CN105653497B - 基于图像识别和隐形喷码的自学习方法 - Google Patents

基于图像识别和隐形喷码的自学习方法 Download PDF

Info

Publication number
CN105653497B
CN105653497B CN201511024924.6A CN201511024924A CN105653497B CN 105653497 B CN105653497 B CN 105653497B CN 201511024924 A CN201511024924 A CN 201511024924A CN 105653497 B CN105653497 B CN 105653497B
Authority
CN
China
Prior art keywords
image
route
self study
coding
image recognition
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201511024924.6A
Other languages
English (en)
Other versions
CN105653497A (zh
Inventor
林宋伟
吴克兵
韦沛余
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Zhizunbao Investment Holding Co ltd
Original Assignee
Shenzhen Zhizunbao Investment Holding Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Zhizunbao Investment Holding Co Ltd filed Critical Shenzhen Zhizunbao Investment Holding Co Ltd
Priority to CN201511024924.6A priority Critical patent/CN105653497B/zh
Publication of CN105653497A publication Critical patent/CN105653497A/zh
Application granted granted Critical
Publication of CN105653497B publication Critical patent/CN105653497B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Manipulator (AREA)
  • Toys (AREA)

Abstract

本发明还公开了一种基于图像识别和隐形喷码的自学习的方法，包括如下步骤：第一步：根据目标位置制定预定的移动路线，在移动过程中依次记录路线坐标进行喷印标记，并在主控单元生成各喷印标记与相应路线坐标的关联；第二步：当传感器单元检测遇到障碍物发生碰壁时，记录并保存路线坐标(xn，yn)，摄像保存场景图像imagen，建立场景图像imagen与路线坐标(xn，yn)的关联；第三步：当下一次移动到路线坐标(xn，yn)的上一个路线坐标(xn‑1，yn‑1)位置时，摄像获取场景图像imagen‑1，并与保存的图像imagen进行比较匹配分析计算，从而返回或改变移动路线。本发明具有能简单、可靠地实现机器人自学习能力，从而能提高机器人技术的智能化和实用性的优点。

