CN115205284A - 目标对象的检测方法及装置、介质及电子设备 - Google Patents

目标对象的检测方法及装置、介质及电子设备 Download PDF

Info

Publication number
CN115205284A
CN115205284A CN202211098411.XA CN202211098411A CN115205284A CN 115205284 A CN115205284 A CN 115205284A CN 202211098411 A CN202211098411 A CN 202211098411A CN 115205284 A CN115205284 A CN 115205284A
Authority
CN
China
Prior art keywords
point cloud
cloud data
target
target object
determining
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.)
Granted
Application number
CN202211098411.XA
Other languages
English (en)
Other versions
CN115205284B (zh
Inventor
王潇
方宇凡
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.)
Suteng Innovation Technology Co Ltd
Original Assignee
Suteng Innovation 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 Suteng Innovation Technology Co Ltd filed Critical Suteng Innovation Technology Co Ltd
Priority to CN202310037137.3A priority Critical patent/CN116243270A/zh
Priority to CN202211098411.XA priority patent/CN115205284B/zh
Publication of CN115205284A publication Critical patent/CN115205284A/zh
Application granted granted Critical
Publication of CN115205284B publication Critical patent/CN115205284B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/2433—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring outlines by shadow casting
    • 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
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/481—Constructional features, e.g. arrangements of optical elements
    • G01S7/4811—Constructional features, e.g. arrangements of optical elements common to transmitter and receiver
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/481—Constructional features, e.g. arrangements of optical elements
    • G01S7/4817—Constructional features, e.g. arrangements of optical elements relating to scanning
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本公开提供一种目标对象的检测方法、目标对象的检测装置、计算机可读存储介质及电子设备，涉及自动化识别技术领域。该方法包括：通过激光雷达获取预设区域的点云，根据预设区域的点云确定预设区域的地图点云数据；根据地图点云数据确定第一目标点云数据；根据第一目标点云数据的形态特征信息与目标对象的目标形态特征进行比对，并根据比对结果在第一目标点云数据中确定出第二目标点云数据；本技术方案可以在多个三维物体中自动化识别出目标对象，有利于实现对目标对象的准确高效识别。根据目标对象对应的点云能够高效率地确定预设区域内相关目标对象的状态参数，实现对预设区域内目标对象的动态监控。

