1.一种基于3D点云的深度学习样本生成方法，用于生成目标检测中待检测目标的深度学习样本，其特征在于，所述基于3D点云的深度学习样本生成方法，包括：步骤1、采用3D扫描仪对待检测目标进行扫描，得到待检测目标的彩色点云数据集合，所述彩色点云数据集合中的每个点具有三维坐标和颜色分量；步骤2、构建虚拟相机模型；步骤3、设置虚拟相机的焦距和姿态，将彩色点云数据集合中的每一个点输入所述虚拟相机模型中，得到针对每一个点的像素坐标，生成虚拟相机模型针对待检测目标输出的图像；步骤4、计算光照修正系数，将光照修正系数叠加至所述彩色点云数据集合的颜色分量上，得到虚拟光照变化后的彩色点云数据集合，将虚拟光照变化后的彩色点云数据集合中的点逐一输入所述虚拟相机模型，得到虚拟光照变化后的待检测目标的图像；步骤5、以步骤3和步骤4得到的图像为基础，加入噪声得到新的图像；步骤6、重复步骤3～5直至得到预设数量的图像作为待检测目标的深度学习样本。
2.如权利要求1所述的基于3D点云的深度学习样本生成方法，其特征在于，所述3D扫描仪的扫描精度不低于1mm。
3.如权利要求1所述的基于3D点云的深度学习样本生成方法，其特征在于，所述构建虚拟相机模型，包括：构建虚拟相机模型如下：式中，Z c 为比例常数，u、v为成像的像素坐标，f x 、f y 为虚拟相机的焦距，u 0 、v 0 为虚拟相机的光心坐标，R为虚拟相机的姿态相对于世界坐标系的旋转矩阵，t为虚拟相机的姿态相对于世界坐标系的平移矩阵，x w 、y w 、z w 为世界坐标系下点的位置；其中旋转矩阵R通过欧拉角(α,β,γ)定义如下：式中，α、β、γ的角度取值为0到360之间；其中平移矩阵t可表示为：式中，t x 、t y 、t z 为虚拟相机中心在世界坐标系下的坐标。
4.如权利要求1所述的基于3D点云的深度学习样本生成方法，其特征在于，所述将彩色点云数据集合中的每一个点输入所述虚拟相机模型中，得到针对每一个点的像素坐标，包括：所述彩色点云数据集合为 且 其中(x i ,y i ,z i )为点i的三维坐标，(r i ,g i ,b i )为点i的颜色分量，n为点的数量；将点i的三维坐标(x i ,y i ,z i )作为(x w ,y w ,z w )输入虚拟相机模型中，获得点i对应的像素坐标(u i ,v i )，并且像素坐标(u i ,v i )的色彩为点i的颜色分量(r i ,g i ,b i )；若彩色点云数据集合中的多个点对应得到同一像素坐标，则计算多个点分别与虚拟相机中心(t x ,t y ,t z )的距离，取距离最小的点对应的颜色分量作为该像素坐标的色彩。
5.如权利要求4所述的基于3D点云的深度学习样本生成方法，其特征在于，所述生成虚拟相机模型针对待检测目标输出的图像，包括：获取虚拟相机模型输出的针对每一个点的像素坐标以及各像素坐标对应的色彩，得到初始图像；遍历初始图像中的所有像素坐标，判断是否存在色彩为0的像素，若不存在则将初始图像作为待检测目标的图像输出；否则对色彩为0的像素进行色彩填补，将色彩填补完成后的图像作为待检测目标的图像输出。
6.如权利要求5所述的基于3D点云的深度学习样本生成方法，其特征在于，所述对色彩为0的像素进行色彩填补，包括：令色彩为0的待填补的像素的像素坐标为(u k ,v k )；取以像素坐标(u k ,v k )为中心的矩形区域内的有效像素θ{(u q ,v q ),-d≤u q -u k ≤d,-d≤v q -v k ≤d,(r q ,g q ,b q )≠0}，(u q ,v q )为有效像素的像素坐标，(r q ,g q ,b q )为有效像素的色彩；计算像素坐标为(u k ,v k )的填补色彩为(r k ,g k ,b k )：式中，d qk 为有效像素(u q ,v q )与待填补的像素(u k ,v k )之间的距离。
7.如权利要求1所述的基于3D点云的深度学习样本生成方法，其特征在于，所述计算光照修正系数，将光照修正系数叠加至所述彩色点云数据集合的颜色分量上，得到虚拟光照变化后的彩色点云数据集合，包括：针对每一个待修正的点(x i ,y i ,z i )计算光照修正系数如下：I d ＝IK d (N·L)式中，I d 为光照修正系数，I为外部光照(R I ,G I ,B I )，R I 、G I 、B I 的取值为0到1之间，K d 为反射系数(K r ,K g ,K b )，K r 、K g 、K b 的取值为0到1之间，N为待修正点的归一化法向量，L为虚拟相机中心归一化的向量；其中待修正点的归一化法向量N的计算过程如下：获取待修正的点(x i ,y i ,z i )周围距离最近的4个点进行平面拟合，获得平面AX+BY+CZ+D＝0；根据拟合得到的平面得到归一化法向量 其中虚拟相机中心归一化的向量L的计算过程如下：令虚拟相机中心与待修正的点(x i ,y i ,z i )的距离为d v ，则虚拟相机中心归一化的向量 将计算得到的光照修正系数I d 与待修正的点(x i ,y i ,z i )对应的颜色分量(r i ,g i ,b i )相乘，得到(I d r i ,I d g i ,I d b i )作为点(x i ,y i ,z i )在虚拟光照变化后的色彩；逐一对每一个点进行光照修正，得到虚拟光照变化后的彩色点云数据集合。
8.如权利要求1所述的基于3D点云的深度学习样本生成方法，其特征在于，所述噪声为高斯噪声和/或椒盐噪声。
