[发明专利]一种基于几何测度和稀疏优化的三维兴趣点检测方法

摘要

本发明属于计算机视觉技术领域，具体涉及一种基于几何测度和稀疏优化的三维兴趣点检测方法。该方法包括构建三维网格模型的尺度空间、计算三维网格模型的显著性响应图、根据显著性响应图选取三维兴趣点候选集和稀疏优化兴趣点候选集四步。通过引入两种三维网格模型表面的局部几何性质来定义一种新的三维兴趣点响应函数；对三维网格模型中的任意一点，使用在尺度空间中不同尺度下的显著性响应值之间的乘积作为该点的最终显著性响应值；使用稀疏优化模型来精炼三维兴趣点候选集，以得到更加精确和稳定的三维兴趣点。最终实现高效的、鲁棒的和稳定的检测效果。

主权项

1.一种基于几何测度和稀疏优化的三维兴趣点检测方法，包括以下步骤：步骤1、构建三维网格模型的尺度空间：利用三维高斯滤波器来构建三维模型的尺度空间Mσ(x,y,z)＝M(x,y,z)*G(x,y,z,σ)   (1)其中M(x,y,z)为初始三维网格模型，Mσ(x,y,z)为该模型在其尺度空间中的表示，σ是高斯滤波器的标准差，*为卷积运算符；步骤2、计算三维网格模型的显著性响应图：对三维网格模型中的任意一点v，点v的1‑环邻域点由能与点v构成三角形的点组成，它们位于该点外侧的第一层且在几何位置关系上是直接相邻的点，记为V1；点v的2‑环邻域点由V1中所有点的1‑环邻域点且不包括V1和v的点构成，记为V2；以上述相同的方式，得到3‑环邻域点V3和4‑环邻域点V4；引入两个几何特性来计算三维网格模型的显著性响应图；所述两个几何特性为：第一，相邻环状点到被测点切平面的距离；第二，被测点的法向量和其1‑环邻域点的法向量之间的最小夹角，所述环为三维网格模型中点的邻域；所述相邻环状点到被测点切平面的距离：三维网格模型中的任意一点v所对应的切平面表示为：nT[x‑xv,y‑yv,z‑zv]T＝0   (3)其中n表示点v的法向量，(x_v,y_v,z_v)表示点v的坐标；令表示第k‑环邻域点V_k到点v的切平面的调和平均距离，表示相邻环状点到被测点切平面的距离这个几何特性，则其中(xkj,ykj,zkj)为k‑环邻域点Vk中的第j个点的坐标，dkj为该点到点v切平面的距离，Wk为k‑环邻域点Vk的个数；所述被测点的法向量和其1‑环邻域点的法向量之间的最小夹角：同时引入另外一种几何特性来进一步区分三维网格模型中的兴趣点和边缘，即被测点的法向量和其1‑环邻域点的法向量之间的最小夹角，可表示为：其中nf表示1‑环邻域点中任意一个点的法向量；基于以上两种几何特性，定义检测三维兴趣点的显著性响应函数来评估每个点的显著性响应程度，三维网格模型表面每个点的显著性响应值共同构成了该模型的显著性响应图；采用在不同尺度下的显著性响应值的乘积作为一个点的最终显著性响应值ρ，提高真正三维兴趣点的显著性响应值并且抑制伪三维兴趣点的显著性响应值；对三维网格模型中的任意一点而言，其最终的显著性响应值ρ(j)定义为:其中ρ_i(j),i＝0,1,2,...,6,j＝1,2,...,N为三维网格模型M_σ(x,y,z),σ＝{0,ε,2ε,3ε,4ε,5ε,6ε}中任一点的显著性响应值，σ＝0表示为初始三维网格模型；N表示三维网格模型M_σ(x,y,z)中点的个数，和θ_i(j)分别通过公式(4)和(7)进行计算，表示的集合，θ_i表示θ_i(j),j＝1,2,...N的集合；步骤3、根据显著性响应图选取三维兴趣点候选集：通过步骤2的方法获得三维网格模型的最终显著性响应图后，选择显著性响应图中的具有局部最大值的点作为三维兴趣点候选集；对于三维网格模型中的每一个点而言，比较该点和其周围k‑环邻域点Vk,k＝1,2,3,4的显著性响应值并且选择最大的一个点作为候选兴趣点；步骤4、稀疏优化三维兴趣点候选集：采用基于l0范数的稀疏优化方法来精炼兴趣点候选集，剔除兴趣点候选集中显著性响应值小于设定阈值的点；首先对兴趣点候选集做以下映射：其中S表示候选集中兴趣点的个数；令ρ表示ρ(j),j＝1,2,...,S的集合，首先对ρ归一化，然后通过如下目标函数对其进行稀疏优化：ρopt＝ρ·x是ρ和x的Hadamard积，x是与ρ具有相同维度的向量且其中元素的值为离散值，取0或者1；xj＝0表示兴趣点候选集中的第j个候选点的ρ值小于设定阈值的点，反之亦然；最后选取ρopt中值大于0所对应的点作为最终的三维兴趣点。