Description

目标对象的检测方法及装置、介质及电子设备
技术领域
本公开涉及自动化识别技术领域，尤其涉及一种目标对象的检测方法及装置、确定方法及装置、计算机可读存储介质及电子设备。
背景技术
在工厂等场所中经常会出现被堆放的散装物料，如，粮食、煤、沙子等。这些料堆随着工厂的生产节奏，其位置、体积、高度等相关参数也是时常变化的。为了对生产工序进行更好的安排，管理人员需要知道所有料堆的实时状态。因此，需要对场景内的料堆相关参数进行实时监控，从而便于场景管理。
相关技术中，可以通过人工测量的方式对料堆的参数进行估计，以实现对场景内的料堆相关参数进行实时监控。人工测量一般使用手持的激光雷达扫描仪对料堆进行扫描。但是，该方式效率较低，且进行高频次的测量所耗费的人力成本较大。
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公开的背景的理解，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
本公开的目的在于提供一种目标对象的检测方法、目标对象的检测装置、计算机可读存储介质及电子设备，能够至少在一定程度上提升目标对象的检测效率且消耗成本较低。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一个方面，提供一种目标对象的检测方法，该方法包括：通过激光雷达获取预设区域的点云，根据所述预设区域的点云确定所述预设区域的地图点云数据；根据所述地图点云数据确定第一目标点云数据；根据所述第一目标点云数据的形态特征信息与所述目标对象的目标形态特征进行比对，并根据比对结果在所述第一目标点云数据中确定出第二目标点云数据；根据所述第二目标点云数据确定所述目标对象的状态参数。
在示例性的实施例中，基于前述方案，在所述激光雷达的位置固定的情况下，所述根据所述预设区域的点云确定所述预设区域的地图点云数据，包括：结合所述预设区域的点云和所述预设区域内激光雷达在地图坐标系中的坐标信息，得到所述预设区域的地图点云数据。
在示例性的实施例中，基于前述方案，在所述激光雷达为运动状态的情况下，所述根据所述预设区域的点云确定所述预设区域的地图点云数据，包括：根据所述激光雷达的速度，确定第t+1时间点所述激光雷达在地图坐标系中的坐标信息Lt+1，其中，t为正整数；根据所述坐标信息Lt+1，确定所述激光雷达在第t+1时间点生成的点云在地图坐标系中的坐标信息LSt+1；根据所述坐标信息LSt+1，将所述激光雷达在第t+1时间点生成的点云添加至第t时间点对应的地图点云数据中，得到第t+1时间点对应的地图点云数据；
其中，经过多个时间点对应的点云在地图坐标系中的坐标信息，构建所述预设区域的地图点云数据。
在示例性的实施例中，基于前述方案，所述激光雷达在第t+1时间点生成的点云记作第t+1点云帧；
所述根据所述坐标信息Lt+1，确定所述激光雷达在第t+1时间点生成的点云在地图坐标系中的坐标信息LSt+1，包括：提取所述第t+1点云帧中的特征点云；将所述t+1点云帧中的特征点云与第t帧的特征点云进行匹配，确定所述第t+1点云帧中特征点云的姿态角变化值；当所述姿态角变化值小于第一预设值，基于所述姿态角变化值确定对所述第t+1点云帧的补偿值；结合所述补偿值和所述坐标信息Lt+1，确定所述激光雷达在第t+1时间点生成的点云在所述地图坐标系中的坐标信息LSt+1。
在示例性的实施例中，基于前述方案，上述预设区域设置有轨道，上述轨道用于机器人的运行；上述激光雷达与上述机器人连接，则上述机器人在上述轨道运动的情况下，上述激光雷达处于运动状态。
在示例性的实施例中，基于前述方案，上述通过激光雷达获取预设区域的点云，包括：通过上述机器人在上述轨道上运动，带动上述激光雷达扫描上述预设区域，得到上述预设区域的点云。
在示例性的实施例中，基于前述方案，在对所述根据所述地图点云数据确定第一目标点云数据之前，所述方法还包括：根据所述激光雷达与所述预设区域的地面之间的距离，确定地面点高度；将所述地图点云数据中高度小于所述地面点高度的点云进行过滤处理，其中所述过滤处理之后的地图点云数据用于确定第一目标点云数据。
在示例性的实施例中，基于前述方案，所述根据所述地图点云数据获取第一目标点云数据，包括：获取所述地图点云数据中高度满足第二预设值要求的点云数据；对所述高度满足第二预设值要求的点云数据进行聚类处理，得到多个聚类中心分别对应的第一目标点云数据。
在示例性的实施例中，基于前述方案，所述目标形态特征包括：所述目标物体的投影特征和/或所述目标物体的对称性特征；
所述根据所述第一目标点云数据的形态特征信息与所述目标对象的目标形态特征进行比对，包括：将所述第一目标点云数据的形态特征信息与所述目标对象的投影特征进行比对；和/或，将所述第一目标点云数据的形态特征信息与所述目标对象的对称性特征进行比对。
在示例性的实施例中，基于前述方案，所述根据所述第二目标点云数据确定所述目标对象的状态参数，包括：根据所述第二目标点云数据的形态特征信息，确定所述目标物体的投影半径和投影面积；根据所述第二目标点云数据的形态特征信息，确定所述目标物体的体积和表面积；根据所述第二目标点云数据在所述地图坐标系中的坐标信息，确定所述目标对象在所述预设区域的位置信息；其中，将所述目标物体的投影半径、投影面积、体积、表面积以及在所述预设区域的位置信息中的至少一种作为所述目标对象的状态参数。
在示例性的实施例中，基于前述方案，所述目标形态特征包括目标物体表面高度变化特征和/或目标物体表面发法向量变化特征；
所述根据所述第一目标点云数据的形态特征信息与所述目标对象的目标形态特征进行比对，包括：对所述第一目标点云数据进行栅格化处理，得到所述第一目标点云数据对应的多个栅格以及每个栅格的高度信息和/或法向量信息；根据每个栅格的高度信息和法向量信息，确定所述第一目标点云数据的形态特征信息，其中，所述第一目标点云数据的形态特征信息包括：相邻栅格间的高度变化信息和/或相邻栅格间的法向量之间夹角信息；将所述相邻栅格间的高度变化信息与所述目标物体表面高度变化特征进行比对；和/或，将所述相邻栅格间的法向量之间夹角信息与所述目标物体表面发法向量变化特征进行比对。
在示例性的实施例中，基于前述方案，所述根据所述第二目标点云数据确定所述目标对象的状态参数，包括：对于栅格化处理后的第二目标点云数据，进行降采样处理；将所述降采样处理之后的第二目标点云数据进行点云三角化处理，得到组成所述目标对象表面的多个三角剖分；根据所述多个三角剖分确定所述目标对象的表面积和/或体积。
在示例性的实施例中，基于前述方案，所述目标形态特征包括：目标物体在水平面的投影特征以及目标物体在在垂直面的投影特征；
所述根据所述第一目标点云数据的形态特征信息与所述目标对象的目标形态特征进行比对，包括：获取所述第一目标点云数据在水平面的第一投影信息以及获取所述第一目标点云数据在垂直面的第二投影信息；将所述第一投影信息与所述目标物体在水平面的投影特征进行比对，以及，将所述第二投影信息与所述目标物体在垂直面的投影特征进行比对。
在示例性的实施例中，基于前述方案，所述根据所述第二目标点云数据确定所述目标对象的状态参数，包括：根据所述第一投影信息计算所述目标对象在水平面内的投影半径和/或投影面积。
根据本公开的另一个方面，提供一种目标对象的检测装置，该装置包括：第一确定模块、第二确定模块、第三确定模块，以及第四确定模块。
其中，上述第一确定模块，用于通过激光雷达获取预设区域的点云，根据所述预设区域的点云确定所述预设区域的地图点云数据；上述第二确定模块，用于根据所述地图点云数据确定第一目标点云数据；上述第三确定模块，用于根据所述第一目标点云数据的形态特征信息与所述目标对象的目标形态特征进行比对，并根据比对结果在所述第一目标点云数据中确定出第二目标点云数据；上述第四确定模块，用于根据所述第二目标点云数据确定所述目标对象的状态参数。
根据本公开的再一个方面，提供一种电子设备，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实施例中的目标对象的检测方法。
根据本公开的又一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述实施例中的目标对象的检测方法。
本公开的实施例所提供的目标对象的检测方法、目标对象的检测装置、计算机可读存储介质及电子设备，具备以下技术效果：
本技术方案先通过激光雷达来获取预设区域的点云，进一步地确定该预设区域的地图点云数据；根据上述地图点云数据确定第一目标点云数据，以及根据第一目标点云数据的形态特征信息与目标对象的目标形态特征进行比对，以在上述预设区域中确定出目标对象。本技术方案通过对预设区域中目标对象的自动化识别的方式，有利于实现对目标对象的准确高效识别。本技术方案还根据比对结果在第一目标点云数据中确定出各个目标对象对应的第二目标点云数据，进一步地根据第二目标点云数据确定目标对象的状态参数，从而实现对预设区域内目标对象的动态监控。
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，并不能限制本公开。
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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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。
图1示出本公开一示例性实施例中目标对象的检测场景的示意图。
图2示出本公开一示例性实施例中目标对象的检测方案的系统构架示意图。
图3示出本公开一示例性实施例中关于目标对象的实体示意图。
图4示出本公开一示例性实施例中目标对象的检测方法的流程示意图。
图5示出本公开一示例性实施例中地图点云数据的构建方法的流程示意图。
