[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

摘要

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。

主权项

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，根据公式(1)来控制超体素聚类过程，将整个空间划分开；式中R_seed是种子的距离，D_c是表示颜色上的差异，D_n表示法线上的差异，D_s表示点距离上的差异；w_c表示颜色差异在超体素相似度中的权重，w_s表示点距离差异在相似度中的权重，w_n表示法线上的差异在相似度中的权重，相似度定义了应该属于种子点的粒子并聚拢在种子点周围形成超体素，w_c＝w_n＝0.3，w_s＝0.4；步骤3，在步骤2得到的超体聚类基础之上基于凹凸性再聚类进行局部凸连接分割，完成场景分割；凸度标准CC如式(2)所示，邻超体素分别为p_i，p_j，其质心分别为x₁，x₂，n₁，n₂是垂直于界面的法向量，α₁是n₁与x₁‑x₂的夹角，α₂是n₂与x₁‑x₂的夹角，β是法向量之间的角度；引入阈值β_Thresh，当β＝∠(n₁，n₂)＝│α₁‑α₂│＝cos^‑1(n₁·n₂)<β_Thresh＝10°，认为超体之间是凸连接的；步骤4，使用连接质心的向量d和两个法向量的叉积s＝n₁×n₂，引入阈值θ_Thresh；同样，(p₁,p₂)是两个相邻的超体素，β是法向量的角度，β_off是噪声引入的偏差；用软化阶梯方程来求得θ_Thresh[β(n₁，n₂)]，δ是第一阶梯的系数，是d与s的实际立体角度，θ_Thresh[β(n₁，n₂)]是二维投影角度；θ(p₁,p₂)取d和s时间小于180°的那个角；θ(p₁,p₂)＝min[∠(d,s),∠(d,‑s)]＝min[∠(d,s),180°‑∠(d,s)]  (3)软化阶梯函数SC(p_i,p_j):＝有效,θ(p₁,p₂)＞θ_Thresh[β(n₁，n₂)]         ＝无效 其他  (5)其中θ_Thresh[β(n₁，n₂)]＝60°，β_off＝25°andδ＝0.25；步骤5，根据分割后的场景点云目标物体的RSD特征选择几何模板参数对目标物体进行建模或直接对回转体进行建模，在一个几何基元上面，原始点和领域内一个点之间的距离d还有两个点法线之间的角度α根据公式(6)得到两点拟合曲线的曲率圆半径；一个点与领域点拟合出所有曲线对应的所有曲率半径r，取其中的最小曲率半径与最大曲率半径(r_min,r_max)便是这一点的RSD特征值，不同的几何基元有不同的RSD特征值；