CN114663626A - 基于单帧采样的行李快速建模方法、设备及存储介质 - Google Patents
基于单帧采样的行李快速建模方法、设备及存储介质 Download PDFInfo
- Publication number
- CN114663626A CN114663626A CN202210290538.5A CN202210290538A CN114663626A CN 114663626 A CN114663626 A CN 114663626A CN 202210290538 A CN202210290538 A CN 202210290538A CN 114663626 A CN114663626 A CN 114663626A
- Authority
- CN
- China
- Prior art keywords
- target
- point cloud
- luggage
- baggage
- corner points
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请涉及目标检测技术领域,公开了一种基于单帧采样的行李快速建模方法、设备及存储介质,方法包括:采集目标行李的多张深度图片,并从多张深度图片中确定符合预设要求的目标深度图片;获取目标深度图片的第一点云,并从第一点云中分割出目标行李对应的目标点云;根据目标点云提取目标行李的边缘角点,并根据边缘角点识别目标行李的目标形状;从预设数据库中搜索与目标形状匹配的预设网格模型以作为目标行李的初始模型;提取目标深度图片中与边缘角点对应的目标图案,并利用目标图案对初始模型进行贴图处理;利用边缘角点计算目标行李的目标尺寸,并根据目标尺寸对初始模型进行尺寸调整,得到目标行李对应的目标三维模型。
Description
技术领域
本申请涉及目标检测技术领域,尤其涉及一种基于单帧采样的行李快速建模方法、设备及存储介质。
背景技术
在行李托运过程中,通常需要对行李的状态进行跟踪检测,以便可以将软硬不同的行李进行分区托运,以及实时检查行李是否发生破损,进而保证行李的安全运达。
目前,检测行李是否发生破损的方式通常是采用三维建模技术,通过对实时检查行李进行三维建模,从而可以利用建成后的三维模型判断行李是否发生破损。
然而,现有的三维建模通常耗费时间过长,无法适应在行李托运场景下的实时建模需求。
发明内容
本申请的主要目的在于提供一种基于单帧采样的行李快速建模方法、设备及存储介质,旨在实现对行李进行快速的三维建模。
第一方面,本申请提供一种基于单帧采样的行李快速建模方法,包括:
采集目标行李的多张深度图片,并从多张所述深度图片中确定符合预设要求的目标深度图片;
获取所述目标深度图片的第一点云,并从所述第一点云中分割出所述目标行李对应的目标点云;
根据所述目标点云提取所述目标行李的边缘角点,并根据所述边缘角点识别所述目标行李的目标形状;
从预设数据库中搜索与所述目标形状匹配的预设网格模型,并将所述预设网格模型作为所述目标行李的初始模型;
提取所述目标深度图片中与所述边缘角点对应的目标图案,并利用所述目标图案对所述初始模型进行贴图处理;
利用所述边缘角点计算所述目标行李的目标尺寸,并根据所述目标尺寸对所述初始模型进行尺寸调整,得到所述目标行李对应的目标三维模型。
第二方面,本申请还提供一种终端设备,所述终端设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如上所述的基于单帧采样的行李快速建模方法的步骤。
第三方面,本申请还提供一种存储介质,所述计算机可读存储介质上存储有计算机程序,其中所述计算机程序被处理器执行时,实现如上所述的基于单帧采样的行李快速建模方法的步骤。
本申请提供一种基于单帧采样的行李快速建模方法、设备及存储介质,本申请中,通过目标行李的目标深度图片识别目标行李的目标形状,从预设数据库中搜索与目标形状匹配的预设网格模型以作为目标行李的初始模型,对初始模型进行贴图处理后,利用计算得到的目标行李的目标尺寸对初始模型进行尺寸调整,即得到了目标行李对应的目标三维模型。通过本申请所提供的技术方案,仅使用一张符合预设要求的深度图片就可以实现三维建模,速度极快,耗时极短,消耗资源小,能满足行李在传送过程中运动建模的计算资源要求,实现了对行李的快速三维建模。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于单帧采样的行李快速建模方法的步骤流程示意图;
图2为本申请实施例提供的基于单帧采样的行李快速建模方法的一应用场景示意图;
