[发明专利]一种基于激光雷达和相机信息融合的目标定位检测方法

说明书

本发明涉及图像处理领域，公开了一种基于激光雷达和相机信息融合的目标定位检测方法，步骤为：S1、对检测场景3D点云数据进行预处理，得到可视化场景点云图；S2、采用点云分割算法对可视化场景点云图进行分割，得到3D目标物体区域点云图；S3、从3D目标物体区域点云图中挑选出模板目标物体点云图；S4、实时采集检测场景的3D点云数据和2D图像，按步骤S1、S2的操作对待检测3D点云数据进行处理，得到待检测3D目标物体区域点云图；采用神经网络对2D图像进行目标物体检测，生成目标物体检测检测结果图；S5、将目标物体检测结果图与待检测3D目标物体区域点云图融合，得到待检目标物体区域融合点云图；S6、将待检目标物体区域融合点云图与模板目标物体点云图配准，得到待检目标物体区域融合点云图中目标物体的位姿信息。

技术领域

本发明涉及图像处理领域，具体涉及一种基于激光雷达和相机信息融合的目标定位检测方法。

背景技术

无人渣罐吊运系统中，采用目标检测技术，可以准确感知渣罐的实际位置，进而实现渣罐的自动吊运，可以减少人工辅助，特别是避免人工介入危险性较大的作业环境。在钢铁公司中，钢铁产量是其关键的技术指标，包含造渣、出渣、精炼、出钢等一系列工艺，这其中涉及了大量的钢渣转运操作。钢渣转运是钢铁生产中的突出环节，目前绝大部分钢渣的运输过程主要采用人工操作和监测的方法。一方面因为高温环境和钢渣飞溅，存在极大安全风险；另一方面，人工操作主要依靠人眼观测，存在误判的可能，导致行车不必要的启停，而且某些操作需要多次尝试才能完成，效率十分低下。为了提高钢铁公司的生产效率，加强工人的安全保障，最好是减少和无需地面辅助及监控人员的参与。因此，在智能钢渣处理流程中，能够自动确认板钩的状态，识别渣罐位置，实现钢渣转运的智能化是未来的发展趋势，具有很强的现实意义和经济价值。因此迫切需要一种能够自动准确识别渣灌和挂钩的位置、缩短数据采集周期，来高效安全地完成挂钩的检测与定位的方法，从而实现钢渣转运的无人化作业。

发明内容

针对现有技术中存在的问题和不足，本发明的目的旨在提供一种基于激光雷达和相机信息融合的目标定位检测方法。

为实现发明目的，本发明采用的技术方案如下：

一种基于激光雷达和相机信息融合的目标定位检测方法，其特征在于，包括以下步骤：

S1、对获取的检测场景的3D点云数据进行预处理，消除点云噪声，滤除场景中非目标景物，得到可视化场景点云图；

S2、采用基于发线夹角的欧式聚类点云分割算法对步骤S1得到的可视化场景点云图进行点云分割处理，将目标物体与非目标景物分割，得到3D目标物体区域点云图；

S3、从步骤S2得到的3D目标物体区域点云图中挑选包含完整目标物体几何信息和语义信息特征的点云图，并将其作为模板目标物体点云图；

S4、实时采集检测场景的3D点云数据和2D图像，得到待检测3D点云数据和待检测2D图像，按所述步骤S1、S2的操作对待检测3D点云数据进行处理，得到待检测3D目标物体区域点云图；采用深度卷积神经网络对待检测2D图像进行目标物体检测，生成目标物体检测检测结果图，所述目标物体检测结果图包含目标物体的边界框、目标物体类别和置信度；

S5、将所述目标物体检测结果图与待检测3D目标物体区域点云图进行融合，对待检测3D目标物体区域点云图进行点云着色，得到具有精确坐标信息的待检目标物体区域融合点云图；

S6、采用基于局部特征的全局配准算法将待检目标物体区域融合点云图与模板目标物体点云图进行配准，根据配准信息，得到待检目标物体区域融合点云图中目标物体的位姿信息。

根据上述的基于激光雷达和相机信息融合的目标定位检测方法，优选地，采用基于发线夹角的欧式聚类点云分割算法对步骤S1得到的可视化场景点云图进行点云分割处理的步骤为：

S21、计算可视化场景点云图中在半径为r的范围内点云之间的平均距离和均方差；