[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN114396875B - 一种基于深度相机垂直拍摄的长方形包裹体积测量方法 - Google Patents

一种基于深度相机垂直拍摄的长方形包裹体积测量方法 Download PDF

Info

Publication number
CN114396875B
CN114396875B CN202210052053.2A CN202210052053A CN114396875B CN 114396875 B CN114396875 B CN 114396875B CN 202210052053 A CN202210052053 A CN 202210052053A CN 114396875 B CN114396875 B CN 114396875B
Authority
CN
China
Prior art keywords
package
depth
minimum circumscribed
camera
points
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210052053.2A
Other languages
English (en)
Other versions
CN114396875A (zh
Inventor
单建华
于斐斐
孙宇昊
丁星宇
吕权权
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui University of Technology AHUT
Original Assignee
Anhui University of Technology AHUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui University of Technology AHUT filed Critical Anhui University of Technology AHUT
Priority to CN202210052053.2A priority Critical patent/CN114396875B/zh
Publication of CN114396875A publication Critical patent/CN114396875A/zh
Application granted granted Critical
Publication of CN114396875B publication Critical patent/CN114396875B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于深度相机垂直拍摄的长方形包裹体积测量方法，涉及包裹体积测量技术领域。本发明的测量方法，利用垂直拍摄的深度相机获取包裹的规则深度图；再根据深度图中随机选取的部分像素点邻域内的深度梯度信息进行阈值选取，分别分割出平面区域和边缘区域；再对平面区域提取最小外接矩形并去除尺寸过小的最小外接矩形，然后根据包裹上表面距离相机最近原则，得到包裹上表面的最小外接矩形区域；再对该最小外接矩形区域寻找边界像素点；得到四条边界线并计算这四条边界线的四个交点，将四个交点投影到包裹，计算投影后相邻交点间的距离；通过该最小外接矩形区域外侧附近的深度距离值，与内部深度距离值之差为包裹高度，从而计算出包裹体积。

