CN110390346A - 目标对象识别方法、装置、电子设备及存储介质 - Google Patents

目标对象识别方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN110390346A
CN110390346A CN201810368116.9A CN201810368116A CN110390346A CN 110390346 A CN110390346 A CN 110390346A CN 201810368116 A CN201810368116 A CN 201810368116A CN 110390346 A CN110390346 A CN 110390346A
Authority
CN
China
Prior art keywords
point cloud
point
target object
recongnition
cloud information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810368116.9A
Other languages
English (en)
Inventor
刘志华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong three hundred and sixty degree e-commerce Co.,Ltd.
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201810368116.9A priority Critical patent/CN110390346A/zh
Publication of CN110390346A publication Critical patent/CN110390346A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明的实施例提供了一种目标对象识别方法、装置、电子设备及存储介质，涉及计算机技术领域。该方法包括：获取目标空间的点云信息；对所述点云信息进行聚类处理生成多个类簇；比对各所述类簇的空间点分布特征与目标对象的空间点分布特征；将比对结果满足预设条件的类簇所代表的对象确定为所述目标对象。本发明实施例的技术方案能够自动准确地识别出目标空间中存在的各种障碍物，从而能够降低地图数据的标注误差，提升地图的精确性和准确性。

Description

目标对象识别方法、装置、电子设备及存储介质
技术领域
本发明涉及计算机技术领域，具体而言，涉及一种目标对象识别方法、目标对象识别装置、电子设备以及计算机可读存储介质。
背景技术
随着辅助驾驶与自动驾驶技术的发展，业界对导航地图的精度要求越来越高。
与传统地图不同的是，在高精度地图的制作中，隔离桩、灯杆、标志牌、盲道等道路基建要素都需要被精确的定位并标注，投入大量人力进行专业测绘与手动标注难以满足成本要求。在一种技术方案中，采取了将道路图像识别信息进行参数转化，映射在道路的激光点云信息上，从而识别目标对象的方案。
然而，由于隔离桩、消防栓等设施体积较小，特征不明显，在图像识别中识别率明显低于灯杆、垃圾箱等物体。而且，由于参数转化过程中存在人为的标定误差，在重复且冗余的识别与测量中容易导致误差累积，造成地图精度下降。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明实施例的目的在于提供一种目标对象识别方法、目标对象识别装置、电子设备以及计算机可读存储介质，用于克服相关目标对象识别方法中人为标定误差积累造成的测量精度下降问题。
根据本发明实施例的第一方面，提供了一种目标对象识别方法，包括：获取目标空间的点云信息；对所述点云信息进行聚类处理生成多个类簇；比对各所述类簇的空间点分布特征与目标对象的空间点分布特征；将比对结果满足预设条件的类簇所代表的对象确定为所述目标对象。
在本发明的一些实施例中，基于前述方案，比对各所述类簇的空间点分布特征与目标对象的空间点分布特征包括：确定所述类簇的空间点形态分布与所述目标对象的空间点形态分布的差值是否满足第一预设条件。
在本发明的一些实施例中，基于前述方案，比对各所述类簇的空间点分布特征与目标对象的空间点分布特征包括：确定所述类簇的空间点强度分布与所述目标对象的空间点强度分布的差值是否满足第二预设条件。
在本发明的一些实施例中，基于前述方案，确定所述类簇的空间点形态分布与所述目标对象的空间点形态分布的差值是否满足第一预设条件包括：获取所述类簇所占的立方体的对角线长度和高度；确定所述对角线长度与所述目标对象所占的立方体的对角线长度之差是否小于第一阈值；以及确定所述高度与所述目标对象所占的立方体的高度之差是否小于第二阈值。
