CN114418952A - 货物清点方法、装置、计算机设备、存储介质 - Google Patents

货物清点方法、装置、计算机设备、存储介质 Download PDF

Info

Publication number
CN114418952A
CN114418952A CN202111586634.6A CN202111586634A CN114418952A CN 114418952 A CN114418952 A CN 114418952A CN 202111586634 A CN202111586634 A CN 202111586634A CN 114418952 A CN114418952 A CN 114418952A
Authority
CN
China
Prior art keywords
point cloud
goods
target
cloud data
placement
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
CN202111586634.6A
Other languages
English (en)
Inventor
方牧
李陆洋
鲁豫杰
杨秉川
丁航
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.)
Visionnav Robotics Shenzhen Co Ltd
Original Assignee
Visionnav Robotics Shenzhen 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 Visionnav Robotics Shenzhen Co Ltd filed Critical Visionnav Robotics Shenzhen Co Ltd
Priority to CN202111586634.6A priority Critical patent/CN114418952A/zh
Publication of CN114418952A publication Critical patent/CN114418952A/zh
Priority to EP22185742.8A priority patent/EP4202858A1/en
Priority to US17/869,092 priority patent/US20230196719A1/en
Priority to JP2022140440A priority patent/JP7352706B2/ja
Priority to KR1020220115538A priority patent/KR20230094950A/ko
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/469—Contour-based spatial representations, e.g. vector-coding
    • G06V10/476—Contour-based spatial representations, e.g. vector-coding using statistical shape modelling, e.g. point distribution models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • 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
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • 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
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • 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
    • G06T2207/20068—Projection on vertical or horizontal image axis
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Multimedia (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Geometry (AREA)
  • Remote Sensing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Electromagnetism (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种货物清点方法、装置、计算机设备、存储介质和计算机程序产品。该方法包括：获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据，货物包括目标货物；根据三维点云数据判断目标货物的摆放是否属于第一摆放状态；若目标货物的摆放属于第一摆放状态，则计算所述目标货物的数量。采用本方法能够提高货物清点的效率。

