CN113538553B - 基于规则箱体的体积测量装置 - Google Patents

基于规则箱体的体积测量装置 Download PDF

Info

Publication number
CN113538553B
CN113538553B CN202010293390.1A CN202010293390A CN113538553B CN 113538553 B CN113538553 B CN 113538553B CN 202010293390 A CN202010293390 A CN 202010293390A CN 113538553 B CN113538553 B CN 113538553B
Authority
CN
China
Prior art keywords
target
plane
cloud data
point cloud
box body
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
Application number
CN202010293390.1A
Other languages
English (en)
Other versions
CN113538553A (zh
Inventor
刘涛
黄龙祥
汪博
朱力
吕方璐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Guangjian Technology Co Ltd
Original Assignee
Shenzhen Guangjian Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Guangjian Technology Co Ltd filed Critical Shenzhen Guangjian Technology Co Ltd
Priority to CN202010293390.1A priority Critical patent/CN113538553B/zh
Publication of CN113538553A publication Critical patent/CN113538553A/zh
Application granted granted Critical
Publication of CN113538553B publication Critical patent/CN113538553B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
    • G06T3/067—Reshaping or unfolding 3D tree structures onto 2D planes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Geometry (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供了一种基于规则箱体的体积测量装置，包括如下模块：深度相机，用于采集目标箱体的点云数据；控制模块，用于将所述点云数据聚类生成多个子平面，根据多个子平面融合生成目标平面，根据多个目标平面之间的夹角以及目标平面的上的点云数据确定所述目标箱体的底面和顶面，根据所述底面和顶面上点云数据确定所述目标箱体的高度，根据所述顶面上的点云数据进行网格下采样生成2D投影点，根据所述2D投影点确定所述目标箱体的侧边，根据所述侧边确定所述目标箱体的长和宽，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。本发明能够实现目标箱体的自动计算，能够应用于物流计费以及物体的自动装载等领域。

