[發明專利]一種基于視覺慣性SLAM的車廂車廂容積率測量方法

在審

• 申請號: 202110370458.6
• 申請日: 2021-04-07
• 公開（公告）號: CN113295089A
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 張簫;邱鵬
• 申請（專利權）人: 深圳市異方科技有限公司
• 主分類號: G01B11/00
• 分類號: G01B11/00;G06T7/00;G06T7/44;G06T7/62;G06T7/90;G06T17/20
• 代理公司: 深圳市徽正知識產權代理有限公司 44405
• 代理人: 盧杏艷

本發明實施例公開了一種基于視覺慣性SLAM的車廂容積率測量方法，移動終端距離貨物預設距離采集車廂與貨物的彩色圖像、深度圖像以及慣性數據；系統進行初始化處理；跟蹤計算得每幀圖像拍攝時候移動終端的位姿以及車廂與貨物的彩色圖像與深度圖像進行三維點云重建以獲得車廂與貨物的三維點云；根據三維點云獲得車廂與貨物的點云的體積，進而獲得車廂的容積率。本發明具有快速、簡便、高效、長距離、準確地得到所測量車廂與貨物的點云的體積，進而獲得車廂的容積率。

技術領域

本發明涉及測繪技術領域，尤其涉及一種基于視覺慣性SLAM的車廂容積率測量方法。

背景技術

現有在物流行業中，貨物的中轉以及需要拼單的時候，需要知道目前車廂已經裝下的貨物的體積，從而獲得該貨車還能裝載多少貨物。目前行業人員憑借經驗眼測量估算，但誤差極大，并且每個人給出的結果也不一樣。或者使用三角測量原理的傳感器，一般在車廂長度超過2米之后得到的深度數據誤差就會變得很大，故無法滿足在車廂2米以上的體積測量測量需求。

發明內容

針對上述技術問題，本發明實施例提供了一種基于視覺慣性SLAM的車廂容積率測量方法。

本發明實施例的第一方面提供一種基于視覺慣性SLAM的車廂容積率測量方法，包括：

移動終端距離貨物預設距離采集車廂與貨物的彩色圖像、深度圖像以及慣性數據；

vio系統進行初始化處理；

跟蹤計算得每幀圖像拍攝時候移動終端的位姿以及所述車廂與貨物的彩色圖像與深度圖像進行三維點云重建以獲得所述車廂與貨物的三維點云；

根據所述三維點云獲得所述車廂與貨物的點云的體積，進而獲得所述車廂的容積率。

可選地，所述深度圖像將車廂或者貨物到所述移動終端的深度距離作為像素值存儲到圖像中，所述慣性數據是車廂與貨物在x、y、z軸上的速度加速度以及繞x、y、z軸的角速度加速度。

可選地，所述移動終端距離貨物預設距離采集車廂與貨物的彩色圖像、深度圖像以及慣性數據的步驟之后包括：

所述移動終端采集彩色圖像、深度圖像過程形成視頻流；

對所述視頻流中的圖像進行跟蹤，并根據相鄰圖像的信息計算所述移動終端的運動信息。

可選地，所述對所述視頻流中的圖像進行跟蹤，并根據相鄰圖像的信息計算所述移動終端的運動信息包括：

對彩色圖像采用KLT稀疏光流算法跟蹤Shi-Tomasi特征點；

根據所述Shi-Tomasi特征點計算出本質矩陣或單應矩陣，并從所述本質矩陣或者單應矩陣中恢復出當前幀與上一幀圖像之間所述移動終端的位姿，從而獲得所述移動終端的運動信息。

可選地，所述系統進行初始化處理包括：

判斷系統初始化是否成功；

若否，則根據所述移動終端的位姿，在非相鄰的兩幀深度圖像和彩色圖像之間視差大于預設值時進行vio系統初始化。

可選地，將所述非相鄰的兩幀深度圖像與彩色圖像配準對齊，其中所述非相鄰的兩幀為第一預設幀和第二預設幀，所述第二預設幀在所述第一幀之后；

尋找所述彩色圖像特征點相對應的深度，得到所述第二幀特征點的三維坐標，以及所述第一幀相對應的關鍵的二維坐標；

通過預設算法根據所述第二幀特征點的三維坐標，以及所述第一幀相對應的關鍵的二維坐標求解出兩幀之間所述移動終端的絕對尺度位姿。

可選地，所述跟蹤計算得每幀圖像拍攝時候移動終端的位姿以及所述車廂與貨物的彩色圖像與深度圖像進行三維點云重建的步驟包括：