[發(fā)明專利]一種基于稀疏特征點云的主動目標識別方法

有效

• 申請?zhí)枺?/td>: 201910681446.8
• 申請日: 2019-07-26
• 公開（公告）號: CN112307809B
• 公開（公告）日: 2023-07-25
• 發(fā)明（設(shè)計）人: 朱楓;孫海波;郝穎明;孔研自;付雙飛
• 申請（專利權(quán)）人: 中國科學(xué)院沈陽自動化研究所
• 主分類號: G06V20/64
• 分類號: G06V20/64;G06V10/46;G06V10/762;G06V10/764
• 代理公司: 沈陽科苑專利商標代理有限公司 21002
• 代理人: 王倩

1.一種基于稀疏特征點云的主動目標識別方法，其特征在于，包括以下步驟：

1)根據(jù)視覺傳感器采集的目標三維點云模型，獲取特征點、特征描述子以及特征點模型坐標，構(gòu)成特征點云模型存入模型庫；

2)根據(jù)視覺傳感器實時采集的目標三維點云，獲取特征點、特征描述子，并與模型庫中每個目標的特征點云模型進行特征匹配，生成候選目標及對應(yīng)位姿；當(dāng)候選目標個數(shù)大于1時，規(guī)劃視覺傳感器下一視點用于獲取新的目標三維點云，并返回步驟2)，以排除部分候選目標，確認目標身份；

所述獲取特征點和特征描述子包括以下步驟：

針對目標三維點云模型或者實時采集的目標三維點云進行特征點檢測；

利用特征點的鄰域信息進行描述，作為特征描述子；

所述規(guī)劃視覺傳感器下一視點包括以下步驟：

第一步，采用聚類算法將所有候選目標的可觀測特征點聚合成若干個中心，作為視覺詞；

第二步，根據(jù)貝葉斯法則，統(tǒng)計每一候選目標中各視覺詞的頻數(shù)，進而計算每個視覺詞判定各候選目標的條件概率；

第三步，根據(jù)視覺詞的區(qū)分性度量公式得到區(qū)分性度量值；

最后，求取各候選目標中所有可觀測特征點的區(qū)分性度量值，它等于與之歐式距離最近的視覺詞的區(qū)分性度量值；設(shè)定區(qū)分性度量值閾值，當(dāng)某一可觀測特征點的區(qū)分性度量值大于該閾值時，則該可觀測特征點稱之為優(yōu)選可觀測特征點；獲取每個候選目標的優(yōu)選可觀測特征點集，計算每個候選目標點集中所有優(yōu)選可觀測特征點的區(qū)分性度量值之和，選取和最大的候選目標作為優(yōu)先探測候選目標；根據(jù)優(yōu)先探測候選目標點集中各優(yōu)選可觀測特征點的模型坐標以及當(dāng)前的視覺傳感器視點，計算下一視點。

2.根據(jù)權(quán)利要求1所述的一種基于稀疏特征點云的主動目標識別方法，其特征在于，獲取特征點模型坐標具體為自定義目標模型坐標系，并計算特征點在目標模型坐標系下的坐標。

3.根據(jù)權(quán)利要求1所述的一種基于稀疏特征點云的主動目標識別方法，其特征在于，所述特征點通過ISS算法獲取，特征點應(yīng)滿足的條件為：

式中，λ_t表示由特征點鄰域內(nèi)所有點構(gòu)造的協(xié)方差矩陣的特征值，且滿足λ₁＞λ₂＞λ₃，t＝1、2、3；Th_pq代表閾值，p＝1,q＝2或p＝2,q＝3。

4.根據(jù)權(quán)利要求1所述的一種基于稀疏特征點云的主動目標識別方法，其特征在于，所述特征描述子通過LLSI算法獲取，統(tǒng)計特征點鄰域內(nèi)所有點的位置以及朝向信息，鄰域半徑為30網(wǎng)格分辨率，特征向量的維度是216。

5.根據(jù)權(quán)利要求1所述的一種基于稀疏特征點云的主動目標識別方法，其特征在于，所述每個視覺詞判定各候選目標條件概率的計算方法為：

式中，f_i代表第i個視覺詞；O_j代表第j個候選目標；m代表候選目標的數(shù)量；P(O_j)表示候選目標O_j的先驗概率，P(f_i|O_j)代表候選目標O_j中視覺詞f_i出現(xiàn)的概率，其計算公式為：

式中，n為視覺詞的類別數(shù)；為候選目標O_j中視覺詞f_i出現(xiàn)的頻數(shù)。

6.根據(jù)權(quán)利要求1所述的一種基于稀疏特征點云的主動目標識別方法，其特征在于，所述視覺詞的區(qū)分性度量公式為：

式中，視覺詞f_i的區(qū)分性度量值u_i∈[0,1]，u_i越大表明視覺詞f_i的區(qū)分性越強。