三维物体的形态图表达方法

三维物体的表达方法是计算机视觉中的关键问题之一，现有的各种三维物体表达方法虽然在各自的识别中得到应用，但都存在各自的局限性，用形态图表达三维物体是一种以视点为中心的表达方法，由于它列举了一个物体所有可能的“定性”形象，即它可使用最少的二维投影线图（特征视图）来表达一个完整的三维物体，因此使三维物体识别转化为2D与2D的匹配，该文首先定义了二维线图拓扑结构等价的判别准则，然后给出了构造透明物体形态图的方法，最后根据拓扑结构等价准则来得到不透明物体的形态图和特征图，并用圆锥与圆柱相交的实例进行了验证。     

基于形态图表示的三维物体识别算法

基于形态图表示的三维物体识别的基本思路是：首先建立待识别物体的模型库，找出模型集中所有模型物体的形态图和特征视图，并提取以它们的拓扑结构信息和几何信息；其次对物体真实图像作轮廓提取和0边界跟踪，得到二维图像的线架图，同时提取出它的拓扑结构信息和几何信息；最后将物体图像的拓扑结构信息和几何信息与模型库中模型物体的拓扑结构信息和几何信息匹配，从而达到识别的目的。文中提出了在生成线图链码时提取其拓扑结构信息和几何信息的方法，由拓扑结构信息和几何信息构造特征矩阵的方法，以及识别过程中特征矩阵的匹配算法。     

基于CV／CAD的三维物体几何建模

在虚拟现实等技术领域中,都涉及到由现实世界中的实际景物建立对应的计算机描述的虚拟景物的问题,为此提出了利用计算机视觉与CAD几何建模技术相结合的三维珠体建模途径,首先通过编码光栅方法获取三维物体的深度图象,并采用数学形态学的方法加以分割,然后利用代数曲面拟合手段对分割后的三维曲面片进行重建,并使用CAD几何建模工具由重建的曲面片构成物体的几何模型,该文给出了初步的实验结果,证明所提出的技术途径基本可行。     

从单幅灰度图像中求解三维物体姿态的方法

诸如车辆之类的三维物体的运动常常被约束于一个平面上.这种平面约束显著减少二维图像到三维目标的匹配自由度,从而使得这类三维目标的识别问题得到极大简化.基于此,本文提出一种从单幅定标的灰度图像中求解约束于一已知平面的三维目标的方法.该方法首先计算出给定模型所有可能的旋转角度,再通过聚类获得一些可能的旋转角度类.在每个角度类中,我们对目标所有可能的位置进行计算,并通过聚类获得在此旋转角度下的位置类.之后将候选的角度和位置进行过滤并进行优化以获得最终结果.该算法对于三维目标的部分遮挡具有较好的适应性,其有效性得到实验验证.     

一种基于骨架的可变形物体建模方法

提出了一种新的基于骨架的混合型的软组织建模方法，用于虚拟手术仿真及手术训练。介绍了通过自动的方法抽取物体的骨架，建立物体的表面物理模型、体物理模型以及对应的计算模型。还介绍了利用骨架进行碰撞检测及外力计算的方法并介绍了实验的软件结构及实验结果。     

基于多视角距离图象的三维物体建模及其在识别中的应用

模型的表示和构建是基于距离图象三维物体识别技术中的关键模块之一.针对已有方法存在的若干问题,提出一个新的综合多个视角距离图象的三维物体模型表示策略和增量式的模型习得算法,并将该模型表示用于三维物体识别中.实验结果验证了算法的有效性.     

