CN114549787A - 固液混合食物体积的计算方法和系统及设备 - Google Patents
固液混合食物体积的计算方法和系统及设备 Download PDFInfo
- Publication number
- CN114549787A CN114549787A CN202210189643.XA CN202210189643A CN114549787A CN 114549787 A CN114549787 A CN 114549787A CN 202210189643 A CN202210189643 A CN 202210189643A CN 114549787 A CN114549787 A CN 114549787A
- Authority
- CN
- China
- Prior art keywords
- meal
- container
- volume
- point cloud
- image
- 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
Links
Images
Classifications
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种固液混合食物体积的计算方法和系统及设备,包括膳食体积获取步骤:根据对应于膳食表面的网格面计算膳食的整体体积,并将所述整体体积依照设定的固液比例得到膳食中固体的体积和膳食中液体的体积作为所述膳食的体积。本发明针对固液混合的食物提供了相应的体积计算方案,相对于通用性的计算方案本发明的计算结果更加准确。本发明能够准确识别得到膳食与容器的交界线,为膳食轮廓的计算提供了良好的前提条件。本发明计算过程中能够克服拍摄距离导致的对容器尺寸计算的影响。
Description
技术领域
本发明涉及食物体积计算技术,具体地,涉及固液混合食物体积的计算方法和系统及设备。
背景技术
专利文献CN105580052A公开了一种食物体积的计算方案,其系统用于利用移动设备估计板上食物、例如膳食的体积。所述系统使用摄像机和光图案投影仪。在其上具有和不具有投影光图案的食物的图像使得能够计算立体形状和体积,而图像分割和辨别步骤估计所述图像中的一个或多个食物类型。通过应用可访问的知识数据库,碳水化合物含量被估计,并且关联的胰岛素丸剂剂量被提供。
专利文献CN111127545A提供一种膳食拍照参照物、膳食记录方法以及膳食图像的测量分析方法和分析系统。所述膳食拍照参照物由内框架、外框架和内外框架连接部组成,内框架、外框架内部和外部均设置标尺,可提供二维或三维坐标体系,方便使用者作为膳食拍照参照物用于膳食的测量和评估;将上述拍照参照物与食物同框、从不同角度拍照记录膳食;对使用上述膳食拍照参照体系获得的膳食图像进行测量,估计食物体积,再根据食物体积-重量关系(食物密度)获得食物的重量。
但是,现有技术不能很好的针对固液混合的膳食进行体积计算。
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固液混合食物体积的计算方法和系统及设备。
根据本发明提供的一种固液混合食物体积的计算方法,包括:
膳食体积获取步骤:根据对应于膳食表面的网格面计算膳食的整体体积,并将所述整体体积依照设定的固液比例得到膳食中固体的体积和膳食中液体的体积作为所述膳食的体积。
优选地,所述根据对应于膳食表面的网格面计算膳食的整体体积,包括:
第一处理步骤:将所述对应于膳食表面的网格面放大到实际尺寸;
第二处理步骤:根据膳食与容器的交界线,得到所述容器内表面的网格面位于交界线下部的部分;
第三处理步骤:将实际尺寸的膳食表面的网格面与所述容器内表面的网格面位于交界线下部的部分合成为一个封闭的空间曲面;
第四处理步骤:将所述封闭的空间曲面内部空间的体积,作为所述膳食的体积。
优选地,包括:
膳食网格面获取步骤:获取膳食图像,根据所述膳食图像识别膳食的菜品,其中,所述膳食图像含有容器和盛放在容器中的膳食;针对所述膳食图像,去除容器的点云,得到膳食的点云;对膳食的点云进行转化得到相应的网格。
优选地,在所述膳食网格面获取步骤中,根据所述膳食图像和已知信息,去除容器的点云,得到膳食的点云;其中,所述已知信息包括容器的三维模型;将膳食图像包括的深度相机获得的三维信息图像的容器的尺寸与已知的容器三维模型的尺寸调整到一个统一的尺寸缩放比例下,在统一尺寸缩放比例下,将三维信息图像中的点云与容器三维模型进行重叠,其中,容器外边缘高于承载平面,据此识别得到三维信息图像中容器外边缘,将容器三维模型外边缘与三维信息图像中容器外边缘重合,将与容器三维模型重叠的点云识别为容器的点云,将容器点云内部的点云识别为膳食的点云;
