【技术实现步骤摘要】
【国外来华专利技术】用于以点云数据集合对对象进行分类的方法和系统相关申请的交叉引用根据35U.S.C.§119(e),本申请要求2016年11月29日提交的临时申请62/427,573的权益,其全部内容通过引用并入本文,如同完整地在本文陈述一般。政府利益声明本专利技术根据海军部准予的合同N00014-16-C-1026、在政府的支持下完成。政府对本专利技术享有某些权利。
技术介绍
通常由助记符LIDAR述及的用于光检测和测距的光学距离检测用于从测高到成像再到碰撞避免的各种应用。与传统微波测距系统诸如无线电波检测和测距(RADAR)相比,LIDAR以较小波束大小提供较精细的标度距离分辨率。光学距离检测可以通过几种不同的技术来完成,包括基于光学脉冲到目标的往返行进时间的直接测距,基于传输的啁啾光学信号和从目标散射的返回信号之间的频率差的啁啾检测,以及基于可与自然信号区分开来的一系列单频相位变化的相位编码检测。为了实现可接受的距离准确度和检测灵敏度,直接长距离(longrange,远程)LIDAR系统使用脉冲重复率低且脉冲峰功率极高的短脉冲激光器。高脉冲功率可能引起光学部件快速退化。啁啾LIDAR系统使用峰光学功率相对低的长光学脉冲。在该配置下,距离准确度取决于啁啾带宽而不是脉冲持续时间,因此仍然可以获得优异的距离准确度。已经通过使用宽带射频(RF)电信号调制光学载波来实现有用的光学啁啾带宽。啁啾LIDAR的最新进展包括使用相同的经调制的光学载波作为参考信号,该参考信号与返回信号在光学检测器处组合以在结果电信号中产生与参考信号和返回光学信号之间的频率差成比例的相对低的拍频。检测器处的这种 ...
【技术保护点】
1.一种在处理器上实施的方法,包括:获得表示对象的外表面的3D点云;在所述3D点云上的一点处提取表面法线,以在所述点处限定平移和旋转的不变坐标系;在所述坐标系中提取至少一个特征变量的值,以限定所述3D点云中的至少一个点;基于所述至少一个特征变量的值对所述3D点云中的所述至少一个点计算第一分类统计;基于所述至少一个特征变量的值对所述3D点云中的所述至少一个点计算第二分类统计;确定所述第一分类统计与和第一分类器的N个类别的集合对应的N个第一分类统计的集合中的第一分类统计之间的最接近匹配,以估计所述对象属于第一类别;确定所述第二分类统计与和第二分类器的N个类别的集合对应的第二分类统计的集合中的第二分类统计之间的最接近匹配,以估计所述对象属于第二类别;如果所述第一类别与所述第二类别不对应,则基于所述3D点云与第三分类器的用于仅所述第一类别和所述第二类别的模型点云之间的最接近符合来对所述3D点云中的所述至少一个点计算第三分类统计;基于从接收到所述3D点云起近乎实时的所述第三分类器的所述最接近符合,将所述对象分配给所述第一类别和第二类别中的一个类别;以及基于所述对象被分配的所述一个类别操作装置。
【技术特征摘要】
【国外来华专利技术】2016.11.29 US 62/427,5731.一种在处理器上实施的方法,包括:获得表示对象的外表面的3D点云;在所述3D点云上的一点处提取表面法线,以在所述点处限定平移和旋转的不变坐标系;在所述坐标系中提取至少一个特征变量的值,以限定所述3D点云中的至少一个点;基于所述至少一个特征变量的值对所述3D点云中的所述至少一个点计算第一分类统计;基于所述至少一个特征变量的值对所述3D点云中的所述至少一个点计算第二分类统计;确定所述第一分类统计与和第一分类器的N个类别的集合对应的N个第一分类统计的集合中的第一分类统计之间的最接近匹配,以估计所述对象属于第一类别;确定所述第二分类统计与和第二分类器的N个类别的集合对应的第二分类统计的集合中的第二分类统计之间的最接近匹配,以估计所述对象属于第二类别;如果所述第一类别与所述第二类别不对应,则基于所述3D点云与第三分类器的用于仅所述第一类别和所述第二类别的模型点云之间的最接近符合来对所述3D点云中的所述至少一个点计算第三分类统计;基于从接收到所述3D点云起近乎实时的所述第三分类器的所述最接近符合,将所述对象分配给所述第一类别和第二类别中的一个类别;以及基于所述对象被分配的所述一个类别操作装置。