精华内容
下载资源
问答
  • 三维物体识别

    2013-06-17 10:04:01
    (Appearance-based)或基于视图(View-based)的三维物体识别算法研究,近来 成为人们研究的热点。基于视图的方法通过视觉相似性来识别物体,使得识别系 统设计相对简单,无需显式计算物体的三维模型。另外一方面,...
  • 144三维物体识别装置,三维物体识别方法和车辆_new.pdf
  • 阴影、纹理的影响等优势,基于点云的三维物体识别已成为计算机视觉领域的研究热点。首先,对近年来面向点云数 据的三维物体识别方法进行归纳和总结;然后,对已有方法的优势及缺点进行分析;最后,指出点云物体识别中...
  • 提出了一种基于调制度分析的快速三维物体识别方法。将两个有一定间距且正交的光栅同时投影到被识别物体表面上,使被识别物体位于两个光栅正焦像面之间,从同一方向获取被物体高度信息调制的正交光栅像,而物体的高度...
  • 收集了一些三维物体识别算法相关的论文,比如“基于模型的三维物体识别”、“基于形态图表示的三维物体识别算法”
  • "...(2)角度信息可能独立于形状信息表征,深度旋转方式下的识别成绩优于平面旋转,表明以观察者为中心理论能够更好地解释三维物体识别的深度旋转现象。研究结果为物体识别理论的融合提供了实证依据。
  • 机器学习在基于点云的三维物体识别领域的研究综述.pdf
  • 基于LineMod与ORK的三维物体识别与姿态估计

    基于LineMod与ORK的三维物体识别与姿态估计

    下图是OpenCV linemod,感觉有点不太准。

    ORK识别,感觉环境配置有点难。识别桌面然后提取平面内的物体。不建议使用,这个链接里的PDF有详细使用感受,要是早看到就好了:https://ipvs.informatik.uni-stuttgart.de/mlr/papers/15-kaelberer_klein_paule-Fachstudie.pdf 

    展开全文
  • 这篇文章主要学习广义霍夫变换在三维物体识别中的改进和应用。 首先思考一个问题,如果直接将广义霍夫变换应用在三维场景下的物体识别中会怎么样? 先确定未知参数的个数,由基本的三维物体识别和姿态估计知识,六个...

