[发明专利]机器识别和重构方法

说明书

技术领域

本发明涉及机器视觉领域。更详而言之，本发明涉及一种机器识 别和重构方法。

背景技术

对象物体识别和重构是计算机视觉和机器人识别领域中极其关键 的技术问题。例如，在工业制造领域，在机器人操作现场，机器人需 要识别出现场的物体对象，并在识别的基础上重构所识别的物体，再 根据识别结果针对不同的物体对象做出相应的动作。如何实现物体对 象的正确识别和重构呢，这是一直困扰着机器视觉发展的技术难题。

现有技术中，主要有两种识别方法：一种是基于物体结构描述的 识别方法；另一种是基于影像的识别算法。基于物体结构描述的识别 算法主要应用了Marr的视觉计算理论，这种方法将物体识别作为一个 多层次识别的过程，主要是先识别局部简单特征，然后逐步识别复杂 三维物体。由于是先从局部特征开始识别，因此利用这种识别方法对 于三维复杂物体的整体特征的识别结果不好，往往与真实结构相差很 大。基于影像的识别算法，主要是人类对物体整体形状的认知策略， 进而修正在利用基于物体结构描述的识别方法所识别中的不足。

在识别的基础上将物体对象进行重构一直都是本领域的研究热 点。现有的物体重构方法主要是基于投影影像的重构方法和基于几何 投影特征的物体重构方法。由于物体三维构成的复杂性和拓扑关系的 复杂性，现有技术中还没有提出能够达到实用水平的物体重构方法。

发明内容

因此，本发明的目的是提供一种机器识别方法，用于物体的识别 和重构，以实现机器人对物体的识别，并在识别的基础上进行建构。

为此，本发明提供了一种机器识别方法，用于物体的识别和/或重 构，包括：

采集要识别物体影像；

对采集的物体影像进行特征提取，即提取影像特征；

提供物体模型知识库，该物体模型知识库包括N个物体模型，其 中，N≥1；调取物体模型知识库中的第一物体模型；

对该提取的物体模型进行特征提取，即提取模型特征；

将影像特征与模型特征进行对比；

如果影像特征与模型特征匹配率不小于设定临界值，则将该提取 的物体模型进行记录，以作为备选模型；

如果影像特征与模型特征边界匹配率小于设定临界值，则从物体 模型知识库中调取与第一物体模型不同的第二物体模型，重复执行提 取模型特征、特征对比的步骤，遍历物体模型知识库中的第三、第四 物体模型......第N物体模型，直至寻找到采集的影像特征与提取的模 型特征相匹配的物体模型为止。

本发明与现有技术相比，由于建立了物体模型知识库，因此，在 进行机器视觉时，只需要将要识别的影像进行特征提取，将提取的特 征与物体模型知识库中模型的特征进行对比，如果两者的匹配率达到 一定阀值，则要识别的物体与调用的物体模型匹配，即实现了物体的 识别，同时调取存储在物体模型知识库中的关于模型的信息，则实现 了要识别物体的建构。这种识别方法可以应用在各种技术领域，如工 厂自动化、太空探索、现代医疗等。例如工厂自动化领域中，常常需 要机器人对现场的有限的工具或操作物体进行识别，如从工具架上选 取某一工具，并选择适当的操作对象进行相应的操作，根据本发明的 方法，如果预先建立这些有限的物体的模型并存储物体模型知识库中， 那么机器人可以利用本发明的识别和建构方法，识别出现场的物体， 并根据此做出进一步的动作。

本发明的这些特征、优点以及其他特征和优点将通过下面具体实 施例的说明而变得清楚。

附图说明

下面参考附图对本发明进行说明，其中附图仅以示例的方式示出 了本发明的优选实施例。图中：

图1为根据本发明的机器识别方法的一个示例性实施例的流程图；

图2为根据本发明的机器识别方法的另一个示例性实施例的流程 图。

具体实施方式

下面，参考附图，对本发明进行更全面的说明，附图中示出了本 发明的示例性实施例。然而，本发明可以体现为多种不同形式，并不 应理解为局限于这里叙述的示例性实施例。而是通过提供这些实施例， 从而使本发明全面和完整，并将本发明的范围完全地传达给本领域的 普通技术人员。

参考图1，图中示出了根据本发明的机器识别方法的一个示例性实 施例的流程图。如图中所示，用于物体的识别和重构的机器识别方法， 包括：