图3为本申请实施例提供的一种终端设备的结构示意性框图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。另外,虽然在装置示意图中进行了功能模块的划分,但是在某些情况下,可以以不同于装置示意图中的模块划分。
本申请实施例提供一种基于单帧采样的行李快速建模方法、设备及存储介质。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参照图1,图1为本申请实施例提供的一种基于单帧采样的行李快速建模方法的步骤流程示意图。
如图1所示,该基于单帧采样的行李快速建模方法包括步骤S10至步骤 S15。
步骤S10、采集目标行李的多张深度图片,并从多张所述深度图片中确定符合预设要求的目标深度图片。
可以理解,深度图片(Depth Images)为由深度相机采集到的图片,也被称为距离影像(Range Images)。
如图2所示,本申请所提供的基于单帧采样的行李快速建模方法应用于行李传输系统,由行李传输系统的终端设备内的处理器执行。
具体地,行李传输系统包括终端设备20、传送装置21、图像采集装置22。
传送装置包括传送带210、驱动机构211、第一护栏212以及第二护栏213。其中,第一护栏212以及第二护栏213分别安装于传送带210两侧的驱动机构211上。
图像采集装置22包括第一竖杆220、第二竖杆221、横杆222以及深度相机223。其中,第一竖杆220安装于靠近第一护栏212一侧的驱动机构211 上,第二竖杆221安装于靠近第二护栏213一侧的驱动机构211上,横杆222 的第一端部与第一竖杆220远离驱动机构211的一端连接,横杆222的远离第一端部的第二端部与第二竖杆221远离驱动机构211的一端连接。
深度相机223安装于横杆222靠近传送带210一侧的中部位置,且深度相机223的图像采集角度垂直于传送带210所在平面。
终端设备20与深度相机223电连接,用于接收并处理深度相机223采集回来的深度图片。
当目标行李23放上传送带210时,传送带210带动目标行李23往预设方向移动,在目标行李23移动的过程中,深度相机223不断的采集目标行李 23的深度图片,得到多张深度图片。
在一些实施方式中,在所采集到的深度图片中,当目标行李23处于深度图片的中央位置时,该深度图片符合预设要求,选取该深度图片作为目标深度图片。或,当目标行李23完全进入深度相机223的摄像区域时,深度相机 223对应采集到的深度图片符合预设要求,选取该深度图片作为目标深度图片。可以理解,目标深度图片至少包含目标行李23的上表面231的图片信息。
步骤S11、获取所述目标深度图片的第一点云,并从所述第一点云中分割出所述目标行李对应的目标点云。
可以理解,目标深度图片与第一点云之间存在对应的映射关系,根据采集目标深度图片的深度相机223的属性参数可以将目标深度图片转换成点云数据,以得到第一点云。其中,第一点云中不仅包含了目标行李23的点云,也包括了除目标行李23以外的背景部分的点云,从第一点云中将目标行李23 对应的点云分割出来,即得到目标点云。
在一些实施方式中,所述从所述第一点云中分割出所述目标行李对应的目标点云,包括:
从所述第一点云中提取投影区域处于预设水平区域范围内的点云,得到第二点云;
从所述第二点云中提取深度数值处于预设深度范围内的点云,得到所述目标行李对应的目标点云。
可以理解,在本申请中,负责采集目标深度图片的深度相机223与负责承载并移动目标行李23的传送带210之间的距离是固定的,并且,深度相机 223是固定安装在传送带210上方的空中区域的,在这个基础上,深度相机 223的图像采集区域范围也是固定的。
另外,深度相机223的图像采集区域范围也是比目标行李23要大的,深度相机223所采集到的深度图片中,不仅会包括目标行李23的图像元素,也会包括除目标行李23以外的如传送带210、第一护栏212以及第二护栏213 的图像元素。并且,目标行李23与深度相机223之间距离必然会比承载目标行李23的传送带210与深度相机223之间距离近。
因此,可以预先设定一个水平区域范围以及深度范围,以从第一点云中提取目标行李23的投影区域处于该预设水平区域范围之内,并且深度数值处于预设深度范围之内的点云,以得到目标行李23的目标点云,其中,深度数值对应点云的三维坐标中的z轴坐标数值。
在一些实施方式中,所述从所述第一点云中分割出所述目标行李对应的目标点云,包括:
提取比对深度图片的点云,得到比对点云,其中,所述比对深度图片为摄像角度对应所述采集角度,且图片元素不包含所述目标行李的空载深度图片;