图6示出本公开另一示例性实施例中地图点云数据的确定方法的流程示意图。
图7示出本公开一示例性实施例中点云地图的示意图。
图8示出本公开一示例性实施例中点云地图中关于目标对象的点云示意图。
图9a示出本公开另一示例性实施例中目标对象的检测方法的流程示意图。
图9b示出本公开再一示例性实施例中目标对象的检测方法的流程示意图。
图10示出本公开一示例性实施例中对第二点云数据进行点云三角化后的示意图。
图11示出了可以应用本公开一实施例的目标对象的检测装置的结构示意图。
图12示出了根据本公开的另一实施例的目标对象的检测装置的结构示意图。
图13示出了根据本公开的一实施例的电子设备的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施例方式作进一步地详细描述。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。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方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述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技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。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。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。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。
本申请提供的目标对象的检测方法、目标对象的检测装置、计算机可读存储介质及电子设备，能够解决相关技术中存在的问题。以下先对本公开提供的目标对象的检测方法实施例的进行详细阐述：
其中，图1示出本公开一示例性实施例中目标对象的检测场景的示意图。参考图1示出的场景为工厂等场所，本实施例可以用于检测该场景中的物料堆。需要说明的是，场景中可能包含多种三维物体，如立柱、支架以及物料等，本申请所提供的实施例用于检测其中的特定物体，如物料堆等，从而便于对目标对象的动态监控，本申请实施例中将待检测的物体记作“目标对象”。
示例性的，本实施例提供的方案可以基于图2示出的系统构架来实现。
具体地，图2示出本公开一可选的示例性实施例中目标对象的检测方案的系统构架示意图。参考图2示出的场景中，导轨230水平安装在堆料区210上方，例如可以穿过场景中的整个堆料区。其中，料堆的实物如图3所示。检测设备220通过其中的导轨式机器人B在导轨230上沿其运动。而激光雷达C则安装于轨道式机器人B，激光雷达C的安装朝向能够保证料堆等目标对象在某一时刻处于激光雷达的视野范围（Field of view，FOV）内。其中，导轨式机器人B沿着导轨230匀速运动，从而激光雷达C也以相同的速度运动，进而处于运动状态的激光雷达C则可以对场景（包括场景中的物料240）进行全方位扫描。示例性的，激光雷达中心至地面的距离H。激光雷达的运动速度与扫描效率与扫描精度相关，例如速度可以取值为0.5 m/s -1m/s。
进一步地，激光雷达C的扫描结果可以传输至检测设备220中的电子设备A，并通过电子设备的计算实现对场景中目标对象的识别以及状态参数的获取。
示例性的，激光雷达可以持续向计算设备发送扫描数据，此时计算设备并不记录数据。并在计算设备向轨道式机器人发送前进信号，且接收到机器人反馈的启动指令的情况下，计算设备开始记录激光雷达发送的扫描数据，从而避免对相同区域的扫描数据重复计算，有利于提升计算效率且节省计算资源。示例性的，机器人在抵达导轨一端（即该方向行程的终点）后停止并向计算设备发送停止指令。计算设备再收到停止指令后停止记录激光雷达发来的扫描数据，并开始根据扫描数据进行目标对象检测的分析计算过程。
示例性的，通过计算设备分析计算得到的点云地图（如图6、图7所示），以及目标对象的检测结果、场景中目标对象的动态变化等信息均可以通过可视化监控中心250来展示给用户。
其中，图4示出本公开一示例性实施例中目标对象的检测方法的流程示意图。参考图4该方法包括：S410- S450。
在S410中，通过激光雷达获取预设区域的点云，根据所述预设区域的点云确定所述预设区域的地图点云数据。
在示例性的实施例中，上述预设区域可以是包含目标对象的区域，本说明书实施例所提供的方案中，通过获取预设区域的点云，来自动化识别该区域内部包含的目标对象以及实现对预设区域内目标对象的动态监控。
作为一种可选地实施例，可以在上述预设区域内设置一个或多个激光雷达，通过位置固定的一个或多个激光雷达来获取该区域的点云。其中，激光雷达的数量及布局位置根据预设区域形状、面积以及扫描精度等因素相关，本实施例中可以根据实际需求设置激光雷达的数量以及安装位置。示例性的，在确定利用位置固定的第一或多个激光雷达来获取相关区域的点云的情况下，确定上述预设区域的点云数据的过程如下：
假如地图坐标系可以为水平面内的坐标系，从而预设区域所在的平面在该地图坐标系内。假如以预设区域为矩形，以预设区域四个角的一个为原点构建上述地图坐标系。又假设上述预设区域设置有M（正整数）个激光雷达，示例性的，第1个激光雷达在地图坐标系中的坐标信息L’1（x1’，y1’），第2个激光雷达在地图坐标系中的坐标信息L2’（x2’，y2’），……第M个激光雷达在地图坐标系中的坐标信息LM’（xM’，yM’）。则上述M个激光雷达在同一时间点获取到的点云可以作为上述预设区域的点云。进一步地，根据M个激光雷达的坐标将M各激光雷达分别对应的点云结合在一起，可以得到该时间点对应的地图点云数据。例如，将第j（不大于M的正整数）个激光雷达在该时间点获取的点云Cj，叠加第j个激光雷达在地图坐标系中的坐标Lj’（xj’，yj’）后，得到该点云Cj在点云地图中的信息，即得到该点云Cj对应的地图点云数据。
在示例性的实施例中，还可以通过处于运动状态的激光雷达来获取上述预设区域的点云。示例性的，在确定利用运动状态的激光雷达来获取相关区域的点云的情况下，在上述预设区域设置轨道，上述轨道用于轨道机器人B的运行。参考图2，检测设备220中的导轨式机器人B可以带动激光雷达C沿着导轨230运动，本实施例中正是通过处于运动状态的激光雷达对预设区域进行扫描，可以根据扫描点云确定该预设区域对应的地图点云数据。通过运动的激光雷达来获取点云的优点在于：能够客户固定位置雷达扫描时存在的视野遮挡问题，从而能够对场景中目标对象（如，堆料等）进行全面扫描，进而有利于获取准确的识别结果。
本说明书实施例提供了灵活的地图点云数据获取方式，用户可以根据需求选择通过固定位置的激光雷达来获取，也可以根据运动状态的激光雷达来获取。
在示例性的实施例中，图5示出本公开一示例性实施例中地图点云数据的构建方法的流程示意图，可以作为在确定利用运动状态的激光雷达来获取相关区域的点云的情况下确定地图点云数据的具体实施方式。参考图5，该图所示实施例包括：S4101- S4104。
在S4101中，根据上述激光雷达的速度，确定第t+1时间点上述激光雷达在地图坐标系中的坐标信息Lt+1。
其中，t为正整数。上述地图坐标系可以为水平面内的坐标系，从而预设区域所在的平面在该地图坐标系内。假如以预设区域为矩形，以预设区域四个角的一个为原点构建上述地图坐标系。示例性的，第1时间点上述激光雷达在地图坐标系中的坐标信息L1（x0，y1），第2时间点上述激光雷达在地图坐标系中的坐标信息L2（x0，y2），等。
其中，激光雷达沿着轨道运动，通过准确地控制运动速度，可以得到在每个扫描时间点激光雷达在地图坐标系中的坐标（即，如S4101得到的全局位置）。
进一步地，可以根据上述激光在地图坐标系中的坐标信息Lt+1，确定上述激光雷达在第t+1时间点生成的点云在地图坐标系中的坐标信息LSt+1。示例性的，上述激光雷达在第t+1时间点生成的点云记作第t+1点云帧，则可以根据该时间点激光雷达在地图坐标系中的坐标信息Lt+1，确定第t+1点云帧中点云在地图坐标系中的坐标信息LSt+1。
上述实施例中，将当前扫描时间点得到的点云变换到地图坐标系，并将转换至地图坐标系的点云数据添加至上个扫描时间点对应的地图点云数据中，便可以得到当前扫描时间点对应的地图点云数据。上述实施例假设了激光雷达只在轨道方向有运动，即激光雷达在每个扫描时间点，除了其在地图坐标系中的位置不同，其姿态角度是完全相同的。从而，在不考虑激光雷达在运动过程存在晃动的情况下，通过上述实施例将多个扫描时间点对应的点云在地图坐标系中拼接在一起，便可以得到一个稠密的点云（可以称为：点云地图），即得到上述地图点云数据。
然而，实际上激光雷达在运动过程存在不可忽略的晃动，需要准确地知道当前时刻的激光雷达相对于无晃动情况下的姿态角度，才能准确的将点云变换到地图坐标系中，进而才能得到清晰一致的点云地图。因此，本实施例还提供了在考虑激光雷达在运动过程存在晃动的情况下，如何确定地图点云数据（具体如S4102-S4104）。
在S4102中，提取上述第t+1点云帧中的特征点云，并将上述第t+1点云帧中的特征点云与上述第t时间点对应的特征点云进行匹配，确定上述第t+1点云帧中特征点云的姿态角变化值。以及，在S4103中，判断姿态角变化值是否小于第一预设值。示例性的，上述第一预设值可以根据实际需求确定，例如上述第一预设值的取值为5度，从而本实施例中具体判断相较于前一点云帧，当前点云帧中特征点云的姿态角变化值是否小于5度。
