Распознавание объектов на основе структурного описания изображений в трехмерном пространстве

Пономарев C.В., Луцив В.Р., Малышев И.А.

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Пономарев С.В., Луцив В.Р., Малышев И.А. Распознавание объектов на основе структурного описания изображений в трехмерном пространстве // Оптический журнал. 2018. Т. 85. № 11. С. 58–64. http://doi.org/10.17586/1023-5086-2018-85-11-58-64

Ponomarev S.V., Lutsiv V.R., Malyshev I.A. Object recognition based on structural description of images in three-dimensional space [in Russian] // Opticheskii Zhurnal. 2018. V. 85. № 11. P. 58–64. http://doi.org/10.17586/1023-5086-2018-85-11-58-64

Ссылка на англоязычную версию:

S. V. Ponomarev, V. R. Lutsiv, and I. A. Malyshev, "Object recognition based on structural description of images in three-dimensional space," Journal of Optical Technology. 85(11), 703-708 (2018). https://doi.org/10.1364/JOT.85.000703

Аннотация:

Предложен метод распознавания объектов, основанный на использовании структурного описания изображений трехмерных сцен, проведено экспериментальное сравнение данного метода с имеющимися аналогами. Дана количественная оценка точности распознавания и быстродействия исследуемых методов. Проведено исследование методов обнаружения ключевых точек и построения дескрипторов изображений в трехмерном пространстве. Разработанный алгоритм может быть использован при решении задач навигации мобильного робота и беспилотного летательного аппарата в условиях, характеризующихся высокой степенью априорной неопределенности сюжета.

Ключевые слова:

структурное описание, распознавание объектов, трехмерное пространство

Коды OCIS: 150.1135

Список источников:

1. Li Y., Snavely N., Huttenlocher D.P. Location recognition using prioritized feature matching // Proc. European Conf. Computer Vision (ECCV). Crete, Greece. 2010. P. 1–14.
2. Lutsiv V., Malyshev I. Image structural analysis in the tasks of automatic navigation of unmanned vehicles and inspection of Earth surface // Proc. SPIE. 2013. V. 8897 “Electro-Optical Remote Sensing VII”. P. 88970F-1–88970F-1.
3. Chen C., Huang C., Yeh C. A survey of 2D and 3D image matching in industrial object alignment // Smart Science. 2016. № 4(3). P. 1–10.
4. Guo Y., Bennamoun M., Sohel F., Lu M., Wan J. 3D object recognition in cluttered scenes with local surface features: A survey // IEEE Trans. Pattern Anal. Mach. Intell. 2014. V. 36. P. 2270–2287.

5. Endres F., Hess J., Sturm J., Cremers D., Burgard W. 3D mapping with an RGB-D camera // www2.Informatik.Uni-Freiburg.De 2012. V. 30. P. 1–11.
6. Cupec R., Grbić R., Nyarko E.K. Survey of state-of-the-art methods for object recognition in 3D point clouds // Technical Report. Josip Juraj Strossmayer University of Osijek: Osijek, Croatia, 2016.
7. Konecny J., Prauzek M., Kromer P., Musilek P. Novel point-to-point scan matching algorithm based on cross-correlation // Mobile Information Systems. 2016. V. 2016. P. 6463945:1–6463945:11.
8. Lutsiv V.R., Malyshev I.A., Potapov A.S. Hierarchical structural matching algorithms for registration of aerospace images // Proc. SPIE. 2003. V. 5238. P. 164–175.
9. Ponomarev S.V., Lutsiv V.R., Malyshev I.A. Automatic structural matching of 3D image data // Proc. SPIE. 2015. V. 9649. P. 96490M.
10. Aldoma A., Tombari F., Prankl J., Richtsfeld A., Stefano L.D., Vincze M. Multimodal cue integration through hypotheses verification for RGB-D object recognition and 6DOF pose estimation // 2013 IEEE Int. Conf. Robot. Autom. Karlsruhe, 2013. P. 2104–2111.
11. Bo L., Ren X., Fox D. Unsupervised feature learning for RGB-D based object recognition // Experimental Robotics. Springer. 2013. V. 88. P. 387–402.
12. Socher R., Huval B., Bath B., Manning C.D., Ng A.Y. Convolutional-recursive deep learning for 3D object classification // NIPS’12 Proc. 25th Intern. Conf. Neural Information Processing Systems. Nevada, USA. 2012. V. 1. P. 665–673.
13. Salakhutdinov R., Hinton G.E. Deep boltzmann machines // Proc. Twelth Intern. Conf. Artificial Intelligence and Statistics. Florida, USA. 2009. P. 448–455.
14. Steder B., Bogdan R., Kurt R., Knolige W. NARF: 3D range image features for object recognition // Workshop on Defining and Solving Realistic Perception Problems in Personal Robotics at the IEEE/RSJ Intern. Conf. Intelligent Robots and Systems (IROS). Taipei, Taiwan. 2010.
15. Aldoma A., Tombari F., Rusu R.B., Vincze M. OUR-CVFH — oriented, unique and repeatable clustered viewpoint feature histogram for object recognition and 6DOF pose estimation // DAGM/OAGM 2012: Pattern Recognition. 2012. P. 113–122.
16. Rusu R.B., Bradski G., Thibaux R., Hsu J. Fast 3D recognition and pose using the viewpoint feature histogram // IEEE/RSJ 2010 Intern. Conf. Intell. Robot. Syst. IROS 2010. Conf. Proc. P. 2155–2162.
17. Aldoma A., Vincze M., Blodow N., Gossow D., Gedikli S., Rusu R., Bradski G. CAD-model recognition and 6DOF pose estimation using 3D cues // Proc. IEEE Intern. Conf. Comput. Vis. 2011. P. 585–592.
18. Луцив В.Р. Объектно-независимый подход к структурному анализу изображений // Оптический журнал. 2008. Т. 75. № 11. С. 26–34.
19. Lai K., Bo L., Ren X., Fox D. A large-scale hierarchical multi-view RGB-D object dataset // Proc. IEEE Intern. Conf. Robot. Autom. 2011. P. 1817–1824.