Description

货物清点方法、装置、计算机设备、存储介质
技术领域
本申请涉及货物计量技术领域，特别是涉及一种货物清点方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着货物计量技术的发展，对于整箱货物，清点起来较为容易，但是散货数量的清点比较麻烦，导致清点效率降低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够解决散货清点效率低的货物清点方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，一种货物清点的方法，所述方法包括：
获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据；所述货物包括目标货物；
根据所述三维点云数据判断所述目标货物的摆放是否属于第一摆放状态；
若所述目标货物的摆放属于第一摆放状态，则计算所述目标货物的数量。
在其中一个实施例中，所述获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据，包括：
获取至少两个三维激光扫描仪各自所采集的预设放置区域内货物的候选点云数据；
将所述至少两个三维激光扫描仪各自采集的候选点云数据进行合成，得到完整的三维点云数据。
在其中一个实施例中，所述根据所述三维点云数据判断所述目标货物的摆放是否属于第一摆放状态，包括：
将所述三维点云数据投影到地平面，得到基于统计的栅格图；
对所述栅格图进行直线检测处理，得到多个直线方程；
基于所述直线方程判断直线斜率均等于0或1，则确定所述目标货物的摆放属于第一摆放状态。
在其中一个实施例中，所述货物还包括用于承载所述目标货物的承载体；所述计算所述目标货物的数量，包括：
将所述三维点云数据进行点云体素网格化处理，获得所述货物高度、目标货物最顶层面积；
获取单个目标货物的高度和底面积、单个承载体的高度和摆满一层的目标货物数量；
根据所述目标货物最顶层面积和单个目标货物的底面积确定最顶层目标货物数量；
根据所述货物高度、单个承载体的高度和单个目标货物的高度确定目标货物层数；
根据所述目标货物层数、摆满一层的目标货物数量和最顶层目标货物数量确定目标货物总数量。
在其中一个实施例中，在所述获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据之后，所述方法还包括：
对所述三维点云数据进行预处理，得到预处理后的三维点云数据；
所述根据所述三维点云数据判断所述目标货物的摆放是否属于第一摆放状态，包括：
根据所述预处理后的三维点云数据判断所述目标货物的摆放是否属于第一摆放状态。
在其中一个实施例中，所述对所述三维点云数据进行预处理，得到预处理后的三维点云数据，包括：
对所述三维点云数据进行区域外点云过滤处理、地平面点云过滤处理和点云滤波处理，得到预处理后的三维点云数据；
其中，所述区域外点云过滤是将预设放置区域外的点云过滤；所述地平面点云过滤是将地平面的点云过滤，留下货物的点云数据；所述点云滤波是将点云数据中的散列点和孤立点过滤。
第二方面，本申请还提供了一种货物清点装置。所述装置包括：
数据获取模块，用于获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据；所述货物包括目标货物；
判断模块，用于根据所述三维点云数据判断所述目标货物的摆放是否属于第一摆放状态；
计算模块，用于若所述目标货物的摆放属于第一摆放状态，则计算所述目标货物的数量。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据；所述货物包括目标货物；
根据所述三维点云数据判断所述目标货物的摆放是否属于第一摆放状态；
若所述目标货物的摆放属于第一摆放状态，则计算所述目标货物的数量。
第四方面，本申请还提供了一种计算机可读存储介质。所述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以下步骤：
获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据；所述货物包括目标货物；
根据所述三维点云数据判断所述目标货物的摆放是否属于第一摆放状态；
若所述目标货物的摆放属于第一摆放状态，则计算所述目标货物的数量。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据；所述货物包括目标货物；
根据所述三维点云数据判断所述目标货物的摆放是否属于第一摆放状态；
若所述目标货物的摆放属于第一摆放状态，则计算所述目标货物的数量。
上述货物清点方法、装置、计算机设备、存储介质和计算机程序产品，通过获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据；根据三维点云数据判断目标货物的摆放是否属于第一摆放状态；若目标货物的摆放属于第一摆放状态，则计算所述目标货物的数量。通过目标货物点云数据的获取，计算了散装货物的数量，提高了散装货物的清点效率。
附图说明
图1为一个实施例中货物清点方法的应用环境图；
图2为一个实施例中货物清点方法的流程示意图；
