物体体积计算方法、装置、设备、及存储介质制造方法及图纸

本申请实施例公开了一种物体体积计算方法、装置、设备及存储介质，本申请实施例通过获取多帧物体图像，并获取每帧物体图像中的物体关键点以及连接关系；根据所述多帧物体图像的关键点计算所述物体的尺度比；根据所述多帧物体图像的关键点获取所述物体的三维点云信息；根据所述尺度比、连接关系以及三维点云信息计算所述物体的体积。提高了计算物体体积的准确性。

【技术实现步骤摘要】
物体体积计算方法、装置、设备、及存储介质
本申请涉及数据处理
，具体涉及一种物体体积计算方法、装置、设备及存储介质。
技术介绍
当前物流行业正处于向智能化精确化转变的大趋势下，如何以更低的成本更高效地获取精准的信息，已经成为了行业一个迫切的需求。在物流领域里，货物的重量与体积是最重要的计费数据。长期以来，物流业在体积测量上仍然使用较原始的卷尺方式。当前有些智能软件解决方案，但是现有的智能软件解决方案在测量过程中，计算真实货物的体积方法一般为直接将反光的货物长度信号、宽度信号与高度信号，作为货物的货物长度信号、宽度信号与高度信号，计算货物的体积，造成对货物的体积测量的准确度不高。
技术实现思路
本申请实施例提供一种物体体积计算方法、装置、设备及存储介质，可以实现提高物体体积计算的准确性。第一方面，本申请实施例提供了一种物体体积计算方法，包括：获取多帧物体图像，并获取每帧物体图像中的物体关键点以及连接关系；根据所述多帧物体图像的关键点计算所述物体的尺度比；根据所述多帧物体图像的关键点获取所述物体的三维点云信息；根据所述尺度比、连接关系以及三维点云信息计算所述物体的体积。在一些实施方式中，所述获取每帧物体图像中的物体关键点以及连接关系，包括：获取训练后的Tiny-DSOD网络和CPM网络，所述Tiny-DSOD网络和CPM网络是基于按顺序标注的物体关键点及其连接关系的样本图像进行训练得到；将所述物体图像通过训练后的Tiny-DSOD网络进行卷积操作，得到特征图；通过CPM网络基于所述特征图提取物体关键点以及连接关系。在一些实施方式中，所述将所述物体图像通过训练后的所述Tiny-DSOD网络进行卷积操作，得到特征图之前，还包括：将所述Tiny-DSOD网络中的32位的二进制浮点型数据转变为8位的二进制整型数据，得到转变后的Tiny-DSOD网络；将转变后的Tiny-DSOD网络作为训练后的Tiny-DSOD网络。在一些实施方式中，所述根据所述尺度比、连接关系以及三维点云信息计算所述物体的体积，包括：根据所述三维点云信息和连接关系获取所述物体在多帧物体图像中的边长；根据尺度比、所述物体在多帧物体图像中的边长计算所述多帧物体图像中的物体的体积。在一些实施方式中，所述获取多帧物体图像之后，还包括：获取预设的图像尺寸；将所述多帧物体图像按照所述预设的图像尺寸进行缩放，获得缩放后的多帧物体图像；所述获取每帧物体图像中的物体关键点以及连接关系包括：获取缩放后的每帧物体图像中的物体关键点以及连接关系。在一些实施方式中，所述获取多帧物体图像，包括：获取包括物体图像的视频；将所述视频中的模拟信号转化为处于压缩状态的图像信号；对所述处于压缩状态的图像信号进行解压缩，获得所述视频的多帧物体图像。在一些实施方式中，所述根据所述多帧物体图像的关键点计算所述物体的尺度比，包括：获取采集物体图像各时刻对应的第一加速度；基于所述多帧物体图像的关键点及采集物体图像的时刻，计算第二加速度；基于时刻匹配所述第一加速度和所述第二加速度，并根据匹配后的所述第一加速度和所述第二加速度计算尺度比。第二方面，本申请实施例还提供了一种物体体积计算装置，包括：第一获取单元，用于获取多帧物体图像，并获取每帧物体图像中的物体关键点以及连接关系；第一计算单元，用于根据所述多帧物体图像的关键点计算所述物体的尺度比；第二获取单元，用于根据所述多帧物体图像的关键点获取所述物体的三维点云信息；第二计算单元，用于根据所述尺度比、连接关系以及三维点云信息计算所述物体的体积。在一些实施方式中，所述第一获取单元，包括：第一获取子单元，用于获取训练后的Tiny-DSOD网络和CPM网络，所述Tiny-DSOD网络和CPM网络是基于按顺序标注的物体关键点及其连接关系的样本图像进行训练得到；卷积子单元，用于将所述物体图像通过训练后的Tiny-DSOD网络进行卷积操作，得到特征图；提取子单元，用于通过CPM网络基于所述特征图提取物体关键点以及连接关系。在一些实施方式中，所述第一获取单元，还包括：转变子单元，用于将所述Tiny-DSOD网络中的32位的二进制浮点型数据转变为8位的二进制整型数据，得到转变后的Tiny-DSOD网络；将转变后的Tiny-DSOD网络作为训练后的Tiny-DSOD网络。在一些实施方式中，所述第二计算单元，包括：第二获取子单元，用于根据所述三维点云信息和连接关系获取所述物体在多帧物体图像中的边长；第一计算子单元，用于根据尺度比、所述物体在多帧物体图像中的边长计算所述多帧物体图像中的物体的体积。在一些实施方式中，所述第一获取单元，还包括：第三获取子单元，用于获取预设的图像尺寸；缩放子单元，用于将所述多帧物体图像按照所述预设的图像尺寸进行缩放，获得缩放后的多帧物体图像；所述获取单元还包括：第四获取子单元，用于获取缩放后的每帧物体图像中的物体关键点以及连接关系。在一些实施方式中，所述获取单元，还包括：第五获取子单元，用于获取包括物体图像的视频；将所述视频中的模拟信号转化为处于压缩状态的图像信号；解压缩子单元，用于对所述处于压缩状态的图像信号进行解压缩，获得所述视频的多帧物体图像。在一些实施方式中，所述第一计算单元，包括：第六获取子单元，用于获取采集物体图像各时刻对应的第一加速度；第二计算子单元，用于基于所述多帧物体图像的关键点及采集物体图像的时刻，计算第二加速度；基于时刻匹配所述第一加速度和所述第二加速度，并根据匹配后的所述第一加速度和所述第二加速度计算尺度比。第三方面，本申请实施例还提供了一种设备，包括处理器和存储器，所述存储器中存储有程序代码，所述处理器调用所述存储器中的程序代码时执行如上所述的物体体积计算方法。第四方面，本申请实施例还提供了一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本申请实施例提供的物体体积计算方法。本申请实施例通过获取多帧物体图像，并获取每帧物体图像中的物体关键点以及连接关系；根据所述多帧物体图像的关键点计算所述物体的尺度比；根据所述多帧物体图像的关键点获取所述物体的三维点云信息；根据所述尺度比、连接关系以及三维点云信息计算所述物体的体积。本方案通过终端中拍摄模块连续拍摄得到的多帧物体图像计算物体的尺度比，从而对物体的体积进行了精确的还原，对每帧物体图像进行物体的关键点提取，获得每帧物体图像中的物体关键点以及连接关系，根据物体关键点获取物体关键点的三维点云信息，根据尺度比、连接关系以及三维点云信息计算所述物体的体积，从而对物体的体积进行了精确的还原；提高了计算物体体积的准确性。...

