CN113532267B - 基于深度相机的体积测量装置 - Google Patents
基于深度相机的体积测量装置 Download PDFInfo
- Publication number
- CN113532267B CN113532267B CN202010293402.0A CN202010293402A CN113532267B CN 113532267 B CN113532267 B CN 113532267B CN 202010293402 A CN202010293402 A CN 202010293402A CN 113532267 B CN113532267 B CN 113532267B
- Authority
- CN
- China
- Prior art keywords
- box body
- target box
- planes
- determining
- top surface
- 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
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种基于深度相机的体积测量装置,包括如下模块:深度相机,用于以俯视角度采集目标箱体的点云数据;控制模块,用于根据点云数据确定目标箱体的多个平面,根据平面的数量及平面之间的角度确定目标箱体的测量方式,测量方式包括垂直测量、倾斜单侧面测量以及倾斜双侧面测量,根据目标箱体的测量方式和点云数据确定目标箱体的长宽高,进而确定目标箱体的体积;显示模块,用于显示目标箱体的体积。本发明中根据点云数据确定目标箱体的多个平面,根据平面的数量及平面之间的角度确定目标箱体的测量方式,进而确定目标箱体的长宽高,实现目标箱体的体积的自动计算,能够应用于物流计费以及物体的自动装载等领域。
Description
技术领域
本发明涉及体积自动测量,具体地,涉及一种基于深度相机的体积测量装置。
背景技术
体积数据作为物体的一项最为基本的属性信息,被广泛应用生产和物流等领域中,如基于物体体积的物流计费、物体的自动装载等。其中,在进行物流计费或物体的自动装载中的物体常常使用标准的长方体箱体。然后通过三维测头进行自动化、高效、准确地计算出箱体的体积,以解决人工拉尺慢,手动输入繁琐,运费计算出错,存储存档困难等问题。
现有技术中,常用的体积确定方法包括采用激光的确定方法和采用手工标尺的确定方法。
其中,采用激光的确定方法虽然具有很高的精度,但是装配昂贵的激光测量设备,性价比低,很难被用户广泛接受;而采用手工标尺的确定方法需要人工配合,且受人工操作及情绪影响,导致无论精度还是效率均无法得到保证。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于深度相机的体积测量装置。
根据本发明提供的基于深度相机的体积测量装置,包括如下模块:
深度相机,用于以俯视角度采集目标箱体的点云数据;
控制模块,用于根据所述点云数据确定所述目标箱体的多个平面,根据所述平面的数量及平面之间的角度确定所述目标箱体的测量方式,所述测量方式包括垂直测量、倾斜单侧面测量以及倾斜双侧面测量,根据所述目标箱体的测量方式和所述点云数据确定所述目标箱体的长宽高,进而确定所述目标箱体的体积;
显示模块,用于显示所述目标箱体的体积。
优选地,根据所述点云数据确定所述目标箱体的多个平面时,具体为:
获取所述点云数据,计算所述点云数据中每个点的特征值;
根据所述点的特征值对所述点云数据进行聚类生成多个子平面;
将位于同一平面的多个子平面融合为一平面,进而生成多个平面。
优选地,根据所述平面的数量及平面之间的角度确定所述目标箱体的测量方式时,具体为:
将多个平面根据包含点云数据的数量降序排列形成平面序列;
根据平面序列顺次遍历所述平面,选择出夹角小于预设置的第一角度阈值的两个平面,分别作为顶面和底面,所述顶面为深度最小的平面,所述底面为深度最大的平面;
当所述平面的数量为两个时,则对所述目标箱体的测量判定为垂直测量,当所述平面的数量大于两个时,则获取所述顶面或所述底面垂直的侧面集合,所述侧面集合包括多个侧面;
当所述侧面集合内平面的数量为一个时,则对所述目标箱体的测量认定为倾斜单侧面测量;
