一种基于三维点云分析的目标检测识别方法技术

本发明专利技术公开了一种基于三维点云分析的目标检测识别方法，包括以下步骤：获取原始点云数据；对原始点云数据进行八叉树下采样，得到多个局部点云区域；根据八叉树的半径搜索算法和预设的最大间隔距离对多个局部点云区域进行距离判断得到判断结果，根据判断结果对多个局部点云区域进行标记，通过标签连通域算法对标记后的局部点云区域进行局部点云相连，得到带有标签点云的局部区域块状点云；对带有标签点云的局部区域块状点云进行三维点云的特征提取得到每个区域块状点云的特征信息，根据预设的分类模型，并基于提取的点云特征信息，对局部区域块状点云进行分类，当检测到存在目标物点云时，完成目标检测识别。可实现对物体整体局部目标的检测。

【技术实现步骤摘要】
一种基于三维点云分析的目标检测识别方法
本专利技术涉及计算机视觉领域，尤其涉及一种基于三维点云分析的目标检测识别方法。
技术介绍
在无人驾驶、机器人目标识别与导航避障、车辆自动充电机器人、自动智能泊车等众多实际应用领域中，物体识别技术的应用均十分广泛。现阶段的物体识别，仅局限于物体整体的检测，但是，随着越来越多的视觉高性能检测需求出现，其要求目标检测技术不仅仅局限于物体整体的检测，还需要精确地获取目标物体上具体的局部信息，从而进行重要部位的信息提取，因此，本专利技术从实际应用出发，提出一种基于三维点云分析的目标检测识别方法。
技术实现思路
针对以上技术问题，本专利技术提供一种基于三维点云分析的目标检测识别方法，可实现对物体整体局部目标的检测。在一个实施例中，一种基于三维点云分析的目标检测识别方法，方法包括以下步骤：步骤S100：获取原始点云数据；步骤S300：对原始点云数据进行八叉树下采样，得到多个局部点云区域；步骤S400：根据八叉树的半径搜索算法和预设的最大间隔距离对多个局部点云区域进行距离判断得到判断结果，根据判断结果对多个局部点云区域进行标记，通过标签连通域算法对标记后的局部点云区域进行局部点云相连，得到带有标签点云的局部区域块状点云；步骤S600：对带有标签点云的局部区域块状点云进行三维点云的特征提取得到每个局部区域块状点云的点云特征信息，根据预设的分类模型，并基于提取的点云特征信息，对局部区域块状点云进行分类，根据分类后的局部区域块状点云检测到存在目标物点云时，完成目标检测识别。优选地，步骤S100和步骤S300之间，还包括：步骤S200：对原始点云数据进行过滤处理得到过滤后的点云数据。优选地，步骤S200包括：步骤S210：根据预设的裁剪条件对原始点云数据进行点云裁剪得到裁剪后的点云数据，其中，预设的裁剪条件为裁剪判别区域坐标阈值，或裁剪判别平行平面距离值；步骤S220：对裁剪后的点云数据经过离散滤波器和半径滤波器进行离散点和边缘点过滤得到过滤后的点云数据。优选地，当预设的裁剪条件为裁剪判别区域坐标阈值时，步骤S210为当原始点云数据的坐标值满足裁剪判别区域坐标阈值，则保留该原始点云数据；当预设的裁剪条件为裁剪判别平行平面距离值时，步骤S210包括：获取原始点云数据分别到两判别平行平面的第一平面距离和第二平面距离；当第一平面距离和第二平面距离均小于裁剪判别平行平面距离值时，则保留该原始点云数据。优选地，步骤S300包括：步骤S310：将原始点云数据分为八个长宽高相等的子集区域小块，对八个长宽高相等的子集区域小块不断进行八叉树划分，直到最小的子集区域小块的大小尺寸为预设的大小尺寸；步骤S320：过滤子集区域小块内少于三个点的点云数据；步骤S330：根据每个子集区域小块内的点云数据计算得到重心点坐标，重心点坐标代表区域体素点云，每一区域体素点云代表一个局部点云区域，从而得到多个局部点云区域。