CN113033270A - 采用辅助轴的3d物体局部表面描述方法、装置及存储介质 - Google Patents

采用辅助轴的3d物体局部表面描述方法、装置及存储介质 Download PDF

Info

Publication number
CN113033270A
CN113033270A CN201911374276.5A CN201911374276A CN113033270A CN 113033270 A CN113033270 A CN 113033270A CN 201911374276 A CN201911374276 A CN 201911374276A CN 113033270 A CN113033270 A CN 113033270A
Authority
CN
China
Prior art keywords
radius
axis
neighborhood
local
coordinate system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911374276.5A
Other languages
English (en)
Other versions
CN113033270B (zh
Inventor
李东
敖晟
田劲东
田勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen University
Original Assignee
Shenzhen University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen University filed Critical Shenzhen University
Priority to CN201911374276.5A priority Critical patent/CN113033270B/zh
Publication of CN113033270A publication Critical patent/CN113033270A/zh
Application granted granted Critical
Publication of CN113033270B publication Critical patent/CN113033270B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/64Three-dimensional objects
    • G06V20/653Three-dimensional objects by matching three-dimensional models, e.g. conformal mapping of Riemann surfaces

Abstract

提出了一种采用辅助轴的3D物体局部表面描述方法、装置及存储介质。所述方法包括:获取场景的3D点云;提取所述场景的3D点云的特征点p;为所述特征点p的球形邻域建立局部参考坐标系;以及基于所述局部参考坐标系建立3D局部特征描述符,并使用所述3D局部特征描述符对所述球形邻域内的3D点集P进行编码,以表征所述球形邻域内的3D物体局部表面信息。其中,通过采用一辅助轴z′轴与局部参考坐标系的z轴的叉积来确定所述局部参考坐标系的x轴,并将用于计算所述局部参考坐标系的z轴的计算半径配置为根据网格分辨率进行自适应调整,使得最终得到的局部参考坐标系是可重复的、鲁棒的以及抗噪声的,并且几乎不受网格分辨率的影响。

