[发明专利]一种基于深度学习和三维重建的货物体积测量方法

摘要

本发明涉及一种基于深度学习和三维重建的货物体积测量方法，包括步骤：RGBD数据获取、RGB数据预处理、点云生成、点云拼接、点云分割、凸包生成和体积检测，其中RGB数据预处理采用深度学习的方法，这种方法能准确地从三维场景中识别并且分割出目标物体从而提高其体积测量精度。同时，在测量货物体积时，以凸包化代替对目标点云数据三角化，能解决不封闭三维模型体积无法测量和凹型货物实际空间占用体积测量误差较大的问题，从而进一步提高实用性。

主权项

1.一种基于深度学习和三维重建的货物体积测量方法，其特征在于，包括如下步骤：第一步，采用两部同类型RGBD摄像头，以焦点位于同一直线，镜头位于同一水平面且方向相对的摆放方式来获取两组RGBD摄像头之间区域的RGBD数据，得到两组RGBD数据；第二步，根据特征匹配和深度学习的方法对所述两组RGBD数据中RGB数据进行预处理，得到目标物体与背景区域之间实现边缘分割的RGB数据，结合前述RGBD数据中的原深度数据，构成经过预处理的RGBD数据；第三步，通过对所述两部RGBD摄像头进行标定，获得两组RGBD摄像头的内参矩阵，根据空间坐标系与像素坐标系的映射关系和所述内参矩阵，分别以所述两组经过预处理的RGBD数据构造两组携带RGB信息的点云数据；第四步，通过测得空间坐标系下前述两部RGBD摄像头的位置数据，计算在世界坐标系下两个RGBD摄像头位置间的旋转平移矩阵，根据该旋转平移矩阵，将前述两组携带RGB信息点云数据拼接得到处于同一空间坐标系下的点云数据；第五步，在所述同一空间坐标系下的点云数据中，根据目标物体与背景区域之间的RGB数据差异，分割点云数据，得到仅保留目标物体的点云数据；第六步，根据所得到的仅保留目标物体的点云数据，生成目标物体三维模型，再以目标物体三维模型，生成目标物体的三维凸包模型，最终通过计算所述三维凸包模型的体积作为所求目标物体的体积。