Description

基于规则箱体的体积测量装置
技术领域
本发明涉及体积自动测量，具体地，涉及一种基于规则箱体的体积测量装置。
背景技术
体积信息作为目标物体的基本属性之一，被广泛应用在货运物流、自动化生产领域中的作为一种测量指标。尤其更适合于基于体积的物流计费、物体的自动装载等应用场景中。其中，这里的物体常指较为标准、规则的长方体箱体。人员使用高度集成的3D测量设备自动、高效、准确、实时地计算输出规则箱体的体积，一方面，大大的缩短测量时间，有效避免和解决人工测量，手动输入繁琐的缺点，另一方面：可以减少人工计算出错，同时测量信息可自动存储存档，让数据可追溯性更强，信息更方便管理。
现有测量方法技术中，常用的方法包括采用线激光扫描方法和采用手工标尺的度量方法。其中，采用激光的确定方法虽然具有高精度的测量结果，但需昂贵的激光测量设备，性价比低。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规则箱体的体积测量装置。
根据本发明提供的基于规则箱体的体积测量装置，包括如下模块：
深度相机，用于采集目标箱体的点云数据；
控制模块，用于将所述点云数据聚类生成多个子平面，根据多个子平面融合生成目标平面，根据多个目标平面之间的夹角以及目标平面的上的点云数据确定所述目标箱体的底面和顶面，根据所述底面和顶面上点云数据确定所述目标箱体的高度，根据所述顶面上的点云数据进行网格下采样生成2D投影点，根据所述2D投影点确定所述目标箱体的侧边，根据所述侧边确定所述目标箱体的长和宽，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，深度相机，还用于获取目标箱体的RGB图像；
控制模块，用于将所述侧边投影至所述RGB图像确定所述RGB图像中的侧边区域，对所述侧边区域进行边缘检测确定所述顶面的边缘直线段，当所述顶面的边缘直线段满足与所述目标箱体的相对应的垂直关系时，根据所述边缘直线段重新计算所述目标箱体的体积。
优选地，将所述点云数据聚类生成多个子平面，根据多个子平面融合生成目标平面时，具体为：
获取点云数据，对所述点云数据进行预处理以去除孤立点云数据及所述目标箱体范围外的点云数据，进而生成目标点云数据；
对于每一目标点云数据搜索最近邻域的目标点云数据，将该目标点云数据和最近邻域的目标点云数据聚类生成子平面，并计算出所述子平面的平面信息；
根据每一所述子平面的平面信息判断所述子平面的邻域点是否与位于同一空间平面上，当所述邻域点与所述子平面位于同一空间平面上，将该邻域点融合至该子平面；
根据每一所述子平面的平面信息判断子平面之间是否与位于同一空间平面上，当两个所述子平面位于同一空间平面，将该两个子平面融合成一目标平面，进而生成多个目标平面。
优选地，根据多个目标平面之间的夹角以及目标平面的上的点云数据确定所述目标箱体的底面和顶面时，具体为：
将多个目标平面形成多个平面对，计算平面对中两个目标平面之间的夹角；
在夹角小于预设置的夹角阈值的平面对中选择出夹角最小的一组平面对作为目标平面对；
在该目标平面对中将距离深度相机的光心绝对值最小的目标平面确定为所述目标箱体的顶面，距离深度相机的光心绝对值最大的目标平面确定为所述目标箱体的底面。
优选地，根据所述底面和顶面上点云数据确定所述目标箱体的高度时，具体为：
确定所述顶面的中心点，求取所述顶面的中心点至底面的垂直距离d1，确定所述底面的中心点，求取所述底面的中心点至顶面的垂直距离d2；
根据所述顶面的点云数据计算顶面厚度thickness1，根据所述底面的点云数据计算底面厚度thickness2，进而生成高度计算的加权系数w1、w2,w1＝(thickness1+thickness2)/thickness1,w2＝(thickness1+thickness2)/thickne ss2；
计算所述目标箱体的高度H，H＝(w1×d1+w2×d2)/(w1+w2)。
优选地，根据所述2D投影点确定所述目标箱体的侧边，根据所述侧边确定所述目标箱体的长和宽时，具体为：
