Opencv 基于深度信息的目标识别算法建议

我最近按照中描述的技术实现了一个识别软件。但是，我的数据集还包含OpenNI拍摄的深度贴图

我希望使用深度信息提高识别器的鲁棒性。我想在提取VFH描述符后，训练1-vs-all支持向量机计算弓响应直方图（我为这项任务采用了OpenCV描述符牵引器接口）。但问题是：我如何结合这两件事来获得更精确的结果？有人能给我一个策略吗

---

另外，我非常想测试识别器，直接向kinect显示对象（而不是像我现在所做的那样，向识别器提供裁剪图像）

我建议您看看PCL，它是一个非常类似于opencv的框架，只是它专门用于点云处理。使用它已经有一段时间了，但是算法是其他最先进的实现

---

您确定使用深度信息会提高稳健性吗？您引用的论文使用SIFT/Bag视觉单词作为描述符，这将产生仿射不变系统，例如，您可以缩放/旋转/平移对象，它仍然会给出大致相似的描述符，从而识别对象。如果您使用深度信息并开始以不同角度向摄影机倾斜对象，您将获得完全不同的信号。