| 一种基于2D和3DSIFT特征级融合的一般物体识别算法 |
| |
| 引用本文： | 李新德,刘苗苗,徐叶帆,雒超民.一种基于2D和3DSIFT特征级融合的一般物体识别算法[J].电子学报,2015,43(11):2277-2283. |
| |
| 作者姓名： | 李新德 刘苗苗 徐叶帆 雒超民 |
| |
| 作者单位： | 1. 东南大学自动化学院复杂工程测量与控制教育部重点实验室, 江苏 南京 210096;
2. 底特律大学电子与计算机工程系, 美国 底特律 48221 |
| |
| 摘 要： | 如何选择合适的特征表示一般物体类间差异和类内共性至关重要,因此,本文在2D SIFT(Scale Invariant Feature Transform,SIFT)的基础上,提出了基于点云模型的3D SIFT特征描述子,进而提出一种基于2D和3D SIFT特征级融合的一般物体识别算法.分别提取物体2维图像和3维点云的2D和3D SIFT特征描述子,利用"词袋"(Bag of Words,BoW)模型得到物体特征向量,根据特征级融合将两个特征向量进行融合实现物体描述,运用有监督分类器支持向量机(Support Vector Machine,SVM)实现分类识别,给出最终识别结果.最后,实验验证了本文提出算法的好处.
|
| 关 键 词： | 一般物体识别 点云 2D SIFT 3D SIFT 特征融合 BoW模型 SVM分类器 |
| 收稿时间： | 2015-01-08 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《电子学报》浏览原始摘要信息 |
|
点击此处可从《电子学报》下载全文 |
|
