CN113935425A - 物体识别方法、装置、终端和存储介质 - Google Patents
物体识别方法、装置、终端和存储介质 Download PDFInfo
- Publication number
- CN113935425A CN113935425A CN202111226880.0A CN202111226880A CN113935425A CN 113935425 A CN113935425 A CN 113935425A CN 202111226880 A CN202111226880 A CN 202111226880A CN 113935425 A CN113935425 A CN 113935425A
- Authority
- CN
- China
- Prior art keywords
- grid
- area
- target
- coordinate system
- point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000013507 mapping Methods 0.000 claims abstract description 72
- 238000013506 data mapping Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了物体识别方法、装置、终端和存储介质;本申请实施例可通过获取目标物体的点云数据;将点云数据映射在栅格坐标系上;遍历栅格坐标系中的每个栅格,根据栅格中点的数量对栅格进行聚类,得到目标区域;获取目标区域的区域面积,以及面积和物体类型的映射关系;基于面积和物体类型的映射关系,确定区域面积对应的物体类型。在本申请实施例中,可通过计算点云数据占据的栅格的面积来确定点云数据所占据的区域面积,根据区域面积的大小来识别目标物体的物体类型。由此,本方案可以提升识别物体的效率。
Description
技术领域
本申请涉及计算机领域,具体涉及物体识别方法、装置、终端和存储介质。
背景技术
近年来,一些移动物体需要通过探测设备来感知物体周围的障碍物,以降低移动物体撞到障碍物的风险。
然而,现有探测设备的识别过程较为复杂,探测设备并不能及时识别出物体的类型,导致操控物体移动的人或程序并不能及时对障碍物作出准确的认知,从而使移动物体存在撞到障碍物的风险。因此,目前的物体识别方式的效率较低。
发明内容
本申请实施例提供物体识别方法、装置、终端和存储介质,可以提升识别物体的效率。
本申请实施例提供一种物体识别方法,包括:
获取目标物体的点云数据;
将点云数据映射在栅格坐标系上;
遍历栅格坐标系中的每个栅格,根据栅格中点的数量对栅格进行聚类,得到目标区域;
获取目标区域的区域面积,以及面积和物体类型的映射关系;
基于面积和物体类型的映射关系,确定区域面积对应的物体类型。
本申请实施例还提供一种物体的识别装置,包括:
第一获取单元,用于获取目标物体的点云数据;
数据映射单元,用于将点云数据映射在栅格坐标系上;
聚类单元,用于遍历栅格坐标系中的每个栅格,根据栅格中点的数量对栅格进行聚类,得到目标区域;
第二获取单元,用于获取目标区域的区域面积,以及面积和物体类型的映射关系;
物体类型确定单元,用于基于面积和物体类型的映射关系,确定区域面积对应的物体类型。
在一些实施例中,物体类型确定单元,用于:
获取目标区域中满足预设条件的点的竖轴坐标,以及目标区域的长度;
将目标区域的长度乘以点的竖轴坐标,得到侧面面积;
基于面积和物体类型的映射关系,确定面积集合对应的物体类型,其中,面积集合包括区域面积和侧面面积。
在一些实施例中,数据映射单元,用于:
获取栅格坐标系中栅格的边长;
将点云数据中每个点的横坐标除以栅格的边长,得到点映射在栅格坐标系的栅格纵坐标;
将点云数据中每个点的纵坐标除以栅格的边长,得到点映射在栅格坐标系的栅格横坐标;
根据每个点对应的栅格横坐标和栅格纵坐标,将点云数据中的每个点映射在栅格坐标系上。
在一些实施例中,根据每个点对应的栅格横坐标和栅格纵坐标,将点云数据中的每个点映射在栅格坐标系上,包括:
对栅格横坐标和栅格纵坐标进行向下取整,得到取整横坐标和取整纵坐标;
根据取整横坐标和所述取整纵坐标,将点云数据中的每个点映射在栅格坐标系上。
在一些实施例中,第二获取单元,用于:
确定目标区域对应的矩形外接框;
获取矩形外接框的边长和边宽;
将矩形外接框的边长乘以所述边宽,得到矩形外接框的区域面积。
在一些实施例中,获取矩形外接框对应的边长和边宽,该装置用于:
获取矩形外接框的长边相对于栅格坐标系的横轴的夹角;
根据夹角调整矩形外接框在栅格坐标系中的位置,得到当前位置,以使矩形外接框的长边平行于栅格坐标系的横轴,矩形外接框的宽边平行于栅格坐标系的纵轴;
根据当前位置,获取矩形外接框在栅格坐标系中对应的边长和边宽。
在一些实施例中,该装置还用于:
获取目标区域的中心点;
基于中心点和栅格坐标系的原点,确定目标物体到原点的距离和/或目标物体相对于栅格坐标系的偏移角度,其中,栅格坐标系的原点用于表征获取目标物体的点云数据的位置。
在一些实施例中,在聚类单元之后,该装置用于:
获取目标区域中每个栅格内点的数量;
当栅格内点的数量大于预设阈值时,得到目标栅格;
根据目标区域中的所述目标栅格,得到目标子区域;
物体类型确定单元,用于:
获取所述目标子区域的子区域面积;
基于面积和物体类型的映射关系,确定子区域面积对应的物体类型。
在一些实施例中,栅格坐标系中栅格的边长小于两个相邻目标物体之间的安全距离。
本申请实施例还提供一种终端,包括存储器存储有多条指令;所述处理器从所述存储器中加载指令,以执行本申请实施例所提供的任一种物体识别方法中的步骤。
本申请实施例还提供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多条指令,所述指令适于处理器进行加载,以执行本申请实施例所提供的任一种物体识别方法中的步骤。