在所述膳食体积获取步骤中,基于已区分了容器的点云与膳食的点云,在三维信息图像中,设置与圆形容器同轴的多个线圈,线圈与容器的点云、膳食的点云接触,统计各个线圈上容器的点、膳食的点两者的数量,将两者数量相等对应的线圈作为所述交界线。
根据本发明提供的一种固液混合食物体积的计算系统,包括:
膳食体积获取模块:根据对应于膳食表面的网格面计算膳食的整体体积,并将所述整体体积依照设定的固液比例得到膳食中固体的体积和膳食中液体的体积作为所述膳食的体积。
优选地,所述根据对应于膳食表面的网格面计算膳食的整体体积,包括:
第一处理模块:将所述对应于膳食表面的网格面放大到实际尺寸;
第二处理模块:根据膳食与容器的交界线,得到所述容器内表面的网格面位于交界线下部的部分;
第三处理模块:将实际尺寸的膳食表面的网格面与所述容器内表面的网格面位于交界线下部的部分合成为一个封闭的空间曲面;
第四处理模块:将所述封闭的空间曲面内部空间的体积,作为所述膳食的体积。
优选地,包括:
膳食网格面获取模块:获取膳食图像,根据所述膳食图像识别膳食的菜品,其中,所述膳食图像含有容器和盛放在容器中的膳食;针对所述膳食图像,去除容器的点云,得到膳食的点云;对膳食的点云进行转化得到相应的网格。
优选地,在所述膳食网格面获取模块中,根据所述膳食图像和已知信息,去除容器的点云,得到膳食的点云;其中,所述已知信息包括容器的三维模型;将膳食图像包括的深度相机获得的三维信息图像的容器的尺寸与已知的容器三维模型的尺寸调整到一个统一的尺寸缩放比例下,在统一尺寸缩放比例下,将三维信息图像中的点云与容器三维模型进行重叠,其中,容器外边缘高于承载平面,据此识别得到三维信息图像中容器外边缘,将容器三维模型外边缘与三维信息图像中容器外边缘重合,将与容器三维模型重叠的点云识别为容器的点云,将容器点云内部的点云识别为膳食的点云;
在所述膳食体积获取模块中,基于已区分了容器的点云与膳食的点云,在三维信息图像中,设置与圆形容器同轴的多个线圈,线圈与容器的点云、膳食的点云接触,统计各个线圈上容器的点、膳食的点两者的数量,将两者数量相等对应的线圈作为所述交界线。
根据本发明提供的一种存储有计算机程序的计算机可读存储介质,其特征在于,所述计算机程序被处理器执行时实现所述的固液混合食物体积的计算方法的步骤。
根据本发明提供的一种膳食营养评估终端智能设备,包括控制器,还包括在控制器的控制下采集膳食图像的摄像头、深度相机;
所述控制器包括所述的固液混合食物体积的计算系统,或者包括所述的存储有计算机程序的计算机可读存储介质。
与现有技术相比,本发明具有如下的有益效果:
1、本发明针对固液混合的食物提供了相应的体积计算方案,相对于通用性的计算方案本发明的计算结果更加准确。
2、本发明能够准确识别得到膳食与容器的交界线,为膳食轮廓的计算提供了良好的前提条件。
3、本发明计算过程中能够克服拍摄距离导致的对容器尺寸计算的影响。
附图说明
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为本发明的整体流程示意图。
图2为本发明子步骤的流程示意图。
图3为本发明的摄像头采集的膳食与容器俯视视角的二维信息图像示意图。
图4为本发明的深度相机采集的膳食与容器的三维信息图像示意图。
图5为本发明的膳食体积计算的原理示意图。
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,还可以做出若干变化和改进。这些都属于本发明的保护范围。
根据本发明提供的一种固液混合食物体积的计算方法,包括:膳食体积获取步骤:根据对应于膳食表面的网格面计算膳食的整体体积,并将所述整体体积依照设定的固液比例得到膳食中固体的体积和膳食中液体的体积作为所述膳食的体积。所述根据对应于膳食表面的网格面计算膳食的整体体积,包括:第一处理步骤:将所述对应于膳食表面的网格面放大到实际尺寸;第二处理步骤:根据膳食与容器的交界线,得到所述容器内表面的网格面位于交界线下部的部分;第三处理步骤:将实际尺寸的膳食表面的网格面与所述容器内表面的网格面位于交界线下部的部分合成为一个封闭的空间曲面;第四处理步骤:将所述封闭的空间曲面内部空间的体积,作为所述膳食的体积。在所述膳食体积获取步骤中,基于已区分了容器的点云与膳食的点云,在三维信息图像中,设置与圆形容器同轴的多个线圈,线圈与容器的点云、膳食的点云接触,统计各个线圈上容器的点、膳食的点两者的数量,将两者数量相等对应的线圈作为所述交界线。
