[发明专利]一种基于天目点云比对的产品检测鉴定方法在审
申请号: | 201810302367.7 | 申请日: | 2018-04-04 |
公开(公告)号: | CN108520055A | 公开(公告)日: | 2018-09-11 |
发明(设计)人: | 左忠斌;左达宇;杨昌海 | 申请(专利权)人: | 天目爱视(北京)科技有限公司 |
主分类号: | G06F17/30 | 分类号: | G06F17/30;G06K17/00;G06Q30/00 |
代理公司: | 北京智乾知识产权代理事务所(普通合伙) 11552 | 代理人: | 华冰 |
地址: | 100094 北京市海淀*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 四维 产品特征 产品检测 点云 产品特征信息 比对识别 特有信息 特征图像 存储 采集 比对 数据库 相似度计算 产品信息 目标产品 数据采集 应用提供 最佳拟合 特征点 构建 拟合 复原 相机 视角 检测 | ||
本发明设计一种基于天目点云比对的产品检测鉴定方法,包括:产品特征信息采集:通过相机采集得到产品在不同视角下的多幅特征图像,根据多幅特征图像构建产品特征的四维模型,以实现产品特征四维数据采集;产品特征信息四维数据的存储:以产品的特有信息作为识别标志对采集到的产品特征四维数据进行存储,形成包括多条产品信息特征的四维数据的数据库;产品检测鉴定:利用目标产品的特有信息找到数据库中存储的该产品特征四维数据,并采用天目点云比对识别方法来对产品进行检测鉴定。所述的天目点云比对识别方法包括如下步骤:特征点拟合;曲面整体最佳拟合;相似度计算。本发明可以提高产品特征信息的识别效率,完整地复原产品特征在空间上的各项特征,为产品检测鉴定等应用提供了无限的可能性。
技术领域
本发明涉及产品特征识别技术领域,特别是一种基于天目点云比对的产品检测鉴定方法。
背景技术
产品特征即产品固有的特征,如产品形态、产品材质等。产品特征尤其是产品纹理特有一定的唯一性和稳定性,即任何两个不同产品的某种产品纹理特征之间的差异比较大,且产品纹理特征一般不会随着时间发生很大的变化,这就使得产品纹理特征很适合应用在检测鉴定领域中,尤其是古玩字画等艺术品鉴定中。
目前的产品检测数据都是采用2D影像或者2D影像辅助简单的3D空间信息的方式进行检测,所以在识别上面存在一定的错误几率,给了部分不法分子可乘之机,骗过部分检测鉴定系统,给财产安全带来了很大的隐患。因此,亟需针对产品纹理等特征进行多维数据识别,提高检测鉴定准确性。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的基于天目点云比对的产品检测鉴定方法。
一种基于天目点云比对的产品检测鉴定方法,其包括如下步骤:
S01.产品特征信息采集,
通过相机采集产品在不同视角下的多幅产品特征图像,根据多幅产品特征图像构建产品特征的四维模型,以实现产品特征四维数据采集;
S02.产品特征信息四维数据的存储,
扫描或录入产品的特有信息(I1、I2…In),以所述产品的特有信息(I1、I2…In)作为识别标志对采集到的产品特征四维数据进行关联存储,形成包括多条产品特征的四维数据(D1、D2…Dn)的数据库;
S03.产品检测鉴定,
采集目标产品的特征四维数据(T1、T2…Tn),并扫描或录入所述目标产品的特有信息(I1、I2…In)找到所述数据库中存储的产品特征四维数据(D1、D2…Dn),将所述目标产品的特征四维数据(T1、T2…Tn)分别与相应的所述数据库中存储的产品特征四维数据(D1、D2…Dn)进行比对,来检测鉴定产品。
进一步的,步骤S01还包括:
通过相机采集到的产品在不同视角下的多幅产品特征图像,
对所述的多幅产品特征图像进行处理,提取所述多幅产品特征图像中各自的特征点;
基于提取的所述多幅产品特征图像中各自的特征点,生成产品特征的特征点云数据;
根据所述特征点云数据构建产品特征的四维模型,以实现产品特征四维数据的采集。
进一步的,提取所述多幅产品特征图像中各自的特征点的步骤进一步包括:
将所述多幅产品特征图像传送到具有图像处理器GPU和中央处理器CPU的处理单元;将所述多幅产品特征图像的图像信息分配到GPU的块block中进行运算,并结合CPU的集中调度和分配功能,计算所述多幅产品特征图像各自的特征点。
进一步的,所述基于提取的所述多幅产品特征图像中各自的特征点,生成产品特征点云数据的步骤进一步包括:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天目爱视(北京)科技有限公司,未经天目爱视(北京)科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810302367.7/2.html,转载请声明来源钻瓜专利网。