图3为一个实施例中计算目标货物的数量的流程示意图；
图4为另一个实施例中货物清点方法的流程示意图；
图5为一个实施例中货物清点装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的货物清点方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。服务器104获取基于货物清点指令所采集的预设放置区域内货物的终端102中的三维点云数据；根据三维点云数据判断目标货物的摆放是否属于第一摆放状态；若目标货物的摆放属于第一摆放状态，则计算目标货物的数量。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种货物清点方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：
步骤202，获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据，货物包括目标货物。
其中，放置区域是指待清点货物的放置区域。三维点云数据是指在一个三维坐标系统中的一组向量的集合，通过扫描仪以点的形式扫描记录，每个点包含三维坐标，有些点也可能包含颜色信息或者反射强度信息等。其中，颜色信息是指空间色彩信息。反射强度信息是指扫描仪在扫描过程中激光扫描到不同平面反射获取的不同强度的信息。三维点云数据是根据扫描预设放置区域内货物而获得。
具体地，首先提供用于放置货物的预设放置区域，并在预设放置区域的周围布设三维激光扫描仪。接着，当在预设放置区域内放置货物后，中控系统的处理器获取货物清点指令，根据货物清点指令控制三维激光扫描仪对预设放置区域内的待清点货物进行扫描，得到待清点货物的三维点云数据。
步骤204，根据三维点云数据判断目标货物的摆放是否属于第一摆放状态。
其中，目标货物是指待清点的货物。第一摆放状态是指在预设放置区域利于目标货物清点的摆放位置，即标准摆放。若目标货物的某一部分超出预设的放置货物区域边界，则该目标货物就不属于第一摆放状态。
具体地，处理器首先获取预设放置区域内的目标货物的三维点云数据，再根据预设放置区域内的目标货物的三维点云数据判断目标货物的摆放位置是否利于目标货物的清点。
步骤206，若目标货物的摆放属于第一摆放状态，则计算目标货物的数量。
具体地，若目标货物的摆放属于第一摆放状态，处理器则对三维点云数据进行分析计算目标货物的数量。
上述货物清点方法中，通过获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据，货物包括目标货物；根据三维点云数据判断目标货物的摆放是否属于第一摆放状态；若目标货物的摆放属于第一摆放状态，则计算目标货物的数量。通过获取货物的三维点云数据，计算出货物的数量，提高了货物清点的效率。
在一个实施例中，获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据，包括：获取至少两个三维激光扫描仪各自所采集的预设放置区域内货物的候选点云数据；将至少两个三维激光扫描仪各自采集的候选点云数据进行合成，得到完整的三维点云数据。
其中，三维激光扫描仪是指多线激光加旋转机械构成的用于收集现实世界中物体形状、外观等信息的设备。主要利用三维激光扫描仪扫描预设放置区域内货物，获取货物的候选点云数据。候选点云数据是指每个三维激光扫描采集的预设放置区域内货物的三维点云数据。将两个三维激光扫描仪各自采集的候选点云数据通过点云拼接得到完整的三维点云数据。点云拼接主要是找齐不同点云之间的空间变换，将多个点云拼接成为全局一致的三维点云模型。
具体地，以两个三维扫描仪采集三维点云数据为例，处理器获取两个三维激光扫描仪各自采集到的预设放置区域内货物的点云数据和两个三维激光扫描仪的相对位姿参数，基于两个三维激光扫描仪的相对位姿参数，得到预设放置区域内货物的三维点云数据中的每个点云的相对位姿参数，根据平移和旋转对预设放置区域内货物的三维点云数据进行变换和拼接，得到完整的三维点云数据。
在一个可选的实现方式中，处理器获取至少两个三维激光扫描仪各自采集到的预设放置区域内货物的点云数据，以及获取至少两个三维激光扫描仪中其他三维扫描仪分别相对于基准扫描仪的相对位姿参数，将其他扫描仪采集的预设放置区域内货物的点云数据，基于相对于基准扫描仪的相对位姿参数进行平移和旋转，变换为基准扫描仪坐标系下的三维点云数据，将基准激光扫描仪坐标系下的全部三维点云数据进行拼接，得到完整的三维点云数据。
本实施例中，通过获取放置区域内货物的候选三维点云数据并将候选三维点云数据合并成一个完整的点云数据，能够得到准确的点云模型，提高货物清点的准确率。
在一个实施例中，根据三维点云数据判断目标货物的摆放是否属于第一摆放状态，包括：将三维点云数据投影到地平面，得到基于统计的栅格图；对栅格图进行直线检测处理，得到多个直线方程；基于直线方程判断直线斜率均等于0或1，则确定目标货物的摆放属于第一摆放状态。
其中，栅格图是指由许多小方块组成的图形。栅格图中的每个小方块的位置与颜色值能表现出颜色阴影的变化。栅格图主要分析三维点云数据。在图像空间x-y中，一条直线在直角坐标系下可以表示为y＝kx+b，y＝kx+b也称之为直线方程，其中k和b是参数，k和b分别表示直线的斜率和截距。直线方程主要是通过对栅格图进行直线检测处理后得到的。
