关于三维目标识别的文献综述.doc

1.1研究背景 随着人类社会的快速发展，图像识别已经迅速发展成为一项极为重要的科技手段，其研究目标是，赋予计算机类似于人类的视觉能力，使其通过二维图像认知周边环境信息，包括识别环境中三维物体的几何形状、位置和姿态等。图像识别需综合运用计算机科学、模式识别、机器视觉及图像理解等学科知识，并随着这些学科的发展而前进。图像识别技术己广泛应用到许多领域，例如：宇宙探测、生物医学工程、遥感技术、交通、军事及公安等。针对不同对象和环境有不同的识别方法。由于图像可以提供十分丰富有效的信息，为给识别带来较大方便。因此，图像识别技术一直受到研究者重视，是模式识别领域的研究热点之一。一般来说，图像识别技术大体经历了三个主要阶段即：文字识别、二维图像识别和处理、三维物体识别。文字识别开始于1950年前后，首先是识别字母、数字和符号，后来发展到识别文字，从识别印刷字体到手写文字，并研制出相应的文字识别设备。从六十年代初期开始，人们开始图像处理和识别的研究，逐步发展到识别静止图像和运动图像，最初主要利用成像技术光学技术等，后来人们结合了日新月异的计算机技术，获得巨大成功。接下来是对三维物体识别问题的研究。三维物体识别的任务是识别出图像中有什么类型的物体,并给出物体在图像中所反映的位置和方向，是对三维世界的感知理解。在结合了人工智能科学、计算机科学和信息科学之后，三维物体识别成为图像识别研究的又一重要方向。 目前，出于城市规划、工业自动化、交通监控、军事侦察及医疗等各个领域的大量应用需求，三维物体识别已成为一个活跃的研究领域，有较大的实用价值和重要意义，具有广阔前景。设计一个三维物体识别系统，理论上要求它有足够好的通用性、稳健性，且学习简单，即这个系统能够在各种条件下，无需手工干预就能识别任何物体，没有特殊或复杂的过程来获得数据库模型。当然这个需求一般很难达到，实际都是在一定约束条件下进行方法的研究，然后尽可能减约束条件。三维物体识别一般可分为五种主要的研究思路： 1)基于模型(model-based)或几何(geometry-based)的方法； 2)基于外观(appearance-based)或视图(view-based)的方法； 3)基于局部特征匹配的方法； 4)光学三维物体识别 5)基于深度图像的三维物体识别 现在主流的是前三项， 1.基于模型或几何的方法 如果在识别的过程中，要利用有关物体外观的先验知识，如CAD设计的模型则称为基于模型（model-based）或几何（geometry-based）的三维物体识别。基于模型的方法，从输入图像数据中得到物体描述，并与模型描述进行匹配，以达到对物体进行识别及定位目的。这里的物体模型一般仅描述物体的三维外形，省略颜色和纹理等其他属性，其算法流程如图1-1所示。 传感器数据获取过程，是在物理原则、集合原则基础上，从真实物体中产生模型数据。分析建模过程，是对传感器数据进行处理，从中提取目标有关的独立应用特征。模型库建立的基本思想是，选取物体的某些特征作为基元,在确定基元之间的相互关系后,将物体表示成一个关系属性图。物体的模型，就是系统在识别物体前所获得的物体表示。在模型匹配过程，系统通过从图像中抽取出的物体关系属性图，把物体描述与模型描述通过某种匹配算法进行比较、分析，最终得到与物体最相似的一种描述，从而确定物体的类型和空间位置。基于模型的三维物体识别，需要着重解决以下4个问题： 1)模型产生：主要有CAD设计法和传感器产生法； 2)目标描述：有基于不变性特征法、表面模型法等; 3)模型描述：一般和目标描述方法相似; 4)模型匹配：可用距离法、最小二乘匹配法及树匹配等。 基于模型的方法进行三维物体识别，优点是比较直观和易于理解，但是一般所用算法的运算量都较大，且需要人工借助CAD等软件产生模型。目前许多几何不变性的应用，仍需要利用物体的三维几何模型来求取不变量和做假设验证。由于对复杂物体建立三维几何模型的难度和工作量非常大，在应用中还存在较多障碍，如何利用几何不变性解决复杂背景、物体间遮挡、噪声干扰等环境下的三维复杂物体识别，仍是一个困难的问题。 2. 基于视图的方法 二维平面图像可通过普通CCD相机获取，在一幅二维图像中，三维物体的外观取决于其形状、反射特性、姿态和环境亮度等。基于外观（appearance-based）或基于视图（view-based）的三维物体识别算法研究，近来成为人们的研究热点。即使最简单的物体，其不同视点的二维视图差异往往会很大，而生物视觉系统对此表现出非常稳健的识别能力，它们的识别过程趋向于选择物体的二维视图，而不是物体的三维描述。基于视图的方法通过视觉相似性来识别物体，识别系统设计相对简单，无需显式地计算物体三维模型[6]。该方法一般分为两个步骤：首先，通过不同光照条件