專利名稱：三維物體識(shí)別方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種三維物體識(shí)別方法及系統(tǒng)。
背景技術(shù)：
多年來(lái)，人們一直在尋求ー種類似于人眼和大腦過程的智能識(shí)別系統(tǒng)，從而使機(jī)器可以通過最自然最友好的方式與人或其他機(jī)器進(jìn)行交流，為此，在機(jī)器和人的交流上產(chǎn)生了專門用于人臉識(shí)別的技木，這種人臉識(shí)別的技術(shù)分為主動(dòng)技術(shù)和被動(dòng)技術(shù)兩個(gè)方向 主動(dòng)技術(shù)類似于自然界中的眼鏡蛇、蝙蝠等動(dòng)物，這種技術(shù)是通過系統(tǒng)主動(dòng)發(fā)射出人眼不可見的紅外光，紅外光通過人臉或其他物體反射后進(jìn)入ー個(gè)被紅外濾光片遮擋的CMOS攝像頭中成像，然后對(duì)成像的圖片進(jìn)行計(jì)算，主動(dòng)技術(shù)有不受環(huán)境光影響的特點(diǎn)，具有較廣泛的應(yīng)用前景，但是其也存在對(duì)人不夠友好，且受紅外光發(fā)射距離的影響等缺點(diǎn)；被動(dòng)技術(shù)模擬自然界中絕大多數(shù)動(dòng)物都具備的雙目識(shí)別方法，兩雙眼睛可以形成一幅立體的圖像，動(dòng)物的大腦就是通過對(duì)這幅立體圖像進(jìn)行復(fù)雜的計(jì)算從而識(shí)別出物體和場(chǎng)景的。上述人臉識(shí)別方法無(wú)論是主動(dòng)還是被動(dòng)方式，一般都只能進(jìn)行人臉的識(shí)別，而在其他物體的識(shí)別上卻無(wú)能為力，這將大大限制該識(shí)別技術(shù)的發(fā)展，隨著計(jì)算機(jī)和芯片計(jì)算能力的越來(lái)越強(qiáng)，人們迫切希望能有一種最類似于動(dòng)物的識(shí)別方法出現(xiàn)，不僅能識(shí)別人臉還能自動(dòng)識(shí)別其它物體，比如識(shí)別障礙物等，識(shí)別特殊的標(biāo)示標(biāo)志等等，這樣就可以將這種識(shí)別方法用于自動(dòng)駕駛、三維物體自動(dòng)成型、三維動(dòng)畫等很多應(yīng)用場(chǎng)合。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種三維物體識(shí)別方法及系統(tǒng)，該方法及系統(tǒng)非常接近于人和動(dòng)物的雙目視覺過程，并且是屬于被動(dòng)式的，具有廣泛的可接受性以及隱蔽性，可以訓(xùn)練和學(xué)習(xí)、識(shí)別任何物體，包括復(fù)雜的人臉，可以廣泛應(yīng)用于智能玩具、智能門禁、監(jiān)控等場(chǎng)
I=I O為解決上述問題，本發(fā)明提供一種三維物體識(shí)別方法，包括運(yùn)用兩個(gè)平行安裝的攝像頭同時(shí)采集物體的兩路像素?cái)?shù)據(jù)并存儲(chǔ)；根據(jù)所述兩路像素?cái)?shù)據(jù)計(jì)算物體上的每個(gè)點(diǎn)分別在兩路像素?cái)?shù)據(jù)中對(duì)應(yīng)的像素點(diǎn)的視差，井根據(jù)所述兩個(gè)攝像頭之間的距離、攝像頭的焦距和所述視差得到每個(gè)點(diǎn)的深
度信息；對(duì)于物體上不能確定視差的點(diǎn)，通過邊緣檢測(cè)確定該點(diǎn)的輪廓信息，井根據(jù)所述輪廓信息更新該點(diǎn)的深度信息；根據(jù)每個(gè)像素點(diǎn)的深度信息和像素?cái)?shù)據(jù)對(duì)每個(gè)像素點(diǎn)進(jìn)行曲面聚類；將曲面聚類后的像素點(diǎn)進(jìn)行分割和拓?fù)浞治?；根?jù)所述拓?fù)浞治龅慕Y(jié)果對(duì)物體進(jìn)行特征描述并存儲(chǔ)；將物體的特征描述與數(shù)據(jù)庫(kù)中的特征數(shù)據(jù)進(jìn)行比較得到識(shí)別結(jié)果。進(jìn)ー步的，在上述方法中，所述根據(jù)所述兩路像素?cái)?shù)據(jù)計(jì)算物體上的每個(gè)點(diǎn)分別在兩路像素?cái)?shù)據(jù)中對(duì)應(yīng)的像素點(diǎn)的視差，井根據(jù)所述兩個(gè)攝像頭之間的距離、攝像頭的焦距和所述視差得到每個(gè)點(diǎn)的深度信息的步驟包括通過Census算法計(jì)算每個(gè)像素點(diǎn)在另一路攝像頭數(shù)據(jù)中對(duì)應(yīng)位置周邊最匹配的像素點(diǎn)位置；通過兩個(gè)攝像頭之間的距離和攝像頭的焦距和所述視差信息計(jì)算被攝物體對(duì)應(yīng)點(diǎn)離攝像頭的距離即深度信息。進(jìn)ー步的，在上述方法中，所述根據(jù)每個(gè)像素點(diǎn)的深度信息和像素?cái)?shù)據(jù)對(duì)每個(gè)像素點(diǎn)進(jìn)行曲面聚類的步驟包括根據(jù)三維二次曲面的表示公式和每個(gè)像素點(diǎn)的深度信息、像素?cái)?shù)據(jù)計(jì)算得到每個(gè)像素點(diǎn)的函數(shù)參數(shù)值；根據(jù)最小二乗法則，計(jì)算誤差最小的函數(shù)參數(shù)值作為每個(gè)曲面體的最終的函數(shù)參數(shù)值，根據(jù)每個(gè)曲面體的最終的函數(shù)參數(shù)值對(duì)所有相鄰像素點(diǎn)進(jìn)行不停的疊代計(jì)算以擬合最多的相鄰像素點(diǎn)。