具体地，处理器将三维点云数据投影到地平面，得到一个栅格图，通过霍夫直线检测算法处理栅格图，得到多个直线方程，基于直线方程判断直线斜率，若直线斜率均等于0或1，则确定目标货物的摆放属于第一摆放状态。其中，霍夫直线检测算法是图像处理的一种算法，主要是将通过将任意直线转换到参数空间，从而将图像空间的线检测问题简化为参数空间的点检测问题。例如，平面上的任意直线都可以用y＝kx+b来表示，因此任意一条直线都可以表示为参数空间中的一个点(k，b)。当然不限于采用霍夫直线检测算法来处理栅格图，也可以其他能将任意直线转换到参数空间的算法。
本实施例中，通过对货物摆放位置的判断，能够有效减小货物总量计算的失误率。
在一个实施例中，货物还包括用于承载目标货物的承载体；计算目标货物的数量，包括：
步骤302，将三维点云数据进行点云体素网格化处理，获得货物高度、目标货物最顶层面积。
其中，体素化是指将物体的几何形式表示转换成最接近该物体的体素表示形式，体素网格是将通过规则的3D网格表格表示货物。可以看作是2D像素在3D上的对照物。
具体地，处理器将三维点云数据进行网格化处理，得到网格化的图像，根据网格化的图像，获取货物高度、目标货物最顶层面积。
步骤304，获取单个目标货物的高度和底面积、单个承载体的高度和摆满一层的目标货物数量。
具体地，处理器获取单个目标货物的高度和底面积、单个承载体的高度和摆满一层的目标货物数量。
步骤306，根据目标货物最顶层面积和单个目标货物的底面积确定最顶层目标货物数量。
具体地，处理器根据目标货物最顶层面积和单个目标货物的底面积确定最顶层目标货物数量。其中，最顶层目标货物数量的具体的计算方式是：
Figure BDA0003423887180000081
n‘是指最顶层目标货物数量，S是指目标货物最顶层面积，s是指单个目标货物的底面积。
步骤308，根据货物高度、单个承载体的高度和单个目标货物的高度确定目标货物层数。
具体地，处理器根据货物高度、单个承载体的高度和单个目标货物的高度确定目标货物层数。其中，目标货物层数的具体计算公式是：
Figure BDA0003423887180000082
w是指目标货物层数，H是指单个目标货物的高度，a是指单个承载体的高度。
步骤310，根据目标货物层数、摆满一层的目标货物数量和最顶层目标货物数量确定目标货物总数量。
具体地，处理器根据目标货物层数、摆满一层的目标货物数量和最顶层目标货物数量确定目标货物总数量。其中，目标货物总数量的具体计算公式是
N＝(w-1)·n+n‘
N是指目标货物总数量，w是指目标货物层数，n是指摆满一层的目标货物数量，n‘是指最顶层目标货物数量。
本实施例中，通过获取货物以及承载体的物理数据，计算散装货物的总数量，能够实现货物清点，提高清点效率。
在一个实施例中，在获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据之后，其方法还包括：对三维点云数据进行预处理，得到预处理后的三维点云数据；根据三维点云数据判断目标货物的摆放是否属于第一摆放状态，包括：根据预处理后的三维点云数据判断目标货物的摆放是否属于第一摆放状态。
其中，三维点云数据的预处理是指利用有效的点云信息进行三维重建，主要是对预设放置区域内货物的三维点云数据进行处理，包括：删除冗余数据，滤除孤立点，点云数据精简，点云数据配准。删除冗余数据是指删除重复多次出现的数据。滤除孤立点是指过滤掉孤立存在的点。点云数据精简是指对点云数据进行剔除。点云数据配准是指基于穷举搜索的配准算法和基于特征匹配的配准算法对点云数据进行配准。
具体地，处理器对三维点云数据进行预处理，再根据预处理后的三维点云数据判断目标货物的摆放是否属于第一摆放状态。
本实施例中，通过对三维点云数据的预处理，得到精确的三维点云数据，能够提高判断货物摆放是否处于的第一摆放状态的正确率。
在一个实施例中，对三维点云数据进行预处理，得到预处理后的三维点云数据，包括：对三维点云数据进行区域外点云过滤处理、地平面点云过滤处理和点云滤波处理，得到预处理后的三维点云数据；其中，区域外点云过滤是将预设放置区域外的点云过滤；地平面点云过滤是将地平面的点云过滤，留下货物的点云数据；点云滤波是将点云数据中的散列点和孤立点过滤。
其中，区域外点云过滤是指过滤预设放置区域外的点云。地平面点云过滤是利用随机抽样一致性拟合地平面方程，再过滤包含地平面的点云，只留下货物的点云数据。点云滤波是采用基于高斯分布的统计滤波，对点云数据中的散列点和孤立点进行噪点过滤。
具体地，处理器通过区域外点云过滤、地平面点云过滤和点云滤波对三维点云数据进行预处理。
本实施例中，通过对三维点云数据的预处理，得到精确的三维点云数据，能够提高判断货物摆放是否处于的第一摆放状态的正确率。
本申请实施例提供的货物清点方法，下面结合一个详细的实施例描述货物清点的具体步骤：
(1)中控系统发出放货指令，指示无人叉车根据放货指令将货物叉取到矩形放置区域并进行放货操作，并接收无人叉车在完成后的反馈信息；
(2)中控系统下达散货清点指令，利用顶部对角安装的两个三维激光扫描仪获取放置区域内的目标信息进行信息采集；
(3)中控系统获取两个三维激光扫描仪的相对位姿参数；
(4)中控系统基于两个三维激光扫描仪的相对位姿参数，将两个三维激光扫描仪采集到的点云数据合并成一个完整的激光点云数据；
