【技术实现步骤摘要】
一种三维目标识别方法及系统
本专利技术涉及计算机视觉
,尤其涉及一种三维目标识别方法及系统。
技术介绍
随着深度感知技术和人工智能技术的不断发展,基于深度学习网络的单目结构光深度成像方法,凭借其强大的学习能力和泛化能力,具有很强的竞争力表现。针对单目结构光成像系统,研究和实践证明,深度学习网络的性能依赖于训练数据的质量和规模,因此基于深度学习网络的单目结构光深度成像方法需要大规模且质量很好的数据。深度学习网络训练需要的每组数据包含:物体散斑图、参考散斑图、物体散斑图与参考散斑图之间的视差真值(GroundTruth,简称GT)数据。此时,由于视差GT数据直接反应了物体散班图和参考散班图上像素坐标关系,所以视差GT数据很难获取。一般会利用公开数据集,但目前的公开数据集都是针对被动式双目相机,且数据量很少,场景固定。现有技术中主要有两类方法来构造单目结构光数据集:一种是使用激光扫描仪来获得,但这些数据集通常昂贵、缓慢且无法扩展至更大的数据集;另一种是通过性能良好的传统深度恢复方法,比如半全局匹配(Semi-GlobalMatching,简称SGM)、盲均衡算法等,来匹配物体散班图和参考散斑图,获得较好的视差数据,但由于算法的鲁棒性和适用性,只能生成较好的伪GT数据。针对主动式双目成像系统,研究和实践证明,深度学习网络的性能依赖于训练数据的质量和规模,因此基于深度学习有监督网络的主动式双目深度成像方法需要大规模且质量很好的数据。深度学习有监督网络训练需要的每组数据包含:左相机物体散斑图、右相机 ...
【技术保护点】
1.一种三维目标识别方法,其特征在于,包括:/n对于初始反射激光图中的任一像素点,若判断得知所述任一像素点对应的红外相机投射射线与目标样本存在第一空间交点,则根据所述第一空间交点与散斑投影仪的中心点,获取投影仪射线;/n基于所述第一空间交点、第二空间交点、所述投影仪射线、虚拟平面和参考散斑图,获取所述任一像素点的强度值,所述第二空间交点为所述投影仪射线与所述目标样本的交点;/n根据每一像素点的强度值,获取最终物体散斑图,并根据所述最终物体散斑图,获取合成数据集;/n利用神经网络对待识别物体进行识别,获取识别结果,所述神经网络基于所述合成数据集训练得到。/n
【技术特征摘要】
1.一种三维目标识别方法,其特征在于,包括:
对于初始反射激光图中的任一像素点,若判断得知所述任一像素点对应的红外相机投射射线与目标样本存在第一空间交点,则根据所述第一空间交点与散斑投影仪的中心点,获取投影仪射线;
基于所述第一空间交点、第二空间交点、所述投影仪射线、虚拟平面和参考散斑图,获取所述任一像素点的强度值,所述第二空间交点为所述投影仪射线与所述目标样本的交点;
根据每一像素点的强度值,获取最终物体散斑图,并根据所述最终物体散斑图,获取合成数据集;
利用神经网络对待识别物体进行识别,获取识别结果,所述神经网络基于所述合成数据集训练得到。
2.根据权利要求1所述的三维目标识别方法,其特征在于,还包括:
若判断得知所述任一像素点对应的红外相机投射射线与所述目标样本不存在第一空间交点,则将所述任一像素点的强度值设置为0。
3.根据权利要求1所述的三维目标识别方法,其特征在于,所述基于所述第一空间交点、第二空间交点、所述投影仪射线、虚拟平面和参考散斑图,获取所述任一像素点的强度值,具体包括:
若判断得知所述第一空间交点和所述第二空间交点之间的位置关系满足第一预设条件,且所述投影仪射线与虚拟平面之间的位置关系满足第二预设条件,则基于所述目标样本的参考散斑图和双线性插值算法,获取所述任一像素点的强度值,所述第一预设条件和所述第二预设条件使得所述任一像素点不是遮挡点;
否则,将所述任一像素点的强度值设置为0。
4.根据权利要求3所述的三维目标识别方法,其特征在于,所述第一预设条件为:
||x2-x1||2<1e-5,
其中,x2表示所述第二空间交点的坐标,x1表示所述第一空间交点的坐标。
5.根据权利要求3所述的三维目标识别方法,其特征在于,所述第二预设条件为:
所述投影仪射线与所述虚拟平面存在第三空间交点,且所述第三空间交点位于所述虚拟平面内。
6.根据权利要求1所述的三维目标识别方法,其特征在于,所述根据每一像素点的强度值,获取最终物体散斑图,具体包括:
根据每一像素点的强度值,获取最终反射激光图;
基于所述最终反射激光图,获取所述最终物体散斑图。
7.根据权利要求1所述的三维目标识别方法,其特征在于,所述数据合成集通过单目结构光成像系统获取,所述并根据所述最终物体散斑图,获取合成数据集,具体包括:
将所述第一空间交点的深度值作为所述任一像素点对应的GT深度值;
根据所述任一像素点对应的GT深度值、红外相机的焦距、所述红外相机与所述散斑投影仪之间的基线长度,获取所述任一像素点对应的视差值;
根据所述最终物体散斑图、所述参考散斑图以及每一像素点对应的视差值,获取所述合成数据集。
8.根据权利要求1至6任一所述的三维目标识别方法,其特征在于,所述合成数据集通过主动式双目成像系统获取,所述主动式双目成像系统包括第一相机和第二相机,相应地,所述最终物体散斑图与所...
【专利技术属性】
技术研发人员:户磊,王海彬,化雪诚,刘祺昌,李东洋,
申请(专利权)人:北京的卢深视科技有限公司,合肥的卢深视科技有限公司,
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。