三维扫描关键技术概要1.doc

三维扫描关键技术 1基于仿射不变矩的三维多面体特征匹配识别 三维目标识别是通过分析二维图像来完成，首先建立三维模型，再比较二维图像和三维模型间特征来判断二维图像中是否为正确目标。 三维物体在二维平面上的成像过程在数学上可以用透视变换来描述，而当目标距离摄像机的距离远远大于目标尺寸时，二维仿射变换可以作为透视变换的近似。仿射不变矩由于具有对平移，旋转,尺度，以及仿射变换具有不变性。而广泛运用到各种复杂条件下的目标识别。仿射不变矩对于识别三维空间中的二维平面目标具有很好的效果，但是对于三维物体，由于无法知道目标深度信息,所以仅使用仿射不变矩无法达到很好的效果。对于由多个平面围成的三维多面体， 可以使用仿射不变矩作为多面体的每一个平面的面特征，再构造三维多面体的特征结构图作为目标的结构特征，通过结合两种特征来弥补仿射不变矩识别三维目标的不足。 1.1仿射不变矩及不变矩标准化 图像在几何上的各种变形用数学变换形式描述或是近似，对于由于二维平面在三维空间中旋转造成的几何变形用二维仿射变换来表示。正确识别三维空间的二维平面目标，必须找出对二维仿射变换具有不变性的特征量。仿射不变矩作为一种基于矩特征的特征量，对于二维仿射变换具有不变性。具有仿射不变特性的仿射矩是在几何矩的基础上导出的。基本几何矩的表达式： 区域D内图像函数的阶原点矩为。 区域D内图像函数的阶中心矩为 。 （1） 其中为图像重心 所引用仿射矩的表达式为： ， ， ， （2） ， 。 仿射不变矩数量级标准化：各不变矩值的数量级往往存在较大差异，当图像灰度值提高倍时，由式（1）可得中心矩，会增大，仿射不变矩也会根据不变矩的阶数而发生一定的变化，因此，在利用仿射不变矩进行图像识别时，考虑各种不变矩的数量级并把它们进行标准化是有必要的。针对这些问题，有一种将普通不变矩进行数量级标准化的方法，定义如下： , (3) （4） 这样一来每一种不变矩都和成正比，都处在同样的数量级，这对分类识别是十分有利的。以下的不变矩值都采用了式 （3）、（4）规定的数量级标准化。 1.2多面体的识别 1.2.1 多面体的结构图表示 三维多面体定义：由有限个空间平面围成的三维物体。 假定多面体目标为，以特征集表示目标所有表面特征的集合。 。 其中为目标总面数，目标的每一个面特征包含了两个特征量， 其中表示面 的平面特征(在这里我们使用仿射不变矩作为其平面特征)，而表示该平面在多面体中的结构特征，即与该平面共线的平面的标号集。这样就可以通过该集合建立一个相应的多面体目标的特征结构图。 1.2.2多面体的识别步骤 首先建立三维目标的标准模型，分别计算该模型各个面的仿射不变矩值得到其每个面的面特征，再根据每个面之间的结构特征得到其结构特征，从而得到。然后画出多面体目标的特征结构图，得到目标特征集。对待识别二维图像： （1）对图像进行边缘检测，得到图像的初步轮廓。 （2）利用图像的初步轮廓对原图进行分割，得到图像的各个组成面。 （3）计算得到各个面的仿射不变矩特征集作为该面的面特征量。 （4）对分割结果进行分析得到各个面的特征结构。 （5）分别将各个面的特征放到中进行匹配，判断是否属于该集合。 （6）根据各个面的匹配结果判断待识别目标。 1.3 结论 在不同视角，不同的尺度下甚至在部分面被遮挡的情况下，基于仿射不变矩的识别算法都能很好对目标图像进行正确的判断，从二维图像中正确的识别出与三维多面体目标匹配的部分。 该算法有一定局限性，首先该算法只能针对多面体目标，其次对分割具有一定要求，所以当图像光照强度不够，或者图像比较模糊的情况下就会对识别产生很大的影响。 2基于曲率仿射不变量的快速目标识别 由于目标轮廓的识别过程更接近人眼的视觉效果，而且基于轮廓的识别相比基于内容的识别用到更少的数据量，因此可以采用轮廓来识别目标。基于曲率不变量的快速目标识别方法可以做到高性能且低复杂度的识别，其方法利用基于曲率的仿射弧长参数构造仿射不变量，由于轮廓的曲率信息可以有效描述轮廓的特征，这使得所构造的不变量具有很强的特征表示能力。为了实现快速识别，可以对所构造不变量的极值点进行了轮廓起始点定位，进而调整不变量并通过相似度比较最终实现目标识别。这样就避免了高复杂度的循环移位匹配。 关于封闭轮廓的目标识别问题：令和 分别表示目标轮廓和模板轮廓上的坐标点其中上标表示向量的转置。如果轮廓和之间存在仿射变换，则可以表示为 （1） 其中是一个2×2非奇异矩阵，它包含了尺度、旋转和扭曲变换；是一个二维列向量，它包含了平移变换