箱体关键点检测方法和装置、计算设备、计算机可读存储介质制造方法及图纸

本发明专利技术实施例公开了一种箱体关键点检测方法和装置、计算设备、计算机可读存储介质。所述方法包括以下步骤：获取第一图像数据，其中，所述第一图像数据包括第一箱体的图像的数据；利用第一检测网络模型对所述第一图像数据进行检测，以输出第一检测结果数据，其中，所述第一检测结果数据包括所述第一箱体的第一关键点的第一坐标数据；从所述第一图像数据中获取与所述第一关键点对应的预定尺寸的第二图像数据；利用第二检测网络模型对所述第二图像数据进行检测，以输出第二检测结果数据，其中，所述第二检测结果数据至少包括所述第一关键点的第二坐标数据。本发明专利技术实施例能够对箱体的关键点进行精确的智能化检测。

【技术实现步骤摘要】
箱体关键点检测方法和装置、计算设备、计算机可读存储介质
本专利技术涉及计算机
，特别涉及一种箱体关键点检测方法和装置、计算设备、计算机可读存储介质。
技术介绍
物流行业具有对货物体积进行精确测量的需求。目前，一般采用人工测量的方式来对货物体积进行测量。这种方式所测量得到的结果的精确度较低，并且这种方式的效率较低。目前，本领域还不存在对箱体的顶点进行精确的智能化检测的技术。故，有必要提出一种新的技术方案，以解决上述技术问题。
技术实现思路
本专利技术的目的在于提供一种箱体关键点检测方法和装置、计算设备、计算机可读存储介质，其能对箱体的关键点进行精确的智能化检测。为解决上述问题，本专利技术实施例的技术方案如下：第一方面，提供一种箱体关键点检测方法，所述方法包括以下步骤：获取第一图像数据，其中，所述第一图像数据包括第一箱体的图像的数据；利用第一检测网络模型对所述第一图像数据进行检测，以输出第一检测结果数据，其中，所述第一检测结果数据包括所述第一箱体的第一关键点的第一坐标数据；从所述第一图像数据中获取与所述第一关键点对应的预定尺寸的第二图像数据；利用第二检测网络模型对所述第二图像数据进行检测，以输出第二检测结果数据，其中，所述第二检测结果数据至少包括所述第一关键点的第二坐标数据。第二方面，提供一种箱体关键点检测装置，所述装置包括：第一获取模块，用于获取第一图像数据，其中，所述第一图像数据包括第一箱体的图像的数据；检测模块，用于利用第一检测网络模型对所述第一图像数据进行检测，以输出第一检测结果数据，其中，所述第一检测结果数据包括所述第一箱体的第一关键点的第一坐标数据；第二获取模块，用于从所述第一图像数据中获取与所述第一关键点对应的预定尺寸的第二图像数据；所述检测模块还用于利用第二检测网络模型对所述第二图像数据进行检测，以输出第二检测结果数据，其中，所述第二检测结果数据至少包括所述第一关键点的第二坐标数据。第三方面，提供一种计算设备，所述计算设备包括处理器和存储器，所述存储器用于存储程序指令，所述计算设备运行时，所述处理器用于执行所述存储器中的所述程序指令，以执行上述第一方面所述的箱体关键点检测方法。第四方面，提供一种存储有程序指令的计算机可读存储介质，所述程序指令用于使得计算机执行上述第一方面所述的箱体关键点检测方法。相对现有技术，本专利技术实施例由于采用级联网络模型的方式对所述第一箱体的所述第一关键点进行精筛，即，先利用基于姿态检测的技术的所述第一检测网络模型对所述第一箱体的所述第一图像数据进行检测，以输出所述第一箱体的第一关键点的第一坐标数据，然后再利用基于人脸检测的技术的第二检测网络模型对包括所述第一关键点的第二图像数据进行检测，以输出所述第一箱体的第一关键点的第二坐标数据，因此可以得到更高精确的箱体关键点位置，经实践验证，本专利技术实施例的技术方案可以将所检测得出的所述第一关键点的位置偏移量(坐标误差)控制在3个像素以内。为让本专利技术的上述内容能更明显易懂，下文特举优选实施例，并配合所附图式，作详细说明如下：【附图说明】图1为本专利技术实施例的箱体关键点检测装置和方法的运行环境示意图。图2为本专利技术实施例的箱体关键点检测方法的流程图。图3为本专利技术实施例的箱体关键点检测方法中对第一检测网络模型进行训练的步骤的流程图。图4为本专利技术实施例的箱体关键点检测方法中对第二检测网络模型进行训练的步骤的流程图。图5为本专利技术实施例的箱体关键点检测装置的框图。【具体实施方式】在本专利技术实施例中，术语“模块”一般指：硬件、硬件和软件的组合、软件等。例如，模块可以是运行在处理器上的进程、处理器、对象、可执行应用、执行的线程、程序等。运行在处理器上的应用和该处理器二者都可以是模块。一个或多个模块可以位于一个计算机中和/或分布在两个或更多计算机之间。参考图1，图1为本专利技术实施例的箱体关键点检测装置和方法的运行环境示意图。本专利技术实施例的箱体关键点检测装置的应用实例包括但不限于个人计算机、服务器、手持式或膝上型设备、移动设备(比如移动电话、个人数字助理(PDA，PersonalDigitalAssistant)、媒体播放器等)、多处理器系统、消费型电子设备等。本专利技术实施例的箱体关键点检测装置和方法可以运行于上述应用实例所对应的设备、系统中，所述应用实例所对应的设备、系统可以包括处理器103、存储器101、接口电路102、摄像头104、通信电路105等中的任意组合，上述处理器103、存储器101、接口电路102、摄像头104、通信电路105等中的任意组合用于实现本专利技术实施例的箱体关键点检测装置和方法的功能、步骤。参考图2，图2为本专利技术实施例的箱体关键点检测方法的流程图。本专利技术实施例的箱体关键点检测方法包括以下步骤：步骤201、获取第一图像数据，其中，所述第一图像数据包括第一箱体的图像(第一图像)的数据。具体地，所述步骤201包括：拍摄所述第一箱体的图像，以获取所述第一图像数据。所述第一箱体为目标箱体(待检测的箱体)。步骤202、利用第一检测网络模型对所述第一图像数据进行检测，以输出第一检测结果数据，其中，所述第一检测结果数据包括所述第一箱体的第一关键点(例如，顶点)的第一坐标数据以及所述第一关键点相对于所述第一箱体的第一序号。在对所述第一关键点进行检测的过程中对所检测的所述第一关键点进行编号(标记第一序号)。其中，所述第一序号与所述第一坐标数据的结合用于确定所述第一箱体的长宽高数据(具有相同第一关键点的三条互不相同的棱边的长度)。对于通过结合所述第一序号与所述第一坐标数据来确定所述第一箱体的长宽高数据的方式，举例如下：以任意一个第一关键点(序号A)为起点，按顺时针方向或逆时针方向找出另外三个第一关键点(序号B、序号C、序号D)，此时，这三个第一关键点中的第一个第一关键点(序号B)与第一关键点(序号A)之间的连接线构成第一条棱边，这三个第一关键点中的第三个第一关键点(序号D)与第一关键点(序号A)之间的连接线构成第二条棱边，以第一关键点(序号A)为起点，按照顺时针方向或逆时针方向找出其它三个第一关键点(序号E、序号F、序号G)，此时，第一关键点(序号G)与第一关键点(序号A)之间的连接线构成第三条棱边，通过这三条棱边(连接线)及这四个第一关键点(序号A、序号B、序号D、序号G)的坐标数据，可以计算出第一箱体的长宽高数据。具体地，所述步骤202包括：调用所述第一检测网络模型，并控制所述第一检测网络模型接收所述第一图像数据，以及控制所述第一检测网络模型对所述第一图像数据进行检测，以输出所述第一检测结果数据。所述第一检测网络模型为基于姿态检测的技术而创建的模型。所述第一检测网络模型的输入(所接收)为所述第一图像数据，所述第一检测网络模型的输出为第一箱体的第一关键点的第一坐标数据，当然，第一检测网络模型的输出还可以包括第一箱体的第一关键点之间的连接线数据，并且，所述本文档来自技高网...