当所述侧面集合内平面的数量大于两个时,遍历所述侧面集合内平面查找出到两个平面之间的夹角与90°角差的绝对值小于预设置的第二角度阈值时,则对所述目标箱体的测量认定为倾斜双侧面测量。
优选地,当所述测量方式为垂直测量时,所述目标箱体的体积测量具体为:
将所述顶面的点云数据投射到一与所述顶面平行的2D平面上,并按预设置的比例系数收缩形成收缩点云图;
在所述2D平面上对收缩点云图进行轮廓检测计算轮廓的最小矩形闭包,将所述矩形闭包的四条边作为所述顶面的边缘,进而确定所述四条边的交点,根据所述比例系数确定所述顶面的长和宽;
确定所述顶面的中心点,根据所述中心点至底面的垂直距离确定所述目标箱体的高,进而能够确定所述目标箱体的体积。
优选地,当所述测量方式为倾斜单侧面测量时,所述目标箱体的体积测量具体为:
计算一侧面和顶面的交线,将所述侧面和所述顶面上的点云数据投影到所述交线上,获取所述交线的两个端点,进而确定所述顶面一侧边的长度;
将顶面面上距离交线最远的点云数据到交线的垂直距离作为所述顶面一侧边的长度;
确定所述顶面的中心点,根据所述中心点至底面的距离确定所述目标箱体的高,进而能够确定所述目标箱体的体积。
优选地,当所述测量方式为倾斜双侧面测量时,所述目标箱体的体积测量具体为:
计算两侧面分别与所述顶面的交线,获得两条交线,进而确定两条交线的交点,即两条交线的一端点;
将所述侧面和所述顶面上的点云数据投影到所述两条交线上,获取两条所述交线另一端点,进而确定所述顶面两侧边的长度;
确定所述顶面的中心点,根据所述中心点至底面的距离确定所述目标箱体的高,进而能够确定所述目标箱体的体积。
优选地,当通过目标箱体的IR图对所述目标箱体的体积进行优化时,具体为:
获取目标箱体的IR图,将通过点云数据确定的所述顶面的侧边投影到所述IR图中,并在所述IR图中将所述侧边区域选出;
在所述侧边区域进行直线检测生成多条直线,将所述多条直线合并与筛选后确定所述顶面的边缘直线段,进而确定所述顶面的长和宽;
根据所述IR图确定所述顶面的中心点,根据所述中心点至底面的距离确定所述目标箱体的高,进而能够确定所述目标箱体的体积。
优选地,根据预设置的体积与费用相关联的费用系数,对所述目标箱体的体积输出对应的费用;
所述显示模块,用于同时显示所述目标箱体的体积及对应的费用。
优选地,所述目标箱体为长方体或正方体。
优选地,所述深度相机包括光束投射器、光探测器以及处理器模块;
所述光束投射器,用于所述目标箱体投射点阵光;
所述光探测器,用于接收经所述目标箱体反射后的所述点阵光生成采集光信号;
所述处理器模块,用于根据采集光信号所述生成所述目标箱体的点云数据。
与现有技术相比,本发明具有如下的有益效果:
本发明中根据深度相机采集的点云数据确定所述目标箱体的多个平面,根据所述平面的数量及平面之间的角度确定所述目标箱体的测量方式,进而确定所述目标箱体的长宽高,实现目标箱体的体积的自动计算,能够应用于物流计费以及物体的自动装载等领域;本发明中通过目标箱体的IR图对所述目标相同的侧边进行优化,进一步提高了目标箱体的计算的精准度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要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发明的实施例,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,还可以根据提供的附图获得其他的附图。通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明实施例中基于深度相机的体积测量装置的模块示意图;
图2为本发明实施例中根据点云数据进行平面获取的步骤流程图;
图3为本发明实施例中根据平面的数量及平面之间的角度确定目标箱体的测量方式的步骤流程图;
图4为本发明实施例中垂直测量方式的目标箱体的体积计算的步骤流程图;
图5为本发明实施例中倾斜单侧面测量方式的目标箱体的体积计算的步骤流程图;
图6为本发明实施例中倾斜双侧面测量方式的目标箱体的体积计算的步骤流程图;
图7为本发明实施例中基于IR图对目标箱体的侧边进行优化的步骤流程图;
图8为本发明实施例中深度相机的模块示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例,例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
