CN113963038A - 车厢点云校准方法及装置 - Google Patents

车厢点云校准方法及装置 Download PDF

Info

Publication number
CN113963038A
CN113963038A CN202111160780.2A CN202111160780A CN113963038A CN 113963038 A CN113963038 A CN 113963038A CN 202111160780 A CN202111160780 A CN 202111160780A CN 113963038 A CN113963038 A CN 113963038A
Authority
CN
China
Prior art keywords
point cloud
carriage
cloud data
point
boundary
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.)
Pending
Application number
CN202111160780.2A
Other languages
English (en)
Inventor
罗凤鸣
李勇基
杜晨光
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.)
Lorentech Beijing Technology Co ltd
Original Assignee
Lorentech Beijing 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 Lorentech Beijing Technology Co ltd filed Critical Lorentech Beijing Technology Co ltd
Priority to CN202111160780.2A priority Critical patent/CN113963038A/zh
Publication of CN113963038A publication Critical patent/CN113963038A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供了一种车厢点云校准方法及装置，该方法包括：获取车厢内的点云数据及车厢的尺寸信息；对点云数据进行姿态校正，得到标准姿态下的点云数据；若标准姿态下的点云数据存在越界点，则根据尺寸信息对应的边界约束条件及点云数据采集设备的内参进行校准，得到越界点校准后的三维数据。本发明可以对点云数据中的越界点进行校准，重构出越界点近似真实的点云信息，减少测距不准导致的误差，避免越界点对计算货物装载率的干扰，提高了货物装载率测算的准确性。