Description

采用辅助轴的3D物体局部表面描述方法、装置及存储介质
技术领域
本申请属于3D形状匹配领域,尤其涉及一种采用辅助轴的3D物体局部表面描述方法、 装置及存储介质。
发明背景
随着三维扫描建模和三维重建技术的不断发展,3D目标识别已经成为计算机视觉领域的 一个研究热点,并在智能监控、电子商务、机器人、生物医学等方面有着广泛地应用。3D形 状匹配,作为3D目标识别中最为重要的环节,主要包括基于全局特征的3D形状匹配方法和 基于局部特征的3D形状匹配方法。虽然基于全局特征的3D形状匹配方法速度快,但是基于 局部特征的3D形状匹配方法对遮挡和杂乱更加鲁棒,并且能够使后续的姿态估计更为精确。 在基于局部特征的3D形状匹配方法中,使用3D局部特征描述符对3D物体的局部表面进行 描述是整个方法的核心部分,也是决定后续3D形状匹配或3D目标识别的精度的关键因素。
为了保持对遮挡和杂乱的区分性和鲁棒性,很多3D局部特征描述符已经被提出来并进 行了广泛的研究。这些3D局部特征描述符可以被分类为两大类,即基于局部参考轴(LRA, Local Reference Axis)的描述符和基于局部参考坐标系(LRF,Local ReferenceFrame)的描 述符。其中局部参考坐标系由三个正交轴构成,而局部参考轴仅包含单个定向轴。仅仅定义 单个定向轴的局部参考轴只能提供径向和仰角方向的信息,这会导致3D局部特征描述符缺 乏足够的细节信息。相反,具有局部参考坐标系的3D局部特征描述符利用三个轴可以充分 地编码3D局部表面的空间分布和/或几何信息,其不仅具有旋转不变性而且还极大地增强了 3D局部特征描述符的区分性。
目前,局部参考坐标系可以分为基于协方差分析(CA,Covariance Analysis)的局部参考 坐标系和基于几何属性(GA,Geometric Attribute)的局部参考坐标系。然而,由于通过采集 设备获取3D点云数据时不可避免地会存在一些噪声干扰、复杂场景下多个目标会存在遮挡 和杂乱以及3D传感器与目标间距离的变化会导致点云分辨率发生改变等原因,目前大部分 基于协方差分析的局部参考坐标系通常存在很低的可重复性和方向分歧(sign ambiguity)问 题,而基于几何属性的局部参考坐标系容易受严重噪声和网格分辨率的影响,因此建立可重 复、鲁棒、抗噪声以及不受网格简化影响的局部参考坐标系仍然是一个难题。
发明内容
为了解决以上技术问题,本申请提出了以下技术方案。
根据本申请的第一方面,提出了一种采用辅助轴的3D物体局部表面描述方法,所述方 法包括:
获取场景的3D点云;
提取所述场景的3D点云的特征点p;
为所述特征点p的球形邻域建立局部参考坐标系,其中所述球形邻域的原点与所述特征 点p重合并具有大小为R的支撑半径,所述局部参考坐标系的原点与所述特征点p重合并具 有正交归一化的x轴、y轴和z轴;以及
基于所述局部参考坐标系建立3D局部特征描述符,并使用所述3D局部特征描述符对所 述球形邻域内的3D点集P进行编码,以表征所述球形邻域内的3D物体局部表面信息;
其中为所述特征点p的球形邻域建立局部参考坐标系包括:
确定所述球形邻域的第一计算半径Rz,并基于所述第一计算半径Rz内的邻域点的协方差 矩阵来确定所述局部参考坐标系的z轴;
确定所述球形邻域的第二计算半径Rz′,并基于所述第二计算半径Rz′内的邻域点的协方 差矩阵来建立一辅助轴z′轴,其中所述第二计算半径大于所述第一计算半径;
将所述z轴与所述辅助轴z′的叉积确定为所述局部参考坐标系的x轴;以及
将所述z轴与所述x轴的叉积确定为所述局部参考坐标系的y轴。
根据本申请的第二方面,提出了一种采用辅助轴的3D物体局部表面描述装置,其特征 在于,所述装置包括采集设备、存储器和处理器,其中所述采集设备被配置为获取场景的3D 点云,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实施如下步骤:
提取所述场景的3D点云的特征点p;
