CN117173667A - 对象尺寸估计方法、装置、电子设备及介质 - Google Patents

Abstract

本申请关于一种对象尺寸估计方法、装置、电子设备及介质。该方法可以包括：获取目标对象对应的累积边缘点云数据，累积边缘点云数据包括多个边缘点的位置信息，多个边缘点的数量大于第一数量阈值；基于多个边缘点，对目标对象的轮廓进行预测，得到目标对象的轮廓信息；确定目标采集方位下目标对象相对于目标采集方位的上一采集方位的相对旋转方向和相对旋转角度；目标采集方位为采集时间顺序上处于采集末端的采集方位；根据轮廓信息、相对旋转方向以及相对旋转角度，对所述目标对象的尺寸进行估计，得到所述目标对象的尺寸信息。根据本申请提供的技术方案，可以使得毫米波雷达获取的点云不再稀疏，提高对目标对象尺寸估计的精准性。

Description

对象尺寸估计方法、装置、电子设备及介质

技术领域

本申请涉及雷达数据处理技术领域，尤其涉及一种对象尺寸估计方法、装置、电子设备及介质。

背景技术

目前，车载毫米波雷达经过数据处理、目标跟踪后，只能获得目标对象的距离、速度、方位等信息。由于车载毫米波雷达输出点云稀疏，所构成的边缘点无法准确得到目标对象的轮廓信息，不能准确对目标对象的尺寸进行估计，进而影响毫米波雷达的辅助驾驶功能，导致目标对象尺寸估计不稳定且估计的尺寸不精确。

发明内容

本申请提供一种一种对象尺寸估计方法、装置、电子设备及介质，以至少解决相关技术中如何提高对目标对象尺寸估计的准确性的问题。本申请的技术方案如下：

根据本申请实施例的第一方面，提供一种对象尺寸估计方法，包括：

获取目标对象对应的累积边缘点云数据，累积边缘点云数据包括多个边缘点的位置信息，多个边缘点的数量大于第一数量阈值；第一数量阈值的边缘点各自对应的采集方位的种类的数量大于预设种类数量；

基于多个边缘点，对目标对象的轮廓进行预测，得到目标对象的轮廓信息；

确定目标采集方位下目标对象相对于目标采集方位的上一采集方位的相对旋转方向和相对旋转角度；目标采集方位为采集时间顺序上处于采集末端的采集方位；

根据轮廓信息、相对旋转方向以及相对旋转角度，对目标对象的尺寸进行估计，得到目标对象的尺寸信息。

根据本申请实施例的第二方面，提供一种对象尺寸估计装置，包括：

获取模块，用于获取目标对象对应的累积边缘点云数据，累积边缘点云数据包括多个边缘点的位置信息，多个边缘点的数量大于第一数量阈值；第一数量阈值的边缘点各自对应的采集方位的种类的数量大于预设种类数量；

轮廓预测模块，用于基于多个边缘点，对目标对象的轮廓进行预测，得到目标对象的轮廓信息；

确定模块，用于确定目标采集方位下目标对象相对于目标采集方位的上一采集方位的相对旋转方向和相对旋转角度；目标采集方位为采集时间顺序上处于采集末端的采集方位；

尺寸估计模块，用于根据所述轮廓信息、相对旋转方向以及相对旋转角度，对目标对象的尺寸进行估计，得到目标对象的尺寸信息。

根据本申请实施例的第三方面，提供一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，处理器被配置为执行所述指令，以实现如上述第一方面中任一项所述的方法。

根据本申请实施例的第四方面，提供一种计算机可读存储介质，当计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行本申请实施例的第一方面中任一项方法。

根据本申请实施例的第五方面，提供一种计算机程序产品，包括计算机指令，计算机指令被处理器执行时，使得计算机执行本申请实施例的第一方面中任一项方法。

本申请的实施例提供的技术方案至少带来以下有益效果：

通过获取目标对象对应的累积边缘点云数据，累积边缘点云数据包括多个边缘点的位置信息，基于多个边缘点，对目标对象的轮廓进行预测，得到目标对象的轮廓信息；通过累积目标对象对应的边缘点的数量大于第一数量阈值，使得毫米波雷达获取的点云不再稀疏，从而使得基于该大于第一数量阈值的边缘点得到目标对象的轮廓信息，以用于预测目标对象的轮廓信息，提高了目标对象轮廓预测的准确性，为目标对象的尺寸准确估计提供了基础。