2.根据权利要求1所述的方法,其中,所述第一分类统计基于旋转图像,所述旋转图像包括所述3D点云在多个筐的每一个筐中的点的数量与所述至少一个特征变量的一系列值的直方图。3.根据权利要求2所述的方法,其中,所述确定所述最接近匹配包括:将所述旋转图像转换为包括针对每个筐的点的数量的矢量,其中,所述矢量的维度为筐的数量;基于所述类别的集合将所述矢量的所述维度从所述筐的数量压缩至降低维度,作为所述第一分类统计;执行搜索,以在降低维度矢量与和从计算机可读介质检索的用于N个类别的相应旋转图像的集合相关联的预定降低维度矢量的集合之间确定最近邻居;以及基于与所述第一类别相关联的所述降低维度矢量为所述最近邻居,估计所述对象属于所述第一类别。4.根据权利要求1所述的方法,其中,所述第二分类统计基于协变描述子,所述协变描述子包括矩阵,所述矩阵具有:基于一个特征变量根据该特征变量在所述3D点云范围内的平均值的方差的对角元素;以及基于不同特征变量根据所述不同特征变量在所述3D点云范围内的相应平均值的方差的非对角元素。5.根据权利要求4所述的方法,其中,确定所述协变描述子与协变描述子的集合之间的最接近匹配包括:从计算机可读介质检索与相应类别的集合对应的预定集群的集合,所述预定集群的集合包括:每个相应集群的集群中心;以及包括用于每个集群中心的矩阵的协变描述子;以及基于计算所述3D点云的矩阵与每个集群中心的所述矩阵之间的距离,在所述3D点云的所述矩阵与用于每个集群中心的所述矩阵之间执行最近邻居搜索;以及基于用于与所述第二类别相关联的所述集群中心的所述矩阵为所述最近邻居,估计所述对象属于所述第二类别。6.根据权利要求1所述的方法,其中,所述第三分类统计基于迭代最近点(ICP),并且其中,计算所述ICP包括:对所述3D点云和用于所述第一类别的模型点云进行旋转、平移和缩放中的至少一种,直到获得所述3D点云的点与用于所述第一类别的预定模型点云上的点之间的第一最小距离;对所述3D点云和用于所述第二类别的模型点云进行旋转、平移和缩放中的至少一种,直到获得所述3D点云的点与用于所述第二类别的预定模型点云的点之间的第二最小距离;以及基于所述第一最小距离与所述第二最小距离中的较小者确定所述最接近符合。7.根据权利要求6所述的方法,其中,通过下述确定所述第一类别和第二类别的所述预定模型点云:获得用于所述第一类别的初始点云和用于所述第二类别的初始点云;将用于所述第一类别的所述初始点云和用于所述第二类别的所述初始点云旋转至多个视角;确定用于所述第一类别的所述初始点云和用于所述第二类别的所述初始点云在每个视角下由于遮挡效应而被观察到的子集。8.根据权利要求1所述的方法,其中,提取所述表面法线包括:确定所述3D点云上的所述点的多个最近邻居;确定所述多个最近邻居的最小方差的方向;以及基于所述最小方差的方向近似得到所述表面法线。9.根据权利要求1所述的方法,其中,N小于约100。10.根据权利要求1所述的方法,其中,操作所述装置包括下述中至少之一:在显示器上输出图像;以及沿到所述对象的轨线推进抛射体。11.根据权利要求1所述的方法,还包括:如果所述第一类别与所述第二类别对应,则将所述对象分配给所述第一类别。12.根据权利要求1所述的方法,其中,在获得所述3D点云时实时执行所述分配步骤。13.一种携载一个或多个指令序列的计算机可读介质,其中,由一个或多个处理器执行所述一个或多个指令序列使得所述一个或多个处理器执行下述步骤:获得表示对象的外表面的3D点云;在所述3D点云上的一点处提取表面法线,以在所述点处限定平移和旋转的不变坐标系;在所述坐标系中提取至少一个特征变量的值,以限定所述3D点云中的至少一个点;基于所述至...
【专利技术属性】
技术研发人员:斯蒂芬·C·克劳奇,兰迪·R·雷贝尔,布兰特·凯勒,
申请(专利权)人:布莱克莫尔传感器和分析公司,
类型:发明
国别省市:美国,US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。