CN111899258A - 自助托运行李规格检测方法 - Google Patents

自助托运行李规格检测方法 Download PDF

Info

Publication number
CN111899258A
CN111899258A CN202010842768.9A CN202010842768A CN111899258A CN 111899258 A CN111899258 A CN 111899258A CN 202010842768 A CN202010842768 A CN 202010842768A CN 111899258 A CN111899258 A CN 111899258A
Authority
CN
China
Prior art keywords
luggage
point cloud
data
baggage
target
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.)
Pending
Application number
CN202010842768.9A
Other languages
English (en)
Inventor
谭浩
刘剑林
李涛
张轶
段少凡
黄泽鹏
李泽
陆金伟
汤宇扬
徐伟彬
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.)
Guangdong Airport Baiyun Information Technology Co ltd
Original Assignee
Guangdong Airport Baiyun Information Technology Co ltd
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 Guangdong Airport Baiyun Information Technology Co ltd filed Critical Guangdong Airport Baiyun Information Technology Co ltd
Priority to CN202010842768.9A priority Critical patent/CN111899258A/zh
Publication of CN111899258A publication Critical patent/CN111899258A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • 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
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30112—Baggage; Luggage; Suitcase
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了自助托运行李规格检测方法，包括如下步骤：接收托运请求，并触发图像数据采集流程以及三维点云数据采集流程，以对目标行李采集图像数据和三维点云数据；根据所述图像数据获取目标行李的行李第一数据，所述行李第一数据包括行李类别、托盘信息；根据所述三维点云数据获取目标行李的行李第二数据，所述行李第二数据包括行李件数、行李尺寸；根据行李第一数据和行李第二数据执行对应的目标行李托运流程节点。本发明通过对图像信息和三维点云信息同步检测，从而更准确、高效、快速的检测出行李的外观、类别、尺寸等信息，进一步自动化办理托运流程。

