DE112015005076T5 - Nicht-parametrisches Verfahren und System zum Abschätzen von Dimensionen von Objekten mit beliebiger Form - Google Patents

Nicht-parametrisches Verfahren und System zum Abschätzen von Dimensionen von Objekten mit beliebiger Form Download PDF

Info

Publication number
DE112015005076T5
DE112015005076T5 DE112015005076.0T DE112015005076T DE112015005076T5 DE 112015005076 T5 DE112015005076 T5 DE 112015005076T5 DE 112015005076 T DE112015005076 T DE 112015005076T DE 112015005076 T5 DE112015005076 T5 DE 112015005076T5
Authority
DE
Germany
Prior art keywords
data points
base plane
base
bounding box
point cloud
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
DE112015005076.0T
Other languages
English (en)
Inventor
Cuneyt M. Taskiran
Jay J. Williams
Ankur R. Patel
Kevin J. O'Connell
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.)
Symbol Technologies LLC
Original Assignee
Symbol Technologies LLC
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 Symbol Technologies LLC filed Critical Symbol Technologies LLC
Publication of DE112015005076T5 publication Critical patent/DE112015005076T5/de
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/143Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/10Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/30Polynomial surface description
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00Manipulating 3D models or images for computer graphics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/64Three-dimensional objects
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/20Image signal generators
    • H04N13/204Image signal generators using stereoscopic image cameras
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10028Range image; Depth image; 3D point clouds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00Indexing scheme for image generation or computer graphics
    • G06T2210/12Bounding box
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00Indexing scheme for image generation or computer graphics
    • G06T2210/56Particle system, point based geometry or rendering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/012Dimensioning, tolerancing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)
  • Image Analysis (AREA)

Abstract

Ein nicht-parametrisiertes Verfahren und ein System zum Dimensionieren eines Objekts mit einer beliebigen Form nimmt eine dreidimensionale (3D) Punktwolke von Datenpunkten über einem Sichtfeld, das das Objekt und eine Basisoberfläche, auf dem das Objekt positioniert ist, auf, erfasst eine Basisebene, die die Basisoberfläche anzeigt, aus der Punktwolke, extrahiert die Datenpunkte des Objekts aus der Punktwolke, verarbeitet die extrahierten Datenpunkte des Objekts, um eine konvexe Hülle zu erhalten, und passt eine Begrenzungsbox mit einem minimalen Volumen an, um die konvexe Hülle einzuschließen. Die Begrenzungsbox weist ein Paar von zueinander orthogonalen planaren Stirnflächen auf, und die Anpassung wird ausgeführt, indem eine der Stirnfläche orientiert wird, um allgemein senkrecht zu der Basisebene zu sein, und indem gleichzeitig die andere der Stirnfläche orientiert wird, um allgemein parallel zu der Basisebene zu sein.

