基于闸道的集卡图像采集方法、系统、设备及存储介质技术方案

本发明专利技术提供了基于闸道的集卡图像采集方法、系统、设备及存储介质，该方法包括以下步骤：通过至少一点云采集装置采集闸道区域内激光点云，建立点云采集装置的内参坐标系与世界坐标系的转换关系；将待检测激光点云投影转化为一二维待测图像并建立平面坐标系；通过点云采集装置采集集卡经过闸道区域时的激光点云，并投影转化到二维待测图像；当集卡在二维待测图像中的投影图案到达预设触发位置时，触发预设触发位置对应的图像采集装置采集集卡的图像。本发明专利技术能够为集装箱闸道定制高效、准确的空间感知方法，进而为集卡车牌、集装箱号识别系统和拍照系统提供更为准确的触发信号，提升港口智能管理的可靠性和高效性。港口智能管理的可靠性和高效性。港口智能管理的可靠性和高效性。

【技术实现步骤摘要】
基于闸道的集卡图像采集方法、系统、设备及存储介质


[0001]本专利技术涉及AI光学识别领域，具体地说，涉及用于无人码头的基于闸道的集卡图像采集方法、系统、设备及存储介质。

技术介绍

[0002]集装箱道闸一般位于港口的出入口，需要结合智能管理系统对过往的集卡车牌、拖运的集装箱识别号进行识别和拍照，从而帮助港口提升管理效率、降低人工成本。
[0003]道闸一般通过地感线圈、红外对射、毫米波雷达探测等方式来检测车辆的存在并触发识别和拍照，然而这些方法各自存在如下问题：地感线圈埋于地下不便于维修和更换，较长的施工周期会导致道闸长时间不可用。红外对射对安装角度、位置要求较高，并易受温度、光线等因素影响，导致较高的误报率。毫米波雷达安装方便，但仍存在易受电磁干扰、功耗相对较高的缺点。
[0004]因此，本专利技术提供了一种基于闸道的集卡图像采集方法、系统、设备及存储介质。