本发明提供的基于深度相机的体积测量装置,旨在解决现有技术中存在的问题。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
图1为本发明实施例中基于深度相机的体积测量装置的模块示意图,如图1所示,本发明提供的基于深度相机的体积测量装置,包括如下模块:
深度相机,用于以俯视角度采集目标箱体的点云数据;
控制模块,用于根据所述点云数据确定所述目标箱体的多个平面,根据所述平面的数量及平面之间的角度确定所述目标箱体的测量方式,所述测量方式包括垂直测量、倾斜单侧面测量以及倾斜双侧面测量,根据所述目标箱体的测量方式和所述点云数据确定所述目标箱体的长宽高,进而确定所述目标箱体的体积;
显示模块,用于显示所述目标箱体的体积。
图2为本发明实施例中根据点云数据进行平面获取的步骤流程图,如图2所示,根据所述点云数据确定所述目标箱体的多个平面时,具体包括如下步骤:
步骤S101:获取所述点云数据,计算所述点云数据中每个点的特征值;
步骤S102:根据所述点的特征值对所述点云数据进行聚类生成多个子平面;
步骤S103:将位于同一平面的多个子平面融合为一平面。
在本发明实施例中,所述特征值包括法线、中心点、内点以及范围值,具体计算方式为,基于KD树计算每个点的k临近点,对多个k临近点形成的平面,计算法线和曲率,并将该点作为中心点,将k临近点作为内点,将多个k临近点与中心点的平均距离作为范围值。
在本发明实施例中,将多个点聚类为子平面时,通过判断每相邻点的法线角度、相邻点之间距离以及种子点与待选定的点之间的角度进行聚类,种子点为聚类开始时选取的点,如当一待选点与子平面中一相邻点之间的法线角度在10度以内,距离在2倍的范围值之内时,且其中的待选点在与种子点之间角度在15度以内时,则经该待选点加入子平面中的范围内。当聚类生成的平面的点数不小于预设置的数量阈值时,如100个点,才作为一子平面;在平面融合时,通过点与点之间的临近关系查找相邻点,然后通过判断相邻子平面之间的法线以及中心点之间的法线角度关系判断是否是两点是否为同一个平面,如果两点之间属于同一个平面,则进行融合,如当具有相邻点的子平面之间法线角度在10度以内,则将该两个子平面进行融合。
在本发明实施例中,所述目标箱体为正方体或长方体。
图3为本发明实施例中根据平面的数量及平面之间的角度确定目标箱体的测量方式的步骤流程图,如图3所示,根据所述平面的数量及平面之间的角度确定所述目标箱体的测量方式时,具体包括如下步骤:
步骤S201:将多个平面根据包含点云数据的数量降序排列;
步骤S202:遍历所述平面,选择出夹角小于预设置的第一角度阈值的两个平面,分别作为顶面和底面,其中,所述顶面为深度最小的平面,所述底面为深度最大的平面;
步骤S203:当所述平面的数量为两个时,则对所述目标箱体的测量判定为垂直测量,当所述平面的数量大于两个时,则获取所述顶面或所述底面垂直的侧面集合,所述侧面集合包括多个侧面;
步骤S204:当所述侧面集合内平面的数量为一个时,则对所述目标箱体的测量认定为倾斜单侧面测量;
步骤S205:当所述侧面集合内平面的数量大于两个时,遍历所述侧面集合内平面查找出到两个平面之间的夹角与90°角差的绝对值小于预设置的第二角度阈值时,则对所述目标箱体的测量认定为倾斜双侧面测量。
在本发明实施例中,通过深度相机进行俯视角度的拍摄,所述深度最小的平面为距离深度相机最近的平面,所述深度最大的平面为距离深度相机最远的平面;
由于所述目标箱体的底面和地面为相对的平面,因此所述目标箱体的底面根据地面上的点云数据确定;
在本发明实施例中,所述第一角度阈值、所述第二角度阈值均为5°
图4为本发明实施例中垂直测量方式的目标箱体的体积计算的步骤流程图,如图4所示,当所述测量方式为垂直测量时,所述目标箱体的体积测量具体包括如下步骤:
步骤S301:将所述顶面的点云数据投射到一与所述顶面平行的2D平面上,并按预设置的比例系数收缩形成收缩点云图;
步骤S302:在所述2D平面上对收缩点云图进行轮廓检测计算轮廓的最小矩形闭包,将所述矩形闭包的四条边作为所述顶面的边缘,进而确定所述四条边的交点,根据所述比例系数确定所述顶面的长和宽;
步骤S303:确定所述顶面的中心点,根据所述中心点至底面的垂直距离确定所述目标箱体的高,进而能够确定所述目标箱体的体积。
