【技术实现步骤摘要】
本专利技术涉及物体分类领域，具体而言，涉及一种物体识别方法、装置、系统、存储介质及计算机设备。
技术介绍
1、采用深度相机对工业生产中的产品进行拍照，可以得到产品的点云图像，基于点云图像可以对产品的产品类型进行预测，上述技术可以应用于物品分拣场景，使得设备可以自动化地按照物品的类型将物品进行分类和分拣。然而，由于点云数据的局限性，上述识别方式的识别结果并不稳定，有时会出现物品分类错误的情况，导致后续分拣错误，影响工作效率。
2、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术实施例提供了一种物体识别方法、装置、系统、存储介质及计算机设备，以至少解决利用点云数据识别物体类型时存在的识别不准确的技术问题。
2、根据本专利技术实施例的一个方面，提供了一种物体识别方法，包括：获取待识别的点云数据，其中，所述点云数据包括多个初始点；根据所述点云数据，生成与所述多个初始点一一对应的多个第一点云集合和与所述多个初始点一一对应的多个第二点云集合，其中，所述多个第一点云集合分别包括对应的初始点和离对应的初始点最近的第一数量个初始点，所述多个第二点云集合分别包括对应的初始点和离对应的初始点最近的第二数量个初始点；根据所述多个第一点云集合，生成第一质心集合，以及根据所述多个第二点云集合，生成第二质心集合，其中，所述第一质心集合包括的第一质心点为所述多个第一点云集合各自的质心，所述第二质心集合包括的第二质心点为所述多个第二点云集合各自的质心；根据所述第一质
3、可选地，根据所述点云数据，生成与所述多个初始点一一对应的多个第一点云集合和与所述多个初始点一一对应的多个第二点云集合，包括：采用k维搜索树遍历所述多个初始点，得到与所述多个初始点各自距离最近的第一数量个初始点和第二数量个初始点；根据所述多个初始点各自距离最近的第一数量个初始点，生成所述多个第一点云集合；根据所述多个初始点各自距离最近的第二数量个初始点，生成所述多个第二点云集合。
4、可选地，根据所述多个第一点云集合，生成第一质心集合，以及根据所述多个第二点云集合，生成第二质心集合，包括：将所述多个第一点云集合的每个集合中的初始点的坐标取平均，得到所述多个第一点云集合各自的第一质心点；将所述多个第二点云集合的每个集合中的初始点的坐标取平均，得到所述多个第二点云集合各自的第二质心点；根据所述第一质心点，生成所述第一质心集合；根据所述第二质心点，生成所述第二质心集合。
5、可选地，根据所述第一质心集合和所述第二质心集合，确定所述点云数据对应的物体类型，包括：根据所述第一质心集合，确定所述第一质心点各自的第一曲率值；根据所述第二质心集合，确定所述第二质心点各自的第二曲率值；将所述第一质心集合和所述第二质心集合合并，生成融合点云集合；根据所述第一曲率值、所述第二曲率值和所述融合点云集合，确定所述点云数据对应的物体类型。
6、可选地，所述根据所述第一曲率值、所述第二曲率值和所述融合点云集合，确定所述点云数据对应的物体类型，包括：根据最小包围框对所述融合点云集合进行分割，切割得到多个几何体；根据所述第一曲率值和所述第二曲率值，确定所述多个几何体各自对应的曲率平均值；根据所述多个几何体各自对应的曲率平均值，确定所述点云数据对应的物体类型。
7、可选地，所述根据所述多个几何体各自对应的曲率平均值，确定所述点云数据对应的物体类型，包括：获取目标物体的第一曲率特征；根据所述多个几何体各自对应的曲率平均值，确定所述点云数据对应的第二曲率特征；确定所述第一曲率特征和所述第二曲率特征之间的欧式距离；在所述欧氏距离小于距离阈值的情况下，确定所述点云数据对应的物体类型为所述目标物体。
8、根据本专利技术实施例的另一方面，还提供了一种物体识别装置，包括：获取模块，用于获取待识别的点云数据，其中，所述点云数据包括多个初始点；第一生成模块，用于根据所述点云数据，生成与所述多个初始点一一对应的多个第一点云集合和与所述多个初始点一一对应的多个第二点云集合，其中，所述多个第一点云集合分别包括对应的初始点和离对应的初始点最近的第一数量个初始点，所述多个第二点云集合分别包括对应的初始点和离对应的初始点最近的第二数量个初始点；第二生成模块，用于根据所述多个第一点云集合，生成第一质心集合，以及根据所述多个第二点云集合，生成第二质心集合，其中，所述第一质心集合包括的质心点为所述多个第一点云集合各自的质心，所述第二质心集合包括的质心点为所述多个第二点云集合各自的质心；确定模块，用于根据所述第一质心集合和所述第二质心集合，确定所述点云数据对应的物体类型。
