CN114170293B - 一种基于多属性标准标签的快递箱体积测量方法 - Google Patents
一种基于多属性标准标签的快递箱体积测量方法 Download PDFInfo
- Publication number
- CN114170293B CN114170293B CN202111360800.0A CN202111360800A CN114170293B CN 114170293 B CN114170293 B CN 114170293B CN 202111360800 A CN202111360800 A CN 202111360800A CN 114170293 B CN114170293 B CN 114170293B
- Authority
- CN
- China
- Prior art keywords
- express
- box
- volume
- bill
- image
- 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
Links
- 238000000691 measurement method Methods 0.000 title claims description 12
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000005303 weighing Methods 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 238000003909 pattern recognition Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw 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
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Character Input (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种多属性标准标签的快递箱体积测量方法,所述快递箱体积测量方法通过采集快递箱的图像信息,通过尺度比例算法对图像中快递箱和快递单的尺寸参数进行计算到快递箱的体积参数V1,并根据快递单记载的内容得到快递箱的体积参数V2和托运物的重量,通过托运物的重量反向求出快递箱的体积参数V3,再引用对应的权重参数,求得最终的快递箱的体积V,通过使用该测量方法,可以精准地对快递箱的体积进行测量,从而为不同尺寸的快递计费方式提供更合理的标准,具有成本低、误差小、诊断精度高等优点。
Description
技术领域
本发明涉及一种快递箱信息测量方法,具体为一种基于多属性标准标签的快递箱体积测量方法。
背景技术
箱体体积测量主要应用于物流、电商、仓库存储、航空货栈等领域,提供计算运费、货物摆放、箱体推荐等各种服务。
随着电商平台的不断发展,快递行业也随之逐渐发展,物流中快递箱的使用也逐渐增加。如何快速、准确、高效地测量出快递箱的体积是目前行业急需解决的问题。目前已有多种的测量方式:
(1)、人工检测,工作人员手动通过尺子测量,这不仅效率低而且容易出现错误;
(2)、光栅测量法,通过设备自动测量,测量精度高,但是需要人力将箱体搬到固定位置,对高于1米的箱体测量非常困难,耗费人力且仪器成本高;
(3)、基于双目立体视觉的体积测量法,算法复杂度高,立体匹配困难,测量大尺寸箱体精度低,不适用于物流等复杂的测量场景。
为此,申请公布号为CN110068270A的发明专利申请公开了“一种基于多线结构光图像识别的单目视觉箱体体积测量方法”,通过向测量箱体平面投射多线结构光(井字形,十字形,平行线形),经过图像处理检测线结构光与箱子边缘的交点,根据结构光三角测量理论将点从二维坐标系换算到三维坐标系下计算规则箱体长度、宽度和高度,进而计算其体积。
然而上述的基于多线结构光图像识别的单目视觉箱体体积测量方法只是通过视觉去计算快递箱的体积,而没有充分利用快递单与快递箱之间的关联,为此测量所得到的体积的精度不高。
发明内容
本发明在于克服现有技术的不足,提供一种基于多属性标准标签的快递箱体积测量方法,所述快递箱体积测量方法可以通过多种参数对快递箱的体积进行测量,从而为不同尺寸的快递计费方式提供更合理的标准,具有成本低、误差小、诊断精度高等优点。
