用于深度相机的点云属性赋值方法及其系统和电子设备技术方案

一种用于深度相机的点云属性赋值方法及其系统和电子设备。该用于深度相机的点云属性赋值方法，包括步骤：对通过该深度相机获取的二维图像数据进行目标检测处理，以获得目标检测结果，其中该目标检测结果包括一或多种检测目标的目标框、目标类别以及对应的类别属性；根据该深度相机的二维到三维的映射关系，基于该目标检测结果对通过该深度相机获取的点云数据进行点云分割处理，以获得目标点云区域；以及将该检测目标的该类别属性赋值于对应的该目标点云区域。该目标点云区域。该目标点云区域。

【技术实现步骤摘要】
用于深度相机的点云属性赋值方法及其系统和电子设备


[0001]本专利技术涉及三维视觉
，尤其是涉及用于深度相机的点云属性赋值方法及其系统和电子设备。

技术介绍

[0002]近年来，三维视觉技术发展迅速，而点云处理技术又是三维视觉技术发展的基础。点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合。结合激光测量和摄影测量原理得到点云属性信息包括三维坐标(XYZ)、激光反射强度(Intensity)以及颜色信息(RGB)。然而，随着机器人视觉技术中路径规划、智能避障、目标跟随等技术的发展，传统的三维坐标、激光反射强度以及颜色信息已经不能满足需求，点云需要被赋值更多的属性，例如物体类别属性，以适配不同的场景需求。
[0003]目前，现有的三维点云物体识别方法多是通过提取物体的特征点几何属性、形状属性、结构属性或者多种属性组合的特征进行对比、学习，从而完成物体的识别与分类。但随着计算机视觉技术和认知技术的快速发展，对场景中物体的识别逐渐从对特定物体的识别(如车辆、树木或建筑物等)过渡到对多类物体的识别，这依赖于提前对大量三维本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一用于深度相机的点云属性赋值方法，其特征在于，包括步骤：对通过该深度相机获取的二维图像数据进行目标检测处理，以获得目标检测结果，其中该目标检测结果包括一或多种检测目标的目标框、目标类别以及对应的类别属性；根据该深度相机的二维到三维的映射关系，基于该目标检测结果对通过该深度相机获取的点云数据进行点云分割处理，以获得目标点云区域；以及将该检测目标的该类别属性赋值于对应的该目标点云区域。2.如权利要求1所述的用于深度相机的点云属性赋值方法，其中，该深度相机用于采集RGBD数据，其中该二维图像数据为RGB数据。3.如权利要求2所述的用于深度相机的点云属性赋值方法，其中，所述对通过该深度相机获取的二维图像数据进行目标检测处理，以获得目标检测结果，其中该目标检测结果包括一或多种检测目标的目标框、目标类别以及对应的类别属性的步骤，包括步骤：通过基于深度学习的目标检测模型，检测该RGB数据以得到该检测目标的该目标框和该目标类别；和通过基于开源的目标框标注模型，自由定义该检测目标的类别，以得到该检测目标的该类别属性。4.如权利要求3所述的用于深度相机的点云属性赋值方法，其中，所述根据该深度相机的二维到三维的映射关系，基于该目标检测结果对通过该深度相机获取的点云数据进行点云分割处理，以获得目标点云区域的步骤，包括步骤：通过RGBD映射模型，对该点云数据进行初步分割，以得到与该检测目标的该目标框对应的初始点云区域；对该初始点云区域进行地面检测，以得到去地面的点云区域；对该去地面的点云区域进行动态直方图统计，以得到每个bin区间的点云数量；以及判断最大bin区间和次大bin区间是否相邻，如果是，则选取分别与该最大bin区间和该次大bin区间对应的两个连续区间作为所述目标点云区域；如果否，则选取与该最大bin区间对应的一个连续区域作为所述目标点云区域。5.如权利要求4所述的用于深度相机的点云属性赋值方法，其中，所述根据该深度相机的二维到三维的映射关系，基于该目标检测结果对通过该深度相机获取的点云数据进行点云分割处理，以获得目标点云区域的步骤，在所述对该初始点云区域进行地面检测，以得到去地面的点云区域的步骤之前，进一步包括步骤：通过连通域滤波，对该初始点云区域进行点云预处理，以得到去噪声的点云区域，使得后续对该去噪声的点云区域进行地面检测以获得所述去地面的点云区域。6.如权利要求1至5所述的用于深度相机的点云属性赋值方法，其中，该深度相机为TOF相机。7.一用于深度相机的点云属性赋值系统，其特征在于，包括相互可通信地连接的：一检测模块，用于对通过该深度相机获取的二维图像数据进行目标检测处理，以获得目标检测结果，其中该目标检测结...

【专利技术属性】
技术研发人员：戴怡洁，张新远，张建峰，张严严，陈文，
申请(专利权)人：浙江舜宇智能光学技术有限公司，
类型：发明
国别省市：