具体地,将所述对应于膳食表面的网格面放大到实际尺寸;根据已知的承载平面与深度相机之间的距离、已知的容器的高度、直径等尺寸的三维模型,可以得到缩放比例,将对应于膳食表面的网格面放大到实际尺寸。根据膳食与容器的交界线,得到所述容器内表面的网格面位于交界线下部的部分。具体而言,为了得到交界线,根据所述膳食图像识别得到容器的特征信息,其中,所述特征信息例如可以是二维码,二维码用于指示唯一的一个容器或者用于指示唯一的相同规格的一个容器类别;然后根据所述容器的特征信息去除该特征信息指示的容器的点云,并且得到该特征信息指示的容器中盛放膳食的实际尺寸的容器内表面的网格面;根据容器的点云、膳食的点云,得到容器内表面与膳食的交界线,即,容器内表面与膳食表面的网格面两者之间的交界线。在优选例中,尤其是,基于已区分了容器的点云与膳食的点云,在三维信息图像中,设置与圆形容器同轴的多个线圈,线圈与容器的点云、膳食的点云接触,统计各个线圈上容器的点、膳食的点两者的数量,将两者数量相等对应的线圈作为所述交界线。将实际尺寸的膳食表面的网格面与所述容器内表面的网格面位于交界线下部的部分合成为一个封闭的空间曲面;如图5所示,图5示出了实际尺寸的膳食表面的网格面100、容器内表面的网格面200、容器内表面的网格面位于交界线下部的部分300、交界线400、容器500。步骤S3.4:将所述封闭的空间曲面内部空间的体积,作为所述膳食的体积。
对于固液混合类属性的菜品,根据对应于膳食表面的网格面计算膳食的整体体积,并将所述整体体积依照设定的固液比例得到膳食中固体的体积和膳食中液体的体积作为所述膳食的体积;例如,土豆牛腩属于炖菜,相对于炒菜而言汤汁明显较多,属于固液混合类属性的菜品,除了汤汁液面上可见的土豆块与牛腩块之外,在汤汁中还浸没了另一部分的土豆块和牛腩块,因此,通过设定的固液比例,例如典型值,可以得到膳食中固体和液体分别的体积,从而分别评估固体、液体中的营养素,并能够加权求和得到营养素的总和。
所述固液混合食物体积的计算方法还包括:膳食网格面获取步骤:获取膳食图像,根据所述膳食图像识别膳食的菜品,其中,所述膳食图像含有容器和盛放在容器中的膳食;针对所述膳食图像,去除容器的点云,得到膳食的点云;对膳食的点云进行转化得到相应的网格。在所述膳食网格面获取步骤中,根据所述膳食图像和已知信息,去除容器的点云,得到膳食的点云;其中,所述已知信息包括容器的三维模型;将膳食图像包括的深度相机获得的三维信息图像的容器的尺寸与已知的容器三维模型的尺寸调整到一个统一的尺寸缩放比例下,在统一尺寸缩放比例下,将三维信息图像中的点云与容器三维模型进行重叠,其中,容器外边缘高于承载平面,据此识别得到三维信息图像中容器外边缘,将容器三维模型外边缘与三维信息图像中容器外边缘重合,将与容器三维模型重叠的点云识别为容器的点云,将容器点云内部的点云识别为膳食的点云。
具体地,盛放有膳食的容器放置在承载平面上,承载平面与摄像头之间的距离是已知的,承载平面与深度相机之间的距离也是已知的,容器的直径等尺寸信息和表面形状等三维模型信息也是已知的,因此在获得二维信息图像后,通过容器在二维信息图像中的直径尺寸与容器实际的直径尺寸之间的比例,基于膳食在二维信息图像中的尺寸,就能够得到换算为膳食实际尺寸的缩放比例。优选例中,承载平面与摄像头之间的距离是固定值,承载平面与深度相机之间的距离也是固定值,在装配承载平面、摄像头、深度相机时按照固定值进行组装。其中,所述二维信息图像为彩色图像,可见膳食、容器、承载平面。三维信息图像中可见膳食、容器、承载平面。相应地,为识别膳食与容器的深度学习神经网络的学习样本中也含有膳食、容器、承载平面。其中,所述三维信息图像记载了点云数据,根据三维信息图像得到容器的点云、膳食的点云。具体是俯视视角下,容器表面未被膳食遮挡的区域对应的点云,以及膳食表面对应的点云。由于膳食底部的形状受到容器的用来盛放膳食的内表面的限制,可以用所述内表面的形状轮廓作为膳食底部的形状轮廓,而膳食顶部的形状受到盛菜人的操作而会发生变化,例如即使是同一菜品的膳食,若菜量不同,则膳食顶部的高度是不同的,又例如在相同的菜量下,盛菜人习惯将膳食平均铺设,还是以堆积方式形成金字塔状,其膳食顶部的形状也是不同的。因此,通过深度相机采集膳食顶部对应的点云来反映其形状有助于后续营养素的精确评估。
