本申请涉及一种室内体积探测方法、装置、设备及介质，其中，方法包括：确定毫米波雷达对目标空间进行探测得到的第一点云数据，其中，第一点云数据用于表示在目标空间内毫米波雷达与探测点之间的相对位置关系，探测点为目标空间内的遮挡物上的点；对第一点云数据进行聚类以获得第二点云数据；将第二点云数据输入预设检测模型进行平面检测，得到预设检测模型输出的目标空间的平面检测数据；利用平面检测数据确定目标空间的体积。本申请解决了目前没有对室内自适应测试室内体积的方法设备的问题。对室内自适应测试室内体积的方法设备的问题。对室内自适应测试室内体积的方法设备的问题。
【技术实现步骤摘要】
一种室内体积探测方法、装置、设备及介质
[0001]本申请涉及数据检测
，尤其涉及一种室内体积探测方法、装置、设备及介质。
技术介绍
[0002]随着智能设备的发展，用户对智能设备的自适应控制性能也有了更高的要求，比如，空调根据室内体积来自适应调整制冷量或制热量的大小，包括供暖设备也是需要根据室内体积来调节输出功率，从而起到节能和舒适的作用，那么前提就是如何确定室内的体积，相关技术中没有对室内自适应测试室内体积的方法设备。
[0003]针对上述“没有对室内自适应测试室内体积的方法设备”的问题，目前尚未提出有效的解决方案。
技术实现思路
[0004]本申请提供了一种室内体积探测方法、装置、设备及介质，以解决上述“没有对室内自适应测试室内体积的方法设备”的问题。
[0005]根据本申请实施例的一个方面，本申请提供了一种室内体积探测方法，包括：确定毫米波雷达对目标空间进行探测得到的第一点云数据，其中，第一点云数据用于表示在目标空间内毫米波雷达与探测点之间的相对位置关系，探测点为目标空间内的遮挡物上的点；对第一点云数据进行聚类以获得第二点云数据；将第二点云数据输入预设检测模型进行平面检测，得到预设检测模型输出的目标空间的平面检测数据；利用平面检测数据确定目标空间的体积。
[0006]可选地，确定毫米波雷达对目标空间进行探测得到的第一点云数据包括：将毫米波雷达返回的回波信号转换为初始点云数据；利用每个初始点云数据相对毫米波雷达的距离、方位角以及仰角确定每个初始点云数据在极坐标系中的位置；按照极坐标系与三维坐标系的映射关系确定每个初始点云数据在三维坐标系中的位置；在三维坐标系中，滤除多普勒速度大于第一阈值的初始点云数据和信噪比小于第二阈值的初始点云数据，得到第一点云数据。
[0007]可选地，将第二点云数据输入预设检测模型进行平面检测之前，所述方法还包括按照如下方式训练预设检测模型：获取训练集，其中，训练集为预先获取的携带有位置标识的训练点云数据，位置标识用于标记训练点云数据的位置区域；将训练集输入初始检测模型进行训练，以获得训练结果；在训练结果指示初始检测模型对训练集的识别准确率达到目标阈值的情况下，将初始检测模型确定为预设检测模型；在训练结果指示初始检测模型对训练集的识别准确率未达到目标阈值的情况下，继续将训练集输入初始检测模型进行训练，直至初始检测模型对训练集的识别准确率达到目标阈值的情况下，将初始检测模型确定为预设检测模型。
[0008]可选地，所述方法还包括按照如下方式获取训练集：采集不同位置的原始数据并
分别标记对应的位置标识；对原始数据进行预处理，以获得原始点云数据；对原始点云数据进行聚类以获得携带有位置标识的训练点云数据。
[0009]可选地，在训练结果指示初始检测模型对训练集的识别准确率未达到目标阈值的情况下，继续将训练集输入初始检测模型进行训练包括：将训练集输入初始检测模型进行检测，以获得预测结果；利用预测结果和位置标识的差异确定目标函数的损失值；按照损失值调整初始检测模型的网络参数，直至初始检测模型对训练集的识别准确率达到目标阈值的情况下，将初始检测模型确定为预设检测模型。
[0010]可选地，利用平面检测数据确定目标空间的体积包括：从平面检测数据中提取体积参数；按照体积参数确定目标空间的体积。
[0011]可选地，从平面检测数据中提取体积参数包括：将平面检测数据中X坐标值为负数且Y坐标值小于第三阈值的第一点云数据的聚类确定为左侧墙体，并将平面检测数据中X坐标值为正数且Y坐标值小于第三阈值的第一点云数据的聚类确定为右侧墙体，并将Y坐标值大于第三阈值的第一点云数据的聚类确定为前侧墙体；确定左侧墙体的X坐标值的第一平均值对应的第一绝对值与右侧墙体的X坐标值的第二平均值对应的第二绝对值，并将第一绝对值与第二绝对值的和确定为目标空间的长度值；确定前侧墙体的Y坐标值的第三平均值对应的第三绝对值，并将第三绝对值确定为目标空间的宽度值；确定屋顶的Z坐标值的第四平均值对应的第四绝对值与地面的Z坐标值的第五平均值对应的第五绝对值，并将第四绝对值与第五绝对值的和确定为目标空间的高度值。
[0012]根据本申请实施例的另一方面，本申请提供了一种室内体积探测装置，包括：获取模块，用于确定毫米波雷达对目标空间进行探测得到的第一点云数据，其中，第一点云数据用于表示在目标空间内毫米波雷达与探测点之间的相对位置关系，探测点为目标空间内的遮挡物上的点；聚类模块，用于对第一点云数据进行聚类以获得第二点云数据；检测模块，用于将第二点云数据输入预设检测模型进行平面检测，得到预设检测模型输出的目标空间的平面检测数据；确定模块，用于利用平面检测数据确定目标空间的体积。
