针对传统关键点检测算法对噪声敏感及依赖于物体模型的形状特征等问题,提出一种基于正态加权的多尺度关键点提取算法。首先,在每个尺度上建立局部邻域的协方差矩阵,计算局部坐标系落在前两个坐标轴的比率大小,根据比率大小来确定候选关键点。然后计算基于正态加权的形状索引值,以此来度量点云的局部最大相异性度量值。最后,在不同尺度下,将具有局部最大相异性度量值的极大值点作为最终关键点。实验结果表明,相比较其他的传统算法,所提算法能有效地提取各种点云模型的关键点,能够同时兼顾关键点的质量、数量及运行效率,且对具有尖锐特征和大面积平滑特征的模型具有较强的适应性,算法的鲁棒性及形状索引功能得到进一步增强。

近年来, 自动掌纹识别方法的研究吸引了越来越多的关注, 已有的工作主要集中于二维掌纹识别。然而, 二维掌纹图像存在着易伪造、抗噪能力差的缺陷, 实际应用中会带来潜在的安全隐患。因此, 三维掌纹识别被视为一种可行的解决方案来进一步提高识别的性能。基于局部纹理特征, 本文提出一种有效的三维掌纹识别方法。该方法首先利用形状指数来描述三维掌纹的局部几何特征, 接着提取形状指数图像的局部三值模式以及 Gabor小波特征, 最后在匹配分数层次上对这两种互补的局部纹理特征进行融合, 随后的实验证明了融合特征较单独特征要好。在香港理工三维掌纹数据库上的实验结果表明, 本文方法在识别率上要优于目前流行的其它三维掌纹识别方法, 从而验证了本文方法的有效性。

提出了一种基于局部描述符的三维点云物体识别算法.算法首先得到点云的邻域、法线矢量等相关信息，通过邻域进一步得到形状索引值.特征点的提取以形状索引值为依据，以每个特征点为基点对曲面根据欧式距离和矢量夹角分割.分割的曲面片进行等间距划分为多个欧氏距离同心圆，以特征点切平面为基平面投影，并进行等角度抽样，通过抽样点相对特征点的法线矢量及测地距离变化曲线，建立曲面片的二维描述，从而把三维识别转化为二维.根据算法建立模型数据库，给定一个物体，通过和模型数据库中的曲面描述进行比对，得到潜在的识别结果，再通过迭代最近点算法，得到最终的识别结果.最后，通过大量具体实验验证了算法的有效性，并给出了算法的计算复杂度及耗时对比分析，说明了算法的高效性.