[发明专利]一种物体识别方法、机器人以及计算机可读存储介质在审

专利信息
申请号: 201911350891.2 申请日: 2019-12-24
公开(公告)号: CN111222419A 公开(公告)日: 2020-06-02
发明(设计)人: 黄冠文;程骏;庞建新;谭欢 申请(专利权)人: 深圳市优必选科技股份有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06T7/00
代理公司: 深圳市威世博知识产权代理事务所(普通合伙) 44280 代理人: 李莉
地址: 518000 广东省深圳市南山区*** 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 物体 识别 方法 机器人 以及 计算机 可读 存储 介质
【权利要求书】:

1.一种物体识别方法,其特征在于,所述物体识别方法应用于机器人,其中,所述物体识别方法包括:

所述机器人获取到待识别物体的图片,判断所述图片是否符合预设条件;

如果所述图片符合预设条件,对所述图片中的待识别物体进行识别,确定所述图片的前景置信度以及所述待识别物体相对于每一种物体类别的置信度;

根据所述前景置信度与所述待识别物体相对于每一种物体类别的置信度确定并输出所述图片中的待识别物体的物体类别。

2.根据权利要求1所述的物体识别方法,其特征在于,所述如果所述图片符合预设条件,对所述图片中的待识别物体进行识别,确定所述图片的前景置信度以及所述待识别物体相对于每一种物体类别的置信度的步骤包括:

如果所述图片符合预设条件,利用离线物体识别算法对所述图片中的待识别物体进行识别,确定所述图片的前景置信度以及所述待识别物体相对于所述机器人可识别物体类别中的每一种物体类别的置信度。

3.根据权利要求1所述的物体识别方法,其特征在于,所述根据所述前景置信度与所述待识别物体相对于每一种物体类别的置信度确定并输出所述图片中的待识别物体的物体类别的步骤具体包括:

如果所述前景置信度达到前景阈值,判断所述物体类别的置信度中最大的置信度是否达到类别阈值;

如果达到所述类别阈值,输出所述置信度最大的物体类别;如果未达到所述类别阈值,输出指定内容。

4.根据权利要求3所述的物体识别方法,其特征在于,所述物体识别方法还包括:

如果所述前景置信度未达到所述前景阈值,输出所述指定内容。

5.根据权利要求1所述的物体识别方法,其特征在于,所述机器人获取到待识别物体的图片,判断所述图片是否符合预设条件的步骤包括:

判断所述图片的清晰度、色度以及亮度是否满足各自对应的预设条件;

如果所述图片的清晰度、色度以及亮度均满足各自对应的预设条件,确定所述图片符合所述预设条件。

6.根据权利要求5所述的物体识别方法,其特征在于,所述物体识别方法还包括:

如果所述图片的亮度不满足其对应的预设条件,判断所述亮度是否在预设处理阈值范围内;

如果所述亮度在所述预设处理阈值范围内,通过高动态范围图像对所述图片进行处理后,确定所述图片符合所述预设条件。

7.根据权利要求5或6所述的物体识别方法,其特征在于,所述判断所述图片的清晰度、色度以及亮度是否满足各自对应的预设条件的步骤之前还包括:

将所述图片转换成RGB格式,并将转换后的图片进行裁剪,去除边缘背景。

8.根据权利要求7所述的物体识别方法,其特征在于,所述将所述图片转换成RGB格式,并将转换后的图片进行裁剪,去除边缘背景的步骤之后还包括:

将所述图片的大小进行调整,以符合离线物体识别算法的预设计算大小。

9.一种机器人,其特征在于,所述机器人包括:处理器和存储器,所述存储器中存储待识别物体的图片以及可识别物体类别,所述处理器用于执行如权利要求1-8任一项所述的物体识别方法。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有程序数据,所述程序数据能够被执行以实现如权利要求1-8任一项所述的物体识别方法。

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深圳市优必选科技股份有限公司,未经深圳市优必选科技股份有限公司许可,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/201911350891.2/1.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