[发明专利]基于支撑语义关系的室内RGB-D图像物体分割方法

说明书

一种基于支撑语义关系的室内RGB‑D图像物体分割方法，该图像物体分割方法包括以下步骤：1)通过几何体质量构造单个物体的势能函数，根据势能函数构造单个物体的不稳定函数，进而构造全局能量函数；2)以物体的几何体为节点、支撑语义关系为边、支撑概率为边概率构造随机图，根据随机图和全局能量函数，分割识别强支撑语义关系；3)将存在强支撑语义关系的物体块作为同一物体的不同部分加以合并。本发明通过识别物体间抽象的支撑语义关系，弥补丰富的物体形态所造成的先验知识不完备的问题，利用强支撑语义关系将同一物体被过度分割的部分重新合并起来，从而提高RGB‑D图像中物体分割的准确性。

技术领域

本发明涉及图像处理和智能机器人的交叉领域，尤其涉及一种基于支撑语义关系的室内RGB-D(颜色-深度)图像物体分割方法。

背景技术

现有技术中对室内RGB-D图像物体分割通常包括以下几种方法：

1、Beyond point clouds:scene understanding by reasoning geometry andphysics^[1]：

该方法对场景点云数据进行几何和物理推理，利用SWC(Swendsen-Wang cuts)算法通过补全三维体元和估计体元总体稳定性的方式来进行物体分割。但，该方法并没有利用颜色信息，并且没有针对先验知识不完备的情况。在先验知识不完备，特征选择不完善，或者数据的标注过程中存在错标，漏标的情况，该方法不能正常的完成对图像的分割。

2、Detecting potential falling objects by inferring human action andnatural disturbance^[2]：

该方法对物体的位姿稳定性进行建模，通过模拟人所产生的场和自然灾害所产生的场来检测潜在可能坠落的物体。该方法针对的是室外的灾难环境，没有针对室内正常环境，限制了应用的场合。

3、3D voxel HOG and risk estimation^[3]和A 3D scene analysis frameworkand descriptors for risk evaluation^[4]：

采用三维体元的HOG(方向梯度直方图)特征，通过训练Adaboost分类器来获得物体危险指数，进而评估环境中的风险。该方法主要针对小范围的物体，没有针对大范围的物体，限制了应用的局限性。

发明内容

本发明提供了一种基于支撑语义关系的室内RGB-D图像物体分割方法，本发明通过识别物体间抽象的支撑语义关系，弥补丰富的物体形态所造成的先验知识不完备的问题，利用强支撑语义关系将同一物体被过度分割的部分重新合并起来，从而提高RGB-D图像中物体分割的准确性，详见下文描述：

一种基于支撑语义关系的室内RGB-D图像物体分割方法，所述图像物体分割方法包括以下步骤：

1)通过几何体质量构造单个物体的势能函数，根据势能函数构造单个物体的不稳定函数，进而构造全局能量函数；

2)以物体的几何体为节点、支撑语义关系为边、支撑概率为边概率构造随机图，根据随机图和全局能量函数，分割识别强支撑语义关系；

3)将存在强支撑语义关系的物体块作为同一物体的不同部分加以合并。

上述步骤1)中的构造全局能量函数具体为：

结合单个物体的不稳定函数、以及惩罚项构造全局能量函数。

所述全局能量函数具体为：