一种基于深度图像的货物体积测量方法及设备技术

本发明专利技术属于自动测量领域，提供了一种基于深度图像的货物体积测量方法及设备。其中，基于深度图像的货物体积测量方法包括获取货物的深度图像，并将深度图像转换为点云；预处理点云，并对预处理后的点云进行平面估计，分割并删除货物底部所在平面对应的点云，得到目标货物的点云；识别目标货物的点云的空间形状；根据空间形状识别结果来计算货物体积：若空间形状识别结果为立方体形，则计算货物的高度及通过顶面投影计算货物底平面面积，进而得到货物体积；若空间形状识别结果为非立方体形，则将目标货物的点云进行三角网化，积分计算货物的体积。的体积。的体积。

【技术实现步骤摘要】
一种基于深度图像的货物体积测量方法及设备


[0001]本专利技术属于自动测量领域，尤其涉及一种基于深度图像的货物体积测量方法及设备。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]在物流领域中，提高物流车辆的容积率是提高运输效率、降低物流成本的重要措施之一。其中，货物的体积测量是准确计算运输车辆容积率的关键技术。
[0004]专利技术人发现，目前的自动化的体积测量技术仅适用于规则箱体货物且成本较高，而对于不规则的货物体积的测量，仍采用手动测量的方式，手动测量速度慢，且需要耗费人力去测量，而且手动测量难免会造成误差，若载货车辆进入限高或限体积的隧道公路时，当无法准确获取货物体积时，可能造成载货车辆无法通过隧道公路甚至卡入隧道公路内，影响正常交通以及货物运输的效率。