并且，通过确定目标采集方位下目标对象相对于目标采集方位的上一采集方位的相对旋转方向和相对旋转角度，根据轮廓信息、相对旋转方向以及相对旋转角度，对目标对象的尺寸进行估计，得到所述目标对象的尺寸信息，本申请能够获取目标对象的不同采集方位，基于不同的采集方位，使得采集方位的点云数据不再单一化，使得估计结果更具可靠性；通过相对旋转方向以及相对旋转角度，消除了因采集角度导致目标对象尺寸的误差，提高目标对象在尺寸估计上的稳定性与精确性。

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，并不能限制本申请。

根据下面参考附图对示例性实施例的详细说明，本公开的其他特征及方面将变得清楚。

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，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理，并不构成对本申请的不当限定。

图1是根据一示例性实施例示出的一种应用环境的示意图。

图2是根据一示例性实施例示出的一种对象尺寸估计方法的流程图。

图3是根据一示例性实施例示出的一种多个边缘点排序的示意图。

图4是根据一示例性实施例示出的一种目标对象轮廓信息的示意图。

图5是根据一示例性实施例示出的一种目标对象尺寸估计方法的示意图。

图6是根据一示例性实施例示出的一种对象尺寸估计的装置框图。

图7是根据一示例性实施例示出的一种用于对象尺寸估计的电子设备的框图一。

图8是根据一示例性实施例示出的一种用于对象尺寸估计的电子设备的框图二。

具体实施方式

为了使本领域普通人员更好地理解本申请的技术方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

请参阅图1，图1是根据一示例性实施例示出的一种应用环境的示意图，如图1所示，该应用环境可以包括服务器01和终端02。

在一个可选的实施例中，服务器01可以用于对象尺寸估计。具体的，服务器01可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。

在一个可选的实施例中，终端02也可以用于对象尺寸估计。具体的，终端02可以包括但不限于智能手机、台式计算机、平板电脑、笔记本电脑、智能音箱、数字助理、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、智能可穿戴设备等类型的电子设备。可选的，电子设备上运行的操作系统可以包括但不限于安卓系统、IOS系统、linux、windows等。

此外，需要说明的是，图1所示的仅仅是本申请提供的对象尺寸估计方法的一种应用环境。

本说明书实施例中，上述服务器01以及终端02可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。

需要说明的是，以下图中示出的是一种可能的步骤顺序，实际上并不限定必须严格按照此顺序。有些步骤可以在互不依赖的情况下并行执行。本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息、用户行为信息等)和数据(包括但不限于用于展示的数据、训练的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

图2是根据一示例性实施例示出的一种对象尺寸估计方法的流程图。如图2所示，可以包括以下步骤。

在步骤S201中，获取目标对象对应的累积边缘点云数据，累积边缘点云数据包括多个边缘点的位置信息，多个边缘点的数量大于第一数量阈值；第一数量阈值的边缘点各自对应的采集方位的种类的数量大于预设种类数量。

其中，目标对象可以是指需要进行尺寸估计的对象，例如，小轿车或大卡车等，本申请对此不作限定。累积边缘点云数据可以是指对目标对象的边缘位置进行多次采集累积得到的点云数据。

边缘点可以是指目标对象边缘轮廓上的点。边缘点的位置信息可以是指表征边缘点位置的信息，例如采集点云数据所使用的坐标系中的坐标来表征；或者使用距离目标对象的中心点的距离以及角度来表征，其中，角度可以是指边缘点与中心点的连线，与穿过中心点的预设轴线之间的夹角对应的角度。

