[发明专利]一种霍夫投票3D彩色点云识别方法

说明书

本发明公开了一种霍夫投票3D彩色点云识别方法，首先，分别提取测试物体和3D模型的关键点，计算每一个关键点的SHOT特征描述子，并计算测试物体关键点和模型关键点的特征匹配度函数δ(a，b)；其次，选择3D模型表面任意一个点作为参考点，计算关键点到参考点之间的参考向量，并将此参考向量经坐标转换为测试物体的参考向量；最后，对测试物体的参考向量进行霍夫投票，若投票数达到给定的阈值且投票位置在物体表面时，则认为测试物体为模型物体，识别成功，否则，识别失败。由于本发明在识别过程中采用均匀采样算法提取关键点，选择3D模型表面任意一点为参考点，以及特征匹配度函数的加入，减少了识别时间，提高了识别的准确率。

技术领域

本发明属于3D点云数据处理技术领域，具体涉及一种霍夫投票3D彩色点云识别方法。

背景技术

随着人工智能的发展，机器视觉逐渐从二维图像过度到三维图像，而3D点云作为三维图像的典型代表之一，已逐渐被广泛应用。3D点云识别是利用计算机对3D点云进行预处理、分割、特征提取、关键点标注，并选取合适的分类器对3D场景中的物体加以识别的技术。其特征提取及关键点的标注方法的优劣直接影响识别准确率及识别的速度。

近些年，利用3D霍夫投票方法对点云进行识别逐渐引起了一些学者的关注。这种识别方法的基本思想是：3D模型转换到3D测试物体上的各个关键点参考向量对测试物体进行投票，若霍夫投票数在霍夫空间某区域内达到一定阈值时，则识别其为目标物体。3D点云霍夫投票识别方法霍夫投票具有较强的抗干扰和抗噪能力。但仍旧存在一些缺陷：(1)特征匹配好坏直接影响投票结果，从而决定识别准确率的高低；(2)不规则物体模型选择模型质心为参考点计算过于复杂，影响识别速度。

发明内容

本发明的目的是提供一种霍夫投票3D彩色点云识别方法，解决了现有霍夫投票识别算法中关键点特征匹配准确度低且识别速度较低的问题。

本发明所采用的技术方案是，一种霍夫投票3D彩色点云识别方法，具体按照以下步骤实施：

步骤1，分别均匀提取3D点云模型和测试物体关键点；

步骤2，计算经步骤1后得到的每个关键点的SHOT 3D特征描述子；

步骤3，经步骤2后，逐一计算测试物体关键点和3D点云模型关键点间SHOT 3D特征匹配度δ(a，b)函数，选取δ(a，b)函数值最接近1的将其进行匹配，直到测试物体上的关键点特征完全匹配完成为止；

步骤4，选取3D模型表面任意一关键点为参考点，计算3D模型上各个关键点到参考点的参考向量；

步骤5，经步骤4后，将3D点云模型每个关键点的参考向量坐标转换到与测试物体特征相匹配的关键点上，并在测试物体各个关键点上形成参考向量；

步骤6，对测试物体每个关键点的参考向量进行3D霍夫投票，若投票在物体表面或表面附近同一区域且此区域达到一定票数，则认为测试物体为模型物体，识别成功，否则，识别失败。

本发明的特点还在于，

步骤1中，具体按照以下步骤实施：

步骤1.1，分别将3D点云模型和测试物体划分为多个大小相同的3D体素网格，将体素网格看作空间中微小的3D盒；

步骤1.2，经步骤1.1后，分别计算每个3D盒的中心点位置，如式(1)所示；

式(1)中，(x_i、y_i、z_i)为3D盒中点云数据中各点坐标，n为3D盒中点数量；

步骤1.3，经步骤1.2后，将每个3D盒中心点标记为所提取的关键点。

步骤2中，具体按照以下步骤实施：