Description

车厢点云校准方法及装置
技术领域
本发明涉及深度相机技术领域，具体而言，涉及一种车厢点云校准方法及装置。
背景技术
随着物流运输业的蓬勃发展，通过搭载各种传感器实时监控快递运输车的装载率成为数字化转型的一个重要环节。深度相机由于适应环境变化能力强以及直接输出三维测距结果的优势逐渐成为主流传感器。虽然深度相机具有以上优点，但仍会受到拍摄物入射角、高低反射率以及多路径干扰等因素影响，导致点云测距不准，影响装载率测量准确度。
发明内容
本发明解决的问题是现有点云测距方案存在测距不准导致的误差，导致装载率测算的准确度下降。
为解决上述问题，本发明提供一种车厢点云校准方法，包括：获取车厢内的点云数据及所述车厢的尺寸信息；对所述点云数据进行姿态校正，得到标准姿态下的点云数据；若所述标准姿态下的点云数据存在越界点，则根据所述尺寸信息对应的边界约束条件及点云数据采集设备的内参进行校准，得到所述越界点校准后的三维数据。
可选地，所述若所述标准姿态下的点云数据存在越界点，则根据所述尺寸信息对应的边界约束条件及点云数据采集设备的内参进行校准，得到所述越界点校准后的三维数据，包括：根据所述标准姿态下的点云数据确定所述车厢的尺寸信息；所述尺寸信息包括车厢角点坐标、点云数据采集设备到车厢前端面的近似距离；若根据所述车厢角点坐标确定所述标准姿态下的点云数据超出所述车厢，则确定车厢四壁存在第一越界点；将所述标准姿态下的点云数据转换至设备姿态下的点云数据；以所述车厢角点坐标作为车厢边界约束，结合所述点云数据采集设备的内参，计算所述第一越界点的深度值；根据所述第一越界点的深度值确定所述第一越界点校准后的三维数据。
可选地，所述若所述标准姿态下的点云数据存在越界点，则根据所述尺寸信息对应的边界约束条件及点云数据采集设备的内参进行校准，得到所述越界点校准后的三维数据，包括：若根据所述近似距离确定所述标准姿态下的车厢前端面的点云数据的深度值超出所述近似距离，则确定车厢前端面存在第二越界点；将所述车厢前端面的越界点的深度值校准为所述近似距离；根据所述第二越界点的深度值确定所述第二越界点校准后的三维数据。
可选地，所述第一越界点的深度值的计算公式如下：
Figure BDA0003289888940000021
其中，z'表示设备坐标系下深度的校准值，x、y为越界点在标准姿态坐标系下X、Y轴的分量；Xmin、Xmax、Ymin、Ymax分别表示为车厢左上角及右下角在标准姿态坐标系下X、Y轴的分量，Xdevice min、Xdevice max、Ydevice min、Ydevice max分别表示车厢左上角和右下角在设备坐标系下X、Y轴的分量；u、v分别表示越界点在图像中的列和行索引，u0、v0分别表示主点在图像坐标系下的列和行索引，所述列对应于设备坐标系的X轴，所述行对应于设备坐标系的Y轴，fx、fy分别表示X轴和Y轴方向的焦距值。
可选地，所述第一越界点校准后的三维数据的计算公式如下：
Figure BDA0003289888940000031
其中，x'、y'和z'分别表示设备坐标系下X、Y、Z轴分量的校准值，p为标准姿态坐标系下的校准点云，R为设备坐标系到标准姿态坐标系的旋转矩阵。
可选地，所述第二越界点校准后的三维数据的计算公式如下：
Figure BDA0003289888940000032
式中，zdevice表示设备坐标系下点云数据采集设备到车厢前端面的近似距离，x'、y'分别表示设备坐标系下X、Y轴分量的校准值。
可选地，所述根据所述标准姿态下的点云数据确定所述车厢的尺寸信息，包括：截取所述点云数据在深度方向上预设位置的点云数据；所述预设位置不包括车厢前端面；将所述预设位置处的点云数据沿深度方向投影，以及按高度方向及宽度方向统计车厢壁像素的数量；根据所述车厢壁像素的数量极大值对应的高度方向、宽度方向的差值，确定车厢角点坐标。
可选地，所述根据所述标准姿态下的点云数据确定所述车厢的尺寸信息，包括：将所述点云数据沿深度方向投影，得到对应的投影数据；截取所述投影数据的图像中心点附近部分区域的投影数据；根据所述图像中心点附近部分区域的投影数据，确定所述点云数据采集设备到车厢前端面的近似距离。
