目标检测方法、装置、终端设备及计算机可读存储介质制造方法及图纸

本申请提供一种目标检测方法、装置、终端设备及计算机可读存储介质。所述方法包括：获取待检测点云数据，所述待检测点云数据为来源于待检测场景的点云数据，所述待检测场景包括待检测目标；将所述待检测点云数据输入至训练好的第一神经网络模型，以使得该第一神经网络模型识别所述待检测点云数据中属于所述待检测目标的目标表面的各个点云点；根据属于所述目标表面的各个点云点，确定所述目标表面的尺寸。本申请可以在一定程度上解决现有技术中无法准确检测目标对象尺寸的技术问题。

【技术实现步骤摘要】
目标检测方法、装置、终端设备及计算机可读存储介质
本申请属于目标检测
，尤其涉及一种目标检测方法、目标检测装置、终端设备及计算机可读存储介质。
技术介绍
目前，很多领域都需要对场景中目标对象的特征进行检测，比如检测目标对象的尺寸或者目标对象是否为可滚动的形状等。目前，对于目标对象尺寸的检测方法通常为点云平面拟合算法，比如RANSAC算法。点云平面拟合算法在确定目标对象尺寸时，需要预先设定一个位置范围，将位于该位置范围内的点云点确定为同一表面的点，然后根据位于同一表面的各个点云点的三维坐标实现表面尺寸检测。显然，对于表面凹凸较大的目标对象，点云平面拟合算法无法准确检测出位于同一表面的点云点，因此，也无法准确地对该表面的尺寸进行检测。另外，在某些情况下，是需要识别目标对象的形状的，目前，大多数形状识别完全依赖人工。比如，若目标对象是包裹，则在包裹进入中转场时，为避免形状不符合要求(比如球形、柱形等)的包裹进入交叉带分拣，需要在包裹进入交叉带分拣之前，人工识别各个包裹的形状，然后将形状不符合要求的包裹(比如球形、柱形等)选取出来。因此，目前对目标对象形状的识别完全依赖人工，效率较低。
技术实现思路
有鉴于此，本申请提供了一种目标检测方法、目标检测装置、终端设备及计算机可读存储介质。可以在一定程度上解决现有技术中无法准确检测目标对象尺寸以及对目标对象形状识别效率较低的技术问题。本申请第一方面提供了一种目标检测方法，包括：获取待检测点云数据，该待检测点云数据为来源于待检测场景的点云数据，该待检测场景包括待检测目标；将上述待检测点云数据输入至训练好的第一神经网络模型，以使得该第一神经网络模型识别上述待检测点云数据中属于上述待检测目标的目标表面的各个点云点；根据属于上述目标表面的各个点云点，确定该目标表面的尺寸。本申请实施例的第二方面提供了一种目标检测装置，包括：待检测点云获取模块，用于获取待检测点云数据，该待检测点云数据为来源于待检测场景的点云数据，该待检测场景包括待检测目标；目标表面检测模块，用于将上述待检测点云数据输入至训练好的第一神经网络模型，以使得该第一神经网络模型识别上述待检测点云数据中属于上述待检测目标的目标表面的各个点云点；表面尺寸确定模块，用于根据属于上述目标表面的各个点云点，确定该目标表面的尺寸。除了上述第一方面提供的目标检测方法，本申请第三方面还提供了另一种目标检测方法，该目标检测方法包括：获取待检测点云数据，该待检测点云数据来源于待检测场景的点云数据，该待检测场景包括一个或多个目标对象；将上述待检测点云数据输入至训练好的第二神经网络模型，以使得该第二神经网络模型识别上述待检测点云数据中各个点云点所属目标对象的形状；若识别出所属目标对象的形状为预设形状的点云点数量占上述待检测点云数据所有点云点数量的比例大于预设比例，则确认上述待检测场景中包含上述预设形状的目标对象。本申请第四方面提供了一种目标检测装置，包括：待检测点云获取模块，用于获取待检测点云数据，该待检测点云数据来源于待检测场景的点云数据，该待检测场景包括一个或多个目标对象；形状检测模块，用于将上述待检测点云数据输入至训练好的第二神经网络模型，以使得该第二神经网络模型识别上述待检测点云数据中各个点云点所属目标对象的形状；预设形状确定模块，用于若识别出所属目标对象的形状为预设形状的点云点数量占上述待检测点云数据所有点云点数量的比例大于预设比例，则确认上述待检测场景中包含上述预设形状的目标对象。本申请第五方面提供了一种终端设备，包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如上述第一方面方法或第三方面方法的步骤。本申请第六方面提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如上述第一方面方法或第三方面方法的步骤。本申请第七方面提供了一种计算机程序产品，上述计算机程序产品包括计算机程序，上述计算机程序被一个或多个处理器执行时实现如上述第一方面方法或第三方面方法的步骤。由上可见，本申请第一方面提供的目标检测方法是通过训练好的神经网络模型来识别属于目标表面的各个点云点，当训练样本较为充足时，可以使得训练好的该神经网络模型能够准确识别属于同一表面的各个点云点，避免了传统的点云平面拟合算法需通过预先设定位置范围来识别位于同一表面的点，因此，本申请所提供的方案可以更准确的识别出属于同一表面的各个点云点，从而可以在一定程度上更准确的检测待检测目标的目标表面尺寸。因此，本申请可以在一定程度上解决现有技术中无法准确检测目标对象尺寸的技术问题。本申请第三方面提供的目标检测方法，是利用神经网络模型识别各个点云点所属目标对象的形状，然后确定待检测场景中是否存在预设形状的目标对象，当训练样本较为充足时，可以使得训练好的该神经网络模型能够准确识别各个点云点所属目标对象的形状，从而进一步准确检测待检测场景中是否存在预设形状的目标对象，因此，该目标检测方法可以自动识别待检测场景中是否存在预设形状的目标对象，而完全不必依赖人工，在一定程度上提高了对目标对象形状的识别效率。附图说明为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，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它的附图。图1是本申请实施例一提供的目标检测方法的实现流程示意图；图2是本申请实施例一提供的目标检测方法的应用场景示意图；图3是本申请实施例二提供的另一种目标检测方法的实现流程示意图；图4是本申请实施例二提供的另一种目标检测方法的应用场景示意图；图5是本申请实施例三提供的目标检测装置的结构示意图；图6是本申请实施例四提供的另一种目标检测装置的结构示意图；图7是本申请实施例五提供的终端设备的结构示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。本申请实施例提供的目标检测方法适用于终端设备，示例性地，该终端设备包括但不限于：桌上型计算机、笔记本、平板电脑、智能手机等计算设备。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当进一步理解，在本申请说明书和所附权利要求书中本文档来自技高网...