Description

基于图像识别和隐形喷码的自学习方法
技术领域
本发明涉及自动化技术，尤其是涉及一种能简单、可靠地实现机器人自学习能力，从而能提高机器人技术的智能化和实用性的自学习方法。
背景技术
现有的机器人自学习技术包括神经网络控制、基于Skinner操作条件反射原理的机器人避障等。神经网络控制是通过传感器探测控制输入的位置、速度、电流等反馈信息进行学习；基于Skinner操作条件的反射原理，是建立机器人的动作集合概率，并令其符合均匀分布，然后随机选取一个动作，计算相应的位置变化，进而根据与障碍及目标距离点计算等算法实现自学习功能。这些的技术算法复杂、较难实现，准确度也很难得到保证。
发明内容
为解决上述问题，本发明的目的在于提供一种能简单、可靠地实现机器人自学习能力，从而能提高机器人技术的智能化和实用性的基于图像识别和隐形喷码的自学习方法。
本发明通过以下技术措施实现的，一种基于图像识别和隐形喷码的自学习的方法，其特征在于包括如下步骤：
第一步：根据目标位置制定预定的移动路线，并在移动过程中依次记录在不同的喷印区域路线坐标进行不同的喷印标记，并在主控单元生成各喷印标记与相应路线坐标的关联；
第二步：当传感器单元检测遇到障碍物发生碰壁时，记录并保存路线坐标(xn,yn)，通过摄像单元获取和保存场景图像imagen，建立场景图像imagen与路线坐标(xn,yn)的关联；
第三步：当下一次移动到路线坐标(xn,yn)的上一个路线坐标(xn-1,yn-1)位置时，通过摄像单元获取场景图像imagen-1，并与保存的场景图像imagen进行比较匹配，如果场景相同部分超过80％，则将下一路线坐标判断为之前在此位置发生过碰壁，机器人返回或改变移动路线。
作为一种优选方式，所述改变移动路线为删除路线坐标(xn,yn)，将路线坐标(xn-1,yn-1)与原路线坐标(xn,yn)的下一个路线坐标(xn+1,yn+1)建立相邻的顺序关系。
作为一种优选方式，所述传感器单元为压力传感器。
作为一种优选方式，所述喷印标记所用的墨水为紫外线隐形墨水。
作为一种优选方式，基于图像识别和隐形喷码的自学习的方法由自学习装置实现，所述自学习装置包括行走主体，所述行走主体上设置有主控单元，所述主控单元电性连接有驱动系统单元、隐形墨水喷码单元、读码单元、传感器单元和摄像单元。
作为一种优选方式，所述隐形墨水喷码单元中的墨水为紫外线隐形墨水。
作为一种优选方式，所述读码单元为紫外光线扫描枪。
作为一种优选方式，所述行走主体为机器人。
作为一种优选方式，所述喷印标记所用的墨水为紫外线隐形墨水。
本发明通过摄像系统获取前方视野图像，主要用于遇到碰壁、摔跤等挫折时，记录保存场景图像，建立“经验”图像库，用于后续的场景比对，遇到与之前相同或相似场景时，根据上次的经验或教训进行合理的响应；本发明模拟婴儿学习过程，同时将图像识别和隐形喷码定位技术相结合，进一步提高学习判断的准确性，简单、可靠地实现机器人自学习能力，能提高机器人技术的智能化和实用性。
附图说明
图1为本发明实施例的结构框图；
图2为本发明实施例的主程序流程图；
图3为本发明实施例的传感器检测流程图；
图4为本发明实施例的隐形喷印和光线扫描流程图；
图5为本发明实施例的驱动系统单元移动的流程图。
具体实施方式
下面结合实施例并对照附图对本发明作进一步详细说明。
一种基于图像识别和隐形喷码的自学习的方法，请参照图1，自学习装置包括行走主体100，所述行走主体100上设置有主控单元106，所述主控单元106电性连接有驱动系统单元101、隐形墨水喷码单元103、读码单元102、传感器单元104和摄像单元105；本装置的隐形墨水喷码单元103选择BD-588隐形墨水喷码机，采用紫外线隐形墨水，快干环保油墨，无需外接气源及稀释剂，喷印距离5mm～10mm(喷头到地面距离)，在移动路线上每移动一定距离进行喷印，喷印标记为记录了平面路线坐标信息的二维条码，喷码的内容在普通光线下显示为不可见,在特定的紫外光(200-400nm)照射下才清晰可见，通过紫外光线扫描枪读出喷码内容中的定位信息。其工作步骤如下：
第一步：通过人机交互装置200(如输入键盘、电脑、智能手机等)在自学习装置的主控单元106中设置隐形喷印内容(二维码)、喷印区域(如在50cmX50cm)；通过主控单元106对初始位置进行喷印标记300，并在主控单元106生成该喷印标记与初始位置坐标(x0,y0)的关联；驱动系统单元101行进在移动路线中，在预定的喷印区域进行不同的喷印标记，并在主控单元106生成路线坐标信息(x1,y1)、(x2,y2)……，使各喷印标记与相应路线坐标信息(x1,y1)、(x2,y2)……进行关联；以喷印二维码标记平面路线坐标为例，在移动路线上每移动一定距离进行喷印，喷印标记在普通光线下显示为不可见,在特定的紫外光(200-400nm)照射下才清晰可见，从而可通过紫外光线扫描枪读出喷码内容中的定位信息；根据目标位置制定预定的移动路线，并在移动过程中依次记录在不同的喷印区域路线坐标进行不同的喷印标记，并在主控单元106生成各喷印标记与相应路线坐标的关联；
第二步：当传感器单元104检测遇到障碍物400发生碰壁时，记录保存路线坐标(xn,yn)，通过摄像单元105获取和保存场景图像imagen，建立场景图像imagen与路线坐标(xn,yn)的关联；
第三步：当下一次移动到路线坐标(xn,yn)的上一个路线坐标(xn-1,yn-1)位置时，通过摄像单元105获取场景图像imagen-1，并与保存的场景图像imagen进行比较匹配，如果场景相同部分超过80％，则将下一路线坐标判断为之前在此位置发生过碰壁，机器人返回或改变移动路线。
本方法通过摄像系统获取前方视野图像，主要用于遇到碰壁、摔跤等挫折时，记录保存场景图像，建立“经验”图像库，用于后续的场景比对，遇到与之前相同或相似场景时，根据上次的经验或教训进行合理的响应；本方法模拟婴儿学习过程，同时将图像识别和隐形喷码定位技术相结合，进一步提高学习判断的准确性，简单、可靠地实现机器人自学习能力，能提高机器人技术的智能化和实用性。
本实施例的基于图像识别和隐形喷码的自学习的方法，在前面技术方案的基础上具体还可以是，改变移动路线为删除路线坐标(xn,yn)，将路线坐标(xn-1,yn-1)与原路线坐标(xn,yn)的下一个路线坐标(xn+1,yn+1)建立相邻的顺序关系，从而避免下一次再次发生碰壁。
本实施例的基于图像识别和隐形喷码的自学习的方法，在前面技术方案的基础上具体还可以是，传感器单元104为压力传感器。
本实施例的基于图像识别和隐形喷码的自学习的方法，在前面技术方案的基础上具体还可以是，行走主体100为机器人。
本实施例的基于图像识别和隐形喷码的自学习的方法，在前面技术方案的基础上还包括第四步：驱动系统单元101在返回线路中，通过读码单元102(紫外光线扫描枪)读取喷印标记300的内容，在主控单元106中获取各喷印标记所关联的路线坐标信息，计算出与上一次目标路线坐标最靠近的路线坐标，并借助驱动系统单元101向其行进；依次按照……、(x2,y2)、(x1,y1)标记进行返回，直至返回到初始位置坐标(x0,y0)。
图2为本实施例的主程序流程图；图3为本实施例的传感器检测流程图；图4为本实施例的隐形喷印和光线扫描流程图；图5为本实施例的驱动系统单元移动的流程图。
以上是对本发明基于图像识别和隐形喷码的自学习方法进行了阐述，用于帮助理解本发明，但本发明的实施方式并不受上述实施例的限制，任何未背离本发明原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围的内。