本发明实施例提供一种车厢点云校准装置，包括：获取模块，用于获取车厢内的点云数据及所述车厢的尺寸信息；姿态校正模块，用于对所述点云数据进行姿态校正，得到标准姿态下的点云数据；越界点校准模块，用于若所述标准姿态下的点云数据存在越界点，则根据所述尺寸信息对应的边界约束条件及点云数据采集设备的内参进行校准，得到所述越界点校准后的三维数据。
可选地，所述越界点校准模块，具体用于：根据所述标准姿态下的点云数据确定所述车厢的尺寸信息；所述尺寸信息包括车厢角点坐标、点云数据采集设备到车厢前端面的近似距离；若根据所述车厢角点坐标确定所述标准姿态下的点云数据超出所述车厢，则确定车厢四壁存在第一越界点；将所述标准姿态下的点云数据转换至设备姿态下的点云数据；以所述车厢角点坐标作为车厢边界约束，结合所述点云数据采集设备的内参，计算所述第一越界点的深度值；根据所述第一越界点的深度值确定所述第一越界点校准后的三维数据。
本发明提供的车厢点云校准方法及装置，可以对点云数据中的越界点进行校准，重构出越界点近似真实的点云信息，减少测距不准导致的误差，避免越界点对计算货物装载率的干扰，提高了货物装载率测算的准确性。
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。
图1为本发明的一个实施例中一种车厢点云校准方法的示意性流程图；
图2为本发明实施例中车厢的切片投影示意图；
图3为本发明实施例中车厢的前端面投影示意图；
图4为本发明的一个实施例中一种车厢点云校准装置的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供了一种车厢点云校准方法，可以改善点云测距不准导致的误差，提高装载率测算的准确性。
图1是本发明的一个实施例中一种车厢点云校准方法的示意性流程图，该方法包括：
S102，获取车厢内的点云数据及车厢的尺寸信息。
通常采用点云数据采集设备(例如深度相机)获取车厢内的点云数据，该车厢为未装载货物的空车厢。现有部分深度相机可以直接输出点云数据，部分深度相机则输出深度图，该深度图可以结合相机内参将深度值转换为点云数据。
一般地，深度相机安装于车厢内部顶端，其到车厢前端面的距离小于车厢长度，可以基于空车厢的点云数据进行车厢三维尺寸进行标定，确定车厢真实的尺寸信息。具体地，尺寸信息可以包括宽度、高度和深度，基于该宽度、高度可以确定车厢角点坐标，该深度为标定得到的点云数据采集设备到车厢前端面的近似距离。
S104，对点云数据进行姿态校正，得到标准姿态下的点云数据。
为使得深度相机满足车厢覆盖率的需求，以及考虑到人工安装操作不规范，一般情况下，深度相机的安装姿态存在偏转角。计算姿态校正矩阵可以采用手工、半自动和自动方法。例如，采用棋盘格标定法：首先，保证棋盘格摆放姿态与车厢标准姿态重合，深度相机拍摄棋盘格图像；其次，根据张正友标定算法，估算出设备姿态到棋盘格姿态的外部参数；然后，根据标定的外部参数便可以校正车厢点云设备姿态到标准姿态。
S106，若标准姿态下的点云数据存在越界点，则根据车厢对应的边界约束条件及点云数据采集设备的内参进行校准，得到越界点校准后的三维数据。
其中，越界点为越出车厢的四壁及前端面的异常值点。当深度相机拍摄高、低反射率材质的目标，以及入射角等原因，设备采集到的点云不准，导致会存在越出车厢壁的异常值点，这些越界点云会影响装载率计算的准确性。因此本实施例针对越界点云进行了校准。
本发明实施例提供的车厢点云校准方法，可以对点云数据中的越界点进行校准，重构出越界点近似真实的点云信息，减少测距不准导致的误差，避免越界点对计算货物装载率的干扰，提高了货物装载率测算的准确性。
可选地，将越界点分为两类：四壁处的越界点以及前端面的越界点，可以根据车厢对应的边界约束条件及点云数据采集设备的内参进行校准，得到越界点校准后的三维数据。该边界约束条件包括点云数据识别得到的四壁角点的坐标以及点云数据采集设备到车厢前端面的近似距离。
首先，根据标准姿态下的点云数据确定车厢的尺寸信息，然后，遍历深度相机采集到的车厢点云，若存在越界点，分别对于四壁处的越界点、前端面的越界点进行校准。该尺寸信息包括车厢角点坐标、点云数据采集设备到车厢前端面的近似距离。
上述S102可以按照以下方式执行：截取点云数据在深度方向上预设位置的点云数据；该预设位置不包括车厢前端面；将预设位置处的点云数据沿深度方向投影，以及按高度方向及宽度方向统计车厢壁像素的数量；根据车厢壁像素的数量最大值对应的高度方向、宽度方向的差值，分别确定车厢的高度、宽度。
