物体识别方法、装置、系统、存储介质及计算机设备

技术领域

本发明涉及物体分类领域，具体而言，涉及一种物体识别方法、装置、系统、存储介质及计算机设备。

背景技术

采用深度相机对工业生产中的产品进行拍照，可以得到产品的点云图像，基于点云图像可以对产品的产品类型进行预测，上述技术可以应用于物品分拣场景，使得设备可以自动化地按照物品的类型将物品进行分类和分拣。然而，由于点云数据的局限性，上述识别方式的识别结果并不稳定，有时会出现物品分类错误的情况，导致后续分拣错误，影响工作效率。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种物体识别方法、装置、系统、存储介质及计算机设备，以至少解决利用点云数据识别物体类型时存在的识别不准确的技术问题。

根据本发明实施例的一个方面，提供了一种物体识别方法，包括：获取待识别的点云数据，其中，所述点云数据包括多个初始点；根据所述点云数据，生成与所述多个初始点一一对应的多个第一点云集合和与所述多个初始点一一对应的多个第二点云集合，其中，所述多个第一点云集合分别包括对应的初始点和离对应的初始点最近的第一数量个初始点，所述多个第二点云集合分别包括对应的初始点和离对应的初始点最近的第二数量个初始点；根据所述多个第一点云集合，生成第一质心集合，以及根据所述多个第二点云集合，生成第二质心集合，其中，所述第一质心集合包括的第一质心点为所述多个第一点云集合各自的质心，所述第二质心集合包括的第二质心点为所述多个第二点云集合各自的质心；根据所述第一质心集合和所述第二质心集合，确定所述点云数据对应的物体类型。

可选地，根据所述点云数据，生成与所述多个初始点一一对应的多个第一点云集合和与所述多个初始点一一对应的多个第二点云集合，包括：采用k维搜索树遍历所述多个初始点，得到与所述多个初始点各自距离最近的第一数量个初始点和第二数量个初始点；根据所述多个初始点各自距离最近的第一数量个初始点，生成所述多个第一点云集合；根据所述多个初始点各自距离最近的第二数量个初始点，生成所述多个第二点云集合。

可选地，根据所述多个第一点云集合，生成第一质心集合，以及根据所述多个第二点云集合，生成第二质心集合，包括：将所述多个第一点云集合的每个集合中的初始点的坐标取平均，得到所述多个第一点云集合各自的第一质心点；将所述多个第二点云集合的每个集合中的初始点的坐标取平均，得到所述多个第二点云集合各自的第二质心点；根据所述第一质心点，生成所述第一质心集合；根据所述第二质心点，生成所述第二质心集合。

可选地，根据所述第一质心集合和所述第二质心集合，确定所述点云数据对应的物体类型，包括：根据所述第一质心集合，确定所述第一质心点各自的第一曲率值；根据所述第二质心集合，确定所述第二质心点各自的第二曲率值；将所述第一质心集合和所述第二质心集合合并，生成融合点云集合；根据所述第一曲率值、所述第二曲率值和所述融合点云集合，确定所述点云数据对应的物体类型。

可选地，所述根据所述第一曲率值、所述第二曲率值和所述融合点云集合，确定所述点云数据对应的物体类型，包括：根据最小包围框对所述融合点云集合进行分割，切割得到多个几何体；根据所述第一曲率值和所述第二曲率值，确定所述多个几何体各自对应的曲率平均值；根据所述多个几何体各自对应的曲率平均值，确定所述点云数据对应的物体类型。

可选地，所述根据所述多个几何体各自对应的曲率平均值，确定所述点云数据对应的物体类型，包括：获取目标物体的第一曲率特征；根据所述多个几何体各自对应的曲率平均值，确定所述点云数据对应的第二曲率特征；确定所述第一曲率特征和所述第二曲率特征之间的欧式距离；在所述欧氏距离小于距离阈值的情况下，确定所述点云数据对应的物体类型为所述目标物体。

根据本发明实施例的另一方面，还提供了一种物体识别装置，包括：获取模块，用于获取待识别的点云数据，其中，所述点云数据包括多个初始点；第一生成模块，用于根据所述点云数据，生成与所述多个初始点一一对应的多个第一点云集合和与所述多个初始点一一对应的多个第二点云集合，其中，所述多个第一点云集合分别包括对应的初始点和离对应的初始点最近的第一数量个初始点，所述多个第二点云集合分别包括对应的初始点和离对应的初始点最近的第二数量个初始点；第二生成模块，用于根据所述多个第一点云集合，生成第一质心集合，以及根据所述多个第二点云集合，生成第二质心集合，其中，所述第一质心集合包括的质心点为所述多个第一点云集合各自的质心，所述第二质心集合包括的质心点为所述多个第二点云集合各自的质心；确定模块，用于根据所述第一质心集合和所述第二质心集合，确定所述点云数据对应的物体类型。