進(jìn)ー步的，在上述方法中，所述將曲面聚類后的像素點(diǎn)進(jìn)行分割的步驟，包括查找具有兩個(gè)以上函數(shù)參數(shù)值的像素點(diǎn)作為兩個(gè)以上曲面的邊界點(diǎn)，將具有相同函數(shù)參數(shù)值的曲面歸為同一個(gè)曲面體。進(jìn)ー步的，在上述方法中，所述將曲面聚類后的像素點(diǎn)進(jìn)行拓?fù)浞治龅牟襟E，包括對(duì)同一個(gè)曲面體里的所有像素點(diǎn)的值進(jìn)行累加和平均處理得到不同曲面體的質(zhì)心，并通過判斷不同曲面體的質(zhì)心之間的空間關(guān)系確定不同曲面體之間的位置關(guān)系，并將不同曲面體之間的位置關(guān)系用拓?fù)潢P(guān)系矩陣來(lái)表示。進(jìn)ー步的，在上述方法中，所述根據(jù)所述拓?fù)浞治龅慕Y(jié)果對(duì)物體進(jìn)行特征描述并存儲(chǔ)的步驟，包括將各個(gè)曲面體的函數(shù)參數(shù)值和拓?fù)潢P(guān)系矩陣用關(guān)系鏈表加以組織，并利用各個(gè)曲面體在圖像中成像的面積作為權(quán)重，對(duì)各個(gè)曲面體進(jìn)行排序。進(jìn)ー步的，在上述方法中，所述攝像頭包括CMOS或CXD攝像頭中的任ー種。進(jìn)ー步的，在上述方法中，所述兩個(gè)攝像頭的光軸基本平行且基線長(zhǎng)度在55mm至 65mm之間。進(jìn)ー步的，在上述方法中，所述兩個(gè)攝像頭采用同一個(gè)曝光控制信號(hào)。進(jìn)ー步的，在上述方法中，所述攝像頭同時(shí)采集的物體的兩路視頻圖像存儲(chǔ)入包括SDRAM、DDR-SDRAM或SRAM的任一種動(dòng)態(tài)數(shù)據(jù)存儲(chǔ)區(qū)。進(jìn)ー步的，在上述方法中，所述特征描述存入非易失性存儲(chǔ)器中。進(jìn)ー步的，在上述方法中，所述特征描述采用鏈表的形式進(jìn)行描述。根據(jù)本發(fā)明的另一面，提供一種三維物體識(shí)別系統(tǒng)，包括立體視覺模塊，包括兩個(gè)平行安裝攝像頭，用于同時(shí)采集物體的兩路像素?cái)?shù)據(jù)；圖像存儲(chǔ)模塊，用于存儲(chǔ)所述兩路像素?cái)?shù)據(jù)；深度計(jì)算模塊，用于根據(jù)物體上的每個(gè)點(diǎn)分別在所述兩路像素?cái)?shù)據(jù)中的像素點(diǎn)的坐標(biāo)確定所述像素點(diǎn)之間的視差，井根據(jù)所述兩個(gè)攝像頭之間的距離、攝像頭的焦距和所述視差得到每個(gè)點(diǎn)的深度信息；邊緣檢測(cè)模塊，用于對(duì)于物體上不能確定視差的點(diǎn)，通過邊緣檢測(cè)確定該點(diǎn)的輪廓信息，并根據(jù)所述輪廓信息更新該點(diǎn)的深度信息；
曲面聚類模塊，用于根據(jù)每個(gè)像素點(diǎn)的深度信息和像素?cái)?shù)據(jù)對(duì)每個(gè)像素點(diǎn)進(jìn)行曲面聚類；分割拓?fù)淠K，將曲面聚類后的像素點(diǎn)進(jìn)行分割和拓?fù)浞治觯惶卣髅枋瞿K，用于根據(jù)所述拓?fù)浞治龅慕Y(jié)果對(duì)物體進(jìn)行特征描述；描述存儲(chǔ)模塊，用于存儲(chǔ)所述特征描述；數(shù)據(jù)庫(kù)，用于存儲(chǔ)物體的特征數(shù)據(jù)；比較模塊，用于將物體的特征描述與數(shù)據(jù)庫(kù)中的特征數(shù)據(jù)進(jìn)行比較得到識(shí)別結(jié)
^N ο進(jìn)ー步的，在上述系統(tǒng)中，所述深度計(jì)算模塊通過Census算法計(jì)算每個(gè)像素點(diǎn)在另一路攝像頭數(shù)據(jù)中對(duì)應(yīng)位置周邊最匹配的像素點(diǎn)位置；通過兩個(gè)攝像頭之間的距離和攝像頭的焦距和所述視差信息計(jì)算被攝物體對(duì)應(yīng)點(diǎn)離攝像頭的距離即深度信息。進(jìn)ー步的，在上述系統(tǒng)中，所述曲面聚類模塊根據(jù)三維二次曲面的表示公式和每個(gè)像素點(diǎn)的深度信息、像素?cái)?shù)據(jù)計(jì)算得到每個(gè)像素點(diǎn)的函數(shù)參數(shù)值；根據(jù)最小二乗法則，計(jì)算誤差最小的函數(shù)參數(shù)值作為每個(gè)曲面體的最終的函數(shù)參數(shù)值，根據(jù)每個(gè)曲面體的最終的函數(shù)參數(shù)值對(duì)所有相鄰像素點(diǎn)進(jìn)行不停的疊代計(jì)算以擬合最多的相鄰像素點(diǎn)。進(jìn)ー步的，在上述系統(tǒng)中，所述分割拓?fù)淠K查找具有兩個(gè)以上函數(shù)參數(shù)值的像素點(diǎn)作為兩個(gè)以上曲面的邊界點(diǎn)，將具有相同函數(shù)參數(shù)值的曲面歸為同一個(gè)曲面體。進(jìn)ー步的，在上述系統(tǒng)中，所述分割拓?fù)淠K對(duì)同一個(gè)曲面體里的所有像素點(diǎn)的值進(jìn)行累加和平均處理得到不同曲面體的質(zhì)心，并通過判斷不同曲面體的質(zhì)心之間的空間關(guān)系確定不同曲面體之間的位置關(guān)系，并將不同曲面體之間的位置關(guān)系用拓?fù)潢P(guān)系矩陣來(lái)
