CN107491714A - 智能机器人及其目标物体识别方法和装置 - Google Patents
智能机器人及其目标物体识别方法和装置 Download PDFInfo
- Publication number
- CN107491714A CN107491714A CN201610410874.3A CN201610410874A CN107491714A CN 107491714 A CN107491714 A CN 107491714A CN 201610410874 A CN201610410874 A CN 201610410874A CN 107491714 A CN107491714 A CN 107491714A
- Authority
- CN
- China
- Prior art keywords
- color
- image
- color lump
- target object
- lump
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种应用于智能机器人上的目标物体识别方法,包括以下步骤:所述智能机器人获取所述目标物体的第一图像;所述智能机器人将所述第一图像预处理,获得第二图像;所述智能机器人根据颜色空间的预定颜色组合获得所述第二图像的色块特征;以及所述智能机器人将所述第二图像的色块特征与预设的样品记录相匹配,根据匹配结果确定所述目标物体。本发明提供的目标物体识别方法,将图像识别应用于物体识别领域,扩大了图像识别应用范围,和智能机器人结合使用,增加了机器人的趣味性和智能化程度。
Description
技术领域
本发明涉及颜色识别和人工智能领域,具体涉及一种智能机器人及其目标物体识别方法和装置。
背景技术
随着人类城市化进程的推进,人们的工作节奏不断加快,需要宠物来放松生活,但是真实的宠物照料护理很麻烦;另一方面,随着人口老龄化,智能型宠物机器人必将流行,成为家庭的好伙伴。这些对陪伴型宠物机器人提出了更高的要求:即接近真实宠物特征,又具有智能化。如果宠物机器人对颜色具有一定的识别能力,将能根据颜色做出适当的反应,以达到具有真实宠物机器人的仿生特点,必将增加宠物机器人的萌宠感觉,使人们感到宠物机器人更加智能。现有宠物机器人基本没有视觉功能,即使有也只有拍照的功能。对于搭载色彩传感器的机器人,一般也只能识别定义的单个色彩,对于区域内多个色彩块没有识别的能力。同时无法检测色块,从而无法判断物体的形状和位置,实现物体识别。
发明内容
有鉴于此,本发明提供一种能够识别区域内多个色块特征来确定目标物体的应用于智能机器人上的目标物体识别方法和装置以及包含上述装置的智能机器人。
根据本发明的第一方面,提供一种应用于智能机器人上的目标物体识别方法,包括以下步骤:所述智能机器人获取所述目标物体的第一图像;所述智能机器人将所述第一图像预处理,获得第二图像;所述智能机器人根据颜色空间的预定颜色组合获得所述第二图像的色块特征;以及所述智能机器人将所述第二图像的色块特征与预设的样品记录相匹配,根据匹配结果确定所述目标物体。
优选地,所述色块特征包括:色块组合、色块形状、色块尺寸和色块位置。
优选地,所述色块组合为各个色块所具有的不同颜色数量及不同颜色色块的数量组合;所述色块形状为色块的几何形状;所述色块尺寸为色块占整个图像的面积百分比;所述色块位置为各个色块之间的相对位置。
优选地,所述智能机器人根据颜色空间的预定颜色组合获得所述第二图像的色块特征包括:
根据颜色空间的预定颜色组合获得所述第二图像中互不连通的相同颜色区域,将每一个所述相同颜色区域定义为一个色块,计算各个色块所具有的不同颜色数量及不同颜色色块的数量,获得所述第二图像的色块组合;
识别各个色块的几何形状获得所述第二图像的色块形状;
计算各个色块占整个图像的面积百分比,获得所述第二图像的色块尺寸;以及
计算各个色块之间的相对位置,获得所述第二图像的色块位置。
优选地,所述预处理包括阴影过滤和颜色纠偏。
优选地,所述颜色空间为标准RGB、色度RGB、YUV之一的颜色空间。
优选地,在所述智能机器人根据颜色空间的预定颜色组合获得所述第二图像的色块特征之前,该方法还包括:对所述第二图像过滤不属于所述颜色空间的预定颜色组合的像素点。
根据本发明的第二方面,提供一种应用于智能机器人上的目标物体识别装置,包括设置在智能机器人上的:
图像获取单元,用于获取所述目标物体的第一图像;
预处理单元,用于将所述第一图像预处理,获得第二图像;
特征获取单元,用于根据颜色空间的预定颜色组合获得所述第二图像的色块特征;
识别单元,用于将所述第二图像的色块特征和预设的样品记录匹配,确定所述目标物体。
优选地,所述特征获取单元包括:
