基于凹凸性方法的杂乱场景点云分割算法

为了处理杂乱场景中多个物体的分割问题,提出了一种基于RGB-D点云数据的分割方法;该方法先将场景点云超体聚类分解为基于体素网格的邻接图,然后对邻接图的边缘进行分类创建凸度图,再通过区域生长合并具有凸关系的分块从而得到未知物体。此外,提出用欧几里得算法对区域生长进行改进,发现对于碗和杯子这类具有内部凹面的物体有较好地分割效果。在对象分割数据库和手动提取场景中的实验结果,表明该方法可以在杂乱的桌面场景中分割各种形状的对象。     

基于区域增长和三角分割的局部纹理映射算法

为增强三维场景中物体的真实感,展现物体局部细节特征,文章提出了一种基于区域增长和三角分割的局部纹理贴图映射算法。该算法以用户指定点为中心点,将包含该点三角面作中介面,通过将邻接平面展平到中介平面上,在一定范围内扩展该映射区域,计算区域内顶点纹理坐标。对于部分超过范围的三角面,通过求切线交点的方法进行三角分割,直至获得贴图的合适映射区域。算法成功应用于针织物外观模拟展示系统,很好地实现了在不规则三维物体上的局部区域纹理映射。     

ORBTSDF-SCNet：一种动态场景在线三维重建方法

传统的三维重建技术在面对移动物体干扰时难以有效完成场景重建任务。针对该问题，本文提出一种基于SLAM(Simultaneous Localization and Mapping）、TSDF(Truncated Signed Distance Function）和SCNet(Sample Consistency Networks）实例分割网络的三维重建方法ORBTSDF-SCNet。该方法采用深度相机或双目相机获取重建物体及场景的深度图与RGB图，且基于ORB＿SLAM2实时获取位姿信息；采用基于结构化点云数据的表面重建算法TSDF与深度图相结合，实现在线三维模型重建；为了消除场景中移动物体对场景三维重建的干扰，提出采用SCNet实例分割网络检测和分割移动物体，并结合优化策略减小检测和实例分割误差以及深度图和RGB图对准误差。通过抠除移动物体，保证了重建场景的完整性。在ICL-NUIM、TUM数据集上的实验表明了本文所提方法的有效性。     

二维距离图分割的激光雷达点云无损压缩方法

激光雷达动态获取点云压缩是智能驾驶的关键技术之一。针对动态获取点云场景范围大,分布稀疏,本文将点云几何信息映射到二维距离图(range image),提出一种基于距离图分割的激光雷达点云无损压缩方法。由于动态获取点云的稀疏性,以及噪声和离群点等的影响,目前的距离图分割算法分割后类别过多,导致对分割区域编码时,边缘信息消耗较大的比特数。对此本文提出孤立区域精细处理的方法,有效地改善了过度分割的问题,提高了分割区域的压缩性能。为了保持残差、地面区域点云等数据原有的相关性,我们利用两种无损的数据压缩技术进行编码。实验结果表明,本文设计的基于距离图分割的激光雷达点云无损压缩方法具有较高的压缩性能。     

快速非匀质图像分割方法

针对灰度非匀质图像分割困难及效率低下的问题,提出一种基于局部区域活动轮廓模型快速分割方法.该方法结合核函数和割测度定义一个新的能量函数.一方面,在中心点被核函数掩模的局部区域内,用邻近点的加权均值拟合数据项能有效处理图像的非匀质分布.另一方面,用割测度逼近的曲线长度作为全局正则性,利于轮廓快速定位于物体边界.最后,在轮廓演化过程中,使用基于栅格图的最大流算法,避免了传统模型计算代价高昂的水平集函数.合成图像和真实图像的实验结果表明,提出的方法能有效快速地分割灰度非匀质图像中的弱边缘物体及多灰阶复杂结构物体;同时,对初始轮廓线位置和噪声具有较好的鲁棒性.     

一种基于图的彩色图像分割算法

为了解决图像分割中容易出现的过分割问题,提出了一种基于图的彩色图像分割算法.该算法在区域合并的基础上,首先用Mean shift方法进行预处理,得到初始过分割区域后对其构造邻接图,然后计算邻接区域的颜色、纹理及边缘特征相似性以判断区域是否需要合并直到所有满足条件的区域都被合并.为了保持图像的全局属性,文中通过查找最优合并成本的方式进行区域合并.实验结果表明:即使在图像目标和背景区域颜色比较相似时,文中算法也能较好地实现对目标区域的完整分割;与其他4种算法相比,文中算法具有更好的分割性能.     