去除所述第一点云中与所述比对点云匹配的点云,得到所述目标行李对应的目标点云。
可以理解,当传送带210上没有任何行李时,传送带210处于空载状态,此时,深度相机223采集到的深度图片为空载深度图片,也即比对深度图片。从比对深度图片中提取到的点云,即为比对点云。
去除掉第一点云中与比对点云的三维坐标以及颜色数值相同或相近的点云,,即得到目标行李23对应的目标点云。
步骤S12、根据所述目标点云提取所述目标行李的边缘角点,并根据所述边缘角点识别所述目标行李的目标形状。
可以理解,目标行李23是有形状的,从目标点云中获取目标行李23的菱角对应的点云,即得到目标行李23的边缘角点。确定了目标行李23的边缘角点后,可以通过各个边缘角点识别目标行李23的形状,以得到目标形状。
在一些实施方式中,所述根据所述目标点云提取所述目标行李的边缘角点,包括:
将所述目标点云投影到承载所述目标行李的承载平面上,得到投影点云;
根据所述投影点云生成二值掩码图;
根据所述二值掩码图确定所述目标行李的行李图像区域,并获取与所述行李图像区域匹配的匹配矩形,其中,所述匹配矩形为可以包围所述行李图像区域的最小矩形;
当所述匹配矩形与所述行李图像区域的匹配值达到预设值时,对所述匹配矩形进行反投影,以从所述目标点云中获取与所述匹配矩形的四个角点对应的边缘角点。
可以理解,承载目标行李23的传送带210所处的平面,即为承载平面。将目标点云投影到承载平面上,所得到的点云即为投影点云。
利用投影点云,可以生成二值掩码图,具体的,归属于投影点云的点设置为白色,不归属于投影点云的点设置为黑色。所得到的二值掩码图中,白色的点对应的区域为目标行李23的图像区域,也即行李图像区域;相应的,黑色的点对应的区域则表征除行李图像区域以外的其他区域。
获取可以包围行李图像区域的最小矩形,即得到匹配矩形。可以理解,行李图像区域内包围于匹配矩形中,当匹配矩形中的白色区域部分的面积与匹配矩形的面积的比值达到预设值时,说明行李图像区域大体上是矩形的,也即,目标行李23很有可能是如行李箱之类的长方体形状。此时,可以通过对匹配矩形进行反投影,以从目标点云中获取与匹配矩形的四个角点对应的点云作为目标行李23的顶部角点,即得到目标行李23的四个边缘角点。
在一些实施方式中,当匹配矩形与行李图像区域的匹配值达不到预设值时,说明行李图像区域不为矩形,可能是其他如梯形、五边形、六边形等一些规则形状,此时,可以逐个利用其他规则形状去计算与行李图像区域的匹配度,以确定目标行李23的边缘角点并推断目标行李23的形状。
在一些实施方式中,所述根据所述二值掩码图确定所述目标对象的行李图像区域之前,还包括:
将预处理的二值掩码图输入至预设图像模型中,得到处理后的所述二值掩码图,其中,所述预设图像模型用于对所述二值掩码图进行降噪及去孔洞处理;
或者,利用形态学算法对预处理的所述二值掩码图进行处理以去除所述二值掩码图中的孔洞和噪声,得到处理后的所述二值掩码图。
可以理解,去除二值掩码图中的孔洞和噪声后,可以更好的通过处理后的二值掩码图来确定目标行李23的形状。
在一些实施方式中,所述根据所述边缘角点识别所述目标行李的目标形状,包括:
根据各个所述边缘角点对应的三维坐标判断各个所述边缘角点是否处于同一平面;
当各个所述边缘角点处于同一平面时,连接各个所述边缘角点,得到围合区域;
根据所述围合区域识别所述目标行李的目标形状。
可以理解,当各个边缘角点对应的三维坐标中的z轴坐标相同或者近似相同时,可以确定各个边缘角点处于同一平面。又或者,即使各个边缘角点对应的三维坐标中的z轴坐标存在差异,也可以根据各个边缘角点对应的三维坐标判断各个边缘角点是否处于同一平面。
示例性的,假设存在A、B、C、D四个边缘角点,A、B、C、D四个边缘角点的x轴坐标、y轴坐标以及z轴坐标分别为{0,0,100}、{0,50,100}、 {50,0,90}以及{50,50,90}。可以看到,虽然A、B的z轴坐标与C、D的z 轴坐标不同,但是A坐标跟C坐标的距离与B坐标跟D坐标的距离相同,并且A坐标跟B坐标的距离与C坐标跟D坐标的距离相同,对于这种情况,各个边缘角点也处于同一平面。
当各个边缘角点处于同一平面时,即可根据连接各个边缘角点所得到的围合区域判断目标行李23的形状。示例性的,假设围合区域为矩形,并且形成围合区域的各个边缘角点对应的z轴坐标相同,则可以判断目标行李23为长方体。
步骤S13、从预设数据库中搜索与所述目标形状匹配的预设网格模型,并将所述预设网格模型作为所述目标行李的初始模型。
可以理解,数据库中存储了预先构建好的各种形状的网格模型,从数据库中搜索与目标形状匹配的网格模型以作为目标行李23的初始模型。
