1 西安工程大学电子信息学院，陕西 西安 710048
2 格罗宁根大学伯努利实验室，格罗宁根 9747 AG，荷兰
为了提高基于图像的物体识别准确率，提出一种改进双流卷积递归神经网络的RGB-D物体识别算法(Re-CRNN)。将RGB图像与深度光学信息结合，基于残差学习对双流卷积神经网络(CNN)进行改进：增加顶层特征融合单元，在RGB图像和深度图像中学习联合特征，将提取的RGB和深度图像的高层次特征进行跨通道信息融合，继而使用Softmax生成概率分布。最后，使用标准数据集进行实验，结果表明，Re-CRNN算法的RGB-D物体识别准确率为94.1%，较现有基于图像的物体识别方法有显著的提升。
RGB-D图像 结构光 物体识别 深度学习 深度图像 RGB-D image structured light object recognition deep learning depth image
1 西北工业大学 电子信息学院, 陕西 西安 710072
2 瞬态冲击技术重点实验室, 北京 102202
有效学习丰富的表征信息在RGB-D目标识别任务中至关重要, 是实现高泛化性能的关键。针对卷积神经网络训练时间长的问题, 提出了一种混合卷积自编码极限学习机(HCAE-ELM)结构, 包括卷积神经网络(CNN)和自编码极限学习机(AE-ELM), 该结构合并了CNN的有效性和AE-ELM快速性的优点。它使用卷积层和池化层分别从RGB和深度图来有效提取低阶特征, 然后在共享层合并两种模型特征, 输入到自编码极限学习机中以得到高层次的特征, 最终的特征使用极限学习机(ELM)进行分类, 以获得更好的快速泛化能力。文中在标准的RGB-D数据集上进行了评估测试, 其实验结果表明, 相比较深度学习和其他的ELM方法, 文中的混合卷积自编码极限学习机模型取得了良好的测试准确率, 并且有效地缩减了训练时间。
极限学习机 卷积神经网络 自编码极限学习机 物体识别 ELM CNN AE-ELM object recognition 红外与激光工程
2018, 47(2): 0203008
1 中国航空工业洛阳电光设备研究所，河南洛阳471009
2 河南科技大学电子信息工程学院，河南洛阳471003
针对传统BP神经网络容易陷入局部极小、收敛速度慢和确定隐含层的神经元个数比较困难等缺点,从结构和算法两方面对BP神经网络进行改进。改进后的网络具有较快的收敛速度和较短的运行时间，加强了BP神经网络的学习能力和自适应能力，并将其应用于物体的分类识别，取得了良好的效果。仿真结果表明了此改进方法的可行性和有效性。
物体识别 BP算法 神经网络 改进 object recognition BP algorithm neural network improvement
中国民用航空飞行学院 飞行技术与飞行安全科研基地，四川 广汉 618307
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.
物体识别 三维点云 测地距离 形状索引 迭代最近点 Object recognition 3D points cloud Geodesic distance Shape index Iterative Closest Point(ICP)
四川大学 电子信息学院光电系,四川 成都 610064
提出了一种基于调制度分析的快速三维物体识别方法。将两个有一定间距且正交的光栅同时投影到被识别物体表面上,使被识别物体位于两个光栅正焦像面之间,从同一方向获取被物体高度信息调制的正交光栅像,而物体的高度信息就被编码在这个图像中。采用傅里叶变换和空间频域分析,可分别得到两个方向上的基频。然后计算识别参数(每个基频强度的和)的值,识别参数值可以被看作是二维识别空间的一个点,对于不同形状的物体,识别参数值是不同的,所以不同物体的识别参数将对应识别空间不同的位置。计算机模拟实验和实际物体的识别实验证明了此方法的有效性。
三维物体识别 调制度测量 条纹分析 傅里叶变换 识别参数
四川大学 电子信息学院光电科学技术系,成都 610064
提出了一种基于局部描述符的物体识别算法.算法根据点云位置信息得到其矢量和曲率信息,根据形状索引提取特征点,在每个特征点根据矢量夹角把点云物体分割成不同的曲面片,每个矢量夹角曲面片通过一个二维直方图描述.该图显示了特征点与邻域之间法线矢量夹角对特征点法线矢量与特征点到邻域矢量之间夹角的出现频率.对于给定的一个物体,通过比对预测物体和模型物体的曲面片集描述,可得到潜在的对应模型物体,再通过迭代最近点算法,得到最终的识别结果.
图像处理 物体识别 矢量夹角 局部描述符 Image processing Objects recognition Vector angle Local descriptor
1 西安建筑科技大学 理学院,西安 710055
2 西北大学 物理系,西安 710069
为了实现3维物体旋转不变实时识别,应用微透镜阵列的多视角成像特点,利用透射像阵列的高关联性,实现3维物体信息与2维透射像阵列信息之间的转换,从而可以利用光学2维图像识别技术实现3维物体的识别。对转换和识别过程进行了理论分析,用匹配滤波的方法进行了实验验证,实现了3维物体旋转不变实时识别。得到了良好的识别效果,并实现了旋转方向的准确定位和旋转角度大小的比较判别。结果表明,应用微透镜阵列可以实现旋转3维物体旋转不变实时识别。
信息光学 3维物体识别 匹配滤波 微透镜阵列 旋转不变 旋转方向定位 information optics 3-D object recognition match filtering microlens array rotation-invariant orientation of rotation direction
电子科技大学 通信与信息工程学院，成都 610054
为提高三维物体识别系统性能并减少计算复杂性，本文提出了一种基于视图的方法。首先从三维物体的二维视图中提取颜色矩、纹理特征和仿射不变矩。颜色矩对于物体的大小和姿态不敏感且性能稳健。纹理特征可区别形状相似但外观不同的物体。仿射不变矩在物体发生仿射形变下具有不变性。本文将上述各种特征组合为23个分量的特征向量，送入支持向量机进行训练并识别。基于两种公开的三维物体数据库COIL-100 和ALOI 测试了本文方法性能。当每物体训练视角为36 个(视角间隔10°)时，在两个数据库上的实验都达到了100%的识别率。进一步减少训练视角数量也达到较满意的识别性能，优于文献中的方法。
三维物体识别 纹理分析 颜色矩 仿射不变矩 支持向量机 3D object recognition texture analysis color moments affine invariant moments support vector machine
1 西安建筑科技大学,物理系,西安,710055
2 西北大学,物理系,西安,710069
提出一种基于微透镜阵列多视角成像特点,将三维物体的深度信息转化为二维透射像阵列的角度信息,利用光学二维图像识别技术,实现对三维物体识别的方法.对识别过程进行了理论分析和计算,用匹配滤波的方法实现了对三维物体骰子的实时识别.实验结果表明,本方法的相关识别能力较高,并且具有很强的灵活性,对于有微小旋转、微小平移的三维物体也可进行识别.
三维物体识别 匹配滤波 微透镜阵列 傅里叶变换