技术实现思路

[0005]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种基于深度图像的货物体积测量方法及设备，其可实现货物体积测量且不受货物立体形状的限制，能够有效地提高货物体积测量效率并降低测量成本。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]本专利技术的第一个方面提供一种基于深度图像的货物体积测量方法，其包括：
[0008]获取货物的深度图像，并将深度图像转换为点云；
[0009]预处理点云，并对预处理后的点云进行平面估计，分割并删除货物底部所在平面对应的点云，得到目标货物的点云；/>[0010]识别目标货物的点云的空间形状；
[0011]根据空间形状识别结果来计算货物体积：若空间形状识别结果为立方体形，则计算货物的高度及通过顶面投影计算货物底平面面积，进而得到货物体积；若空间形状识别结果为非立方体形，则将目标货物的点云进行三角网化，积分计算货物的体积。
[0012]本专利技术的第二个方面提供一种基于深度图像的货物体积测量设备，其包括：
[0013]深度图像转换模块，其用于获取货物的深度图像，并将深度图像转换为点云；
[0014]目标货物点云获取模块，其用于预处理点云，并对预处理后的点云进行平面估计，分割并删除货物底部所在平面对应的点云，得到目标货物的点云；
[0015]空间形状识别模块，其用于识别目标货物的点云的空间形状；
[0016]货物体积计算模块，其用于根据空间形状识别结果来计算货物体积：若空间形状识别结果为立方体形，则计算货物的高度及通过顶面投影计算货物底平面面积，进而得到货物体积；若空间形状识别结果为非立方体形，则将目标货物的点云进行三角网化，积分计
算货物的体积。
[0017]本专利技术的第三个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的基于深度图像的货物体积测量方法中的步骤。
[0018]本专利技术的第四个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的基于深度图像的货物体积测量方法中的步骤。
[0019]与现有技术相比，本专利技术的有益效果是：
[0020]本专利技术仅需要通过获取货物的深度图像，将深度图像转换为点云，进而点云进行预处理，提取目标货物的点云，识别目标货物的点云的空间形状，最后根据空间形状识别结果来计算货物体积，实现了货物体积的自动测量，避免了手动测量的测量误差，而且测量货物立体形状不受限制，有效地提高了货物体积测量效率及降低了测量成本。
[0021]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0022]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0023]图1是本专利技术实施例的基于深度图像的货物体积测量方法流程图；
[0024]图2(a)是本专利技术实施例的货物立体图像；
[0025]图2(b)是本专利技术实施例获取的货物深度图像；
[0026]图2(c)是本专利技术实施例的货物深度图像转换成的点云；
[0027]图3是本专利技术实施例的点云预处理流程图；
[0028]图4(a)是本专利技术实施例的相机视野侧视图；
[0029]图4(b)是本专利技术实施例的相机视野主视图；
[0030]图5是本专利技术实施例的ROI区域示意图；
[0031]图6是本专利技术实施例的点云ROI区域；
[0032]图7是本专利技术实施例的点云降采样示意图；
[0033]图8是本专利技术实施例的降采样后点云；
[0034]图9是本专利技术实施例的去除离群点后点云；
[0035]图10是本专利技术实施例的底平面点云；
[0036]图11是本专利技术实施例的目标点云；
[0037]图12是本专利技术实施例的点云三角网示意图。
具体实施方式
[0038]下面结合附图与实施例对本专利技术作进一步说明。
[0039]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0040]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根
据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0041]实施例一
[0042]如图1所示，本实施例提供了一种基于深度图像的货物体积测量方法，其具体包括如下步骤：
[0043]步骤1：获取货物的深度图像，并将深度图像转换为点云。
[0044]在具体实施中，可通过深度相机获取货物的深度图像，如图2(b)所示。
[0045]其中，深度相机可以是双目相机、结构光相机或TOF深度相机等。
[0046]深度图像中每一个坐标位置(u,v)处的值为目标到相机的距离zc。根据以下公式将深度图中(u,v)处深度为z
c
的坐标点转换为(x,y,z)格式的点云。图2(a)是货物的立体图像。
[0047][0048]其中，u0、v0分别为深度图像的中心坐标，x、y、z表示世界坐标系下的三维坐标点，dx、dy分别表示每个像素在横轴x和纵轴y的物理尺寸，f为相机焦距。
[0049]通过以上公式即可将获取到的深度图转换为以三维坐标表示的点云数据，如图2(c)所示。
[0050]步骤2：预处理点云，并对预处理后的点云进行平面估计，分割并删除货物底部所在平面对应的点云，得到目标货物的点云。
[0051]对于步骤1得到的点云数据，由于其数据量大且存在一些离群点，因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度图像的货物体积测量方法，其特征在于，包括：获取货物的深度图像，并将深度图像转换为点云；预处理点云，并对预处理后的点云进行平面估计，分割并删除货物底部所在平面对应的点云，得到目标货物的点云；识别目标货物的点云的空间形状；根据空间形状识别结果来计算货物体积：若空间形状识别结果为立方体形，则计算货物的高度及通过顶面投影计算货物底平面面积，进而得到货物体积；若空间形状识别结果为非立方体形，则将目标货物的点云进行三角网化，积分计算货物的体积。2.如权利要求1所述的基于深度图像的货物体积测量方法，其特征在于，所述预处理点云的操作依次包括ROI区域提取、降采样和离群点去除操作。3.如权利要求2所述的基于深度图像的货物体积测量方法，其特征在于，在ROI区域提取的过程中，选择ROI区域的尺寸为拍摄深度图像的相机视野的3/4。4.如权利要求2所述的基于深度图像的货物体积测量方法，其特征在于，采用体素化进行点云降采样，其过程为：通过一定数量的体素将待预处理的点云全部包围，分别计算每一个体素范围内包含点云的质心，用质心作为相应体素内点云降采样后的值。5.如权利要求2所述的基于深度图像的货物体积测量方法，其特征在于，采用基于统计方法去除离群点。6.如权利要求1所述的基于深度图像的货物体积测量方法，其特征在于，预处理后的点云进行平面估计的过程为：通过随机一致性采样，初步得到底平面附近的点云...

【专利技术属性】
技术研发人员：陈小忠，高桢，冯洋洋，
申请(专利权)人：山东产研信息与人工智能融合研究院有限公司，
类型：发明
国别省市：