基于网格采样的深度图像表面特征提取算法

深度图像的高级特征提取是3维视觉一个重要研究领域。为了提高对大量离散3维数据的处理速度,简化算子结构,本文提出一种新的方法,将单目或多目结构光传感器采集的离散3维数据点云转换成深度图像形式,使z方向代表深度,并实现x、y方向数据的规则网格采样。接着提出一种深度图像分割算法,先对整幅图像进行边缘提取,得到阶跃和褶皱两种边缘,采用主成分分析法(PCA)通过计算欧氏距离得到面的法线方向和方向间的夹角。经过两类传感器采集到的大量图像实验证明,该算法明显优于单纯的边缘或者区域算法,具有良好的抗噪声性能,满足并行在线测量的要求,并且不受物体形状的约束,可以应用于3D模型重建、机器人自主导航、逆向工程、文物数字化等多个3维视觉领域。