所述投影点集相对所述切片面之间的距离对所述投影点集进行切片计算，得到每个切片对应的盒缝高度差。
2.根据权利要求1所述的方法，其特征在于，所述对所述烟盒表面密集点云进行平面分割，得到所述待测卷烟包装盒的各分割区域，包括：
基于主成分分析法估算所述烟盒表面密集点云的法向量；
基于区域生长算法以及所述法向量对所述烟盒表面密集点云进行分割，得到所述待测卷烟包装盒的各分割区域。
3.根据权利要求2所述的方法，其特征在于，所述基于主成分分析法估算所述烟盒表面密集点云的法向量，包括：
对所述烟盒表面密集点云进行局部邻域搜索，确定各采样点以及各所述采样点对应的局部邻近点；
基于所述采样点和局部邻近点拟合局部最小二乘平面；
将所述局部最小二乘平面转换为邻域协方差矩阵，并对所述邻域协方差矩阵进行特征值分解；
将所述邻域协方差矩阵的最小特征值所对应的特征向量确定为所述采样点的估计法向量；
计算所有所述采样点的估计法向量，得到所述烟盒表面密集点云的法向量。
4.根据权利要求2所述的方法，其特征在于，所述基于区域生长算法以及所述法向量对所述烟盒表面密集点云进行分割，得到所述待测卷烟包装盒的各分割区域，包括：
从所述烟盒表面密集点云中随机选取一个未赋予属性的种子点；
以所述种子点为中心，遍历所述种子点的邻域，判断邻域点与所述种子点的法向量是否具有相似性；
将具有相似性的所述邻域点与所述种子点合并，并从合并生成的堆栈中重新随机选取一个种子点，重复所述以所述种子点为中心，遍历所述种子点的邻域，判断邻域点与所述种子点的法向量是否具有相似性的步骤；
当所述堆栈为空时，重复所述从所述烟盒表面密集点云中随机选取一个未赋予属性的种子点的步骤，直至所述烟盒表面密集点云中的每个点均分割有归属区域；
得到所述待测卷烟包装盒的各归属区域，所述归属区域即为分割区域。
5.根据权利要求1所述的方法，其特征在于，所述从各所述分割区域中确定盒缝区域以及烟盒侧面区域，任选两个相邻的所述烟盒侧面区域分别进行拟合，得到两个拟合平面，包括：
基于各所述分割区域之间的相对位置，确定盒缝区域以及烟盒侧面区域；
任选两个相邻的所述烟盒侧面区域，基于最小二乘法分别对各所述烟盒侧面区域进行平面拟合，得到各拟合平面。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
为每个所述切片生成唯一识别码，当接收到切片位置展示指令时，获取所述切片位置展示指令对应的所述唯一识别码，基于所述唯一识别码查找对应的所述切片；
将所述切片在所述盒缝区域内对应的各点进行标记，并在所述烟盒表面密集点云中展示标记的各点。
7.一种卷烟包装盒盒缝高度差检测装置，其特征在于，所述装置包括：
扫描模块，用于激光扫描待测卷烟包装盒，生成烟盒表面密集点云；
分割模块，用于对所述烟盒表面密集点云进行平面分割，得到所述待测卷烟包装盒的各分割区域；
拟合模块，用于从各所述分割区域中确定盒缝区域以及烟盒侧面区域，任选两个相邻的所述烟盒侧面区域分别进行拟合，得到两个拟合平面；
切片模块，用于将所述盒缝区域内的每个点投影至所述拟合平面中，对所述拟合平面中的投影点集进行切片计算，得到每个切片对应的盒缝高度差；
所述切片模块包括：
投影面确定单元，用于将盒缝区域投影面积大的拟合平面作为投影面，将所述盒缝区域内的每个点投影至所述投影面上，得到投影点集；
切片计算单元，用于将盒缝区域投影面积小的拟合平面作为切片面，基于所述投影点集相对所述切片面之间的距离对所述投影点集进行切片计算，得到每个切片对应的盒缝高度差。
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-6任一项所述方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110725285.5A CN113469968B (zh) | 2021-06-29 | 2021-06-29 | 一种卷烟包装盒盒缝高度差检测方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110725285.5A CN113469968B (zh) | 2021-06-29 | 2021-06-29 | 一种卷烟包装盒盒缝高度差检测方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113469968A CN113469968A (zh) | 2021-10-01 |
| CN113469968B true CN113469968B (zh) | 2022-11-04 |
Family
ID=77873854
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110725285.5A Active CN113469968B (zh) | 2021-06-29 | 2021-06-29 | 一种卷烟包装盒盒缝高度差检测方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113469968B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115239625B (zh) * | 2022-06-21 | 2023-05-09 | 厦门微图软件科技有限公司 | 顶盖焊点云缺陷检测方法、装置、设备及存储介质 |
| CN117090141A (zh) * | 2023-08-08 | 2023-11-21 | 中国铁建大桥工程局集团有限公司 | 基于三维激光扫描的三主桁钢梁高度差调节方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110390683A (zh) * | 2018-04-17 | 2019-10-29 | 河海大学 | 一种基于密集点云的古城墙三维裂缝检测方法 |
| CN112053361A (zh) * | 2020-10-15 | 2020-12-08 | 南京航空航天大学 | 一种基于大规模点云的飞机蒙皮对缝检测方法 |
| CN113012161A (zh) * | 2021-03-05 | 2021-06-22 | 华南理工大学 | 一种基于凸性区域生长的堆叠散乱目标点云分割方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111862181A (zh) * | 2019-04-25 | 2020-10-30 | 中国科学院沈阳自动化研究所 | 一种缝隙宽度和阶差检测方法 |
| CN110928301B (zh) * | 2019-11-19 | 2023-06-30 | 北京小米智能科技有限公司 | 一种检测微小障碍的方法、装置及介质 |
-
2021
