[发明专利]人腿识别方法、装置、计算机设备及存储介质

说明书

本发明实施例公开了人腿识别方法、装置、计算机设备及存储介质。所述方法包括：获取深度相机拍摄的深度图像；将所述深度图像转换为2d伪激光雷达数据；对所述2d伪激光雷达数据进行分解处理，以得到点云簇以及对应的特征描述子；将所述点云簇输入至随机森林分类器内进行分类，以得到人腿点云簇；根据所述人腿点云簇进行识别，以得到人体的位置信息；发送所述位置信息，以驱动机器人避开人体。通过实施本发明实施例的方法可实现可低成本且准确地识别人腿所在的位置，准确率高。

技术领域

本发明涉及人腿识别方法，更具体地说是指人腿识别方法、装置、计算机设备及存储介质。

背景技术

AI在不断的发展，机器人也越来越多的活跃在各种和人类密切相关的场景之中，例如送餐机器人、医疗机器人、配送机器人等等，机器人和人类的交互也变得越来越多。

为了让机器人和人类交互顺利的进行，需要让机器人可以精准的感知到人类的存在，并且得到准确的位置。传统的方法是使用深度相机拍摄机器人周围环境的图像，进行深学习目标检测，最后通过深度图像得到位置信息，这种方法造价高、需要的传感器多、模型复杂且需要复杂的3D信息，不利于降低机器人的成本和迅速推广，使得机器人产品落地量产变得困难。

因此，有必要设计一种新的方法，实现可低成本且准确地识别人腿所在的位置，准确率高。

发明内容

本发明的目的在于克服现有技术的缺陷，提供人腿识别方法、装置、计算机设备及存储介质。

为实现上述目的，本发明采用以下技术方案：人腿识别方法，包括；

获取深度相机拍摄的深度图像；

将所述深度图像转换为2d伪激光雷达数据；

对所述2d伪激光雷达数据进行分解处理，以得到点云簇以及对应的特征描述子；

将所述点云簇输入至随机森林分类器内进行分类，以得到人腿点云簇；

根据所述人腿点云簇进行识别，以得到人体的位置信息；

发送所述位置信息，以驱动机器人避开人体。

其进一步技术方案为：所述随机森林分类器是通过带有人腿点云簇标签的点云簇作为样本集训练随机森林模型所得的。

其进一步技术方案为：所述将所述深度图像转换为2d伪激光雷达数据，包括：

对所述深度图像内的每个像素点的像素值结合深度相机的内参转换为点云点，以得到点云点坐标信息；

将所述点云点坐标信息在3d世界坐标系下的位置关系进行转换，以得到2d伪激光雷达数据。

其进一步技术方案为：所述对所述2d伪激光雷达数据进行分解处理，以得到点云簇以及对应的特征描述子，包括：

确定所述2d伪激光雷达数据中点与点之间的欧式距离、点与线之间的欧式距离以及点与面之间的欧式距离，以得到距离信息；

根据所述距离信息将所述2d伪激光雷达数据进行点的分离，以得到点云簇；

提取所述点云簇的特征描述子。

其进一步技术方案为：所述根据所述人腿点云簇进行识别，以得到人体的位置信息，包括：

遍历所述人腿点云簇，且根据所述特征描述子确定所述人腿点云簇对应的特征描述子，使用最近邻算法对所述人腿点云簇对应的特征描述子进行匹配，以得到匹配结果；

筛选出所述匹配结果中属于预设阈值内的人腿点云簇，以确定同一个人的人腿点云簇；

获取所述人腿点云簇对应的点云簇的位置，以得到人体的位置信息。