行李箱识别方法、电子设备和存储介质技术

本申请提供了一种行李三维识别方法方法、电子设备和存储介质，通过获取目标行李箱的第一点云数据；根据目标行李箱的第一点云数据，计算出目标行李箱的三维数据模型；进而实现根据目标行李箱的三维数据模型与各预设类别行李箱的三维点云数据对比，识别目标行李箱。弥补二维图像识别技术在部分条件下无法准确识别行李箱的弱点，以提高对目标行李箱的识别效果，有效防止行李箱在传输过程中丢失，提高用户体验效果。

【技术实现步骤摘要】
行李箱识别方法、电子设备和存储介质
本申请涉及目标检测
，尤其涉及一种行李箱识别方法、电子设备和存储介质。
技术介绍
在行李托运时，例如民航进行行李托运时，需要对传送带上的行李进行追踪识别，以确定将各个行李传送至合适的航班进行托运，以避免行李的丢失。目前，常采用二维图像识别技术来进行行李追踪识别。而由于在传输过程中，不同时刻同一行李的位置、角度、光线及背景等外部条件均可能会发生改变，使得二维图像识别技术无法准确地追踪到每件行李，可能会导致行李丢失，给客户造成不良的体验效果。
技术实现思路
本申请提供了一种行李箱识别方法、电子设备和存储介质，旨在提高目标行李箱传输过程中识别的准确率，以防止行李箱丢失，提高客户体验效果。第一方面，本申请实施例提供了一种行李箱识别方法，包括：获取目标行李箱的第一点云数据；根据所述第一点云数据和各个第二点云数据，确定所述目标行李箱的三维数据模型，所述第二点云数据为各种预设类别行李箱的三维点云数据；将所述目标行李箱的三维数据模型和各预设类别行李箱的三维数据模型进行对比，识别所述目标行李箱。第二方面，本申请实施例提供了一种电子设备，包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时，实现如上述第一方面所述的行李箱识别方法。第三方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现上述第一方面所述的行李箱识别方法。本申请实施例提供了一种行李箱识别方法、电子设备和存储介质，通过获取目标行李箱的第一点云数据；根据目标行李箱的第一点云数据，计算目标行李箱的三维数据模型；进而实现将目标行李箱的三维数据模型和各预设类别行李箱的三维数据模型进行对比，识别目标行李箱。弥补二维图像识别技术在部分条件下无法准确识别行李箱的弱点。以提高对目标行李箱的识别效果，有效防止行李箱在传输过程中丢失，提高用户体验效果。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请实施例的公开内容。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的行李箱识别方法的应用场景示意图；图2是本申请实施例提供的行李识别方法的实现流程示意图；图3是图2中S201的具体实现流程示意图；图4是本申请实施例提供的行李箱识别装置的示意性框图；图5是本申请实施例提供的电子设备的示意性框图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。请参阅图1，图1是本申请实施例提供的行李箱识别方法的应用场景示意图。如图1所示，在本实施例中，行李箱识别方法可应用于行李识别系统100。其中，行李识别系统100包括电子设备101和相机102；电子设备101和相机102通讯连接，电子设备101可以包括终端设备或服务器；其中，终端设备可以是手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备；服务器可以为独立的服务器，也可以为服务器集群。在本实施例中，电子设备101用于获取目标行李箱的第一点云数据，并根据第一点云数据和各种预设类别行李箱的三维点云数据，确定目标行李箱的三维数据模型，进而根据目标行李箱的三维数据模型，识别目标行李箱。以提高对目标行李箱的识别效果，有效防止行李箱在传输过程中丢失，提高用户体验效果。其中，目标行李箱的第一点云数据，由相机102采集的场景深度信息和预设的背景深度信息进行确定。在本实施例中，相机102用于采集行李跟踪区域内的场景深度信息，以使电子设备101根据相机102采集的行李跟踪区域内的场景深度信息和预设的背景深度信息，确定目标行李箱的前景深度信息，进而根据相机102的标定参数和目标行李箱的前景深度信息，确定目标行李箱的第一点云数据。通过从场景深度信息中剔除背景深度信息来得到目标行李箱的前景深度信息，进而根据相机标定参数和目标行李箱的前景深度信息，来得到准确性高的目标行李箱的第一点云数据。请参阅图2所示，图2是本申请实施例提供的行李识别方法的实现流程示意图。本实施例提供的行李识别方法可由图1实施例中所示的电子设备101的硬件或软件执行实现。详述如下：S201，获取目标行李箱的第一点云数据。具体地，在本实施例中，目标行李箱为行李跟踪区域内的行李箱，电子设备获取行李跟踪区域内的目标行李箱的第一点云数据。示例性地，电子设备通过预先标定完成的相机，采集行李跟踪区域内的场景深度信息，进而从场景深度信息中剔除预设的背景深度信息，得到准确地目标行李的前景深度信息，在得到准确的前景深度信息之后，可以根据相机参数将前景深度信息转换为目标行李箱的第一点云数据。以实现快速准确地获取目标行李箱的第一点云数据。示例性地，如图3所示，图3是图2中S201的具体实现流程图。由图3可知，S201包括S2011至S2013。详述如下：S2011，通过预先标定完成的相机，采集行李跟踪区域内的场景深度信息。示例性地，在本实施例中，可以采用传统相机标定法、主动视觉相机标定法或相机自标定法中的任意一种相机标定法对相机预先进行标定。标定完成之后，通过该相机采集行李跟踪区域内的场景深度信息。其中，行李跟踪区域可以预先进行设置，例如，行李跟踪区域为行李传送带的特定区域；场景深度信息包括背景深度信息和前景深度信息。在行李跟踪区域，背景深度信息为固定的，前景深度信息为行李传送带上的物体深度信息。例如，如果行李传送带上正在进行行李传送，则前景深度信息为正在传送行李的深度信息。S2012，根据预设的背景深度信息与所述场景深度信息，确定所述目标行李箱的前景深度信息。其中，根据预设的背景深度信息与场景深度信息，确定目标行李箱的前景深度信息，包括：计算场景深度信息和背景深度信息之间的深度差，得到目标行李箱的前景深度信息。在本实施例中，通过计算场景深度信息和背景深度信息之间的深度差，从场景深度信息中剔除背景深度信息，可以得到较为准确地前景深度信息。由于在行李传送带上，除了正在传送的目标行李箱之外，正常情况下不可能出现别的前景对象。因此，从场景深度信息中剔除背景深度信息，即可本文档来自技高网...