技术实现思路

[0005]针对现有技术中的问题，本专利技术的目的在于提供基于闸道的集卡图像采集方法、系统、设备及存储介质，克服了现有技术的困难，能够为集装箱闸道定制更为高效和准确的空间感知方法，进而为集卡车牌、集装箱号识别系统和拍照系统提供更为准确的触发信号，提升港口智能管理的可靠性和高效性。
[0006]本专利技术的实施例提供一种基于闸道的集卡图像采集方法，包括以下步骤：
[0007]S110、通过至少一点云采集装置采集闸道区域内激光点云，建立所述点云采集装置的内参坐标系与世界坐标系的转换关系，所述世界坐标系中的X轴、Y轴、Z轴分别对应所述闸道的长度、宽度以及高度方向；
[0008]S130、将所述待检测激光点云投影转化为一二维待测图像并建立平面坐标系，所述二维待测图像的u轴平行于X轴、v轴平行于Z轴；
[0009]S140、通过点云采集装置采集集卡经过所述闸道区域时的激光点云，并投影转化到所述二维待测图像；
[0010]S150、当所述集卡在二维待测图像中的投影图案到达预设触发位置时，触发所述预设触发位置对应的图像采集装置采集所述集卡的图像。
[0011]优选地，所述步骤S110中，通过点云采集装置采集闸道区域内激光点云，根据所述激光点云进行平面拟合，获得闸道区域的地面所在的平面，建立所述点云采集装置的内参坐标系与世界坐标系的转换关系，所述世界坐标系中的X轴平行于所述闸道的长度方向，Y轴平行于所述闸道的宽度方向，Z轴平行于所述闸道的高度方向。所述点云采集装置被悬空设置于一条闸道的上方，并且沿着闸道的长度方向平行设置(即将设备的采集方向沿着X轴设置，预设X轴方向)，则可基于拟合后的平面内获得与X轴相垂直的Y轴以及垂直于拟合后的平面的Z轴方向。
[0012]优选地，所述步骤S110中包括以下步骤：
[0013]S111、通过点云采集装置采集闸道区域内激光点云，根据所述激光点云进行平面拟合，获得闸道区域的地面所在的平面，建立所述点云采集装置的内参坐标系与世界坐标系的转换关系；
[0014]S112、当集卡驶入所述闸道区域，过滤低于地面3.5米以下的点云；
[0015]S113、将剩余的点云通过现有技术的PCA算法获得点云分布的主方向，所述主方向作为X轴方向；
[0016]S114、基于拟合后的平面内获得与X轴相垂直的Y轴和垂直于拟合后的平面的Z轴方向，所述世界坐标系中的X轴平行于所述闸道的长度方向，Y轴平行于所述闸道的宽度方向，Z轴平行于所述闸道的高度方向。PCA(Principal Component Analysis，主成分分析)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。点云法向量的估计在很多场景都会用到，比如ICP配准，以及曲面重建、点云中的方向预测等等。
[0017]优选地，所述步骤S110之后、步骤S130之前还包括：
[0018]S120、基于预设的闸道区域的长宽高数据过滤所述激光点云数据，仅保留位于闸道区域的空间范围内的待检测激光点云。
[0019]优选地，所述步骤S130包括以下步骤：
[0020]S131、建立一M行N列的矩形二值化图像，所述矩形二值化图像的u轴平行于X轴、v轴平行于Z轴，并根据矩形二值化图像与实际闸道的长度以及高度的比例，在矩形二值化图像中设置预设触发位置。
[0021]S132、将所述待检测激光点云投影到所述矩形二值化图像；
[0022]S133、通过二值化区别所述矩形二值化图像中获得所述待检测激光点云投影的每个所述第一类像素和未获得所述待检测激光点云投影的第二类像素；
[0023]S134、将第一类像素和第二类像素的集合形成的图像作为二维待测图像。
[0024]优选地，所述步骤S131中，所述矩形图像的长度和宽度的第一比例与所述闸道区域的长度和高度的第二比例相同。
[0025]优选地，所述步骤S132中，将所述激光点云中的三维点(X，Y，Z)通过一下公式投影到矩形二值化图像(X
u
，Y
v
)中：
[0026]int(*)为取整函数；
[0027]其中，X
min
为所述闸道区域的空间范围在所述世界坐标系的X轴坐标的最小值；
[0028]X
max
为所述闸道区域的空间范围在所述世界坐标系的X轴坐标的最大值；
[0029]Y
min
为所述闸道区域的空间范围在所述世界坐标系的Y轴坐标的最小值；
[0030]Y
max
为所述闸道区域的空间范围在所述世界坐标系的Y轴坐标的最大值；
[0031]Z
min
为所述闸道区域的空间范围在所述世界坐标系的Z轴坐标的最小值；
[0032]Z
max
为所述闸道区域的空间范围在所述世界坐标系的Z轴坐标的最大值。
[0033]优选地，所述步骤S133中，将获得所述激光点云投影的每个所述第一类像素的像素值标记为1，将未获得所述激光点云投影的每个所述第一类像素的像素值标记为0。
[0034]优选地，所述步骤S140包括下步骤：
[0035]S141、通过点云采集装置采集集卡经过所述闸道区域时的激光点云；