Description

自助托运行李规格检测方法
技术领域
本发明涉及机场辅助设备技术领域，尤其涉及自助托运行李规格检测方法。
背景技术
目前全球智慧机场的建设已经拉开帷幕；高效运行、智慧服务、智能安保将是智慧机场建设的重点。自助托运服务模式不仅可以减少旅客办理乘机手续的时间，提升旅客的出行体验，还可以节约人力成本，增加机场运行效率。自助托运***的核心功能是要按照民航规范文件的要求检查旅客托运的行李是否符合托运规范，对于符合规范的行李给予放行，不符合规定的行李按照流程进行相应的处理后办理托运手续；其中行李的规格检测是自助托运***的核心技术。
发明专利CN103884289B(授权公告号)发明一种基于双激光测距仪的航空行李尺寸和件数检查方法。通过双激光测距仪得到行李的稀疏点云，稀疏点云经过简单的噪声滤波后，向三维坐标系投影，计算行李的尺寸，通过一维或者分级聚类得到行李的件数。该方法只适用于简单的行李规格检测，只采用行李的稀疏点云(单信息)的检测方法检测精度不高，且双激光测距仪价格昂贵，不适用于自助托运***大范围推广使用。
发明专利CN110647835A(公布号)发明了一种基于3D点云数据的目标检测与分类方法和***。通过对原始点云数据进行地平面拟合找出非地面点，对非地面点进行聚类处理使得每个目标所对应的点划分在同一个点云簇中，然后通过对点云簇的尺寸和平均曲率值两个特征的提取、比较确定点云簇所对应的目标类型。该方法和***应用于无人车的自动驾驶中，检测道路两侧行人、车辆状态等。对于复杂多样的行李种类以及摆放方式，需要多信息融合才能确定旅客行李的外观、尺寸、件数等信息。
发明内容
为了克服现有技术的不足，本发明的目的在于提供一种自助托运行李规格检测方法，其能解决现有技术不能自动对了旅客行李的全方位信息检测的问题。
本发明的目的采用以下技术方案实现：
自助托运行李规格检测方法，包括如下步骤：
接收托运请求，并触发图像数据采集流程以及三维点云数据采集流程，以对目标行李采集图像数据和三维点云数据；
根据所述图像数据获取目标行李的行李第一数据，所述行李第一数据包括行李类别、托盘信息；
根据所述三维点云数据获取目标行李的行李第二数据，所述行李第二数据包括行李件数、行李尺寸；
根据行李第一数据和行李第二数据执行对应的目标行李托运流程节点。
优选的，所述“根据行李第一数据和行李第二数据执行对应的目标行李托运流程节点”具体为：
当所述行李件数为1件、且行李尺寸在预设尺寸范围内时，则根据行李类别判断目标行李是否为软包，若是，则检测托盘信息，否则进入允许托运节点；
当根据所述托盘信息检测到带有托盘，则进入允许托运节点，否则提示旅客。
优选的，所述图像数据通过RGB相机进行采集。
优选的，所述三维点云数据通过深度相机采集。
优选的，采集三维点云数据后，对所述三维点云数据进行数据处理，所述数据处理包括点云滤波、点云配准、点云拼接。
优选的，所述点云滤波包括高斯滤波。
优选的，所述点云滤波具体为：根据点云的属性设置任意一个点的属性范围，基于所述属性范围对点进行滤波，以保留目标行李区域的点云信息，所述点云的属性为点云的长度、宽度和高度。
优选的，“根据所述三维点云数据获取目标行李的行李第二数据”具体为，通过最小面积检测法获取行李尺寸、通过种子区域生长法获取行李件数。
优选的，通过最小面积检测法获取行李尺寸具体为：
将三维点云数据分别向竖直面和水平面进行投影；
通过弹力压缩法得到目标行李的高度值；
通过旋转包围最小面积法获得目标行李的长度值和宽度值。
优选的，通过种子区域生长法获取行李件数具体包括如下子步骤：
a：将三维点云数据转换为深度图像的，并通过边缘检测算法遍历深度图像以得到目标行李的边缘信息；
b：对含有目标行李边缘信息的深度图像依序扫描以获得首个不具有归属且像素值不为0的像素，定义该像素为中心像素；
c：以所述中心像素为中心，将该中心像素和该中心像素的邻域像素在同一区域内合并，并将邻域像素压入堆栈；
d：在堆栈中选取任意一个像素作为新的中心像素返回步骤c；
循环上述步骤，直至堆栈为空时，返回步骤b，直至深度图像中每一个像素都被分到相应的区域内。
相比现有技术，本发明的有益效果在于：
本发明通过对图像信息和三维点云信息同步检测，从而更准确、高效、快速的检测出行李的外观、类别、尺寸等信息，进一步自动化办理托运流程。
附图说明
图1为本发明自助托运行李规格检测方法的流程图；
图2为本发明的行李传送装置；
图3为本发明的最小面积法的检测流程图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述：
本发明提供一种自助托运行李规格检测方法，请参照图1所示，包括如下步骤：
