一种物流件的体积测量方法、装置以及设备制造方法及图纸

本申请提供了一种物流件的体积测量方法、装置以及设备，用于从平面图像中识别物流件的体积数据，从而可避免现有技术中通过深度图像识别物流件的体积数据所需深度摄像头的硬件成本。本申请提供的物流件的体积测量方法，包括：获取物流件的初始图像，其中，初始图像为拍摄物流件得到的平面图像；识别初始图像的位置标识，其中，位置标识用于标识物流件的上顶面位置；基于位置标识，在初始图像中进行边缘检测处理，确定物流件的目标边缘轮廓数据；根据目标边缘轮廓数据，确定物流件的三维数据，并根据三维数据计算得到物流件的体积数据。根据三维数据计算得到物流件的体积数据。根据三维数据计算得到物流件的体积数据。

【技术实现步骤摘要】
一种物流件的体积测量方法、装置以及设备


[0001]本申请涉及领域，具体涉及一种物流件的体积测量方法、装置以及设备。

技术介绍

[0002]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，以此在物流领域的自动化作业中，进行物流件的体积自动检测。
[0003]而与传统的摄像头相比，深度摄像头(又可称为深度相机或者3D摄像头)可检测出视野中每个点到摄像头之间的距离，换句话说，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。其中，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。
[0004]而在现有的相关技术的研究过程中，专利技术人发现，采用深度图像来实现物流件的体积检测，意味着需要在PDA这些拍摄设备上配置深度摄像头，需要一定的硬件成本，这导致了基于深度图像来实现物流件的体积检测方案，在推广应用的过程中，需要不小的硬件成本。

