基于點云的空間物體理解與識別方法研究.pdf

1、空間物體的理解與識別廣泛應用于機器人感知導航、人身安全和環(huán)境監(jiān)控、醫(yī)學影像診斷解釋和計算機輔助外科手術等方面。近年來，隨著空間物體數據信息獲取技術的提高特別是三維激光掃描儀的普及，基于離散點表示的空間物體受到了越來越多研究者的關注，然而離散點表示的空間物體外形信息和拓撲結構的復雜性、物體獲取方式的多樣性、以及其環(huán)境影響因素的多變性等，都給機器識別帶來了新的挑戰(zhàn)。如何使計算機獲得人類所具備的視覺感知和認知能力，進而達到自動理解與識別窄間物

2、體的目的，一直是機器視覺領域的一個研究難點。本文正是圍繞這一問題開展的研究，其主要工作與貢獻有：
　　 (1)提出了一種基于感知信息的單目標空間物體形狀分解方法，稱為SDPI(Shape Decompositionbasedon Perception Information)方法。該方法根據人類視覺感知信息以及極小值規(guī)則，通過邊界特征提取具有形狀標識的分塊特征點，以分塊特征點為引導，基于曲率變化和感知約束實現空間物體的形狀分解，

3、從而獲得物體的結構描述。該方法實現了與人類的視覺感知相一致的分解結果，并為進一步理解和識別物體提供幾何描述和數據支持。
　　 (2)提出了一種基于形狀語義圖的單目標物體理解和識別方法。該方法基于單目標物體的結構描述，通過檢測物體結構間分解標記的改變找到各分解結構之間的分界面，提取了具有中心性的分解級骨架，獲得物體的拓撲語義描述，建立了物體的形狀語義圖SSG(Shape Semantic Graph)，定義了SSG之間的初始相似度

4、和遞進相似度，通過相似度度量進而實現對物體的理解與識別。
　　 (3)提出了一種面向多目標空間場景的層次分割方法，稱為SSPD(Segmentation for Scenesin Point Cloud)方法。首先，利用點集的微分特性、泫向一致性約束及局部連通性對空間場景進行分割，結合目標融合策略和目標細分方案進一步優(yōu)化場景分割結果，形成多個獨立的、有意義的空間場景單目標物體對象，進而建立空間場景的結構描述。其次，通過局部連通區(qū)

5、域搜索及種子點擴張標準對單目標物體進行細節(jié)分解或分割，結合SDPI建立單目標物體的結構描述，最終實現空間場景的層次分割與結構表達。為空間場景的高層表征、理解和識別提供必要的基礎。
　　 (4)提出了一種基于知識的多目標空間場景表示與識別方法。該方法基于空間場景的層次結構分割結果，利用知識為多目標空間場景提供了一種抽象的、更高級別的、便于計算機理解的描述方法，包括場景幾何特征的表示，以及多個單目標之間相互關系和約束的表達，進而利用

6、知識推理實現場景目標的識別，并根據知識規(guī)則的真實度和可信度解決知識表示的不確定性以及由此導致的識別錯誤問題，結合多個特征來提取物體結構中的一般規(guī)則以解決物體信息缺失造成識別率下降的問題，從而有效地實現計算機對3D場景的理解與識別。
　　 (5)設計了空間物體理解與識別SUAR(Spatial Objects Understanding and Recognition)的可應用平臺。將多目標空間場景與單目標物體的理解與識別相結合，