本发明解决上述技术问题的技术方案是:
一种基于多属性标准标签的快递箱体积测量方法,包括以下步骤:
(1)、图像采集装置采集传送带中的快递箱的图像,并将图像信息传递给图像处理装置;
(2)、图像处理装置对该图像信息进行处理,得到图像中快递箱和快递单的尺寸参数以及快递单中所记载的信息,其中,快递单中所记载的信息包括托运物的体积和重量以及快递单的长度和宽度;
(3)、通过尺度比例算法对图像中的快递箱和快递单的尺寸参数进行计算,得到快递箱的体积参数V1;
(4)、通过识别快递单中记载的信息,得到快递单中记载的快递箱的体积参数V2;
(5)、通过快递箱的重量,计算快递箱的体积参数V3;
(6)、加入对应的权重系数,通过以下公式计算快递箱的体积:
V=K1×V1+K2×V2+K3×V3;
其中,K1、K2、K3分别为与V1、V2、V3对应的权重系数。
优选的,在步骤(1)中,通过图像采集装置在不同的光照强度下拍摄600段视频,每段视频的时长在1.20min-2min之间;并将每段视频以5帧/s的频率切割成图片,且保证每张图片均包含快递单。
优选的,所述图像采集装置为RGB相机。
优选的,在步骤(2)中,在对采集到的图像信息进行处理时,首先使用分割算法将快递单和快递箱的骨架提取出。
优选的,在步骤(3)中,在将快递箱和快递单与背景图像分割后,利用图像处理技术在分割后的图像中找到快递箱和快递单中的各个边长上的端点Pn(n=1,…,10,n>=4)的像素坐标.并计算分割后的图像中的快递箱和快递单的边长。
优选的,若Pa和Pb为图像中快递箱的长度方向上的两个端点,PaPb的像素长度为l1;Pc和Pd为图像中快递单的长度方向上的两个端点,PcPd的像素长度为l2,通过识别快递单中记载的信息,得到Pc和Pd之间的实际长度为l,则Pa与Pb之间的实际长度L为:同理,可求得快递箱的宽度和高度,进而得到快递箱的体积V1=长度×宽度×高度。
优选的,在步骤(4)中,快递单的信息识别的步骤为:首先采集垂直视角下的含有快递单的图像,对其进行预处理和阈值分割,得到快递单的文字区域类型,其次根据内容类型,分离快递单的信息,然后按个别字符切分,得到单个字符信息,并提取字符特征,最后基于统计模式识别,得到快递单所记载的具体内容。
优选的,在步骤(5)中,在获取快递单中记载的托运物的重量G后,计算体积参数V3:
其中,λ为常数。
优选的,在步骤(5)中,托运物的重量通过识别快递单中记载的信息得到,或者直接通过称重装置现场称重得到。
优选的,在步骤(6)中,权重参数的选择包括以下步骤:
首先赋予一组初始权重值:K1=0.33、K2=0.33、K3=0.33,在已知的一组快递箱体积测量的情况下,得到V1、V2和V3;接着,根据公式V=K1×V1+K2×V2+K3×V3得到体积测量值VC,根据快递箱实际的体积VT,计算体积的损失函数并设置学习率Vr=0.001m3,不断更新权重系数K1、K2和K3,直至VR≤0.001m3时,停止更新权重系数,并将满足该条件的权重系数K1、K2和K3代入V=K1×V1+K2×V2+K3×V3中,完成后续体积测量。
本发明与现有技术相比具有以下的有益效果:
1、本发明的基于多属性标准标签的快递箱体积测量方法通过采集快递箱中的图像信息,通过尺度比例算法对图像中快递箱和快递单的尺寸参数进行计算到快递箱的体积参数V1,并根据快递单得到快递箱的体积参数V2和托运物的重量,通过托运物的重量求出快递箱的体积参数V3,再引用对应的权重参数,求得最终的快递箱的体积,通过使用该测量方法,可以精准地对快递箱的体积进行测量,测量误差更小。
2、本发明的基于多属性标准标签的快递箱体积测量方法利用快递单的标签尺度的属性信息,通过字符识别技术提取快递单标签内容属性信息,数值计算计算属性信息,融合三者信息权重,快速准确判断快递箱体的体积,为不同尺寸的快递计费方式提供更合理的标准,具有成本低、误差小、诊断精度高等优点。
附图说明
图1为本发明的基于多属性标准标签的快递箱体积测量方法的流程示意图。
图2为本发明的基于多属性标准标签的快递箱体积测量方法中的快递单的示意图。
图3为本发明的基于多属性标准标签的快递箱体积测量方法中的快递单尺度测量的流程示意图。
图4为本发明的基于多属性标准标签的快递箱体积测量方法中的快递单字符识别的流程示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
