(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221073915 3.2 (22)申请日 2022.06.28 (71)申请人 湖北三江航天万峰科技发展 有限公 司 地址 432000 湖北省孝感市北京路5 6号信 箱 (72)发明人 李爽　周奂斌　李宁　王超　 刘俊池　郭梦凡　蒋国壮　陈炳坤　 (74)专利代理 机构 武汉东喻专利代理事务所 (普通合伙) 42224 专利代理师 张英 (51)Int.Cl. G06T 5/00(2006.01) G06T 7/50(2017.01) G06T 7/70(2017.01)G06V 10/762(2022.01) (54)发明名称 一种用于三维点云数据的目标识别方法和 系统 (57)摘要 本发明公开了一种用于三维点云数据的目 标识别方法， 该方法将原始三维点云数据所处的 原始坐标系转换成基于场景平面和场景平面的 垂线构建的场景坐标系， 获取点云数据深度图 像； 基于密度的杂散点移除算法与统计滤波算 法， 将点云数据深度图像中的噪声杂散点进行两 次移除； 基于索引阈值的距离阈值判断， 将点云 数据深度图像中的背景点进行移除； 基于法向量 的区域增长算法， 依据点与点法向量之间的夹角 进行单目标聚类， 获取不同种类的目标， 实现目 标识别。 该方法通过三维点云数据的特征选择合 适的算法， 形成高效的图像数据处理系统， 输出 便于快速目标识别的有效的点云数据， 可以有效 地提升三维图像目标识别的精度及效率。 权利要求书2页 说明书7页 附图2页 CN 115131240 A 2022.09.30 CN 115131240 A 1.一种用于三维点云数据的目标识别方法， 其特 征在于， 包括 步骤： 扫描获取目标的原 始三维点云数据； 将所述原始三维点云数据所处的原始坐标系转换成基于场景平面和所述场景平面的 垂线构建的场景坐标系， 获取点云数据深度图像； 基于密度的杂 散点移除算法与统计滤波算法， 将所述点云数据深度图像中的噪声杂 散 点进行两次移除； 基于索引阈值的距离阈值判断， 将所述 点云数据深度图像中的背景点进行移除； 基于法向量的区域增长算法， 依据点与点法向量之间的夹角进行单目标聚类， 获取不 同种类的目标， 实现目标识别。 2.如权利要求1所述的目标识别方法， 其特征在于， 所述将所述原始三维点云数据 所处 的原始坐标系转换成基于场景平面和所述场景平面的垂线构建的场景坐标系， 获取点云数 据深度图像具体包括： 从所述原始三维点云数据的图像中选择三个场景平面点， 基于所述的三个场景平面点 在所述原 始坐标系中的坐标， 获取对应的场景平面的平面方程； 将所述原始坐标系中的第一轴方向和第二轴方向的单位向量分别向所述场景平面进 行投影， 同时将所述原 始坐标系中的原点向所述场景平面进行投影， 获取坐标系转换矩阵； 基于所述坐标系转换矩阵， 将所述原始坐标系转换成所述场景坐标系， 规整所述原始 三维点云数据的三维坐标信息， 获取 所述点云数据深度图像。 3.如权利要求2所述的目标识别方法， 其特征在于， 所述基于密度的杂 散点移除算法与 统计滤波算法， 将所述 点云数据深度图像中的噪声杂散点进行两次移除具体包括： 构建kd‑tree结构， 存储所述点云数据深度图像； 设置所述点云数据深度图像中的每一个点的作用域预设半径， 移除预设半径作用域中 的邻近点数量小于预设数量的所述噪声杂散点； 对所述点云数据深度图像中的每一个点进行所述预设数量的邻 近点查找， 分别计算每 一个点与其所述预设数量的邻近点的距离的平均值Mi， 统计获取点云集中所有点的所述平 均值Mi的平均值ave， 以及标准差的平均值std， 并通过阈值决策公式获取约束阈值ref； 遍历所述点 云数据深度图像中的每一个点， 移除所述平均值Mi大于所述约束阈值ref的 所述噪声杂散点。 4.如权利要求3所述的目标识别方法， 其特 征在于， 所述阈值决策公式具体为： ref＝ave+C ×std； 其中， C取正整数， 表征 标准差倍数。 5.如权利要求1所述的目标识别方法， 其特征在于， 所述基于索引阈值的距离阈值判 断， 将所述 点云数据深度图像中的背景点进行移除具体包括： 载入初始背景点云数据A； 载入扫描目标及坐标系转换获取的所述点云数据深度图像的目标点云数据B， 设置索 引阈值k和距离阈值d； 遍历A， 对A中的每个点q， 在B中找出与 点q的索引值i相同且在索引阈值k范围内的点p， 计算点q和点p之间的欧式距离D， 如果D<d， 则移除对应的背景点p。 6.如权利要求3所述的目标识别方法， 其特征在于， 所述基于法向量的区域增长算法，权　利　要　求　书 1/2 页 2 CN 115131240 A 2依据点与点法向量之间的夹角进行 单目标聚类， 获取不同种类的目标 具体包括： 获取所述目标点云数据B中曲率 最小的点； 判断该曲率最小的点的法 向量和邻 近点的法 向量之间的夹角小于预设的角度阈值， 利 用邻近点的所述预设数量的阈值和所述角度阈值进行聚类增长， 形成若干聚类实体， 获取 不同种类的目标。 7.如权利要求6所述的目标识别方法， 其特征在于， 点的法 向量通过最小平面拟合的方 式获取。 8.一种用于三维点云数据的目标识别系统， 其特 征在于， 包括： 点云数据采集模块， 用于扫描获取目标的原 始三维点云数据； 坐标系转换模块， 用于将所述原始三维点云数据 所处的原始坐标系转换成基于场景平 面和所述场景平面的垂线构建的场景坐标系， 获取点云数据深度图像； 噪声杂散点移除模块， 用于基于密度的杂散点移除算法与统计滤波算法， 将所述点云 数据深度图像中的噪声杂散点进行两次移除； 背景点移除模块， 用于基于索引阈值的距离阈值判断， 将所述点云数据深度图像中的 背景点进行移除； 单目标聚类模块， 用于基于法向量的区域增长算法， 依据点与点法向量之间的夹角进 行单目标聚类， 获取不同种类的目标， 实现目标识别。 9.一种电子设备， 其特征在于， 包括至少一个处理单元、 以及至少一个存储单元， 其中， 所述存储单元存储有计算机程序， 当所述计算机程序被所述处理单元执行时， 使得所述处 理单元执行权利要求1～7任一项所述方法的步骤。 10.一种存储介质， 其特征在于， 其存储有可由访问认证设备执行的计算机程序， 当所 述计算机程序在访问认证设备上运行时， 使得所述访问认证设备执行权利要求 1～7任一项 所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115131240 A 3