检索结果-南通市图书馆

基于点云中心约束的点对特征三维物体识别算法

在线全文

学校读者我要写书评

暂无评论

组合机床与自动化加工技术 2023年第6期 27-30,34页

作者：邓仕超杨龙梁晨光高兴宇蒋应良桂林电子科技大学广西制造系统与先进制造技术重点实验室桂林541004

目标姿态识别系统中能够快速、准确在复杂场景里识别目标物体是实现机器人在线抓取的关键,针对传统点对特征(PPF)算法相邻物体点云干扰的问题,提出了一种基于点云中心约束点对特征的三维物体识别算法。首先通过法向量相交约束为条件提... 详细信息

目标姿态识别系统中能够快速、准确在复杂场景里识别目标物体是实现机器人在线抓取的关键,针对传统点对特征(PPF)算法相邻物体点云干扰的问题,提出了一种基于点云中心约束点对特征的三维物体识别算法。首先通过法向量相交约束为条件提取物体中心,然后根据模型的大小筛选出相关的点对特征,最后利用共面点对和物体中心特征,实现计算三维物体的姿态,以此来提高识别速度。实验结果表明,该算法显著减少特征描述符数量,提高了三维物体在复杂场景中的识别速度。与原始的点对特征算法相比,该方法对三维目标识别具有较好的性能与速度。

关键词：三维物体识别点对特征点云中心法向量

在线全文

学校读者我要写书评

暂无评论

基于深度学习的三维物体识别及姿态估计技术

基于深度学习的三维物体识别及姿态估计技术

作者：王鹏学华中科技大学

学位级别：硕士

现代制造业对生产过程的智能化与信息化水平提出了更高的要求,机械臂抓取、自动化装配、自动化测量等应用都对物体识别与姿态估计技术有广泛需求。与二维图像相比,三维点云可以得到物体的深度信息,因此利用三维点云可获得更高精度物体姿... 详细信息

现代制造业对生产过程的智能化与信息化水平提出了更高的要求,机械臂抓取、自动化装配、自动化测量等应用都对物体识别与姿态估计技术有广泛需求。与二维图像相比,三维点云可以得到物体的深度信息,因此利用三维点云可获得更高精度物体姿态,从而满足实际应用需求。基于双目视觉技术获取的三维点云数据,论文应用深度学习技术对物体识别和姿态估计技术进行研究,主要工作如下:针对物体完整三维点云采集难度大和视角差异带来的点云旋转变换问题,提出了多视图信息融合的三维点云识别深度网络。该网络训练时以多个视角下的点云数据作为输入,融合多视角的特征强化网络对局部特征的提取能力,提高推理时对单视图三维点云的识别性能。实验结果表明,基于多视图训练的三维点云识别网络在基于Model Net数据集制作的数据上识别准确率达到了87.6%,相比其它方法性能更佳。针对迭代最近点算法受初始位置和噪声影响大的问题,提出了深度网络粗配准与迭代最近点精配准的两阶段配准方法实现物体姿态估计。首先根据刚体数据的配准特点改进鲁棒点配准网络并进行粗配准,再使用迭代最近点精配准完成物体姿态估计。该姿态估计方法的速度和精度相对迭代最近点配准算法均有所提升。根据整个算法流程进行了实际物体的验证实验。使用深度相机采集双目图像,根据立体成像原理生成待测物体的场景点云。由于实际采集过程中存在噪声和干扰,对场景点云使用滤波和平面分割的方法进行预处理以获得所需的物体点云。基于获取的实际数据,首先对物体进行类型识别,然后对物体进行姿态估计并评估其误差,验证了算法的准确性和可行性。

关键词：三维物体识别姿态估计点云配准深度学习多视图融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视角无关特征的三维物体识别方法研究

基于视角无关特征的三维物体识别方法研究

作者：郭江涛广东工业大学

学位级别：硕士

近年来,三维物体识别技术发展迅速,在汽车自动驾驶、机器人抓取、电子商务、外观专利检索等领域中得到了广泛应用。相较于基于体素信息、点云信息的三维物体识别技术,基于多视角图像的三维物体识别技术依靠高分辨率的二维图像以及较成... 详细信息