Claims (9)

1.一种基于图像识别和隐形喷码的自学习的方法，其特征在于包括如下步骤：
第一步：根据目标位置制定预定的移动路线，并在移动过程中依次记录在不同的喷印区域路线坐标进行不同的喷印标记，并在主控单元生成各喷印标记与相应路线坐标的关联；
第二步：当传感器单元检测遇到障碍物发生碰壁时，记录并保存路线坐标(xn,yn)，通过摄像单元获取和保存场景图像imagen，建立场景图像imagen与路线坐标(xn,yn)的关联；
第三步：当下一次移动到路线坐标(xn,yn)的上一个路线坐标(xn-1,yn-1)位置时，通过摄像单元获取场景图像imagen-1，并与保存的场景图像imagen进行比较匹配，如果场景相同部分超过80％，则将下一路线坐标判断为之前在此位置发生过碰壁，机器人返回或改变移动路线。
2.根据权利要求1所述的基于图像识别和隐形喷码的自学习的方法，其特征在于：所述改变移动路线为删除路线坐标(xn,yn)，将路线坐标(xn-1,yn-1)与原路线坐标(xn,yn)的下一个路线坐标(xn+1,yn+1)建立相邻的顺序关系。
3.根据权利要求1所述的基于图像识别和隐形喷码的自学习的方法，其特征在于：所述传感器单元为压力传感器。
4.根据权利要求1所述的基于图像识别和隐形喷码的自学习的方法，其特征在于：所述喷印标记所用的墨水为紫外线隐形墨水。
5.根据权利要求1所述的基于图像识别和隐形喷码的自学习的方法，其特征在于：基于图像识别和隐形喷码的自学习的方法由自学习装置实现，所述自学习装置包括行走主体，所述行走主体上设置有主控单元，所述主控单元电性连接有驱动系统单元、隐形墨水喷码单元、读码单元、传感器单元和摄像单元。
6.根据权利要求5所述的基于图像识别和隐形喷码的自学习的方法，其特征在于：所述隐形墨水喷码单元中的墨水为紫外线隐形墨水。
7.根据权利要求5所述的基于图像识别和隐形喷码的自学习的方法，其特征在于：所述读码单元为紫外光线扫描枪。
8.根据权利要求5所述的基于图像识别和隐形喷码的自学习的方法，其特征在于：所述传感器单元为压力传感器。
9.根据权利要求5所述的基于图像识别和隐形喷码的自学习的方法，其特征在于：所述行走主体为机器人。
CN201511024924.6A 2015-12-30 2015-12-30 基于图像识别和隐形喷码的自学习方法 Expired - Fee Related CN105653497B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201511024924.6A CN105653497B (zh) 2015-12-30 2015-12-30 基于图像识别和隐形喷码的自学习方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511024924.6A CN105653497B (zh) 2015-12-30 2015-12-30 基于图像识别和隐形喷码的自学习方法

Publications (2)

Publication Number Publication Date
CN105653497A CN105653497A (zh) 2016-06-08
CN105653497B true CN105653497B (zh) 2019-08-23

