三维物体边界测量方法与流程

【】本发明属于测试领域，特别涉及一种三维物体边界测量方法。

背景技术

0、
背景技术：

1、机器视觉在机械制造及检测领域已有大规模的实施应用，可以使用工业相机测量三维(3d)物体的尺寸，但是业界通常是要求物体处理静止状态进行测量，如何对运动中物体的三维尺寸进行测量是业界亟需解决的问题。

技术实现思路

0、
技术实现要素：

1、本发明的目的在于提供一种三维物体边界测量方法，用以解决现有技术无法测量运动中的物体的三维尺寸的问题。

2、为实现上述目的，实施本发明的三维物体边界测量方法包括如下步骤：

3、使用双目相机生成被测物体的深度图，将深度图进行卷积计算；

4、对卷积处理后的深度图进行阈值化处理，得到相关像素的阈值图；

5、根据预先设定的标签检测上述步骤得到的阈值图是否满足包含全部预先设定的标签；

6、如是，则将上步骤得到的相关像素的阈值图的深度图数据进行深度处理得到深度级别信息列表，之后将此表中数据通过lstm网络生成预测模型；

7、在被测物体运动时使用双目相机获取的多幅图像，获取被测物体的平面坐标，之后提取被测物体的边缘信息，利用上述步骤中形成的预测模型取得被测三维物体出现时提取的深度信息特征推算被测物体的边缘信息，对上述二种方式取得边缘信息进行匹配，如匹配则利用确定的此图像计算被测物体边缘之间的相对距离。

8、依据上述主要特征，在进行卷积计算时，先将3d输入张量的部分转换为2d矩阵的列，然后将矩阵乘以卷积权重得到卷积结果，其中卷积权重是通过多次测试确定。

9、依据上述主要特征，对卷积处理后的深度图数据进行阈值化处理，得到相关像素的阈值图是通过设定一个阈值，将比此阈值小于一定程度的像素或比此阈值大于一定程度的像素过滤掉，从而得到一幅相关像素的阈值图。

10、依据上述主要特征，所述边缘信息的推算方法为：将被测物体的深度信息输入形成的预测模型，以每10组信息为一个输入，由预测模型依据输入来形成“是边缘特征”与“非边缘特征”的两种判断，当出现判断为“是边缘特征”时，将原输入的10组信息提取，按照提前标定的坐标进行坐标变换，得出被测物体的边缘信息。

11、与现有技术相比较，利用本发明的方法可以大幅提升在流水线上运动中物体在变动背景下的目标提取的准确率，并且比传统方法降低了使用的算力要求，从而更易于实施。

技术特征：

1.一种三维物体边界测量方法，其特征在于所述三维物体边界测量方法包括如下步骤：

2.如权利要求1所述的三维物体边界测量方法，其特征在于：在进行卷积计算时，先将3d输入张量的部分转换为2d矩阵的列，然后将矩阵乘以卷积权重得到卷积结果，其中卷积权重是通过多次测试确定。

3.如权利要求2所述的三维物体边界测量方法，其特征在于：对卷积处理后的深度图进行阈值化处理，得到相关像素的阈值图是通过设定一个阈值，将比此阈值小于一定程度的像素或比此阈值大于一定程度的像素过滤掉，从而得到一幅相关像素的阈值图。

4.如权利要求3所述的三维物体边界测量方法，其特征在于：所述边缘信息的推算方法为：将被测物体的深度信息输入形成的预测模型，以每10组信息为一个输入，由预测模型依据输入来形成“是边缘特征”与“非边缘特征”的两种判断，当出现判断为“是边缘特征”时，将原输入的10组信息提取，按照提前标定的坐标进行坐标变换，得出被测物体的边缘信息。

技术总结
一种三维物体边界测量方法，包括如下步骤：使用双目相机生成被测物体的深度图，并进行卷积计算；对卷积处理后的深度图进行阈值化处理，得到相关像素的阈值图；根据预先设定的标签检测阈值图是否包含全部设定的标签；如是，则将上述的相关像素的阈值图的深度图数据进行深度处理得到深度级别信息列表，之后将此表中数据通过LSTM网络生成预测模型；在被测物体运动时使用双目相机获取多幅图像，获取被测物体的平面坐标，之后提取被测物体的边缘信息，利用上述的预测模型取得被测三维物体出现时提取的深度信息特征推算被测物体的边缘信息，对上述二种方式取得边缘信息进行匹配，如匹配则利用确定的此图像计算被测物体边缘之间的相对距离。

技术研发人员：刘建,段艺霖
受保护的技术使用者：上海芯歌智能科技有限公司
技术研发日：
技术公布日：2024/1/12