[发明专利]3D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3D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机器人周围的图像，以得到3D点云数据；对所述3D点云数据进行处理，以得到处理结果；将所述处理结果输入至人腿点云分类器内进行分类，以得到人腿3D点云数据；对所述人腿3D点云数据进行处理，以得到点云簇特征以及特征描述子；使用最近邻算法进行特征描述子的匹配，以得到匹配结果；将所述匹配结果转换为2D伪激光雷达数据；确定2D伪激光雷达数据的坐标信息，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现提高人腿识别的准确率。

技术领域

本发明涉及人腿识别方法，更具体地说是指3D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。目前绝大多数机器人使用的是2d激光雷达，通过获得平面上的激光雷达点云数据进行人腿识别，但是这种方法受限于2d激光雷达点云数据信息不足的缺陷，从而使人腿识别的误识率和漏识率远高于其它方法。在实际使用的场景中，机器人往往会把柱子、桌子腿等和人腿近似的物体识别成人腿，造成算法场景失效的情况，这种情况会让机器人和人类的交互变得困难，也阻碍机器人技术进一步的发展。

因此，有必要设计一种新的方法，实现提高人腿识别的准确率。

发明内容

本发明的目的在于克服现有技术的缺陷，提供3D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：3D人腿识别方法，包括：

获取深度相机拍摄的机器人周围的图像，以得到3D点云数据；

对所述3D点云数据进行处理，以得到处理结果；

将所述处理结果输入至人腿点云分类器内进行分类，以得到人腿3D点云数据；

对所述人腿3D点云数据进行处理，以得到点云簇特征以及特征描述子；

使用最近邻算法进行特征描述子的匹配，以得到匹配结果；

将所述匹配结果转换为2D伪激光雷达数据；

确定2D伪激光雷达数据的坐标信息，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：所述对所述3D点云数据进行处理，以得到处理结果，包括：

对所述3D点云数据进行降噪、滤波、法向量计算、离群点移除以及点云三角化处理，以得到处理结果。

其进一步技术方案为：所述人腿点云分类器是通过若干个带有人腿3D点云数据标签的预处理后的3D点云数据作为样本集训练PointNet模型所得的；其中，所述PointNet模型包括两个空间变换网络、两个多层感知机以及一个最大池化层。

其进一步技术方案为：所述对所述人腿3D点云数据进行处理，以得到点云簇特征以及特征描述子，包括：

计算所述人腿3D点云数据中点与点之间的欧式距离，以得到第一欧式距离；

通过RANSAC算法结合预先设置的阈值和参数根据所述人腿3D点云数据拟合直线和平面；

确定所述人腿3D点云数据中的点到所述直线和平面的欧式距离，以得到第二欧式距离；

根据所述第一欧式距离以及第二欧式距离将所述人腿3D点云数据分解成离散的点云簇；