CN112348777B - 人体目标的检测方法、装置及终端设备 - Google Patents
人体目标的检测方法、装置及终端设备 Download PDFInfo
- Publication number
- CN112348777B CN112348777B CN202011117130.5A CN202011117130A CN112348777B CN 112348777 B CN112348777 B CN 112348777B CN 202011117130 A CN202011117130 A CN 202011117130A CN 112348777 B CN112348777 B CN 112348777B
- Authority
- CN
- China
- Prior art keywords
- radar
- area
- target
- human body
- points
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000004590 computer program Methods 0.000 claims description 17
- 230000036544 posture Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 230000010365 information processing Effects 0.000 abstract description 2
- 241001465754 Metazoa Species 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241000282472 Canis lupus familiaris Species 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请适用于信息处理技术领域，提供了人体目标的检测方法、装置及终端设备，方法包括：扫描目标区域得到雷达点云图像，检测第一区域内的第一雷达点数，第一区域在目标区域内；第一雷达点数不大于第一预设值，检测第二区域内与雷达距离小于预设距离的第二雷达点数，第二区域为目标区域中与第一区域相邻的区域；第二雷达点数与第一雷达点数之和大于第一预设值，判定目标区域存在人体目标。根据检测区域优先级，通过雷达检测预设场景中的人体目标，提高了抗干扰性和检测准确度。
Description
技术领域
本申请属于信息处理技术领域，尤其涉及人体目标的检测方法、装置及终端设备。
背景技术
机器人在固定场景下执行与人体相关的任务时，通常需要检测机器人所处场景的人体目标。例如，机器人在楼梯场景检测人员跌倒的应用中，需要检测发生异常的人体目标；机器人在酒店门口对进入酒店的来宾播放迎宾词的应用中，需要检测进入酒店的人体目标。
在相关技术中，机器人通常采用传感器检测人体目标，例如：机器人通过光学传感器获取图像以检测图像中是否存在人体目标；机器人通过热力传感器检测环境中的物体温度是否与人体温度范围匹配，以检测是否存在人体目标；机器人通过超声波传感器声波回波信号以检测是否存在人体等。然而以上传感器容易受环境光照、环境温度或环境噪音等因素的干扰，不利于人体检测的广泛应用。由此可见，目前的人体目标检测方法存在抗干扰性差的问题。
发明内容
本申请实施例提供了人体目标的检测方法、装置及终端设备，可以解决当人体目标的检测方法存在抗干扰性差的问题。
第一方面，本申请实施例提供了一种人体目标的检测方法，包括：
扫描目标区域得到雷达点云图像，检测第一区域内的第一雷达点数，第一区域在目标区域内；
第一雷达点数不大于第一预设值，检测第二区域内与雷达距离小于预设距离的第二雷达点数，第二区域为目标区域中与第一区域相邻的区域；
第二雷达点数与第一雷达点数之和大于第一预设值，判定目标区域存在人体目标。
本申请实施例提供的人体目标的检测方法，基于雷达扫描目标区域得到的雷达点云图像，检测目标区域内的第一区域的第一雷达点数，从而优先检测最有可能出现人体目标的第一区域，减少雷达干扰点，进而能够提高人体目标检测的抗干扰性；若第一雷达点数不大于第一预设值，则检测与第一区域相邻的第二区域内的第二雷达点数，从而扩大检测范围以遍历其他区域雷达点，若第二雷达点数与第一雷达点数之和大于第一预设值，则判定目标区域存在人体目标，进而能够提高人体目标检测的检测准确度；由于人体具有一定体积，所以激光雷达发射在人体目标上脉冲信号返回若干个回波信号至激光雷达，使得雷达能够采集到对应在人体上的若干个雷达点，因此若第二雷达点数大于第一预设值，则说明预设场景中存在人体目标。由此可见，本申请实施例根据检测区域优先级，通过雷达检测目标区域中的人体目标，提高抗干扰性和检测准确度。
第二方面，本申请实施例提供了一种人体目标的检测装置，包括：
