基于深度相机的机场自助行李托运关键技术的研究
发布时间：2021-04-06 13:23
随着社会的发展,旅客的出行需求日益旺盛,如何提高机场的出行效率是国内外不断研究的课题。机场行李自助托运服务作为能大大提高出行效率、节约旅客出行时间的服务,其中关键的技术便是旅客需要托运的行李外形的自动化精确检测。课题主要研究了大视野范围下的行李自动分类检测,涉及三维点云采集处理、点云融合、外观检测和行李分类检测算法的研究。首先,本文对机场行李自助托运技术的发展以及解决方案进行了概述,并对现有的方案中的不足进行分析,提出了基于深度相机进行行李检测的机器视觉方案。此方案可省去大量的人工成本以及人工检测的不足,具有很高的实际应用价值。其次,对行李检测需求进行了分析,以此为基础详细描述了检测系统的整体技术方案,包括光学平台、软件设计和算法设计。从实际应用场景出发,针对自助托运行李系统的高度不能太高同时满足较大视场范围的要求,提出采用两台深度相机提取行李三维点云信息并采用三维点云自动融合的方案。接下来详细分析了三维点云拼接算法的原理和流程。本文采用的三维点云融合技术包含了三维尺度不变特征变换（3D-SIFT）关键点检测、快速点特征直方图（FPFH）特征求解、k-means特征点匹配等初始配准技术...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
人工柜台办理航空行李托运图
电子科技大学硕士学位论文2作。机器视觉是一项用相机、传感器等可以获取外界信息的光学设备替代人工进行自动化识别和检测的技术。该项技术一般是先通过机器设备获取到数字信号、图像、视频等原始数据，然后对这些数据做处理和分析，从中获取更多有价值的信息。机器视觉技术具备识别精度高、自动化替代人力以及安全便捷的优势，是一项融合了光、机、电、软、算多门学科的先进技术。其应用十分广泛，如医学、交通、工业生产、刑侦，大大提高了社会生产力，将人们从一些繁杂的工作中很大程度地解放出来。自助行李托运的关键技术在于对行李的外观检测和分类识别，本文拟采用机器视觉技术，在光学方案、检测算法以及软件交互三大方面进行研究和设计，对各种不同的行李托运场景进行了研究，该系统能够保证检测结果的准确性和稳定性，并能有效提高行李托运效率。1.2国内外研究现状1.2.1自助行李托运系统研究现状自助行李托运系统的研究和应用始于21世纪初，一款典型的自助行李托运系统的外观如图1-2所示。自助行李托运系统的实现方案一般有两种：一种是旅客要先办理值机手续，打印完行李凭条后，再去行李托运区办理托运，这种方式会借助一些人工服务，属于半自助系统；另一种将自助值机与自助托运作为一站式服务，旅客不需人工帮助，可在同一地点完全由自己进行处理，这种为全自助的行李托运系统[5]。图1-2自助行李托运系统外观图国外的自助行李托运系统典型案例有以下几个：世界上第一套自助行李托运系统于2008年在瑞士的苏黎世机场率先启用，通过该系统进行行李托运的时间花
觳庀低车透叨却笫右胺段?碌难芯拷仙伲?而这也是实际应用的一项重要的技术要求。因此该项技术的继续研究十分必要。1.2.2三维图像数据研究现状二维图像数据的信息量有限，难以精确表征行李物体的外观特性，因此在行李外观检测和分类中需要借助三维图像数据。三维图像数据的获取是通过测距设备对物体表面进行扫描，然后得到大量包含物体表面信息的点的集合，这种点的集合被称为“点云”。点云数据除了包含几何位置信息外，还可以包含颜色信息，为基于点云的识别与检测提供更多维的信息，一个典型的包含颜色信息的点云场景如图1-3所示。图1-3包含颜色信息的三维点云图与传统的二维图像处理类似，点云的处理也包含不同层次的处理方式。实际研究过程中可根据任务的需求，组合不同的处理方式，而这些处理在过程上有先后之分。低层次的点云处理主要包括滤波、关键点、分割。中层次处理主要是特征描述。高层次处理则包括配准和识别。随着LiDAR和各式深度相机的发展，点云数据的获取变得快速且廉价，针对三维点云的算法研究也非常热门，尤其是在点云配准和三维物体识别方面也越来越成熟。点云配准是多视图三维重建、SLAM、逆向工程等方面的关键技术，点云配准包含关键点检测、特征提取与匹配、配准算法等多项点云数据处理的技术。而基于三维点云的物体识别方面，主要包括基于局部特征的物体识别方法、基于全局特征的物体识别方法、基于图匹配的物体识别方法和基于机器学习的识别方法[11]。
