[发明专利]基于主动策略和影像传感器的机器人目标识别方法及系统

说明书

本发明公开了一种基于主动策略和影像传感器的机器人目标识别方法及系统，属于目标识别领域，本发明利用影像传感器获取机器人巡航路线上的影像数据，对影像数据进行处理得到疑似目标，针对疑似目标采取主动策略智能地调整机器人，使传感器能更好地获取疑似目标的影像，最终确认疑似目标是否为需要识别的目标，并给出准确的识别结果。本发明与现有技术相比从影像信息源头显著提高了质量，能够更有效、灵活、可靠地实现目标识别，并可以在一定程度上减小计算量，尤其是针对一些需要从特定角度和距离观察识别的目标物体，如二维码、门牌号等，识别效果较好。

技术领域

本发明属于目标识别技术领域，更具体地，涉及一种基于主动策略和影像传感器的机器人目标识别方法及系统。

背景技术

随着科学技术和国民经济的发展，越来越多的无人系统出现在人们视野中，包括机器人自动巡检、无人机自主巡航等，这同时也对其技术发展提出了新的挑战。对复杂动态场景感知与理解是机器人智能化的基础和关键，而识别环境中目标的信息则是场景感知与理解的关键技术。

目前机器人目标识别大都是基于给定影像的被动式识别，而被动式影像在成像阶段没有考虑到成像质量对识别的影响，仅仅基于现有影像数据来进行目标识别而不考虑主动改善成像质量，给目标识别带来很多困难。在当今的信息化时代，大部分数据都是通过传感器采集得到，而采集设备的载体大都是移动机器人。因此，合理的利用移动机器人载体本身可操控的特性来辅助影像传感器进行主动地目标识别，能够很大程度上提高目标识别的准确性。目前在机器人上使用的主流目标识别传感器为相机和激光雷达两种，这两个传感器及相应的目标识别方法的特性分别为：

基于图像的目标识别方法目前比较成熟，分为传统方法和机器学习方法。传统方法的目标识别主要是基于图像处理方法，分为区域选择、特征提取和分类器三个部分，即首先使用不同长宽比例的滑动窗口对图像进行遍历，然后对这些区域提取特征(如HOG、SIFT特征等)，最后使用训练的分类器(如SVM分类器等)进行分类。基于传统方法的图像目标识别受环境影响较大，如光照、角度及背景环境等，局限性比较大。近十年基于机器学习的目标识别发展迅速，其分为使用不同长宽比例的滑动窗口对图像进行遍历、运行卷积网络和对比模型置信度输出目标位置和类别。基于机器学习方法的目标识别受环境影响相对较小，但其训练网络需要大量数据集。基于图像的目标识别方法总体来说，会受到离目标的距离、图像分辨率、环境光照及图像拍摄角度等影响，在一些复杂环境下识别效果依旧不够鲁棒，且基于深度学习的实时图像识别方法计算量较大、对硬件有很强的依赖性。

基于激光雷达点云的目标识别并不成熟，主要有基于鸟瞰图方法和基于体素的方法。目前在自动驾驶中大多使用基于鸟瞰图的方法，步骤为将点云数据映射到二维平面，在鸟瞰图中进行目标识别，其对于行人、自行车等小物体的识别效果不佳。基于体素的方法为将点云体素化为体积网格，并将图像CNN推广到3D CNN，其识别效果也不够理想。

参考专利申请CN110084168A提出了一种主动目标识别方法及装置，该方法利用学习的方式主动调整成像参数来识别目标。然而这种方法存在以下不足：1)只能主动调整传感器成像参数无法主动调整成像角度和成像距离，对于二维码、门牌号及安全出口等需要从接近于正面的角度、合适距离才能得到清楚影像的目标无法很好识别；2)未涉及多种传感器融合识别，发挥不同传感器的优势从而更好的识别目标。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提出了一种基于主动策略和影像传感器的机器人目标识别方法及系统，由此解决现有技术在解决基于影像的目标识别存在目标距离、目标拍摄角度及光照等影响因素方面存在一定局限性的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于主动策略和影像传感器的机器人目标识别方法，包括：

(1)采集机器人巡航路线上的影像数据，对采集的所述影像数据进行处理得到疑似目标与机器人载体的相对位姿关系；