專利名稱：一種三維點云數(shù)據(jù)結合數(shù)字影像數(shù)據(jù)的物體識別方法
技術領域：
本發(fā)明涉及一種對置于平面上的物體進行識別、標記并追蹤的方法，尤其涉及一種用三維點云數(shù)據(jù)與數(shù)字影像相結合進行物體識別的方法。
背景技術：
目前，物體識別是計算機視覺領域里的重要組成部分，它的任務是識別出圖像中的物體，并給出物體在圖像所反映的場景中的位置。物體識別所使用的數(shù)據(jù)源通常是由相機、攝像頭等裝置所獲取的二維數(shù)字圖像，這種圖像獲取方法簡單、快速，但是圖像的質(zhì)量與光照強度有很大關系，在光照不強或有障礙物遮擋時很難分辨圖像中的物體。在物體的識別過程中要利用有關物體的先驗知識，它的基本思想是選取物體的某些特征作為基元，在確定基元之間的相互關系后，將物體表示成一個關系屬性圖，系統(tǒng)通過從圖像中抽取出的物體的關系屬性圖與先驗知識進行匹配以識別圖像中包含的物體。這種物體識別方法適用于提取某一特定類別的物體，對于物體類別與形狀等特征不確定的情況則不適用，并且在物體顏色與背景圖像相似時，很難從背景圖像中識別出目標物體。近些年，出于工業(yè)和醫(yī)療等領域大量現(xiàn)實應用的需要，三維物體識別成為了一個很活躍的研究領域。一般來說，三維物體識別系統(tǒng)可以通過兩個階段的處理來完成三維物體的識別和定位，首先用傳感器獲取的場景輸入數(shù)據(jù)來得到場景的表達；然后將它與數(shù)據(jù)庫中存儲的物體表達相匹配。這一領域的研究主要集中在傳感器類型、三維物體表達方法和匹配策略等3個方面，其中使用傳感器獲得場景內(nèi)物體的表達是后續(xù)操作的關鍵。結構光是一組由投影儀和攝像頭組成的系統(tǒng)結構。用投影儀投射特定的光信息到物體表面及背景后，由攝像頭采集，根據(jù)物體造成的光信號的變化來計算物體的位置和深度等信息，進而復原整個三維空間。結構光測量是獲得場景內(nèi)物體三維表達的高效方式，最近幾年，結構光測量技術由于其具有主動式、非接觸的特性而被廣泛應用，在逆向工程、質(zhì)量檢測、數(shù)字化建模、物體識別等領域具有無可比擬的優(yōu)勢。與傳統(tǒng)測量方法相比，它具有無接觸、檢測速度快等優(yōu)勢，在工業(yè)、信息化服務業(yè)等領域獲得了越來越廣泛的運用。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種用三維點云數(shù)據(jù)與數(shù)字影像相結合進行物體識別的方法，能夠有效提高物體識別速度。本發(fā)明采用下述技術方案:一種三維點云數(shù)據(jù)結合數(shù)字影像數(shù)據(jù)的物體識別方法，包括以下步驟:(1)、獲取場景區(qū)域內(nèi)的三維點云數(shù)據(jù)和數(shù)字影像數(shù)據(jù)；
(2)、對獲取的三維點云數(shù)據(jù)和數(shù)字影像數(shù)據(jù)做配準處理:將三維點云數(shù)據(jù)與數(shù)字影像數(shù)據(jù)配準在同一空間位置上；
(3)、對配準處理后的三維點云數(shù)據(jù)進行預處理:剔除場景區(qū)域內(nèi)的背景數(shù)據(jù)與噪聲
占.(4)、對三維點云數(shù)據(jù)進行物體識別； (5)、將三維點云數(shù)據(jù)中的目標物體輪廓映射到數(shù)字影像中，得到目標物體在數(shù)字影像中的位置及該目標物體所占用的像素點；
(6 )、對映射后的數(shù)字影像中的目標物體做標記處理；
