目标本文记录的RGBD物体识别，目标不是介绍现有的通用的物体识别技术，而是面向物流货物分拣领域的物体识别，旨在实现一个可以在限制条件下（实验室条件下）能够work的demo。开发工具OpenCVPCL系统框架简述1，基于点云物体分割。2，基于分割结果，物体ROI提取。3，基于Bag of Words物体识别。后续博文将会持续依次介绍以上组成部分。

对于RGBD物体识别问题，我采用的思路是先从几何特征，将物体的点云分割好，也就是将不同物体通过点云分割出来，然后通过成像关系和RGBD配准信息，在图像上找到对应的区域ROI，然后对图像进行识别，后续根据识别结果再进行抓取。当然其中还有一个很重要的地方，就是物体的姿态估计，或者说最佳抓取点的选取，这个问题暂且不管。本文重点关注未知物体的点云分割工具PCLSegmenterLight步骤1，安装和编

【代码】搭建docker开发环境。

opencv背景建模Unsupervised Moving Object Detection https://github.com/antonilo/unsupervised_detection

可以参考https://zhuanlan.zhihu.com/p/42995269https://zhuanlan.zhihu.com/p/21738718bresham算法生成空白格子，但是要加高斯噪声的话，怎么添加呢？

对于RGBD物体识别问题，我采用的思路是先从几何特征，将物体的点云分割好，也就是将不同物体通过点云分割出来，然后通过成像关系和RGBD配准信息，在图像上找到对应的区域ROI，然后对图像进行识别，后续根据识别结果再进行抓取。当然其中还有一个很重要的地方，就是物体的姿态估计，或者说最佳抓取点的选取，这个问题暂且不管。本文重点关注未知物体的点云分割工具PCLSegmenterLight步骤1，安装和编

微软的kinect和华硕的xtion在RGBD物体识别上用得比较多，一般来说都是通过openni来采集的，pcl里io模块可以直接调用这个接口。但是对于之前接触图像和opencv比较多的同学来说，使用opencv比较方便。本文即介绍如何通过opencv显示kinect或者xtion的RGBD图像。opencv3编译在编译过程中需要打包编译openni2相关库，注意opencv官网上说的是> Con

nvidia 显卡驱动12.2。用国内源安装torch。

参考资料http://blog.csdn.net/harvic880925/article/details/50995587http://www.cnblogs.com/hnfxs/p/3148743.htmlhttp://haoxiang.org/2011/06/bezier-spline-curve-fit/http://www.jianshu.com/p/c5949adc7ec15.

export http_proxy=http://127.0.0.1:7890export https_proxy=http://127.0.0.1:7890export all_proxy=socks5://127.0.0.1:7890bash install.sh