一种点云去噪方法、装置及电子设备与流程

1.本发明涉及智慧交通技术领域，特别涉及一种点云去噪方法、装置及电子设备。


背景技术：

2.点云数据具有丰富的三维信息，近年来其应用开始受到广泛重视。点云数据在使用之前往往需要进行点云去噪。点云噪声通常包含两类，第一类是三维扫描仪在扫描的过程中由于外界的因素以及仪器本身的原因造成的，第二类则是对检测对象造成干扰的事物对应的点云如背景噪声。对于第一类噪声可以利用孤立点检测、密度均值漂流聚类等方法进行去噪。对于第二类噪声则可以采用噪声分类去噪，如通过网络模型pointcleannet进行噪声分类去除。
3.具体实施过程中，本技术发明人发现在使用第一类和第二类方法进行点云去噪后，仍然存在很多不确定来源或类型的噪声，本技术将他称之为其他噪声。如何减少其他噪声对三维点云数据帧后续处理的干扰，成了点云去噪亟待攻克的一个难题。


技术实现要素：

4.本发明实施例提供一种点云去噪方法、装置及电子设备，用于解决现有技术中其他噪声较多的技术问题。
5.第一方面，本技术实施例提供一种点云去噪方法，包括：
6.通过感知设备采集获得道路上的三维点云数据帧；
7.基于所述三维点云数据帧进行环境噪声提取和地面点云提取，获得第一噪声点云和地面点云；
8.对所述地面点云的坐标按第一坐标轴方向进行分区，并获得每个区域在x轴和y轴方向的坐标值范围；
9.基于所述每个区域的坐标值范围和所述第一噪声点云对所述三维点云数据帧进行点云数据过滤，获得过滤后的目标点云数据帧。
10.可选的，所述基于所述三维点云数据帧进行环境噪声提取和地面点云提取，获得第一噪声点云和地面点云，包括：
11.读取所述三维点云数据帧中z值大于预设阈值的参考点；
12.以所述参考点为上顶面中心，提取预设立方体内的所有噪声点作为所述第一噪声点云；
13.滤除所述三维点云数据帧中的所述第一噪声点云，获得第一点云数据帧；
14.对所述第一点云数据帧进行地面点云提取，获得所述地面点云。
15.可选的，所述基于所述每个区域的坐标值范围和所述第一噪声点云对所述三维点云数据帧进行点云数据过滤，获得过滤后的目标点云数据帧，包括：
16.滤除所述三维点云数据帧中的所述第一噪声点云，获得第一点云数据帧；
17.获取所述第一点云数据帧中所述每个区域内的点的x、y坐标值，过滤掉y坐标值或
x坐标值不在对应区域坐标值范围内的点，获得过滤后的目标点云数据帧。
18.可选的，在所述对滤除所述第一噪声点云的第一点云数据帧进行地面点云识别之后，所述方法还包括：
19.对所述地面点云进行统计滤波或者半径滤波，获取滤波后的地面点云以及地面点云坐标。
20.可选的，所述方法还包括：
21.滤除所述目标点云数据帧中的所述地面点云，获得第二点云数据帧；
22.基于所述第二点云数据帧进行目标识别。
23.可选的，所述方法还包括：
24.对所述目标点云数据帧或者滤除地面点云后的第二点云数据帧进行检测对象标注，获得训练样本；
25.基于所述训练样本进行点云识别模型训练，获得训练好的点云识别模型。
26.第二方面，本技术实施例提供一种点云去噪装置，包括：
27.获取单元，用于通过感知设备采集获得道路上的三维点云数据帧；
28.提取单元，用于对所述三维点云数据帧进行环境噪声提取和地面点云提取，获得第一噪声点云和地面点云；
29.分区单元，用于对所述地面点云的坐标按第一坐标轴方向进行分区，并获得每个区域在x轴和y轴方向的坐标值范围；
30.过滤单元，用于基于所述每个区域的坐标值范围和所述第一噪声点云对所述三维点云数据帧进行点云数据过滤，获得过滤后的目标点云数据帧。
31.可选的，所述提取单元用于：
32.读取所述三维点云数据帧中z值大于预设阈值的参考点；
33.以所述参考点为上顶面中心，获取预设立方体内的第一噪声点云并过滤；
34.对滤除所述第一噪声点云的第一点云数据帧进行地面点云识别。
35.可选的，所述过滤单元具体用于：
36.滤除所述三维点云数据帧中的所述第一噪声点云，获得第一点云数据帧；
37.获取所述第一点云数据帧中所述每个区域内的点的x、y坐标值，过滤掉y坐标值或x坐标值不在对应区域坐标值范围内的点，获得过滤后的目标点云数据帧。
38.可选的，所述过滤单元还用于：在所述对滤除所述第一噪声点云的第一点云数据帧进行地面点云识别之后，对所述地面点云进行统计滤波或者半径滤波，获取滤波后的地面点云以及地面点云坐标。
39.可选的，所述点云去噪装置还包括识别单元，用于：
40.滤除所述目标点云数据帧中的所述地面点云，获得第二点云数据帧；
41.基于所述第二点云数据帧进行目标识别。
42.可选的，所述点云去噪装置还包括训练单元，用于：
