点云缺失处理方法、装置和存储介质制造方法及图纸

本公开提供了一种点云缺失处理方法、装置和存储介质，涉及数据处理领域。该方法包括：提取第一目标的图像特征；在特征库中选择与第一目标的图像特征最匹配的图像特征，其中，特征库中包括至少一个目标的图像特征和点云数据；以及利用与第一目标的图像特征最匹配的图像特征对应的第二目标的点云数据，补偿第一目标的点云数据。本公开提高了补偿缺失点云数据的鲁棒性和普适性，由于比较容易采集其他物体的点云数据，因此，降低了数据采集成本，另外，本公开对运行环境要求较低，比起通用算法有更高的实用性能。的实用性能。的实用性能。

【技术实现步骤摘要】
点云缺失处理方法、装置和存储介质


[0001]本公开涉及数据处理领域，尤其涉及一种点云缺失处理方法、装置和存储介质。

技术介绍

[0002]当下主流3D相机获取的点云存在缺失，基本是普遍现象。例如，当商品包装材质反光较强时，或者，在相机直射的位置附近，或者，在环境光较强的位置，容易导致点云缺失。
[0003]针对上述点云缺失情形，相关技术中，一种方法是调节3D相机的工作参数，或采用传统的滤波类算法对点云处理，尽量补偿缺失点云；另一种方法是采用深度学习技术对3D相机的原始点云进行处理，补齐缺失。

技术实现思路

[0004]本公开要解决的一个技术问题是，提供一种点云缺失处理方法、装置和存储介质，能够提高补偿缺失点云数据的简便性和鲁棒性。
[0005]根据本公开一方面，提出一种点云缺失处理方法，包括：提取第一目标的图像特征；在特征库中选择与第一目标的图像特征最匹配的图像特征，其中，特征库中包括至少一个目标的图像特征和点云数据；以及利用与第一目标的图像特征最匹配的图像特征对应的第二目标的点云数据，补偿第一目标的点云数据。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云缺失处理方法，包括：提取第一目标的图像特征；在特征库中选择与所述第一目标的图像特征最匹配的图像特征，其中，所述特征库中包括至少一个目标的图像特征和点云数据；以及利用与所述第一目标的图像特征最匹配的图像特征对应的第二目标的点云数据，补偿所述第一目标的点云数据。2.根据权利要求1所述的点云缺失处理方法，其中，补偿所述第一目标的点云数据包括：计算所述第一目标和所述第二目标之间的3D转换矩阵；以及根据所述3D转换矩阵，利用所述第二目标的点云数据补偿所述第一目标的点云数据。3.根据权利要求2所述的点云缺失处理方法，其中，利用所述第二目标的点云数据补偿所述第一目标的点云数据包括：将所述第二目标的点云数据转换为目标点云；以及将所述第一目标的点云数据与所述目标点云融合。4.根据权利要求2所述的点云缺失处理方法，其中，计算所述第一目标和所述第二目标之间的3D转换矩阵包括：根据所述第一目标的像素坐标和所述第二目标的像素坐标，利用2D相机内参矩阵，计算所述第一目标和所述第二目标之间的本质矩阵；以及利用所述本质矩阵，计算出所述第一目标和所述第二目标之间的3D转换矩阵。5.根据权利要求1至4任一所述的点云缺失处理方法，还包括：获取包含所述第二目标的二维图像和点云图像；在所述二维图像中提取所述第二目标的图像特征；利用2D相机和3D相机之间的标定关系，在所述点云图像中确定所述第二目标的点云数据；以及将所述第二目标的图像特征和点云数据保存在所述特征库中。6.根据权利要求1至4任一所述的点云缺失处理方法，还包括：利用所述第一目标的补偿后的点云数据，确定所述第一目标的拣选位姿；以及将所述第一目标的拣选位姿发送至机器人，以引导所述机器人执行拣选作业。7.根据权利要求5所述的点云缺失处理方法，其中，在机器人拣选过程中，建立所述特征库。8.一种点云缺失处理装置，包括：特征提取单元，被配置为提取第一目标...

【专利技术属性】
技术研发人员：刘伟峰，
申请(专利权)人：北京京东乾石科技有限公司，
类型：发明
国别省市：