目前物流行业采用流水线式处理快递箱,通过视觉去估计快递箱的体积,而没有充分利用快递单与快递箱之间的关联;为此,本发明基于实际所需箱体信息,设计了一种新型快递单设计图(参见图2),与现有的快递单相比,本发明中的快递单增加体积一栏;其中,快递单的尺寸和设置位置可以灵活选择;并利用流水线的作业模式,在流水线的某段地方放置,当快递箱在传送带传输过程中,摄像头采集快递箱和快递单的信息,即使用图像立体几何,测量,估计快递箱的体积参数V1,使用字符提取技术估计快递箱的体积参数V2、以及利用托运物的重量反向推导出快递箱的体积参数V3;最后,赋予不同属性一定的权重因素(K1,K2,K3),将V1、V2、V3关联起来,最后得到快递箱的体积V=K1×V1+K2×V2+K3×V3,具体步骤如下。
参见图1-图4,本发明的基于多属性标准标签的快递箱体积测量方法,包括以下步骤:
(1)、图像采集装置采集传送带中的快递箱的图像,并将图像信息传递给图像处理装置,其中,所述图像采集装置为RGB相机,通过RGB相机在不同的光照强度下拍摄600段视频,每段视频的时长在1.20min-2min之间;并将每段视频以5帧/s的频率切割成图片,且保证每张图片均包含快递单,用于属性信息解析;
(2)、图像处理装置在对采集到的图像信息进行处理时,首先使用分割算法将快递单和快递箱的骨架提取出来,为算法做预处理,包括尺度测量和字符识别,以此得到图像中快递箱和快递单的尺寸参数以及快递单中所记载的信息;
(3)、通过尺度比例算法对图像中快递箱和快递单的尺寸参数进行计算,得到快递箱的体积参数V1,具体为:在将快递箱和快递单与背景分割后,利用图像处理技术在分割后的图像中找到快递箱和快递单中的各个边长上的端点Pn(n=1,…,10,n>=4)的像素坐标.并计算分割后的图像中的快递箱和快递单的边长;在图2中,P7和P9的像素长度为l1,P2和P5的像素长度为l2,通过识别快递单中记载的信息,得到P7和P9之间的实际长度为l,则P2与P5之间的实际长度L为:
同理,可求得快递箱的宽度和高度,进而得到快递箱的体积V1=长度×宽度×高度,其中,步骤(3)可以以如下例子进行说明:
如图3所示,假设快递单尺寸(hxw=0.5x0.5m),快递箱(正方体)的尺寸(AxBxC),且图像中像素距离为l1=1单位,l2=5单位,则快递箱中;
同理可以B=2.5m,C=2.5m;
因此,快递箱的体积参数V1=2.5x2.5x2.5=15.625m3。
(4)、通过识别快递单中记载的信息,具体步骤为:首先使用Grabcut采集垂直视角下的含有快递单的图像,对其进行预处理和阈值分割,得到快递单的文字区域类型,其次根据内容类型,分离快递单的信息,然后按个别字符切分,得到单个字符信息,并基于梯度等提取字符特征,最后基于统计模式识别,得到快递单所记载的具体内容,以此得到快递单中记载的快递箱的体积参数V2;
(5)、通过获取快递单中记载的重量信息,用计算体积重量的逆运算得到求体积,其中标准化计算体积重量的方法为V3=长度L(cm)×宽度W(cm)×高度H(cm)/5000=重量(kg),由于可以获得精准的重量信息,因此由重量(kg)×5000可以反过来求得体积值V3,所述快递箱的体积参数V3;
其中,λ为常数,例如λ=5000。
(6)、赋予不同属性初始的权重(K1=0.5,K2=0.5,K3=0.5),计算快递箱的体积:
V=K1×V1+K2×V2+K3×V3;
其中,K1、K2、K3分别对应V1、V2、V3,且每个权重系数可以根据各属性的重要度去评判,进而调节权重比。
其中,在步骤(6)中,权重参数的选择包括以下步骤:
首先赋予一组初始权值:K1=0.33、K2=0.33、K3=0.33(要求K1+K2+K3=1)在已知的一组快递箱体积测量的情况下,得到V1、V2和V3;其次,根据步骤(6)中的公式计算得到快递箱的体积测量值VC,根据快递箱实际的体积VT,将VC和VT代入到体积损失函数中,且同时设置学习率Vr=0.001m3,不断更新权重系数K1、K2和K3,直至VR≤0.001m3时,停止更新权重系数,并将满足该条件的权重系数K1、K2和K3代入V=K1×V1+K2×V2+K3×V3中,完成后续体积测量。
本发明主要注重快递单的尺度属性,而不是利用尺度比例算法,通过增强快递单的尺度作用,快速得到快递箱的体积;其次,快递单可以只设置在快递箱的一面,但是考虑实到实际情况下,快递箱体的大小不可限定,为此,可以在快递箱的多个面,例如三个面(对称)贴有快递单,充分利用快递单的尺度属性。
参见图2,本实施例中的快递单包括以下信息:
