[发明专利]3D人腿识别方法、装置、计算机设备及存储介质

权利要求书

1.3D人腿识别方法，其特征在于，包括：

获取深度相机拍摄的机器人周围的图像，以得到3D点云数据；

对所述3D点云数据进行处理，以得到处理结果；

将所述处理结果输入至人腿点云分类器内进行分类，以得到人腿3D点云数据；

对所述人腿3D点云数据进行处理，以得到点云簇特征以及特征描述子；

使用最近邻算法进行特征描述子的匹配，以得到匹配结果；

将所述匹配结果转换为2D伪激光雷达数据；

确定2D伪激光雷达数据的坐标信息，以得到人体的位置信息；

发送所述位置信息，以驱动机器人避开人体。

2.根据权利要求1所述的3D人腿识别方法，其特征在于，所述对所述3D点云数据进行处理，以得到处理结果，包括：

对所述3D点云数据进行降噪、滤波、法向量计算、离群点移除以及点云三角化处理，以得到处理结果。

3.根据权利要求2所述的3D人腿识别方法，其特征在于，所述人腿点云分类器是通过若干个带有人腿3D点云数据标签的预处理后的3D点云数据作为样本集训练PointNet模型所得的；其中，所述PointNet模型包括两个空间变换网络、两个多层感知机以及一个最大池化层。

4.根据权利要求1所述的3D人腿识别方法，其特征在于，所述对所述人腿3D点云数据进行处理，以得到点云簇特征以及特征描述子，包括：

计算所述人腿3D点云数据中点与点之间的欧式距离，以得到第一欧式距离；

通过RANSAC算法结合预先设置的阈值和参数根据所述人腿3D点云数据拟合直线和平面；

确定所述人腿3D点云数据中的点到所述直线和平面的欧式距离，以得到第二欧式距离；

根据所述第一欧式距离以及第二欧式距离将所述人腿3D点云数据分解成离散的点云簇；

遍历所述点云簇，提取点云簇特征和特征描述子。

5.根据权利要求4所述的3D人腿识别方法，其特征在于，所述使用最近邻算法进行特征描述子的匹配，以得到匹配结果，包括：

遍历所述点云簇，且根据所述特征描述子确定所述点云簇对应的特征描述子，使用最近邻算法对所述点云簇对应的特征描述子进行匹配，以得到计算结果；

筛选出所述计算结果中属于预设阈值内的点云簇，以确定同一个人的点云簇，以得到匹配结果。

6.根据权利要求5所述的3D人腿识别方法，其特征在于，所述将所述匹配结果转换为2D伪激光雷达数据，包括：

对所述匹配结果中的每个点进行坐标系转换，以得到转换后的坐标；

根据转换后的坐标结合预设的2D激光雷达扫描角速度确定2D伪激光雷达数据。

7.3D人腿识别装置，其特征在于，包括：

图像获取单元，用于获取深度相机拍摄的机器人周围的图像，以得到3D点云数据；

处理单元，用于获对所述3D点云数据进行处理，以得到处理结果；

分类单元，用于获将所述处理结果输入至人腿点云分类器内进行分类，以得到人腿3D点云数据；

特征提取单元，用于获对所述人腿3D点云数据进行处理，以得到点云簇特征以及特征描述子；

匹配单元，用于获使用最近邻算法进行特征描述子的匹配，以得到匹配结果；

转换单元，用于获将所述匹配结果转换为2D伪激光雷达数据；

坐标确定单元，用于获确定2D伪激光雷达数据的坐标信息，以得到人体的位置信息；

发送单元，用于获发送所述位置信息，以驱动机器人避开人体。

8.根据权利要求7所述的3D人腿识别装置，其特征在于，所述处理单元，用于对所述3D点云数据进行降噪、滤波、法向量计算、离群点移除以及点云三角化处理，以得到处理结果。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的方法。

10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法。