[0036]S142、将所述激光点云分别投影转化到所述二维待测图像中；
[0037]S143、基于所述图像识别的第一神经网络获得各自对应所述车头、车尾、集装箱前端面和集装箱后端面对应的图像区域，每个所述图像区域的像素分别具有代表所在的图像区域的类别的标签。
[0038]优选地，所述步骤S143之后还包括，当在同一集卡上识别到两个车头或者集装箱前端面，分别获得两个所述图像区域中轮廓线的夹角度数与90
°
之间的差值，差值小的所述图像区域为对应所述集装箱前端面的图像区域，差值大的所述图像区域为对应所述车头的图像区本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于闸道的集卡图像采集方法，其特征在于，包括以下步骤：S110、通过至少一点云采集装置采集闸道区域内激光点云，建立所述点云采集装置的内参坐标系与世界坐标系的转换关系，所述世界坐标系中的X轴、Y轴、Z轴分别对应所述闸道的长度、宽度以及高度方向；S130、将待检测的所述激光点云投影转化为一二维待测图像并建立平面坐标系，所述二维待测图像的u轴平行于X轴、v轴平行于Z轴；S140、通过点云采集装置采集集卡经过所述闸道区域时的激光点云，并投影转化到所述二维待测图像；S150、当所述集卡在二维待测图像中的投影图案到达预设触发位置时，触发所述预设触发位置对应的图像采集装置采集所述集卡的图像。2.如权利要求1所述的基于闸道的集卡图像采集方法，其特征在于，所述步骤S110中，通过点云采集装置采集闸道区域内激光点云，根据所述激光点云进行平面拟合，获得闸道区域的地面所在的平面，建立所述点云采集装置的内参坐标系与世界坐标系的转换关系，所述世界坐标系中的X轴平行于所述闸道的长度方向，Y轴平行于所述闸道的宽度方向，Z轴平行于所述闸道的高度方向。3.如权利要求1所述的基于闸道的集卡图像采集方法，其特征在于，所述步骤S110中包括以下步骤：S111、通过点云采集装置采集闸道区域内激光点云，根据所述激光点云进行平面拟合，获得闸道区域的地面所在的平面，建立所述点云采集装置的内参坐标系与世界坐标系的转换关系；S112、当集卡驶入所述闸道区域，过滤低于地面3.5米以下的点云；S113、将剩余的点云通过PCA算法获得点云分布的主方向，所述主方向作为X轴方向；S114、基于拟合后的平面内获得与X轴相垂直的Y轴和垂直于拟合后的平面的Z轴方向，所述世界坐标系中的X轴平行于所述闸道的长度方向，Y轴平行于所述闸道的宽度方向，Z轴平行于所述闸道的高度方向。4.如权利要求1所述的基于闸道的集卡图像采集方法，其特征在于，所述步骤S110之后、步骤S130之前还包括：S120、基于预设的闸道区域的长宽高数据过滤所述激光点云数据，仅保留位于闸道区域的空间范围内的待检测激光点云。5.如权利要求1所述的基于闸道的集卡图像采集方法，其特征在于，所述步骤S130包括以下步骤：S131、建立一M行N列的矩形二值化图像，所述矩形二值化图像的u轴平行于X轴、v轴平行于Z轴，并根据矩形二值化图像与实际闸道的长度以及高度的比例，在矩形二值化图像中设置预设触发位置；S132、将所述待检测激光点云投影到所述矩形二值化图像；S133、通过二值化区别所述矩形二值化图像中获得所述待检测激光点云投影的每个第一类像素和未获得所述待检测激光点云投影的第二类像素；S134、将所述第一类像素和第二类像素的集合形成的图像作为二维待测图像。6.如权利要求5所述的基于闸道的集卡图像采集方法，其特征在于，所述步骤S131中，
所述矩形图像的长度和宽度的第一比例与所述闸道区域的长度和高度的第二比例相同。7.如权利要求5所述的基于闸道的集卡图像采集方法，其特征在于，所述步骤S132中，将所述激光点云中的三维点(X，Y，Z)通过一下公式投影到矩形二值化图像(X
u
，Y
v
)中：其中，X
min
为所述闸道区域的空间范围在所述世界坐标系的X轴坐标的最小值；X
max
为所述闸道区域的空间范围在所述世界坐标系的X轴坐标的最大值；Z
min
为所述闸道区域的空间范围在所述世界坐标系的Z轴坐标的最小值；Z
max
为所述闸道区域的空间范围在所述世界坐标系的Z轴坐标的最大值。8.如权利要求5所述的基于闸道的集卡图像采集方法，其特征在于，所述步骤S133中，将获得所述激光点云投影的每个所述第一类像素的像素值标记为1，将未获得所述激光点云投影的每个所述第一类像素的像素值标记为0。9.如权利要求1所述的基于闸道的集卡图像采集方法，其特征在于，所述步骤S140包括下步骤：S141、通过点云采集装置采集集卡经过所述闸道区域时的激光点云；S142、将所述激光点云投影转化到所述二维待测图像中；S143、基于所述图像识别的第一神经网络获得各自对应车头、车尾、集装箱前端面和集装箱后端面对应的图像区域，每个所述图像区域的像素分别具有代表所在的图像区域的类别的标签。10....

【专利技术属性】
技术研发人员：谭黎敏，张蒙，顾荣琦，
申请(专利权)人：上海西井信息科技有限公司，
类型：发明
国别省市：