将所述顶面的点云数据投影到以所述顶面中心为坐标原点的平面坐标系中，生成对应的投影离散点(x,y)；
在投影离散点(x,y)中统计相邻点之间的像素距离，进而得到相邻点之间的平均距离值，基于该距离值进行网格下采样生成2D投影点，然后对2D投影点进行检测确定2D投影点对应连通区域的最小外接矩形；
通过网格上采样映射，将当前拟合出的2D投影点的最小外接矩形对应到所述目标箱体的顶面上确定所述顶面的侧边；
根据所述顶面的侧边上的点云数据确定所述顶面长度和宽度。
优选地，根据目标箱体的RGB图像重新计算所述目标箱体的体积时，具体为：
将根据点云数据获取的所述顶面的侧边投影到所述RGB图像中确定投影侧边；
在包括所述投影侧边的ROI区域进行边缘检测确定所述顶面的边缘直线，根据点云数据确定所述边缘直线上边界点的三维坐标；
根据边界点的三维坐标判断所述边缘直线是否满足与所述目标箱体的形状相对应的垂直关系，当满足时，根据边界点的三维坐标计算顶面的长度和宽度，继而计算出所述目标箱体的体积，否则采用根据所述点云数据确定长度和宽度计算出所述目标箱体的体积。
优选地，所述平面信息包括法向量、中心坐标、平面厚度以及平面半径；
所述中心坐标为根据该平面上所有目标点云数据X值、Y值以及Z值计算的平均值；所述平面半径为中心坐标距所述子平面上的最外缘的目标点云数据的距离平均值；所述平面厚度为子平面的平面拟合误差。
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发费用。
优选地，所述目标箱体为长方体或正方体。
与现有技术相比，本发明具有如下的有益效果：
本发明中通过深度相机采集目标箱体的点云数据，根据所述点云数据确定所述目标箱体的底面和顶面，进而确定所述目标箱体的高度，根据所述顶面上的点云数据进行网格下采样确定生成2D投影点，据所述2D投影点确定所述目标箱体的侧边进而确定所述目标箱体的长和宽，然后计算出所述目标箱体的体积，实现目标箱体的自动计算，能够应用于物流计费以及物体的自动装载等领域。
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规则箱体的体积测量装置的模块流程图；
图2为本发明实施例中根据点云数据生成多个目标平面的步骤流程图；
图3为本发明实施例中在多个目标平面确定目标箱体的底面及顶面的步骤流程图；
图4为本发明实施例中计算所述目标箱体的高度的步骤流程图；
图5为本发明实施例中确定所述顶面长度和宽度的步骤流程图；
图6为本发明实施例中根据RGB图像修正所述目标箱体的体积的步骤流程图；以及
图7为本发明实施例中深度相机的模块示意图；
图8为本发明变形例中基于规则箱体的体积测量装置的使用步骤流程图。
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。
本发明提供的基于规则箱体的体积测量装置，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规则箱体的体积测量装置的步骤流程图，如图2所示，本发明提供的基于规则箱体的体积测量装置，包括如下模块：
深度相机，用于采集目标箱体的点云数据；
控制模块，用于将所述点云数据聚类生成多个子平面，根据多个子平面融合生成目标平面，根据多个目标平面之间的夹角以及目标平面的上的点云数据确定所述目标箱体的底面和顶面，根据所述底面和顶面上点云数据确定所述目标箱体的高度，根据所述顶面上的点云数据进行网格下采样生成2D投影点，根据所述2D投影点确定所述目标箱体的侧边，根据所述侧边确定所述目标箱体的长和宽，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生成多个目标平面的步骤流程图，如图2所示，将所述点云数据聚类生成多个子平面，根据多个子平面融合生成目标平面时，具体包括如下步骤：
步骤S101：获取点云数据，对所述点云数据进行预处理以去除孤立点云数据及所述目标箱体范围外的点云数据，进而生成目标点云数据；