Description

  • HINTERGRUND DER ERFINDUNG
  • Die vorliegende Offenbarung betrifft allgemein ein Aufnehmen von Dimensionsdaten, die Dimensionen eines Objekts anzeigen, und insbesondere ein nicht-parametrisches Verfahren und ein System zum Abschätzen der Dimensionen oder des Volumens eines Objekts mit einer beliebigen oder unbestimmten Form, ohne irgendeine vorherige Kenntnis oder ein parametrisches Modell der Form des Objekts zu haben.
  • Das Bestimmen der Dimensionen oder des Volumens eines Objekts, beispielsweise eines Versandpakets, eines Postpakets oder einer Palette, die mit einer Vielzahl von Objekten als Fracht oder Lagerung beladen ist, ist insbesondere für die Transport- und Versandindustrie wünschenswert, wo die Kosten zum Transportieren und Zustellen der Objekte wenigstens teilweise von deren Dimensionen abhängen. Dreidimensionale (3D) Kameras sind sowohl in handgehaltenen als auch festen Einrichtungen verwendet worden, um Dimensionsdaten aufzunehmen, die die Dimensionen eines Objekts anzeigen. Derartige Einrichtungen arbeiten mithilfe von Formannahmen und durch Verwendung von parametrischen Modellen, d. h. die Einrichtungen haben vorher Kenntnis darüber, dass das Objekt eine bestimmte Form aufweist, zum Beispiel einen Quader, einen Zylinder, eine Kugel, einen Torus, eine Ebene usw., weil derartige parametrische Modelle in einem zugänglichen Speicher gespeichert sind. Obwohl die bekannten Einrichtungen allgemein für deren beabsichtigten Zweck zufriedenstellend sind, insbesondere wenn quaderförmigen Kartons oder boxenförmige Objekte dimensioniert werden, sind diese Einrichtungen für die Dimensionierung eines Objekts mit einer beliebigen oder unbestimmten Form, zum Beispiel einer Palette mit mehreren darauf zufällig gestapelten Objekten, nicht effektiv, weil zur Bezugnahme kein gespeichertes Modell verfügbar ist.
  • Demzufolge besteht eine Notwendigkeit die Dimensionen oder das Volumen eines Objekts mit einer beliebigen oder unbestimmten Form in einer genauen, schnellen, effizienten und nicht-parametrisierten Weise abzuschätzen, ohne irgendeine vorherige Kenntnis oder ein parametrisches Modell der Form des Objekts zur Verfügung zu haben und ohne irgendwelche Formannahmen zu treffen.
  • KURZBESCHREIBUNG DER MEHREREN ANSICHTEN DER ZEICHNUNGEN
  • Die beiliegenden Figuren, in denen gleiche Bezugszeichen identische oder funktional ähnliche Elemente überall in den getrennten Ansichten bezeichnen, sind zusammen mit der ausführlichen nachstehend angegebenen Beschreibung in die Spezifikation eingebaut und bilden einen Teil davon, und dienen zur weiteren Illustration von Ausführungsformen von Konzepten, die die beanspruchte Erfindung umfassen, und erläutern verschiedene Prinzipien und Vorteile von diesen Ausführungsformen. In den Zeichnungen zeigen:
  • 1 eine schematische Ansicht eines nicht-parametrisierten Systems zum Abschätzen der Dimensionen eines Objekts mit einer beliebigen oder unbestimmten Form in Übereinstimmung mit der vorliegenden Offenbarung;
  • 2 ein Blockdiagramm des Gesamtsystems der 1;
  • 3 ein Flussdiagramm eines nicht-parametrischen Verfahrens zum Abschätzen der Abmessungen eines Objekts mit einer beliebigen oder unbestimmten Form in Übereinstimmung der vorliegenden Offenbarung;
  • 4A eine perspektivische Ansicht einer Szene, die ein zylindrisches Hauptobjekt und sekundäre Objekte auf einem Hintergrund enthält;
  • 4B eine perspektivische Ansicht einer 3D Punktwolke der Szene der 4;
  • 4C eine perspektivische Ansicht einer Begrenzungsbox mit minimalem Volumen, die eine konvexe Hülle eines Datenclusters entsprechend zu dem zylindrischen Hauptobjekt umgibt;
  • 5A eine analoge Darstellung zu 4A, aber von einem Stapel von Kartons;
  • 5B eine analoge Darstellung zu 4B, aber von einem Stapel von Kartons;
  • 5C eine analoge Darstellung zu 4C, aber mit einem Stapel von Kartons;
  • 6 eine diagrammartige Ansicht, die zeigt, wie die Begrenzungsbox relativ zu dem Hintergrund oder der Basisfläche orientiert werden soll; und
  • 7 eine analoge Darstellung zu 5C, wobei aber eine geneigte Begrenzungsbox gezeigt ist, die nicht in der durch 6 angegebenen Weise orientiert ist
  • Durchschnittsfachleute werden erkennen, dass Elemente in den Figuren zur Vereinfachung und Klarheit dargestellt sind und nicht notwendigerweise im Maßstab gezeichnet sind. Zum Beispiel können die Abmessungen und Orte von einigen der Elemente in den Figuren im Verhältnis zu anderen Elementen übertrieben dargestellt sein, um zu einem verbesserten Verständnis der Ausführungsformen der vorliegenden Erfindung beizutragen.
  • Die Verfahrens- und Systemkomponenten sind, soweit geeignet, mit herkömmlichen Symbolen in den Zeichnungen dargestellt worden, wobei nur diejenigen spezifischen Einzelheiten gezeigt sind, die für das Verständnis der Ausführungsformen der vorliegenden Erfindung wichtig sind, um so die Offenbarung nicht mit Einzelheiten zu überladen, die von Durchschnittsfachleuten in dem technischen Gebiet, die den Nutzen aus der hier angegebenen Beschreibung ziehen, bereits bekannt sein werden.
  • AUSFÜHRLICHE BESCHREIBUNG DER ERFINDUNG
  • Ein Aspekt der vorliegenden Offenbarung betrifft ein nicht-parametrisiertes Verfahren zum Dimensionieren eines Objekts mit einer beliebigen oder unbestimmten Form. Das Verfahren wird ausgeführt durch Aufnehmen einer dreidimensionalen (3D) Punktwolke von Datenpunkten über einem Sichtfeld, das das Objekt umfasst, und einer Basisoberfläche, auf der das Objekt positioniert ist, Erfassen einer Basisebene, die die Basisoberfläche von der Punktwolke anzeigt, Extrahieren der Datenpunkte des Objekts aus der Punktwolke, Verarbeiten der extrahierten Datenpunkte des Objekts, um eine konvexe Hülle zu erhalten, und Anpassen einer Begrenzungsbox mit einem minimalen Volumen, um die konvexe Hülle einzuschließen. Die Begrenzungsbox weist ein Paar von zueinander senkrechten planaren Stirnflächen auf, und das Einfassen bzw. das Anpassen wird ausgeführt durch Orientieren von einer der Stirnflächen, so dass sie im allgemeinen senkrecht zu der Basisebene ist, und durch gleichzeitiges Orientieren der anderen der Stirnflächen, um allgemein parallel zu der Basisebene zu sein. Durch eine derartige Orientierung der Begrenzungsbox stimmt das Volumen der Begrenzungsbox genauer mit den Abmessungen oder dem Volumen des Objekts überein.
  • In einer bevorzugten Ausführungsform wird das Erfassen der Basisebene dadurch ausgeführt, dass die Ebene mit der größten Fläche in dem Sichtfeld bestimmt wird, zum Beispiel durch Ausführen eines Zufallsabtastkonsensus-(Random Sampling Consensus; RANSAC)Algorithmus. Das Extrahieren von den Datenpunkten des Objekts wird vorzugsweise durch Entfernen der Datenpunkte der besten Ebene aus der Punktwolke ausgeführt. Wenn mehrere Objekte in dem Sichtfeld vorhanden sind, dann werden die Datenpunkte in einem Cluster gebündelt, zum Beispiel durch eine Euklid'sche Clusterbündelung, um die mehreren Objekte in dem Sichtfeld zu orten bzw. zu lokalisieren, und das Extrahieren wird vorzugsweise entweder manuell oder automatisch durch Auswählen von einem der Objekte, welches auch als das Objekt oder das Ziel von Interesse bezeichnet wird, welches dimensioniert werden soll, ausgeführt.
  • In Übereinstimmung mit einem anderen Aspekt dieser Offenbarung umfasst ein nicht-parametrisches System zum Dimensionieren eines Objekts mit einer beliebigen Form: eine Kamera zum Aufnehmen einer dreidimensionalen (3D) Punktwolke von Datenpunkten über einem Sichtfeld, das das Objekt enthält, und einer Basisfläche, auf der das Objekt positioniert ist, und einen Controller zum Erfassen einer Basisebene, die die Basisoberfläche anzeigt, aus der Punktwolke, zum Extrahieren der Datenpunkte des Objekts aus der Punktwolke, zum Verarbeiten der extrahierten Datenpunkte des Objekts, um eine konvexe Hülle zu erhalten, und zum Anpassen einer Begrenzungsbox mit einem minimalen Volumen, um die konvexe Hülle einzuschließen. Die Begrenzungsbox weist ein Paar von zueinander orthogonalen planaren Stirnflächen auf, und der Controller ist betreibbar zum Orientieren von einer der Stirnflächen, so dass sie allgemein senkrecht zu der Basisebene ist, und zum gleichzeitigen Orientieren der anderen der Stirnflächen, um allgemein parallel zu der Basisebene zu sein.
