基于深度和彩色信息的室內場景實時分割算法研究與實現(xiàn).pdf

1、隨著人口的老齡化，國家將室內服務移動機器人提升到了國家戰(zhàn)略的高度。為了快速準確實現(xiàn)移動機器人高層次的視覺任務，如物體識別和抓取等，需要快速分割場景。在這種情況下，一種準確和快速的室內場景分割算法對于室內移動機器人實現(xiàn)高層次視覺任務是非常有意義的。本文將水平面上方區(qū)域作為感興趣區(qū)域，基于深度和彩色信息檢測室內場景支撐區(qū)域，保留支撐面上方區(qū)域，從而分割場景。
　　通過對比常見的基于視覺獲取深度數(shù)據(jù)的方法，選用Kinect傳感器獲取深度

2、信息，對深度數(shù)據(jù)進行濾波處理并獲得初始前景區(qū)域模板，完成場景的初始分割；使用修復后的深度信息，計算場景的三維坐標和法線向量；利用二維圖像坐標和法線向量對像素點進行超像素聚類分割，設置超像素區(qū)域融合條件，檢測出水平支撐面；更新前景模板，參考前景分割算法，通過前景模板來獲取感興趣區(qū)域，完成室內場景的分割。同時，為了提高算法的實時性，在程序的執(zhí)行階段，將場景分割算法使用GPU加速實現(xiàn)。
　　本文的創(chuàng)新點如下：(1)考慮移動機器人自身的特

3、點，首先設定深度閾值簡化場景，從而加速深度數(shù)據(jù)濾波及法線向量計算，最終提高算法的實時性；(2)根據(jù)本文的實際情況，修改距離度量函數(shù)，將經典的SLIC算法改進加速，然后將基于單一像素點區(qū)域增長融合來檢測平面改變?yōu)榛诔袼厝诤蠙z測平面，提高平面檢測的速度，從而加快場景分割算法。
　　本文在室內多個場景中測試了場景分割算法，均能準確快速檢測支撐區(qū)域，保留支撐區(qū)域上方物體，去除背景區(qū)域，從而分割場景。然后對比了基于整個場景和基于深度閾值

4、分割后的局部場景的分割時間，如果直接分割整個原始場景，每秒可以處理10幀左右。如果先對原始場景進行深度閾值分割，再對局部場景進行分割處理，每秒可以處理17幀左右，證明了使用深度閾值分割后的場景能有效地提升算法的處理速度，場景分割達到了實時性。本文也對比了基于單一像素點的區(qū)域增長檢測平面和基于超像素聚類檢測平面的時間，時間由20.7ms減少到15.3ms，提高了平面檢測的速度，加快場景分割，驗證了文中所提出創(chuàng)新點。最后對比了分割前和分割后