可以理解的是，因为雷达两帧数据时间很短，则若姿态角变化值大于第一预设值，则说明可能计算异常，忽略此帧数据，即确定点云在地图坐标系中的位置信息LSt+1的过程中无需补偿，则直接执行S4104来生成LSt+1。具体地，在S4104中，根据上述坐标信息Lt+1，确定激光雷达在第t+1时间点生成的点云在地图坐标系中的坐标信息LSt+1。示例性的，假如激光雷达在地图坐标系中的坐标信息Lt+1表示为（x0，y1），则LSt+1的确定方式为：将在第t+1时刻激光雷达所生成点云在激光雷达坐标系内的坐标信息与Lt+1（x0，y1）进行叠加。
若姿态角变化值小于第一预设值（且大于零）说明激光雷达在运动过程中存在晃动，即确定点云在地图坐标系中的位置信息LSt+1的过程中需要就行补偿，则执行S4104’，基于上述姿态角变化值确定对上述第t+1点云帧的补偿值。进一步地，执行S4105’，结合上述补偿值和所述坐标信息Lt+1，确定所述激光雷达在第t+1时间点生成的点云在所述地图坐标系中的坐标信息LSt+1。
示例性的，参考图6，一方面，通过步骤S1确定激光雷达在第t+1时间点的姿态角变化值At+1（即，当前时间点的姿态角变化值是通过前一时间点点云帧中的特征点云和当前时间点点云帧中特征点云进行点云匹配得到），并通过At+1对第t+1帧进行补偿；本实施例中，将上述姿态角变化值确定为对上述第t+1点云帧在上述地图坐标系中的坐标信息的补偿值，即将补偿值作用于第t+1点所生成的点云。另一方面，通过步骤S1’确定第t+1时间点激光雷达在地图坐标系中的坐标信息Lt+1。进一步地，结合上述两方面执行步骤S2得到激光雷达在第t+1时间点生成的点云在地图坐标系中的坐标信息LSt+1。具体地：将在第t+1时刻激光雷达所生成点云进行补偿之后，在激光雷达坐标系内的坐标信息与Lt+1（如表示为：(x0，y1)）进行叠加。
其中，对于工厂环境等静态结构化的环境，线特征与面特征均很稳定。因此上述实施例中进行点云匹配所适用的特征点云，可以是线特征点云或面特征点云。示例性的，可以通过迭代最近邻点（Iterative Closest Point，ICP）、正态分布变换（NormalDistributions Transform，NDT）等配准方式计算位姿变化，从而获取沿轨道运动过程中激光雷达左右晃动的姿态角的变化至，进而对所生成点云位置进行补偿以实现修正。
示例性的，在确定第t+1时间点所生成点云在地图坐标系中的位置信息LSt+1之后，执行S4106，根据上述坐标信息LSt+1，将上述激光雷达在第t+1时间点生成的点云添加至第t时间点对应的地图点云数据中，得到第t+1时间点对应的地图点云数据。其中，经过多个时间点对应的点云在地图坐标系中的坐标信息，便可以构建得到上述预设区域的地图点云数据。
示例性的，参考图6，在步骤S3将第t+1点云帧所包含的点云添加至第t时间点对应的地图点云数据过程中，具体是基于激光雷达在第t+1时间点生成的点云在地图坐标系中的坐标信息LSt+1进行添加的；从而在步骤S4中构建得到第t+1时间点对应的地图点云数据。
具体地，多个时间点对应的点云经过上述迭代过程，可以构建出关于上述预设区域的地图点云数据，如图7所示。
在如图5示出的构建地图点云数据的确定实施例中，在理想（激光雷达沿轨道运动且无左右晃动）情况下，通过步骤S4101-S4104以及S4106来完成整个地图点云数据的构建。然而，在实际情况下激光雷达沿轨道运动不可避免的存在左右晃动，则可以通过S4101-S4103、S4104’、S4105’和S4106实施例实现晃动补偿，从而即使在存在晃动因素的情况下，也可以得到清晰一致的点云地图。
继续参考图4，在S420中，根据所述地图点云数据确定第一目标点云数据。
在示例性的实施例中，在得到上述地图点云数据之后且在对地图点云数据进行聚类处理之前，可以对地图点云数据进行过滤处理。具体地，根据上述激光雷达与上述预设区域的地面之间的距离，确定地面点高度；进一步地，将上述地图点云数据中高度小于上述地面点高度的点云进行上述过滤处理，从而筛除了地面点影响，减少无效点云数据。
其中，经过上述过滤处理之后的地图点云数据可以直接用于进行聚类处理。为了进一步提升识别效率，也可以获取（筛除地面点后）地图点云数据中高度满足第二预设值要求的点云数据，然后对高度满足第二预设值要求的点云数据进行区域生长、聚类处理生成第一目标点云数据。
其中，可以理解的是，区域生长是将成组的像素或区域发展成更大区域的过程，即将与反射强度、距离信息与高度满足第二预设值的点云数据进行合并聚类，从而生成第一目标点云数据。
示例性的，上述第二预设值与目标对象的高度值相关，在聚类处理之前在地图点云数据中获取高度满足上述第二预设值的点云数据，从而高度不满足上述第二预设值的点云将不需要参与区域生长和聚类处理，进而缩减了所处理的数据量且提升了数据处理效率。例如，上述第二预设值取值为20厘米，并假设目标对象的高度值大于20厘米，本实施例中，可以只对高度高于20厘米的点云数据进行区域生长和聚类处理，而不需要考虑高度低于20厘米的点云数据。又例如，上述第二预设值取值为120厘米，并假如目标对象的高度值小于120厘米，则本实施例中，可以仅对高度低于120厘米的点云数据进行区域生长和聚类处理，而不需要考虑高度高于120厘米的点云数据。可见，通过上述处理可以轻松缩减数据计算量，且有利于锁定目标对象，提升目标对象的识别效率。
进一步地，对经过上述处理的地图点云数据进行聚类处理，以分割上述地图点云数据得到与多个聚类中心分别对应的第一目标点云数据。其中，每个聚类中心可能对应于上述预设区域中一个目标对象，如，物料堆，以及场景的中其他生产设备等。具体还需要通过以下实施例提供的比对过程来确定对应于目标对象的聚类中心，即区分墙面与目标对象（物料堆），进而实现预设区域内目标对象（物料堆）的识别。
在示例性的实施例中，在通过上述聚类处理得到的聚类中心确定了地图点云数据中所包含的多个三维物体（包含目标对象物料堆还包含非目标对象如墙面、设备等）之后，将通过S430在多个上述三维物体中确定出上述目标对象（如图8所示），即根据上述第一目标点云数据的形态特征信息与目标对象的目标形态特征（包括：投影特征和/或对称性特征）进行比对，并根据比对结果在第一目标点云数据中确定出第二目标点云数据；进一步地，根据第二目标点云数据来确定目标对象的状态参数。从而实现对预设区域中目标对象的动态监控。
具体地，上述目标对象的对称性特征可以通过：目标物体表面高度变化特征和/或目标物体表面发法向量变化特征来体现；在此情况下，结合图9a对S430-S440的具体实施方式进行详细介绍，参考图9a：
作为S430的一种实施方式执行S4301- S4304，在S4301中，对第一目标点云数据进行栅格化处理，得到第一目标点云数据对应的多个栅格以及每个栅格的高度信息和/或法向量信息。示例性的，假如聚类处理之后得到N（正整数）个聚类中心，每个聚类中心对应于一个第一目标点云数据。本实施例中对于每个聚类中心对应的第一目标点云数据进行栅格化处理。对于第i（不大于N的正整数）个聚类中心对应的第一目标点云数据进行栅格化处理之后，得到第i个聚类中心对应的多个栅格以及每个栅格的高度信息和/或法向量信息。
继续参考图9a，在S4302中，根据每个栅格的高度信息和法向量信息，确定第一目标点云数据的形态特征信息，其中，第一目标点云的形态特征信息包括：相邻栅格间的高度变化信息和/相邻栅格间的法向量之间夹角信息。
在目标形态特征包括目标物体表面高度变化特征和/或目标物体表面发法向量变化特征的情况下，比对过程如S4303：将相邻栅格间的高度变化信息与目标物体表面高度变化特征进行比对；和/或，将相邻栅格间的法向量之间夹角信息与目标物体表面发法向量变化特征进行比对。
本实施例中，通过栅格化可以得到地图中每个栅格的高度信息和/或法向量信息，相邻栅格高度信息的变化情况可以作为检测料堆（上述目标对象）的判据。这个判据主要利用了料堆的目标形态特征：（1）料堆都是落在地面上的，料堆表面的高度变化是连续的；（2）料堆表面的法向量变化是连续的且料堆顶部的法向量是竖直向上的；（3）料堆是对称的，三维形状是接近球形的，不同方向上高度变化都是呈“低-高-低”分布的。
因此，若通过比对确定第一目标点云数据的形状特征信息满足上述目标形状特征，确定当前聚类中心对应的第一目标点云与目标对象（物料堆）相对应；若通过比对确定第一目标点云数据的形状特征信息不满足上述目标形状特征，则确定当前聚类中心对应的第一目标点云与目标对象（物料堆）不对应，即可能为墙体、设备等。
从而，基于上述关于形态特征信息的判断标准，可以把聚类中的非料堆物体去除，只留下目标对象（料堆）对应的点云数据（可以记作：第二目标点云数据）。本实施例中，执行S4304，将比对成功的第一目标点云数据确定为第二目标点云数据。也就是说，目标对象（物料堆）的点云记作第二目标点云数据。进一步地，可以根据第二目标点云数据确定目标对象的状态参数。
继续参考图9a，作为S440的一种实施方式执行S4401-S4403。在S4401中，对于栅格化处理后的第二目标点云数据，进行降采样处理。
示例性的，上述实施例中所提供的栅格化处理的作用，除了体现在将非目标对象的三维物体滤除，得到待检测的目标对象之外，还体现在便于对点云进行降采样处理。具体地：
从地图点云数据中得到的上述第二目标点云数据是比较稠密的，直接利用这些点云计算料堆的状态参数的话，不仅计算量大而且容易受杂点的干扰导致表面积计算值出现偏差，例如，若上述第二目标点云数据的点云表明存在有褶皱，则其表面积是大于一个与其形状相同但表明光滑的表面的，可见通过降采样处理的方式能够使得所计算得到的表面积更加准确。
因此，本实施例中对于栅格化后的第二目标点云数据，将在每个栅格内的确定出一个代表点，降采样之后通过该代表点来代表该网格。示例性的，可以是将水平面坐标为该栅格中心的点作为栅格的代表点，代表点的高度坐标为该栅格内所有点高度值的统计值（如，平均值，中位数或者众数等）。通过一个代表点来代表响应栅格内所有点的方式，可以达到降采样的目的。
在S4402中，将上述降采样处理之后的第二目标点云数据进行点云三角化处理，得到组成上述三维目标的表面的多个三角剖分。以及，在S4403中，根据上述多个三角剖分确定上述三维目标的表面积和/或体积。