第一检测模块，用于扫描目标区域得到雷达点云图像，检测第一区域内的第一雷达点数，第一区域在目标区域内；
第二检测模块，用于第一雷达点数不大于第一预设值，检测第二区域内与雷达距离小于预设距离的第二雷达点数，第二区域为目标区域中与第一区域相邻的区域；
判断模块，用于第二雷达点数与第一雷达点数之和大于第一预设值，判定目标区域存在人体目标。
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的人体目标的检测方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的人体目标的检测方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的人体目标的检测方法。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的人体目标的检测方法的流程示意图；
图2是本申请一实施例提供的单线雷达扫描过程的示意图；
图3是本申请一实施例提供的雷达点云图像的示意图；
图4是本申请另一实施例提供的人体目标的检测方法的流程示意图；
图5是本申请实施例提供的装置的结构示意图；
图6是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
如背景技术相关记载，机器人在固定场景下执行与人体相关的任务时，通常需要检测机器人所处场景的人体目标。目前机器人通常采用传感器检测人体目标，而传感器容易受环境光照、环境温度或环境噪音等因素的干扰，不利于人体检测的广泛应用。例如，在酒店入口迎宾的机器人执行迎宾任务，采用超声波传感器检测人体目标，而酒店入口属于公共场景，公共场景的高噪音对超声波的回波干扰很大。由此可见，目前的人体目标检测方法存在抗干扰性差的问题。
因此，本申请实施例提供一种人体目标的检测方法，基于雷达扫描目标区域得到的雷达点云图像，检测目标区域内的第一区域的第一雷达点数，从而优先检测最有可能出现人体目标的第一区域，减少雷达干扰点，进而能够提高人体目标检测的抗干扰性；若第一雷达点数不大于第一预设值，则检测与第一区域相邻的第二区域内的第二雷达点数，从而扩大检测范围以遍历其他区域雷达点，若第二雷达点数与第一雷达点数之和大于第一预设值，则判定目标区域存在人体目标，进而能够提高人体目标检测的检测准确度；由于人体具有一定体积，所以激光雷达发射在人体目标上脉冲信号返回若干个回波信号至激光雷达，使得雷达能够采集到对应在人体上的若干个雷达点，因此若第二雷达点数大于第一预设值，则说明目标区域中存在人体目标。由此可见，本申请实施例根据检测区域优先级，通过雷达检测目标区域中的人体目标，不仅降低检测成本，而且提高了抗干扰性和检测准确度。
图1示出了本申请提供的人体目标的检测方法的示意性流程图。本申请提供的人体目标的检测方法的执行主体为终端设备，终端设备包括但不限于台式电脑、服务器等终端，还可以包括机器人。可以理解的是，终端设备与雷达通信连接，雷达可以作为电子器件设于终端设备上，也可以作为终端设备的外部连接设备，雷达一般固定于某个位置，即雷达检测目标区域时，则雷达固定于该目标区域中的某个位置。需要说明的是，机器人为自动执行工作的机器装置，例如迎宾机器人和监控机器人，其可接受人类指挥，也可以执行预先编排的程序，还可以根据以人工智能技术制定的原则纲领行动。如图1所示的人体目标的检测方法包括S101至S103，下面将具体进行说明。
S101，基于雷达扫描目标区域得到的雷达点云图像，检测第一区域内的第一雷达点数，第一区域在目标区域内。
在本实施例中，终端设备获取雷达扫描目标区域得到的雷达点云图像。雷达为利用电磁波探测目标的电子器件，其包括2D激光雷达和3D激光雷达。优选地，为降低硬件成本和运算量，优先采用2D激光雷达，2D激光雷达为单线雷达。目标区域为人体目标的检测区域，例如，酒店入口迎宾时的酒店入口场景，人员跌倒时的楼梯区域。雷达点云图像为雷达在目标区域下发射电磁波信号，当电磁波信号照射在目标后会返回回波信号，再根据回波信号运算出目标位置后生成的点云图像。
示例性地，图2示出了本申请实施例提供的单线雷达扫描过程的示意图。如图2所示，R为雷达，E为雷达发射的电磁波信号，M为雷达的最大扫描区域，D为雷达的扫描方向，P为物体。雷达R以其自身为旋转中心、以D为旋转方向，使得电磁波信号扫描经过最大扫描区域M的每个位置。当雷达R上的发射器发射的电磁波信号E照射在物体P上时，电磁波信号E会被物体P反射为回波信号，雷达R上的接收器会接收该回波信号，根据该回波信号计算出反射点的位置。可以理解的是，由于雷达发射的电磁波信号有信号频率，所以电磁波信号照射在具有一定体积的物体上时，会以电磁波信号的信号频率对应的反射频率反射回波信号，因此可以采集到与物体反射的回波信号数量相同的多个雷达点。需要说明的是，电磁波信号的信号频率与雷达规格有关，则雷达点云图像的雷达点数量也存在差异，即不同的雷达规格，其电磁波信号的信号频率不同，得到的雷达点云图像上的雷达点数量也不同。