本申请实施例可以获取目标物体的点云数据;将点云数据映射在栅格坐标系上;遍历栅格坐标系中的每个栅格,根据栅格中点的数量对栅格进行聚类,得到目标区域;获取目标区域的区域面积,以及面积和物体类型的映射关系;基于面积和物体类型的映射关系,确定区域面积对应的物体类型。
在本申请中,可以将点云数据映射在栅格坐标系内,并得到点云数据在栅格坐标系中所占的目标区域,计算该目标区域的区域面积,根据该区域面积来确定目标物体的物体类型,因此,本方案无需提取点云数据中的特征,即在本方案中可通过计算点云数据占据的栅格的面积来确定点云数据所占据的区域面积,根据区域面积的大小来识别目标物体的物体类型,从而减小了处理点云数据的操作步骤。由此,本方案升了识别物体的效率。
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。
图1是本申请实施例提供的物体识别方法的流程示意图;
图2a是本申请实施例提供的物体识别方法应用在船舶识别场景中的流程示意图;
图2b是本申请实施例提供的点云数据在栅格坐标系中的投影图;
图2c是本申请实施例提供的栅格坐标系中包含有点云数据的栅格图;
图2d是本申请实施例提供的包含有矩形外接框的栅格图;
图2e是本申请实施例提供的外接长方体框的结构图;
图3是本申请实施例提供的物体识别装置的第一种结构示意图;
图4是本申请实施例提供的终端的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供物体识别方法、装置、终端和存储介质。
其中,该物体识别装置具体可以集成在电子设备中,该电子设备可以为终端、服务器等设备。其中,终端可以为手机、平板电脑、智能蓝牙设备、笔记本电脑、或者个人电脑(Personal Computer,PC)等设备;服务器可以是单一服务器,也可以是由多个服务器组成的服务器集群。
在一些实施例中,该物体识别装置还可以集成在多个电子设备中,比如,物体识别装置可以集成在多个服务器中,由多个服务器来实现本申请的物体识别方法。
在一些实施例中,服务器也可以以终端的形式来实现。
例如,该物体识别设备可以集成在电子设备中为例,电子设备在获取目标物体的点云数据;将点云数据映射在栅格坐标系上;遍历栅格坐标系中的每个栅格,根据栅格中点的数量对栅格进行聚类,得到目标区域;获取目标区域的区域面积,以及面积和物体类型的映射关系;基于面积和物体类型的映射关系,确定区域面积对应的物体类型。
其中,将采集到的点云数据映射在栅格坐标系内,计算点云数据占据的栅格的面积来确定点云数据所占据的区域面积,根据区域面积的大小来确定目标物体对应的物体类型,如此,在通过点云数据识别目标物体对应的物体类型时,可以通过点云数据占据栅格的面积来确定目标物体的物体类型,有利于提高识别物体的效率。
以下分别进行详细说明。需说明的是,以下实施例的序号不作为对实施例优选顺序的限定。
在本实施例中,提供了一种物体识别方法,如图1所示,该物体识别方法的具体流程可以如下:
110、获取目标物体的点云数据。
其中,目标物体可以是待识别的物体。例如,目标物体可以是在海上的船、浮漂或者礁石等,还可以是路上移动的汽车,等等。
其中,点云数据用于表示目标物体的外表面形状。
其中,目标物体的点云数据的获取可以通过三维扫描设备扫描得到。例如,三维扫描设备可以是激光雷达、立体摄像头、越渡时间相机等。在一些实施例中,三维扫描设备可以设置在物体顶部的中心位置,并且,三维扫描设备可以对物体周围的环境进行360°的扫描。
120、将点云数据映射在栅格坐标系上。
其中,栅格坐标系可以是二维的栅格坐标系。
在一些实施例中,为了起到将点云数据中的点映射在栅格坐标系,步骤 120可以包括如下步骤:
获取栅格坐标系中栅格的边长;
将点云数据中每个点的横坐标除以栅格的边长,得到点映射在栅格坐标系的栅格纵坐标;
将点云数据中每个点的纵坐标除以栅格的边长,得到点映射在栅格坐标系的栅格横坐标;
根据每个点对应的栅格横坐标和栅格纵坐标,将点云数据中的每个点映射在栅格坐标系上。
其中,点的横坐标和纵坐标可以通过三维扫描设备扫描得到。
其中,栅格纵坐标可以表示栅格坐标系中的列,栅格横坐标可以标识栅格坐标系中的行。
例如,点的坐标为(150,150),栅格的单位边长为4,此时该点在栅格坐标系上的位置坐标(37.5,37.5),如此,实现将该点映射在栅格坐标系的栅格内。
在一些实施例中,为了起到将点云数据中的点映射在对应的栅格坐标系内,根据每个点对应的栅格横坐标和栅格纵坐标,将点云数据中的每个点映射在栅格坐标系上,包括:
对栅格横坐标和栅格纵坐标进行向下取整,得到取整横坐标和取整纵坐标;
根据取整横坐标和所述取整纵坐标,将点云数据中的每个点映射在栅格坐标系上。
例如,点云数据中点在栅格坐标系中所对应的位置为(37.5,37.5),对 (37.5,37.5)向下取整,得到(37,37),便于将该点云数据中的点映射在对应的栅格内。
130、遍历栅格坐标系中的每个栅格,根据栅格中点的数量对栅格进行聚类,得到目标区域。
其中,聚类的方式可以采用区域生长法。
其中,目标区域可以是由点云数据对应的栅格所组成的区域。
例如,遍历栅格坐标系时,当栅格中含有点时,对该栅格进行聚类,如此,便于确定点云数据在栅格坐标系中对应的区域。
在一些实施例中,为了提高识别目标物体的效率,在聚类单元之后,该装置用于:
获取目标区域中每个栅格内点的数量;
当栅格内点的数量大于预设阈值时,得到目标栅格;
根据目标区域中的所述目标栅格,得到目标子区域;
物体识别单元,用于:
获取所述目标子区域的子区域面积;
基于面积和物体类型的映射关系,确定子区域面积对应的物体类型。
其中,预设阈值可以用于对目标区域中的栅格进行过滤。例如,预设阈值可以是9。
其中,目标栅格可以所目前区域中被过滤后的栅格。例如,目标栅格可以是栅格内点的数量大于9的栅格。
其中,目标子区域可以是目标区域中目标栅格所组成的区域。
其中,子区域面积可以是目标子区域所对应的面积。例如,子区域面积可以通过目标子区域中的栅格数量乘以单个栅格的面积得到。
例如,面积和物体类型的映射关系中的面积可以是物体对应的俯视面积、物体侧面的投影面积、包裹物体侧面的矩形框的面积。
