基于RCF边缘检测和双目视觉的箱体体积测量算法

如何快速、精确地对快递箱进行体积测量是快递员进行运输成本核算需要解决的问题。为此,提出一种基于RCF边缘检测和双目视觉的箱体体积测量算法。首先利用训练好的RCF网络模型得到图像中箱体的边缘二值图;其次,对边缘二值图进行预处理,准确定位出目标箱体的边缘与顶点;最后,通过双目立体视觉的方法,便可计算出箱体的长宽高与体积。实验结果表明,与传统方法相比,该算法可以更快速、更准确地计算出箱体体积。

基于YOLOv5和RCF的足部尺寸测量系统

市场主流基于传统图像处理的足部尺寸测量算法存在工作运行效率低、测量结果误差大等问题.针对该问题,本文提出一种基于深度学习与传统图像处理相结合的足部尺寸测量系统.首先,使用YOLOv5(you only look once v5)检测出A4纸的有效区域,再采用RCF(richer convolutional features for edge detection)边缘检测方法提取A4纸及足部的边缘信息,通过A4纸的边缘估计出4个顶点来进行图像矫正.最后,对已矫正的图像使用降噪、滤波与二值化处理,从而计算出足部尺寸.在自行收集的足部样本数据集上进行测试,准确性为97.36%.实验结果表明,本文提出的基于YOLOv5和RCF的足部尺寸测量系统,提高了足部测量的精度以及运行效率,可帮助用户更便捷更高效更精确地获取个人足部数据,具有较好的实用价值和较广的应用前景.