  • Bezugnehmend nun auf die Zeichnungen zeigt 1 eine Einrichtung 10 zum Halten einer dreidimensionalen (3D) Kamera oder eines Sensors 12 (siehe 2), die/der entweder über eine verdrahtete Verbindung oder eine drahtlose Strecke mit einem Computer 14, der eine Anzeige 16 aufweist, betriebsmäßig verbunden ist. Ein Controller 18 (siehe 2) ist entweder in der Einrichtung 10 oder dem Computer 14 angeordnet. Die Kamera 12 und der Controller 18 arbeiten zusammen, wie nachstehend beschrieben, zum Dimensionieren von Objekten mit beliebigen oder unbestimmten Formen, wie beispielsweise einem quaderförmigen Versandkarton 20, einer zylindrischen Poströhre, einem Torus-förmigen Reifen 24 und einer Palette 26, die mit einer Vielzahl von zufällig aufgestapelten Objekten als Fracht oder Ladung beladen ist.
  • Obwohl die Einrichtung 10 als eine in der Hand gehaltene tragbare Einrichtung mit einem Griff, der von einem Benutzer ergriffen werden kann, dargestellt worden ist, sei darauf hingewiesen, dass die Einrichtung auch eine feste Arbeitsstation (Workstation) sein könnte, die stationär ist und im Verhältnis zu den Objekten, die dimensioniert werden sollen, nicht-bewegbar angebracht ist. In einer vorteilhaften Ausführungsform ist die Einrichtung über den Objekten, die darunter durchgehen, über Kopf angebracht. Obwohl der Computer 14 als ein Desktop-Computer dargestellt worden ist, sei darauf hingewiesen, dass der Computer auch ein Laptop-Computer, ein Smartphone oder ein Tablet sein könnte. Obwohl die Einrichtung 10 und der Computer 14 als getrennte Einheiten dargestellt worden sind, können sie auch in eine einzelne Einheit integriert werden. Obwohl die Objekte als ein quaderfarbiger Karton 20, eine zylindrische Röhre 22, ein torusförmiger Reifen 24 und eine Palette 26, die mit einer Vielzahl von zufällig aufgestapelten Objekten beladen ist, dargestellt worden sind, sei darauf hingewiesen, dass dies lediglich beispielhafte Formen sind und dass zahlreiche andere Objekte, die zahlreiche andere unbestimmten Formen aufweisen, dargestellt werden hätten können.
  • Wie in 2 für repräsentative Palette 26 gezeigt, ist die 3D Kamera oder der Sensor 12 betreibbar zum Aufnehmen einer dreidimensionalen (3D) Punktwolke von Datenpunkten über ihrem Sichtfeld. Irgendein 3D Sensor, einschließlich eines Infrarot(IR)-Sensors, könnte verwendet werden. Jeder Datenpunkt weist eine Längenkoordinate (x), eine Breitenkoordinate (y) und eine Tiefenkoordinate (z) auf. Der Controller 18 kann irgendein Allzweck-Mikroprozessor, ein Controller oder ein Mikrocontroller, der in geeigneter Weise mit einem Speicher konfiguriert ist und der in der Lage ist ein oder mehrere der Software Anwendungen oder Algorithmen auszuführen, wie mit dem Flussdiagramm in 3 angezeigt, sein, um dadurch die gewünschte Funktionalität bereitzustellen, d. h. die abgeschätzte Dimensionen oder das Volumen von wenigstens einem Objekt in dem Sichtfeld auszugeben.
  • Bezugnehmend nun auf das Flussdiagramm in 3 beginnt das Verfahren im Schritt 100, indem die Kamera 12 veranlasst wird eine dreidimensionale (3D) Punktwolke von Datenpunkten über einem Sichtfeld einer Szene, die wenigstens ein Objekt enthält, und einer Basisoberfläche, auf der das Objekt positioniert ist, aufzunehmen. Zur einfacheren Verdeutlichung zeigt 4 eine beispielhafte Szene, die ein Benutzer sehen könnte. Somit zeigt 4A ein Hauptobjekt oder ein Objekt von Interesse (in diesem Beispiel die zylindrische Röhre 22), die einen Schatten 32 wirft, ein oder mehrere sekundäre Objekte 28 oder eine Hintergrund- oder Basisoberfläche 34 (in diesem Fall den Boden). 4B zeigte die 3D Punktwolke der Szene der 4A.
  • Im Schritt 102 wird eine Basisebene, die die Basisoberfläche 34 anzeigt, aus den Datenpunkten erfasst. In einer bevorzugten Ausführungsform wird das Erfassen der Basisebene dadurch ausgeführt, dass aus den Datenpunkten die Ebene mit der größten Fläche in dem Sichtfeld bestimmt wird, zum Beispiel durch Ausführen eines Zufallsabtastkonsensus-(Random Sampling Consensus; RANSAC) Algorithmus. Einzelheiten einer Ebenen-Erfassung durch Verwendung des RANSAC Algorithmus lassen sich aus „Plane Detection in Point Cloud Data” von Yang et al., Technical Report No. 1, Department of Photogrammetry, University of Bonn, 25. Januar 2010 entnehmen, wobei der gesamte Inhalt davon hier durch Bezugnahme Teil der vorliegenden Anmeldung ist. Sobald die Basisebene erfasst worden ist können deren Datenpunkte aus der 3D Punktwolke entfernt werden. Dies lässt nur die Datenpunkte entsprechend zu dem Hauptobjekt 22 und den sekundären Objekten 28 für eine weitere Verarbeitung zurück.
  • Im Schritt 104 werden die übrigen Datenpunkte in einem Cluster zusammengefasst bzw. gebündelt, zum Beispiel durch eine Euklid'sche Clusterbündelung. Eine Clusterbündelung ist eine altbekannte Technik, bei der eine Vielzahl von Datenpunkten in Gruppen organisiert werden, die irgendeine Ähnlichkeit aufweisen, zum Beispiel einen Abstand oder eine Nähe zueinander. Dadurch, dass die Datenpunkte in Clustern gebündelt worden sind, ist jedes der mehreren Objekte 22, 28 in dem Sichtfeld nun lokalisiert worden. Im Schritt 106 werden die Datenpunkte des Objekts von Interesse, d. h. des Hauptobjekts 22 extrahiert und sämtliche Datenpunkte der sekundären Objekte 28 werden gelöscht. Eine Extraktion des Hauptobjekts 22 kann manuell oder automatisch ausgeführt werden. Zum Beispiel kann ein Benutzer einen Cursor über das Datencluster, das auf dem Bildschirm 16 angezeigt wird, bewegen und einen manuellen Vorgang ausführen, zum Beispiel einen Mausklick, um das Hauptobjekt 22 auszuwählen. Oder der Controller 18 kann lediglich das Datencluster wählen, welches sich in dem Sichtfeld zentral befindet.
  • Die extrahierten und in Clustern gebündelte bzw. zusammengefasste Datenpunkte, die zu dem Hauptobjekt 22 gehören, sind in 4C dargestellt und werden verarbeitet, um im Schritt 108 eine konvexe Hülle 36 zu erhalten. Die konvexe Hülle 36 stellen nur diejenigen externen Datenpunkte, die auf der äußeren Grenze oder Einhüllenden der Datenpunkte, die zu dem Hauptobjekt 22 gehören, angeordnet sind. Die Ermittlung der konvexen Hülle ist eine alte etablierte Technik zum Abschätzen der Grenze bzw. des Übergangs von mehreren Datenpunkten. Siehe zum Beispiel http://en.wikipedia.org/wiki(Convex_hull. In diesem Fall wird die konvexe Hülle 36 des Hauptobjekts 22 bestimmt und die verbleibenden inneren Datenpunkte der Datenpunkte, die zu dem Hauptobjekt 22 innerhalb der konvexen Hülle 36 gehören, werden beseitigt.
  • 110 wird eine Begrenzungsbox 38 (siehe 4C) angepasst, um die konvexe Hülle 36 mit einem minimalen Volumen einzuschließen. Eine Anpassung einer Abgrenzungs- bzw. Begrenzungsbox 38 mit einem minimalen Volumen um Datenpunkte herum ist eine alte etablierte Technik. Siehe zum Beispiel http://en.wikipedia.org/wiki/Minimum_bounding_box. In diesem Fall weist die Begrenzungsbox 38 eine rechteckförmige Rechteckform oder Quaderform mit drei Paaren von zueinander orthogonalen planaren Stirnflächen auf und wird um die konvexe Hülle 36 herum angepasst. Wie aus 4C ersichtlich stimmt das Volumen der Begrenzungsbox 38 eng mit den Dimensionen oder dem Volumen der extrahierten gepflasterten Datenpunkte des Hauptobjekts 22 überein, wodurch das Hauptobjekt 22 genau dimensioniert wird. Wie in 6 gezeigt ist die Begrenzungsbox 38, wie durch die vorliegende Offenbarung vorgeschlagen, mit bestimmten Stirnflächen-bezogenen Einschränkungen orientiert. Insbesondere ist wenigstens eine der Stirnflächen der Begrenzungsbox 38, zum Beispiel die obere Stirnfläche 44, orientiert, um allgemein parallel zur Basisebene 34 zu sein, und gleichzeitig ist eine der anderen Stirnflächen der Begrenzungsbox 38, zum Beispiel die Seitenfläche 46, die orthogonal zu der oberen Stirnfläche 44 ist, orientiert, um allgemein senkrecht zu der Basisebene 34 zu sein. Die Pfeile, die in 6 dargestellt sind, identifizieren die Normalen zu den Stirnflächen 44, 46.
