论文部分内容阅读
物体识别与分割问题一直是视觉的研究热点问题之一。随着研究的深入，逐渐开始将三维空间的深度信息应用于物体识别与分割，通过深度信息为目标检测识别与分割提供更多的信息。随着成本较低的深度相机的出现以及其精度的不断提升，使得融合三维信息进行物体识别与分割成为可能。不仅如此，SLAM(Simultaneous Localization and Mapping)即同步定位与地图构建技术的成熟，可以获得机器人在运动过程中的实时相机位姿的变化，可进一步为目标识别与分割提供信息支撑。 本论文采用低成本的深度相机传感器，融合深度与纹理信息以提升机器人对复杂环境的感知和理解能力。本文在移动机器人目标识别方法与分割方法的基础上展开研究，提出了基于SLAM的目标识别与分割算法及系统。主要完成工作如下: 1、构建了语义级的“全局目标地图”，实现了目标物体的预测和更新; 2、提出了二维目标识别与三维目标分割的融合方法，将来自多个视点的CNN语义预测结果融合到基于Surfel模型的三维地图构建中; 3、将三维地图构建信息应用于CNN的语义预测，提高了物体的识别精度。