[发明专利]基于改进的LINE-MOD模板匹配的刚性物体识别方法及装置

权利要求书

1.一种基于改进的LINE-MOD模板匹配的刚性物体识别方法及装置，其特征在于，包括以下步骤：

步骤1、图像预处理：在线对刚性物体图像进行采集，利用高斯滤波和拉普拉斯算子先后对刚性物体图像进行平滑去噪和锐化处理，去除刚性物体图像的噪声并且保留图像的边缘信息；

步骤2、刚性物体特征离线提取：离线阶段在CAD环境中对刚性物体模型进行训练，对刚性物体模型进行多视角下的图像采集并作为参考图像，对获取到的参考图像进行梯度方向描述符提取并存储到XML文件中；为步骤3中刚性物体在线识别提供图像模板；

步骤3、刚性物体在线识别：在线阶段采集刚性物体处在真实场景中的视频帧，对每一帧图像进行图像预处理以及图像梯度方向描述符提取，在步骤1的基础上对图像梯度方向描述符提取，通过改进的LINE-MOD模板匹配方法将在线提取的图像梯度方向描述符与离线阶段提取的梯度方向描述符进行匹配，改进的LINE-MOD模板匹配方法改进主要在于，将深度信息引入相似性度量算法中，使得改进的LINE-MOD模板匹配方法能完成任意尺度下的刚性物体识别。

2.根据权利要求1所述的基于改进的LINE-MOD模板匹配的刚性物体识别方法及装置，其特征在于，所述步骤1利用高斯滤波和拉普拉斯算子先后对刚性物体，图像进行平滑去噪和锐化处理，具体包括：

假设输入图像为f(x,y)，经过高斯滤波处理后得到图像为g(x,y)，则二者的转换关系如下式所示：

式中为图像的卷积运算，x和y表示图像坐标系中x和y坐标。h(x,y)为高斯模板，该高斯模板可表示为如下式所示：

其中，x和y表示图像坐标系中x和y坐标，σ为高斯函数的标准差，可对数据的离散程度进行描述，当σ值较大，对图像的平滑效果明显；反之，σ值较小，对图像边缘信息起到保护作用。经过高斯滤波后的图像g(x,y)可去除一定的噪声，但相对于输入图像f(x,y)会显得较模糊，其模糊程度取决于σ值。得到图像g(x,y)后，需要进一步对g(x,y)进行拉普拉斯变换，如下式所示：

其中，x和y表示图像坐标系中x和y坐标，▽²g(x,y)为拉普拉斯算子处理后的图像，h(x,y)为高斯模板，f(x,y)为输入图像，▽²h(x,y)为对高斯算子求取二阶导数。

3.根据权利要求1所述的基于改进的LINE-MOD模板匹配的刚性物体识别方法及装置，其特征在于，所述步骤2多视角刚性物体图像采集具体过程如下：

通过CAD环境中的虚拟相机对刚性物体的CAD模型进行图像采集，采集该模型在不同视角下的投影图像，并且每一幅图像中包含了刚性物体轮廓的不同形状，为了实现采样视角的均匀分布，避免出现半球表面采样极点处，采用在正二十面体表面进行采样，将正二十面体的每一个面平均分成四份并且进行迭代划分，在正二十面体的每一个面只选择迭代2次，同时使得每一个面上形成16个等边三角形；在CAD环境中，将刚性物体的CAD模型放在正二十面体中心位置，虚拟相机光轴始终通过中心，提取所有视图中刚性物体轮廓的形状特征描述符，并且保存所有刚性物体轮廓的形状特征描述符和对应的位姿参数到XML文件中。

4.根据权利要求3所述的基于改进的LINE-MOD模板匹配的刚性物体识别方法及装置，其特征在于，所述2)对获取到的参考图像进行梯度方向描述符提取具体为：

对于每一幅采样得到的图像，计算刚性物体轮廓的每一个位置{R,G,B}三个颜色通道上的梯度方向，并将三个通道中的梯度方向最大值作为该点处的梯度方向，对于一幅输入图像I，在位置x处的梯度方向如以下公式所示：

式中C∈{R,G,B}是视图I中位置x处的图像中红、绿、蓝三个通道，I_g(x)、分别表示视图I中位置x处的梯度方向、三个通道中的梯度方向最大值作为视图I中位置x处的梯度方向，C是R,G,B三个颜色通道上的某一颜色通道，ori()表示图像梯度方向。