近年来,三维物体识别技术发展迅速,在汽车自动驾驶、机器人抓取、电子商务、外观专利检索等领域中得到了广泛应用。相较于基于体素信息、点云信息的三维物体识别技术,基于多视角图像的三维物体识别技术依靠高分辨率的二维图像以及较成熟的图像处理技术,取得了较好的识别性能,受到广泛的关注,已成为三维物体识别技术的研究热点。虽然基于多视角图像的三维物体识别技术取得了较大进展,但是仍然面临着一些问题。一方面,现有的基于多视角图像的无监督三维物体识别网络框架一般依靠生成模型的重构能力来实现无监督特征学习,而此类方法普遍存在网络复杂度过高,训练困难的问题。另一方面,有监督的方法通常只考虑三维物体的类别标签,忽略了视角这一重要信息,导致网络学习到的特征对视角的鲁棒性较差。本论文针对上述两个问题,分别从减少复杂度和提高准确度这两方面,基于对比学习和多标签学习,研究了视角无关特征解离方法,通过特征解离来获取对视角更为鲁棒的三维物体本征信息,从而提高三维物体识别的准确度。本文主要研究内容概括如下:（1）研究了三维物体识别相关理论与技术。对三维物体识别技术用到的深度学习网络框架进行了研究,分别研究了Alex Net,VGG,Res Net这三种网络。研究了对比学习相关知识。研究了二元相关性多标签学习方法的基本原理。这些三维物体识别基本理论与技术为研究三维物体视角无关特征的提取方法打下了较好的基础。（2）提出了基于对比学习的视角无关特征解离方法。本论文将自监督对比学习用于多视角图像表示学习,创新性地将多视角图像特征分为视角特征与视角无关特征两部分,通过使用本方法设计的自监督对比损失进行网络训练,使网络能够将三维物体的特征解离为视角特征和视角无关特征。实验表明,本方法能够以一个简单的框架进行三维物体视角无关特征的提取,提取到的视角无关特征有助于提升三维物体识别的准确度。（3）提出了基于多标签学习的视角无关特征解离方法。针对现有有监督三维物体识别网络缺乏视角标签的问题,提出了基于多标签学习的视角无关特征解离方法。首先运用特征交换融合的方式,将视角编码器得到的特征和身份编码器得到的特征进行交叉融合,使用视角标签与类别标签同时对网络进行训练,约束视角编码器和身份编码器分别编码视角特征与视角无关特征。实验表明,通过本方法得到的视角无关特征增加了的三维物体识别准确度。

关键词：三维物体识别对比学习多标签学习特征解离

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于超图和多模态融合的三维物体识别及检索

基于超图和多模态融合的三维物体识别及检索

作者：黄晓婷桂林电子科技大学

学位级别：硕士

三维物体的识别和检索是计算机视觉领域的重要研究方向,在自动驾驶、虚拟现实等领域具有广泛的应用。三维物体识别和检索的核心在于提取有效的物体特征表示。针对三维物体不同的数据表现形式,各种深度学习模型被提出并广泛使用,如基于... 详细信息

三维物体的识别和检索是计算机视觉领域的重要研究方向,在自动驾驶、虚拟现实等领域具有广泛的应用。三维物体识别和检索的核心在于提取有效的物体特征表示。针对三维物体不同的数据表现形式,各种深度学习模型被提出并广泛使用,如基于多视图、点云等单模态数据的模型。然而,单模态方法囿于特定的某种模态,感知范围有限,在转换过程中可能会遗漏物体的某些结构信息。因此,有必要从多模态数据中学习互补信息,改善单一模态数据中存在的特征缺失问题。此外,探索和利用数据样本之间的底层高阶联系有助于提升物体识别及检索精度,但现有方法大多只关注提取物体自身的特征表示,忽略了物体特征间的相似关系。针对这些问题,本文围绕多模态融合,利用超图能够建模数据间复杂高阶关系的优势,基于超图学习技术,对三维物体的识别及检索展开研究。本文的主要研究工作总结为以下两个方面:(1)充分利用点云和网格数据的信息互补能力以及深度可分离卷积适合处理多模态数据的优势,提出超图深度可分离卷积网络融合点云和网格数据用于形状检索。首先,使用预训练网络分别提取点云和网格数据的初始特征表示。其次,对特征进行通道混合并构造相应的超图以建模高阶关系。再使用提出的超图深度可分离卷积提取有鉴别力的特征信息并利用其结构特点整合多模态数据,最后利用全连接网络进行特征的充分融合,得到用于检索任务的形状描述符。在网络训练过程中,提出由交叉熵损失函数和均方差损失函数结合的损失函数来促进多模态数据的融合。在两个三维基准数据集上的实验结果证明了所提方法融合多模态数据、提高检索精度的有效性。(2)充分利用多视图和点云模态在数据表示和处理方面的优势,同时为适应小规模样本学习并加快网络的收敛速度,提出一种联合多视图和点云数据的多尺度超图神经网络,用于三维物体的识别与检索。首先,使用预训练网络分别提取多视图和点云初始特征。其次,计算多视图和点云模态间的关系分数并根据关系分数增强多视图特征表示。再将点云和多视图增强表示输入到由三分支网络构成的多尺度特征提取模块中,根据输入数据构造超图并使用超边卷积组建超图深度可分离卷积模块,以便归纳地学习高阶特征信息并适应小规模样本学习,同时,使用长短期记忆机制学习多视图序列之间的时空联系,两者配合多模态全局特征提取分支,构造感知范围更大的特征表示。最后,将三分支特征输入到特征融合模块进行充分融合,得到更具鲁棒性和表征性的形状描述符。使用小批量数据迭代策略训练模型,在Model Net40数据集上的实验结果证明了所提方法的有效性。