示例性的,假设数据库中存储有长方体形状的网格模型以及圆柱体形状的网格模型,假设目标形状为矩形,则长方体形状的网格模型为与目标形状匹配的预设网格模型,获取该网格模型作为目标行李23的初始模型。
步骤S14、提取所述目标深度图片中与所述边缘角点对应的目标图案,并利用所述目标图案对所述初始模型进行贴图处理。
可以理解,确定了目标行李23的边缘角点后,即可根据各个边缘角点的三维坐标从目标深度图片中提取对应边缘角点的目标图案,并利用目标图案对初始模型进行贴图。
其中,MVS(multi-view stereo,多视角立体视觉)是一种三维重建算法, MVS中包含了提取点云,三维重构以及贴图算法。在一些实施方式中,得到目标图案后,可以利用MVS算法中的贴图算法来实现对初始模型的贴图处理,也可以根据情况需要选用其他方法来进行贴图,在此不做限制。
在一些实施方式中,所述提取所述目标深度图片中与所述边缘角点对应的目标图案,包括:
从所述目标深度图片中获取与所述围合区域对应的图案,得到目标图案。
可以理解,围合区域为连接各个边缘角点得到的区域,目标图案为从目标深度图片中提取到的对应围合区域的图案。
步骤S15、利用所述边缘角点计算所述目标行李的目标尺寸,并根据所述目标尺寸对所述初始模型进行尺寸调整,得到所述目标行李对应的目标三维模型。
可以理解,上述步骤中获取到的边缘角点为目标行李23的顶部边缘角点,根据各个边缘角点可以计算目标行李23的顶部尺寸。
另外,深度相机223与承载目标行李23的传送带210之间的距离是固定的,利用深度相机223与传送带210之间的距离减去边缘角点与传送带210 之间的距离,可以计算出目标行李23的高度。
计算得到目标行李23的顶部尺寸以及高度后,即可得到目标行李23的目标尺寸,以根据目标尺寸对初始模型进行拉伸或者压缩,完成尺寸调整后,即得到目标行李23对应的目标三维模型。
在一些实施方式中,所述利用所述边缘角点计算所述目标行李的目标尺寸,包括:
当所述目标形状为矩形时,从各个所述边缘角点中选取其中一个角点作为基准角点;
从各个所述边缘角点中筛选与所述基准角点距离最近的角点作为宽度测量角点,并根据所述基准角点与所述宽度测量角点之间的距离确定所述目标行李的宽度;
从各个所述边缘角点中筛选与所述宽度测量角点距离最远的角点作为长度测量角点,并根据所述基准角点与所述长度测量角点之间的距离确定所述目标行李的长度;
从所述第一点云中获取所述承载平面的平面点云,并从所述平面点云中选取高度测量点;
根据所述基准角点与所述高度测量点之间的深度距离确定所述目标行李的高度。
可以理解,当目标形状为矩形时,所确定的边缘角点有四个,分别对应矩形的四个角点。根据四个角点之间的距离,可以确定目标行李23的宽度以及长度;根据四个角点与承载平面之间的距离,可以确定目标行李23的高度。得到目标行李23的长度、宽度以及高度后,即得到了目标行李23的目标尺寸。
在一些实施方式中,所述方法还包括:
当所述预设数据库中未存在与所述目标形状匹配的所述预设网格模型时,根据所述目标点云提取所述目标行李的体素,并根据所述体素构建三维网格模型;
利用所述目标图案对所述三维网格模型进行贴图,得到所述目标三维模型。
可以理解,当数据库中不存在与目标形状匹配的预设网格模型时,则无法利用预先构建好的网格模型来生成目标行李23的三维网格模型。此时,需要利用目标点云提取体素,根据体素来构建三维网格模型后,再对三维网格模型进行贴图处理,得到目标行李23对应的目标三维模型。
具体的,可以利用TSDF(truncated signed distance function,基于截断的带符号距离函数)算法来计算各个体素的TSDF值,后利用MC(Marching Cube) 算法来根据各个体素的TSDF值来提取目标行李23的表面,以得到目标行李 23对应的三维网格模型。并利用MVS算法中的贴图算法来实现对三维网格模型的贴图处理,得到目标行李23的目标三维模型。
可以理解,在本实施方式中,虽然不能利用预先构建好的网格模型,但是因为通过各种算法生成三维网格模型所要处理的数据仅为目标点云,因此生成三维网格模型所需耗费的时间极短。
本申请中,通过目标行李的目标深度图片识别目标行李的目标形状,从预设数据库中搜索与目标形状匹配的预设网格模型以作为目标行李的初始模型,对初始模型进行贴图处理后,利用计算得到的目标行李的目标尺寸对初始模型进行尺寸调整,即得到了目标行李对应的目标三维模型。通过本申请所提供的技术方案,仅使用一张符合预设要求的深度图片就可以实现三维建模,速度极快,耗时极短,消耗资源小,能满足行李在传送过程中运动建模的计算资源要求,实现了对行李的快速三维建模。
