[发明专利]基于空间形状上下文特征的汽车零件识别方法

权利要求书

1.一种基于空间形状上下文特征的汽车零件识别方法，其特征在于，具有如下步骤：

S1.构建离线汽车零件特征库；

S2.将待识别汽车零件的特征在线提取，并与所述离线汽车零件特征库中的汽车零件进行特征匹配与识别匹配与识别基于空间形状上下文特征，所述空间形状上下文特征是指提取三维空间待识别汽车零件的特征点，将分割空间区域而形成的特征点的相对位置关系作为该汽车零件的特征；

所述步骤S1.构建离线汽车零件特征库的具体方法为：

S1.1从汽车零件库中取出一个汽车零件，对其进行多角度拍摄，拍摄图像具有重叠部分，拍摄结束后，图像数据传送至云服务器端进行下一步处理；

S1.2.提取采集的每幅汽车零件图像的SIFT特征点，与下一幅图像进行特征点匹配，并用RANSAC去除误匹配点；

S1.3.根据S1.2所提取的特征点按照序列图像三维重建原理进行重建，以获得三维点云，并将S1.2所提取的n个二维特征点对应到三维空间，形成三维空间特征点集P{p₁,p₂…p_n}；

S1.4.通过空间形状上下文特征提取算法，将汽车零件库里的每个部件的空间上下文特征都提取出来并存储，作为特征库等待查询；

空间形状上下文特征提取算法的步骤如下：

S1.4.1.以当前特征点p_k为球心，找到与球心的欧式距离最大的特征点p_d，将p_k与p_d的欧式距离作为球的半径；

S1.4.2.将步骤S1.4.1所形成的球形区域做空间范围的平均分割，平均分割后球形区域的子空间区域个数为t个；

S1.4.3.将球形区域的t个子空间区域确定排列顺序；

S1.4.4统计每一子空间区域特征点的个数，并将个各子空间区域特征点的个数按各子空间区域的顺序排列；

S1.4.5遍历n个特征点集合P中的下一点，直至所有点遍历完毕，形成了n×t的特征矩阵F_db，将该特征矩阵存储。

2.如权利要求1所述的基于空间形状上下文特征的汽车零件识别方法，其特征在于，将待识别汽车零件的特征在线提取的提取方法与构建离线汽车零件特征库时对汽车零件的特征的提取方法一致。

3.如权利要求2所述的基于空间形状上下文特征的汽车零件识别方法，其特征在于，与所述离线汽车零件特征库中的汽车零件进行特征匹配与识别的步骤如下：

S2.1.对于待识别汽车零件的空间上下文特征矩阵F_cur与汽车零件库的当前特征F_db1,使用下述公式，得到空间上下文差别：

得到Cost矩阵，其中K表示特征点的总个数，g(k)表示待识别汽车零件的空间上下文特征矩阵中第k个特征点的空间上下文信息，而h(k)表示汽车零件库中当前对比配件特征中第k个特征点的空间上下文信息，最终结果为矩阵Cost；

S2.2.对该矩阵进行最优匹配操作，使代价值最小，该代价值为cost；

S2.3.将所有汽车零件库中特征与待识别配件特征计算所得的cost进行排序,选取最小值所对应的汽车零部件作为当前待检测配件的最匹配汽车零部件。

4.如权利要求3所述的基于空间形状上下文特征的汽车零件识别方法，其特征在于，采用LAPJV算法对该矩阵进行最优匹配操作。

5.如权利要求4所述的基于空间形状上下文特征的汽车零件识别方法，其特征在于，当前待检测配件的最匹配汽车零部件后，通过云端服务器将该汽车零件的相关信息在显示终端显示给汽修人员。