[发明专利]环境识别方法、识别装置、识别系统、电子设备及介质

说明书

本发明提供基于三维霍夫空间与三维卷积神经网络的环境识别方法、装置、系统、电子设备及介质。该方法包括以下步骤：对环境进行扫描，获取该环境的点云数据；对点云数据进行分割，得到若干个点云集群；将点云集群映射到三维霍夫空间，对三维霍夫空间栅格化，得到与单元格对应的判别信息；并且将判别信息输入预先训练的三维卷积神经网络模型，获得对该环境的识别结果。根据本发明提供的环境识别方法，结合三维霍夫空间与三维卷积神经网络实现对点云物体的识别，克服了点云数据的非结构化、分布稀疏、无序等缺陷，避免了点云几何结构的丢失与分辨率的降低，提高了物体识别的准确性，适用于各种需要三维物体识别技术的领域。

技术领域

本发明涉及机器学习技术领域，尤其是深度学习技术领域，具体涉及基于三维霍夫空间与三维卷积神经网络的环境识别方法、环境识别装置、环境识别系统、电子设备及介质。

背景技术

目前，随着人工智能的发展，高精度地识别环境、尤其是环境中的三维物体已成为极具研究价值的重要课题。并且，这种识别技术在交通、工业和军事等领域均发挥重要作用。在交通领域，三维物体识别给无人驾驶的交通工具提供精确实时的环境信息，从而实现安全高效的自主导航、规避障碍物、路径规划等。在工业领域，利用三维物体识别可以分析设备故障、排查安全隐患、确认运行状态等。在军事领域，高效的三维物体识别可用于目标侦查系统、警戒系统、防御系统中。

最传统、最直观的方法利用二维数码相机获取待识别环境的信息，但是二维图像的成像过程要从三维空间映射到二维空间，必然会丢失大量信息，且极易受环境光照强度、物体表面反射特性和纹理特征等诸多因素的影响。随着人们对计算机视觉系统的要求越来越高，基于二维图像的环境感知已经无法满足要求。与传统的测绘技术相比，基于激光雷达测距技术获取的环境信息数据具有速度快、精度高、抗干扰能力强等优点，可以大规模地获取准确的动态三维数字几何信息。因此，激光雷达采集的三维点云信息，被广泛应用于三维物体识别领域。

现有的点云识别方法多是通过分析提取物体的几何属性、形状属性、结构属性等特征进行比对、学习，从而完成物体的识别。然而，例如由激光雷达传感器获取的点云信息具有数据量大、密度不均匀、非结构化且空间分布不连续等特点，基于特征的物体识别方法计算量大、耗时严重且易受噪声的影响。

发明内容

为了至少解决现有技术中存在的部分问题，提高识别的准确度，本发明提供了基于三维霍夫空间与三维卷积神经网络的环境识别方法方法、环境识别装置、环境识别系统以及相应的电子设备和非暂态计算机可读存储介质。

第一方面，本发明提供一种基于三维霍夫空间与三维卷积神经网络的环境识别方法，包括以下步骤：

对环境进行扫描，获取该环境的点云数据；

对点云数据进行分割，得到若干个点云集群；

将点云集群映射到三维霍夫空间，对三维霍夫空间栅格化，得到与单元格对应的判别信息；并且

将判别信息输入预先训练的三维卷积神经网络模型，获得对该环境的识别结果。

根据本发明提供的环境识别方法，优选地，利用激光雷达传感器获取所述环境的点云数据。

根据本发明提供的环境识别方法，其中，对点云数据进行分割，得到若干个点云集群，具体包括：采用三维连通标记算法对点云数据进行分割；通过逆映射获得与索引值相同的网格相对应的点标签，以得到若干个点云集群。

根据本发明提供的环境识别方法，其中，将点云集群映射到三维霍夫空间，对三维霍夫空间栅格化，得到与单元格对应的判别信息，具体包括：利用三维霍夫变换算法将点云集群映射到三维霍夫空间；对三维霍夫空间栅格化；统计每个单元格的有效点计数，作为判别信息。