进一步地,根据所述膳食图像和已知信息,去除容器的点云,得到膳食的点云;其中,所述已知信息包括容器的三维模型。为了得到膳食顶部的形状,需将膳食的点云区分于容器的点云。容器的信息是已知的,由于深度相机与容器及其摆放的承载平买之间的距离也是已知的,因此可以将三维信息图像中容器的尺寸与已知的容器三维模型的尺寸调整到一个统一的尺寸缩放比例下。在统一尺寸缩放比例下,将三维信息图像中的点云与容器三维模型进行重叠,其中,容器外边缘,例如盘子的口沿,高于承载平面,据此识别得到三维信息图像中容器外边缘,将容器三维模型外边缘与三维信息图像中容器外边缘重合,将与容器三维模型重叠的点云识别为容器的点云,将容器点云内部的点云识别为膳食的点云。在变化例中,基于已知的容器的颜色,也可以通过颜色来识别容器的点云与膳食的点云。为了便于识别容器,还可以在容器表面设置标识信息,例如二维码等。
本发明针对固液混合的食物提供了相应的体积计算方案,相对于通用性的计算方案本发明的计算结果更加准确。发明能够准确识别得到膳食与容器的交界线,为膳食轮廓的计算提供了良好的前提条件。本发明计算过程中能够克服拍摄距离导致的对容器尺寸计算的影响。
根据本发明提供的一种固液混合食物体积的计算系统,包括:
膳食体积获取模块:根据对应于膳食表面的网格面计算膳食的整体体积,并将所述整体体积依照设定的固液比例得到膳食中固体的体积和膳食中液体的体积作为所述膳食的体积。
所述根据对应于膳食表面的网格面计算膳食的整体体积,包括:
第一处理模块:将所述对应于膳食表面的网格面放大到实际尺寸;
第二处理模块:根据膳食与容器的交界线,得到所述容器内表面的网格面位于交界线下部的部分;
第三处理模块:将实际尺寸的膳食表面的网格面与所述容器内表面的网格面位于交界线下部的部分合成为一个封闭的空间曲面;
第四处理模块:将所述封闭的空间曲面内部空间的体积,作为所述膳食的体积。
所述固液混合食物体积的计算系统,还包括:
膳食网格面获取模块:获取膳食图像,根据所述膳食图像识别膳食的菜品,其中,所述膳食图像含有容器和盛放在容器中的膳食;针对所述膳食图像,去除容器的点云,得到膳食的点云;对膳食的点云进行转化得到相应的网格。
在所述膳食网格面获取模块中,根据所述膳食图像和已知信息,去除容器的点云,得到膳食的点云;其中,所述已知信息包括容器的三维模型;将膳食图像包括的深度相机获得的三维信息图像的容器的尺寸与已知的容器三维模型的尺寸调整到一个统一的尺寸缩放比例下,在统一尺寸缩放比例下,将三维信息图像中的点云与容器三维模型进行重叠,其中,容器外边缘高于承载平面,据此识别得到三维信息图像中容器外边缘,将容器三维模型外边缘与三维信息图像中容器外边缘重合,将与容器三维模型重叠的点云识别为容器的点云,将容器点云内部的点云识别为膳食的点云;
在所述膳食体积获取模块中,基于已区分了容器的点云与膳食的点云,在三维信息图像中,设置与圆形容器同轴的多个线圈,线圈与容器的点云、膳食的点云接触,统计各个线圈上容器的点、膳食的点两者的数量,将两者数量相等对应的线圈作为所述交界线。
根据本发明提供的一种存储有计算机程序的计算机可读存储介质,其特征在于,所述计算机程序被处理器执行时实现所述的固液混合食物体积的计算方法的步骤。
根据本发明提供的一种膳食营养评估终端智能设备,包括控制器,还包括在控制器的控制下采集膳食图像的摄像头、深度相机;
所述控制器包括所述的固液混合食物体积的计算系统,或者包括所述的存储有计算机程序的计算机可读存储介质。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
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化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种固液混合食物体积的计算方法,其特征在于,包括:
膳食体积获取步骤:根据对应于膳食表面的网格面计算膳食的整体体积,并将所述整体体积依照设定的固液比例得到膳食中固体的体积和膳食中液体的体积作为所述膳食的体积。
2.根据权利要求1所述的固液混合食物体积的计算方法,其特征在于,所述根据对应于膳食表面的网格面计算膳食的整体体积,包括:
第一处理步骤:将所述对应于膳食表面的网格面放大到实际尺寸;
第二处理步骤:根据膳食与容器的交界线,得到所述容器内表面的网格面位于交界线下部的部分;
第三处理步骤:将实际尺寸的膳食表面的网格面与所述容器内表面的网格面位于交界线下部的部分合成为一个封闭的空间曲面;
第四处理步骤:将所述封闭的空间曲面内部空间的体积,作为所述膳食的体积。
3.根据权利要求1所述的固液混合食物体积的计算方法,其特征在于,包括:
膳食网格面获取步骤:获取膳食图像,根据所述膳食图像识别膳食的菜品,其中,所述膳食图像含有容器和盛放在容器中的膳食;针对所述膳食图像,去除容器的点云,得到膳食的点云;对膳食的点云进行转化得到相应的网格。