Description

一种基于深度相机垂直拍摄的长方形包裹体积测量方法
技术领域
本发明涉及包裹体积测量技术领域，更具体地说是一种基于深度相机垂直拍摄的长方形包裹体积测量方法。
背景技术
近年来随着互联网和电子商务的快速发展，物流业已从传统的人力密集型转为技术密集型的智慧物流。物流中包裹的体积数据在智慧物流中非常重要，相对于重量等其他数据更难获得，不管是对单个包裹还是多个堆叠在一起的包裹，如何能准确便捷地获取其体积具有重要的研究价值。
专利CN100570275C提出了一种基于图像的体积测量装置及其测量方法，采用了三个相机对被测物体进行三维重构，其标定过程较为复杂，操作较为繁琐。
专利CN104501718A提出了一种基于视觉的包裹体积测量装置，采用光幕传感装置和相机相结合的方式测量物体体积，采用了多个传感设备，安装复杂，成本较高。
专利CN109961468A提出了一种基于双目视觉的体积测量方法、装置及存储介质，需要基于全图的稠密深度，在处理深度图时大多数区域信息是无用的，耗费资源，经济性不高。
专利CN109029618A提出了一种单目视觉包装箱体积测量方法，使用单目相机和单点距离传感器测量体积的方法，基于单目二维图像检测、分割包裹轮廓，容易受包裹上表面纹理影响，测量准确度会存在一定问题。
发明内容
1.发明要解决的技术问题
针对现有技术中的物流业的智慧物流中包裹体积测量人工测量效率低、用多相机对包裹进行三维重构标定过程复杂、操作较为繁琐的问题，本发明提出一种基于深度相机垂直拍摄的长方形包裹体积测量方法，可完全替代人工完成包裹尺寸测量，有效提高测量精度，提高作业效果。
2.技术方案
为达到上述目的，本发明提供的技术方案为：
一种基于深度相机垂直拍摄的长方形包裹体积测量方法，包括以下步骤：
S1、利用垂直拍摄的深度相机获取包裹的规则深度图；
S2、根据深度图中随机选取的部分像素点邻域内的深度梯度信息进行阈值选取，分别分割出平面区域和边缘区域；
S3、对平面区域提取最小外接矩形并去除尺寸过小的最小外接矩形，然后根据包裹上表面距离相机最近原则，可得到包裹上表面的最小外接矩形区域；
S4、对该最小外接矩形区域寻找边界像素点；
S5、对边界像素点进行直线拟合，得到四条边界线并计算这四条边界线的四个交点，将四个交点投影到包裹上表面，计算投影后相邻交点间的距离，得到包裹的长宽；
S6、该最小外接矩形区域外侧附近的深度距离值，与内部深度距离值之差为包裹的高度，从而计算出包裹的体积。
进一步的技术方案，步骤S2中，具体为：
A、随机选取总像素的a％像素点，计算每个选取的像素点与其邻域内相距b个像素距离的8个像素点的深度距离差值的绝对值，得到一数组，令该数组的第T1百分位数为第一分割阈值，第T2百分位数为第二分割阈值，且T1小于T2；
B、遍历深度图中所有像素点，计算当前像素点与其邻域内相距b个像素距离的8个像素点的深度距离差值的绝对值，如果小于第一分割阈值，则当前像素点为平面点，如果大于第二分割阈值，则当前像素点为边缘点；
C、所有平面点组成平面区域，所有边缘点组成边缘区域。
进一步的技术方案，步骤S3中，具体为：
A、对平面区域提取最小外接矩形，去除边长小于d个像素的最小外接矩形；
B、计算每个最小外接矩形对应的轮廓中所有像素点的深度值的中值，获得所有最小外接矩形对应的轮廓的中值数组，然后根据包裹上表面距离相机最近原则，取中值数组的最小值所对应的最小外接矩形为包裹上表面的最小外接矩形区域。
进一步的技术方案，步骤S4中，具体为：
A、获得包裹上表面所对应的最小外接矩形的四个顶点像素坐标P1P2P3P4，边长分别为P1P2＝L1，P1P4＝L2；
