【技术实现步骤摘要】
本申请涉及机器视觉的，具体而言，涉及一种充电桩识别方法、装置、电子设备及存储介质。
技术介绍
1、agv小车（自动导向车）广泛应用于现代工业生产中，解决了工业上的搬运传输问题，大大提高了生产效率。但agv小车携带的电池有电量限制，需要及时回充电桩充电，那么回充的第一步便是对充电桩进行快速有效的识别，而由于充电桩周围存在各种干扰因素，如墙面、周围物体等因素，对充电桩的识别造成较大的麻烦。
2、目前，针对这种存在各种干扰因素的背景，充电桩的识别方式不仅依靠激光雷达，还需要添加多个相机或超声波等其他传感器去辅助识别充电桩，但这无疑增加了项目的成本，同时也提高了整体系统的复杂程度。
3、因此，为了解决现有的充电桩识别方式需要多个传感器进行辅助识别充电桩的技术问题，亟需一种充电桩识别方法、装置、电子设备及存储介质。
技术实现思路
1、本申请的目的在于提供一种充电桩识别方法、装置、电子设备及存储介质，通过对基于密度的聚类算法计算得到的点云数据集合进行直线拟合，并根据点云数据集合中云点到拟合直线的距离，识别充电桩，解决现有的充电桩识别方式需要多个传感器进行辅助识别充电桩的问题，通过基于密度的聚类算法和直线拟合方式快速识别充电桩，不用额外增加传感器，也不需要增加项目成本，提高了充电桩的识别效率。
2、第一方面，本申请提供了一种充电桩识别方法，用于对充电桩进行识别，包括步骤：
3、获取自动导向车周围的环境点云数据；
4、从所述环境点云数据中
5、运用基于密度的聚类算法，对所述近处点云数据进行聚类，得到多个点云数据集合；
6、根据预设的距离阈值，对各所述点云数据集合进行直线拟合，得到各所述点云数据集合对应的拟合直线；
7、基于各所述点云数据集合中与对应的拟合直线的距离小于所述预设的距离阈值的云点的数量，结合预设的充电桩点云特征，识别得到充电桩的目标点云数据。
8、本申请提供的充电桩识别方法可以实现对充电桩进行识别，通过对基于密度的聚类算法计算得到的点云数据集合进行直线拟合，并根据点云数据集合中云点到拟合直线的距离，识别充电桩，解决现有的充电桩识别方式需要多个传感器进行辅助识别充电桩的问题，通过基于密度的聚类算法和直线拟合方式快速识别充电桩，不用额外增加传感器，也不需要增加项目成本，提高了充电桩的识别效率。
9、可选地，运用基于密度的聚类算法，对所述近处点云数据进行聚类，得到多个点云数据集合，包括：
10、以所述近处点云数据中各云点为中心点，以预设半径画圆作邻域，计算所述近处点云数据中在对应的邻域内的云点的数量；
11、当所述近处点云数据中在对应的邻域内的云点的数量大于预设数量阈值时，把所述对应的邻域内的所有云点的点云数据作为一个点云数据集合；
12、遍历所述近处点云数据，得到多个所述点云数据集合。
13、本申请提供的充电桩识别方法可以实现对充电桩进行识别，通过基于密度的聚类算法，以预设半径画圆作邻域，当云点所在邻域内的云点的数量大于预设数量阈值时，将其它云点分配到对应的云点，以形成多个点云数据集合，通过对点云数据集合进行分析，能够识别得到充电桩，有利于提高充电桩识别的效率。
14、可选地，当所述近处点云数据中在对应的邻域内的云点的数量大于预设数量阈值时，把所述对应的邻域内的所有云点的点云数据作为一个点云数据集合，包括：
15、当所述近处点云数据在对应的邻域内的云点的数量大于所述预设数量阈值时，确定所述对应的邻域的中心点为核心点；
16、构建所述核心点对应的点云数据集合，并把所述核心点对应的邻域内的云点分配到相应的点云数据集合中。
17、可选地，构建所述核心点对应的点云数据集合，并把所述核心点对应的邻域内的云点分配到相应的点云数据集合中之后，还包括：
18、当所述核心点对应的邻域内存在其它核心点时，把所述其它核心点对应的点云数据集合划分到所述核心点对应的点云数据集合中。
19、可选地，根据预设的距离阈值，对各所述点云数据集合进行直线拟合，得到各所述点云数据集合对应的拟合直线，包括：
20、从同一所述点云数据集合中多次选择任意两个云点，以构建多条随机直线，使所述随机直线穿过相应的两个云点；
21、统计各所述随机直线的内点的数量，把所述内点的数量最多的随机直线作为对应所述点云数据集合的特征直线，把所述特征直线的内点的点云数据的集合作为对应点云数据集合的最大一致集；所述随机直线的内点是指在同一所述点云数据集合中与对应所述随机直线的距离小于预设的距离阈值的云点；
22、通过最小二乘法，根据所述最大一致集，拟合得到各所述点云数据集合中的对应的拟合直线。