办理托运。接收托运请求，该托运请求由用户发起，可而通过客户端或其他智能终端发起托运请求，由自助托运行李总***接收该托运请求。之后触发图像数据采集流程以及三维点云数据采集流程，以对目标行李采集图像数据和三维点云数据。
在本步骤中，所述图像数据通过RGB相机进行采集。所述三维点云数据通过深度相机采集。
当旅客放置其行李开始办理托运，也即是发起托运请求时，安装在行李托运***上的各个角度的相机抓拍行李的RGB图像。
RGB图像信息获取，即根据所述图像数据获取目标行李的行李第一数据，所述行李第一数据包括行李类别、托盘信息；
三维点云信息获取，即根据所述三维点云数据获取目标行李的行李第二数据，所述行李第二数据包括行李件数、行李尺寸；
根据行李第一数据和行李第二数据执行对应的目标行李托运流程节点。
具体的，根据行李件数，判断到目标行李为1件、且行李尺寸在预设尺寸范围内时，则根据行李类别判断目标行李是否为软包，若是，则检测托盘信息，否则进入允许托运节点；另外，当目标行李为2件以上时，提醒用户。
当根据所述托盘信息检测到带有托盘，则进入允许托运节点，否则提示旅客。
在本发明中，采用深度学习中的目标检测和语义分割方法对行李进行分类和定位，得到行李的类别信息和位置信息，若检测结果中行李的件数为一件则进行下一步骤，并给出行李的类别，位置以及是否有托盘信息；若为多件，则退出，并进行相关操作提示。
作为优选的，对采集的三维点云数据再进行数据处理，利用深度相机采集行李的三维点云数据，经过点云滤波、点云配准、点云拼接，只保留行李部分的三维点云数据。
本发明中，对检测的数据进行标注，将数据分为四类：软包、拉杆箱、纸箱以及托盘，按照检测到的不同的类别进行标注，将标注好的数据转变成模型训练数据的标准格式，调整训练的参数和网络结构，得到最佳的检测模型。
将抓拍的RGB图像送入检测模型中，得到图像中的目标分类及目标的位置，提取图像中目标与旅客信息绑定。重复上述步骤，不断进行行李规格检测。
在本发明中，云滤波包括高斯滤波等，具体的，根据点云的属性设置任意一个点的属性范围，基于所述属性范围对点进行滤波，以保留目标行李区域的点云信息，所述点云的属性为点云的长度y、宽度x和高度z。滤波的公式为：
Figure BDA0002642038190000061
其中，(xb，yb，zb)表示直通滤波之后的行李部分的点云，(xp，yp，zp)表示行李***安装的深度相机采集到的点云，xmin，xmax，ymin，ymax，zmin，zmax表示根据深度相机安装的实际位置以及行李传输***的实际位置确定直通滤波的阈值。
通过直通滤波将自助托运***通道内的无用点云滤除后，只保留允许存放行李范围空间的点云，假设有m个点(x0，x1......，xm)，计算出这m个点的均值μ和方差σ，均值和方差分别被定义为：
Figure BDA0002642038190000071
在正态分布的假设下，区域σ+3σ包含了99.7％的数据，若某些点云的坐标值距离分布的均值μ超过了3σ，则将这些点云标记为离群点云，将点云的三维方向上的属性分别采用正态分布的一元离群点检测方法，标记点云三个方向上的离群点，进行高斯滤波。由于托运***需要满足检测民航规范规定的行李最大尺寸为1000mm*700mm*600mm，如果在托运***上只安装一个固定高度的深度相机，其视场角无法满足检测空间的需求，因此需要在托运***上安装多个不同位置和角度的深度相机，以满足检测空间范围的需求。点云配准过程，就是求不同坐标系下的两个点云之间的旋转平移矩阵(刚性变换或欧式变换)，将源点云变换到目标点云相同的坐标系下，其过程表示为：(xs，ys，zs)＝R(xd，yd，zd)+T，其中(xs，ys，zs)和(xd，yd，zd)是源点云与目标点云的一对对应点，R和T是旋转和平移矩阵，采用ICP点云配准算法，寻找不同坐标系下的对应点，然后对旋转矩阵R和平移矩阵T进行迭代优化，使得目标函数最小化；
将安装在托运***上不同位置和不同角度的多个深度相机进行点云配准，组合拼接成一个完整的行李点云模型。
经过点云滤波和点云配准步骤后，可以得到检测空间范围内的拼接好完整的点云模型，然后采用旋转包围盒最小面积法求得行李的尺寸。
“根据所述三维点云数据获取目标行李的行李第二数据”具体为，通过最小面积检测法获取行李尺寸、通过种子区域生长法获取行李件数。
通过最小面积检测法获取行李尺寸具体为：
将三维点云数据分别向竖直面和水平面进行投影；
通过弹力压缩法得到目标行李的高度值；
通过旋转包围最小面积法获得目标行李的长度值和宽度值。
