[发明专利]一种基于轮廓特征的仓储箱体识别与定位方法

说明书

本发明提供了一种基于轮廓特征的仓储箱体识别与定位方法，包括以下步骤：(1)采集箱体货物的彩色图像和深度图像；(2)对彩色图像和深度图像作前景分割，将深度块映射到彩色图像上，标记落入同一深度块的颜色区域块，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。该方法基于深度图像和彩色图像进行箱体货物的识别和定位，提高了计算效率，同时具备成本低、实时性强的优点，适用于工厂仓库等复杂环境箱体货物的识别定位。

技术领域

本发明涉及机器视觉的识别与定位领域，尤其是一种基于深度相机的箱体货物识别与定位方法。

背景技术

当前，现有的基于多目相机的物体识别和定位设备，大部分采用不同传感器采集的立体匹配图像来获取每个像素在空间中的位置，这样会导致成本高，运行速度慢，系统太复杂性等问题。

物体分割大部分是基于彩色图像进行凸包提取的方法实现，该处理方法需要考虑物体表面色彩和纹理，在遇到背景颜色与物体类似的情况时容易产生误判，箱体货物由于纹理特征不明显采用一般的彩色相机较难捕捉到其特征点。

发明内容

本发明针对现有技术的以上缺陷或改进需求，提供了一种基于轮廓特征的仓储箱体识别与定位方法，该方法计算量小、实时性强，并且能够适应日常生活场景。

本发明的目的可以通过如下技术方案实现：

一种基于轮廓特征的仓储箱体识别方法，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。

进一步地，所述步骤(4)的具体实现方式为：

(41)分别提取每个候选目标闭合轮廓C_i的最小外接矩形r_i，计算外接矩形r_i的面积和闭合轮廓C_i的面积之间的比值若α_i大于给定阈值代表轮廓矩形近似的程度不高，则将C_i从候选目标闭合轮廓序列中去除；

(42)针对剩余候选目标闭合轮廓C_i的最小外接矩形r_i，计算其高度H_i和宽度W_i的比值β_i＝H_i/W_i，若符合判断候选目标轮廓C_i为目标箱体轮廓，即为箱体识别结果；其中，和分别为矩形高度宽度比值的上下阈值。

进一步地，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；