【技术保护点】
1.一种物体体积计算方法，其特征在于，包括：/n获取多帧物体图像，并获取每帧物体图像中的物体关键点以及连接关系；/n根据所述多帧物体图像的关键点计算所述物体的尺度比；/n根据所述多帧物体图像的关键点获取所述物体的三维点云信息；/n根据所述尺度比、连接关系以及三维点云信息计算所述物体的体积。/n

【技术特征摘要】
1.一种物体体积计算方法，其特征在于，包括：
获取多帧物体图像，并获取每帧物体图像中的物体关键点以及连接关系；
根据所述多帧物体图像的关键点计算所述物体的尺度比；
根据所述多帧物体图像的关键点获取所述物体的三维点云信息；
根据所述尺度比、连接关系以及三维点云信息计算所述物体的体积。


2.根据权利要求1所述的尺度比计算方法，其特征在于，所述获取每帧物体图像中的物体关键点以及连接关系，包括：
获取训练后的Tiny-DSOD网络和CPM网络，所述Tiny-DSOD网络和CPM网络是基于按顺序标注的物体关键点及其连接关系的样本图像进行训练得到；
将所述物体图像通过训练后的Tiny-DSOD网络进行卷积操作，得到特征图；
通过CPM网络基于所述特征图提取物体关键点以及连接关系。


3.根据权利要求1所述的尺度比计算方法，其特征在于，所述将所述物体图像通过训练后的所述Tiny-DSOD网络进行卷积操作，得到特征图之前，还包括：
将所述Tiny-DSOD网络中的32位的二进制浮点型数据转变为8位的二进制整型数据，得到转变后的Tiny-DSOD网络；
将转变后的Tiny-DSOD网络作为训练后的Tiny-DSOD网络。


4.根据权利要求1所述的物体体积计算方法，其特征在于，所述根据所述尺度比、连接关系以及三维点云信息计算所述物体的体积，包括：
根据所述三维点云信息和连接关系获取所述物体在多帧物体图像中的边长；
根据尺度比、所述物体在多帧物体图像中的边长计算所述多帧物体图像中的物体的体积。


5.根据权利要求1所述的物体体积计算方法，其特征在于，所述获取多帧物体图像之后，还包括：
获取预设的图像尺寸；
将所述多帧物体...

【专利技术属性】
技术研发人员：杨小平，
申请(专利权)人：顺丰科技有限公司，深圳顺丰泰森控股集团有限公司，
类型：发明
国别省市：广东;44