仓储货物的体积测量方法、装置、计算机设备及存储介质与流程

本技术实施例涉及机器视觉，特别是涉及一种仓储货物的体积测量方法、装置、计算机设备及存储介质。

背景技术：

1、随着机器视觉技术领域的不断发展，货物体积测量方法也得到了较大改善。

2、传统的货物体积测量方法，通常采用人工测量或平面二维视觉技术测量方式；其中，人工测量的方式主要依赖于测量尺的精度，存在较大主观差异性且工作量大、效率低；而平面二维视觉技术的测量方式，主要是在固定景深下，利用像素长度与物理长度之间的转换关系计算物体的实际尺寸，但由于其成像原理的限制，即无法根据近大远小的实际情况作具体分析，只能对单一规格的货物进行测量，所以采用该方法与物流应用场景相结合时，无法根据不同规格的货物进行针对性测量，更无法准确测量仓储货物的体积。

3、因此，传统的货物体积测量方法存在着测量准确率低的问题。

技术实现思路

1、本技术的目的在于提供一种仓储货物的体积测量方法、装置、计算机设备及存储介质，用以提升仓储货物的体积测量准确率。

2、第一方面，本技术提供一种仓储货物的体积测量方法，包括：

3、获取待测仓储货物的三维点云数据；

4、基于预设的杂质影响顺序，对三维点云数据进行深层滤波处理，得到滤波后的三维点云数据；

5、对滤波后的三维点云数据进行点云填充处理，得到目标三维点云数据；

6、解析目标三维点云数据，得到待测仓储货物的货物体积信息。

7、在本技术一些实施例中，深层滤波处理的顺序包括：第一滤波处理、第二滤波处理以及第三滤波处理；其中，第一滤波处理用于筛选出三维点云数据中的第三目标点云数据，以获取第二点云集合；第二滤波处理用于筛选出第二点云集合中的第五目标点云数据，以获取第四点云集合；第三滤波处理用于筛选出第四点云集合中的第七目标点云数据，以获取滤波后的三维点云数据。

8、在本技术一些实施例中，基于预设的杂质影响顺序，对三维点云数据进行深层滤波处理，得到滤波后的三维点云数据，包括：获取三维点云数据对应的第一目标点云数据，得到第一点云集合；响应于第一目标点云数据满足于预设的坐标阈值条件，对第一目标点云数据进行聚类筛选，得到各个点云集合中的第二目标点云数据；其中，第二目标点云数据包括z轴数据；针对各个点云集合，筛选出z轴数据为最小值的第二目标点云数据作为第三目标点云数据，以对三维点云数据进行第一滤波处理，统计得到第二点云集合；对第三目标点云数据进行第二滤波处理，得到滤波后的三维点云数据。

9、在本技术一些实施例中，对第三目标点云数据进行第二滤波处理，得到滤波后的三维点云数据，包括：根据第三目标点云数据，建立第一k-d树结构；基于第一k-d树结构，对第三目标点云数据进行最近邻搜索，得到包括k个第四目标点云数据的第三点云集合；根据第四目标点云数据的z轴数据，计算第三点云集合的标准差；响应于标准差小于预设的标准差阈值，保留各第四目标点云数据作为第五目标点云数据，以对第三目标点云数据进行第二滤波处理，统计得到第四点云集合；对第四点云集合进行第三滤波处理，得到滤波后的三维点云数据。

10、在本技术一些实施例中，仓储货物的体积测量方法还包括：响应于标准差大于或等于预设的标准差阈值，根据第四目标点云数据的z轴数据，计算第三点云集合的第一z轴平均值；筛选出z轴数据大于第一z轴平均值的第四目标点云数据，作为第五目标点云数据，以对第三目标点云数据进行第二滤波处理，统计得到第四点云集合。

11、在本技术一些实施例中，对第四点云集合进行第三滤波处理，得到滤波后的三维点云数据，包括：筛除掉第四点云集合中的地面点云数据，得到包括第六目标点云数据的第五点云集合；获取各第六目标点云数据之间的第一平均距离数据，以根据第一平均距离数据，更新预设的点距离阈值，得到更新后的点距离阈值；建立第六目标点云数据对应的第二k-d树结构，以根据第二k-d树结构，获取第二平均距离数据；响应于第二平均距离数据小于更新后的点距离阈值，保留第六目标点云数据和地面点云数据作为第七目标点云数据，以更新第五点云集合，得到更新后的第五点云集合。

