[发明专利]一种电梯内面板楼层按钮识别方法和装置有效

专利信息
申请号: 202110606042.X 申请日: 2021-05-31
公开(公告)号: CN113177553B 公开(公告)日: 2022-08-12
发明(设计)人: 楼云江;李爽;张近民;孟雨皞;陈雨景 申请(专利权)人: 哈尔滨工业大学(深圳)
主分类号: G06V20/10 分类号: G06V20/10;G06V10/762;G06V10/82;G06K9/62;G06N3/04;G06N3/08
代理公司: 深圳市深联知识产权代理事务所(普通合伙) 44357 代理人: 张琪
地址: 518000 广东省深圳市南*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 电梯 面板 楼层 按钮 识别 方法 装置
【说明书】:

发明涉及一种电梯内面板楼层按钮识别方法和装置。其中的方法包括两个过程来检测与识别电梯内面板楼层按钮,分别是:相关识别网络搭建与训练过程;以及内面板楼层按钮检测与识过程。在第一过程中,搭建并利用开源数据集训练具有一定结构的卷积神经网络。在第二过程中:提出文本区域的候选区域,然后利用聚类算法给出可能的按键位置,使用第一过程中训练好的网络进行文本识别,并将识别结果和可能的按键位置结果配合,给出初步的检测和识别结果。其中的装置为试试所述方法的计算机装置。本发明的方案运算成本较低,不需要针对不同的使用环境单独训练网络,而且对噪声具有较强的抗干扰能力,对不同的使用环境较强的适应性。

技术领域

本发明涉及一种电梯内面板楼层按钮检测和识别的方法和装置,属于结合机器视觉的图像识别技术领域。

背景技术

随着机器人技术的不断发展与成熟,他们开始逐渐出现在大众生活中。目前,移动机器人在如自主导航、引导、运输等方面开始被逐步应用。能够在多楼层楼宇中实现跨楼层导航的移动服务型机器人具有较大的应用价值:他们可以被用于宾馆中对入住客人进行客房引导或为指定客房送去相应的物品或菜品;也可以在医院中帮助医生或行动不便的病人传递药品或运送随身物品;还可以用于楼宇的安保巡逻、室内清洁等。

目前,单一楼层的导航技术已经较为成熟与完善,而跨楼层的自主导航与运行技术却还需要较长的完善过程。跨楼层的导航技术需要解决的一个关键技术问题是如何实现机器人的自主跨楼层。目前,吸引了较多关注的是通过机器人自主搭乘直梯的方式来让机器人完成楼层的转换。和其他的方式比较起来(如使用楼梯或扶梯),使用直梯的方式不要求对机器人的结构进行额外设计,同时通过直梯进行楼层转换具有更高的效率。但相应的,使用直梯完成楼层转换的方式要求机器人具有自主操作电梯的能力。其中,最重要的是需要机器人能够检测并识别电梯内面板上按钮所代表的楼层和数字。只要机器人能够识别电梯面板上的楼层按钮,配合机械臂就能让机器人具备自主操作电梯的能力。

发明内容

为了解决机器人电梯内面板按钮检测和识别问题,并让检测与识别方法具有更大的鲁棒性和适用性,本发明提出了一种电梯内面板楼层按钮检测与识别。

本发明的技术方案涉及一种电梯内面板楼层按钮识别方法,包括以下步骤:

S1、提供用于电梯面板中的信息识别的卷积神经网络,并使用相关的字符数据集对其进行训练,以基于所述卷积神经网络来识别预定字符,所述预定字符至少包括数字;

S2、以平视拍摄姿态采集电梯面板的包含多个按钮的图片,检测所述图片中的多个的最大稳定极值区域,并结合预设的几何限定特征,筛选出一个或多个的候选的字符区域;

S3、根据多个的最大稳定极值区域的横纵坐标位置关系,通过聚类算法,计算出超过预设可能性概率的按钮区域结果;

S4、将候选的字符区域传入已搭建和训练的所述卷积神经网络,得到每个候选的字符区域中的字符的识别结果;

S5、配合步骤S3的结果和步骤S4的结果,输出超过预设可能性概率的按钮区域的字符检测和识别的结果。

进一步,所述步骤S1包括:

S11、构建所述卷积神经网络,使对输入层的图片数据依次经过向量卷积运算、第一次最大池化层处理、二维矩阵卷积运算、第二次最大池化层处理、全连接层处理后,输出多个0至1之间值的数值来表示所述图片数据属于预定字符的概率;

S12、利用已经标定好给定的图片和字符数据集对该网络进行训练,使所述卷积神经网络识别准确率达到预设的准确率阈值。

进一步,所述步骤S2包括:

S21、将采集的电梯面板的包含多个按钮的图片转换为灰度图,然后将根据下式更新每个点的像素值

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哈尔滨工业大学(深圳),未经哈尔滨工业大学(深圳)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/202110606042.X/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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