4.根据权利要求3所述的固液混合食物体积的计算方法,其特征在于,在所述膳食网格面获取步骤中,根据所述膳食图像和已知信息,去除容器的点云,得到膳食的点云;其中,所述已知信息包括容器的三维模型;将膳食图像包括的深度相机获得的三维信息图像的容器的尺寸与已知的容器三维模型的尺寸调整到一个统一的尺寸缩放比例下,在统一尺寸缩放比例下,将三维信息图像中的点云与容器三维模型进行重叠,其中,容器外边缘高于承载平面,据此识别得到三维信息图像中容器外边缘,将容器三维模型外边缘与三维信息图像中容器外边缘重合,将与容器三维模型重叠的点云识别为容器的点云,将容器点云内部的点云识别为膳食的点云;
在所述膳食体积获取步骤中,基于已区分了容器的点云与膳食的点云,在三维信息图像中,设置与圆形容器同轴的多个线圈,线圈与容器的点云、膳食的点云接触,统计各个线圈上容器的点、膳食的点两者的数量,将两者数量相等对应的线圈作为所述交界线。
5.一种固液混合食物体积的计算系统,其特征在于,包括:
膳食体积获取模块:根据对应于膳食表面的网格面计算膳食的整体体积,并将所述整体体积依照设定的固液比例得到膳食中固体的体积和膳食中液体的体积作为所述膳食的体积。
6.根据权利要求5所述的固液混合食物体积的计算系统,其特征在于,所述根据对应于膳食表面的网格面计算膳食的整体体积,包括:
第一处理模块:将所述对应于膳食表面的网格面放大到实际尺寸;
第二处理模块:根据膳食与容器的交界线,得到所述容器内表面的网格面位于交界线下部的部分;
第三处理模块:将实际尺寸的膳食表面的网格面与所述容器内表面的网格面位于交界线下部的部分合成为一个封闭的空间曲面;
第四处理模块:将所述封闭的空间曲面内部空间的体积,作为所述膳食的体积。
7.根据权利要求5所述的固液混合食物体积的计算系统,其特征在于,包括:
膳食网格面获取模块:获取膳食图像,根据所述膳食图像识别膳食的菜品,其中,所述膳食图像含有容器和盛放在容器中的膳食;针对所述膳食图像,去除容器的点云,得到膳食的点云;对膳食的点云进行转化得到相应的网格。
8.根据权利要求7所述的固液混合食物体积的计算系统,其特征在于,在所述膳食网格面获取模块中,根据所述膳食图像和已知信息,去除容器的点云,得到膳食的点云;其中,所述已知信息包括容器的三维模型;将膳食图像包括的深度相机获得的三维信息图像的容器的尺寸与已知的容器三维模型的尺寸调整到一个统一的尺寸缩放比例下,在统一尺寸缩放比例下,将三维信息图像中的点云与容器三维模型进行重叠,其中,容器外边缘高于承载平面,据此识别得到三维信息图像中容器外边缘,将容器三维模型外边缘与三维信息图像中容器外边缘重合,将与容器三维模型重叠的点云识别为容器的点云,将容器点云内部的点云识别为膳食的点云;
在所述膳食体积获取模块中,基于已区分了容器的点云与膳食的点云,在三维信息图像中,设置与圆形容器同轴的多个线圈,线圈与容器的点云、膳食的点云接触,统计各个线圈上容器的点、膳食的点两者的数量,将两者数量相等对应的线圈作为所述交界线。
9.一种存储有计算机程序的计算机可读存储介质,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4中任一项所述的固液混合食物体积的计算方法的步骤。
10.一种膳食营养评估终端智能设备,其特征在于,包括控制器,还包括在控制器的控制下采集膳食图像的摄像头、深度相机;
所述控制器包括权利要求5至8中任一项所述的固液混合食物体积的计算系统,或者包括权利要求9所述的存储有计算机程序的计算机可读存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210189643.XA CN114549787A (zh) | 2022-02-28 | 2022-02-28 | 固液混合食物体积的计算方法和系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210189643.XA CN114549787A (zh) | 2022-02-28 | 2022-02-28 | 固液混合食物体积的计算方法和系统及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114549787A true CN114549787A (zh) | 2022-05-27 |
Family
