[发明专利]用于对象识别的方法

说明书

本公开提出一种使用重建3D点云的方法实现对要识别的对象的对象识别的计算机。该方法包括以下步骤：由移动设备获取所述对象的多个图片，将所获取的图片发送到云服务器，由所述云服务器重建所述对象的3D点云重建，使用3D点云重建在3D数据库中执行3D匹配搜索，以识别所述对象，所述3D匹配搜索包括将所述对象的重建的3D点云与所述3D数据库中存储的已知对象的3D点云进行比较。

相关申请的交叉引用

无。

关于联邦政府赞助的研究或开发的声明

无。

背景技术

搜索、识别、连接对象到网络是未来几年的主要问题之一。正如我们所看到的，万维网变得越来越移动，这种识别过程和技术必须适应于移动用户，从而适应移动设备。为此，已经开发出了几种技术，例如2D图片分析、光学字符识别(O.C.R.)、QR码或条形码、地理位置、颜色识别。它们在特定情况中(例如，书籍的O.C.R.、纪念碑或QR码(当存在时)的地理位置)被证明是非常有用且有效的，但在大多数情况下效率不高。确实，当今生活中的对象主要由3D定义，并且必须考虑3D参数才能识别它们。这些参数包括峰(peaks)、顶(tops)、边缘(edges)、形状(shapes)、浮雕(reliefs)。

本发明的一个目的是提出一种使用3D参数识别对象的方法，而不用3D扫描对象。换句话说，本发明的目的不是改进3D扫描仪，而是使用三维参数识别对象。

发明内容

因此，本发明提出了一种计算机实现的对要识别的对象进行对象识别的方法，该方法包括以下步骤：通过移动设备获取所述对象的多个图片，将获取的图片发送至云服务器，由云服务器重建对象的3D点云重建，并使用3D点云重建在3D数据库中执行3D匹配搜索，以识别对象，该3D匹配搜索包括对象的3D点云重建与存储在3D数据库中的已知对象的3D点云的比较。3D点云是数据集，因此该方法包括将重建的3D数据集(3D点云重建)与已知对象的已知3D数据集进行比较。

在一方面，对象的3D点云重建与存储在3D数据库中的已知对象的3D点云的比较包括机器学习或3D几何比较中的至少一个。因此，在这个方面，本发明提出了以两种值得注意的方式使用3D点云的识别方法：一方面是几何匹配/深度匹配，并且另一方面是3D机器学习。为了实现这些目标，需要对对象进行3D重建。可以对那些3D重建模型进行分析，以提取用于进一步识别的特定参数。这些3D“子参数”在其两个分支(几何和机器学习)中提供识别管线。

在一方面，机器学习包括将3D点云重建划分(splitting)为多个3D描述符(descriptor)的步骤，其中3D描述符包括平面(plane)、球体(sphere)、圆柱体(cylinder)、圆锥体(cone)、立方体(cube)和圆环(tori)之一，并且其中3D描述符被划分为与3D描述符相关联的多个3D图元，并且其中所述多个3D图元通过描述它们形成对象的空间连通性的连通性图在空间上连接。可以使用提取的多个图元和相关联的连通性图来执行3D搜索匹配。可以从3D重建模型中导出3D描述符和几何“图元”，其中描述符是“简单对象”，也被称为“图元”，例如平面、球体、圆柱体、圆锥体、立方体或圆环。在相反的过程中，可以将任何3D对象分离为这些基本形状的集合。然后，这些基本形状通过图在空间上彼此连接，而不是描述它们的空间连通性以形成整个对象。匹配的小对象(图元)与其连通性图的组合是有效匹配的工具。

在另一方面，该方法包括在第一数据库中执行第一搜索匹配，在第一数据库中将已知对象和与该已知对象相关联的已知元数据(metadata)一起存储，该第一搜索匹配使用包括光学字符识别、基于SIFT的成像、颜色梯度分析的至少一项的2D识别技术来执行，和/或第一搜索匹配在元数据上执行。