关键词：深度学习多模态融合超图三维物体识别形状检索

基于多视图的无监督预训练与三维物体识别算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多视图的无监督预训练与三维物体识别算法研究

作者：王略权华南理工大学

学位级别：硕士

随着AR/VR和自动驾驶技术的发展,三维物体识别领域受到越来越多的关注。相比二维图像识别,三维物体识别可以更加真实地模拟物体在真实世界中的外观和形状,并且从更加丰富的视角对物体进行描述和分析,另外三维物体识别对光照、噪声等因... 详细信息

随着AR/VR和自动驾驶技术的发展,三维物体识别领域受到越来越多的关注。相比二维图像识别,三维物体识别可以更加真实地模拟物体在真实世界中的外观和形状,并且从更加丰富的视角对物体进行描述和分析,另外三维物体识别对光照、噪声等因素更加鲁棒,可应对更加复杂的场景。目前,流行的三维物体识别方法主要包括基于多视图的方法、基于点云的方法和基于三维模型的方法。其中基于多视图的方法由于其相对稠密的输入形式和二维图像识别领域方法的易迁移性,目前表现最佳。然而,现有的基于多视图的学习方法仍有一些问题亟待优化。首先,当前的多视图方法大部分是有监督的,并且预训练模型几乎都基于Image Net,针对多视图场景的预训练模型有待开发。再者,相比视图级特征更加细粒度的特征表示和如何把多视图中不同尺度特征进行有机结合还有探索空间。最后基于多视图的网络模型计算复杂度较大,很难在实际中应用。另外当前多视图的采集模式对于理想视角选择的重要性尚未得到很好的探索。此前的工作倾向于随机或手动选择视角,导致很难过滤掉带有额外噪声的无效视角,并会对表达力强的视角产生干扰。针对上述问题,本文首先提出了一个针对多视图学习场景的三阶段无监督预训练模型,通过对多视图信息的深度挖掘在没有额外标注的情况下取得了模型性能的较大提升。其次提出了融合切块和视图特征的三维物体识别方法,将不同粒度特征通过注意力机制有效结合。最后提出了基于参数化视角学习的三维物体识别方法,通过把视角参数编码的方式自学习最具有表达力的视角。具体内容如下:第一,提出了一个多视图学习场景下的三阶段无监督联合预训练模型。本文利用无监督学习方法可以在没有任何额外标注的情况下学习一般特征表示的特性,从不同角度充分挖掘多视图数据集中自然保留的丰富三维信息。具体而言,本文将最终的特征描述子解耦为三个细粒度表示。首先,利用数据增广策略获得增强的视图内像素级表示。之后,通过对比学习捕获视图级别的空间不变特征。最后,提出一个新颖的提取和交换模块从形状级别提取全局信息。最终实现对不同层级特征的有效利用;第二,提出了一种融合切块和视图特征的双分支识别网络。相比于现在基于视图级特征的识别方法,本文从视图局部切块间相似度匹配的角度,探索基于更细粒度特征的识别网络。并且考虑到局部特征可能导致物体识别任务陷入到局部最优解,进一步引入视图级特征分支,并通过注意力机制引导切块级特征提取分支。该网络能够有效地聚合不同尺度的特征,并提高模型的表达力和区分力。第三,提出了一种轻量级的参数化视角学习识别网络。该网络可以将视角学习机制参数化并自学习到最具代表性的三维形状描述,进一步通过梯度下降进行自动优化。在该网络中,本文首先在自适应视角学习阶段使用视角参数自动计算投影平面。然后,在最优视图投影阶段借助高斯核生成平滑的投影图像以克服输入点云的稀疏性。最后使用共享权重的卷积神经网络提取视图级别特征并通过全局最大池化进一步聚合所有视图特征。在没有精细网络结构设计的前提下,整个网络参数量只有先前工作的十分之一左右。最后为了进一步证明所提出方法有效性,本文在两个大型公开数据集Model Net40和SHREC17上分别在三维物体分类任务和检索任务上进行测试。实验结果表明,本文所提出的三阶段无监督联合预训练模型方法在多种指标中都有显著提高。融合切块和视图特征的双分支识别网络通过有效地融合手段实现了性能上的明显提升,并达到了较为先进的结果。在轻量级的参数化视角学习识别网络中仅通过像Res Net18这样的简单骨架,模型同样可以实现卓越的性能。

