一种基于三维点云数据的目标识别方法及系统技术方案

本发明专利技术公开了一种基于三维点云数据的目标识别方法，其包括以下步骤：对标记类别的三维点云数据进行外接长方体求取；从所述标记类别的三维点云数据中提取规则几何体；构建模型数据库；构建模型数据表；输入待识别目标的点云数据并进行在线识别。一种基于三维点云数据的目标识别系统，包括：第一模块，用于执行对标记类别的三维点云数据进行外接长方体求取；第二模块，用于执行从所述标记类别的三维点云数据中提取规则几何体；第三模块，用于执行构建模型数据库；第四模块，用于执行构建模型数据表；第五模块，用于执行输入待识别目标的点云数据并进行在线识别。该方法及系统进行目标识别时方便快捷，且准确度较高。广泛应用于模式识别技术领域。

【技术实现步骤摘要】

本专利技术涉及模式识别
，具体涉及一种基于规则几何体的三维点云数据的目标识别方法及系统。
技术介绍
伴随着三维扫描技术的飞速发展，基于三维点云数据的目标识别正受到人们的广泛关注。三维点云数据中的目标识别一般包括两个阶段：特征提取和特征匹配。物体特征包括全局特征和局部特征，全局特征描述的是物体的整体形状特征；而局部特征更侧重于细节，描述的是物体小范围内的更加精细化的特征。基于全局特征的目标提取对目标形变、目标因遮挡而残缺不全等因素过于敏感；而一些局部特征具有尺度与旋转不变性等优势，能够在一定程度上解决上述问题。因此，基于局部特征进行目标识别是当前应用比较广泛的方法。特征匹配的方法也可以分为两种：直接特征点匹配方法和间接特征点匹配方法。直接特征点匹配方法直接在模型与待识别物体上计算所提取特征的匹配度，通过统计匹配成功的特征点百分比来进行识别；间接特征点匹配方法是通过对模型中的特征进行进一步的组合，实现通过局部特征对全局特征的描述，然后在模型和待匹配目标之间进行这些特征组合的匹配来进行目标识别。稳定的局部特征组合适合于直接特征点匹配，在一些场景中能够取得不错的效果，但利用有限的局部特征实现对物体的全局特征描述依旧是复杂场景中目标识别的难点。
技术实现思路
为了解决上述技术问题，本专利技术的目的是提供一种基于三维点云数据的目标识别方法及系统。本专利技术所采用的技术方案是：本专利技术提供一种基于三维点云数据的目标识别方法，其包括以下步骤：对标记类别的三维点云数据进行外接长方体求取；从所述标记类别的三维点云数据中提取规则几何体；构建模型数据库；构建模型数据表；输入待识别目标的点云数据并进行在线识别。作为该技术方案的改进，所述步骤对标记类别的三维点云数据进行外接长方体求取，其还包括：求取所述点云外接长方体各棱线方向；求取所述点云外接长方体。作为该技术方案的改进，所述规则几何体包括长方体和球体。进一步地，所述步骤从所述标记类别的三维点云数据中提取规则几何体，还包括：采用均匀网格法对所述每个标记类别的点云块进行点云精简；利用求解采样点最近邻域点协方差矩阵的特征值和特征向量的法向量的方法，对所得到的精简点云进行法向量估算；采用基于局部曲面的曲率求解方法，对所得到的精简点云进行曲率估算；对所得的精简点云，根据已求取的点云法向量和曲率，提取三维点云的边界特征；对所提取到的具有边界特征的点云数据进行边界拟合，并判断拟合出的几何体是否为规则几何体；若是，则估算出规则几何体的典型参数；不是，则结束此步骤。进一步地，所述步骤构建模型数据库，其包括：采集各个待识别物体的点云数据，得到标记类别的多种三维点云数据；分别对所采集的点云数据进行精简；求取各点云模型的外接长方体及点云中的规则几何体，构建模型数据库。进一步地，所述步骤输入待识别目标的点云数据并进行在线识别，其包括：对所输入的点云数据进行聚类分割，得到未带类别信息的待识别的点云块；求取所述待识别点云块的点云数据的外接长方体，得到未带类别信息的待识别特征描述子；提取所述点云数据中的规则几何体，得到未带类别信息的待识别特征描述子；根据所构建的模型数据表以及计算的特征描述子，进行匹配，实现点云数据的识别。另一方面，本专利技术还提供一种基于三维点云数据的目标识别系统，包括：第一模块，用于执行对标记类别的三维点云数据进行外接长方体求取；第二模块，用于执行从所述标记类别的三维点云数据中提取规则几何体；第三模块，用于执行构建模型数据库；第四模块，用于执行构建模型数据表；第五模块，用于执行输入待识别目标的点云数据并进行在线识别。本专利技术的有益效果是：本专利技术提供的一种基于三维点云数据的目标识别方法及系统，通过对点云样本进行预处理，然后对点云样本进行特征提取，估算点云特征描述子，构建模型数据库，根据相关性，通过待识别目标的点云特征描述子与所建的模型数据库中的点云特征描述子进行匹配，从而实现三维点云数据的目标识别。该方法及系统进行目标识别时方便快捷，且准确度较高。附图说明下面结合附图对本专利技术的具体实施方式作进一步说明：图1是点云数据中常见规则几何体长方体的示意图；图2是点云数据中常见规则几何体球体的示意图；图3是物体外接长方体示意图；图4是三维点云数据中目标识别一实施例的流程示意图。具体实施方式需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。本专利技术提供一种基于三维点云数据的目标识别方法，其包括以下步骤：对标记类别的三维点云数据进行外接长方体求取；从所述标记类别的三维点云数据中提取规则几何体；构建模型数据库；构建模型数据表；输入待识别目标的点云数据并进行在线识别。作为该技术方案的改进，所述步骤对标记类别的三维点云数据进行外接长方体求取，其还包括：求取所述点云外接长方体各棱线方向；求取所述点云外接长方体。参照图1-2，作为该技术方案的改进，所述规则几何体包括长方体和球体。进一步地，所述步骤从所述标记类别的三维点云数据中提取规则几何体，还包括：采用均匀网格法对所述每个标记类别的点云块进行点云精简；利用求解采样点最近邻域点协方差矩阵的特征值和特征向量的法向量的方法，对所得到的精简点云进行法向量估算；采用基于局部曲面的曲率求解方法，对所得到的精简点云进行曲率估算；对所得的精简点云，根据已求取的点云法向量和曲率，提取三维点云的边界特征；对所提取到的具有边界特征的点云数据进行边界拟合，并判断拟合出的几何体是否为规则几何体；若是，则估算出规则几何体的典型参数；不是，则结束此步骤。进一步地，所述步骤构建模型数据库，其包括：采集各个待识别物体的点云数据，得到标记类别的多种三维点云数据；分别对所采集的点云数据进行精简；求取各点云模型的外接长方体，参照图3，是物体外接长方体示意图，以及点云中的规则几何体，构建模型数据库。进一步地，所述步骤输入待识别目标的点云数据并进行在线识别，其包括：对所输入的点云数据进行聚类分割，得到未带类别信息的待识别的点云块；求取所述待识别点云块的点云数据的外接长方体，得到未带类别信息的待识别特征描述子；提取所述点云数据中的规则几何体，得到未带类别信息的待识别特征描述子；根据所构建的模型数据表以及计算的特征描述子，进行匹配，实现点云数据的识别。另一方面，本专利技术还提供一种基于三维点云数据的目标识别系统，包括：第一模块，用于执行对标记类别的三维点云数据进行外接长方体求取；第二模块，用于执行从所述标记类别的三维点云数据中提取规则几何体；第三模块，用于执行构建模型数据库；第四模块，用于执行构建模型数据表；第五模块，用于执行输入待识别目标的点云数据并进行在线识别。参照图4，是三维点云数据中目标识别一实施例的流程示意图。其包括：对标记类别的三维点云数据进行外接长方体求取；从所述标记类别的三维点云数据中提取规则几何体；构建模型数据库；构建模型数据表；对输入待识别目标的点云数据进行采集，并分析建模，进行在线识别。本专利技术提供的三维点云数据中的目标识别方法分为离线训练和在线识别两个阶段。离线训练过程需要预先标记的点云样本，先对点云样本进行预处理，然后对点云样本进行特征提取，估算点云特征描述子，构建模型数据库。各样本可以通过三维扫描设备获得，待识别的目标与样本在同样条件下采用相同的三维扫描设备获得。本文档来自技高网...

