一种基于模板匹配算法的目标检测方法技术

一种基于模板匹配算法的目标检测方法，包括：

【技术实现步骤摘要】
一种基于模板匹配算法的目标检测方法


[0001]本专利技术属于计算机视觉
，具体涉及到一种基于模板匹配算法
(Linemod)
的目标检测方法
。

技术介绍

[0002]在三维物体检测领域，传统方法往往需要对物体进行特征提取和分类器等方式进行识别，但在复杂环境下，其检测准确率会大幅降低
。
因此，研究基于模板匹配的物体检测方法已成为一个重要的研究方向
。
然而，由于深度相机采集的点云数据存在噪声和空洞等问题，传统基于模板匹配的物体检测方法仍存在着识别率不高
、
抗噪性差等问题
。

技术实现思路

[0003]本专利技术的目的是提供一种基于模板匹配的物体检测方法，适用于复杂环境下弱纹理物体的三维物体的目标检测
。
本专利技术采用
Kinect
深度相机实时采集
RGB
通道信息和深度信息，并将其对齐，通过联合双边滤波
、
半径滤波器等方式对点云信息进行预处理，剔除空洞的点云点和减少点云的数量
。
在
OpenGL(Open Graphics Library)
中导入目标物体的三维模型，并自动生成大量可供位姿估计算法训练和学习的图像数据，并对其进行渲染
。
[0004]具体来说，本专利技术是通过以下技术方案实现的
。
[0005]本专利技术所述的一种基于模板匹配算法的目标检测方法，包括以下步骤：<br/>[0006](1)
采集物体的点云数据与色彩梯度信息，并提取特征点；
[0007](2)
在
OpenGL
中生成物体在不同视角下的渲染图像，并通过遍历特征点的局部特征数据库，计算每个局部特征的匹配阈值，以减小噪声的干扰，并最终计算出匹配阈值；
[0008](3)
基于模板匹配算法，采集场景内的的图像，增加物体的局部采样，并通过滑窗采样的方式从整体中提取区域图像的
RGB
特征
。
通过模板匹配算法对采集到的物体数据进行检测，并对比数据库中不同角度下的
RGB
模板实验结果与实验的匹配的相似度来判断检测结果的准确性；
[0009](4)
通过对公开数据库中的物体进行检测，并将模板进行遮挡与旋转来验证该方法的有效性，并与传统的基于模板匹配的物体检测方法进行对比
。
[0010]本专利技术的实现方式可以基于
Kinect V2
深度相机在
Ubuntu 16.04
系统下，结合
ROS
系统以及实时可视化插件
Rviz
实现
。
[0011]具体地，本专利技术所述的一种基于模板匹配算法的目标检测方法，包括以下步骤：
[0012]步骤
1.
采集目标的图像数据，在
OpenGL
中生成目标不同视角下的渲染图像，提取
RGB
图像的梯度特征与深度图像的法向特征，保留最大特征的方向，生成待匹配的模板库
。
[0013](1)
对于给定的模板库
M
，提取每个模板的视角图像
I
和相应的位姿参数
R。
[0014](2)
针对每个视角图像
I
，从中提取
d
c
大小的局部图像块
p
i
。
[0015](3)
遍历所有局部图像块，将其加入局部图像集合
P
中
。
[0016](4)
对于
P
中的每个局部图像块
p
k
，提取其特征向量
f
k
，并将其加入局部特征集合
B
中
。
[0017]通过这样的算法流程，可以得到模板库
M
中每个模板的局部特征集合，用于后续的目标检测任务中
。
[0018]步骤
2.
利用
Kinect
相机采集场景下的目标的
RGB
图像与深度信息，对彩色图像提取梯度特征，对深度图像提取法向特征
。
利用滑窗匹配的方法与模板库中的模板特征进行相似度计算，根据相似度计算的最大值判断是否为目标物体
。
[0019](1)
首先对目标场景进行图像块分割，得到一组图像块
(p
i
，
T
i
)
其中
p
表示图像块，
T
i
表示其对应的标签
。
[0020](2)
对于每个图像块
p
i
，提取其特征向量
f
i
，使用
Encoder
函数将图像块
p
i
转换成其特征向量
f
i
。
[0021](3)
针对每个特征向量
f
i
，遍历
k
个特征向量
f
m
，若
f
i
和
f
m
之间的相似度大于预设阈值
s
，则认为它们表示同一个目标
。
[0022](4)
对于每个被认为是同一个目标的图像块
p
i
和
P
m
，将它们的标签
T
i
和
T
m
作为数据集，使用分类算法计算其相似度
V
r
。
[0023](5)
对于所有的局部图像块，进行阈值判断，若某个局部图像块的相似度
v
r
大于预设阈值
t
s
，则将其特征向量
h
r
加入到匹配结果的向量
H{}
中
。
最后根据集合
H{}
中的特征向量计算出匹配结果
。
[0024]本专利技术采用基于模板匹配的算法对传感器采集到的信息进行处理，并与数据库中的数据作对比，采用局部采样
、
分区投票的机制改进检测算法，提高稳定性和在遮挡环境下的识别准确性
。
具有广泛的应用前景，不仅可以应用于机器人
、
自动化设备等领域，而且在智能家居
、
智能手机等方面也可以得到广泛应用
。
附图说明
[0025]图1为本专利技术的总体工作流程图
。
[0026]图2为本专利技术采集到部分模板图像
。
[0027]图3为本专利技术目标检测实验结果图
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于模板匹配算法的目标检测方法，其特征是包括以下步骤：步骤
1.
采集目标的图像数据，在
OpenGL
中生成目标不同视角下的渲染图像，提取
RGB
图像的梯度特征与深度图像的法向特征，保留最大特征的方向，生成待匹配的模板库；
(1)
对于给定的模板库
M
，提取每个模板的视角图像
I
和相应的位姿参数
R
；
(2)
针对每个视角图像
I
，从中提取
d
c
大小的局部图像块
p
j
；
(3)
遍历所有局部图像块，将其加入局部图像集合
P
中；
(4)
对于
P
中的每个局部图像块
p
k
，提取其特征向量
f
k
，并将其加入局部特征集合
B
中；得到模板库
M
中每个模板的局部特征集合；步骤
2.
利用
Kinect
相机采集场景下的目标的
RGB
图像与深度信息，对彩色图像提取梯度特征，对深度图像提取法向特征；利用滑窗匹配的方法与模板库中的模板特征进行相似度计算，根据相似度计算的最大值判断是否为目标物体：
(1)
首先对目标场景进行图像块分割，得到一组图像块
(p
i
，
T
i
...

【专利技术属性】
技术研发人员：刘继忠，景健洋，陈卓贤，
申请(专利权)人：南昌大学，
类型：发明
国别省市：