步骤S102：对于每一目标点云数据搜索最近邻域的目标点云数据，将该目标点云数据和最近邻域的目标点云数据聚类生成子平面，并计算出所述子平面的平面信息；
步骤S103：根据每一所述子平面的平面信息判断所述子平面的邻域点是否与位于同一空间平面上，当所述邻域点与所述子平面位于同一空间平面上，将该邻域点融合至该子平面；
步骤S104：根据每一所述子平面的平面信息判断子平面之间是否与位于同一空间平面上，当两个所述子平面位于同一空间平面，将该两个子平面融合成一目标平面，进而生成多个目标平面。
在本发明实施例中，采用最近邻算法和有效深度测量区域进行孤立点云数据及所述目标箱体范围外的点云数据的去除。所述有效深度测量区域为深度相机的有效测量区域。所述目标箱体范围外的点云数据为在深度相机的视野内且在目标箱体的图像区域之外的点云数据。
在本发明实施例中，对于每一目标点云数据搜索最近邻域内的15个目标点云数据聚类生成子平面，采用奇异值分解(SVD)算法计算出所述子平面的平面信息，所述平面信息包括法向量、中心坐标、平面厚度以及平面半径；所述中心坐标为根据该平面上所有目标点云数据X值、Y值以及Z值计算的平均值；所述平面半径为中心坐标距所述子平面上的最外缘的目标点云数据的距离平均值。所述平面厚度为子平面的平面拟合误差。
在本发明实施例中，可以设置为当一邻域点与子平面之间的法线角度在10度以内，距离在2倍的平面半径之内时，且将所述邻域点融合至该子平面中，并更新该子平面的平面信息。可以设置为当子平面之间的法线角度在10度以内且平面厚度在2个像素内时，则将两个子平面融合成一目标平面。
在本发明实施例中，所述目标箱体为正方体或长方体。深度相机以俯视角度采集目标箱体的点云数据。
图3为本发明实施例中在多个目标平面确定目标箱体的底面及顶面的步骤流程图，如图3所示，根据多个目标平面之间的夹角以及目标平面的上的点云数据确定所述目标箱体的底面和顶面时，具体包括如下步骤：
步骤S201：将多个目标平面形成多个平面对，计算平面对中两个目标平面之间的夹角；
步骤S202：在夹角小于预设置的夹角阈值的平面对中选择出夹角最小的一组平面对作为目标平面对；
步骤S203：在该目标平面对中将距离深度相机的光心绝对值最小的目标平面确定为所述目标箱体的顶面，距离深度相机的光心绝对值最大的目标平面确定为所述目标箱体的底面。
在本发明实施例中，预设置的夹角阈值为5°。由于所述点云数据为深度相机通过俯视角度测量获得，故根据目标平面拟合方程可以为ax+by+cz+d＝0，其中系数d大小来确当目标平面相对于深度相机光心位置关系，即d绝对值越大，代表距离越远。
步骤S3：根据所述底面和顶面上点云数据确定所述目标箱体的高度；
图4为本发明实施例中计算所述目标箱体的高度的步骤流程图，如图4所示，根据所述底面和顶面上点云数据确定所述目标箱体的高度时，具体包括如下步骤：
步骤S301：确定所述顶面的中心点，求取所述顶面的中心点至底面的垂直距离d1，确定所述底面的中心点，求取所述底面的中心点至顶面的垂直距离d2；
步骤S302：根据所述顶面的点云数据计算顶面厚度thickness1，根据所述底面的点云数据计算底面厚度thickness2，进而生成高度计算的加权系数w1、w2,w1＝(thickness1+thickness2)/thickness1,w2＝(thickness1+thickness2)/thickne ss2；
步骤S303：计算所述目标箱体的高度H，H＝(w1×d1+w2×d2)/(w1+w2)。
在本发明实施例中，所述顶面的中心点为所述顶面上的点云数据的加权取平均值；由于所述底面与地面相对，因此所述底面的中心点为地面上的点云数据的加权取平均值确定。所述顶面厚度thickness1为述顶面的平面拟合误差；所述底面厚度thickness2为所述地面的平面拟合误差。
图5为本发明实施例中确定所述顶面长度和宽度的步骤流程图，如图5所示，根据所述2D投影点确定所述目标箱体的侧边，根据所述侧边确定所述目标箱体的长和宽时，具体包括如下步骤：
