目标物的位置识别方法、装置、系统及存储介质制造方法及图纸

本申请涉及目标物的位置识别方法、装置、系统及存储介质。其中，该目标物的位置识别方法包括：获取目标物的二维图像和目标物点云；获取目标物的3D模型；基于第一配准与第二配准相结合的方法，识别目标物的位置信息；其中，第一配准为目标物点云和3D模型的配准；第二配准为二维图像和3D模型的配准。采用本申请的技术方案可以提高目标物的位置信息识别的鲁棒性。方案可以提高目标物的位置信息识别的鲁棒性。方案可以提高目标物的位置信息识别的鲁棒性。

【技术实现步骤摘要】
目标物的位置识别方法、装置、系统及存储介质


[0001]本申请涉及图像识别
，特别是涉及一种目标物的位置识别方法、装置、系统及存储介质。

技术介绍

[0002]随着自动化的发展，对目标物在各种复杂情况下的位置识别的精确有着更高的需求。现有的位置识别的方法，比如，基于目标物的三维图像和二维图像等进行的目标物的位置识别，在某些方面都各自存在一定的优势和缺点，导致最终得到的目标物的位置信息识别结果的鲁棒性较差。

技术实现思路

[0003]本申请提供一种目标物的位置识别方法、装置、系统及存储介质，可以提高目标物的位置信息识别的鲁棒性。
[0004]第一方面，本申请提供一种目标物的位置识别方法，所述位置识别方法包括：
[0005]获取目标物的二维图像和目标物点云；
[0006]获取所述目标物的3D模型；
[0007]基于第一配准与第二配准相结合的方法，识别所述目标物的位置信息；
[0008]其中，
[0009]所述第一配准为所述目标物点云和所述3D模型的配准；
[0010]所述第二配准为所述二维图像和所述3D模型的配准。
[0011]在一个实施例中，所述基于第一配准与第二配准相结合的方法，识别所述目标物的位置信息包括：
[0012]基于目标函数，以迭代的方式执行所述第一配准和所述第二配准，直到满足终止条件；其中，
[0013]所述目标函数为基于权重系数，结合第一函数和第二函数得到；
[0014]所述第一函数为基于迭代的方式进行所述第一配准所定义的函数；
[0015]所述第二函数为基于迭代的方式进行所述第二配准所定义的函数。
[0016]在一个实施例中，所述目标函数为：
[0017][0018]其中，0≤α≤1，α表征调整F1和F2的比重的权重系数；F1表征所述第一函数；F2表征所述第二函数；(R,t)表征所述目标物的位置信息。
[0019]在一个实施例中，所述目标函数为：
[0020][0021]其中，0≤α≤1，α表征调整F1和F2的比重的权重系数；L1表征所述第一配准里定义在P和Q点对的误差；L2表征第二配准里定义在u和v点对的误差；P表征模型点云上的点；Q表
征目标物点云上的点；u表征二维模板图像上的局部特征点；v表征二维图像上的局部特征点；(R,t)表征所述目标物的位置信息。
[0022]在一个实施例中，所述目标物的3D模型为目标物点云模型，所述第一配准包括：
[0023]基于第一函数，以迭代的方式进行所述第一配准。
[0024]在一个实施例中，所述第二配准包括：
[0025]基于第二函数，迭代改变所述3D模型的姿态；生成每个姿态下的所述3D 模型对应的二维模型图像；提取所述二维模型图像中的所述目标物的局部特征；基于所述二维图像中的局部特征和所述二维模型图像中的局部特征进行配准。
[0026]在一个实施例中，所述位置识别方法还包括：
[0027]提取所述二维图像中的所述目标物的局部特征，以得到包括所述局部特征的所述二维图像。
[0028]在一个实施例中，所述获取目标物的目标物点云之前还包括：
[0029]基于所述目标物的二维图像，生成所述目标物点云；或
[0030]基于所述目标物的二维图像，生成所述目标物的局部区域的所述目标物点云。
[0031]在一个实施例中，所述基于第一配准与第二配准相结合的方法，识别所述目标物的位置信息之前包括：
[0032]以所述目标物的所述二维图像和/或所述目标物点云作为第二识别模型的输入，以得到所述目标物的位置信息的预处理结果。
[0033]第二方面，本申请提供一种目标物的位置识别方法，所述位置识别方法包括：
[0034]获取目标物的二维图像和目标物点云；
[0035]以所述二维图像和所述目标物点云作为第一识别模型的输入，以得到所述目标物的位置信息。
[0036]在一个实施例中，所述第一识别模型为人工智能模型或统计表模型。
[0037]第三方面，本申请提供一种目标物的位置识别装置，所述位置识别装置包括：
[0038]数据获取模块，用于获取目标物的二维图像和目标物点云；
[0039]模型获取模块，用于获取所述目标物的3D模型；