基于特征轮廓的灰度图像定位三维物体方法

讨论了一种基于特征轮廓的从三维灰度图像确定三维物体位置和姿态的方法，该方法首先建立物体的三维网页模型，检测模型上的特征点，并建立该物体的特征轮廓模型，然后检测输入图像中物体上的特征点，形成特征轮廓，并与特征轮廓模型相匹配，就可得到该物体在三维空间中的姿态；最后使用最小二乘法对物体进行精确定位，实验证明，该方法在物体遮挡情况下不是很严重时，可以快速精确地从灰度图像定位三维物体。     

基于二次样条曲线的不规则物体3D重建

在分析目前不规则物体3D重建算法存在的不足的基础上,采用二次样条曲线作为3D重建算法的基元,实验结果表明该文方法不仅在重建精度上比以往方法有许多提高,而且计算耗费和复杂度上也有较大改进。     

基于形态和约束结构的几何哈希法

几何哈希法,作为一种有效的模型搜索算法,在物体识别中有着重要的应用。现有的几何哈希法仅适合于仿射变换下的二维景物识别,论文提出了适合透视投影变换下三维物体识别的几何哈希方法。该方法利用物体的三维形态和物体中具有射影不变量的几何约束结构来构造哈希表。一方面,几何约束结构提供了物体模型的索引功能;另一方面,物体的三维形态提供了物体成像位姿的有关信息,使后续的匹配验证得以简化。实验中使用人造物体对该方法进行了验证,实验表明该方法正确有效。     

一种用于遥感图象3D目标识别的基于形态的建模方法

该文研究了利用遥感灰度图象识别3D目标的建模问题,提出了一种基于形态的多视点模型构造方法。方法分为广义锥表和正交投影分析两个步骤,分层次地描述了目标的几何结构、拓扑和表面物理特性,因而比一般的形态图模型具有更好的描述能力,同时便于匹配时检索。     

几何不变性及其在3D物体识别中的应用

三维物体识别是计算机视觉研究的重要内容之一，它要求从3D物体的2D图象中识别和定位物体．由于物体成像时会受到观察视角、摄像机参数的影响，因此使得同一物体在不同观察视角、不同摄像机参数等条件下所得到的图象存在差异．但由于几何不变性方法可以有效地消除这种差异带给3D物体识别的不利影响，所以，近20年来这种方法受到了广泛的关注和研究．为使人们了解该领域的研究现状，以对该领域的研究有所启发，首先讨论了基于几何不变性的3D物体识别方法的研究内容，包括研究的几何框架和其不变性以及几何不变性在3D物体识别中的主要应用；其次，总结性地评述了该领域的研究现状；最后，提出了研究的发展方向．     

交互式三维对象建模方法研究与实现

论文设计了一种交互式三维对象建模方法,为非专业三维应用开发人员提供了一个友好的三维图形开发应用平台.研究了三维对象模型的概念模型和逻辑模型,分析了三维对象模型拓扑关系的存储方式和查询方式;提出了关系模型,设计出三维对象模型与关系模型间的相互作用方式;采用模型库保存常用的基本模型和关系模型,用户也可按需求自定义对象模型和关系模型,并扩充模型库,使得模型具有较好的可重用性;结合OSG三维图形引擎,验证了提出的交互式三维对象建模方法的可行性.     

基于三维激光扫描的物体重构建模

物体拍摄环境具有测量数据量大、物体外轮廓信息复杂等特点,采用当前方法能够获得物体精确的三维点云数据,但缺乏颜色和纹理信息,导致物体重构精度不高,真实感较差;为此,提出一种基于三维激光扫描的物体重构建模方法;该方法通过三维激光扫描技术获取物体点云数据,采用显式的欧拉积分方法对物体整个三维曲面进行平滑,依据三角生长法进行物体三维空间三角划分,将物体网格顶点向球面进行映射,由此构造物体三角网格模型,通过迭代最近点算法对物体非同步点云数据初步匹配结果进行精确配准,利用最近点搜索算法将经多视图立体视觉算法优化后的物体颜色信息和三维点云数据坐标相融合;实验结果表明,所提方法可以快速精确地建立物体三维重构模型,验证了所提方法的可行性。     

遥感图像三维目标多视点建模识别方法

研究利用遥感灰度图像识别三维目标时的问题，提出一种基于多视点模型的匹配识别方法。使用3D广义锥模型投影得到二维视面模型，用于描述不同视点下的目标视面，并用几何结构特征来检索模型库。匹配过程层次地使用全局的与局部的、统计的与结构的目标识别特征，分为检索和精确匹配两个步骤完成。通过实验验证了该方法的有效性。     