本文编号：3121511
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
人工柜台办理航空行李托运图
电子科技大学硕士学位论文2作。机器视觉是一项用相机、传感器等可以获取外界信息的光学设备替代人工进行自动化识别和检测的技术。该项技术一般是先通过机器设备获取到数字信号、图像、视频等原始数据，然后对这些数据做处理和分析，从中获取更多有价值的信息。机器视觉技术具备识别精度高、自动化替代人力以及安全便捷的优势，是一项融合了光、机、电、软、算多门学科的先进技术。其应用十分广泛，如医学、交通、工业生产、刑侦，大大提高了社会生产力，将人们从一些繁杂的工作中很大程度地解放出来。自助行李托运的关键技术在于对行李的外观检测和分类识别，本文拟采用机器视觉技术，在光学方案、检测算法以及软件交互三大方面进行研究和设计，对各种不同的行李托运场景进行了研究，该系统能够保证检测结果的准确性和稳定性，并能有效提高行李托运效率。1.2国内外研究现状1.2.1自助行李托运系统研究现状自助行李托运系统的研究和应用始于21世纪初，一款典型的自助行李托运系统的外观如图1-2所示。自助行李托运系统的实现方案一般有两种：一种是旅客要先办理值机手续，打印完行李凭条后，再去行李托运区办理托运，这种方式会借助一些人工服务，属于半自助系统；另一种将自助值机与自助托运作为一站式服务，旅客不需人工帮助，可在同一地点完全由自己进行处理，这种为全自助的行李托运系统[5]。图1-2自助行李托运系统外观图国外的自助行李托运系统典型案例有以下几个：世界上第一套自助行李托运系统于2008年在瑞士的苏黎世机场率先启用，通过该系统进行行李托运的时间花
觳庀低车透叨却笫右胺段?碌难芯拷仙伲?而这也是实际应用的一项重要的技术要求。因此该项技术的继续研究十分必要。1.2.2三维图像数据研究现状二维图像数据的信息量有限，难以精确表征行李物体的外观特性，因此在行李外观检测和分类中需要借助三维图像数据。三维图像数据的获取是通过测距设备对物体表面进行扫描，然后得到大量包含物体表面信息的点的集合，这种点的集合被称为“点云”。点云数据除了包含几何位置信息外，还可以包含颜色信息，为基于点云的识别与检测提供更多维的信息，一个典型的包含颜色信息的点云场景如图1-3所示。图1-3包含颜色信息的三维点云图与传统的二维图像处理类似，点云的处理也包含不同层次的处理方式。实际研究过程中可根据任务的需求，组合不同的处理方式，而这些处理在过程上有先后之分。低层次的点云处理主要包括滤波、关键点、分割。中层次处理主要是特征描述。高层次处理则包括配准和识别。随着LiDAR和各式深度相机的发展，点云数据的获取变得快速且廉价，针对三维点云的算法研究也非常热门，尤其是在点云配准和三维物体识别方面也越来越成熟。点云配准是多视图三维重建、SLAM、逆向工程等方面的关键技术，点云配准包含关键点检测、特征提取与匹配、配准算法等多项点云数据处理的技术。而基于三维点云的物体识别方面，主要包括基于局部特征的物体识别方法、基于全局特征的物体识别方法、基于图匹配的物体识别方法和基于机器学习的识别方法[11]。
本文编号：3121511
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3121511.html
