[发明专利]基于双目相机的物体标识方法、系统、设备和存储介质

说明书

本发明公开了一种基于双目相机的物体标识方法、系统、设备和存储介质，其中物体标识方法包括：双目相机拍摄获得原始图像；处理原始图像，获得对应的RGB图像和深度图像；对RGB图像进行机器学习，获得至少一个物体的至少一个原始像素点，进而生成每个物体的像素点集合；对于每一像素点集合，确定每一原始像素点在深度图像中对应位置处的原始深度点，并根据确定的原始深度点确定至少一个原始聚类中心，对深度图像进行聚类，获得多个深度点，进而获得已识别点集合，将已识别点集合标识为像素点集合所表示的物体。本发明以像素点集合为引在深度图像中分别进行聚类，以获得与像素点集合匹配的已识别点集合，如此十分准确地标识出图像中的物体。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于双目相机的物体标识方法、系统、设备和存储介质。

背景技术

在无人驾驶技术领域，当前通常采用以下方案来标识物体：

基于单目相机来进行物体的标识，具体地，将单目相机获得的一帧RGB (三原色光模式)图像输入到经训练的学习网络中，以获得一系列的识别框，其中，每个识别框框示一个物体并标示该物体的种类。但是，在识别框中包括多个其他物体的情况下，对物体的种类的标识容易出错，造成标识准确率的降低。

基于双目相机来进行物体的标识，具体地，对双目相机获得的3D(3 dimensional，三维)点云数据进行欧式聚类或者其他聚类，以获得一系列的聚类BOX(长方体)框，其中，每个聚类BOX框包含一个聚类物体，进而根据BOX模型和先验库中典型BOX的尺寸匹配来识别聚类物体的种类。但是，对点云进行聚类处理其计算量较大，并且上述尺寸匹配的方式识别率较低，存在大量误识别以及漏识别的情况，进而标识准确率也比较低。

基于单目相机和激光雷达的组合来进行物体的标识，具体地，该方案仍需将RGB图像输入经训练的学习网络中，以获得一系列的识别框，从而该方案在识别框中包括多个其他物体的情况下，也容易造成标识准确率的降低。

发明内容

本发明要解决的技术问题是为了克服现有技术中对物体的标识准确率较低的缺陷，提供一种对物体的标识准确率较低。

本发明是通过下述技术方案来解决上述技术问题：

一种基于双目相机的物体标识方法，其特点在于，所述物体标识方法包括：

双目相机拍摄获得原始图像；

处理所述原始图像，获得RGB图像和深度图像，所述RGB图像的像素点与所述深度图像的深度点的位置相对应；

对所述RGB图像进行机器学习，获得所述RGB图像中至少一个物体的至少一个原始像素点，根据每个物体的原始像素点生成每个物体的像素点集合；

对于每一像素点集合，确定每一原始像素点在所述深度图像中对应位置处的原始深度点，并根据确定的原始深度点确定至少一个原始聚类中心，对所述深度图像进行聚类，获得多个深度点，进而获得包括所述多个深度点的已识别点集合，将所述已识别点集合标识为所述像素点集合所表示的物体。

较佳地，所述根据确定的原始深度点确定至少一个原始聚类中心的步骤具体包括：

检测每一原始深度点是否对应有深度值；

选取所有对应有深度值的原始深度点作为原始聚类中心。

较佳地，所述对所述深度图像进行聚类的步骤具体包括：

对于每一原始聚类中心，均执行聚类操作；

判断经由所述聚类操作是否产生新的聚类中心，所述新的聚类中心的深度值满足第一预设条件并且与当前聚类中心之间的距离满足第二预设条件；

若是，则对每一新的聚类中心均重复执行所述聚类操作，并返回所述判断经由所述聚类操作是否产生新的聚类中心的步骤。