基于Mean Shift点法向量分类的目标三维姿态估计

摘要

目标三维姿态信息在目标运动分析、目标识别和目标跟踪等领域的应用越来越广泛.现有的OPDVA算法采用基于距离的K-means算法对点法向量进行分类后确定目标坐标系MCS的正方向,求取目标三维姿态角.针对点法向量分类效果不理想的情况,提出了基于Mean Shift点法向量分类的目标三维姿态估计算法(PEMSPNC).该算法利用不依赖初始参数设定、基于密度聚类的Mean Shift算法,对密度分布不同的不同平面点法向量分类,寻找密度最大处点法向量做为每类代表法向量确定MCS的正方向,然后计算目标姿态角,并根据目标姿态估计结果计算目标尺寸.采用矩形拟合法、OPDVA和PEMSPNC算法分别对仿真和实测目标距离像进行实验.实验结果表明:采用PEMSPNC算法得到的姿态估计结果误差最小,相比于OPDVA算法,平均误差降低了0.4434°,且对实测数据有较好的处理结果.