物体识别定位方法、装置及终端设备制造方法及图纸

本发明专利技术适用于机器视觉技术领域，提供了物体识别定位方法、装置及终端设备，包括：获取待测区域的二维图像及点云数据；通过预训练的深度学习模型对所述二维图像进行检测，识别出所述二维图像中目标物体对应的二维目标区域及几何形状类型；将所述二维目标区域映射到所述点云数据，根据映射结果确定所述目标物体的第一三维区域；根据所述几何形状类型及所述第一三维区域，确定所述目标物体的第二三维区域并定位所述目标物体。本发明专利技术实施例能够提高3D物体识别定位的效率及准确性。

Object recognition and location method, device and terminal equipment

【技术实现步骤摘要】
物体识别定位方法、装置及终端设备
本专利技术属于机器视觉
，尤其涉及一种物体识别定位方法、装置及终端设备。
技术介绍
在工业生产或者机器人应用过程中，常常需要通过机器视觉实现对物体的识别定位，以便后续的抓取或者其它的处理步骤的进行。对于现有的三维(3Dimensions,3D)物体，通常采用3D模型匹配算法，即根据预先构建的目标物体的3D模型，对待测物体进行模型匹配，从中识别出目标物体。然而，现有的3D模型匹配算法对遮挡、嘈杂背景的鲁棒性较差，容易产生误匹配，导致三维物体识别效率低。
技术实现思路
有鉴于此，本专利技术实施例提供了物体识别定位方法、装置及终端设备，以解决现有技术中如何提高3D物体识别定位的效率及准确性的问题。本专利技术实施例的第一方面提供了一种物体识别定位方法，包括：获取待测区域的二维图像及点云数据；通过预训练的深度学习模型对所述二维图像进行检测，识别出所述二维图像中目标物体对应的二维目标区域及几何形状类型；将所述二维目标区域映射到所述点云数据，根据映射结果确定所本文档来自技高网...

【技术保护点】
1.一种物体识别定位方法，其特征在于，包括：/n获取待测区域的二维图像及点云数据；/n通过预训练的深度学习模型对所述二维图像进行检测，识别出所述二维图像中目标物体对应的二维目标区域及几何形状类型；/n将所述二维目标区域映射到所述点云数据，根据映射结果确定所述目标物体的第一三维区域；/n根据所述几何形状类型及所述第一三维区域，确定所述目标物体的第二三维区域并定位所述目标物体。/n

【技术特征摘要】
1.一种物体识别定位方法，其特征在于，包括：
获取待测区域的二维图像及点云数据；
通过预训练的深度学习模型对所述二维图像进行检测，识别出所述二维图像中目标物体对应的二维目标区域及几何形状类型；
将所述二维目标区域映射到所述点云数据，根据映射结果确定所述目标物体的第一三维区域；
根据所述几何形状类型及所述第一三维区域，确定所述目标物体的第二三维区域并定位所述目标物体。


2.如权利要求1所述的物体识别定位方法，其特征在于，在所述通过预训练的深度学习模型对所述二维图像进行检测，识别出所述二维图像中目标物体对应的二维目标区域及几何形状类型之前，还包括：
获取二维样本图像，其中所述二维样本图像包含预定数量的目标物体的二维图像信息；
在所述二维样本图像中框选出目标物体对应的二维目标区域，并标识对应的几何形状类型标签；
以所述二维样本图像为训练样本，通过目标检测算法训练得到所述预训练的深度学习模型。


3.如权利要求1所述的物体识别定位方法，其特征在于，所述根据所述几何形状类型及所述第一三维区域，确定所述目标物体的第二三维区域并定位所述目标物体，包括：
若所述几何形状类型为规则几何形状，则通过拟合算法从所述第一三维区域中确定所述目标物体的第二三维区域并定位所述目标物体；
若所述几何形状类型为不规则几何形状，则通过3D模型匹配法从所述第一三维区域中确定所述目标物体的第二三维区域并定位所述目标物体。


4.如权利要求3所述的物体识别定位方法，其特征在于，在所述根据所述几何形状类型及所述第一三维区域，确定所述目标物体的第二三维区域并定位所述目标物体之后，还包括：
根据所述几何形状类型及所述目标物体的位置，抓取所述目标物体。


5.如权利要求4所述的物体识别定位方法，其特征在于，所述根据所述几何形状类...

【专利技术属性】
技术研发人员：刘培超，徐培，郎需林，刘主福，
申请(专利权)人：深圳市越疆科技有限公司，
类型：发明
国别省市：广东;44