一种基于深度图像的体积测量方法、系统及深度相机技术方案

本发明专利技术属于物流和体积测量技术领域，具体涉及一种基于深度图像的体积测量方法、系统及深度相机，包括以下步骤：S1,获取含有待测物的场景深度图，得到场景点云坐标；S2，对场景点云坐标进行变换，得到深度相机坐标系下的场景点云坐标；S3，对深度相机坐标系下的场景点云坐标进行处理，得到待测物的坐标集合；S4，根据待测物的坐标集合计算待测物的长度、宽度和高度，将长度、宽度和高度相乘得到待测物的体积。本发明专利技术相比于现有物流体积测量方案，在硬件方面，运用市面上普通的深度相机即可实现，成本较低；在相机倾斜状态下，仍能够实时准确测量待测物的体积。

Volume measurement method, system and depth camera based on depth image

The invention belongs to the technical field of logistics and volume measurement, and specifically relates to a volume measurement method, system and depth camera based on depth image. The method comprises the following steps: S1, obtaining the scene depth map containing the object to be measured and obtaining the scene point cloud coordinates; S2, transforming the scene point cloud coordinates to obtain the depth camera coordinates. The coordinates of the scene point cloud are obtained by processing the coordinates of the scene point cloud in the depth camera coordinate system, and the length, width and height of the object to be measured are calculated according to the coordinate set of the object to be measured, and the volume of the object to be measured is obtained by multiplying the length, width and height. Compared with the existing logistics volume measurement scheme, the invention can be realized by using common depth cameras on the market in terms of hardware, and the cost is lower; the volume of the object to be measured can still be measured in real time and accurately under the tilt state of the cameras.

【技术实现步骤摘要】
一种基于深度图像的体积测量方法、系统及深度相机
本专利技术属于物流和体积测量
，具体涉及一种基于深度图像的体积测量方法、系统及深度相机。
技术介绍
近年来，随着经济全球化的快速发展，大量的物资需要在区域之间频繁流动，尤其是伴随着信息技术革命而产生的电子商务的兴起，使得物流行业获得急剧飞速发展，物流企业间的竞争也日趋激烈，怎样降低人力成本，高效的将快件发送到目的地是取得竞争优势的关键。在物流和仓储管理中，物品的体积属性对物流中心优化收货入库、拣选、包装和发运管理至关重要，因此通过对物品的尺寸、体积实现自动化的精准测量，能大大提高仓储物流的效率以及物流系统的智能和自动化水平。现有的体积测量设备多是基于光幕或线阵激光扫描，必须配合传送带编码器才能计算体积。这种技术虽然较为成熟，但价格昂贵，而且系统复杂度较高。
技术实现思路
针对现有技术中的缺陷，本专利技术提供了一种基于深度图像的体积测量方法、系统及深度相机，相比于现有物流体积测量方案，在硬件方面，运用市面上普通的深度相机即可实现，成本较低；在相机倾斜状态下，仍能够实时准确测量待测物的体积。第一方面，本专利技术提供了一种基于深度图像的体积测量方法，包括以下步骤：S1,获取含有待测物的场景深度图，得到场景点云坐标；S2，对场景点云坐标进行变换，得到深度相机坐标系下的场景点云坐标；S3，对深度相机坐标系下的场景点云坐标进行处理，得到待测物的坐标集合；S4，根据待测物的坐标集合计算待测物的长度、宽度和高度，将长度、宽度和高度相乘得到待测物的体积。优选地，所述步骤S2具体为：S21，设置场景深度图中的参考平面；S22，根据所述参考平面计算深度相机的倾斜姿态数据；S23，根据倾斜姿态数据对场景点云坐标进行变换，得到深度相机坐标系下的场景点云坐标。优选地，所述S22具体为：S221，设置深度相机X轴、Y轴与参考平面法线的夹角范围，所述夹角范围内包括若干个X轴夹角θx和与Y轴夹角θy；S222，遍历每一个X轴夹角和每一个Y轴夹角，利用坐标变换公式对参考平面内的ZCK坐标进行变换，得到若干变换后的ZCK坐标，所述变换公式为：Z'＝Y0*sinθx+Z0cosθx；Zck＝Z'*cosθy-X0sinθy；其中X0、Y0、Z0为参考平面的原始坐标点，ZCK为变换后的ZCK坐标；S223，计算所有变换后的ZCK坐标的平均值Zmean和最小方差Zsigma；S224，将最小方差Zsigma对应的X轴夹角θx作为深度相机的X轴倾斜夹角αx，对应的Y轴夹角θy作为深度相机的Y轴倾斜夹角αy，从而得到倾斜姿态数据：ZCK坐标的平均值Zmean、最小方差Zsigma、X轴倾斜夹角αx和Y轴倾斜夹角αy。优选地，所述S23具体为：根据X轴倾斜夹角αx和Y轴倾斜夹角αy，利用变换公式对场景点云坐标进行变换，得到深度相机坐标系下的场景点云坐标，变换公式为：Z'i＝Yio*sinαx+Ziocosαx；Xi＝Z'i*sinαy+Xiocosαy；Yi＝Yio*cosαy-Ziosinαy；Zi＝Z'i*cosαy-Xiosinαy；其中Xio、Yio、Zio为原来的场景点云坐标，Xi、Yi、Zi为深度相机坐标系下的场景点云坐标。优选地，所述S3具体为：根据筛选公式，从深度相机坐标系下的场景云坐标中，筛选出符合条件的待测物的Xi、Yi、Zi坐标点集合，筛选公式为：|Zi-Zmean|＞N*Zsigma，其中N为正数。优选地，所述S4具体为：S41，按照预设的网格精度，计算待测物的Xi、Yi坐标点投影到参考平面内对应的网格区域，对网格区域进行连通区域标定、并统计每个连通区域大小；S42，选取面积最大的连通区域对应的Xi、Yi坐标点集合，通过主成分分析法计算选取的Xi、Yi坐标点对应的最小外接长方形，得到待测物投影到参考平面内的长度和宽度；S43，计算Zi与Zmean最大差异得到待测物的高度，将长度、宽度和高度相乘得到待测物体积。第二方面，本专利技术提供了一种基于深度图像的体积测量系统，适用于第一方面所述的基于深度图像的体积测量方法，包括：场景采集单元,用于获取含有待测物的场景深度图，得到场景点云坐标；坐标变换单元，用于对场景点云坐标进行变换，得到深度相机坐标系下的场景点云坐标；待测物提取单元，用于对深度相机坐标系下的场景点云坐标进行处理，得到待测物的坐标集合；体积计算单元，用于根据待测物的坐标集合计算待测物的长度、宽度和高度，将长度、宽度和高度相乘得到待测物的体积。第三方面，本专利技术提供了一种深度相机，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如第一方面所述的方法。本专利技术的有益效果为：相比于现有物流体积测量方案，在硬件方面，运用市面上普通的深度相机即可实现，成本较低；在相机倾斜状态下，仍能够实时准确测量待测物的体积。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。图1为本实施例中基于深度图像的体积测量方法的流程图；图2为本实施例中基于深度图像的体积测量系统的结构图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术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专利技术。如在本专利技术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。还应当进一步理解，在本专利技术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。实施例一：本实施例提供了一种基于深度图像的体积测量方法，如图1所示，包括以下S1、S2、S3、S4共四个步骤：S1,获取含有待测物的场景深度图，得到场景点云坐标。本实施例获取场景深度图可采用光飞行时间原理、结构光原理、双目测距原理等。深度图即深度Z轴的坐标集合，深度图也被称为距离影像，是指将从图像采集器到场景中各点的距离(深度)作为像素值的图像，它直接反映了场景中各物体可见表面的几何形状。深度图经过坐标转换可以计算为场景点云数据，本实施例的图像采集器为深度相机，深度相机采集深度图可应用光飞行时间原理、结构光原理、双目测距原理等。S2，对场景点云坐标进行变换，得到深度相机坐标系下的场景点云坐标。所述步骤S2具体包括S21、S22、S23共三个步骤：S21，设置场景深度图中的参考平面。S22本文档来自技高网...

