[发明专利]目标对象识别方法、装置、电子设备及存储介质

权利要求书

1.一种目标对象识别方法，其特征在于，所述方法包括：

获取承载件的3D点云数据，所述3D点云数据是3D检测设备检测所述承载件得到的，所述承载件用于承载目标对象，所述承载件的3D点云数据包括多个扫描点在三维坐标系中的坐标数据，所述三维坐标系的三个坐标轴分别记为X轴、Y轴和Z轴；

获取所有扫描点的Z轴方向的坐标数据的最小值Z_min和最大值Z_max；

获取包含[Z_min,Z_max]的预设区间，将所述预设区间划分为N个区间，第i区间是[Z_imin,Z_imax]，其中，i和N为整数，1≤i≤N，Z_imin为第i区间的最小值，Z_imax为第i区间的最大值；

针对每个扫描点，根据所述扫描点的坐标数据，计算所述扫描点在第i区间的调整灰度；

根据所有扫描点在第i区间的调整灰度，获取所述承载件在第i区间的二维图像数据；

根据所述承载件在N个区间的二维图像数据，检测得到所述承载件的识别结果，所述承载件的识别结果用于指示所述承载件是否承载有所述目标对象。

2.根据权利要求1所述的目标对象识别方法，其特征在于，所述预设区间为[Z_min,Z_max]。

3.根据权利要求1所述的目标对象识别方法，其特征在于，所述针对每个扫描点，根据所述扫描点的坐标数据，计算所述扫描点在第i区间的调整灰度，包括：

针对每个扫描点，根据所述扫描点的坐标数据(x,y,z)，计算所述扫描点在第i区间的调整灰度f_i(x,y)，

其中，C₁、C₂为整数且0≤C₁C₂≤255，int()函数是向下取整的函数。

4.根据权利要求3所述的目标对象识别方法，其特征在于，C₁＝0，C₂＝255。

5.根据权利要求1所述的目标对象识别方法，其特征在于，所述根据所述承载件在N个区间的二维图像数据，检测得到所述承载件的识别结果，包括：

根据所述承载件在N个区间的二维图像数据，获取所述承载件的三维矩阵，所述承载件的三维矩阵的尺度为w×h×N，其中，w为所述承载件在N个区间的二维图像数据的长度，h为所述承载件在N个区间的二维图像数据的宽度；

根据所述承载件的三维矩阵，检测得到所述承载件的识别结果。

6.根据权利要求1所述的目标对象识别方法，其特征在于，所述根据所述承载件在N个区间的二维图像数据，检测得到所述承载件的识别结果，包括：

获取训练数据集，所述训练数据集包括多个样本数据，每个所述样本数据包括样本承载件在N个区间的二维图像数据和所述样本承载件的标注数据，所述样本承载件的标注数据包括所述样本承载件的识别结果；

根据所述训练数据集，利用神经网络模型进行训练，得到目标识别模型；

将所述承载件在N个区间的二维图像数据输入所述目标识别模型，得到所述承载件的识别结果。

7.根据权利要求6所述的目标对象识别方法，其特征在于，所述获取训练数据集，包括：

获取多个样本数据并放入训练数据集；

针对至少一个样本数据，获取所述样本承载件在N个区间的二维图像数据的调整结果，将所述样本承载件在N个区间的二维图像数据的调整结果和所述样本承载件的标注数据作为新的样本数据，并将所述新的样本数据放入所述训练数据集。