结合图2，行李沿着Y轴方向移动至行李托运***通道内，行李的旋转方向只能绕Z轴正反方向旋转，在XOY平面(水平面)上以Y轴中心线为旋转起始位置即0度，绕Z轴旋转最大角度为90度。结合图3，先将行李的三维点云信息分别向YOZ面(竖直面)和XOY平面投影，向YOZ面投影只包含点云的一维高度信息，采用弹力压缩方法得到行李的高度值；向XOY投影为二维信息，采用旋转包围最小面积法求得行李的长度和宽度。
用弹力压缩方法得到行李高度值的具体过程为：将行李的三维点云信息投影到YOZ面，此时点云信息中只包含了zb一维点云信息，此时对滤波和配准之后的行李点云在高度方向上进行统计，得到点云高度分布直方图，每个高度方向上的点云设定初始值为ρ，根据直方图中的分布以及实际情况确定阈值φ和
Figure BDA0002642038190000081
由该点的实际高度zh确定其弹力值
Figure BDA0002642038190000082
确定弹力值公式为：
Figure BDA0002642038190000083
根据实际经验确定累加的弹性阈值之和θ，当
Figure BDA0002642038190000084
时，此时的zhi为实际的行李高度值。弹力压缩法可以减少行李条以及点云噪声的影响，使得检测到行李高度值更加接近实际的行李高度，具有强鲁棒性。
采用旋转包围最小面积法计算行李长度和宽度的过程为：将行李的点云向XOY平面投影，包含了xb，yb二维信息；
首先确定xb，yb的最大值
Figure BDA0002642038190000091
最小值
Figure BDA0002642038190000092
从而确定最小包围盒(包围盒沿着Y轴方向，旋转角度为0°)；采用弹力压缩法对最小包围盒四条边(Y+，Y-，X+，X-)进行弹力压缩，得到压缩后的最小包围盒；将上一步得到的弹力压缩后的最小包围盒进行网格化，网格的总面积为S，然后将点云绕其的质心开始旋转，每次旋转一定角度；设定经验阈值ξ，当每个网格中的存在的点云数量g大于阈值ξ时表示该网格可作为最小面积的一部分，否则认为该网格无效，用Sg表示该网格是否有效；当点云旋转某个角度时，总的有效网格面积为Sη；利用公式
Figure BDA0002642038190000093
求得使得网格有效面积与总面积之比
Figure BDA0002642038190000095
最大化的旋转角度η；使得
Figure BDA0002642038190000094
最大化的旋转角度η一定是使得行李平行于y轴，再次采用弹力压缩的方法得到行李的长度和宽度。
通过种子区域生长法获取行李件数具体包括如下子步骤：
a：将三维点云数据转换为深度图像的，并通过边缘检测算法遍历深度图像以得到目标行李的边缘信息；
b：对含有目标行李边缘信息的深度图像依序扫描以获得首个不具有归属且像素值不为0的像素，定义该像素为中心像素；
c：以所述中心像素为中心，将该中心像素和该中心像素的邻域像素在同一区域内合并，并将邻域像素压入堆栈；
d：在堆栈中选取任意一个像素作为新的中心像素返回步骤c；
循环上述步骤，直至堆栈为空时，返回步骤b，直至深度图像中每一个像素都被分到相应的区域内。
种子区域生长算法是一种用于图像分割算法，通常能将具有相同特征的联通区域分割出来，并能提供很好的边界信息和分割结果。具体的，a，将行李部分的三维点云信息转换为二维的深度图像，或者采用只有检测空间范围的深度图像；b，采用边缘检测算子通过遍历整个深度图像得到行李的边缘信息；c，对含有行李边缘信息的图像顺序扫描,找到第1个像素值不为0且没有归属的像素,记该像素的坐标值为(x0，y0)；d，以(x0，y0)为中心,考虑(x0，y0)的8邻域像素(x,y)，如果(x,y)满足生长准则,将(x,y)与(x0，y0)在同一区域内合并,同时将(x,y)压入堆栈；e，从堆栈中取出一个像素,把它当作(x0，y0)返回到d步骤，当堆栈为空时，返回到c步骤，重复步骤c-e，当图像中的每一个种子都被分到相应的区域内，种子生长算法结束。
本发明提出了一种适用于自助托运***多信息融合的行李规格检测方法。通过安装在自助托运***上方和侧面的深度相机获得自助托运***传送带上行李各个角度的稠密点云信息，通过安装在托运***传送上面和侧面的RGB相机获得行李各个角度的RGB图像数据。
本发明检测方法可以通过行李的三维点云信息和行李的RGB图像信息准确、高效、快速的检测出旅客行李的外观，类别(双肩背包或拉杆箱)，尺寸以及件数等信息，对于符合规定的行李给予办理托运流程，不符合规定的行李提醒旅客正确的处理行李的方式。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。