优选地，步骤S400包括：步骤S410：通过八叉树的半径搜索算法，以任意区域体素点云为圆心进行半径搜索得到搜索范围内的区域体素点云；步骤S420：获取各搜索范围内的区域体素点云的坐标信息，根据各搜索范围内的区域体素点云的坐标信息得到各搜索范围内的区域体素点云与作为圆心的区域体素点云间的距离信息；步骤S430：根据各搜索范围内的区域体素点云与作为圆心的区域体素点云间的距离信息和预设的最大间隔距离进行判断得到判断结果，根据判断结果对各搜索范围内的区域体素点云进行标记；步骤S440：以未标记的任何一个区域体素点云作为圆心，重复步骤S410至步骤S430,直至所有区域体素点云完成标记；步骤S450：通过标签连通域算法分别对带有一样标记的区域体素点云连接，得到多个带有不同标记的区域连通块状的点云数据，其中，以任意区域体素点云为圆心进行半径搜索时的半径大于预设的最大间隔距离，预设的最大间隔距离大于预设的大小尺寸。优选地，步骤S430包括：当搜索范围内的区域体素点云与作为圆心的区域体素点云间的距离信息小于预设的最大间隔距离时，将距离小于预设的最大间隔距离的搜索范围内的区域体素点云和作为圆心的区域体素点云进行相同的标记；当搜索范围内的区域体素点云与首个带标记的区域体素点云间的距离信息大于预设的最大间隔距离时，将距离大于预设的最大间隔距离的搜索范围内的区域体素点云和作为圆心的区域体素点云进行不同的标记。优选地，步骤S600之前，还包括步骤S500：步骤S500：预先对分类器进行训练，得到预设的分类模型。优选地，步骤S600包括：步骤S610：将带有不同标记的区域连通块状的点云数据进行平面化处理；步骤S620：根据预设的聚类分割对象的特征对处理后的带有不同标记的区域连通块状的点云数据进行特征提取，得到每个区域连通块状点云的特征信息；步骤S630：根据每个区域连通块状点云的特征信息和预设的分类模型，得到带人工标签的区域连通块状点云实现分类，根据分类后的带人工标签的区域连通块状点云进行边界框检测回归，当检测到存在目标物点云时，完成目标检测识别。优选地，步骤S600之后，还包括：步骤S700：将目标物的点云数据投影至点云拟合平面上，通过凸包算法进行轮廓提取得到轮廓点点云，根据轮廓点点云进行轮廓点信息提取完成目标物局部信息计算。上述基于三维点云分析的目标检测识别方法，通过对原始点云数据进行八叉树下采样得到多个局部点云区域实现局部分割，根据八叉树的半径搜索算法和预设的最大间隔距离对多个局部点云区域进行距离判断得到判断结果，根据判断结果对多个局部点云区域进行标记，通过标签连通域算法对标记后的局部点云区域进行局部点云相连，得到带有标签点云的局部区域块状点云，实现目标聚类，通过对带有标签点云的局部区域块状点云进行三维点云的特征提取得到每个区域块状点云的特征信息，根据预设的分类模型对点云特征信息进行分类，根据分类后的局部区域块状点云检测到存在目标物点云时，完成目标检测识别。附图说明图1为本专利技术第一种实施例提供的一种基于三维点云分析的目标检测识别方法的流程图；图2为本专利技术采用八叉树划分的结构图；图3为本专利技术第二种实施例提供的一种基于三维点云分析的目标检测识别方法的流程图；图4为本专利技术提供的一种基于三维点云分析的目标检测识别方法的总体流程框图；图5为本专利技术实现聚类分割检测的实验图。具体实施方式为了使本
的人员更好地理解本专利技术的技术方案，下面结合附图对本专利技术作进一步的详细说明。在一个实施例中，如图1所示，提供了一种基于三维点云分析的目标检测识别方法，本专利技术中，后续将以车辆局部车轮作为实际检测目标进行说明，方法包括以下步骤：步骤S100：获取原始点云数据。具体地，使用激光雷达传感器、深度摄像头、激光扫描仪等传感器对本文档来自技高网...