可选地，雷达为2D激光雷达，发射电磁波信号扫描人体的腿部得到对应的雷达点云图像。
终端设备检测第一区域内的第一雷达点数。第一区域为雷达的目标区域中最有可能出现人体目标的优选区域，比如检测人员跌倒的楼梯区域中，由于楼梯两边有扶手，人员跌倒的可能性较小，楼梯中间没有其他支撑物，人员跌倒的可能性更大，所以将楼梯中间区域作为第一区域。又比如机器人迎宾的酒店入口场景中，由于人员进入酒店一般会到前台登记，则人员经过入口到前台这段通道的可能性更大，所以将入口到前台这段通道中与入口预设距离的区域作为第一区域。
示例性地，终端设备预先设定图像的第一区域，当获取到雷达扫描得到的雷达点云图像时，分割出雷达点云图像的第一区域，再对分割得到的第一区域进行雷达点数量统计。由于人体具有一定体积，则激光雷达发射在人体目标上的电磁波信号会返回若干个回波信号，体积越大，返回的回波信号越多，所以使得雷达能够采集到对应在人体上的若干个雷达点。一般而言，由于如酒店内的餐车等非动物体，需要有人施加外力才会出现第一区域，所以即使非动物体出现第一区域，那么也意味着有人体或其他动物体出现；而出现在目标区域下的其他动物体一般是猫、狗等人们常见的动物体，这些动物体与人体的体积差异较大，所以当第一区域内的第一雷达点数达到预设值，则说明目标区域中的第一区域出现人体目标，这样就无需再检测除第一区域外的其他区域是否存在人体目标，缩小检测区域以提高检测过程的抗干扰性。
S102，若第一雷达点数不大于第一预设值，则检测第二区域内的第二雷达点数，第二区域为目标区域中与第一区域相邻的其他区域。
在本实施例中，第一预设值为对雷达扫描多个人体目标在不同状态下的点云图像进行统计得到，可以理解的是，采用不同规格的雷达，第一预设值的具体数值存在差异。进一步地，为了提高第一预设值的取值准确度，将多个雷达点云输入点云检测模型，以更新迭代点云检测模型的模型参数，直至达到收敛条件时，输出第一预设值。
由于人体目标可能出现在第一区域边界或第一区域边界外，所以扩大雷达点数的统计区域。第二区域可以为第一区域外的其他全部区域，也可以为与第一区域相邻的部分区域。当第二区域为第一区域外的其他全部区域时，则检测第二区域内的第二雷达点数，并确定第二雷达点数是否大于第一预设值，若第二雷达点数大于第一预设值，则判定目标区域中存在人体目标，若第二雷达点数不大于第一预设值，则判定目标区域中不存在人体目标。当第二区域为与第一区域相邻的部分区域时，检测第二区域内的第二雷达点数，并确定第二雷达点数是否大于第一预设值，若第二雷达点数大于第一预设值，则判定目标区域中存在人体目标，若第二雷达点数不大于第一预设值，则检测与第二区域相邻或与第一区域相邻的其他部分区域，直至目标区域内的雷达点数大于第一预设值，或遍历完目标区域的每个雷达点。可以理解的是，第二区域的第二雷达点数的统计方式类似于第一雷达点数的统计方式，在此不再赘述是。
示例性地，图3示出了本申请实施例提供的雷达点云图像的示意图。如图3所示，M为雷达的目标区域，B-A为第二区域(可以理解，在其他实施方式可仅选取与第一区域相邻的任意一边的区域)，A为第一区域，R为雷达，L为雷达的目标区域的区域半径，图中的黑点为雷达点。首先，检测第一区域A内的第一雷达点数，若第一雷达点数不大于第一预设值，则检测第二区域B内的第二雷达点数，若第二雷达点数与第一雷达点数之和大于第一预设值，则判定存在人体目标，若第二雷达点数不大于第一预设值，则扩大雷达点数的统计区域，继续累计目标区域内的其他雷达点，直至雷达点数大于第一预设值，或遍历完目标区域内的所有雷达点。可以理解的是，图3所示的雷达点云图像仅用作示例而非限定，在实际应用中，雷达点云图像的雷达点会呈现一定的分布规律。需要说明的是，第一区域和第二区域的区域半径相同，第一区域和第二区域的区域半径可以与目标区域相同，也可以小于目标区域的区域半径。
本实施例通过扩大雷达点数的统计范围，一方面能够降低干扰点对前期检测的干扰，另一方面能够避免忽视人体目标出现在除优选区域的情况，提高人体目标的检测方法的检测准确度。
S103，若第二雷达点数与第一雷达点数之和大于第一预设值，则判定目标区域存在人体目标。
在本实施例中，由于人体具有一定体积，所以激光雷达发射在人体目标上电磁波信号返回若干个回波信号至激光雷达，使得雷达能够采集到对应在人体上的若干个雷达点，因此若第二雷达点数与第一雷达点数之和大于第一预设值，则说明目标区域中存在人体目标。本申请实施例根据检测区域优先级，通过雷达检测目标区域中的人体目标，提高了抗干扰性和检测准确度。
请参阅图4，图4示出了本申请实施例提供的另一种人体目标的检测方法的流程性示意图。相对于图1对应的实施例，图4本实施例提供的人体目标的检测方法中，步骤S103之后还包括步骤S401至S403。需要说明的是，与图1实施例相同的步骤此处不再赘述，请参阅前述。