在标定车厢的高度和宽度时，可以采用车厢长度方向上中部的点云数据，以避免车厢前端面的影响，示例性地，可以截取车厢前n-1米的点云数据，n表示车厢长度，将点云投影到Z轴方向。图2为车厢切片的投影示意图。
如图2所示，白色的像素为空车厢壁点云，黑色的像素为无目标点云。其中，可以按行(高度方向)和列(宽度方向)统计白色像素数量，生成两幅直方图。该两幅直方图的横轴分别为宽度位置和高度位置，纵轴为白色像素的数量，在行直方图中存在两个极大值，对应于车厢的两个侧壁，在列直方图中也存在两个极大值，对应于车厢的顶壁和底板。通过搜索直方图中两侧最高值索引，便可以定位车厢壁的xmin，xmax，ymin，ymax，从而解算出车厢的左上角p1(xmin,ymin)和右下角p2(xmax,ymax)，这两个角点将作为车厢边界约束条件。
对于四壁处的越界点，可以根据姿态校正矩阵的逆矩阵，将标准姿态下的点云还原到设备姿态，再根据车厢边界约束和深度相机内参，推导出该点云的校准后的深度值，从而重构出真实的三维点云信息。示例性地，校准方式如下：
(1)若根据车厢角点坐标确定标准姿态下的点云数据超出车厢，则确定车厢四壁存在第一越界点。
(2)将标准姿态下的点云数据转换至设备姿态下的点云数据。具体地，可以根据姿态校正矩阵的逆矩阵，将标准姿态下的点云还原到设备姿态。
(3)以车厢角点坐标作为车厢边界约束，结合点云数据采集设备的内参，计算第一越界点的深度值。该车厢角点坐标可以是左上角坐标与右下角坐标，或者右上角坐标与左下角坐标。
可选地，第一越界点的深度值的计算公式如下：
Figure BDA0003289888940000081
其中，z'表示设备坐标系下深度的校准值，x、y为越界点在标准姿态坐标系下X、Y轴的分量；Xmin、Xmax、Ymin、Ymax分别表示为车厢左上角及右下角在标准姿态坐标系下X、Y轴的分量，Xdevice min、Xdevice max、Ydevice min、Ydevice max分别表示车厢左上角和右下角在设备坐标系下X、Y轴的分量；u、v分别表示越界点在图像中的列和行索引，u0、v0分别表示主点在图像坐标系下的列和行索引，列对应于设备坐标系的X轴，行对应于设备坐标系的Y轴，fx、fy分别表示X轴和Y轴方向的焦距值。
(4)根据第一越界点的深度值确定第一越界点校准后的三维数据。
可选地，第一越界点校准后的三维数据的计算公式如下：
Figure BDA0003289888940000082
其中，x'、y'和z'分别表示设备坐标系下X、Y、Z轴分量的校准值，p为标准姿态坐标系下的校准点云，R为设备坐标系到标准姿态坐标系的旋转矩阵。
对于前端面的越界点，考虑到深度相机安装于车厢内，设备到车厢前端面的距离并不等于车厢长度，因此，需要根据姿态校正后的车厢点云数据，估算出设备到车厢前端面的近似距离。具体地，可以将点云数据沿深度方向投影，得到对应的投影数据；其次，截取投影数据的图像中心点附近部分区域的投影数据；然后，根据图像中心点附近部分区域的投影数据，确定点云数据采集设备到车厢前端面的近似距离。
在标定车厢长度时，需要将车厢点云数据沿Z轴投影，估算出设备到车厢前端面的近似距离。图3为车厢的前端面投影示意图。为避免四厢壁数据对距离估算的干扰，可以仅适用图像中心点附近部分区域的投影数据计算，例如取图3中以图像中心点为中心的投影面内四分之一区域的投影数据，考虑到越界点属于随机噪声数量较少，根据截取区域的投影数据可以求取均值或者中位数，用来表示设备到车厢前端面的估算距离。越界点的深度值便等于设备到车厢前端面的估算值。
对于前端面的越界点，校准方式如下：
(1)若根据近似距离确定标准姿态下的车厢前端面的点云数据的深度值超出近似距离，则确定车厢前端面存在第二越界点。
(2)将车厢前端面的越界点的深度值校准为近似距离。
(3)根据第二越界点的深度值确定第二越界点校准后的三维数据。
可选地，第二越界点校准后的三维数据的计算公式如下：
Figure BDA0003289888940000101
式中，zdevice表示设备坐标系下点云数据采集设备到车厢前端面的近似距离，x'、y'分别表示设备坐标系下X、Y轴分量的校准值。
本发明实施例可以根据深度相机采集车厢的三维空间信息，基于近似立方体的车厢形状，可以重构出越界点近似真实的点云信息，提高货物装载率的准确性。
