三维视觉下的目标识别与位姿估计方法

摘要：

为了提高遮挡环境下三维目标点云的识别率,提出将聚类视点特征直方图(clustering view-point feature histogram,CVFH)算法与方向特征直方图(signature of histograms of orienTations,SHOT)算法相结合的特征融合识别(CV-SHOT)算法.利用CVFH特征对分割的场景点云进行快速粗识别,提取相似目标点云SHOT特征并获得模型-场景对应点集,通过引入3D霍夫投票机制对场景目标进行精确识别并获得点云 目标初始位姿.基于迭代最近点(iterative close point,ICP)算法实现目标精确定位以及位姿估计并搭建实验环境,测试单物体场景以及多物体部分遮挡场景.结果表明:CV-SHOT算法识别率达到90％以上,与传统的点云识别算法相比,识别率明显提高、鲁棒性更强,可对室内复杂场景目标进行有效识别与位姿估计.

关键词：机器视觉、三维目标识别、霍夫投票、点云分割、点云配准、位姿估计

所属期刊栏目：36

分类号：TP391.4(计算技术、计算机技术)

资助基金：陕西省教育厅自然科学一般专项科学研究计划20JK0644

在线出版日期：2022-05-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：85-93