在本发明的一些实施例中，基于前述方案，所述对所述点云信息进行聚类处理生成多个类簇包括：分别以所述点云信息中的每一点为原点，判断预设半径内的其他点数量是否小于预设值；如果是，则在所述点云信息中删除所述作为原点的点。
在本发明的一些实施例中，基于前述方案，所述对所述点云信息进行聚类处理生成多个类簇包括：对所述点云信息进行平面拟合以获得地面点云；在所述点云信息中删除所述地面点云对应的点。
在本发明的一些实施例中，基于前述方案，所述获取目标空间的点云信息包括：通过激光雷达获取所述目标空间的点云信息；或者通过识别深度图获取所述目标空间的点云信息。
根据本发明实施例的第二方面，提供了一种目标对象识别装置，包括：信息获取单元，用于获取目标空间的点云信息；聚类单元，用于对所述点云信息进行聚类处理生成多个类簇；特征比对单元，用于比对各所述类簇的空间点分布特征与目标对象的空间点分布特征；以及目标确定单元，用于将比对结果满足预设条件的类簇所代表的对象确定为所述目标对象。
根据本发明实施例的第三方面，提供了一种电子设备，包括：处理器；以及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如上述第一方面所述的目标对象识别方法。
根据本发明实施例的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的目标对象识别方法。
在本发明的一些实施例所提供的技术方案中，一方面，对目标空间的点云信息进行聚类，能够从原始点云信息中直接得到目标空间中存在的各种障碍物的点云数据，不存在误差积累的问题；另一方面，比对各类簇的空间点分布特征与目标对象的空间点分布特征，将比对结果满足预设条件的类簇所代表的对象确定为目标对象，能够自动准确地识别出目标空间中存在的各种障碍物，从而能够降低地图数据的标注误差，提升地图的精确性和准确性，进而提升自动驾驶方案的安全性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1示出了根据本发明的一些实施例的目标对象识别方法的流程示意图；
图2示出了根据本发明的一些实施例的目标对象识别系统的结构框图；
图3示出了根据本发明的另一些实施例的目标对象识别方法的流程示意图；
图4示出了根据本发明的一些实施例的目标对象识别装置的框图；
图5示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本发明将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
图1示出了根据本发明的一些实施例的目标对象识别方法的流程示意图。参照图1所示，该目标对象识别方法可以包括以下步骤：
步骤S110，获取目标空间的点云信息；
步骤S120，对所述点云信息进行聚类处理生成多个类簇；
步骤S130，比对各所述类簇的空间点分布特征与目标对象的空间点分布特征；
步骤S140，将比对结果满足预设条件的类簇所代表的对象确定为所述目标对象。
根据图1所示的目标对象识别方法，一方面，对目标空间的点云信息进行聚类，能够从原始点云信息中自动地得到目标空间中存在的各种障碍物的点云数据，不存在误差积累的问题；另一方面，比对各类簇的空间点分布特征与目标对象的空间点分布特征，将比对结果满足预设条件的类簇所代表的对象确定为目标对象，能够自动准确地识别出目标空间中存在的各种障碍物，从而能够降低地图数据的标注误差，提升地图的精确性和准确性，进而能够提升自动驾驶方案的安全性。
接下来，将对图1的示例实施例中的目标对象确定方法进行详细的说明。
在步骤S110中，获取目标空间的点云信息。
在图1的示例实施例中，目标空间可以为进行地图测绘的车辆行驶的某一段道路。例如，可以通过装载有激光雷达的车载端收集、存储检测到的目标空间的点云信息即点云数据。激光雷达的精度例如可以为厘米级的32线或64线的雷达。
此外，还可以通过装载有双目摄像机的车载端收集、存储检测到的目标空间的深度图像信息，对双目摄像机拍摄的目标空间的深度图像进行坐标转换生成为点云数据。
需要说明的是，在本发明的示例实施例中，可以实时获取车载端检测到的目标空间的点云信息，也可以获取车载端存储的多个目标空间的点云信息，对多个目标空间的点云信息进行集中处理。
在步骤S120中，对所述点云信息进行聚类处理生成多个类簇。
在一些实施例中，通过聚类运算对目标空间的点云信息进行聚类处理生成多个类簇，各类簇可以代表某一类的障碍物。聚类运算可以包括K均值聚类运算或K中心点聚类运算，但本发明的实施例不限于此，例如，聚类运算也可以为层次聚类运算或基于密度的聚类运算，这同样在本发明的保护范围内。
在步骤S130中，比对各所述类簇的空间点分布特征与目标对象的空间点分布特征。