12、在本技术一些实施例中，根据第一平均距离数据，更新预设的点距离阈值，得到更新后的点距离阈值，包括：获取第一平均距离数据与预设平均距离之间的商值，得到点距离阈值缩放因子；获取点距离阈值缩放因子与预设的点距离阈值之间的积值，以更新预设的点距离阈值，得到更新后的点距离阈值。

13、在本技术一些实施例中，根据第二k-d树结构，获取第二平均距离数据，包括：根据第二k-d树结构，对第六目标点云数据进行最近邻搜索，得到包括k个最近邻点云的近邻点云集合；获取各第六目标点云数据与各最近邻点云之间的点云距离，得到距离集合；获取点云距离对应的平均距离，得到第二平均距离数据。

14、在本技术一些实施例中，仓储货物的体积测量方法还包括：响应于第二平均距离数据大于或等于更新后的距离阈值，滤除第六目标点云数据，以更新第五点云集合，得到更新后的第五点云集合；将地面点云数据添加至更新后的第五点云集合，以对第四点云集合进行第三滤波处理；将更新后的第五点云集合中的点云数据作为第七目标点云数据，统计得到滤波后的三维点云数据。

15、在本技术一些实施例中，对滤波后的三维点云数据进行点云填充处理，得到目标三维点云数据，包括：基于预设的条形框长度缩放因子和预设的条形框步长，获取起始点云数据；根据起始点云数据和预设的框内中心点云，筛选出在预设条形框范围之内的滤波后的三维点云数据，得到框内点云数据；根据框内点云数据的z轴数据，获取第二z轴平均值；根据第二z轴平均值和框内中心点云，对滤波后的三维点云数据进行点云填充处理，得到目标三维点云数据。

16、在本技术一些实施例中，根据第二z轴平均值和框内中心点云，对滤波后的三维点云数据进行点云填充处理，得到目标三维点云数据，包括：根据第二z轴平均值和框内中心点云，对滤波后的三维点云数据进行点云边界填充处理，得到初步填充后的三维点云数据；基于分段线性插值方法，对初步填充后的三维点云数据进行插值填充，得到目标三维点云数据。

17、在本技术一些实施例中，在获取待测仓储货物的三维点云数据之前，还包括：获取待测仓储货物的初始三维点云数据，并对初始三维点云数据进行三维坐标转换，得到初始平面法向量；以及对初始三维点云数据进行地面拟合，得到真实平面法向量；获取真实平面法向量与初始平面法向量之间的夹角信息；根据夹角信息，对初始三维点云数据进行坐标矫正，得到三维点云数据。

18、在本技术一些实施例中，解析目标三维点云数据，得到待测仓储货物的货物体积信息，包括：累加目标三维点云数据的z轴数据，得到货物高度信息；获取货物高度信息与步长平方值之间的积值，得到货物体积信息；其中，步长平方值为预设的条形框步长的平方积值。

19、第二方面，本技术提供一种仓储货物的体积测量装置，包括：

20、点云获取模块，用于获取待测仓储货物的三维点云数据；

21、点云滤波模块，用于基于预设的杂质影响顺序，对三维点云数据进行深层滤波处理，得到滤波后的三维点云数据；

22、点云填充模块，用于对滤波后的三维点云数据进行点云填充处理，得到目标三维点云数据；

23、体积解析模块，用于解析目标三维点云数据，得到待测仓储货物的货物体积信息。

24、第三方面，本技术还提供一种计算机设备，包括：

25、一个或多个处理器；

26、存储器；以及一个或多个应用程序，其中的一个或多个应用程序被存储于存储器中，并配置为由处理器执行以实现上述第一方面的仓储货物的体积测量方法。

27、第四方面，本技术还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器进行加载，以执行仓储货物的体积测量方法中的步骤。

28、第五方面，本技术实施例提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述第一方面提供的方法。

29、上述仓储货物的体积测量方法、装置、计算机设备及存储介质，服务器通过获取待测仓储货物的三维点云数据，并基于预设的杂质影响顺序，对三维点云数据进行深层滤波处理，可得到滤波后的三维点云数据，进而对滤波后的三维点云数据进行点云填充处理，可得到目标三维点云数据，最终解析目标三维点云数据，可得到待测仓储货物的货物体积信息。采用本方法，可精准提取待测仓储货物的点云数据并进行完善，进而有效提升仓储货物的体积测量准确率。