色块组合获取单元,用于根据颜色空间的预定颜色组合获得所述第二图像中互不连通的相同颜色区域,将每一个所述相同颜色区域定义为一个色块,计算各个色块所具有的不同颜色数量及不同颜色色块的数量,获得所述第二图像的色块组合;
色块形状获取单元,用于识别各个色块的几何形状获得所述第二图像的色块形状;
色块尺寸获取单元,用于计算各个色块占整个图像的面积百分比,获得所述第二图像的色块尺寸;
色块位置获取单元,用于计算各个色块之间的相对位置,获得所述第二图像的色块位置。
优选地,还包括:存储单元,用于存储所述预设的样品记录。
优选地,还包括:过滤单元,用于在根据颜色空间的预定颜色组合获得所述第二图像的色块特征之前,对所述第二图像过滤不属于所述颜色空间的预定颜色组合的像素点。
优选地,所述图像获取单元设置在所述智能机器人的眼睛位置。
根据本发明的第三方面,提供一种智能机器人,包括上述任一项所述的目标识别装置。
本发明提供了一种应用于智能机器人上的目标物体识别方法和装置,将图像识别应用于物体识别领域,根据颜色空间的预定颜色组合获得图像的色块特征,将目标物体的色块特征和预设的样本记录进行比对,从而识别物体。另外,该目标物体识别方法和装置与智能机器人结合,使智能机器人具有物体识别能力,由此增加了机器人的趣味性和智能化程度。
附图说明
通过参照以下附图对本发明实施例的描述,本发明的上述以及其它目的、特征和优点将更为清楚,在附图中:
图1a是一个汽车的立体图;
图1b是图像预处理后的汽车图像;
图2是本发明实施例的目标物体识别过程的流程图;
图3和图4是本发明实施例中标准RGB和色度RGB两种颜色空间的示意图;
图5是本发明另一个实施例的目标物体识别过程的流程图;
图6是本发明实施例的目标物体识别装置的结构框图;
图7是本发明实施例的应用目标物体识别方法的企鹅形态的智能机器人的示意图。
具体实施方式
以下基于实施例对本发明进行描述,但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质,公知的方法、过程、流程没有详细叙述。另外附图不一定是按比例绘制的。
附图中的流程图、框图图示了本发明实施例的系统、方法、装置的可能的体系框架、功能和操作,流程图和框图上的方框可以代表一个模块、程序段或仅仅是一段代码,所述模块、程序段和代码都是用来实现规定逻辑功能的可执行指令。也应当注意,所述实现规定逻辑功能的可执行指令可以重新组合,从而生成新的模块和程序段。因此附图的方框以及方框顺序只是用来更好的图示实施例的过程和步骤,而不应以此作为对发明本身的限制。
参考图1a和图1b,图1a示出了汽车模型的立体图像,其中C1、C2和C3分别为汽车车体的三种不同颜色区域,图1b是将图1a所示的图像预处理的一张图像,其中C1、C2和C3和图1a的汽车图像相应区域对应。在现实生活中,通过拍照、摄录以及其他方法获得的物体图像,如图1a所示,往往由于光照、环境等影响,物体颜色可能失真,物体图像和背景环境的融合也给图像处理带来困难。因此在图1b所示的汽车图像中,对图像阴影进行了过滤,对图像的颜色进行了预处理(色彩纠偏),最终得到一个包括多个不同色块区域的汽车图像。通过对汽车图像的色块分析以及和预存储的样品记录对比,则可区分出是否为记录在案的车辆。
具体地,图2为本发明一个实施例的目标物体识别过程的流程图。图2所示的目标物体识别过程包括步骤S201到S204。
在步骤S201中,获取所述目标物体的第一图像。在本步骤中通过照相、摄像等装置获取目标物体的图像。目标物体的图像通常有JPEG、TIFF、RAW等。由于数码相机拍下的图像文件很大,储存容量却有限,因此图像可以经过压缩后储存。
在步骤S202中,将所述第一图像预处理,获得第二图像。在图像分析中,对输入图像进行特征抽取、分割和匹配前所进行的处理为图像预处理。图像预处理的主要目的是消除图像中无关的信息,恢复有用的真实信息,增强有关信息的可检测性和最大限度地简化数据,从而改进特征抽取、图像分割、匹配和识别的可靠性。在本发明中,预处理重点实现消除目标物体的颜色噪音以及目标物体图像的抽取。可以采用平滑技术消除颜色噪音,常用的平滑方法有中值法、局部求平均法和k近邻平均法。目标物体图像的抽取可以通过对图像中的信息有选择地加强和抑制,使图像的轮廓和边界更加清晰,以改善图像的视觉效果,或将图像转变为更适合于机器处理的形式,以便于数据抽取或识别。
以上图像预处理的方法均为已知技术,本领域技术人员可以按照现有技术方案从所述第一图像中获取所述第二图像,这里就不再赘述。