23、本申请提供的充电桩识别方法可以实现对充电桩进行识别，通过统计点云数据集合中与随机直线的距离小于预设的距离阈值的其他点云数据的数量，组合该数量最大值对应的其他点云数据为最大一致集，通过最小二乘法，拟合最大一致集，以拟合得到各点云数据集合中的对应的拟合直线，通过拟合直线，能够识别得到充电桩，提高了充电桩识别的效率。
24、可选地，基于各所述点云数据集合中与对应的拟合直线的距离小于所述预设的距离阈值的云点的数量，结合预设的充电桩点云特征，识别得到充电桩的目标点云数据，包括：
25、计算各所述点云数据集合中与对应的拟合直线的距离小于预设的距离阈值的云点的数量；
26、确定小于所述预设的距离阈值的云点的数量占对应所述点云数据集合中所有云点的数量的比重；
27、当所述比重处于预设的比例阈值范围时，基于所述预设的充电桩点云特征，识别得到所述充电桩的目标点云数据。
28、可选地，当所述比重处于预设的比例阈值范围时，基于所述预设的充电桩点云特征，识别得到所述充电桩的目标点云数据，包括：
29、确定所述比重处于预设的比例阈值范围内的点云数据集合为所述充电桩的初步点云数据；
30、对比各所述初步点云数据与所述预设的充电桩点云特征，以从所述初步点云数据中筛选得到所述充电桩的目标点云数据。
31、第二方面，本申请提供了一种充电桩识别装置，用于对充电桩进行识别，包括：
32、获取模块，用于获取自动导向车周围的环境点云数据；
33、剔除模块，用于从所述环境点云数据中剔除预设范围外的云点的点云数据，得到近处点云数据；
34、聚类模块，用于运用基于密度的聚类算法，对所述近处点云数据进行聚类，得到多个点云数据集合；
35、拟合模块，用于根据预设的距离阈值，对各所述点云数据集合进行直线拟合，得到各所述点云数据集合对应的拟合直线；
36、识别模块，用于基于各所述点云数据集合中与对应的拟合直线的距离小于所述预设的距离阈值的云点的数量，结合预设本文档来自技高网...
【技术保护点】
1.一种充电桩识别方法，用于对充电桩进行识别，其特征在于，包括步骤：
2.根据权利要求1所述的充电桩识别方法，其特征在于，运用基于密度的聚类算法，对所述近处点云数据进行聚类，得到多个点云数据集合，包括：
3.根据权利要求2所述的充电桩识别方法，其特征在于，当所述近处点云数据中在对应的邻域内的云点的数量大于预设数量阈值时，把所述对应的邻域内的所有云点的点云数据作为一个点云数据集合，包括：
4.根据权利要求3所述的充电桩识别方法，其特征在于，构建所述核心点对应的点云数据集合，并把所述核心点对应的邻域内的云点分配到相应的点云数据集合中之后，还包括：
5.根据权利要求1所述的充电桩识别方法，其特征在于，根据预设的距离阈值，对各所述点云数据集合进行直线拟合，得到各所述点云数据集合对应的拟合直线，包括：
6.根据权利要求1所述的充电桩识别方法，其特征在于，基于各所述点云数据集合中与对应的拟合直线的距离小于所述预设的距离阈值的云点的数量，结合预设的充电桩点云特征，识别得到充电桩的目标点云数据，包括：
7.根据权利要求6所述
8.一种充电桩识别装置，用于对充电桩进行识别，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时，运行如权利要求1-7任一项所述充电桩识别方法中的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-7任一项所述充电桩识别方法中的步骤。
...【技术特征摘要】
1.一种充电桩识别方法，用于对充电桩进行识别，其特征在于，包括步骤：
2.根据权利要求1所述的充电桩识别方法，其特征在于，运用基于密度的聚类算法，对所述近处点云数据进行聚类，得到多个点云数据集合，包括：
3.根据权利要求2所述的充电桩识别方法，其特征在于，当所述近处点云数据中在对应的邻域内的云点的数量大于预设数量阈值时，把所述对应的邻域内的所有云点的点云数据作为一个点云数据集合，包括：
4.根据权利要求3所述的充电桩识别方法，其特征在于，构建所述核心点对应的点云数据集合，并把所述核心点对应的邻域内的云点分配到相应的点云数据集合中之后，还包括：
5.根据权利要求1所述的充电桩识别方法，其特征在于，根据预设的距离阈值，对各所述点云数据集合进行直线拟合，得到各所述点云数据集合对应的拟合直线，包括：
6.根据权利要求1所...
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。