在本发明实施例中,将所述顶面的点云数据投射到2D平面上时,由于点云比较稀疏,很难确定顶面的侧边,因此将点云按设置的比例系数进行收缩,便于进行所述顶面的侧边的获取。所述比例系数可以根据任意选择的相邻两点之间距离与预期收缩后该相邻两点的距离确定,也可以根据测量时的经验值进行设置。
图5为本发明实施例中倾斜单侧面测量方式的目标箱体的体积计算的步骤流程图,如图5所示,当所述测量方式为倾斜单侧面测量时,所述目标箱体的体积测量具体包括如下步骤:
步骤S301:计算一侧面和顶面的交线,将所述侧面和所述顶面上的点云数据投影到所述交线上,获取所述交线的两个端点,进而确定所述顶面一侧边的长度;
步骤S302:将顶面面上距离交线最远的点云数据到交线的垂直距离作为所述顶面一侧边的长度;
步骤S303:确定所述顶面的中心点,根据所述中心点至底面的距离确定所述目标箱体的高,进而能够确定所述目标箱体的体积。
在本发明实施例中,所述侧面和所述顶面的交线是通过两个平面之间的几何关系计算,精度较高,在后续的程序时,可以省略对该交线通过IR图进行优化。
图6为本发明实施例中倾斜双侧面测量方式的目标箱体的体积计算的步骤流程图,如图6所示,当所述测量方式为倾斜双侧面测量时,所述目标箱体的体积测量具体包括如下步骤:
步骤S301:计算两侧面分别与所述顶面的交线,获得两条交线,进而确定两条交线的交点,即两条交线的一端点;
步骤S302:将所述侧面和所述顶面上的点云数据投影到所述两条交线上,获取两条所述交线另一端点,进而确定所述顶面两侧边的长度;
步骤S303:确定所述顶面的中心点,根据所述中心点至底面的距离确定所述目标箱体的高,进而能够确定所述目标箱体的体积。
在本发明实施例中,能够通过几何关系确定两个所述侧面和所述顶面的交线,因此,能够准确的确定所述顶面的两条侧边,实现目标箱体体积的准确计算。
在本发明一实施例,还可以根据预设置的体积与费用相关联的费用系数,对所述目标箱体的体积输出对应的费用;
所述显示模块,用于同时显示所述目标箱体的体积及对应的费用。
图7为本发明实施例中基于IR图对目标箱体的侧边进行优化的步骤流程图,如图7所示,本发明提供的基于深度相机的体积测量装置,当通过目标箱体的IR图对所述目标箱体的体积进行优化时,具体为:
步骤S401:获取目标箱体的IR图,将通过点云数据确定的所述顶面的侧边投影到所述IR图中,并在所述IR图中将所述侧边区域选出;
步骤S402:在所述侧边区域进行直线检测生成多条直线,将所述多条直线合并与筛选后确定所述顶面的边缘直线段,进而确定所述顶面的长和宽;
步骤S403:根据所述IR图确定所述顶面的中心点,根据所述中心点至底面的距离确定所述目标箱体的高,进而能够确定所述目标箱体的体积。
在本发明实施例中,通过直线检测算法在所述侧边区域进行直线检测,所述直线检测算法可以采用EDline等算法。通过将点云数据确定的所述顶面的侧边投影到IR图中,并在所述IR图中将所述侧边区域进行直线检测确定所述顶面的边缘,提高了边缘直线段提取的准确性,进而提高了目标箱体的体积计算的准确性。
在本发明实施例中,当进行直线合并时,具体为:
将多条直线按照长度由大到小进行遍历,当遍历到一直线时,按照与该直线形成的角度由小到大的顺序进行与该直线之间距离和角度判断,当一直线与该直线的距离小于预设置的第一距离阈值且角度小于预设置的第一角度阈值时将两条直线进行合并;
将任意两条直线进行组合形成直线对,计算直线对之间的距离,当两条直线对之间距离小于预设置的第一距离阈值且距离最小时,则将直线对中的直线进行合并;
重复进行直线对中最近邻直线的合并,直至剩余直线中任意两条直线对之间距离均大于等于预设置的第一距离阈值。
将剩余直线按照长度由大到小进行遍历,当遍历到一剩余直线时,对其他剩余直线按照与该剩余直线形成的角度由小到大的顺序进行与该直线之间距离和角度判断,当一剩余直线与该剩余直线的距离小于预设置的第一距离阈值且角度小于预设置的第一角度阈值时,将两条剩余直线进行合并生成合并直线。
在本发明实施例中,所述第一距离阈值可以设置为6个像素;所述第一角度阈值可以设置为5°。
在本发明实施例中,当进行直线筛选时,具体为:
步骤M101:当合并直线仅有一条时,且当所述合并直线与所述顶面的侧边之间的夹角小于预设置的第二角度阈值,所述合并直线长度大于预设置的长度阈值时,所述合并直线与所述顶面的侧边之间的距离小于预设置的第二距离阈值时,则将所述合并直线作为边缘直线段,否则执行步骤M102;
