[發明專利]一種基于結構分析的點云場景物體識別方法

有效

• 申請號: 201610055596.4
• 申請日: 2016-01-27
• 公開（公告）號: CN105740798B
• 公開（公告）日: 2019-07-23
• 發明（設計）人: 郝雯;王映輝;寧小娟;石爭浩;趙明華
• 申請（專利權）人: 西安理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 李娜

本發明公開了一種基于結構分析的點云場景物體識別方法，步驟1：利用區域增長的方法以及基于距離的聚類算法對點云場景進行分割，并基于高斯球的性質提取點云場景中的平面；步驟2：對提取的平面，將單個平面由結點表示，平面間的連接關系由邊表示，分析結點屬性以及邊屬性，定義平面之間的連接類型；步驟3、對目標物體的結構進行分析，并記錄目標物體的連接編碼；步驟4、平面組合及目標識別，通過與目標物體的編碼進行比對完成物體的識別。本發明一種基于結構分析的點云場景物體識別方法，解決了現有識別技術計算量大及點云數據不完整，且易受噪聲影響，不適合大場景點云數據中物體的識別的缺陷。

技術領域

本發明屬于計算機視覺與模式識別相結合的交叉學科技術領域，具體涉及一種基于結構分析的點云場景物體識別方法。

背景技術

三維物體識別一直都是計算機視覺與模式識別的一個重要研究領域。人類具有強大的識別能力，可以從復雜場景中迅速地識別物體。但是如何使計算機像人類一樣，能夠自動地識別出場景中的物體，仍有很大的困難。

目前，基于圖像的物體識別已經有很多成果，但是二維圖像的成像過程是從三維空間映射到二維空間，這個過程會丟失大量的信息。而且一個無法忽視的事實是，最好的視覺系統應該是面向三維世界的。隨著激光掃描技術的快速發展，獲取場景的三維坐標數據已經非常便捷。同時，三維點云數據的采集不受光照影響，沒有光照的陰影以及紋理的困擾，所以基于三維點云數據的物體識別也引起了人類的重視。

目前，已有的物體識別方法可以分為兩類：基于特征分析的物體識別方法和基于機器學習的物體識別方法。

①基于特征分析的物體識別方法

基于特征分析的物體識別方法主要思想是通過比對局部特征來識別物體。該類方法無需對處理數據進行分割，通過提取對象的特征點，邊緣或者是面片等局部特征，進行局部特征比對，從而完成物體的識別。

旋轉圖像法(Spin Image)也是一種典型的基于點的特征描述方法，它是Johnson等人在1999年提出的一種利用二維數據表征三維特征的自旋圖方法。旋轉圖像主要思想是一個圖像繞法向量旋轉360°，以圖像中每個像素柵格所遇到的點云數作為其灰度值。Frome提出三維形狀上下文方法(3D shape context)完成物體的識別。該方法將特征點鄰域劃分為三維球形柵格，通過統計柵格內的點云數據量得到三維形狀上下文特征信息，通過比對特征信息完成物體的識別。但是該方法只定義了Z軸方向。Zhong提出了一種新的三維形狀描述符(Intrinsic Shape Signatures，ISS)描述點云局部/半局部的特征。通過矩陣計算得到姿態的放置和變換，并將其直接代入識別檢索表中，作為識別正確性的參數值，避免只定義Z軸帶來的方位模糊。上述方法容易受到噪聲以及點云數據分布不均勻的影響，導致特征魯棒性不強。魏先將三維物體投影到二維，然后將測地距離和矢量夾角的變化引入到曲面片特征的描述中并形成模型庫，通過比對曲面片的描述完成物體的識別。該方法把三維識別轉化為二維識別，會造成三維信息的丟失，導致識別不準確。

②基于機器學習的物體識別方法

基于機器學習的物體識別方法是建立在已經知道場景中包含有哪些對象的基礎上，通過學習，將場景分為多個類別。