ID=81661401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210189643.XA Pending CN114549787A (zh) | 2022-02-28 | 2022-02-28 | 固液混合食物体积的计算方法和系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549787A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114972351A (zh) * | 2022-08-01 | 2022-08-30 | 深圳煜炜光学科技有限公司 | 矿车矿量检测方法、装置及设备 |
-
2022
- 2022-02-28 CN CN202210189643.XA patent/CN114549787A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114972351A (zh) * | 2022-08-01 | 2022-08-30 | 深圳煜炜光学科技有限公司 | 矿车矿量检测方法、装置及设备 |
CN114972351B (zh) * | 2022-08-01 | 2022-11-11 | 深圳煜炜光学科技有限公司 | 矿车矿量检测方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Marshall et al. | Computer vision, models and inspection | |
Deng et al. | Automatic indoor construction process monitoring for tiles based on BIM and computer vision | |
US7421125B1 (en) | Image analysis, editing and search techniques | |
US20040155877A1 (en) | Image processing apparatus | |
CN108537834A (zh) | 一种基于深度图像的体积测量方法、系统及深度相机 | |
CN109509535A (zh) | 食物体积的获取方法、食物热量的获取方法、电子设备 | |
CN108596187A (zh) | 商品纯净度检测方法及展示柜 | |
CN111160261A (zh) | 用于自动售货柜的样本图像标注方法、装置及存储介质 | |
CN105466523A (zh) | 基于单摄像机图像的堆粮高度的测量方法和装置 | |
CN114549787A (zh) | 固液混合食物体积的计算方法和系统及设备 | |
CN110349216A (zh) | 货箱位置检测方法及装置 | |
CN109283182A (zh) | 一种电池焊点缺陷的检测方法、装置及系统 | |
CN116777877A (zh) | 电路板缺陷检测方法、装置、计算机设备及存储介质 | |
Szeliski | Real-time octree generation from rotating objects | |
CN114566254A (zh) | 非接触式计算机视觉智能膳食营养评估方法和系统及设备 | |
CN110443242A (zh) | 读数框检测方法、目标识别模型训练方法及相关装置 | |
CN112149348A (zh) | 一种基于无人货柜场景的仿真空间模型训练数据生成方法 | |
CN113947770B (zh) | 一种识别物体放置于智能箱柜不同区域的方法 | |
CN111160450A (zh) | 一种基于神经网络的果蔬称重方法及储存介质、装置 | |
CN112906700B (zh) | 自密实混凝土图像语义分割方法、装置及数据集生成方法 | |
CN111127558A (zh) | 确定装配体检测角度的方法、装置、电子设备及存储介质 | |
US10957075B2 (en) | Representation of a component using cross-sectional images | |
CN114549854A (zh) | 食物整体空间轮廓获取方法和系统及设备 | |
Dinic et al. | EatAR tango: Results on the accuracy of portion estimation | |
CN116630538A (zh) | 面向餐桌场景的仿真数据集生成方法与装置 |
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 |