[发明专利]一种基于Kinect相机的智能机器人识别跟踪方法

说明书

本发明公开了一种基于Kinect相机的智能机器人识别跟踪方法，通过获取区域RGBD(Red、Green、Blue、Deep)图像，对区域内的目标进行精确识别，可以有效提高机器人识别质量与检测精度；其实现过程是：(1)通过Kinect相机获取的RGBD图像数据进行三维点云重建；(2)提取三维点云数据的特征信息，构建三维数据库；(3)针对提取目标的特征选择最佳的神经网络模型结构，将模型分为三部分：采样层、分组层、特征提取层；(4)实时采集图像识别：根据步骤(3)构建的模型，对实时采集到的RGBD图像进行检测识别处理，判断图像中目标区域，并给出是否正确的置信度。

技术领域

本发明涉及一种基于Kinect相机的智能机器人识别跟踪方法，该方法通过机器人操作系统，利用彩色深度相机Kinect完成机器人所在区域的可见光及深度图像的采集，利用神经网络模型实现对关注目标的识别，并驱动机器人根据构建规划路径完成对目标的跟踪；本发明属于机器人控制、机器视觉技术领域，可应用于工业生产、日常生活等方面。

背景技术

目前大多数有人脸识别功能的机器人主要采用普通的RGB摄像头获取视场内物体的图像，一般只能实现有限的识别功能，并且识别率也有待提高，同时所获得的图像不能提供更多的信息反馈给机器人终端进行后续的移动导航；因此设计可以在未知空间下开展作业的机器人是很重要的一个研究方向，机器人不单单依靠图像传感器进行道路规划，还可以利用本身识别功能获取图像的方式，更多的获取空间内信息；从而机器人在构图导航的路线上可以更加精确，也可以更精准的完成识别任务，此外精确的识别系统可以减少人力资源的浪费，避免由重复的操作带来工作效率低下的问题

本发明设计了一种基于Kinect相机的智能机器人识别跟踪方法，通过机器人操作系统进行机器人控制；由于机器人在行驶过程中要有距离判断，因此识别目标物体的时候要能够同时进行实时测距，这样还可以将被识别目标的距离信息及时返回给机器人，避免发生不必要的意外碰撞；因此为了获取被识别物体准确的位置，通过彩色深度相机Kinect获取所在区域的可见光及深度信息图像，通过物体坐标的转换，得到目标物体的三维空间信息，同时基于卷积神经网络可以实现多特征的目标检测，提高识别的准确率，并驱动机器人实时跟踪识别目标，因此本发明具有较好的应用价值和前景。

发明内容

本发明设计了一种利用深度图像和可见光构建人脸三维模型，通过神经网络模型实现对目标对象进行检测识别，并自动驱动机器人跟踪目标人物，根据判断结果进行后续操作，这对于疫情防控、智能无人驾驶等方面有实际的意义，本发明所采用的技术方案为一种基于Kinect相机的智能机器人识别跟踪方法，包括下列步骤：

1.基于Kinect相机的三维模型的重建：通过Kinect相机获取的RGBD图像数据进行三维点云重建；

2.三维数据库建立：提取三维点云数据的特征信息，构建三维数据库；

3.建立神经网络模型：针对提取目标的特征选择最佳的结构，将模型分为三部分：采样层、分组层、特征提取层；

4.实时采集图像识别：根据步骤(3)构建的模型，对实时采集到的RGBD图像进行检测识别处理，判断图像中目标区域，并给出是否正确的置信度；

5.识别结果分析及处理：基于树莓派平台对识别结果进行分类，驱动机器人对识别目标进行跟踪；

步骤(1)中，通过Kinect相机发射红外线，利用CMOS传感器获取反射红外光，采用光编码方式获得深度图像，然后对深度数据的挖掘和滤波去噪，结合RGB彩色图像数据生成三维点云，完成三维重建；

步骤(2)中，根据提取的三维点云数据的特征集合建立三维数据库，数据库的建立直接关系到后续神经网络模型识别结果的好坏，数据集越全面多样，最终识别结果越佳；