技术实现思路

[0005]本申请提供了一种物流件的体积测量方法、装置以及设备，用于从平面图像中识别物流件的体积数据，从而可避免现有技术中通过深度图像识别物流件的体积数据所需深度摄像头的硬件成本。
[0006]第一方面，本申请提供了一种物流件的体积测量方法，方法包括：
[0007]获取物流件的初始图像，其中，初始图像为拍摄物流件得到的平面图像；
[0008]识别初始图像的位置标识，其中，位置标识用于标识物流件的上顶面位置；
[0009]基于位置标识，在初始图像中进行边缘检测处理，确定物流件的目标边缘轮廓数据；
[0010]根据目标边缘轮廓数据，确定物流件的三维数据，并根据三维数据计算得到物流件的体积数据。
[0011]结合本申请第一方面，在本申请第一方面第一种可能的实现方式中，基于位置标识，在初始图像中进行边缘检测处理，确定物流件的目标边缘轮廓数据包括：
[0012]将初始图像输入边缘检测模型进行边缘检测处理，得到物流件的初始边缘轮廓数据，其中，边缘检测模型是由标注有物流件轮廓的不同图像训练初始神经网络模型得到的；
[0013]判断位置标识所标识的上顶面位置，是否对应初始边缘轮廓数据所指示的物流件轮廓的上部区域；
[0014]若是，则确定初始边缘轮廓数据为目标边缘轮廓数据。
[0015]结合本申请第一方面第一种可能的实现方式，在本申请第一方面第二种可能的实现方式中，确定初始边缘轮廓数据为目标边缘轮廓数据包括：
[0016]确定初始边缘轮廓数据中存在的初始顶点的数量；
[0017]若初始顶点的数量不是六个，则对初始顶点进行修正处理，以将初始顶点的数量修正为六个；
[0018]将修正处理后的初始边缘轮廓数据确定为目标边缘轮廓数据。
[0019]结合本申请第一方面第二种可能的实现方式，在本申请第一方面第三种可能的实现方式中，若初始顶点的数量不是六个，则对初始顶点进行修正处理，以将初始顶点的数量修正为六个包括：
[0020]若初始顶点的数量大于六个，根据预设的物流件的几何特征数据，识别并删除初始顶点中的冗余点，以将初始顶点的数量修正为六个；
[0021]或者，若初始顶点的数量小于六个，对初始边缘轮廓数据进行骨架化处理，得到骨架数据；
[0022]对骨架数据中的点进行直线拟合处理，得到多条直线，并当直线的数量小于六条时，结合边缘点与直线之间的距离，继续进行拟合，直至直线可构成多边形且数量达到六条，以将初始顶点的数量修正为六个。
[0023]结合本申请第一方面，在本申请第一方面第四种可能的实现方式中，判断位置标识所标识的上顶面位置，是否对应初始边缘轮廓数据所指示的物流件轮廓的上部区域包括：
[0024]提取位置标识在初始图像中的所在位置，作为位置标识所标识的上顶面位置；
[0025]判断所在位置是否处于初始边缘轮廓数据所指示的物流件轮廓的上部区域中；
[0026]若是，则确定位置标识所标识的上顶面位置，对应初始边缘轮廓数据所指示的物流件轮廓的上部区域。
[0027]结合本申请第一方面，在本申请第一方面第五种可能的实现方式中，根据目标边缘轮廓数据，确定物流件的三维数据包括：
[0028]获取位置标识对应的真实尺寸数据；
[0029]根据真实尺寸数据以及位置标识在初始图像中的像素坐标数据，确定像素坐标系到世界坐标系之间的坐标转换关系；
[0030]基于坐标转换关系，将目标边缘轮廓数据转化为三维数据。
[0031]结合本申请第一方面，在本申请第一方面第六种可能的实现方式中，根据三维数据计算得到物流件的体积数据之后，方法还包括：
[0032]根据体积数据，生成物流件的分拣策略、运输策略或者物流报价。
[0033]第二方面，本申请提供了一种物流件的体积测量装置，装置包括：
[0034]收发单元，用于获取物流件的初始图像，其中，初始图像为拍摄物流件得到的平面图像；
[0035]处理单元，用于识别初始图像的位置标识，其中，位置标识用于标识物流件的上顶面位置；基于位置标识，在初始图像中进行边缘检测处理，确定物流件的目标边缘轮廓数据；根据目标边缘轮廓数据，确定物流件的三维数据，并根据三维数据计算得到物流件的体积数据。
[0036]结合本申请第二方面，在本申请第二方面第一种可能的实现方式中，处理单元，具体用于：
[0037]将初始图像输入边缘检测模型进行边缘检测处理，得到物流件的初始边缘轮廓数据，其中，边缘检测模型是由标注有物流件轮廓的不同图像训练初始神经网络模型得到的；
[0038]判断位置标识所标识的上顶面位置，是否对应初始边缘轮廓数据所指示的物流件轮廓的上部区域；
[0039]若是，则确定初始边缘轮廓数据为目标边缘轮廓数据。
[0040]结合本申请第二方面第一种可能的实现方式，在本申请第二方面第二种可能的实现方式中，处理单元，具体用于：
[0041]确定初始边缘轮廓数据中存在的初始顶点的数量；
[0042]若初始顶点的数量不是六个，则对初始顶点进行修正处理，以将初始顶点的数量修正为六个；
[0043]将修正处理后的初始边缘轮廓数据确定为目标边缘轮廓数据。
[0044]结合本申请第二方面第二种可能的实现方式，在本申请第二方面第三种可能的实现方式中，处理单元，具体用于：
[0045]若初始顶点的数量大于六个，根据预设的物流件的几何特征数据，识别并删除初始顶点中的冗余点，以将初始顶点的数量修正为六个；
[0046]或者，若初始顶点的数量小于六个，对初始边缘轮廓数据进行骨架化处理，得到骨架数据；<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：获取物流件的初始图像，其中，所述初始图像为拍摄所述物流件得到的平面图像；识别所述初始图像的位置标识，其中，所述位置标识用于标识所述物流件的上顶面位置；基于所述位置标识，在所述初始图像中进行边缘检测处理，确定物流件的目标边缘轮廓数据；根据所述目标边缘轮廓数据，确定所述物流件的三维数据，并根据所述三维数据计算得到所述物流件的体积数据。2.根据权利要求1所述的方法，其特征在于，所述基于所述位置标识，在所述初始图像中进行边缘检测处理，确定物流件的目标边缘轮廓数据包括：将所述初始图像输入边缘检测模型进行边缘检测处理，得到所述物流件的初始边缘轮廓数据，其中，所述边缘检测模型是由标注有物流件轮廓的不同图像训练初始神经网络模型得到的；判断所述位置标识所标识的所述上顶面位置，是否对应所述初始边缘轮廓数据所指示的物流件轮廓的上部区域；若是，则确定所述初始边缘轮廓数据为所述目标边缘轮廓数据。3.根据权利要求2所述的方法，其特征在于，所述确定所述初始边缘轮廓数据为所述目标边缘轮廓数据包括：确定所述初始边缘轮廓数据中存在的初始顶点的数量；若所述初始顶点的数量不是六个，则对所述初始顶点进行修正处理，以将所述初始顶点的数量修正为六个；将修正处理后的所述初始边缘轮廓数据确定为所述目标边缘轮廓数据。4.根据权利要求3所述的方法，其特征在于，所述若所述初始顶点的数量不是六个，则对所述初始顶点进行修正处理，以将所述初始顶点的数量修正为六个包括：若所述初始顶点的数量大于六个，根据预设的物流件的几何特征数据，识别并删除所述初始顶点中的冗余点，以将所述初始顶点的数量修正为六个；或者，若所述初始顶点的数量小于六个，对所述初始边缘轮廓数据进行骨架化处理，得到骨架数据；对所述骨架数据中的点进行直线拟合处理，得到多条直线，并当所述直线的数量小于六条时，结合边缘点与所述直线之间的距离，继续进行拟合，直至所述直线可构成多边形且数量达到六条，以将所述初始顶...

【专利技术属性】
技术研发人员：李梦琴，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：