目标识别的方法技术

本发明专利技术实施例提供了一种目标识别的方法、装置、存储介质以及电子装置，该方法包括：获取深度相机的标定参数和目标叉车的特征参数，根据深度相机的标定参数和目标叉车的特征参数标定深度相机相对于目标叉车臂的第一位置，获取深度相机拍摄到的目标深度图像，将目标深度图像按照深度进行分层，得到分层后的第一组深度图像，将第一组深度图像输入目标识别模型，得到目标识别模型输出的目标识别结果，基于深度相机的标定参数、第一位置以及目标识别结果确定目标对象的目标轮廓和目标对象相对于目标叉车的第二位置，因此，可以解决相关技术中存在的叉车作业的效率低的技术问题。

【技术实现步骤摘要】
目标识别的方法
本专利技术实施例涉及通信领域，具体而言，涉及一种目标识别的方法、装置、存储介质以及电子装置。
技术介绍
目前，物流仓储系统对自动化叉车的需求较高，但相关技术中自动化叉车的控制方式难以实现在复杂场景下对叉车的精确自动化控制，也难以高效的识别出需要使用叉车进行控制的对象。针对相关技术中存在的难以有效识别叉车所需控制的对象，进而进行叉车作业的效率低的技术问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种目标识别的方法、装置、存储介质以及电子装置，以至少解决相关技术中存在的难以有效识别叉车所需控制的对象，进而进行叉车作业的效率低的技术问题。根据本专利技术的一个实施例，提供了一种目标识别方法，包括：获取深度相机的标定参数和目标叉车的特征参数；根据所述深度相机的标定参数和目标叉车的特征参数标定所述深度相机相对于目标叉车臂的第一位置，其中，所述目标叉车安装有所述目标叉车臂；获取所述深度相机拍摄到的目标深度图像；将所述目标深度图像按照深度进行分层，得到分层后的第一组深度图像；将所述第一组深度图像输入目标识别模型，得到所述目标识别模型输出的目标识别结果；基于所述深度相机的标定参数、所述第一位置以及所述目标识别结果确定所述目标对象的目标轮廓和所述目标对象相对于所述目标叉车的第二位置。根据本专利技术的另一个实施例，提供了一种目标识别装置，包括：第一获取模块，用于获取深度相机的标定参数和目标叉车的特征参数；标定模块，用于根据所述深度相机的标定参数和目标叉车的特征参数标定所述深度相机相对于目标叉车臂的第一位置，其中，所述目标叉车安装有所述目标叉车臂；第二获取模块，用于获取所述深度相机拍摄到的目标深度图像；分层模块，用于将所述目标深度图像按照深度进行分层，得到分层后的第一组深度图像；处理模块，用于将所述第一组深度图像输入目标识别模型，得到所述目标识别模型输出的目标识别结果；确定模块，用于基于所述深度相机的标定参数、所述第一位置以及所述目标识别结果确定所述目标对象的目标轮廓和所述目标对象相对于所述目标叉车的第二位置。根据本专利技术的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。根据本专利技术的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。通过本专利技术，采用获取深度相机的标定参数和目标叉车的特征参数对深度相机相对于目标叉车臂的位置进行标定，获取深度相机拍摄到的目标深度图像后，将目标深度图像按照深度进行分层，得到分层后的第一组深度图像，将第一组深度图像输入目标识别模型，得到目标识别模型输出的目标识别结果，最后，基于深度相机的标定参数、深度相机相对于目标叉车臂的位置以及目标识别结果确定目标对象的目标轮廓和目标对象相对于目标叉车的位置，通过根据对象的轮廓和对象相对于叉车的位置进行后续作业的方式，替代了相关技术中仅仅通过计算叉车坐标来控制叉车进行作业的技术方案，因此，可以解决相关技术中存在的难以有效识别叉车所需控制的对象，进而造成进行叉车作业的效率低的技术问题，达到提高叉车识别所需控制对象的准确率以及提高叉车作业效率的技术效果。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是本专利技术实施例的一种目标识别方法的移动终端的硬件结构框图；图2是根据本专利技术实施例的一种可选的目标识别方法的流程示意图；图3是根据本专利技术实施例的一种可选的目标识别方法的流程示意图；图4是根据本专利技术实施例的一种可选的目标识别方法的流程示意图；图5是根据本专利技术实施例的一种可选的目标识别系统的示意图；图6是根据本专利技术实施例的一种可选的目标识别装置的结构示意图。具体实施方式下文中将参考附图并结合实施例来详细说明本专利技术的实施例。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本专利技术实施例的一种目标识别方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本专利技术实施例中的目标识别方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(NetworkInterfaceController，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(RadioFrequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。在本实施例中提供了一种运行于移动终端、计算机终端或者类似的运算装置的目标识别方法，图2是根据本专利技术实施例的一种可选的目标识别方法的流程示意图，如图2所示，该流程包括如下步骤：S202，获取深度相机的标定参数和目标叉车的特征参数；S204，根据深度相机的标定参数和目标叉车的特征参数标定深度相机相对于目标叉车臂的第一位置，其中，目标叉车安装有目标叉车臂；S206，获取深度相机拍摄到的目标深度图像；S208，将目标深度图像按照深度进行分层，得到分层后的第一组深度图像；S210，将第一组深度图像输入目标识别模型，得到目标识别模型输出的目标识别结果；S212，基于目标识别结果、第一空间位置以及深度相机的标定参数，确定目标对象的目标轮廓和目标对象相对于目标叉车的第二位置。可选地，在本本文档来自技高网...

