[发明专利]一种识别部分遮挡曲面物体的方法

说明书

技术领域

本发明涉及一种识别曲面物体的方法，尤其涉及一种识别部分遮挡曲面物体的方法。

背景技术

在物体识别的许多应用中，都是匹配物体的图像与模型库识别物体。如果轮廓包含足够的信息，那么识别的问题就转化为平面曲线的匹配问题。传统的识别方法大都是提取待识别目标和模型曲线的关键特征点，通过特征点的匹配达到对目标的识别。但在实际情况中，特征点的提取不可能完全准确，噪声和遮挡也不可避免地存在，因此采用传统的点点对应的匹配算法不能奏效。主要用于测量两个点集之间匹配程度的Hausdorff距离(简称HD)不需要建立两个点集之间点与点的对应，将模板与被遮挡的目标图像匹配时也能产生较好的效果。在通常的Hausdorff距离计算中，由于是对物体边缘象素点逐个计算，当直接比较2个大尺寸物体边缘图像的相似程度时，其计算量非常大。用关键特征点(角点，切点，拐点)代替边缘点来计算Hausdorff距离，大大降低了Hausdorff距离的计算复杂度。Nirwan等和N.Ayache等直接用关键特征点进行匹配，认为特征点匹配，这两条曲线就相互匹配。实际上轮廓曲线用特征点表示不具有唯一性，两个特征点之间可以连成光滑的任意曲线。在机器人装配线中，由于多个物体堆积或重叠在一起，物体的图像产生相互遮挡；在遥感图像识别方面，物体可能被树、房屋和车辆的影子遮挡，因此有必要开展部分遮挡物体的识别研究。目前，对于部分遮挡物体的识别学者们已进行了一些研究。Krolupper提出用圆弧逼进物体的边界，是对物体的局部描述，且对遮挡是鲁棒的。但该方法假设物体的边界是一条封闭曲线，物体只经过平移、旋转和比例变化。Shan提出了将模型物体表示为直方图的集合，然后将待识别物体的直方图与模型直方图匹配。可解决部分遮挡物体的匹配。Park提出用特征间的二值向量关系描述物体，物体的标记仅仅受特征间的二值关系值的影响，该方法是基于局部特征的描述方法。Cho根据很多物体都具有对称性的特点，首先根据对称性恢复物体被遮挡部分的形状，而后再进行匹配，该方法能识别刚体变换下的三维物体，但该方法只适合于识别有对称结构和截面为椭圆或近似圆的部分遮挡物体。Dinesh提出了基于完美哈希法(perfect hash)识别部分遮挡的物体。Gorman用动态规划识别被遮掩形状，他们首先提出了基于Fourier描绘子的线段表示方法，每个形状被分成几个线段，每个线段由一个长度为2的Fourier描绘子表示，然后计算模型与待识别目标之间的动态匹配表，最后根据匹配的线段数来判断是否匹配。Schwartz直接匹配两条曲线，将两条曲线进行等间距的分割，由此产生了两个曲线的点集，然后用最小二乘法计算两条曲线点集间的距离。计算出的距离小于给定的阈值则认为这两条曲线是匹配的。这种方法只适合于模型曲线完全包含了场景曲线，并且这种直接匹配的方法在复杂的变换下是失效的。Rajpal提出了用神经网络来解决遮掩问题，使用了多层感知网和索引的方法来匹配部分遮挡的形状，在一定程度上解决了部分遮掩问题。上述的别方法均只适用于刚体或相似变换，在仿射变换或透视变换下会失效。张等提出了平面多边形状目标存在遮挡的识别方法，且能适合于仿射变换。但在工程上，有些物体不一定能用平面多边形近似。Orrite提出用双切点描述物体的局部边界，并用优化的Hausdorff距离(简称PHD)度量模型和目标的匹配程度，但该度量的可区分性小，会导致误判，且在存在较大几何变换的情况下，模型和图像的一一对应关系不能获得。

上述大部分的方法都只适合于简单的刚体变换和相似变换，而摄像机成像模型不是简单的刚体和相似变换。Orrite的识别方法虽然适合于透视变换，但它的方法用优化的Hausdorff距离(简称PHD)度量模型和目标的匹配程度，该度量的可区分性小，会导致误判，且在存在较大几何变换的情况下，模型和图像的一一对应关系不能获得。

发明内容