Objectsegmentatie en -classificatie met behulp van een 3-D-afstandscamera

Dit artikel stelt een visiesysteem voor dat gebruik maakt van een 3-D-afstandscamera voor segmentatie van scènes en classificatie van voetgangers. Het systeem detecteert en segmenteert objecten op de voorgrond, meet hun afstanden tot de camera, en classificeert ze in voetgangers en niet-voetgangers obstakels. De combinatie van bereik- en intensiteitsbeelden maakt een snelle en nauwkeurige objectsegmentatie mogelijk, en levert nuttige navigatie-informatie op zoals het bereik en type van nabijgelegen objecten en het grondoppervlak. In de voorgestelde aanpak wordt een 3-D bereikbeeld gesegmenteerd met behulp van histogramverwerking en mean-shift clustering. Het grondoppervlak wordt gedetecteerd door de normaalvector in 3-D ruimte te schatten. Fourier en GIST descriptoren worden vervolgens toegepast op elk gedetecteerd gebied om vorm en textuur kenmerken te extraheren. Tenslotte worden support vector machines gebruikt om objecten te classificeren; in deze paper richten we ons op het onderscheiden van voetgangers- en niet-voetgangersgebieden. De prestaties van het voorgestelde systeem worden geëvalueerd met twee datasets. Eén dataset voor objectsegmentatie en voetgangersclassificatie is door ons verkregen met behulp van een 3D-afstandscamera; de andere is een openbare RGB-D dataset voor het detecteren van mensen. Experimentele resultaten tonen aan dat het voorgestelde systeem gunstig presteert in vergelijking met een aantal bestaande segmentatie en feature-extractie benaderingen.

Leave a Reply

Geef een antwoord

Het e-mailadres wordt niet gepubliceerd.