^t/jN ο進(jìn)ー步的，在上述系統(tǒng)中，所述特征描述模塊將各個(gè)曲面體的函數(shù)參數(shù)值和拓?fù)潢P(guān)系矩陣用關(guān)系鏈表加以組織，并利用各個(gè)曲面體在圖像中成像的面積作為權(quán)重，對(duì)各個(gè)曲面體進(jìn)行排序。進(jìn)ー步的，在上述系統(tǒng)中，所述攝像頭包括CMOS或CXD攝像頭中的任ー種。進(jìn)ー步的，在上述系統(tǒng)中，所述兩個(gè)攝像頭的光軸基本平行且基線長(zhǎng)度在55mm至 65mm之間。進(jìn)ー步的，在上述系統(tǒng)中，所述兩個(gè)攝像頭采用同一個(gè)曝光控制信號(hào)。進(jìn)ー步的，在上述系統(tǒng)中，所述圖像存儲(chǔ)模塊包括SDRAM、DDR-SDRAM或SRAM的任ー種。進(jìn)ー步的，在上述系統(tǒng)中，所述描述存儲(chǔ)模塊為非易失性存儲(chǔ)器。與現(xiàn)有技術(shù)相比，本發(fā)明通過運(yùn)用兩個(gè)平行安裝的攝像頭同時(shí)采集物體的兩路像素?cái)?shù)據(jù)并存儲(chǔ)；根據(jù)所述兩路像素?cái)?shù)據(jù)計(jì)算物體上的每個(gè)點(diǎn)分別在兩路像素?cái)?shù)據(jù)中對(duì)應(yīng)的像素點(diǎn)的視差，井根據(jù)所述兩個(gè)攝像頭之間的距離、攝像頭的焦距和所述視差得到每個(gè)點(diǎn)的深度信息；對(duì)于物體上不能確定視差的點(diǎn)，通過邊緣檢測(cè)確定該點(diǎn)的輪廓信息，并根據(jù)所述輪廓信息更新該點(diǎn)的深度信息；根據(jù)每個(gè)像素點(diǎn)的深度信息和像素?cái)?shù)據(jù)對(duì)每個(gè)像素點(diǎn)進(jìn)行曲面聚類；將曲面聚類后的像素點(diǎn)進(jìn)行分割和拓?fù)浞治?；根?jù)所述拓?fù)浞治龅慕Y(jié)果對(duì)物體進(jìn)行特征描述并存儲(chǔ)；將物體的特征描述與數(shù)據(jù)庫(kù)中的特征數(shù)據(jù)進(jìn)行比較得到識(shí)別結(jié)果，從而保證可以識(shí)別任何物體。
此外，對(duì)于物體上不能確定視差的點(diǎn)，通過邊緣檢測(cè)確定該點(diǎn)的輪廓信息來(lái)彌補(bǔ)深度信息計(jì)算中可能會(huì)存在誤差和歧義點(diǎn)，從而保證獲得更加精確的深度信息，以免造成后續(xù)的誤分析。另外，通過將聚類后的像素點(diǎn)進(jìn)行分割和拓?fù)浞治?，從而保證分析的結(jié)果最接近人的思維。


圖1是本發(fā)明一實(shí)施例的三維物體識(shí)別方法的流程圖；圖2是本發(fā)明一實(shí)施例的三維物體識(shí)別的數(shù)據(jù)處理示意圖；圖3是發(fā)明的雙目立體成像原理圖；圖4是本發(fā)明的雙目立體視覺系統(tǒng)原理圖；圖5是本發(fā)明一實(shí)施例的深度信息測(cè)量精度與各個(gè)參數(shù)之間的關(guān)系；圖6是本發(fā)明一實(shí)施例的三維物體識(shí)別系統(tǒng)的功能模塊示意圖。
具體實(shí)施例方式以下結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明提出的三維物體識(shí)別方法及系統(tǒng)進(jìn)ー步詳細(xì)說(shuō)明。本發(fā)明提出了ー種利用最類似于自然界中絕大多數(shù)動(dòng)物都擁有的兩只眼睛來(lái)識(shí)別任意物體的方法，通過兩只“眼睛”之間的視差來(lái)獲得空間的距離信息，并利用最符合人的思維方式的方法對(duì)物體進(jìn)行特征描述即拓?fù)潢P(guān)系描述，訓(xùn)練的結(jié)果就是拓?fù)潢P(guān)系描述， 識(shí)別的過程就是對(duì)拓?fù)潢P(guān)系進(jìn)行匹配的過程。如圖1和圖2所示，本發(fā)明提供一種三維物體識(shí)別方法，包括步驟Si，運(yùn)用兩個(gè)平行安裝的攝像頭同時(shí)采集物體的兩路像素?cái)?shù)據(jù)并存儲(chǔ)，具體的，所述攝像頭包括CMOS或CCD攝像頭中的任一種，所述兩個(gè)攝像頭的光軸基本平行且基線長(zhǎng)度在^mm至65mm之間，兩個(gè)攝像頭平行安裝，其光軸基本平行且基線長(zhǎng)度盡可能的短，一般可在60mm左右，基本接近與于普通人眼的尺寸，另外所述兩個(gè)攝像頭采用同一個(gè)曝光控制信號(hào)，CMOS或CCD攝像頭由同一個(gè)時(shí)鐘控制，觸發(fā)曝光的控制信號(hào)可以保持一致， 從而確保兩個(gè)攝像頭成像的一致性，特別是在被攝物體運(yùn)動(dòng)的時(shí)候能夠保證兩個(gè)攝像頭成像一致，所述攝像頭同時(shí)采集的物體的兩路視頻圖像存儲(chǔ)入包括SDRAM、DDR-SDRAM或SRAM 的任一種動(dòng)態(tài)數(shù)據(jù)存儲(chǔ)區(qū)，如圖2所示，A攝像頭和B攝像頭分別采集兩路Y通道、U通道、 V通道的像素?cái)?shù)據(jù)，其中，Y通道輸出的是亮度數(shù)據(jù)，V、U通道輸出的是色度數(shù)據(jù)；步驟S2，根據(jù)所述兩路像素?cái)?shù)據(jù)計(jì)算物體上的每個(gè)點(diǎn)分別在兩路像素?cái)?shù)據(jù)中對(duì)應(yīng)的像素點(diǎn)的視差，井根據(jù)所述兩個(gè)攝像頭之間的距離、攝像頭的焦距和所述視差得到每個(gè)點(diǎn)的深度信息(ζ)，具體的，所述視差采用Census算法來(lái)確定，其中所述深度信息是指圖像中每個(gè)像素點(diǎn)離鏡頭的距離，先通過Census算法計(jì)算每個(gè)像素點(diǎn)在另一路攝像頭數(shù)據(jù)中對(duì)應(yīng)位置周邊最匹配的像素點(diǎn)位置，然后通過兩個(gè)攝像頭之間的距離和攝像頭的焦距(基線標(biāo)定)和視差等信息算出被攝物體對(duì)應(yīng)點(diǎn)離攝像頭的距離即深度信息，計(jì)算完深度信息后，將兩路Y通道、U通道、V通道像素?cái)?shù)據(jù)中的一路Y通道、U通道、V通道像素?cái)?shù)據(jù)丟棄， 此時(shí)得到的數(shù)據(jù)流為一路Y通道、U通道、V通道像素?cái)?shù)據(jù)和深度信息；