另外,本申请所提供的基于单帧采样的行李快速建模方法所应用于如图2 所示的行李传输系统中,该行李传输系统结构简单,无需控制深度相机223 围绕目标行李运动以采集深度图片;并且,该行李传输系统成本低廉,仅利用一个深度相机223即可采集到符合预设要求的目标深度图,实现了在价格低廉的低端嵌入式硬件上对行李进行快速的三维建模。
在一些实施方式中,本行李传输系统还包括模型展示模块,利用本申请所提供的基于单帧采样的行李快速建模方法所获得的目标三维模型可通过模型展示模块进行展示。
如图3所示,该终端设备301包括通过系统总线连接的处理器3011、存储器和网络接口,其中,存储器可以包括存储介质3012和内存储器3015,存储介质3012可以是非易失性的,也可以是易失性的。
存储介质3012可存储操作系统和计算机程序。该计算机程序包括程序指令,该程序指令被执行时,可使得处理器3011执行任意一种基于单帧采样的行李快速建模方法。
处理器3011用于提供计算和控制能力,支撑整个终端设备的运行。
内存储器3015为存储介质3012中的计算机程序的运行提供环境,该计算机程序被处理器3011执行时,可使得处理器3011执行任意一种基于单帧采样的行李快速建模方法。
该网络接口用于进行网络通信,如发送分配的任务等。本领域技术人员可以理解,图3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终端设备的限定,具体的终端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。
应当理解的是,处理器3011可以是中央处理单元(Central Processing Unit,CPU),该处理器3011还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit, ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中,在一些实施方式中,所述处理器3011用于运行存储在存储器中的计算机程序,以实现如下步骤:
采集目标行李的多张深度图片,并从多张所述深度图片中确定符合预设要求的目标深度图片;
获取所述目标深度图片的第一点云,并从所述第一点云中分割出所述目标行李对应的目标点云;
根据所述目标点云提取所述目标行李的边缘角点,并根据所述边缘角点识别所述目标行李的目标形状;
从预设数据库中搜索与所述目标形状匹配的预设网格模型,并将所述预设网格模型作为所述目标行李的初始模型;
提取所述目标深度图片中与所述边缘角点对应的目标图案,并利用所述目标图案对所述初始模型进行贴图处理;
利用所述边缘角点计算所述目标行李的目标尺寸,并根据所述目标尺寸对所述初始模型进行尺寸调整,得到所述目标行李对应的目标三维模型。
在一些实施方式中,所述处理器3011还用于实现:
当所述预设数据库中未存在与所述目标形状匹配的所述预设网格模型时,根据所述目标点云提取所述目标行李的体素,并根据所述体素构建三维网格模型;
利用所述目标图案对所述三维网格模型进行贴图,得到所述目标三维模型。
在一些实施方式中,所述处理器3011在从所述第一点云中分割出所述目标行李对应的目标点云时,用于实现:
从所述第一点云中提取投影区域处于预设水平区域范围内的点云,得到第二点云;
从所述第二点云中提取深度数值处于预设深度范围内的点云,得到所述目标行李对应的目标点云。
在一些实施方式中,所述处理器3011在从所述第一点云中分割出所述目标行李对应的目标点云时,用于实现:
提取比对深度图片的点云,得到比对点云,其中,所述比对深度图片为摄像角度对应所述采集角度,且图片元素不包含所述目标行李的空载深度图片;
去除所述第一点云中与所述比对点云匹配的点云,得到所述目标行李对应的目标点云。
在一些实施方式中,所述处理器3011在根据所述目标点云提取所述目标行李的边缘角点时,用于实现:
将所述目标点云投影到承载所述目标行李的承载平面上,得到投影点云;
根据所述投影点云生成二值掩码图;
根据所述二值掩码图确定所述目标行李的行李图像区域,并获取与所述行李图像区域匹配的匹配矩形,其中,所述匹配矩形为可以包围所述行李图像区域的最小矩形;
当所述匹配矩形与所述行李图像区域的匹配值达到预设值时,对所述匹配矩形进行反投影,以从所述目标点云中获取与所述匹配矩形的四个角点对应的边缘角点。
在一些实施方式中,所述处理器3011在根据所述边缘角点识别所述目标行李的目标形状时,用于实现:
根据各个所述边缘角点对应的三维坐标判断各个所述边缘角点是否处于同一平面;
