论文部分内容阅读
随着以Kinect为代表的同时获取颜色和深度信息的RGBD设备以低廉的价格进入人们的生活，许多激动人心的应用开始进入我们的视野。然而，应用的需求不断地促使着我们寻找更好的利用RGBD数据的方式。其中，三维物体的检测作为智能机器人和增强现实的基础开始得到越来越多的关注。在已有使用RGBD数据进行三维物体检测的工作中，基于DominantOrientation Templates(DOT)的方法显示出了优秀的潜力。本文在已有的方法上进行了扩展，在加快了原有算法的检测速度的同时保留了检测精度和抗遮挡能力。通过分析物体的RGB和深度模板数据，分别定义和筛选出对应的关键区域。这些分散的关键区域包含了物体的轮廓信息和表面几何信息，因此在具有良好区分度的同时又具有一定的抗遮挡能力。使用这些关键区域筛选待测图像中的不必要的匹配区域从而加速检测过程。同时，深度关键区域对物体的三维配准也能起到良好的加速作用。本文还提出了针对获取数据的预处理策略，这使得待检测数据更为可靠地为后续算法服务。此外，本文还展示了如何通过GPU加速获得算法性能的提升。