Claims (10)

1.自助托运行李规格检测方法，其特征在于，包括如下步骤：
接收托运请求，并触发图像数据采集流程以及三维点云数据采集流程，以对目标行李采集图像数据和三维点云数据；
根据所述图像数据获取目标行李的行李第一数据，所述行李第一数据包括行李类别、托盘信息；
根据所述三维点云数据获取目标行李的行李第二数据，所述行李第二数据包括行李件数、行李尺寸；
根据行李第一数据和行李第二数据执行对应的目标行李托运流程节点。
2.如权利要求1所述的自助托运行李规格检测方法，其特征在于，所述“根据行李第一数据和行李第二数据执行对应的目标行李托运流程节点”具体为：
当所述行李件数为1件、且行李尺寸在预设尺寸范围内时，则根据行李类别判断目标行李是否为软包，若是，则检测托盘信息，否则进入允许托运节点；
当根据所述托盘信息检测到带有托盘，则进入允许托运节点，否则提示旅客。
3.如权利要求1所述的自助托运行李规格检测方法，其特征在于，所述图像数据通过RGB相机进行采集。
4.如权利要求1或3所述的自助托运行李规格检测方法，其特征在于，所述三维点云数据通过深度相机采集。
5.如权利要求4所述的自助托运行李规格检测方法，其特征在于，采集三维点云数据后，对所述三维点云数据进行数据处理，所述数据处理包括点云滤波、点云配准、点云拼接。
6.如权利要求5所述的自助托运行李规格检测方法，其特征在于，所述点云滤波包括高斯滤波。
7.如权利要求5所述的自助托运行李规格检测方法，其特征在于，所述点云滤波具体为：根据点云的属性设置任意一个点的属性范围，基于所述属性范围对点进行滤波，以保留目标行李区域的点云信息，所述点云的属性为点云的长度、宽度和高度。
8.如权利要求1所述的自助托运行李规格检测方法，其特征在于，“根据所述三维点云数据获取目标行李的行李第二数据”具体为，通过最小面积检测法获取行李尺寸、通过种子区域生长法获取行李件数。
9.如权利要求8所述的自助托运行李规格检测方法，其特征在于，通过最小面积检测法获取行李尺寸具体为：
将三维点云数据分别向竖直面和水平面进行投影；
通过弹力压缩法得到目标行李的高度值；
通过旋转包围最小面积法获得目标行李的长度值和宽度值。
10.如权利要求8所述的自助托运行李规格检测方法，其特征在于，通过种子区域生长法获取行李件数具体包括如下子步骤：
a：将三维点云数据转换为深度图像的，并通过边缘检测算法遍历深度图像以得到目标行李的边缘信息；
b：对含有目标行李边缘信息的深度图像依序扫描以获得首个不具有归属且像素值不为0的像素，定义该像素为中心像素；
c：以所述中心像素为中心，将该中心像素和该中心像素的邻域像素在同一区域内合并，并将邻域像素压入堆栈；
d：在堆栈中选取任意一个像素作为新的中心像素返回步骤c；
循环上述步骤，直至堆栈为空时，返回步骤b，直至深度图像中每一个像素都被分到相应的区域内。
CN202010842768.9A 2020-08-20 2020-08-20 自助托运行李规格检测方法 Pending CN111899258A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010842768.9A CN111899258A (zh) 2020-08-20 2020-08-20 自助托运行李规格检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010842768.9A CN111899258A (zh) 2020-08-20 2020-08-20 自助托运行李规格检测方法

