用于 3D 局部曲面描述与物体识别的旋转投影统计
计算机视觉与模式识别
2013-04-12 v1
摘要
在噪声、网格分辨率变化、遮挡和杂波存在的情况下识别 3D 物体是一项极具挑战性的任务。本文提出了一种名为旋转投影统计（RoPS）的新方法。该方法包含三个主要模块：局部参考帧（LRF）定义、RoPS 特征描述和 3D 物体识别。我们提出了一种新技术，通过计算位于局部曲面上所有点的散射矩阵来定义 LRF。RoPS 特征描述子是通过将特征点的邻域点旋转投影到 2D 平面上，并计算这些投影点分布的一组统计量（包括低阶中心矩和熵）而获得的。利用所提出的 LRF 和 RoPS 描述子，我们提出了一种分层 3D 物体识别算法。在多个流行且公开可用的数据集上，对所提出的 LRF、RoPS 描述子和物体识别算法的性能进行了严格测试。与现有技术相比，我们提出的技术表现出更优越的性能。我们还表明，我们的方法对噪声和变化的网格分辨率具有鲁棒性。基于 RoPS 的算法在 Bologna、UWA、Queen's 和 Ca' Foscari Venezia 数据集上测试时，识别率分别达到了 100%、98.9%、95.4% 和 96.0%。
引用
@article{arxiv.1304.3192,
title = {Rotational Projection Statistics for 3D Local Surface Description and Object Recognition},
author = {Yulan Guo and Ferdous Sohel and Mohammed Bennamoun and Min Lu and Jianwei Wan},
journal= {arXiv preprint arXiv:1304.3192},
year = {2013}
}
备注
The final publication is available at link.springer.com International Journal of Computer Vision 2013