根据本发明实施例的另一方面，还提供了一种物体识别系统，包括：点云采集设备和数据处理设备，其中，所述点云采集设备用于采集待识别的点云数据，并将所述点云数据传输至所述数据处理设备，所述数据处理设备用于执行上述任意一项的物体识别方法。

根据本发明实施例的又一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行上述任意一项所述物体识别方法。

根据本发明实施例的再一方面，还提供了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器用于存储程序，所述处理器用于运行所述存储器存储的程序，其中，所述程序运行时执行上述任意一项所述物体识别方法。

在本发明实施例中，通过获取待识别的点云数据，其中，点云数据包括多个初始点；根据点云数据，生成与多个初始点一一对应的多个第一点云集合和与多个初始点一一对应的多个第二点云集合，其中，多个第一点云集合分别包括对应的初始点和离对应的初始点最近的第一数量个初始点，多个第二点云集合分别包括对应的初始点和离对应的初始点最近的第二数量个初始点；根据多个第一点云集合，生成第一质心集合，以及根据多个第二点云集合，生成第二质心集合，其中，第一质心集合包括的第一质心点为多个第一点云集合各自的质心，第二质心集合包括的第二质心点为多个第二点云集合各自的质心；根据第一质心集合和第二质心集合，确定点云数据对应的物体类型，达到了准确识别点云数据对应的物体的物体类型的目的，从而实现了提高利用点云数据识别物体类型时的准确度的技术效果，进而解决了利用点云数据识别物体类型时存在的识别不准确的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了一种用于实现物体识别方法的计算机终端的硬件结构框图；

图2是根据本发明实施例提供的物体识别方法的流程示意图；

图3是根据本发明实施例提供的物体识别装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本发明实施例，提供了一种物体识别方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现物体识别方法的计算机终端的硬件结构框图。如图1所示，计算机终端10可以包括一个或多个(图中采用处理器102a、处理器102b，……，处理器102n来示出)处理器(处理器可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为BUS总线的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。

存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的物体识别方法对应的程序指令/数据存储装置，处理器通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的物体识别方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端10的用户界面进行交互。

本发明提供一种基于点云图像视觉的物体分类方法，可以通过3D相机扫描现场待分拣物体的点云，基于点云对物体的类别进行识别，并基于物体的类型识别结果对物体进行分拣作业。

图2是根据本发明实施例提供的物体识别方法的流程示意图，如图2所示，该方法包括如下步骤：

步骤S202，获取待识别的点云数据，其中，点云数据包括多个初始点。

本步骤中，待识别的点云数据可以是点云采集设备拍摄待分拣的物体后得到的点云数据，点云采集设备可以是深度相机，例如RGBD相机。本实施例及如下可选实施例可以应用于如下场景：采用点云采集设备拍摄产品线，得到待分拣产品的点云数据，然后基于点云数据对待分拣产品的产品类型进行识别，得到物体类型的识别结果，再之后根据物体类型的识别结果，将待分拣产品分拣到匹配其类型的区域位置。点云数据包括的多个初始点，每个初始点即为点云中的一个点。

步骤S204，根据点云数据，生成与多个初始点一一对应的多个第一点云集合和与多个初始点一一对应的多个第二点云集合，其中，多个第一点云集合分别包括对应的初始点和离对应的初始点最近的第一数量个初始点，多个第二点云集合分别包括对应的初始点和离对应的初始点最近的第二数量个初始点。

可选地，第一数量可以记为k，第二数量可以为1.5k，2k或者3k，第一数量和第二数量的具体个数可以包括多种情况，在此不做限定，需要注意的是第一数量和第二数量的个数不同。该步骤可以称为构建点云金字塔，第一点云集合与第二点云集合可以称为点云金字塔中具有不同维度的层。将多个初始点的个数记为N，则第一点云集合的集合个数为N，第二点云集合的集合个数也为N，第一点云集合的每个集合中包括k个初始点，第二点云集合的每个集合中可以包括1.5k，2k或者3k个初始点。

