基于AR与枪球联动的高位物料可视化方法技术

本发明专利技术涉及图像处理技术领域，具体涉及基于AR与枪球联动的高位物料可视化方法，该方法包括：获取物料架上物料的全局图像及其上的高位物料图像，获取物料的条码图像及条码图像的中条码线与水平方向的夹角值，获取条码图像的边缘图像的霍夫图像，计算霍夫图像中霍夫点的极角值与夹角值的差值绝对值，计算霍夫点属于条码图像中条码线的概率值，确定条码线对应的目标霍夫点，对目标霍夫点进行聚类得到最终霍夫点并得到其对应的最终条码线，对最终条码线的像素点进行二值化，将二值化后的二值图像对应的物料信息投影至全局图像中对应的物料区域并传输至AR眼镜进行可视化，本发明专利技术提高了物料信息获取的精度，进而提高了物料信息可视化的准确度。的准确度。的准确度。

【技术实现步骤摘要】
基于AR与枪球联动的高位物料可视化方法


[0001]本专利技术涉及图像处理
，具体涉及基于AR与枪球联动的高位物料可视化方法。

技术介绍

[0002]随着物流行业的价值逐渐被重视，物流仓储成为热点之一，但是由于我国物流仓储业起步较晚，传统物流仓储的以下痛点制约着行业的发展：
[0003]1、效率低下，效率低下的情况主要出现在仓库刚刚开始运作的阶段或新的工作人员进入仓库，由于工作人员对仓库布局、货物摆放、工作流程等不是很熟悉，人员之间缺乏了解和工作默契，或因为前期设备、人员准备不重复，导致订单不能有效准时备货和发货。
[0004]2、库存混乱，库存混乱的第一个表现就在于库存不准确，当工作人员根据订单备货时，无法在相应的位置找到对应的货物，导致仓库运转效率低下，同时出现不必要的错误和损失；
[0005]3、盘点商品太多，出入库数据不准确，盘点可以挽救，若遇到大量数据需要盘点，盘点的过程不会有趣，甚至枯燥，并由于人工清点容易出现误差。
[0006]随着AR物流管理技术的出现，大幅度降低的仓储成本以及提高了效率性和准确性，员工佩戴上AR智能眼镜后(可自由选择是否搭配扫码指环)，利用摄像机所采集得到的图像，实现对货物进行二维码、条码、标签、文数字OCR等进行识别，匹配对应的货物信息，员工可以在眼镜端看到相关仓储信息或者作业工单，实现智能视觉分拣与仓储管理。
[0007]在采集图像过程中，由于获取在仓库内都是摆放在物料架上的，因此，对每个物料进行图像采集时，由于物料摆放的不规则，且相机的采集范围是有限的，故位于物料架上的高位置的物料作为高位物料，在物料图像采集时是通过相机对物料图像获取，然而高位物料与相机正对的物料中的条码尺寸视觉差异大，导致在对应条码识别时可能并不能准确识别，进而无法准确获取高位处的物料信息，影响物料的收发货，从而导致经济损失。
[0008]因此，需要提供基于AR与枪球联动的高位物料可视化方法，予以解决上述问题。