第一数量阈值可以是指预先设置的、用于对象尺寸估计的边缘点的数量条件，即达到该第一数据阈值的边缘点才可以看作是非稀疏的，进而才可以用于对象尺寸的估计。

采集方位可以是指采集目标对象的边缘的点云数据时的方位。

预设种类数量可以是指预先设置的、用于对象尺寸估计的边缘点所需要满足的方位种类的数量。

本说明书实施例中，通过雷达设备发送电磁波，即毫米波，来感知目标对象的边缘环境。对目标对象进行扫描，以采集目标对象的边缘点的点云数据。每采集一次得到的点云数据可以称为采集点云数据，一条采集点云数据中包括的边缘点可以为预设数量，预设数据小于第一数量阈值。

在一种可能的实现方式中，获取目标对象对应的第一点云数据集合，第一点云数据集合中包括多个边缘点云数据；任一边缘点云数据中包括的边缘点为起始采集时间至任一边缘点云数据对应的采集时间所累积采集到的边缘点；进一步地，可以基于第一数量阈值从所述多个边缘点云数据中筛选出累积边缘点云数据，累积边缘点云数据为多个边缘点云数据中包括的边缘点的数量大于或等于第一数量阈值的边缘点云数量。

其中，第一点云数据集合可以是指用于存储多个边缘点云数据的集合。边缘点云数据可以是指存储一次采集时间内的点云数据。采集时间可以是指采集目标对象点云数据的时间。

示例性地，以采集三次边缘点的点云数据为例，第一点云数据集合中的边缘点云数据的存储方式可以如下：

边缘点云数据1(L1):t1，包括边缘点的数量为8，[C1]；

边缘点云数据2(L2):t2，包括边缘点的数量为17，[C1，C2]；

边缘点云数据3(L3):t3，包括边缘点的数量为27，[C1，C2，C3]。

其中，t1、t2、t3可以是指对应的一条边缘点云数据存储到第一点云数据集合的时间，t1可以看作起始采集时间。C1、C2、C3可以是指依次采集到的3条采集点云数据，采集点云数据C1采集了8个边缘点；由于L2是由C1和C2累积得到的，因此可以确定采集点云数据C2采集了17-8＝9个边缘点；相应地，可以确定采集点云数据C3采集了27-17＝10个边缘点。

若假设第一数量阈值为25，则从第一点云数据集合中筛选出包括的边缘点的数量大于或等于第一数量阈值对应的边缘点云数据，只有L3，因此可以将L3作为累积边缘点云数据。

相应地，第一点云数据集合可以随着不断采集，包括的边缘点云数据的数量也可以增多。例如采集C4，C4包括8个边缘点。从而可以将C4添加至第一点云数据集合，则会触发向第一点云数据集合新增目标采集点云数据，响应于向第一点云数据集合新增目标采集点云数据，获取第一点云数据集合中目标边缘点云数据；目标边缘点云数据对应的采集时间与当前时间的时间差小于其他边缘点云数据对应的采集时间与当前时间的时间差；其他边缘点云数据为第一点云数据集合中除目标采集点云数据之外的边缘点云数据；

进一步地，将目标边缘点云数据中的边缘点的位置信息与目标采集点云数据中的边缘点的位置信息，拼接为新增的边缘点云数据；将拼接后的新增的边缘点云数据作为一条边缘点云数据添加至第一点云数据集合。

以上述C4作为目标采集点云数据、上述示例中的第一点云数据集合为例，可以确定第一点云数据集合中的目标边缘点云数据为L3。基于此，也将C4与L3拼接，拼接为新增的边缘点云数据L4：[C1，C2，C3，C4]。此时可以将将拼接后的新增的边缘点云数据作为一条边缘点云数据添加至第一点云数据集合，第一点云数据集合如下：

边缘点云数据1(L1):t1，包括边缘点的数量为8，[C1]；

边缘点云数据2(L2):t2，包括边缘点的数量为17，[C1，C2]；

边缘点云数据3(L3):t3，包括边缘点的数量为27，[C1，C2，C3]；

边缘点云数据4(L4):t4，包括边缘点的数量为35，[C1，C2，C3，C4]。

若第一数量阈值为25，这时可以获取L3或L4作为累积边缘点云数据。

需要说明的是，相邻两次采集边缘点的位置信息对应的采集方位可以不同。例如相邻的C1和C2，C2和C3，C3和C4，对应的采集方位不同。而非相邻的采集方位可以相同或不同，本申请对此不作限定。