- 2021-06-29 CN CN202110725285.5A patent/CN113469968B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110390683A (zh) * | 2018-04-17 | 2019-10-29 | 河海大学 | 一种基于密集点云的古城墙三维裂缝检测方法 |
| CN112053361A (zh) * | 2020-10-15 | 2020-12-08 | 南京航空航天大学 | 一种基于大规模点云的飞机蒙皮对缝检测方法 |
| CN113012161A (zh) * | 2021-03-05 | 2021-06-22 | 华南理工大学 | 一种基于凸性区域生长的堆叠散乱目标点云分割方法 |
Non-Patent Citations (1)
| Title |
|---|
| 吴梅君.基于散乱点云的烟盒结构光视觉检测系统设计与研究.《中国优秀硕士学位论文全文数据库 (基础科学辑)》.2013,I138-1202. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113469968A (zh) | 2021-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113469968B (zh) | 一种卷烟包装盒盒缝高度差检测方法、装置及电子设备 | |
| Shi et al. | Adaptive simplification of point cloud using k-means clustering | |
| Vauhkonen | Estimating crown base height for Scots pine by means of the 3D geometry of airborne laser scanning data | |
| KR20190082062A (ko) | 포인트 클라우드 데이터 사이의 매칭 관계를 확정하는 방법 및 장치 | |
| CA2792185C (en) | System and method for identifying individual trees in lidar data using local view | |
| US20120114185A1 (en) | System and method for inventorying vegetal substance | |
| CN107077735A (zh) | 三维对象识别 | |
| CN107817802B (zh) | 混合双层地图的构建方法及装置 | |
| CN111339692B (zh) | 基于激光点云数据的电力线弧垂确定方法及装置 | |
| Cheng et al. | Building boundary extraction from high resolution imagery and lidar data | |
| EP3460762A1 (en) | Device and method for extracting topographical boundary | |
| CN107240146B (zh) | 业务指标显示的方法和设备 | |
| CN112990086A (zh) | 遥感影像建筑物检测方法、装置及计算机可读存储介质 | |
| Höfle et al. | Detection of building regions using airborne LiDAR–A new combination of raster and point cloud based GIS methods | |
| Xiao et al. | Change detection of trees in urban areas using multi-temporal airborne lidar point clouds | |
| CN112258474A (zh) | 一种墙面异常检测方法和装置 | |
| JP2017203701A (ja) | 情報処理装置、計測システム、情報処理方法およびプログラム | |
| Alvites et al. | Unsupervised algorithms to detect single trees in a mixed-species and multilayered Mediterranean forest using LiDAR data | |
| CN114565722A (zh) | 一种三维模型单体化实现方法 | |
| Boukhana et al. | Geometric models for plant leaf area estimation from 3d point clouds: a comparative study | |
| JP6715200B2 (ja) | 地形情報処理装置、地形情報処理方法、およびプログラム | |
| US20120004847A1 (en) | System and method for analyzing trees in lidar data using views | |
| KR102042343B1 (ko) | 3차원 스캐닝을 통해 획득된 점군 데이터 기반에서 깊이 이미지를 생성하는 장치 및 방법 및 이를 이용한 3차원 객체 식별 방법 | |
| Wells et al. | Evaluation of ground plane detection for estimating breast height in stereo images | |
| CN115388806A (zh) | 零件表面线型偏差检测方法、装置、电子设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221130 Address after: 430000 No. 1355 Jinshan Avenue, Dongxihu, Wuhan, Hubei Province Patentee after: CHINA TOBACCO HUBEI INDUSTRIAL Corp.,Ltd. Address before: 430000 no.1355 Jinshan Avenue North, Dongxihu District, Wuhan City, Hubei Province Patentee before: CHINA TOBACCO HUBEI INDUSTRIAL Corp.,Ltd. Patentee before: WUHAN HONGZHICAI PACKAGING PRINTING Co.,Ltd. |
|
| TR01 | Transfer of patent right |