作为一种可选的实施例，根据点云数据，生成与多个初始点一一对应的多个第一点云集合和与多个初始点一一对应的多个第二点云集合，包括如下步骤：采用k维搜索树遍历多个初始点，得到与多个初始点各自距离最近的第一数量个初始点和第二数量个初始点；根据多个初始点各自距离最近的第一数量个初始点，生成多个第一点云集合；根据多个初始点各自距离最近的第二数量个初始点，生成多个第二点云集合。

K维搜索树(k-dimensional树，简称kd-tree)，是一种对k维空间中的实例点进行存储以便对其进行快速检索的树形数据结构。主要应用于多维空间关键数据的搜索，K-D树是二进制空间分割树的特殊的情况。

步骤S206，根据多个第一点云集合，生成第一质心集合，以及根据多个第二点云集合，生成第二质心集合，其中，第一质心集合包括的第一质心点为多个第一点云集合各自的质心，第二质心集合包括的第二质心点为多个第二点云集合各自的质心。

本步骤中，第一质心点和第二质心点同样是点云数据，但是二者属于基于点云金字塔中的不同维度的层而生成的点云数据，因此可以从不同层面反映待识别物体的表面特征，因而基于第一质心点和第二质心点去识别物体的物体类型可以提高识别结果的准确性。

作为一种可选的实施例，根据多个第一点云集合，生成第一质心集合，以及根据多个第二点云集合，生成第二质心集合，可以通过如下方式：将多个第一点云集合的每个集合中的初始点的坐标取平均，得到多个第一点云集合各自的第一质心点；将多个第二点云集合的每个集合中的初始点的坐标取平均，得到多个第二点云集合各自的第二质心点；根据第一质心点，生成第一质心集合；根据第二质心点，生成第二质心集合。

步骤S208，根据第一质心集合和第二质心集合，确定点云数据对应的物体类型。

作为一种可选的实施例，根据第一质心集合和第二质心集合，确定点云数据对应的物体类型，包括如下步骤：根据第一质心集合，确定第一质心点各自的第一曲率值；根据第二质心集合，确定第二质心点各自的第二曲率值；将第一质心集合和第二质心集合合并，生成融合点云集合；根据第一曲率值、第二曲率值和融合点云集合，确定点云数据对应的物体类型。

点云中的曲率是指表征点的局部几何特征的一个度量值。曲率可以用来描述点云中的平面、曲面或边缘等特征。求解点云中一个点的曲率通常需要以下步骤：

1.选择一个半径较小的邻域，可以是以该点为中心的球体或立方体。2.计算邻域内每个点与该点的距离，可以使用欧氏距离或其他距离度量方法。3.根据距离计算每个点的权重，可以使用高斯权重函数或其他衰减函数，距离越近的点权重越大。4.使用邻域内所有点的坐标信息拟合一个曲面模型，可以使用最小二乘法或其他拟合方法。5.根据曲面模型计算点的曲率，可以使用曲率张量、主曲率或其他曲率估计方法。

具体的曲率计算方法可以根据应用场景和需求选择，常用的方法包括最小二乘法曲率估计、法线变化曲率估计、基于特征值分析的曲率估计等。在实际应用中，还可以结合其他几何特征如法线、曲率变化等进行综合分析，以获取更全面的点云特征信息。

点云的曲率值和物体类别之间存在一定的关系。曲率值是用来描述点云中每个点的曲率特征的指标，可以用来表示点云表面的平坦程度或曲率程度。对于具有不同类别的物体，其表面的曲率特征可能存在差异。例如，对于球体这样的几何体，其表面是均匀的，曲率值较小；而对于棱柱或棱锥等具有角的几何体，其表面存在较大的曲率值。因此，通过分析点云中的曲率值可以辅助识别物体类别。不同类别的物体通常具有不同的曲率分布特征，可以基于这些特征进行分类和识别。例如，可以通过机器学习算法训练一个分类模型，将曲率特征作为输入，预测点云所属的物体类别。

作为一种可选的实施例，根据第一曲率值、第二曲率值和融合点云集合，确定点云数据对应的物体类型，包括：根据最小包围框对融合点云集合进行分割，切割得到多个几何体；根据第一曲率值和第二曲率值，确定多个几何体各自对应的曲率平均值；根据多个几何体各自对应的曲率平均值，确定点云数据对应的物体类型。

作为一种可选的实施例，根据多个几何体各自对应的曲率平均值，确定点云数据对应的物体类型，包括如下过程：获取目标物体的第一曲率特征；根据多个几何体各自对应的曲率平均值，确定点云数据对应的第二曲率特征；确定第一曲率特征和第二曲率特征之间的欧式距离；在欧氏距离小于距离阈值的情况下，确定点云数据对应的物体类型为目标物体。