示例性的，参考图10，将降采样后的点云进行点云三角化处理，可以得到料堆表面的相对光滑的三角剖分。其中，料堆表面这时可看成是有一个个有公共边的三角形构成。然后，料堆的表面积就是所有三角形的面积之和，料堆的体积就是所有三角棱台的体积之和。
关于料堆的高度：示例性的，可以将第二目标点云数据中高度信息最大值的点云作为料堆最高点，并将该点高度信息作为料堆的高度。另一示例性的，还可以在将采样之后，将高度信息最大值的代表点作为料堆最高点，并将该点高度信息作为料堆的高度。可见，通过图9a所示实施例可以确定出目标对象的高度、表面积以及体积。另外，还可以获取目标对象（物料堆）在水平面的投影面积，以及投影半径。具体地，在对于栅格化处理后的第二目标点云数据之后，将其向水平面投影，根据投影栅格面积便可以确定目标对象（物料堆）在水平面的投影面积；由于投影特征为近似圆形，则可以投影栅格的边长确定投影半径。
上述目标对象的对称性特征可以包括：目标物体在水平面的投影特征以及目标物体在在垂直面的投影特征，在此情况下，结合图9b对S430-S440的具体实施方式进行详细介绍。参考图9b：
作为S430的另一种实施方式执行S4301’- S4303’。在S4301’中，获取第一目标点云数据在水平面的第一投影信息以及获取第一目标点云数据在垂直面的第二投影信息；在S4302’中，将第一投影信息与目标物体在水平面的投影特征进行比对，以及将第二投影信息与目标物体在垂直面的投影特征进行比对。
示例性的，同上所述物料堆（目标对象）的目标形态特征：料堆是对称的，在水平面内投影接近圆形，而在垂直面内的投影为三角形。从而，基于上述关于形态特征信息的判断标准，可以把聚类中的非料堆物体去除，只留下目标对象（料堆）对应的点云数据（可以记作：第二目标点云数据）。本实施例中，执行S4303’，将比对成功的第一目标点云数据确定为第二目标点云数据。也就是说，目标对象（物料堆）的点云记作第二目标点云数据。进一步地，可以根据第二目标点云数据确定目标对象的状态参数。
继续参考图9b，作为S440的另一种实施方式执行S4401’，根据第二目标点云的第一投影信息计算目标对象在水平面内的投影半径和/投影面积。
同上所述，第二目标点云的第一投影信息为圆形或椭圆形，可以根据该信息确定目标对象在水平面内的投影半径和/或投影面积。从而可以确定各个目标对象（物料堆）在地面上所占面积等状态信息。
继续参考图9b，作为S440的再一种实施方式执行S4402’，根据上述第二目标点云的聚类中心在上述地图坐标系中的坐标信息，确定目标对象在预设区域的位置信息，从而可以确定目标对象在预设区域内的位置信息。从而可以确定各个目标对象（物料堆）在地面上的位置，有利于实现对目标对象的动态监控。
通过上述实施例，不仅可以高效率地识别目标对象，还可以高效率的确定各个目标对象的状态参数，包括：目标对象在预设区域中的位置信息、目标对象的高度、体积以及表面积，目标对象在水平面的投影半径等。从而通过运动状态的激光雷达，可以实现对预设区域内目标对象的动态监控，进而便于对预设区域的空间管理。
需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
其中，图11示出了可以应用本公开一实施例的目标对象的检测装置的结构示意图。请参见图11，该图所示的目标对象的检测装置可以通过软件、硬件或者两者的结合实现成为电子设备的全部或一部分，还可以作为独立的模块集成于电子设备中或服务器上。
本公开实施例中的目标对象的检测装置1100包括：第一确定模块1110、第二确定模块1120、第三确定模块1130，以及第四确定模块1140。
其中，上述第一确定模块1110，用于通过激光雷达获取预设区域的点云，根据所述预设区域的点云确定所述预设区域的地图点云数据；上述第二确定模块1120，用于根据所述地图点云数据确定第一目标点云数据；上述第三确定模块1130，用于根据所述第一目标点云数据的形态特征信息与所述目标对象的目标形态特征进行比对，并根据比对结果在所述第一目标点云数据中确定出第二目标点云数据；上述第四确定模块1140，用于根据所述第二目标点云数据确定所述目标对象的状态参数。
在示例性的实施例中，图12示意性示出了根据本公开另一示例性的实施例中目标对象的检测装置的结构图。请参见图12：
在示例性的实施例中，基于前述方案，上述第一确定模块1110，具体用于：在所述激光雷达的位置固定的情况下，结合所述预设区域的点云和所述预设区域内激光雷达在地图坐标系中的坐标信息，得到所述预设区域的地图点云数据。
在示例性的实施例中，基于前述方案，上述第一确定模块1110，包括：第一确定单元11101、第二确定单元11102和添加单元11103。
其中，上述第一确定单元11101用于：在所述激光雷达处于运动状态的情况下，根据所述激光雷达的速度，确定第t+1时间点所述激光雷达在地图坐标系中的坐标信息Lt+1，其中，t为正整数；上述第二确定单元11102，用于：根据所述坐标信息Lt+1，确定所述激光雷达在第t+1时间点生成的点云在地图坐标系中的坐标信息LSt+1；上述添加单元11103用于：根据所述坐标信息LSt+1，将所述激光雷达在第t+1时间点生成的点云添加至第t时间点对应的地图点云数据中，得到第t+1时间点对应的地图点云数据；
其中，经过多个时间点对应的点云在地图坐标系中的坐标信息，构建所述预设区域的地图点云数据。
在示例性的实施例中，基于前述方案，所述激光雷达在第t+1时间点生成的点云记作第t+1点云帧；
所述第二确定单元11102，具体用于：提取所述第t+1点云帧中的特征点云；将所述t+1点云帧中的特征点云与第t帧的特征点云进行匹配，确定所述第t+1点云帧中特征点云的姿态角变化值；当所述姿态角变化值小于第一预设值，基于所述姿态角变化值确定对所述第t+1点云帧的补偿值；结合所述补偿值和所述坐标信息Lt+1，确定所述激光雷达在第t+1时间点生成的点云在所述地图坐标系中的坐标信息LSt+1。
在示例性的实施例中，基于前述方案，上述预设区域设置有轨道，上述轨道用于机器人的运行；上述激光雷达与上述机器人连接，则上述机器人在上述轨道运动的情况下，上述激光雷达处于运动状态。
在示例性的实施例中，基于前述方案，上述通过激光雷达获取预设区域的点云，包括：通过上述机器人在上述轨道上运动，带动上述激光雷达扫描上述预设区域，得到上述预设区域的点云。
在示例性的实施例中，基于前述方案，上述装置还包括：过滤模块1150。
其中，上述过滤模块1150用于：在上述第二确定模块1120对所述根据所述地图点云数据确定第一目标点云数据之前：根据所述激光雷达与所述预设区域的地面之间的距离，确定地面点高度；将所述地图点云数据中高度小于所述地面点高度的点云进行过滤处理，其中上述过滤处理之后的地图点云数据用于确定第一目标点云数据。
在示例性的实施例中，基于前述方案，所述第二确定模块1120，具体用于：获取所述地图点云数据中高度满足第二预设值要求的点云数据；对所述高度满足第二预设值要求的点云数据进行聚类处理，得到多个聚类中心分别对应的第一目标点云数据。
在示例性的实施例中，基于前述方案，所述目标形态特征包括：所述目标物体的投影特征和/或所述目标物体的对称性特征；
所述装置还包括：比对模块1160。其中，上述比对模块1160，用于：将所述第一目标点云数据的形态特征信息与所述目标对象的投影特征进行比对；和/或，将所述第一目标点云数据的形态特征信息与所述目标对象的对称性特征进行比对。
在示例性的实施例中，基于前述方案，所述第四确定模块1140，具体用于：根据所述第二目标点云数据的形态特征信息，确定所述目标物体的投影半径和投影面积；根据所述第二目标点云数据的形态特征信息，确定所述目标物体的体积和表面积；根据所述第二目标点云数据在所述地图坐标系中的坐标信息，确定所述目标对象在所述预设区域的位置信息；其中，将所述目标物体的投影半径、投影面积、体积、表面积以及在所述预设区域的位置信息中的至少一种作为所述目标对象的状态参数。
在示例性的实施例中，基于前述方案，所述目标形态特征包括目标物体表面高度变化特征和/或目标物体表面发法向量变化特征；
上述比对模块1160，具体用于：对所述第一目标点云数据进行栅格化处理，得到所述第一目标点云数据对应的多个栅格以及每个栅格的高度信息和/或法向量信息；根据每个栅格的高度信息和法向量信息，确定所述第一目标点云数据的形态特征信息，其中，所述第一目标点云数据的形态特征信息包括：相邻栅格间的高度变化信息和/或相邻栅格间的法向量之间夹角信息；将所述相邻栅格间的高度变化信息与所述目标物体表面高度变化特征进行比对；和/或，将所述相邻栅格间的法向量之间夹角信息与所述目标物体表面发法向量变化特征进行比对。
在示例性的实施例中，基于前述方案，上述第四确定模块1140，具体用于：对于栅格化处理后的第二目标点云数据，进行降采样处理；将所述降采样处理之后的第二目标点云数据进行点云三角化处理，得到组成所述目标对象表面的多个三角剖分；根据所述多个三角剖分确定所述目标对象的表面积和/或体积。
在示例性的实施例中，基于前述方案，所述目标形态特征包括：目标物体在水平面的投影特征以及目标物体在在垂直面的投影特征；
所述比对模块1160，具体用于：获取所述第一目标点云数据在水平面的第一投影信息以及获取所述第一目标点云数据在垂直面的第二投影信息；将所述第一投影信息与所述目标物体在水平面的投影特征进行比对，以及，将所述第二投影信息与所述目标物体在垂直面的投影特征进行比对。
在示例性的实施例中，基于前述方案，上述第四确定模块1140，具体用于：根据所述第一投影信息计算所述目标对象在水平面内的投影半径和/或投影面积。