技术实现思路

[0009]本专利技术提供基于AR与枪球联动的高位物料可视化方法，以解决现有的问题。
[0010]本专利技术的基于AR与枪球联动的高位物料可视化方法采用如下技术方案：该方法包括：
[0011]获取物料架上所有物料的全局图像及物料架上的高位物料图像；
[0012]获取高位物料图像中每个物料的条码图像，并获取条码图像的中条码线与水平方向的夹角值；
[0013]获取条码图像的边缘图像并得到边缘图像的霍夫图像，并获取霍夫图像中各个霍夫点的极角值，计算霍夫点的极角值与该霍夫点对应的条码线与水平方向的夹角值的差值绝对值；
[0014]获取霍夫图像中各个霍夫点的霍夫值，根据每个霍夫点对应的霍夫值、差值绝对值计算每个霍夫点属于条码图像中条码线的概率值；
[0015]根据每个霍夫点属于条码图像中条码线的概率值确定所有条码线对应的目标霍夫点，对所有目标霍夫点进行密度聚类得到多个目标霍夫点类别，将每个目标霍夫点类别中的中心点对应的目标霍夫点作为最终霍夫点，获取每个最终霍夫点对应的最终条码线；
[0016]计算每两条相邻的最终条码线之间的平均灰度值，根据每个平均灰度值对其对应的两条相邻的最终条码线上的像素点进行二值化，并得到条码图像的二值图像，获取二值图像对应的物料信息；
[0017]将每个二值图像对应的物料信息投影至全局图像中对应的物料区域并传输至AR眼镜进行可视化。
[0018]优选的，获取物料架上所有物料的全局图像及物料架上的高位物料图像的步骤包括：
[0019]采用枪式相机采集物料架上所有物料的全局图像；
[0020]采用智能球摄像机获取物料架上高位物料图像。
[0021]优选的，利用模板匹配的方法获取高位物料图像中每个物料上的条码图像。
[0022]优选的，获取条码图像的中条码线与水平方向的夹角值的步骤包括：
[0023]获取条码图像的边缘图像；
[0024]获取边缘图像中的所有连通域，并获取每个连通域的中心点坐标；
[0025]根据所有连通域的中心点坐标利用主成分分析算法得到最小特征值对应的目标主成分方向；
[0026]对目标主成分方向进行奇异值分解得到第一特征值和第二特征值；
[0027]将第一特征值与第二特征值的比值作为条码图像中的条码线的斜率；
[0028]根据条码线的斜率得到条码线与水平方向的夹角值。
[0029]优选的，霍夫点对应的霍夫值为霍夫点对应的条码线经过边缘图像中有值像素点个数。
[0030]优选的，根据每个霍夫点对应的霍夫值、差值绝对值计算每个霍夫点属于条码图像中条码线的概率值的公式：
[0031]P
n
＝exp(
‑
Cn)
×
f
n
[0032]式中，P
n
表示霍夫点n属于条码图像中条码线的概率值；
[0033]Cn表示霍夫点n的极角值与霍夫点n对应的条码线与水平方向的夹角值的差值绝对值；
[0034]f
n
表示霍夫点n的霍夫值。
[0035]优选的，根据每个霍夫点属于条码图像中条码线的概率值确定所有条码线对应的目标霍夫点的步骤包括：
[0036]对所有霍夫点对应的属于条码图像中条码线的概率值进行二分类；
[0037]分别获取两个分类内概率值的平均值；
[0038]将两个分类对应的平均值中大的平均值对应的霍夫点记为目标霍夫点，反之，则记为噪声点。
[0039]优选的，利用DBSCAN算法密度聚类对所有目标霍夫点进行密度聚类得到多个目标
霍夫点类别。
[0040]优选的，根据每个平均灰度值对其对应的两条相邻的最终条码线上的像素点进行二值化的步骤包括：
[0041]根据每个平均灰度值对其对应的两条相邻的最终条码线上的像素点进行二分类得到两类像素点；
[0042]将两类像素点中像素点灰度值大于平均灰度值的像素点类别中像素点的灰度值置为1；
[0043]将两类像素点中像素点灰度值小于平均灰度值的像素点类别中像素点的灰度值置为0。
[0044]本专利技术的有益效果是：本专利技术的基于AR与枪球联动的高位物料可视化方法，通过枪机相机采集全局图像，智能球摄像机采集每个物料的局部信息，然后通过图像处理技术对每个物料的局部条码信息进行处理，对条码图像的条码线进行准确获取并进行增强，从而得到增强后的条码图像的二值图，利用条码图像的二值图实现对条码图像的二值图中的物料信息获取，同时将物料信息投影至全局图像中对应的物料区域并传输至AR眼镜进行可视化，从而实现了对高位物料的条码图像信息进行精确识别，从而提高物料信息可视化的精准度，进一步避免产生积极损失。
附图说明
[0045]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于AR与枪球联动的高位物料可视化方法，其特征在于，该方法包括：获取物料架上所有物料的全局图像及物料架上的高位物料图像；获取高位物料图像中每个物料的条码图像，并获取条码图像的中条码线与水平方向的夹角值；获取条码图像的边缘图像并得到边缘图像的霍夫图像，并获取霍夫图像中各个霍夫点的极角值，计算霍夫点的极角值与该霍夫点对应的条码线与水平方向的夹角值的差值绝对值；获取霍夫图像中各个霍夫点的霍夫值，根据每个霍夫点对应的霍夫值、差值绝对值计算每个霍夫点属于条码图像中条码线的概率值；根据每个霍夫点属于条码图像中条码线的概率值确定所有条码线对应的目标霍夫点，对所有目标霍夫点进行密度聚类得到多个目标霍夫点类别，将每个目标霍夫点类别中的中心点对应的目标霍夫点作为最终霍夫点，获取每个最终霍夫点对应的最终条码线；计算每两条相邻的最终条码线之间的平均灰度值，根据每个平均灰度值对其对应的两条相邻的最终条码线上的像素点进行二值化，并得到条码图像的二值图像，获取二值图像对应的物料信息；将每个二值图像对应的物料信息投影至全局图像中对应的物料区域并传输至AR眼镜进行可视化。2.根据权利要求1所述的基于AR与枪球联动的高位物料可视化方法，其特征在于，获取物料架上所有物料的全局图像及物料架上的高位物料图像的步骤包括：采用枪式相机采集物料架上所有物料的全局图像；采用智能球摄像机获取物料架上高位物料图像。3.根据权利要求1所述的基于AR与枪球联动的高位物料可视化方法，其特征在于，利用模板匹配的方法获取高位物料图像中每个物料上的条码图像。4.根据权利要求1所述的基于AR与枪球联动的高位物料可视化方法，其特征在于，获取条码图像的中条码线与水平方向的夹角值的步骤包括：获取条码图像的边缘图像；获取边缘图像中的所有连通域，并获取每个连通域的中心点坐标；根据所有连通域的中心点坐标利用主成分分析算法得到最小特征值对应的目标主成分方向；对目标主成分方向进行奇异值分解得到第一特征值和第二特征值；将第...

【专利技术属性】
技术研发人员：陈长健，卢艳华，邱超，庄思越，崔刘帅，王光辉，郭浩，孙远，袁穆，
申请(专利权)人：南京中车浦镇工业物流有限公司，
类型：发明
国别省市：