[发明专利]一种基于哈希描述与迭代最近点的三维物体检测方法

权利要求书

1.一种基于哈希描述及迭代最近点的三维物体检测方法，其特征在于，包括深度相机和PC机，还包括以下步骤：

S1、深度相机采集需要检测的物体的场景数据；

S2、深度相机向场景发射红外射线，深度相机内的红外接收器将接收场景的近红外反射，生成场景的三维点数据，即场景中的每个反射点相对于深度相机坐标系的XYZ信息；

S3、深度相机将采集到的场景数据传到PC机进行保存，保存格式为PLY格式；

S4、利用S3获取的PLY格式的场景数据提取检测物体的目标模型M；

S5、PC机计算三维模型点云的每个点的协方差矩阵，求取协方差矩阵的特征向量，获取每个点的法向量；

S6、根据S5中的法向量生成目标模型M的点对特征；

S7、将目标模型M的所有点对特征转换为哈希值，生成目标模型M的哈希描述；

S8、利用深度相机和PC机对场景S进行处理，获得场景S的哈希值，访问目标模型M的哈希描述，快速找到匹配的相似点对，将匹配结果转换为霍夫投票值；

S9、通过全局霍夫投票累加器对霍夫值进行统计，得分最高的霍夫值作为场景S的最优霍夫值，通过最优霍夫值生成对目标模型M的初检测结果；

S10、通过对迭代最近点算法对初检测结果进行二次矫正，得出精确的目标位姿检测结果。

2.根据权利要求1所述的一种基于哈希描述及迭代最近点的三维物体检测方法，其特征在于，所述步骤S4，将场景数据的坐标定义为深度传感器之上，每个数据的坐标值为(x，y，z)，统计所有数据中z值的数量，去除出现最多的z值来剔除数据，进而获取待检测物体的目标模型M。

3.根据权利要求1所述的一种基于哈希描述及迭代最近点的三维物体检测方法，其特征在于，所述步骤S5，获取目标模型M中各三维数据点的法向量目标模型M＝{m₀,m₁,m₂,...,m_k-1,m_k}，各三维数据点的法向量可通过各点周围的相邻点来计算，为了计算点的法向量，首先需要获得该点与相邻点之间的协方差矩阵，假设要求取m_i点的法向量协方差矩阵C的计算如式(1)所示，R表示以m_i点为中心的球形空间的半径，距离值d_i(i∈{1,2,...,k})表示相邻点m_j与中心点m_i的欧式距离，通过式(1)计算m_i点与半径R内所有点的协方差矩阵C：

通过协方差矩阵可以计算出m_i点的法向量，对协方差矩阵C的进行特征值分解，可求得协方差矩阵C的特征值和特征向量，对于物体表面的点云数据，其在法线方向的空间分布变化最为微弱，因此中心点m_i的法向量则为协方差矩阵C最小特征值所对应的特征向量，以此类推，获取所有点的法向量

4.根据权利要求1所述的一种基于哈希描述及迭代最近点的三维物体检测方法，其特征在于，所述步骤S6中，利用各点的法向量来计算点对特征，对于三维点云数据中的点p_i与除该点以外的任意点p_j，通过两点可以组成点对，利用两点间的法向量与欧式距离可以形成点对的点对特征，点对特征的计算方式如式(2)所示：

其中表示两点的连线方向，表示两点连线的欧氏距离，表示p_i点的法相向量与两点连线方向的夹角，表示两点法向量之间的夹角，对于向量之间的夹角计算如公式(3)所示：