目标对象轮廓获取方法、目标对象检测方法及智能设备与流程

本技术涉及数据处理，具体提供一种目标对象轮廓获取方法、目标对象检测方法及智能设备。

背景技术：

1、对于智能设备如机器人、自动驾驶设备等，通常需要对其运行环境周围的目标对象进行感知，获取目标对象的感知信息并基于感知信息确定目标对象的轮廓信息。以便于智能设备基于轮廓信息指导智能设备的下游任务如路径规划任务或控制策略等。

2、相关技术中，有利用目标对象的点云集合，采用凸包的形式表示目标对象的轮廓。但采用凸包的形式表示目标对象的轮廓和目标对象的实际轮廓存在偏差，贴合度较差，常常会使目标对象的轮廓膨胀，无法为下游任务提供有效信息并影响后续的控制决策。如在窄道通行或换电站场景时，因存在直角建筑物或连续曲线隔离带，凸包的表达方式会使得到的建筑物、隔离带等的轮廓膨胀而入侵车道，基于此轮廓信息进行驾驶设备控制时，容易造成驾驶设备非预期制动。

技术实现思路

1、本技术旨在解决上述技术问题，即，解决现有利用凸包表达目标对象轮廓的方法精确度低的问题。

2、在第一方面，本技术提供了一种目标对象轮廓获取方法，其包括：

3、获取目标对象的点云集合和点云重心点集合；

4、从所述点云重心点集合中筛选出目标观测角度下的多个观测点云重心点，并确定所述多个观测点云重心点的凹凸属性；

5、基于所述多个观测点云重心点的凹凸属性对所述点云集合进行划分，得到多个点云子集合；

6、利用凸包算法获取所述多个点云子集合中各个点云子集合对应的轮廓点集，并基于各个点云子集合对应的轮廓点集确定所述目标对象的轮廓。

7、在一些实施例中，获取目标对象的点云重心点集合包括：

8、对所述点云集合进行栅格划分并获取每个栅格内的点云重心点，得到所述点云重心点集合。

9、在一些实施例中，所述从所述点云重心点集合中筛选出目标观测角度下的多个观测点云重心点包括：

10、以目标观测点为中心，以预设角度将所述目标观测角度对应的观测区域划分为多个子区域；

11、基于所述点云重心点集合，分别获取所述多个子区域中与所述目标观测点距离最近的点云重心点，并将每个子区域中与所述目标观测点距离最近的点云重心点作为观测点云重心点。

12、在一些实施例中，所述以目标观测点为中心，以预设角度将所述目标观测角度对应的观测区域划分为多个子区域，包括：

13、以所述目标观测点为中心，在预设平面内以多个大小不同的预设角度，将所述观测区域划分为多个子区域；其中，所述观测区域包括主视区域，以所述多个大小不同的预设角度中相对较小的预设角度对所述主视区域进行划分。

14、在一些实施例中，所述以目标观测点为中心，以预设角度将所述目标观测角度对应的观测区域划分为多个子区域，包括：

15、以所述目标观测点作为极点，以过所述极点且在预设平面内的任意一条射线作为极轴，基于所述极点和所述极轴构建二维极坐标系；

16、基于所述二维极坐标系和所述预设角度将所述观测区域划分为多个子区域。

17、在一些实施例中，所述基于所述点云重心点集合，分别获取所述多个子区域中与所述目标观测点距离最近的点云重心点包括：

18、将所述点云重心点集合投影至所述二维极坐标系，得到以所述二维极坐标系表征的点云重心点集合；

19、基于以所述二维极坐标系表征的点云重心点集合，分别获取所述多个子区域中与所述极点距离最近的点云重心点。

20、在一些实施例中，确定所述多个观测点云重心点的凹凸属性包括：

21、将当前子区域对应的观测点云重心点与所述目标观测点的第一距离和两个相邻观测点云重心点的连线与所述目标观测点的第二距离进行对比；所述两个相邻观测点云重心点为与所述当前子区域相邻的两个子区域对应的观测点云重心点；

22、根据对比结果确定所述当前子区域对应的观测点云重心点的凹凸属性。

23、在一些实施例中，确定所述多个观测点云重心点的凹凸属性之前，还包括：

24、对所述多个观测点云重心点进行连接，得到观测面；

25、对所述观测面进行距离滤波，以至少得到更新后的观测点云重心点并基于所述更新后的观测点云重心点确定凹凸属性。

26、在一些实施例中，所述基于所述多个观测点云重心点的凹凸属性对所述点云集合进行划分之前，还包括：

27、获取所述目标对象的至少一种属性信息；

28、基于所述至少一种属性信息判断所述目标对象是否为候选切分对象，如果是，再执行基于所述多个观测点云重心点的凹凸属性对所述点云集合进行划分的步骤。

29、在第二方面，本技术提供了一种目标对象检测方法，其包括：

30、获取目标场景的点云数据；

31、利用目标检测模型对所述点云数据进行检测，确定出与目标对象对应的点云集合；并基于所述点云集合采用上述任一项所述的目标对象轮廓获取方法得到所述目标对象的轮廓。

32、在第三方面，本技术提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的目标对象轮廓获取方法或目标对象检测方法。