1.发件人信息:(1)寄件人始发地、发件时间、姓名、电话;(2)寄件人单位名称;(3)寄件人地址;
2、收件人信息:(1)收件人目的地、姓名、电话:请详细填写收件人姓名、有效的联系电话;(2)收件人单位名称;(3)收件人地址;
3、交运物品描述(1)物品名称:请注明内装物品的具体名称;
(2)物品需清点:请注明内装物品的具体数量;
4、托运物信息:(1)体积;(2)重量;
5、快递单的详细信息:内外边框的长宽
6、业务类型
7、费用
8、付款方式
最后,本发明中的字符提取技术用于自定义快递单信息提取中,从而增加其他属性的体积测量,以此增强准确性。
上述为本发明较佳的实施方式,但本发明的实施方式并不受上述内容的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、块合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (7)
1.一种基于多属性标准标签的快递箱体积测量方法,其特征在于,包括以下步骤:
(1)、图像采集装置采集传送带中的快递箱的图像,并将图像信息传递给图像处理装置;
(2)、图像处理装置对该图像信息进行处理,得到图像中快递箱和快递单的尺寸参数以及快递单中所记载的信息,其中,快递单中所记载的信息包括托运物的体积和重量以及快递单的长度和宽度;
(3)、通过尺度比例算法对图像中的快递箱和快递单的尺寸参数进行计算,得到快递箱的体积参数V1;在将快递箱和快递单与背景图像分割后,利用图像处理技术在分割后的图像中找到快递箱和快递单中的各个边长上的端点Pn的像素坐标,其中,n=1,…,10;并计算分割后的图像中的快递箱和快递单的边长;
(4)、通过识别快递单中记载的信息,得到快递单中记载的快递箱的体积参数V2;
(5)、通过快递箱的重量,计算快递箱的体积参数V3;
(6)、加入对应的权重系数,通过以下公式计算快递箱的体积:
V=K1×V1+K2×V2+K3×V3;
其中,计算快递箱的体积V1的步骤为:Pa和Pb为图像中快递箱的长度方向上的两个端点,PaPb的像素长度为l1;Pc和Pd为图像中快递单的长度方向上的两个端点,PcPd的像素长度为l2,通过识别快递单中记载的信息,得到Pc和Pd之间的实际长度为l,则Pa与Pb之间的实际长度L为:同理,可求得快递箱的宽度和高度,进而得到快递箱的体积V1=长度×宽度×高度;
其中,K1、K2、K3分别为与V1、V2、V3对应的权重系数;
权重参数的选择包括以下步骤:
首先赋予一组初始权重值:K1=0.33、K2=0.33、K3=0.33,在已知的一组快递箱体积测量的情况下,得到V1、V2和V3;接着,根据公式V=K1×V1+K2×V2+K3×V3得到体积测量值VC,根据快递箱实际的体积VT,计算体积的损失函数并设置学习率Vr=0.001m3,不断更新权重系数K1、K2和K3,直至VR≤0.001m3时,停止更新权重,并将满足条件的权重系数K1、K2和K3代入V=K1×V1+K2×V2+K3×V3中,完成后续体积测量。
2.根据权利要求1所述的基于多属性标准标签的快递箱体积测量方法,其特征在于,在步骤(1)中,通过图像采集装置在不同的光照强度下拍摄600段视频,每段视频的时长在1.20min-2min之间;并将每段视频以5帧/s的频率切割成图片,且保证每张图片均包含快递单。
3.根据权利要求1所述的基于多属性标准标签的快递箱体积测量方法,其特征在于,所述图像采集装置为RGB相机。
4.根据权利要求1所述的基于多属性标准标签的快递箱体积测量方法,其特征在于,在步骤(2)中,在对采集到的图像信息进行处理时,首先使用分割算法将快递单和快递箱的骨架提取出。
5.根据权利要求4所述的基于多属性标准标签的快递箱体积测量方法,其特征在于,在步骤(4)中,快递单的信息识别的步骤为:首先采集垂直视角下的含有快递单的图像,对其进行预处理和阈值分割,得到快递单的文字区域类型,其次根据内容类型,分离快递单的信息,然后按个别字符切分,得到单个字符信息,并提取字符特征,最后基于统计模式识别,得到快递单所记载的具体内容。
6.根据权利要求1所述的基于多属性标准标签的快递箱体积测量方法,其特征在于,在步骤(5)中,在获取快递单中记载的托运物的重量G后,计算体积参数V3,其中,
其中,λ为常数。
