深度图像中基于轮廓曲线和局部区域特征的3维物体识别
为了提高3维物体目标识别系统的性能及降低计算复杂度,提出一种由粗到细的识别方法.该方法利用深度图像所提供的信息,分两步完成识别过程.首先基于轮廓曲线计算其特征点,并映射到原有轮廓空间,以标志点序列表征原由轮廓进行匹配,在识别初期迅速排除模型库中不相似目标和差异较大的姿态,生成目标候选列表 用于精确匹配,以提高识别效率.精确匹配采用一种基于局部区域特征的识别方法,以投票的策略获取最佳结果.局部区域由SIFT算子确定位置和数量,区域特征主要由表面指数和法向量夹角组成,具有平移和旋转不变性.为了更进一步提高效率和降低存储空间,模型库的数据分为轮廓和表面信息两部分,分别以标志位序列和哈希表的形式存储.实验结果表明,该方法具有良好的实时性和识别率,对遮挡和干扰有一定的适应性.
3D目标识别、深度图像、轮廓曲线、SIFT、局部区域特征
17
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61005067
2012-05-15(万方平台首次上网日期,不代表论文的发表时间)
共10页
269-278