电子学报
電子學報
전자학보
Acta Electronica Sinica
2015年
11期
2277-2283
,共7页
李新德%刘苗苗%徐叶帆%雒超民
李新德%劉苗苗%徐葉帆%雒超民
리신덕%류묘묘%서협범%락초민
一般物体识别%点云%2D SIFT%3D SIFT%特征融合%BoW模型%SVM分类器
一般物體識彆%點雲%2D SIFT%3D SIFT%特徵融閤%BoW模型%SVM分類器
일반물체식별%점운%2D SIFT%3D SIFT%특정융합%BoW모형%SVM분류기
generic object recognition%point cloud%2D SIFT%3D SIFT%feature fusion%BoW%SVM
如何选择合适的特征表示一般物体类间差异和类内共性至关重要，因此，本文在2D SIFT（Scale Invariant Feature Transform，SIFT）的基础上，提出了基于点云模型的3D SIFT 特征描述子，进而提出一种基于2D 和3D SIFT 特征级融合的一般物体识别算法。分别提取物体2维图像和3维点云的2D 和3D SIFT 特征描述子，利用“词袋”（Bag of Words，BoW）模型得到物体特征向量，根据特征级融合将两个特征向量进行融合实现物体描述，运用有监督分类器支持向量机（Support Vector Machine，SVM）实现分类识别，给出最终识别结果。最后，实验验证了本文提出算法的好处。
如何選擇閤適的特徵錶示一般物體類間差異和類內共性至關重要，因此，本文在2D SIFT（Scale Invariant Feature Transform，SIFT）的基礎上，提齣瞭基于點雲模型的3D SIFT 特徵描述子，進而提齣一種基于2D 和3D SIFT 特徵級融閤的一般物體識彆算法。分彆提取物體2維圖像和3維點雲的2D 和3D SIFT 特徵描述子，利用“詞袋”（Bag of Words，BoW）模型得到物體特徵嚮量，根據特徵級融閤將兩箇特徵嚮量進行融閤實現物體描述，運用有鑑督分類器支持嚮量機（Support Vector Machine，SVM）實現分類識彆，給齣最終識彆結果。最後，實驗驗證瞭本文提齣算法的好處。
여하선택합괄적특정표시일반물체류간차이화류내공성지관중요，인차，본문재2D SIFT（Scale Invariant Feature Transform，SIFT）적기출상，제출료기우점운모형적3D SIFT 특정묘술자，진이제출일충기우2D 화3D SIFT 특정급융합적일반물체식별산법。분별제취물체2유도상화3유점운적2D 화3D SIFT 특정묘술자，이용“사대”（Bag of Words，BoW）모형득도물체특정향량，근거특정급융합장량개특정향량진행융합실현물체묘술，운용유감독분류기지지향량궤（Support Vector Machine，SVM）실현분류식별，급출최종식별결과。최후，실험험증료본문제출산법적호처。
How to choose the appropriate feature to represent differences between classes and the common within class of generic objects is of great importance.So the 3D SIFT(scale invariant feature transform)descriptors of point clouds model based on the 2D SIFT is proposed.Then we propose a new algorithm based on multiple feature fusion of 2D and 3D SIFT descriptors respec-tively drawn from 2D images and 3D point clouds.The BoW(bag of words)model is used to calculate feature vectors and describe the objects according to the multiple feature fusion.The supervised support vector machine(SVM)classier is used to classify ob-jects.Through several experiments,the advantage of this new algorithm is testified.