【技术保护点】
1.一种行李箱识别方法，其特征在于，包括：/n获取目标行李箱的第一点云数据；/n根据所述第一点云数据和各个第二点云数据，确定所述目标行李箱的三维数据模型，所述第二点云数据为各种预设类别行李箱的三维点云数据；/n将所述目标行李箱的三维数据模型和各预设类别行李箱的三维数据模型进行对比，识别所述目标行李箱。/n

【技术特征摘要】
1.一种行李箱识别方法，其特征在于，包括：
获取目标行李箱的第一点云数据；
根据所述第一点云数据和各个第二点云数据，确定所述目标行李箱的三维数据模型，所述第二点云数据为各种预设类别行李箱的三维点云数据；
将所述目标行李箱的三维数据模型和各预设类别行李箱的三维数据模型进行对比，识别所述目标行李箱。


2.根据权利要求1所述的行李箱识别方法，其特征在于，所述获取目标行李箱的第一点云数据，包括：
通过预先标定完成的相机，采集行李跟踪区域内的场景深度信息；
根据预设的背景深度信息与所述场景深度信息，确定所述目标行李箱的前景深度信息；
基于相机的标定参数和所述前景深度信息，确定所述第一点云数据。


3.根据权利要求1或2所述的行李箱识别方法，其特征在于，所述根据所述第一点云数据和各个第二点云数据，确定所述目标行李箱的三维数据模型，包括：
对所述第一点云数据进行降采样，得到所述第一点云数据的第一关键特征点；
分别对各个所述第二点云数据进行降采样，得到各个所述第二点云数据各自对应的第二关键特征点；
根据所述第一关键特征点和各个所述第二关键特征点，确定所述目标行李箱的三维数据模型。


4.根据权利要求3所述的行李箱识别方法，其特征在于，所述根据所述第一关键特征点和各个所述第二关键特征点，确定所述目标行李箱的三维数据模型，包括：
确定所述第一关键特征点的第一方向直方图和各个所述第二关键特征点的第二方向直方图；
基于预设的搜索匹配算法，将所述第一方向直方图和各个所述第二方向直方图分别进行匹配，基于匹配结果确定所述目标行李箱的三维数据模型。


5.根据权利要求4所述的行李箱识别方法，...

【专利技术属性】
技术研发人员：刘晓涛，区士超，张凤娟，
申请(专利权)人：超节点创新科技深圳有限公司，
类型：发明
国别省市：广东;44