[发明专利]一种基于图像信息和深度信息的物体识别方法

说明书

技术领域

本发明涉及利用视觉传感器识别物体的方法，特别是红外传感器扫描深度信息以及计算机视觉技术在机器人识别物体的方面的应用。

背景技术

物体识别技术涉及计算机视觉及图像处理，主要用于对图像或视频信息中的对象(如人、车辆、货物等)进行检测。

目前的物体识别与测量方法常用的包括三维激光非接触式扫描测量、坐标机接触式测量、光学视觉测量等方法。这些方法或存在设备成本高、速度慢、环境条件要求高等不足。

比如用RFID的改造，这种改造需要对每一个托盘添加一个RFID收发的器件，因为一个库房有成千上万个托盘，不可能每一个托盘都安装这样的设备，那样做的成本过高；而且稳定性不好，如果有一个接收器不能正常工作，整个流程就会无法运转。如果在每个托盘上添加上二维码进行定位，那么首先安装二维码的工作量是巨大的，另外，安装的二维码有可能从托盘上脱落，使得识别过程无法进行；第三，二维码的尺寸过大的情况下会影响叉头叉货的空间，使插货的难度增大；第四，安装定位的二维码的精度必须得十分的高，因为这个精度直接影响识别的精度，而其给在托盘上安装二维码的过程增加了十分大的难度。

由此，本领域需要一种改进的物体识别方法，以克服上述现有技术中的各项不足。

发明内容

本发明的目的在于提供一种基于深度信息的物体识别算法

本发明通过以下技术方案实现。

一种基于图像信息和深度信息的物体识别方法，包括：

点云平面分割的步骤，从多信息传感器读取点云数据，对点云进行分割，将传感器传回的三维点云信息视野中较大的平面全部提取出来；

第一物体边缘检测的步骤，检测出第一物体边缘的位置；

第二物体匹配定位的步骤，在所述点云平面分割结果的基础上完成第二物体的检测和定位。

优选地，所述点云平面分割的步骤进一步包括：

获得有序点云，所述有序点云指的是点云有类似图像的结构，各个点的相邻关系与图像中像素间的相邻关系类似，是显式已知的；

按照点的相邻关系，划分为一系列的子窗口；

计算每个子窗口中包含点集的几何形状，包括平面的和非平面的；

用区域增长算法将相邻且在同一平面的子窗口聚类为一个大的平面。

优选地，所述第一物体边缘检测的步骤进一步包括：

在点云平面分割结果的基础上，提取出第一物体左右边缘的点，并用随机抽样一致性(RANSAC)算法在三维空间中拟合左右边缘的直线，从而得到第一物体左右边缘的直线方程。

优选地，所述第二物体匹配定位的步骤进一步包括：

在点云平面分割结果的基础上完成托盘的检测和定位，将第一物体和第二物体所在的平面从三维空间投影到二维空间，投影方向为此平面的法线方向；

投影后将平面进行网格化，如果平面投影后占用了某个方格，则此方格赋值为1，否则赋值为0，由此可以与所述第二物体的模板进行匹配。

优选地，所述从三维空间投影到二维空间的过程进一步包括坐标旋转变换、球面坐标系转直角坐标系，以及透视投影。

优选地，所述模板进行匹配的过程中，已知投影后得到的图中有要找的目标，且该目标同模板有相同的尺寸、方向和图像。

优选地，所述投影后得到的图为8位图像，尺寸为W×H个像素，所述模板T的尺寸m×n个像素，叠放在投影后得到的图上平移，模板覆盖的区域叫子图S^ij，其中i，j为子图左上角在投影后得到的图上的坐标，搜索范围是：

1≤i≤W-M

1≤j≤H-N

通过比较T和S^ij的相似性，完成模板匹配过程。

优选地，衡量模板T和子图S^i，j的匹配程度使用测度为：