关键词：三维物体识别多视图学习无监督预训练对比学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

相位特征在三维物体识别中的应用

物理学报 2005年第11期54卷 5157-5163页

作者：申金媛李现国常胜江张延炘郑州大学信息工程学院郑州450052 南开大学现代光学研究所光电信息技术科学教育部重点实验室天津300071

提出利用物体的相位特征联合神经网络的方法对透明半透明三维物体进行识别.首先利用波长扫描数字全息技术和数字再现技术提取物体的相位特征,然后将物体的这些相位特征作为学习模式训练一个BP神经网络,最后利用训练好的网络对三维物体... 详细信息

提出利用物体的相位特征联合神经网络的方法对透明半透明三维物体进行识别.首先利用波长扫描数字全息技术和数字再现技术提取物体的相位特征,然后将物体的这些相位特征作为学习模式训练一个BP神经网络,最后利用训练好的网络对三维物体进行识别.实验表明,对于具有小尺度变化的透明半透明三维物体识别,该方法的正确识别率为100%.

关键词：相位特征,波长扫描技术,数字全息,BP神经网络三维物体识别相位特征 BP神经网络应用半透明再现技术全息技术波长扫描学习模式

在线全文

学校读者我要写书评

暂无评论

旋转不变的三维物体识别

光电子．激光 2004年第12期15卷 1492-1497页

作者：吕静苏显渝王海霞四川大学光电科学技术系四川成都610064

提出一种具有旋转不变性的三维物体识别的新方法。该方法通过结构照明的方法,使物体的高度分布以变形条纹的形式编码于二维强度像中。由于条纹图像包含有物体的高度分布信息,因而对条纹图的相关识别具有本征三维识别的特点。旋转不变性... 详细信息

提出一种具有旋转不变性的三维物体识别的新方法。该方法通过结构照明的方法,使物体的高度分布以变形条纹的形式编码于二维强度像中。由于条纹图像包含有物体的高度分布信息,因而对条纹图的相关识别具有本征三维识别的特点。旋转不变性是通过使用多通道滤波器实现的,此滤波器可以由不同方向三维物体对应的变形条纹图像经计算机处理得到。相关识别方法可以用光学匹配空间滤波器实现。计算机模拟实验证明了这种方法的有效性,它不仅可以实现旋转不变的三维物体识别,还可以给出物体旋转角度的估计值。

关键词：三维物体识别条纹图旋转不变性相关识别图像多通道结构照明空间滤波器本征编码

在线全文

学校读者我要写书评

暂无评论

基于Markov随机场的三维物体识别算法

清华大学学报（自然科学版） 2005年第1期45卷 28-32页

作者：黄英丁晓青王生进清华大学电子工程系智能技术与系统国家重点实验室北京100084

为准确识别出三维物体,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实现,以获取两图像各... 详细信息

为准确识别出三维物体,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实现,以获取两图像各个节点之间的准确匹配关系以及全局相似度。在Coil-100(columbiaobjectimagelibrary)图像数据库上,以100个物体的4、8、18、36个视角的样本为模板,用其他68、64、54和36个视角的样本进行测试,该算法识别率分别为95.75%、99.30%、100.0%和100.0%,识别准确率明显高于文献中的方法,这说明算法在基于观测图像的物体识别领域有着非常好的应用前景。

关键词：模式识别三维物体识别 Markov随机场最高置信度优先算法

在线全文

学校读者我要写书评

暂无评论

改进的基于结构光投影的三维物体识别

光电子．激光 2008年第11期19卷 1561-1565页

作者：王莹苏显渝四川大学电子信息学院光电系成都610064

提出一种在识别后期采用修正的无零级条纹调节联合变换相关代替传统联合变换相关(CJTC)的新的识别方法。此方法在原基础上对功率谱作了一系列修正。理论分析、计算机模拟实验和对实物模型的识别实验结果都表明该方法不仅具有本征三维识... 详细信息

提出一种在识别后期采用修正的无零级条纹调节联合变换相关代替传统联合变换相关(CJTC)的新的识别方法。此方法在原基础上对功率谱作了一系列修正。理论分析、计算机模拟实验和对实物模型的识别实验结果都表明该方法不仅具有本征三维识别的特点,而且相对于CJTC而言其能够抑制相关面上的中央零级项,很大程度上锐化了一级相关峰,明显地提高了信噪比和识别力。该方法进一步拓宽了三维物体识别的应用前景。

关键词：三维物体识别结构光场傅里叶变换功率谱相减技术条纹调节联合变换相关