【技术保护点】
1.一种目标检测方法，其特征在于，包括：/n获取待检测点云数据，所述待检测点云数据为来源于待检测场景的点云数据，所述待检测场景包括待检测目标；/n将所述待检测点云数据输入至训练好的第一神经网络模型，以使得该第一神经网络模型识别所述待检测点云数据中属于所述待检测目标的目标表面的各个点云点；/n根据属于所述目标表面的各个点云点，确定所述目标表面的尺寸。/n

【技术特征摘要】
1.一种目标检测方法，其特征在于，包括：
获取待检测点云数据，所述待检测点云数据为来源于待检测场景的点云数据，所述待检测场景包括待检测目标；
将所述待检测点云数据输入至训练好的第一神经网络模型，以使得该第一神经网络模型识别所述待检测点云数据中属于所述待检测目标的目标表面的各个点云点；
根据属于所述目标表面的各个点云点，确定所述目标表面的尺寸。


2.如权利要求1所述的目标检测方法，其特征在于，所述获取待检测点云数据，包括：
获取所述待检测场景的点云数据；
对所述待检测场景的点云数据进行预处理，获得所述待检测点云数据，所述预处理包括对所述待检测场景的点云数据进行降采样、去噪和/或去除所述待检测场景的点云数据中不是所述待检测目标的点云点。


3.如权利要求2所述的目标检测方法，其特征在于，所述获取所述待检测场景的点云数据，包括：
获取深度图像采集装置采集的所述待检测场景的深度图像；
将所述深度图像中的各个像素点均转换为各个点云点，得到所述待检测场景的点云数据，所述待检测场景的点云数据由转换得到的各个点云点组成。


4.如权利要求3所述的目标检测方法，其特征在于，所述深度图像采集装置的图像采集方向与承托所述待检测目标的承托平面垂直，所述目标表面为所述待检测目标的上表面，所述待检测点云数据中每个点云点对应的三维坐标是以所述深度图像采集装置的图像采集方向为z轴的坐标系下的坐标；
相应地，所述根据属于所述目标表面的各个点云点，确定所述目标表面的尺寸，包括：
将属于所述目标表面的各个点云点投影至xoy二维平面；
确定投影至二维平面的各个点云点的最小外接矩形；
根据投影至xoy二维平面的各个点云点的二维坐标，确定所述最小外接矩形的长度和宽度，以得到所述目标表面的长度和宽度。


5.如权利要求4所述的目标检测方法，其特征在于，所述目标检测方法还包括：
获取所述深度图像采集装置与所述承托平面的第一距离值；
根据位于所述目标表面的点云点，确定所述目标平面与所述深度图像采集装置的第二距离值；
将所述第一距离值与所述第二距离值的差值确定为所述待检测目标的高度。


6.如权利要求5所述的目标检测方法，其特征在于，所述目标检测方法还包括：
根据所述目标表面的长度、宽度以及所述待检测目标的高度，计算所述待检测目标的体积。


7.一种目标检测装置，其特征在于，包括：
待检测点云获取模块，用于获取待检测点云数据，所述待检测点云数据为来源于待检测场景的点云数据，所述待检测场景包括待检测目标；
目标表面检测模块，用于将所述待检测点云数据输入至训练好的第一神经网络模型，以使得该第一神经网络模型识别所述待检测点云数据中属于所述待检测目标的目标表面的各个点云点；
表面尺寸确定模块，用于根据属于所述目标表面的各个点云点，确定所述目标表面的尺寸。


8.一种目标检测方法，其特征在于，包括：
获取待检测点云数据，所述待检测点云数据来源于待检测场景的点云数据，所述待检测场景包括一个或多个目标对象；
将所述待检测点云数据输入至训练好的第二神经网络模型，以使得该第二神经网络模型识别所述待检测点云数据中各个点云点所属目标对象的形状；
若识别出所属目标对象的形状为预设形状的点云点数量占所述待检测点云数据所有点云点数量的比例大于预设比例，则确认所述待检测场景中包含所述预设形状的目标对象。


9.如权利...

【专利技术属性】
技术研发人员：曾梓浩，刘会平，李勇奇，朱颖，舒良轩，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：广东;44