一种基于显著性分析的3D对象识别分层方法技术

本发明专利技术公开了一种基于显著性分析的3D对象识别分层方法，包括步骤：S1、采集物体对象的红外激光图序列和无激光作用的白光图序列；S2、以所述红外激光图序列和白光图序列为输入，传至由若干不同描述子由上至下建立的分层识别模块中；S3、针对当前层描述子，直接建立代表物体的关键点集；S4、以当前关键点集为目标，计算物体对象在该描述子下的特征，用该特征进行对象的分类识别计算；S5、若无法返回唯一判别结果，则将图序列输送至下一层描述子中并重复步骤S3~S4；S6、若该层描述子的计算返回唯一判别结果时，完成对物体对象分类识别。本发明专利技术解决了目前基于RGB‑D图像分类方法的模式识别系统计算量大且计算复杂等问题。

【技术实现步骤摘要】
一种基于显著性分析的3D对象识别分层方法
本专利技术涉及计算机图像识别
，特别涉及基于显著性分析的3D对象识别分层方法，属于模式识别与智能检测领域。
技术介绍
几乎所有高端智能制造装备如光刻机、贴片机、固晶机、数控机床等均涉及复杂精密的三维位置信息（包括空间三维或二维坐标、旋转角度）检测问题。现有基于解析几何固定坐标系下的相机标定和图像处理技术已不再适用于这些应用场合，迫切需要探索新型视觉图像处理技术和平台，解决复杂环境下海量图像数据的融合与处理问题。近几年，通过深度图像（或深度信息）来识别三维目标，成为目前图像识别发展的新方向之一。因深度信息仅依赖于物体的几何形状，与物体的亮度和反射等属性无关，所以其使用起来比灰度图更为容易，且由于它可获得深度数据，所以具有普通CCD灰度图处理不具有的优势。然而，基于深度数据的方法计算量之大是人们所绕不开的问题。尤其当物体的彩色信息也被加进去时，点云数据会由三维增加到四维，即所谓RGB-D数据。就传统的处理手段，关键点的提取都是先经过三维重构出对象的完整点云，然后对点云上每一个点进行遍历运算得到的。这看上去就像是人们在做大量没必要的重复性的工本文档来自技高网...

【技术保护点】
一种基于显著性分析的3D对象识别分层方法，其特征在于，包括以下步骤：S1、在运动平台的匀速带动下，PC端采集放置于载物台上物体对象的红外激光图序列和无激光作用的白光图序列；S2 以所述红外激光图序列和白光图序列为输入，传至由若干不同描述子由上至下建立的分层识别模块中；S3、针对当前层描述子，直接建立代表物体的关键点集，其中每个关键点个都包含物体对象的RGB‑D信息；S4、以当前关键点集为目标，计算物体对象在该描述子下的特征，用该特征进行对象的分类识别计算；S5、若无法返回唯一判别结果，则将红外激光图序列和白光图序列输送至下一层描述子中并重复步骤S3~ S4；S6、若该层描述子的计算返回唯一判别...

【技术特征摘要】
1.一种基于显著性分析的3D对象识别分层方法，其特征在于，包括以下步骤：S1、在运动平台的匀速带动下，PC端采集放置于载物台上物体对象的红外激光图序列和无激光作用的白光图序列；S2以所述红外激光图序列和白光图序列为输入，传至由若干不同描述子由上至下建立的分层识别模块中；S3、针对当前层描述子，直接建立代表物体的关键点集，其中每个关键点个都包含物体对象的RGB-D信息；S4、以当前关键点集为目标，计算物体对象在该描述子下的特征，用该特征进行对象的分类识别计算；S5、若无法返回唯一判别结果，则将红外激光图序列和白光图序列输送至下一层描述子中并重复步骤S3~S4；S6、若该层描述子的计算返回唯一判别结果时，则物体对象的类别由此获得，计算结束，不再往下一层描述子传递图像序列。2.根据权利要求1所述的基于显著性分析的3D对象识别分层方法，其特征在于，所述步骤S1具体包括：S1.1运动平台由上位机界面发送指令，下位机相应发送脉冲序列以控制其匀速运动；...

【专利技术属性】
技术研发人员：胡跃明，李翼，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44