为所述特征点p的球形邻域建立局部参考坐标系,其中所述球形邻域的原点与所述特征 点p重合并具有大小为R的支撑半径,所述局部参考坐标系的原点与所述特征点p重合并具 有正交归一化的x轴、y轴和z轴;以及
基于所述局部参考坐标系建立3D局部特征描述符,并使用所述3D局部特征描述符对所 述球形邻域内的3D点集P进行编码,以表征所述球形邻域内的3D物体局部表面信息;
其中为所述特征点p的球形邻域建立局部参考坐标系包括:
确定所述球形邻域的第一计算半径Rz,并基于所述第一计算半径Rz内的邻域点的协方差 矩阵来确定所述局部参考坐标系的z轴;
确定所述球形邻域的第二计算半径Rz′,并基于所述第二计算半径Rz′内的邻域点的协方 差矩阵来建立一辅助轴z′轴,其中所述第二计算半径大于所述第一计算半径;
将所述z轴与所述辅助轴z′的叉积确定为所述局部参考坐标系的x轴;以及
将所述z轴与所述x轴的叉积确定为所述局部参考坐标系的y轴。
根据本申请的第三方面,提出了一种计算机可读存储介质,其特征在于,所述计算机可 读存储介质存储有计算机程序,所述计算机程序被处理器运行时执行本申请第一方面所述方 法中的步骤。
以上仅是对本申请发明内容的概述,其不能作为衡量本申请相对现有技术做出贡献的依 据或代表本申请相对现有技术所做出的所有突出贡献,具体需参见本申请具体实施例部分的 描述。
本申请所提出的一种采用辅助轴的3D物体局部表面描述方法、装置及存储介质,通过 采用一辅助轴z′轴与局部参考坐标系的z轴的叉积来确定所述局部参考坐标系的x轴,使最 终得到的局部参考坐标系是可重复的、鲁棒的以及抗噪声的;通过将用于计算所述局部参考 坐标系的z轴的第一计算半径配置为根据网格分辨率进行自适应调整来使得所建立的局部参 考坐标系几乎不受网格分辨率的影响;在确定所述辅助轴z′轴时,通过采用比用于计算所述z 轴的第一计算半径大的第二计算半径,从而使得利用具有不同计算半径的两个z轴来计算得 到的x轴具有更好的重复性;另外,在确定所述辅助轴z′轴时,采用了加权协方差矩阵的计 算方式,其中对于质心而言越远的邻域点被设置了更小的权重值,这样可以增加对杂乱、遮 挡和不完整边界区域的重复性,同时为了提高鲁棒性。因此,即使存在遮挡、杂乱和噪声干 扰,或者是对场景或目标物体的3D点云进行网格简化,使用本申请所提出的采用辅助轴的 3D物体局部表面描述方法及装置可以使后续的3D形状匹配或识别获得相比现有技术更好的 效果。
附图说明
图1为根据本申请一实施例的一种采用辅助轴的3D物体局部表面描述方法的流程示意 图。
图2为根据本申请一实施例的为所述特征点p的球形邻域建立局部参考坐标系的流程示 意图。
图3为根据本申请一实施例的为所述特征点p的球形邻域建立局部参考坐标系的流程示 意图。
图4为根据本申请一实施例的一种采用辅助轴的3D物体局部表面描述装置的流程示意 图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例对本 申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不 用于限定本申请。
除非另有定义,本说明书所使用的所有技术和科学术语与属于本申请技术领域的技术人 员通常理解的含义相同。在本申请的说明书中所使用的术语只是为了描述具体的实施例,而 不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任 意组合和所有组合。
此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示技术特征的 数量或相对重要性。以下对本申请的各个具体实施例进行描述,且所描述的不同实施例中所 涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
众所周知,3D点云是扫描场景或物体之后,以点的形式记录场景或物体的表面,且每个 点包含有三维坐标。3D形状匹配,即是将用3D点数据表示的场景或物体表面与另一或多个 用3D点数据表示场景或物体表面进行匹配,以期进一步达到3D目标识别的结果。使用本申 请中的3D物体局部表面描述方法、装置或存储介质对3D物体的表面进行描述之后,即可进 行后续的3D形状匹配或3D目标识别。以下结合具体实施例和附图对本申请进行详细的描述。
