科研之友
微信
新浪微博
Facebook
分享链接
摘要
准确提取三维点云数据中待测目标的点云集合是三维点云目标识别技术的一个关键问题，也是近年来目标识别领域从2D向3D拓展的一个重要挑战。其主要难点在于快速寻找离散点云之间的相关函数关系。文中结合立体视觉与特征匹配构建了可以表征不同视场条件下的目标点云约束机制，通过采用立体视觉作为约束条件完成了对原有特征匹配算法的优化。设计了基于立体视觉的估计算法，通过训练学习获得了不同选取比例条件下的识别规则。实验采用ARIES激光雷达采集点云，并通过MATLAB选取三种典型目标状态。当目标区分度高时，优化前后的目标识别率都在98%以上；当目标区分度低时，优化后对目标边界的限定条件可以很好的提高识别概率。采用优化的点云数据位置偏差量可达到0.55mm，相比未优化的0.74mm提高了0.19mm。同时，优化后算法的收敛时间曲线要优于未优化的，3000点以上的收敛时间均值约为8.33s，优于未优化的12.76s。综上所述，优化后的算法具有更好的识别效率。
- 单位
