(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210443618.X (22)申请日 2022.04.26 (71)申请人 陕西新高斯激光科技有限公司 地址 712000 陕西省咸阳市秦都区高科三 路科技企业孵化园A栋 309 (72)发明人 李党岐　李党娟　曹瑞龙　魏乐乐　 (74)专利代理 机构 北京睿智保诚专利代理事务 所(普通合伙) 11732 专利代理师 韩迎之 (51)Int.Cl. G06T 7/73(2017.01) G06T 7/90(2017.01) G01J 3/46(2006.01) (54)发明名称 一种不规则 目标智能识别及定位方法与系 统 (57)摘要 本发明公开了一种不规则 目标智能识别及 定位方法与系统， 应用于激光标刻技术领域， 构 建三维数据库， 所述三维数据库存储目标三维数 据； 获取待识别目标的三维图像； 对所述三维图 像进行特征提取获取第一定位特征， 并调用目标 点的定位特征； 将所述第一定位特征输入训练的 定位检测模 型中， 根据待识别目标的反射特征和 颜色特征调整定位点的位置信息， 并与所述定位 特征进行比对； 确定定位点位置。 本发明公开提 供了一种不规则目标智能识别及定位方法与系 统， 通过光反射检测结果对于获取的反射特征进 行修正， 颜色检测模型输出的颜色检测结果将相 近颜色进行聚类， 确定激光标刻范围以及关键点 检测模型输出的关键点检测结果共同对于关键 点进行定位。 权利要求书3页 说明书6页 附图2页 CN 114820789 A 2022.07.29 CN 114820789 A 1.一种不 规则目标智能识别及定位方法， 其特 征在于， 具体步骤如下： 构建三维数据库， 所述 三维数据库存 储目标三维数据； 获取待识别目标的三维图像； 对所述三维图像进行 特征提取获取第一定位特 征， 并调用目标点的定位特 征； 将所述第一定位特征输入训练 的定位检测模型中， 根据待识别目标的反射特征和颜色 特征调整定位 点的位置信息， 并与所述定位特 征进行比对； 确定定位点位置。 2.根据权利要求1所述的一种不规则目标智能识别及定位方法， 其特征在于， 获取待识 别目标的三维图像具体步骤 包括： 获取不同角度的至少3张二维图像； 根据三维数据与获取的二维图像的二维坐标之间的对应关系及每一图片的拍摄角度 信息， 获取每一 二维图像上关键点的像素点所对应的所有点 三维坐标值； 按照预定的规则， 选取其中特定的三维坐标值作为 三维图象空间的坐标， 由 所述坐标生成二 值化三维图像， 确定待识别目标。 3.根据权利要求1所述的一种不规则目标智能识别及定位方法， 其特征在于， 所述定位 检测模型的构建步骤如下： 获取第一样本 图像集； 所述第一样本 图像集中包括多个第一样本 图像， 每个所述第一 样本图像关联有关键点期望结果； 针对每个所述第 一样本图像分别执行以下操作， 得到所述第 一样本图像的关键点损失 值： 分别采用反射检测模型、 颜色检测模型和所述关键点检测模型对所述第 一样本图像进 行处理， 得到由所述反射检测模型输出 的光反射检测结果， 颜色检测模型输出 的颜色检测 结果以及所述关键点检测模型输出的关键点检测结果； 确定所述关键点检测结果和所述关键点期望结果之间的关键点损失信息； 采用所述光反射检测结果、 颜色检测结果对所述关键点损 失信息进行调整， 得到所述 第一样本图像的所述关键点损失值； 采用各个所述第一样本图像的所述关键点损失值， 确定出第一总损失值； 根据所述第一总损失值优化所述关键点检测模型的参数。 4.根据权利要求3所述的一种不规则目标智能识别及定位方法， 其特征在于， 所述反射 检测模型的构建步骤如下： 依据当前视点方向信 息， 计算在 当前视点方向下所述关键点对应的视点漫反射数据以 及视点高光反射数据； 获取所述视点漫反射数据对应的漫反射权重以及所述视点高光反射数据对应的高光 反射权重， 并对所述视点漫反射数据以及所述视点高光反射数据加权求和确定所述补光反 射数据。 5.根据权利要求3所述的一种不规则目标智能识别及定位方法， 其特征在于， 所述颜色 检测模型的构建步骤如下： 确定关键点的属性平均值， 寻找所述关键点的八邻域像素， 并判断所述八邻域像素的 属性与所述属 性平均值的相似度， 并判断所述相似度是否大于预设阈值， 当大于所述预设权　利　要　求　书 1/3 页 2 CN 114820789 A 2阈值时， 确定所述八邻域像素为第一关键点， 并确定所述第一关键点所在的区域为第一关 键区域， 当小于所述预设阈值时， 将所述八邻域像素合并入所述关键区域， 并将所述八邻域 像素替代所述关键区域中原来的关键点成为所述关键区域的关键点； 遍历所有关键点确定 激光标刻范围。 6.一种不 规则目标智能识别及定位系统， 其特 征在于， 包括： 三维数据库， 所述 三维数据库存 储目标三维数据； 获取模块， 获取待识别目标的三维图像； 特征提取模块， 对所述三维图像进行特征提取获取第一定位特征， 并调用目标点的定 位特征； 定位模块， 将所述第一定位特征输入训练的定位检测模型中， 根据待识别目标的反射 特征和颜色特 征调整定位 点的位置信息， 并与所述定位特 征进行比对； 确定 定位点位置。 7.根据权利要求3所述的一种不规则目标智能识别及定位系统， 其特征在于， 获取模块 包括： 二维图像单 元， 获取不同角度的至少3张二维图像； 坐标转换单元， 根据三维数据与获取的二维图像的二维坐标之间的对应关系及每一图 片的拍摄角度信息， 获取每一 二维图像上关键点的像素点所对应的所有点 三维坐标值； 识别单元， 按照预定的规则， 选取其中特定的三维坐标值作为三维图象空间的坐标， 由 所述坐标生成二 值化三维图像， 确定待识别目标。 8.根据权利要求6所述的一种不规则目标智能识别及定位系统， 其特征在于， 所述定位 模块包括： 样本集单元， 获取第一样本图像集； 所述第一样本图像集中包括多个第 一样本图像， 每 个所述第一样本图像关联有关键点期望结果； 损失值单元， 针对每个所述第一样本 图像分别执行以下操作， 得到所述第一样本 图像 的关键点损失值： 检测单元， 分别采用反射检测模型、 颜色检测模型和所述关键点检测模型对所述第一 样本图像进行处理， 得到由所述反射检测模型输出 的光反射检测结果， 颜色检测模型输出 的颜色检测结果以及所述关键点检测模型输出的关键点检测结果； 优化单元， 确定所述关键点检测结果和所述关键点期望结果之间的关键点损 失信息； 采用所述光反射检测结果、 颜色检测结果对所述关键点损失信息进行调整， 得到所述第一 样本图像的所述关键点损失值； 采用各个所述第一样本图像的所述关键点损失值， 确定出 第一总损失值； 根据所述第一总损失值优化所述关键点检测模型的参数。 9.根据权利要求8所述的一种不规则目标智能识别及定位方法， 其特征在于， 所述反射 检测模型包括： 依据当前视点方向信 息， 计算在 当前视点方向下所述关键点对应的视点漫反射数据以 及视点高光反射数据； 获取所述视点漫反射数据对应的漫反射权重以及所述视点高光反射数据对应的高光 反射权重， 并对所述视点漫反射数据以及所述视点高光反射数据加权求和确定所述补光反 射数据。权　利　要　求　书 2/3 页 3 CN 114820789 A 3