根据本申请的第一方面,在一实施例中,如图1所示,本申请提出了一种采用辅助轴的 3D物体局部表面描述方法。所述方法可以包括:
获取场景的3D点云;
提取所述场景的3D点云的特征点p;
为所述特征点p的球形邻域建立局部参考坐标系,其中所述球形邻域的原点与所述特征 点p重合并具有大小为R的支撑半径,所述局部参考坐标系的原点与所述特征点p重合并具 有正交归一化的x轴、y轴和z轴;以及
基于所述局部参考坐标系建立3D局部特征描述符,并使用所述3D局部特征描述符对所 述球形邻域内的3D点集P进行编码,以表征所述球形邻域内的3D物体局部表面信息。
在本实施例中,所述场景可以是现实生活中、尤其是工业应用中的任何场景,本申请不 对该应用场景作出具体限制,只要是需要用到3D形状匹配或3D识别方法的场景都可以。在 本实施例中,所述3D点云可以是被实时地获取,所述3D点云也可以是预先存储的。
在本实施例中,所述特征点又称为关键点或兴趣点,也就是突出的形状特征点。在使用 3D模型从场景的3D点云中进行形状匹配以从场景中找出感兴趣3D物体时,一般可以先从 3D点云中确定一系列关键点,用包括关键点的3D物体局部表面与3D模型进行匹配。在本 实施例中,可以使用基于固定尺度(Fixed-Scale)的方法和基于自适应尺度(Adaptive-Scale)的方 法来获取3D点云中的特征点,也可以使用任何其它现有技术来获取特征点,本申请对此不 作限定。
在本实施例中,所述3D局部特征描述符可以是基于本申请的局部参考坐标系所建立的 任何局部特征描述符,例如,基于GA方法的任何现有局部特征描述符,本申请对此不作限 定。
在一实施例中,所述方法包括上述实施例的基本技术特征,并在上述实施例的基础之上, 如图2所示,为所述特征点p的球形邻域建立局部参考坐标系可以包括:
确定所述球形邻域的第一计算半径Rz,并基于所述第一计算半径Rz内的邻域点的协方差 矩阵来确定所述局部参考坐标系的z轴;
确定所述球形邻域的第二计算半径Rz′,并基于所述第二计算半径Rz′内的邻域点的协方 差矩阵来建立一辅助轴z′轴,其中所述第二计算半径大于所述第一计算半径;
将所述z轴与所述辅助轴z′的叉积确定为所述局部参考坐标系的x轴;以及
将所述z轴与所述x轴的叉积确定为所述局部参考坐标系的y轴。
在本实施例中,所述第一计算半径小于所述球形邻域的支撑半径R。
作为本实施例一优选实施方式,所述第一计算半径可以设置为Rz=R/3。
由于在实际获取3D点云时,不同的3D网格分辨率大小会致使所获得的3D点云具有不 同的密度,往往网格分辨率越大3D点云规模越大,在同样大小的空间中表示场景或物体表 面的3D点数目就越多。并且,当物体模型的网格分辨率低于场景时,相同半径内现实场景 中获取的邻域点会比用于匹配的模型的邻域点少,而当点非常稀疏时,如果使用较小的邻域 半径来计算场景局部参考坐标系的z轴,将会导致3D形状匹配的性能受到极大的负面影响从 而变得很差。因此,本申请提出了使用自适应的尺度因子来确定所述第一计算半径Rz,从而 使得所得到的z轴不仅对遮挡很鲁棒,而且对不同的网格采样很鲁棒。因此,作为本实施例 另一优选实施方式,如图3所示,所述确定所述球形邻域的第一计算半径Rz可以包括:
获取所述场景的平均网格分辨率scene.mr和模型的平均网格分辨率model.mr;
根据所述场景的平均网格分辨率scene.mr和所述模型的平均网格分辨率model.mr确定 半径比例因子δ,其中所述半径比例因子通过下式确定:
Figure BDA0002340497620000051
其中C为常数;
将所述第一计算半径Rz确定为Rz=δR。
在本优选实施方式中,通过将用于计算所述局部参考坐标系的z轴的计算半径配置为根 据网格分辨率进行自适应调整,从而使得所建立的局部参考坐标系可以几乎不受网格分辨率 的影响。
作为一优选实施方式,所述常数C可以为3。
