[发明专利]基于点云投影轮廓签名和分布矩阵的全局点云描述方法

说明书

本发明涉及一种基于投影轮廓签名和分布矩阵的点云全局描述方法。首先利用目标点云的空间坐标信息构建具有旋转和平移不变性的本地参考坐标系，然后将目标点云变换至参考坐标系下。构建姿态归一化后目标点云的空间边界盒，将目标点云分别投影到边界盒的三个相邻平面上。为了增强描述子对目标点云可视部分的表示能力，分别计算点云投影在各个投影平面的投影轮廓签名和分布矩阵，并根据点云投影的统计特征确定相关的串联规则。依次将目标点云在三个投影平面的子特征以直方图的形式串联得到最终的CSDM描述子。

技术领域

本发明属于模式识别领域，具体涉及一种基于点云投影轮廓签名和分布矩阵的全局点云描述方法。

背景技术

目标识别是机器人领域最具挑战性的任务之一。为了保证机器人和周围环境的物理交互，必须利用相关的物体表示方法实时地给机器人提供周围环境中交互目标的相关信息。

虽然已经有许多基于物体2D信息和3D信息设计的目标识别方法，但是在存在噪声和变化的点云分辨率的情况下识别3D物体仍然是一个极具挑战性的任务。相较2D信息，3D信息如点云包含更多的目标空间信息，这将会有利于实现目标的场景分割。并且，深度数据不像RGB数据那样对光照和阴影那么敏感。因此3D点云数据很适合用来描述目标表面的几何结构。

3D目标的识别系统一般包括如下的几个模块：物体检测，物体表示，物体识别和感知内存。物体检测实现机器人交互场景中所有目标的检测。物体表示则将场景中检测出的目标用一些列的对应特征进行唯一表示。物体识别则通过比较场景中物体的特征描述子和感知内存中存储的已知目标的描述子，并根据描述子的匹配程度来实现场景目标的识别。因此，利用物体表示算法得到的描述子的性能的高低直接决定了识别结果的准确率。

现有的3D目标表示方法可以分为全局描述子和局部描述子两大类。全局描述子对整个3D物体进行编码表示，而局部描述子则只对特征点邻域进行特征表示。鉴于全局描述子对物体的整体表示能力，其越来越多地被应用于目标识别，交互操作等领域。但是基于视点特征直方图的全局描述子如VFH[Rusu R B,Bradski G,Thibaux R,et al.Fast 3drecognition and pose using the viewpoint feature histogram[C]//IntelligentRobots and Systems(IROS),2010IEEE/RSJ International Conference on.IEEE,2010:2155-2162.]需要计算点云表面的法向量。但是目前常用的点云获取传感器如kinect和基于时间飞行技术的深度相机会受到各种误差源的影响，利用这些设备得到的深度图像转换为点云数据后不可避免地会夹杂着各种噪声。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于点云投影轮廓签名和分布矩阵的全局点云描述方法。

本发明解决其技术问题所采用的技术方案是：基于点云投影轮廓签名和分布矩阵的全局点云描述方法，包括以下步骤：

1)目标点云预处理：对目标点云进行预处理；

2)目标点云姿态归一化：将目标点云与本地参考坐标系对齐；

3)计算点云投影轮廓签名：求取归一化后点云的中心点c和空间长方体边界盒；将目标点云分别投影到边界盒的三个相邻平面上，以中心点c各个投影平面上的投影作为始点，等间隔地向外辐射射线；这些射线簇和对应投影平面上点云投影的外轮廓的交点构成了该投影平面上目标点云投影对应的轮廓签名；

4)计算点云投影分布矩阵：以步骤3)中获取的长方体边界盒的最大边长l为边长，得到一个新的正方体边界盒；以正方体边界盒的三个相邻表面作为投影平面，并将投影平面均匀分割为一个n×n的栅格，统计落入每个单元格内点云投影点的数量，得到点云投影在该投影平面的投影分布矩阵M；