Publications (1)

Publication Number Publication Date
CN111899258A true CN111899258A (zh) 2020-11-06

Family

ID=73230094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010842768.9A Pending CN111899258A (zh) 2020-08-20 2020-08-20 自助托运行李规格检测方法

Country Status (1)

Country Link
CN (1) CN111899258A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113418467A (zh) * 2021-06-16 2021-09-21 厦门硅谷动能信息技术有限公司 基于ToF点云数据检测一般及黑色行李尺寸的方法
CN114049352A (zh) * 2022-01-11 2022-02-15 中航源创(天津)智能设备有限公司 一种应用于自助行李托运的行李托盘快速检测方法
CN114820391A (zh) * 2022-06-28 2022-07-29 山东亚历山大智能科技有限公司 基于点云处理的仓储托盘检测定位方法及***
CN115112508A (zh) * 2022-08-29 2022-09-27 民航成都物流技术有限公司 民航机场托运行李软硬包识别装置和方法
CN115410135A (zh) * 2022-11-01 2022-11-29 中国民航大学 自主式搬运的航空行李特征感知重构方法、***及其应用
JP7288568B1 (ja) * 2023-03-13 2023-06-08 Ｘ－Ｐｒｏｓｐｅｃｔ株式会社 自動採寸システム
CN116935375A (zh) * 2023-08-15 2023-10-24 安徽助行软件科技有限公司 一种智能生产线打包装盒检测***及方法
CN117037127A (zh) * 2023-10-07 2023-11-10 四川省机场集团有限公司成都天府国际机场分公司 一种基于行李类型的托盘分配方法
GB2622449A (en) * 2022-04-29 2024-03-20 Sita B V Article processing apparatus, system and method therefor