在步骤S203中,根据颜色空间的预定颜色组合获得第二图像的色块特征。色块特征包括第二图像上的色块组合、色块形状、色块尺寸和色块位置等特征信息。其中,色块组合为各个色块所具有的不同颜色数量及不同颜色色块的数量组合,色块形状为色块的几何形状,色块尺寸为色块占整个图像的面积百分比,色块位置为各个色块之间的相对位置。颜色空间为现有技术中的标准RGB、HSV、YUV、HIS、色度RGB等多种颜色空间中的一种。以下以标准RGB和色度RGB为例展示如何通过预定颜色空间获得图像的色块特征。这里,预定颜色组合是为了区分颜色,根据颜色空间定义了几种颜色。例如,使用RGB空间,颜色组合定义为红色、黄色和绿色,表示只识别目标物体上的这三种颜色。本领域的技术人员可以理解,如果预定义的颜色组合中的颜色过多,会使目标识别过程中需要进行大量的颜色匹配计算,从而使识别效率降低。
图3、图4分别给出了两种颜色空间的示例。图3示出了标准笛卡尔RGB的颜色空间组合。在RGB颜色空间中通过R轴、G轴和B轴确定一个像素点的颜色,即,目标物体颜色的像素值由R、G、B三个分量表征。这些分量可以是实数(例如,[0,1])、数字离散值(例如,[0,255])或其他形式的表征方式。
图4示出了一个色度RGB颜色空间的表示形式。色度RGB通过变换公式将标准RGB通过二维平面表示。在本例中,色度RGB的X轴=R/(R+G+B),Y轴=G/(R+G+B)。具体地,则可以通过R,G和B的值获得每个像素点对应的色度RGB的X,Y值。
在上述颜色空间中,不同的分量值表示不同的颜色,但为了便于计算,在本发明实施例中,将相近的颜色定义为一种颜色,则该定义对应的颜色分量为区间值(类似,红色的R值区间值[245,255]),然后在识别目标颜色时直接判定像素点是否落入该区间值中以判定是否为该颜色。例如,使用R、G、B三值定义像素颜色时,分别获得每个颜色对应的R值区间、G值区间和B值区间。同时满足三个区间条件,才能判定为该颜色。在使用前述X、Y值定义像素点颜色时候,需要定义两个区间范围。例如,在图4的401区域定义为绿色,402区域定义为蓝色,403区域定义为蓝色,404区域定义红色(预定颜色组合),则根据像素的R、G、B值分别计算像素的X、Y值,以判定像素颜色。通过像素颜色的判定,确定图像上的色块数量和色块分布,识别出每个色块的几何形状,根据形状计算每个色块的面积百分比(色块面积和整个图像的面积之比),根据色块分布确定色块相对位置。由此,获取到色块所有的特征信息。
在步骤S204中,将色块特征和样品记录匹配,确定目标物体。在本步骤中,根据上述的色块特征和已有的样品特征比对,判断是否为对应样品。其中,样品记录为预存储在数据库中的样品数据。预存储的样品数据可以系统批量添加。
图5为本发明另一个实施例的目标物体识别过程的流程图。图5所示的目标物体识别过程包括步骤S501到S505。
在步骤S501中,获取所述目标物体的第一图像。本步骤和图2的步骤S201相同。这里就不再赘述。
在步骤S502中,将所述第一图像预处理,获得第二图像。本步骤和图2的步骤S202相同。这里就不再赘述。
在步骤S503中,按预定颜色组合将所述第二图像滤波。如前所述,根据预定义的颜色组合处理所述第二图像时,每个像素点都对应一个颜色区间。但在本发明实施例中,一些像素点的颜色不在预定的颜色区间内。本步骤即对这些像素点做进一步处理。例如,可以将所述像素点直接处理成黑、白、灰色。例如,将R、G、B值小于一个特定阈值的像素点处理成黑色,将R、G、B值均大于一个特定阈值时处理为白色(在R、G、B值在[0,1]区间时,R、G、B值均为0表示黑色,R、G、B值均为1表示白色)。该步骤能够避免无关像素点对物体识别的干扰。
在步骤S504中,根据颜色空间的预定颜色组合获得第二图像的色块组合、色块形状、色块尺寸以及色块位置。在本步骤中,具体地,根据预定的颜色组合获得第二图像中互不连通的相同颜色区域,将每一个相同颜色区域定义为一个色块,计算第二图像上的不同颜色色块的数量,获得第二图像上的色块组合。识别每个色块的几何形状,获得色块形状,计算每个色块占整个图像的面积百分比,从而获得色块尺寸,根据色块之阿金的相对位置,确定色块位置。
在步骤S505中,将色块组合、色块形状、色块尺寸、色块位置和样品记录匹配,确定目标物体。本发明实施例提供了一种应用于智能机器人上的目标物体识别方法,包括:智能机器人获取目标物体的第一图像;智能机器人将第一图像预处理,获得第二图像;智能机器人根据颜色空间的预定颜色组合获得第二图像的色块特征;以及智能机器人将所述第二图像的色块特征与预设的样品记录相匹配,根据匹配结果确定目标物体。本发明提供的目标物体识别方法,将图像识别应用于物体识别和追踪领域,扩大了图像识别应用范围,和智能机器人结合使用,增加了机器人的智能化程度。
参考图6,图6给出了实现上述目标物体识别装置的结构示意图,包括图像获取单元601、预处理单元602、特征获取单元603、识别单元604和存储单元605。