在一实施例中,所述方法包括上述实施例的基本技术特征,并在上述实施例的基础之上, 在确定所述球形邻域的第一计算半径Rz之前,所述方法还可以包括:
预先确定至少两个半径比例因子,并预先确定与所述至少两个半径比例因子分别相对应 的局部参考坐标系和3D局部特征描述符;
将所述预先确定的至少两个半径比例因子和所述预先确定的3D局部特征描述符存储在 哈希表的不同位置处。
在一实施例中,所述方法包括上述实施例的基本技术特征,并在上述实施例的基础之上, 所述方法还可以包括:
使用根据所述场景的平均网格分辨率scene.mr和所述模型的平均网格分辨率model.mr 所确定的半径比例因子δ在所述哈希表中查找,将所述哈希表中与所述半径比例因子δ最接近 的半径比例因子所对应的3D局部特征描述符作为最终的3D局部特征描述符。
在本实施例中,每组预先确定的尺度因子与对应的3D局部特征描述符分别存储在哈希 表的不同位置处,并通过获得的半径尺度因子δ值在所述哈希表中进行索引查询,一旦从哈希 表中寻找到了最接近δ索引值的空间位置,立即提取该位置处的3D局部特征描述符,从而可 以减少局部表面的描述时间。
在一实施例中,所述方法包括上述实施例的基本技术特征,并在上述实施例的基础之上, 所述基于所述第一计算半径Rz内的邻域点的协方差矩阵来确定所述局部参考坐标系的z轴包 括:
提取所述球形邻域第一半径Rz内的3D点集Pz,其中Pz={pi|=1,2,3,……,n},pi为所 述球形邻域第一半径Rz内第i个邻域点,n为所述球形邻域第一半径Rz内的邻域点的数量;
为所述球形邻域第一半径Rz内的3D点集Pz建立如下式所示的协方差矩阵:
Figure BDA0002340497620000061
其中
Figure BDA0002340497620000062
为所述球形邻域第一半径Rz内的3D点集Pz的质心;
确定所述协方差矩阵cov(Pz)的最小特征值所对应的特征向量v;
对所述最小特征值所对应的特征向量v进行如下式所示的符号消歧,并将符号消歧之后的 特征向量确定为所述局部参考坐标系的z轴:
Figure BDA0002340497620000063
其中Ni为所述球形邻域第一半径Rz内第i个邻域点pi的法向量。
作为本实施例的一优选实施方式,所述第二计算半径可以设置为Rz′=。
在一实施例中,所述方法包括上述实施例的基本技术特征,并在上述实施例的基础之上, 所述基于所述第二计算半径Rz′内的邻域点的协方差矩阵来建立一辅助轴z′轴包可以包括:
提取所述球形邻域第二半径Rz′内的3D点集Pz′,其中Pz′={pj|j=1,2,3,……,m},pj为 所述球形邻域第二半径Rz′内第j个邻域点,m为所述球形邻域第二半径Rz′内的邻域点的数量;
为所述球形邻域第二半径Rz′内的3D点集Pz′建立如下式所示的协方差矩阵:
Figure BDA0002340497620000071
其中
Figure BDA0002340497620000072
为所述球形邻域第二半径Rz′内的3D点集Pz′的质心;
确定所述协方差矩阵cov(Pz′)的最小特征值所对应的特征向量v′;
对所述最小特征值所对应的特征向量v′进行如下式所示的符号消歧,并将符号消歧之后 的特征向量确定为所述辅助轴z′轴:
Figure BDA0002340497620000073
在一实施例中,所述方法包括上述实施例的基本技术特征,并在上述实施例的基础之上, 所述辅助轴z′轴是基于所述第二计算半径Rz′内的邻域点的加权协方差矩阵来建立的。在这种 情况下,所述基于所述第二计算半径Rz′内的邻域点的加权协方差矩阵来建立所述辅助轴z′轴 可以包括:
提取所述球形邻域第二半径Rz′内的3D点集Pz′,其中Pz′={pj|j=1,2,3,……,m},pj为 所述球形邻域第二半径Rz′内第j个邻域点,m为所述球形邻域第二半径Rz′内的邻域点的数量;
为所述球形邻域第二半径Rz′内的3D点集Pz′建立如下式所示的加权协方差矩阵:
Figure BDA0002340497620000074