[0040]结合配准模块，用于基于第一配准与第二配准相结合的方法，识别所述目标物的位置信息；其中，所述第一配准为所述目标物点云和所述3D模型进行配准；所述第二配准为所述二维图像和所述3D模型进行配准；或
[0041]数据获取模块，用于获取目标物的二维图像和目标物点云；
[0042]位置识别模块，用于以所述目标物的二维图像和目标物点云作为第一识别模型的输入，以得到所述目标物的位置信息。
[0043]第四方面，本申请提供一种控制器，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现第一方面任一项所述的目标物的位置识别方法。
[0044]第五方面，本申请提供一种目标物的位置识别系统，所述系统包括图像传感器和第四方面所述的控制器；
[0045]所述图像传感器和所述控制器通信连接。
[0046]第六方面，本申请提供一种计算机可读存储介质，其上存储有程序，所述程序被处
理器执行时实现第一方面任一项所述的目标物的位置识别方法。
附图说明
[0047]为了更清楚地说明本申请实施例的技术方案，下面将对实施例和现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0048]图1为本申请实施例中位置识别系统的结构示意图；
[0049]图2为本申请实施例中二维模板图像的示意图；
[0050]图3为本申请实施例中计算机设备的结构框图；
[0051]图4为本申请实施例中位置识别方法的第一流程图；
[0052]图5A为本申请实施例中位置识别方法的第二流程图；
[0053]图5B为本申请实施例中位置识别方法的第三流程图；
[0054]图6为本申请实施例中位置识别方法的第四流程图；
[0055]图7为本申请实施例中位置识别方法的第五流程图；
[0056]图8为本申请实施例中位置识别方法的第六流程图；
[0057]图9为本申请实施例中位置识别方法的第七流程图；
[0058]图10为本申请实施例中位置识别方法的第八流程图；
[0059]图11为本申请实施例中位置识别装置的第一结构框图；
[0060]图12为本申请实施例中位置识别装置的第二结构框图。
具体实施方式
[0061]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标物的位置识别方法，其特征在于，所述位置识别方法包括：获取目标物的二维图像和目标物点云；获取所述目标物的3D模型；基于第一配准与第二配准相结合的方法，识别所述目标物的位置信息；其中，所述第一配准为所述目标物点云和所述3D模型的配准；所述第二配准为所述二维图像和所述3D模型的配准。2.根据权利要求1所述的目标物的位置识别方法，其特征在于，所述基于第一配准与第二配准相结合的方法，识别所述目标物的位置信息包括：基于目标函数，以迭代的方式执行所述第一配准和所述第二配准，直到满足终止条件；其中，所述目标函数为基于权重系数，结合第一函数和第二函数得到；所述第一函数为以迭代的方式进行所述第一配准所定义的函数；所述第二函数为以迭代的方式进行所述第二配准所定义的函数。3.根据权利要求2所述的目标物的位置识别方法，其特征在于，所述目标函数为：其中，0≤α≤1，α表征调整F1和F2的比重的权重系数；F1表征所述第一函数；F2表征所述第二函数；(R,t)表征所述目标物的位置信息。4.根据权利要求2所述的目标物的位置识别方法，其特征在于，所述目标函数为：其中，0≤α≤1，α表征调整F1和F2的比重的权重系数；L1表征所述第一配准里定义在P和Q点对的误差；L2表征第二配准里定义在u和v点对的误差；P表征模型点云上的点；Q表征目标物点云上的点；u表征二维模板图像中的局部特征点；v表征二维图像中的局部特征点；(R,t)表征所述目标物的位置信息。5.根据权利要求1所述的目标物的位置识别方法，其特征在于，所述目标物的3D模型为目标物点云模型，所述第一配准包括：基于第一函数，以迭代的方式进行所述第一配准。6.根据权利要求1所述的目标物的位置识别方法，其特征在于，所述第二配准包括：基于第二函数，迭代改变所述3D模型的姿态；生成每个姿态下的所述3D模型对应的二维模型图像；提取所述二维模型图像中的所述目标物的局部特征；基于所述二维图像中的局部特征和所述二维模型图像中的局部特征进行配准。7.根据权利要求1
‑
6任一项所述的目标物的位置识别方法，其特征在于，所述位置识别方法还包括：提取所述二维图像中的所述目标物的局部特征，以得到包括所述...

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：曰轮法寺，
类型：发明
国别省市：