System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机视觉,尤其涉及一种三维物体识别系统及方法。
技术介绍
1、视觉是人类观察与认知世界最直接、最主要的途径。人类生活在一个三维世界中,人类视觉不仅能感知物体表面的亮度、颜色、纹理信息,运动情况,而且能判断其形状、空间及空间位置(深度、距离)。如何让机器视觉能实时获得高精度的深度信息、提高机器的智能水平是当前机器视觉系统开发的难点。
2、现有的三维成像技术大致可分为被动式和主动式。传统的双目立体视觉测距是一种被动式测距方法,通过双目图像获取、摄像机标定、特征提取与匹配,结合三角测距原理计算得到深度信息,该模式存在匹配计算过程复杂、受光照纹理遮挡影响大等缺陷,且实时生成深度图效果较差。主动式测距方法主要有基于结构光编码的主动视觉模式和tof两种方法。结构光编码是通过投射一定图形的激光散斑图,由摄像头实时采集散斑图计算被照射物体的深度信息,获取的深度信息稳定可靠、受环境光影响小,其深度测距本质上是激光三角测距,远距离精度低;tof相机通过计算发射激光的飞行时间获取对应像素的深度信息,所获取的深度图点云分辨率比较低。
技术实现思路
1、本专利技术的目的在于克服现有技术不足,提供了一种三维物体识别系统及方法,能够解决现有技术中双目立体视觉深度信息受光照纹理等影响大、tof的点云分辨率较低等问题。
2、本专利技术的技术解决方案:一种三维物体识别系统,其中,该系统包括:
3、红外激光散斑投射器,用于向被测目标发出红外激光信号并接收经被测目标返回
4、混频深度解码装置,与红外激光散斑投射器连接,用于根据入射光信号计算红外激光信号与入射光信号的相位差;
5、深度计算装置,用于根据相位差计算被测目标远距离深度信息;
6、tof传感器,用于采集结构光信号;
7、结构光深度解码装置,与tof传感器连接,用于计算视差;
8、深度计算装置还用于根据视差计算被测目标近距离深度信息;
9、rgb传感器,用于采集rgb信号;
10、点云生成及配准装置,与深度计算装置和rgb传感器连接,用于根据远距离深度信息、近距离深度信息和rgb信号生成彩色3d点云,并输出彩色3d点云、rgb图、红外图和深度图;
11、三维实时成像识别装置,用于接收彩色3d点云、rgb图、红外图和深度图,并基于深度学习网络对彩色3d点云、rgb图、红外图或深度图进行识别,得到识别结果。
12、优选地,通过下式根据入射光信号计算红外激光信号与入射光信号的相位差包括:
13、
14、其中,为红外激光信号与入射光信号的相位差,q1、q2、q3和q4分别为入射光信号的第一采样值、第二采样值、第三采样值和第四采样值。
15、优选地,通过下式根据相位差计算被测目标远距离深度信息:
16、
17、其中,d为被测目标远距离深度信息,c为光速,fm为激光调制频率。
18、优选地,通过下式根据视差计算被测目标近距离深度信息:
19、
20、其中,d'为被测目标近距离深度信息,δm为视差,s为tof传感器与红外激光散斑投射器的基线距离,f为红外激光散斑投射器的焦距,μ为tof传感器的点距。
21、优选地,基于深度学习网络对彩色3d点云、rgb图、红外图或深度图进行识别、得到识别结果包括:
22、通过第一深度学习网络在彩色3d点云、rgb图、红外图或深度图中检测被测目标,并提取2d特征;
23、通过第二深度学习网络在彩色3d点云、rgb图、红外图或深度图中检测被测目标,并提取3d特征;
24、将提取的2d特征与预先存储的物体2d特征进行比较得到第一比较结果,将提取的3d特征与预先存储的物体3d特征进行比较得到第二比较结果;
25、如果第一比较结果和第二比较结果均为匹配,则识别结果为识别成功,否则识别结果为识别失败。
26、本专利技术还提供了一种三维物体识别方法,其中,该方法包括:
27、利用红外激光散斑投射器向被测目标发出红外激光信号并接收经被测目标返回的入射光信号;
28、利用混频深度解码装置根据入射光信号计算红外激光信号与入射光信号的相位差;
29、利用深度计算装置根据相位差计算被测目标远距离深度信息;
30、利用tof传感器采集结构光信号;