在图1的示例实施例中，在目标对象为隔离桩时，可以将各类簇内的空间点的分布特征与隔离桩的标准空间点分布特征进行比较，判断各类簇内的空间点的分布特征与隔离桩的标准空间点分布特征的误差是否满足预设条件。
预设条件例如可以包括空间点分布特征各数据与标准空间点分布特征各数据的对应差值。可以根据车载端的激光雷达和产生的激光点云的精度要求确定各项差值，还可以根据目标对象的大小以及形状来确定各项差值，例如在目标对象的相对体积较小时，可以减小用于作为判断阈值的差值。
在步骤S140中，将比对结果满足预设条件的类簇所代表的对象确定为所述目标对象。
在图1的示例实施例中，可以比较类簇的空间点形态分布与目标对象的空间点形态分布的差值是否满足第一预设条件，在确定满足第一预设条件时，将类簇所代表的对象确定为目标对象。第一预设条件可以为类簇内的空间点的形态分布与目标对象的空间点的标准形态分布的差值小于第一预设值。
比较类簇的空间点形态分布与目标对象的空间点形态分布的差值的方法可以有多种，例如，可以获取每一类簇内点云所占的立方体，其中，所述立方体由8个坐标点表示，计算立方体的对角线长度以及Z轴方向上的高度，从而可以根据立方体的Z轴方向上的高度保留较低矮的物体的点云信息。
进一步地，可以确定所述立方体的对角线长度与所述目标对象的点云所占的立方体的对角线的长度的之差是否小于第一阈值；以及确定所述立方体在Z轴方向上的高度与所述目标对象的点云所占的立方体在Z轴方向上的高度的误差是否小于第二阈值。在对角线的长度误差小于第一阈值，且在Z轴方向上的高度误差小于第二阈值时，将该类簇所代表的对象确定为目标对象。
此外，在一些实施例中，为了更准确地识别目标对象，还可以获取经聚类后的各类簇内的空间点的强度分布；确定各类簇内的空间点的强度分布与所述目标对象的空间点的标准强度分布的差值是否满足第二预设条件，该第二预设条件可以为类簇的空间点强度分布与目标对象的空间点的标准强度分布的差值小于第二预设值。以隔离桩为例，隔离桩上的反光带会反射回强度更大的激光点云，或者隔离桩上涂黑的部分会反射回强度更小的激光点云，因此，在类簇内的空间点的强度分布与隔离桩的空间点的标准强度分布的差值满足第二预设条件，例如类簇内的空间点的强度分布具有隔离桩特有的条纹特征时，可以将该类簇所代表的对象识别为隔离桩。
需要说明的是，第一预设值、第二预设值、第一阈值以及第二阈值可以根据车载端的激光雷达和产生的激光点云的精度要求确定，还可以根据目标对象的大小以及形状来确定。
图2示出了根据本发明的一些实施例的目标对象识别系统的结构框图。参照图2所示，该目标对象识别系统可以包括车载端210和数据处理端220。车载端210包括激光雷达212，数据处理端220包括预处理模块222、检测模块224以及输出模块226。
在图2中，车载端210为装载有激光雷达212的车辆，车载端210可以通过激光雷达212收集目标空间即目标路段的点云数据，将收集到的点云数据发送至数据处理端220。数据处理端220接收到车载端210发送的点云数据后，通过预处理模块222对点云数据进行预处理，得到目标路段上的地表物的点云数据，并将得到的地表物的点云数据发送至检测模块224。检测模块224对接收到的各种地表物的点云数据进行聚类处理，将聚类后获得类簇的点云分布与目标对象的标准点云分布进行比较，根据比较结果得到目标路段上的备选目标对象的点云数据，将备选目标对象的点云数据发送至输出模块226。输出模块226将备选目标对象例如隔离桩的点云数据进行处理后，输出备选目标对象的地图样式。
图3示出了根据本发明的另一些实施例的目标对象识别方法的流程示意图。
参照图3所示，在步骤S310中，装有激光雷达212的车载端210采集目标路段的点云信息，获得点云数据Ppc，并将获取的点云数据Ppc发送给数据处理端220的预处理模块222。
在步骤S320中，预处理模块222接收到原始点云数据Ppc后，对原始点云数据Ppc进行预处理。预处理可以包括以下两部分：
1、去除离散点。给定一个半径r，若属于点云数据Ppc的某一点pt在其以自身为原点，r为半径的球体范围内包含的点数小于预定数量例如10个，则将该点pt确定为离散点，进而去除该点pt。该预定数量可以根据车载端的激光雷达和产生的激光点云的精度要求确定，本领域技术人员可以根据实际情况自行设定预定数量的值，本公开不限于此。由于激光雷达产生的点较为稠密，该去除离散点的方法适用于较远处物体产生的离散点或者孤立点。
2、基于采样的地面点与非地面点分离。通过对点云数据Ppc采样，并按照平面进行拟合例如采用RANSAC(Random Sample Consensus，随机抽样一致算法)拟合，得到地面平面点云信息，并将不属于地面平面的点保留下来，即保留地面物体的点云信息。
