一种货箱剩余体积的智能识别方法
专利类型：发明专利
语 言：中文
申 请 号：CN201910215638.X
申 请 日：20190321
申 请 人：重庆大学
申请人地址：400044 重庆市沙坪坝区沙正街174号
公 开 日：20191105
公 开 号：CN110411530A
代 理 人：
代理机构：
摘 要：本发明公开了一种货箱剩余体积的智能识别方法。首先利用相机拍照将货车车厢前段以及大部分底面纳入图像内,随后对图像通过相机内部参数矩阵M1和畸变校正参数k1、k2进行畸变校正。远端服务器车厢内图像进行实例分割处理,识别出各货物所占区域与轮廓,最终可确定各特征点的像素坐标,由货物特征点像素坐标可计算货物特征点的世界坐标,世界坐标确定后就可以计算出车厢内货物的体积。本发明便于物流中心准确快捷自动地了解每个货车的运输量和空余空间,及时更新货物装载方案,对货车进行合理地安排调度,改善货车剩余空间与待装载货物不匹配导致的物流资源浪费现象,提高货车的运输效率。
主 权 项：1.一种货箱剩余体积的智能识别方法,其特征是它包括以下步骤：第一步,选择焦距适当、在暗光环境下可进行红外夜视拍摄的相机,使相机可以清晰完整的将货车车厢前段以及大部分底面纳入图像内。相机自带无线网络,相机可通过多种方式与服务器连接,如移动网络GPRS、手机热点WIFI,或是城市无线WIFI,便于服务器对于摄像头的监控,可及时的将摄像头的角度调整至理想状态。第二步,计算相机内参数,在通过相机线性成像模型计算时需要相机的相机内部参数矩阵M1,因此使用相机对标定板拍摄一定数量不同角度的标定图像,使用计算工具对标定图像进行处理即可获得相机内部参数矩阵M1和畸变校正参数k1、k2,此处获得的畸变校正参数k1、k2和相机内部参数矩阵M1将被用于对相机的所有拍摄图像的畸变矫正计算。利用获得的畸变校正参数k1、k2对所有标定图像进行畸变校正,获得校正后的标定图像,再通过工具进行内部参数矩阵的计算,可以获得相机内部参数矩阵M1’。第三步,计算相机外部参数,为了实现由世界坐标系坐标与图像像素坐标的转化还需要获得相机外部参数矩阵M2,相机外部参数矩阵M2由相机光心的世界坐标系坐标xc0、yc0、zc0和相机的安装角度α、β、γ这六个参数所决定。由于在相机安装时相机光心难以确定,相机的安装角度受安装精度的影响并且难以测量,因此需要通过计算获取决定相机外部参数矩阵M2的六个参数,进而确定相机外部参数矩阵M2。首先对不包含货物的空车厢内拍摄一张照片或拍摄具有完整车厢轮廓的图像,并对图像进行畸变校正,然后通过深度学习获取车厢的轮廓信息确定车厢特征点,通过最优化计算获得相机外部参数矩阵M2。第四步,车厢内货物体积识别计算,在相机完成安装并已获取了M1、M1’、M2、k1、k2等参数后便可以进车厢内货物体积识别计算。相机对车厢内部拍照,随后对图像通过M1和k1、k2进行畸变校正,在图像进行校正后,矫正图像被传输至远端服务器。在远端服务器内对接受的车厢内图像进行实例分割处理,识别出各货物所占区域与轮廓,最终可确定各特征点的像素坐标,由货物特征点像素坐标可计算货物特征点的世界坐标,世界坐标确定后就可以计算出车厢内货物的体积。
关 键 词：
法律状态：
IPC专利分类号：G01F17/00;G01B11/00