【技术保护点】
1.一种基于深度图像的体积测量方法，其特征在于，包括以下步骤：S1,获取含有待测物的场景深度图，得到场景点云坐标；S2，对场景点云坐标进行变换，得到深度相机坐标系下的场景点云坐标；S3，对深度相机坐标系下的场景点云坐标进行处理，得到待测物的坐标集合；S4，根据待测物的坐标集合计算待测物的长度、宽度和高度，将长度、宽度和高度相乘得到待测物的体积。

【技术特征摘要】
1.一种基于深度图像的体积测量方法，其特征在于，包括以下步骤：S1,获取含有待测物的场景深度图，得到场景点云坐标；S2，对场景点云坐标进行变换，得到深度相机坐标系下的场景点云坐标；S3，对深度相机坐标系下的场景点云坐标进行处理，得到待测物的坐标集合；S4，根据待测物的坐标集合计算待测物的长度、宽度和高度，将长度、宽度和高度相乘得到待测物的体积。2.根据权利1所述的一种基于深度图像的体积测量方法，其特征在于，所述步骤S2具体为：S21，设置场景深度图中的参考平面；S22，根据所述参考平面计算深度相机的倾斜姿态数据；S23，根据倾斜姿态数据对场景点云坐标进行变换，得到深度相机坐标系下的场景点云坐标。3.根据权利要求2所述的一种基于深度图像的体积测量方法，其特征在于，所述S22具体为：S221，设置深度相机X轴、Y轴与参考平面法线的夹角范围，所述夹角范围内包括若干个X轴夹角θx和与Y轴夹角θy；S222，遍历每一个X轴夹角和每一个Y轴夹角，利用坐标变换公式对参考平面内的ZCK坐标进行变换，得到若干变换后的ZCK坐标，所述变换公式为：Z'＝Y0*sinθx+Z0cosθx；Zck＝Z'*cosθy-X0sinθy；其中X0、Y0、Z0为参考平面的原始坐标点，ZCK为变换后的ZCK坐标；S223，计算所有变换后的ZCK坐标的平均值Zmean和最小方差Zsigma；S224，将最小方差Zsigma对应的X轴夹角θx作为深度相机的X轴倾斜夹角αx，对应的Y轴夹角θy作为深度相机的Y轴倾斜夹角αy，从而得到倾斜姿态数据：ZCK坐标的平均值Zmean、最小方差Zsigma、X轴倾斜夹角αx和Y轴倾斜夹角αy。4.根据权利要求3所述的一种基于深度图像的体积测量方法，其特征在于，所述S23具体为：根据X轴倾斜夹角αx和Y轴倾斜夹角αy，利用变换公式对场景点云坐标进行变换，得到深度相机坐标系下的场景点云坐标，变换公式为：Z'i＝Yio*sinαx+Z...

【专利技术属性】
技术研发人员：侯方超，
申请(专利权)人：杭州艾芯智能科技有限公司，
类型：发明
国别省市：浙江,33