本申请提供了一种基于点云的对象识别方法、装置、电子设备、计算机可读存储介质及计算机程序产品；方法包括：获取点云数据；对点云数据进行投影处理，得到深度图像；根据深度图像中像素点的深度值进行聚类处理，得到多个聚类簇；其中，每个聚类簇包括多个像素点；根据每个聚类簇中像素点的图像坐标，确定每个聚类簇在深度图像中的簇尺寸比例；将簇尺寸比例满足目标对象的尺寸比例条件的聚类簇，确定为目标对象对应的聚类簇。通过本申请，能够减少计算资源消耗，提升对象识别效率。
【技术实现步骤摘要】
本申请涉及计算机视觉技术，尤其涉及一种基于点云的对象识别方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
技术介绍
1、计算机视觉(computer vision，cv)是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。点云对象识别是计算机视觉的一项重要技术，涉及的是如何从点云数据中识别出特定的对象，如人类、车辆、路灯等。
2、在相关技术提供的方案中，通常是基于深度学习算法来实现对象识别，例如通过训练好的卷积神经网络模型对点云数据进行处理，以识别出点云数据中的特定对象。然而，模型是对原始的点云数据进行大量操作，如通过多个网络层来实现特征提取，导致对象识别的效率低。
技术实现思路
1、本申请实施例提供一种基于点云的对象识别方法、装置、电子设备、计算机可读存储介质及计算机程序产品，能够提升对象识别的效率。
2、本申请实施例的技术方案是这样实现的：
3、本申请实施例提供一种基于点云的对象识别方法，包括：
4、获取点云数据；
5、对所述点云数据进行投影处理，得到深度图像；
6、根据所述深度图像中像素点的深度值进行聚类处理，得到多个聚类簇；其中，每个聚类簇包括多个像素点；
7、根据每个聚类簇中像素点的图像坐标，确定每个聚类簇在所述深度图像中的簇尺寸比例；
>8、将簇尺寸比例满足目标对象的尺寸比例条件的聚类簇，确定为所述目标对象对应的聚类簇。9、本申请实施例提供一种基于点云的对象识别装置，包括：
10、获取模块，用于获取点云数据；
11、投影模块，用于对所述点云数据进行投影处理，得到深度图像；
12、聚类模块，用于根据所述深度图像中像素点的深度值进行聚类处理，得到多个聚类簇；其中，每个聚类簇包括多个像素点；
13、比例确定模块，用于根据每个聚类簇中像素点的图像坐标，确定每个聚类簇在所述深度图像中的簇尺寸比例；
14、筛选模块，用于将簇尺寸比例满足目标对象的尺寸比例条件的聚类簇，确定为所述目标对象对应的聚类簇。
15、本申请实施例提供一种电子设备，包括：
16、存储器，用于存储可执行指令；
17、处理器，用于执行所述存储器中存储的可执行指令时，实现本申请实施例提供的基于点云的对象识别方法。
18、本申请实施例提供一种计算机可读存储介质，存储有可执行指令，用于引起处理器执行时，实现本申请实施例提供的基于点云的对象识别方法。
19、本申请实施例提供了一种计算机程序产品，该计算机程序产品包括可执行指令，用于引起处理器执行时，实现本申请实施例提供的基于点云的对象识别方法。
20、本申请实施例具有以下有益效果：
21、通过投影处理的方式将点云数据投影为深度图像，使用对深度图像的处理来替代对原始的点云数据的处理，能够有效减少计算量，提升计算效率，节省计算资源；同时，根据深度值进行聚类处理得到多个聚类簇，并考虑目标对象的尺寸比例条件对多个聚类簇进行筛选得到目标对象对应的聚类簇，由于目标对象的尺寸比例具有针对性及稳定性，因此能够保证对象识别的精度。综上，本申请实施例能够在保证对象识别精度的前提下，节省计算资源，提升对象识别效率。
本文档来自技高网...
【技术保护点】
1.一种基于点云的对象识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述深度图像中像素点的深度值进行聚类处理，得到多个聚类簇之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述深度图像中有效像素点的深度值进行聚类处理，得到多个聚类簇，包括：
4.根据权利要求2所述的方法，其特征在于，所述像素点有效条件包括以下至少之一：
5.根据权利要求1所述的方法，其特征在于，所述根据所述深度图像中像素点的深度值进行聚类处理，得到多个聚类簇之后，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述点云数据包括所述深度图像中像素点的点云坐标；所述根据所述深度图像中像素点的深度值进行聚类处理，得到多个聚类簇之后，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述点云坐标包括点云竖坐标；每个聚类簇的簇尺寸参数包括最小点云竖坐标、最大点云竖坐标、以及所述最小点云竖坐标与所述最大点云竖坐标之间的竖坐标距离中的至少之一；
8.根据权利要求6所述的方法，其特征在于，所述点云坐标包括点云横坐标以及点云纵坐标；每个聚类簇的簇尺寸参数包括拟合出的圆的圆半径；所述圆半径是根据每个聚类簇中像素点的点云横坐标以及点云纵坐标进行圆拟合处理得到的；
9.根据权利要求1所述的方法，其特征在于，所述点云数据包括所述深度图像中像素点的点云坐标，所述点云坐标包括点云横坐标以及点云纵坐标；所述根据所述深度图像中像素点的深度值进行聚类处理，得到多个聚类簇之后，所述方法还包括：
10.根据权利要求1所述的方法，其特征在于，所述图像坐标包括图像横坐标以及图像纵坐标；所述根据每个聚类簇中像素点的图像坐标，确定每个聚类簇在所述深度图像中的簇尺寸比例，包括：
11.根据权利要求1所述的方法，其特征在于，所述根据所述深度图像中像素点的深度值进行聚类处理，得到多个聚类簇之后，所述方法还包括：
12.一种基于点云的对象识别装置，其特征在于，包括：
13.一种电子设备，其特征在于，包括：
14.一种计算机可读存储介质，其特征在于，存储有可执行指令，用于被处理器执行时，实现权利要求1至11任一项所述的基于点云的对象识别方法。
...
【技术特征摘要】
1.一种基于点云的对象识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述深度图像中像素点的深度值进行聚类处理，得到多个聚类簇之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述深度图像中有效像素点的深度值进行聚类处理，得到多个聚类簇，包括：
4.根据权利要求2所述的方法，其特征在于，所述像素点有效条件包括以下至少之一：
5.根据权利要求1所述的方法，其特征在于，所述根据所述深度图像中像素点的深度值进行聚类处理，得到多个聚类簇之后，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述点云数据包括所述深度图像中像素点的点云坐标；所述根据所述深度图像中像素点的深度值进行聚类处理，得到多个聚类簇之后，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述点云坐标包括点云竖坐标；每个聚类簇的簇尺寸参数包括最小点云竖坐标、最大点云竖坐标、以及所述最小点云竖坐标与所述最大点云竖坐标之间的竖坐标距离中的至少之一；
8.根据权利要求6所述的方法，其特...
【专利技术属性】
技术研发人员：王明明，夏锌，郭彦，
申请(专利权)人：广州汽车集团股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。