11.13 三维目标检测与模型重建一体化算法
学界在三维目标检测识别和三维模型重建两个方向均开展了大量研究，现有三维目标识别算法大多采用基于模型的策略，需要预先得到感兴趣目标的三维模型[7] ，而现有三维模型重建算法均只应用于单个物体的点云，尚无法从多个包含背景的场景点云中重建出独立的三维物体。针对此，本文在假定目标在场景中存在移动的前提下，提出一种新的三维模型重建、目标检测及姿态估计一体化算法[8] 。该算法可在无先验知识的情况下检测出场景中的未知目标，并从包含背景的点云中完成目标的三维模型重建。
给定点云集 {S 1,S2 ,…,S N }，本算法的目的在于检测出场景中多次出现的目标并完成该目标的三维模型重建。该算法共包含模型初始化、模型生长 , 以及目标检测与模型重建三个模块，如图 9 所示。首先，给定输入点云集 ( 见图 9(a))，提取每幅点云 S n的 RoPS 局部特征描述子；然后，通过两幅点云之间的特征匹配和点云配准构建某个未知目标 O k 的初始模型 M k ( 见图 9(b))。通过将模型 M k 与未验证的点云进行配准从而实现模型 M k 的生长和迭代更新 ( 见图9(c))，并赋予模型 M k 中的每个点一个置信度，且该置信度随模型生长而不断迭代更新。当输入点云集合中的所有点云均得到验证后，利用置信度将杂散点剔除从而得到目标的精模型 (见图9(d))。同时，点云 S n 中能与该精模型实现配准的点即被认为是目标 O k 存在于场景 S n 中的点，进而将这些点从点云S n 中分割出来，从而实现了目标检测 ( 见图 9(d))，并可得到场景中该目标相对于模型的姿态。因此，该过程同时实现了对目标 O k 的三维模型重建、目标检测与姿态估计。当得到一个三维模型后，重复上述过程以获得下一个目标的三维模型，直到不能得到任何模型为止。
该算法依据未知目标的重现度来确定目标的类别及模型，可实现无模型的三维目标检测，并从存在背景干扰的场景点云集合中重建出未知目标的三维模型，进而同时实现三维目标的模型重建、目标检测与姿态估计。在 UWA 数据集上的实验结果表明，本文算法能获得较高的检测率和较高的模型重建与姿态估计精度。
