[發明專利]點云檢測方法和模型訓練方法、裝置、設備及存儲介質

有效

• 申請號: 202210879332.6
• 申請日: 2022-07-25
• 公開（公告）號: CN114937265B
• 公開（公告）日: 2022-10-28
• 發明（設計）人: 吳華棟;成慧
• 申請（專利權）人: 深圳市商湯科技有限公司
• 主分類號: G06V20/64
• 分類號: G06V20/64;G06V10/26;G06V10/40;G06V10/762;G06V10/764;G06V10/774;G06V10/82
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 賈偉;蔣雅潔

本公開實施例公開了一種點云檢測方法和模型訓練方法、裝置、設備及存儲介質，其中，所述方法包括：獲取待處理點云數據對應的點云特征；所述待處理點云數據包括針對真實場景中至少一個物體采集的多個數據點；基于所述點云特征，確定每一所述數據點對應的物體數據；所述物體數據包括所述數據點所屬物體的至少一個維度的屬性數據；對所述點云特征進行置信度檢測，得到每一所述數據點對應的置信度數據；所述置信度數據用于表征所述數據點的預測難度，且所述數據點的置信度數據與所述數據點的預測難度負相關；基于每一所述數據點對應的物體數據和置信度數據，確定每一所述物體在至少一個所述維度的目標屬性數據。

技術領域

本公開涉及但不限于數據處理技術領域，尤其涉及一種點云檢測方法和模型訓練方法、裝置、設備及存儲介質。

背景技術

機器人環境感知技術以其高度柔性化的特點已滲透到各大領域，如智能物流、缺陷檢測等。6D位姿估計所指的是相機坐標系與目標對象坐標系間的旋轉與平移變換關系，共包含位置向量與旋轉矩陣在內的6個位姿量，在自動駕駛、工業智能機器人以及AR等應用領域中起到至關重要的作用。相關技術可以通過采集目標對象對應的點云數據，來估計該目標對象的位姿量。然而，由于點云數據的質量無法保證，相關技術中對目標對象位姿量的估計準確度較低。

發明內容

有鑒于此，本公開實施例至少提供一種點云檢測方法和模型訓練方法、裝置、設備及存儲介質。

本公開實施例的技術方案是這樣實現的：

一方面，本公開實施例提供一種點云檢測方法，所述方法包括：

獲取待處理點云數據對應的點云特征；所述待處理點云數據包括針對真實場景中至少一個物體采集的多個數據點；

基于所述點云特征，確定每一所述數據點對應的物體數據；所述物體數據包括所述數據點所屬物體的至少一個維度的屬性數據；

對所述點云特征進行置信度檢測，得到每一所述數據點對應的置信度數據；所述置信度數據用于表征所述數據點的預測難度，且所述數據點的置信度數據與所述數據點的預測難度負相關；

基于每一所述數據點對應的物體數據和置信度數據，確定每一所述物體在至少一個所述維度的目標屬性數據。

在一些實施例中，所述物體數據包括所述數據點所屬物體的位置維度的位置數據；所述基于所述點云特征，確定每一所述數據點對應的物體數據，包括：對所述點云特征進行位置檢測，確定每一所述數據點對應的位置數據；所述位置數據用于表征所述數據點所屬物體的位置信息；

所述基于每一所述數據點對應的物體數據和置信度數據，確定每一所述物體在至少一個所述維度的目標屬性數據，包括：基于預設的置信度閾值和每一所述數據點對應的置信度數據，在所述多個數據點中篩選得到多個物體數據點；基于每一所述物體數據點對應的位置數據，對所述多個物體數據點進行聚類，得到真實場景中每一所述物體對應的物體數據點集合和每一所述物體在所述位置維度的目標位置數據。

基于上述實施例，由于該物體數據包括數據點所屬物體的位置維度的位置數據，在得到每一數據點對應的位置數據之后，由于該位置數據表征了數據點所屬物體的位置信息，進而可以通過對每一數據點的位置信息進行聚類，實現對待處理點云數據的分割處理，得到真實場景中每一所述物體對應的物體數據點集合和每一所述物體在所述位置維度的目標位置數據；同時，由于在對待處理點云數據進行分割處理之前，先基于每一數據點對應的置信度信息對多個數據點進行過濾，得到了預測準確度較高的多個物體數據點，再基于多個物體數據點對應的位置數據進行聚類，可以得到更加準確的實例分割結果。

在一些實施例中，所述對所述點云特征進行位置檢測，確定每一所述數據點對應的位置數據，包括：

基于所述點云特征，確定每一所述數據點對應的偏移數據；所述偏移數據用于表征所述數據點與所述數據點所屬物體的中心點之間相對位置關系；