S401，确定第一区域中与雷达距离最小的第一距离值，以及确定第二区域中与雷达距离最小的第二距离值。
在本实施例中，为了进一步人体目标的位置，以便于终端设备执行后续任务，如迎宾机器人在人体目标靠近该机器人预设距离时播放“欢迎光临”的迎宾词，所以确定人体目标与雷达间的距离。由于回波信号是电磁波信号被物体反射回来的，所以回波信号还是电磁波信号，所以电磁波信号达到物体的传播速度与回波信号达到雷达的传播速度相同，传播距离也相同，因此只要得知雷达的发射器发射电磁波信号的时间点与雷达的接收器接收该电磁波信号的回波信号的时间点之间的时间差，即可知道每个雷达点与雷达点之间的距离值。本实施例确定第一区域中与雷达距离最小的第一距离值，以及确定第二区域中与雷达距离最小的第二距离值，可以理解的是，第一距离值与第二距离值可能相等，也可能不相等。
S402，若第一距离值小于第二距离值，则将第一距离值作为与人体目标的距离值。
在本实施例中，当第一距离值小于第二距离值，则说明第一区域内的雷达点与激光雷达的距离更近，所以将第一距离值作为与人体目标的距离值。
S403，若第一距离值不小于第二距离值，则将第二距离值作为与人体目标的距离值。
在本实施例中，当第一距离值不小于第二距离值，则说明第二区域内的雷达点与激光雷达的距离更近，所以将与第二区域中的雷达点的第二距离值作为与人体目标的距离值。
请参照图4，相对于图1对应的实施例，图4本实施例提供的人体目标的检测方法中，步骤S101之后还包括步骤S501。需要说明的是，与图1实施例相同的步骤此处不再赘述，请参阅前述。
S501，若第一雷达点数大于第一预设值，则判定目标区域存在人体目标，并确定与人体目标的距离值。
在本实施例中，由于人体具有一定体积，则激光雷达发射在人体目标上的电磁波信号会返回若干个回波信号，体积越大，返回的回波信号越多，所以使得雷达能够采集到对应在人体上的若干个雷达点。一般而言，由于如酒店内的餐车等非动物体，需要有人施加外力才会出现第一区域，所以即使非动物体出现第一区域，那么也意味着有人体或其他动物体出现；而出现在目标区域下的其他动物体一般是猫、狗等人们常见的动物体，这些动物体与人体的体积差异较大，所以当第一区域内的第一雷达点数达到第一预设值，则说明目标区域中的第一区域出现人体目标，这样就无需再检测除第一区域外的其他区域是否存在人体目标，缩小检测区域以提高检测过程的抗干扰性。
在一种可能实现的方式中，若第一雷达点数大于第一预设值，则判定目标区域存在人体目标，包括：若第一雷达点数大于第一预设值，且第一区域中的雷达点符合预设的雷达点分布情况，则判定目标区域存在人体目标。
在本实施例中，雷达固定于距离地面预设高度的位置，扫描得到的是人体腿部的雷达点云图像，而人体有两条腿，人在正常站立或行走状态下，两条腿是分开的，所以雷达扫描人体腿部时得到的雷达点云图像中，存在两堆雷达点，分别为两条腿的雷达点。以及人员一般穿有裤子，裤子呈圆筒状态，所以每堆雷达点的连接线呈弧状。可选地，可基于人工智能技术建立点云分布模型学习人体的雷达点云分布特征，从而用于确定第一区域的雷达点是否符合雷达点分布情况，进而提高人体目标检测的检测准确度。
在一种可能实现的方式中，若第一雷达点数不大于第一预设值，则检测第二区域内的第二雷达点数，包括：若第一雷达点数不大于第一预设值，则对雷达点云图像与预设点云图像进行匹配，预设点云图像为雷达在不存在人体目标的目标区域中扫描得到；若雷达点云图像中雷达点的第一位置坐标与预设点云图像中雷达点的第二位置坐标相同，则去除雷达点云图像中与第一位置坐标对应的雷达点；基于去除相同位置雷达点后的雷达点云图像，检测第二区域内的第二雷达点数。
在本实施例中，由于雷达激光可以被多种物体反射，如椅子、门等等，而本实施的雷达固定于目标区域中的某个位置，所以雷达扫描得到的雷达点云图像都是目标区域中相同区域所生成的。因此在人体目标检测之前，在确定没有人体或其他动物体的情况下，扫描目标区域的预设点云图像，从而将预设点云图像中的雷达点作为该目标区域下雷达所能够得到的基础雷达点，进而用于消除实际检测过程中的由环境物体反射的回波信号所得到的雷达干扰点，以降低环境物体对检测过程的干扰，提高检测准确度。
可选地，通过计算机视觉技术对雷达点云图像中的雷达点与预设点云图像中的雷达点进行位置匹配，当两个图像中的相同位置均存在雷达点，则将在雷达点云图像中的该雷达点去除。
在一种可能实现的方式中，基于雷达扫描目标区域得到的雷达点云图像，检测第一区域内的第一雷达点数，包括：对雷达点云图像中的第一区域的雷达点云进行点云分割，得到第一区域内的多个子点云；过滤多个子点云中点数小于第二预设值的子点云；检测过滤后的多个子点云的总点数，将总点数作为第一雷达点数。