  • 5A, 5B und 5C sind analog zu 4A, 4B und 4C, zeigen aber einen anderen Typ eines beliebig geformten Objekts, das heißt einen zufälligen Stapel von Kartons. Wie zuvor wird eine Begrenzungsbox 40 (siehe 5C) eingepasst, um eine konvexe Hülle 42 mit einem minimalen Volumen einzuschließen, wodurch der Stapel von Kartons genau dimensioniert wird. Wie in 5C gezeigt ist die Begrenzungsbox 40 derart orientiert, dass eine ihrer Stirnflächen allgemein senkrecht zu der Basisebene ist, und gleichzeitig eine orthogonale Stirnfläche allgemein parallel zu der Basisebene ist.
  • 7 muss im Vergleich mit 5C gesehen werden. Beide zeigen Begrenzungsboxen, die eingepasst sind, um eine konvexe Hülle 42 mit einem minimalen Volumen einzuschließen. Jedoch weist die Begrenzungsbox der 7 die Stirnflächen-bezogenen Beschränkungen, die voranstehend in Verbindung mit 6 beschrieben wurden, nicht auf und ist im Verhältnis zu der Basisebene geneigt. Infolgedessen stellt die Begrenzungsbox der 7 nicht eine so genaue Abschätzung der Dimensionen oder des Volumens des Kartonstapels im Vergleich mit der Begrenzungsbox 40 der 5C bereit.
  • In der voranstehenden Beschreibung sind spezifische Ausführungsformen beschrieben worden. Jedoch werden Durchschnittsfachleute in dem technischen Gebiet erkennen, dass verschiedene Modifikationen und Änderungen durchgeführt werden können, ohne von dem Umfang der Erfindung abzuweichen, so wie sie in den nachstehend angegebenen Ansprüchen aufgeführt ist. Demzufolge sollen die Beschreibung und die Figuren in einer illustrativen und nicht in einem beschränkenden Sinn angesehen werden, und sämtliche derartigen Modifikationen sollen in den Umfang der vorliegenden Lehren enthalten sein.
  • Die Nutzen, Vorteile, Lösungen von Problemen und irgendein Element (irgendwelche Elemente), das (die) bewirken kann (können), dass irgendein Nutzen, Vorteil oder eine Lösung auftritt oder besser hervortritt, werden nicht als kritische, erforderliche oder wesentlichen Merkmale oder Elemente von irgendwelchen oder allen Ansprüchen angesehen. Die Erfindung wird ausschließlich durch die beigefügten Ansprüche einschließlich von irgendwelchen Änderungen, die während der Anhängigkeit dieser Anmeldung durchgeführt werden, und sämtlicher äquivalente Ausführungsformen von den Ansprüchen, wie erteilt, definiert.
  • Ferner werden in diesem Dokument Begriffe, die sich aufeinander beziehen, wie beispielsweise erster/erste und zweiter/zweite, oben und unten und dergleichen ausschließlich verwendet, um eine Einheit oder eine Aktion von einer anderen Einheit oder einer anderen Aktion zu unterscheiden, ohne dass dies notwendigerweise irgendeine tatsächliche derartige Beziehung oder Reihenfolge zwischen derartigen Einheiten oder Aktionen erfordert oder impliziert. Die Begriffe „umfasst”, „umfassend”, „weist auf”, „aufweisend”, „enthält”, „enthaltend”, „schließt ein”, „einschließend” oder irgend eine andere Variation davon sollen einen nicht-exklusiven Einbau bedeuten, sodass ein Prozess, ein Verfahren, ein Artikel oder eine Vorrichtung, die eine Liste von Elementen umfasst, aufweist, einschließt oder enthält, nicht nur diese Elemente enthält, sondern andere Elemente einschließen kann, die nicht explizit aufgelistet sind oder für einen derartigen Prozess, ein derartiges Verfahren, einen derartigen Artikel oder eine derartige Vorrichtung inhärent sind. Ein Element, dem „umfasst ... einen/eine/einer”, „weist auf ... einen”, „schließt ein einen/einer”, „enthält ... einen/eine” vorangeht, schließt ohne weitere Randbedingungen die Existenz von zusätzlichen identischen Elementen in dem Prozess, dem Verfahren, dem Artikel oder der Vorrichtung, die das Element umfasst, aufweist, einschließt oder enthält, nicht aus. Die Begriffe „ein” und „einer” werden als ein oder mehrere definiert, außer wenn dies explizit hier anders angegeben ist. Die Begriffe „substantiell”, „essenziell”, „ungefähr”, „nahezu” oder irgendeine andere Version davon sind so definiert, dass sie von einem Durchschnittsfachmann in dem technischen Gebiet als nahe zu verstanden werden, und in einer nicht beschränkten Ausführungsform wird der Begriff definiert, um innerhalb von 10% zu sein, in einer anderen Ausführungsform von innerhalb von 5%, in einer anderen Ausführungsform innerhalb von 1% und in einer anderen Ausführungsform innerhalb von 0,5%. Der Begriff „gekoppelt”, so wie er hier verwendet wird, wird als verbunden definiert, obwohl dies nicht bedeutet, dass dies notwendigerweise direkt und notwendigerweise mechanisch ist. Eine Einrichtung oder eine Struktur, die in einer bestimmten Weise „konfiguriert” ist, ist in wenigstens dieser Weise konfiguriert, kann aber auch in Vorgehensweisen konfiguriert sein, die nicht aufgelistet sind.
  • Es sei darauf hingewiesen, dass einige Ausführungsformen ein oder mehrere generische oder spezialisierte Prozessoren (oder „Verarbeitungseinrichtungen”) umfassen können, wie beispielsweise Mikroprozessoren, digitale Signalprozessoren, speziell zugeschnittene Prozessoren und Field Programmable Gate Arrays (FPGAs) und ferner einzigartige gespeicherte Programmbefehle (einschließlich sowohl Software und Firmware), die die ein oder mehreren Prozessoren steuern, um in Verbindung mit bestimmten Nicht-Prozessorschaltungen einige, die meisten oder alle Funktionen des Verfahrens und/oder der Vorrichtung, die hier beschrieben werden, zu implementieren. Alternativ können einige oder sämtliche Funktionen durch eine Zustandsmaschine implementiert werden, die keine gespeicherten Programmbefehle aufweist, oder in ein oder mehreren anwendungsspezifischen integrierten Schaltungen (Application Specific Integrated Circuits, ASICs), bei denen jede Funktion oder irgendwelche Kombinationen von bestimmten Funktionen als eine speziell zugeschnittene Logik implementiert sind. Natürlich kann eine Kombination der zwei Ansätze verwendet werden.
  • Ferner kann eine Ausführungsform als ein Speichermedium, welches von einem Computer lesbar ist, und welches einen computerlesbaren Code aufweist, der darauf gespeichert ist zur Programmierung eines Computers (zum Beispiel umfassend einen Prozessor), um ein Verfahren wie beschrieben und hier beansprucht auszuführen, implementiert werden. Beispiele von derartigen von einem Computer lesbaren Speichermedien umfassen, sind aber nicht beschränkt auf, eine Festplatte, eine CD-ROM, eine optische Speichereinrichtung, eine magnetische Speichereinrichtung, ein ROM (Nur-Lese-Speicher), ein PROM (programmierbarer Nur-Lese-Speicher), ein EROM (ein löschbarer programmierbare Nur-Lese-Speicher), ein EPROM (elektrisch löschbarer programmierbarer Nur-Lese-Speicher) und ein Flash-Speicher. Ferner wird erwartet, dass Durchschnittsfachleute in dem technischen Gebiet trotz möglicherweise signifikanter Anstrengungen und zahlreicher Designwahlmöglichkeiten, die beispielsweise durch die verfügbare Zeit, die gegenwärtige Technologie und wirtschaftlichen Erwägungen geleitet werden, dann, wenn sie von den Konzepten und Prinzipien geführt werden, die hier offenbart sind, leicht in der Lage sein werden derartige Softwarebefehle und Programme und ICs mit einem minimalen experimentellen Aufwand zu erzeugen.
  • Die Zusammenfassung der Offenbarung ist vorgesehen, um den Leser in die Lage zu versetzen schnell die Art der technischen Offenbarung festzustellen. Sie wird mit dem Verständnis vorgelegt, dass sie nicht verwendet werden wird, um den Schutzumfang oder die Bedeutung der Ansprüche zu interpretieren oder zu beschränken. Zusätzlich lässt sich in der voranstehenden ausführlichen Beschreibung ersehen, dass verschiedene Merkmale in verschiedenen Ausführungsformen für den Zweck einer Übersichtlichkeit der Offenbarung zusammen gruppiert sind. Dieses Verfahren der Offenbarung soll nicht als die Absicht reflektierend interpretiert werden, dass die beanspruchten Ausführungsformen mehr Merkmale erfordern, als explizit in jedem Anspruch angegeben ist. Im Gegenteil, wie die folgenden Ansprüche darlegen, liegt der erfindungsgemäße Gegenstand in weniger als sämtlichen Merkmalen einer einzelnen offenbarten Ausführungsform. Somit sind die folgenden Ansprüche hiermit in die ausführliche Beschreibung eingebaut, wobei jeder Anspruch für sich selbst als ein getrennt beanspruchter Gegenstand steht.