43.对所述目标点云数据帧或者滤除地面点云后的第二点云数据帧进行检测对象标注，获得训练样本；
44.基于所述训练样本进行点云识别模型训练，获得训练好的点云识别模型。
45.第三方面，本技术实施例提供一种电子设备，包括有存储器，以及一个或者一个以
上的程序，其中一个或者一个以上的程序存储于存储器中，且经配置由一个或者一个以上处理器执行所述一个或者一个以上的程序实现如第一方面所述的任一方法。
46.第四方面，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如第一方面所述的任一方法。
47.本技术实施例中的上述一个或多个技术方案，至少具有如下技术效果：
48.本技术实施例提供一种点云去噪方法，通过感知设备采集获得道路上的三维点云数据帧；对三维点云数据帧进行环境噪声识别和地面点云识别，获得第一噪声点云和地面点云；对地面点云的坐标按第一坐标轴方向进行分区，并获得每个区域在x轴和y轴方向的坐标值范围；基于每个区域的坐标值范围和第一噪声点云对三维点云数据帧进行点云数据过滤，获得过滤后的目标点云数据帧。本技术考虑到目标对象均在道路地面活动，通过地面点云分区，利用地面各区域的点云坐标范围和环境噪声点云来快速过滤掉不易被识别的其他噪声如低矮绿植、路障等，计算量小、效率高，解决了现有技术中其他噪声较多的技术问题。
附图说明
49.图1为本技术实施例提供的一种点云去噪方法的流程示意图；
50.图2为本技术实施例提供的一种点云去噪装置的框架示意图；
51.图3为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
52.在介绍本公开实施例之前，应当说明的是：
53.本公开部分实施例被描述为处理流程，虽然流程的各个操作步骤可能被冠以顺序的步骤编号，但是其中的操作步骤可以被并行地、并发地或者同时实施。
54.本公开实施例中可能使用了术语“和/或”，“和/或”包括其中一个或更多所列出的相关联特征的任意和所有组合。
55.应当理解的是，当描述两个部件的连接关系或通信关系时，除非明确指明两个部件之间直接连接或直接通信，否则，两个部件的连接或通信可以理解为直接连接或通信，也可以理解为通过中间部件间接连接或通信。
56.为了使本公开实施例中的技术方案及优点更加清楚明白，以下结合附图对本公开的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本公开的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
57.实施例
58.请参考图1，本实施例提供一种点云去噪方法，主要应用于自动驾驶车端和路端的采集的道路点云数据帧的去噪，该方法包括：
59.s110、通过感知设备采集获得道路上的三维点云数据帧；
60.s120、对所述三维点云数据帧进行环境噪声提取和地面点云提取，获得第一噪声点云和地面点云；
61.s130、对所述地面点云的坐标按第一坐标轴方向进行分区，并获得每个区域在x轴
和y轴方向的坐标值范围；
62.s140、基于所述每个区域的坐标值范围和所述第一噪声点云对所述三维点云数据帧进行点云数据过滤，获得过滤后的目标点云数据帧。
63.在具体实施过程中，s110可以通过路侧的激光雷达或车端的激光雷达采集获得道路上的三维点云数据帧。对于获取的三维点云数据帧可以先进行点云预处理，包括点云误差校正、点云拼接、点云增强、点云上/降采样及孔洞修复等。
64.针对采集获得三维点云数据帧或预处理后的三维点云数据帧，执行s120进行地面点云提取和环境噪声提取。需要说明的是，本技术所述的地面点云特指车辆(包括机动车和非机动车)行驶的道路地面点云。
65.地面点云提取，可以利用open3d中提供的函数进行简单的地面点云提取，如先通过平面分割函数downpcd_inlier_cloud.segment_plane提取平面点云，再利用平面法线函数downpcd.estimate_normals、下采样函数voxel_down_sample以及离去点去除函数paint_uniform_color函数对平面点云进行处理，得到只有地面的地面点云。地面点云还可以使用滤波的方法，如采用布料滤波csf、简单形态学滤波smrf、经验模态分解emd等对采集的点云数据帧进行数据滤波提取地面点云。
66.环境噪声，具体包括道路两旁的树木、建筑、交通设施等。环境噪声的提取可采用terrasolid提供的点云分类算法来分别提取建筑点云、绿植点云、交通设施点云，也可以使用网络模型如pointnet来提取环境噪声。