上述可选实施例提供的步骤可以称为点云切片化操作，几何体可以为正方体。具体地，可以将融合点云集合构建最小包围框，设置切片的h和w，根据点云包围框的长和宽和设置的h，w去进行切割，切割完成后会变成多个小正方体的结构，每个结构里包含一些点云数据。计算每个正方体里面的曲率平均值，有多少个正方体结构就会有多少个曲率的平均值。然后计算与目标物体的欧式距离，如果待识别的物体的物体类型是目标物体的物体类型的话，理论上欧式距离为0，但是由于相机的稳定性原因，特征之间的欧氏距离无法为0，此时可以设置一个距离阈值，如果小于这个阈值才是该类别的物体的点云数据。

通过上述步骤，达到了准确识别点云数据对应的物体的物体类型的目的，从而实现了提高利用点云数据识别物体类型时的准确度的技术效果，进而解决了利用点云数据识别物体类型时存在的识别不准确的技术问题。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的物体识别方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。

根据本发明实施例，还提供了一种用于实施上述物体识别方法的物体识别装置，图3是根据本发明实施例提供的物体识别装置的结构框图，如图3所示，该物体识别装置包括：获取模块32，第一生成模块34，第二生成模块36和确定模块38，下面对该物体识别装置进行说明。

获取模块32，用于获取待识别的点云数据，其中，点云数据包括多个初始点；

第一生成模块34，连接于上述获取模块32，用于根据点云数据，生成与多个初始点一一对应的多个第一点云集合和与多个初始点一一对应的多个第二点云集合，其中，多个第一点云集合分别包括对应的初始点和离对应的初始点最近的第一数量个初始点，多个第二点云集合分别包括对应的初始点和离对应的初始点最近的第二数量个初始点。

第二生成模块36，连接于上述第一生成模块34，用于根据多个第一点云集合，生成第一质心集合，以及根据多个第二点云集合，生成第二质心集合，其中，第一质心集合包括的质心点为多个第一点云集合各自的质心，第二质心集合包括的质心点为多个第二点云集合各自的质心。

确定模块38，连接于上述第二生成模块36，用于根据第一质心集合和第二质心集合，确定点云数据对应的物体类型。

此处需要说明的是，上述获取模块32，第一生成模块34，第二生成模块36和确定模块38对应于实施例中的步骤S202至步骤S208，四个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例提供的计算机终端10中。

根据本发明实施例，还提供了一种物体识别系统，包括：点云采集设备和数据处理设备，其中，点云采集设备用于采集待识别的点云数据，并将点云数据传输至数据处理设备，数据处理设备用于执行上述任意一项的物体识别方法。可选地，物体识别系统还可以包括机器臂，用于根据数据处理设备确定的物体类型，将物体抓取并放置到正确的归置区域。

本发明的实施例可以提供一种计算机设备，可选地，在本实施例中，上述计算机设备可以位于计算机网络的多个网络设备中的至少一个网络设备。该计算机设备包括存储器和处理器。

其中，存储器可用于存储软件程序以及模块，如本发明实施例中的物体识别方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的物体识别方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取待识别的点云数据，其中，点云数据包括多个初始点；根据点云数据，生成与多个初始点一一对应的多个第一点云集合和与多个初始点一一对应的多个第二点云集合，其中，多个第一点云集合分别包括对应的初始点和离对应的初始点最近的第一数量个初始点，多个第二点云集合分别包括对应的初始点和离对应的初始点最近的第二数量个初始点；根据多个第一点云集合，生成第一质心集合，以及根据多个第二点云集合，生成第二质心集合，其中，第一质心集合包括的第一质心点为多个第一点云集合各自的质心，第二质心集合包括的第二质心点为多个第二点云集合各自的质心；根据第一质心集合和第二质心集合，确定点云数据对应的物体类型。

可选的，上述处理器还可以执行如下步骤的程序代码：根据点云数据，生成与多个初始点一一对应的多个第一点云集合和与多个初始点一一对应的多个第二点云集合，包括：采用k维搜索树遍历多个初始点，得到与多个初始点各自距离最近的第一数量个初始点和第二数量个初始点；根据多个初始点各自距离最近的第一数量个初始点，生成多个第一点云集合；根据多个初始点各自距离最近的第二数量个初始点，生成多个第二点云集合。

