[发明专利]一种物体识别方法、装置、设备及介质

权利要求书

1.一种物体识别方法，其特征在于，包括：

获取训练数据集；其中，所述训练数据集中包括点云数据样本和所述点云数据样本对应的标签信息；

提取每一所述点云数据样本的三维特征和二维特征，并将所述三维特征和所述二维特征融合，以得到每一所述点云数据样本的融合特征；

将所述融合特征输入初始模型以对所述初始模型进行训练，得到训练后模型；

当获取到待识别点云数据，则利用所述训练后模型输出所述待识别点云数据对应的物体识别结果。

2.根据权利要求1所述的物体识别方法，其特征在于，所述提取每一所述点云数据样本的三维特征，包括：

在每一所述点云数据样本中选取离每个点最近的第一预设数量个点以得到每个点的第一目标邻域点；

针对任一点，利用该点的所述第一目标邻域点计算该点的三维特征矩阵；

针对任一所述点云数据样本，将该点云数据样本的全部点的三维特征矩阵组成该点云数据样本的三维特征。

3.根据权利要求2所述的物体识别方法，其特征在于，所述针对任一点，利用该点的所述第一目标邻域点计算该点的三维特征矩阵，包括：

针对任一点，利用该点的所述第一目标邻域点计算该点对应的多个预设特征值；

基于所述多个预设特征值构建该点的三维特征矩阵。

4.根据权利要求2所述的物体识别方法，其特征在于，提取每一所述点云数据样本的二维特征，包括：

将每一所述点云数据样本沿X、Y、Z三个方向进行二维平面投影，得到投影数据；

在每一所述投影数据中选取离每个点最近的第二预设数量个点以得到每个点的第二目标邻域点；

针对任一点，利用该点的所述第二目标邻域点计算该点的二维特征矩阵；

针对任一所述点云数据样本，将该点云数据样本的全部点的二维特征矩阵组成该点云数据样本的二维特征。

5.根据权利要求4所述的物体识别方法，其特征在于，所述将所述三维特征和所述二维特征融合，以得到每一所述点云数据样本的融合特征，包括：

针对每一所述点云数据样本，将每一点的所述三维特征矩阵与所述二维特征矩阵进行融合为二维特征矩阵以得到融合特征矩阵，并将所有点的融合特征矩阵确定为该点云数据样本的融合特征。

6.根据权利要求1所述的物体识别方法，其特征在于，所述将所述融合特征输入初始模型以对所述初始模型进行训练，得到训练后模型之前，还包括：

获取初始模型；其中，所述初始模型为剔除了T-Net结构的PointNet模型。

7.根据权利要求1所述的物体识别方法，其特征在于，所述将所述融合特征输入初始模型以对所述初始模型进行训练，得到训练后模型之后，还包括：

获取测试数据集；其中，所述训练数据集中包括点云测试数据和所述点云测试对应的测试标签；

利用所述训练后模型输出所述点云测试数据对应的物体识别结果；

基于所述物体识别结果和相应的所述测试标签评估所述训练后模型的识别准确度。

8.一种物体识别装置，其特征在于，包括：

训练数据集获取模块，用于获取训练数据集；其中，所述训练数据集中包括点云数据样本和所述点云数据样本对应的标签信息；

特征提取模块，用于提取每一所述点云数据样本的三维特征和二维特征；

特征融合模块，用于将所述三维特征和所述二维特征融合，以得到每一所述点云数据样本的融合特征；

模型训练模块，用于将所述融合特征输入初始模型以对所述初始模型进行训练，得到训练后模型；

物体识别模块，用于当获取到待识别点云数据，则利用所述训练后模型输出所述待识别点云数据对应的物体识别结果。

9.一种电子设备，其特征在于，包括：

存储器，用于保存计算机程序；

处理器，用于执行所述计算机程序，以实现如权利要求1至7任一项所述的物体识别方法。

10.一种计算机可读存储介质，其特征在于，用于保存计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的物体识别方法。