67.为了提高环境噪声的提取效率，本实施例还提供一种简易的环境噪声的提取方法，包括：读取三维点云数据帧中z值大于预设阈值的参考点；以参考点为上顶面中心，提取预设立方体内的所有噪声点作为第一噪声点云。预设阈值可以根据大部分车辆的高度值来设定，如可以设置为2m-2.5m。通过读取大于车高的参考点，来读取包括树木、建筑、交通设置等对应的数据点，简易高效。基于参考点采用向下读取的方式，以参考点为上顶面中心，取出一个预设立方体，假设参考点为(x1、y1、z1)，那么立方体的高h为z1，宽w为x1-m1～x1+m1，长l为y1-m1～y1+m1，m1为预设经验值。遍历三维点云数据帧里的所有点，如果有点是在这个立方体里的，就将其作为噪声点，在三维点云数据帧中整个做一个大循环，直到将所有大于预设阈值的点以及以他为顶面中心的立方体内的点都提取出来形成第一噪声点云。通过这种方式可以快速提取三维点云数据帧中大面积的环境噪声。
68.具体实施过程中，s120环境噪声和地面点云可以分别基于三维点云数据帧进行提取操作。较佳的，先从三维点云数据帧中提取第一噪声点云，再滤除三维点云数据帧中的第一噪声点云，获得第一点云数据帧；对第一点云数据帧进行地面点云提取，这种方式获取的地面点云准确度更高、耗时更少。进一步的，在通过上述简易的环境噪声提取方法的基础上，过滤掉第一噪声点云再进行地面点云提取，可以大大提高地面点云提取的效率和准确性。
69.在获得地面点云之后，还可以进一步对地面点云进行统计滤波或者半径滤波，获取滤波后的地面点云以及地面点云坐标。通过统计滤波或半径滤波可以有效的滤除地面周边的小部分噪声。
70.针对地面点云或者滤波之后的地面点云，执行s130对地面点云的坐标按第一坐标轴方向进行分区，并获得每个区域在x轴和y轴方向的坐标值范围。第一坐标轴可以是x轴也
可以是y轴。例如：将地面点云按照x轴方向划分为10份(x范围＝地面点云里所有点的x值的最大-最小值，再根据地面点云图中一共有n个点，n整除10，将x从小到大排列，均匀索引出第n整除10*1，第n整除10*2，第n整除10*3.....的x值)，再遍历所有地面点云，将地面点云划分到这十个区域里，取出每个区域里y的最大值和最小值，从而获得每个区域在x轴和y轴方向的坐标值范围。
71.基于获取的地面点云坐标值范围，继续执行s140基于地面点云每个区域的坐标值范围和第一噪声点云对所述三维点云数据帧进行点云数据过滤，获得过滤后的目标点云数据帧。具体的，可以先滤除三维点云数据帧中的第一噪声点云，获得第一点云数据帧；进一步获取第一点云数据帧中每个区域内的点的x、y坐标值，过滤掉y坐标值或x坐标值不在对应区域坐标值范围内的点，获得过滤后的目标点云数据帧。通过地面分区坐标进行点云去噪，可以去除第一噪声点云及地面点云之外的不易发现的其他噪声如低矮的绿植、路障、锥桶等，使得目标点云数据帧去噪更彻底、更高效，解决了现有技术中其他噪声较多的技术问题。
72.通过上述方式获得目标点云数据帧，点云噪声非常少，可以直接用于目标识别，即车辆、行人、非机动车的识别。较佳的，在目标点云数据帧的基础上进一步滤波，滤除目标点云数据帧中的地面点云或第二点云数据帧，基于第二点云数据帧进行目标识别，减少目标识别时的点云数据处理量、排除地面点云干扰，从而提高目标识别的准确性。
73.实际应用过程中，点云目标识别尤其是基于深度学习模型的目标识别，对环境的依赖非常的大，如路口a的点云数据训练获得的深度学习模型，对路口a的点云目标识别效果非常好，准确率能达到98％-99.8％，但对路口b的点云目标识别效果却比较差，准确率不到95％，即模型的泛化能力较差。针对此问题，本实施例对目标点云数据帧进行检测对象标注，获得训练样本；基于训练样本进行点云识别模型训练，获得训练好的点云识别模型。通过采用去除环境噪声和其他噪声的点云数据来训练基于深度学习的识别模型，减少环境因素对模型训练的影响，相应的，在通过训练好的模型进行目标识别时，亦采用去除环境噪声和其他噪声的点云数据帧，从而大大提高基于深度学习的识别模型的泛化能力。进一步的，对于目标点云数据帧还可以滤除其中的地面点云，获得第二点云数据帧，对第二点云数据帧进行检测对象标注，获得训练样本；基于所述训练样本进行点云识别模型训练，获得训练好的点云识别模型。在滤除地面点云后第二点云数据帧与具体场景的关联性更低了，由此训练获得深度学习模型的泛化能力进一步提高。
74.上述实施例中，基于参考点构建立方体提取环境噪声，算法简单高校，大大提高了环境噪声提取效率；在滤除环境噪声的基础上进行地面点云提取，避免了环境因素导致的地面点云提取误差较大的问题；进一步结合地面点云分区的方式进行其他噪声的滤除，使得点云去噪更为彻底、去噪效率大大提升。由此可见，本技术实施例提供的技术方案，解决了现有技术中点云数据帧其他噪声较多的技术问题，并大大提高了点云去噪的效率。
