[发明专利]一种目标位置检测方法

权利要求书

1.一种目标位置检测方法，其特征在于，所述方法包括：

获取目标对象的三维点云并对所述目标对象的三维点云进行采样，得到采样数据；

对所述采样数据进行编码，得到编码后的数据特征；

将所述编码后的数据特征输入预设点对特征网络进行训练，将训练后的网络作为3D局部特征提取网络；

建立3D特征表，所述3D特征表包括目标对象若干参考特征点的3D局部特征描述子；

利用三维窗口获取目标对象的若干点云片段；

将每个所述点云片段输入所述3D局部特征提取网络，以提取与每个所述点云片段对应的3D局部特征描述子；

根据所述3D特征表中参考特征点的3D局部特征描述子，在场景点云中遍历出最优点云片段，并将所述最优点云片段在场景点云中的位置作为目标位置。

2.根据权利要求1所述的方法，其特征在于，所述获取所述目标对象的若干点云片段，包括：

根据所述目标对象的直径进行采样，得到若干点云片段。

3.根据权利要求2所述的方法，其特征在于，所述将所述编码后的数据特征输入预设点对特征网络进行训练，包括：

使用预设点对特征网络中的损失函数训练所述编码后的数据特征。

4.根据权利要求3所述的方法，其特征在于，所述采样数据包括参考点的坐标、法线方向、主曲率方向以及参考点领域内的点对特征。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述3D特征表中参考特征点的3D局部特征描述子，在场景点云中遍历出最优点云片段，包括：

根据所述3D特征表对所述若干点云片段进行投票，得到投票结果；

根据投票结果选取票数最高的M个点云片段作为候选区域，其中M为自然数；

从所述候选区域中的M个点云片段中筛选出若干最优点云片段，其中，任一所述最优点云片段与其余任一所述最优点云片段之间的重叠度满足预设条件。

6.根据权利要求5所述的方法，其特征在于，所述根据所述3D特征表对所述若干点云片段进行投票，得到投票结果，包括：

在检测到所述参考特征点的3D局部特征描述子之间的特征距离小于预设阈值时，将与所述参考特征点对应的点云片段的票数增加预设数值。

7.根据权利要求6所述的方法，其特征在于，所述从所述若干候选点云片段筛选出若干最优点云片段，包括：

步骤502：根据所述投票结果，对所述M个点云片段按票数由高到低的顺序进行排序；

步骤504：判断票数最高的点云片段与其余点云片段中点云片段i之间的重叠度是否大于预设阈值，其中，i为正整数，i≤M；

步骤506：若是，保留所述票数最高的点云片段，抛弃所述点云片段i；

步骤508：获取剩余点云片段中票数最高的点云片段j，判断其余点云片段与所述点云片段j的重叠度是否大于预设阈值，若是，则保留所述点云片段j，其中，j为正整数，j≤M；

步骤510：循环执行步骤508，直至对所有点云片段完成筛选，输出所有被保留的点云片段。

8.一种非易失性计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，当所述计算机可执行指令被处理器执行时，使所述处理器执行权利要求1-7任一项所述的方法。