[发明专利]用于使用光的3D测图和建模进行对象识别的系统和方法

说明书

本发明涉及一种用于经由计算机视觉应用进行对象识别的方法和系统，其中，待识别的至少一个对象(110)由具有光源特定辐射值的至少一个光源(121，122)照射，并且当场景(130)由光源(121，122)照射时，测量包括对象的场景(130)的辐射数据。进一步地，场景由场景测图工具(150)测图，从而渲染场景(130)的至少部分3D地图。从场景测图工具(150)接收的数据被分析并且与光源特定辐射值合并，并且，基于此，入射在场景(130)中的点处，特别是至少一个对象(110)处的光的辐射被计算并且与从场景(130)中的点，特别是从至少一个对象(110)返回到传感器(140)的光的测量的辐射组合，从而形成场景(130)中的至少一个对象(110)处的光谱分布和强度的模型。至少一个对象的对象特定发光和/或反射光谱图案从光谱分布和强度的模型中提取，并且与存储在数据存储单元(160)中的发光和/或反射光谱图案匹配。因此，标识最佳匹配的发光和/或反射光谱图案。

技术领域

本公开涉及一种用于使用光的3D测图和建模进行对象识别的系统和方法。

背景技术

计算机视觉是一个快速发展的领域，因为大量使用能够经由传感器，诸如相机、诸如LiDAR或雷达的距离传感器以及基于结构光或立体视觉的深度相机系统(仅举几例)，收集关于其周围环境的信息的电子设备。这些电子设备提供待由计算机处理单元处理的原始图像数据，并且因此使用人工智能和/或计算机辅助算法形成对环境或场景的理解。存在可以如何形成对环境的该理解的多种方式。通常，形成2D或3D图像和/或地图，并且分析这些图像和/或地图以形成对场景和该场景中的对象的理解。用于改进计算机视觉的一个前景是测量场景中的对象的化学组成的成分。虽然作为2D或3D图像获取的环境中的对象的形状和外观可用于形成对环境的理解，但是这些技术具有一些缺点。

计算机视觉领域中的一个挑战是能够使用最少的传感器、计算能力、光探针等资源，以高准确度和低延迟标识每个场景内尽可能多的对象。多年来，对象标识过程被称为遥感、对象标识、分类、认证或识别。在本公开的范围内，计算机视觉系统标识场景中的对象的能力被称为“对象识别”。例如，计算机分析图片并且标识/标记该图片中的球，有时甚至更进一步的信息，诸如球的类型(篮球、足球、棒球)、品牌、背景等被归入术语“对象识别”。

通常，计算机视觉系统中用于识别对象的技术可以如下分类：

技术1：物理标签(基于图像)：条形码、二维码、序列号、文本、图案、全息图等。

技术2：物理标签(基于扫描/密切接触)：视角相关颜料、上转换颜料、因光异色、颜色(红/绿)、发光材料。

技术3：电子标签(无源)：RFID标签等。在没有电源的情况下连接到感兴趣对象的设备不一定可见但是可以以其他频率(例如无线电)操作。

技术4：电子标签(有源)：无线通信、光、无线电、车辆对车辆、车辆对任何事物(X)等。以各种形式发射信息的感兴趣对象上的供电设备。

技术5：特征检测(基于图像)：图像分析和标识，即，从侧视图对于汽车一定距离处的两个车轮；两只眼睛，鼻子和嘴巴(以该顺序)以用于面部识别等。这依赖于已知的几何形状/形状。

技术6：基于深度学习/CNN(基于图像)：用标记的汽车、面部等的图像的许多图片训练计算机，并且计算机确定特征以检测和预测感兴趣的对象是否存在于新区域中。需要针对待标识的每类对象重复训练过程。

技术7：对象跟踪方法：以特定顺序组织场景中的项目，并且在开始时标记有序对象。此后跟随场景中的具有已知颜色/几何形状/3D坐标的对象。如果对象离开场景并且重新进入，则“识别”为丢失。

在以下中，呈现上文所提到的技术中的一些缺点。