(5)中控系统对完整的激光点云数据进行区域外点云过滤、地平面点云过滤和点云滤波一系列预处理；
(6)中控系统将预处理后的激光点云数据投影到地平面，得到一个基于统计的栅格图。通过霍夫直线检测算法处理栅格图，得到多个直线方程。若直线斜率约等于0或1，则货物摆放标准，即第一摆放状态，反之，则不标准，即第二摆放状态，无人叉车将散货送到异常区；
(7)中控系统若检测到散货属于标准摆放，对激光点云数据进行点云体素网格化，获得货物高度H和散货最顶层面积S；
(8)中控系统获取知单个散货的高为h，底面积为s。单个托盘的高度为a，摆满一层的散货数量为n。通过公式
Figure BDA0003423887180000101
计算散货层数，公式
Figure BDA0003423887180000102
计算最顶层散货数量，公式N＝(w-1)·n+n‘计算散货总数量。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的货物清点方法的货物清点装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个货物清点装置实施例中的具体限定可以参见上文中对于货物清点方法的限定，在此不再赘述。
在一个实施例中，如图5所示，提供了一种货物清点装置，包括：数据获取模块510、判断模块520和计算模块530，其中：
数据获取模块510，用于获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据；
判断模块520，用于根据三维点云数据判断目标货物的摆放是否属于第一摆放状态；
计算模块530，用于若目标货物的摆放属于第一摆放状态，则计算目标货物的数量。
在一个实施例中，数据获取模块510还用于获取至少两个三维激光扫描仪各自所采集的预设放置区域内货物的候选点云数据；将至少两个三维激光扫描仪各自采集的候选点云数据进行合成，得到完整的三维点云数据。
在一个实施例中，上述货物清点装置还包括：检测模块。检测模块用于将三维点云数据投影到地平面，得到基于统计的栅格图；对栅格图进行直线检测处理，得到多个直线方程；基于直线方程判断直线斜率均等于0或1，则确定目标货物的摆放属于第一摆放状态。
在一个实施例中，数据获取模块510用于将三维点云数据进行点云体素网格化处理，获得货物高度、目标货物最顶层面积；获取单个目标货物的高度和底面积、单个承载体的高度和摆满一层的目标货物数量；计算模块530用于根据所述目标货物最顶层面积和单个目标货物的底面积确定最顶层目标货物数量；根据货物高度、单个承载体的高度和单个目标货物的高度确定目标货物层数；根据目标货物层数、摆满一层的目标货物数量和最顶层目标货物数量确定目标货物总数量。
在一个实施例中，上述货物清点装置还包括：预处理模块。预处理模块用于对三维点云数据进行预处理，得到预处理后的三维点云数据；根据三维点云数据判断目标货物的摆放是否属于第一摆放状态，包括：根据预处理后的三维点云数据判断目标货物的摆放是否属于第一摆放状态。
在一个实施例中，预处理模块用于对三维点云数据进行区域外点云过滤处理、地平面点云过滤处理和点云滤波处理，得到预处理后的三维点云数据。
上述货物清点装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储目标货物的点云数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种货物清点方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据；货物包括目标货物；
根据三维点云数据判断目标货物的摆放是否属于第一摆放状态；
若目标货物的摆放属于第一摆放状态，则计算目标货物的数量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取至少两个三维激光扫描仪各自所采集的预设放置区域内货物的候选点云数据；
将至少两个三维激光扫描仪各自采集的候选点云数据进行合成，得到完整的三维点云数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将三维点云数据投影到地平面，得到基于统计的栅格图；
对该栅格图进行直线检测处理，得到多个直线方程；
基于该直线方程判断直线斜率均等于0或1，则确定目标货物的摆放属于第一摆放状态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将三维点云数据进行点云体素网格化处理，获得货物高度、目标货物最顶层面积；
获取单个目标货物的高度和底面积、单个承载体的高度和摆满一层的目标货物数量；
根据目标货物最顶层面积和单个目标货物的底面积确定最顶层目标货物数量；
根据货物高度、单个承载体的高度和单个目标货物的高度确定目标货物层数；
根据目标货物层数、摆满一层的目标货物数量和最顶层目标货物数量确定目标货物总数量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对三维点云数据进行预处理，得到预处理后的三维点云数据；
根据三维点云数据判断该目标货物的摆放是否属于第一摆放状态，包括：