可选的，上述处理器还可以执行如下步骤的程序代码：根据多个第一点云集合，生成第一质心集合，以及根据多个第二点云集合，生成第二质心集合，包括：将多个第一点云集合的每个集合中的初始点的坐标取平均，得到多个第一点云集合各自的第一质心点；将多个第二点云集合的每个集合中的初始点的坐标取平均，得到多个第二点云集合各自的第二质心点；根据第一质心点，生成第一质心集合；根据第二质心点，生成第二质心集合。

可选的，上述处理器还可以执行如下步骤的程序代码：根据第一质心集合和第二质心集合，确定点云数据对应的物体类型，包括：根据第一质心集合，确定第一质心点各自的第一曲率值；根据第二质心集合，确定第二质心点各自的第二曲率值；将第一质心集合和第二质心集合合并，生成融合点云集合；根据第一曲率值、第二曲率值和融合点云集合，确定点云数据对应的物体类型。

可选的，上述处理器还可以执行如下步骤的程序代码：根据第一曲率值、第二曲率值和融合点云集合，确定点云数据对应的物体类型，包括：根据最小包围框对融合点云集合进行分割，切割得到多个几何体；根据第一曲率值和第二曲率值，确定多个几何体各自对应的曲率平均值；根据多个几何体各自对应的曲率平均值，确定点云数据对应的物体类型。

可选的，上述处理器还可以执行如下步骤的程序代码：根据多个几何体各自对应的曲率平均值，确定点云数据对应的物体类型，包括：获取目标物体的第一曲率特征；根据多个几何体各自对应的曲率平均值，确定点云数据对应的第二曲率特征；确定第一曲率特征和第二曲率特征之间的欧式距离；在欧氏距离小于距离阈值的情况下，确定点云数据对应的物体类型为目标物体。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一非易失性存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。

本发明的实施例还提供了一种非易失性存储介质。可选地，在本实施例中，上述非易失性存储介质可以用于保存上述实施例所提供的物体识别方法所执行的程序代码。

可选地，在本实施例中，上述非易失性存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：获取待识别的点云数据，其中，点云数据包括多个初始点；根据点云数据，生成与多个初始点一一对应的多个第一点云集合和与多个初始点一一对应的多个第二点云集合，其中，多个第一点云集合分别包括对应的初始点和离对应的初始点最近的第一数量个初始点，多个第二点云集合分别包括对应的初始点和离对应的初始点最近的第二数量个初始点；根据多个第一点云集合，生成第一质心集合，以及根据多个第二点云集合，生成第二质心集合，其中，第一质心集合包括的第一质心点为多个第一点云集合各自的质心，第二质心集合包括的第二质心点为多个第二点云集合各自的质心；根据第一质心集合和第二质心集合，确定点云数据对应的物体类型。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据点云数据，生成与多个初始点一一对应的多个第一点云集合和与多个初始点一一对应的多个第二点云集合，包括：采用k维搜索树遍历多个初始点，得到与多个初始点各自距离最近的第一数量个初始点和第二数量个初始点；根据多个初始点各自距离最近的第一数量个初始点，生成多个第一点云集合；根据多个初始点各自距离最近的第二数量个初始点，生成多个第二点云集合。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据多个第一点云集合，生成第一质心集合，以及根据多个第二点云集合，生成第二质心集合，包括：将多个第一点云集合的每个集合中的初始点的坐标取平均，得到多个第一点云集合各自的第一质心点；将多个第二点云集合的每个集合中的初始点的坐标取平均，得到多个第二点云集合各自的第二质心点；根据第一质心点，生成第一质心集合；根据第二质心点，生成第二质心集合。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据第一质心集合和第二质心集合，确定点云数据对应的物体类型，包括：根据第一质心集合，确定第一质心点各自的第一曲率值；根据第二质心集合，确定第二质心点各自的第二曲率值；将第一质心集合和第二质心集合合并，生成融合点云集合；根据第一曲率值、第二曲率值和融合点云集合，确定点云数据对应的物体类型。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据第一曲率值、第二曲率值和融合点云集合，确定点云数据对应的物体类型，包括：根据最小包围框对融合点云集合进行分割，切割得到多个几何体；根据第一曲率值和第二曲率值，确定多个几何体各自对应的曲率平均值；根据多个几何体各自对应的曲率平均值，确定点云数据对应的物体类型。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据多个几何体各自对应的曲率平均值，确定点云数据对应的物体类型，包括：获取目标物体的第一曲率特征；根据多个几何体各自对应的曲率平均值，确定点云数据对应的第二曲率特征；确定第一曲率特征和第二曲率特征之间的欧式距离；在欧氏距离小于距离阈值的情况下，确定点云数据对应的物体类型为目标物体。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。