三维目标识别方法.ppt

《三维目标识别方法.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、三维目标识别方法常见研究思路基于模型或几何的方法基于外观或视图的方法基于局部特征匹配的方法光学三维目标识别基于深度图像的三维目标识别基于模型或几何的方法从输入图像数据中得到物体描述，并与模型描述进行匹配，以达到对物体进行识别及定位目的。模型产生：CAD方法、传感器产生法目标描述：基于不变性特征法、表面模型法模型描述：同上模型匹配：距离法、最小二乘匹配法及树匹配法运算量大、不适用复杂背景、物体间遮挡、噪声干扰等环境基于视图的方法步骤：首先，通过不同光照条件和三维物体在二维图像中呈现出的不同姿态，来自动地学习物体的表示或训练系统；然后，在一

2、幅未知的二维图像中判断是否存在目标物。对重叠较为敏感，需要较好的图像分割。关键：如何准确有效地用多个视角图像来描述一个物体。图像/特征基于局部特征匹配的方法从物体的图像中学习并构造物体的模型，同时提取局部图像块的特征用于匹配。在无需人工干预的情况下，从训练视图中自动地学习构造出物体的表示通过改变视角,检测得到视图中三维物体的局部区域通过局部测量计算得到不变量来表示物体识别阶段，测试视图也按照同样的方式构造物体的表示。识别问题=从测试视图和数据库里的训练视图中，搜索有相似区域的几何一致性的集合。重叠和复杂背景情况下都有较好的稳健性局部图像

3、区域的选择和基于这些区域的特征计算感兴趣点检测器和描述子基于Harris角点检测器的方法基于局部直方图的描述子基于几何区域和基于强度区域的方法应用于宽基线立体视觉问题的方法复性和信息内容重复性比较了检测到的点，在给定场景下各种视角变化情况下的不同图像的几何稳定性。信息内容测量了一个感兴趣点的独特性。独特性基于局部灰度值描述子的似然性，在所有观察到的点中的描述子进行计算。基于局部特征匹配的方法比较结论：Harris角点检测器的性能稍稍优于其他检测器;描述子的优劣和感兴趣点检测器无关，SIFT描述子性能最好，导向滤波器其次，推荐使用维度较低

4、的导向滤波器;不存在对所有场景类型和所有图像变换类型都最优的一种检测器。为了获得最好的性能，可尝试同时使用多种检测器。基于局部特征匹配的方法光学三维物体识别基于光学运算实现的模式识别，主要是对图形或图像类对象进行描述、分类和识别。国外有采用相移数字全息和整体图像进行三维物体识别的报道，但主要是进行计算机模拟，未实现实时识别，限制了在实际中的应用。基于深度图像的三维物体识别一般使用激光相机来获取三维物体的深度数据，可得到精确的表面描述，但设备较为昂贵，基于深度数据的方法计算量也较大。