车厢载货体积的测量方法及装置制造方法及图纸

本申请公开了一种车厢载货体积的测量方法及装置。其中，该车厢载货体积的测量方法，其特征在于，方法包括：利用双目摄像头同步采集装载货物的车厢的第一图像和第二图像；根据第一图像和第二图像生成车厢区域视差图；根据车厢区域视差图，确定车厢区域深度图，进而确定车厢载货体积。

【技术实现步骤摘要】
车厢载货体积的测量方法及装置
本公开一般涉及图像处理领域，尤其涉及基于双目立体视觉的车厢载货体积的测量方法及装置。
技术介绍
在物流行业，还没有对中转场货车的载货体积进行智能测定的工具，大多用人眼估算，存在准确率低下等局限性。此外，现有的双目测深度工具的测量范围多为0.3米到2米，不符合物流场景中物体深度范围为2米到15米的测距要求。
技术实现思路
鉴于现有技术中的上述缺陷或不足，期望提供一种智能实现基于双目立体视觉的车厢载货体积的测量方法及装置。第一方面，提供一种基于双目立体视觉的车厢载货体积的测量方法，方法包括：利用双目摄像头同步采集装载货物的车厢的第一图像和第二图像；根据第一图像和第二图像生成车厢区域视差图；根据车厢区域视差图，确定车厢区域深度图，进而确定车厢载货体积。第二方面，提供一种基于双目立体视觉的车厢载货体积的测量装置，装置包括：图像采集单元，配置用于利用双目摄像头同步采集装载货物的车厢的第一图像和第二图像；车厢区域视差图生成单元，配置用于根据第一图像和第二图像生成车厢区域视差图；确定体积单元，配置用于根据车厢区域视差图，确定车厢区域深度图，进而确定车厢载货体积。根据本申请实施例提供的技术方案，通过车厢区域视差图计算车厢载货体积，能够解决现有用人工方式计算载货体积带来的低效率且低准确度的问题。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1示出了根据本申请实施例的基于双目立体视觉的车厢载货体积的测量方法的示例性流程图；图2示出了基于双目视差测距的示例性原理图；图3示出了根据本申请实施例的步骤S20的车厢区域视差图的提取方法示例性流程图；图4示出了根据本申请实施例的步骤S21的车厢区域的提取方法示例性流程图；图5示出了提取车厢区域的示例性示意图；图6示出了根据本申请实施例的基于双目立体视觉的车厢载货体积的测量装置的示例性结构框图；图7示出了根据本申请实施例的车厢区域提取单元221的示例性结构框图；图8示出了根据本申请实施例提供的一种设备的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。请参考图1，示出了根据本申请实施例的基于双目立体视觉的车厢载货体积的测量方法的示例性流程图。如图所示，该方法包括：步骤S10：利用双目摄像头同步采集装载货物的车厢的第一图像和第二图像；步骤S20：根据第一图像和第二图像提生成厢区域视差图；步骤S30：根据车厢区域视差图，确定车厢区域深度图，进而确定车厢载货体积。在物流中转场的装卸口的固定位置设置有双目摄像头，摄像头正对着装车卡口，当车辆驶入卡口位置时，车厢区域占据了拍摄区域的主要部分。装载指定货物后，利用双目摄像头同步采集装载货物的车厢的第一图像和第二图像。根据第一图像和第二图像生成车厢区域的视差图。根据中转场的情况拍摄的图像中还包括非目标车辆、员工、地面等干扰信息。排除这些不需要的干扰信息后，获得目标车厢区域的视差图。又将车厢区域视差图转换为深度图，进而确定车厢载货体积，该深度图能够体现相机到车厢区域各像素点之间的距离即深度。需要说明的是，采集图像时车厢门是打开状态。请参考图2，示出了基于双目视差测距的示例性原理图，即为视差图转换为深度图的理论依据。其中，对双目摄像头抓取到的左右视图进行图像校正，计算双目视差，获取视差图。双目测距原理如图2所示。在图2中，A为空间中的点，at和ar是点A在左右像平面上的成像点，Ot和Or是左右相机的光心，f是焦距。设Xt和Xr是两个成像点在左右两个像面上距离图像左中心线的距离，则可以定义视差为Xt-Xr。在图2中，用三角形的相似性原理，可以得到视差和物体深度的关系式如下：其中，f是焦距，Xt和Xr是两个成像点在左右两个像面上距离图像左中心线的距离，b为左右相机光心(即Ot和Or)之间的距离，Z为A点到光心平面的距离。请参考图3，示出了根据本申请实施例的步骤S20的车厢区域视差图的提取方法示例性流程图。如图所示，该方法包括：步骤S21：从第一图像提取车厢区域；步骤S22：根据第一图像和第二图像生成原始视差图；步骤S23：将车厢区域和原始视差图进行掩膜处理，生成车厢区域的视差图。需要说明的是，该第一图像可以是双目摄像头中任一摄像头采集的图像，例如，将左边摄像头采集的图像为第一图像，则右边摄像头采集的图像为第二图像。在进行图像处理时，如果基于左边摄像头采集的第一图像进行了车厢区域的提取，则在生成原始视差图时，也应将该第一图像作为基准图像。相反，如果基于右边摄像头采集的第二图像进行了车厢区域的提取，则在生成原始视差图时，也应将该第二图像作为基准图像。原始视差图可采用SGBM(Smei-GlobalBlockMatching，半全局块匹配)算法生成。并将第一图像中提取的车厢区域和视差图进行掩膜处理，生成车厢区域的视差图。图像掩膜是用选定的图像、图形或物体，对待处理的图像进行遮挡来控制图像处理的区域或处理过程。本申请是通过第一图像中的车厢区域对待处理的原始视差图进行遮挡来提取车厢区域范围内的视差图。图4示出了根据本申请实施例的步骤S21的车厢区域的提取方法示例性流程图，如图所示，该方法包括：步骤S211：提取第一图像中的全部直线；步骤S212：根据直线的特征，筛选出符合要求的直线，特征包括直线长度、直线位置、夹角和色彩；步骤S213：将符合要求的直线围成的最大外接矩形作为车厢区域。具体地，可采用LSD(LinSegmentDetector)算法寻找第一图像的所有直线，并对这些直线进行筛选。筛选的依据是基于直线长度、直线位置、与图像中心线的夹角和色彩等特征，并将筛选后的直线围成的最大外接矩形作为车厢区域。请参考图5，示出了提取车厢区域的示例性示意图。在一些实施例中，步骤S213中提到的要求包括如下条件：直线的长度符合设定长度要求；直线的位置位于设定区域；直线的颜色特征包括设定颜色。具体地，该设定长度包括第一长度和第二长度；当直线与第一图像10长度方向中心线的夹角小于第一夹角时，直线的长度大于第一长度；当直线与第一图像10宽度方向中心线的夹角小于第一夹角时，直线的长度大于第二长度。直线通过与长度方向中心线或者宽度方向的中心线的夹角来确定根据哪个设定长度进行长度的判断。该夹角包括直线与宽度方向中心线31、长度方向中心线33形成的夹角，本实施例中本文档来自技高网...

