基于卷积-递归神经网络和费舍尔向量的RGB-D物体识别

摘要

综合利用彩色和深度信息,采用多数据模式的特征提取策略,提出一种基于卷积-递归神经网络和费舍尔向量的RGB-D物体识别方法.对于彩色图像和深度图像,分别利用卷积-递归神经网络和卷积-费舍尔向量-递归神经网络提取物体的纹理及形状特征.为了更加全面的获取物体信息的特征表述,引入了灰度图像和表面法向量作为原始数据的补充,并利用卷积-递归神经网络提取特征.最后,将4种数据模式下提取到的特征融合起来,输入到softmax分类器中实现RGB-D物体识别.在标准的RGB-D数据库中对算法进行验证,所提算法可以有效提高物体识别率.