用于对摄像头视野中的已知物体进行分类的方法
【技术领域】
[0001] 本公开涉及成像系统，且涉及对视野中的物体进行分类的方法。
【背景技术】
[0002] 该部分的陈述仅仅提供与本公开有关的背景信息，并且可能不构成现有技术。
[0003] 数字摄像头可用于识别在视野中的物体。用于检测和识别在数字摄像头的视野中 随机取向的物体的已知方法可能会花费较长的时间。相对慢的响应时间降低效率，并且从 而降低将数字摄像头安装在机械臂的末端执行器上的满意度。
【发明内容】
[0004] 本发明涉及一种用于对数字摄像头的视野中的已知物体进行分类的方法，该方法 包括：
[0005] 产生多个分类器特征向量，每一个分类器特征向量与已知物体的多个面观察角度 中的一个相关联；
[0006] 使用数字摄像头捕捉包括已知物体的视野中的图像；
[0007] 基于所述捕捉的图像生成图像特征向量；
[0008] 将所述图像特征向量与多个分类器特征向量中的每一个相比较，并且选择所述多 个分类器特征向量中最接近地对应于所述图像特征向量的一个；以及
[0009] 基于所选择的分类器特征向量而确定已知物体相对于所述数字摄像头的姿态。
[0010] 如上面所述的方法，其中产生多个分类器特征向量包括：
[0011] 将姿态伪影以已知空间关系固定地耦接到已知物体；并且
[0012] 对于面观察角度的每一个：
[0013] 生成包括已知物体和姿态伪影的图像；
[0014] 识别图像中的已知物体和姿态伪影；
[0015] 确定已知物体的特征向量；
[0016] 确定姿态伪影的观察角度；
[0017] 将姿态伪影的观察角度变换为与面观察角度相关联的多个类中的特定一个；和
[0018] 将已知物体的特征向量和所述与面观察角度相关联的多个类中的特定一个建立 联系。
[0019] 如上面所述的方法，其中生成包括已知物体和姿态伪影的图像包括：采用计算机 辅助设计环境以生成采用已知物体和姿态伪影的3D实体模型的合成图像。
[0020] 如上面所述的方法，其中生成包括已知物体和姿态伪影的图像包括采用数字摄像 头以捕捉包括已知物体和姿态伪影的位图图像文件形式的图像。
[0021] 如上面所述的方法，其中姿态伪影包括姿态立方体；并且其中确定姿态伪影的观 察角度包括识别所述姿态立方体的多个面中的一个以及确定所述姿态立方体的取向。
[0022] 如上面所述的方法，其中所述姿态立方体包括六个面，且其中每一个面包括独特 的识别符元素和独特定位的缩放取向元素。
[0023] 如上面所述的方法，进一步包括基于所述选择的分类器特征向量确定已知物体相 对于数字摄像头的姿态和范围。
[0024] 如上面所述的方法，其中使用数字摄像头捕捉包括已知物体的视野中的图像包 括：捕捉已知物体的二维（2D)图像。
[0025] 如上面所述的方法，其中捕捉已知物体的2D图像包括捕捉包括已知物体的视野 的8位灰度表现形式的位图图像文件。
[0026] 如上面所述的方法，其中产生多个分类器特征向量包括：
[0027] 对于每一个面观察角度：
[0028] 生成包括已知物体和相对于已知物体以空间关系布置的姿态伪影的图像；
[0029] 识别图像中的已知物体和姿态伪影；
[0030] 确定已知物体的特征向量；
[0031] 确定姿态伪影的观察角度；
[0032] 将姿态伪影的观察角度变换为与面观察角度相关联的多个类中的特定一个；以及
[0033] 将已知物体的特征向量和所述与面观察角度相关联的多个类中的特定一个建立 联系。
[0034] 如上面所述的方法，其中识别图像中的已知物体和姿态伪影包括：识别图像中已 知物体和姿态伪影的轮廓，并且其中确定已知物体的特征向量包括确定已知物体轮廓的特 征向量。
[0035] 如上面所述的方法，其中生成包括已知物体和相对于已知物体以空间关系布置的 姿态伪影的图像包括：使用数字摄像头捕捉包括已知物体和姿态伪影的视野中的图像。
[0036] 如上面所述的方法，其中生成包括已知物体和相对于已知物体以空间关系布置的 姿态伪影的图像包括：在采用3D实体模型的计算机辅助设计（CAD)环境中生成包括已知物 体和相对于已知物体以空间关系布置的姿态伪影的图像。
[0037] 本发明还涉及一种用于对数字摄像头的视野中的已知物体进行分类的方法，所述 已知物体包括具有预定特征的三维（3D)装置，所述预定特征包括空间尺寸，该方法包括：[0038] 产生多个分类器特征向量，每一个分类器特征向量与已知物体的多个面观察角度 中的一个相关联；
[0039] 使用数字摄像头捕捉包括已知物体的视野的位图图像文件；
[0040] 基于所述捕捉的位图图像文件生成图像特征向量；
[0041] 将所述图像特征向量与多个分类器特征向量相比较；
[0042] 选择所述多个分类器特征向量中最接近地对应于所述图像特征向量的一个；以及
[0043] 基于与所选择的分类器特征向量相关联的已知物体的面观察角度而确定已知物 体相对于数字摄像头的姿态。
[0044] 如上面所述的方法，其中形成多个分类器特征向量包括：
[0045] 将姿态伪影以已知空间关系固定地耦接到已知物体；并且
[0046] 对于面观察角度的每一个：
[0047] 生成包括已知物体和姿态伪影的图像；
[0048] 识别图像中的已知物体和姿态伪影；
[0049] 确定已知物体的特征向量；
[0050] 确定姿态伪影的观察角度；
[0051] 将姿态伪影的观察角度变换为与面观察角度相关联的多个类中的特定一个；和
[0052] 将所述已知物体的特征向量和所述与面观察角度相关联的多个类中的特定一个 建立联系。
[0053] 如上面所述的方法，其中生成包括已知物体和姿态伪影的图像包括：采用计算机 辅助设计环境以生成采用已知物体和姿态伪影的3D实体模型的合成图像。
[0054] 如上面所述的方法，其中产生多个分类器特征向量包括：
[0055] 对于每一个面观察角度：
[0056] 生成包括已知物体和相对于所述已知物体以空间关系布置的姿态伪影的图像；
[0057] 识别图像中的已知物体和姿态伪影；
[0058] 确定已知物体的特征向量；
[0059] 确定姿态伪影的观察角度；
[0060] 将姿态伪影的观察角度变换为与面观察角度相关联的多个类中的特定一个；以及
[0061] 将已知物体的特征向量和所述与面观察角度相关联的多个类中的特定一个建立 联系。
[0062] 一种用于对数字摄像头（digitalcamera)视野中的已知物体分类的方法，包括形 成多个分类器特征向量（classifierfeaturevector),每一个分类器特征向量与已知物体 的多个面观察角度（facetviewingangle)中的一个相关联。数字摄像头捕捉包括已知物 体的视野中的图像，并且图像特征向量基于所述捕捉图像而生成。将图像特征向量与多个 分类器特征向量的每一个比较，并且选择多个分类器特征向量中最接近地对应于图像特征 向量的一个。已知物体相对于数字摄像头的姿态基于所选择的分类器特征向量而确定。 [0063] 在下文结合附图进行的对用于实施如权利要求中限定的本公开的较佳模式和其 他实施例的一些做出的详尽描述中能显而易见地得到本公开的上述特征和优点以及其他 的特征和优点。
【附图说明】
[0064] 参考附图通过例子描述一个或多个实施