【技术保护点】
1.一种箱体关键点检测方法，其特征在于，所述方法包括以下步骤：/n获取第一图像数据，其中，所述第一图像数据包括第一箱体的图像的数据；/n利用第一检测网络模型对所述第一图像数据进行检测，以输出第一检测结果数据，其中，所述第一检测结果数据包括所述第一箱体的第一关键点的第一坐标数据；/n从所述第一图像数据中获取与所述第一关键点对应的预定尺寸的第二图像数据；/n利用第二检测网络模型对所述第二图像数据进行检测，以输出第二检测结果数据，其中，所述第二检测结果数据至少包括所述第一关键点的第二坐标数据。/n

【技术特征摘要】
1.一种箱体关键点检测方法，其特征在于，所述方法包括以下步骤：
获取第一图像数据，其中，所述第一图像数据包括第一箱体的图像的数据；
利用第一检测网络模型对所述第一图像数据进行检测，以输出第一检测结果数据，其中，所述第一检测结果数据包括所述第一箱体的第一关键点的第一坐标数据；
从所述第一图像数据中获取与所述第一关键点对应的预定尺寸的第二图像数据；
利用第二检测网络模型对所述第二图像数据进行检测，以输出第二检测结果数据，其中，所述第二检测结果数据至少包括所述第一关键点的第二坐标数据。


2.根据权利要求1所述的箱体关键点检测方法，其特征在于，所述第一检测网络模型为基于姿态检测的技术而创建的模型；
所述第二检测网络模型为基于人脸检测的技术而创建的模型。


3.根据权利要求1所述的箱体关键点检测方法，其特征在于，从所述第一图像数据中获取与所述第一关键点对应的预定尺寸的第二图像数据的步骤包括：
基于所述第一关键点的第一坐标数据，从所述第一图像数据所对应的第一图像中截取包括所述第一关键点的具有所述预定尺寸的第二图像，并输出与所述第二图像对应的所述第二图像数据。


4.根据权利要求1所述的箱体关键点检测方法，其特征在于，在获取第一图像数据的步骤之前，所述方法还包括以下步骤：
利用第一训练数据对所述第一检测网络模型进行训练，其中，所述第一训练数据包括第二箱体的第三图像数据和针对所述第二箱体的第二关键点的标注的数据。


5.根据权利要求4所述的箱体关键点检测方法，其特征在于，所述方法还包括以下步骤：
在对所述第一检测网络模型进行训练的过程中，为所述第二关键点标记第二序号。


6.根据权利要求1所述的...

【专利技术属性】
技术研发人员：杨小平，
申请(专利权)人：顺丰科技有限公司，深圳顺丰泰森控股集团有限公司，
类型：发明
国别省市：广东;44