[发明专利]一种基于三维点云分析的目标检测识别方法

权利要求书

1.一种基于三维点云分析的目标检测识别方法，其特征在于，所述方法包括以下步骤：

步骤S100：获取原始点云数据；

步骤S300：对所述原始点云数据进行八叉树下采样，得到多个局部点云区域；

步骤S400：根据八叉树的半径搜索算法和预设的最大间隔距离对所述多个局部点云区域进行距离判断得到判断结果，根据所述判断结果对所述多个局部点云区域进行标记，通过标签连通域算法对标记后的局部点云区域进行局部点云相连，得到带有标签点云的局部区域块状点云；

步骤S600：对所述带有标签点云的局部区域块状点云进行三维点云的特征提取得到每个局部区域块状点云的点云特征信息，根据预设的分类模型，并基于所述提取的点云特征信息，对局部区域块状点云进行分类，根据分类后的局部区域块状点云检测到存在目标物点云时，完成目标检测识别。

2.根据权利要求1所述的方法，其特征在于，步骤S100和步骤S300之间，还包括：

步骤S200：对所述原始点云数据进行过滤处理得到过滤后的点云数据。

3.根据权利要求2所述的方法，其特征在于，步骤S200包括：

步骤S210：根据预设的裁剪条件对所述原始点云数据进行点云裁剪得到裁剪后的点云数据，其中，预设的裁剪条件为裁剪判别区域坐标阈值，或裁剪判别平行平面距离值；

步骤S220：对所述裁剪后的点云数据经过离散滤波器和半径滤波器进行离散点和边缘点过滤得到过滤后的点云数据。

4.根据权利要求3所述的方法，其特征在于，当预设的裁剪条件为裁剪判别区域坐标阈值时，步骤S210为当所述原始点云数据的坐标值满足裁剪判别区域坐标阈值，则保留该原始点云数据；

当预设的裁剪条件为裁剪判别平行平面距离值时，步骤S210包括：获取所述原始点云数据分别到两判别平行平面的距离，设定为第一平面距离和第二平面距离；当所述第一平面距离和所述第二平面距离均小于所述裁剪判别平行平面距离值时，则保留该原始点云数据。

5.根据权利要求1所述的方法，其特征在于，步骤S300包括：

步骤S310：将所述原始点云数据分为八个长宽高相等的子集区域小块，对所述八个长宽高相等的子集区域小块不断进行八叉树划分，直到最小的子集区域小块的大小尺寸为预设的大小尺寸；

步骤S320：过滤所述子集区域小块内少于三个点的点云数据；

步骤S330：根据所述每个子集区域小块内的点云数据计算得到重心点坐标，所述重心点坐标代表区域体素点云，每一区域体素点云代表一个局部点云区域，从而得到多个局部点云区域。

6.根据权利要求5所述的方法，其特征在于，步骤S400包括：

步骤S410：通过八叉树的半径搜索算法，以任意区域体素点云为圆心进行半径搜索得到搜索范围内的区域体素点云；

步骤S420：获取各所述搜索范围内的区域体素点云的坐标信息，根据各所述搜索范围内的区域体素点云的坐标信息得到各所述搜索范围内的区域体素点云与作为圆心的区域体素点云间的距离信息；

步骤S430：根据各所述搜索范围内的区域体素点云与作为圆心的区域体素点云间的距离信息和预设的最大间隔距离进行判断得到判断结果，根据所述判断结果对各搜索范围内的区域体素点云进行标记；

步骤S440：以未标记的任何一个区域体素点云作为圆心，重复步骤S410至步骤S430,直至所有区域体素点云完成标记；

步骤S450：通过标签连通域算法分别对带有一样标记的区域体素点云连接，得到多个带有不同标记的区域连通块状的点云数据，其中，以任意区域体素点云为圆心进行半径搜索时的所述半径大于预设的最大间隔距离，所述预设的最大间隔距离大于所述预设的大小尺寸。