    前两篇文章,学习了经典霍夫变换和广义霍夫变换,我们对霍夫变换的原理和整个过程有了较为清楚的认知。这篇文章主要学习广义霍夫变换在三维物体识别中的改进和应用。
    首先思考一个问题,如果直接将广义霍夫变换应用在三维场景下的物体识别中会怎么样?
    先确定未知参数的个数,由基本的三维物体识别和姿态估计知识,六个自由度,包括三个方向的角度和位移,即6个未知参数;直接应用(这里,以特征点的法线方向替代梯度方向[1]),显然霍夫参数空间是6维的,空间复杂度O(N6);这六个参数中的三个角度,是需要遍历的,即有穷举过程,时间复杂度O(MN3),其中M是特征点个数,N是量化间隔数目(即单维度的区间划分个数)。
    代价极高!显然,直接应用是不可取的。
    接下来我们看一种改进方法[2]。
    在这里插入图片描述
    描述上图,离线过程很好理解,即从模型中学习特征,并将特征存储(特征描述子的存储方式,参考PFH,FPFH,VFH,SHOT[3]等一些描述子的特征直方图)。
    在线过程,计算场景的特征,和模型特征匹配,霍夫投票,根据投票结果计算旋转矩阵和平移向量。这里逐个解释:
    1、特征,特征描述子内容较多,下一篇文章中详细解释SHOT[3]特征描述子,文章[2]提出的方法,仅适用于基于局部参考系(Local Reference Frame,LRF)的特征描述子(事实上,先进的特征提取方法是要构建局部参考系的);为了方便理解这篇文章,这里简要描述一下局部参考系的构建过程[3]:对于特征点p,给定半径r,在以p为球心,半径为r的球体内,计算球内所有点的质心,根据这些点和质心构建协方差矩阵M,对M进行特征值分解,局部参考系的x,y,z三个轴就是由三个特征向量确定的,这里只是简要说明。
    显然,局部参考系具有旋转和平移不变性,文章的改进就是充分利用了这一点。
    ps:上面提到的PFH、FPFH、VFH没有构建局部参考系,PFH、FPFH是局部特征描述子,VFH是全局的,而SHOT是构建了局部参考系的局部特征描述子。
    2、特征匹配,其目的是为了确定特征对应关系,两两匹配;常见的匹配方法,计算描述子之间的欧式距离(这里不要局限于一般意义的距离,两个角度之间也是可以计算欧式距离的);距离小于给定阈值的就认为匹配成功,显然,这种匹配方法往往包含了一些错误点对,这是很难避免的,性能优异的描述子能够使匹配正确率提高。
    3、霍夫投票,着重理解。
    先看一些变换关系:
    在这里插入图片描述
    上图中虚线左边是在模型点云中的,F是特征点,在其周围构建了局部参考系;C是选取的参考点(文章中选取了模型质心);R是由全局参考系到局部参考系的变换矩阵,它是由局部参考系的3个单位向量确定的。看下面几个公式:
    在这里插入图片描述
    向量V的计算与一般的霍夫变换是相同的。
    在这里插入图片描述将V由全局参考系变换到局部参考系。
    在这里插入图片描述
    变换矩阵R的构建。
    对于场景中,上述过程是类似的。看一下图像空间到参数空间的投射关系:
    对于一个点对,在局部参考系下:
    在这里插入图片描述
    投射:
    在这里插入图片描述
    等式左边的V确定,即可确定参考点;每个对应关系,在霍夫参数空间中投一票。如果你仔细学习了霍夫变换,这是很好理解的。根据匹配好的对应关系,每个场景中的特征点只进行一次投票,这与广义霍夫变换中一个特征点进行多次投票是不同的,省去了很多计算,同时也对对应关系的正确性产生了依赖。
    得益于局部参考系的旋转和平移不变性,投票过程仅需要上面的步骤,即仅根据V向量的三个分量构造霍夫参数空间,其维度仅为3,空间复杂度O(N3);没有穷举过程,时间复杂度O(M),其中M是特征点个数,N是量化间隔数目;效率极大提高。
    干扰因素的存在可能使投票散落在峰值网格周边的网格之中,因此,文章将峰值网格的6个临近网格的票数加在当前网格。
    应用广义霍夫变换,显然,多个峰值往往对应着多个目标,单/多目标都可通过一次投票识别完成。
    求解旋转矩阵时,选取对应关系的子集,这些子集是与票数最高的那个网格对应的,这样能提高准确率和效率。平移向量求解是非常简单的,如:质心相减。
    算法部分就学习到这里,接下来看文中的对比实验:
    在这里插入图片描述
    观察P-R曲线,显然文中方法优于另外两种方法。这里要提一下GC(geometric consistency,几何一致性分组),GC和本文的霍夫变换是可以应用于实际的两种效果比较好的物体识别方法(见PCL官方教程代码)。
    至此,广义霍夫变换在三维物体识别中的改进和应用就学习完了;下一篇文章学习SHOT描述子。
    参考文献:
    (1) K. Khoshelham, “Extending generalized hough transform to detect 3d objects in laser range data,” in Proc. ISPRS Workshop on Laser Scanning, 2007, pp. 206–210.
    (2) Tombari F , Stefano L D . Object recognition in 3D scenes with occlusions and clutter by Hough voting[C]// 2010 Fourth Pacific-Rim Symposium on Image and Video Technology. IEEE, 2010.
    (3) Salti S , Tombari F , Stefano L D . SHOT: Unique signatures of histograms for surface and texture description[J]. Computer vision and image understanding, 2014, 125(AUG.):251-264.

