一种使用欧式聚类改进PointPillar在散料场景中的目标检测方法与系统技术方案

本发明专利技术涉及一种使用欧式聚类改进PointPillar在散料场景中的目标检测方法与系统，属于目标检测技术领域。通过结合欧式聚类算法与PointPillar算法，有效提高了检测精度，降低了漏检率。该方法首先利用欧式聚类算法对点云数据进行预处理，识别并剔除冗余检测框，再结合PointPillar算法的检测结果，实现目标的高效识别与定位。本发明专利技术具有较好的鲁棒性，适用于多种环境条件，提高了检测效率，优化了系统资源利用。该发明专利技术不仅适用于散料堆检测，还可广泛应用于自动驾驶、机器人导航等领域，具有广泛的市场应用前景。

【技术实现步骤摘要】

本专利技术属于目标检测，涉及一种使用欧式聚类改进pointpillar在散料场景中的目标检测方法与系统。

技术介绍

1、在散料处理领域，目标检测技术是实现对散料场景作业的关键技术之一。传统的目标检测算法pointpillar在复杂散料场景中存在以下局限性：

2、冗余检测框：pointpillar算法对点云数据进行特征提取和目标识别时，容易产生一些冗余的检测框。这些冗余检测框可能与实际目标重叠，导致误检，从而降低检测精度。

3、漏检风险：pointpillar算法主要依赖于点云数据的分布特征进行目标识别。在复杂散料场景中，点云数据可能存在遮挡、缺失、噪声等问题，导致pointpillar模型难以准确识别形状独特的目标(如散料堆、不规则物体等)，从而存在漏检风险。

4、鲁棒性不足：pointpillar算法对环境变化的适应性较差。在光照变化、天气变化、场景遮挡等情况下，pointpillar模型的检测性能可能会受到影响，导致检测精度下降。

5、为了克服pointpillar算法的上述局限性，提高在复杂散料场景中的本文档来自技高网...

【技术保护点】

1.一种使用欧式聚类改进PointPillar在散料场景中的目标检测方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的一种使用欧式聚类改进PointPillar在散料场景中的目标检测方法，其特征在于：所述S3中，聚类目标的BBOX与已知目标BBOX的尺寸差异小于预设的容差阈值时，将聚类目标归类为已知目标类别。

3.根据权利要求1所述的一种使用欧式聚类改进PointPillar在散料场景中的目标检测方法，其特征在于：所述S5中，重叠程度计算方法包括计算两个包围框的重叠面积占较小包围框面积的百分比。

4.根据权利要求1所述的一种使用欧式聚类改...

【技术特征摘要】

1.一种使用欧式聚类改进pointpillar在散料场景中的目标检测方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的一种使用欧式聚类改进pointpillar在散料场景中的目标检测方法，其特征在于：所述s3中，聚类目标的bbox与已知目标bbox的尺寸差异小于预设的容差阈值时，将聚类目标归类为已知目标类别。

3.根据权利要求1所述的一种使用欧式聚类改进pointpillar在散料场景中的目标检测方法，其特征在于：所述s5中，重叠程度计算方法包括计算两个包围框的重叠面积占较小包围框面积的百分比。

4.根据权利要求1所述的一种使用欧式聚类改进pointpillar在散料场景中的目标检测方法，其特征在于：所述s6中，...

【专利技术属性】
技术研发人员：何彦兵，袁针云，何立，陈开，
申请(专利权)人：中冶赛迪技术研究中心有限公司，
类型：发明
国别省市：