[发明专利]基于点云VFH描述子的识别空间物体位姿方法

摘要

基于点云VFH描述子的识别空间物体位姿方法，本发明涉及识别空间物体位姿方法。本发明是要解决现有技术没有可行的手段确保采集样本的代表性，也无法做到精确，同时大量的样本导致运算时间过于冗长的问题，而提出的基于点云VFH描述子的识别空间物体位姿方法。该方法是通过一、计算点云对应的vfh特征描述子；二、计算差值向量di；三、计算特征向量空间；四、计算di投影到特征vfh描述子空间的坐标为Ωi；五、计算di投影到特征vfh描述子空间的坐标ΩΓ；六、确定训练BP神经网络的输入和输出维数；七、将投影后的vfh描述子对应角度输出为1；八、确定当前点云的视角等步骤实现的。本发明应用于识别空间物体位姿方法领域。

主权项

基于点云vfh描述子的识别空间物体位姿方法，其特征在于，该方法具体是按照以下步骤进行的：步骤一、在训练阶段，对每个物体均匀分成M个角度，在M角度中的每一角度所在的视角上采集点云并计算点云对应的vfh特征描述子x＝(x1,x2,...,xi,...,xM)T；xi表示构成vfh特征描述子x的向量；步骤二、根据步骤一的vfh特征描述子计算每个向量xi和平均vfh向量Ψ的差值向量di；步骤三、运用主成分分析法计算向量di的特征vfh描述子空间w；步骤四、将步骤一计算得到的vfh特征描述子和差值向量di投影到特征vfh描述子空间的坐标为Ωi；步骤五、计算待识别物体每个vfh特征向量Γ与差值向量di投影到特征vfh描述子空间的坐标ΩΓ：ΩΓ＝wT(Γ‑Ψ)步骤六、确定训练BP神经网络的输入维数和输出维数，其中，输入维数是点云VFH描述子在特征vfh描述子空间下投影的维数，输出维数为M；输出维数的每一维代表步骤一中所采集的M个视角中的每一个视角；步骤七、将输入视角下的点云的vfh描述子在特征vfh描述子空间w下进行投影，将投影后的vfh描述子对应角度输出为1，其余输出为0；步骤八、在识别过程中，输入待识别物体点云的vfh描述子在特征vfh描述子空间w下的投影，取输出值中相似度最高的前k个视角的坐标，采用Knn分类方法，将离群坐标对应的视角去掉，然后将k个视角中剩余视角取平均值作为当前点云的视角。