[发明专利]一种复杂3D背景下的背景分割目标识别方法

说明书

本发明公开一种复杂3D背景下的背景分割目标识别方法，通过建立固定的平面坐标系，对目标进行初步采样识别，同时AI识别根据目标图样的纹理及颜色对目标整体图样进行分区，对各个分区的边沿进行逐点描线并在分区中心处设置识别锚点，对描线中的各点及识别锚点在平面坐标系中标记对应的坐标，将场景置于平面坐标系并进行初级背景分割，随后对完成初级背景分割的剩余区域逐帧分解，并将其与目标图样纹理及颜色进行二次比对，对符合目标图样纹理及颜色的区域边沿进行二次描边并对二次描边的线条逐点标记对应坐标，随后根据新的坐标对目标图样区域进行精准切割，最终获得边缘精确的目标图样，最终完成识别，本发明的优点在于对目标的识别精度更高。

技术领域

本发明涉及AI识别领域，具体地说，是一种复杂3D背景下的背景分割目标识别方法。

背景技术

随着科学技术的发展，自主无人智能车辆的研究越来越成为各国研究机构的研究热点之一。自主无人智能车辆可以有效减少交通事故死亡率，在无人条件下完成危险环境作业，大大提高人类生活的智能化水平。而环境感知技术是自主智能车的核心技术之一。激光雷达和摄像头是目前无人车技术中的核心环境感知传感器。激光3D点云数据中的目标识别方法是提高自主智能车的环境感知和即时定位与地图构建(SLAM)技术水平以及自主智能车的自主导航中的关键技术。

3D点云下的目标识别一般包括特征提取和特征匹配两个阶段。目前3D点云下的目标识别方法依据提取的特征种类主要可分为以下两种：采用全局特征的识别方法和采用局部特征的识别方法。全局特征以提取目标的全局轮廓特征为主，在以往的实验中因对目标形变、目标因遮挡残缺不全等因素过于敏感，而渐渐被一些具有尺度与旋转不变性的稳定局部特征所替代。依赖局部特征进行目标识别的方法是目前应用最为广泛的方法之一。在特征匹配阶段，特征匹配方法也可以分为两类：直接特征点匹配方法和间接特征点匹配方法。直接特征点匹配方法直接在模型与待辨识物体上计算所提取特征的匹配程度，通过统计匹配成功的特征点百分比来进行目标辨识；而间接特征点匹配方法则通过对模型中的特征进行进一步的组合，实现通过局部特征对全局特征的描述，然后在模型和待匹配目标之间进行这些特征组合间的匹配来进行目标的辨识。稳定的局部特征加上合适的直接特征点匹配方法，在一些场合的应用中取得了不错的效果，但如何用稳定的局部特征对目标物体进行全局特征描述依旧是实现复杂场景下目标识别的难点之一。基于局部特征与视觉词袋模型的方法解决了用局部特征对物体进行全局特征描述的语义鸿沟，在图像处理领域取得了不错的效果。但传统的视觉词袋模型忽略了众多局部特征在表述目标全局特征过程中内在的空间语序逻辑，大大降低了其在对物体进行全局特征描述时的描述精度，因此使该方法的识别精度大打折扣。

发明内容

发明目的：本发明目的在于针对现有技术的不足，提供一种复杂3D背景下的背景分割目标识别方法。

技术方案：本发明所述一种复杂3D背景下的背景分割目标识别方法，包括以下步骤：

S1、建立固定的平面坐标系，对目标进行初步采样识别，同时AI识别根据目标图样的纹理及颜色对目标整体图样进行分区，对各个分区的边沿进行逐点描线并在分区中心处设置识别锚点，对描线中的各点及识别锚点在平面坐标系中标记对应的坐标；

S2、将复杂3D背景和目标共存的待识别场景置入平面坐标系中，将初步采样识别获得的对应坐标录入平面坐标系；

S3、随着场景的行进，平面坐标系中由描线中的各点及识别锚点的坐标标定的区域跟随针对目标图样纹理及颜色的抓取持续变化并在场景中标识出目标图样的粗分区域，随后对粗分区域外的3D背景进行裁切，完成初级背景分割；

S4、对完成初级背景分割的剩余区域逐帧分解，并将其与目标图样纹理及颜色进行二次比对，对符合目标图样纹理及颜色的区域边沿进行二次描边并对二次描边的线条逐点标记对应坐标，随后根据新的坐标对目标图样区域进行精准切割，最终获得边缘精确的目标图样，最终完成识别。