[发明专利]一种适用于室内环境的实时物体识别方法

权利要求书

1.一种适用于室内环境的实时物体识别方法，其特征在于：该方法由离线训练阶段和在线识别阶段两部分组成；

所述的离线训练阶段，其内容包括以下步骤：

步骤A：获取待识别目标物体的点云数据；

步骤B：计算待识别目标物体点云数据的几何特征描述，获取特征直方图；

步骤C：根据待识别目标物体的特征直方图构建离线模型数据库；

所述在线识别阶段，其内容包括以下步骤：

步骤a：采集数据：采用体感相机RealSense体感相机采集室内场景点云数据；

步骤b：点云滤波：对室内场景点云数据进行直通滤波和下采样滤波，去除距离视点三米以外的点云数据，有效减少数据失真部分，降低点云密度，得到密度一致的精简点云数据；

步骤c：聚类分割：采用随即采样一致性算法提取精简点云数据中目标物体的支撑平面并将其去除，随后采用聚类分割的方法，提取精简点云数据中的各个物体的聚类点云数据；

步骤d：匹配识别：循环计算每个物体的聚类点云数据的几何特征描述，获取物体聚类点云数据的特征直方图，与模型数据库进行匹配，以特征直方图的Chi平方距离作为度量标准，在kd-tree中搜索最佳匹配，即Chi平方距离值最小的模型特征，通过给定的距离阈值判断是否识别成功。

2.根据权利要求1所述的一种适用于室内环境的实时物体识别方法，其特征在于：在步骤B中，所述计算待识别目标物体点云数据的几何特征描述，获取特征直方图，其具体内容包括以下步骤：

步骤(1)：采用VoxelGrid滤波器对目标物体的点云数据进行下采样滤波，降低点云密度，得到精简点云；

步骤(2)：计算精简点云所有点的法线方向，对于所得到的精简点云的表面点P_i，利用主成分分析法拟合以点P_i为中心的k邻域的平面，以拟合平面的法线方向作为表面点P_i的法线方向；

步骤(3)：计算所得到的精简点云的表面中心点P_c，遍历一个精简点云数据中的所有点，根据每个点的X、Y、Z三个坐标值采用平均值的方法估计精简点云的表面中心点：

步骤(4)：计算所得到的精简点云的中心点P_c和其他表面点P_i之间的法线方向之间的角度关系，在中心点P_c处建立参考坐标系(u,v,w)：

u＝n_c

w＝u·v

步骤(5)：使用三个角度分量表示中心点P_c和表面点P_i之间法线方向的关系：

α＝v·n_j

θ＝arctan(w·n_i,u·n_c)

其中||P_c-P_i||是P_c和P_i之间的欧氏距离；

步骤(6)：统计所得到的精简点云表面的每个点P_i与其k邻域内每个点P_k之间法线方向的角度差d，如果d大于阈值T，则该点被标记为1，否则标记为0，点P_i会产生一个k位的二进制编码，统计该二进制编码中1的个数num，作为点P_i在物体表面几何特征描述中的权重；

步骤(7)：创建直方图统计角度元组根据每个点的权重，得到最终的几何形状特征直方图；将α、θ三个角度分量分别分成45个子区间进行统计，最后得到一个总共由135个子区间组成的直方图来存储表示物体表面的几何特征。

3.根据权利要求2所述的一种适用于室内环境的实时物体识别方法，其特征在于，在步骤(2)中，所述计算精简点云所有点的法线方向，其求解过程包括如下步骤：

步骤(i)：待拟合的n个点(xi，yi，zi)，i＝1，2，3，，，n；拟合的平面方程为：

ax+by+cz＝d(d＞＝0)，a²+b²+c²＝1

任一数据点(xi，yi，zi)到该平面的距离为：其中，

步骤(ii)：计算所有点到平面的距离为：

步骤(iii)：计算出距离d_i的标准偏差为：

其中，

步骤(iv)：设定阈值d_i＞2σ的点为异常点，删除异常点，利用保留下来的点重新计算平面方程，直到所有点都在阈值范围之内，从而求得最佳平面的拟合方程，根据平面方程计算精简点云点云的法线方向。