根据预处理后的三维点云数据判断目标货物的摆放是否属于第一摆放状态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对三维点云数据进行区域外点云过滤处理、地平面点云过滤处理和点云滤波处理，得到预处理后的三维点云数据；
其中，区域外点云过滤是将预设放置区域外的点云过滤；地平面点云过滤是将地平面的点云过滤，留下货物的点云数据；点云滤波是将点云数据中的散列点和孤立点过滤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据；货物包括目标货物；
根据三维点云数据判断该目标货物的摆放是否属于第一摆放状态；
若目标货物的摆放属于第一摆放状态，则计算目标货物的数量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取至少两个三维激光扫描仪各自所采集的预设放置区域内货物的候选点云数据；
将至少两个三维激光扫描仪各自采集的候选点云数据进行合成，得到完整的三维点云数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将三维点云数据投影到地平面，得到基于统计的栅格图；
对栅格图进行直线检测处理，得到多个直线方程；
基于直线方程判断直线斜率均等于0或1，则确定该目标货物的摆放属于第一摆放状态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将三维点云数据进行点云体素网格化处理，获得货物高度、目标货物最顶层面积；
获取单个目标货物的高度和底面积、单个承载体的高度和摆满一层的目标货物数量；
根据目标货物最顶层面积和单个目标货物的底面积确定最顶层目标货物数量；
根据货物高度、单个承载体的高度和单个目标货物的高度确定目标货物层数；
根据目标货物层数、摆满一层的目标货物数量和最顶层目标货物数量确定目标货物总数量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对三维点云数据进行预处理，得到预处理后的三维点云数据；
根据三维点云数据判断该目标货物的摆放是否属于第一摆放状态，包括：
根据预处理后的三维点云数据判断该目标货物的摆放是否属于第一摆放状态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对三维点云数据进行区域外点云过滤处理、地平面点云过滤处理和点云滤波处理，得到预处理后的三维点云数据；
其中，区域外点云过滤是将预设放置区域外的点云过滤；该地平面点云过滤是将地平面的点云过滤，留下货物的点云数据；该点云滤波是将点云数据中的散列点和孤立点过滤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据；该货物包括目标货物；
根据三维点云数据判断该目标货物的摆放是否属于第一摆放状态；
若目标货物的摆放属于第一摆放状态，则计算该目标货物的数量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取至少两个三维激光扫描仪各自所采集的预设放置区域内货物的候选点云数据；
将至少两个三维激光扫描仪各自采集的候选点云数据进行合成，得到完整的三维点云数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将三维点云数据投影到地平面，得到基于统计的栅格图；
对栅格图进行直线检测处理，得到多个直线方程；
基于直线方程判断直线斜率均等于0或1，则确定目标货物的摆放属于第一摆放状态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将三维点云数据进行点云体素网格化处理，获得货物高度、目标货物最顶层面积；
获取单个目标货物的高度和底面积、单个承载体的高度和摆满一层的目标货物数量；
根据目标货物最顶层面积和单个目标货物的底面积确定最顶层目标货物数量；
根据货物高度、单个承载体的高度和单个目标货物的高度确定目标货物层数；
根据目标货物层数、摆满一层的目标货物数量和最顶层目标货物数量确定目标货物总数量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对三维点云数据进行预处理，得到预处理后的三维点云数据；
根据三维点云数据判断该目标货物的摆放是否属于第一摆放状态，包括：
根据预处理后的三维点云数据判断该目标货物的摆放是否属于第一摆放状态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对三维点云数据进行区域外点云过滤处理、地平面点云过滤处理和点云滤波处理，得到预处理后的三维点云数据；
其中，区域外点云过滤是将预设放置区域外的点云过滤；地平面点云过滤是将地平面的点云过滤，留下货物的点云数据；点云滤波是将点云数据中的散列点和孤立点过滤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通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序来指令相关的硬件来完成，该的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上该实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种货物清点的方法，其特征在于，所述方法包括：