在本实施例中，由于雷达发射的电磁波信号除了具有反射性之外，还具备穿透性，即照射到人体目标上的有部分电磁波信号还会穿透过人体目标后，照射在其他物体后返回回波信号，从而也会得到雷达点。因此为了消除这种干扰，对雷达点云进行点云分割，其中由人体反射的雷达点分布会相对于干扰点密集，所以若分割得到子点云中的点数小于第二预设值，则去除该子点云。进一步地，由于激光穿透性而造成干扰点一般出现在密集雷达点之后，所以可以仅识别在密集雷达点之后的子点云的点数是否大于第二预设值。可以理解的是，第二预设值可以根据多个雷达点云图像中干扰点分析得到。
在一种可能实现的方式中，基于雷达扫描目标区域得到的雷达点云图像，检测第一区域内的第一雷达点数之前，还包括：将标定完成的雷达点云样本图像输入点云检测模型，雷达点云样本图像通过雷达扫描人体的多种腿部姿态得到，点云检测模型包括每个腿部姿态的权重值；根据雷达点云样本图像中的雷达点数量更新每个权重值，直至点云检测模型达到预设收敛条件，则输出第一预设值。
在本实施例中，雷达点云样本图像为人体在目标区域内运动或非运动状态下雷达扫描得到，比如一个月内采集到人体在目标区域的雷达点云图像。腿部姿态包括但不限于两腿侧面并拢、两腿侧面分开、两腿正面并拢、两腿正面分开、两腿左右交叉和两腿前后交叉等姿态。收敛条件可以是更新次数达到预设值，也可以是更新前后的模型参数之间的差值小于预设值等。
示例性地，通过点云检测模型更新模型权重值得到收敛后的模型，进而得到第一预设值的过程可以为：选取一个月内的雷达点云样本图像，统计每个雷达样本图像中人体目标的雷达点的点数，针对每天的每种腿部姿态，计算出对应腿部姿态的人体目标的雷达点的每天平均点数，然后对平均值进行加权求和(A＝A1×P1+A2×P2+…+An×Pn，其中P1+P2+…+Pn＝1，A为第一预设值，A1～An为对应腿部姿态的每天平均点数，P1～Pn为对应腿部姿态的权重值。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例的方法，图5示出了本申请实施例提供的人体目标的检测装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图5，该装置包括：
第一检测模块501，用于基于雷达扫描目标区域得到的雷达点云图像，检测第一区域内的第一雷达点数，第一区域在雷达的目标区域内；
第二检测模块502，用于若第一雷达点数不大于第一预设值，则检测第二区域内的第二雷达点数，第二区域为所述目标区域中与所述第一区域相邻的其他区域；
判断模块503，用于若第二雷达点数与第一雷达点数之和大于第一预设值，则判定目标区域存在人体目标。
目前的人体目标检测装置采用价格较高的传感器会增加检测成本，而本申请实施例提供的人体目标的检测装置采集价格低廉的激光雷达不但降低检测成本，而且提高了抗干扰性。具体地，第一检测模块501基于雷达扫描目标区域得到的雷达点云图像，检测目标区域内的第一区域内的第一雷达点数，从而优先检测最有可能出现人体目标的第一区域，减少雷达干扰点，进而能够提高人体目标检测的抗干扰性；若第一雷达点数不大于第一预设值，则第二检测模块502检测比第一区域更大的第二区域内的第二雷达点数，从而扩大检测范围以遍历每个雷达点，若第二雷达点数大于第一预设值，则判定模块503判定目标区域存在人体目标，进而能够提高人体目标检测的检测准确度；由于人体具有一定体积，所以激光雷达发射在人体目标上脉冲信号返回若干个回波信号至激光雷达，使得雷达能够采集到对应在人体上的若干个雷达点，因此若第二雷达点数大于第一预设值，则说明目标区域中存在人体目标。由此可见，本申请实施例根据检测区域优先级，通过雷达检测目标区域中的人体目标，不仅降低检测成本，而且提高了抗干扰性和检测准确度。
在一实施例中，上述人体目标的检测装置，还用于：
确定与第一区域中的雷达点距离最小的第一距离值，以及确定与第二区域中的雷达点距离最小的第二距离值；
若第一距离值小于第二距离值，则将第一距离值作为与人体目标的距离值；
若第一距离值不小于第二距离值，则将第二距离值作为与人体目标的距离值。
在一实施例中，上述人体目标的检测装置，还用于：
若第一雷达点数不大于所述第一预设值，则对雷达点云图像与预设点云图像进行雷达点匹配，预设点云图像为雷达在不存在人体目标的目标区域中扫描得到；
若雷达点云图像中雷达点的第一位置与预设点云图像中雷达点的第二位置相同，则去除雷达点云图像中与第一位置对应的雷达点；
基于去除相同位置雷达点后的雷达点云图像，检测第二区域内的第二雷达点数。
在一实施例中，上述人体目标的检测装置，还用于：
对雷达点云图像中的第一区域的雷达点云进行点云分割，得到第一区域内的多个子点云；
过滤多个子点云中点数小于第二预设值的子点云；
检测过滤后的多个子点云的总点数，将总点数作为第一雷达点数。
在一实施例中，上述人体目标的检测装置，还用于：
若第一雷达点数大于第一预设值，则判定目标区域存在人体目标，并确定与人体目标的距离值。
在一实施例中，上述人体目标的检测装置，还用于：