步驟S3，對(duì)于不能確定視差的點(diǎn)，通過邊緣檢測(cè)確定該點(diǎn)的輪廓信息，井根據(jù)所述輪廓信息更新該點(diǎn)的深度信息，具體的，在被攝物體或背景完全一致，或者景深非常遠(yuǎn)，或者是被攝物體非常光滑或者被攝物體是透明等情況下，成像出來(lái)的數(shù)據(jù)中最匹配的地方不只ー個(gè)點(diǎn)的時(shí)候，視差計(jì)算是失效的，這個(gè)時(shí)候就需要引入一些邊界信息或者是顏色信息等進(jìn)行計(jì)算，其中所述邊緣檢測(cè)是檢測(cè)畫面中相連相素點(diǎn)之間變化劇烈的地方，并標(biāo)識(shí)出來(lái)，通過計(jì)算亮度數(shù)據(jù)中的邊界信息或顏色信息來(lái)推導(dǎo)和補(bǔ)償視差計(jì)算失效的位置，從而更新該位置的深度信息，利用邊緣檢測(cè)獲得的輪廓信息可以彌補(bǔ)深度信息計(jì)算中可能會(huì)存在誤差和歧義點(diǎn)，這樣做的好處是獲得更加精確的深度信息，以免造成后續(xù)的誤分析，本步驟中只是對(duì)物體上個(gè)別點(diǎn)的深度信息進(jìn)行了更新；步驟S4，根據(jù)每個(gè)像素點(diǎn)的深度信息和像素?cái)?shù)據(jù)對(duì)每個(gè)像素點(diǎn)進(jìn)行曲面聚類，具體的，可以根據(jù)每個(gè)像素點(diǎn)的像素?cái)?shù)據(jù)確認(rèn)該點(diǎn)的X和y坐標(biāo)值，曲面聚類是將多個(gè)深度符合一定的曲面特點(diǎn)的像素點(diǎn)進(jìn)行歸類，比如說(shuō)η個(gè)像素點(diǎn)同屬于某ー個(gè)球面，就將其歸成一類，并用類標(biāo)志來(lái)區(qū)別開來(lái)，因?yàn)閺睦碚撋戏治?，眼睛看到的景物就是由ー個(gè)個(gè)曲面通過一定的關(guān)系空間組合起來(lái)的，而平面只是ー個(gè)特殊的曲面，利用所述深度信息判斷出來(lái)幾個(gè)像素點(diǎn)處于同一個(gè)平面或同一個(gè)曲面時(shí)，認(rèn)為他們是ー類的，或者從紋理或顏色上判斷幾個(gè)像素點(diǎn)是否是ー類的，也就是說(shuō)判斷幾個(gè)像素點(diǎn)之間的相似或相關(guān)程度，相似或相關(guān)的聚合成ー類，然后從曲面(平面是ー個(gè)特殊的曲面)推導(dǎo)到曲面體，以便分析各個(gè)曲面體之間相互關(guān)系，利用圖像中的三維信息(ニ維位置再加ー維深度)進(jìn)行曲面聚類，將符合同一曲面特征的各個(gè)像素點(diǎn)歸成ー類，為后面的拓?fù)浞治龊吞卣魈崛∽龊脺?zhǔn)備，采用三維信息的優(yōu)點(diǎn)就是可以識(shí)別任何物體，每個(gè)像素點(diǎn)的位置變成了深度信(ζ)和曲面的切向量 (χ)和法向量(y)的值，以及擬合后函數(shù)參數(shù)值，如三維二次曲面的表示方法用如下公式表示根據(jù)上述公式，擬合得到的數(shù)據(jù)中還包括這些a、b、C、d、e、f、g、h、i、j等函數(shù)參數(shù)值，由于計(jì)算誤差的存在，任何相鄰像素點(diǎn)的參數(shù)值都不太可能是完全相同的，根據(jù)最小 ニ乘法則，計(jì)算誤差最小的函數(shù)參數(shù)值作為每個(gè)曲面體的最終的函數(shù)參數(shù)值，同時(shí)根據(jù)每個(gè)曲面體的最終的函數(shù)參數(shù)值對(duì)所有相鄰像素點(diǎn)進(jìn)行不停的疊代計(jì)算以擬合最多的相鄰像素點(diǎn)，能夠擬合越多的像素點(diǎn)越好，最終得到的是不同曲面體的函數(shù)參數(shù)值，根據(jù)不同曲面體的函數(shù)參數(shù)不同就可以對(duì)曲面體進(jìn)行分割；步驟S5，將曲面聚類后的像素點(diǎn)進(jìn)行分割和拓?fù)浞治?，具體的，分割是將不同的曲面的類進(jìn)行區(qū)分，查找具有兩個(gè)以上函數(shù)參數(shù)值的像素點(diǎn)作為兩個(gè)以上曲面的邊界點(diǎn)，將具有相同函數(shù)參數(shù)值的曲面歸為同一個(gè)曲面體，一般的邊界點(diǎn)將同時(shí)滿足兩個(gè)以上的函數(shù)參數(shù)值，說(shuō)明他的解不是唯一的，因此同時(shí)滿足兩個(gè)以上的函數(shù)參數(shù)值的點(diǎn)可以確定邊界 (即該點(diǎn)的X、y、Z值)，將函數(shù)參數(shù)值一致的所有像素點(diǎn)提取出來(lái)歸為同一個(gè)曲面體，即完成了曲面分割；拓?fù)浞治鍪菍⒏黝惽骟w之間進(jìn)行位置關(guān)系分析，包括相切、相離、對(duì)稱、相包含等，比如ー個(gè)球體上放置了一個(gè)錐體等，這里先利用曲面的邊界信息進(jìn)行曲面分割，以方便進(jìn)行拓?fù)浞治?