步骤S401：将所述顶面的点云数据投影到以所述顶面中心为坐标原点的平面坐标系中，生成对应的投影离散点(x,y)；
步骤S402：在投影离散点(x,y)中统计相邻点之间的像素距离，进而得到相邻点之间的平均距离值，基于该距离值进行网格下采样生成2D投影点，然后对2D投影点进行检测确定2D投影点对应连通区域的最小外接矩形；
步骤S403：通过网格上采样映射，将当前拟合出的2D投影点的最小外接矩形对应到所述目标箱体的顶面上确定所述顶面的侧边；
步骤S404：根据所述顶面的侧边上的点云数据确定所述顶面长度和宽度。
在本发明实施例中，采用连通域或闭包检测算法确定2D投影点对应连通区域的最小外接矩形。对所述投影离散点(x,y)进行网格下采样实现从稀疏点分布转换到较稠密点分布。通过3D-2D投影逆矩阵方程将所述最小外接矩形对应到所述目标箱体的顶面。
在本发明以实施例中，所述深度相机，还用于获取目标箱体的RGB图像；
控制模块，用于将所述侧边投影至所述RGB图像确定所述RGB图像中的侧边区域，对所述侧边区域进行边缘检测确定所述顶面的边缘直线段，当所述顶面的边缘直线段满足与所述目标箱体的相对应的垂直关系时，根据所述边缘直线段重新计算所述目标箱体的体积。
图6为本发明实施例中根据RGB图像修正所述目标箱体的体积的步骤流程图，如图6所示，根据目标箱体的RGB图像重新计算所述目标箱体的体积时，具体包括如下步骤：
步骤S501：将根据点云数据获取的所述顶面的侧边投影到所述RGB图像中确定投影侧边；
步骤S502：在包括所述投影侧边的ROI区域进行边缘检测确定所述顶面的边缘直线，根据点云数据确定所述边缘直线上边界点的三维坐标；
步骤S503：根据边界点的三维坐标判断所述边缘直线是否满足与所述目标箱体的形状相对应的垂直关系，当满足时，根据边界点的三维坐标计算顶面的长度和宽度，继而计算出所述目标箱体的体积，否则采用根据所述点云数据确定长度和宽度计算出所述目标箱体的体积。
在本发明实施例中，在ROI区域通过边缘检测算法和定位边界算法确定所述顶面的边缘直线，通过摄影几何定理确定所述边缘直线的三维坐标。由于所述目标箱体为正方形或长方形，因此可以通过判断相邻两所述边缘直线是否垂直，来判断边缘直线的计算的准确度。
图7为本发明实施例中深度相机的模块示意图。如图7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投射模块、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。
图8为本发明实施例中基于规则箱体的体积测量装置的使用步骤流程图，如图8所示，本发明提供的基于规则箱体的体积测量装置使用时，包括如下步骤：
步骤S1：获取目标箱体的点云数据，将所述点云数据聚类生成多个子平面，根据多个子平面融合生成目标平面；
步骤S2：根据多个目标平面之间的夹角以及目标平面的上的点云数据确定所述目标箱体的底面和顶面；
步骤S3：根据所述底面和顶面上点云数据确定所述目标箱体的高度；
步骤S4：根据所述顶面上的点云数据进行网格下采样生成2D投影点，根据所述2D投影点确定所述目标箱体的侧边，根据所述侧边确定所述目标箱体的长和宽，进而确定所述目标箱体的体积；
步骤S5：获取目标箱体的RGB图像，将所述侧边投影至所述RGB图像确定所述RGB图像中的侧边区域，对所述侧边区域进行边缘检测确定所述顶面的边缘直线段，当所述顶面的边缘直线段满足与所述目标箱体的相对应的垂直关系时，根据所述边缘直线段重新计算所述目标箱体的体积。
在本发明实施例中，本发明中通过深度相机采集目标箱体的点云数据，根据所述点云数据确定所述目标箱体的底面和顶面，进而确定所述目标箱体的高度，根据所述顶面上的点云数据进行网格采样确定生成2D投影点，据所述2D投影点确定所述目标箱体的侧边进而确定所述目标箱体的长和宽，然后计算出所述目标箱体的体积，实现目标箱体的自动计算，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 (8)