140、获取目标区域的区域面积,以及面积和物体类型的映射关系。
其中,区域面积可以是目标区域中的栅格数量乘以单个栅格的面积得到。
其中,面积和物体类型的映射关系可以表征物体面积和物体类型的对应关系。
在一些实施例中,为了起到便于获取目标区域对应的区域面积,步骤140 可以包括如下步骤:
确定目标区域对应的矩形外接框;
获取矩形外接框的边长和边宽;
将矩形外接框的边长乘以边宽,得到矩形外接框的区域面积。
其中,矩形外接框可以用于框取目标区域。例如,目标区域的轮廓为不规则形状时,用矩形外接框对目标区域进行框取。
其中,目标区域对应的矩形外接框的确定可以通过对目标区域进行霍夫变换得到。
其中,矩形外接框的边长和变宽可以通过栅格坐标系的横坐标和纵坐标来得到。
其中,区域面积可以是框取目标区域时矩形外接框所对应的面积。
在一些实施例中,为了起到获取矩形外接框在栅格坐标系中的边长和边宽的效果,获取矩形外接框对应的边长和边宽,该装置用于:
获取矩形外接框的长边相对于栅格坐标系的横轴的夹角;
根据夹角调整矩形外接框在栅格坐标系中的位置,得到当前位置,以使矩形外接框的长边平行于栅格坐标系的横轴,矩形外接框的宽边平行于栅格坐标系的纵轴;
根据当前位置,获取矩形外接框在栅格坐标系中对应的边长和边宽。
150、基于面积和物体类型的映射关系,确定区域面积对应的物体类型。
其中,面积和物体类型的映射关系可以用于表征物体面积和物理类型的关系。
其中,物体类型可以用于表征物体的种类。例如,物体的类型可以是船、浮漂、车、动物,等等。
在一些实施例中,为了起到提高对目标物体的识别精度,步骤150可以包括如下步骤:
获取目标区域中满足预设条件的点的竖轴坐标,以及目标区域的长度;
将目标区域的长度乘以点的竖轴坐标,得到侧面面积;
基于面积和物体类型的映射关系,确定面积集合对应的物体类型,其中,面积集合包括区域面积和侧面面积。
其中,预设条件可以用于限定目标区域对应的高度。
其中,竖轴坐标为电压数据中点的Z轴坐标。
例如,满足预设条件的点可以是目标区域中竖轴坐标最大的点,还可以是目标区域中竖轴坐标最小的点,等等。
例如,目标物体是船,区域面积可以确地船对应的俯视面积,侧面面积可以确定包裹船侧面的矩形框所对应的面积,根据俯视面积和侧面面积,有利于确定目标物体对应的物体类型,提高识别准确率。
在一些实施例中,为了起到确定目标物体的位置的效果,该装置还用于:
获取目标区域的中心点;
基于中心点和栅格坐标系的原点,确定目标物体到原点的距离和/或目标物体相对于栅格坐标系的偏移角度,其中,栅格坐标系的原点用于表征获取目标物体的点云数据的位置。
其中,目标区域的中心点可以是目标区域的中心位置。
其中,目标区域的中心点的获取可以通过先获取目标区域的四个顶点,求出四个顶点连线相交的位置。
目标物体到原点的距离的计算公式:
其中,中心点的坐标(xc,yc)。
目标物体相对于栅格坐标系的偏移角度的计算公式:
θ=arctan(xc/yc);
其中,中心点的坐标(xc,yc)。
在一些实施例中,栅格坐标系中栅格的边长小于两个相邻目标物体之间的安全距离。
例如,栅格坐标系中存在目标物体A和目标物体B,目标物体A和目标物体B之间为了不相互碰撞,目标物体A和目标物体B之间有个安全距离,如此,目标物体A和目标物体B之间存在安全距离时,同一个栅格内不会出现两个目标物体对应的点云数据。
本申请实施例提供的物体识别方案可以应用在各种探测场景中。比如,以船舶航行为例,获取目标物体的点云数据;将点云数据映射在栅格坐标系上;遍历栅格坐标系中的每个栅格,根据栅格中点的数量对栅格进行聚类,得到目标区域;获取目标区域的区域面积,以及面积和物体类型的映射关系;基于面积和物体类型的映射关系,确定区域面积对应的物体类型。采用本申请实施例提供的方案能够快速识别出目标物体的物体类型,提升识别物体的效率,有利于操控船舶移动的人或程序可以对目标物体作出响应,进一步减少了船舶在移动时撞到目标物体的风险。
由上可知,本申请实施例可以快速识别出目标物体的物体类型。
根据上述实施例所描述的方法,参见图2a,以下将作进一步详细说明。
步骤1、建立栅格坐标系,参见图2b,将多线激光雷达获取的目标物体的点云数据投影到栅格坐标系中,包括以下子步骤:
其中,点云数据是利用多线激光雷达扫描360度范围的场景所得。
步骤1.1、在二维平面中建立栅格坐标系,其中栅格单元的边长为d,d小于两个船舶之间的安全距离。
步骤1.2、给点云数据中的点分配栅格,点云数据中的每个点可根据其三维坐标(x、y、z)中水平方向的两个坐标值x、y分配至栅格坐标中。
其中,将点云数据中的点分配到栅格坐标系中,每个点(x、y、z)分配的栅格坐标(row,col)的计算公式如下:
栅格横坐标:row=y/d
栅格纵坐标:col=x/d
其中row,col需要向下取整。
步骤1.3、将点云数据中的点投影到栅格坐标系中,原始点云数据经过栅格化处理,栅格中可能包含有若干个点,最终将点云数据中的点存储在对应栅格中。
步骤2、参见图2c,对栅格坐标系内的栅格通过区域生长法进行聚类,包括以下子步骤:
步骤2.1、输入要进行聚类的栅格坐标系区域,并初始化识别目标编号列表。
步骤2.2、遍历栅格坐标系中栅格,若此栅格含有点,则将此栅格标记为目标编号i(i=0,1,2,3…),并加入到识别目标编号列表中,若此栅格不含有点则跳过。
步骤2.3、对步骤2.2中的标记了目标编号i的栅格进行四邻域方向的生长操作,如果邻域栅格也含有点,则为栅格标记目标编号i,然后对此栅格继续进行四领域生长,直到无法继续生长下去,其中,如果邻域栅格已经标记过目标编号,则跳过。
步骤2.4、重复执行步骤2.2-2.3,其中对于新的目标标记编号依次递增加 1,直到对栅格坐标系中所有含有点的栅格都标记过目标编号。
步骤2.5、若某目标编号对应栅格所包含的点个数少于预设阈值(预设阈值可以取10),则将其去除,得到目标编号列表对应的目标区域;
步骤3、参见图2d,对步骤2中获得的目标区域进行矩形外接框框定,包括以下子步骤:
步骤3.1、对步骤2中获得的目标区域进行霍夫直线检测,将检测到的直线所在的方向作为识别目标的长度方向,相应的与之90度夹角方向为宽度方向。