其中
Figure BDA0002340497620000075
为所述球形邻域第二半径Rz′内的3D点集Pz′的质心,w(pj)为所述第j个邻域点 pj到所述质心
Figure BDA0002340497620000076
的距离的权重值,其中所述第j个邻域点pj到所述质心
Figure BDA0002340497620000077
的距离越远所述 权重值w(pj)越小;
确定所述加权协方差矩阵cov(Pz′)的最小特征值所对应的特征向量v′;
对所述最小特征值所对应的特征向量v′进行如下式所示的符号消歧,并将符号消歧之后 的特征向量确定为所述辅助轴z′轴:
Figure BDA0002340497620000078
作为本实施例的一优选实施方式,所述权重值w(pj)可以被设置为所述第j个邻域点pj到 所述质心
Figure BDA0002340497620000079
的距离的高斯函数。在本优选实施方式中,,与欧氏距离和豪斯多夫距离相比, 使用高斯距离可以更好地抵抗离群值,因为离质心更远的点会被赋予较小的权重。
作为本实施例的一优选实施方式,所述高斯函数可以具体为:
Figure BDA00023404976200000710
其中σ为所述高斯函数的标准差。
作为本实施例的一优选实施方式,所述标准差可以设置为σ=R。在本优选实施方式中, 标准差设置为等于所述球形邻域的支撑半径,可以更好地将所述球形邻域内的所有邻域点的 分布情况都考虑在内,从而可以使所获得局部参考坐标系具有更好的重复性。
根据本申请的第二方面,提出了一种采用辅助轴的3D物体局部表面描述装置。在一实 施例中,如图4所示,所述装置可以包括采集设备、存储器和处理器,其中所述采集设备被 配置为获取场景的3D点云,所述存储器存储有计算机程序,所述处理器执行所述计算机程 序时实施如下步骤:
提取所述场景的3D点云的特征点p;
为所述特征点p的球形邻域建立局部参考坐标系,其中所述球形邻域的原点与所述特征 点p重合并具有大小为R的支撑半径,所述局部参考坐标系的原点与所述特征点p重合并具 有正交归一化的x轴、y轴和z轴;以及
基于所述局部参考坐标系建立3D局部特征描述符,并使用所述3D局部特征描述符对所 述球形邻域内的3D点集P进行编码,以表征所述球形邻域内的3D物体局部表面信息;
其中为所述特征点p的球形邻域建立局部参考坐标系包括:
确定所述球形邻域的第一计算半径Rz,并基于所述第一计算半径Rz内的邻域点的协方差 矩阵来确定所述局部参考坐标系的z轴;
确定所述球形邻域的第二计算半径Rz′,并基于所述第二计算半径Rz′内的邻域点的协方 差矩阵来建立一辅助轴z′轴,其中所述第二计算半径大于所述第一计算半径;
将所述z轴与所述辅助轴z′的叉积确定为所述局部参考坐标系的x轴;以及
将所述z轴与所述x轴的叉积确定为所述局部参考坐标系的y轴。
在本实施例中,所述采集设备可以是3D扫描设备、激光扫描设备、结构光采集设备或 任何其它可以获得场景中3D点云的设备,所述存储器可以是任何具有软件存储功能的存储 设备,所述处理器是任何可以执行计算机程序并命令某一执行主体执行相关操作的处理器。 在一实施例中,所述采集设备所获取的3D点云数据可以直接或间接存储在所述存储器中, 或者可以由所述存储器或者处理器访问。在一实施例中,所述处理器可以直接或间接控制所 述采集设备获取所述3D点云数据。在本申请第二方面的其它实施例中,所述处理器执行所 述计算机程序时还可以分别实施本申请第一方面的各个具体实施例中的各个步骤,本文在此 不再累赘陈述。
根据本申请的第三方面,提出了一种计算机可读存储介质。在一实施例中,所述计算机 可读存储介质存储有计算机程序,所述计算机程序被处理器运行时分别执行本申请第一方面 各个具体实施例的方法中的步骤。本申请第三方面的其它技术特征均可以参见本申请第一方 面的具体实施例中的技术特征,本文在此不再累赘陈述。
以上所述的本申请的具体实施例,并不构成对本申请保护范围的限定。任何在本申请的 原理之内所作的修改、等同替换和改进等,均应包含在本申请的保护范围之内。