基于改进区域生长和小波变换的非结构化道路检测

针对在复杂场景的非结构化道路中,由于众多的环境干扰因素从而不能准确检测车道线的问题,提出了一种基于改进区域生长法和小波变换相结合的非结构化道路检测算法。根据大多数情况下道路区域在车载摄像头的正下前方及道路区域与道路两旁背景灰度值的一定差异,来有效地选取区域生长的种子点及生长原则进行区域生长道路初分割。同时结合基于小波变换的边缘检测来修正由于初分割道路受复杂环境导致道路检测不准确的情况。实验结果表明,该算法能够较准确地检测出受光照等因素影响的道路区域,且具有较高的准确性。     

融合注视点预测和流形学习的显著性目标分割

针对现有显著性分割算法在图像背景复杂时先验知识不够健壮的问题,提出一种融合注视点预测和流形学习的显著性目标分割算法,能有效地对复杂场景中的显著性目标进行分割.该算法通过引入注视点先验知识和提取超像素分割图,预测并粗分割场景中的显著性目标;为了进一步提高显著性分割的性能,利用色彩模型(CIE-Lab)空间的颜色对比度表示超像素的特征;通过基于流形学习的方法对粗分割区域进行显著性优化,提高了分割精度.实验结果表明:在处理复杂图像集过程中,相比其他分割算法,该算法性能提高了21.8%,并且在不同环境下的显著性目标分割的鲁棒性更好.     

基于邻接图的面向对象遥感图像分割算法

为解决高分辨率遥感图像自动化处理程度不高的问题,提出一种基于邻接图的面向对象遥感图像分割方法.综合利用遥感图像的光谱信息和区域形状信息进行图像分割,并采用了一种新的异质性度量准则.与经典软件eCogniton在QuickBird图像分割的效率和效果方面的对比分析表明,该算法在运算效率上较eCognition的多尺度分割方法可以提高近1倍.     

基于局部区域建模的复杂场景运动目标检测

为了解决传统背景建模方法难以有效检测复杂场景中运动物体的难题,提出了一种在马尔科夫随机场框架下,基于区域建模的运动目标检测方法。该方法在学习像素前景和背景的概率模型时,融合了相邻局部区域的信息;因而比传统的单像素建模方法更加精确。在马尔科夫随机场框架下,运动目标检测问题转化为能量优化问题,可以得到比基于阈值分割前景更精确的结果。在复杂场景视频进行测试;并与传统的背景建模方法进行比较,实验结果表明本文算法更优。     

基于表面凹凸度的未知物体分割识别方法

为了使机器人在人们的生活中更加普及和大众化,并从一定程度上优化机器人对周围环境的认知功能,设计了一种利用目标物体表面凹凸度对该物体进行分割识别的方法.该方法对目标物体局部表面凹凸性的两类判定方法展开了系统性的探讨和分析,将连续局部表面凹凸度对布尔型判定进行替换,利用表面凹凸度和法方向信息这两个要素设计了一类全新的分割权重运算方法,进而为输入场景构造相应的无向带权图,在这之后结合快速图分割算法获得相应的目标物体.实验结果表明,本文方法与基于凹凸性的判定方式相比,基于凹凸度的量化衡量在针对测量噪声和计算误差中具有的鲁棒性更好,实际分割结果比单一结合了法方向的实验结果好,更符合实践需求.     

一种半自动分割视频对象的方法

提出一种半自动视频对象分割方法，通过对跟踪分割视频序列的后继帧，这种方法首先采用基于块匹配和最大边缘强度的运动估值和补偿方法进行对象轮廓定位，接着采用模板匹配以特定对象知识检测对象像素，为使轮廓定位更可靠，在块匹配的运动估值中使用了彩色信息，而模板匹配则使分割结果精确化，避免误差传递，并且在出现遮挡时只要对象颜色在整个序列中一直保持相似性，就能够正确测出对象，实验结果证明这种方法能够分割复杂场景中的任意对象。     

基于拓扑图及三维特征的三维物体识别方法

提出一种基于拓扑图及三维特征的三维物体识别方法.该方法在图象预处理阶段先检测物体可视表面的闭合边界,再依据闭合边界对物体进行表面分割,并用一个景物特征图对景物进行表达(SAGR).在建模阶段,先采用多视图表面模型方法建模,再依据表面分割,对模型用一个模型特征图进行表达(MAGR).在物体识别阶段,将景物与模型的匹配分3部分进行,即扫描部件、图的匹配部件及匹配检验部件.匹配首先是基于 SAGR 与 MAGR 图的拓扑性质的匹配,然后是基于三维特征的匹配.根据匹配结果,或对未知物体自动建模,或给出识别结果.     