步骤M102:当所述合并直线与所述顶面的中心点之间的距离在预设置的第三距离阈值范围内,所述合并直线与所述顶面的侧边之间的距离小于预设置的第二角度阈值时,则将所述合并直线作为候选直线,当所述候选直线为一根时,将所述候选直线作为边缘直线段,当所述候选直线为多根时,执行步骤M103;
步骤M103:将所述候选直线按照与所述中心点的距离进行从小到大的排序,遍历所述候选直线,在相邻的两条候选直线之间取ROI区域,统计ROI区域内的点云数量,当所述ROI区域的点云数量小于预设置的点云数量阈值,将该两条候选直线加入到输出队列中并执行步骤M105,当所述ROI区域的点云数量大于预设置的点云数量阈值时,执行步骤M104;
步骤M104:当所述ROI区域的点云的平均深度与所述顶面的平均深度的差值在预设置的第一深度差范围内,则舍弃靠近所述顶面的中心点的候选直线,当所述ROI区域的点云的平均深度与所述底面的平均深度的差值在预设置的第二深度差范围内,则舍弃远离所述顶面的中心点的候选直线;
步骤M105:重复执行步骤M103和步骤M104,将筛选出的最后一候选直线作为所述边缘直线段。
步骤M106:在所述输出队列中选择与所述顶面的侧边的距离最近的候选直线作为所述边缘直线段。
在本发明实施例中,所述第一深度差范围和所述第二深度差范围可以设置为2厘米。所述第二角度阈值为可以设置为8°。所述预设置的长度阈值可以设置为所在所述侧边区域对应侧边直线段长度的二分之一。所述第二距离阈值和所述第三距离阈值均可以设置为所在所述侧边区域对应侧边直线段到顶面中心距离的1.2倍。所述点云数量阈值可以设置为15个。
图8为本发明实施例中深度相机的模块示意图。如图8所示,本发明提供的基于深度相机的体积测量系统,包括如下模块:
所述深度相机包括光束投射器、光探测器以及处理器模块;
所述光束投射器,用于所述目标箱体投射点阵光;
所述光探测器,用于接收经所述目标箱体反射后的所述点阵光生成采集光信号;
所述处理器模块,用于根据采集光信号所述生成所述目标箱体的点云数据。
在本发明实施例中,所述深度相机还设置有泛光光源,所述光探测器采用红外摄像头进行IR图像的采集,所述IR图像即为红外图像。
本发明实施例中,根据深度相机采集的点云数据确定所述目标箱体的多个平面,根据所述平面的数量及平面之间的角度确定所述目标箱体的测量方式,进而确定所述目标箱体的长宽高,实现目标箱体的体积的自动计算,能够应用于物流计费以及物体的自动装载等领域;本发明中通过目标箱体的IR图对所述目标相同的侧边进行优化,进一步提高了目标箱体的计算的精准度。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (6)
1.一种基于深度相机的体积测量装置,其特征在于,包括如下模块:
深度相机,用于以俯视角度采集目标箱体的点云数据;
控制模块,用于根据所述点云数据确定所述目标箱体的多个平面,根据所述平面的数量及平面之间的角度确定所述目标箱体的测量方式,所述测量方式包括垂直测量、倾斜单侧面测量以及倾斜双侧面测量,根据所述目标箱体的测量方式和所述点云数据确定所述目标箱体的长宽高,进而确定所述目标箱体的体积;
显示模块,用于显示所述目标箱体的体积;
其中,根据所述平面的数量及平面之间的角度确定所述目标箱体的测量方式时,具体为:
将多个平面根据包含点云数据的数量降序排列形成平面序列;
根据平面序列顺次遍历所述平面,选择出夹角小于预设置的第一角度阈值的两个平面,分别作为顶面和底面,所述顶面为深度最小的平面,所述底面为深度最大的平面;
当所述平面的数量为两个时,则对所述目标箱体的测量判定为垂直测量,当所述平面的数量大于两个时,则获取所述顶面或所述底面垂直的侧面集合,所述侧面集合包括多个侧面;
当所述侧面集合内平面的数量为一个时,则对所述目标箱体的测量认定为倾斜单侧面测量;
当所述侧面集合内平面的数量大于两个时,遍历所述侧面集合内平面查找出到两个平面之间的夹角与90°角差的绝对值小于预设置的第二角度阈值时,则对所述目标箱体的测量认定为倾斜双侧面测量;
当所述测量方式为垂直测量时,所述目标箱体的体积测量具体为:
将所述顶面的点云数据投射到一与所述顶面平行的2D平面上,并按预设置的比例系数收缩形成收缩点云图;