当各个所述边缘角点处于同一平面时,连接各个所述边缘角点,得到围合区域;
根据所述围合区域识别所述目标行李的目标形状。
在一些实施方式中,所述处理器3011在提取所述目标深度图片中与所述边缘角点对应的目标图案时,用于实现:
从所述目标深度图片中获取与所述围合区域对应的图案,得到目标图案。
在一些实施方式中,所述处理器3011在利用所述边缘角点计算所述目标行李的目标尺寸时,用于实现:
当所述目标形状为矩形时,从各个所述边缘角点中选取其中一个角点作为基准角点;
从各个所述边缘角点中筛选与所述基准角点距离最近的角点作为宽度测量角点,并根据所述基准角点与所述宽度测量角点之间的距离确定所述目标行李的宽度;
从各个所述边缘角点中筛选与所述宽度测量角点距离最远的角点作为长度测量角点,并根据所述基准角点与所述长度测量角点之间的距离确定所述目标行李的长度;
从所述第一点云中获取所述承载平面的平面点云,并从所述平面点云中选取高度测量点;
根据所述基准角点与所述高度测量点之间的深度距离确定所述目标行李的高度。
需要说明的是,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述终端设备的具体工作过程,可以参考前述基于单帧采样的行李快速建模方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供一种存储介质,该存储介质为计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序中包括程序指令,所述程序指令被执行时所实现的方法可参照本申请基于单帧采样的行李快速建模方法的各个实施例。
其中,所述计算机可读存储介质可以是前述实施例所述的终端设备的内部存储单元,例如所述终端设备的硬盘或内存。所述计算机可读存储介质也可以是所述终端设备的外部存储设备,例如所述终端设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于单帧采样的行李快速建模方法,其特征在于,所述方法包括:
采集目标行李的多张深度图片,并从多张所述深度图片中确定符合预设要求的目标深度图片;
获取所述目标深度图片的第一点云,并从所述第一点云中分割出所述目标行李对应的目标点云;
根据所述目标点云提取所述目标行李的边缘角点,并根据所述边缘角点识别所述目标行李的目标形状;
从预设数据库中搜索与所述目标形状匹配的预设网格模型,并将所述预设网格模型作为所述目标行李的初始模型;
提取所述目标深度图片中与所述边缘角点对应的目标图案,并利用所述目标图案对所述初始模型进行贴图处理;
利用所述边缘角点计算所述目标行李的目标尺寸,并根据所述目标尺寸对所述初始模型进行尺寸调整,得到所述目标行李对应的目标三维模型。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述预设数据库中未存在与所述目标形状匹配的所述预设网格模型时,根据所述目标点云提取所述目标行李的体素,并根据所述体素构建三维网格模型;
利用所述目标图案对所述三维网格模型进行贴图,得到所述目标三维模型。
3.根据权利要求2所述的方法,其特征在于,所述从所述第一点云中分割出所述目标行李对应的目标点云,包括:
从所述第一点云中提取投影区域处于预设水平区域范围内的点云,得到第二点云;
从所述第二点云中提取深度数值处于预设深度范围内的点云,得到所述目标行李对应的目标点云。
4.根据权利要求2所述的方法,其特征在于,所述从所述第一点云中分割出所述目标行李对应的目标点云,包括:
提取比对深度图片的点云,得到比对点云,其中,所述比对深度图片为摄像角度对应所述采集角度,且图片元素不包含所述目标行李的空载深度图片;
去除所述第一点云中与所述比对点云匹配的点云,得到所述目标行李对应的目标点云。
5.根据权利要求1-4中任一项所述的方法,其特征在于,所述根据所述目标点云提取所述目标行李的边缘角点,包括:
将所述目标点云投影到承载所述目标行李的承载平面上,得到投影点云;
根据所述投影点云生成二值掩码图;
根据所述二值掩码图确定所述目标行李的行李图像区域,并获取与所述行李图像区域匹配的匹配矩形,其中,所述匹配矩形为可以包围所述行李图像区域的最小矩形;
当所述匹配矩形与所述行李图像区域的匹配值达到预设值时,对所述匹配矩形进行反投影,以从所述目标点云中获取与所述匹配矩形的四个角点对应的边缘角点。
6.根据权利要求5所述的方法,其特征在于,所述根据所述边缘角点识别所述目标行李的目标形状,包括:
根据各个所述边缘角点对应的三维坐标判断各个所述边缘角点是否处于同一平面;