    展开全文
  • 为准确识别三维物体,提出了一种新的物体特征框架,采用密集采样的多分辨率网格来描述物体观测图像的局部特征,引入Markov随机场模型对网格节点之间的几何关系进行建模。不同图像之间的匹配通过最高置信度优先算法...
  • 应用于物体识别方面的一篇很好的论文,讲述的比较清楚!
  • 一篇很好的物体识别方面的文献,主要讲的是sift算法
  • 先有概念(范畴),然后才能“看见”物体。 所谓“真实外部世界”就是我们的认知范畴创造的世界,康德把真正的外部世界叫做“物自体”——有一个东西在那里,你要认知它真正是什么,以及何所由来,永远不可知。 — ...

    Up主最近找工作中,有合适的机会,介绍给我哈。

    康德最重要的著作《纯粹理性批判》的核心思想是,不是主体被动反映客体,而是主体主动构造客体。先有概念(范畴),然后才能“看见”物体。

    所谓“真实外部世界”就是我们的认知范畴创造的世界,康德把真正的外部世界叫做“物自体”——有一个东西在那里,你要认知它真正是什么,以及何所由来,永远不可知。

    经过康德大神的启发性思考,我们来认真思考,人类大脑是如何认知猫就是猫的,其实我们并不需要看几十甚至几百中猫后,才能知道猫就是猫。通常我只要看过一只猫,或者一只猫的图片,我们就能知道什么是猫了。

    ---- 我们大脑中有什么样的范式,决定了我们能看见什么东西。
    ---- 人脑里先是有了相应的功能模块,或者范式,然后才能认识物体。

    目前,我们知道大脑中有关于,听觉,视觉,感觉,空间,时间,情绪,存在,逻辑推理,语言等模块。

    目前图像识别领域,主要还是利用NN在二维上进行图像的识别。 而这些图像中的大多数实物,在真实世界中应该是三维的。 是否可以理解为,大脑中已存在可以识别体的模块。 这样操作起来会容易很多。 像目前的图像识别,是以二维的模式,去识别三维世界物体在二维平面上的投射。同一个三维的体,会有无数多种在二维世界的投射图像。

    所以目前做机器学习的时候,需要大量的数据,通过对体的不同的二维世界的投影,来识别体本身。

    这样看来,还是太麻烦了一些。我们是否有办法,直接设计一个体的识别模块。 如果非要在二维世界中对体进行认识,可否把三维的体,处理成二维的图片,然后进行识别? 注意:不是三维体部分投影的图片,而是如下图这样,把三维的体处理成二维图片。
    球面投影在这里插入图片描述
    这样,作为球体的地球的全部信息,就展示在右边这张图片上了,就相当于我们已经给机器建立了一个左边地球的完整概念(忽略距离维度)。 在机器有了地球这个概念以后,我们是否就能够摆脱大量的数据训练出来的模型。 而让机器更直观的识别出别的地球的图片??

    当然,这里的地球,可以换成其他的三维物体,包括:猫,狗,火车,飞机等。

    对此想法感兴趣的人,我们可以聊一下。

    有空还需要好好拜读一下康德的《纯粹理性批判》,你大爷终究是你大爷。

    展开全文
  • 服务机器人,人机交互,虚拟现实,机器人视觉导航,三维重构、逆向工程。 三维重构 基于图像的方法:用传统相机从不同角度拍摄照片,根据刚体变换,将二维图像映射到三维空间。成本低,但计算复杂,重构精度不高。 ...

    研究意义

    服务机器人,人机交互,虚拟现实,机器人视觉导航,三维重构、逆向工程。

    三维重构

    基于图像的方法:用传统相机从不同角度拍摄照片,根据刚体变换,将二维图像映射到三维空间。成本低,但计算复杂,重构精度不高。
    基于建模软件的方法:AutoCAD,3DMAX等软件,构建参数化模型。适用于仿真模型建立,影视特效制作等,需要专业人员进行建模操作。
    基于深度检测设备的方法:结构光,激光,TOF。根据直接获取的三维信息,对多视角点云面片进行匹配融合,重构三维模型。关键技术:降噪和精确匹配。
    扫描设备:成本高,不适用体积过大的物体。