需要说明的是，上述实施例提供的目标对象的检测装置在执行目标对象的检测方法时，仅以上述各功能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模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的目标对象的检测装置与目标对象的检测方法实施例属于同一构思，因此对于本公开装置实施例中未披露的细节，请参照本公开上述的目标对象的检测方法的实施例，这里不再赘述。
上述本公开实施例序号仅仅为了描述，不代表实施例的优劣。
本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述任一实施例方法的步骤。其中，计算机可读存储介质可以包括但不限于任何类型的盘，包括软盘、光盘、DVD、CD-ROM、微型驱动器以及磁光盘、ROM、RAM、EPROM、EEPROM、DRAM、VRAM、闪速存储器设备、磁卡或光卡、纳米系统（包括分子存储器IC），或适合于存储指令和/或数据的任何类型的媒介或设备。
本公开实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一实施例方法的步骤。
图13示意性示出了根据本公开一示例性的实施例中电子设备的结构图。请参见图13所示，电子设备1300包括有：处理器1301和存储器1302。
本公开实施例中，处理器1301为计算机系统的控制中心，可以是实体机的处理器，也可以是虚拟机的处理器。处理器1301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable LogicArray，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(CentralProcessing Unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。
在本公开实施例中，上述处理器1301具体用于：
通过激光雷达获取预设区域的点云，根据所述预设区域的点云确定所述预设区域的地图点云数据；根据所述地图点云数据确定第一目标点云数据；根据所述第一目标点云数据的形态特征信息与所述目标对象的目标形态特征进行比对，并根据比对结果在所述第一目标点云数据中确定出第二目标点云数据；根据所述第二目标点云数据确定所述目标对象的状态参数。
进一步地，在所述激光雷达为固定的情况下，所述根据所述预设区域的点云确定所述预设区域的地图点云数据，包括：结合所述预设区域的点云和所述预设区域内激光雷达在地图坐标系中的坐标信息，得到所述预设区域的地图点云数据。
进一步地，在所述激光雷达为运动状态的情况下，所述根据所述预设区域的点云确定所述预设区域的地图点云数据，包括：根据所述激光雷达的速度，确定第t+1时间点所述激光雷达在地图坐标系中的坐标信息Lt+1，其中，t为正整数；根据所述坐标信息Lt+1，确定所述激光雷达在第t+1时间点生成的点云在地图坐标系中的坐标信息LSt+1；根据所述坐标信息LSt+1，将所述激光雷达在第t+1时间点生成的点云添加至第t时间点对应的地图点云数据中，得到第t+1时间点对应的地图点云数据；
其中，经过多个时间点对应的点云在地图坐标系中的坐标信息，构建所述预设区域的地图点云数据。
进一步地，所述激光雷达在第t+1时间点生成的点云记作第t+1点云帧；
所述根据所述坐标信息Lt+1，确定所述激光雷达在第t+1时间点生成的点云在地图坐标系中的坐标信息LSt+1，包括：提取所述第t+1点云帧中的特征点云；将所述t+1点云帧中的特征点云与第t帧的特征点云进行匹配，确定所述第t+1点云帧中特征点云的姿态角变化值；当所述姿态角变化值小于第一预设值，基于所述姿态角变化值确定对所述第t+1点云帧的补偿值；结合所述补偿值和所述坐标信息Lt+1，确定所述激光雷达在第t+1时间点生成的点云在所述地图坐标系中的坐标信息LSt+1。
进一步地，上述预设区域设置有轨道，上述轨道用于机器人的运行；上述激光雷达与上述机器人连接，则上述机器人在上述轨道运动的情况下，上述激光雷达处于运动状态。
进一步地，上述通过激光雷达获取预设区域的点云，包括：通过上述机器人在上述轨道上运动，带动上述激光雷达扫描上述预设区域，得到上述预设区域的点云。
在本公开实施例中，上述处理器1301还具体用于：在对所述根据所述地图点云数据确定第一目标点云数据之前：根据所述激光雷达与所述预设区域的地面之间的距离，确定地面点高度；将所述地图点云数据中高度小于所述地面点高度的点云进行过滤处理，其中上述过滤处理之后的地图点云数据用于确定第一目标点云数据。
进一步地，所述根据所述地图点云数据获取第一目标点云数据，包括：获取所述地图点云数据中高度满足第二预设值要求的点云数据；对所述高度满足第二预设值要求的点云数据进行聚类处理，得到多个聚类中心分别对应的第一目标点云数据。
进一步地，所述目标形态特征包括：所述目标物体的投影特征和/或所述目标物体的对称性特征；
所述根据所述第一目标点云数据的形态特征信息与所述目标对象的目标形态特征进行比对，包括：将所述第一目标点云数据的形态特征信息与所述目标对象的投影特征进行比对；和/或，将所述第一目标点云数据的形态特征信息与所述目标对象的对称性特征进行比对。
进一步地，所述根据所述第二目标点云数据确定所述目标对象的状态参数，包括：根据所述第二目标点云数据的形态特征信息，确定所述目标物体的投影半径和投影面积；据所述第二目标点云数据的形态特征信息，确定所述目标物体的体积和表面积；根据所述第二目标点云数据在所述地图坐标系中的坐标信息，确定所述目标对象在所述预设区域的位置信息；其中，将所述目标物体的投影半径、投影面积、体积、表面积以及在所述预设区域的位置信息中的至少一种作为所述目标对象的状态参数。
存储器1302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在本公开的一些实施例中，存储器1302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器1301所执行以实现本公开实施例中的方法。
一些实施例中，电子设备1300还包括有：外围设备接口1303和至少一个外围设备。处理器1301、存储器1302和外围设备接口1303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1303相连。具体地，外围设备包括：显示屏1304、摄像头1305和音频电路1306中的至少一种。
外围设备接口1303可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器1301和存储器1302。在本公开的一些实施例中，处理器1301、存储器1302和外围设备接口1303被集成在同一芯片或电路板上；在本公开的一些其他实施例中，处理器1301、存储器1302和外围设备接口1303中的任意一个或两个可以在单独的芯片或电路板上实现。本公开实施例对此不作具体限定。
显示屏1304用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1304是触摸显示屏时，显示屏1304还具有采集在显示屏1304的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1301进行处理。此时，显示屏1304还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在本公开的一些实施例中，显示屏1304可以为一个，设置电子设备1300的前面板；在本公开的另一些实施例中，显示屏1304可以为至少两个，分别设置在电子设备1300的不同表面或呈折叠设计；在本公开的再一些实施例中，显示屏1304可以是柔性显示屏，设置在电子设备1300的弯曲表面上或折叠面上。甚至，显示屏1304还可以设置成非矩形的不规则图形，也即异形屏。显示屏1304可以采用LCD(Liquid Crystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头1305用于采集图像或视频。可选地，摄像头1305包括前置摄像头和后置摄像头。通常，前置摄像头设置在电子设备的前面板，后置摄像头设置在电子设备的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在本公开的一些实施例中，摄像头1305还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路1306可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器1301进行处理。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在电子设备1300的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。
电源1307用于为电子设备1300中的各个组件进行供电。电源1307可以是交流电、直流电、一次性电池或可充电电池。当电源1307包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
本公开实施例中示出的电子设备结构框图并不构成对电子设备1300的限定，电子设备1300可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
在本公开的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本公开中的具体含义。此外，在本公开的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
以上上述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，依本公开权利要求所作的等同变化，仍属本公开所涵盖的范围。

