一种基于图像处理的包裹位置实时检测方法及系统技术方案

本发明专利技术涉及物流智能分拣技术领域，具体公开了一种基于图像处理的包裹位置实时检测方法，包括：步骤S1，实时获取多个相机所拍摄的包裹图像；步骤S2，根据获取到的所述包裹图像进行图像拼接；步骤S3，根据拼接后的图像进行双背景建模，以提取拼接后图像中的前景目标；步骤S4，对所述前景目标进行包裹位置检测，以实时输出包裹的位置信息。本发明专利技术还公开了一种基于图像处理的包裹位置实时检测系统。本发明专利技术提供的基于图像处理的包裹位置实时检测方法，可以对皮带面上的包裹位置进行实时检测定位，从而为后续电机控制系统更好更快地进行包裹分拣提供保障。

【技术实现步骤摘要】
一种基于图像处理的包裹位置实时检测方法及系统
本专利技术涉及物流智能分拣
，更具体地，涉及一种基于图像处理的包裹位置实时检测方法及系统。
技术介绍
近年来，随着电商的井喷式发展，快递行业的业务量呈几何式增长，快递分拣的效率直接影响物流配送速度和企业管理的效果。现有的快递分拣过程中自动化水平还不是很高，仍然以人工分拣方式为主，普遍存在着效率低的现象；因此，为了保证包裹的分拣效率，如何以快速、简单、稳定的方法实时检测包裹的位置信息，为控制包裹的传送提供稳定信息已经成为急需要解决的问题。
技术实现思路
针对现有技术中存在的上述弊端，本专利技术提供了一种基于图像处理的包裹位置实时检测方法及系统，可以对皮带面上的包裹位置进行实时检测定位，从而为后续电机控制系统更好更快地进行包裹分拣提供保障。作为本专利技术的第一个方面，提供一种基于图像处理的包裹位置实时检测方法，包括：步骤S1，实时获取多个相机所拍摄的包裹图像；步骤S2，根据获取到的所述包裹图像进行图像拼接；步骤S3，根据拼接后的图像进行双背景建模，以提取拼接后图像中的前景目标；步骤S4，对所述前景目标进行包裹位置检测，以实时输出包裹的位置信息。进一步地，所述步骤S2，包括：步骤S21，对多个相机所拍摄的包裹图像进行水平校正；步骤S22，利用多个相机所拍摄的包裹图像之间的单应性变换矩阵，完成相机之间的水平方向和垂直方向的映射变换，以实现将多个相机所拍摄到的共同区域图像进行图像拼接；步骤S23，对所述拼接后图像中的重叠区域进行像素融合，其中，使用alpha加权融合，即在中心像素处的融合权重为1，边缘像素的融合权重值随边缘像素与中心像素之间的距离增大而逐渐减小。进一步地，所述步骤S22中，需提前对多个相机进行参数标定，包括：步骤S221，对于待拼接的多个相机，将棋盘格放置在多个相机的共同区域，采集多组棋盘格图像；步骤S222，对采集到的每组棋盘格图像进行fast角点检测，从而获取多个相机待拼接图像的匹配点集；步骤S223，基于RANSAC算法计算多个相机所拍摄的包裹图像之间的单应性变换矩阵，从而将多个相机所拍摄的包裹图像转换到统一坐标下，完成多个相机所拍摄的包裹图像的配准，对单应性变换矩阵参数进行参数保存，供实际算法中的图像配准使用；步骤S224，对配准后的图像，将其重叠区域的像素值按一定的策略进行融合，最终完成图像的无缝拼接。进一步地，所述步骤S3，包括：步骤S31，根据所获取的参数对多个相机所拍摄的包裹图像进行无缝拼接；步骤S32，根据获取到的前N帧拼接后的包裹图像，分别建立自适应混合高斯背景模型和K近邻背景模型；步骤S33，根据所建立的双背景模型，分别对后续帧的包裹图像进行前景目标检测；步骤S34，对检测到的前景目标进行形态学滤波处理，并进行连通域检测，利用面积约束剔除所述前景目标中存在的噪声目标。