[发明专利]一种不规则目标智能识别及定位方法与系统

权利要求书

1.一种不规则目标智能识别及定位方法，其特征在于，具体步骤如下：

构建三维数据库，所述三维数据库存储目标三维数据；

获取待识别目标的三维图像；

对所述三维图像进行特征提取获取第一定位特征，并调用目标点的定位特征；

将所述第一定位特征输入训练的定位检测模型中，根据待识别目标的反射特征和颜色特征调整定位点的位置信息，并与所述定位特征进行比对；

确定定位点位置。

2.根据权利要求1所述的一种不规则目标智能识别及定位方法，其特征在于，获取待识别目标的三维图像具体步骤包括：

获取不同角度的至少3张二维图像；

根据三维数据与获取的二维图像的二维坐标之间的对应关系及每一图片的拍摄角度信息，获取每一二维图像上关键点的像素点所对应的所有点三维坐标值；

按照预定的规则，选取其中特定的三维坐标值作为三维图象空间的坐标，由

所述坐标生成二值化三维图像，确定待识别目标。

3.根据权利要求1所述的一种不规则目标智能识别及定位方法，其特征在于，所述定位检测模型的构建步骤如下：

获取第一样本图像集；所述第一样本图像集中包括多个第一样本图像，每个所述第一样本图像关联有关键点期望结果；

针对每个所述第一样本图像分别执行以下操作，得到所述第一样本图像的关键点损失值：

分别采用反射检测模型、颜色检测模型和所述关键点检测模型对所述第一样本图像进行处理，得到由所述反射检测模型输出的光反射检测结果，颜色检测模型输出的颜色检测结果以及所述关键点检测模型输出的关键点检测结果；

确定所述关键点检测结果和所述关键点期望结果之间的关键点损失信息；

采用所述光反射检测结果、颜色检测结果对所述关键点损失信息进行调整，得到所述第一样本图像的所述关键点损失值；

采用各个所述第一样本图像的所述关键点损失值，确定出第一总损失值；

根据所述第一总损失值优化所述关键点检测模型的参数。

4.根据权利要求3所述的一种不规则目标智能识别及定位方法，其特征在于，所述反射检测模型的构建步骤如下：

依据当前视点方向信息，计算在当前视点方向下所述关键点对应的视点漫反射数据以及视点高光反射数据；

获取所述视点漫反射数据对应的漫反射权重以及所述视点高光反射数据对应的高光反射权重，并对所述视点漫反射数据以及所述视点高光反射数据加权求和确定所述补光反射数据。

5.根据权利要求3所述的一种不规则目标智能识别及定位方法，其特征在于，所述颜色检测模型的构建步骤如下：

确定关键点的属性平均值，寻找所述关键点的八邻域像素，并判断所述八邻域像素的属性与所述属性平均值的相似度，并判断所述相似度是否大于预设阈值，当大于所述预设阈值时，确定所述八邻域像素为第一关键点，并确定所述第一关键点所在的区域为第一关键区域，当小于所述预设阈值时，将所述八邻域像素合并入所述关键区域，并将所述八邻域像素替代所述关键区域中原来的关键点成为所述关键区域的关键点；

遍历所有关键点确定激光标刻范围。

6.一种不规则目标智能识别及定位系统，其特征在于，包括：

三维数据库，所述三维数据库存储目标三维数据；

获取模块，获取待识别目标的三维图像；

特征提取模块，对所述三维图像进行特征提取获取第一定位特征，并调用目标点的定位特征；

定位模块，将所述第一定位特征输入训练的定位检测模型中，根据待识别目标的反射特征和颜色特征调整定位点的位置信息，并与所述定位特征进行比对；确定定位点位置。