7.根据权利要求1所述的基于多属性标准标签的快递箱体积测量方法,其特征在于,在步骤(5)中,托运物的重量通过识别快递单中记载的信息得到,或者直接通过称重装置现场称重得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111360800.0A CN114170293B (zh) | 2021-11-17 | 2021-11-17 | 一种基于多属性标准标签的快递箱体积测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111360800.0A CN114170293B (zh) | 2021-11-17 | 2021-11-17 | 一种基于多属性标准标签的快递箱体积测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114170293A CN114170293A (zh) | 2022-03-11 |
CN114170293B true CN114170293B (zh) | 2024-05-28 |
Family
ID=80479649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111360800.0A Active CN114170293B (zh) | 2021-11-17 | 2021-11-17 | 一种基于多属性标准标签的快递箱体积测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114170293B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202994111U (zh) * | 2012-11-09 | 2013-06-12 | 朱中生 | 便携式货物体积测量仪 |
CN104346716A (zh) * | 2013-08-05 | 2015-02-11 | 朱中生 | 手持式物流快递货物数据采集装置及其采集方法 |
CN107341523A (zh) * | 2017-07-13 | 2017-11-10 | 浙江捷尚视觉科技股份有限公司 | 基于深度学习的快递单信息识别方法和*** |
CN110068270A (zh) * | 2019-04-18 | 2019-07-30 | 上海拓今智能科技有限公司 | 一种基于多线结构光图像识别的单目视觉箱体体积测量方法 |
CN110084849A (zh) * | 2019-05-09 | 2019-08-02 | 福建(泉州)哈工大工程技术研究院 | 具自动测量体积和重量的物流*** |
CN111582735A (zh) * | 2020-05-12 | 2020-08-25 | 顾晓东 | 基于大数据的仓储物流电商商品质量智能监测管理*** |
CN112560576A (zh) * | 2020-11-09 | 2021-03-26 | 华南农业大学 | 一种ai识图的垃圾分类与智能回收方法 |
CN112815837A (zh) * | 2020-12-31 | 2021-05-18 | 杭州荣旗科技有限公司 | 一种测量非规则物体体积的方法 |
CN214407731U (zh) * | 2020-11-24 | 2021-10-15 | 北京京东乾石科技有限公司 | 一种称重量方的设备 |
-
2021
- 2021-11-17 CN CN202111360800.0A patent/CN114170293B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202994111U (zh) * | 2012-11-09 | 2013-06-12 | 朱中生 | 便携式货物体积测量仪 |
CN104346716A (zh) * | 2013-08-05 | 2015-02-11 | 朱中生 | 手持式物流快递货物数据采集装置及其采集方法 |
CN107341523A (zh) * | 2017-07-13 | 2017-11-10 | 浙江捷尚视觉科技股份有限公司 | 基于深度学习的快递单信息识别方法和*** |
CN110068270A (zh) * | 2019-04-18 | 2019-07-30 | 上海拓今智能科技有限公司 | 一种基于多线结构光图像识别的单目视觉箱体体积测量方法 |
CN110084849A (zh) * | 2019-05-09 | 2019-08-02 | 福建(泉州)哈工大工程技术研究院 | 具自动测量体积和重量的物流*** |