1.一种基于规则箱体的体积测量装置，其特征在于，包括如下模块：
深度相机，用于采集目标箱体的点云数据；
控制模块，用于将所述点云数据聚类生成多个子平面，根据多个子平面融合生成目标平面，根据多个目标平面之间的夹角以及目标平面的上的点云数据确定所述目标箱体的底面和顶面，根据所述底面和顶面上点云数据确定所述目标箱体的高度，根据所述顶面上的点云数据进行网格下采样生成2D投影点，根据所述2D投影点确定所述目标箱体的侧边，根据所述侧边确定所述目标箱体的长和宽，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，根据所述底面和顶面上点云数据确定所述目标箱体的高度时，具体为：
确定所述顶面的中心点，求取所述顶面的中心点至底面的垂直距离d1，确定所述底面的中心点，求取所述底面的中心点至顶面的垂直距离d2；
根据所述顶面的点云数据计算顶面厚度thickness1，根据所述底面的点云数据计算底面厚度thickness2，进而生成高度计算的加权系数w1、w2,w1=(thickness1+thickness2)/thickness1,w2=(thickness1+thickness2)/thickness2；
计算所述目标箱体的高度H，H=(w1×d1+w2×d2)/(w1+w2)；
将所述点云数据聚类生成多个子平面，根据多个子平面融合生成目标平面时，具体为：
获取点云数据，对所述点云数据进行预处理以去除孤立点云数据及所述目标箱体范围外的点云数据，进而生成目标点云数据；
对于每一目标点云数据搜索最近邻域的目标点云数据，将该目标点云数据和最近邻域的目标点云数据聚类生成子平面，并计算出所述子平面的平面信息；
根据每一所述子平面的平面信息判断所述子平面的邻域点是否与位于同一空间平面上，当所述邻域点与所述子平面位于同一空间平面上，将该邻域点融合至该子平面；
根据每一所述子平面的平面信息判断子平面之间是否与位于同一空间平面上，当两个所述子平面位于同一空间平面，将该两个子平面融合成一目标平面，进而生成多个目标平面。
2.根据权利要求1所述的基于规则箱体的体积测量装置，其特征在于，
所述深度相机，还用于获取目标箱体的RGB图像；
所述控制模块，用于将所述侧边投影至所述RGB图像确定所述RGB图像中的侧边区域，对所述侧边区域进行边缘检测确定所述顶面的边缘直线段，当所述顶面的边缘直线段满足与所述目标箱体的相对应的垂直关系时，根据所述边缘直线段重新计算所述目标箱体的体积。
3.根据权利要求1所述的基于规则箱体的体积测量装置，其特征在于，根据多个目标平面之间的夹角以及目标平面的上的点云数据确定所述目标箱体的底面和顶面时，具体为：
将多个目标平面形成多个平面对，计算平面对中两个目标平面之间的夹角；
在夹角小于预设置的夹角阈值的平面对中选择出夹角最小的一组平面对作为目标平面对；
在该目标平面对中将距离深度相机的光心绝对值最小的目标平面确定为所述目标箱体的顶面，距离深度相机的光心绝对值最大的目标平面确定为所述目标箱体的底面。
4.根据权利要求1所述的基于规则箱体的体积测量装置，其特征在于，根据所述2D投影点确定所述目标箱体的侧边，根据所述侧边确定所述目标箱体的长和宽时，具体为：
将所述顶面的点云数据投影到以所述顶面中心为坐标原点的平面坐标系中，生成对应的投影离散点（x,y)；
在投影离散点（x,y)中统计相邻点之间的像素距离，进而得到相邻点之间的平均距离值，基于该距离值进行网格下采样生成2D投影点，然后对2D投影点进行检测确定2D投影点对应连通区域的最小外接矩形；
通过网格上采样映射，将当前拟合出的2D投影点的最小外接矩形对应到所述目标箱体的顶面上确定所述顶面的侧边；
根据所述顶面的侧边上的点云数据确定所述顶面长度和宽度。
5.根据权利要求2所述的基于规则箱体的体积测量装置，其特征在于，根据目标箱体的RGB图像重新计算所述目标箱体的体积时，具体为：
将根据点云数据获取的所述顶面的侧边投影到所述RGB图像中确定投影侧边；
在包括所述投影侧边的ROI区域进行边缘检测确定所述顶面的边缘直线，根据点云数据确定所述边缘直线上边界点的三维坐标；
根据边界点的三维坐标判断所述边缘直线是否满足与所述目标箱体的形状相对应的垂直关系，当满足时，根据边界点的三维坐标计算顶面的长度和宽度，继而计算出所述目标箱体的体积，否则采用根据所述点云数据确定长度和宽度计算出所述目标箱体的体积。
6.根据权利要求1所述的基于规则箱体的体积测量装置，其特征在于，所述平面信息包括法向量、中心坐标、平面厚度以及平面半径；
所述中心坐标为根据该平面上所有目标点云数据X值、Y值以及Z值计算的平均值；所述平面半径为中心坐标距所述子平面上的最外缘的目标点云数据的距离平均值；所述平面厚度为子平面的平面拟合误差。
7.根据权利要求1所述的基于规则箱体的体积测量装置，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发费用。
8.根据权利要求1所述的基于规则箱体的体积测量装置，其特征在于，所述目标箱体为长方体或正方体。
CN202010293390.1A 2020-04-15 2020-04-15 基于规则箱体的体积测量装置 Active CN113538553B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010293390.1A CN113538553B (zh) 2020-04-15 2020-04-15 基于规则箱体的体积测量装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010293390.1A CN113538553B (zh) 2020-04-15 2020-04-15 基于规则箱体的体积测量装置