(7)、重復步驟(I) (6)，對獲取的后續(xù)幀的三維點云數(shù)據(jù)和數(shù)字影像數(shù)據(jù)進行處理，達到追蹤、標記目標物體運動的目的。所述的步驟(I)中首先使用結構光投射器向場景區(qū)域內(nèi)投射近紅外光，對場景內(nèi)空間進行標記，空間中的每一點都具有編碼信息，代表不同的位置與距離；其次用帶紅外濾波器的CMOS影像傳感器從場景區(qū)域內(nèi)讀取經(jīng)過編碼的光線，并進行解碼，將點的狀態(tài)信息轉換為高度信息，生成場景區(qū)域內(nèi)的三維點云數(shù)據(jù)；與此同時，彩色攝像頭獲取同一場景區(qū)域內(nèi)的彩色數(shù)字圖像，得到場景區(qū)域內(nèi)的數(shù)字影像數(shù)據(jù)。
所述的結構光投射器、CMOS影像傳感器與彩色攝像頭三個設備依次緊密相鄰排列，且三個設備的中心點在同一條軸線上，三個設備均架設在被測場景區(qū)域的正上方。所述的步驟(3)中的預處理包括以下三個步驟:
(31)、過濾:去除無效點及明顯錯誤的點，如高度值為零的點或為負值的點；
(32)、閾值處理:通過設定略高于目標物體的高度值對三維點云數(shù)據(jù)進行過濾操作，只保留目標物體所處高度范圍內(nèi)的三維點云數(shù)據(jù)；
(33)、背景剔除:將背景數(shù)據(jù)從整體點云數(shù)據(jù)中去除，其中背景數(shù)據(jù)是指點云數(shù)據(jù)中高度值最小的部分；經(jīng)過預處理后的點云數(shù)據(jù)，是場景內(nèi)與背景有一定高度差的物體數(shù)據(jù)，點云數(shù)據(jù)中的每個點都包含有位置與高度信息。所述的步驟(4)中的物體識別具體步驟如下所述:
(41)、搜索三維點云數(shù)據(jù)找到包含有效高度值的點，將此點標記為物體i的點，其中i為正整數(shù)；
(42)、以該點為中心做八鄰域搜索，依次檢查各鄰域點的高度值，將包含有效高度值的點標記為物體i的點；
(43)、依次以步驟(42)中檢測出的包含有效高度值的點為中心執(zhí)行步驟(42)的操作；若步驟(42)中各包含有效高度值的鄰域點處理完畢，進入步驟(44)；
(44)、若步驟(43)中被標記的點周圍存在包含有效高度值的點，返回(42);若否則進入(45)；
(45)、搜索全部點云數(shù)據(jù)，若其中有未被標記的點，返回(41)，此時i的值加I;若否進入(46)；
(46 )、運用邊緣搜索算法，提取已識別出的各個物體的輪廓；
(47)、如果是第一幀影像，手動從已識別出的若干個物體中選擇目標物體，進入步驟(48);否則進入(49)；
(48)、將目標物體的輪廓和目標物體的高度值，作為目標物體模型存儲在內(nèi)存單位
中；
(49)、將目標物體模型與后續(xù)幀影像識別出的若干個物體進行匹配，得到目標物體所在的位置，結束。所述的步驟(6)中的標記用高亮顏色填充目標物體的邊緣像素，清楚的顯現(xiàn)目標物體在數(shù)字影像中的位置。
本發(fā)明還提供一種三維點云數(shù)據(jù)結合數(shù)字影像數(shù)據(jù)的物體識別系統(tǒng)，包括以下模塊:
數(shù)據(jù)獲取模塊，用于獲取場景區(qū)域內(nèi)的三維點云數(shù)據(jù)和數(shù)字影像數(shù)據(jù)；
配準模塊，用于對獲取的三維點云數(shù)據(jù)和數(shù)字影像數(shù)據(jù)做配準處理，將點云數(shù)據(jù)與數(shù)字影像配準在同一空間位置上；
三維點云數(shù)據(jù)預處理模塊，用于將配準處理后的三維點云數(shù)據(jù)進行預處理，剔除場景區(qū)域內(nèi)的背景數(shù)據(jù)與噪聲點；
物體識別模塊，用于識別三維點云數(shù)據(jù)的物體；
映射模塊，用于將三維點云數(shù)據(jù)中的目標物體輪廓映射到數(shù)字影像中，得到目標物體在數(shù)字影像中的位置；
標記模塊，對映射后的數(shù)字影像中的目標物體做標記處理。本發(fā)明的有益效果:
O能有效克服光照強度的影響:由攝像頭所采集的數(shù)字影像受光照影響較強，在光照較暗或有物體反射時得到的圖像質(zhì)量不佳，不能有效的進行物體識別，而采用基于近紅外的面結構光得到的點云數(shù)據(jù)不受光照度的影響；