Claims (11)

1.一种目标对象的检测方法，其特征在于，所述方法包括：
通过激光雷达获取预设区域的点云，根据所述预设区域的点云确定所述预设区域的地图点云数据；
根据所述地图点云数据确定第一目标点云数据；
根据所述第一目标点云数据的形态特征信息与所述目标对象的目标形态特征进行比对，并根据比对结果在所述第一目标点云数据中确定出第二目标点云数据；
根据所述第二目标点云数据确定所述目标对象的状态参数。
2.根据权利要求1所述的方法，其特征在于，在所述激光雷达的位置固定的情况下，所述根据所述预设区域的点云确定所述预设区域的地图点云数据，包括：
结合所述预设区域的点云和所述预设区域内激光雷达在地图坐标系中的坐标信息，得到所述预设区域的地图点云数据。
3.根据权利要求1所述的方法，其特征在于，在所述激光雷达为运动状态的情况下，所述根据所述预设区域的点云确定所述预设区域的地图点云数据，包括：
根据所述激光雷达的速度，确定第t+1时间点所述激光雷达在地图坐标系中的坐标信息Lt+1，其中，t为正整数；
根据所述坐标信息Lt+1，确定所述激光雷达在第t+1时间点生成的点云在地图坐标系中的坐标信息LSt+1；
根据所述坐标信息LSt+1，将所述激光雷达在第t+1时间点生成的点云添加至第t时间点对应的地图点云数据中，得到第t+1时间点对应的地图点云数据；
其中，经过多个时间点对应的点云在地图坐标系中的坐标信息，构建所述预设区域的地图点云数据。
4.根据权利要求3所述的方法，其特征在于，所述激光雷达在第t+1时间点生成的点云记作第t+1点云帧；
所述根据所述坐标信息Lt+1，确定所述激光雷达在第t+1时间点生成的点云在地图坐标系中的坐标信息LSt+1，包括：
提取所述第t+1点云帧中的特征点云；
将所述t+1点云帧中的特征点云与第t帧的特征点云进行匹配，确定所述第t+1点云帧中特征点云的姿态角变化值；
当所述姿态角变化值小于第一预设值，基于所述姿态角变化值确定对所述第t+1点云帧的补偿值；
结合所述补偿值和所述坐标信息Lt+1，确定所述激光雷达在第t+1时间点生成的点云在所述地图坐标系中的坐标信息LSt+1。
5.根据权利要求1至4中任意一项所述的方法，其特征在于，在对所述根据所述地图点云数据确定第一目标点云数据之前，所述方法还包括：
根据所述激光雷达与所述预设区域的地面之间的距离，确定地面点高度；
将所述地图点云数据中高度小于所述地面点高度的点云进行过滤处理，其中所述过滤处理之后的地图点云数据用于确定第一目标点云数据。
6.根据权利要求1至4中任意一项所述的方法，其特征在于，所述根据所述地图点云数据获取第一目标点云数据，包括：
获取所述地图点云数据中高度满足第二预设值要求的点云数据；
对所述高度满足第二预设值要求的点云数据进行聚类处理，得到与多个聚类中心分别对应的第一目标点云数据。
7.根据权利要求1至4中任意一项所述的方法，其特征在于，所述目标形态特征包括：所述目标物体的投影特征和/或所述目标物体的对称性特征；
所述根据所述第一目标点云数据的形态特征信息与所述目标对象的目标形态特征进行比对，包括：
将所述第一目标点云数据的形态特征信息与所述目标对象的投影特征进行比对；和/或，
将所述第一目标点云数据的形态特征信息与所述目标对象的对称性特征进行比对。
8.根据权利要求7所述的方法，其特征在于，所述根据所述第二目标点云数据确定所述目标对象的状态参数，包括：
根据所述第二目标点云数据的形态特征信息，确定所述目标物体的投影半径和投影面积；
根据所述第二目标点云数据的形态特征信息，确定所述目标物体的体积和表面积；
根据所述第二目标点云数据在所述地图坐标系中的坐标信息，确定所述目标对象在所述预设区域的位置信息；
其中，将所述目标物体的投影半径、投影面积、体积、表面积以及在所述预设区域的位置信息中的至少一种作为所述目标对象的状态参数。
9.一种目标对象的检测装置，其特征在于，所述装置包括：
第一确定模块，用于通过激光雷达获取预设区域的点云，根据所述预设区域的点云确定所述预设区域的地图点云数据；
第二确定模块，用于根据所述地图点云数据确定第一目标点云数据；
第三确定模块，用于根据所述第一目标点云数据的形态特征信息与所述目标对象的目标形态特征进行比对，并根据比对结果在所述第一目标点云数据中确定出第二目标点云数据；
第四确定模块，用于根据所述第二目标点云数据确定所述目标对象的状态参数。
10.一种电子设备，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8中任意一项所述的目标对象的检测方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任意一项所述的目标对象的检测方法。
CN202211098411.XA 2022-09-09 2022-09-09 目标对象的检测方法及装置、介质及电子设备 Active CN115205284B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202310037137.3A CN116243270A (zh) 2022-09-09 2022-09-09 目标对象的检测方法及装置、介质及电子设备
CN202211098411.XA CN115205284B (zh) 2022-09-09 2022-09-09 目标对象的检测方法及装置、介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211098411.XA CN115205284B (zh) 2022-09-09 2022-09-09 目标对象的检测方法及装置、介质及电子设备