在所述2D平面上对收缩点云图进行轮廓检测计算轮廓的最小矩形闭包,将所述矩形闭包的四条边作为所述顶面的边缘,进而确定所述四条边的交点,根据所述比例系数确定所述顶面的长和宽;
确定所述顶面的中心点,根据所述中心点至底面的垂直距离确定所述目标箱体的高,进而能够确定所述目标箱体的体积;
当所述测量方式为倾斜单侧面测量时,所述目标箱体的体积测量具体为:
计算一侧面和顶面的交线,将所述侧面和所述顶面上的点云数据投影到所述交线上,获取所述交线的两个端点,进而确定所述顶面一侧边的长度;
将顶面面上距离交线最远的点云数据到交线的垂直距离作为所述顶面一侧边的长度;
确定所述顶面的中心点,根据所述中心点至底面的距离确定所述目标箱体的高,进而能够确定所述目标箱体的体积;
当所述测量方式为倾斜双侧面测量时,所述目标箱体的体积测量具体为:
计算两侧面分别与所述顶面的交线,获得两条交线,进而确定两条交线的交点,即两条交线的一端点;
将所述侧面和所述顶面上的点云数据投影到所述两条交线上,获取两条所述交线另一端点,进而确定所述顶面两侧边的长度;
确定所述顶面的中心点,根据所述中心点至底面的距离确定所述目标箱体的高,进而能够确定所述目标箱体的体积。
2.根据权利要求1所述的基于深度相机的体积测量装置,其特征在于,根据所述点云数据确定所述目标箱体的多个平面时,具体为:
获取所述点云数据,计算所述点云数据中每个点的特征值;
根据所述点的特征值对所述点云数据进行聚类生成多个子平面;
将位于同一平面的多个子平面融合为一平面,进而生成多个平面。
3.根据权利要求1所述的基于深度相机的体积测量装置,其特征在于,当通过目标箱体的IR图对所述目标箱体的体积进行优化时,具体为:
获取目标箱体的IR图,将通过点云数据确定的所述顶面的侧边投影到所述IR图中,并在所述IR图中将所述侧边区域选出;
在所述侧边区域进行直线检测生成多条直线,将所述多条直线合并与筛选后确定所述顶面的边缘直线段,进而确定所述顶面的长和宽;
根据所述IR图确定所述顶面的中心点,根据所述中心点至底面的距离确定所述目标箱体的高,进而能够确定所述目标箱体的体积。
4.根据权利要求1所述的基于深度相机的体积测量装置,其特征在于,根据预设置的体积与费用相关联的费用系数,对所述目标箱体的体积输出对应的费用;
所述显示模块,用于同时显示所述目标箱体的体积及对应的费用。
5.根据权利要求1所述的基于深度相机的体积测量装置,其特征在于,所述目标箱体为长方体或正方体。
6.根据权利要求1所述的基于深度相机的体积测量装置,其特征在于,所述深度相机包括光束投射器、光探测器以及处理器模块;
所述光束投射器,用于所述目标箱体投射点阵光;
所述光探测器,用于接收经所述目标箱体反射后的所述点阵光生成采集光信号;
所述处理器模块,用于根据采集光信号所述生成所述目标箱体的点云数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010293402.0A CN113532267B (zh) | 2020-04-15 | 2020-04-15 | 基于深度相机的体积测量装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010293402.0A CN113532267B (zh) | 2020-04-15 | 2020-04-15 | 基于深度相机的体积测量装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113532267A CN113532267A (zh) | 2021-10-22 |
CN113532267B true CN113532267B (zh) | 2023-06-06 |
Family
ID=78088153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010293402.0A Active CN113532267B (zh) | 2020-04-15 | 2020-04-15 | 基于深度相机的体积测量装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113532267B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036096B (zh) * | 2014-06-27 | 2017-02-15 | 东南大学 | 斜面上凸起特征映射为制造特征体积的映射方法 |
