[发明专利]一种结合目标检测和深度计算的物体体积视觉测量方法

说明书

本发明公开了一种结合目标检测和深度计算的物体体积视觉测量方法，包括：数据采集步骤，通过深度相机进行图像的拍摄和距离信息的采集；目标检测步骤，利用YOLO模型对于测量物体进行训练，并实现被测物体的检测；图像处理步骤，对检测过的图像进行处理加工，获取计算需要的像素坐标信息；体积计算步骤，依据图像处理步骤获得的像素坐标信息获取对应的深度值，以测得物体大小。通过深度相机拍摄图像和AI模型的识别分拣，获取指定像素点的深度信息(距离信息)，通过图像的处理和计算，实现物体的体积信息的测量。

技术领域

本发明涉及机器视觉技术领域，具体来说，是一种物体体积视觉测量方法。

背景技术

专利公开号CN111307037A通过装置上的3D摄像头采集点云数据，并且通过在物体两侧分别进行拍照的方式得到物体的大小尺寸信息。但是发明本身仍然是以人为操作为主的装置，不符合现代快递物流行业对于自动化的新要求。专利公开号CN110782473A通过给定固定检测区域，比较相邻两帧的深度图像，进而判断是否存在待检物体。并以此判断为依据，进一步提取图像中的深度信息，从而计算物体体积。本发明解决了传送带检测通过物体的问题，但是应用场景太过单一，且需要给定检测区域，不适合背景复杂或者干扰过大的场景。同样地，专利公开号CN110570471A仅仅通过边缘信息检测从而获取物体的长宽，对于环境的要求较高，对于物体所处背景要求也较高。专利公开号CN111229635A通过嵌入式的系统实现了AI与算法计算。但是该发明侧重于硬件设计，并没有讲述算法的具体实现方法和AI的使用。

发明内容

本发明的目的是提供一种结合目标检测和深度计算的物体体积视觉测量方法，通过深度相机拍摄图像和AI模型的识别分拣，获取指定像素点的深度信息(距离信息)，通过图像的处理和计算，实现物体的体积信息的测量。

本发明的目的是这样实现的：一种结合目标检测和深度计算的物体体积视觉测量方法，包括：

数据采集步骤，通过深度相机进行图像的拍摄和距离信息的采集；

目标检测步骤，利用YOLO模型对于测量物体进行训练，并实现被测物体的检测；

图像处理步骤，对检测过的图像进行处理加工，获取计算需要的像素坐标信息；

体积计算步骤，依据图像处理步骤获得的像素坐标信息获取对应的深度值，以测得物体大小。

进一步地，所述图像处理步骤包括如下子步骤：A1、对AI检测过的区域进行范围的扩大，通过AI模型确定相机拍摄画面中的待检物体的大致范围，并用矩形边框来表征上述范围。

进一步地，所述图像处理步骤还包括如下子步骤：A2、以矩形框的中心为处理点，扩大标定区域长方形的边长为原来的两倍，并进行图像的截取；A2子步骤在A1子步骤之后。

进一步地，所述图像处理步骤还包括如下子步骤：A3、对截取的RGB图像进行灰度化，并采用双边滤波算法对灰度图进行滤波处理；A3子步骤在A2子步骤之后。

进一步地，所述图像处理步骤还包括如下子步骤：A4、计算图片的梯度幅值并进行非极大值抑制；A4子步骤在A3子步骤之后。

进一步地，所述图像处理步骤还包括如下子步骤：A5、进行双阈值算法检测，提取出边缘信息最多的物体，并将其边缘信息的像素点坐标作为一个数列集合；A5子步骤在A4子步骤之后。

进一步地，所述体积计算步骤进行时，从图像处理步骤得到的数列集合中找到在像素坐标系中最大和最小的坐标值，并以此为点构造矩形边框，同时找出顶点的中点。

本发明的有益效果在于：通过AI检测的方法，使得体积测量方法的应用场景大大增多，且通过AI范围的提取和部分增大，实现了数据处理量的降低，也大大减少了传统测量算法易受环境噪声干扰的缺点。最后，通过本发明提出的计算方法，实现体积计算，计算量较少，可以应用于各种硬件环境。