当各个所述边缘角点处于同一平面时,连接各个所述边缘角点,得到围合区域;
根据所述围合区域识别所述目标行李的目标形状。
7.根据权利要求6所述的方法,其特征在于,所述提取所述目标深度图片中与所述边缘角点对应的目标图案,包括:
从所述目标深度图片中获取与所述围合区域对应的图案,得到目标图案。
8.根据权利要求7所述的方法,其特征在于,所述利用所述边缘角点计算所述目标行李的目标尺寸,包括:
当所述目标形状为矩形时,从各个所述边缘角点中选取其中一个角点作为基准角点;
从各个所述边缘角点中筛选与所述基准角点距离最近的角点作为宽度测量角点,并根据所述基准角点与所述宽度测量角点之间的距离确定所述目标行李的宽度;
从各个所述边缘角点中筛选与所述宽度测量角点距离最远的角点作为长度测量角点,并根据所述基准角点与所述长度测量角点之间的距离确定所述目标行李的长度;
从所述第一点云中获取所述承载平面的平面点云,并从所述平面点云中选取高度测量点;
根据所述基准角点与所述高度测量点之间的深度距离确定所述目标行李的高度。
9.一种终端设备,其特征在于,所述终端设备包括处理器、存储器、存储在所述存储器上并可被所述处理器执行的计算机程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线,其中所述计算机程序被所述处理器执行时,实现如权利要求1至8中任一项所述的基于单帧采样的行李快速建模方法的步骤。
10.一种存储介质,用于计算机可读存储,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1至8中任一项所述的基于单帧采样的行李快速建模方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210290538.5A CN114663626A (zh) | 2022-03-23 | 2022-03-23 | 基于单帧采样的行李快速建模方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210290538.5A CN114663626A (zh) | 2022-03-23 | 2022-03-23 | 基于单帧采样的行李快速建模方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114663626A true CN114663626A (zh) | 2022-06-24 |
Family
ID=82031568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210290538.5A Pending CN114663626A (zh) | 2022-03-23 | 2022-03-23 | 基于单帧采样的行李快速建模方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114663626A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115329683A (zh) * | 2022-10-17 | 2022-11-11 | 中国民航大学 | 航空行李在线装载规划方法、装置、设备及介质 |
EP4303794A1 (en) * | 2022-07-08 | 2024-01-10 | Amadeus S.A.S. | Method of baggage identification and baggage reconciliation for public transport |
-
2022
- 2022-03-23 CN CN202210290538.5A patent/CN114663626A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4303794A1 (en) * | 2022-07-08 | 2024-01-10 | Amadeus S.A.S. | Method of baggage identification and baggage reconciliation for public transport |
CN115329683A (zh) * | 2022-10-17 | 2022-11-11 | 中国民航大学 | 航空行李在线装载规划方法、装置、设备及介质 |