B、分别取对边P1P4和P2P3的中点M1、M2，对线段M1M2上的每个像素点p，分别沿向量P1P2正反两个方向，在e*L2范围内寻找第一个边缘点且e大于0.5；如果找到，则该边缘点为像素点p的边界像素点；如果没有找到，则像素点p没有对应的边界像素点；这样就获得了边P1P2和边P3P4所对应的边界像素点集合；
C、同理也可以得到边P1P4和边P2P3所对应的边界像素点集合。
进一步的技术方案，步骤S5中，具体为：
A、分别对每条边对应的边界像素点集合进行直线拟合，得到四条边界线的直线方程；
B、把相邻两条直线的交点作为包裹上表面矩形的顶点，这样得到四个顶点；
C、将四个顶点投影到包裹上表面，根据投影后的顶点距离得到包裹的长宽；
进一步的技术方案，步骤S6中，具体为：
A、根据包裹上表面所对应的最小外接矩形的四个顶点像素坐标P1P2P3P4，分别从P1，P2点沿向量P4P1方向，在f*L2距离处取点Q1，Q2，得到边P1P2对应的矩形区域P1P2Q2Q1，同理可得到另外三边对应的矩形区域；
B、获得这四个矩形区域内所有的平面点的深度值，取这些深度值的第T百分位数，即为包裹上表面所对应的最小外接矩形区域外侧附近的深度距离值，由于矩形区域外侧为包裹支撑面，这样就获得包裹支撑面距离相机的距离值；
C、获得矩形区域P1P2P3P4内所有的平面点的深度值，取这些深度值的中值，得到最小外接矩形区域内部的深度距离值，为包裹上表面距离相机的距离值；
D、包裹上表面距离相机的距离值与包裹支撑面距离相机的距离值之差为包裹的高度。
进一步的技术方案，步骤S5中，将四个顶点投影到包裹上表面，通过以下公式进行变换：
其中，(C，R)为边界像素点的二维像素坐标，(x，y，z)为相机坐标系下的边界像素点投影后的三维坐标，fx和fy为有效焦距，(C0，R0)为像素基准点，Z为包裹上表面距离相机的距离值。
进一步的技术方案，步骤S6中，f为0.2～0.4；第T百分位数为第70～80百分位数。
3.有益效果
采用本发明提供的技术方案，与现有技术相比，具有如下有益效果：
(1)本发明的基于深度相机垂直拍摄的长方形包裹体积测量方法，通过深度相机获取的深度信息提取待测对象，并将待测对象的二维图像坐标转换到三维空间坐标，然后对包裹进行体积测量，无需标定；并利用深度图中各个相邻像素点之间的深度距离的差异性，基于阈值分别提取出平面区域和边缘区域。对平面区域提取出最小外接矩形，应用于场景中存在多个干扰物体，保证包裹都被检测到；
(2)本发明的基于深度相机垂直拍摄的长方形包裹体积测量方法，通过包裹离相机距离最近原则，得到包裹上表面的最小外接矩形区域，使之能适应复杂场景；由该矩形区域由内向外进行寻找包裹的边界点并拟合四条边界线的直线方程，计算四条直线的交点，得到包裹的长和宽，精度高，稳定可靠；
(3)本发明的基于深度相机垂直拍摄的长方形包裹体积测量方法，通过分别计算包裹的最小外接矩形区域内部和外侧的平面点的深度距离值的中值，得到包裹高度值，精度高，稳定可靠；
(4)本发明的基于深度相机垂直拍摄的长方形包裹体积测量方法，整个步骤过程都是处理二维深度数据而不是三维点云数据，且不存在时间复杂度高的算法，故实时性好；
(4)本发明的基于深度相机垂直拍摄的长方形包裹体积测量方法，基于VisualStudio 2019软件，利用第三方库PCL、OpenCV，采用C++语言代码实现整个实施案例系统，在CPU为AMD-R7-5800H的windows10系统中运行，处理单张深度相机获取的640x480分辨率的规则深度图像，计算时间在8ms以内，长、宽、高精度误差在3mm以内。
附图说明
图1是本发明的步骤流程示意图；
图2是本发明实施例中涉及的深度相机安装位置结构示意图；
图3是本发明实施例中寻找包裹上表面边界点示意图；
图4是本发明实施例中寻找包裹上表面外侧平面点示意图；
图5(a)是本发明实施例2涉及的单个包裹在视觉相机光线投影的结构示意图；
图5(b)是本发明实施例2中测量单个包裹点云及边界效果图；