9、根据本专利技术实施例的另一方面，还提供了一种物体识别系统，包括：点云采集设备和数据处理设备，其中，所述点云采集设备用于采集待识别的点云数据，并将所述点云数据传输至所述数据处理设备，所述数据处理设备用于执行上述任意一项的物体识别方法。
10、根据本专利技术实施例的又一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行上述任意一项所述物体识别方法。
11、根据本专利技术实施例的再一方面，还提供了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器用于存储程序，所述处理器用于运行所述存储器存储的程序，其中，所述程序运行时执行上述任意一项所述物体识别方法。
12、在本专利技术实施例中，通过获取待识别的点云数据，其中，点云数据包括多个初始点；根据点云数据，生成与多个初始点一一对应的多个第一点云集合和与多个初始点一一对应的多个第二点云集合，其中，多个第一点云集合分别包括对应的初始点和离对应的初始点最近的第一数量个初始点，多个第二点云集合分别包括对应的初始点和离对应的初始点最近的第二数量个初始点；根据多个第一点云集合，生成第一质心集合，以及根据多个第二点云集合，生成第二质心集合，其中，第一质心集合包括的第一质心点为多个第一点云集合各自的质心，第二质心集合包括的第二质心点为多个第二点云集合各自的质心；根据第一质心集合和第二质心集合，确定点云数据对应的物体类型，达到了准确识别点云数据对应的物体的物体类型的目的，从而实现了提高利用点云数据识别物体类型时的准确度的技术效果，进而解决了利用点云数据识别物体类型时存在的识别不准确的技术问题。
本文档来自技高网...【技术保护点】
1.一种物体识别方法，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，根据所述点云数据，生成与所述多个初始点一一对应的多个第一点云集合和与所述多个初始点一一对应的多个第二点云集合，包括：
3.根据权利要求1所述的方法，其特征在于，根据所述多个第一点云集合，生成第一质心集合，以及根据所述多个第二点云集合，生成第二质心集合，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述第一质心集合和所述第二质心集合，确定所述点云数据对应的物体类型，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一曲率值、所述第二曲率值和所述融合点云集合，确定所述点云数据对应的物体类型，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述多个几何体各自对应的曲率平均值，确定所述点云数据对应的物体类型，包括：
7.一种物体识别装置，其特征在于，包括：
8.一种物体识别系统，其特征在于，包括：点云采集设备和数据处理设备，其中，所述点云采集设备用于采集待识别的点云数据，并将所述点云数据传输
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至6中任意一项所述物体识别方法。
10.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器用于存储程序，所述处理器用于运行所述存储器存储的程序，其中，所述程序运行时执行权利要求1至6中任意一项所述物体识别方法。
...【技术特征摘要】
1.一种物体识别方法，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，根据所述点云数据，生成与所述多个初始点一一对应的多个第一点云集合和与所述多个初始点一一对应的多个第二点云集合，包括：
3.根据权利要求1所述的方法，其特征在于，根据所述多个第一点云集合，生成第一质心集合，以及根据所述多个第二点云集合，生成第二质心集合，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述第一质心集合和所述第二质心集合，确定所述点云数据对应的物体类型，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一曲率值、所述第二曲率值和所述融合点云集合，确定所述点云数据对应的物体类型，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述多个几何体各自对应的...
【专利技术属性】
技术研发人员：杨帆，丁铖，刘博峰，朱春晓，
申请(专利权)人：节卡机器人股份有限公司，
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。