[發明專利]一種三維點云數據的修補方法、裝置和機器人

有效

• 申請號: 201810182280.0
• 申請日: 2018-03-06
• 公開（公告）號: CN108399609B
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 蔡穎鵬;陳希
• 申請（專利權）人: 北京因時機器人科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/02
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張忠魁;王寶筠

1.一種三維點云數據的修補方法，應用于機器人及其感知與控制設備，其特征在于，包括步驟：

采集特定的目標物體的相互對應的第一三維點云數據和第二三維點云數據，所述第一三維點云數據的數據質量低于所述第二三維點云數據的數據質量，且所述第一三維點云數據的數據質量與采集設備能夠得到的三維點云數據的數據質量相同或相近；

利用所述第一三維點云數據和所述第二三維點云數據進行神經網絡模型訓練，將得到的目標函數作為點云修補器；

將所述采集設備得到原始三維點云數據輸入所述點云修補器，得到修補后的目標三維點云數據。

2.如權利要求1所述的修補方法，其特征在于，所述采集特定的目標物體的相互對應的第一三維點云數據和第二三維點云數據步驟，包括：

獲取標準深度相機采集的景深數據；

對所述景深數據進行坐標換算，得到點云格式數據；

對所述點云格式數據進行體素化，得到所述第一三維點云數據或第二三維點云數據。

3.如權利要求1所述的修補方法，其特征在于，所述利用所述第一三維點云數據和所述第二三維點云數據進行神經網絡模型訓練，包括步驟：

將所述第一三維點云數據作為輸入、將所述第二三維點云數據作為輸出對預選的神經網絡模型進行訓練，得到所述點云修補器。

4.如權利要求3所述的修補方法，其特征在于，所述利用所述第一三維點云數據和所述第二三維點云數據進行神經網絡模型訓練步驟，還包括：

利用所述第二三維點云數據的真實性指標數據對所述點云修補器做進一步訓練，得到所述點云修補器的誤差指標。

5.如權利要求1～4任一項所述的修補方法，其特征在于，還包括步驟：

引入多種高質量三維點云數據對所述點云修補器進行反饋學習，得到高質量點云修補器；

將所述多種高質量三維點云數據和所述高質量點云修補器針對所述多種高質量三維點云數據輸出的三維點云數據樣本進行記錄，構成體素數據庫。

6.如權利要求5所述的修補方法，其特征在于，所述高質量三維點云數據為真實物體的真實三維點云數據或所述點云修補器修補得到的三維點云數據。

7.一種三維點云數據的修補裝置，應用于機器人及其感知與控制設備，其特征在于，包括：

數據采集模塊，用于采集特定的目標物體的第一三維點云數據和第二三維點云數據，所述第一三維點云數據的數據質量低于所述第二三維點云數據的數據質量，且所述第一三維點云數據的數據質量與采集設備能夠得到的三維點云數據的數據質量相同或相近；

模型訓練模塊，用于利用所述第一三維點云數據和所述第二三維點云數據進行神經網絡模型訓練，將得到的目標函數作為點云修補器；

修補執行模塊，用于將所述采集設備得到原始三維點云數據輸入所述點云修補器，得到修補后的目標三維點云數據。

8.如權利要求7所述的修補裝置，其特征在于，所述數據采集模塊包括：

數據獲取單元，用于獲取標準深度相機采集的景深數據；

第一轉換單元，用于對所述景深數據進行坐標換算，得到點云格式數據；

第二轉換單元，用于對所述點云格式數據進行體素化，得到所述第一三維點云數據或第二三維點云數據。

9.如權利要求7所述的修補裝置，其特征在于，所述模型訓練模塊包括：

第一訓練單元，用于將所述第一三維點云數據作為輸入、將所述第二三維點云數據作為輸出對預選的神經網絡模型進行訓練，得到所述點云修補器。

10.如權利要求9所述的修補裝置，其特征在于，所述模型訓練模塊還包括：

第二訓練單元，用于利用所述第二三維點云數據的真實性指標數據對所述點云修補器做進一步訓練，得到所述點云修補器的誤差指標。