图6(a)是本发明实施例3涉及的复杂场景中包裹在视觉相机光线投影的结构示意图；
图6(b)是本发明实施例3中测量复杂场景中包裹的点云及边界效果图。
图中：1、深度相机；2、包裹；21、上表面；22、侧面；23、支撑面。
具体实施方式
为进一步了解本发明的内容，结合附图对发明作详细描述。
实施例1
本实施例的基于深度相机垂直拍摄的长方形包裹体积测量方法，如图1所示，包括以下步骤：
S1，利用垂直拍摄的深度相机1获取包裹2的规则深度图像；
其中，如图2所示，深度相机1设置在包裹2正上方，其拍摄方向垂直于包裹2；
深度相机1中的数据处理控制模块控制深度相机的开启和关闭，获得深度图像。
其中，深度相机1获得深度图像，是按照一行一行依次规则排列的，形成规则的深度图像，分辨率选定为640*480。
S2，根据深度图中随机选取的部分像素点邻域内的深度梯度信息进行阈值选取，分别分割出平面区域和边缘区域；
其中，由于深度相机不能拍摄到包裹侧面22，故包裹侧面22内像素点的深度值差值较大，由于深度相机正面拍摄到包裹的上表面21与支撑面23，故这两个平面区域像素点的深度值差值很小；
其中，长方形包裹的上表面21与支撑面23的接近平行，两平面属于平面区域，两平面之间的包裹侧面22属于边缘区域；
随机选取总像素的10～20％像素点，以确定参考阈值，反映整体像素点的深度距离差值情况，并可节省运算时间，计算每个选取的像素点与其邻域内相距3～6个像素距离的8个像素点的深度距离差值的绝对值，(其中，3～6的取值范围是避免过近距离的噪点影响，避免过远距离的点的无效深度距离差值)得到一数组，取第85～90百分位数为第一分割阈值，取第96～98百分位数为第二分割阈值，这两个取值是基于获取包裹的深度图全部像素点中大部分为平面区域，小部分为边缘区域，其平面区域像素点的深度距离差值较小，其边缘区域深度距离差值较大；
遍历深度图中所有像素点，计算当前像素点与其邻域内相距3～6个像素距离的8个像素点的深度距离差值的绝对值，(其中，3～6的取值范围是与上述阈值设定过程相同，保证分割有效)如果小于第一分割阈值，则将当前像素点列为平面点，如果大于第二分割阈值，则将当前像素点列为边缘点；
所有平面点组成平面区域，所有边缘点组成边缘区域。
S3，对平面区域提取最小外接矩形并去除尺寸过小的最小外接矩形，然后根据包裹上表面距离相机最近原则，可得到包裹上表面的最小外接矩形区域；对平面区域提取最小外接矩形；
可选的，利用OpenCV中findContours函数对深度图中平面区域提取最小外接矩形，findContours函数中采用RETR_LIST参数提取轮廓的边界点；
根据最小外接矩形每个边长值需大于20个像素(包裹的边长一般要有一定长度，小于20个像素长度的视为噪点影响产生的矩形，需要去除)，从而去除尺寸过小的最小外接矩形；
计算每个最小外接矩形对应的轮廓中所有像素点的深度值序列的中值，获得所有轮廓的中值数组，然后根据包裹上表面距离相机最近原则，取中值数组的最小值所对应的最小外接矩形为包裹上表面的最小外接矩形区域。
S4，对该最小外接矩形区域寻找边界像素点；
具体的，如图3所示，首先获得包裹上表面所对应的最小外接矩形的四个顶点像素坐标P1P2P3P4，边长分别为P1P2＝L1，P1P4＝L2。分别取对边P1P4和P2P3的中点M1、M2。对线段M1M2上的每个像素点p，分别沿向量P1P2正反两个方向，在(0.55～0.75)*L2范围内寻找第一个边缘点(从矩形框的中线往外寻找边界像素点，边界像素点一般要在其0.5*边长处，稍大于0.5*边长距离寻找，保证寻找到所有边界点)。如果找到则该边缘点为像素点p的边界像素点；如果没有找到则像素点p没有对应的边界像素点。这样就获得了边P1P2和边P3P4所对应的边界像素点集合；