Publications (2)

Publication Number Publication Date
CN113538553A CN113538553A (zh) 2021-10-22
CN113538553B true CN113538553B (zh) 2023-10-24

Family

ID=78088142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010293390.1A Active CN113538553B (zh) 2020-04-15 2020-04-15 基于规则箱体的体积测量装置

Country Status (1)

Country Link
CN (1) CN113538553B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114199168A (zh) * 2021-12-16 2022-03-18 珠海格力电器股份有限公司 一种室内体积探测方法、装置、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103047944A (zh) * 2013-01-22 2013-04-17 廖怀宝 三维物体测量方法及其测量装置
CN104251696A (zh) * 2011-03-14 2014-12-31 法罗技术股份有限公司 通过激光跟踪仪对维度数据的自动测量
WO2015200782A1 (en) * 2014-06-27 2015-12-30 A9.Com, Inc. 3-d model generation
CN109307478A (zh) * 2017-07-28 2019-02-05 波音公司 用于执行对象的3-d测量的分辨率自适应网格
CN110095062A (zh) * 2019-04-17 2019-08-06 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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2015101098A6 (en) * 2015-08-10 2016-03-10 Wisetech Global Limited Volumetric estimation methods, devices, & systems
US10769806B2 (en) * 2015-09-25 2020-09-08 Logical Turn Services, Inc. Dimensional acquisition of packages

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104251696A (zh) * 2011-03-14 2014-12-31 法罗技术股份有限公司 通过激光跟踪仪对维度数据的自动测量
CN103047944A (zh) * 2013-01-22 2013-04-17 廖怀宝 三维物体测量方法及其测量装置
WO2015200782A1 (en) * 2014-06-27 2015-12-30 A9.Com, Inc. 3-d model generation
CN109307478A (zh) * 2017-07-28 2019-02-05 波音公司 用于执行对象的3-d测量的分辨率自适应网格
CN110095062A (zh) * 2019-04-17 2019-08-06 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于3维点云欧氏聚类和RANSAC边界拟合的目标物体尺寸和方位识别;薛连杰 等;《机械设计与研究》;第34卷(第5期);第44-53页 *

Also Published As

Publication number Publication date
CN113538553A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
EP3842736A1 (en) Volume measurement method, system and device, and computer-readable storage medium
CN109961468A (zh) 基于双目视觉的体积测量方法、装置及存储介质
CN114638909A (zh) 基于激光slam和视觉融合的变电站语义地图构建方法
US20230098480A1 (en) Apparatus and method for detecting intersection edges
CN115995058A (zh) 基于人工智能的输电通道安全在线监测方法
CN116189140A (zh) 一种基于双目视觉的车辆三维目标检测算法
CN113538553B (zh) 基于规则箱体的体积测量装置
CN113538555B (zh) 基于规则箱体的体积测量方法、系统、设备及存储介质
CN113112491A (zh) 一种悬崖检测方法、装置、机器人及存储介质
CN110851978A (zh) 一种基于可见性的摄像机位置优化方法
CN113963054A (zh) 一种基于双目相机的智能快递箱尺寸测量方法及系统
CN113532266B (zh) 基于三维视觉的箱体积测量方法、系统、设备及存储介质
CN113538556B (zh) 基于ir图的体积测量装置
Bracci et al. Challenges in fusion of heterogeneous point clouds
CN113538557A (zh) 基于三维视觉的箱体积测量装置
CN116758006A (zh) 脚手架质量检测方法及装置
CN113538558B (zh) 基于ir图的体积测量优化方法、系统、设备及存储介质
Zeng Automated Building Information Extraction and Evaluation from High-resolution Remotely Sensed Data
CN113532267B (zh) 基于深度相机的体积测量装置
CN111462321B (zh) 点云地图处理方法、处理装置、电子装置和车辆
CN114359891A (zh) 一种三维车辆检测方法、系统、装置及介质
CN113538554B (zh) 基于深度相机的体积测量方法、系统、设备及存储介质
CN113532265B (zh) 基于三维视觉的箱体积测量装置
CN117953038A (zh) 一种基于深度相机的非规则体积测量方法、系统、设备及存储介质
Shi et al. Integrated process for measurement of free-form automotive part surface using a digital area sensor

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