Claims (16)

  1. Nicht-parametrisches Verfahren zum Dimensionieren eines Objekts mit beliebiger Form, umfassend: Aufnehmen einer dreidimensionalen (3D) Punktwolke von Datenpunkten über einem Sichtfeld, das das Objekt enthält, und einer Basisoberfläche, auf dem das Objekt positioniert ist; Erfassen einer Basisebene, die die Basisoberfläche anzeigt, aus der Punktwolke; Extrahieren der Datenpunkte des Objekts aus der Punktwolke; Verarbeiten der extrahierten Datenpunkte des Objekts, um eine konvexe Hülle zu erhalten; und Anpassen einer Begrenzungsbox mit einem minimalen Volumen, um die konvexe Hülle einzuschließen, wobei die Begrenzungsbox ein Paar von zueinander orthogonalen planaren Stirnfläche aufweist, wobei das Anpassen ausgeführt wird, indem eine der Stirnflächen orientiert wird, um allgemein senkrecht zu der Basisebene zu sein, und indem die andere der Stirnfläche gleichzeitig orientiert wird, um allgemein parallel zu der Basisebene zu sein.
  2. Verfahren nach Anspruch 1, wobei jeder Datenpunkt Daten umfasst, die eine Länge, Breite und Tiefe des Objekts und der Basisoberfläche umfasst.
  3. Verfahren nach Anspruch 1, wobei das Erfassen der Basisebene ausgeführt wird durch Bestimmen einer Ebene, die die größte Fläche in dem Sichtfeld aufweist.
  4. Verfahren nach Anspruch 1, wobei das Erfassen der Basisebene ausgeführt wird durch Ausführen eines Random-Sampling-Consensus(RANSAC)-Algorithmus.
  5. Verfahren nach Anspruch 1, wobei das Extrahieren der Datenpunkte des Objekts durch Entfernen der Datenpunkte der Basisebene ausgeführt wird.
  6. Verfahren nach Anspruch 1, mit dem Schritt einer Bündelung von Datenpunkten, die mehrere Objekte in dem Sichtfeld anzeigen, in Clustern, und wobei das Extrahieren durch Auswählen von einem der Objekte, welches dimensioniert werden soll, ausgeführt wird.
  7. Verfahren nach Anspruch 6, wobei die Clusterbündelung der Datenpunkte durch ein eine Euklid'sche Clusterbündelung ausgeführt wird.
  8. Verfahren nach Anspruch 1, wobei die Begrenzungsbox ein Quader ist, der drei Paare von zueinander orthogonalen planaren Stirnflächen aufweist.
  9. Nicht-parametrisches System zum Dimensionieren eines Objekts mit beliebiger Form, umfassend: eine Kamera zum Aufnehmen einer dreidimensionalen (3D) Punktwolke von Datenpunkten über einem Sichtfeld, das das Objekt und eine Basisoberfläche, auf dem das Objekt positioniert ist, enthält; und einen Controller zum Erfassen einer Basisebene, die die Basisoberfläche anzeigt, aus der Punktwolke, zum Extrahieren der Datenpunkte des Objekts aus der Punktwolke, zum Verarbeiten der extrahierten Datenpunkte des Objekts, um eine konvexe Hülle zu erhalten, und zum Anpassen einer Begrenzungsbox mit einem minimalen Volumen, um die konvexe Hülle einzuschließen, wobei die Begrenzungsbox ein Paar von zueinander orthogonalen planaren Stirnflächen aufweist, wobei der Controller betreibbar ist zum Orientieren von einer der Stirnflächen, um allgemein senkrecht zu der Basisebene zu sein, und zum gleichzeitigen Orientieren der anderen der Stirnfläche, um allgemein parallel zu der Basisebene zu sein.
  10. System nach Anspruch 9, wobei die Kamera jeden Datenpunkt aufnimmt, um Daten zu enthalten, die eine Länge, Breite und Tiefe des Objekts und der Basisoberfläche anzeigen.
  11. System nach Anspruch 9, wobei der Controller betreibbar ist zum Bestimmen der Basisebene als die Ebene, die die größte Fläche in dem Sichtfeld aufweist.
  12. System nach Anspruch 9, wobei der Controller betreibbar ist zum Bestimmen der Basisebene durch Ausführen eines Random-Sampling-Consensus(RANSAC)-Algorithmus.
  13. System nach Anspruch 9, wobei der Controller betreibbar ist zum Extrahieren der Datenpunkte des Objekts durch Entfernen der Datenpunkte der Basisebene.
  14. System nach Anspruch 9, wobei der Controller betreibbar ist zur Clusterbündelung von Datenpunkten, die mehrere Objekte in dem Sichtfeld anzeigen, und zum Ansprechen auf eine Eingabe, mit der wenigstens eines der Objekte, welches dimensioniert werden soll, gewählt wird.
  15. System nach Anspruch 14, wobei der Controller betreibbar ist zur Clusterbündelung der Datenpunkte durch eine Euklid'sche Clusterbündelung.
  16. System nach Anspruch 9, wobei die Begrenzungsbox ein Quader ist, der drei Paare von zueinander orthogonalen planaren Stirnflächen aufweist.
DE112015005076.0T 2014-11-06 2015-10-06 Nicht-parametrisches Verfahren und System zum Abschätzen von Dimensionen von Objekten mit beliebiger Form Pending DE112015005076T5 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/534,224 US9600892B2 (en) 2014-11-06 2014-11-06 Non-parametric method of and system for estimating dimensions of objects of arbitrary shape
US14/534,224 2014-11-06
PCT/US2015/054120 WO2016073108A1 (en) 2014-11-06 2015-10-06 Non-parametric method of and system for estimating dimensions of objects of arbitrary shape

Publications (1)

Publication Number Publication Date
DE112015005076T5 true DE112015005076T5 (de) 2017-07-20

Family

ID=54345597

Family Applications (1)

Application Number Title Priority Date Filing Date
DE112015005076.0T Pending DE112015005076T5 (de) 2014-11-06 2015-10-06 Nicht-parametrisches Verfahren und System zum Abschätzen von Dimensionen von Objekten mit beliebiger Form

