CN113538555A - 基于规则箱体的体积测量方法、系统、设备及存储介质 - Google Patents

基于规则箱体的体积测量方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN113538555A
CN113538555A CN202010293398.8A CN202010293398A CN113538555A CN 113538555 A CN113538555 A CN 113538555A CN 202010293398 A CN202010293398 A CN 202010293398A CN 113538555 A CN113538555 A CN 113538555A
Authority
CN
China
Prior art keywords
target
box body
cloud data
point cloud
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.)
Granted
Application number
CN202010293398.8A
Other languages
English (en)
Other versions
CN113538555B (zh
Inventor
刘涛
黄龙祥
朱力
吕方璐
汪博
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 CN202010293398.8A priority Critical patent/CN113538555B/zh
Publication of CN113538555A publication Critical patent/CN113538555A/zh
Application granted granted Critical
Publication of CN113538555B publication Critical patent/CN113538555B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • 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
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0608—Height gauges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (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方法、系统、设备及存储介质，包括如下步骤：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；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。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方法、系统、设备及存储介质
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方法、系统、设备及存储介质。
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方法。
根据本发明提供的基于规则箱体的体积测量方法，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。
优选地，还包括如下步骤：
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。
优选地，所述步骤S1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。
优选地，所述步骤S2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。
优选地，所述步骤S3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thicknes1，根据所述底面的点云数据计算底面厚度thicknes2，进而生成高度计算的加权系数w1、w2,w1＝(thickness1+thickness2)/thickness1,w2＝(thickness1+thickness2)/thickness2；
步骤S303：计算所述目标箱体的高度H，H＝(w1×d1+w2×d2)/(w1+w2)。
优选地，所述步骤S4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。
优选地，所述步骤S5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。
根据本发明提供的基于规则箱体的体积测量系统，包括如下模块：
目标平面融合模块，用于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；
有效平面确定模块，用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；
箱体高度计算模块，用于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；
箱体体积计算模块，用于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，根据所述2D投影点确定所述目标平面的侧边，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。
根据本发明提供的基于规则箱体的体积测量设备，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行所述的基于规则箱体的体积测量方法的步骤。
根据本发明提供的计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的基于规则箱体的体积测量方法的步骤。
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方法的步骤流程图；
图2为本发明变形例中基于规则箱体的体积测量方法的步骤流程图；
图3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4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5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6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7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；
图8为本发明实施例中基于规则箱体的体积测量系统的模块示意图；
图9为本发明实施例中基于规则箱体的体积测量设备的结构示意图；以及
图10为本发明实施例中计算机可读存储介质的结构示意图。
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。
本发明提供的基于规则箱体的体积测量方法，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方法的步骤流程图，如图2所示，本发明提供的基于规则箱体的体积测量方法，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；
图3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3所示，所述步骤S1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；所述中心坐标根据该平面上所有目标点云数据X值、Y值以及Z值的平均值；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。
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；
图4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4所示，所述步骤S2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5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5所示，所述步骤S3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thicknes1，根据所述底面的点云数据计算底面厚度thicknes2，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thicknes1为述顶面的平面拟合误差；所述底面厚度thicknes2为所述地面的平面拟合误差。
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。
图6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6所示，所述步骤S4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。
图2为本发明变形例中基于规则箱体的体积测量方法的步骤流程图，如图2所示，本发明提供的基于规则箱体的体积测量方法，还包括如下步骤：
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。
图7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7所示，所述步骤S5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8为本发明实施例中基于规则箱体的体积测量系统的模块示意图，如图8所示，本发明提供的基于规则箱体的体积测量系统，包括如下模块：
目标平面融合模块，用于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；
有效平面确定模块，用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；
箱体高度计算模块，用于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；
箱体体积计算模块，用于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，根据所述2D投影点确定所述目标平面的侧边，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。
本发明实施例中还提供一种基于规则箱体的体积测量设备，包括处理器。存储器，其中存储有处理器的可执行指令。其中，处理器配置为经由执行可执行指令来执行的基于规则箱体的体积测量方法的步骤。
如上，该实施例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。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。
图9是本发明实施例中的基于规则箱体的体积测量设备的结构示意图。下面参照图9来描述根据本发明的这种实施方式的电子设备600。图9显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，存储单元存储有程序代码，程序代码可以被处理单元610执行，使得处理单元610执行本说明书上述基于规则箱体的体积测量方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元610可以执行如图1中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图9中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本发明实施例中还提供一种计算机可读存储介质，用于存储程序，程序被执行时实现的基于规则箱体的体积测量方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述基于规则箱体的体积测量方法部分中描述的根据本发明各种示例性实施方式的步骤。
如上所示，该实施例的计算机可读存储介质的程序在执行时，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。
图10是本发明实施例中的计算机可读存储介质的结构示意图。参考图10所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
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 (10)

