机器人三维视觉技术及其在智能制造中的应用( 三 ) _视觉

3.2 三维特征提取
机器人三维视觉中三维特征提取是从图像或点云数据中获取能够反映环境本质属性的特征信息的过程，它是实现三维目标识别与定位、环境感知等任务的基础。三维特征可以是空间直线、空间平面、二次曲面、自由曲线和自由曲面等。Cao等人[18]提出了一种基于张量投票的点云中尖锐特征提取算法，林洪彬等人[19]提出了一种基于多尺度张量分解的点云结构特征提取算法，用于构建点云结构特征曲线，张靖等人[20]提出了一种基于马尔科夫随机场的散乱点云特征提取方法，根据全局能量的变化自适应提取点云中的特征点。现有的特征提取算法通常只能提取某一特定类型的特征，目前还很少有报道适用于多种环境特征类型的通用三维特征提取算法。
3.3 三维目标识别与定位
三维目标识别与定位是一个从场景扫描数据中对三维目标进行识别并获取其位姿参数的过程，它是环境感知领域的重要研究内容。
（1）基于模型的方法
等人[21]提出了一种基于旋转图像（Spin-image）的三维目标描述和识别方法，该方法通过对支持区域大小控制，抑制杂乱背景和遮挡的影响，由于物体表面三维点由其局部邻域表面的二维旋转图像来描述，因此该方法对三维点云的分辨率很敏感。张凯霖等人[22]提出了一种基于法矢改进点云特征C-SHOT的三维物体识别方法，该方法在精确估计点云法向量的基础上，根据特征点处法向量与邻域法向量的夹角余弦构造点云形状直方图，统计点云纹理直方图并与形状直方图融合成C-SHOT描述符，再对场景与模板分别提取C-SHOT特征，利用特征匹配方法实现多目标识别，但该方法的特征提取过程计算复杂度较高，难以实现高效实时的多目标识别。
（2）基于外观（-based）的方法
等人[23]提出了一种基于外观的位置识别方法，该方法利用正态分布变换（，NDT）将扫描表面描述为分段连续函数，根据表面方向和平滑度生成的特征直方图对位置进行描述，从而通过扫描数据和样本数据之间的特征直方图匹配实现位置的识别。庄严等人[24]提出了一种将三维点云转换为二维（BA）图，并采用变体算法来提高室内三维场景物体识别和认知准确率的方法，该方法利用BA图中物体碎片及其相对于物体中心的位置作为特征，利用基于算法的监督学习方法，实现室内场景中物体识别和认知。基于外观的方法通过扫描点云和不同位姿下三维目标样本数据的匹配实现目标的识别与定位，对于多个目标的精确识别与定位问题，其训练样本数通常很大，从而导致在线识别与定位过程的计算量很大。
3.4 三维环境感知
三维环境感知是智能机器人利用其传感器对所处环境进行环境信息的获取，并提取环境中有效的特征信息加以处理和理解，最终通过建立所在环境的模型来表达所在三维环境的信息。任何一种智能机器人，要实现在未知三维环境下的自主作业，都必须以有效而可靠的三维环境感知为基础。
（1）基于单一传感器的三维环境感知
张辉等人[25]提出了一种基于随机光场照射的稠密像点区域匹配算法，用于实现双目立体视觉系统中的物体3D点云测量。Cong等人[26]针对杂波背景下实时3D目标检测和6自由度姿态估计问题，提出了一种在线3D目标检测和姿态估计方法来克服无纹理目标的自遮挡问题，以实现各种金属零件的3D目标识别与定位。由于单一传感器对场景的观测角度单一，难以满足复杂场景精确感知的要求，为此一些研究已经采用多传感器、多模态来解决复杂场景感知问题。
（2）基于多传感器的三维环境感知