基于视觉显著性的室内点云场景物体识别方法研究

The point cloud has its own distinctive advantages in the shape expression of complex scenes and 3D objects. However, the object recognition from point clouds is still an open problem, which seriously hinders the application in robot navigation and computer vision. This research takes the raw point clouds as the processing subjects, and discusses the methodology of object recognition from raw point clouds in indoor scene based on saliency analysis. We first propose an object segmentation method by analyzing the spatial distribution of each point, which solves the object extraction problem by choosing the appropriate growth criterion. Furthermore, we discuss the adaptive neighborhood selection strategy according to the point cloud density and object details. Due to the uneven distribution of point clouds, we then study on local contrast and global rarity based object saliency computation problem. We aim to obtain highly invariance salient features and intend to solve the “dimension explosion” problem, by analyzing salient areas distribution and keypoint extraction. This research provides a new solution on objects recognition in computer vision by simulating human visual system.

点云对复杂场景以及物体的外形表达具有独特的优势，但点云识别问题严重妨碍了它在机器人导航、机器视觉等领域的推广及应用。本课题以直接获取的点云数据作为处理对象，探讨与研究基于显著性分析的室内点云场景物体识别的方法与体系。该课题首先通过分析场景中每点的空间分布模式，探讨不同模式点的生长准则选择策略，进而探索新的室内点云场景物体的分割方法，期盼解决室内场景中物体的提取问题；探讨基于待识别物体所具有的细节特征以及点密度分布的邻域尺度自适应选择策略，进而建立基于局部对比性与整体稀少性的显著性计算模型，有效地避免数据分布不均造成的显著度计算不准确性，为三维点云模型显著特征的快速提取提供新的途径；探讨面向点云物体的显著性区域分布规律描述方法以及显著关键点的提取策略，获得具有较强不变性的显著特征，期盼解决三维物体识别中“特征维数过高”的问题。该课题将为实现机器模拟人类视觉完成三维物体的识别提供新的思路。

本项目以三维点云数据为研究对象，探索三维点云场景物体识别方法。主要完成了：（1）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，对已有方法的优势及缺点进行分析，指出点云物体识别中所面临的挑战及进一步的研究方向。（2）提出一种基于显著性分析的杆状物体提取方法。通过对点云场景沿x,y轴进行栅格化，分析点的显著性空间分布、每个栅格的高度等几何特征，利用区域增长的思想对完成非杆状点的快速去除。最后根据杆状物垂直结构的垂直度提取场景中的杆状物。并根据点的分布情况、投影的长宽比、高度等信息完成杆状物的分类。（3）提出一种基于显著性的墙面重复结构提取方法。首先，通过分析每个点的全局稀缺性以及局部独特性，构造每点的全局/局部显著性，提取显著性高的点作为显著点。然后对显著点进行横/纵向切分，通过分析每个切片的点数分布，确定分割位置，得到初始重复结构。最后根据临近的相似性以及排列的规则性，完成重复结构的优化。（4）提出一种基于切分的点云建筑物重建方法。对提取得到的点云墙面进行纵向切分，并计算每个切片的高度，通过比对切分后每个切片的高度，找到高度差相差较大的两个切片，前一个切片的右侧两端点以及后一个切片的左侧两端点作为关键点。顺时针连接关键点，完成建筑物几何结构的重建。最后，提出一种基于“模板-匹配”的窗户重建方法，完成建筑物墙面细节的重建。（5）提出一种基于基本形状以及形状间拓扑关系的点云场景物体识别方法研究。根据基本形状的属性以及形状间的拓扑关系，对不同类型的平面间的连接关系进行定义，然后利用“组合-比对”的思想，将符合条件的基本形状进行组合，同时用数字记录组合形状的连接编码。最后根据不同形状间的连接类型，构造待识别物体的连接编码，最后通过比对连接编码完成物体的识别。