[发明专利]基于二进制量化三维特征描述子的物体识别方法有效
申请号: | 202010681630.5 | 申请日: | 2020-07-15 |
公开(公告)号: | CN111898493B | 公开(公告)日: | 2022-04-29 |
发明(设计)人: | 林云汉;刘双元;孙亚兰;闵华松;周昊天;杜梁杰;邓春华;左韬;王少威 | 申请(专利权)人: | 武汉科技大学 |
主分类号: | G06V20/64 | 分类号: | G06V20/64;G06F16/583 |
代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 杨云云 |
地址: | 430081 湖北省武汉*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 二进制 量化 三维 特征 描述 物体 识别 方法 | ||
1.一种基于二进制量化三维特征描述子的物体识别方法,其特征在于,包括:
获取目标物体的三维特征描述子;
基于量化单元的长度和预设标准差个数,对所述三维特征描述子进行二进制量化,获取二进制量化后的三维特征描述子,所述量化单元包括所述三维特征描述子中若干个连续的元素;
将二进制量化后的三维特征描述子与预设模板库进行匹配,以对所述目标物体进行识别;
所述基于量化单元的长度和预设标准差个数,获取二进制量化后的三维特征描述子,具体包括:
根据所述量化单元的长度,将所述三维特征描述子拆分为若干个量化单元;
对于任一量化单元,获取所述任一量化单元中所有元素的平均值和标准差;
根据所述平均值、所述标准差和所述预设标准差个数,获取量化阈值;
根据所述任一量化单元中每一元素与所述量化阈值之间的大小关系,对每一元素进行二进制量化;
获取二进制量化后的三维特征描述子;
所述根据所述平均值、所述标准差和所述预设标准差个数,获取量化阈值,具体通过如下公式获得:
th=mean+n×σ,
其中,th表示所述量化阈值,mean表示所述平均值,n表示所述预设标准差个数,σ表示所述标准差。
2.根据权利要求1所述的基于二进制量化三维特征描述子的物体识别方法,其特征在于,所述根据所述平均值、所述标准差和所述预设标准差个数,获取量化阈值,具体包括:
根据所述标准差与所述预设标准差个数,获取中间阈值;
根据所述中间阈值和所述平均值,获取所述量化阈值。
3.根据权利要求1所述的基于二进制量化三维特征描述子的物体识别方法,其特征在于,所述根据所述任一量化单元中每一元素与所述量化阈值之间的大小关系,对每一元素进行二进制量化,具体包括:
对于任一元素,若所述任一元素大于所述量化阈值,将所述任一元素的量化值设置为1,否则,将所述任一元素的量化值设置为0。
4.根据权利要求1所述的基于二进制量化三维特征描述子的物体识别方法,其特征在于,所述量化单元的长度根据所述三维特征描述子的维度进行选择,以使得所述三维特征描述子进行整块拆分。
5.一种基于二进制量化三维特征描述子的物体识别系统,其特征在于,包括:
获取模块,用于获取目标物体的三维特征描述子;
量化模块,用于基于量化单元的长度和预设标准差个数,对所述三维特征描述子进行二进制量化,获取二进制量化后的三维特征描述子,所述量化单元包括所述三维特征描述子中若干个连续的元素;
识别模块,用于将二进制量化后的三维特征描述子与预设模板库进行匹配,以对所述目标物体进行识别;
所述基于量化单元的长度和预设标准差个数,获取二进制量化后的三维特征描述子,具体包括:
根据所述量化单元的长度,将所述三维特征描述子拆分为若干个量化单元;
对于任一量化单元,获取所述任一量化单元中所有元素的平均值和标准差;
根据所述平均值、所述标准差和所述预设标准差个数,获取量化阈值;
根据所述任一量化单元中每一元素与所述量化阈值之间的大小关系,对每一元素进行二进制量化;
获取二进制量化后的三维特征描述子;
所述根据所述平均值、所述标准差和所述预设标准差个数,获取量化阈值,具体通过如下公式获得:
th=mean+n×σ,
其中,th表示所述量化阈值,mean表示所述平均值,n表示所述预设标准差个数,σ表示所述标准差。
6.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述基于二进制量化三维特征描述子的物体识别方法的步骤。
7.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至4任一项所述基于二进制量化三维特征描述子的物体识别方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉科技大学,未经武汉科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010681630.5/1.html,转载请声明来源钻瓜专利网。