图4是本发明的一个实施例中一种车厢点云校准装置的结构示意图，该装置包括：
获取模块401，用于获取车厢内的点云数据及所述车厢的尺寸信息；
姿态校正模块402，用于对所述点云数据进行姿态校正，得到标准姿态下的点云数据；
越界点校准模块403，用于若所述标准姿态下的点云数据存在越界点，则根据所述尺寸信息对应的边界约束条件及点云数据采集设备的内参进行校准，得到所述越界点校准后的三维数据。
本发明实施例提供的车厢点云校准装置，可以对点云数据中的越界点进行校准，重构出越界点近似真实的点云信息，减少测距不准导致的误差，避免越界点对计算货物装载率的干扰，提高了货物装载率测算的准确性。
可选地，作为一个实施例，所述越界点校准模块，具体用于：
根据所述标准姿态下的点云数据确定所述车厢的尺寸信息；所述尺寸信息包括车厢角点坐标、点云数据采集设备到车厢前端面的近似距离；若根据所述车厢角点坐标确定所述标准姿态下的点云数据超出所述车厢，则确定车厢四壁存在第一越界点；将所述标准姿态下的点云数据转换至设备姿态下的点云数据；以所述车厢角点坐标作为车厢边界约束，结合所述点云数据采集设备的内参，计算所述第一越界点的深度值；根据所述第一越界点的深度值确定所述第一越界点校准后的三维数据。
可选地，作为一个实施例，所述越界点校准模块，具体用于：
若根据所述近似距离确定所述标准姿态下的车厢前端面的点云数据的深度值超出所述近似距离，则确定车厢前端面存在第二越界点；将所述车厢前端面的越界点的深度值校准为所述近似距离；根据所述第二越界点的深度值确定所述第二越界点校准后的三维数据。
可选地，作为一个实施例，所述第一越界点的深度值的计算公式如下：
Figure BDA0003289888940000111
其中，z'表示设备坐标系下深度的校准值，x、y为越界点在标准姿态坐标系下X、Y轴的分量；Xmin、Xmax、Ymin、Ymax分别表示为车厢左上角及右下角在标准姿态坐标系下X、Y轴的分量，Xdevice min、Xdevice max、Ydevice min、Ydevice max分别表示车厢左上角和右下角在设备坐标系下X、Y轴的分量；u、v分别表示越界点在图像中的列和行索引，u0、v0分别表示主点在图像坐标系下的列和行索引，所述列对应于设备坐标系的X轴，所述行对应于设备坐标系的Y轴，fx、fy分别表示X轴和Y轴方向的焦距值。
可选地，作为一个实施例，所述第一越界点校准后的三维数据的计算公式如下：
Figure BDA0003289888940000121
其中，x'、y'和z'分别表示设备坐标系下X、Y、Z轴分量的校准值，p为标准姿态坐标系下的校准点云，R为设备坐标系到标准姿态坐标系的旋转矩阵。
可选地，作为一个实施例，所述第二越界点校准后的三维数据的计算公式如下：
Figure BDA0003289888940000122
式中，zdevice表示设备坐标系下点云数据采集设备到车厢前端面的近似距离，x'、y'分别表示设备坐标系下X、Y轴分量的校准值。
可选地，作为一个实施例，所述获取模块，具体用于：
截取所述点云数据在深度方向上预设位置的点云数据；所述预设位置不包括车厢前端面；将所述预设位置处的点云数据沿深度方向投影，以及按高度方向及宽度方向统计车厢壁像素的数量；根据所述车厢壁像素的数量极大值对应的高度方向、宽度方向的差值，确定车厢角点坐标。
可选地，作为一个实施例，所述获取模块，具体用于：
将所述点云数据沿深度方向投影，得到对应的投影数据；截取所述投影数据的图像中心点附近部分区域的投影数据；根据所述图像中心点附近部分区域的投影数据，确定所述点云数据采集设备到车厢前端面的近似距离。
本实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
当然，本领域技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程度来指令控制装置来完成，所述的程序可存储于一计算机可读取的存储介质中，所述程序在执行时可包括如上述车厢点云校准方法实施例的流程，其中所述的存储介质可为存储器、磁盘、光盘等。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
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。