进一步地，所述步骤S4，包括：步骤S41，对基于所述自适应混合高斯背景模型提取出的第一前景目标进行图像分割，包裹位置定位；步骤S42，对基于所述K近邻背景模型提取出的第二前景目标中剔除第一前景目标中已检测出的包裹，对剩余前景目标进行图像分割，包裹位置定位；步骤S43，将所述第一前景目标和第二前景目标的位置信息进行融合，输出最终的包裹的位置信息。进一步地，所述步骤S41，包括：步骤S411，对所述第一前景目标进行二值化处理后，提取所述第一前景目标中的轮廓信息；步骤S412，遍历所述第一前景目标的所有轮廓，并根据面积约束去除所述第一前景目标中的噪声干扰目标；步骤S413，对去除所述噪声干扰目标后的剩余的目标轮廓，依次遍历，根据其长宽比约束，初步判别其是否为多包裹粘连目标，若是，则需要对所述第一前景目标进行多级图像分割处理，反之，则将其保存为一个有效的包裹目标，并获取其位置信息。进一步地，所述步骤S413，包括：步骤S4131，根据所述剩余的目标轮廓的位置，获取拼接融合后的图像中的ROI区域；步骤S4132，首先对具有所述ROI区域的拼接融合后的图像进行OTSU自适应阈值分割，如果分割后的第一目标图像均满足单个包裹的长宽比约束，则至此粘连包裹的分割结束；反之，则继续进行下一级分割；步骤S4133，继续对待分割图像进行分水岭阈值分割，如果分割后的第二目标图像均满足单个包裹的长宽比约束，则至此粘连包裹的分割结束；反之，则继续进行下一级分割；步骤S4134，继续对待分割的图像进行二次分水岭阈值分割，如果分割后的第三目标图像均满足单个包裹的长宽比约束，则至此粘连包裹的分割结束；反之，则继续进行下一级分割；步骤S4135，继续对上一步待分割的图像进行包裹轮廓的凹凸性检测，利用轮廓的凹凸性进行再分割，如果分割后的第四目标图像均满足单个包裹的长宽比约束，则至此粘连包裹的分割结束；反之，对不满足要求的轮廓继续进行下一级分割；步骤S4136，继续对上一步待分割的图像进行三角法自适应阈值分割，至此粘连包裹的分割结束。进一步地，所述步骤S43，包括：将所述第一前景目标和第二前景目标进行融合，合并相同区域，对单一模型提取出的漏检前景目标进行相互补偿。进一步地，重复执行步骤S1-S4，直到多个相机停止工作为止，最终将检测到的前景目标的位置信息转换到自定义的世界坐标系下，实时输出包裹的位置信息。作为本专利技术的第二个方面，提供一种基于图像处理的包裹位置实时检测系统，包括：获取模块，用于实时获取多个相机所拍摄的包裹图像；拼接模块，用于根据获取到的所述包裹图像进行图像拼接；提取模块，用于根据拼接后的图像进行双背景建模，以提取拼接后图像中的前景目标；检测模块，用于对所述前景目标进行包裹位置检测，以实时输出包裹的位置信息。本专利技术提供的基于图像处理的包裹位置实时检测方法及系统具有以下优点：可以对皮带面上的包裹位置进行实时检测定位，从而为后续电机控制系统更好更快地进行包裹分拣提供保障。附图说明附图是用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术，但并不构成对本专利技术的限制。图1为本专利技术基于图像处理的包裹位置实时检测方法的流程图。图2为本专利技术包裹位置检测结果的示意图。具体实施方式为更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本专利技术提出的基于图像处理的包裹位置实时检测方法及系统其具体实施方式、结构、特征及其功效，详细说明如后。显然，所描述的实施例为本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术的保护范围。在本实施例中提供了一种基于图像处理的包裹位置实时本文档来自技高网...

