文献翻译
使用模板匹配滤波从单目图像精确地进行三维姿态识别
作者Kenia Picos a ; Victor H. Diaz-Ramirez a ; Vitaly Kober b，c ; Antonio S. Montemayor d ; Juan J. Pantrigo d
作者单位 a Instituto Politécnico Nacional–CITEDI, Instituto Politécnico Nacional 1310,Mesa de Otay，Tijuana B.C. 22435，Mexico
b CICESE, Department of Computer Science, Carretera Ensenada-Tijuana 3918,Ensenada B.C. 22860, Mexico
c Chelyabinsk State University, Department of Mathematics, 129 Bratiev Kashirinikh, 454001, Russia
d Universidad Rey Juan Carlos, Calle Tulipán S/N 28933 Móstoles, Madrid, Spain
联系方式kpicos@citedi.mx
摘要：本文提出了一种精确的刚体三维(3D)姿态识别算法。该算法基于自适应模板匹配滤波和局部搜索优化。当捕获场景图像时，构建一组相关滤波器以找出场景中的目标的当前视图与通过计算机图形学合成的目标图像之间的最佳对应关系。合成图像是使用目标的已知3D模型和基于本地搜索的迭代过程创建的。在噪声、杂波背景和遮挡情况下，利用该算法在人造和现实场景中获得计算机仿真结果，在姿态识别精度方面进行了讨论。
关键词：三维姿态估计; 模板匹配过滤器; 三维物体识别
目录
文献翻译
1 背景介绍
2 基于模板匹配滤波的目标识别
2.1目标识别与模板匹配滤波
3精确三维姿态识别算法
4 实验结果
5 结论
致谢
参考文献
附：原稿
1 背景介绍
目前，在诸如机器人，人机交互和制造等许多现实应用中，需要在三维(3-D)空间中自动识别物体姿态的任务。1姿态识别包括通过处理观察场景的二维(2-D)图像投影来估计目标的几何描述符，诸如位置坐标和方位角，而目标被嵌入到3-D空间中。三维姿态识别问题难以解决，因为三维空间中的目标姿态可以随着多个自由度而变化。2,3此外，目标在场景中的外观可能由于多种因素而降低，诸如噪声和背景杂波的存在，入射光源的影响以及目标的部分遮挡等等。4-6
姿势参数的特定组合导致观察场景中的目标的独特视图。因此，通过观察场景的图像的姿态参数的搜索空间可能是巨大的。因此，需要通过处理场景的二维图像并具有可接受的计算复杂度来设计用于在三维空间中精确估计目标姿态的新算法。
近年来，姿态估计已经通过不同的方法来解决。例如，通过找到从观察场景(例如，线条，形状，兴趣点)提取的特定图像特征与已知的三维模型的二维图像投影的特征之间的最佳匹配，目标具有已知的姿态参数。7，8这种方法已被证明是成功在许多应用中。9然而，当场景与添加的噪声和背景杂波损坏，特征提取算法的性能往往较差，并因此，所得到的姿态估计可能不准确。
另一种有效的三维姿态识别方法是联合二维分割和姿态估计技术。10在该提案中，我们的目标是所述目标的轮廓与具有已知姿态参数的目标的给定3-d模型的2-d的图像投影的匹配在观察的场景。11这种技术是快速和在许多情况下，产生了良好的效果。然而，这种方法的性能强烈依赖于选择的分割技术的效率。此外，由于仅使用场景中目标的轮廓来计算三维目标姿态的估计，所以丢弃诸如颜色，强度分布和纹理的目标的有用信息。Sandhu等人 12介绍了一种基于联合分割和姿态估计技术的三维姿态识别的有效方法。该方法通过组合属于同一类目标的三维对象模型的可用集合的信息来优化用于估计姿态参数的目标的参考三维模型。
在模式识别领域，相关滤波2代表在杂乱和嘈杂的场景中执行目标检测的有吸引力的选择。这种过滤包括一个模板匹配的噪声场景中的目标的可靠检测和精确估计其位置坐标。13，14相关滤波器具有良好的数学基础。而且，它们既可以在混合光电数字处理器中实现，也可以以高速率在数字可编程设备中实现。相关滤波器是其中输出相关平面中的最大强度值的坐标是场景中的目标的坐标的估计的线性系统。可以设计单个过滤器来识别具有特定姿势的场景中的目标的特定视图。此外，在抗变形模式识别应用中，可以用滤波器组来识别目标的多个视图。15在这种情况下，姿态识别问题可以通过查找用于设计相关滤波器的姿态参数来解决。当场景中的滤镜和目标的姿态参数重合时，滤镜将能够在滤镜输出中产生高匹配分数。