同理也可以得到边P1P4和边P2P3所对应的边界像素点集合。
S5，对边界像素点进行直线拟合，得到四条边界线并计算这四条边界线的四个交点，将四个交点投影到包裹上表面，计算投影后相邻交点间的距离，得到包裹的长宽；
具体的，分别对每条边对应的边界像素点集合进行直线拟合，得到四条边界线的直线方程；
把相邻两条直线的交点作为包裹上表面矩形的顶点，这样得到四个顶点；
将四个顶点投影到包裹上表面，通过以下公式进行变换：
其中，(C，R)为边界像素点的二维像素坐标，(x，y，z)为相机坐标系下的边界像素点投影后的三维坐标，fx和fy为有效焦距，(C0，R0)为像素基准点，Z为包裹上表面距离相机的距离值。
如一个顶点的二维像素坐标(C，R)为(350，250)，包裹上表面距离相机的距离值Z为600，有效焦距fx＝556.433，fy＝559.148；像素基准点(C0，R0)为(326.056，245.587)；根据公式计算，
得到此顶点投影后的三维坐标：(25.819，4.735，600)。
根据投影后的顶点距离得到包裹的长宽；
S6，该最小外接矩形区域外侧附近的深度距离值，与内部深度距离值之差为包裹的高度；
如图4所示，其中，首先根据包裹上表面所对应的最小外接矩形的四个顶点像素坐标P1P2P3P4，分别从P1，P2点沿向量P4P1方向，在(0.2～0.4)*L2距离处取点Q1，Q2，得到边P1P2对应的矩形区域P1P2Q2Q1，同理可得到另外三边对应的矩形区域，取值0.2～0.4，目的是从获取的矩形区域往外扩大一点距离，寻找包裹支撑面的点，针对快递包裹的特殊形式而言，0.2～0.4的取值范围是发明人针对经批量数据采集分析获取，符合从获取的矩形区域往外扩大一点距离的要求。
获得这四个矩形区域内所有的平面点的深度值，取这些深度值的第70～80百分位数，即为包裹上表面所对应的最小外接矩形区域外侧附近的深度距离值，由于矩形区域外侧为包裹支撑面，这样就获得包裹支撑面距离相机的距离值。
获得矩形区域P1P2P3P4内所有的平面点的深度值，取这些深度值的中值，得到最小外接矩形区域内部的深度距离值，为包裹上表面距离相机的距离值。
包裹上表面距离相机的距离值与包裹支撑面距离相机的距离值之差为包裹的高度。
从而计算出包裹的体积。
实施例2
本实施例的基于深度相机垂直拍摄的长方形包裹体积测量方法，具体步骤同实施例1，
如图5所示，其中，图5(a)是涉及的单个包裹在视觉相机光线投影的结构示意图，其实际尺寸为长295mm，宽240mm，高125mm。
图5(b)是本实施例中测量单个包裹点云及边界效果图，经本发明S1至6的步骤后的处理计算结果为长294mm，宽240mm，高126mm。
实施例3
本实施例的基于深度相机垂直拍摄的长方形包裹体积测量方法，具体步骤同实施例1，
如图6所示，其中，图6(a)是涉及的复杂场景中包裹在视觉相机光线投影的结构示意图，其最上层为待测包裹，实际尺寸为长130mm，宽80mm，高58mm，其余为设置的干扰物体。
图6(b)是本实施例中测量复杂场景中包裹的点云及边界效果图，经本发明S1至6的步骤后，方法准确识别到待测包裹，并得处理计算结果为长132mm，宽81mm，高57mm。
以上实施例均基于Visual Studio 2019软件，利用第三方库PCL、OpenCV，采用C++语言代码实现整个实施案例系统，在CPU为AMD-R7-5800H的windows10系统中运行，处理单张深度相机获取的640x480分辨率的规则深度图像，计算时间在8ms以内，长、宽、高精度误差在3mm以内。
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性地设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。