Claims (10)

1.一种采用辅助轴的3D物体局部表面描述方法,其特征在于,所述方法包括:
获取场景的3D点云;
提取所述场景的3D点云的特征点p;
为所述特征点p的球形邻域建立局部参考坐标系,其中所述球形邻域的原点与所述特征点p重合并具有大小为R的支撑半径,所述局部参考坐标系的原点与所述特征点p重合并具有正交归一化的x轴、y轴和z轴;以及
基于所述局部参考坐标系建立3D局部特征描述符,并使用所述3D局部特征描述符对所述球形邻域内的3D点集P进行编码,以表征所述球形邻域内的3D物体局部表面信息;
其中为所述特征点p的球形邻域建立局部参考坐标系包括:
确定所述球形邻域的第一计算半径Rz,并基于所述第一计算半径Rz内的邻域点的协方差矩阵来确定所述局部参考坐标系的z轴;
确定所述球形邻域的第二计算半径Rz′,并基于所述第二计算半径Rz′内的邻域点的协方差矩阵来建立一辅助轴z′轴,其中所述第二计算半径大于所述第一计算半径;
将所述z轴与所述辅助轴z′的叉积确定为所述局部参考坐标系的x轴;以及
将所述z轴与所述x轴的叉积确定为所述局部参考坐标系的y轴。
2.根据权利要求1所述的3D物体局部表面描述方法,其特征在于,所述确定所述球形邻域的第一计算半径Rz包括:
获取所述场景的平均网格分辨率scene.mr和模型的平均网格分辨率model.mr;
根据所述场景的平均网格分辨率scene.mr和所述模型的平均网格分辨率model.mr确定半径比例因子δ,其中所述半径比例因子通过下式确定:
Figure FDA0002340497610000011
其中C为常数;
将所述第一计算半径Rz确定为Rz=δR。
3.根据权利要求2所述的3D物体局部表面描述方法,其特征在于,在确定所述球形邻域的第一计算半径Rz之前,所述方法还包括:
预先确定至少两个半径比例因子,并预先确定与所述至少两个半径比例因子分别相对应的局部参考坐标系和3D局部特征描述符;
将所述预先确定的至少两个半径比例因子和所述预先确定的3D局部特征描述符存储在哈希表的不同位置处。
4.根据权利要求3所述的3D物体局部表面描述方法,其特征在于,所述方法还包括:
使用根据所述场景的平均网格分辨率scene.mr和所述模型的平均网格分辨率model.mr所确定的半径比例因子δ在所述哈希表中查找,将所述哈希表中与所述半径比例因子δ最接近的半径比例因子所对应的3D局部特征描述符作为最终的3D局部特征描述符。
5.根据权利要求1所述的3D物体局部表面描述方法,其特征在于,所述基于所述第一计算半径Rz内的邻域点的协方差矩阵来确定所述局部参考坐标系的z轴包括:
提取所述球形邻域第一半径Rz内的3D点集Pz,其中Pz={pi|i=1,2,3,……,n},pi为所述球形邻域第一半径Rz内第i个邻域点,n为所述球形邻域第一半径Rz内的邻域点的数量;
为所述球形邻域第一半径Rz内的3D点集Pz建立如下式所示的协方差矩阵:
Figure FDA0002340497610000021
其中
Figure FDA0002340497610000022
为所述球形邻域第一半径Rz内的3D点集Pz的质心;
确定所述协方差矩阵cov(Pz)的最小特征值所对应的特征向量v;
对所述最小特征值所对应的特征向量v进行如下式所示的符号消歧,并将符号消歧之后的特征向量确定为所述局部参考坐标系的z轴:
Figure FDA0002340497610000023
其中Ni为所述球形邻域第一半径Rz内所述第i个邻域点pi的法向量。
6.根据权利要求1所述的3D物体局部表面描述方法,其特征在于,基于所述第二计算半径Rz′内的邻域点的加权协方差矩阵来建立所述辅助轴z′轴,其中所述基于所述第二计算半径Rz′内的邻域点的加权协方差矩阵来建立所述辅助轴z′轴包括:
提取所述球形邻域第二半径Rz′内的3D点集Pz′,其中Pz′={pj|j=1,2,3,……,m},pj为所述球形邻域第二半径Rz′内第j个邻域点,m为所述球形邻域第二半径Rz′内的邻域点的数量;
为所述球形邻域第二半径Rz′内的3D点集Pz′建立如下式所示的加权协方差矩阵:
Figure FDA0002340497610000024
其中
Figure FDA0002340497610000025
为所述球形邻域第二半径Rz′内的3D点集Pz′的质心,w(pj)为所述第j个邻域点pj到所述质心
Figure FDA0002340497610000026
的距离的权重值,其中所述第j个邻域点pj到所述质心
Figure FDA0002340497610000027
的距离越远所述权重值w(pj)越小;
确定所述加权协方差矩阵cov(Pz′)的最小特征值所对应的特征向量v′;
对所述最小特征值所对应的特征向量v′进行如下式所示的符号消歧,并将符号消歧之后的特征向量确定为所述辅助轴z′轴:
Figure FDA0002340497610000031
7.根据权利要求6所述的3D物体局部表面描述方法,其特征在于,所述权重值w(pj)为所述第j个邻域点pj到所述质心
Figure FDA0002340497610000032
的距离的高斯函数。
8.一种采用辅助轴的3D物体局部表面描述装置,其特征在于,所述装置包括采集设备、存储器和处理器,其中所述采集设备被配置为获取场景的3D点云,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实施如下步骤:
提取所述场景的3D点云的特征点p;
为所述特征点p的球形邻域建立局部参考坐标系,其中所述球形邻域的原点与所述特征点p重合并具有大小为R的支撑半径,所述局部参考坐标系的原点与所述特征点p重合并具有正交归一化的x轴、y轴和z轴;以及
基于所述局部参考坐标系建立3D局部特征描述符,并使用所述3D局部特征描述符对所述球形邻域内的3D点集P进行编码,以表征所述球形邻域内的3D物体局部表面信息;
其中为所述特征点p的球形邻域建立局部参考坐标系包括:
确定所述球形邻域的第一计算半径Rz,并基于所述第一计算半径Rz内的邻域点的协方差矩阵来确定所述局部参考坐标系的z轴;
确定所述球形邻域的第二计算半径Rz′,并基于所述第二计算半径Rz′内的邻域点的协方差矩阵来建立一辅助轴z′轴,其中所述第二计算半径大于所述第一计算半径;
将所述z轴与所述辅助轴z′的叉积确定为所述局部参考坐标系的x轴;以及
将所述z轴与所述x轴的叉积确定为所述局部参考坐标系的y轴。
9.根据权利要求8所述的3D物体局部表面描述装置,其特征在于,所述处理器执行所述计算机程序时还实施如权利要求2-7任一项所述方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1-7任一项所述方法中的步骤。
CN201911374276.5A 2019-12-27 2019-12-27 采用辅助轴的3d物体局部表面描述方法、装置及存储介质 Active CN113033270B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911374276.5A CN113033270B (zh) 2019-12-27 2019-12-27 采用辅助轴的3d物体局部表面描述方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911374276.5A CN113033270B (zh) 2019-12-27 2019-12-27 采用辅助轴的3d物体局部表面描述方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN113033270A true CN113033270A (zh) 2021-06-25
CN113033270B CN113033270B (zh) 2023-03-17