图像获取单元601用于获取目标物体的第一图像。优选地,在智能机器的眼睛位置安装照相机、摄像头等装置,当智能机器人启动后,通过该装置获得目标物体的图像。
预处理单元602接收图像获取单元601输出的图像进行预处理,获得第二图像。图像预处理的主要目的是消除图像中无关的信息,恢复有用的真实信息,增强有关信息的可检测性和最大限度地简化数据,从而改进特征抽取、图像分割、匹配和识别的可靠性。
特征获取单元603接收预处理单元602输出的第二图像,通过对第二图像数据读取,获得第二图像的色块特征。
具体地,特征获取单元包括:色块组合获取单元、色块形状获取单元、色块尺寸获取单元和色块获取计算单元。
色块组合获取单元根据颜色空间的预定颜色组合获得图像中的多个色块,色块为图像上互不连通的相同颜色区域,将每一个相同颜色区域定义为一个色块,计算各个色块所具有的不同颜色数量及不同颜色色块的数量,获得第二图像的色块组合。
色块形状获取单元针对图像中获得多个色块,确定每个色块的形状。
色块尺寸获取单元计算各个色块占整个图像的面积百分比,获得第二图像的色块尺寸。
色块位置获取单元计算各个色块之间的相对位置,获得图像的色块位置。
识别单元604接收特征获取单元603处理过的第二图像的特征数据,和存储单元605中样品数据进行比对,确定目标物体。具体过程参见前述方法步骤,这里就不再赘述。
存储单元605用于存储多组样品物体的色块特征。将样品物体的特征记录预存储在一个存储介质里,以数据库存储或文件形式存储。
优选地,还包括:过滤单元,用于过滤不属于预定颜色组合的像素点。过滤单元将不属于预定颜色组合中的像素点过滤掉,避免干扰图像色块特征的获取。
图7示出了一个企鹅形态的智能机器人700。其中701表示图像获取单元,位于智能机器人的双眼处,702表示处理器,该处理器完成单元602到605的功能组合,被设置在智能机器人的本体内部。但实际上,图7所示只是一个示例性的智能机器人,所述应用该单元的智能机器人可以是任何形态,所述单元的位置可以位于机器人本地的任意位置。另外上述单元的实现可以是硬件或硬件和软件的组合。也可以根据不同的需要将上述模块功能划分为和本发明实施例不同的功能结构,或将本发明实施例中的几个功能模块合并和分解成不同的功能结构。
本发明实施例提供了识别目标物体的智能机器人,通过预设的颜色空间识别目标物体上的颜色特征,根据颜色特征和预设的样本特征进行匹配,从而确定目标。根据颜色识别不同的物体,并将此应用于智能机器人,以此增加了机器人趣味性。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.一种应用于智能机器人上的目标物体识别方法,包括以下步骤:
所述智能机器人获取所述目标物体的第一图像;
所述智能机器人将所述第一图像预处理,获得第二图像;
所述智能机器人根据颜色空间的预定颜色组合获得所述第二图像的色块特征;以及
所述智能机器人将所述第二图像的色块特征与预设的样品记录相匹配,根据匹配结果确定所述目标物体。
2.根据权利要求1所述的目标物体识别方法,其中,所述色块特征包括:色块组合、色块形状、色块尺寸和色块位置。
3.根据权利要求2所述的目标物体识别方法,其中,所述色块组合为各个色块所具有的不同颜色数量及不同颜色色块的数量组合;所述色块形状为色块的几何形状;所述色块尺寸为色块占整个图像的面积百分比;所述色块位置为各个色块之间的相对位置。
4.根据权利要求3所述的目标物体识别方法,其中,所述智能机器人根据颜色空间的预定颜色组合获得所述第二图像的色块特征包括:
根据颜色空间的预定颜色组合获得所述第二图像中互不连通的相同颜色区域,将每一个所述相同颜色区域定义为一个色块,计算各个色块所具有的不同颜色数量及不同颜色色块的数量,获得所述第二图像的色块组合;
识别各个色块的几何形状获得所述第二图像的色块形状;
计算各个色块占整个图像的面积百分比,获得所述第二图像的色块尺寸;以及
计算各个色块之间的相对位置,获得所述第二图像的色块位置。
5.根据权利要求1所述的目标物体识别方法,其中,所述预处理包括阴影过滤和颜色纠偏。
6.根据权利要求1所述的目标物体识别方法,其中,所述颜色空间为标准RGB、色度RGB、YUV之一的颜色空间。
7.根据权利要求1所述的目标物体识别方法,其中,在所述智能机器人根据颜色空间的预定颜色组合获得所述第二图像的色块特征之前,该方法还包括:对所述第二图像过滤不属于所述颜色空间的预定颜色组合的像素点。
8.一种应用于智能机器人上的目标物体识别装置,包括设置在智能机器人上的:
图像获取单元,用于获取所述目标物体的第一图像;
预处理单元,用于将所述第一图像预处理,获得第二图像;