一种新的几何约束结构及其射影不变量

几何不变量,特别是射影不变量,是基于单视点灰度图像识别三维物体的一条有效途径．但理论研究表明,只有特定的几何约束结构,才具有射影不变量．所以,研究并发现这种几何约束结构就具有十分重要的意义．该文提出了一种新的由相邻3平面上5条直线组成的几何约束结构及其所具有的射影不变量．该结构较Sugimoto提出的几何约束结构简单,可从结构同样复杂的物体中获得更多的几何不变量,有利于提高物体识别的稳定性;同时,由于该结构大量存在于由多面体组合而构成的人造物体及地面建筑物中,因此它非常适合这类物体的识别．实验验证了文中提出的几何约束结构具有不随物体成像视点改变的射影不变量．     

3D Object Recognition in Cluttered Environments by Segment-Based Stereo Vision

We propose a new method for 3D object recognition which uses segment-based stereo vision. An object is identified in a cluttered environment and its position and orientation (6 dof) are determined accurately enabling a robot to pick up the object and manipulate it. The object can be of any shape (planar figures, polyhedra, free-form objects) and partially occluded by other objects. Segment-based stereo vision is employed for 3D sensing. Both CAD-based and sensor-based object modeling subsystems are available. Matching is performed by calculating candidates for the object position and orientation using local features, verifying each candidate, and improving the accuracy of the position and orientation by an iteration method. Several experimental results are presented to demonstrate the usefulness of the proposed method.     

3D Object Detection with Attention: Shell-Based Modeling

LIDAR point cloud-based 3D object detection aims to sense the surrounding environment by anchoring objects with the Bounding Box (BBox). However, under the three-dimensional space of autonomous driving scenes, the previous object detection methods, due to the pre-processing of the original LIDAR point cloud into voxels or pillars, lose the coordinate information of the original point cloud, slow detection speed, and gain inaccurate bounding box positioning. To address the issues above, this study proposes a new two-stage network structure to extract point cloud features directly by PointNet++, which effectively preserves the original point cloud coordinate information. To improve the detection accuracy, a shell-based modeling method is proposed. It roughly determines which spherical shell the coordinates belong to. Then, the results are refined to ground truth, thereby narrowing the localization range and improving the detection accuracy. To improve the recall of 3D object detection with bounding boxes, this paper designs a self-attention module for 3D object detection with a skip connection structure. Some of these features are highlighted by weighting them on the feature dimensions. After training, it makes the feature weights that are favorable for object detection get larger. Thus, the extracted features are more adapted to the object detection task. Extensive comparison experiments and ablation experiments conducted on the KITTI dataset verify the effectiveness of our proposed method in improving recall and precision.     

基于点云数据的三维目标识别和模型分割方法

三维模型的深度特征表示是三维目标识别和三维模型语义分割的关键和前提,在 机器人、自动驾驶、虚拟现实、遥感测绘等领域有着广泛的应用前景。然而传统的卷积神经网 络需要以规则化的数据作为输入,对于点云数据需要转换为视图或体素网格来处理,过程复杂 且损失了三维模型的几何结构信息。借助已有的可以直接处理点云数据的深度网络,针对产生 的特征缺少局部拓扑信息问题进行改进,提出一种利用双对称函数和空间转换网络获得更鲁棒、 鉴别力更强的特征。实验表明,通过端到端的方式很好地解决缺少局部信息问题,在三维目标 识别、三维场景语义分割任务上取得了更好的实验效果,并且相比于 PointNet++在相同精度的 情况下训练时间减少了 20%。     

用于遥感图像人造目标识别的三维建模方法研究

该文研究了用于遥感图像人造地物目标识别的三维建模方法,文中分析了识别任务的特点,比较了一般的建模方法,介绍了一种基于广义锥思想的几何表示方法,并利用面向对象的技术来表示模型内部数据及其操作。