Claims (6)

1.一种基于深度相机垂直拍摄的长方形包裹体积测量方法，其特征在于，包括以下步骤：
S1、利用垂直拍摄的深度相机获取包裹的规则深度图；
S2、根据深度图中随机选取的部分像素点邻域内的深度梯度信息进行阈值选取，分别分割出平面区域和边缘区域；
S3、对平面区域提取最小外接矩形并去除尺寸过小的最小外接矩形，然后根据包裹上表面距离相机最近原则，得到包裹上表面的最小外接矩形区域；
S4、对该最小外接矩形区域寻找边界像素点；
S5、对边界像素点进行直线拟合，得到四条边界线并计算这四条边界线的四个交点，将四个交点投影到包裹上表面，计算投影后相邻交点间的距离，得到包裹的长宽；
S6、该最小外接矩形区域外侧附近的深度距离值，与内部深度距离值之差为包裹的高度，从而计算出包裹的体积；
步骤S2中，具体为：
A、随机选取总像素的a％像素点，计算每个选取的像素点与其邻域内相距b个像素距离的8个像素点的深度距离差值的绝对值，得到一数组，令该数组的第T1百分位数为第一分割阈值，第T2百分位数为第二分割阈值，且T1小于T2；
B、遍历深度图中所有像素点，计算当前像素点与其邻域内相距b个像素距离的8个像素点的深度距离差值的绝对值，如果小于第一分割阈值，则当前像素点为平面点，如果大于第二分割阈值，则当前像素点为边缘点；
C、所有平面点组成平面区域，所有边缘点组成边缘区域。
2.根据权利要求1所述的一种基于深度相机垂直拍摄的长方形包裹体积测量方法，其特征在于：步骤S3中，具体为：
A、对平面区域提取最小外接矩形，去除边长小于d个像素的最小外接矩形；
B、计算每个最小外接矩形对应的轮廓中所有像素点的深度值的中值，获得所有最小外接矩形对应的轮廓的中值数组，然后根据包裹上表面距离相机最近原则，取中值数组的最小值所对应的最小外接矩形为包裹上表面的最小外接矩形区域。
3.根据权利要求1所述的一种基于深度相机垂直拍摄的长方形包裹体积测量方法，其特征在于：步骤S4中，具体为：
A、获得包裹上表面所对应的最小外接矩形的四个顶点像素坐标P1P2P3P4，边长分别为P1P2＝L1，P1P4＝L2；
B、分别取对边P1P4和P2P3的中点M1、M2，对线段M1M2上的每个像素点p，分别沿向量P1P2正反两个方向，在e*L2范围内寻找第一个边缘点且e大于0.5；如果找到，则该边缘点为像素点p的边界像素点；如果没有找到，则像素点p没有对应的边界像素点；这样就获得了边P1P2和边P3P4所对应的边界像素点集合；
C、同理也得到边P1P4和边P2P3所对应的边界像素点集合。
4.根据权利要求1所述的一种基于深度相机垂直拍摄的长方形包裹体积测量方法，其特征在于：步骤S5中，具体为：
A、分别对每条边对应的边界像素点集合进行直线拟合，得到四条边界线的直线方程；
B、把相邻两条直线的交点作为包裹上表面矩形的顶点，这样得到四个顶点；
C、将四个顶点投影到包裹上表面，根据投影后的顶点距离得到包裹的长宽。
5.根据权利要求1所述的一种基于深度相机垂直拍摄的长方形包裹体积测量方法，其特征在于：步骤S6中，具体为：
A、根据包裹上表面所对应的最小外接矩形的四个顶点像素坐标P1P2P3P4，分别从P1，P2点沿向量P4P1方向，在f*L2距离处取点Q1，Q2，得到边P1P2对应的矩形区域P1P2Q2Q1，同理得到另外三边对应的矩形区域，f为0.2～0.4；
B、获得这四个矩形区域内所有的平面点的深度值，取这些深度值的第T百分位数，即为包裹上表面所对应的最小外接矩形区域外侧附近的深度距离值，由于矩形区域外侧为包裹支撑面，这样就获得包裹支撑面距离相机的距离值，第T百分位数为第70～80百分位数；
C、获得矩形区域P1P2P3P4内所有的平面点的深度值，取这些深度值的中值，得到最小外接矩形区域内部的深度距离值，为包裹上表面距离相机的距离值；
D、包裹上表面距离相机的距离值与包裹支撑面距离相机的距离值之差为包裹的高度。
6.根据权利要求5所述的一种基于深度相机垂直拍摄的长方形包裹体积测量方法，其特征在于：步骤S5中，将四个顶点投影到包裹上表面，通过以下公式进行变换：
其中，(C，R)为边界像素点的二维像素坐标，(x，y，z)为相机坐标系下的边界像素点投影后的三维坐标，fx和fy为有效焦距，(C0，R0)为像素基准点，Z为包裹上表面距离相机的距离值。
CN202210052053.2A 2022-01-18 2022-01-18 一种基于深度相机垂直拍摄的长方形包裹体积测量方法 Active CN114396875B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210052053.2A CN114396875B (zh) 2022-01-18 2022-01-18 一种基于深度相机垂直拍摄的长方形包裹体积测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210052053.2A CN114396875B (zh) 2022-01-18 2022-01-18 一种基于深度相机垂直拍摄的长方形包裹体积测量方法