特征获取单元,用于根据颜色空间的预定颜色组合获得所述第二图像的色块特征;
识别单元,用于将所述第二图像的色块特征和预设的样品记录匹配,确定所述目标物体。
9.根据权利要求8所述的目标物体识别装置,其中,所述特征获取单元包括:
色块组合获取单元,用于根据颜色空间的预定颜色组合获得所述第二图像中互不连通的相同颜色区域,将每一个所述相同颜色区域定义为一个色块,计算各个色块所具有的不同颜色数量及不同颜色色块的数量,获得所述第二图像的色块组合;
色块形状获取单元,用于识别各个色块的几何形状获得所述第二图像的色块形状;
色块尺寸获取单元,用于计算各个色块占整个图像的面积百分比,获得所述第二图像的色块尺寸;
色块位置获取单元,用于计算各个色块之间的相对位置,获得所述第二图像的色块位置。
10.根据权利要求8所述的目标物体识别装置,其中,还包括:存储单元,用于存储所述预设的样品记录。
11.根据权利要求8所述的目标物体识别装置,其中,还包括:过滤单元,用于在根据颜色空间的预定颜色组合获得所述第二图像的色块特征之前,对所述第二图像过滤不属于所述颜色空间的预定颜色组合的像素点。
12.根据权利要求8所述的目标物体识别装置,其中,所述图像获取单元设置在所述智能机器人的眼睛位置。
13.一种智能机器人,包括权利要求1至12任一项所述的目标物体识别装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610410874.3A CN107491714B (zh) | 2016-06-13 | 2016-06-13 | 智能机器人及其目标物体识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610410874.3A CN107491714B (zh) | 2016-06-13 | 2016-06-13 | 智能机器人及其目标物体识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107491714A true CN107491714A (zh) | 2017-12-19 |
CN107491714B CN107491714B (zh) | 2022-04-05 |
Family
ID=60643134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610410874.3A Active CN107491714B (zh) | 2016-06-13 | 2016-06-13 | 智能机器人及其目标物体识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107491714B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163899A (zh) * | 2018-02-12 | 2019-08-23 | 三星电子株式会社 | 图像匹配方法和图像匹配装置 |
CN110555438A (zh) * | 2019-07-19 | 2019-12-10 | 广东智媒云图科技股份有限公司 | 一种基础语言的机器辅助学习方法、终端设备、存储介质 |
CN111565300A (zh) * | 2020-05-22 | 2020-08-21 | 深圳市百川安防科技有限公司 | 基于对象的视频文件处理方法、设备及系统 |
CN112800811A (zh) * | 2019-11-13 | 2021-05-14 | 深圳市优必选科技股份有限公司 | 一种色块追踪方法、装置及终端设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63163975A (ja) * | 1986-12-26 | 1988-07-07 | Toyota Motor Corp | ロボットを用いた物体の取出し方法 |
DE19838806A1 (de) * | 1998-08-26 | 2000-03-02 | Max Planck Gesellschaft | Verfahren und Vorrichtung zur Erfassung von Objektfarben |
KR20030073448A (ko) * | 2002-03-11 | 2003-09-19 | 주식회사 엘지이아이 | 지능형 로봇의 객체 인식방법 |
CN101398689A (zh) * | 2008-10-30 | 2009-04-01 | 中控科技集团有限公司 | 实时颜色自动采集的机器人控制方法及机器人 |
