基于3D点云协方差描述符的对象分类与点云分割技术研究

《基于3D点云协方差描述符的对象分类与点云分割技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号______________________________密级______________________________ＵＤＣ______________________________编号______________________________硕士学位论文基于3D点云协方差描述符的对象分类与点云分割技术研究学位申请人：庄斌学科专业：计算机应用技术指导教师：张恒教授副指导教师：刘艳丽副教授答辩日期：独创性声明本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表

2、和撰写的研究成果，也不包含为获得华东交通大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人签名_______________日期____________关于论文使用授权的说明本人完全了解华东交通大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅。学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。保密的论文在解密后遵守此规定，本论文无保密内容。本人签名____________导师签名__________日期___________摘要基

3、于3D点云协方差描述符的对象分类与点云分割技术研究摘要移动机器人最主要的功能之一就是能够实时感知其周围环境，及时处理来自周围环境的信息。相对于简单的平面图像，3D点云数据不仅包含物体的颜色信息，而且包含更多的几何信息。基于协方差描述符的图像识别方法已经发展了几十年，但是如何将协方差描述符有效应用到3D点云对象识别与分类中却是近几年才兴起的研究热点。本文从实际出发，分别研究了局部描述符和全局描述符在3D点云中对象识别与分类中的应用，并对点云匹配过程中的误匹配校正算法进行了研究。同时针对点云的不均匀、无序、稀疏等特点，本文提出了一种基于拓扑结构不变性的3D点云分割方法。本文的主

4、要的创新研究成果如下：（1）针对一般描述符维度大、对噪声敏感、匹配运算时间长等问题，结合3D点云提出了一种新的局部协方差描述符，并结合点云协方差特征描述符的特点，提出了相应的误匹配校正算法，有效的减少了描述符匹配过程中误匹配的数量，从而提高了对象识别的精确度和鲁棒性。（2）结合全局描述符处理速度快的特点，从3D点云的颜色、深度、形状、大小以及其他不同方面的几何信息提取特征描述符，并对其进行串行融合，生成不同组合的全局特征描述符。通过实体和类别两种不同方式的分类实验，验证并得出在对象分类中最优的特征组合。（3）针对3D点云的不完整、稀疏、无序、分散等特性，基于计算点云数据集在

5、不同空间分辨率的拓扑结构不变性，将拓扑结构不变性的思想引入3D点云分割中，提出了一种新的点云分割算法。通过实验验证，该算法可以有效的处理遮挡和噪声等干扰情况下的点云分割。关键词：3D点云，协方差描述符，点云分割，对象分类，对象识别IAbstractTHERESEARCHONOBJECTCLASSIFICATIONBASEDON3DPOINTCLOUDCOVARIANCEDESCRIPTORSANDPOINTCLOUDSEGMENTATIONTECHNOLOGYABSTRACTReal-timeperceptionofitssurroundingsandreal-timepr

6、ocessingofinformationfromthesurroundingenvironmentarethemostimportantfunctionsofmobilerobot.Comparedtoasimpleplanarimage,3Dpointclouddatanotonlycontainsthecolorinformationoftheobject,butalsocontainsmoregeometricinformation.Imagerecognitionmethodsbasedoncovariancedescriptorshavebeendevelope

7、dfordecades,buthowtoeffectivelyapplycovariancedescriptorsto3Dpointcloudobjectrecognitionandclassificationisaresearchhotspotinrecentyears.Thispaperstudiestheapplicationoflocaldescriptors,globaldescriptionsinobjectrecognitionandclassificationin3Dpointcloudsandth