【技术保护点】
1.一种目标识别方法，其特征在于，包括：/n获取深度相机的标定参数和目标叉车的特征参数；/n根据所述深度相机的标定参数和目标叉车的特征参数标定所述深度相机相对于目标叉车臂的第一位置，其中，所述目标叉车安装有所述目标叉车臂；/n获取所述深度相机拍摄到的目标深度图像；/n将所述目标深度图像按照深度进行分层，得到分层后的第一组深度图像；/n将所述第一组深度图像输入目标识别模型，得到所述目标识别模型输出的目标识别结果；/n基于所述深度相机的标定参数、所述第一位置以及所述目标识别结果确定所述目标对象的目标轮廓和所述目标对象相对于所述目标叉车的第二位置。/n

【技术特征摘要】
1.一种目标识别方法，其特征在于，包括：
获取深度相机的标定参数和目标叉车的特征参数；
根据所述深度相机的标定参数和目标叉车的特征参数标定所述深度相机相对于目标叉车臂的第一位置，其中，所述目标叉车安装有所述目标叉车臂；
获取所述深度相机拍摄到的目标深度图像；
将所述目标深度图像按照深度进行分层，得到分层后的第一组深度图像；
将所述第一组深度图像输入目标识别模型，得到所述目标识别模型输出的目标识别结果；
基于所述深度相机的标定参数、所述第一位置以及所述目标识别结果确定所述目标对象的目标轮廓和所述目标对象相对于所述目标叉车的第二位置。


2.根据权利要求1所述的方法，其特征在于，将所述目标深度图像按照深度进行分层，得到分层后的第一组深度图像，包括：
获取所述目标深度图像的深度范围；
按照预设分辨率将所述目标深度图像在所述深度范围内进行离散化处理，得到一组按照深度划分的所述第一组深度图像。


3.根据权利要求1所述的方法，其特征在于，所述将所述第一组深度图像输入目标识别模型，得到所述目标识别模型输出的目标识别结果，包括：
从所述第一组深度图像中按照预定顺序逐层确定出第二组深度图像，其中，所述第二组深度图像为所述第一组深度图像中包含所述目标对象的目标轮廓的一组深度图像；
从所述第二组深度图像中确定出所述目标识别结果，其中，所述目标识别结果包括所述第二组深度图像以及所述第二组深度图像中每个深度图像对应所在的层。


4.根据权利要求3所述的方法，其特征在于，从所述第一组深度图像中按照预定顺序逐层确定出第二组深度图像，包括：
从所述第一组深度图像中去除包含所述离散化的点的数量小于第一预设阈值的深度图像，得到第三组深度图像；
将所述第三组深度图像中的每个深度图像进行二值化处理，得到第四组深度图像；
对所述第四组深度图像进行第一目标处理，得到第五组深度图像，其中，所述第一目标处理用于图像去噪处理和/或图像平滑处理；
对所述第五组深度图像进行第二目标处理，得到所述第二组深度图像，其中，所述第二目标处理用于按照所述深度范围从小到大的顺序逐层查找所述目标轮廓，确定出所述第二组深度图像，并确定出所述第五组深度图像中除所述第二组深度图像以外的第六组深度图像，所述第六组深度图像用于动态调整所述深度范围的最小值。


5.根据权利要求1所述的方法，其特征在于，在将所述第一组深度图像输入目标识别模型之前，所述方法还包括：
重复执行以下步骤，直到所述初始识别模型输出的第一识别概率和第二识别概率之间的差值小于或等于所述预定阈值：
获取深度相机拍摄到的第一组样本深度图像和第二组样本深度图像、以及与所述第一组样本深度图像一一对应的一组标签；
将所述第一组样本深度图像和所述第二组样本深度图像输入所述初始识别模型，生成所述第一样本识别结果，其中，所述第一样本识别结果包括所述初始识别模型输出的所述第一识别概率和所述第二识别概率，所述第一识别概率用于表示所述第一样本识别结果识别出所述样本深度图像中包括所述样本对象的轮廓的概率，所述第二识别概率用于表示所述第一样本识别结果识别出所述样本深度图像中未包括所述样本对象的轮廓的概率；
在所述第一识别概率和所述第二识别概率之间的差值大于所述预定阈值的情况下，对所述初始识别模型中的参数进行调整；
在所述第一识别概率和所述第二识别概率之间的差值小于所述预定阈值的情况下，将所述第一样本识别结果与所述...

【专利技术属性】
技术研发人员：赖志博，胡攀攀，李康，
申请(专利权)人：武汉万集信息技术有限公司，
类型：发明
国别省市：湖北;42