，然后利用拓?fù)浞治鰜?lái)組合各個(gè)曲面之間的空間關(guān)系，這樣做的優(yōu)點(diǎn)是最接近人的思維，通常描述景物的時(shí)候就跟畫畫一樣從大到小，按照一定的空間關(guān)系對(duì)景物進(jìn)行描述，拓?fù)浞治鲆葘?duì)同一個(gè)曲面體里的所有像素點(diǎn)的x、y、ζ值進(jìn)行累加和平均處理得到不同曲面體的質(zhì)心，并通過判斷不同曲面體的質(zhì)心之間的空間關(guān)系確定不同曲面體之間的位置關(guān)系，比如A點(diǎn)的χ值小于B點(diǎn)的χ值，但是兩點(diǎn)的y值相同，即表示A在B的左邊，不同曲面體之間的位置關(guān)系用拓?fù)潢P(guān)系矩陣來(lái)表示，拓?fù)潢P(guān)系矩陣中向量的個(gè)數(shù)即為曲面體的個(gè)數(shù)，向量和向量的關(guān)系用上下、左右、包含等來(lái)表示，比如上用值1表示，下用值2表示，以此類推。步驟S6，根據(jù)所述拓?fù)浞治龅慕Y(jié)果對(duì)物體進(jìn)行特征描述并存儲(chǔ)，具體的，該步驟中數(shù)據(jù)計(jì)算中得到的就是將各個(gè)曲面體的函數(shù)參數(shù)值和拓?fù)潢P(guān)系矩陣用一定的關(guān)系鏈表加以組織，所述特征描述存入非易失性存儲(chǔ)器中如Flash存儲(chǔ)器等，以方便識(shí)別時(shí)進(jìn)行比對(duì)， 所述特征描述是將各個(gè)曲面之間的關(guān)系用鏈表的形式用數(shù)據(jù)結(jié)構(gòu)描述出來(lái)，把拓?fù)浞治鲆院蟮慕Y(jié)果用鏈表連接起來(lái)，并以方便存儲(chǔ)和比對(duì)，利用各個(gè)曲面體在圖像中成像的面積作為權(quán)重，對(duì)各個(gè)曲面體進(jìn)行排序，以方便特征比對(duì)，這樣做的優(yōu)點(diǎn)是可以識(shí)別和描述任意物體，而人臉只是其中一類特別的物體，而且因?yàn)橛袡?quán)重關(guān)系，比對(duì)是按照權(quán)重由大到小進(jìn)行的，只要前面幾項(xiàng)不匹配，識(shí)別就被中斷，所以可以快速的進(jìn)行識(shí)別，另外產(chǎn)品在使用的過程中其能識(shí)別的物體可以越來(lái)越多，就跟小孩的成長(zhǎng)一祥，系統(tǒng)可以不斷學(xué)習(xí)和升級(jí)，訓(xùn)練時(shí)需要用戶的參與，比如說(shuō)需要告訴其剛才看到的是ー個(gè)杯子，或者剛才看到的人叫什么名字等等，隨著被訓(xùn)練和存儲(chǔ)的數(shù)據(jù)越來(lái)越多，系統(tǒng)的能識(shí)別的物體也越來(lái)越多，系統(tǒng)本身就具有了一定的學(xué)習(xí)和升級(jí)能力；步驟S7，將物體的特征描述與數(shù)據(jù)庫(kù)中的特征數(shù)據(jù)進(jìn)行比較得到識(shí)別結(jié)果，具體的，識(shí)別時(shí)將物體的特征描述和數(shù)據(jù)庫(kù)中保存的特征數(shù)據(jù)進(jìn)行捜索比對(duì)，從而得到最佳匹配的結(jié)果，并通過特定的數(shù)據(jù)格式告知用戶。步驟S7就是對(duì)步驟S6中得到的函數(shù)參數(shù)、拓?fù)潢P(guān)系矩陣、關(guān)系鏈表和數(shù)據(jù)庫(kù)中預(yù)存物體的函數(shù)參數(shù)、拓?fù)潢P(guān)系、關(guān)系鏈表分別進(jìn)行加權(quán)的最小ニ乘計(jì)算，得到的最小結(jié)果即為匹配度最高的結(jié)果，當(dāng)然這個(gè)結(jié)果可能不是唯一的，所以用ー個(gè)百分比函數(shù)進(jìn)行表示，到此為止得到的是ー個(gè)相似度的百分比結(jié)果以及這個(gè)結(jié)果所代表的物體，例如一支水筆和ー 直鉛筆的相似度有80%，因?yàn)槎际侵睏U狀的物體，而ー支水筆和另一支水筆的相似度可能有90%，可能因?yàn)轭伾煌仍?，而兩只同一型?hào)的水平相似程度可能為100%。由上可知，本方法非常接近于人和動(dòng)物的雙目視覺過程，并且是屬于被動(dòng)式的，具有廣泛的可接受性以及隱蔽性，系統(tǒng)可以訓(xùn)練和學(xué)習(xí)、識(shí)別任何物體，其中包括復(fù)雜的人臉，可以廣泛應(yīng)用于智能玩具、智能門禁、監(jiān)控等場(chǎng)合。下面結(jié)合圖1和圖2對(duì)本發(fā)明進(jìn)行更詳細(xì)的描述。如圖2所示，本實(shí)施例的三維物體識(shí)別方法是ー種通過雙目被動(dòng)立體視覺系統(tǒng)快速計(jì)算深度等第三維信息，并通過深度、顏色等信息進(jìn)行分割、聚類等處理，然后進(jìn)行拓?fù)浞治龊吞卣髅枋?，?xùn)練時(shí)將該特征描述按特定的格式存入非易失性存儲(chǔ)區(qū)內(nèi)，識(shí)別時(shí)將當(dāng)前特征描述和數(shù)據(jù)庫(kù)中的特征進(jìn)行比對(duì)，以找到最佳匹配的物體的方法。具體來(lái)說(shuō)，如圖2所示，A攝像頭和B攝像頭分別采集兩路Y通道、U通道、V通道的像素?cái)?shù)據(jù)，其中，Y通道輸出的是亮度數(shù)據(jù)，V、U通道輸出的是色度數(shù)據(jù)；接著進(jìn)行深度計(jì)算，即根據(jù)所述兩路像素?cái)?shù)據(jù)計(jì)算物體上的每個(gè)點(diǎn)分別在兩路像素?cái)?shù)據(jù)中對(duì)應(yīng)的像素點(diǎn)的視差，井根據(jù)所述兩個(gè)攝像頭之間的距離、攝像頭的焦距和所述視差得到每個(gè)點(diǎn)的深度信息(Z)，將兩路Y通道、U通道、V通道像素?cái)?shù)據(jù)中的一路Y通道、U通道、V通道像素?cái)?shù)據(jù)丟棄，此時(shí)得到的數(shù)據(jù)流為一路Y通道、U通道、V通道像素?cái)?shù)據(jù)和深度信息；接著進(jìn)行邊緣檢測(cè)，即對(duì)于不能確定視差的點(diǎn)，通過邊緣檢測(cè)確定該點(diǎn)的輪廓信息，并根據(jù)所述輪廓信息更新該點(diǎn)的深度信息；接著進(jìn)行曲面聚類，即根據(jù)每個(gè)像素點(diǎn)的深度信息和像素?cái)?shù)據(jù)對(duì)每個(gè)像素點(diǎn)進(jìn)行曲面聚類；接著進(jìn)行分割和拓?fù)浞治?