Family

ID=56490064

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511024924.6A Expired - Fee Related CN105653497B (zh) 2015-12-30 2015-12-30 基于图像识别和隐形喷码的自学习方法

Country Status (1)

Country Link
CN (1) CN105653497B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109978173B (zh) * 2018-12-11 2022-12-30 智能嘉家有限公司 一种用于室内测绘和定位的机器学习diy方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003330538A (ja) * 2002-05-13 2003-11-21 Sanyo Electric Co Ltd 自律移動ロボットおよびその自律移動方法
CN102929280A (zh) * 2012-11-13 2013-02-13 朱绍明 移动式机器人分离式视觉定位导航方法及其定位导航系统
CN103869814A (zh) * 2012-12-17 2014-06-18 联想(北京)有限公司 一种终端定位和导航方法以及可移动的终端
CN103901885A (zh) * 2012-12-28 2014-07-02 联想(北京)有限公司 信息处理方法和信息处理设备
CN105116886A (zh) * 2015-08-11 2015-12-02 余路 一种机器人自主行走的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003330538A (ja) * 2002-05-13 2003-11-21 Sanyo Electric Co Ltd 自律移動ロボットおよびその自律移動方法
CN102929280A (zh) * 2012-11-13 2013-02-13 朱绍明 移动式机器人分离式视觉定位导航方法及其定位导航系统
CN103869814A (zh) * 2012-12-17 2014-06-18 联想(北京)有限公司 一种终端定位和导航方法以及可移动的终端
CN103901885A (zh) * 2012-12-28 2014-07-02 联想(北京)有限公司 信息处理方法和信息处理设备
CN105116886A (zh) * 2015-08-11 2015-12-02 余路 一种机器人自主行走的方法

Also Published As

Publication number Publication date
CN105653497A (zh) 2016-06-08

Similar Documents

Publication Publication Date Title
CN102999152B (zh) 一种手势动作识别方法和系统
CN107422949B (zh) 投影触控的图像选取方法
CN106530293B (zh) 手工装配视觉检测防错方法及系统
CN103941866B (zh) 一种基于Kinect深度图像的三维手势识别方法
CN108509026B (zh) 基于增强交互方式的远程维修支持系统及方法
CN110569817B (zh) 基于视觉实现手势识别的系统和方法
CN114952809B (zh) 工件识别和位姿检测方法、系统及机械臂的抓取控制方法
CN107450714A (zh) 基于增强现实和图像识别的人机交互支撑测试系统
CN101479690A (zh) 使用摄像机来生成位置信息
CN105500370B (zh) 一种基于体感技术的机器人离线示教编程系统及方法
CN114299604B (zh) 一种基于二维图像的手骨骼捕捉、手势判别方法
CN108170166A (zh) 机器人的跟随控制方法及其智能装置
Ku et al. Improving 3d object detection for pedestrians with virtual multi-view synthesis orientation estimation
CN105225248B (zh) 识别物体的运动方向的方法和设备
CN104460967A (zh) 一种人体上肢骨骼手势识别方法
Choudhary et al. Real time robotic arm control using hand gestures
Rani et al. Hand gesture control of virtual object in augmented reality
CN111354018B (zh) 一种基于图像的物体识别方法、装置及系统
CN111709461A (zh) 动物识别模型的训练方法、装置、设备及存储介质
CN115562499A (zh) 基于智能指环的精准交互控制方法、系统及存储介质
Luo et al. Skp: Semantic 3d keypoint detection for category-level robotic manipulation
CN105653497B (zh) 基于图像识别和隐形喷码的自学习方法
RU2552192C2 (ru) Способ и система для взаимодействия человек-машина, основанного на жестах, и машиночитаемый носитель для этого
CN114399515A (zh) 基于语言描述的类级别目标物6d位姿获取方法及存储介质
CN115937725B (zh) 空间交互装置的姿态显示方法、装置、设备及其存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20190801

Address after: 518000 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A (located in Shenzhen Qianhai business secretary Co. Ltd.)

Applicant after: Shenzhen Zhizunbao Investment Holding Co.,Ltd.

Address before: 518000 First Floor of the 8th Building of Huafu Industrial Park, Huachang Road, Langkou Community, Dalang Office, Longhua New District, Shenzhen City, Guangdong Province

Applicant before: Shenzhen TOYANI Special Equipment Technology Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190823

Termination date: 20211230

CF01 Termination of patent right due to non-payment of annual fee