31、利用结构光深度解码装置计算视差;
32、利用深度计算装置根据视差计算被测目标近距离深度信息;
33、利用rgb传感器采集rgb信号;
34、利用点云生成及配准装置根据远距离深度信息、近距离深度信息和rgb信号生成彩色3d点云,并输出彩色3d点云、rgb图、红外图和深度图;
35、利用三维实时成像识别装置接收彩色3d点云、rgb图、红外图和深度图,并基于深度学习网络对彩色3d点云、rgb图、红外图或深度图进行识别,得到识别结果。
36、优选地,通过下式根据入射光信号计算红外激光信号与入射光信号的相位差包括:
37、
38、其中,为红外激光信号与入射光信号的相位差,q1、q2、q3和q4分别为入射光信号的第一采样值、第二采样值、第三采样值和第四采样值。
39、优选地,通过下式根据相位差计算被测目标远距离深度信息:
40、
41、其中,d为被测目标远距离深度信息,c为光速,fm为激光调制频率。
42、优选地,通过下式根据视差计算被测目标近距离深度信息:
43、
44、其中,d'为被测目标近距离深度信息,δm为视差,s为tof传感器与红外激光散斑投射器的基线距离,f为红外激光散斑投射器的焦距,μ为tof传感器的点距。
45、优选地,基于深度学习网络对彩色3d点云、rgb图、红外图或深度图进行识别、得到识别结果包括:
46、通过第一深度学习网络在彩色3d点云、rgb图、红外图或深度图中检测被测目标,并提取2d特征;
47、通过第二深度学习网络在彩色3d点云、rgb图、红外图或深度图中检测被测目标,并提取3d特征;
48、将提取的2d特征与预先存储的物体2d特征进行比较得到第一比较结果,将提取的3d特征与预先存储的物体3d特征进行比较得到第二比较结果;
49、如果第一比较结果和第二比较结果均为匹配,则识别结果为识别成功,否则识别结果为识别失败。
50、通过上述技术方案,可以发出红外激光信号,对红外激光信号和返回的入射光信号(即,反射光)的相位差进行计算,根据相位差计算得到被测目标远距离深度信息;根据采集的结构光信号计算视差并计算得到被测目标近距离深度信息;在此基础上加上采集的rgb信号可以生成并输出彩色3d点云、rgb图、红外图和深度图,由此可以基于深度学习本文档来自技高网...
【技术保护点】
1.一种三维物体识别系统,其特征在于,该系统包括:
2.根据权利要求1所述的系统,其特征在于,通过下式根据入射光信号计算红外激光信号与入射光信号的相位差包括:
3.根据权利要求2所述的系统,其特征在于,通过下式根据相位差计算被测目标远距离深度信息:
4.根据权利要求3所述的系统,其特征在于,通过下式根据视差计算被测目标近距离深度信息:
5.根据权利要求1-4中任一项所述的系统,其特征在于,基于深度学习网络对彩色3D点云、RGB图、红外图或深度图进行识别、得到识别结果包括:
6.一种三维物体识别方法,其特征在于,该方法包括:
7.根据权利要求6所述的方法,其特征在于,通过下式根据入射光信号计算红外激光信号与入射光信号的相位差包括:
8.根据权利要求7所述的系统,其特征在于,通过下式根据相位差计算被测目标远距离深度信息:
9.根据权利要求8所述的方法,其特征在于,通过下式根据视差计算被测目标近距离深度信息:
10.根据权利要求6-9中任一项所述的方法,其特征在于,基于深度学习网
...【技术特征摘要】
1.一种三维物体识别系统,其特征在于,该系统包括:
2.根据权利要求1所述的系统,其特征在于,通过下式根据入射光信号计算红外激光信号与入射光信号的相位差包括:
3.根据权利要求2所述的系统,其特征在于,通过下式根据相位差计算被测目标远距离深度信息:
4.根据权利要求3所述的系统,其特征在于,通过下式根据视差计算被测目标近距离深度信息:
5.根据权利要求1-4中任一项所述的系统,其特征在于,基于深度学习网络对彩色3d点云、rgb图、红外图或深度图进行识别、得到识别结果包括:
...【专利技术属性】
技术研发人员:邰红勤,于寒松,张芊,王蒙,
申请(专利权)人:北京海鹰科技情报研究所,
类型:发明
国别省市:
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。