本发明涉及物流仓储领域，特别是涉及物流仓储中的人工智能领域，更为具体的说是涉及适用于大场景仓储的机器视觉点云图生成方法。
背景技术：
“人工智能”是目前多领域的研究重点和热点，将其应用在不同的领域中，它就会呈现处不一样的表现形式。
机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
rgb色彩模式是工业界的一种颜色标准，是计算机图像生成的重要组成部分，rgb色彩就是常说的三原色。是通过对红(r)、绿(g)、蓝(b)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的rgb即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，自然界中肉眼所能看到的任何色彩都可以由这三种色彩混合叠加而成，因此也称为加色模式，是目前运用最广的颜色系统之一。电脑屏幕上的任何一个颜色都可以由一组rgb值来记录和表达。
在大场景仓储中实现工业自动化，特别是在电力行业仓储常见物资的装卸过程中实现自动化就必然要依赖于对运输车车板以及其上所装载物资的准确识别。现阶段电力行业尚未有针对变压器、线缆盘等大场景仓储下的点云图生成方法。这一技术空白严重制约了变压器、线缆盘等电力物资仓储自动化的进程。
因此，开发适用于大场景仓储的机器视觉点云图生成方法是大场景仓储，特别是电力行业大型物资自动化仓储的重要任务和课题。
技术实现要素：
本发明所要解决的问题是提供一种稳定性高，精确度高的适用于大场景仓储的机器视觉点云图生成方法。
为了解决上述技术问题，本发明公开了一种适用于大场景仓储的机器视觉点云图生成方法，该方法包括以下步骤：
步骤1：获得扫描范围内的各点垂直深度值，及每个垂直深度值对应的时间戳数据，由一个时间戳数据及其对应的该点垂直深度值构成一次线性扫描数据；
步骤2：构建具有一一对应关系的距离值与像素值映射表；
步骤3：根据一次线性扫描数据中各点垂直深度值计算得到不同位置的垂直方向的高低差距离数据，然后根据距离值与像素值之间的一一对应关系，将一次线性扫描的高低差距离数据对应形成一行像素值；
步骤4：利用时间戳，以及预设在系统内的扫描器移动速率和扫面频率，将多次线性扫描数据对应的像素值按时间顺序排列，得到适用于大场景仓储的机器视觉点云图；
其中步骤1和步骤2没有时间先后顺序。
这里所说的没有时间先后顺序是指，可以先完成步骤1然后再完成步骤2，也可以先完成步骤2再完成步骤1，或者几乎同时的完成的步骤1和步骤2。
这里所说的扫描范围是指能够覆盖仓储装卸过程中，装卸车板及待装卸物资的区域范围。
优选的，在步骤1中所述的各点垂直深度值是由扫描器与该点之间的距离，以及扫描器扫描该点时的扫描角度计算得到。
所述的扫描角度是指扫描器偏转垂直方向的角度。
作为一种优选的技术方案，步骤2中，所述像素值是指rgb值，即rgb三原色分量值。
rgb三原色分量值范围从0到255，共256级，0最弱，255最强。
更为优选的是，在步骤2中选用高反差配色的方式。也就是说，在构建映射表的过程中需要综合考虑作业现场情况，对于电力物资装卸过程中的常见物资，或者说装卸过程中的典型高度，如地板、车板、变压器、线缆盘、散热片等距离值，通过使用高反差的rgb值进行区分。
作为优选的技术方案，在步骤2中，首先选取几个距离值，并为这些距离值赋予对应的像素值，然后利用线性补全的方式，将不同距离值对应形成不同的像素值。
更为优选的是，在步骤2中，首先选取几个距离值，从而使整个映射表由低到高划分为10个阶段，然后分别对这些距离值赋予不同的像素值。
本发明基于人工智能机器视觉图像生成技术能够以扫描系统获取的准确数据为基础，通过设置合理的垂直深度值——像素的映射表及相关方法的设定，获得准确的图像数据，进而实现大场景机器视觉点云图的生成，为后续操作奠定基础，进一步促进电力物资仓储自动化进程。同时，由于在点云图的生成过程中，其色彩配置是由使用者自行完成，因此可以满足不同的审美需求，并利用线性补足的方式，为点云图附加丰富的色彩从而能够识别并标识出多层次的复杂物体。
总之，采用本发明所公开的技术方案，能够高准确度、高精确度的自动生成大场景物资一张完整的大场景机器视觉点云图，从而为后续自动化操作提供指导和依据。
具体实施方式
为了更好的理解本发明，下面我们结合具体的实施例对本发明进行进一步的阐述。
在本实施例中对大场景机器视觉点云图技术如何实现精准生成大场景物资完整的大场景机器视觉点云图的目的，进行具体的阐述和说明。
首先，获得扫描范围内的各点垂直深度值，及每个垂直深度值对应的时间戳数据，由一个时间戳数据及其对应的该点垂直深度值构成一次线性扫描数据；
具体的，在本实施例中，各点垂直深度值是由扫描器与该点之间的距离，以及扫描器扫描该点时的扫描角度计算得到。特别的，在本实施例中所述的扫描角度是指扫描器偏转垂直方向的角度。
譬如，我们在某一个时间戳ti下获得的扫描器与该点之间的距离为ai，此时扫描器偏转垂直方向的角度为αi，那么该点的垂直深度值为bi＝ai×cosαi。
从而形成的一次线性扫描数据为(ti，bi)。
由于扫描器沿着设定的路线不断运行，并且在运行中不断进行扫描，因此，会形成多次线性扫描数据，分别为(t1，b1)；(t2，b2)；(t3，b3)；(t4，b4)；(t5，b5)……。
另一方面，使用者同时构建具有一一对应关系的距离值与像素值映射表；在本实施例中我们优选构建rgb值映射表，即rgb三原色分量值映射表。rgb三原色分量值范围从0到255，共256级，0最弱，255最强。为了更好的区分不同的高度，我们在本实施例中优选采用高反差配色的方式。也就是说，在构建映射表的过程中需要综合考虑作业现场情况，对于电力物资装卸过程中的常见物资，或者说装卸过程中的典型高度，如地板、车板、变压器、线缆盘、散热片等距离值，通过使用高反差的rgb值进行区分。
具体来说，我们首先选取几个距离值，从而使整个映射表由低到高划分为10个阶段，并为这些距离值赋予对应的像素值，然后利用线性补全的方式，将不同距离值对应形成不同的像素值。
譬如，我们将高度差1000cm设定为rgb(20,100,100)，并同时将高度差2080cm设定为(80,80,255)，那么对于1500cm这个距离来说，它的rgb(r，g，b)则可以通过线性补足的方式，(r-20)/(80-20)＝(1500-1000)/(2080-1000)；(g-100)/(80-100)＝(1500-1000)/(2080-1000)；(b-100)/(255-100)＝(1500-1000)/(2080-1000)获得。
然后我们根据一次线性扫描数据中各点垂直深度值计算得到不同位置的垂直方向的高低差距离数据，然后根据距离值与像素值之间的一一对应关系，将一次线性扫描的高低差距离数据对应形成一行像素值；
由于扫描器的运转是按照系统预设的移动速率和扫面频率来运转的，因此，我们可以根据移动速率v和扫面频率f，得到多次线性扫描数据所对应的实际位点，通过移动速率v和扫面频率f，结合时间戳信息，以及预设在系统内的扫描器移动速率和扫面频率，将多次线性扫描数据对应的像素值按时间顺序排列，得到适用于大场景仓储的机器视觉点云图。
以上所述是本发明的具体实施方式。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。