，即將曲面聚類后的像素點(diǎn)進(jìn)行分割和拓?fù)浞治觯唤又鴷r(shí)行特征描述，即根據(jù)所述拓?fù)浞治龅慕Y(jié)果對(duì)物體進(jìn)行特征描述并存儲(chǔ)； 最后進(jìn)行特征對(duì)比，即將物體的特征描述與特征數(shù)據(jù)庫(kù)中的特征數(shù)據(jù)進(jìn)行比較得到識(shí)別結(jié)
ο在步驟Sl中，采用2臺(tái)高清CMOS攝像頭(即A攝像頭和B攝像頭)構(gòu)建立體視覺系統(tǒng)，具體的，由于深度信息是后續(xù)一切工作的基礎(chǔ)，為保證計(jì)算的精準(zhǔn)程度，CMOS攝像頭的分辨率一定要得到保證，這就如同人的眼睛一祥，近視度數(shù)不能太高，最好校正視カ在 1. 0以上，這也符合仿生學(xué)原理，本系統(tǒng)中CMOS攝像頭的分辨率在30萬(wàn)像素(640*480)以上，并且設(shè)計(jì)最大分辨率為100萬(wàn)像素(1024*10M)，由于采用FPGA或嵌入式SOC作為處理単元，其處理能力有限，過高的分辨率將導(dǎo)致處理的時(shí)間過長(zhǎng)，無(wú)法達(dá)到實(shí)時(shí)處理的要求， 本系統(tǒng)中由于直接采用CMOS攝像頭芯片，在制作印刷電路板(PCB)的時(shí)候，芯片位置可以基本保證平行，但是由于存在焊接時(shí)的精度問題，兩個(gè)CMOS攝像頭的光軸無(wú)法做到100% 的平行，因此，在計(jì)算深度信息的時(shí)候要加以注意，本實(shí)施例中兩個(gè)CMOS攝像頭直接的間距為60mm，焊接后誤差控制在Imm之內(nèi)，這也符合正常人眼的距離，符合仿生學(xué)原理，為保證運(yùn)動(dòng)時(shí)能識(shí)別運(yùn)動(dòng)物體的動(dòng)作和軌跡，兩個(gè)攝像頭的暴光時(shí)間要基本保持一致，因此兩個(gè)攝像頭最好采用同一個(gè)暴光控制信號(hào)控制，還有，CMOS攝像頭的CLK時(shí)鐘信號(hào)也最好ー 致，最好采用外部控制的VS、HS行場(chǎng)同步信號(hào)，以確保在相同的時(shí)間暴光，避免高速運(yùn)動(dòng)的物體在兩個(gè)CMOS攝像頭中的成像時(shí)間不一致造成的成像偏差。在步驟S2中，采用FPGA(現(xiàn)場(chǎng)可編程門陣列Field Programmable Gate array)或 SOC(System on chip)片上系統(tǒng)芯片作為主要計(jì)算平臺(tái)，將CMOS采集到的數(shù)據(jù)通過SDRAM 控制器存入SDRAM，具體的，由于最終的目的是采用芯片的形式來(lái)實(shí)現(xiàn)該系統(tǒng)，所以驗(yàn)證的平臺(tái)就采用了大容量的FPGA，經(jīng)過CMOS攝像頭成像的數(shù)據(jù)需要先經(jīng)過FPGA存入SDRAM，這里需要通過FPGA內(nèi)部的AMB總線和SDRAM控制器模塊，因?yàn)閿?shù)據(jù)存入后還要讀出來(lái)進(jìn)行邊緣檢測(cè)、深度計(jì)算等工作，所以SDRAM既要讀又要寫，還要保證數(shù)據(jù)不丟失，還要保證來(lái)的及計(jì)算，所以還需要一個(gè)調(diào)度器根據(jù)一定的規(guī)則對(duì)各個(gè)向SDRAM讀寫數(shù)據(jù)的模塊進(jìn)行合理的調(diào)度。在步驟S3、4、5中，在FPGA內(nèi)用專用的計(jì)算模塊實(shí)現(xiàn)邊緣檢測(cè)、深度計(jì)算、分割聚類等計(jì)算1、邊緣檢測(cè)和曲線擬合用于圖像邊緣檢測(cè)的算法很多，諸如Rorberts算子、Sobel算子、I^rewitt算子、 Laplaceian算子等，由于Sobel算法只涉及到加法操作，并且可以取得很好的效果，所以是最常用的邊緣檢測(cè)算法，由于圖像在邊緣附近會(huì)出現(xiàn)灰度上的突變，所以Sobel邊緣檢測(cè)方法以原始圖像灰度為基礎(chǔ)，并通過考察圖像每個(gè)像素在某個(gè)領(lǐng)域內(nèi)灰度的變化，然后利用邊緣鄰近的一階導(dǎo)數(shù)最大值來(lái)檢測(cè)邊緣，再設(shè)置權(quán)重來(lái)檢測(cè)水平、垂直、左對(duì)角、右對(duì)角等各個(gè)不同方向上密度幅度的不同來(lái)實(shí)現(xiàn)邊沿檢測(cè)。圖1所示是ー個(gè)3X3像素的舉例，其水平、垂直、左對(duì)角和右對(duì)角圖像上密度幅度的改動(dòng)能夠示意為
H = (Q0+Q3+Q3+Q6)-(Q2+Q5+Q5+Q8)V= (Q0+Q1+Q1+Q2) - (Q6+Q7+Q7+Q8)DR= (Q1+Q0+Q0+Q3) - (Q5+Q8+Q8+Q7)DL= (Q1+Q2+Q2+Q5) - (Q3+Q6+Q6+Q7)
權(quán)利要求
