[发明专利]一种基于轮廓特征的仓储箱体识别与定位方法

权利要求书

1.一种基于轮廓特征的仓储箱体识别方法，其特征在于，包括以下步骤：

(1)采集箱体货物的彩色图像C和深度图像D；

(2)对彩色图像C前景分割得到多个颜色区域R_i，对深度图像D前景分割得到多个深度块D_j；将深度块D_j映射到彩色图像C上，标记落入同一深度块D_j的颜色区域R_i，并将其合并作为最终的箱体货物前景图像；

(3)对箱体货物前景图像作直线边缘检测，并以矩形为轮廓目标对边缘进行连接，得到候选目标闭合轮廓；

(4)从候选目标闭合轮廓中选取满足预定箱体矩形特征者，即为箱体识别结果；

所述步骤(3)直线边缘检测的具体实现方式为：

首先计算所述箱体货物前景图像每个像素点的水平线角度；

然后依据所述水平线角度用区域生长方法将所述箱体货物前景图像分割为若干连通域，每个连通域中所有像素点的水平线角度不能超过容忍值τ，记连通域为直线支撑区域；

对所述直线支撑区域进行验证：

计算成线点密度d＝k/N，k为直线支撑区域内水平线方向角度与主惯性轴方向相同的像素点个数，N为直线支撑区域内的像素点总数；

若d大于或等于阈值即判定此区域为有效支撑区域；

若d小于阈值计算直线支撑区域起始位置相邻像素点间的梯度方向标准偏差，将容忍值τ更新为所述标准偏差，缩小直线支撑区域面积，重新从起始位置进行区域生长形成新的直线支撑区域；再次对所述直线支撑区域进行验证，直至满足d大于或等于阈值

最后根据矩形度对有效支撑区域进行筛选和完善，得到直线边缘检测结果；

还对检测到的直线段作筛除和合并处理，具体的实现方式为：

用l_i表示直线段：l_i{S_i(x₁，y₁)，E_i(x₂，y₂)，d_i，θ_i}，其中，S_i(x₁，y₁)和E_i(x₁，y₁)分别为线段的起点和终点坐标；θ_i为向量和x轴方向间的夹角，为线段和水平线间的角度；线段的长度当d_i小于阈值d_thresh时，滤除该线段；

进一步判定，给定平行线段夹角的容差阈值为θ_thresh，若|θ_i-θ_j|＜θ_thresh或者π-|θ_i-θ_j|＜θ_thresh，则保留该线段，否则滤除该线段；

遍历保留的线段集合，使用欧氏距离计算线段l_i和l_j两个端点间的距离D₁、D₂、D₃、D₄，取D_min＝min(D₁，D₂，D₃，D₄)，D_max＝max(D₁，D₂，D₃，D₄)；若D_min＜d_thresh且D_max＞d_i并且D_max＞d_j，则将线段l_i和l_j合并为一个新线段l_new，然后以l_new替代l_i；循环上述过程，直到所有保留线段都遍历完成；

对于直线支撑域中存在分支的情况，使用基于直方图统计的矩形分支去除方法，在一个直线支撑区域判断有效后，在垂直于支撑域的方向上，统计成线点的投影数量，按照成线点的不同分布建立相应的直方图，进而剔除分支。