CN111582735A (zh) * | 2020-05-12 | 2020-08-25 | 顾晓东 | 基于大数据的仓储物流电商商品质量智能监测管理*** |
CN112560576A (zh) * | 2020-11-09 | 2021-03-26 | 华南农业大学 | 一种ai识图的垃圾分类与智能回收方法 |
CN214407731U (zh) * | 2020-11-24 | 2021-10-15 | 北京京东乾石科技有限公司 | 一种称重量方的设备 |
CN112815837A (zh) * | 2020-12-31 | 2021-05-18 | 杭州荣旗科技有限公司 | 一种测量非规则物体体积的方法 |
Non-Patent Citations (1)
Title |
---|
基于单视图3D 重建的快递纸箱体积测量算法;冯相如 等;《计算机***应用》;20200930;第29卷(第10期);第192页-第198页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114170293A (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106225678B (zh) | 基于3d相机的动态物体定位与体积测量方法 | |
CN104020475B (zh) | 一种基于机载LiDAR数据的电力线提取及建模方法 | |
CN106969706A (zh) | 基于双目立体视觉的工件检测与三维测量***及检测方法 | |
CN110174056A (zh) | 一种物体体积测量方法、装置及移动终端 | |
CN107044821A (zh) | 一种非接触式管类物体的测量方法及*** | |
CN109271861B (zh) | 多尺度融合的点云交通标识牌自动提取方法 | |
CN111814739B (zh) | 快递包裹体积的检测方法、装置、设备及存储介质 | |
CN105571489A (zh) | 一种物体重量体积测量识别***及方法 | |
CN104501718A (zh) | 基于视觉的包裹体积测量装置 | |
CN113469178B (zh) | 一种基于深度学习的电力表计识别方法 | |
CN103729631A (zh) | 一种基于视觉的连接器表面特征自动识别方法 | |
CN114511718B (zh) | 一种建筑施工用物料智能管理方法及*** | |
CN114359181A (zh) | 一种基于图像和点云的智慧交通目标融合检测方法及*** | |
CN102798349A (zh) | 一种基于等灰度线搜索的三维表面提取方法 | |
CN111461133A (zh) | 快递面单品名识别方法、装置、设备及存储介质 | |
CN115546202B (zh) | 一种用于无人叉车的托盘检测与定位方法 | |
CN116255912A (zh) | 包裹的静态体积测量方法及*** | |
CN111768417A (zh) | 基于单目视觉3d重建技术的铁路货车超限检测方法 | |
CN113960075A (zh) | 一种安检设备及物品尺寸确定方法、存储介质、设备 | |
CN117037132A (zh) | 一种基于机器视觉的船舶水尺读数检测和识别方法 | |
CN115063472A (zh) | 基于深度学习的行李识别测量方法及装置 | |
CN114170293B (zh) | 一种基于多属性标准标签的快递箱体积测量方法 | |
Samdangdech et al. | Log-end cut-area detection in images taken from rear end of eucalyptus timber trucks | |
CN107884049A (zh) | 一种产品称重及三维尺寸测量装置 | |
CN116091506A (zh) | 一种基于yolov5的机器视觉缺陷质检方法 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhong Nan Inventor after: Jin Qingting Inventor before: Jin Qingting Inventor before: Zhong Nan |
|
GR01 | Patent grant | ||
GR01 | Patent grant |