Claims (10)

1.一种车厢点云校准方法，其特征在于，包括：
获取车厢内的点云数据及所述车厢的尺寸信息；
对所述点云数据进行姿态校正，得到标准姿态下的点云数据；
若所述标准姿态下的点云数据存在越界点，则根据所述尺寸信息对应的边界约束条件及点云数据采集设备的内参进行校准，得到所述越界点校准后的三维数据。
2.根据权利要求1所述的方法，其特征在于，所述若所述标准姿态下的点云数据存在越界点，则根据所述尺寸信息对应的边界约束条件及点云数据采集设备的内参进行校准，得到所述越界点校准后的三维数据，包括：
根据所述标准姿态下的点云数据确定所述车厢的尺寸信息；所述尺寸信息包括车厢角点坐标、点云数据采集设备到车厢前端面的近似距离；
若根据所述车厢角点坐标确定所述标准姿态下的点云数据超出所述车厢，则确定车厢四壁存在第一越界点；
将所述标准姿态下的点云数据转换至设备姿态下的点云数据；
以所述车厢角点坐标作为车厢边界约束，结合所述点云数据采集设备的内参，计算所述第一越界点的深度值；
根据所述第一越界点的深度值确定所述第一越界点校准后的三维数据。
3.根据权利要求2所述的方法，其特征在于，所述若所述标准姿态下的点云数据存在越界点，则根据所述尺寸信息对应的边界约束条件及点云数据采集设备的内参进行校准，得到所述越界点校准后的三维数据，包括：
若根据所述近似距离确定所述标准姿态下的车厢前端面的点云数据的深度值超出所述近似距离，则确定车厢前端面存在第二越界点；
将所述车厢前端面的越界点的深度值校准为所述近似距离；
根据所述第二越界点的深度值确定所述第二越界点校准后的三维数据。
4.根据权利要求2所述的方法，其特征在于，所述第一越界点的深度值的计算公式如下：
Figure FDA0003289888930000021
其中，z'表示设备坐标系下深度的校准值，x、y为越界点在标准姿态坐标系下X、Y轴的分量；Xmin、Xmax、Ymin、Ymax分别表示为车厢左上角及右下角在标准姿态坐标系下X、Y轴的分量，Xdevice min、Xdevice max、Ydevice min、Ydevice max分别表示车厢左上角和右下角在设备坐标系下X、Y轴的分量；u、v分别表示越界点在图像中的列和行索引，u0、v0分别表示主点在图像坐标系下的列和行索引，所述列对应于设备坐标系的X轴，所述行对应于设备坐标系的Y轴，fx、fy分别表示X轴和Y轴方向的焦距值。
5.根据权利要求4所述的方法，其特征在于，所述第一越界点校准后的三维数据的计算公式如下：
Figure FDA0003289888930000022
其中，x'、y'和z'分别表示设备坐标系下X、Y、Z轴分量的校准值，p为标准姿态坐标系下的校准点云，R为设备坐标系到标准姿态坐标系的旋转矩阵。
6.根据权利要求2所述的方法，其特征在于，所述第二越界点校准后的三维数据的计算公式如下：
Figure FDA0003289888930000031
式中，zdevice表示设备坐标系下点云数据采集设备到车厢前端面的近似距离，x'、y'分别表示设备坐标系下X、Y轴分量的校准值。
7.根据权利要求2所述的方法，其特征在于，所述根据所述标准姿态下的点云数据确定所述车厢的尺寸信息，包括：
截取所述点云数据在深度方向上预设位置的点云数据；所述预设位置不包括车厢前端面；
将所述预设位置处的点云数据沿深度方向投影，以及按高度方向及宽度方向统计车厢壁像素的数量；
根据所述车厢壁像素的数量极大值对应的高度方向、宽度方向的差值，确定车厢角点坐标。
8.根据权利要求2所述的方法，其特征在于，所述根据所述标准姿态下的点云数据确定所述车厢的尺寸信息，包括：
将所述点云数据沿深度方向投影，得到对应的投影数据；
截取所述投影数据的图像中心点附近部分区域的投影数据；
根据所述图像中心点附近部分区域的投影数据，确定所述点云数据采集设备到车厢前端面的近似距离。
9.一种车厢点云校准装置，其特征在于，包括：
获取模块，用于获取车厢内的点云数据及所述车厢的尺寸信息；
姿态校正模块，用于对所述点云数据进行姿态校正，得到标准姿态下的点云数据；
越界点校准模块，用于若所述标准姿态下的点云数据存在越界点，则根据所述尺寸信息对应的边界约束条件及点云数据采集设备的内参进行校准，得到所述越界点校准后的三维数据。
10.根据权利要求9所述的装置，其特征在于，所述越界点校准模块，具体用于：
根据所述标准姿态下的点云数据确定所述车厢的尺寸信息；所述尺寸信息包括车厢角点坐标、点云数据采集设备到车厢前端面的近似距离；
若根据所述车厢角点坐标确定所述标准姿态下的点云数据超出所述车厢，则确定车厢四壁存在第一越界点；
将所述标准姿态下的点云数据转换至设备姿态下的点云数据；
以所述车厢角点坐标作为车厢边界约束，结合所述点云数据采集设备的内参，计算所述第一越界点的深度值；
根据所述第一越界点的深度值确定所述第一越界点校准后的三维数据。
CN202111160780.2A 2021-09-30 2021-09-30 车厢点云校准方法及装置 Pending CN113963038A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111160780.2A CN113963038A (zh) 2021-09-30 2021-09-30 车厢点云校准方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111160780.2A CN113963038A (zh) 2021-09-30 2021-09-30 车厢点云校准方法及装置