Family

ID=76458525

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911374276.5A Active CN113033270B (zh) 2019-12-27 2019-12-27 采用辅助轴的3d物体局部表面描述方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN113033270B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120206438A1 (en) * 2011-02-14 2012-08-16 Fatih Porikli Method for Representing Objects with Concentric Ring Signature Descriptors for Detecting 3D Objects in Range Images
CN107478203A (zh) * 2017-08-10 2017-12-15 王兴 一种基于激光扫描的3d成像装置及成像方法
CN108388902A (zh) * 2018-02-12 2018-08-10 山东大学 结合全局框架点与局部shot特征的复合3d描述子构建方法
CN109215129A (zh) * 2017-07-05 2019-01-15 中国科学院沈阳自动化研究所 一种基于三维点云的局部特征描述方法
CN109241901A (zh) * 2018-08-30 2019-01-18 天津理工大学 一种对具有孔洞的三维点云的检测与识别方法
CN109671155A (zh) * 2018-12-21 2019-04-23 北京林业大学 基于点云数据的表面网格重建方法、系统及相关设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120206438A1 (en) * 2011-02-14 2012-08-16 Fatih Porikli Method for Representing Objects with Concentric Ring Signature Descriptors for Detecting 3D Objects in Range Images
CN109215129A (zh) * 2017-07-05 2019-01-15 中国科学院沈阳自动化研究所 一种基于三维点云的局部特征描述方法
CN107478203A (zh) * 2017-08-10 2017-12-15 王兴 一种基于激光扫描的3d成像装置及成像方法
CN108388902A (zh) * 2018-02-12 2018-08-10 山东大学 结合全局框架点与局部shot特征的复合3d描述子构建方法
CN109241901A (zh) * 2018-08-30 2019-01-18 天津理工大学 一种对具有孔洞的三维点云的检测与识别方法
CN109671155A (zh) * 2018-12-21 2019-04-23 北京林业大学 基于点云数据的表面网格重建方法、系统及相关设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄潜 等: "基于三维扫描的机车走行部螺栓识别与定位", 《光电工程》 *

Also Published As

Publication number Publication date
CN113033270B (zh) 2023-03-17

Similar Documents

Publication Publication Date Title
Guo et al. A novel local surface feature for 3D object recognition under clutter and occlusion
JP5705147B2 (ja) 記述子を用いて3dオブジェクトまたはオブジェクトを表す方法
CN111553409B (zh) 一种基于体素形状描述符的点云识别方法
JP4686762B2 (ja) 三次元形状の位置あわせ方法及びプログラム
CN108052942B (zh) 一种飞机飞行姿态的视觉图像识别方法
JP5251080B2 (ja) 物体認識方法
CN109215129B (zh) 一种基于三维点云的局部特征描述方法
JP2011238204A (ja) 3次元シーンにおける3次元物体の認識及び位置姿勢決定方法
CN113168729B (zh) 一种基于局部参考坐标系的3d形状匹配方法及装置
Adán et al. 3D scene retrieval and recognition with depth gradient images
Drost et al. Local hough transform for 3d primitive detection
CN115685160A (zh) 基于标靶的激光雷达与相机标定方法、系统、电子设备
Ao et al. A repeatable and robust local reference frame for 3D surface matching
CN109872343B (zh) 弱纹理物体姿态跟踪方法、系统及装置
CN113033270B (zh) 采用辅助轴的3d物体局部表面描述方法、装置及存储介质
Liu et al. Robust 3-d object recognition via view-specific constraint
Zhao et al. A quantitative evaluation of comprehensive 3D local descriptors generated with spatial and geometrical features
Zhao et al. A 3D image processing method for manufacturing process automation
Ouyang et al. Iterative Closest Point (ICP) Performance Comparison Using Different Types of Lidar for Indoor Localization and Mapping.
Guo et al. A hybrid framework based on warped hierarchical tree for pose estimation of texture-less objects
CN112446952A (zh) 三维点云法向量的生成方法、装置、电子设备及存储介质
Rozsa et al. Exploring in partial views: Prediction of 3D shapes from partial scans
Zhou et al. Feature fusion information statistics for feature matching in cluttered scenes
Sun et al. A 3d descriptor based on local height image
CN117274264B (zh) 二次电池机械件智能装配方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant