数据检测方法技术

本发明专利技术的实施例提供了一种数据检测方法

【技术实现步骤摘要】
数据检测方法、装置、电子设备及存储介质


[0001]本专利技术涉及数据处理领域，具体而言，涉及一种数据检测方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]点云圆柱检测是一种计算机视觉和三维点云处理的任务，旨在从三维点云数据中检测和识别出圆柱形状的对象或曲面
。
随机采样一致性（
RANSAC
）是一种用于估计数学模型参数的迭代方法，适用于处理包含离群点的数据集
。RANSAC
的核心思想是通过随机选择数据点子集来估计模型，然后使用估计的模型与数据进行一致性检验，筛选出符合模型的数据点，最终得到鲁棒的模型参数
。
[0003]具体的算法步骤包括随机选择一个固定数量的数据点，构成一个随机子集，用于估计模型参数
。
这个子集被称为内点，而不在子集中的数据点被称为外点
。
使用随机选择的内点数据来估计模型的参数
。
使用估计的模型对所有数据点进行一致性检验，将每个数据点与模型进行比较，并计算其误差
。
如果数据点与模型的误差小于某个预定义的容忍度阈值，将其视为内点，否则将其视为外点
。
统计通过一致性检验的内点数量
。
重复以上步骤多次，每次生成一个新的随机子集，估计模型参数，进行一致性检验，计算内点数，记录具有最大内点数量的模型及其参数
。
输出最终估计的模型及其参数，以及与该模型一致的内点<br/>。
[0004]上述点云圆柱检测存在一些缺点和限制：（1）依赖参数选择，
RANSAC
的性能高度依赖于参数的选择，包括迭代次数
、
容忍度阈值和采样大小
。
错误的参数选择可能导致模型估计的不准确性或不稳定性
。
（2）计算复杂性，对于大型点云数据集，
RANSAC
的计算复杂性可能很高
。
因为它是一个迭代算法，需要多次随机采样和模型估计，这会占用大量计算资源
。
（3）鲁棒性受限， RANSAC
在面对包含大量离群点的数据时可能不够鲁棒
。
离群点会干扰模型的估计，导致最终结果不准确
。
（4）迭代次数，对于一些复杂的数据，
RANSAC
可能需要大量迭代才能找到合适的模型
。
这会增加计算时间，并且不适用于实时性要求较高的应用
。
（5）局部最小值，在某些情况下，
RANSAC
可能会陷入局部最小值，导致找到的模型不是全局最优的
。

技术实现思路

[0005]本专利技术的目的在于提供一种数据检测方法
、
装置
、
电子设备及存储介质，能够提高数据检测的准确性
。
[0006]为了实现上述目的，本申请实施例采用的技术方案如下：第一方面，本申请实施例提供了数据检测方法，所述方法包括：从待检测点云数据中确定目标圆心坐标，其中，所述待检测点云数据中对应有多个数据点；确定所述目标圆心坐标对应的第一目标数据点；基于所述目标圆心坐标和所述第一目标数据点，确定所述目标圆心坐标的中轴
线；针对每个所述数据点，计算所述数据点与所述中轴线的距离；基于所述距离和所述中轴线，从所述待检测点云数据中确定出属于目标圆柱曲面的各第二目标数据点，其中，所述目标圆柱曲面由所述目标圆心坐标以及中轴线确定得到
。
[0007]在可选的实施方式中，所述待检测从点云数据中确定目标圆心坐标的步骤，包括：确定预设的半径范围；针对每个数据点，确定所述数据点的坐标信息以及在极坐标系中的极角和极轴角度；基于所标信息以及所述极角和所述极轴角度，确定所述数据点在所述半径范围下对应的圆心坐标范围；获取与各所述圆心坐标范围重合度最大的圆心作为目标圆心坐标
。
[0008]在可选的实施方式中，所述圆心坐标范围满足以下公式：；；；其中，为数据点的
x
轴的坐标信息，为数据点的
y
轴的坐标信息，为数据点的
z
轴的坐标信息，
r
为半径，
r
满足预设的半径范围，为极角，为极轴角度
。
[0009]在可选的实施方式中，所述确定所述目标圆心坐标对应的第一目标数据点的步骤，包括；针对每个所述圆心坐标范围，将所述目标圆心坐标与所述圆心坐标范围进行比较；在所述目标圆心坐标属于所述圆心坐标范围时，确定该圆心坐标范围对应的数据点，并作为第一目标数据点
。
[0010]在可选的实施方式中，所述基于所述目标圆心坐标和所述第一目标数据点，确定所述目标圆心坐标的中轴线的步骤，包括：确定所述目标圆心坐标对应的第一法向量；确定所述第一目标数据点对应的第二法向量；基于所述第一法向量与所述第二法向量进行叉积，得到所述目标圆心坐标的中轴线
。
[0011]在可选的实施方式中，所述基于所述距离和所述中轴线，从所述待检测点云数据中确定出属于所述目标圆柱曲面的各第二目标数据点的步骤，包括：计算所述中轴线的模长；计算所述模长与所述距离的比值；基于所述模长
、
比值以及距离，计算所述数据点的容忍度；在所述容忍度大于预设容忍度时，确定所述数据点不属于所述目标圆柱曲面；在所述容忍度小于或者等于预设容忍度时，确定所述数据点属于所述目标圆柱曲面，并将所述数据点作为第二目标数据点
。
[0012]在可选的实施方式中，所述容忍度满足以下公式：
；其中，为容忍度，为距离，为比值
。
[0013]第二方面，本申请实施例提供了一种数据检测装置，所述装置包括：确定模块，用于从待检测点云数据中确定目标圆心坐标，其中，所述待检测点云数据中对应有多个数据点；确定所述目标圆心坐标对应的第一目标数据点；基于所述目标圆心坐标和所述第一目标数据点，确定所述目标圆心坐标的中轴线；计算模块，用于针对每个所述数据点，计算所述数据点与所述中轴线的距离；所述确定模块，还用于基于所述距离和所述中轴线，从所述待检测点云数据中确定出属于目标圆柱曲面的各第二目标数据点，其中，所述目标圆柱曲面由所述目标圆心坐标以及中轴线确定得到
。
[0014]第三方面，本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述数据检测方法的步骤
。
[0015]第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述数据检测方法的步骤
。
[0016]本申请具有以下有益效果：本申请通过从待检测点云数据中确定目标圆心坐标，其中，待检测点云数据中对应有多个数据点，确定目标圆心坐标对应的第一目标数据点，基于目标圆心坐标和第一目标数据点，确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种数据检测方法，其特征在于，所述方法包括：从待检测点云数据中确定目标圆心坐标，其中，所述待检测点云数据中对应有多个数据点；确定所述目标圆心坐标对应的第一目标数据点；基于所述目标圆心坐标和所述第一目标数据点，确定所述目标圆心坐标的中轴线；针对每个所述数据点，计算所述数据点与所述中轴线的距离；基于所述距离和所述中轴线，从所述待检测点云数据中确定出属于目标圆柱曲面的各第二目标数据点，其中，所述目标圆柱曲面由所述目标圆心坐标以及中轴线确定得到
。2.
根据权利要求1所述的方法，其特征在于，所述待检测从点云数据中确定目标圆心坐标的步骤，包括：确定预设的半径范围；针对每个数据点，确定所述数据点的坐标信息以及在极坐标系中的极角和极轴角度；基于所标信息以及所述极角和所述极轴角度，确定所述数据点在所述半径范围下对应的圆心坐标范围；获取与各所述圆心坐标范围重合度最大的圆心作为目标圆心坐标
。3.
根据权利要求2所述的方法，其特征在于，所述圆心坐标范围满足以下公式：；；；其中，为数据点的
x
轴的坐标信息，为数据点的
y
轴的坐标信息，为数据点的
z
轴的坐标信息，
r
为半径，
r
满足预设的半径范围，为极角，为极轴角度
。4.
根据权利要求2所述的方法，其特征在于，所述确定所述目标圆心坐标对应的第一目标数据点的步骤，包括；针对每个所述圆心坐标范围，将所述目标圆心坐标与所述圆心坐标范围进行比较；在所述目标圆心坐标属于所述圆心坐标范围时，确定该圆心坐标范围对应的数据点，并作为第一目标数据点
。5.
根据权利要求1所述的方法，其特征在于，所述基于所述目标圆心坐标和所述第一目标数据点，确定所述目标圆心坐标的中轴线的步骤，包括...

【专利技术属性】
技术研发人员：束健，宋昱，郭胜男，杜冬晖，
申请(专利权)人：法奥意威苏州机器人系统有限公司，
类型：发明
国别省市：