在经过离散点去除和地面点与非地面点分离后，预处理模块222可以向检测模块224输出预处理后的点云数据Ppros。
在步骤S330中，检测模块224获取到预处理后的点云数据Ppros，并对点云数据Ppros里面所有的点进行聚类。获得每一类簇点云所占的包围框，取该包围框为立方体，则对于第i簇点云数据，其所占空间可用八个坐标点(x1 i,y1 i,z1 i)…(x8 i,y8 i,z8 i)表示。
在步骤S340中，对于每一簇聚类点云，计算其包围框的对角线长度，以及Z轴方向上的高度，以及包围框内的点云强度信息分布。比较类簇内的点云的包围框的对角线长度与目标对象的点云的包围框的对角线的长度是否小于第一阈值；在小于第一阈值时，比较类簇内的点云的包围框在Z轴方向上的高度与目标对象的点云的包围框在Z轴方向上的高度是否小于第第二阈值。在小于第二阈值时，则认为该簇聚类点云所代表的对象即为目标对象。
进一步地，在目标对象的点云的强度分布不均匀时，例如隔离桩的点云的强度分布为条纹状，还可以比较类簇内的点云的强度分布与目标对象的点云的标准强度分布的误差是否满足第二预设条件，即是否小于第三预设值，在小于第三预设值时，则认为该簇聚类点云所代表的对象即为目标对象例如隔离桩。
在步骤S350中，检测模块224将检测后得到的目标对象例如隔离桩输出给输出模块226，输出模块226可根据目标地图的需求，输出目标对象例如隔离桩的高精度地图样式，目标对象在地图上可以表示为点，也可以表示为点-半径，还可以表示为几何圆形。
此外，在本发明的实施例中，还提供了一种目标对象识别装置。参照图4所示，该目标对象识别装置包括：信息获取单元410、聚类单元420、特征比对单元430以及目标确定单元440。其中，信息获取单元410用于获取目标空间的点云信息；聚类单元420用于对所述点云信息进行聚类处理生成多个类簇；特征比对单元430用于比对各所述类簇的空间点分布特征与目标对象的空间点分布特征；以及目标确定单元440用于将比对结果满足预设条件的类簇所代表的对象确定为所述目标对象。
在本发明的一些实施例中，基于前述方案，特征比对单元430被配置为：确定所述类簇的空间点形态分布与所述目标对象的空间点形态分布的差值是否满足第一预设条件。
在本发明的一些实施例中，基于前述方案，特征比对单元430被配置为：确定所述类簇的空间点强度分布与所述目标对象的空间点强度分布的差值是否满足第二预设条件。
在本发明的一些实施例中，基于前述方案，特征比对单元430还被配置为：获取所述类簇所占的立方体的对角线长度和高度；确定所述对角线长度与所述目标对象所占的立方体的对角线长度之差是否小于第一阈值；以及确定所述高度与所述目标对象所占的立方体的高度之差是否小于第二阈值。
在本发明的一些实施例中，基于前述方案，聚类单元420被配置为：分别以所述点云信息中的每一点为原点，判断预设半径内的其他点数量是否小于预设值；如果是，则在所述点云信息中删除所述作为原点的点。
在本发明的一些实施例中，基于前述方案，聚类单元420被配置为：对所述点云信息进行平面拟合以获得地面点云；在所述点云信息中删除所述地面点云对应的点。
在本发明的一些实施例中，基于前述方案，信息获取单元410被配置为：通过激光雷达获取所述目标空间的点云信息；或者通过识别深度图获取所述目标空间的点云信息。
由于本发明的示例实施例的目标对象识别装置400的各个功能模块与上述目标对象识别方法的示例实施例的步骤对应，因此在此不再赘述。
在本发明的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
下面参考图5，其示出了适于用来实现本发明实施例的电子设备的计算机系统500的结构示意图。图5示出的电子设备的计算机系统500仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统操作所需的各种程序和数据。CPU501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本申请的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如上述实施例中所述的目标对象识别方法。
例如，所述电子设备可以实现如图1中所示的：步骤S110，获取目标空间的点云信息；步骤S120，对所述点云信息进行聚类处理生成多个类簇；步骤S130，比对各所述类簇的空间点分布特征与目标对象的空间点分布特征；步骤S140，将比对结果满足预设条件的类簇所代表的对象确定为所述目标对象。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备或装置的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。