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110227910A1 (en) * 2008-03-27 2011-09-22 Analogic Corporation Method of and system for three-dimensional workstation for security and medical applications
CN110866944A (zh) * 2019-12-06 2020-03-06 民航成都物流技术有限公司 托运行李测量识别方法及***
CN110991459A (zh) * 2019-09-09 2020-04-10 中国石油大学(华东) 基于arm-lbp和卷积神经网络的行李图像分类算法
CN111260668A (zh) * 2020-01-20 2020-06-09 南方电网数字电网研究院有限公司 一种电力线提取方法、***及终端
CN111353985A (zh) * 2020-03-02 2020-06-30 电子科技大学 一种基于深度相机的机场自助托运行李的检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110227910A1 (en) * 2008-03-27 2011-09-22 Analogic Corporation Method of and system for three-dimensional workstation for security and medical applications
CN110991459A (zh) * 2019-09-09 2020-04-10 中国石油大学(华东) 基于arm-lbp和卷积神经网络的行李图像分类算法
CN110866944A (zh) * 2019-12-06 2020-03-06 民航成都物流技术有限公司 托运行李测量识别方法及***
CN111260668A (zh) * 2020-01-20 2020-06-09 南方电网数字电网研究院有限公司 一种电力线提取方法、***及终端
CN111353985A (zh) * 2020-03-02 2020-06-30 电子科技大学 一种基于深度相机的机场自助托运行李的检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
彭传波: "基于激光编码的航空行李视觉检测方法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113418467A (zh) * 2021-06-16 2021-09-21 厦门硅谷动能信息技术有限公司 基于ToF点云数据检测一般及黑色行李尺寸的方法
CN114049352A (zh) * 2022-01-11 2022-02-15 中航源创(天津)智能设备有限公司 一种应用于自助行李托运的行李托盘快速检测方法
GB2622449A (en) * 2022-04-29 2024-03-20 Sita B V Article processing apparatus, system and method therefor
CN114820391A (zh) * 2022-06-28 2022-07-29 山东亚历山大智能科技有限公司 基于点云处理的仓储托盘检测定位方法及***
CN115112508A (zh) * 2022-08-29 2022-09-27 民航成都物流技术有限公司 民航机场托运行李软硬包识别装置和方法
CN115410135A (zh) * 2022-11-01 2022-11-29 中国民航大学 自主式搬运的航空行李特征感知重构方法、***及其应用
CN115410135B (zh) * 2022-11-01 2023-04-07 中国民航大学 自主式搬运的航空行李特征感知重构方法、***及其应用
JP7288568B1 (ja) * 2023-03-13 2023-06-08 Ｘ－Ｐｒｏｓｐｅｃｔ株式会社 自動採寸システム
CN116935375A (zh) * 2023-08-15 2023-10-24 安徽助行软件科技有限公司 一种智能生产线打包装盒检测***及方法
CN117037127A (zh) * 2023-10-07 2023-11-10 四川省机场集团有限公司成都天府国际机场分公司 一种基于行李类型的托盘分配方法
CN117037127B (zh) * 2023-10-07 2023-12-12 四川省机场集团有限公司成都天府国际机场分公司 一种基于行李类型的托盘分配方法

Similar Documents

Publication Publication Date Title
CN111899258A (zh) 自助托运行李规格检测方法
US9977972B2 (en) 3-D model based method for detecting and classifying vehicles in aerial imagery
CN104766058B (zh) 一种获取车道线的方法和装置
Dubuisson et al. Contour extraction of moving objects in complex outdoor scenes
US7660436B2 (en) Stereo-vision based imminent collision detection
US8396293B1 (en) Recognizing geometrically salient objects from segmented point clouds using strip grid histograms
Zhou et al. Robust vehicle detection in aerial images using bag-of-words and orientation aware scanning
CN113192091B (zh) 一种基于激光雷达与相机融合的远距离目标感知方法
Peng et al. Drone-based vacant parking space detection
Balali et al. Multi-class US traffic signs 3D recognition and localization via image-based point cloud model using color candidate extraction and texture-based recognition
US20200302237A1 (en) System and method for ordered representation and feature extraction for point clouds obtained by detection and ranging sensor
US20150248579A1 (en) Method for identifying and positioning building using outline region restraint of mountain
CN105261017A (zh) 基于路面约束的图像分割法提取行人感兴趣区域的方法
CN105701448B (zh) 三维人脸点云鼻尖检测方法及应用其的数据处理装置
CN115049700A (zh) 一种目标检测方法及装置
WO2015147764A1 (en) A method for vehicle recognition, measurement of relative speed and distance with a single camera
CN110147714B (zh) 基于无人机的煤矿采空区裂缝识别方法及检测***
CN105931217A (zh) 一种基于图像处理技术的机场道面fod异物检测方法
CN110163109B (zh) 一种车道线标注方法及装置
CN106156752A (zh) 一种基于逆投影三视图的车型识别方法
CN113362385A (zh) 一种基于深度图像的货物体积测量方法及设备
CN114972968A (zh) 基于多重神经网络的托盘识别和位姿估计方法
CN115841633A (zh) 一种电力塔和电力线关联矫正的电力塔和电力线检测方法
Kamenetsky et al. Aerial car detection and urban understanding
Li et al. Pole-like street furniture decompostion in mobile laser scanning data

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201106