[发明专利]一种基于深度类残差网络的三维物体识别和定位方法

说明书

本发明公开了一种基于深度类残差网络的三维物体识别和定位方法，所述方法采用三维模型构建模块、模拟数据集制作模块、网络训练模块以及网络运用模块。该方法可自行建立所需目标物体的三维模型，在不限制物体种类和单角度采集点云数据的前提下，快捷、批量地制作需要的目标物体的模拟数据集用于训练，避免了人工处理和标注的繁杂过程。经过单位球归一化等数据处理后，引入深度类残差网络，在学习好目标物体全局特征的同时更好地捕获局部特征信息，在真实环境中实现目标物体的类别和位置返回且能有效地满足实际应用的需求。这种接近原始数据的点云与深度类残差网络结合的三维物体识别和定位方法，具有精度高、速度快、鲁棒性强等特点。

技术领域

本发明属于计算机视觉领域，具体涉及一种基于深度类残差网络的三维物体识别和定位方法。

背景技术

随着科技的发展和人们对三维世界感知能力的需求，三维物体识别技术在很多现实应用中发挥着至关重要的作用，如机器人抓取与操控、自动导航、增强现实等。事实上，三维数据所包含的信息要比二维图像更丰富，加上廉价RGB-D传感器的出现便捷了三维数据的获取，这些都推动了三维识别技术的进一步发展。

传统的方法依赖于手动的特征提取、繁杂的步骤、固定的匹配程序或较高的计算复杂度等，限制了它们的识别种类、识别精确度、推理的快速性及光照变化环境下的表现等。目前，深度神经网络与视觉识别相结合，有利推动了一系列端对端的三维点云处理方法的发展。这些方法都是在公开数据集进行验证，数据集基本是对物体的整个三维模型进行采样的，然而，现实中深度相机只能获取单个角度下的点云数据，因此，在不限制在物体种类和单角度采集点云数据的前提下，如何快捷、批量地制作需要的目标物体数据集并进行相应的数据空间预处理和较好的局部特征提取的网络训练，最终实现真实环境下目标物体的类别和位置返回且能有效地满足实际应用的需求，是一个比较麻烦的问题。

发明内容

为了解决上述背景技术中提出的问题，本发明的目的在于提供一种基于原始点云的表达形式且具有操作便捷、速度快、精度高、鲁棒性强等特点的三维物体识别和定位方法。

本发明为实现上述目的，所采取的技术方案是：一种深度类残差网络的三维物体识别和定位方法，该方法可自行建立目标物体的三维模型，采用虚拟环境对目标物体的虚拟点云数进行采集和预处理用于类残差网络模型的训练，最终在真实环境中实现物体的类别和位置的返回。

所述的方法中采用三维模型构建模块、虚拟数据集制作模块、网络训练模块以及网络运用模块；其中，三维模型构建模块自行建立所需目标物体的三维模型；虚拟数据集制作模块对目标物体的点云数据进行批量采集和预处理，操作方式简便快捷；网络训练模块引入深度类残差网络，更好地捕获局部特征信息；最终，采集来的虚拟数据训练神经网络模型，在真实环境中使用并最终返回目标物体的类别和位置。

一种基于深度类残差网络的三维物体识别和定位方法，其具体的步骤如下：

步骤1：确定目标物体的类别和数量，通过软件或设备建立目标物体的三维模型。

进一步地，上述步骤1中，所述的目标物体为常见的小物体，长宽高均在30cm以内；构建三维模型的设备是三维立体扫描仪，此外，软件使用三维设计软件，也可在公开资源的三维模型中寻找所需的模型；所述目标物体的三维模型为CAD模型，可保存为需要的文件格式。

步骤2：将步骤1中建立的目标物体的三维模型导入到虚拟环境中，通过调整虚拟深度相机的位置，采集目标物体在不同角度下的表面点云数据，并保存到带有目标物体所对应的标签命名文件中，每个角度对应一个点云文件，即一个样本。

进一步地，步骤2具体包括以下步骤：

步骤2.1：将步骤1中保存的目标物体的三维模型导入到虚拟环境中，通过平移和旋转将三维模型放置虚拟环境中的原点位置；