Publications (2)

Publication Number Publication Date
CN114396875A CN114396875A (zh) 2022-04-26
CN114396875B true CN114396875B (zh) 2023-11-10

Family

ID=81229989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210052053.2A Active CN114396875B (zh) 2022-01-18 2022-01-18 一种基于深度相机垂直拍摄的长方形包裹体积测量方法

Country Status (1)

Country Link
CN (1) CN114396875B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114882404B (zh) * 2022-05-06 2024-09-03 安徽工业大学 一种基于深度相机的人数进出实时计数方法及系统
CN115077379A (zh) * 2022-06-08 2022-09-20 安徽工业大学 一种基于深度相机垂直拍摄的多个包裹体积测量方法
CN115256470A (zh) * 2022-08-09 2022-11-01 七腾机器人有限公司 一种基于深度视觉的楼梯测量方法、系统及四足机器人
CN115682941B (zh) * 2022-12-27 2023-03-07 广东技术师范大学 一种基于结构光相机的包装箱几何尺寸测量方法
CN117611657B (zh) * 2024-01-22 2024-04-23 江西农业大学 一种杏鲍菇体积计算方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105869115A (zh) * 2016-03-25 2016-08-17 浙江大学 一种基于kinect2.0的深度图像超分辨率方法
CN107388960A (zh) * 2016-05-16 2017-11-24 杭州海康机器人技术有限公司 一种确定物体体积的方法及装置
CN108648230A (zh) * 2018-05-14 2018-10-12 南京阿凡达机器人科技有限公司 一种包裹尺寸测量方法、系统、储存介质及移动终端
CN109472822A (zh) * 2018-12-29 2019-03-15 上海大学 基于深度图像处理的物体尺寸测量方法
CN110017773A (zh) * 2019-05-09 2019-07-16 福建（泉州）哈工大工程技术研究院 一种基于机器视觉的包裹体积测量方法
JP3230773U (ja) * 2020-10-27 2021-02-18 立普思股▲ふん▼有限公司ＬＩＰＳ Ｃｏｒｐｏｒａｔｉｏｎ 体積測定システム
CN113538557A (zh) * 2020-04-15 2021-10-22 深圳市光鉴科技有限公司 基于三维视觉的箱体积测量装置
CN113870292A (zh) * 2021-09-10 2021-12-31 北京航空航天大学 深度图像的边缘检测方法、装置和电子设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105869115A (zh) * 2016-03-25 2016-08-17 浙江大学 一种基于kinect2.0的深度图像超分辨率方法
CN107388960A (zh) * 2016-05-16 2017-11-24 杭州海康机器人技术有限公司 一种确定物体体积的方法及装置
CN108648230A (zh) * 2018-05-14 2018-10-12 南京阿凡达机器人科技有限公司 一种包裹尺寸测量方法、系统、储存介质及移动终端
CN109472822A (zh) * 2018-12-29 2019-03-15 上海大学 基于深度图像处理的物体尺寸测量方法
CN110017773A (zh) * 2019-05-09 2019-07-16 福建（泉州）哈工大工程技术研究院 一种基于机器视觉的包裹体积测量方法
CN113538557A (zh) * 2020-04-15 2021-10-22 深圳市光鉴科技有限公司 基于三维视觉的箱体积测量装置
JP3230773U (ja) * 2020-10-27 2021-02-18 立普思股▲ふん▼有限公司ＬＩＰＳ Ｃｏｒｐｏｒａｔｉｏｎ 体積測定システム
CN113870292A (zh) * 2021-09-10 2021-12-31 北京航空航天大学 深度图像的边缘检测方法、装置和电子设备

Also Published As

Publication number Publication date
CN114396875A (zh) 2022-04-26

Similar Documents

Publication Publication Date Title
CN114396875B (zh) 一种基于深度相机垂直拍摄的长方形包裹体积测量方法
CN109029253B (zh) 一种包裹体积测量方法、系统、储存介质及移动终端
CN111179358B (zh) 标定方法、装置、设备及存储介质
CN111046776B (zh) 基于深度相机的移动机器人行进路径障碍物检测的方法
US10115035B2 (en) Vision system and analytical method for planar surface segmentation
CN110230998B (zh) 基于线激光和双目相机的快速精密三维测量方法和装置
CN109801333B (zh) 体积测量方法、装置、系统及计算设备
GB2564794B (en) Image-stitching for dimensioning
CN109961468B (zh) 基于双目视觉的体积测量方法、装置及存储介质
KR20140027468A (ko) 깊이 측정치 품질 향상
CN106595528A (zh) 一种基于数字散斑的远心显微双目立体视觉测量方法
WO2018227576A1 (zh) 地面形态检测方法及系统、无人机降落方法和无人机
CN107977996B (zh) 基于靶标标定定位模型的空间目标定位方法
JP5493105B2 (ja) 距離画像カメラを用いた物体寸法測定方法および物体寸法測定装置
US11443452B2 (en) Using spatial filter to reduce bundle adjustment block size
CN110207702B (zh) 目标定位的方法及装置
CN110415363A (zh) 一种基于三目视觉的散乱物识别定位方法
CN112184793B (zh) 深度数据的处理方法、装置及可读存储介质
JP7298687B2 (ja) 物体認識装置及び物体認識方法
CN113379826A (zh) 物流件的体积测量方法以及装置
CN114494404B (zh) 物体体积测量方法、系统、装置和介质
CN112184790B (zh) 基于深度相机的物体尺寸高精度测量方法
CN116125489A (zh) 一种室内物体三维检测方法、计算机设备及存储介质
Liu et al. Research on corner detection algorithm based on the long depth of field binocular camera with wavefront coding
Wenzel et al. A multi-camera system for efficient point cloud recording in close range applications

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant