System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于移动行李的点云转换方法、设备及存储介质技术_技高网

基于移动行李的点云转换方法、设备及存储介质技术

技术编号:44867889 阅读:6 留言:0更新日期:2025-04-08 00:10
本申请涉及目标检测技术领域,公开了一种基于移动行李的三维建模方法、设备及存储介质,方法包括:在目标行李移动的过程中采集多张深度图片,并从中确定初始深度图片以及待聚合深度图片,以提取初始点云以及待聚合点云;根据初始点云确定对齐坐标系,根据初始点云提取初始体素集;计算目标行李对应待聚合深度图片的水平位移以及法向量,以将待聚合点云转换为对齐坐标系下的转换点云,根据转换点云提取待聚合体素集;利用初始体素集以及各个待聚合体素集构建三维网格模型。本申请利用了行李在平面上单向运动的特性,将其作为约束条件应用到深度相机的位姿计算中,减少了深度相机和运动物体相对位姿估计的误差,解决了移动行李的三维建模的问题。

【技术实现步骤摘要】

本申请涉及目标检测,尤其涉及一种基于移动行李的点云转换方法、设备及存储介质


技术介绍

1、目前,检测行李是否发生破损的方式通常是采用三维建模技术,通常采用目标行李静止不动,然后通过深度相机围绕目标行李转动以采集不同深度图片对应的点云数据,并通过icp(iterative closest point,迭代最近点)算法将各个深度图片转换到同一坐标系下,以实现点云聚合,并构建三维网格模型,从而可以利用建成后的三维模型判断行李是否发生破损。

2、因此,构建三维模型需要利用点云转换方法将各个深度图片转换到同一坐标系下,然而,由于相关技术中采集到静止行李的周围环境是不变的,因此可以相对简单地将实现点云聚合。而对于运动的行李,由于运动行李的周围环境是变化的,这会导致帧与帧之间点云形状并不一致,即移动行李的点云数据差别较大。因此对于移动行李,不管传统的icp算法怎么计算,其计算得到的平移矩阵以及旋转矩阵都无法让点云重叠,这将导致不同时刻采集到的点云数据无法聚合,从而使得三维网络模型构建失败。


技术实现思路

1、本申请的主要目的在于提供一种基于移动行李的点云转换方法、设备及存储介质,旨在实现对移动行李的点云进行转换以实现点云聚合,从而进行快速的三维建模。

2、第一方面,本申请提供一种基于移动行李的点云转换方法,其特征在于,所述方法包括:

3、在目标行李移动的过程中,获取所述目标行李对应的初始点云和待聚合点云,所述初始点云和所述待聚合点云的采集时间不同;

<p>4、确定所述初始点云中点的数量为第一数量,并确定所述待聚合点云中点的数量为第二数量;

5、从所述第一数量以及所述第二数量中筛选最小值作为匹配数量,并根据所述匹配数量从所述初始点云中筛选第一点集;

6、根据所述第一点集从所述待聚合点云中筛选最邻近点,得到第二点集;

7、根据所述目标行李的水平位移构建第一矩阵;

8、构建旋转矩阵,并根据所述旋转矩阵以及所述第一矩阵构建第二矩阵;

9、根据所述第二矩阵对所述第一点集中的各个点进行矩阵变换,得到第三点集;

10、计算所述第三点集与所述第二点集在预设偏差函数的结果值最小时对应的平移矩阵以及所述旋转矩阵,其中,所述预设偏差函数与所述第二点集、所述第三点集、法向量、所述平移矩阵以及所述旋转矩阵相关;

11、利用所述旋转矩阵对所述第二点集进行旋转变换,得到第四点集,并利用所述平移矩阵对所述第四点集进行平移变换,得到第五点集;

12、利用所述旋转矩阵对所述待聚合点云进行旋转变换,得到第一临时点云,并利用所述平移矩阵对所述第一临时点云进行平移变换,得到第二临时点云;

13、计算所述第五点集与所述第一点集的平均距离,当所述平均距离小于预设距离时,确定所述第二临时点云为转换点云。

14、第二方面,本申请还提供一种终端设备,所述终端设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如上所述的基于移动行李的点云转换方法的步骤。

15、第三方面,本申请还提供一种存储介质,所述计算机可读存储介质上存储有计算机程序,其中所述计算机程序被处理器执行时,实现如上所述的基于移动行李的点云转换方法的步骤。

16、本申请提供一种基于移动行李的点云转换方法、设备及存储介质,本申请中,在目标行李移动的过程中采集多个角度的多张深度图片,对深度图片进行聚合处理的过程中,计算目标行李的水平位移以及法向量,以在对深度图片转换坐标系时结合水平位移以及法向量实现点云重叠,从而构建目标三维模型。通过本申请所提供的技术方案,结合深度图片之间目标行李的水平位移以及法向量,将其作为约束条件应用到深度相机的位姿计算中,减少了深度相机和目标物体相对位姿估计的误差,实现了多张深度图片之间的精准聚合;另外,本申请在目标行李移动的过程中,一边采集深度图片,一边利用采集到的深度图片进行聚合,三维模型构建时间短,实现了对移动行李的快速三维建模。

本文档来自技高网
...

【技术保护点】

1.一种基于移动行李的点云转换方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

3.根据权利要求1所述的方法,其特征在于,所述方法还包括:

4.根据权利要求1所述的方法,其特征在于,所述方法还包括:

5.根据权利要求4所述的方法,其特征在于,所述根据所述待聚合点云与所述初始点云计算所述目标行李的水平位移,包括:

6.根据权利要求1所述的方法,其特征在于,所述方法还包括:

7.根据权利要求1所述的方法,其特征在于,确定所述第二临时点云为转换点云之后,还包括:

8.根据权利要求7所述的方法,其特征在于,所述根据所述初始体素集以及各个所述待聚合体素集构建三维网格模型,包括:

9.一种终端设备,其特征在于,所述终端设备包括处理器、存储器、存储在所述存储器上并可被所述处理器执行的计算机程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线,其中所述计算机程序被所述处理器执行时,实现如权利要求1至8中任一项所述的基于移动行李的点云转换方法的步骤。

10.一种存储介质,用于计算机可读存储,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1至8中任一项所述的基于移动行李的点云转换方法的步骤。

...

【技术特征摘要】

1.一种基于移动行李的点云转换方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

3.根据权利要求1所述的方法,其特征在于,所述方法还包括:

4.根据权利要求1所述的方法,其特征在于,所述方法还包括:

5.根据权利要求4所述的方法,其特征在于,所述根据所述待聚合点云与所述初始点云计算所述目标行李的水平位移,包括:

6.根据权利要求1所述的方法,其特征在于,所述方法还包括:

7.根据权利要求1所述的方法,其特征在于,确定所述第二临时点云为转换点云之后,还包括:

8.根据权利要求...

【专利技术属性】
技术研发人员:区士超刘晓涛
申请(专利权)人:超节点创新科技深圳有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1