基于TOF深度相机的体积测量方法及装置制造方法及图纸

本发明专利技术提供一种基于TOF深度相机的体积测量方法及装置，其通过获取深度图像；去噪声处理；选取分别经噪声处理后第一帧深度图像的感兴趣区域(下称第一特征区域)和第二帧深度图像的感兴趣区域(下称第二特征区域)，以多个遍历速度对第一特征区域的每个像素点进行遍历，并将当前像素点的深度值与第二特征区域中对应的目标像素点的深度值进行匹配，获取多个总相似程度值；确定最大总相似程度值对应的遍历速度为当前时刻的瞬时速度；根据瞬时速度计算包裹体积。本发明专利技术有效解决了现有技术中在传送带速度不固定时无法得到准确的包裹体积的问题，可行性强。

【技术实现步骤摘要】
基于TOF深度相机的体积测量方法及装置
本专利技术属于计算机
，具体涉及一种基于TOF深度相机的体积测量方法及装置。
技术介绍
随着经济水平的发展，快递已经成为运输主流。而随着人民要求的提高使得快递行业出现了较多矛盾。目前，快递行业的主要矛盾是服务能力、发展水平不能满足经济社会发展和人民群众不断增长变化的服务需求；在传统方式下，货物的体积计算一般要用到皮尺等工具手工测量，但是货物的计量过程由手工完成，效率比较低下，采用的工具落后，计量结果也容易引起贸易双方的争议，在客户对物流效率和成本结算的要求不断提高的情况下，这种方式越来越不能适应高效准确的现代物流要求。相关技术中，通过流动体积计算算法自动计算包裹的体积，可以将工作人员从繁重的体积测量工作中解脱出来，节省了劳动力，并且提高了物流企业的工作效率，对物流企业的现代化有着重要的推动作用。然而流动体积计算算法需要预先知道包裹“流动”的快慢，即传送带上包裹运动的速度。若一家快递公司所有传送带的速度一致，只需测量传送带速度，预先设置好速度变量，这样在理论情况下，可使算法正常运行；但若是一条本文档来自技高网...

【技术保护点】
1.一种基于TOF深度相机的体积测量方法，其特征在于，包括：/n获取TOF深度相机返回的深度图像；所述深度图像包括相邻的第一帧深度图像和第二帧深度图像；/n对所述第一帧深度图像和第二帧深度图像去噪声处理；/n选取分别经所述噪声处理后的第一帧深度图像的第一特征区域和第二帧深度图像的第二特征区域，以多个遍历速度对所述第一特征区域的每个像素点进行遍历，并将当前像素点的深度值与所述第二特征区域中对应的目标像素点的深度值进行匹配，获取多个相应的总相似程度值；/n确定多个总相似程度值中的最大总相似程度值对应的遍历速度为当前时刻的瞬时速度；/n根据所述瞬时速度计算包裹体积。/n

【技术特征摘要】
1.一种基于TOF深度相机的体积测量方法，其特征在于，包括：
获取TOF深度相机返回的深度图像；所述深度图像包括相邻的第一帧深度图像和第二帧深度图像；
对所述第一帧深度图像和第二帧深度图像去噪声处理；
选取分别经所述噪声处理后的第一帧深度图像的第一特征区域和第二帧深度图像的第二特征区域，以多个遍历速度对所述第一特征区域的每个像素点进行遍历，并将当前像素点的深度值与所述第二特征区域中对应的目标像素点的深度值进行匹配，获取多个相应的总相似程度值；
确定多个总相似程度值中的最大总相似程度值对应的遍历速度为当前时刻的瞬时速度；
根据所述瞬时速度计算包裹体积。


2.根据权利要求1所述的方法，其特征在于，所述获取TOF深度相机返回的深度图像，包括：
采用TOF深度相机拍摄传送带上的包裹，获取深度流；
将所述深度流转换为深度图像；
其中，所述TOF深度相机设置在传送带的正上方，其拍摄方向垂直于所述传送带。


3.根据权利要求1所述的方法，其特征在于，所述对所述第一帧深度图像和第二帧深度图像去噪声处理，包括：
对所述第一帧深度图像和第二帧深度图像进行形态学处理；
所述形态学处理包括通过图像腐蚀和滤波对第一帧深度图像和第二帧深度图像进行去噪声处理。


4.根据权利要求1所述的方法，其特征在于，所述以多个遍历速度对所述第一特征区域的每个像素点进行遍历，包括：
获取所述第一帧深度图像和第二帧深度图像的时间差，据所述时间差和预设的初始遍历速度计算传送带的行进距离；
根据像素点的深度值计算像素点与相机镜面之间的垂直高度值，根据所述高度值和相机在沿传送带方向的半视角计算出像素点高度下每个像素对应的实际距离；
根据所述行进距离和实际距离计算像素点经过所述时间差在第二帧深度图像中应前进的像素点个数；
选取当前像素点及其周围八个像素点，根据所述像素点个数找到在第二帧深度图像中所述像素点对应的目标像素点及目标像素点周围八个像素点。


5.根据权利要求4所述的方法，其特征在于，所述将当前像素点的深度值与所述第二帧深度图像中对应的目标像素点的深度值进行匹配，获取多个相应的总相似程度值，包括：
匹配当前像素点和目标像素点的深度值；
如果所述深度值的差值的绝对值大于等于预设阈值，则此像素点匹配失败；如果匹配失败的像素点代表位置的高度高于目标像素点代表位置的高度，则获取所述像素点的单个像素相似程度值，并将其加到总相似程度值上；
如果所述深度值的差值的绝对值小于预设阈值，则所述像素点匹配成功，对其加权处理后，则得到单个像素相似程度值，并将其加到总相似程度值上。


6.根据权利要求5所述的方法，其特征在于，所述加权处理，包括：
根据像素点高度值判断像素点对应的位置是否在货物上；
如果不在货物上，则设置为第一权重；
如果在货物上，则通过周围八个像素点深度值的方差判断像素点和目标像素点对应的位置是否都在货物边缘；
如果任意一个不在货...

【专利技术属性】
技术研发人员：张维忠，刘增辉，张弛，张宏峰，袁翠梅，李永泮，陈天宇，
申请(专利权)人：青岛大学威海创新研究院，青岛大学，青岛点之云智能科技有限公司，
类型：发明
国别省市：山东;37