1.一种基于规则箱体的体积测量方法，其特征在于，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。
2.根据权利要求1所述的基于规则箱体的体积测量方法，其特征在于，还包括如下步骤：
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。
3.根据权利要求1所述的基于规则箱体的体积测量方法，其特征在于，所述步骤S1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。
4.根据权利要求1所述的基于规则箱体的体积测量方法，其特征在于，所述步骤S2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。
5.根据权利要求1所述的基于规则箱体的体积测量方法，其特征在于，所述步骤S3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thicknes1，根据所述底面的点云数据计算底面厚度thicknes2，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)。
6.根据权利要求1所述的基于规则箱体的体积测量方法，其特征在于，所述步骤S4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。
7.根据权利要求2所述的基于规则箱体的体积测量方法，其特征在于，所述步骤S5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。
8.一种基于规则箱体的体积测量系统，其特征在于，包括如下模块：
目标平面融合模块，用于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；
有效平面确定模块，用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；
箱体高度计算模块，用于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；
箱体体积计算模块，用于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，根据所述2D投影点确定所述目标平面的侧边，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。
9.一种基于规则箱体的体积测量设备，其特征在于，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至7任一项所述的基于规则箱体的体积测量方法的步骤。
10.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现权利要求1至7任一项所述的基于规则箱体的体积测量方法的步骤。
CN202010293398.8A 2020-04-15 2020-04-15 基于规则箱体的体积测量方法、系统、设备及存储介质 Active CN113538555B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010293398.8A CN113538555B (zh) 2020-04-15 2020-04-15 基于规则箱体的体积测量方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010293398.8A CN113538555B (zh) 2020-04-15 2020-04-15 基于规则箱体的体积测量方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113538555A true CN113538555A (zh) 2021-10-22
CN113538555B CN113538555B (zh) 2023-10-20

Family

ID=78088148

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010293398.8A Active CN113538555B (zh) 2020-04-15 2020-04-15 基于规则箱体的体积测量方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113538555B (zh)

Cited By (2)

* 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
CN116452656A (zh) * 2023-06-16 2023-07-18 星猿哲科技(深圳)有限公司 箱体内物体的整齐摆放方法、装置、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011153624A2 (en) * 2010-06-11 2011-12-15 Ambercore Software Inc. System and method for manipulating data having spatial coordinates
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
AU2015101099A4 (en) * 2015-08-10 2015-09-24 Wisetech Global Limited Volumetric estimation methods, devices, & systems
CN108170940A (zh) * 2017-12-26 2018-06-15 苏州蜗牛数字科技股份有限公司 一种船体的基本物理量的计算方法
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
CN109029253A (zh) * 2018-06-29 2018-12-18 南京阿凡达机器人科技有限公司 一种包裹体积测量方法、系统、储存介质及移动终端
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

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011153624A2 (en) * 2010-06-11 2011-12-15 Ambercore Software Inc. System and method for manipulating data having spatial coordinates
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
AU2015101099A4 (en) * 2015-08-10 2015-09-24 Wisetech Global Limited Volumetric estimation methods, devices, & systems
CN108474644A (zh) * 2015-08-10 2018-08-31 慧咨环球有限公司 体积估计方法、设备和系统
CN108170940A (zh) * 2017-12-26 2018-06-15 苏州蜗牛数字科技股份有限公司 一种船体的基本物理量的计算方法
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
CN109029253A (zh) * 2018-06-29 2018-12-18 南京阿凡达机器人科技有限公司 一种包裹体积测量方法、系统、储存介质及移动终端
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 (2)

* Cited by examiner, † Cited by third party
Title
曹 毓等: "RANSAC平面估计算法在路面物体体积测量中的应用", 《传感器技术学报》, pages 1 - 4 *
李玲玲等: "基于Kinect2.0深度图像的快速体积测量", 《图像与多媒体》, pages 1 - 5 *

Cited By (3)

* 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
CN116452656A (zh) * 2023-06-16 2023-07-18 星猿哲科技(深圳)有限公司 箱体内物体的整齐摆放方法、装置、设备及存储介质
CN116452656B (zh) * 2023-06-16 2023-11-28 星猿哲科技(深圳)有限公司 箱体内物体的整齐摆放方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN113538555B (zh) 2023-10-20

Similar Documents

Publication Publication Date Title
CN112771573B (zh) 基于散斑图像的深度估计方法及装置、人脸识别系统
CN114200430A (zh) 激光雷达与相机的标定方法、系统、设备及存储介质
EP3620823A1 (en) Method and device for detecting precision of internal parameter of laser radar
US20140153816A1 (en) Depth Map Stereo Correspondence Techniques
US20170053412A1 (en) Image Depth Inference from Semantic Labels
US11461911B2 (en) Depth information calculation method and device based on light-field-binocular system
CN113077548B (zh) 针对物体的碰撞检测方法、装置、设备和存储介质
CN113065810B (zh) 检测包裹的方法、装置、计算设备、物流系统及存储介质
CN113538555B (zh) 基于规则箱体的体积测量方法、系统、设备及存储介质
CN115205128A (zh) 基于结构光的深度相机温漂校正方法、系统、设备及介质
WO2023165220A1 (zh) 一种目标物体的检测方法和装置
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
EP3910600A1 (en) Box modeling method, apparatus, robot picking system, electronic device and medium
CN113538558B (zh) 基于ir图的体积测量优化方法、系统、设备及存储介质
CN112529952A (zh) 物体体积测量方法、装置及电子设备
CN113538553B (zh) 基于规则箱体的体积测量装置
KR20230006628A (ko) 이미지 처리 방법과 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램
CN114463409A (zh) 图像深度信息的确定方法、装置、电子设备和介质
CN113538556B (zh) 基于ir图的体积测量装置
CN113538554B (zh) 基于深度相机的体积测量方法、系统、设备及存储介质
CN113421292A (zh) 一种三维建模细节增强方法及装置
CN113538478B (zh) 基于图像的箱体边界提取方法、系统、设备及存储介质
CN114821365B (zh) 顾及地表起伏的无人机摄影测量重叠度计算方法及系统
CN118229772B (zh) 基于图像处理的托盘位姿检测方法、系统、设备和介质
Choi et al. Joint solution for the online 3D photorealistic mapping using SfM and SLAM

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