Country Status (6)

Country Link
US (1) US9600892B2 (de)
CA (1) CA2967025C (de)
DE (1) DE112015005076T5 (de)
GB (1) GB2546677B (de)
MX (1) MX367951B (de)
WO (1) WO2016073108A1 (de)

Families Citing this family (80)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9741134B2 (en) * 2013-12-16 2017-08-22 Symbol Technologies, Llc Method and apparatus for dimensioning box object
US9396554B2 (en) 2014-12-05 2016-07-19 Symbol Technologies, Llc Apparatus for and method of estimating dimensions of an object associated with a code in automatic response to reading the code
KR20170081544A (ko) * 2016-01-04 2017-07-12 한국전자통신연구원 체험 아이템 3d 복원 장치 및 방법
US10013653B2 (en) * 2016-01-26 2018-07-03 Università della Svizzera italiana System and a method for learning features on geometric domains
US10210430B2 (en) 2016-01-26 2019-02-19 Fabula Ai Limited System and a method for learning features on geometric domains
US10352689B2 (en) 2016-01-28 2019-07-16 Symbol Technologies, Llc Methods and systems for high precision locationing with depth values
US10145955B2 (en) 2016-02-04 2018-12-04 Symbol Technologies, Llc Methods and systems for processing point-cloud data with a line scanner
US10721451B2 (en) * 2016-03-23 2020-07-21 Symbol Technologies, Llc Arrangement for, and method of, loading freight into a shipping container
US9805240B1 (en) 2016-04-18 2017-10-31 Symbol Technologies, Llc Barcode scanning and dimensioning
CN107633523B (zh) * 2016-07-18 2021-04-16 巧夺天宫(深圳)科技有限公司 基于点云的提取建筑特征线方法和系统
US10776661B2 (en) 2016-08-19 2020-09-15 Symbol Technologies, Llc Methods, systems and apparatus for segmenting and dimensioning objects
US11042161B2 (en) 2016-11-16 2021-06-22 Symbol Technologies, Llc Navigation control method and apparatus in a mobile automation system
US10451405B2 (en) 2016-11-22 2019-10-22 Symbol Technologies, Llc Dimensioning system for, and method of, dimensioning freight in motion along an unconstrained path in a venue
US10641854B2 (en) * 2016-12-01 2020-05-05 Regents Of The University Of Minnesota Systems and methods for automatic voxel positioning in magnetic resonance spectroscopy
US10354411B2 (en) 2016-12-20 2019-07-16 Symbol Technologies, Llc Methods, systems and apparatus for segmenting objects
WO2018204342A1 (en) 2017-05-01 2018-11-08 Symbol Technologies, Llc Product status detection system
US11449059B2 (en) 2017-05-01 2022-09-20 Symbol Technologies, Llc Obstacle detection for a mobile automation apparatus
US10591918B2 (en) 2017-05-01 2020-03-17 Symbol Technologies, Llc Fixed segmented lattice planning for a mobile automation apparatus
US10949798B2 (en) 2017-05-01 2021-03-16 Symbol Technologies, Llc Multimodal localization and mapping for a mobile automation apparatus
US10726273B2 (en) 2017-05-01 2020-07-28 Symbol Technologies, Llc Method and apparatus for shelf feature and object placement detection from shelf images
US11367092B2 (en) 2017-05-01 2022-06-21 Symbol Technologies, Llc Method and apparatus for extracting and processing price text from an image set
DE112018002314T5 (de) 2017-05-01 2020-01-23 Symbol Technologies, Llc Verfahren und vorrichtung zur erkennung eines objektstatus
US10663590B2 (en) 2017-05-01 2020-05-26 Symbol Technologies, Llc Device and method for merging lidar data
US11600084B2 (en) 2017-05-05 2023-03-07 Symbol Technologies, Llc Method and apparatus for detecting and interpreting price label text
CN107194994B (zh) * 2017-06-16 2020-12-15 广东工业大学 一种无标定曲面点云数据重建圆柱面的方法及装置
JP6907061B2 (ja) * 2017-07-21 2021-07-21 株式会社タダノ 測定対象物の上面推定方法、ガイド情報表示装置およびクレーン
JP6845106B2 (ja) * 2017-07-21 2021-03-17 株式会社タダノ 点群データのクラスタリング方法、ガイド情報表示装置およびクレーン
US10521914B2 (en) 2017-09-07 2019-12-31 Symbol Technologies, Llc Multi-sensor object recognition system and method
US10572763B2 (en) 2017-09-07 2020-02-25 Symbol Technologies, Llc Method and apparatus for support surface edge detection
CN109693387A (zh) 2017-10-24 2019-04-30 三纬国际立体列印科技股份有限公司 基于点云数据的3d建模方法
US10841559B2 (en) * 2017-12-22 2020-11-17 Symbol Technologies, Llc Systems and methods for detecting if package walls are beyond 3D depth camera range in commercial trailer loading
US10809078B2 (en) 2018-04-05 2020-10-20 Symbol Technologies, Llc Method, system and apparatus for dynamic path generation
US10740911B2 (en) 2018-04-05 2020-08-11 Symbol Technologies, Llc Method, system and apparatus for correcting translucency artifacts in data representing a support structure
US10823572B2 (en) 2018-04-05 2020-11-03 Symbol Technologies, Llc Method, system and apparatus for generating navigational data
US11327504B2 (en) 2018-04-05 2022-05-10 Symbol Technologies, Llc Method, system and apparatus for mobile automation apparatus localization
US10832436B2 (en) 2018-04-05 2020-11-10 Symbol Technologies, Llc Method, system and apparatus for recovering label positions
US10853946B2 (en) 2018-05-18 2020-12-01 Ebay Inc. Physical object boundary detection techniques and systems
US11017548B2 (en) 2018-06-21 2021-05-25 Hand Held Products, Inc. Methods, systems, and apparatuses for computing dimensions of an object using range images
US10884131B1 (en) * 2018-08-03 2021-01-05 GM Global Technology Operations LLC Conflict resolver for a lidar data segmentation system of an autonomous vehicle
US11506483B2 (en) 2018-10-05 2022-11-22 Zebra Technologies Corporation Method, system and apparatus for support structure depth determination
US11010920B2 (en) 2018-10-05 2021-05-18 Zebra Technologies Corporation Method, system and apparatus for object detection in point clouds
JP7067410B2 (ja) * 2018-10-15 2022-05-16 トヨタ自動車株式会社 ラベル読取システム
US10872269B2 (en) * 2018-10-26 2020-12-22 Volvo Car Corporation Methods and systems for the fast estimation of three-dimensional bounding boxes and drivable surfaces using LIDAR point clouds
CN109614857B (zh) * 2018-10-31 2020-09-29 百度在线网络技术(北京)有限公司 基于点云的杆状物识别方法、装置、设备及存储介质
US11090811B2 (en) 2018-11-13 2021-08-17 Zebra Technologies Corporation Method and apparatus for labeling of support structures
US11003188B2 (en) 2018-11-13 2021-05-11 Zebra Technologies Corporation Method, system and apparatus for obstacle handling in navigational path generation
US11416000B2 (en) 2018-12-07 2022-08-16 Zebra Technologies Corporation Method and apparatus for navigational ray tracing
US11079240B2 (en) 2018-12-07 2021-08-03 Zebra Technologies Corporation Method, system and apparatus for adaptive particle filter localization
US11100303B2 (en) 2018-12-10 2021-08-24 Zebra Technologies Corporation Method, system and apparatus for auxiliary label detection and association
US11015938B2 (en) 2018-12-12 2021-05-25 Zebra Technologies Corporation Method, system and apparatus for navigational assistance
US10731970B2 (en) 2018-12-13 2020-08-04 Zebra Technologies Corporation Method, system and apparatus for support structure detection
CN113498530A (zh) * 2018-12-20 2021-10-12 艾奎菲股份有限公司 基于局部视觉信息的对象尺寸标注系统和方法
CA3028708A1 (en) 2018-12-28 2020-06-28 Zih Corp. Method, system and apparatus for dynamic loop closure in mapping trajectories
CN110095062B (zh) * 2019-04-17 2021-01-05 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
CN110136181B (zh) * 2019-05-17 2021-08-20 百度在线网络技术(北京)有限公司 用于生成信息的方法和装置
US11662739B2 (en) 2019-06-03 2023-05-30 Zebra Technologies Corporation Method, system and apparatus for adaptive ceiling-based localization
US11341663B2 (en) 2019-06-03 2022-05-24 Zebra Technologies Corporation Method, system and apparatus for detecting support structure obstructions
US11200677B2 (en) 2019-06-03 2021-12-14 Zebra Technologies Corporation Method, system and apparatus for shelf edge detection
US11960286B2 (en) 2019-06-03 2024-04-16 Zebra Technologies Corporation Method, system and apparatus for dynamic task sequencing
US11080566B2 (en) 2019-06-03 2021-08-03 Zebra Technologies Corporation Method, system and apparatus for gap detection in support structures with peg regions
US11402846B2 (en) 2019-06-03 2022-08-02 Zebra Technologies Corporation Method, system and apparatus for mitigating data capture light leakage
US11151743B2 (en) 2019-06-03 2021-10-19 Zebra Technologies Corporation Method, system and apparatus for end of aisle detection
US11010915B2 (en) * 2019-07-11 2021-05-18 Zebra Technologies Corporation Three-dimensional (3D) depth imaging systems and methods for dynamic container auto-configuration
US11074464B2 (en) 2019-07-25 2021-07-27 Ford Global Technologies, Llc Defining boundary for detected object
US11222467B2 (en) * 2019-09-19 2022-01-11 Prevu3D Technologies Inc. Methods and systems for extracting data from virtual representation of three-dimensional visual scans
CN110728753B (zh) * 2019-10-09 2022-04-15 湖南大学 一种基于线性拟合的目标点云3d边界框拟合方法
US11507103B2 (en) 2019-12-04 2022-11-22 Zebra Technologies Corporation Method, system and apparatus for localization-based historical obstacle handling
US11107238B2 (en) 2019-12-13 2021-08-31 Zebra Technologies Corporation Method, system and apparatus for detecting item facings
US11574485B2 (en) * 2020-01-17 2023-02-07 Apple Inc. Automatic measurements based on object classification
CN113450459B (zh) * 2020-03-25 2024-03-22 北京四维图新科技股份有限公司 目标物的三维模型构建方法及装置
US11822333B2 (en) 2020-03-30 2023-11-21 Zebra Technologies Corporation Method, system and apparatus for data capture illumination control
US11393119B2 (en) * 2020-06-18 2022-07-19 Zebra Technologies Corporation Methods for calculating real time package density
US11450024B2 (en) 2020-07-17 2022-09-20 Zebra Technologies Corporation Mixed depth object detection
US11593915B2 (en) 2020-10-21 2023-02-28 Zebra Technologies Corporation Parallax-tolerant panoramic image generation
US11392891B2 (en) 2020-11-03 2022-07-19 Zebra Technologies Corporation Item placement detection and optimization in material handling systems
US11847832B2 (en) 2020-11-11 2023-12-19 Zebra Technologies Corporation Object classification for autonomous navigation systems
CN113034619A (zh) * 2021-04-23 2021-06-25 中科微至智能制造科技江苏股份有限公司 包裹信息测量方法、装置及存储介质
CN113171962A (zh) * 2021-04-28 2021-07-27 福建省祥福工艺有限公司 一种重组竹茶盘涂装处理工艺
US11954882B2 (en) 2021-06-17 2024-04-09 Zebra Technologies Corporation Feature-based georegistration for mobile computing devices
CN115953522B (zh) * 2023-03-14 2023-05-23 武汉大势智慧科技有限公司 一种物体三维模型定向方法、装置、设备及存储介质

