一种智能识别方法及识别系统技术方案

本发明专利技术实施例涉及图像处理技术领域，公开了一种智能识别方法及识别系统，该方法包括：从扫描图像中识别出目标物体的点云特征数据信息；对所述点云特征数据信息依次进行点云重组、数据切割、数据分组和特征筛选的处理，以获得所述目标物体的目标模型；根据所述目标模型，计算出所述目标物体的中心点位置；利用所述目标模型和所述中心点位置，计算出所述目标物体的质心点位置。实施本发明专利技术实施例，能够在提高识别准确率的同时保证识别速度。提高识别准确率的同时保证识别速度。提高识别准确率的同时保证识别速度。

【技术实现步骤摘要】
一种智能识别方法及识别系统


[0001]本专利技术涉及图像处理
，尤其涉及一种智能识别方法及识别系统。

技术介绍

[0002]随着人工智能的兴起，机器视觉逐渐从传统制造领域扩展到餐饮、家居、医院、养老院、工厂等领域。越来越多的机器人出现在人们的身边，为人们的衣食住行提供了极大的方便，渐渐成为人们生活中不可或缺的好帮手，并且随着人类生活水平和品质的不断提升，机器人所具备的功能也越来越多元化，尤其是在室内外环境物体识别方面，人类对其有着越来越高的要求和需求。
[0003]近些年，随着3D扫描技术的进步，人类感知场景的方式从以光学成像为立的2D感知方式发展到以激光扫描为主的3D感知方式。3D图像是一种比较特殊的空间信息表达形式，其能够表达物体在空间中XYZ轴三个维度的信息。
[0004]但在实践中发现，现有的3D扫描识别技术通常只适用于场景较为简单、微混杂和微遮挡的环境，此类环境可直接进行3D点云识别并不需要场景的分割就可以实现，其优点为方法简单，识别速度相比于间接识别来说较快。但是在场景较复杂的情况下则会非常容易出现识别错误，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能识别方法，其特征在于，包括：从扫描图像中识别出目标物体的点云特征数据信息；对所述点云特征数据信息依次进行点云重组、数据切割、数据分组和特征筛选的处理，以获得所述目标物体的目标模型；根据所述目标模型，计算出所述目标物体的中心点位置；利用所述目标模型和所述中心点位置，计算出所述目标物体的质心点位置。2.根据权利要求1所述的方法，其特征在于，所述对所述点云特征数据信息依次进行点云重组、数据切割、数据分组和特征筛选的处理，以获得所述目标物体的目标模型，包括：对所述点云特征数据信息依次进行第一次的点云重组、数据切割、数据分组和特征筛选的处理，以获得初始模型；根据所述初始模型，获取所述目标物体的物体特征信息；根据所述物体特征信息，判断所述目标物体是否被完整扫描出来；若是，对所述点云特征数据信息依次进行第二次的数据切割、数据分组和特征筛选的处理，以获得所述目标模型。3.根据权利要求2所述的方法，其特征在于，根据所述物体特征信息，判断所述目标物体是否被完整扫描出来，包括：检测物体特征算法中是否存在与所述物体特征信息相匹配的设计数据；若是，执行所述对所述点云特征数据信息依次进行第二次的数据切割、数据分组和特征筛选的处理，以获得所述目标模型的操作。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：若检测出所述物体特征算法中不存在与所述物体特征信息相匹配的设计数据时，获取新扫描图像并从所述新扫描图像中识别出所述目标物体的新点云特征数据信息；对所述新点云特征数据信息依次进行第一次的点云重组、数据切割、数据分组和特征筛选的处理，以获得新初始模型；根据所述新初始模型，获取所述目标物体的新物体特征信息；检测所述物体特征算法中是否存在与所述新物体特征信息相匹配的设计数据；若否，重新执行所述获取新扫描图像的操作；若检测出所述物体特征算法中存在与所述新物体特征信息相匹配的设计数据，对所述新点云特征数据信息依次进行第二次的数据切割、数据分组和特征筛选的处理，以获得所述目标模型。5.根据权利要求1～4任一项所述的方法，其特征在于，所述利用所述目标模型和所述中心点位置，计算出所述目标物体的质心点位置，包括：以所述中心点位置为起点位置，计算出所述目标模型中的每一点云数据到所述起点位置的质量，以计算得出所述目标模型的第一质心偏移值；检测所...

【专利技术属性】
技术研发人员：郭泳佑，刘捷，
申请(专利权)人：广东广起重型机械有限公司，
类型：发明
国别省市：