若第一雷达点数大于第一预设值，且第一区域中的雷达点符合预设的雷达点分布，则判定目标区域存在人体目标。
在一实施例中，上述人体目标的检测装置，还用于：
将标定完成的雷达点云样本图像输入点云检测模型，雷达点云样本图像通过雷达扫描人体的多种腿部姿态得到，点云检测模型包括每个腿部姿态的权重值；
根据雷达点云样本图像中的雷达点数量更新每个权重值，直至点云检测模型达到预设收敛条件，则输出第一预设值。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图6为本申请一实施例提供的终端设备的结构示意图。如图6所示，该实施例的终端设备6包括：至少一个处理器60(图6中仅示出一个)处理器、存储器61以及存储在所述存储器61中并可在所述至少一个处理器60上运行的计算机程序62，所述处理器60执行所述计算机程序62时实现上述任意方法实施例中的步骤。
所述终端设备6可以是手机、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括但不仅限于处理器60、存储器61。本领域技术人员可以理解，图6仅仅是终端设备6的举例，并不构成对终端设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，该处理器60还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61在一些实施例中可以是所述终端设备6的内部存储单元，例如终端设备6的硬盘或内存。所述存储器61在另一些实施例中也可以是所述终端设备6的外部存储设备，例如所述终端设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (8)
1.一种人体目标的检测方法，其特征在于，包括：
扫描目标区域得到雷达点云图像，检测第一区域内的第一雷达点数，所述第一区域在所述目标区域内；
所述第一雷达点数不大于第一预设值，检测第二区域内与雷达距离小于预设距离的第二雷达点数，所述第二区域为所述目标区域中与所述第一区域相邻的区域；
所述第二雷达点数与所述第一雷达点数之和大于所述第一预设值，判定所述目标区域存在人体目标；
所述扫描目标区域得到雷达点云图像，检测第一区域内的第一雷达点数之后，还包括：
所述第一雷达点数大于第一预设值，判定所述目标区域存在人体目标；
确定与所述人体目标的距离值；
所述第一雷达点数大于第一预设值，判定所述目标区域存在人体目标，包括：
所述第一雷达点数大于所述第一预设值，且所述第一区域中的雷达点符合预设的雷达点分布情况，判定所述目标区域存在人体目标。
2.如权利要求1所述的人体目标的检测方法，其特征在于，所述第二雷达点数与所述第一雷达点数之和大于所述第一预设值，判定所述目标区域存在人体目标之后，还包括：
确定所述第一区域中雷达点与雷达距离最小的第一距离值，以及确定所述第二区域中雷达点与雷达距离最小的第二距离值；
所述第一距离值小于所述第二距离值，将所述第一距离值作为与所述人体目标的距离值；
所述第一距离值不小于所述第二距离值，将所述第二距离值作为与所述人体目标的距离值。
3.如权利要求1所述的人体目标的检测方法，其特征在于，所述第一雷达点数不大于第一预设值，检测第二区域内与雷达距离小于预设距离的第二雷达点数，包括：
所述第一雷达点数不大于所述第一预设值，对所述雷达点云图像与预设点云图像进行匹配，所述预设点云图像为所述雷达在不存在人体目标的所述目标区域中扫描得到；
所述雷达点云图像中雷达点的第一位置坐标与所述预设点云图像中雷达点的第二位置坐标相同，去除所述雷达点云图像中与所述第一位置坐标对应的雷达点；
基于去除相同位置雷达点后的所述雷达点云图像，检测所述第二区域内的第二雷达点数。
4.如权利要求1所述的人体目标的检测方法，其特征在于，所述扫描目标区域得到雷达点云图像，检测第一区域内的第一雷达点数，包括：
扫描所述目标区域得到所述雷达点云图像，对所述雷达点云图像中的所述第一区域的雷达点云进行点云分割，得到所述第一区域内的多个子点云；
过滤多个所述子点云中点数小于第二预设值的所述子点云；
检测过滤后的多个所述子点云的总点数，将所述总点数作为所述第一雷达点数。
5.如权利要求1所述的人体目标的检测方法，其特征在于，所述确定与所述人体目标的距离值，包括：
确定所述第一区域中与雷达距离最小的第一距离值，将所述第一距离值作为与所述人体目标的距离值。
6.如权利要求1至5任一项所述的人体目标的检测方法，其特征在于，扫描目标区域得到雷达点云图像，检测第一区域内的第一雷达点数之前，还包括：
将标定完成的雷达点云样本图像输入点云检测模型，所述雷达点云样本图像通过雷达扫描人体的多种腿部姿态得到，所述点云检测模型包括每个所述腿部姿态的权重值；
根据所述雷达点云样本图像中的雷达点数量更新每个所述权重值，直至所述点云检测模型达到预设收敛条件，则输出所述第一预设值。
