[发明专利]一种适用于复杂场景的机器人目标主动避障方法

说明书

本发明公开了一种适用于复杂场景的机器人目标主动避障方法，该方法由目标检测与分割、目标位置关系估计和路径规划三部分构成。本发明用于弥补现有主动视觉方法在运行效率和适应性上的不足，并且，采用本发明提供的适用于复杂场景的机器人目标主动避障方法，能够自适应规划相机移动路径，无需预先指定相机观测位置，具有更高的执行效率；而且，能够根据目标检测结果直接生成各目标的空间位置关系，为相机观测位置的调整提供较好的初值。

技术领域

本发明属于图像处理与计算机视觉领域，具体涉及一种适用于复杂场景的机器人目标主动避障方法。

背景技术

目标抓捕是机器人同外界交互的重要方式，通过安装在机械臂末端的操作手爪，机器人可实现对目标的抓捕操作，可用于流水线分拣、家庭服务等领域。为实施目标抓捕，机器人首先应完成目标所处环境的感知，并进行抓捕点检测，进而指导机械臂完成目标抓捕。然而，真实场景下的操作环境较为复杂，尤其存在遮挡的情况，给目标检测以及抓捕过程的实施带来挑战。

为提高遮挡情况下的目标检测效果，传统方法一般采用具有更强表达能力的检测方法，如Faster-RCNN等。但由于遮挡的存在，即使抓捕点能够被正确检测，其留给机器人操作的空间也较为狭窄，因此很难开展进一步的抓捕操作。在传统的目标检测领域，相机通常作为被动传感器，其被置于固定的位置，并获取不同物体的图像，因此需依赖于具有较强表达能力的目标检测算法。而在抓捕检测领域，相机通常置于机械臂末端作为手眼相机，能够通过机器人本身或机械臂的移动灵活地改变观测角度(主动视觉)，从而最大限度的避开遮挡物体，提高物体检测以及抓捕点检测的精度。

现有的主动视觉方法通常将待抓捕物体看作球心，在上半球面上均匀采样，各采样点当作相机移动过程中的观测点。通过在各个观测点分别对目标进行成像，以得到更好的抓捕状态。但该方法存在运算效率低，无法根据目标的遮挡情况自适应地调整观测角度，在某些情况下无法得到最佳观测角度等问题，因此采用一种效率高，能够根据目标状态自适应规划相机移动路径的目标主动避障方法，具有十分重要的意义。

发明内容

本发明的目的在于弥补现有主动视觉方法在运行效率和适应性上的不足，提供了一种适用于复杂场景的机器人目标主动避障方法。

本发明采用如下技术方案来实现的：

一种适用于复杂场景的机器人目标主动避障方法，包括以下步骤：

1)目标检测与分割；

2)目标位置关系估计；

3)路径规划。

本发明进一步的改进在于，步骤1)的具体实现方法如下：

首先采用深度传感器Kinect对目标进行成像，获得光学图像x_v和对应的深度图像x_d；对于光学图像x_v，采用Mask-RCNN算法检测图像中包含的所有物体o_i,i＝1,2,…,N，N表示图像中的物体总数，并采用包围盒对其进行标记，物体o_i对应的包围盒为b_i；同时，对于包围盒b_i中的物体o_i，对其进行分割，得到物体的像素级表示s_i，像素级s_i中的每一个像素均表示该点来自于物体o_i，像素级s_i以外的像素点均来自于背景区域；

对于每一个包围盒b_i内的物体分割s_i，结合深度图像x_d，计算其中每一像素点对应图像位置的深度信息，对所有像素点的深度信息取平均，得到当前物体与相机的相对距离d(o_i)：