本发明涉及点云分类方法，特别涉及基于传统vfh描述子加入颜色信息的点云分类方法。
背景技术：
随着3d摄像头的出现，引入深度信息的三维图像成了机器人视觉领域的新的焦点，如何让机器人对物体进行分类并配准有着重要的意义。现有的基于点云vfh描述子直方图的分类方法存在着显著的问题，对于比较接近的物体或者仅仅是颜色不同的物体无法进行区分。
技术实现要素：
本发明的目的是为了解决现有的基于点云vfh描述子直方图的分类方法存在着显著的问题以及对于比较接近的物体或者仅仅是颜色不同的物体无法进行区分的问题，而提出的基于传统vfh描述子加入颜色信息的点云分类方法。
上述的发明目的是通过以下技术方案实现的：
步骤一、获取被识别物体的点云，将点云以保留颜色的格式存储；
步骤二、将保留颜色的格式存储的点云按照传统的vfh描述子计算方法计算快速点特征直方图fpfh得到视点相关的特征分量；
步骤三、根据实际情况划分合适的区间个数，在fpfh直方图分量内，对每个区间内的点采集颜色信息，设置阈值，生成颜色直方图，并将颜色直方图取代原直方图单个区间的位置；其中，颜色直方图的所有区间内取直方图时均采用相同的阈值和横坐标颜色排序；每个区间都完成后原vfh直方图扩展为带有颜色的vfh描述子的特征向量cvfh；
步骤四、将各个待识别物体的cvfh直方图作为样本，在识别阶段，根据样本建立kd树，对于待识别的物体用kd树进行搜索得到分类结果。
发明效果
本发明了cvfh(coloutviewpointfeaturehistogram)描述子，合理利用了点云的颜色信息对点云的特征进行描述；合理的利用了三维点云的颜色信息，在不明显增加运算时间的情况下极大的提高了分类的准确率和识别外形相近但是颜色不同的物体的能力。
附图说明
图1为本发明流程图。
具体实施方式
具体实施方式一：如图1所示，本实施方式的基于传统vfh描述子加入颜色信息的点云分类方法，具体是按照以下步骤制备的：
步骤一、获取被识别物体的点云，将点云以保留颜色的格式存储；
步骤二、将保留颜色的格式存储的点云按照传统的vfh描述子计算方法计算快速点特征直方图fpfh得到视点相关的特征分量；
步骤三、根据实际情况划分合适的区间个数，在fpfh直方图分量内，对每个区间内的点采集颜色信息，设置合适的阈值(根据人为需要所设定)，生成颜色直方图，并将颜色直方图取代原直方图单个区间的位置；其中，颜色直方图的所有区间内取直方图时均采用相同的阈值和横坐标颜色排序；每个区间都完成后原vfh直方图扩展为带有颜色的vfh描述子的特征向量cvfh；
步骤四、将各个待识别物体的cvfh直方图作为样本，在识别阶段，根据样本建立kd树，对于待识别的物体用kd树进行搜索得到分类结果。
本实施方式效果：
本实施方式了cvfh(coloutviewpointfeaturehistogram)描述子，合理利用了点云的颜色信息对点云的特征进行描述；合理的利用了三维点云的颜色信息，在不明显增加运算时间的情况下极大的提高了分类的准确率和识别外形相近但是颜色不同的物体的能力。
具体实施方式二：本实施方式与具体实施方式一不同的是：步骤二中保留颜色的格式存储的点云按照传统的vfh描述子计算方法计算快速点特征直方图fpfh得到视点相关的特征分量具体为：
步骤二一、扩展快速点特征直方图fpfh，利用整个点云对象估计扩展快速点特征直方图fpfh(对每个特征合理划分区间，统计落入每个区间的点个数生成快速点特征直方图fpfh)；
在计算fpfh时以物体表面点云的中心点与物体表面点云的其他所有点之间的点对作为计算单元，生成fpfh直方图分量；
步骤二二、添加视点方向与每个点估计法线之间额外的统计信息，通过统计视点方向与每个法线之间角度的直方图来计算视点相关的特征分量；
注意：并不是每条法线的视角，因为法线的视角在尺度变换下具有可变性，法线的视角指的是平移视点到查询点后的视点方向和每条法线间的角度。其它步骤及参数与具体实施方式一相同。
具体实施方式三：本实施方式与具体实施方式一或二不同的是：步骤二二中每个法线的视角指的是平移视点到查询点后的视点方向和每条法线间的角度。其它步骤及参数与具体实施方式一或二相同。
具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：步骤四中利用kd树进行搜索得到分类结果具体为：选择在k-d树中与待识别的物体的查询点距离最近的数据点作为分类结果。其它步骤及参数与具体实施方式一至三之一相同。