2)能有效克服當物體顏色與背景顏色相近時物體識別度不高的問題:數(shù)字影像是二維的圖像，當物體顏色與背景顏色區(qū)分不明顯時，物體的識別是一個很棘手的問題，而由基于近紅外線的面結構光所獲取的三維點云數(shù)據(jù)是場景內(nèi)的三維空間數(shù)據(jù)，包含物體的高度信息，通過高度差別能較方便的將物體從背景中提取出來；
3 )能有效減少數(shù)據(jù)運算量:由攝像頭獲取的數(shù)字圖像的分辨率通常較由面結構光所獲取的三維點云數(shù)據(jù)的分辨率高、數(shù)據(jù)量大，相應的，僅使用數(shù)字圖像進行物體識別需要的運算量大，而使用三維點云數(shù)據(jù)配合數(shù)字影像進行物體識別能大大減少運算量，有效提高物體識別速度。


圖1是本發(fā)明的方法流程 圖2是本發(fā)明的數(shù)據(jù)獲取裝置的示意 圖3是基于三維點云數(shù)據(jù)的物體識別示意 圖4是三維點云數(shù)據(jù)與平面影像數(shù)據(jù)映射示意 圖5是本發(fā)明的系統(tǒng)框圖。
具體實施例方式如圖1所示，本發(fā)明是一種三維點云數(shù)據(jù)結合數(shù)字影像數(shù)據(jù)的物體識別方法，包括以下步驟:(1)、獲取場景區(qū)域內(nèi)的三維點云數(shù)據(jù)和數(shù)字影像數(shù)據(jù)；
(2)、對獲取的三維點云數(shù)據(jù)和數(shù)字影像數(shù)據(jù)做配準處理:將三維點云數(shù)據(jù)與數(shù)字影像數(shù)據(jù)配準在同一空間位置上；
(3)、對配準處理后的三維點云數(shù)據(jù)進行預處理:剔除場景區(qū)域內(nèi)的背景數(shù)據(jù)與噪聲
占.(4)、對三維點云數(shù)據(jù)進行物體識別； (5)、將三維點云數(shù)據(jù)中的目標物體輪廓映射到數(shù)字影像中，得到目標物體在數(shù)字影像中的位置及該目標物體所占用的像素點；
(6 )、對映射后的數(shù)字影像中的目標物體做標記處理；
(7)、重復步驟(I) (6)，對獲取的后續(xù)幀的三維點云數(shù)據(jù)和數(shù)字影像數(shù)據(jù)進行處理達到追蹤、標記目標物體運動的目的。所述的步驟(I)中首先使用結構光投射器向場景區(qū)域內(nèi)投射近紅外光，對場景內(nèi)空間進行標記，空間中的每一點都具有編碼信息，代表不同的位置與距離；其次用帶紅外濾波器的CMOS影像傳感器從場景區(qū)域內(nèi)讀取經(jīng)過編碼的光線，并進行解碼，將點的狀態(tài)信息轉換為高度信息，生成場景區(qū)域內(nèi)的三維點云數(shù)據(jù)；與此同時，彩色攝像頭獲取同一場景區(qū)域內(nèi)的彩色數(shù)字圖像，得到場景區(qū)域內(nèi)的數(shù)字影像數(shù)據(jù)，彩色攝像頭與CMOS影像傳感器以相同的幀率輸出彩色圖像與深度圖像。由結構光獲取的三維點云數(shù)據(jù)表達的是場景內(nèi)的高度信息，只與各物體的形狀及高度值等物理特性有關，不受光照、背景色等條件的影響，能很好的彌補彩色數(shù)字影像在此方面的不足；此外，與數(shù)字影像相比，同一范圍內(nèi)三維點云的數(shù)據(jù)量更小，在進行目標物體的識別運算時的計算量更少，可以顯著提高識別速度。如圖2所示，所述的結構光投射器、CMOS影像傳感器與彩色攝像頭三個設備依次緊密相鄰排列，且三個設備的中心點在同一條軸線上，三個設備均架設在被測場景區(qū)域的正上方。CMOS影像傳感器與彩色攝像機緊鄰位于同一條軸線上，二者不在同一位置，產(chǎn)生的圖像存在位移偏差，所以需要數(shù)據(jù)配準模塊將兩者配準在同一空間位置。僅經(jīng)過配準處理的點云數(shù)據(jù)不僅包含場景內(nèi)的物體，而且包含場景的背景數(shù)據(jù)及噪聲點，這些數(shù)據(jù)會對后續(xù)算法產(chǎn)生干擾，所以點云數(shù)據(jù)預處理模塊剔除場景的背景數(shù)據(jù)與噪聲點。所述的步驟(3)中的預處理包括以下三個步驟:
(31)、過濾:去除無效點及明顯錯誤的點，如高度值為零的點或為負值的點；
(32)、閾值處理:通過設定略高于目標物體的高度值對三維點云數(shù)據(jù)進行過濾操作，只保留目標物體所處高度范圍內(nèi)的三維點云數(shù)據(jù)；
(33)、背景剔除:將背景數(shù)據(jù)從整體點云數(shù)據(jù)中去除，其中背景數(shù)據(jù)是指點云數(shù)據(jù)中高度值最小的部分；經(jīng)過預處理后的點云數(shù)據(jù)，是場景內(nèi)與背景有一定高度差的物體數(shù)據(jù)，點云數(shù)據(jù)中的每個點都包含有位置與高度信息。三維點云數(shù)據(jù)經(jīng)過預處理后，數(shù)據(jù)量大大減少，可以有效增加物體識別速度，經(jīng)過預處理后，如圖3所示，其中高度值在100附近的點被剔除，只剩下四塊陰影部分所覆蓋的區(qū)域。所述的步驟(4)中的物體識別具體步驟如下所述:
(41)、搜索三維點云數(shù)據(jù)找到包含有效高度值的點，將此點標記為物體i的點，其中i為正整數(shù)；
(42)、以該點為中心做八鄰域搜索，依次檢查各鄰域點的高度值，將包含有效高度值的點標記為物體i的點；
(43)、依次以步驟(42)中檢測出的包含有效高度值的點為中心執(zhí)行步驟(42)的操作；若步驟(42)中各包含有效高度值的鄰域點處理完畢，進入步驟(44)；
(44)、若步驟(43)中被標記的點周圍存在包含有效高度值的點，返回(42);若否則進入(45)； (45)、搜索全部點云數(shù)據(jù)，若其中有未被標記的點，返回(41)，此時i的值加I ;若否進入(46)；
以圖3中的左上角的目標物體為例，先將高度值為205的點標記為物體I的點(物體I的有效高度值包括有:205、206、207、211、220、218、215、210);以205點為中心做搜索，搜索出高度值為206、207、211、220的點，標記為物體I的點，然后再分別以206、207、211、220點作為中心，搜索出218、215、211、210，均標記為物體I的點，然后再以218、215、211、210為中心搜索，搜索到205、207，標記為物體I的點，再以205、207為中心搜索，沒有有效高度值的點了，則屬于物體I的有效高度值點搜索完畢。然后按照此方法搜索其它物體的有效高度值點，圖3中顯示有4個物體。(46)、運用邊緣搜索算法，提取已識別出的各個物體的輪廓；
(47)、如果是第一幀影像，手動從已識別出的若干個物體中選擇目標物體，進入步驟(48);否則進入(49)；
(48)、將目標物體的輪廓與高度值(即目標物體模型)存儲在內(nèi)存單位中；
(49)、將目標物體模型與后續(xù)幀影像識別出的若干個物體進行匹配，得到目標物體的位置，結束。如圖4所示，目標物體M在三維點云數(shù)據(jù)與數(shù)字影像中的位置是對應的，點云數(shù)據(jù)的分辨率較數(shù)字影像的低，因此，點云數(shù)據(jù)中的I個像素點對應數(shù)字影像中的若干個像素點。這樣，通過映射模塊的處理就能得到目標物體輪廓在數(shù)字影像中的位置及該物體所占用的像素點；目標物體輪廓在數(shù)字影像中的位置及其所占用的像素點都是確定的，用高亮顏色填充邊緣像素進行標記，這樣可以很清楚的看到目標物體在數(shù)字影像中的位置。此后，對CMOS影像傳感器所得到的每一幀點云數(shù)據(jù)與彩色攝像頭所得到的每一幀數(shù)字圖像，都進行上述處理，即首先得到目標物體在點云數(shù)據(jù)中的位置，再將該位置映射到數(shù)字圖像中進行標記，此過程的反復執(zhí)行就可以達到追蹤、標記目標物體運動的目的。本發(fā)明還提供了一種三維點云數(shù)據(jù)結合數(shù)字影像數(shù)據(jù)的物體識別系統(tǒng)，如圖5所示，包括以下模塊:
數(shù)據(jù)獲取模塊，用于獲取場景區(qū)域內(nèi)的三維點云數(shù)據(jù)和數(shù)字影像數(shù)據(jù)；
配準模塊，用于對獲取的三維點云數(shù)據(jù)和數(shù)字影像數(shù)據(jù)做配準處理，將點云數(shù)據(jù)與數(shù)字影像配準在同一空間位置上；
三維點云數(shù)據(jù)預處理模塊，用于將配準處理后的三維點云數(shù)據(jù)進行預處理，剔除場景區(qū)域內(nèi)的背景數(shù)據(jù)與噪聲點；
物體識別模塊，用于識別三維點云數(shù)據(jù)的物體；
映射模塊，用于將三維點云數(shù)據(jù)中的目標物體輪廓映射到數(shù)字影像中，得到目標物體在數(shù)字影像中的位置；
標記模塊，對映射后的數(shù)字影像中的目標物體做標記處理。
權利要求
1.一種三維點云數(shù)據(jù)結合數(shù)字影像數(shù)據(jù)的物體識別方法，其特征在于:包括以下步驟:(1)、獲取場景區(qū)域內(nèi)的三維點云數(shù)據(jù)和數(shù)字影像數(shù)據(jù)； (2)、對獲取的三維點云數(shù)據(jù)和數(shù)字影像數(shù)據(jù)做配準處理:將三維點云數(shù)據(jù)與數(shù)字影像數(shù)據(jù)配準在同一空間位置上； (3)、對配準處理后的三維點云數(shù)據(jù)進行預處理:剔除場景區(qū)域內(nèi)的背景數(shù)據(jù)與噪聲占.(4)、對三維點云數(shù)據(jù)進行物體識別； (5)、將三維點云數(shù)據(jù)中的目標物體輪廓映射到數(shù)字影像中，得到目標物體在數(shù)字影像中的位置及該目標物體所占用的像素點； (6 )、對映射后的數(shù)字影像中的目標物體做標記處理； (7)、重復步驟(I) (6)，對獲取的后續(xù)幀的三維點云數(shù)據(jù)和數(shù)字影像數(shù)據(jù)進行處理，達到追蹤、標記目標物體運動的目的。
2.根據(jù)權利要求1所述的三維點云數(shù)據(jù)結合數(shù)字影像數(shù)據(jù)的物體識別方法，其特征在于:所述的步驟(I)中首先使用結構光投射器向場景區(qū)域內(nèi)投射近紅外光，對場景內(nèi)空間進行標記，空間中的每一點都具有編碼信息，代表不同的位置與距離；其次用帶紅外濾波器的CMOS影像傳感器從場景區(qū)域內(nèi)讀取經(jīng)過編碼的光線，并進行解碼，將點的狀態(tài)信息轉換為高度信息，生成場景區(qū)域內(nèi)的三維點云數(shù)據(jù)；與此同時，彩色攝像頭獲取同一場景區(qū)域內(nèi)的彩色數(shù)字圖像，得到場景區(qū)域內(nèi)的數(shù)字影像數(shù)據(jù)。
3.根據(jù)權利要求2所述的三維點云數(shù)據(jù)結合數(shù)字影像數(shù)據(jù)的物體識別方法，其特征在于:所述的結構光投射器、CMOS影像傳感器與彩色攝像頭三個設備依次緊密相鄰排列，且三個設備的中心點在同一條軸線上，三個設備均架設在被測場景區(qū)域的正上方。
4.根據(jù)權利要求1所 述的三維點云數(shù)據(jù)結合數(shù)字影像數(shù)據(jù)的物體識別方法，其特征在于:所述的步驟(3)中的預處理包括以下三個步驟: (31)、過濾:去除無效點及明顯錯誤的點，如高度值為零的點或為負值的點； (32)、閾值處理:通過設定略高于目標物體的高度值對三維點云數(shù)據(jù)進行過濾操作，只保留目標物體所處高度范圍內(nèi)的三維點云數(shù)據(jù)； (33)、背景剔除:將背景數(shù)據(jù)從整體點云數(shù)據(jù)中去除，其中背景數(shù)據(jù)是指點云數(shù)據(jù)中高度值最小的部分；經(jīng)過預處理后的點云數(shù)據(jù)，是場景內(nèi)與背景有一定高度差的物體數(shù)據(jù)，點云數(shù)據(jù)中的每個點都包含有位置與高度信息。