    三维物体识别

    1.二维图像

    几何模型:边缘信息
    外观及视图:多角度二维信息,SVM分类器
    局部特征:SIFT
    深度图像:2.5D,SI;LSP;NARF
    对光照,物体表面材质,相机角度等敏感。

    2.三维点云

    局部特征:PS;SI;3DSC;USC;ISS;RoPS;PFH;FPFH;SHOT等
    在这里插入图片描述
    全局特征:VFH;CVFH;OUR-CVFH;GFPFH;ESF等

    展开全文
  • 视觉抓取中非常重要的一个部分就是对抓取物体的识别,无论是二维图像还是三维...object_2d包进行了简单的测试,本次测试的是三维物体识别的框架,该框架是基于物体的三维模型进行训练并识别,大致的思想也是模板...
  • 基于深度学习的三维点云识别

    万次阅读 多人点赞 2018-10-10 10:23:34
    一、什么是三维物体识别 ​ 随着三维成像技术的发展,结构光测量、激光扫描、ToF等技术趋于成熟,物体表面的三维坐标能够精准而快速的获取,从而生成场景的三维数据,能够更好地感知和理解周围环境。三维数据包含了...
  • 一文教会你三维网格物体识别

    千次阅读 2018-06-15 18:13:18
    本文由「图普科技」编译自Medium2017年3月,当时我的老板说自动识别3D物体几乎是不可能的,但大家一致反对。因此,今天我要解决的问题是:如何输入3D网格物体(原始三角形和顶点),得到分类概率的输出。我找到了...
  • 采用少数多视角平面图像识别三维物体技术 采用少数多视角平面图像识别三维物体技术
  • 本文提出了一种新颖的三维物体旋转容忍识别方法,该方法结合了积分成像(II)和合成判别函数(SDF)的优点。 SDF的目标是过滤器和容错识别,我们将其用于II系统的三维(3-D)旋转容忍识别。 该方法利用II元素图像的...
  • 深度摄像机实现物体识别三维定位
  • 四年前的论文列表拿出来,...在三维目标位姿识别的通路搭建过程中,使用到了下面列举的论文,其他使用到的方法相关性不是特别强,因此暂时没有列举出来。其中,有些论文没卵用,只是用来灌水的,看一下即可,不用深究。
  • 利用级联神经网络模型对多个三维目标进行识别,为提高其正确识别率,提出多种优化方法,它们可单独使用,也可以联合使用。对不变性编码、算法、互连权重的二值化方法、样本优选等进行了研究和探讨。利用优化后的模型对三...
  • 三维人脸识别研究

    千次阅读 2019-11-05 09:42:19
    三维人脸研究 三维人脸研究现状: 传统的人脸识别方法是基于二维图像分析的理论进行人脸的表示、分析、提取特征并进行分类识别。虽然基于二维图像的人脸识别算法在半个多世纪的研究过程中,取得了丰硕的成果,...
  • david lowe的三维识别算法,模块化程序实例讲解sift三维物体识别
  • 近二十多年来,虽然基于图像的人脸识别已取得很大进展,并可在约束环境下获得很好的识别性能,但仍受光照、姿态、表情等变化的影响很大,其本质原因在于图像是三维物体在二维空间的简约投影.因此,利用脸部曲面的显式三维...
  • 3D物体识别

    2017-06-12 19:45:39
    我们在第五节和第六节中讲解了柱体识别和立方体识别,这两个章节的内容都只是针对简单几何体进行识别,在本节中,我们将介绍不规则三维物体识别的识别步骤和方法。
  • pcl 基于对应分组的三维目标识别

    千次阅读 热门讨论 2017-04-08 11:24:47
    本教程旨在说明如何基于pcl_recognition模块的三维物体识别,本教程解释了如何使用对应分组算法,获得的模型和实际场景的3D描述子匹配后,以集群的点至点的对应关系找到场景中好模型相似的实例。每个集群,代表一个...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 30,780
精华内容 12,312
关键字:

三维物体识别