[发明专利]三维大场景中的目标模型识别方法、装置及系统

权利要求书

1.一种三维大场景中的目标模型识别方法，其特征在于，包括：

获取三维大场景的点云数据；

将所述点云数据进行聚类处理，获得三维大场景中各独立物体的点云数据；

针对各独立物体的点云数据，提取出特征点，形成各独立物体的特征点集合；

对模型库中各目标物体的模型进行采样，并基于采样后的数据提取出特征点，形成各目标物体的特征点集合；

将各独立物体的特征点集合与各目标物体的特征点集合进行配准，完成独立物体与目标物体的配对，获得独立物体的目标模型。

2.根据权利要求1所述的一种三维大场景中的目标模型识别方法，其特征在于：所述将所述点云数据进行聚类处理，获得三维大场景中各独立物体的点云数据，包括以下步骤：

使用聚类算法对三维大场景的点云数据进行聚类处理，获得若干个聚类族；

删除所包含的点云数小于预设阈值的聚类族，获得三维大场景中各独立物体的点云数据，一个聚类族对应一个独立物体。

3.根据权利要求2所述的一种三维大场景中的目标模型识别方法，其特征在于：所述聚类算法为DBSCAN聚类算法。

4.根据权利要求2所述的一种三维大场景中的目标模型识别方法，其特征在于：所述预设阈值为100-120。

5.根据权利要求1所述的一种三维大场景中的目标模型识别方法，其特征在于：各独立物体的特征点集合的形成方法包括：

使用PointNet算法从对各独立物体的点云数据中提取出特征点；

基于提取到的特征点，形成各独立物体的特征点集合。

6.根据权利要求1所述的一种三维大场景中的目标模型识别方法，其特征在于：各目标物体的特征点集合的形成方法包括：

使用PointNet算法从采样后的数据中提取出特征点；

基于提取到的特征点，形成各目标物体的特征点集合。

7.根据权利要求1所述的一种三维大场景中的目标模型识别方法，其特征在于：所述将各独立物体的特征点集合与各目标物体的特征点集合进行配准，完成独立物体与目标物体的配对，包括以下步骤：

针对各独立物体的特征点集合，分别执行计算和判断步骤，直至找到与该独立物体的特征点集合配对的目标物体的特征点集合；

所述计算和判断步骤包括：

分别计算独立物体的特征点集合与各目标物体的特征点集合之间的倒角距离；

若某一倒角距离小于预设的第二阈值，则判定该独立物体与目标物体代表同一物体，完成独立物体与目标物体的配对。

8.根据权利要求7所述的一种三维大场景中的目标模型识别方法，其特征在于：所述倒角距离的计算公式为：

其中，P为独立物体的特征点集合，Q为目标物体的特征点集合，x_i、y_j为特征点集合中特征点的位置坐标。

9.一种三维大场景中的目标模型识别装置，其特征在于，包括：

获取模块，用于获取三维大场景的点云数据；

聚类模块，用于将所述点云数据进行聚类处理，获得三维大场景中各独立物体的点云数据；

第一特征提取模块，用于针对各独立物体的点云数据，提取出特征点，形成各独立物体的特征点集合；

第二特征提取模块，用于对模型库中各目标物体的模型进行采样，并基于采样后的数据提取出特征点，形成各目标物体的特征点集合；

配准模块，用于将各独立物体的特征点集合与各目标物体的特征点集合进行配准，完成独立物体与目标物体的配对，获得独立物体的目标模型。

10.一种三维大场景中的目标模型识别系统，其特征在于：包括存储介质和处理器；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据权利要求1-8中任一项所述方法的步骤。