论文部分内容阅读
随着人工智能的发展,机器视觉的应用从传统制造行业拓展到室内服务行业,作为室内场景感知与理解的核心环节,室内物体识别技术成为研究的热点。同时,由于3D扫描设备价格越来越低廉和点云处理技术的兴起,图像识别逐渐从2D图像过渡到3D点云数据,这种数据自身具备3D空间几何特征,可天然解耦物体和背景。故利用3D点云数据能够更好识别室内场景中物体,如何有效地预处理原始室内3D点云数据,选择和提取合适的3D特征准确分割室内场景及识别物体,并在提高识别准确率的同时保证识别速度成为了研究的重点与难点。本文重点对室内3D点云数据的预处理、场景分割、物体特征提取及识别技术进行研究,主要工作包括:(1)根据现有3D点云场景物体识别技术的研究现状、存在问题及发展前景,提出本文研究计划。设计了基于3D点云数据的室内物体识别总体架构,并对3D点云数据预处理、分割及识别的经典算法进行介绍。(2)在室内3D点云数据的预处理方面,首先,针对原始室内3D点云数据存在离群点、起伏噪点及边界毛刺的问题,提出一种混合滤波方法对其去噪,以保证后续3D特征的准确估计;其次利用体素网格采样算法降低室内3D点云数据数量和密度,以提高后续分割和识别速度。(3)在室内3D点云场景分割方面,首先,采用随机采样一致性算法提取前景;其次,提出两种方法解决前景中粘连物体分割问题。第一种是在传统点云区域增长算法的基础上,改进了种子选取规则,加入了彩色信息,优化了聚类结果,提出一种改进的区域增长彩色3D点云分割算法,相比于传统算法,提高了分割的稳定性和准确性。第二种是在超体素凹凸分割算法的基础上,改进了体素种子选取规则,融合了凹凸特征、连续特征和颜色特征,提出一种超体素多特征融合的3D点云分割方法,能够更加准确且完整的分割出粘连物体,为后续物体特征提取及识别提供了良好的保障。(4)在室内3D点云物体特征提取及识别方面,选取方向直方图签名(signature of histograms of orientations,简称SHOT)描述子作为提取的3D特征,在原霍夫投票3D点云识别的基础上,均匀提取关键点,改进了特征匹配准则和模型参考点的选取,提出一种改进的霍夫投票3D点云识别算法进行室内物体识别。通过实验验证,本文改进算法能有效识别出室内物体,且识别速度和准确率在原有基础上得到了提高。图39幅,表7个,参考文献78篇