一种基于二值描述符的三维目标识别方法
【技术领域】
[0001] 本发明涉及机器视觉领域，具体涉及一种基于二值描述符的三维目标识别方法。
【背景技术】
[0002] 三维目标识别的目标就是在三维场景中正确地识别目标并确定目标的位置与姿 态。三维目标识别相比于基于二维图像的目标识别技术有着其独特的技术优势：其一，包含 更多的深度信息；其二，特征提取受尺度、旋转和光照的影响小；其三，对目标姿态的估计 更精确。有望解决基于二维图像的目标识别中面临的诸多难题。此外，在过去二十年中计 算机性能的大幅提升和深度数据传感器成本的降低，使得三维目标识别一直是机器视觉领 域里的一大研宄热点。
[0003] 对场景和模型进行特征描述是三维目标识别的核心环节，它决定着三维目标识别 算法的效率和准确性。对于存在噪声、遮挡、网格分辨率变化的复杂场景，现有的局部特征 描述符已经获得了较高的识别率，如郭裕兰等人提出的"基于旋转投影统计的三维目标描 述及识别方法"（发表于国际计算机视觉杂志，2013年第105期）。
[0004] 然而，现有特征描述方法通常使用一行浮点数向量表征三维局部表面的特征，并 且特征向量维度普遍较高。因此，特征匹配的计算量大，对设备计算性能有较高要求，算法 应用场景受限；识别过程耗时长，不利于三维目标识别的实时化。
【发明内容】
[0005] 为了克服上述现有技术中存在的缺陷，本发明的目的是提供一种计算方法简单， 特征提取和特征匹配效率高的三维目标识别方法。
[0006] 为了实现本发明的上述目的，本发明提供了一种基于二值描述符的三维目标识别 方法，包括三维目标特征描述步骤，所述三维目标特征描述步骤包括以下过程：
[0007] S1，将三维目标中的网格深度图像Q进行网格分辩率R的计算；
[0008] S2,根据计算所得的网格分辨率R对网格深度图像Q进行均匀采样，得到特征点P' 的坐标；
[0009] S3,根据计算所得的特征点P'的坐标构建局部参考系，并对该局部参考系的X轴、 y轴和z轴的方向进行消歧处理；
[0010] S4,根据消歧后的局部参考系构建特征向量，得到特征点P'的二值化三维特征fp。
[0011] 通过网格分辨率计算与随机均匀采样两个步骤可以快速获得网格深度图像表面 上各个特征点，实现对图像的特征检测。对网格深度图像作随机均匀采样，直接获取特征 点，不仅计算量小而且简便快捷，实时性好。构建局部参考系不仅有助于提升提取特征的有 效性以及计算效率，还有助于提升三维目标识别算法的准确性。
[0012] 进一步的，步骤S1包括以下步骤：
[0013] S1-1，将三维目标中的网格深度图像Q表示为图G= (P，H)，其中P= {Pl，p2, ? ? ?，pm}，表示该网格深度图像Q中的所有顶点，pm为第m个顶点，m为正整数；H= IX，h2,. . .，hn}，表示该原始点云Q中的所有边，hn为第n条边，n为正整数；
[0014] S1-2,对所述网格深度图像Q中所有的边长求平均值，即得到该网格深度图像的 网格分辩率R，具体公式为：_
【主权项】
1. 一种基于二值描述符的三维目标识别方法，其特征在于，包括三维目标特征描述步 骤，所述三维目标特征描述步骤包括以下过程： S1，将三维目标中的网格深度图像Q进行网格分辩率R的计算； 52, 根据计算所得的网格分辨率R对网格深度图像Q进行均匀采样，得到特征点P'的 坐标； 53, 根据计算所得的特征点P'的坐标构建局部参考系，并对该局部参考系的x轴、y轴 和z轴的方向进行消歧处理； 54, 根据消歧后的局部参考系构建特征向量，得到特征点P'的二值化三维特征fp。
2. 根据权利要求1所述的基于二值描述符的三维目标识别方法，其特征在于，步骤S1 包括以下步骤： S1-1，将三维目标中的网格深度图像Q表示为图G= (P，H)，其中P= {Pl，p2，...，pm}， 表示该网格深度图像Q中的所有顶点，Pm为第m个顶点，m为正整数；H= 表示该原始点云Q中的所有边，hn为第n条边，n为正整数； 51- 2,对所述网格深度图像Q中所有的边长求平均值，即得到该网格深度图像的网格 分辩率R，具体公式为：= ~^丈|/?,: |，其中，| ]^ |为边1^的长度，N表不网格深度图像Q中 ^i=\ 的边的数量。
3. 根据权利要求1所述的基于二值描述符的三维目标识别方法，其特征在于，步骤S2 包括以下步骤： 52- 1，将网格深度图像Q均匀划分为多个边长为n?R的立体网格，每个立体网格包含 有多个顶点P; S2-2,当立体网格中的顶点P的数量小于t时，不提取该立体网格的特征点；当立体网 格中的顶点P的数量不小于t时，执行步骤S2-3,t为预先设定的已知阈值； 52- 3,对顶点P的数量不小于t的立体网格中的所有顶点P的x，y，z坐标分别求均 值，得到第i个立体网格的特征点Pi的坐标，具体公式为：巧其中，Pik表示第i个立体网格中第k个顶点。