CN101609508A (zh) * | 2008-06-18 | 2009-12-23 | 中国科学院自动化研究所 | 对物体身份识别和朝向信息计算的标志结构及识别方法 |
CN102136147A (zh) * | 2011-03-22 | 2011-07-27 | 深圳英飞拓科技股份有限公司 | 一种目标检测与跟踪方法、系统及视频监控设备 |
CN103177259A (zh) * | 2013-04-11 | 2013-06-26 | 中国科学院深圳先进技术研究院 | 色块识别方法及装置 |
JP2014106597A (ja) * | 2012-11-26 | 2014-06-09 | Toyota Motor Corp | 自律移動体、物体情報取得装置、および物体情報取得方法 |
CN105518702A (zh) * | 2014-11-12 | 2016-04-20 | 深圳市大疆创新科技有限公司 | 一种对目标物体的检测方法、检测装置以及机器人 |
-
2016
- 2016-06-13 CN CN201610410874.3A patent/CN107491714B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63163975A (ja) * | 1986-12-26 | 1988-07-07 | Toyota Motor Corp | ロボットを用いた物体の取出し方法 |
DE19838806A1 (de) * | 1998-08-26 | 2000-03-02 | Max Planck Gesellschaft | Verfahren und Vorrichtung zur Erfassung von Objektfarben |
KR20030073448A (ko) * | 2002-03-11 | 2003-09-19 | 주식회사 엘지이아이 | 지능형 로봇의 객체 인식방법 |
CN101609508A (zh) * | 2008-06-18 | 2009-12-23 | 中国科学院自动化研究所 | 对物体身份识别和朝向信息计算的标志结构及识别方法 |
CN101398689A (zh) * | 2008-10-30 | 2009-04-01 | 中控科技集团有限公司 | 实时颜色自动采集的机器人控制方法及机器人 |
CN102136147A (zh) * | 2011-03-22 | 2011-07-27 | 深圳英飞拓科技股份有限公司 | 一种目标检测与跟踪方法、系统及视频监控设备 |
JP2014106597A (ja) * | 2012-11-26 | 2014-06-09 | Toyota Motor Corp | 自律移動体、物体情報取得装置、および物体情報取得方法 |
CN103177259A (zh) * | 2013-04-11 | 2013-06-26 | 中国科学院深圳先进技术研究院 | 色块识别方法及装置 |
CN105518702A (zh) * | 2014-11-12 | 2016-04-20 | 深圳市大疆创新科技有限公司 | 一种对目标物体的检测方法、检测装置以及机器人 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163899A (zh) * | 2018-02-12 | 2019-08-23 | 三星电子株式会社 | 图像匹配方法和图像匹配装置 |
CN110555438A (zh) * | 2019-07-19 | 2019-12-10 | 广东智媒云图科技股份有限公司 | 一种基础语言的机器辅助学习方法、终端设备、存储介质 |
CN110555438B (zh) * | 2019-07-19 | 2023-08-18 | 广东智媒云图科技股份有限公司 | 一种基础语言的机器辅助学习方法、终端设备、存储介质 |
CN112800811A (zh) * | 2019-11-13 | 2021-05-14 | 深圳市优必选科技股份有限公司 | 一种色块追踪方法、装置及终端设备 |
CN112800811B (zh) * | 2019-11-13 | 2023-10-13 | 深圳市优必选科技股份有限公司 | 一种色块追踪方法、装置及终端设备 |
CN111565300A (zh) * | 2020-05-22 | 2020-08-21 | 深圳市百川安防科技有限公司 | 基于对象的视频文件处理方法、设备及系统 |
