本申请实施例提供了物流件的体积测量方法以及装置，用于获取物流件精确的体积数据，为物流运输提供有效的数据支持。本申请实施例提供的物流件的体积测量方法，包括：获取深度图像，其中，深度图像为通过深度摄像头拍摄目标物流件得到；在深度图像中分割出目标面，其中，目标面为承载目标物流件的承载面；将目标面作为后景区域，对深度图像进行前后景分割，并将得到的前景区域对应的图像作为物流件的深度图像；根据物流件的深度图像，计算包围目标物流件的最小长方体；计算最小长方体的体积，作为目标物流件的体积测量结果。作为目标物流件的体积测量结果。作为目标物流件的体积测量结果。
【技术实现步骤摘要】
物流件的体积测量方法以及装置
[0001]本申请涉及物流领域，具体涉及物流件的体积测量方法以及装置。
技术介绍
[0002]与传统摄像头相比，深度摄像头(又可称为深度相机或者3D摄像头)可检测出图像中每个点离摄像头的距离，即可检测出拍摄空间的景深距离，如此可更便于还原真实场景，实现场景建模等应用。典型的，深度摄像头可采用结构光、双目视觉或者光飞行时间法(Time Of Flight，TOF)三种方案。
[0003]近些年来，随着机器视觉、自动驾驶、人脸识别等相关技术的迅速发展，深度摄像头的应用场景也愈加的广泛，尤其是在移动端的应用需求非常强烈。例如，在物流领域，可通过携带深度摄像头的个人数字助理(Personal Digital Assistant，PDA)拍摄物流件，并根据得到的深度图像测量物流件的体积，从而可促进物流工作的数字化管理。
[0004]与此同时可以发现的是，现有的相关技术中，通过物流件的深度图像测量物流件的体积，仍存在精度欠缺的问题。
技术实现思路
[0005]本申请实施例提供了物流件的体积测量方法以及装置，用于获取物流件精确的体积数据，为物流运输提供有效的数据支持。
[0006]第一方面，本申请实施例提供了一种物流件的体积测量方法，方法包括：
[0007]获取深度图像，其中，深度图像为通过深度摄像头拍摄目标物流件得到；
[0008]在深度图像中分割出目标面，其中，目标面为承载目标物流件的承载面；
[0009]将目标面作为后景区域，对深度图像进行前后景分割，并将得到的前景区域对应的图像作为物流件的深度图像；
[0010]根据物流件的深度图像，计算包围目标物流件的最小长方体；
[0011]计算最小长方体的体积，作为目标物流件的体积测量结果。
[0012]结合本申请实施例第一方面，在本申请实施例第一方面第一种可能的实现方式中，在深度图像中分割出目标面包括：
[0013]对深度图像进行平面检测，得到深度图像中包含的几个面；
[0014]依次计算深度图像中包含的几个面到坐标原点的距离，并将距离最大的面选取为目标面。
[0015]结合本申请实施例第一方面第一种可能的实现方式，在本申请实施例第一方面第二种可能的实现方式中，对深度图像进行平面检测，得到深度图像中包含的几个面包括：
[0016]网格化深度图像；
[0017]将深度图像网格化后形成的每个网格内的二维像素点转换为三维坐标点，形成网格点云；
[0018]从网格点云内的三维坐标点中筛选出构成点云平面的目标网格点云；
[0019]对目标网格点云进行聚类，得到聚类平面；
[0020]将尚未聚类的三维坐标点与聚类平面进行聚类，得到深度图像中包含的几个面。
[0021]结合本申请实施例第一方面，在本申请实施例第一方面第三种可能的实现方式中，将目标面作为后景区域，对深度图像进行前后景分割，并将得到的前景区域对应的图像作为物流件的深度图像包括：
[0022]提取目标面的深度值；
[0023]提取深度图像中像素点的深度值低于目标面的深度值的目标像素点；
[0024]将目标像素点形成的连通区域作为前景区域，并将前景区域对应的图像作为物流件的深度图像。
[0025]结合本申请实施例第一方面第三种可能的实现方式，在本申请实施例第一方面第四种可能的实现方式中，将目标像素点形成的连通区域作为前景区域，并将前景区域对应的图像作为物流件的深度图像包括：
[0026]检测深度图像的物流件标识，其中，物流件标识用于标识目标物流件；
[0027]在目标像素点中，以物流件标识所在位置为起点进行聚类，得到连通区域；
[0028]将连通区域作为前景区域，并将前景区域对应的图像作为物流件的深度图像。
[0029]结合本申请实施例第一方面，在本申请实施例第一方面第五种可能的实现方式中，若目标像素点中存在未包含在连通区域的多个未知像素点，将连通区域作为前景区域，并将前景区域对应的图像作为物流件的深度图像之前，方法还包括：
[0030]计算每个未知像素点到目标面的第一距离、每个未知像素点到前景区域的第二距离以及未知像素点两两点之间的第三距离；
[0031]根据第一距离、第二距离以及第三距离，按照距离大小进行聚类，将多个未知像素点归类至目标面或者连通区域。
