三維點(diǎn)云目標(biāo)特征選擇與識(shí)別方法研究.pdf

1、目標(biāo)識(shí)別作為智能信息處理領(lǐng)域的核心課題，廣泛應(yīng)用于航空航天、醫(yī)藥衛(wèi)生和導(dǎo)航制導(dǎo)等領(lǐng)域。近年來，激光主動(dòng)成像雷達(dá)憑借其特有的優(yōu)勢(shì)，迅速成為學(xué)術(shù)界和工業(yè)界的研究熱點(diǎn)。相比于傳統(tǒng)的二維圖像，激光主動(dòng)成像雷達(dá)獲取的三維點(diǎn)云數(shù)據(jù)，真實(shí)地表征了目標(biāo)的三維幾何外形及深度信息，具有尺度及旋轉(zhuǎn)不變性，且受視點(diǎn)、尺度、光照強(qiáng)度和遮擋等的影響小，使得二維圖像中無法解決或難以解決的問題有望在三維圖像中變得簡(jiǎn)單。本文針對(duì)地面車輛類三維點(diǎn)云目標(biāo)識(shí)別問題展開研究，在

2、目標(biāo)特征提取、特征選擇、目標(biāo)識(shí)別方法研究以及信息處理機(jī)研制等方面開展了如下工作:
　　(1)分析了已有的典型特征提取方法:基于投影輪廓的特征提取、幾何特征提取、Spin image特征提取和SHOT特征提取，詳盡闡述了這些特征提取方法的基本原理，并對(duì)各類特征的描述性能及其優(yōu)缺點(diǎn)進(jìn)行了比較，仿真實(shí)驗(yàn)結(jié)果表明現(xiàn)有的三維點(diǎn)云特征都有其一定的適用范圍，單個(gè)類型的特征很難完成特定的識(shí)別任務(wù);在此基礎(chǔ)上提出了基于SHOT特征、投影輪廓特征及長(zhǎng)

3、寬高特征的地面目標(biāo)多特征組合描述方法。
　　(2)提出了一種基于鄰域組合測(cè)度的屬性約簡(jiǎn)算法。在鄰域粗糙集理論中，首先定義了一種新的知識(shí)不確定性度量，即鄰域粒度測(cè)度，然后結(jié)合鄰域近似精度給出了一種新的屬性重要性度量—鄰域組合測(cè)度，在此基礎(chǔ)上提出了一種基于鄰域組合測(cè)度的屬性約簡(jiǎn)算法;最后在UCI公共數(shù)據(jù)集上進(jìn)行了對(duì)比實(shí)驗(yàn)，結(jié)果表明該算法在獲得緊湊約簡(jiǎn)的同時(shí)，具有良好的分類性能。
　　(3)提出了一種基于粗糙集理論與支持向量機(jī)相結(jié)

4、合的三維點(diǎn)云地面目標(biāo)識(shí)別方法。將基于鄰域粗糙集的屬性約簡(jiǎn)方法應(yīng)用到三維點(diǎn)云地面目標(biāo)的特征選擇中，有效地剔除了投影輪廓特征、SHOT特征中的冗余特征，利用約簡(jiǎn)后的特征通過支持向量機(jī)構(gòu)造模式分類器，實(shí)驗(yàn)結(jié)果表明約簡(jiǎn)后的特征維數(shù)遠(yuǎn)遠(yuǎn)小于約簡(jiǎn)前的，在有效降低特征維數(shù)、改善實(shí)時(shí)性的同時(shí)保證了支持向量機(jī)的分類能力。
　　(4)構(gòu)建了基于FPGA+雙DSP的三維點(diǎn)云目標(biāo)識(shí)別實(shí)時(shí)信息處理系統(tǒng)。在詳細(xì)分析算法及各模塊資源消耗的基礎(chǔ)上，完成了硬件電路