4. 根据权利要求1所述的基于二值描述符的三维目标识别方法，其特征在于，步骤S3 包括以下步骤： 53- 1，给定特征点P'和支持半径r，建立协方差矩阵C:
其中，Pi为以特征点P'为中心点，半径为r的区域内的点，屯=|P'-Pi|为点Pi到特 征点P'的距离，兑=€ -户，表示从点Pi到特征点P'的向量； S3-2,对协方差矩阵C作特征值分解：CV=EV，其中， 对角矩阵E= {入:，入2，入;3}，入:，入2, 为特征值且入1彡入2彡入3，矩阵f2，％}，A，i?2，％为入i，入2，入3对应的正交特征向量，且为x，y，z轴的坐标基； S3-3,在特征点P'所在的局部表面上选取离特征点P'最近的g个点，g为奇数； S3-4,若（f-尸')42 0且i>g/2,则保持力符号不变，反之，V变为，，由此确定x轴 的方向； S3-5,以步骤S3-4中所述方法确定z轴方向； 53- 6,根据fX：?确定y轴方向。
5. 根据权利要求1所述的基于二值描述符的三维目标识别方法，其特征在于，步骤S4 包括以下步骤： 54- 1，以特征点P'为原点，r为半径，在原始点云Q上截得局部点云Q' ； S4-2,将局部点云Q'向局部参考系的xy，yz，zx三个坐标平面投影，得到三个二维的投 影点云Q'i，Q' 2和" 3； S4-3,对投影点云Q'pQ' 2和〇' 3作1X1的分块，并统计每个子块中的点的数目， 根据子块中的点数分别构造1X1的方阵Dp%和D3; S4-4,随机选取方阵Di* 2u个元素，按先后顺序，每两个元素一组，构建u组测试对， 对每组测试对执行如下测试：
得到一行唯一的u维二值位串
中，D(i)，D(i)'分别是第i组测 试对的第一个和第二个元素； S4-5,对方阵％和D3选择与方阵Di位置相同的测试序列，按照步骤S4-4中所述的方 法确定二值位串4和f3; S4-6,依次将f\，&和f3拼接起来，即得到特征点P'的二值化三维特征fp={fuf2,f3}。
6. 根据权利要求1-5任意一项所述的基于二值描述符的三维目标识别方法，其特征在 于，还包括三维目标识别过程，具体包括以下步骤： 第一步，在三维目标场景中，对模型深度图像和场景深度图像分别进行步骤S1和 步骤S2,实现对模型深度图像和场景深度图像的特征检测，得到模型特征点集合p= {Pi,p2, . . .，pj和场景特征点集合q={qpq2, . . .q』}; 第二步，对模型特征点集合p={ppp2, ? ? ? ,pj和场景特征点集合q= {q^q2, ? ? ?q」} 中的每一个特征点进行步骤S3和步骤S4,实现对每一个特征点的特征描述，得到模型特征 集合fp={fpl,fp2, ? ? ?，fpi}和场景特征集合 4={f价fp，? ? ?，; 第三步，将场景特征集合中的特征和模型特征集合中的特征进行特征匹配，即将场景 特征集合中的每一特征与模型特征集合中的特征逐一比对，度量两个特征的汉明距离； 第四步，当汉明距离最小且小于预先设定的距离阈值S时，两个特征点构成一组特征 对应，特征匹配结束后，最终得到k组特征对应； 第五步，对这k组特征对应执行三维霍夫投票运算，根据特征对应判断场景中是否存 在待识别目标，若存在，则计算该目标在场景中的位置与姿态，完成三维目标的识别。
【专利摘要】本发明提出了一种基于二值描述符的三维目标识别方法，包括三维目标特征描述步骤，所述三维目标特征描述步骤包括以下过程:S1，将三维目标中的网格深度图像Q进行网格分辩率R的计算；S2，根据计算所得的网格分辨率R对网格深度图像Q进行均匀采样，得到特征点P'的坐标；S3，根据计算所得的特征点P'的坐标构建局部参考系，并对该局部参考系的x轴、y轴和z轴的方向进行消歧处理；S4，根据消歧后的局部参考系构建特征向量，得到特征点P'的二值化三维特征fp。本发明计算方法简单，特征提取和特征匹配效率高，可快速准确的实现对三维目标的二值化描述。
【IPC分类】G06K9-00, G06K9-46
【公开号】CN104809456
【申请号】CN201510262199
【发明人】李正浩, 邓俊文, 王东强, 韩鹏, 龚卫国, 李伟红, 杨隽莹
【申请人】重庆大学, 重庆市科学技术研究院
【公开日】2015年7月29日
【申请日】2015年5月21日