CN111565300B (zh) * | 2020-05-22 | 2020-12-22 | 深圳市百川安防科技有限公司 | 基于对象的视频文件处理方法、设备及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107491714B (zh) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107578418B (zh) | 一种融合色彩和深度信息的室内场景轮廓检测方法 | |
Wang et al. | AIPNet: Image-to-image single image dehazing with atmospheric illumination prior | |
CN106204779B (zh) | 基于多人脸数据采集策略和深度学习的课堂考勤方法 | |
CN103914699B (zh) | 一种基于色彩空间的自动唇彩的图像增强的方法 | |
CN103020965B (zh) | 一种基于显著性检测的前景分割方法 | |
CN108229379A (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
CN108765278A (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN106845388B (zh) | 基于复杂场景的移动终端掌纹感兴趣区域的提取方法 | |
CN107491714A (zh) | 智能机器人及其目标物体识别方法和装置 | |
CN106815821A (zh) | 近红外图像的去噪方法和装置 | |
CN105139404A (zh) | 一种可检测拍摄质量的证照相机及拍摄质量检测方法 | |
CN107767358B (zh) | 一种图像中物体模糊度确定方法和装置 | |
CN106650606A (zh) | 人脸图像的匹配及处理方法、人脸图像模型构建系统 | |
CN104484652A (zh) | 一种指纹识别方法 | |
CN108416291A (zh) | 人脸检测识别方法、装置和系统 | |
CN111223110A (zh) | 一种显微图像增强方法、装置及计算机设备 | |
CN108805838A (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN114842240A (zh) | 融合ghost模块和注意力机制的MobileNetV2农作物叶片图像分类方法 | |
CN112132812A (zh) | 证件校验方法、装置、电子设备及介质 | |
CN117496019B (zh) | 一种驱动静态图像的图像动画处理方法及系统 | |
CN111126250A (zh) | 一种基于ptgan的行人重识别方法及装置 | |
CN109325905A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
Castelo-Quispe et al. | Optimization of brazil-nuts classification process through automation using colour spaces in computer vision | |
CN111402407B (zh) | 基于单幅rgbd图像的高精度肖像模型快速生成方法 | |
Hua et al. | Image segmentation algorithm based on improved visual attention model and region growing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220315 Address after: 215000 room 2617, Xingu Industrial Park, 3068 West Ring Road, Gusu District, Suzhou City, Jiangsu Province Applicant after: Zhongke Jingrui (Suzhou) Technology Co.,Ltd. Address before: 518000 Guangdong, Shenzhen, Nanshan District, Nanhai Road, West Guangxi Temple Road North Sunshine Huayi Building 1 15D-02F Applicant before: SHEN ZHEN KUANG-CHI HEZHONG TECHNOLOGY Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |