一种三维点云数据的修补方法、装置和机器人制造方法及图纸

本申请提供了一种三维点云数据的修补方法、装置和机器人，该修补方法和装置应用于机器人，具体为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，第一三维点云数据的数据质量低于第二三维点云数据的数据质量，且第一三维点云数据的数据质量与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；利用第一三维点云数据和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；将采集设备得到原始三维点云数据输入点云修补器，得到修补后的目标三维点云数据。这样，利用得到的点云修补器可以使机器人能够得到较高质量的三维点云数据，突破了硬件设备的限制，解决了采集设备的三维点云数据质量较差的问题。

A method, device and robot for repairing 3D point cloud data

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。可选的，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。可选的，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。可选的，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得到的三维点云数据。一种三维点云数据的修补装置，应用于机器人，包括：数据采集模块，用于采集特定的目标物体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；模型训练模块，用于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；修补执行模块，用于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，所述数据采集模块包括：数据获取单元，用于获取标准深度相机采集的景深数据；第一转换单元，用于对所述景深数据进行坐标换算，得到点云格式数据；第二转换单元，用于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，所述模型训练模块包括：第一训练单元，用于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。可选的，所述模型训练模块还包括：第二训练单元，用于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。可选的，还包括：反馈训练模块，用于利用引入的所述目标物体的真实体素数据对所述点云修补器进行反馈训练，得到高质量点云修补器。数据库构建模块，用于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。一种机器人，设置有如上所述的修补装置。从上述技术方案可以看出，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，该修补方法和装置应用于机器人，具体为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，第一三维点云数据的数据质量低于第二三维点云数据的数据质量，且第一三维点云数据的数据质量与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；利用第一三维点云数据和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；将采集设备得到原始三维点云数据输入点云修补器，得到修补后的目标三维点云数据。这样，利用得到的点云修补器可以使机器人能够利用所采集的较低质量的三维点云数据得到较高质量的三维点云数据，突破了硬件设备的限制，解决了采集设备得到三维点云数据质量较差的问题。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例提供的一种三维点云数据的修补方法的步骤流程图；图2为本申请实施例提供的另一种三维点云数据的修补方法的步骤流程图；图3为本申请实施例提供的一种三维点云数据的修补方法的步骤流程图；图4为本申请实施例提供的另一种三维点云数据的修补方法的步骤流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例一图1为本申请实施例提供的一种三维点云数据的修补方法的步骤流程图。如图1所示，本实施例提供的三维点云数据的修补方法应用于机器人，具体用于对机器人通过采集设备得到的三维点云数据进行修补，具体包括如下步骤：S101：采集目标物体的第一三维点云数据和第二三维点云数据。对于特定的、即用户选定的目标物体，在机器人处于特定的位置时，获取机器人的采集设备针对该目标物体所采集的第一三维点云数据和第二三维点云数据。第一三维点云数据和第二三维点云数据的区别在于两者的数据质量不同，本实施例中第一三维点云数据的数据质量较低，较为粗糙，其构建的物体部分会有缺损，导致对物体识别是较为困难甚至出错；而第二三维点云数据为针对相应目标物体的高数据质量的点云数据，其数据质量起码高于该第一三维点云数据。其来源为利用相对于机器人的采集设备更高端更精密的设备进行采集所得，也可以是通过对原始较为粗糙的三维点云数据进行后期修补所得，例如进行人工修补所得。对于本实施例中三维点云数据的获取，无论是对第一三维点云数据还是第二三维点云数据，均可以通过如下步骤实现：1)利用现有的独立的或者机器人的采集设备，如标准深度相机进行采集，得到相应的景深数据。2)对原始景深数据通过坐标变换的方法，处理为点云格式数据。3)对点云格式数据进行体素化，得到相应的三维点云数本文档来自技高网...

【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