【技术保护点】
1.一种基于图像处理的包裹位置实时检测方法，其特征在于，包括：/n步骤S1，实时获取多个相机所拍摄的包裹图像；/n步骤S2，根据获取到的所述包裹图像进行图像拼接；/n步骤S3，根据拼接后的图像进行双背景建模，以提取拼接后图像中的前景目标；/n步骤S4，对所述前景目标进行包裹位置检测，以实时输出包裹的位置信息。/n

【技术特征摘要】
1.一种基于图像处理的包裹位置实时检测方法，其特征在于，包括：
步骤S1，实时获取多个相机所拍摄的包裹图像；
步骤S2，根据获取到的所述包裹图像进行图像拼接；
步骤S3，根据拼接后的图像进行双背景建模，以提取拼接后图像中的前景目标；
步骤S4，对所述前景目标进行包裹位置检测，以实时输出包裹的位置信息。


2.根据权利要求1所述的基于图像处理的包裹位置实时检测方法，其特征在于，所述步骤S2，包括：
步骤S21，对多个相机所拍摄的包裹图像进行水平校正；
步骤S22，利用多个相机所拍摄的包裹图像之间的单应性变换矩阵，完成相机之间的水平方向和垂直方向的映射变换，以实现将多个相机所拍摄到的共同区域图像进行图像拼接；
步骤S23，对所述拼接后图像中的重叠区域进行像素融合，其中，使用alpha加权融合，即在中心像素处的融合权重为1，边缘像素的融合权重值随边缘像素与中心像素之间的距离增大而逐渐减小。


3.根据权利要求2所述的基于图像处理的包裹位置实时检测方法，其特征在于，所述步骤S22中，需提前对多个相机进行参数标定，包括：
步骤S221，对于待拼接的多个相机，将棋盘格放置在多个相机的共同区域，采集多组棋盘格图像；
步骤S222，对采集到的每组棋盘格图像进行fast角点检测，从而获取多个相机待拼接图像的匹配点集；
步骤S223，基于RANSAC算法计算多个相机所拍摄的包裹图像之间的单应性变换矩阵，从而将多个相机所拍摄的包裹图像转换到统一坐标下，完成多个相机所拍摄的包裹图像的配准，对单应性变换矩阵参数进行参数保存，供实际算法中的图像配准使用；
步骤S224，对配准后的图像，将其重叠区域的像素值按一定的策略进行融合，最终完成图像的无缝拼接。


4.根据权利要求3所述的基于图像处理的包裹位置实时检测方法，其特征在于，所述步骤S3，包括：
步骤S31，根据所获取的参数对多个相机所拍摄的包裹图像进行无缝拼接；
步骤S32，根据获取到的前N帧拼接后的包裹图像，分别建立自适应混合高斯背景模型和K近邻背景模型；
步骤S33，根据所建立的双背景模型，分别对后续帧的包裹图像进行前景目标检测；
步骤S34，对检测到的前景目标进行形态学滤波处理，并进行连通域检测，利用面积约束剔除所述前景目标中存在的噪声目标。


5.根据权利要求4所述的基于图像处理的包裹位置实时检测方法，其特征在于，所述步骤S4，包括：
步骤S41，对基于所述自适应混合高斯背景模型提取出的第一前景目标进行图像分割，包裹位置定位；
步骤S42，对基于所述K近邻背景模型提取出的第二前景目标中剔除第一前景目标中已检测出的包裹，对剩余前景目标进行图像分割，包裹位置定位；
步骤S43，将所述第一前景目标和第二前景目标的位置信息进...

【专利技术属性】
技术研发人员：唐金亚，张凯中，杜萍，
申请(专利权)人：中科微至智能制造科技江苏股份有限公司，
类型：发明
国别省市：江苏;32