[0032]结合本申请实施例第一方面，在本申请实施例第一方面第六种可能的实现方式中，根据物流件的深度图像，计算包围目标物流件的最小长方体包括：
[0033]将物流件的深度图像投影至目标面，得到投影图像；
[0034]提取投影图像的边缘点；
[0035]根据边缘点的位置，获取包围投影图像的最小长方形；
[0036]提取物流件的深度图像沿目标面的法向量方向的最大长度；
[0037]以最小长方形为底面，以及以最大长度为高，构建得到包围目标物流件的最小长方体。
[0038]第二方面，本申请实施例提供了一种物流件的体积测量装置，装置包括：
[0039]获取单元，用于获取深度图像，其中，深度图像为通过深度摄像头拍摄目标物流件得到；
[0040]分割单元，用于在深度图像中分割出目标面，其中，目标面为承载目标物流件的承载面；
[0041]分割单元，还用于将目标面作为后景区域，对深度图像进行前后景分割，并将得到的前景区域对应的图像作为物流件的深度图像；
[0042]计算单元，用于根据物流件的深度图像，计算包围目标物流件的最小长方体；
[0043]计算单元，还用于计算最小长方体的体积，作为目标物流件的体积测量结果。
[0044]结合本申请实施例第二方面，在本申请实施例第二方面第一种可能的实现方式中，分割单元，具体用于：
[0045]对深度图像进行平面检测，得到深度图像中包含的几个面；
[0046]依次计算深度图像中包含的几个面到坐标原点的距离，并将距离最大的面选取为目标面。
[0047]结合本申请实施例第二方面第一种可能的实现方式，在本申请实施例第二方面第二种可能的实现方式中，分割单元，具体用于：
[0048]网格化深度图像；
[0049]将深度图像网格化后形成的每个网格内的二维像素点转换为三维坐标点，形成网格点云；
[0050]从网格点云内的三维坐标点中筛选出构成点云平面的目标网格点云；
[0051]对目标网格点云进行聚类，得到聚类平面；
[0052]将尚未聚类的三维坐标点与聚类平面进行聚类，得到深度图像中包含的几个面。
[0053]结合本申请实施例第二方面，在本申请实施例第二方面第三种可能的实现方式中，分割单元，具体用于：
[0054]提取目标面的深度值；
[0055]提取深度图像中像素点的深度值低于目标面的深度值的目标像素点；
[0056]将目标像素点形成的连通区域作本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种物流件的体积测量方法，其特征在于，所述方法包括：获取深度图像，其中，所述深度图像为通过深度摄像头拍摄目标物流件得到；在所述深度图像中分割出目标面，其中，所述目标面为承载所述目标物流件的承载面；将所述目标面作为后景区域，对所述深度图像进行前后景分割，并将得到的前景区域对应的图像作为所述物流件的深度图像；根据所述物流件的深度图像，计算包围所述目标物流件的最小长方体；计算所述最小长方体的体积，作为所述目标物流件的体积测量结果。2.根据权利要求1所述的方法，其特征在于，所述在所述深度图像中分割出目标面包括：对所述深度图像进行平面检测，得到所述深度图像中包含的几个面；依次计算所述深度图像中包含的几个面到坐标原点的距离，并将距离最大的面选取为所述目标面。3.根据权利要求2所述的方法，其特征在于，所述对所述深度图像进行平面检测，得到所述深度图像中包含的几个面包括：网格化所述深度图像；将所述深度图像网格化后形成的每个网格内的二维像素点转换为三维坐标点，形成网格点云；从所述网格点云内的三维坐标点中筛选出构成点云平面的目标网格点云；对所述目标网格点云进行聚类，得到聚类平面；将尚未聚类的三维坐标点与所述聚类平面进行聚类，得到所述深度图像中包含的几个面。4.根据权利要求1所述的方法，其特征在于，所述将所述目标面作为后景区域，对所述深度图像进行前后景分割，并将得到的前景区域对应的图像作为所述物流件的深度图像包括：提取所述目标面的深度值；提取所述深度图像中像素点的深度值低于所述目标面的深度值的目标像素点；将所述目标像素点形成的连通区域作为所述前景区域，并将所述前景区域对应的图像作为所述物流件的深度图像。5.根据权利要求4所述的方法，其特征在于，所述将所述目标像素点形成的连通区域作为所述前景区域，并将所述前景区域对应的图像作为所述物流件的深度图像包括：检测所述深度图像的物流件标识，其中，所述物流件标识用于标识所述目标物流件；在所述目标像素点中，以所述物流件标识所在位置为起点进行聚类，得到所述连通区域；将所述连通区域作为所述前景区域，并将所述前景区域...
【专利技术属性】
技术研发人员：陈紫荣，彭显明，
申请(专利权)人：深圳顺丰泰森控股集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。