[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

说明书

本申请提供一种目标检测方法、装置、终端设备及计算机可读存储介质。所述方法包括：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。本申请可以在一定程度上解决现有技术中无法准确检测目标对象尺寸的技术问题。

技术领域

本申请属于目标检测技术领域，尤其涉及一种目标检测方法、目标检测装置、终端设备及计算机可读存储介质。

背景技术

目前，很多领域都需要对场景中目标对象的特征进行检测，比如检测目标对象的尺寸或者目标对象是否为可滚动的形状等。

目前，对于目标对象尺寸的检测方法通常为点云平面拟合算法，比如RANSAC算法。点云平面拟合算法在确定目标对象尺寸时，需要预先设定一个位置范围，将位于该位置范围内的点云点确定为同一表面的点，然后根据位于同一表面的各个点云点的三维坐标实现表面尺寸检测。显然，对于表面凹凸较大的目标对象，点云平面拟合算法无法准确检测出位于同一表面的点云点，因此，也无法准确地对该表面的尺寸进行检测。

另外，在某些情况下，是需要识别目标对象的形状的，目前，大多数形状识别完全依赖人工。比如，若目标对象是包裹，则在包裹进入中转场时，为避免形状不符合要求(比如球形、柱形等)的包裹进入交叉带分拣，需要在包裹进入交叉带分拣之前，人工识别各个包裹的形状，然后将形状不符合要求的包裹(比如球形、柱形等)选取出来。因此，目前对目标对象形状的识别完全依赖人工，效率较低。

发明内容

有鉴于此，本申请提供了一种目标检测方法、目标检测装置、终端设备及计算机可读存储介质。可以在一定程度上解决现有技术中无法准确检测目标对象尺寸以及对目标对象形状识别效率较低的技术问题。

本申请第一方面提供了一种目标检测方法，包括：

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

将上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上述待检测点云数据中属于上述待检测目标的目标表面的各个点云点；

根据属于上述目标表面的各个点云点，确定该目标表面的尺寸。

本申请实施例的第二方面提供了一种目标检测装置，包括：

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

目标表面检测模块，用于将上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上述待检测点云数据中属于上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，用于根据属于上述目标表面的各个点云点，确定该目标表面的尺寸。

除了上述第一方面提供的目标检测方法，本申请第三方面还提供了另一种目标检测方法，该目标检测方法包括：

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

将上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上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上述待检测点云数据所有点云点数量的比例大于预设比例，则确认上述待检测场景中包含上述预设形状的目标对象。

本申请第四方面提供了一种目标检测装置，包括：