US10262222B2 (en) * | 2016-04-13 | 2019-04-16 | Sick Inc. | Method and system for measuring dimensions of a target object |
CN108416804A (zh) * | 2018-02-11 | 2018-08-17 | 深圳市优博讯科技股份有限公司 | 获取目标物体体积的方法、装置、终端设备及存储介质 |
CN110095062B (zh) * | 2019-04-17 | 2021-01-05 | 北京华捷艾米科技有限公司 | 一种物体体积参数测量方法、装置及设备 |
-
2020
- 2020-04-15 CN CN202010293402.0A patent/CN113532267B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113532267A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109029253B (zh) | 一种包裹体积测量方法、系统、储存介质及移动终端 | |
CN102410811B (zh) | 一种弯管参数的测量方法和系统 | |
CN105241397A (zh) | 基于结构光的实时测量拼接方法及其设备 | |
CN105627932A (zh) | 一种基于双目视觉的测距方法及装置 | |
CN113167569B (zh) | 体积测量装置、系统、方法和程序 | |
US20230098480A1 (en) | Apparatus and method for detecting intersection edges | |
CN107504917B (zh) | 一种三维尺寸测量方法及装置 | |
CN109781003B (zh) | 一种结构光视觉系统的下一最佳测量位姿确定方法 | |
CN101551907A (zh) | 一种多照相机自动化高精度标定方法 | |
CN117315146B (zh) | 基于跨尺度多源数据的三维模型的重建方法及存储方法 | |
Ahmadabadian et al. | Image selection in photogrammetric multi-view stereo methods for metric and complete 3D reconstruction | |
Ahmadabadian et al. | Stereo‐imaging network design for precise and dense 3D reconstruction | |
CN112802114B (zh) | 多视觉传感器融合装置及其方法和电子设备 | |
CN113538556B (zh) | 基于ir图的体积测量装置 | |
CN110851978A (zh) | 一种基于可见性的摄像机位置优化方法 | |
CN113538557B (zh) | 基于三维视觉的箱体积测量装置 | |
CN113532267B (zh) | 基于深度相机的体积测量装置 | |
CN113838069A (zh) | 基于平面度约束的点云分割方法和系统 | |
CN102901490B (zh) | 一种基于动态阈值的图像匹配方法及系统 | |
CN113538553B (zh) | 基于规则箱体的体积测量装置 | |
CN114359891B (zh) | 一种三维车辆检测方法、系统、装置及介质 | |
CN113538558B (zh) | 基于ir图的体积测量优化方法、系统、设备及存储介质 | |
CN112991372B (zh) | 一种基于多边形匹配的2d-3d相机外参标定方法 | |
CN112365534B (zh) | 一种基于单目相机三维重建的大型煤堆体积测量方法 | |
CN113538554B (zh) | 基于深度相机的体积测量方法、系统、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 |