[发明专利]一种可压缩的3D识别方法

摘要

本发明提供了一种可压缩的3D识别方法，步骤包括：提取扫描的每一帧二维图像中3D物体的二维特征点；重构出各个特征点的深度信息得到各帧二维图像的3D特征点；根据匹配结果选出关键帧；将各个关键帧以及各个关键帧对应的3D特征点进行云存储；实时提取待识别图像的二维特征点，判断识别图像是否为3D物体的一部分；将云存储的3D特征点映射到待识别图像上，判断待识别图像相对于3D物体的姿态，从而得到识别结果。本发明提出的可压缩的3D识别方法，尽可能的压缩3D物体的特征信息，而不会降低其识别能力。

主权项

一种可压缩的3D识别方法，其特征在于，包括如下步骤：步骤1，利用相机对3D物体进行扫描，从而获得3D数据，具体为：步骤1.1，提取扫描的每一帧二维图像中3D物体的二维特征点，并将二维图像分为M*N个网格，且每个网格内只保存一个特征点；步骤1.2，匹配连续两帧二维图像的特征点，并根据相机的对极几何模型求出该两帧二维图像表示位置关系的旋转矩阵R和平移矩阵T，再利用三角化算法重构出各个特征点的深度信息，从而得到各帧二维图像的3D特征点；步骤1.3，将首次两两匹配上的帧设为关键帧，再将其余帧与关键帧进行匹配，若匹配上，则表明两帧图像有共视的部分，并进一步获得两帧图像中共视的特征点数量，若特征点数量小于T，则表明两帧图不能互相表示，将该帧图像同样存为关键帧；步骤1.4，将各个关键帧以及各个关键帧对应的3D特征点进行云存储，供线上识别使用；步骤2，实时3D识别，具体为：步骤2.1，实时提取待识别图像的二维特征点，将待识别图像划分的M*N个网格中，且在每个网格内只保存一个二维特征点，再将待识别图像与云存储的关键帧进行对应网格匹配，选出共视特征点最多的关键帧，若共视特征点数量大于T，则表明待识别图像为3D物体的一部分；步骤2.2，根据步骤2.1匹配选出的关键帧与待识别图像的对应位置关系计算出旋转矩阵R和平移矩阵T，从而将云存储的3D特征点映射到待识别图像上，得到待识别图像与3D物体的对应关系，以此判断待识别图像相对于3D物体的姿态，从而得到识别结果。