Family Cites Families (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020014533A1 (en) 1995-12-18 2002-02-07 Xiaxun Zhu Automated object dimensioning system employing contour tracing, vertice detection, and forner point detection and reduction methods on 2-d range data maps
US5988862A (en) * 1996-04-24 1999-11-23 Cyra Technologies, Inc. Integrated system for quickly and accurately imaging and modeling three dimensional objects
EP1402230A1 (de) 2001-06-29 2004-03-31 Square D Company Hochliegendes dimensionierungssystem und zugehörige methode
DE10336638A1 (de) * 2003-07-25 2005-02-10 Robert Bosch Gmbh Vorrichtung zur Klassifizierung wengistens eines Objekts in einem Fahrzeugumfeld
TWI266035B (en) * 2003-11-11 2006-11-11 Hon Hai Prec Ind Co Ltd A system and method for measuring point-cloud
US8294809B2 (en) 2005-05-10 2012-10-23 Advanced Scientific Concepts, Inc. Dimensioning system
US7605817B2 (en) * 2005-11-09 2009-10-20 3M Innovative Properties Company Determining camera motion
CA2545118C (en) 2006-04-28 2011-07-05 Global Sensor Systems Inc. Device for measuring package size
US7647752B2 (en) 2006-07-12 2010-01-19 Greg Magnell System and method for making custom boxes for objects of random size or shape
US8531457B2 (en) * 2006-11-29 2013-09-10 Technion Research And Development Foundation Ltd. Apparatus and method for finding visible points in a cloud point
US7940279B2 (en) * 2007-03-27 2011-05-10 Utah State University System and method for rendering of texel imagery
EP2158576A1 (de) * 2007-06-08 2010-03-03 Tele Atlas B.V. Verfahren und vorrichtung zum produzieren eines panoramas mit mehreren ansichtspunkten
US8396284B2 (en) * 2007-10-23 2013-03-12 Leica Geosystems Ag Smart picking in 3D point clouds
US8265895B2 (en) 2009-03-27 2012-09-11 Symbol Technologies, Inc. Interactive sensor systems and methods for dimensioning
US8284988B2 (en) 2009-05-13 2012-10-09 Applied Vision Corporation System and method for dimensioning objects using stereoscopic imaging
US8542252B2 (en) 2009-05-29 2013-09-24 Microsoft Corporation Target digitization, extraction, and tracking
US8933925B2 (en) * 2009-06-15 2015-01-13 Microsoft Corporation Piecewise planar reconstruction of three-dimensional scenes
KR101619076B1 (ko) * 2009-08-25 2016-05-10 삼성전자 주식회사 모바일 플랫폼의 동적 물체 검출 및 추적 방법
US20110216063A1 (en) * 2010-03-08 2011-09-08 Celartem, Inc. Lidar triangular network compression
US8199977B2 (en) * 2010-05-07 2012-06-12 Honeywell International Inc. System and method for extraction of features from a 3-D point cloud
US8134717B2 (en) 2010-05-21 2012-03-13 LTS Scale Company Dimensional detection system and associated method
US20110310088A1 (en) * 2010-06-17 2011-12-22 Microsoft Corporation Personalized navigation through virtual 3d environments
US8872851B2 (en) * 2010-09-24 2014-10-28 Intel Corporation Augmenting image data based on related 3D point cloud data
US8867793B2 (en) * 2010-12-01 2014-10-21 The Trustees Of The University Of Pennsylvania Scene analysis using image and range data
KR101758058B1 (ko) * 2011-01-20 2017-07-17 삼성전자주식회사 깊이 정보를 이용한 카메라 모션 추정 방법 및 장치, 증강 현실 시스템
US8447549B2 (en) * 2011-02-11 2013-05-21 Quality Vision International, Inc. Tolerance evaluation with reduced measured points
US9070285B1 (en) * 2011-07-25 2015-06-30 UtopiaCompression Corporation Passive camera based cloud detection and avoidance for aircraft systems
KR101907081B1 (ko) 2011-08-22 2018-10-11 삼성전자주식회사 3차원 점군의 물체 분리 방법
US9002099B2 (en) * 2011-09-11 2015-04-07 Apple Inc. Learning-based estimation of hand and finger pose
US8793107B2 (en) * 2011-12-01 2014-07-29 Harris Corporation Accuracy-based significant point derivation from dense 3D point clouds for terrain modeling
CN103164842A (zh) * 2011-12-14 2013-06-19 鸿富锦精密工业(深圳)有限公司 点云提取系统及方法
US20130162806A1 (en) * 2011-12-23 2013-06-27 Mitutoyo Corporation Enhanced edge focus tool
EP2615580B1 (de) * 2012-01-13 2016-08-17 Softkinetic Software Automatische Szenenkalibrierung
WO2013170260A1 (en) 2012-05-11 2013-11-14 Proiam, Llc Hand held dimension capture apparatus, system, and method
US9846960B2 (en) * 2012-05-31 2017-12-19 Microsoft Technology Licensing, Llc Automated camera array calibration
US9420265B2 (en) * 2012-06-29 2016-08-16 Mitsubishi Electric Research Laboratories, Inc. Tracking poses of 3D camera using points and planes
US9939259B2 (en) * 2012-10-04 2018-04-10 Hand Held Products, Inc. Measuring object dimensions using mobile computer
US9472022B2 (en) * 2012-10-05 2016-10-18 University Of Southern California Three-dimensional point processing and model generation
US20140192050A1 (en) * 2012-10-05 2014-07-10 University Of Southern California Three-dimensional point processing and model generation
US20140104413A1 (en) * 2012-10-16 2014-04-17 Hand Held Products, Inc. Integrated dimensioning and weighing system
US9154773B2 (en) * 2013-03-15 2015-10-06 Seiko Epson Corporation 2D/3D localization and pose estimation of harness cables using a configurable structure representation for robot operations
US9443297B2 (en) * 2013-07-10 2016-09-13 Cognex Corporation System and method for selective determination of point clouds
US9412040B2 (en) * 2013-12-04 2016-08-09 Mitsubishi Electric Research Laboratories, Inc. Method for extracting planes from 3D point cloud sensor data
US11051000B2 (en) * 2014-07-14 2021-06-29 Mitsubishi Electric Research Laboratories, Inc. Method for calibrating cameras with non-overlapping views
US9396554B2 (en) * 2014-12-05 2016-07-19 Symbol Technologies, Llc Apparatus for and method of estimating dimensions of an object associated with a code in automatic response to reading the code