【技术保护点】
一种基于三维点云数据的目标识别方法，其特征在于，其包括以下步骤：对标记类别的三维点云数据进行外接长方体求取；从所述标记类别的三维点云数据中提取规则几何体；构建模型数据库；构建模型数据表；输入待识别目标的点云数据并进行在线识别。

【技术特征摘要】
1.一种基于三维点云数据的目标识别方法，其特征在于，其包括以下步骤：对标记类别的三维点云数据进行外接长方体求取；从所述标记类别的三维点云数据中提取规则几何体；构建模型数据库；构建模型数据表；输入待识别目标的点云数据并进行在线识别。2.根据权利要求1所述的一种基于三维点云数据的目标识别方法，其特征在于，所述步骤对标记类别的三维点云数据进行外接长方体求取，其还包括：求取所述点云外接长方体各棱线方向；求取所述点云外接长方体。3.根据权利要求1或2所述的一种基于三维点云数据的目标识别方法，其特征在于，所述规则几何体包括长方体和球体。4.根据权利要求3所述的一种基于三维点云数据的目标识别方法，其特征在于，所述步骤从所述标记类别的三维点云数据中提取规则几何体，还包括：采用均匀网格法对所述每个标记类别的点云块进行点云精简；利用求解采样点最近邻域点协方差矩阵的特征值和特征向量的法向量的方法，对所得到的精简点云进行法向量估算；采用基于局部曲面的曲率求解方法，对所得到的精简点云进行曲率估算；对所得的精简点云，根据已求取的点云法向量和曲率，提取三维点云的边界特征；对所提取到的具有边界特征的点云数据进行边界拟合，并判断拟合出的几何体是否为规则几何体；...

【专利技术属性】
技术研发人员：田劲东，单波，田勇，李东，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44