基于三维彩色点云的物体识别算法

随着新一代深度传感器的出现,使用三维(3-D)数据成为物体识别研究的热点,而且提出了很多点云特征描述子.针对传统的采用点云形状特征描述子在目标描述方面的不足,提出了一种基于三维彩色点云的物体识别算法.首先提取点云数据的视点特征直方图(VFH)和颜色直方图(CH),然后对提取的形状特征和颜色特征分别通过支持向量机(SVM)进行预分类,最后将上述2个识别结果进行决策级融合.提出的算法在Washington RGB-D数据集进行训练和测试.结果表明,该方法与传统的采用点云形状特征描述子相比,其物体的正确识别率有了显著的提高.     

识别与定位三维物体的点匹配法

本文提出一种识别与定位三维物体的基于模型的点匹配法,这种方法只需要简单的距离计算与四阶行列式计算,就可获得物体与模型的全局一致性匹配,因此不需要进行模型检验。     

基于结构照明的三维物体识别新方法

提出了一种三维物体的识别方法。将一正弦条纹分别投影到参考物体和待测表面，摄像机得到的是2幅有变形条纹的二维强度像。参考的变形条纹图像和待识别的变形条纹图像，经过联合变换相关(JTC)，得到自相关和互相关输出，最后根据输出的相关峰大小即可判别不同的物体。这种相关识别方法的实质是通过结构照明的方法，构造一个新的识别复函数，物体的高度分布以复函数位相的形式编码于新的识别复函数之中，因此该方法具有本征三维识别的特点。计算机模拟实验证明了这种方法用于三维物体识别的可能性。     

基于结构光投影的三维物体识别

本文提出了一种三维物体识别的新方法,将一正弦条纹投影到物体表面,摄像机得到的是有变形条纹的二维强度像。取出有变形条纹的二维强度像的基频分量的位相部分构造一个纯相位数字滤波器,以受到不同物体表面高度调制的有变形条纹的二维强度像作为输入图像,在频域中完成基频分量之间的相关,最后根据输出的相关峰值大小即可判别不同的物体。     

基于莫尔条纹的三维物体相关识别

提出了一种新的基于莫尔条纹的三维物体识方法。用阴影莫尔法的装置,采用频域滤波的方法,得到物体的莫尔条纹。用受到物体表面高度调制的莫尔条纹图作为输入图像,用光学匹配空间滤波的概念来实现相关识别方法,根据输出的相关峰值大小即可判别不同的物体。因为物体的莫尔条纹是物体的等高线,体现三维物体特征的高度函数以莫尔等高线的形式编码于莫尔条纹中,因此基于莫尔条纹的相关识别具有本征三维识别的特点。计算机模拟试验结果证明了这种方法用于三维物体识别的可能性。     

旋转不变的三维物体识别

提出一种具有旋转不变性的三维物体识别的新方法。该方法通过结构照明的方法,使物体的高度分布以变形条纹的形式编码于二维强度像中。由于条纹图像包含有物体的高度分布信息,因而对条纹图的相关识别具有本征三维识别的特点。旋转不变性是通过使用多通道滤波器实现的,此滤波器可以由不同方向三维物体对应的变形条纹图像经计算机处理得到。相关识别方法可以用光学匹配空间滤波器实现。计算机模拟实验证明了这种方法的有效性,它不仅可以实现旋转不变的三维物体识别,还可以给出物体旋转角度的估计值。     

融合RGB-D信息的三维物体识别算法

图像处理是物体识别的关键环节,不同的模态特征之间具有互补性,同时使用能够提高目标的识别准确率,但现有研究仅仅是将多模态特征直接融合或者人工构造特征描述子进行识别工作,没有区别对待不同模态的不同特征且忽略了特征的内部联系。为了更客观地反映物体三维特性,结合稀疏自编码网络和改进的卷积神经网络,提出一种新的深度学习模型SAE-RCNN与一种分段训练网络的方法,可以提取有辨别力的特征而且避免了网络退化的问题,并将特征在全连接层高效融合,通过分类器Softmax得到实验结果。实验数据采用Washington RGB-D标准数据集。结果表明,SAE-RCNN算法模型的物体识别率达到89.7%,较其他算法取得了更好的识别效果。     

基于RealSense的坐姿检测技术

针对越来越多的年轻人使用电脑进行办公的时间越来越长,坐姿不正确导致的颈肩腰部疾病发病率及视力下降的问题,设计了一种不需要额外佩戴智能硬件的坐姿检测技术。该方案使用Intel最新的RealSense 3D摄像头进行画面采集,通过对三维数据的实时分析,准确的判断出用户的坐姿情况,相对于智能硬件的解决方案可以大幅度提高准确度,市场上新出的笔记本电脑中带有RealSense的型号也较多,具有较好的应用前景。     

基于分层技术的三维物体全息图的快速算法

提出了一种计算三维物体全息(CGH)图的快速算法。在传统的相干光线追迹(CRT)算法中,将三维物体分成很多层,每一层看作是一系列点源的集合,通过计算机模拟每一层上所有点光源光线的传播再与参考光干涉得到物体的CGH。在本文提出的算法中,假设物体的深度相对传播距离非常小,只需要计算第1层和全息面之间的倾斜因子,其余面和全息面之间的倾斜因子可以通过一个非常简单的关系得到。因此,本文算法计算量得到了简化,计算速度比传统的CRT算法快约6倍。同时光学重建了CGH,计算表明,本文快速算法光学重建像的质量和传统算法有很好的吻合。     

