【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:< ...
【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
...
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。