[发明专利]基于凹凸性和RSD特征的场景分割与目标建模方法

说明书

基于凹凸性和RSD特征的场景分割与目标提取方法，属于计算机视觉技术领域。本发明包括：步骤1，利用Realsense以及PCL获取场景点云并进行半径滤波；步骤2，将场景点云基于超体聚类过分割；步骤3，在步骤2得到的超体聚类基础上利用LCCP方法基于凹凸性再聚类完成场景分割；根据分割后的场景点云目标物体的RSD(Radius‑based Surface Descriptor)几何特征对目标物体进行建模。实验结果表明，本发明能够有效地解决任意场景中目标物体建模问题。本方法是一种无学习方法，具有计算费时少，场合适用性强的优点。

技术领域

本发明属于计算机视觉技术领域，涉及适用于机器人在任意场景中的抓取，可用于无人驾驶、无人机、深空探测、水下机器人等领域。

背景技术

随着科学技术的发展，机器人越来越智能，当前机器人追求自主性和高智能性。机器人在未知环境执行自主性或者智能性任务时，需要对所处环境进行理解，需要像人大脑一样识别和理解当前视野或环境中存在的物体和对象，感知自己所处的环境。图像分割技术是让机器人对环境具有感知和识别能力的关键技术。随着激光三维测距技术的快速发展，出现了很多能够采集三维空间场景中三维信息的三维摄像机，以前针对二维图像的分割方法很难适用于基于三维信息的图像分割，因此，更多研究者逐渐投入到基于三维空间信息的图像技术研究中。为了让智能移动机器人感知所处环境或识别视野场景中物体对象，同时也为了对场景中的物体进行抓取，三维分割并将目标物体建模的研究实现具有巨大的现实意义，未来发展前景十分可观。

场景分割与目标建模算法在机器人手眼协同系统中具有举足轻重的作用，其主要是将机器人利用摄像头所看到的场景进行物体层次的分割，再将所要抓取的目标物体进行三维建模以便于后续的机器人抓取。完善相关的算法，解决相关的算法一直以来存在着很大的挑战。传统点云分割算法常采用两类方法：基于识别的方法和基于无监督性的方法。对于基于识别的方法，数据库中有一些可用的物体模型。这类的许多先进方法通过将提取的特征与存储在数据库中的场景相匹配来执行物体的分割。它们强烈依赖于检测测试场景和存储模型之间的重复性的、可靠的和描述性特征，以及相应的准确特征，当场景点云数量较大时，算法执行起来需要大量的时间和计算。此外，基于识别的方法仅限于数据库中可用的对象模型的分割。相比之下，基于无监督的方法能够在视觉复杂的情况下没有任何关于对象或场景的先验信息来分离各种各样的对象。这些方法在物体孤立的情况下表现得很好但不能分开堆叠的物体。另一类算法使用基于学习的方法结合条件随机场和马尔科夫随机场的优化去处理分割问题，但它们的高计算运行限制了在实际应用中的使用。以上方法的不足之处都极大地影响了后续目标物体建模，影响机器人对目标物体的抓取。

发明内容

本发明的目的在于针对上述场景分割方法中的不足,为了更好地实现机器人在场景中对目标物体的抓取，提出新的场景中抓取目标建模方法，以提高场景中目标物体建模速度以及方法的适用性；

本发明的技术方案为一种基于凹凸性和RSD特征场景中抓取目标建模方法，包括如下步骤：

1.基于凹凸性和RSD特征的场景分割与目标建模方法，其特征在于，包括如下步骤：

步骤1，利用Realsense以及PCL获取场景点云并进行半径滤波去噪；

步骤2，在去噪后的场景点云基础之上进行超体聚类过分割，根据(1)

公式来控制超体素聚类过程，将整个空间划分开；