其中,霍夫直线检测即霍夫变换(Hough Transfrom)。
步骤3.2、参见图2e,通过步骤3.1得到的识别目标的长宽方向确定其二维投影的矩形外接框。再沿着z方向拉伸得到识别目标的三维外接长方体。
其中,矩形外接框的边长和边宽的获取方法如下所述,利用步骤3.1中得到的长度方向,将投影的点云数据整体以原点为中心顺时针旋转角度α,使得旋转后的长度方向沿着x轴,宽度方向沿着y轴。在旋转后的点云数据中沿x 轴方向找到横坐标最大的点的x坐标xmax,横坐标最小的点的x坐标xmin;在旋转后的点云数据中沿y轴方向找到纵坐标最大的点的y坐标ymax,纵坐标最小的点的y坐标ymin。则(xmin,ymin)、(xmin,ymax)、(xmax,ymin)、(xmax,ymax)为旋转后点云数据投影的矩形外接框的四个顶点。
其中,利用步骤3.2中的原点云投影的矩形外接框,将矩形外接框沿着z 轴方向拉伸到z坐标最大点处,则形成外接长方体框。
步骤3.3、通过目标3.2得到的外接长方体框可以确定其长宽高,使用经验公式计算外接长方体框的俯视面积(区域面积)和侧面面积,从而判断目标物体是否为船。
综上所述,本申请利用栅格化技术来处理点云数据,减少了对点云数据进行处理所消耗的资源。利用区域生长法对包含有点的栅格进行聚类分割,再利用霍夫直线检测得到目标区域的长宽方向,从而求取识别目标区域的矩形外接框。通过矩形外接框的尺寸信息和顶点坐标判断目标物体是否为船只,同时,还可以计算出目标物体相对于船舶的距离和方位。
为了更好地实施以上方法,本申请实施例还提供一种物体识别装置,该物体识别装置具体可以集成在电子设备中,该电子设备可以为终端、服务器等设备。其中,终端可以为手机、平板电脑、智能蓝牙设备、笔记本电脑、个人电脑等设备;服务器可以是单一服务器,也可以是由多个服务器组成的服务器集群。
比如,在本实施例中,将以物体识别装置具体集成在电子设备为例,对本申请实施例的方法进行详细说明。
例如,如图3所示,该物体识别装置可以包括第一获取单元310、数据映射单元320、聚类单元330、第二获取单元340以及物体类型确定单元350,如下:
第一获取单元310,用于获取目标物体的点云数据;
数据映射单元320,用于将点云数据映射在栅格坐标系上;
聚类单元330,用于遍历栅格坐标系中的每个栅格,根据栅格中点的数量对栅格进行聚类,得到目标区域;
第二获取单元340,用于获取目标区域的区域面积,以及面积和物体类型的映射关系;
物体类型确定单元350,用于基于面积和物体类型的映射关系,确定区域面积对应的物体类型。
在一些实施例中,物体类型确定单元350,用于:
获取目标区域中满足预设条件的点的竖轴坐标,以及目标区域的长度;
将目标区域的长度乘以点的竖轴坐标,得到侧面面积;
基于所述面积和物体类型的映射关系,确定面积集合对应的物体类型,其中,所述面积集合包括所述区域面积和所述侧面面积。
在一些实施例中,数据映射单元320,用于:
获取栅格坐标系中栅格的边长;
将点云数据中每个点的横坐标除以栅格的边长,得到点映射在栅格坐标系的栅格纵坐标;
将点云数据中每个点的纵坐标除以栅格的边长,得到点映射在栅格坐标系的栅格横坐标;
根据每个点对应的栅格横坐标和栅格纵坐标,将点云数据中的每个点映射在栅格坐标系上。
在一些实施例中,根据每个点对应的栅格横坐标和栅格纵坐标,将点云数据中的每个点映射在栅格坐标系上,包括:
对栅格横坐标和栅格纵坐标进行向下取整,得到取整横坐标和取整纵坐标;
根据取整横坐标和所述取整纵坐标,将点云数据中的每个点映射在栅格坐标系上。
在一些实施例中,第二获取单元340,用于:
确定目标区域对应的矩形外接框;
获取矩形外接框的边长和边宽;
将矩形外接框的边长乘以所述边宽,得到矩形外接框的区域面积。
在一些实施例中,获取矩形外接框对应的边长和边宽,该装置用于:
获取矩形外接框的长边相对于栅格坐标系的横轴的夹角;
根据夹角调整矩形外接框在栅格坐标系中的位置,得到当前位置,以使矩形外接框的长边平行于栅格坐标系的横轴,矩形外接框的宽边平行于栅格坐标系的纵轴;
根据当前位置,获取矩形外接框在栅格坐标系中对应的边长和边宽。
在一些实施例中,该装置还用于:
获取目标区域的中心点;
基于中心点和栅格坐标系的原点,确定目标物体到原点的距离和/或目标物体相对于栅格坐标系的偏移角度,其中,栅格坐标系的原点用于表征获取目标物体的点云数据的位置。
在一些实施例中,在聚类单元330之后,该装置用于:
获取目标区域中每个栅格内点的数量;
当栅格内点的数量大于预设阈值时,得到目标栅格;
根据目标区域中的所述目标栅格,得到目标子区域;
物体类型确定单元350,用于:
获取所述目标子区域的子区域面积;
基于面积和物体类型的映射关系,确定子区域面积对应的物体类型。
在一些实施例中,栅格坐标系中栅格的边长小于两个相邻目标物体之间的安全距离。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
由上可知,本实施例的物体识别装置由第一获取单元获取目标物体的点云数据;由数据映射单元将点云数据映射在栅格坐标系上;由聚类单元遍历栅格坐标系中的每个栅格,根据栅格中点的数量对栅格进行聚类,得到目标区域;由第二获取单元获取目标区域的区域面积,以及面积和物体类型的映射关系;由物体类型确定单元基于面积和物体类型的映射关系,确定区域面积对应的物体类型。
由此,本申请实施例可以识别物体的效率。
由此,本申请实施例提升了识别物体的效率。本申请实施例还提供一种电子设备,该电子设备可以为终端、服务器等设备。其中,终端可以为手机、平板电脑、智能蓝牙设备、笔记本电脑、个人电脑,等等;服务器可以是单一服务器,也可以是由多个服务器组成的服务器集群,等等。
在一些实施例中,该物体识别装置还可以集成在多个电子设备中,比如,物体识别装置可以集成在多个服务器中,由多个服务器来实现本申请的关键点检测方法。
在本实施例中,将以本实施例的电子设备是移动终端为例进行详细描述,比如,如图4所示,其示出了本申请实施例所涉及的移动终端的结构示意图,具体来讲:
该移动终端可以包括一个或者一个以上处理核心的处理器410、一个或一个以上计算机可读存储介质的存储器420、电源430、输入模块440以及通信模块450等部件。本领域技术人员可以理解,图3中示出的结构并不构成对移动终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器410是该移动终端的控制中心,利用各种接口和线路连接整个移动终端的各个部分,通过运行或执行存储在存储器420内的软件程序和/或模块,以及调用存储在存储器420内的数据,执行移动终端的各种功能和处理数据,从而对移动终端进行整体监控。在一些实施例中,处理器410可包括一个或多个处理核心;在一些实施例中,处理器410可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器410中。
存储器420可用于存储软件程序以及模块,处理器410通过运行存储在存储器420的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器 420可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据移动终端的使用所创建的数据等。此外,存储器420可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器420还可以包括存储器控制器,以提供处理器410对存储器420的访问。
移动终端还包括给各个部件供电的电源430,在一些实施例中,电源430 可以通过电源管理系统与处理器410逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源430还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该移动终端还可包括输入模块440,该输入模块440可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、话筒、光学或者轨迹球信号输入。
该移动终端还可包括通信模块450,在一些实施例中通信模块450可以包括无线模块,移动终端可以通过该通信模块450的无线模块进行短距离无线传输,从而为用户提供了无线的宽带互联网访问。比如,该通信模块450可以用于帮助用户收发电子邮件、浏览网页和访问流式媒体等。
尽管未示出,移动终端还可以包括显示单元等,在此不再赘述。具体在本实施例中,移动终端中的处理器410会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器420中,并由处理器410来运行存储在存储器420中的应用程序,从而实现各种功能,如下:
获取目标物体的点云数据;
将点云数据映射在栅格坐标系上;
遍历栅格坐标系中的每个栅格,根据栅格中点的数量对栅格进行聚类,得到目标区域;
获取目标区域的区域面积,以及面积和物体类型的映射关系;
基于面积和物体类型的映射关系,确定区域面积对应的物体类型。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
由上可知,本方案无需提取点云数据中的特征,即在本方案中可通过计算点云数据占据的栅格的面积来确定点云数据所占据的区域面积,根据区域面积的大小来识别目标物体的物体类型,从而减小了处理点云数据的操作步骤。由此,本方案升了识别物体的效率。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种计算机可读存储介质,其中存储有多条计算机程序,该计算机程序能够被处理器进行加载,以执行本申请实施例所提供的任一种物体识别方法中的步骤。例如,该计算机程序可以执行如下步骤:
获取目标物体的点云数据;
将点云数据映射在栅格坐标系上;
遍历栅格坐标系中的每个栅格,根据栅格中点的数量对栅格进行聚类,得到目标区域;
获取目标区域的区域面积,以及面积和物体类型的映射关系;
基于面积和物体类型的映射关系,确定区域面积对应的物体类型。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的计算机程序,可以执行本申请实施例所提供的任一种物体识别方法中的步骤,因此,可以实现本申请实施例所提供的任一种物体识别方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种物体识别方法、装置、存储介质及计算机设备进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (12)
1.一种物体识别方法,其特征在于,包括:
获取目标物体的点云数据;
将所述点云数据映射在栅格坐标系上;
遍历所述栅格坐标系中的每个栅格,根据所述栅格中点的数量对所述栅格进行聚类,得到目标区域;
获取所述目标区域的区域面积,以及面积和物体类型的映射关系;
基于所述面积和物体类型的映射关系,确定所述区域面积对应的物体类型。
2.如权利要求1所述的物体识别方法,其特征在于,所述基于所述面积和物体类型的映射关系,确定所述区域面积对应的物体类型,包括:
获取所述目标区域中满足预设条件的点的竖轴坐标,以及所述目标区域的长度;
将所述目标区域的长度乘以所述点的竖轴坐标,得到侧面面积;
基于所述面积和物体类型的映射关系,确定面积集合对应的物体类型,其中,所述面积集合包括所述区域面积和所述侧面面积。
3.如权利要求1所述的物体识别方法,其特征在于,所述将所述点云数据映射在栅格坐标系上,包括:
获取栅格坐标系中栅格的边长;
将所述点云数据中每个点的横坐标除以所述栅格的边长,得到所述点映射在所述栅格坐标系的栅格纵坐标;
将所述点云数据中每个点的纵坐标除以所述栅格的边长,得到所述点映射在所述栅格坐标系的栅格横坐标;
根据每个点对应的所述栅格横坐标和所述栅格纵坐标,将所述点云数据中的每个点映射在栅格坐标系上。
4.如权利要求3所述的物体识别方法,其特征在于,所述根据每个点对应的所述栅格横坐标和所述栅格纵坐标,将所述点云数据中的每个点映射在栅格坐标系上,包括:
对所述栅格横坐标和所述栅格纵坐标进行向下取整,得到取整横坐标和取整纵坐标;
根据所述取整横坐标和所述取整纵坐标,将所述点云数据中的每个点映射在栅格坐标系上。
5.如权利要求1所述的物体识别方法,其特征在于,所述获取所述目标区域的区域面积,包括:
确定所述目标区域对应的矩形外接框;
获取所述矩形外接框的边长和边宽;
将所述矩形外接框的所述边长乘以所述边宽,得到所述矩形外接框的区域面积。
6.如权利要求5所述的物体识别方法,其特征在于,所述获取所述矩形外接框对应的边长和边宽,包括:
获取所述矩形外接框的长边相对于所述栅格坐标系的横轴的夹角;
根据所述夹角调整所述矩形外接框在栅格坐标系中的位置,得到当前位置,以使所述矩形外接框的长边平行于所述栅格坐标系的横轴,所述矩形外接框的宽边平行于所述栅格坐标系的纵轴;
根据所述当前位置,获取所述矩形外接框在所述栅格坐标系中对应的边长和边宽。
7.如权利要求1所述的物体识别方法,其特征在于,所述方法还包括:
获取所述目标区域的中心点;
基于所述中心点和所述栅格坐标系的原点,确定所述目标物体到原点的距离和/或所述目标物体相对于栅格坐标系的偏移角度,其中,所述栅格坐标系的原点用于表征获取所述目标物体的点云数据的位置。
8.如权利要求1所述的物体识别方法,其特征在于,在所述根据所述栅格中点的数量对所述栅格进行聚类,得到目标区域之后,包括:
获取所述目标区域中每个栅格内点的数量;
当所述栅格内点的数量大于预设阈值时,得到目标栅格;
根据所述目标区域中的所述目标栅格,得到目标子区域;
基于面积和物体类型的映射关系,确定区域面积对应的物体类型,包括:
获取所述目标子区域的子区域面积;
基于面积和物体类型的映射关系,确定子区域面积对应的物体类型。
9.如权利要求1所述的物体识别方法,其特征在于,所述栅格坐标系中栅格的边长小于两个相邻所述目标物体之间的安全距离。
10.一种物体的识别装置,其特征在于,包括:
第一获取单元,用于获取目标物体的点云数据;
数据映射单元,用于将所述点云数据映射在栅格坐标系上;
聚类单元,用于遍历所述栅格坐标系中的每个栅格,根据所述栅格中点的数量对所述栅格进行聚类,得到目标区域;
第二获取单元,用于获取所述目标区域的区域面积,以及面积和物体类型的映射关系;
物体类型确定单元,用于基于所述面积和物体类型的映射关系,确定所述区域面积对应的物体类型。
11.一种终端,其特征在于,包括处理器和存储器,所述存储器存储有多条指令;所述处理器从所述存储器中加载指令,以执行如权利要求1~9任一项所述的物体识别方法中的步骤。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1~9任一项所述的物体识别方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111226880.0A CN113935425A (zh) | 2021-10-21 | 2021-10-21 | 物体识别方法、装置、终端和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111226880.0A CN113935425A (zh) | 2021-10-21 | 2021-10-21 | 物体识别方法、装置、终端和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113935425A true CN113935425A (zh) | 2022-01-14 |
Family
ID=79280839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111226880.0A Pending CN113935425A (zh) | 2021-10-21 | 2021-10-21 | 物体识别方法、装置、终端和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113935425A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115356727A (zh) * | 2022-10-24 | 2022-11-18 | 思创数码科技股份有限公司 | 船舶识别方法及系统 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018163096A (ja) * | 2017-03-27 | 2018-10-18 | 沖電気工業株式会社 | 情報処理方法および情報処理装置 |
US20190179332A1 (en) * | 2017-12-08 | 2019-06-13 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for outputting obstacle information |
CN110135278A (zh) * | 2019-04-23 | 2019-08-16 | 腾讯科技(上海)有限公司 | 一种障碍物检测方法、装置及电子设备 |
CN110264468A (zh) * | 2019-08-14 | 2019-09-20 | 长沙智能驾驶研究院有限公司 | 点云数据标注、分割模型确定、目标检测方法及相关设备 |
CN111126211A (zh) * | 2019-12-13 | 2020-05-08 | 北京四维图新科技股份有限公司 | 标牌识别方法和装置、电子设备 |
CN111144228A (zh) * | 2019-12-05 | 2020-05-12 | 山东超越数控电子股份有限公司 | 基于3d点云数据的障碍物识别方法和计算机设备 |
CN111429520A (zh) * | 2020-03-02 | 2020-07-17 | 广州视源电子科技股份有限公司 | 负障碍物检测方法、装置、终端设备和存储介质 |