从一幅透视投影线图识别三维物体

本文提出一种从一幅透视线图识别三维物体的新算法。文中简述了几种识别空间多边形的新方法，对多面体引进了独特的表面分布有序连接表示和逐步扩展特征的识别算法，计算机模拟证实了理论的正确性。     

基于形状的计算机物体识别的研究

针对计算机物体识别中不同角度下图像物体形状的不同,提出了采用多角度获取模板图像,实验图片与多角度的模板进行匹配的理论模型,对采用多角度模板匹配时出现的不同形状的轮廓进行分析,提出了用物体图像的轮廓形状的相关匹配法的解决方案,在物体识别中,多角度模板匹配与单一的模板相比,提高了识别的可靠性,避免了同一物体角度不同时,误识别为不同的物体的情况。     

A multiresolutional approach to 3D object recognition

A multiresolutional approach is presented for effectively recognizing three-dimensional (3D) objects. The approach is both pose and scale invariant. A multiresolutional model base is constructed, and multiscale edges of the object are detected using the wavelet transform. The minimum alignment between model base and object is realized by the linear mapping scheme.     

用于目标识别的二维傅里叶小波描述子

提出了一种二维傅里叶小波描述子。其改进之处在于在目标图像的直角坐标-极坐标转换过程中，预先将图像中的冗余点去除，并对像素点进行细化处理，以减少计算时间，提高交换精度。在飞机型号识别实验中，采用改进的二维傅里叶小波描述子对样本进行描述，并使用神经网络分类器进行分类，获得了很高的识别率，而运算时间显著减少，证明它是一种十分有效的目标描述方法。     

3D object retrieval system based on grid D2

With the increase of the number of 3D objects available on the digital libraries, the demand for a content-based 3D object retrieval system becomes urgent. Proposed is a novel feature, grid D2, for 3D object retrieval. Results of experiments show that the proposed method is superior to others.     

Multi-view convolutional vision transformer for 3D object recognition

With the rapid development of three-dimensional (3D) vision technology and the increasing application of 3D objects, there is an urgent need for 3D object recognition in the fields of computer vision, virtual reality, and artificial intelligence robots. The view-based method projects 3D objects into two-dimensional (2D) images from different viewpoints and applies convolutional neural networks (CNN) to model the projected views. Although these methods have achieved excellent recognition performance, there is not sufficient information interaction between the features of different views in these methods. Inspired by the recent success achieved by vision transformer (ViT) in image recognition, we propose a hybrid network by taking advantage of CNN to extract multi-scale local information of each view, and of transformer to capture the relevance of multi-scale information between different views. To verify the effectiveness of our multi-view convolutional vision transformer (MVCVT), we conduct experiments on two public benchmarks, ModelNet40 and ModelNet10, and compare with those of some state-of-the-art methods. The final results show that MVCVT has competitive performance in 3D object recognition.     

基于三维卷积与双向LSTM的行为识别研究

准确识别视频中的内容是未来互联网应用发展的方向,视频中的行为识别是计算机视觉领域的研究重点。为充分利用视频中的信息,提高行为识别的准确程度,文中提出一种基于三维卷积与双向LSTM的行为识别算法。设计一种基于三维卷积的空间注意模块,可以关注空间区域的显著特征。为了更好地处理长时间视频,引入一种新的基于双向LSTM(长短时记忆网络)的时间注意模块,其目的在于关注关键视频而不是给定视频的关键视频帧,然后采用双中心loss(计算损失函数)优化网络对两阶段策略联合训练,使其能够同时探索空间和时间域的相关性。在HMDB-51和UCF-101数据集上测试证明,所提算法能够准确识别视频中的相似动作,行为识别的准确率得到提高,识别效果显著。     

LiDAR-only 3D object detection based on spatial context

LiDAR-based 3D Object detection is one of the popular topics in recent years, and it is widely used in the fields of autonomous driving and robot controlling. However, due to the scanning pattern of LiDAR, the point clouds of objects at far distance are sparse and more difficult to be detected. To solve this problem, we propose a two-stage network based on spatial context information, named SC-RCNN (Spatial Context RCNN), for object detection in 3D point cloud scenes. SC-RCNN first uses a backbone with sparse convolutions and submanifold sparse convolutions to extract the voxel features of point scenes and generate a series of candidate boxes. For the sparsity of far-distance point clouds, we design the local grid point pooling (LGP Pooling) to extract features and spatial context information around candidate regions for subsequent box refinement. In addition, we propose the pyramid candidate box augmentation (PCB Augmentation) to expand the candidate boxes with a multi-scale style, enriching the feature encoding. The experimental results show that SC-RCNN significantly outperforms previous methods on KITTI dataset and Waymo dataset, and is particularly robust to the sparsity of point clouds.     

基于点云深度学习的3D目标检测

针对目前利用点云进行3D目标检测的研究较少和检测精度不高的问题,利用Frustum-Pointnets模型实现基于点云的3D目标检测,并在该模型的基础上进行改进,选用不同的激活函数和参数初始化方法进行组合对比,进一步提高模型的精度。实验表明:在选用Swish激活函数和He参数初始化方法时汽车平均检测精度提高了0.31 %,行人平均检测精度提高了0.41 %,骑车人平均检测精度提高了5.5 %。因此改进后的模型能有效提高检测的精度,使得模型能够应用在复杂的场景中。