Publications (1)

Publication Number Publication Date
CN113963038A true CN113963038A (zh) 2022-01-21

Family

ID=79463072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111160780.2A Pending CN113963038A (zh) 2021-09-30 2021-09-30 车厢点云校准方法及装置

Country Status (1)

Country Link
CN (1) CN113963038A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115170648A (zh) * 2022-06-29 2022-10-11 广西柳工机械股份有限公司 一种车厢位姿确定方法及装置
CN115272351A (zh) * 2022-09-30 2022-11-01 煤炭科学研究总院有限公司 基于双目视觉和线激光的矿井无轨胶轮车超限检测方法
CN115830019A (zh) * 2023-02-14 2023-03-21 南京慧然科技有限公司 钢轨检测的三维点云校准处理方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115170648A (zh) * 2022-06-29 2022-10-11 广西柳工机械股份有限公司 一种车厢位姿确定方法及装置
CN115272351A (zh) * 2022-09-30 2022-11-01 煤炭科学研究总院有限公司 基于双目视觉和线激光的矿井无轨胶轮车超限检测方法
CN115272351B (zh) * 2022-09-30 2023-01-24 煤炭科学研究总院有限公司 基于双目视觉和线激光的矿井无轨胶轮车超限检测方法
CN115830019A (zh) * 2023-02-14 2023-03-21 南京慧然科技有限公司 钢轨检测的三维点云校准处理方法及装置

Similar Documents

Publication Publication Date Title
CN113963038A (zh) 车厢点云校准方法及装置
WO2021197345A1 (zh) 一种基于激光雷达的封闭空间内剩余体积的检测方法和装置
CN109961468A (zh) 基于双目视觉的体积测量方法、装置及存储介质
CN108230397B (zh) 多目摄像机标定与校正方法和装置、设备、程序和介质
US9787960B2 (en) Image processing apparatus, image processing system, image processing method, and computer program
CN108474658B (zh) 地面形态检测方法及系统、无人机降落方法和无人机
KR20160148596A (ko) 깊이 센서 교정 및 픽셀별 보정
CN111123242B (zh) 一种基于激光雷达和相机的联合标定方法及计算机可读存储介质
CN113256729B (zh) 激光雷达与相机的外参标定方法、装置、设备及存储介质
WO2021179983A1 (zh) 基于三维激光的集卡防吊起检测方法、装置和计算机设备
CN111750804B (zh) 一种物体测量的方法及设备
CN110349257B (zh) 一种基于相位伪映射的双目测量缺失点云插补方法
CN112365421B (zh) 图像矫正处理方法及装置
CN115661262A (zh) 内外参标定方法、装置及电子设备
CN113465573A (zh) 单目测距方法、装置及智能装置
CN114758005B (zh) 激光雷达与相机外参标定方法及装置
CN113281777A (zh) 一种货物体积动态测量方法及其测量装置
CN117007037A (zh) 移动机器人的位姿估计方法、装置、移动机器人及介质
CN113822920B (zh) 结构光相机获取深度信息的方法、电子设备及存储介质
CN113658279A (zh) 相机内参和外参估算方法、装置、计算机设备及存储介质
CN114693807B (zh) 一种输电线路图像与点云的映射数据重构方法及系统
CN116563370A (zh) 基于单目计算机视觉的测距方法和测速方法
CN116385561A (zh) 一种摄像头与激光雷达标定方法
CN114882118A (zh) 一种激光雷达和相机外参的标定方法、装置及电子设备
CN111308484B (zh) 深度模组测距方法、装置、深度相机及移动终端

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