【技术保护点】
1.一种基于三维点云分析的目标检测识别方法，其特征在于，所述方法包括以下步骤：/n步骤S100：获取原始点云数据；/n步骤S300：对所述原始点云数据进行八叉树下采样，得到多个局部点云区域；/n步骤S400：根据八叉树的半径搜索算法和预设的最大间隔距离对所述多个局部点云区域进行距离判断得到判断结果，根据所述判断结果对所述多个局部点云区域进行标记，通过标签连通域算法对标记后的局部点云区域进行局部点云相连，得到带有标签点云的局部区域块状点云；/n步骤S600：对所述带有标签点云的局部区域块状点云进行三维点云的特征提取得到每个局部区域块状点云的点云特征信息，根据预设的分类模型，并基于所述提取的点云特征信息，对局部区域块状点云进行分类，根据分类后的局部区域块状点云检测到存在目标物点云时，完成目标检测识别。/n

【技术特征摘要】
1.一种基于三维点云分析的目标检测识别方法，其特征在于，所述方法包括以下步骤：
步骤S100：获取原始点云数据；
步骤S300：对所述原始点云数据进行八叉树下采样，得到多个局部点云区域；
步骤S400：根据八叉树的半径搜索算法和预设的最大间隔距离对所述多个局部点云区域进行距离判断得到判断结果，根据所述判断结果对所述多个局部点云区域进行标记，通过标签连通域算法对标记后的局部点云区域进行局部点云相连，得到带有标签点云的局部区域块状点云；
步骤S600：对所述带有标签点云的局部区域块状点云进行三维点云的特征提取得到每个局部区域块状点云的点云特征信息，根据预设的分类模型，并基于所述提取的点云特征信息，对局部区域块状点云进行分类，根据分类后的局部区域块状点云检测到存在目标物点云时，完成目标检测识别。


2.根据权利要求1所述的方法，其特征在于，步骤S100和步骤S300之间，还包括：
步骤S200：对所述原始点云数据进行过滤处理得到过滤后的点云数据。


3.根据权利要求2所述的方法，其特征在于，步骤S200包括：
步骤S210：根据预设的裁剪条件对所述原始点云数据进行点云裁剪得到裁剪后的点云数据，其中，预设的裁剪条件为裁剪判别区域坐标阈值，或裁剪判别平行平面距离值；
步骤S220：对所述裁剪后的点云数据经过离散滤波器和半径滤波器进行离散点和边缘点过滤得到过滤后的点云数据。


4.根据权利要求3所述的方法，其特征在于，当预设的裁剪条件为裁剪判别区域坐标阈值时，步骤S210为当所述原始点云数据的坐标值满足裁剪判别区域坐标阈值，则保留该原始点云数据；
当预设的裁剪条件为裁剪判别平行平面距离值时，步骤S210包括：获取所述原始点云数据分别到两判别平行平面的距离，设定为第一平面距离和第二平面距离；当所述第一平面距离和所述第二平面距离均小于所述裁剪判别平行平面距离值时，则保留该原始点云数据。


5.根据权利要求1所述的方法，其特征在于，步骤S300包括：
步骤S310：将所述原始点云数据分为八个长宽高相等的子集区域小块，对所述八个长宽高相等的子集区域小块不断进行八叉树划分，直到最小的子集区域小块的大小尺寸为预设的大小尺寸；
步骤S320：过滤所述子集区域小块内少于三个点的点云数据；
步骤S330：根据所述每个子集区域小块内的点云数据计算得到重心点坐标，所述重心点坐标代表区域体素点云，每一区域体素点云代表一个局部点云区域，从而得到多个局部点云区域。


6.根据权利要求5所述的方法，其特征在于，步骤S400包括：<...

【专利技术属性】
技术研发人员：刘理，王耀南，张辉，廖德，钟杭，缪志强，
申请(专利权)人：湖南大学，
类型：发明
国别省市：湖南;43