The method of scene segmentation and object extraction based on concave convexity and RSD features belongs to the field of computer vision technology. The invention includes: step 1, obtaining scene point cloud by using Realsense and PCL and filtering its radius; step 2, over-segmentation of scene point cloud based on super-body clustering; step 3, scene segmentation is completed by using LCCP method based on concave-convex clustering on the basis of super-body clustering obtained in step 2; and according to the RSD (Radius face-based Surptor) of the target object of the scene point cloud after segmentation. What features are used to model the target object? The experimental results show that the method can effectively solve the problem of object modeling in arbitrary scenes. This method is a non-learning method with the advantages of less computation time and strong applicability in occasions.
【技术实现步骤摘要】
基于凹凸性和RSD特征的场景分割与目标建模方法
本专利技术属于计算机视觉
,涉及适用于机器人在任意场景中的抓取,可用于无人驾驶、无人机、深空探测、水下机器人等领域。
技术介绍
随着科学技术的发展,机器人越来越智能,当前机器人追求自主性和高智能性。机器人在未知环境执行自主性或者智能性任务时,需要对所处环境进行理解,需要像人大脑一样识别和理解当前视野或环境中存在的物体和对象,感知自己所处的环境。图像分割技术是让机器人对环境具有感知和识别能力的关键技术。随着激光三维测距技术的快速发展,出现了很多能够采集三维空间场景中三维信息的三维摄像机,以前针对二维图像的分割方法很难适用于基于三维信息的图像分割,因此,更多研究者逐渐投入到基于三维空间信息的图像技术研究中。为了让智能移动机器人感知所处环境或识别视野场景中物体对象,同时也为了对场景中的物体进行抓取,三维分割并将目标物体建模的研究实现具有巨大的现实意义,未来发展前景十分可观。场景分割与目标建模算法在机器人手眼协同系统中具有举足轻重的作用,其主要是将机器人利用摄像头所看到的场景进行物体层次的分割,再将所要抓取的目标物体进行三维建模以便于后续的机器人抓取。完善相关的算法,解决相关的算法一直以来存在着很大的挑战。传统点云分割算法常采用两类方法:基于识别的方法和基于无监督性的方法。对于基于识别的方法,数据库中有一些可用的物体模型。这类的许多先进方法通过将提取的特征与存储在数据库中的场景相匹配来执行物体的分割。它们强烈依赖于检测测试场景和存储模型之间的重复性的、可靠的和描述性特征,以及相应的准确特征,当场景点云数量较大时 ...
【技术保护点】
1.基于凹凸性和RSD特征的场景分割与目标建模方法,其特征在于,包括如下步骤:步骤1,利用Realsense以及PCL获取场景点云并进行半径滤波去噪;步骤2,在去噪后的场景点云基础之上进行超体聚类过分割,根据公式(1)来控制超体素聚类过程,将整个空间划分开;
【技术特征摘要】
1.基于凹凸性和RSD特征的场景分割与目标建模方法,其特征在于,包括如下步骤:步骤1,利用Realsense以及PCL获取场景点云并进行半径滤波去噪;步骤2,在去噪后的场景点云基础之上进行超体聚类过分割,根据公式(1)来控制超体素聚类过程,将整个空间划分开;式中Rseed是种子的距离,Dc是表示颜色上的差异,Dn表示法线上的差异,Ds表示点距离上的差异;wc表示颜色差异在超体素相似度中的权重,ws表示点距离差异在相似度中的权重,wn表示法线上的差异在相似度中的权重,相似度定义了应该属于种子点的粒子并聚拢在种子点周围形成超体素,wc=wn=0.3,ws=0.4;步骤3,在步骤2得到的超体聚类基础之上基于凹凸性再聚类进行局部凸连接分割,完成场景分割;凸度标准CC如式(2)所示,邻超体素分别为pi,pj,其质心分别为x1,x2,n1,n2是垂直于界面的法向量,α1是n1与x1-x2的夹角,α2是n2与x1-x2的夹角,β是法向量之间的角度;引入阈值βThresh,当β=∠(n1,n2)=│α1-α2│=cos-1(n1·n2)<βThresh=10°,认为超体之间是凸连接的;步骤4,使用连接质心的向量d和两个法向量的叉积s=n1×n2,引入阈值θThresh;同样,(p1,p2)是两个相邻的超...
【专利技术属性】
技术研发人员:陈国华,王耀增,张爱军,邢健,康敬欣,李季,余洋洋,
申请(专利权)人:北京化工大学,
类型:发明
国别省市:北京,11
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。