[发明专利]目标检测方法、装置、终端设备及计算机可读存储介质

权利要求书

1.一种目标检测方法，其特征在于，包括：

获取待检测点云数据，所述待检测点云数据为来源于待检测场景的点云数据，所述待检测场景包括待检测目标；

将所述待检测点云数据输入至训练好的第一神经网络模型，以使得该第一神经网络模型识别所述待检测点云数据中属于所述待检测目标的目标表面的各个点云点；

根据属于所述目标表面的各个点云点，确定所述目标表面的尺寸。

2.如权利要求1所述的目标检测方法，其特征在于，所述获取待检测点云数据，包括：

获取所述待检测场景的点云数据；

对所述待检测场景的点云数据进行预处理，获得所述待检测点云数据，所述预处理包括对所述待检测场景的点云数据进行降采样、去噪和/或去除所述待检测场景的点云数据中不是所述待检测目标的点云点。

3.如权利要求2所述的目标检测方法，其特征在于，所述获取所述待检测场景的点云数据，包括：

获取深度图像采集装置采集的所述待检测场景的深度图像；

将所述深度图像中的各个像素点均转换为各个点云点，得到所述待检测场景的点云数据，所述待检测场景的点云数据由转换得到的各个点云点组成。

4.如权利要求3所述的目标检测方法，其特征在于，所述深度图像采集装置的图像采集方向与承托所述待检测目标的承托平面垂直，所述目标表面为所述待检测目标的上表面，所述待检测点云数据中每个点云点对应的三维坐标是以所述深度图像采集装置的图像采集方向为z轴的坐标系下的坐标；

相应地，所述根据属于所述目标表面的各个点云点，确定所述目标表面的尺寸，包括：

将属于所述目标表面的各个点云点投影至xoy二维平面；

确定投影至二维平面的各个点云点的最小外接矩形；

根据投影至xoy二维平面的各个点云点的二维坐标，确定所述最小外接矩形的长度和宽度，以得到所述目标表面的长度和宽度。

5.如权利要求4所述的目标检测方法，其特征在于，所述目标检测方法还包括：

获取所述深度图像采集装置与所述承托平面的第一距离值；

根据位于所述目标表面的点云点，确定所述目标平面与所述深度图像采集装置的第二距离值；

将所述第一距离值与所述第二距离值的差值确定为所述待检测目标的高度。

6.如权利要求5所述的目标检测方法，其特征在于，所述目标检测方法还包括：

根据所述目标表面的长度、宽度以及所述待检测目标的高度，计算所述待检测目标的体积。

7.一种目标检测装置，其特征在于，包括：

待检测点云获取模块，用于获取待检测点云数据，所述待检测点云数据为来源于待检测场景的点云数据，所述待检测场景包括待检测目标；

目标表面检测模块，用于将所述待检测点云数据输入至训练好的第一神经网络模型，以使得该第一神经网络模型识别所述待检测点云数据中属于所述待检测目标的目标表面的各个点云点；

表面尺寸确定模块，用于根据属于所述目标表面的各个点云点，确定所述目标表面的尺寸。

8.一种目标检测方法，其特征在于，包括：

获取待检测点云数据，所述待检测点云数据来源于待检测场景的点云数据，所述待检测场景包括一个或多个目标对象；

将所述待检测点云数据输入至训练好的第二神经网络模型，以使得该第二神经网络模型识别所述待检测点云数据中各个点云点所属目标对象的形状；

若识别出所属目标对象的形状为预设形状的点云点数量占所述待检测点云数据所有点云点数量的比例大于预设比例，则确认所述待检测场景中包含所述预设形状的目标对象。

9.如权利要求8所述的目标检测方法，其特征在于，所述获取待检测点云数据，包括：

获取所述待检测场景的点云数据；

对所述待检测场景的点云数据进行预处理，获得所述待检测点云数据，所述预处理包括对所述待检测场景的点云数据进行降采样、去噪和/或去除所述待检测场景的点云数据中不属于任何目标对象的点云点。