[发明专利]一种基于结构分析的点云场景物体识别方法

说明书

本发明公开了一种基于结构分析的点云场景物体识别方法，步骤1：利用区域增长的方法以及基于距离的聚类算法对点云场景进行分割，并基于高斯球的性质提取点云场景中的平面；步骤2：对提取的平面，将单个平面由结点表示，平面间的连接关系由边表示，分析结点属性以及边属性，定义平面之间的连接类型；步骤3、对目标物体的结构进行分析，并记录目标物体的连接编码；步骤4、平面组合及目标识别，通过与目标物体的编码进行比对完成物体的识别。本发明一种基于结构分析的点云场景物体识别方法，解决了现有识别技术计算量大及点云数据不完整，且易受噪声影响，不适合大场景点云数据中物体的识别的缺陷。

技术领域

本发明属于计算机视觉与模式识别相结合的交叉学科技术领域，具体涉及一种基于结构分析的点云场景物体识别方法。

背景技术

三维物体识别一直都是计算机视觉与模式识别的一个重要研究领域。人类具有强大的识别能力，可以从复杂场景中迅速地识别物体。但是如何使计算机像人类一样，能够自动地识别出场景中的物体，仍有很大的困难。

目前，基于图像的物体识别已经有很多成果，但是二维图像的成像过程是从三维空间映射到二维空间，这个过程会丢失大量的信息。而且一个无法忽视的事实是，最好的视觉系统应该是面向三维世界的。随着激光扫描技术的快速发展，获取场景的三维坐标数据已经非常便捷。同时，三维点云数据的采集不受光照影响，没有光照的阴影以及纹理的困扰，所以基于三维点云数据的物体识别也引起了人类的重视。

目前，已有的物体识别方法可以分为两类：基于特征分析的物体识别方法和基于机器学习的物体识别方法。

①基于特征分析的物体识别方法

基于特征分析的物体识别方法主要思想是通过比对局部特征来识别物体。该类方法无需对处理数据进行分割，通过提取对象的特征点，边缘或者是面片等局部特征，进行局部特征比对，从而完成物体的识别。

旋转图像法(Spin Image)也是一种典型的基于点的特征描述方法，它是Johnson等人在1999年提出的一种利用二维数据表征三维特征的自旋图方法。旋转图像主要思想是一个图像绕法向量旋转360°，以图像中每个像素栅格所遇到的点云数作为其灰度值。Frome提出三维形状上下文方法(3D shape context)完成物体的识别。该方法将特征点邻域划分为三维球形栅格，通过统计栅格内的点云数据量得到三维形状上下文特征信息，通过比对特征信息完成物体的识别。但是该方法只定义了Z轴方向。Zhong提出了一种新的三维形状描述符(Intrinsic Shape Signatures，ISS)描述点云局部/半局部的特征。通过矩阵计算得到姿态的放置和变换，并将其直接代入识别检索表中，作为识别正确性的参数值，避免只定义Z轴带来的方位模糊。上述方法容易受到噪声以及点云数据分布不均匀的影响，导致特征鲁棒性不强。魏先将三维物体投影到二维，然后将测地距离和矢量夹角的变化引入到曲面片特征的描述中并形成模型库，通过比对曲面片的描述完成物体的识别。该方法把三维识别转化为二维识别，会造成三维信息的丢失，导致识别不准确。

②基于机器学习的物体识别方法

基于机器学习的物体识别方法是建立在已经知道场景中包含有哪些对象的基础上，通过学习，将场景分为多个类别。