[发明专利]基于霍夫空间的物体识别方法、系统、设备及存储介质

权利要求书

1.一种基于霍夫空间的物体识别方法，其特征在于，包括：

获取当前环境下的环境点云数据；

将所述环境点云数据映射至霍夫空间下，并对所述霍夫空间进行栅格化处理，以得到与单元网格对应的累计判别信息；

将所述累计判别信息通过预设卷积神经网络进行物体识别。

2.根据权利要求1所述的基于霍夫空间的物体识别方法，其特征在于，所述获取当前环境下的环境点云数据之后，所述基于霍夫空间的物体识别方法还包括：

从所述环境点云数据中提取非地面点云数据；

对所述非地面点云数据进行分割，以得到单个的物体点云数据；

所述将所述环境点云数据映射至霍夫空间下，并对所述霍夫空间进行栅格化处理，以得到与单元网格对应的累计判别信息，具体包括：

将所述物体点云数据映射至霍夫空间下，并对所述霍夫空间进行栅格化处理，以得到与单元网格对应的累计判别信息。

3.根据权利要求2所述的基于霍夫空间的物体识别方法，其特征在于，所述对所述非地面点云数据进行分割，以得到单个的物体点云数据，具体包括：

基于三维连通区域标记方式对所述非地面点云数据进行分割，以得到单个的物体点云数据。

4.根据权利要求2所述的基于霍夫空间的物体识别方法，其特征在于，所述将所述物体点云数据映射至霍夫空间下，并对所述霍夫空间进行栅格化处理，以得到与单元网格对应的累计判别信息，具体包括：

将所述物体点云数据映射至二维平面下，以得到所述二维平面下的二维点；

将所述二维点通过霍夫变换公式映射至霍夫空间下，并对所述霍夫空间进行栅格化处理，以得到与单元网格对应的累计判别信息。

5.根据权利要求2所述的基于霍夫空间的物体识别方法，其特征在于，所述从所述环境点云数据中提取非地面点云数据，具体包括：

从所述环境点云数据中滤除地面点云数据，以得到待使用点云数据；

将所述待使用点云数据映射至栅格化的三维标记框内，并统计所述三维标记框的框内点数量；

保留所述框内点数量在预设点数量范围内的待使用点云数据，以得到非地面点云数据。

6.根据权利要求1至5中任一项所述的基于霍夫空间的物体识别方法，其特征在于，所述获取当前环境下的环境点云数据之前，所述基于霍夫空间的物体识别方法还包括：

获取环境点云样本；

从所述环境点云样本中提取非地面点云样本；

对所述非地面点云样本进行分割，以得到物体点云样本；

将所述物体点云样本映射至霍夫空间下，并对所述霍夫空间进行栅格化处理，以得到与单元网格对应的累计判别样本；

根据所述累计判别样本进行卷积神经网络的训练，以获得预设卷积神经网络。

7.根据权利要求6所述的基于霍夫空间的物体识别方法，其特征在于，所述根据所述累计判别样本进行卷积神经网络的训练，以获得预设卷积神经网络，具体包括：

获取预设神经网络模型；

将所述累计判别样本输入所述预设神经网络模型的输入层中，并在所述预设神经网络模型的输出层中通过预设逻辑回归模型进行物体分类，以进行卷积神经网络的训练，得到预设卷积神经网络。

8.一种基于霍夫空间的物体识别系统，其特征在于，包括：

数据获取模块，用于获取当前环境下的环境点云数据；

累计判别模块，用于将所述环境点云数据映射至霍夫空间下，并对所述霍夫空间进行栅格化处理，以得到与单元网格对应的累计判别信息；

物体识别模块，用于将所述累计判别信息通过预设卷积神经网络进行物体识别。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7中任一项所述基于霍夫空间的物体识别方法的步骤。

10.一种非暂态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实现如权利要求1至7中任一项所述基于霍夫空间的物体识别方法的步骤。