获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据；所述货物包括目标货物；
根据所述三维点云数据判断所述目标货物的摆放是否属于第一摆放状态；
若所述目标货物的摆放属于第一摆放状态，则计算所述目标货物的数量。
2.根据权利要求1所述的方法，其特征在于，所述获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据，包括：
获取至少两个三维激光扫描仪各自所采集的预设放置区域内货物的候选点云数据；
将所述至少两个三维激光扫描仪各自采集的候选点云数据进行合成，得到完整的三维点云数据。
3.根据权利要求1所述的方法，其特征在于，所述根据所述三维点云数据判断所述目标货物的摆放是否属于第一摆放状态，包括：
将所述三维点云数据投影到地平面，得到基于统计的栅格图；
对所述栅格图进行直线检测处理，得到多个直线方程；
基于所述直线方程判断直线斜率均等于0或1，则确定所述目标货物的摆放属于第一摆放状态。
4.根据权利要求1所述的方法，其特征在于，所述货物还包括用于承载所述目标货物的承载体；所述计算所述目标货物的数量，包括：
将所述三维点云数据进行点云体素网格化处理，获得所述货物高度、目标货物最顶层面积；
获取单个目标货物的高度和底面积、单个承载体的高度和摆满一层的目标货物数量；
根据所述目标货物最顶层面积和单个目标货物的底面积确定最顶层目标货物数量；
根据所述货物高度、单个承载体的高度和单个目标货物的高度确定目标货物层数；
根据所述目标货物层数、摆满一层的目标货物数量和最顶层目标货物数量确定目标货物总数量。
5.根据权利要求1所述的方法，其特征在于，在所述获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据之后，所述方法还包括：
对所述三维点云数据进行预处理，得到预处理后的三维点云数据；
所述根据所述三维点云数据判断所述目标货物的摆放是否属于第一摆放状态，包括：
根据所述预处理后的三维点云数据判断所述目标货物的摆放是否属于第一摆放状态。
6.根据权利要求5所述的方法，其特征在于，所述对所述三维点云数据进行预处理，得到预处理后的三维点云数据，包括：
对所述三维点云数据进行区域外点云过滤处理、地平面点云过滤处理和点云滤波处理，得到预处理后的三维点云数据；
其中，所述区域外点云过滤是将预设放置区域外的点云过滤；所述地平面点云过滤是将地平面的点云过滤，留下货物的点云数据；所述点云滤波是将点云数据中的散列点和孤立点过滤。
7.一种预测式服务装置，其特征在于，所述装置包括：
数据获取模块，用于获取基于货物清点指令所采集的预设放置区域内货物的三维点云数据；所述货物包括目标货物；
判断模块，用于根据所述三维点云数据判断所述目标货物的摆放是否属于第一摆放状态；
计算模块，用于若所述目标货物的摆放属于第一摆放状态，则计算所述目标货物的数量。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
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权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202111586634.6A 2021-12-21 2021-12-21 货物清点方法、装置、计算机设备、存储介质 Pending CN114418952A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202111586634.6A CN114418952A (zh) 2021-12-21 2021-12-21 货物清点方法、装置、计算机设备、存储介质
EP22185742.8A EP4202858A1 (en) 2021-12-21 2022-07-19 Method and device for cargo counting, computer equipment, and storage medium
US17/869,092 US20230196719A1 (en) 2021-12-21 2022-07-20 Method for cargo counting, computer equipment, and storage medium
JP2022140440A JP7352706B2 (ja) 2021-12-21 2022-09-05 貨物計数方法及び装置、コンピュータ装置、並びに記憶媒体
KR1020220115538A KR20230094950A (ko) 2021-12-21 2022-09-14 화물 계수 방법 및 장치, 컴퓨터 디바이스, 및 저장 매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111586634.6A CN114418952A (zh) 2021-12-21 2021-12-21 货物清点方法、装置、计算机设备、存储介质