75.基于图1提供的一种点云去噪方法，本实施例还对应提供一种点云去噪装置，请参考图2，本装置包括：
76.获取单元21，用于通过感知设备采集获得道路上的三维点云数据帧；
77.提取单元22，用于对所述三维点云数据帧进行环境噪声提取和地面点云提取，获得第一噪声点云和地面点云；
78.分区单元23，用于对所述地面点云的坐标按第一坐标轴方向进行分区，并获得每个区域在x轴和y轴方向的坐标值范围；
79.过滤单元24，用于基于所述每个区域的坐标值范围和所述第一噪声点云对所述三维点云数据帧进行点云数据过滤，获得过滤后的目标点云数据帧。
80.作为一种可选的实施方式，所述提取单元22在提取环境噪声和地面点云时，可以读取所述三维点云数据帧中z值大于预设阈值的参考点；以所述参考点为上顶面中心，获取预设立方体内的第一噪声点云并过滤；对滤除所述第一噪声点云的第一点云数据帧进行地面点云识别。
81.作为一种可选的实施方式，所述过滤单元24在点云去噪时，可以滤除所述三维点云数据帧中的所述第一噪声点云，获得第一点云数据帧；获取所述第一点云数据帧中所述每个区域内的点的x、y坐标值，过滤掉y坐标值或x坐标值不在对应区域坐标值范围内的点，获得过滤后的目标点云数据帧。
82.作为一种可选的实施方式，所述过滤单元24还用于：在所述对滤除所述第一噪声点云的第一点云数据帧进行地面点云识别之后，对所述地面点云进行统计滤波或者半径滤波，获取滤波后的地面点云以及地面点云坐标。
83.作为一种可选的实施方式，所述点云去噪装置还包括识别单元25，用于：滤除所述目标点云数据帧中的所述地面点云，获得第二点云数据帧；基于所述第二点云数据帧进行目标识别。可选的，所述点云去噪装置还包括训练单元26，用于：对所述目标点云数据帧或者滤除地面点云后的第二点云数据帧进行检测对象标注，获得训练样本；基于所述训练样本进行点云识别模型训练，获得训练好的点云识别模型。
84.关于上述实施例中的装置，其中各个单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
85.图3是根据一示例性实施例示出的一种用于实现点云数据处理的电子设备300的框图。例如，电子设备300可以是工控机，计算机，边缘服务器，边缘计算设备等。
86.参照图3，电子设备300可以包括以下一个或多个组件：处理组件302，存储器304，电源组件306，输入/展现(i/o)的接口308，以及通信组件310。
87.处理组件302通常控制电子设备300的整体操作，诸如与数据计算，控制，指令下发以及摄像头触发相关联的操作。处理元件302可以包括一个或多个处理器320来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件302可以包括一个或多个模块，便于处理组件302和其他组件之间的交互。
88.存储器404被配置为存储各种类型的数据以支持在设备300的操作。这些数据的示例包括用于在电子设备300上操作的任何应用程序或方法的指令，图像数据，关联数据，配置数据等。存储器304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
89.电源组件306为电子设备300的各种组件提供电力。电源组件306可以包括电源管理系统，一个或多个电源，及其他与为电子设备300生成、管理和分配电力相关联的组件。
90.通信组件310被配置为便于电子设备300和其他设备之间有线或无线方式的通信。
电子设备300可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信部件310经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件310还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
91.在示例性实施例中，电子设备300可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
92.在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器304，上述指令可由电子设备300的处理器320执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。该非临时性计算机可读存储介质中的指令由电子设备300的处理器320执行时，可实现上述实施例中的点云去噪方法。
