基于双目视觉的物流分拣测量系统

摘要

针对快递包装纸箱的自动化测量要求,搭建了一套适用于物流分拣行业中的双目视觉测量系统.首先,在相机标定环节,提出了一种阻滞增长神经网络标定方法,有效解决了传统标定方法存在的精度不高和BP神经网络训练结果对初始权重和阈值的敏感性问题;其次,应用Otsu法对Can-ny算子进行自适应阈值选取,实现了高精度的图像特征提取;最后根据极线校正原理,考虑窗口区域内像素灰度值变化,使用变权重AD-Census立体匹配算法进行关键点匹配,获得轮廓点云图.多次测量实验结果表明,系统测量精度平均误差为1.8 mm,测量平均速度为525 ms.因此,该系统可以较好地完成物流分拣系统中的测量任务.