[发明专利]基于深度相机实现工业类巡检机器人的识别检测算法

说明书

本发明公开了基于深度相机实现工业类巡检机器人的识别检测算法，该算法包括以下步骤：通过深度相机对平面地板进行测量，得到初始化数据并建模，同时采用临近补全法对读数为0的位置进行补全处理；移动深度相机，同时通过深度相机实时读取坑的深度数据，并采用临近补全法对读数为0的位置进行补全处理，得到预处理数据；通过对初始化数据及预处理数据进行计算，得到深度相机走动的实际距离与平面数据的数据差，该数据差即坑的深度数据。有益效果：本发明的技术方案采用平面基准图的方式，将平面数据保存下来，不用在在检测过程中建模平面模型，从而减小计算量，使得程序可在小型设备上运行，降低计算资源成本。

技术领域

本发明涉及视觉技术和图像处理技术领域，具体来说，涉及基于深度相机实现工业类巡检机器人的识别检测算法。

背景技术

传统的仪表盘检测方法一般有以下几种方法：

1.目测法，这种识别方法只适用于人眼实时观察，在缺乏人力及无人情况下无法完成任务，且人力成本相对较高。

2.基于传统图像算法的探坑识别方法，这种识别方法识别速度较慢，且不能准确识别坑的位置，且对图像的质量要求较高，算法鲁棒性较低，存在较多误检、漏检。

因此，现需要设计基于深度相机实现工业类巡检机器人的识别检测算法，解决现有技术中的不足。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的问题，本发明提出基于深度相机实现工业类巡检机器人的识别检测算法，以克服现有相关技术所存在的上述技术问题。

为此，本发明采用的具体技术方案如下：

基于深度相机实现工业类巡检机器人的识别检测算法，该算法包括以下步骤：

S1、通过深度相机对平面地板进行测量，得到初始化数据并建模，同时采用临近补全法对读数为0的位置进行补全处理；

S2、移动深度相机，同时通过深度相机实时读取坑的深度数据，并采用临近补全法对读数为0的位置进行补全处理，得到预处理数据；

S3、通过对初始化数据及预处理数据进行计算，得到深度相机走动的实际距离与平面数据的数据差，该数据差即坑的深度数据。

进一步的，所述S1中通过深度相机对平面地板进行测量，得到初始化数据并建模包括以下步骤：

S11、将深度相机安装在可以自主移动的机器上，并固定深度相机的安装位置以及角度；

S12、通过深度相机的程序读取平面地板的地面到深度相机的距离，完成平面地板的初始化，并得到初始化数据Mat0；

S13、对平面地板进行建模。

进一步的，所述S1及S2中临近补全法使用时包括以下步骤：

找到读数为0的位置，通过在该读数同一行且距离最近的不为零的数字对度数为0的位置进行补全，保存。

进一步的，所述S2中移动深度相机，同时通过深度相机实时读取坑的深度数据，并采用临近补全法对读数为0的位置进行补全处理，得到预处理数据包括以下步骤：

S21、通过可以自主移动的机器使深度相机行走，并通过深度相机的程序实时读取坑的深度数据；

S22、采用临近补全法对坑的深度数据中读数为0的位置进行补全处理，得到预处理数据Mat1。

进一步的，所述S3中通过对初始化数据及预处理数据进行计算，得到深度相机走动的实际距离与平面数据的数据差包括以下步骤：

将预处理数据减去初始化数据，得到深度相机走动的实际距离与平面数据的数据差。