Claims (10)

1.一种目标对象识别方法，其特征在于，包括：
获取目标空间的点云信息；
对所述点云信息进行聚类处理生成多个类簇；
比对各所述类簇的空间点分布特征与目标对象的空间点分布特征；
将比对结果满足预设条件的类簇所代表的对象确定为所述目标对象。
2.根据权利要求1所述的目标对象识别方法，其特征在于，比对各所述类簇的空间点分布特征与目标对象的空间点分布特征包括：
确定所述类簇的空间点形态分布与所述目标对象的空间点形态分布的差值是否满足第一预设条件。
3.根据权利要求2所述的目标对象识别方法，其特征在于，比对各所述类簇的空间点分布特征与目标对象的空间点分布特征包括：
确定所述类簇的空间点强度分布与所述目标对象的空间点强度分布的差值是否满足第二预设条件。
4.根据权利要求2所述的目标对象识别方法，其特征在于，确定所述类簇的空间点形态分布与所述目标对象的空间点形态分布的差值是否满足第一预设条件包括：
获取所述类簇所占的立方体的对角线长度和高度；
确定所述对角线长度与所述目标对象所占的立方体的对角线长度之差是否小于第一阈值；以及
确定所述高度与所述目标对象所占的立方体的高度之差是否小于第二阈值。
5.根据权利要求1所述的目标对象识别方法，其特征在于，所述对所述点云信息进行聚类处理生成多个类簇包括：
分别以所述点云信息中的每一点为原点，判断预设半径内的其他点数量是否小于预设值；
如果是，则在所述点云信息中删除所述原点。
6.根据权利要求1所述的目标对象识别方法，其特征在于，所述对所述点云信息进行聚类处理生成多个类簇包括：
对所述点云信息进行平面拟合以获得地面点云；
在所述点云信息中删除所述地面点云对应的点。
7.根据权利要求1至6中任一项所述的目标对象识别方法，其特征在于，所述获取目标空间的点云信息包括：
通过激光雷达获取所述目标空间的点云信息；或者
通过识别深度图获取所述目标空间的点云信息。
8.一种目标对象识别装置，其特征在于，包括：
信息获取单元，用于获取目标空间的点云信息；
聚类单元，用于对所述点云信息进行聚类处理生成多个类簇；
特征比对单元，用于比对各所述类簇的空间点分布特征与目标对象的空间点分布特征；以及
目标确定单元，用于将比对结果满足预设条件的类簇所代表的对象确定为所述目标对象。
9.一种电子设备，其特征在于，包括：
处理器；以及
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如权利要求1至7中任一项所述的目标对象识别方法。
10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的目标对象识别方法。
CN201810368116.9A 2018-04-23 2018-04-23 目标对象识别方法、装置、电子设备及存储介质 Pending CN110390346A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810368116.9A CN110390346A (zh) 2018-04-23 2018-04-23 目标对象识别方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810368116.9A CN110390346A (zh) 2018-04-23 2018-04-23 目标对象识别方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN110390346A true CN110390346A (zh) 2019-10-29