基于VRML的虚拟社区场景建模研究

针对虚拟社区建模的特点,对不同对象进行建模,提出一种新颖的随机分布对象建模方法和一种拟合曲线放样建模方法,这些建模方法生成对象逼真细腻,在多方面弥补了传统建模方法的不足,结合VRML和桌面型虚拟现实技术完成了虚拟社区建模和场景设计。     

未知室内环境的三维景物描述

景物描述是计算机视觉的一个重要内容。提出了一个利用三维信息对未知景物的描述方法。该方法对三维场景进行物体级和结构级两级描述;根据三维物体分割的结果,首先计算单个物体的最大尺度、形状类型和边集等整体特征,继而推测它们之间的相互位置关系。从数学上推导了“简化边框矩”和“平面惯量张量”的计算公式,并给出了实验结果。     

基于图割框架下视频目标的自动实时提取算法

提出了一种在图割框架下自动实时的前景目标提取算法.通过混合高斯背景建模与基于颜色和局部表观的阴影判别相融合的方法,设置能量函数的数据项,并基于局部二值模型算子构建能量函数的平滑项.利用动态的图割算法,求取目标函数极值,实现视频目标的自动提取.在不同视频上对提出的分割算法进行性能测试,结果表明算法具有较好的分割性能且计算复杂度较低.     

基于多RGBD摄像机的动态场景实时三维重建系统

使用多台基于FPGA嵌入立体计算的RGBD摄像机搭建动态场景实时三维重建系统. RGBD摄像机能够以视频速度输出场景的彩色(RGB)图像及对应的稠密视差(disparity)图像,由视差图像可进一步得到场景的深度图. 多台RGBD摄像机运行在统一的外部时钟和控制信号下,可实现对目标场景数据的同步采集. 为了提高各视点所获取的场景深度图质量,根据多RGBD摄像机系统视点分布较为稀疏的特点,使用概率密度函数估计的方法进行多视点深度图的融合. 融合后的深度图由PC集群进行处理,可实时生成所拍摄场景的三维空间点云. 实验结果表明,本文系统可以有效地重建包含多个运动目标的大型动态场景.      

一种新型自适应嵌入式流形去噪视频运动目标分割算法

针对目前运动目标分割算法在复杂场景中适应性较差,时间复杂度较高等缺陷,提出一种新的运动目标分割算法,该算法通过自适应流形去噪实现刚性和非刚性对象的运动分割.首先,引入一种自适应核空间,如果两个特征轨迹属于同一刚性对象,则将其映射到相同点上;然后,采用一种基于自适应内核的嵌入式流形去噪算法,分割出刚性和非刚性对象的运动;最后,在多个数据集上与几种传统算法进行对比实验.实验结果表明,该算法在不同场景中均能取得更好的分割与跟踪效果.     

基于不变角度轮廓线的三维目标识别

三维物体的快速准确识别是研究的热点.根据局部特征变换的特点,提出了不变角度轮廓线的识别方法.算法通过点云矢量特征对物体进行局部分割,利用欧式距离、测地距离以及角度三个变量,建立其不变角度轮廓特征描述,进一步提取不变矩特征,构建特征向量数据库集.被识别物体的特征描述和数据库中特征进行夹角余弦匹配,可完成物体的识别.通过识别实验以及识别算法性能分析,结果表明算法具有较高的识别率和识别效率,可以用于复杂点云物体识别.     

融合几何特征与全局关系的室内点云语义分割

为充分提取3D点云的深层特征以提高复杂室内点云场景的语义分割精度，提出一种结合局部特征和全局特征的室内点云语义分割网络GSFNet.在局部特征部分，加入几何特征信息，并设计几何与语义特征信息编码模块，以更好地捕获室内点云局部信息.对全局特征部分，在编码解码器结构中间层加入全局关系依赖模块，构建不同邻域对象之间的关系提取有效分割信息.使用斯坦福大规模室内数据集(S3DIS)进行实验验证，在测试数据集上测试的总体精度(OA)和平均交并比(mIoU)分别为87.2%和61.1%,实验结果表明，GSFNet对复杂室内环境有较好的语义分割效果.