5.根據(jù)權利要求1所述的三維點云數(shù)據(jù)結合數(shù)字影像數(shù)據(jù)的物體識別方法，其特征在于:所述的步驟(4)中的物體識別具體步驟如下所述: (41)、搜索三維點云數(shù)據(jù)找到包含有效高度值的點，將此點標記為物體i的點，其中i為正整數(shù)； (42)、以該點為中心做八鄰域搜索，依次檢查各鄰域點的高度值，將包含有效高度值的點標記為物體i的點； (43)、依次以步驟(42)中檢測出的包含有效高度值的點為中心執(zhí)行步驟(42)的操作；若步驟(42)中各包含有效高度值的鄰域點處理完畢，進入步驟(44)； (44)、若步驟(43)中被標記的點周圍存在包含有效高度值的點，返回(42);若否則進入(45)； (45)、搜索全部點云數(shù)據(jù)，若其中有未被標記的點，返回(41)，此時i的值加I ;若否進入(46)； (46 )、運用邊緣搜索算法，提取已識別出的各個物體的輪廓； (47)、如果是第一幀影像，手動從已識別出的若干個物體中選擇目標物體，進入步驟(48);否則進入(49)； (48)、將目標物體的輪廓和目標物體的高度值，作為目標物體模型存儲在內(nèi)存單位中； (49)、將目標物體模型與后續(xù)幀影像識別出的若干個物體進行匹配，得到目標物體所在的位置，結束。
6.根據(jù)權利要求1所述的三維點云數(shù)據(jù)結合數(shù)字影像數(shù)據(jù)的物體識別方法，其特征在于:所述的步驟(6)中的標記用高亮顏色填充目標物體的邊緣像素，清楚的顯現(xiàn)目標物體在數(shù)字影像中的位置。
7.現(xiàn)權利要求1所述方法的三維點云數(shù)據(jù)結合數(shù)字影像數(shù)據(jù)的物體識別系統(tǒng)，其特征在于:包括以下模塊: 數(shù)據(jù)獲取模塊，用于獲取場景區(qū)域內(nèi)的三維點云數(shù)據(jù)和數(shù)字影像數(shù)據(jù)； 配準模塊，用于對獲取的 三維點云數(shù)據(jù)和數(shù)字影像數(shù)據(jù)做配準處理，將點云數(shù)據(jù)與數(shù)字影像配準在同一空間位置上； 三維點云數(shù)據(jù)預處理模塊，用于將配準處理后的三維點云數(shù)據(jù)進行預處理，剔除場景區(qū)域內(nèi)的背景數(shù)據(jù)與噪聲點； 物體識別模塊，用于識別三維點云數(shù)據(jù)的物體； 映射模塊，用于將三維點云數(shù)據(jù)中的目標物體輪廓映射到數(shù)字影像中，得到目標物體在數(shù)字影像中的位置； 標記模塊，對映射后的數(shù)字影像中的目標物體做標記處理。
全文摘要
本發(fā)明公開了一種三維點云數(shù)據(jù)結合數(shù)字影像數(shù)據(jù)的物體識別方法，包括以下步驟先獲取場景區(qū)域內(nèi)的三維點云數(shù)據(jù)和數(shù)字影像數(shù)據(jù)；然后對獲取的數(shù)據(jù)做配準處理對配準處理后的三維點云數(shù)據(jù)進行預處理對三維點云數(shù)據(jù)進行物體識別；將三維點云數(shù)據(jù)中的目標物體輪廓映射到數(shù)字影像中；對映射后的數(shù)字影像中的目標物體做標記處理；重復上述步驟對獲取的后續(xù)幀的數(shù)據(jù)進行處理，達到追蹤、標記目標物體運動的目的。使用三維點云數(shù)據(jù)配合數(shù)字影像進行物體識別能大大減少運算量，有效提高物體識別速度。
文檔編號G06K9/00GK103093191SQ201210582830
公開日2013年5月8日 申請日期2012年12月28日 優(yōu)先權日2012年12月28日
發(fā)明者王會, 秦嶺, 徐曉, 沈嚴 申請人:中電科信息產(chǎn)業(yè)有限公司