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202310037137.3A Division CN116243270A (zh) 2022-09-09 2022-09-09 目标对象的检测方法及装置、介质及电子设备

Publications (2)

Publication Number Publication Date
CN115205284A true CN115205284A (zh) 2022-10-18
CN115205284B CN115205284B (zh) 2023-02-14

Family

ID=83571921

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202310037137.3A Pending CN116243270A (zh) 2022-09-09 2022-09-09 目标对象的检测方法及装置、介质及电子设备
CN202211098411.XA Active CN115205284B (zh) 2022-09-09 2022-09-09 目标对象的检测方法及装置、介质及电子设备

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202310037137.3A Pending CN116243270A (zh) 2022-09-09 2022-09-09 目标对象的检测方法及装置、介质及电子设备

Country Status (1)

Country Link
CN (2) CN116243270A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116758533A (zh) * 2023-06-02 2023-09-15 广东光速智能设备有限公司 塔吊吊物类型识别的方法、装置、终端及可读存储介质
CN117197239A (zh) * 2023-09-13 2023-12-08 北醒（北京）光子科技有限公司 冲击点区域定位方法、装置、电子设备及存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116442286B (zh) * 2023-06-15 2023-10-20 国网瑞嘉(天津)智能机器人有限公司 机器人作业对象定位系统、方法、装置、机器人及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN210572743U (zh) * 2019-05-29 2020-05-19 北方环保有限公司 一种基于无人机的物料堆体积测量装置
WO2020214959A1 (en) * 2019-04-17 2020-10-22 The Regents Of The University Of Michigan Multidimensional materials sensing systems and methods
CN113298820A (zh) * 2020-12-01 2021-08-24 湖南长天自控工程有限公司 一种料堆盘库的方法及系统
CN113468941A (zh) * 2021-03-11 2021-10-01 长沙智能驾驶研究院有限公司 障碍物检测方法、装置、设备及计算机存储介质
CN114111568A (zh) * 2021-09-30 2022-03-01 深圳市速腾聚创科技有限公司 动态目标外观尺寸的确定方法及装置、介质及电子设备
EP4040389A1 (en) * 2021-02-09 2022-08-10 EveryPoint, Inc. Determining object structure using physically mounted devices with only partial view of object

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020214959A1 (en) * 2019-04-17 2020-10-22 The Regents Of The University Of Michigan Multidimensional materials sensing systems and methods
CN210572743U (zh) * 2019-05-29 2020-05-19 北方环保有限公司 一种基于无人机的物料堆体积测量装置
CN113298820A (zh) * 2020-12-01 2021-08-24 湖南长天自控工程有限公司 一种料堆盘库的方法及系统
EP4040389A1 (en) * 2021-02-09 2022-08-10 EveryPoint, Inc. Determining object structure using physically mounted devices with only partial view of object
CN113468941A (zh) * 2021-03-11 2021-10-01 长沙智能驾驶研究院有限公司 障碍物检测方法、装置、设备及计算机存储介质
CN114111568A (zh) * 2021-09-30 2022-03-01 深圳市速腾聚创科技有限公司 动态目标外观尺寸的确定方法及装置、介质及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DAYI ZHANG等: "A Framework of Using Customized LIDAR to Localize Robot for Nuclear Reactor Inspections", 《IEEE SENSORS JOURNAL》 *
高进等: "动态倾斜校准传感器的姿态角补偿优化算法", 《电子科技》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116758533A (zh) * 2023-06-02 2023-09-15 广东光速智能设备有限公司 塔吊吊物类型识别的方法、装置、终端及可读存储介质
CN116758533B (zh) * 2023-06-02 2024-04-09 广东光速智能设备有限公司 塔吊吊物类型识别的方法、装置、终端及可读存储介质
CN117197239A (zh) * 2023-09-13 2023-12-08 北醒（北京）光子科技有限公司 冲击点区域定位方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN116243270A (zh) 2023-06-09
CN115205284B (zh) 2023-02-14

Similar Documents

Publication Publication Date Title
CN115205284B (zh) 目标对象的检测方法及装置、介质及电子设备
US10915998B2 (en) Image processing method and device
CN110111388B (zh) 三维物体位姿参数估计方法及视觉设备
US20160063705A1 (en) Systems and methods for determining a seam
JP2022511427A (ja) 画像特徴点の動き情報の決定方法、タスク実行方法およびデバイス
JP6762570B2 (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
US10970807B2 (en) Information processing apparatus and storage medium
US20110261013A1 (en) Touch screen system based on image recognition
CN111142514B (zh) 一种机器人及其避障方法和装置
US20150379367A1 (en) Mobile Device Field of View Region Determination
CN113362441B (zh) 三维重建方法、装置、计算机设备和存储介质
CN115861975B (zh) 障碍物车辆位姿估计方法及设备
CN110009599A (zh) 肝占位检测方法、装置、设备及存储介质
CN114111568A (zh) 动态目标外观尺寸的确定方法及装置、介质及电子设备
CN110398215A (zh) 图像处理装置和方法，系统，物品制造方法，存储介质
CN115471731A (zh) 图像处理方法、装置、存储介质及设备
JP2008206143A (ja) 画像処理機能を備える撮像装置
US20230162442A1 (en) Image processing apparatus, image processing method, and storage medium
CN111383262A (zh) 遮挡检测方法、系统、电子终端以及存储介质
JP6779368B2 (ja) 画像処理装置、画像処理方法、およびプログラム
US20190392594A1 (en) System and method for map localization with camera perspectives
CN115082662B (zh) 目标区域的定位方法和目标区域的定位装置
CN115294234B (zh) 图像的生成方法、装置、电子设备和存储介质
CN115086539B (zh) 拍摄点的定位方法和系统
CN113038070B (zh) 一种设备调焦方法、装置和云平台

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