7.一种人体目标的检测装置，其特征在于，包括：
第一检测模块，用于扫描目标区域得到雷达点云图像，检测第一区域内的第一雷达点数，所述第一区域在所述目标区域内；
第二检测模块，用于所述第一雷达点数不大于第一预设值，检测第二区域内与雷达距离小于预设距离的第二雷达点数，所述第二区域为所述目标区域中与所述第一区域相邻的区域；
判断模块，用于所述第二雷达点数与所述第一雷达点数之和大于所述第一预设值，判定所述目标区域存在人体目标；
所述人体目标的检测装置，还用于：
若第一雷达点数大于第一预设值，则判定目标区域存在人体目标，并确定与人体目标的距离值；
所述人体目标的检测装置，还用于：
若第一雷达点数大于第一预设值，且第一区域中的雷达点符合预设的雷达点分布，则判定目标区域存在人体目标。
8.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011117130.5A CN112348777B (zh) | 2020-10-19 | 2020-10-19 | 人体目标的检测方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011117130.5A CN112348777B (zh) | 2020-10-19 | 2020-10-19 | 人体目标的检测方法、装置及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112348777A CN112348777A (zh) | 2021-02-09 |
| CN112348777B true CN112348777B (zh) | 2024-01-12 |
Family
ID=74362151
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011117130.5A Active CN112348777B (zh) | 2020-10-19 | 2020-10-19 | 人体目标的检测方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112348777B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113589246B (zh) * | 2021-05-24 | 2023-09-01 | 中国南方电网有限责任公司超高压输电公司广州局海口分局 | 基于雷达的目标检测方法、装置和计算机设备 |
| TWI767731B (zh) * | 2021-06-02 | 2022-06-11 | 大鵬科技股份有限公司 | 跌倒偵測系統與方法 |
| CN114155557B (zh) * | 2021-12-07 | 2022-12-23 | 美的集团(上海)有限公司 | 定位方法、装置、机器人及计算机可读存储介质 |
| CN114782469B (zh) * | 2022-06-16 | 2022-08-19 | 西南交通大学 | 公共交通的拥挤度识别方法、装置、电子设备及存储介质 |
| CN116400709B (zh) * | 2023-05-06 | 2023-10-31 | 河南牧业经济学院 | 机器人轨迹确定方法、装置、机器人及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019119350A1 (zh) * | 2017-12-19 | 2019-06-27 | 深圳市海梁科技有限公司 | 用于无人驾驶车辆的障碍物识别方法、装置及终端设备 |
| CN110118966A (zh) * | 2019-05-28 | 2019-08-13 | 长沙莫之比智能科技有限公司 | 基于毫米波雷达的人员检测与计数系统 |
| CN111398943A (zh) * | 2020-04-02 | 2020-07-10 | 森思泰克河北科技有限公司 | 目标姿态的确定方法及终端设备 |
| CN111487641A (zh) * | 2020-03-19 | 2020-08-04 | 福瑞泰克智能系统有限公司 | 一种利用激光雷达检测物体的方法、装置、电子设备及存储介质 |
| CN111552289A (zh) * | 2020-04-28 | 2020-08-18 | 苏州高之仙自动化科技有限公司 | 检测方法及虚拟雷达装置、电子设备、存储介质 |
| CN111712731A (zh) * | 2019-07-25 | 2020-09-25 | 深圳市大疆创新科技有限公司 | 目标检测方法、系统及可移动平台 |
-
2020
