[發明專利]一種基于顯著性分析的3D對象識別分層方法

在審

• 申請號: 201710582743.8
• 申請日: 2017-07-17
• 公開（公告）號: CN107577984A
• 公開（公告）日: 2018-01-12
• 發明（設計）人: 胡躍明;李翼
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 廣州粵高專利商標代理有限公司44102
• 代理人: 何淑珍

技術領域

本發明涉及計算機圖像識別技術領域，特別涉及基于顯著性分析的3D對象識別分層方法，屬于模式識別與智能檢測領域。

背景技術

幾乎所有高端智能制造裝備如光刻機、貼片機、固晶機、數控機床等均涉及復雜精密的三維位置信息（包括空間三維或二維坐標、旋轉角度）檢測問題。現有基于解析幾何固定坐標系下的相機標定和圖像處理技術已不再適用于這些應用場合，迫切需要探索新型視覺圖像處理技術和平臺，解決復雜環境下海量圖像數據的融合與處理問題。

近幾年，通過深度圖像（或深度信息）來識別三維目標，成為目前圖像識別發展的新方向之一。因深度信息僅依賴于物體的幾何形狀，與物體的亮度和反射等屬性無關，所以其使用起來比灰度圖更為容易，且由于它可獲得深度數據，所以具有普通CCD灰度圖處理不具有的優勢。

然而，基于深度數據的方法計算量之大是人們所繞不開的問題。尤其當物體的彩色信息也被加進去時，點云數據會由三維增加到四維，即所謂RGB-D數據。

就傳統的處理手段，關鍵點的提取都是先經過三維重構出對象的完整點云，然后對點云上每一個點進行遍歷運算得到的。這看上去就像是人們在做大量沒必要的重復性的工作。

發明內容

本發明的目的就是解決上述難題，提供一種基于顯著性分析的3D對象快速識別分層方法，從而實現有效且快速的對象識別工作。

本發明解決所述難題，采用的技術方案是：

一種基于顯著性分析的3D對象識別分層方法，包括以下步驟：

S1、在運動平臺的勻速帶動下，PC端采集放置于載物臺上物體對象的紅外激光圖序列和無激光作用的白光圖序列；

S2 以所述紅外激光圖序列和白光圖序列為輸入，傳至由若干不同描述子由上至下建立的分層識別模塊中；

S3、針對當前層描述子，直接建立代表物體的關鍵點集，其中每個關鍵點個都包含物體對象的RGB-D信息；

S4、以當前關鍵點集為目標，計算物體對象在該描述子下的特征，用該特征進行對象的分類識別計算；

S5、若無法返回唯一判別結果，則將紅外激光圖序列和白光圖序列輸送至下一層描述子中并重復步驟S3~ S4；

S6、若該層描述子的計算返回唯一判別結果時，則物體對象的類別由此獲得，計算結束，不再往下一層描述子傳遞圖像序列。

作為一種優選方案，所述步驟S1具體包括：

S1.1 運動平臺由上位機界面發送指令，下位機相應發送脈沖序列以控制其勻速運動；

S1.2 運動平臺控制載物臺來回移動兩趟，第一躺采集激光作用下物體的紅外激光圖序列，第二趟采集無激光作用下物體的白光圖序列。

作為一種優選方案，除了激光成像部分以外，紅外激光圖序列和無激光作用的白光圖序列的視場范圍內信息一致。

作為一種優選方案，所述紅外激光圖序列為激光發射器正常工作下，物體隨運動平臺勻速移動過程中，CCD相機所采集的一幀幀圖像；所述白光圖序列為激光發射器關閉，物體隨運動平臺勻速移動過程中，CCD相機所采集的一幀幀圖像。

作為一種優選方案，步驟S3中，每個關鍵點所包含的物體對象的RGB-D信息包括關鍵點的三維坐標和關鍵點的RGB信息，所述紅光圖序列可計算出各關鍵點的三維坐標，所述白光圖序列可保存各關鍵點的RGB信息，從而得出每個關鍵點都包含的物體對象的RGB-D信息。

本發明相對于現有技術具有如下的有益效果：

本發明基于顯著性分析建立代表物體對象的關鍵點集，不僅跳過物體完整三維點云的構建這一大計算量步驟，也毋用對點云進行遍歷檢測，直接通過圖像處理和簡單坐標運算即可得到關鍵點；考慮到在線工作這一識別系統工作方式，該方法是經濟與有效的，解決了目前基于RGB-D圖像分類方法的模式識別系統計算量大且計算復雜等問題。

附圖說明

圖1是本發明實施例中基于顯著性分析的3D對象識別分層方法的流程示意圖。

具體實施方式

下面結合附圖和具體實施例對本發明的發明目的作進一步詳細地描述，實施例不能在此一一贅述，但本發明的實施方式并不因此限定于以下實施例。

如圖1所示，一種基于顯著性分析的3D對象識別分層方法，包括以下步驟：

S1、在運動平臺的勻速帶動下，PC端采集放置于載物臺上物體對象的紅外激光圖序列和無激光作用的白光圖序列；

S2 以所述紅外激光圖序列和白光圖序列為輸入，傳至由若干不同描述子由上至下建立的分層識別模塊中；