【问题标题】:Segmentation of Pallets from images从图像中分割托盘
【发布时间】:2017-04-18 10:37:00
【问题描述】:

仓库中的托盘图片

我想分割图像中显示的托盘(如上所述),因为我需要稍后使用它们来自动检测叉车从中挑选托盘的那些区域(间隙)。

我需要一个起点。我正在考虑使用 K-mean 聚类将它们分割出来。但我不确定这是否是正确的方向。请根据您的专业知识和经验给我一些建议。

如果我的问题不清楚,请告诉我。我会相应地更新它。

我们将不胜感激。

【问题讨论】:

  • 这并不容易。您可以尝试在 Lab 色彩空间中分割以隔离棕色,但您也会得到方框。 imgur.com/a/9DI1n 经过一些形态学后:imgur.com/Ozf3VWr 如您所见,这是一个非常糟糕的结果。另一种方法是通过使用托盘的“矩形”区域(即间隙)来识别托盘。当然,您也会得到这些框,但也许您可以使用维度将它们过滤掉。我不建议使用 K-Means,因为您无法控制它返回的集群。
  • 如果您要实现仓库自动化,最简单的解决方案是确保所有托盘都以预定义的高度垂直放置在预定义的位置。您也可以尝试使用涂有特定亮色的托盘,以便更容易检测到。如果没有这样的环境控制,任务是非常困难的。
  • 我喜欢使用 Raspberry Pi 进行 3-D 激光场景测量项目.... :-) faro.com/measurement-solutions/industries/forensics

标签: image image-processing machine-learning computer-vision


【解决方案1】:

先看到类似的QA

我知道标题不会为此敲响警钟,但内容确实...

为了使它更健壮,我会:

  1. 检测地板黄色/灰色图案

    在黄色地面像素所在的位置创建 ROI 掩码 ground

  2. 检测地面托盘

    所以检查ground 的所有像素并检查相邻像素是否像托盘一样颜色。如果是,请将其添加到 pallets ROI 掩码。您还可以检查像素是否在直线上以滤除噪点。

  3. 扫描上层

    因此,只需从每个低层托盘像素向上投射扫描线即可。在实际托盘结束后开始(因此要么先扫描非托盘像素颜色,要么跳过一些高度)。如果找到,则将托盘像素添加到 pallets ROI 掩码

  4. Segment pallets ROI 掩码

    这可以在 #2,#3 期间完成以提高性能。现在只需测试找到的单个托盘的几何属性(如大小、线性边缘等)以滤除噪声。

[备注]

您可以利用已加载托盘的空白空间创建深色阴影,以便更好地检测托盘像素。

【讨论】:

    猜你喜欢
    • 2022-10-17
    • 2014-12-03
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2015-12-18
    • 2020-02-10
    • 2011-08-29
    相关资源
    最近更新 更多