CN111739086A (zh) * | 2020-06-30 | 2020-10-02 | 上海商汤智能科技有限公司 | 测量面积的方法及装置、电子设备及存储介质 |
CN111985322A (zh) * | 2020-07-14 | 2020-11-24 | 西安理工大学 | 一种基于激光雷达的道路环境要素感知方法 |
CN112017134A (zh) * | 2020-10-26 | 2020-12-01 | 广东博智林机器人有限公司 | 一种路径规划方法、装置、设备及存储介质 |
CN112017199A (zh) * | 2020-10-26 | 2020-12-01 | 广东博智林机器人有限公司 | 一种楼层边界检测方法、装置、设备及存储介质 |
CN112329789A (zh) * | 2020-10-12 | 2021-02-05 | 广州文远知行科技有限公司 | 点云的提取方法、装置、计算机设备和存储介质 |
CN112348781A (zh) * | 2020-10-26 | 2021-02-09 | 广东博智林机器人有限公司 | 一种基准面高度检测方法、装置、设备及存储介质 |
CN112347999A (zh) * | 2021-01-07 | 2021-02-09 | 深圳市速腾聚创科技有限公司 | 障碍物识别模型训练方法、障碍物识别方法、装置及系统 |
CN112526985A (zh) * | 2020-10-20 | 2021-03-19 | 深圳市银星智能科技股份有限公司 | 一种行走禁区规划方法及其装置、自移动机器人 |
CN112639882A (zh) * | 2019-09-12 | 2021-04-09 | 华为技术有限公司 | 定位方法、装置及系统 |
US20210122364A1 (en) * | 2019-10-29 | 2021-04-29 | Lg Electronics Inc. | Vehicle collision avoidance apparatus and method |
WO2021134339A1 (zh) * | 2019-12-30 | 2021-07-08 | 深圳元戎启行科技有限公司 | 基于点云的分割处理方法、装置、计算机设备和存储介质 |
CN113284163A (zh) * | 2021-05-12 | 2021-08-20 | 西安交通大学 | 基于车载激光雷达点云的三维目标自适应检测方法及系统 |
-
2021
- 2021-10-21 CN CN202111226880.0A patent/CN113935425A/zh active Pending
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018163096A (ja) * | 2017-03-27 | 2018-10-18 | 沖電気工業株式会社 | 情報処理方法および情報処理装置 |
US20190179332A1 (en) * | 2017-12-08 | 2019-06-13 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for outputting obstacle information |
CN109901567A (zh) * | 2017-12-08 | 2019-06-18 | 百度在线网络技术(北京)有限公司 | 用于输出障碍物信息的方法和装置 |
CN110135278A (zh) * | 2019-04-23 | 2019-08-16 | 腾讯科技(上海)有限公司 | 一种障碍物检测方法、装置及电子设备 |
CN110264468A (zh) * | 2019-08-14 | 2019-09-20 | 长沙智能驾驶研究院有限公司 | 点云数据标注、分割模型确定、目标检测方法及相关设备 |
CN112639882A (zh) * | 2019-09-12 | 2021-04-09 | 华为技术有限公司 | 定位方法、装置及系统 |
US20210122364A1 (en) * | 2019-10-29 | 2021-04-29 | Lg Electronics Inc. | Vehicle collision avoidance apparatus and method |
CN111144228A (zh) * | 2019-12-05 | 2020-05-12 | 山东超越数控电子股份有限公司 | 基于3d点云数据的障碍物识别方法和计算机设备 |
CN111126211A (zh) * | 2019-12-13 | 2020-05-08 | 北京四维图新科技股份有限公司 | 标牌识别方法和装置、电子设备 |
WO2021134339A1 (zh) * | 2019-12-30 | 2021-07-08 | 深圳元戎启行科技有限公司 | 基于点云的分割处理方法、装置、计算机设备和存储介质 |
CN111429520A (zh) * | 2020-03-02 | 2020-07-17 | 广州视源电子科技股份有限公司 | 负障碍物检测方法、装置、终端设备和存储介质 |
CN111739086A (zh) * | 2020-06-30 | 2020-10-02 | 上海商汤智能科技有限公司 | 测量面积的方法及装置、电子设备及存储介质 |
CN111985322A (zh) * | 2020-07-14 | 2020-11-24 | 西安理工大学 | 一种基于激光雷达的道路环境要素感知方法 |
CN112329789A (zh) * | 2020-10-12 | 2021-02-05 | 广州文远知行科技有限公司 | 点云的提取方法、装置、计算机设备和存储介质 |
CN112526985A (zh) * | 2020-10-20 | 2021-03-19 | 深圳市银星智能科技股份有限公司 | 一种行走禁区规划方法及其装置、自移动机器人 |
CN112348781A (zh) * | 2020-10-26 | 2021-02-09 | 广东博智林机器人有限公司 | 一种基准面高度检测方法、装置、设备及存储介质 |