Also Published As

Publication number Publication date
GB2546677A (en) 2017-07-26
MX2017005822A (es) 2017-08-02
US20160133026A1 (en) 2016-05-12
WO2016073108A1 (en) 2016-05-12
GB201706586D0 (en) 2017-06-07
US9600892B2 (en) 2017-03-21
CA2967025C (en) 2018-06-12
MX367951B (es) 2019-09-12
GB2546677B (en) 2021-10-27
CA2967025A1 (en) 2016-05-12

Similar Documents

Publication Publication Date Title
DE112015005076T5 (de) Nicht-parametrisches Verfahren und System zum Abschätzen von Dimensionen von Objekten mit beliebiger Form
DE112015005485T5 (de) Vorrichtung für und verfahren zum schätzen von abmessungen eines objekt mit einem code im automatischen ansprechen auf ein lesen des codes
DE112019002547B4 (de) System und verfahren zum bestimmen eines standortes zur platzierung eines pakets
DE102020120526A1 (de) Verfahren und computersystem zur objektidentifizierung
DE112019001175T5 (de) Visuelles Feedback zum Prozesszustand
DE112019001788T5 (de) Verfahren, system und vorrichtung zum korrigieren von transluzenzartefakten in daten, die eine trägerstruktur darstellen
EP2923333B1 (de) Verfahren zum automatischen erstellen von zwei- oder dreidimensionalen gebäudemodellen
DE102013012224A1 (de) Vorrichtung zum Entnehmen von lose gespeicherten Gegenständen durch einen Roboter
DE102020127732A1 (de) Dreidimensionale (3d) tiefenbildgebungssysteme und -verfahren zur automatischen bestimmung einer versandcontainerfüllung basierend auf bildgebungsvorlagen
DE102018102688A1 (de) Bildverarbeitungsvorrichtung, Bildverarbeitungsprogramm und Bildverarbeitungssystem
DE112018006554T5 (de) Systeme und verfahren zum bestimmen der kommerziellen anhängerbefüllung
DE112020003158T5 (de) Trainingsverfahren für ein Zielerfassungsmodell, Verfahren und Vorrichtung zur Kennzeichnung der Daten
DE102017005964A1 (de) Techniken zum Auswählen von Objekten in Bildern
DE112020003332T5 (de) Dreidimensionale (3D) Tiefenbildgebungssysteme und -Verfahren zur dynamischen Container-Autokonfiguration
DE112010002677T5 (de) Verfahren und vorrichtung zum bestimmen einer formübereinstimmung in drei dimensionen
DE102021201369A1 (de) Verfahren und System zur Bestimmung einer Okklusion bzw. Verdeckung innerhalb eines Kamerasichtfelds
DE102022213442A1 (de) Verfahren zur omnidirektionalen dense-regression für maschinelle wahrnehmungsaufgaben mittels verzerrungsfreiem cnn und sphärischer self-attention
DE102016100134B4 (de) Verfahren und Vorrichtung zum Untersuchen eines Objekts unter Verwendung von maschinellem Sehen
DE102013215301A1 (de) System, Verfahren und Computerprogrammprodukt zum Extrudieren eines Modells durch eine zweidimensionale Szene
DE112019006132T5 (de) Verfahren, system und vorrichtung zur hilfsetikett-erkennung und -zuordnung
DE102019119138B4 (de) Bestimmen einer Verteil- und/oder Sortierinformation zum automatisierten Verteilen und/oder Sortieren einer Sendung
DE102020213566A1 (de) Verfahren und Computersystem zur Objekterkennung oder Objektregistrierung basierend auf einer Bildklassifizierung
DE112016007411T5 (de) Fuzzy-eingabe für autoencoder
DE112019006186T5 (de) Verfahren und vorrichtung zur steuerung von lichtemittern einer mobilen automatisierungsvorrichtung
DE112019006125T5 (de) Verfahren und vorrichtung zur dekodierung von räumlich in beziehung stehenden zeichen

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R079 Amendment of ipc main class

Free format text: PREVIOUS MAIN CLASS: G06K0009000000

Ipc: G06V0010000000

R016 Response to examination communication