Family

ID=68284437

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810368116.9A Pending CN110390346A (zh) 2018-04-23 2018-04-23 目标对象识别方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN110390346A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112784637A (zh) * 2019-11-07 2021-05-11 北京百度网讯科技有限公司 地面障碍物探测方法、装置、电子设备及存储介质
WO2023193567A1 (zh) * 2022-04-08 2023-10-12 追觅创新科技(苏州)有限公司 机器人的移动控制方法和装置、存储介质及电子装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106250881A (zh) * 2016-08-25 2016-12-21 深圳大学 一种基于三维点云数据的目标识别方法及系统
CN106650809A (zh) * 2016-12-20 2017-05-10 福州大学 一种车载激光点云目标分类方法和系统
CN107423679A (zh) * 2017-05-31 2017-12-01 深圳市鸿逸达科技有限公司 一种行人意图检测方法和系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106250881A (zh) * 2016-08-25 2016-12-21 深圳大学 一种基于三维点云数据的目标识别方法及系统
CN106650809A (zh) * 2016-12-20 2017-05-10 福州大学 一种车载激光点云目标分类方法和系统
CN107423679A (zh) * 2017-05-31 2017-12-01 深圳市鸿逸达科技有限公司 一种行人意图检测方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
宁振伟等: "《数字城市三维建模技术与实践》", 31 December 2013, 测绘出版社 *
杨爱明等: "《水利水电测绘科技论文集 2017》", 31 July 2017, 长江出版社 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112784637A (zh) * 2019-11-07 2021-05-11 北京百度网讯科技有限公司 地面障碍物探测方法、装置、电子设备及存储介质
CN112784637B (zh) * 2019-11-07 2024-01-12 北京百度网讯科技有限公司 地面障碍物探测方法、装置、电子设备及存储介质
WO2023193567A1 (zh) * 2022-04-08 2023-10-12 追觅创新科技(苏州)有限公司 机器人的移动控制方法和装置、存储介质及电子装置

Similar Documents

Publication Publication Date Title
EP3506212B1 (en) Method and apparatus for generating raster map
EP3223191B1 (en) Creation of a 3d city model from oblique imaging and lidar data
WO2020098531A1 (zh) 对象的加载方法和装置、存储介质、电子装置
JP2022514974A (ja) 物体検出方法、装置、電子機器、及びコンピュータプログラム
CN109993192A (zh) 目标对象识别方法及装置、电子设备、存储介质
KR102543952B1 (ko) 차선의 확정방법, 포지셔닝 정밀도의 평가방법, 장치, 기기 및 컴퓨터 프로그램
CN108830837A (zh) 一种用于检测钢包溶蚀缺陷的方法和装置
CN108181635A (zh) 一种用于输电线路交叉跨越分析的激光点云分类方法
CN104102760A (zh) 用于三维可视化的定位系统
CN109946680A (zh) 探测系统的外参数标定方法、装置、存储介质及标定系统
US7813218B2 (en) Performing quality control with respect to positioning of survey hardware
CN111007485A (zh) 一种图像处理方法、装置、以及计算机存储介质
CN110443862A (zh) 基于无人机的岩性填图方法及系统、电子设备
CN109813722A (zh) 接触网吊弦缺陷检测方法
US20220365186A1 (en) Automatic detection of a calibration standard in unstructured lidar point clouds
CN110363054B (zh) 道路标识线识别方法、装置和系统
US20220067336A1 (en) System and process for integrative computational soil mapping
CN110390346A (zh) 目标对象识别方法、装置、电子设备及存储介质
WO2014099201A1 (en) Geophysical modeling of subsurface volumes based on horizon extraction
CN111870952A (zh) 一种高度图生成方法、装置、设备及存储介质
CN114581871A (zh) 一种目标物体的检测方法和装置
CN114882198A (zh) 一种目标确定方法、装置、设备及介质
CA2710809C (en) Method for determining distinct alternative paths between two object sets in 2-d and 3-d heterogeneous data
CN114092660A (zh) 高精地图生成方法、装置及用于生成地图的车辆
CN104303144A (zh) 组件编程系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20210303

Address after: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Applicant after: Beijing Jingbangda Trading Co.,Ltd.

Address before: 100195 Beijing Haidian Xingshikou Road 65 West Cedar Creative Garden 4 District 11 Building East 1-4 Floor West 1-4 Floor

Applicant before: BEIJING JINGDONG SHANGKE INFORMATION TECHNOLOGY Co.,Ltd.

Applicant before: BEIJING JINGDONG CENTURY TRADING Co.,Ltd.

Effective date of registration: 20210303

Address after: Room 222, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Beijing Jingdong three hundred and sixty degree e-commerce Co.,Ltd.

Address before: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Applicant before: Beijing Jingbangda Trading Co.,Ltd.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20191029

RJ01 Rejection of invention patent application after publication