CN112017199A (zh) * | 2020-10-26 | 2020-12-01 | 广东博智林机器人有限公司 | 一种楼层边界检测方法、装置、设备及存储介质 |
CN112017134A (zh) * | 2020-10-26 | 2020-12-01 | 广东博智林机器人有限公司 | 一种路径规划方法、装置、设备及存储介质 |
CN112347999A (zh) * | 2021-01-07 | 2021-02-09 | 深圳市速腾聚创科技有限公司 | 障碍物识别模型训练方法、障碍物识别方法、装置及系统 |
CN113284163A (zh) * | 2021-05-12 | 2021-08-20 | 西安交通大学 | 基于车载激光雷达点云的三维目标自适应检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
何曼芸;程英蕾;邱浪波;赵中阳;: "一种改进顶帽变换与LBP高程纹理的城区建筑物提取算法", 测绘学报, no. 09, 15 September 2017 (2017-09-15) * |
杨必胜;董震;魏征;方莉娜;李汉武;: "从车载激光扫描数据中提取复杂建筑物立面的方法", 测绘学报, no. 03, 15 June 2013 (2013-06-15) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115356727A (zh) * | 2022-10-24 | 2022-11-18 | 思创数码科技股份有限公司 | 船舶识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6830139B2 (ja) | 3次元データの生成方法、3次元データの生成装置、コンピュータ機器及びコンピュータ読み取り可能な記憶媒体 | |
CN104732587B (zh) | 一种基于深度传感器的室内3d语义地图构建方法 | |
JP2018524664A (ja) | リアルタイムの仮想シーン内の円柱コライダと凸体との間の衝突を検出するための方法および端末およびストレージ媒体 | |
CN112505652B (zh) | 目标检测方法、装置及存储介质 | |
CN111582054A (zh) | 点云数据处理方法及装置、障碍物检测方法及装置 | |
CN110782517B (zh) | 点云标注方法、装置、存储介质及电子设备 | |
JP2024519323A (ja) | 衝突データ処理方法、衝突データ処理装置、コンピュータプログラム、及び電子機器 | |
CN115439607A (zh) | 一种三维重建方法、装置、电子设备及存储介质 | |
CN112734827B (zh) | 一种目标检测方法、装置、电子设备和存储介质 | |
CN110619656A (zh) | 基于双目摄像头的人脸检测跟踪方法、装置及电子设备 | |
CN113935425A (zh) | 物体识别方法、装置、终端和存储介质 | |
US11651533B2 (en) | Method and apparatus for generating a floor plan | |
US11468609B2 (en) | Methods and apparatus for generating point cloud histograms | |
CN113538623B (zh) | 确定目标图像的方法、装置、电子设备及存储介质 | |
CN114494329A (zh) | 用于移动机器人在非平面环境自主探索的导引点选取方法 | |
EP4177790A1 (en) | Map creation method and apparatus for self-moving device, and device and storage medium | |
CN112232248B (zh) | 一种多线LiDAR点云数据平面特征的提取方法及装置 | |
CN115471439A (zh) | 显示面板缺陷的识别方法、装置、电子设备及存储介质 | |
CN113326836A (zh) | 车牌识别方法、装置、服务器及存储介质 | |
Siritanawan et al. | 3d feature points detection on sparse and non-uniform pointcloud for slam | |
WO2023005195A1 (zh) | 地图数据的处理方法、装置、家用电器和可读存储介质 | |
CN113379826A (zh) | 物流件的体积测量方法以及装置 | |
CN115861403A (zh) | 一种非接触式物体体积测量方法、装置、电子设备及介质 | |
CN115346020A (zh) | 点云处理方法、避障方法、装置、机器人和存储介质 | |
CN114170576A (zh) | 重复图像的检测方法及装置 |
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 | ||
CB02 | Change of applicant information |
Address after: 201108 Shanghai city Minhang District Huaning Road No. 3111 Applicant after: The 711 Research Institute of China Shipbuilding Corp. Address before: 201108 Shanghai city Minhang District Huaning Road No. 3111 Applicant before: Shanghai Marine Diesel Engine Research Institute |
|
CB02 | Change of applicant information |