1.一種三維物體識(shí)別方法，其特征在于，包括運(yùn)用兩個(gè)平行安裝的攝像頭同時(shí)采集物體的兩路像素?cái)?shù)據(jù)并存儲(chǔ)；根據(jù)所述兩路像素?cái)?shù)據(jù)計(jì)算物體上的每個(gè)點(diǎn)分別在兩路像素?cái)?shù)據(jù)中對(duì)應(yīng)的像素點(diǎn)的視差，并根據(jù)所述兩個(gè)攝像頭之間的距離、攝像頭的焦距和所述視差得到每個(gè)點(diǎn)的深度信息；對(duì)于物體上不能確定視差的點(diǎn)，通過邊緣檢測(cè)確定該點(diǎn)的輪廓信息，并根據(jù)所述輪廓信息更新該點(diǎn)的深度信息；根據(jù)每個(gè)像素點(diǎn)的深度信息和像素?cái)?shù)據(jù)對(duì)每個(gè)像素點(diǎn)進(jìn)行曲面聚類；將曲面聚類后的像素點(diǎn)進(jìn)行分割和拓?fù)浞治?；根?jù)所述拓?fù)浞治龅慕Y(jié)果對(duì)物體進(jìn)行特征描述并存儲(chǔ)；將物體的特征描述與數(shù)據(jù)庫(kù)中的特征數(shù)據(jù)進(jìn)行比較得到識(shí)別結(jié)果。
2.如權(quán)利要求1所述的三維物體識(shí)別方法，其特征在于，所述根據(jù)所述兩路像素?cái)?shù)據(jù)計(jì)算物體上的每個(gè)點(diǎn)分別在兩路像素?cái)?shù)據(jù)中對(duì)應(yīng)的像素點(diǎn)的視差，并根據(jù)所述兩個(gè)攝像頭之間的距離、攝像頭的焦距和所述視差得到每個(gè)點(diǎn)的深度信息的步驟包括通過Census算法計(jì)算每個(gè)像素點(diǎn)在另一路攝像頭數(shù)據(jù)中對(duì)應(yīng)位置周邊最匹配的像素點(diǎn)位置；通過兩個(gè)攝像頭之間的距離和攝像頭的焦距和所述視差信息計(jì)算被攝物體對(duì)應(yīng)點(diǎn)離攝像頭的距離即深度信息。
3.如權(quán)利要求1所述的三維物體識(shí)別方法，其特征在于，所述根據(jù)每個(gè)像素點(diǎn)的深度信息和像素?cái)?shù)據(jù)對(duì)每個(gè)像素點(diǎn)進(jìn)行曲面聚類的步驟包括根據(jù)三維二次曲面的表示公式和每個(gè)像素點(diǎn)的深度信息、像素?cái)?shù)據(jù)計(jì)算得到每個(gè)像素點(diǎn)的函數(shù)參數(shù)值；根據(jù)最小二乘法則，計(jì)算誤差最小的函數(shù)參數(shù)值作為每個(gè)曲面體的最終的函數(shù)參數(shù)值，根據(jù)每個(gè)曲面體的最終的函數(shù)參數(shù)值對(duì)所有相鄰像素點(diǎn)進(jìn)行不停的疊代計(jì)算以擬合最多的相鄰像素點(diǎn)。
4.如權(quán)利要求1所述的三維物體識(shí)別方法，其特征在于，所述將曲面聚類后的像素點(diǎn)進(jìn)行分割的步驟，包括查找具有兩個(gè)以上函數(shù)參數(shù)值的像素點(diǎn)作為兩個(gè)以上曲面的邊界點(diǎn)，將具有相同函數(shù)參數(shù)值的曲面歸為同一個(gè)曲面體。
5.如權(quán)利要求1所述的三維物體識(shí)別方法，其特征在于，所述將曲面聚類后的像素點(diǎn)進(jìn)行拓?fù)浞治龅牟襟E，包括對(duì)同一個(gè)曲面體里的所有像素點(diǎn)的值進(jìn)行累加和平均處理得到不同曲面體的質(zhì)心，并通過判斷不同曲面體的質(zhì)心之間的空間關(guān)系確定不同曲面體之間的位置關(guān)系，并將不同曲面體之間的位置關(guān)系用拓?fù)潢P(guān)系矩陣來(lái)表示。
6.如權(quán)利要求1所述的三維物體識(shí)別方法，其特征在于，所述根據(jù)所述拓?fù)浞治龅慕Y(jié)果對(duì)物體進(jìn)行特征描述并存儲(chǔ)的步驟，包括將各個(gè)曲面體的函數(shù)參數(shù)值和拓?fù)潢P(guān)系矩陣用關(guān)系鏈表加以組織，并利用各個(gè)曲面體在圖像中成像的面積作為權(quán)重，對(duì)各個(gè)曲面體進(jìn)行排序。
7.如權(quán)利要求1所述的三維物體識(shí)別方法，其特征在于，所述攝像頭包括CMOS或CCD 攝像頭中的任一種。
8.如權(quán)利要求1所述的三維物體識(shí)別方法，其特征在于，所述兩個(gè)攝像頭的光軸基本平行且基線長(zhǎng)度在55mm至65mm之間。
9.如權(quán)利要求1所述的三維物體識(shí)別方法，其特征在于，所述兩個(gè)攝像頭采用同一個(gè)曝光控制信號(hào)。
10.如權(quán)利要求1所述的三維物體識(shí)別方法，其特征在于，所述攝像頭同時(shí)采集的物體的兩路視頻圖像存儲(chǔ)入包括SDRAM、DDR-SDRAM或SRAM的任一種動(dòng)態(tài)數(shù)據(jù)存儲(chǔ)區(qū)。
11.如權(quán)利要求1所述的三維物體識(shí)別方法，其特征在于，所述特征描述存入非易失性存儲(chǔ)器中。
12.—種三維物體識(shí)別系統(tǒng)，其特征在于，包括立體視覺模塊，包括兩個(gè)平行安裝攝像頭，用于同時(shí)采集物體的兩路像素?cái)?shù)據(jù)；圖像存儲(chǔ)模塊，用于存儲(chǔ)所述兩路像素?cái)?shù)據(jù)；深度計(jì)算模塊，用于根據(jù)物體上的每個(gè)點(diǎn)分別在所述兩路像素?cái)?shù)據(jù)中的像素點(diǎn)的坐標(biāo)確定所述像素點(diǎn)之間的視差，并根據(jù)所述兩個(gè)攝像頭之間的距離、攝像頭的焦距和所述視差得到每個(gè)點(diǎn)的深度信息；邊緣檢測(cè)模塊，用于對(duì)于物體上不能確定視差的點(diǎn)，通過邊緣檢測(cè)確定該點(diǎn)的輪廓信息，并根據(jù)所述輪廓信息更新該點(diǎn)的深度信息；曲面聚類模塊，用于根據(jù)每個(gè)像素點(diǎn)的深度信息和像素?cái)?shù)據(jù)對(duì)每個(gè)像素點(diǎn)進(jìn)行曲面聚類；分割拓?fù)淠K，將曲面聚類后的像素點(diǎn)進(jìn)行分割和拓?fù)浞治?；特征描述模塊，用于根據(jù)所述拓?fù)浞治龅慕Y(jié)果對(duì)物體進(jìn)行特征描述；描述存儲(chǔ)模塊，用于存儲(chǔ)所述特征描述；數(shù)據(jù)庫(kù)，用于存儲(chǔ)物體的特征數(shù)據(jù)；比較模塊，用于將物體的特征描述與數(shù)據(jù)庫(kù)中的特征數(shù)據(jù)進(jìn)行比較得到識(shí)別結(jié)果。