[0013]根据本申请实施例的另一方面，本申请提供了一种电子设备，包括存储器、处理器、通信接口及通信总线，存储器中存储有可在处理器上运行的计算机程序，存储器、处理器通过通信总线和通信接口进行通信，处理器执行计算机程序时实现上述方法的步骤。
[0014]根据本申请实施例的另一方面，本申请还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，程序代码使处理器执行上述的方法。
[0015]本申请实施例提供的上述技术方案与相关技术相比具有如下优点：
[0016]本申请提供了一种室内体积探测方法，包括：确定毫米波雷达对目标空间进行探测得到的第一点云数据，其中，第一点云数据用于表示在目标空间内毫米波雷达与探测点之间的相对位置关系，探测点为目标空间内的遮挡物上的点；对第一点云数据进行聚类以获得第二点云数据；将第二点云数据输入预设检测模型进行平面检测，得到预设检测模型输出的目标空间的平面检测数据；利用平面检测数据确定目标空间的体积。本申请基于毫米波雷达探测目标空间的点云数据对目标空间进行墙面识别，并通过识别得到的墙体数据获取目标空间的体积参数，最终按照体积参数确定目标空间的体积，从而实现自适应测量室内体积，解决了目前没有对室内自适应测试室内体积的方法设备的问题。
附图说明
[0017]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0018]为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0019]图1为根据本申请实施例提供的一种可选的室内体积探测方法的流程图；
[0020]图2为根据本申请实施例提供的一种可选的训练预设自编码模型的流程图；
[0021]图3为根据本申请实施例提供的一种可选的室内体积探测装置框图；
[0022]图4为本申请实施例提供的一种可选的电子设备结构示意图。
具体实施方式
[0023]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种室内体积探测方法，其特征在于，包括：确定毫米波雷达对目标空间进行探测得到的第一点云数据，其中，所述第一点云数据用于表示在所述目标空间内所述毫米波雷达与探测点之间的相对位置关系，所述探测点为所述目标空间内的遮挡物上的点；对所述第一点云数据进行聚类以获得第二点云数据；将所述第二点云数据输入预设检测模型进行平面检测，得到所述预设检测模型输出的所述目标空间的平面检测数据；利用所述平面检测数据确定所述目标空间的体积。2.根据权利要求1所述的方法，其特征在于，所述确定毫米波雷达对目标空间进行探测得到的第一点云数据包括：将所述毫米波雷达返回的回波信号转换为初始点云数据；利用每个所述初始点云数据相对所述毫米波雷达的距离、方位角以及仰角确定每个所述初始点云数据在极坐标系中的位置；按照极坐标系与三维坐标系的映射关系确定每个初始点云数据在三维坐标系中的位置；在三维坐标系中，滤除多普勒速度大于第一阈值的所述初始点云数据和信噪比小于第二阈值的所述初始点云数据，得到所述第一点云数据。3.根据权利要求1所述的方法，其特征在于，将所述第二点云数据输入预设检测模型进行平面检测之前，所述方法还包括按照如下方式训练所述预设检测模型：获取训练集，其中，所述训练集为预先获取的携带有位置标识的训练点云数据，所述位置标识用于标记所述训练点云数据的位置区域；将所述训练集输入初始检测模型进行训练，以获得训练结果；在所述训练结果指示所述初始检测模型对所述训练集的所述识别准确率达到目标阈值的情况下，将所述初始检测模型确定为所述预设检测模型；在所述训练结果指示所述初始检测模型对所述训练集的所述识别准确率未达到所述目标阈值的情况下，继续将所述训练集输入所述初始检测模型进行训练，直至所述初始检测模型对所述训练集的所述识别准确率达到所述目标阈值的情况下，将所述初始检测模型确定为所述预设检测模型。4.根据权利要求3所述的方法，其特征在于，所述方法还包括按照如下方式获取所述训练集：采集不同位置的原始数据并分别标记对应的所述位置标识；对所述原始数据进行预处理，以获得原始点云数据；对所述原始点云数据进行聚类以获得携带有所述位置标识的所述训练点云数据。5.根据权利要求3所述的方法，其特征在于，所述在所述训练结果指示所述初始检测模型对所述训练集的所述识别准确率未达到所述目标阈值的情况下，继续将所述训练集输入所述初始检测模型进行训练包括：将所述训练集输入所述初始检测模型进行检测，以获得预测结果；利用所述预...
【专利技术属性】
技术研发人员：罗晓宇，李绍斌，宋德超，陈向文，孙聪，刘逸伦，
申请(专利权)人：珠海联云科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。