【技术保护点】
1.一种基于双目立体视觉的车厢载货体积的测量方法，其特征在于，所述方法包括：/n利用双目摄像头同步采集装载货物的车厢的第一图像和第二图像；/n根据所述第一图像和所述第二图像生成车厢区域视差图；/n根据所述车厢区域视差图，确定所述车厢区域深度图，进而确定车厢载货体积。/n

【技术特征摘要】
1.一种基于双目立体视觉的车厢载货体积的测量方法，其特征在于，所述方法包括：
利用双目摄像头同步采集装载货物的车厢的第一图像和第二图像；
根据所述第一图像和所述第二图像生成车厢区域视差图；
根据所述车厢区域视差图，确定所述车厢区域深度图，进而确定车厢载货体积。


2.根据权利要求1所述的基于双目立体视觉的车厢载货体积的测量方法，其特征在于，所述根据所述第一图像和所述第二图像生成车厢区域的视差图包括：
从所述第一图像提取车厢区域；
根据所述第一图像和所述第二图像生成原始视差图；
将所述车厢区域和所述原始视差图进行掩膜处理，生成所述车厢区域的视差图。


3.根据权利要求2所述的基于双目立体视觉的车厢载货体积的测量方法，其特征在于，所述从所述第一图像提取车厢区域包括：
提取所述第一图像中的全部直线；
根据所述直线的特征，筛选出符合要求的直线，所述特征包括直线长度、直线位置、与图像中心线的夹角和色彩；
将所述符合要求的直线围成的最大外接矩形作为车厢区域。


4.根据权利要求3所述的基于双目立体视觉的车厢载货体积的测量方法，其特征在于，所述要求包括如下条件：
所述直线的长度符合设定长度要求；
所述直线的位置位于设定区域，以及
所述直线的颜色特征包括设定颜色；
其中，所述直线的长度符合设定长度要求包括：
所述设定长度包括第一长度和第二长度；
当所述直线与所述第一图像长度方向中心线的夹角小于第一夹角时，所述直线的长度大于所述第一长度；
当所述直线与所述第一图像宽度方向中心线的夹角小于所述第一夹角时，所述直线的长度大于所述第二长度。


5.根据权利要求1所述的基于双目立体视觉的车厢载货体积的测量方法，其特征在于，所述根据所述车厢区域视差图，确定所述车厢区域的深度图包括：
通过中值滤波算法滤除所述车厢区域视差图的白噪声；
将滤波后的车厢区域视差图转换为所述车厢区域深度图。


6.一种基于双目立体视觉的车厢载货体积的测量装置，其特征在于，所述装置包括：
图像采集单元，配置用于利用双目摄像头同步采集装载货物的车厢的第一图像和第二图像；
车厢区域视...

【专利技术属性】
技术研发人员：赵梦雨，朴安妮，张玉双，庄思岱，黄茂彪，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：广东;44