[发明专利]目标实时检测方法以及装置、存储介质、电子装置

说明书

本申请公开了一种目标实时检测方法以及装置、存储介质、电子装置。该方法包括基于激光雷达传感器采集得到的点云数据，按照预设采样方式得到下采样数据；将所述下采样数据输入预先训练的目标检测模型，其中，所述目标检测模型为使用多组点云数据通过机器学习训练得出的，多组数据中的每组数据均包括：样本点云数据和所述样本点云数据的坐标位置；根据所述目标检测模型，实时检测出目标的姿态位置信息。本申请解决了智能机器人的目标检测能力不足的技术问题。通过本申请实现了机器人对目标的位置与位姿的准确预测，并且可应用到多个不同的机器人上。

技术领域

本申请涉及计算机视觉、智能机器人领域，具体而言，涉及一种目标实时检测方法以及装置、存储介质、电子装置。

背景技术

随着计算机技术的快速发展，智能机器人被研究和使用在各个领域来取代人工操作。由于智能机器人可以重复劳动不需要休息，且有着更为精确和强大的计算能力，在工厂和生产间中往往可以替代人类，完成一些困难和高强度的操作。

然而，智能机器人由于对于目标检测的能力不足，从而无法控制智能机器人较好地执行识别、抓取、避障等操作。

针对相关技术中智能机器人的目标检测能力不足的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种目标实时检测方法以及装置、存储介质、电子装置，以解决智能机器人的目标检测能力不足的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种目标实时检测方法。

根据本申请的目标实时检测方法包括：基于激光雷达传感器采集得到的点云数据，按照预设采样方式得到下采样数据；将所述下采样数据输入预先训练的目标检测模型，其中，所述目标检测模型为使用多组点云数据通过机器学习训练得出的，多组数据中的每组数据均包括：样本点云数据和所述样本点云数据的坐标位置；根据所述目标检测模型，实时检测出目标的姿态位置信息。

进一步地，所述姿态位置信息包括：目标的姿态信息预测结果和目标的位置信息预测结果，根据所述在预先训练的目标检测模型中保存的目标检测网络的权重参数、所述姿态信息预测结果以及所述位置信息预测结果，确定出所述姿态位置信息。

进一步地，所述目标至少包括物品，并基于所述实时检测出所述物品的姿态位置信息，控制机器人操作系统执行预设操作。

进一步地，所述预先训练的目标检测模型，其中，所述目标检测模型为使用多组点云数据通过机器学习训练得出的，多组数据中的每组数据均包括：样本点云数据和所述样本点云数据的坐标位置，包括：全局特征描述部分、姿态估计部分以及位姿估计部分，所述全局特征描述部分接收所述下采样数据，通过特征提取得到全局特征；将所述全局特征分别作为所述姿态估计部分以及所述位姿估计部分的输入；在所述姿态估计部分中，采用全连接层预测所述物品的姿态；在所述位姿估计部分中，采用全连接层预测所述物品的位置；基于预设矩阵描述所述姿态和所述位置；其中，所述全局特征描述部分，用于基于卷积神经网络完成目标特征采样；所述姿态估计部分，用于基于全连接神经网络和网络激活函数，输出第一维度的旋转矩阵，并对目标的角度进行描述；所述位姿估计部分，用于基于全连接神经网络和网络激活函数，输出第二维度的目标中心位置，并对所述目标所处位置进行描述。

进一步地，所述预先训练的目标检测模型还包括：离线训练部分以及在线检测部分，基于所述离线训练部分，用于构造训练所需要的物品数据，并且在离线训练过程中保存经过训练后的网络权重，用以作为在线检测部分的基础参数；基于所述在线检测部分，用于通过离线训练得到的预测网络模型，完成对目标位置和姿态的预测。