[发明专利]一种基于三维点云分析的目标检测识别方法

说明书

本发明公开了一种基于三维点云分析的目标检测识别方法，包括以下步骤：获取原始点云数据；对原始点云数据进行八叉树下采样，得到多个局部点云区域；根据八叉树的半径搜索算法和预设的最大间隔距离对多个局部点云区域进行距离判断得到判断结果，根据判断结果对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；对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区域块状点云的特征信息，根据预设的分类模型，并基于提取的点云特征信息，对局部区域块状点云进行分类，当检测到存在目标物点云时，完成目标检测识别。可实现对物体整体局部目标的检测。

技术领域

本发明涉及计算机视觉领域，尤其涉及一种基于三维点云分析的目标检测识别方法。

背景技术

在无人驾驶、机器人目标识别与导航避障、车辆自动充电机器人、自动智能泊车等众多实际应用领域中，物体识别技术的应用均十分广泛。

现阶段的物体识别，仅局限于物体整体的检测，但是，随着越来越多的视觉高性能检测需求出现，其要求目标检测技术不仅仅局限于物体整体的检测，还需要精确地获取目标物体上具体的局部信息，从而进行重要部位的信息提取，因此，本发明从实际应用出发，提出一种基于三维点云分析的目标检测识别方法。

发明内容

针对以上技术问题，本发明提供一种基于三维点云分析的目标检测识别方法，可实现对物体整体局部目标的检测。

在一个实施例中，一种基于三维点云分析的目标检测识别方法，方法包括以下步骤：

步骤S100：获取原始点云数据；

步骤S300：对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多个局部点云区域进行距离判断得到判断结果，根据判断结果对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。

优选地，步骤S100和步骤S300之间，还包括：

步骤S200：对原始点云数据进行过滤处理得到过滤后的点云数据。

优选地，步骤S200包括：

步骤S210：根据预设的裁剪条件对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。

优选地，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：获取原始点云数据分别到两判别平行平面的第一平面距离和第二平面距离；当第一平面距离和第二平面距离均小于裁剪判别平行平面距离值时，则保留该原始点云数据。

优选地，步骤S300包括：

步骤S310：将原始点云数据分为八个长宽高相等的子集区域小块，对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：过滤子集区域小块内少于三个点的点云数据；