公开(公告)号：CN108537805A

公开(公告)日：2018-09-14

申请号：CN201810338191.0

申请日：2018-04-16

Applicant: 中北大学

Inventor： 熊风光 ,  贾勇杰 ,  韩燮 ,  况立群

IPC: G06T7/12 ,  G06T7/136 ,  G06T7/33

Abstract: 本发明具体涉及一种基于特征几何收益的目标识别方法，解决了现有的三维点云目标识别过程中关键点检测、特征匹配和误匹配剔除等结果不理想，且在包含噪声、分辨率不同和存在遮挡重叠等复杂场景中识别目标效果不佳等问题。首先，在关键点检测阶段增加了剔除边缘关键点的步骤；其次，在特征匹配阶段利用最近邻比剔除有二义性的特征匹配对；然后，在假设生成阶段本文提出了特征几何收益方法，对正确的匹配进行聚合并生成假设变换；最后，在假设验证阶段进行精配准验证假设变换，并精准的估计目标的姿态。该方法适用于杂乱的三维点云场景目标模型的识别，用于机器视觉的目标识别。可广泛应用于无人车驾驶、机器人、自动化装配以及智能监控等领域。

公开(公告)号：CN108537805B

公开(公告)日：2021-09-21

申请号：CN201810338191.0

申请日：2018-04-16

Applicant: 中北大学

Inventor： 熊风光 ,  贾勇杰 ,  韩燮 ,  况立群

IPC: G06T7/12 ,  G06T7/136 ,  G06T7/33

Abstract: 本发明具体涉及一种基于特征几何收益的目标识别方法，解决了现有的三维点云目标识别过程中关键点检测、特征匹配和误匹配剔除等结果不理想，且在包含噪声、分辨率不同和存在遮挡重叠等复杂场景中识别目标效果不佳等问题。首先，在关键点检测阶段增加了剔除边缘关键点的步骤；其次，在特征匹配阶段利用最近邻比剔除有二义性的特征匹配对；然后，在假设生成阶段本文提出了特征几何收益方法，对正确的匹配进行聚合并生成假设变换；最后，在假设验证阶段进行精配准验证假设变换，并精准的估计目标的姿态。该方法适用于杂乱的三维点云场景目标模型的识别，用于机器视觉的目标识别。可广泛应用于无人车驾驶、机器人、自动化装配以及智能监控等领域。