[发明专利]基于图像点云数据的异物检测方法、装置及其存储介质

说明书

本发明公开了一种基于图像点云数据的异物检测方法、装置及其存储介质，具体涉及图像数据处理技术领域，通过预设操作对密闭空间内情况进行处理，具体包括获取密闭空间内点云数据并保存为图像形式，通过对点云数据进行特定数据标准下的训练获取正负样本，基于预设比例的正负样本，通过点云之间最短路径插值数据的对抗性扰动增强获取归一化特征和清洁特征，根据点云数据增强算法对预设比例的正负样本进行扩充，通过对扩充后的正负样本进行模型训练获取用于检测密闭空间内异物的二分类网络。通过本发明检测方法能通过点云之间最短路径插值进行数据增强，对点云数据算法增强，从而达到较高检测准确度，增加检测精度与鲁棒性。

技术领域

本发明涉及图像数据处理技术领域，具体为一种基于图像点云数据的异物检测方法、装置及其存储介质。

背景技术

随着现代社会的经济飞速发展，各类密闭空间（如电梯室、汽车轿厢等）的使用越来越频繁，但对于密闭空间内部异物图像检测系统还是比较薄弱的，通常只能靠工作人员通过摄像头观看，或是人为实地考察，这些密闭空间内异物图像检测行为会造成检测出现差错或是检测成本过高，都会造成许多问题。目前效果比较好的方案是采用基于点云的3D深度学习，建立分类器，判断指定密闭空间内是否有异物图像，基于点云的异物检测往往依赖很多的标注数据，但对于此场景下的检测，获得大量的标注数据是非常困难的。

发明内容

本发明所要解决的技术问题是针对现有技术的现状，而提供一种基于图像点云数据的异物检测方法、装置及其存储介质，通过数据增强算法，增强获取的密闭空间内点云数据来检测密闭空间内是否存在异物。

本发明解决上述技术问题所采用的技术方案为：一种基于图像点云数据的异物检测方法，其特征在于，包括：

S1：获取密闭空间内点云数据并保存为图像形式；

S2：通过对点云数据进行特定数据标准下的训练获取正负样本；

S3：基于预设比例的正负样本，通过点云之间最短路径插值数据的对抗性扰动增强获取归一化特征和清洁特征；

S4：根据点云数据增强算法对预设比例的正负样本进行扩充；

S5：通过对扩充后的正负样本进行模型训练获取用于检测密闭空间内异物的二分类网络。

进一步地，所述S1步骤中所述点云数据通过pcl数据库在密闭空间内区域进行获取。

进一步地，所述S2步骤中当密闭空间内区域存在大于预设比例的物体时为负样本，否则为正样本。

进一步地，所述S3步骤具体包括：

S31：通过生成具有不同强度的对抗性扰动，对点云数据中间特征进行增强，从而作为对抗性特征；

S32：通过特征归一化将扰动增强后的特征统计信息注入到未对抗的特征中，从而作为清洁特征；

S33：通过混合增强后的归一化特征与清洁特征用于样本训练。

进一步地，所述不同强度的对抗性扰动增强点云数据包含有一段点云数据区间。

进一步地，所述点云数据增强算法公式如下：

式中，为点云数据，/为点云数据上的标签，/为清洁特征，/为对抗性特征，/为控制对抗性特征增强影响的超参数，/为PGD生成，/为骨干网络参数，/ 为任务特定模块的参数。

进一步地，所述清洁特征与对抗性特征通过归一化处理为对抗性归一化，公式如下：

式中，为清洁特征的二阶矩，/为对抗性特征的二阶矩，/ 为清洁特征的一阶矩，/ 为第 i 个增强的对抗特征，/为清洁特征。

本发明第二方面，一种基于图像点云数据的异物检测装置，其特征在于，包括至少一个处理器、以及至少一个存储器，其中，所述存储器存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器能够执行基于点云数据增强算法的密闭空间内异物检测方法。