13.如權(quán)利要求12所述的三維物體識(shí)別系統(tǒng)，其特征在于，所述深度計(jì)算模塊通過 Census算法計(jì)算每個(gè)像素點(diǎn)在另一路攝像頭數(shù)據(jù)中對(duì)應(yīng)位置周邊最匹配的像素點(diǎn)位置； 通過兩個(gè)攝像頭之間的距離和攝像頭的焦距和所述視差信息計(jì)算被攝物體對(duì)應(yīng)點(diǎn)離攝像頭的距離即深度信息。
14.如權(quán)利要求12所述的三維物體識(shí)別系統(tǒng)，其特征在于，所述曲面聚類模塊根據(jù)三維二次曲面的表示公式和每個(gè)像素點(diǎn)的深度信息、像素?cái)?shù)據(jù)計(jì)算得到每個(gè)像素點(diǎn)的函數(shù)參數(shù)值；根據(jù)最小二乘法則，計(jì)算誤差最小的函數(shù)參數(shù)值作為每個(gè)曲面體的最終的函數(shù)參數(shù)值，根據(jù)每個(gè)曲面體的最終的函數(shù)參數(shù)值對(duì)所有相鄰像素點(diǎn)進(jìn)行不停的疊代計(jì)算以擬合最多的相鄰像素點(diǎn)。
15.如權(quán)利要求12所述的三維物體識(shí)別系統(tǒng)，其特征在于，所述分割拓?fù)淠K查找具有兩個(gè)以上函數(shù)參數(shù)值的像素點(diǎn)作為兩個(gè)以上曲面的邊界點(diǎn)，將具有相同函數(shù)參數(shù)值的曲面歸為同一個(gè)曲面體。
16.如權(quán)利要求12所述的三維物體識(shí)別系統(tǒng)，其特征在于，所述分割拓?fù)淠K對(duì)同一個(gè)曲面體里的所有像素點(diǎn)的值進(jìn)行累加和平均處理得到不同曲面體的質(zhì)心，并通過判斷不同曲面體的質(zhì)心之間的空間關(guān)系確定不同曲面體之間的位置關(guān)系，并將不同曲面體之間的位置關(guān)系用拓?fù)潢P(guān)系矩陣來(lái)表示。
17.如權(quán)利要求12所述的三維物體識(shí)別系統(tǒng)，其特征在于，所述特征描述模塊將各個(gè)曲面體的函數(shù)參數(shù)值和拓?fù)潢P(guān)系矩陣用關(guān)系鏈表加以組織，并利用各個(gè)曲面體在圖像中成像的面積作為權(quán)重，對(duì)各個(gè)曲面體進(jìn)行排序。
18.如權(quán)利要求12所述的三維物體識(shí)別系統(tǒng)，其特征在于，所述攝像頭包括CMOS或 CXD攝像頭中的任一種。
19.如權(quán)利要求12所述的三維物體識(shí)別系統(tǒng)，其特征在于，所述兩個(gè)攝像頭的光軸基本平行且基線長(zhǎng)度在55mm至65mm之間。
20.如權(quán)利要求12所述的三維物體識(shí)別系統(tǒng)，其特征在于，所述兩個(gè)攝像頭采用同一個(gè)曝光控制信號(hào)。
21.如權(quán)利要求12所述的三維物體識(shí)別系統(tǒng)，其特征在于，所述圖像存儲(chǔ)模塊包括 SDRAM、DDR-SDRAM 或 SRAM 的任一種。
22.如權(quán)利要求12所述的三維物體識(shí)別系統(tǒng)，其特征在于，所述描述存儲(chǔ)模塊為非易失性存儲(chǔ)器。
全文摘要
本發(fā)明涉及一種三維物體識(shí)別方法及系統(tǒng)，所述方法包括運(yùn)用兩個(gè)平行安裝的攝像頭同時(shí)采集物體的兩路像素?cái)?shù)據(jù)并存儲(chǔ)；根據(jù)兩路像素?cái)?shù)據(jù)計(jì)算物體上的每個(gè)點(diǎn)分別在兩路像素?cái)?shù)據(jù)中對(duì)應(yīng)的像素點(diǎn)的視差，并根據(jù)所述兩個(gè)攝像頭之間的距離、攝像頭的焦距和所述視差得到每個(gè)點(diǎn)的深度信息；對(duì)于物體上不能確定視差的點(diǎn)，通過邊緣檢測(cè)確定該點(diǎn)的輪廓信息，并根據(jù)所述輪廓信息更新該點(diǎn)的深度信息；根據(jù)每個(gè)像素點(diǎn)的深度信息和像素?cái)?shù)據(jù)對(duì)每個(gè)像素點(diǎn)進(jìn)行曲面聚類；將曲面聚類后的像素點(diǎn)進(jìn)行分割和拓?fù)浞治觯桓鶕?jù)所述拓?fù)浞治龅慕Y(jié)果對(duì)物體進(jìn)行特征描述并存儲(chǔ)；將物體的特征描述與數(shù)據(jù)庫(kù)中的特征數(shù)據(jù)進(jìn)行比較得到識(shí)別結(jié)果。本發(fā)明可以保證精確地識(shí)別任何物體。
文檔編號(hào)G06K9/00GK102592117SQ201110456158
公開日2012年7月18日 申請(qǐng)日期2011年12月30日 優(yōu)先權(quán)日2011年12月30日
發(fā)明者陳劍軍 申請(qǐng)人:杭州士蘭微電子股份有限公司