可选地，可以设置采集方位的预设种类数量，通过预设种类数量结合第一数据阈值两者从第一点云数据集合中获取累积边缘点云数据。举例来说，满足第一数量阈值的边缘点云数据为L3和L4，若设置采集方位的预设种类数量为4，且C1，C2，C3，C4各自的采集方位不同，则只能选择L4作为累积边缘点云数据。

可选地，还可以设置第二数量阈值来约束第一点云数据集合中边缘点的数量上限，该第二数量阈值可以大于第一数量阈值。假设第二数量阈值为35，在上述第一点云数据集合包括L1～L4的基础上，响应于新增采集点云数据C5，C5的边缘点的数量为5,可以确定第一点云数据集合中的目标边缘点云数据为L4，基于此，也将C5与L4拼接，拼接为新增的边缘点云数据L5,此时，L5的边缘点的数量为40个。此时40大于35，可以删除起始时刻的采集点云数据中的边缘点，则将L5中t1采集时刻的采集点云数据C1中的边缘点进行删除，删除数量为40-35＝5个，此时，C1中边缘点的数据为3个，再将C5与删除边缘点后的L4进行拼接，拼接为新增的边缘点云数据L5，包括边缘点的数量为35，[C1′，C2，C3，C4,C5]分别对应边缘点的数量为[3，9，10，8，5]。其中，C1′为C1删除3个边缘点后的边缘点。

一种可能的实现方式中，获取目标对象对应的第二点云数据集合，第二点云数据集合中包括在不同采集方位下采集得到的多个采集点云数据；基于第一数量阈值从多个采集点云数据中提取累积边缘点云数据；累积边缘点云数据包括的采集点云数据中的边缘点的数量大于或等于第一数量阈值。

其中，第二点云数据集合可以是指用于存储多个边缘点云数据的集合。采集点云数据可以是指不同采集时间下采集的点云数据。

本说明书实施例中，获取目标对象对于的第二点云数据集合，根据第一数量阈值，从第二点云数据集合中的多个采集点云数据中提取出累积点云数据，其中，累积点云数据中包括的多个采集点云数据中的多个边缘点大于或等于第一数量阈值。

表1

示例性地，如上表1所示，采集三次边缘点的点云数据为例，第二点云数据集合中的边缘点云数据的存储方式可以如下：

采集点云数据C1：t1；包括边缘点的数量：8；第二点云数据集合：[C1]；

采集点云数据C2：t2；包括边缘点的数量：9；第二点云数据集合：[C1，C2]；

采集点云数据C3：t3；包括边缘点的数量：10；第二点云数据集合：[C1，C2，C3]；

其中，t1、t2、t3可以是指对应的一条采集点云数据存储到第二点云数据集合的时间，t1可以看作起始采集时间。C1、C2、C3可以是指依次采集到的3条采集点云数据，分别对应的边缘点的数量为8，9，10；t1、t2、t3对应的第二点云数据集合分别为[C1]，[C1，C2]，[C1，C2，C3]；

若假设第一数量阈值为18，则从第二点云数据集合中提取出包括的边缘点的数量大于或等于第一数量阈值对应的采集点云数据，则只能从t3时刻的第二点云采集数据集合：[C1，C2，C3]中提取，因此，可以有多种提取方式，提取C1和C3,累积边缘点云数据的边缘点的数量为8+10＝18；或提取C2和C3,累积边缘点云数据的边缘点的数量为9+10＝19；或提取C1，C2和C3,累积边缘点云数据的边缘点的数量为8+9+10＝27。

在一种可能的实现方式中，在极坐标系下对目标对象的边缘点信息采集，得到初始采集点云数据；将初始采集点云数据转换到笛卡尔坐标系下，得到所述目标采集点云数据。

其中，极坐标系可以是指在平面内由极点、极轴和极径组成的坐标系。笛卡尔坐标系可以是指直角坐标系和斜角坐标系的统称。初始采集点云数据可以是指采集时间处于初始时间时，从极坐标系中采集的点云信息。

本说明书实施例中，在极坐标系下，采集目标对象在初始采集时间下的边缘点信息，得到目标对象对应的初始采集点云数据，将极坐标系下的初始采集点云数据转换到笛卡尔坐标系下，其中，x，y表示笛卡尔坐标系中的第一坐标轴和第二坐标轴，ρ表示极坐标系中的极径，/>表示极坐标系中的极角。通过公式转换，将极坐标系转换为笛卡尔坐标系，将极坐标系中的初始采集点云数据转换到笛卡尔坐标系中，得到目标采集点云数据。

在步骤S203中，基于多个边缘点，对目标对象的轮廓进行预测，得到目标对象的轮廓信息。

其中，目标对象的轮廓信息可以是指目标对象边缘直线围绕形状的信息。

本说明书实施例中，根据目标对象边缘累积边缘点云数据中的多个边缘点，对目标对象的外轮廓进行预测，得到目标对象的轮廓信息，可以根据目标对象的轮廓信息，对目标对象的尺寸进行估计。

在一种可能的实现方式中，确定多个边缘点中的任一边缘点为轮廓目标点；从轮廓目标点开始，顺次连接多个边缘点，得到目标对象的轮廓信息。

其中，轮廓目标点可以是指用于作为目标对象的轮廓的起始点。例如，在笛卡尔坐标系中，基于第二坐标轴数据最小的点，将该点作为目标对象的轮廓目标点。

本说明书实施例中，根据目标对象的累积边缘点云数据中的多个边缘点，确定任一边缘点为轮廓目标点，将轮廓目标点为目标对象的轮廓的起始点，顺次连接多个边缘点，得到目标对象对应的轮廓信息。

在一个示例中，以图3为例，累积边缘点云数据的边缘点的数量为13个，设置第一数量阈值为10个，累积边缘点云数据的边缘点的数量大于第一数量阈值，可以对目标对象的轮廓进行预测；在笛卡尔坐标系中，将y轴上多个边缘点中y值最小的边缘点p点确定为轮廓目标点，本申请中对轮廓目标点不作限定。基于轮廓目标点p点，将其余多个边缘点进行顺次排列，将剩余边缘点按照图3中1-12排列，顺序可以为顺时针或逆时针，本申请对此不作限定。按照排列顺序，将轮廓目标点p点作为起始点，对多个边缘点进行顺次连接，连接顺序为p-1-2-...-11-12-p,得到顺次连接后目标对象对应的轮廓信息，轮廓信息如如图4所示。

在步骤S205中，确定目标采集方位下目标对象相对于目标采集方位的上一采集方位的相对旋转方向和相对旋转角度；目标采集方位为采集时间顺序上处于采集末端的采集方位。

其中，目标采集方位可以是指采集时间顺序上处于采集末端的采集方位。

本说明书实施例中，根据目标对象的目标采集方位的上一采集方位，确定目标对象的目标采集方位的相对旋转方向和相对旋转角度，其中目标采集方位与目标采集方位的上一采集方位不同。

在步骤S207中，根据轮廓信息、相对旋转方向以及相对旋转角度，对目标对象的尺寸进行估计，得到目标对象的尺寸信息。

其中，目标对象的尺寸信息可以是指目标对象长度和宽度的信息。

本说明书实施例中，根据目标对象的轮廓信息，目标对象在目标采集方位下相对于目标采集方位上一方位的相对旋转方向和相对旋转角度，对目标对象的长和宽进行估计，得到目标对象的尺寸信息。

示例性地，对目标对象的轮廓信息使用主成分分析法计算出相对旋转角度和相对旋转方向。主成分分析法应用于点云数据中，找到数据中的主要变化方向，从而实现数据的特征提取。其中，计算变量之间的相关系数矩阵A，x,y可看做相关系数矩阵A，相关系数矩阵A为2*2的矩阵，表示在x，y两个维度之间具有相关性。对相关系数矩阵进行特征分解，即[Q,λ]＝eig(A)，得到2个特征值和对应的特征向量，特征值表示每个特征向量所表示的方向上的数据方差，也就是数据在该方向上的信息量。特征向量表示了目标对象的方向，也就是主成分的方向从两个特征值和对应的特征向量中选取最大的特征值和对应的特征向量，表示可以保留更多的点云数据信息。令最大特征值对应的特征向量表示为q，则推算出θ_x＝arccos(q)，θ_y＝arcsin(q)，θ_x表示相对于上一采集时间中x轴的相对旋转角度以及相对旋转方向，θ_y表示相对于上一采集时间中y轴的相对旋转角度和相对旋转方向。进而，根据推算出目标对象的相对旋转角度和相对旋转方向。

在一种可能的实现方式中，根据相对旋转方向、相对旋转角度以及轮廓信息，确定目标对象的待估计尺寸的目标方向。在一个示例中，可以根据目标对象的相对旋转角度，相对旋转方向以及轮廓信息，确定目标对象在目标采集方位下的纵向轴向以及移动距离。例如，可以将目标采集方位的上一采集方位的轮廓信息的中心点和目标对象的目标采集方位的轮廓信息的中心点进行连接，得到目标对象的移动距离。并且可以根据上一采集方位下目标对象的朝向以及相对旋转角度和相对旋转方向，得到目标采集方位下目标对象的目标朝向。从而可以将与该目标朝向的垂直方向作为目标对象的横向轴向，将目标朝向作为目标对象的纵向轴向，进而可以将目标对象的纵向轴向和目标对象的的横向轴向作为目标对象的目标方向。

进一步地，可以从多个边缘点中筛选出在目标方向上距离达到预设条件的目标边缘点；基于目标边缘点之间的距离，估计目标对象的尺寸信息。

预设条件可以为距离是最长的。例如，可以获取目标方向上的边缘点，从而可以确定目标方向上的边缘点两两之间的距离，将最长距离对应的两个边缘点作为目标边缘点，将该目标边缘点之间的距离，作为目标对象在目标方向上的尺寸信息。

其中，目标方向可以包括长度方向和/或宽度方向。

在另一中可能的实现方式中，以图5为例，笛卡尔坐标系的坐标轴方向与目标方向一致，目标方向为长度方向和宽度方向。从而可以筛选出多个边缘点(例如图5所示的p，1～12)在y轴上的最大值点和最小值点，将最大值点与最小值点在y轴上差值的绝对值确定为目标对象的长度距离；例如图5中，p和4在y轴上差值的绝对值。

进一步地，再从多个边缘点中筛选出在x轴上最大值点和最小值点，将最大值点与最小值点在x轴上差值的绝对值确定为目标对象的宽度距离，例如图5中，2和6在x轴上差值的绝对值。

根据测得的目标对象的长度距离以及宽度距离构建的矩形框，该矩形框可以估计为目标对象的尺寸。

图6是根据一示例性实施例示出的一种对象尺寸估计装置框图。参照图6，该装置可以包括：

获取模块S601，用于获取目标对象对应的累积边缘点云数据，累积边缘点云数据包括多个边缘点的位置信息，多个边缘点的数量大于第一数量阈值；第一数量阈值的所述边缘点各自对应的采集方位的种类的数量大于预设种类数量；

在一种可能的实现方式中，包括：

第一点云数据集合获取模块，用于获取目标对象对应的第一点云数据集合，第一点云数据集合中包括多个边缘点云数据；任一所述边缘点云数据中包括的边缘点为起始采集时间至任一所述边缘点云数据对应的采集时间所累积采集到的边缘点；

累积边缘点云数据筛选模块，用于基于第一数量阈值从多个边缘点云数据中筛选出累积边缘点云数据，累积边缘点云数据为多个边缘点云数据中包括的边缘点的数量大于或等于第一数量阈值的边缘点云数量。

在另一种可能的实现方式中，包括：

第二点云数据集合获取模块，用于获取目标对象对应的第二点云数据集合，第二点云数据集合中包括在不同采集方位下采集得到的多个采集点云数据；

累积边缘点云数据提取模块，用于基于第一数量阈值从多个采集点云数据中提取累积边缘点云数据；累积边缘点云数据包括的采集点云数据中的边缘点的数量大于或等于第一数量阈值。

在一种可能的实现方式中，包括：

响应模块，用于响应于向第一点云数据集合新增目标采集点云数据，获取第一点云数据集合中目标边缘点云数据；目标边缘点云数据对应的采集时间与当前时间的时间差小于其他边缘点云数据对应的采集时间与当前时间的时间差；其他边缘点云数据为第一点云数据集合中除目标采集点云数据之外的边缘点云数据；

拼接模块，用于将目标边缘点云数据中的边缘点的位置信息与目标采集点云数据中的边缘点的位置信息，拼接为新增的边缘点云数据；

边缘点云数据添加模块，用于将拼接后的新增的边缘点云数据作为一条边缘点云数据添加至第一点云数据集合。

在一种可能的实现方式中，包括：

初始采集点云数据得到模块，用于在极坐标系下对目标对象的边缘点信息采集，得到初始采集点云数据；

转换模块，用于将初始采集点云数据转换到笛卡尔坐标系下，得到目标采集点云数据。

轮廓预测模块S603，用于基于多个边缘点，对目标对象的轮廓进行预测，得到目标对象的轮廓信息。

在一种可能的实现方式中，包括：

轮廓目标点确定模块，用于确定多个边缘点中的任一边缘点为轮廓目标点；

边缘点连接模块，用于从轮廓目标点开始，顺次连接多个边缘点，得到目标对象的轮廓信息。

确定模块S605，用于确定目标采集方位下目标对象相对于目标采集方位的上一采集方位的相对旋转方向和相对旋转角度；目标采集方位为采集时间顺序上处于采集末端的采集方位；

尺寸估计模块S607，用于根据轮廓信息、相对旋转方向以及相对旋转角度，对目标对象的尺寸进行估计，得到目标对象的尺寸信息。

在一种可能的实现方式中，包括：

目标方向确定模块，用于根据相对旋转方向、相对旋转角度以及轮廓信息，确定目标对象的待估计尺寸的目标方位；

目标边缘点筛选模块，用于从多个边缘点中筛选出在目标方位上距离达到预设条件的目标边缘点；

尺寸信息模块，用于基于目标边缘点之间的距离，估计所述目标对象的尺寸信息。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图7是根据一示例性实施例示出的一种用于对象尺寸估计的电子设备的框图，该电子设备可以是终端，其内部结构图可以如图7所示。该电子设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种对象尺寸估计的方法。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

图8是根据一示例性实施例示出的一种用于对象尺寸估计的电子设备的框图，该电子设备可以是服务器，其内部结构图可以如图8所示。该电子设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种对象尺寸估计的方法。

本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在示例性实施例中，还提供了一种电子设备，包括：处理器；用于存储该处理器可执行指令的存储器；其中，该处理器被配置为执行该指令，以实现如本申请实施例中的对象尺寸估计方法。

在示例性实施例中，还提供了一种计算机可读存储介质，当该计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行本申请实施例中的对象尺寸估计方法。计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

在示例性实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行本申请实施例中的对象尺寸估计的方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、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申请的一般性原理并包括本申请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，本申请的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (10)

1.一种对象尺寸估计方法，其特征在于，包括：

获取目标对象对应的累积边缘点云数据，所述累积边缘点云数据包括多个边缘点的位置信息，所述多个边缘点的数量大于第一数量阈值；所述第一数量阈值的所述边缘点各自对应的采集方位的种类的数量大于预设种类数量；

