[發明專利]目標對象識別方法、裝置、電子設備及存儲介質有效
| 申請號： | 202110153020.2 | 申請日： | 2021-02-04 |
| 公開（公告）號： | CN112488112B | 公開（公告）日： | 2021-11-09 |
| 發明（設計）人： | 陳海波;戴昌志 | 申請（專利權）人： | 深蘭人工智能芯片研究院（江蘇）有限公司 |
| 主分類號： | G06K9/32 | 分類號： | G06K9/32;G06K9/62 |
| 代理公司： | 蘇州領躍知識產權代理有限公司 32370 | 代理人： | 王寧 |
| 地址： | 213000 江蘇省常州市武進*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 目標 對象 識別 方法 裝置 電子設備 存儲 介質 | ||
1.一種目標對象識別方法，其特征在于，所述方法包括：
獲取承載件的3D點云數據，所述3D點云數據是3D檢測設備檢測所述承載件得到的，所述承載件用于承載目標對象，所述承載件的3D點云數據包括多個掃描點在三維坐標系中的坐標數據，所述三維坐標系的三個坐標軸分別記為X軸、Y軸和Z軸；
獲取所有掃描點的Z軸方向的坐標數據的最小值Zmin和最大值Zmax；
獲取包含[Zmin,Zmax]的預設區間，將所述預設區間劃分為N個區間，第i區間是[Zimin,Zimax]，其中，i和N為整數，1≤i≤N，Zimin為第i區間的最小值，Zimax為第i區間的最大值；
針對每個掃描點，根據所述掃描點的坐標數據，計算所述掃描點在第i區間的調整灰度；
根據所有掃描點在第i區間的調整灰度，獲取所述承載件在第i區間的二維圖像數據；
根據所述承載件在N個區間的二維圖像數據，檢測得到所述承載件的識別結果，所述承載件的識別結果用于指示所述承載件是否承載有所述目標對象。
2.根據權利要求1所述的目標對象識別方法，其特征在于，所述預設區間為[Zmin,Zmax]。
3.根據權利要求1所述的目標對象識別方法，其特征在于，所述針對每個掃描點，根據所述掃描點的坐標數據，計算所述掃描點在第i區間的調整灰度，包括：
針對每個掃描點，根據所述掃描點的坐標數據(x,y,z)，計算所述掃描點在第i區間的調整灰度fi(x,y)，
其中，C1、C2為整數且0≤C1C2≤255，int()函數是向下取整的函數。
4.根據權利要求3所述的目標對象識別方法，其特征在于，C1＝0，C2＝255。
5.根據權利要求1所述的目標對象識別方法，其特征在于，所述根據所述承載件在N個區間的二維圖像數據，檢測得到所述承載件的識別結果，包括：
根據所述承載件在N個區間的二維圖像數據，獲取所述承載件的三維矩陣，所述承載件的三維矩陣的尺度為w×h×N，其中，w為所述承載件在N個區間的二維圖像數據的長度，h為所述承載件在N個區間的二維圖像數據的寬度；
根據所述承載件的三維矩陣，檢測得到所述承載件的識別結果。
6.根據權利要求1所述的目標對象識別方法，其特征在于，所述根據所述承載件在N個區間的二維圖像數據，檢測得到所述承載件的識別結果，包括：
獲取訓練數據集，所述訓練數據集包括多個樣本數據，每個所述樣本數據包括樣本承載件在N個區間的二維圖像數據和所述樣本承載件的標注數據，所述樣本承載件的標注數據包括所述樣本承載件的識別結果；
根據所述訓練數據集，利用神經網絡模型進行訓練，得到目標識別模型；
將所述承載件在N個區間的二維圖像數據輸入所述目標識別模型，得到所述承載件的識別結果。
7.根據權利要求6所述的目標對象識別方法，其特征在于，所述獲取訓練數據集，包括：
獲取多個樣本數據并放入訓練數據集；
針對至少一個樣本數據，獲取所述樣本承載件在N個區間的二維圖像數據的調整結果，將所述樣本承載件在N個區間的二維圖像數據的調整結果和所述樣本承載件的標注數據作為新的樣本數據，并將所述新的樣本數據放入所述訓練數據集。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于深蘭人工智能芯片研究院（江蘇）有限公司，未經深蘭人工智能芯片研究院（江蘇）有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110153020.2/1.html，轉載請聲明來源鉆瓜專利網。