CN115329683B (zh) * | 2022-10-17 | 2022-12-13 | 中国民航大学 | 航空行李在线装载规划方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11227405B2 (en) | Determining positions and orientations of objects | |
EP2430588B1 (en) | Object recognition method, object recognition apparatus, and autonomous mobile robot | |
Oehler et al. | Efficient multi-resolution plane segmentation of 3D point clouds | |
US9245200B2 (en) | Method for detecting a straight line in a digital image | |
CN114663626A (zh) | 基于单帧采样的行李快速建模方法、设备及存储介质 | |
US9547901B2 (en) | Method and apparatus for detecting point of interest (POI) in three-dimensional (3D) point clouds | |
US10163225B2 (en) | Object state identification method, object state identification apparatus, and carrier | |
US20040252863A1 (en) | Stereo-vision based imminent collision detection | |
CN110717489A (zh) | Osd的文字区域的识别方法、装置及存储介质 | |
WO2005081792A2 (en) | Method, apparatus and program for detecting an object | |
JP6021689B2 (ja) | 車両諸元計測処理装置、車両諸元計測方法及びプログラム | |
JP6172432B2 (ja) | 被写体識別装置、被写体識別方法および被写体識別プログラム | |
Yogeswaran et al. | 3d surface analysis for automated detection of deformations on automotive body panels | |
JP2019114103A (ja) | 物体認識処理装置、物体認識処理方法及びプログラム | |
CN109146952B (zh) | 估计车厢空闲体积的方法、装置及计算机可读存储介质 | |
JP5349622B2 (ja) | パターン識別装置 | |
Suikerbuik et al. | Automatic feature detection in 3D human body scans | |
Polat et al. | An investigation of tree extraction from UAV-based photogrammetric dense point cloud | |
Kapoor et al. | Nostalgin: Extracting 3D city models from historical image data | |
US7440636B2 (en) | Method and apparatus for image processing | |
Afzal et al. | Improvements to uncalibrated feature-based stereo matching for document images by using text-line segmentation | |
Musialski et al. | Tiling of ortho-rectified facade images | |
US9569681B2 (en) | Methods and systems for efficient image cropping and analysis | |
CN112802087A (zh) | 堆积物整体体积的检测方法、装置及电子设备 | |
CN112529013A (zh) | 图像识别方法、装置、设备和计算机可读介质 |
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 |