邓天睿,刘冉,肖宇峰,郭林,蓝发籍,王林.基于曲率关键点的点对特征三维目标识别[J].光电子激光,2024,35(7):691~698
基于曲率关键点的点对特征三维目标识别
Three-dimensional object recognition based on point-pair features of curvature key points
投稿时间:2023-01-04  修订日期:2023-04-10
DOI:
中文关键词:  三维(3D)目标识别  点对特征  关键点提取  假设检验
英文关键词:three-dimensional (3D) object recognition  point-pair feature  key point extraction  hypothesis verification
基金项目:国家自然科学基金(12175187、12205245)、国家重点研发计划(2019YFB1310805)和四川省自然科学基金 (2023NSFSC0505)资助项目
作者单位
邓天睿 西南科技大学 信息工程学院四川 绵阳621000
特殊环境机器人技术四川省重点实验室四川 绵阳 621000 
刘冉 西南科技大学 信息工程学院四川 绵阳621000
特殊环境机器人技术四川省重点实验室四川 绵阳 621000 
肖宇峰 西南科技大学 信息工程学院四川 绵阳621000
特殊环境机器人技术四川省重点实验室四川 绵阳 621000 
郭林 西南科技大学 信息工程学院四川 绵阳621000
特殊环境机器人技术四川省重点实验室四川 绵阳 621000 
蓝发籍 西南科技大学 信息工程学院四川 绵阳621000
特殊环境机器人技术四川省重点实验室四川 绵阳 621000 
王林 西南科技大学 信息工程学院四川 绵阳621000
特殊环境机器人技术四川省重点实验室四川 绵阳 621000 
摘要点击次数: 126
全文下载次数: 11
中文摘要:
      精准的三维(three-dimensional,3D) 目标识别对于机器人自主抓取至关重要,针对目前基于原始点对特征(point-pair feature,PPF) 的三维目标识别算法中存在识别速度慢、严重遮挡场景下识别率低的问题,提出了一种基于曲率关键点的点对特征三维目标识别算法。该算法根据点云法向量邻域夹角均值,快速估算点云曲率,以此提取关键点,通过对关键点计算点对特征,剔除了模型点对特征哈希表中存在的大量冗余点对。使用结合位姿聚类和假设检验的位姿优化算法,首先通过位姿聚类对候选假设位姿进行优化,其次位姿聚类后采用ICP (iterative closest point)算法对候选位姿进行细化,最后利用基于重合度计算匹配分数的假设检验算法滤除错误假设并得出最佳假设位姿。实验结果表明,在公开数据集上,所提方法能够获得95.2%的平均识别率,减少模型点对特征哈希表构建时间并且提高在严重遮挡场景下的识别率。
英文摘要:
      Three-dimensional (3D) target recognition plays a critical role in autonomous robot grasping.The original point-pair feature-based 3D target recognition methods are facing the challenges,such as slow recognition speed and poor recognition accuracy in severely occluded scenes.To address these issues,this paper proposes a 3D target recognition method based on the point-pair feature of curvature key points.First,the key points are extracted based on the curvature,which is estimated by mean angle of neighbored point cloud normal vector in a point cloud.Second,the point-pair features are established for key points to eliminate redundant point pairs in the point-pair feature Hash table.Third,through processes of pose clustering and hypothesis verification,the pose optimization is achieved.In particular,we optimize the candidate poses by pose clustering and then refine the pose by the iterative closest point (ICP) algorithm.Finally,the incorrect poses are eliminated by the hypothesis verification of poses according to the overlap score. The hypothesis of optimal posture is obtained. The experiment results show that the proposed method achieves an average recognition accuracy of 95.2% on a public dataset,and significantly reduce the construction time of the point-pair feature Hash table,while enhancing the recognition performance in severely occluded scenes.
查看全文    下载PDF阅读器
关闭

版权所有:《光电子·激光》编辑部  津ICP备12008651号-1
主管单位:天津市教育委员会 主办单位:天津理工大学 地址:中国天津市西青区宾水西道391号
技术支持:北京勤云科技发展有限公司