[发明专利]移动机器人基于单目视觉传感器的目标对象跟随方法有效

专利信息
申请号: 201810980715.6 申请日: 2018-08-27
公开(公告)号: CN109166136B 公开(公告)日: 2022-05-03
发明(设计)人: 刘希龙;张茗奕;庞磊;曹志强;徐德 申请(专利权)人: 中国科学院自动化研究所
主分类号: G06T7/20 分类号: G06T7/20;G06T7/246;G06T7/223
代理公司: 北京瀚仁知识产权代理事务所(普通合伙) 11482 代理人: 宋宝库;陈晓鹏
地址: 100190 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 移动 机器人 基于 目视 传感器 目标 对象 跟随 方法
【说明书】:

发明涉及计算机视觉识别领域,具体提供了一种移动机器人基于单目视觉传感器的目标对象跟随方法,旨在解决现有移动机器人跟随目标对象的鲁棒性差,难以保证对行人等目标对象的跟随质量的问题。为此目的,本发明提供的方法包括移动机器人根据目标对象的目标区域获取目标对象的图像;得到目标对象的图像的特征矩阵;利用目标跟踪算法和特征矩阵确定目标对象的中心点;根据中心点和目标对象的外形框架确定出目标对象所在的区域,作为第一区域,判断第一区域的面积在目标对象的图像中的比例是否大于设定阈值,根据判断结果执行相应的操作。基于上述步骤,本发明提供的方法实时性、鲁棒性好,可以实现对目标对象的有效跟随。

技术领域

本发明涉及计算机视觉领域,具体涉及移动机器人领域,尤其涉及一种移动机器人基于单目视觉传感器的目标对象跟随方法。

背景技术

智能移动机器人对运动目标跟随被广泛地应用在家庭服务、助老助残、场景监控和智能车等领域。移动机器人对目标对象的跟随涉及计算机视觉、运动控制和模式识别等领域,具有广泛应用前景。

与TLD(Tracking-Learning-Detection)、STRUCK等方法不同的是,移动机器人对目标对象的跟随要求具有较高的鲁棒性。通常,移动机器人利用激光传感器或视觉传感器进行感知。激光传感器虽然能够得到精确的距离信息,但是在目标对象的识别与跟随方面鲁棒性不足,难以解决目标丢失后重新找回的问题。视觉传感器能够提供更为丰富的环境信息,视觉传感器包括双目视觉传感器和单目视觉传感器。与基于双目视觉传感器的目标对象跟随相比,基于单目视觉传感器的目标对象跟随算法处理时间短,有利于保证实时性。目前,单目视觉传感器的目标对象跟随多利用颜色分割、粒子滤波等方法,但是由于复杂背景、目标对象出入视野等干扰的存在,使得这些方法的鲁棒性差,难以实现对行人等目标对象的有效跟随。

发明内容

为了解决现有技术中的上述问题,即为了解决现有移动机器人跟随目标对象的鲁棒性差,难以实现对行人等目标对象的跟随的问题,本发明提出了一种移动机器人基于单目视觉传感器的目标对象跟随方法,提高了对复杂背景的鲁棒性,保证了移动机器人在不同环境中对行人等目标对象的跟随。所述移动机器人基于单目视觉传感器的目标对象跟随方法包括:

步骤101:移动机器人根据目标对象的目标区域获取目标对象的图像;

步骤102:对所述目标对象的图像进行预处理,并利用特征变换得到所述目标对象的图像的特征矩阵;

步骤103:利用目标跟踪算法确定出所述特征矩阵的响应矩阵,并记录所述响应矩阵中所有元素的最大值;将所述最大值对应于所述响应矩阵中的元素的位置,作为所述目标对象相对于预先获取的初始目标区域的位移坐标,结合所述初始目标区域的中心位置,确定所述目标对象所在位置作为所述目标对象的中心点;

步骤104:根据所述中心点和所述目标对象的外形框架确定出所述目标对象所在的区域,作为第一区域;判断所述第一区域的面积在所述目标对象的图像中的比例是否大于设定阈值,若是,则执行步骤105,若否,则执行步骤106;

步骤105:确定所述第一区域为所述目标对象的目标区域;

步骤106:以所述中心点的位置为中心构建检测区域,在所述检测区域内利用目标检测器重新对所述目标对象进行检测,将检测得到的所述目标对象所在的区域作为第二区域,如果该第二区域的区域面积在所述目标对象的图像中图像面积的比例大于所述设定阈值,则将该第二区域作为所述目标对象的目标区域。

在上述方法的优选技术方案中,“对所述目标对象的图像进行预处理,并利用特征变换得到所述目标对象的图像的特征矩阵”的步骤包括:

对所述目标对象的图像的初始目标区域内的图像进行卷积计算,得到所述目标对象的图像的中间图像块;

对所述中间图像块进行特征变换得到所述目标对象的图像的特征矩阵;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所,未经中国科学院自动化研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810980715.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top