33、在第四方面，本技术提供了一种智能设备，其包括：

34、至少一个处理器；

35、以及，与所述至少一个处理器通信连接的存储器；

36、其中，所述存储器中存储有计算机程序，所述计算机程序被所述至少一个处理器执行时实现上述任一项所述的目标对象轮廓获取方法或目标对象检测方法。

37、在一些实施例中，所述智能设备还包括：

38、至少一个传感器，所述至少一个传感器与所述至少一个处理器通信连接，所述至少一个传感器用于感知信息。

39、方案1.一种目标对象轮廓获取方法，其特征在于，包括：

40、获取目标对象的点云集合和点云重心点集合；

41、从所述点云重心点集合中筛选出目标观测角度下的多个观测点云重心点，并确定所述多个观测点云重心点的凹凸属性；

42、基于所述多个观测点云重心点的凹凸属性对所述点云集合进行划分，得到多个点云子集合；

43、利用凸包算法获取所述多个点云子集合中各个点云子集合对应的轮廓点集，并基于各个点云子集合对应的轮廓点集确定所述目标对象的轮廓。

44、方案2.根据方案1所述的方法，其特征在于，获取目标对象的点云重心点集合包括：

45、对所述点云集合进行栅格划分并获取每个栅格内的点云重心点，得到所述点云重心点集合。

46、方案3.根据方案1所述的方法，其特征在于，所述从所述点云重心点集合中筛选出目标观测角度下的多个观测点云重心点包括：

47、以目标观测点为中心，以预设角度将所述目标观测角度对应的观测区域划分为多个子区域；

48、基于所述点云重心点集合，分别获取所述多个子区域中与所述目标观测点距离最近的点云重心点，并将每个子区域中与所述目标观测点距离最近的点云重心点作为观测点云重心点。

49、方案4.根据方案3所述的方法，其特征在于，所述以目标观测点为中心，以预设角度将所述目标观测角度对应的观测区域划分为多个子区域，包括：

50、以所述目标观测点为中心，在预设平面内以多个大小不同的预设角度，将所述观测区域划分为多个子区域；其中，所述观测区域包括主视区域，以所述多个大小不同的预设角度中相对较小的预设角度对所述主视区域进行划分。

51、方案5.根据方案3所述的方法，其特征在于，所述以目标观测点为中心，以预设角度将所述目标观测角度对应的观测区域划分为多个子区域，包括：

52、以所述目标观测点作为极点，以过所述极点且在预设平面内的任意一条射线作为极轴，基于所述极点和所述极轴构建二维极坐标系；

53、基于所述二维极坐标系和所述预设角度将所述观测区域划分为多个子区域。

54、方案6.根据方案5所述的方法，其特征在于，所述基于所述点云重心点集合，分别获取所述多个子区域中与所述目标观测点距离最近的点云重心点包括：

55、将所述点云重心点集合投影至所述二维极坐标系，得到以所述二维极坐标系表征的点云重心点集合；

56、基于以所述二维极坐标系表征的点云重心点集合，分别获取所述多个子区域中与所述极点距离最近的点云重心点。

57、方案7.根据方案3所述的方法，其特征在于，确定所述多个观测点云重心点的凹凸属性包括：

58、将当前子区域对应的观测点云重心点与所述目标观测点的第一距离和两个相邻观测点云重心点的连线与所述目标观测点的第二距离进行对比；所述两个相邻观测点云重心点为与所述当前子区域相邻的两个子区域对应的观测点云重心点；

59、根据对比结果确定所述当前子区域对应的观测点云重心点的凹凸属性。

60、方案8.根据方案1至7中任一项所述的方法，其特征在于，确定所述多个观测点云重心点的凹凸属性之前，还包括：

61、对所述多个观测点云重心点进行连接，得到观测面；

62、对所述观测面进行距离滤波，以至少得到更新后的观测点云重心点并基于所述更新后的观测点云重心点确定凹凸属性。

63、方案9.根据方案1至7中任一项所述的方法，其特征在于，所述基于所述多个观测点云重心点的凹凸属性对所述点云集合进行划分之前，还包括：

64、获取所述目标对象的至少一种属性信息；

65、基于所述至少一种属性信息判断所述目标对象是否为候选切分对象，如果是，再执行基于所述多个观测点云重心点的凹凸属性对所述点云集合进行划分的步骤。

66、方案10.一种目标对象检测方法，其特征在于，包括：

67、获取目标场景的点云数据；

68、利用目标检测模型对所述点云数据进行检测，确定出与目标对象对应的点云集合；并基于所述点云集合采用方案1至9中任一项所述的目标对象轮廓获取方法得到所述目标对象的轮廓。

69、方案11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现方案1至9中任一项所述的目标对象轮廓获取方法或方案10所述的目标对象检测方法。

70、方案12.一种智能设备，其特征在于，包括：

71、至少一个处理器；

72、以及，与所述至少一个处理器通信连接的存储器；

73、其中，所述存储器中存储有计算机程序，所述计算机程序被所述至少一个处理器执行时实现方案1至9中任一项所述的目标对象轮廓获取方法或方案10所述的目标对象检测方法。

74、方案13.根据方案12所述的智能设备，其特征在于，所述智能设备还包括：

75、至少一个传感器，所述至少一个传感器与所述至少一个处理器通信连接，所述至少一个传感器用于感知信息。

76、在采用上述技术方案的情况下，本技术能够获取目标对象的点云集合和点云重心点集合；从点云重心点集合中筛选出目标观测角度下的多个观测点云重心点，并确定多个观测点云重心点中各个观测点云重心点的凹凸属性；基于多个观测点云重心点的凹凸属性对点云集合进行划分，得到多个点云子集合；利用凸包算法获取多个点云子集合中各个点云子集合对应的轮廓点集，并基于各个点云子集合对应的轮廓点集确定目标对象的轮廓。该方法基于多个观测点云重心点的凹凸属性将目标对象的点云集合划分为多个点云子集合，实现了将较大的目标对象切分为多个小目标，基于多个小目标应用凸包算法获取目标对象轮廓，有利于得到和目标对象真实轮廓更贴合的轮廓，提高轮廓表达的精确度。