This application provides a patching method, device and robot for 3-D point cloud data. The patching method and device are applied to robots. Specifically, the first 3-D point cloud data and the second 3-D point cloud data corresponding to specific target objects are collected. The data quality of the first 3-D point cloud data is lower than that of the second 3-D point cloud data. Data quality, and the data quality of the first three-dimensional point cloud data is the same or similar to the data quality of the three-dimensional point cloud data that can be obtained by the acquisition equipment; using the first three-dimensional point cloud data and the second three-dimensional point cloud data to train the neural network model, the obtained objective function is used as the point cloud patch; the acquisition equipment will be set up. The original 3-D point cloud data is input to the point cloud patch, and the target 3-D point cloud data after patching is obtained. In this way, the point cloud patch can make the robot get high quality 3D point cloud data, break through the limitation of hardware equipment, and solve the problem of poor quality of 3D point cloud data of acquisition equipment.
【技术实现步骤摘要】
一种三维点云数据的修补方法、装置和机器人
本专利技术涉及机器人
,特别是涉及一种三维点云数据的修补方法、装置和机器人。
技术介绍
随着摄像头成本的降低和性能的不断提升,基于视觉的目标感知成为机器人传感器
的一个重要方向,成为机器人本体执行其他相关动作的基础技术。特别是随着三维成像传感器的普及,以三维点云数据为代表的深度信息的处理需求日益强烈。然而,目前由于设备成本、能耗、体积和处理速度等方面的制约,导致很多机器人的采集设备得到的三维点云数据质量较差,特别是物体部分残缺比较严重。
技术实现思路
有鉴于此,本专利技术提供了一种三维点云数据的修补方法、装置和机器人,以解决机器人的采集设备得到的三维点云数据质量较差的问题。为了解决上述问题,本申请提供了如下技术方案:一种三维点云数据的修补方法,应用于机器人,包括步骤:采集特定的目标物体的相互对应的第一三维点云数据和第二三维点云数据,所述第一三维点云数据的数据质量低于所述第二三维点云数据的数据质量,且所述第一三维点云数据的数据质量与所述采集设备能够得到的三维点云数据的数据质量相同或相近;利用所述第一三维点云数据和所述第二三维点云数据进行神经网络模型训练,将得到的目标函数作为点云修补器;将所述采集设备得到原始三维点云数据输入所述点云修补器,得到修补后的目标三维点云数据。可选的,所述采集相互对应的第一三维点云数据和第二三维点云数据步骤,包括:获取标准深度相机采集的景深数据;对所述景深数据进行坐标换算,得到点云格式数据;对所述点云格式数据进行体素化,得到所述第一三维点云数据或第二三维点云数据。可选的,所述利用所述第 ...
【技术保护点】
1.一种三维点云数据的修补方法,应用于机器人及其感知与控制设备,其特征在于,包括步骤:采集特定的目标物体的相互对应的第一三维点云数据和第二三维点云数据,所述第一三维点云数据的数据质量低于所述第二三维点云数据的数据质量,且所述第一三维点云数据的数据质量与所述采集设备能够得到的三维点云数据的数据质量相同或相近;利用所述第一三维点云数据和所述第二三维点云数据进行神经网络模型训练,将得到的目标函数作为点云修补器;将所述采集设备得到原始三维点云数据输入所述点云修补器,得到修补后的目标三维点云数据。
【技术特征摘要】
1.一种三维点云数据的修补方法,应用于机器人及其感知与控制设备,其特征在于,包括步骤:采集特定的目标物体的相互对应的第一三维点云数据和第二三维点云数据,所述第一三维点云数据的数据质量低于所述第二三维点云数据的数据质量,且所述第一三维点云数据的数据质量与所述采集设备能够得到的三维点云数据的数据质量相同或相近;利用所述第一三维点云数据和所述第二三维点云数据进行神经网络模型训练,将得到的目标函数作为点云修补器;将所述采集设备得到原始三维点云数据输入所述点云修补器,得到修补后的目标三维点云数据。2.如权利要求1所述的修补方法,其特征在于,所述采集相互对应的第一三维点云数据和第二三维点云数据步骤,包括:获取标准深度相机采集的景深数据;对所述景深数据进行坐标换算,得到点云格式数据;对所述点云格式数据进行体素化,得到所述第一三维点云数据或第二三维点云数据。3.如权利要求1所述的修补方法,其特征在于,所述利用所述第一三维点云数据和所述第二三维点云数据进行神经网络模型训练,包括步骤:将所述第一三维点云数据作为输入、将所述第二三维点云数据作为输出对预选的神经网络模型进行训练,得到所述点云修补器。4.如权利要求3所述的修补方法,其特征在于,所述利用所述第一三维点云数据和所述第二三维点云数据进行神经网络模型训练步骤,还包括:利用所述第二三维点云数据的真实性指标数据对所述点云修补器做进一步训练,得到所述点云修补器的误差指标。5.如权利要求1~4任一项所述的修补方法,其特征在于,还包括步骤:引入多种高质量三维点云数据对所述点云修补器进行反馈学习,得到高质量点云修补器;将所述多种高质量三维点云数据和所述高质量点云修补器针对所述多种高质量三维点云数据输出的三维点云数据样本进行记录,构成体素数据库。6.如权利要求5所述的修补方法,其特征在于,所述高质量三维点云数据为真实物体的真实三维点云数据或所述点云修补器修补...
【专利技术属性】
技术研发人员:蔡颖鹏,陈希,
申请(专利权)人:北京因时机器人科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。