[发明专利]一种基于特征几何收益的目标识别方法

权利要求书

1.一种基于特征几何收益的目标识别方法，其特征在于：所述目标识别方法包括以下步骤：

步骤1，利用PCL库中提供的SIFTKeypoint算法对点云模型和场景进行关键点检测，分别得到模型和场景的关键点集合，分别记为和其中N_M和N_S分别为模型和场景的候选关键点数；

步骤2，对步骤1中得到的模型和场景关键点集合P_M和P_S中的点p_i进行边缘点检测；认为如果点p_i与邻域内每个点的向量两两之间的最小夹角大于阈值L_TH，则认为点p_i为边缘点，从关键点集合中将其剔除；对关键点集合P_M和P_S中所有的点进行边缘点检测，如果为边缘点，则将其剔除，最终得到具有可再现和易识别的模型和场景的关键点集合，分别记为和

步骤3，利用SHOT描述子对模型和场景的关键点KP_M和KP_S的邻域进行特征描述得到模型和场景的特征描述子，分别记为和n_m和n_s分别为模型和场景的关键点的数量，即为模型和场景的特征描述子数量；

步骤4，对模型的特征描述子F_M采用KD-TREE进行索引，通过KD-TREE快速检索对场景特征描述子集合F_S中的每个特征描述子f_si与模型的所有特征描述子进行检索得到最近邻和次近邻两个匹配对，分别记为(f_si,f_ml)和(f_si,f_mk)，其最近距离分别为d_il和d_ik；然后利用最近邻比的方法剔除具有二义性的匹配对，选择特征明显的特征匹配对，得到一组特征匹配对，记为C＝{c₁,c₂,...,c_nc}，其中nc为特征匹配对的个数；

步骤5，为获得场景中可能存在的候选目标通过特征几何收益方法对特征匹配对集合C进行聚合；通过计算关于关键点描述子特征直方图相似度的相关收益P_desc和关于几何一致性相关的收益P_geom，获得满足特征相似收益与几何一致收益的特征匹配对子集；对于每个子集其特征匹配对的个数大于阈值τ_n的子集，对应一个候选目标；

步骤6，获得候选目标后，采用SVD算法利用关键点的位置计算模型与候选目标之间的变换关系(R_c,T_c)，R_c为刚性变换中的旋转矩阵，T_c为平移向量；

步骤7，进行假设验证，将模型M通过变换关系(R_c,T_c)变换到场景S坐标系下，经过改进的ICP算法优化进行精确配准；在实现精确配准后，计算配准误差d_ε和模型M在场景中的匹配度sa，如果满足d_ε小于阈值且sa大于阈值τ_sa，则模型M存在于场景中识别成功，并接受假设变换；对每个候选目标和候选目标的每个假设变换进行假设验证，最终完成对场景目标的识别；

所述步骤5中，为获得场景中可能存在的候选目标通过特征几何收益方法对特征匹配对集合C进行聚合；通过计算关于关键点描述子特征直方图相似度的相关收益P_desc和关于几何一致性相关的收益P_geom，获得满足特征相似收益与几何一致收益的特征匹配对子集；对于每个子集其特征匹配对的个数大于阈值τ_n的子集，对应一个候选目标，包括：

通过特征几何收益方法获得场景候选目标可由步骤5.1至步骤5.5实现：

步骤5.1，根据对应关系C＝{c₁,c₂,...,c_nc}的描述子多尺度相似距离对其进行升序的排序，得到新的匹配对几何，记为C′＝{c′₁,c′₂,...,c′_nc}；从C′中的第一对匹配对c′₁＝{a_i,b_j}开始循环尚未分组的匹配对c′_i＝{a_l,b_k}，其中，a_i、b_j分别是相关联的模型和场景的关键点；

步骤5.2，由公式(3)和公式(4)计算c′₁＝{a_i,b_j}和c′_i＝{a_l,b_k}关于关键点描述子特征直方图相似度的相关收益，其中δ_M是a和b两个关键点特征描述子相似度的距离；

P_desc＝f(a_i,b_j)·f(a_l,b_k) (3)

步骤5.3，由公式(5)和公式(6)计算c′₁＝{a_i,b_j}和c′_i＝{a_l,b_k}关于几何一致性相关的收益，其中d(a,b)是a和b两个关键点之间的欧氏距离；mr是点云面片分辨率，σ为参数；σ·mr可以保证指数函数的值不受分辨率影响；

步骤5.4，未分组的匹配对c′_i＝{a_l,b_k}，如果满足式(7)则将匹配对c′_i＝{a_l,b_k}添加到有c′₁的集合中，ε为阈值；P_desc和P_geom都是以e为底的指数函数，由于点云场景和模型之间的变换是刚性的，则正确的两组特征匹配对在理想的状态下P_desc·P_geom的值为1，因此我们可以很方便的对阈值ε进行设置；

C((a_i,b_j),(a_l,b_k))＝P_desc·P_geom＞ε (7)

步骤5.5，对步骤5.2、5.3、5.4进行迭代，为C′＝{c′₁,c′₂,...,c′_nc}中每一个没有分组的特征匹配对与当前的子集进行聚合，满足式(7)则添加到该子集中；迭代结束后，若子集中匹配对的个数大于阈值τ_n，则该子集确定一个候选目标。