93.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本技术旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本实施例未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
94.应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种点云去噪方法，其特征在于，包括：通过感知设备采集获得道路上的三维点云数据帧；基于所述三维点云数据帧进行环境噪声提取和地面点云提取，获得第一噪声点云和地面点云；对所述地面点云的坐标按第一坐标轴方向进行分区，并获得每个区域在x轴和y轴方向的坐标值范围；基于所述每个区域的坐标值范围和所述第一噪声点云对所述三维点云数据帧进行点云数据过滤，获得过滤后的目标点云数据帧。2.如权利要求1所述的点云去噪方法，其特征在于，所述基于所述三维点云数据帧进行环境噪声提取和地面点云提取，获得第一噪声点云和地面点云，包括：读取所述三维点云数据帧中z值大于预设阈值的参考点；以所述参考点为上顶面中心，提取预设立方体内的所有噪声点作为所述第一噪声点云；滤除所述三维点云数据帧中的所述第一噪声点云，获得第一点云数据帧；对所述第一点云数据帧进行地面点云提取，获得所述地面点云。3.如权利要求1所述的点云去噪方法，其特征在于，所述基于所述每个区域的坐标值范围和所述第一噪声点云对所述三维点云数据帧进行点云数据过滤，获得过滤后的目标点云数据帧，包括：滤除所述三维点云数据帧中的所述第一噪声点云，获得第一点云数据帧；获取所述第一点云数据帧中所述每个区域内的点的x、y坐标值，过滤掉y坐标值或x坐标值不在对应区域坐标值范围内的点，获得过滤后的目标点云数据帧。4.如权利要求2所述的点云去噪方法，其特征在于，在所述对滤除所述第一噪声点云的第一点云数据帧进行地面点云识别之后，所述方法还包括：对所述地面点云进行统计滤波或者半径滤波，获取滤波后的地面点云以及地面点云坐标。5.如权利要求1或3所述的点云去噪方法，其特征在于，所述方法还包括：滤除所述目标点云数据帧中的所述地面点云，获得第二点云数据帧；基于所述第二点云数据帧进行目标识别。6.如权利要求1或3所述的点云去噪方法，其特征在于，所述方法还包括：对所述目标点云数据帧或者滤除地面点云后的第二点云数据帧进行检测对象标注，获得训练样本；基于所述训练样本进行点云识别模型训练，获得训练好的点云识别模型。7.一种点云去噪装置，其特征在于，包括：获取单元，用于通过感知设备采集获得道路上的三维点云数据帧；提取单元，用于基于所述三维点云数据帧进行环境噪声提取和地面点云提取，获得第一噪声点云和地面点云；分区单元，用于对所述地面点云的坐标按第一坐标轴方向进行分区，并获得每个区域在x轴和y轴方向的坐标值范围；过滤单元，用于基于所述每个区域的坐标值范围和所述第一噪声点云对所述三维点云
数据帧进行点云数据过滤，获得过滤后的目标点云数据帧。8.如权利要求7所述的点云去噪装置，其特征在于，所述提取单元用于：读取所述三维点云数据帧中z值大于预设阈值的参考点；以所述参考点为上顶面中心，获取预设立方体内的第一噪声点云并过滤；对滤除所述第一噪声点云的第一点云数据帧进行地面点云识别。9.一种电子设备，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上的程序存储于存储器中，且经配置由一个或者一个以上处理器执行所述一个或者一个以上的程序实现如权利要求1-6任一所述的方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一所述的方法。

技术总结
本发明公开了一种点云去噪方法、装置及电子设备，该点云去噪方法包括：通过感知设备采集获得道路上的三维点云数据帧；基于所述三维点云数据帧进行环境噪声提取和地面点云提取，获得第一噪声点云和地面点云；对所述地面点云的坐标按第一坐标轴方向进行分区，并获得每个区域在x轴和y轴方向的坐标值范围；基于所述每个区域的坐标值范围和所述第一噪声点云对所述三维点云数据帧进行点云数据过滤，获得过滤后的目标点云数据帧。本方案通过地面点云分区，利用地面各区域的点云坐标范围和环境噪声点云来快速过滤掉不易被识别的其他噪声，计算量小、效率高，解决了现有技术中其他噪声较多的技术问题。的技术问题。的技术问题。


技术研发人员：候捷
受保护的技术使用者：苏州艾氪英诺机器人科技有限公司
技术研发日：2023.05.10
技术公布日：2023/9/12