基于所述多个边缘点，对所述目标对象的轮廓进行预测，得到所述目标对象的轮廓信息；

确定目标采集方位下目标对象相对于所述目标采集方位的上一采集方位的相对旋转方向和相对旋转角度；所述目标采集方位为采集时间顺序上处于采集末端的采集方位；

根据所述轮廓信息、所述相对旋转方向以及所述相对旋转角度，对所述目标对象的尺寸进行估计，得到所述目标对象的尺寸信息。

2.根据权利要求1所述的方法，其特征在于，所述基于所述多个边缘点，对所述目标对象的轮廓进行预测，得到所述目标对象的轮廓信息，包括：

确定所述多个边缘点中的任一边缘点为轮廓目标点；

从所述轮廓目标点开始，顺次连接所述多个边缘点，得到所述目标对象的轮廓信息。

3.根据权利要求1所述的方法，其特征在于，所述获取目标对象对应的累积边缘点云数据，包括：

获取所述目标对象对应的第一点云数据集合，所述第一点云数据集合中包括多个边缘点云数据；任一所述边缘点云数据中包括的边缘点为起始采集时间至所述任一所述边缘点云数据对应的采集时间所累积采集到的边缘点；

基于所述第一数量阈值从所述多个边缘点云数据中筛选出所述累积边缘点云数据，所述累积边缘点云数据为所述多个边缘点云数据中包括的边缘点的数量大于或等于所述第一数量阈值的边缘点云数量。

4.根据权利要求3所述的方法，其特征在于，所述方法包括：

响应于向所述第一点云数据集合新增目标采集点云数据，获取所述第一点云数据集合中目标边缘点云数据；所述目标边缘点云数据对应的采集时间与当前时间的时间差小于其他边缘点云数据对应的采集时间与当前时间的时间差；所述其他边缘点云数据为所述第一点云数据集合中除所述目标采集点云数据之外的边缘点云数据；

将所述目标边缘点云数据中的边缘点的位置信息与所述目标采集点云数据中的边缘点的位置信息，拼接为新增的边缘点云数据；

将拼接后的所述新增的边缘点云数据作为一条边缘点云数据添加至所述第一点云数据集合。

5.根据权利要求1所述的方法，其特征在于，所述获取目标对象对应的累积边缘点云数据，包括：

获取所述目标对象对应的第二点云数据集合，所述第二点云数据集合中包括在不同采集方位下采集得到的多个采集点云数据；

基于所述第一数量阈值从所述多个采集点云数据中提取所述累积边缘点云数据；所述累积边缘点云数据包括的采集点云数据中的边缘点的数量大于或等于所述第一数量阈值。

6.根据权利要求1所述的方法，其特征在于，所述根据所述轮廓信息、所述旋转方向以及所述旋转角度，对所述目标对象的尺寸进行估计，得到所述目标对象的尺寸信息，包括：

根据所述相对旋转方向、相对旋转角度以及所述轮廓信息，确定目标对象的待估计尺寸的目标方向；

从所述多个边缘点中筛选出在所述目标方向上距离达到预设条件的目标边缘点；

基于所述目标边缘点之间的距离，估计所述目标对象的尺寸信息。

7.根据权利要求4所述的方法，其特征在于，所述方法还包括：

在极坐标系下对所述目标对象的边缘点信息采集，得到初始采集点云数据；

将所述初始采集点云数据转换到笛卡尔坐标系下，得到所述目标采集点云数据。

8.一种对象尺寸估计装置，其特征在于，包括：

获取模块，用于获取目标对象对应的累积边缘点云数据，所述累积边缘点云数据包括多个边缘点的位置信息，所述多个边缘点的数量大于第一数量阈值；所述第一数量阈值的所述边缘点各自对应的采集方位的种类的数量大于预设种类数量；

轮廓预测模块，用于基于所述多个边缘点，对所述目标对象的轮廓进行预测，得到所述目标对象的轮廓信息；

确定模块，用于确定目标采集方位下目标对象相对于所述目标采集方位的上一采集方位的相对旋转方向和相对旋转角度；所述目标采集方位为采集时间顺序上处于采集末端的采集方位；

尺寸估计模块，用于根据所述轮廓信息、所述相对旋转方向以及所述相对旋转角度，对所述目标对象的尺寸进行估计，得到所述目标对象的尺寸信息。

9.一种电子设备，其特征在于，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如权利要求1至7中任一项所述的对象尺寸估计方法。

10.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1至7中任一项所述的对象尺寸估计方法。