[发明专利]一种适用于室内环境的实时物体识别方法

摘要

一种适用于室内环境的实时物体识别方法，其内容包括离线训练阶段和在线识别阶段；离线训练阶段包括：获取待识别目标物体的点云数据，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，根据特征直方图构建离线模型数据库；在线识别阶段包括：采集数据，点云滤波，聚类分割和匹配识别。该方法以物体点云数据中心点和表面其他所有之间的法线的角度关系表示物体表面的几何特征，并根据每个点与其邻域内其它点的法线方向的角度偏差，对该点邻域内的其它点进行编码，计算每个点在物体点云数据的表面几何特征描述中的权重，得到物体表面的几何形状特征直方图。该方法不受光线变化的影响，提高了物体识别的准确率。

主权项

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。