Publications (1)

Publication Number Publication Date
CN114418952A true CN114418952A (zh) 2022-04-29

Family

ID=81267843

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111586634.6A Pending CN114418952A (zh) 2021-12-21 2021-12-21 货物清点方法、装置、计算机设备、存储介质

Country Status (5)

Country Link
US (1) US20230196719A1 (zh)
EP (1) EP4202858A1 (zh)
JP (1) JP7352706B2 (zh)
KR (1) KR20230094950A (zh)
CN (1) CN114418952A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116342695A (zh) * 2023-05-29 2023-06-27 未来机器人（深圳）有限公司 无人叉车放货检测方法及装置、无人叉车、存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5259286B2 (ja) 2008-07-16 2013-08-07 株式会社日立製作所 ３次元物体認識システム及びそれを用いた棚卸システム
CN109886961B (zh) * 2019-03-27 2023-04-11 重庆交通大学 基于深度图像的中大型货物体积测量方法
JP7323170B2 (ja) 2019-09-30 2023-08-08 日本電気通信システム株式会社 積載容積率計測装置、システム、方法、及び、プログラム
US10984378B1 (en) 2019-10-31 2021-04-20 Lineage Logistics, LLC Profiling pallets and goods in a warehouse environment
CN111337947B (zh) * 2020-05-18 2020-09-22 深圳市智绘科技有限公司 即时建图与定位方法、装置、系统及存储介质
CN112258452A (zh) 2020-09-23 2021-01-22 洛伦兹（北京）科技有限公司 堆叠物体的物体数量检测方法、装置及系统
CN112132523B (zh) * 2020-11-26 2021-07-13 支付宝(杭州)信息技术有限公司 一种货物数量确定方法、系统和装置
CN113362385A (zh) * 2021-06-21 2021-09-07 山东产研信息与人工智能融合研究院有限公司 一种基于深度图像的货物体积测量方法及设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116342695A (zh) * 2023-05-29 2023-06-27 未来机器人（深圳）有限公司 无人叉车放货检测方法及装置、无人叉车、存储介质
CN116342695B (zh) * 2023-05-29 2023-08-25 未来机器人（深圳）有限公司 无人叉车放货检测方法及装置、无人叉车、存储介质

Also Published As

Publication number Publication date
JP2023092446A (ja) 2023-07-03
KR20230094950A (ko) 2023-06-28
JP7352706B2 (ja) 2023-09-28
EP4202858A1 (en) 2023-06-28
US20230196719A1 (en) 2023-06-22

Similar Documents

Publication Publication Date Title
JP5261501B2 (ja) 不変の視覚場面及び物体の認識
CN108230235B (zh) 一种视差图生成系统、方法及存储介质
WO2014020529A1 (en) Three-dimensional plane panorama creation through hough-based line detection
Litomisky et al. Removing moving objects from point cloud scenes
US20130202193A1 (en) Fractal method for detecting and filling data gaps within lidar data
KR101618996B1 (ko) 호모그래피를 추정하기 위한 샘플링 방법 및 영상 처리 장치
CN113689578B (zh) 一种人体数据集生成方法及装置
CN113191174A (zh) 物品定位方法和装置、机器人及计算机可读存储介质
EP4201868A1 (en) Method for forklift pickup, computer device, and nonvolatile storage medium
CN115100383B (zh) 基于普通光源的镜面物体三维重建方法、装置和设备
CN104299241A (zh) 基于 Hadoop 的遥感图像显著性目标检测方法及系统
Condorelli et al. A comparison between 3D reconstruction using nerf neural networks and mvs algorithms on cultural heritage images
WO2022153305A1 (en) Systems and methods for hue based encoding of a digital image
CN114418952A (zh) 货物清点方法、装置、计算机设备、存储介质
CN112100297A (zh) 城市更新中数据管理的三维可视化方法
US7379599B1 (en) Model based object recognition method using a texture engine
CN113240736A (zh) 基于yolo6d改进网络的位姿估计方法及装置
CN115100271A (zh) 取货高度的检测方法、装置、计算机设备和存储介质
CN115601616A (zh) 一种样本数据生成方法、装置、电子设备和存储介质
CA3208822A1 (en) Systems and methods for roof area and slope estimation using a point set
CN114463764A (zh) 表格线检测方法、装置、计算机设备和存储介质
Bletterer et al. Towards the reconstruction of wide historical sites: A local graph-based representation to resample gigantic acquisitions
CN116883575B (zh) 建筑群渲染方法、装置、计算机设备和存储介质
US11893692B1 (en) Systems and methods for retexturizing mesh-based objects using point clouds
CN117710388A (zh) 图像处理方法、装置及存储介质

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