[发明专利]一种目标位置检测方法

说明书

本发明涉及目标检测技术领域，公开了一种目标位置检测方法。方法包括：建立3D特征表，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；获取目标对象的若干点云片段；根据每个点云片段，提取与每个点云片段对应的3D局部特征描述子；根据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，并将最优点云片段在场景点云中的位置作为目标位置，从而有利于3D特征的提取及目标检测。

技术领域

本发明涉及目标检测技术领域，尤其是涉及一种目标位置检测方法。

背景技术

随着深度学习的出现，越来越多的研究人员利用3D数据解决3D检索、识别、分割和描述符学习等问题。

传统的深度学习方法都是对深度图像转换为多个视角的2D图像进行操作，或者将3D数据体素化后进行处理。由于深度图像和多个视角的2D图像均忽略了3D数据的稀疏性限制，并且3D数据体素化后分辨率会受到计算能力和数据的稀疏性的限制，不利于3D特征的提取及目标检测。

发明内容

基于此，有必要针对上述技术问题，提供一种目标位置检测方法，有利于3D特征的提取及目标检测。

第一方面，本发明实施例提供了一种目标位置检测方法，所述方法包括：

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；

获取所述目标对象的若干点云片段；

根据每个所述点云片段，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。

在一些实施例中，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。

在一些实施例中，所述根据每个所述点云片段，提取与每个所述点云片段对应的3D局部特征描述子，包括：

构建3D局部特征提取网络；

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。

在一些实施例中，所述构建目标点对特征网络，包括：

获取所述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。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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；

从所述若干候选点云片段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。