- 2020-10-19 CN CN202011117130.5A patent/CN112348777B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019119350A1 (zh) * | 2017-12-19 | 2019-06-27 | 深圳市海梁科技有限公司 | 用于无人驾驶车辆的障碍物识别方法、装置及终端设备 |
| CN110118966A (zh) * | 2019-05-28 | 2019-08-13 | 长沙莫之比智能科技有限公司 | 基于毫米波雷达的人员检测与计数系统 |
| CN111712731A (zh) * | 2019-07-25 | 2020-09-25 | 深圳市大疆创新科技有限公司 | 目标检测方法、系统及可移动平台 |
| CN111487641A (zh) * | 2020-03-19 | 2020-08-04 | 福瑞泰克智能系统有限公司 | 一种利用激光雷达检测物体的方法、装置、电子设备及存储介质 |
| CN111398943A (zh) * | 2020-04-02 | 2020-07-10 | 森思泰克河北科技有限公司 | 目标姿态的确定方法及终端设备 |
| CN111552289A (zh) * | 2020-04-28 | 2020-08-18 | 苏州高之仙自动化科技有限公司 | 检测方法及虚拟雷达装置、电子设备、存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112348777A (zh) | 2021-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112348777B (zh) | 人体目标的检测方法、装置及终端设备 | |
| CN111308448B (zh) | 图像采集设备与雷达的外参确定方法及装置 | |
| CN110114692B (zh) | 一种地面环境的检测方法和装置 | |
| CN110442120B (zh) | 控制机器人在不同场景下移动的方法、机器人及终端设备 | |
| CN110865393A (zh) | 基于激光雷达的定位方法及系统、存储介质和处理器 | |
| US8379020B2 (en) | Image processing device using selective neighboring voxel removal and related methods | |
| EP4130798A1 (en) | Target identification method and device | |
| CN112213725B (zh) | 车载雷达的多径虚警抑制方法、装置及终端设备 | |
| CN112394334A (zh) | 雷达反射点的聚类装置、方法以及电子设备 | |
| CN112106111A (zh) | 一种标定方法、设备、可移动平台及存储介质 | |
| CN112526545A (zh) | 一种激光雷达点云处理方法、装置、存储介质及终端设备 | |
| Zheng et al. | Detection of small objects in sidescan sonar images based on POHMT and Tsallis entropy | |
| CN116027318A (zh) | 多传感器信号融合的方法、装置、电子设备及存储介质 | |
| CN112799091A (zh) | 算法评估方法、装置及存储介质 | |
| CN116547562A (zh) | 点云滤噪方法、系统和可移动平台 | |
| EP3975042A1 (en) | Method and apparatus for determining running region information | |
| CN113034539B (zh) | 一种确定点云的边界框的方法及装置 | |
| CN116413683A (zh) | 激光雷达及其扫描方法、可读存储介质 | |
| CN116692690A (zh) | 一种吊车防撞预警方法、装置、设备及介质 | |
| CN110766005B (zh) | 目标特征提取方法、装置和终端设备 | |
| CN109946708A (zh) | 一种基于激光雷达扫描的车道线检测方法及装置 | |
| CN116027288A (zh) | 生成数据的方法、装置、电子设备及存储介质 | |
| CN113822372A (zh) | 基于YOLOv5神经网络的无人机检测方法 | |
| WO2021007760A1 (zh) | 身份识别方法、终端设备及计算机存储介质 | |
| CN112416128A (zh) | 一种手势识别方法及终端设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |