CN108568820A - 机器人控制方法及装置、电子设备和存储介质 - Google Patents
机器人控制方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN108568820A CN108568820A CN201810394664.9A CN201810394664A CN108568820A CN 108568820 A CN108568820 A CN 108568820A CN 201810394664 A CN201810394664 A CN 201810394664A CN 108568820 A CN108568820 A CN 108568820A
- Authority
- CN
- China
- Prior art keywords
- state
- robot
- control instruction
- control
- instruction
- 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.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
Abstract
本公开涉及一种机器人控制方法及装置、电子设备和存储介质,所述方法包括:检测视频图像中目标对象的状态;确定所述目标对象的状态所对应的控制指令;将所述控制指令传送给机器人控制器,以使所述机器人控制器控制机器人执行所述控制指令。本公开实施例检测出的目标对象的状态的准确率高,使得机器人的控制精度高。通过检测视频图像中不同目标对象的状态来控制机器人,使得机器人控制的适用范围广。用户无需掌握特殊的操作技能,只需通过改变自身状态就可以控制机器人。机器人的控制也更加具有趣味性。
Description
技术领域
本公开涉及机器人控制技术领域,尤其涉及一种机器人控制方法及装置、电子设备和存储介质。
背景技术
随着自动化技术的发展,机器人在越来越多的领域得到了广泛的应用。用户可以通过键盘、鼠标等各种形态的遥控器等设备,输入指令信息对机器人进行控制,机器人根据设定好的控制指令进行动作,控制系统的复杂度和成本较高,且机器人控制指令的适用性较差。
发明内容
本公开提出了一种机器人控制技术方案。
根据本公开的一方面,提供了一种机器人控制方法,所述方法包括:
检测视频图像中目标对象的状态;
确定所述目标对象的状态所对应的控制指令;
将所述控制指令传送给机器人控制器,以使所述机器人控制器控制机器人执行所述控制指令。
在一种可能的实现方式中,将所述控制指令传送给机器人控制器,以使所述机器人控制器控制机器人执行所述控制指令,包括:
将所述控制指令传送给机器人控制器,以使执行所述控制指令后的机器人的状态与所述目标对象的状态相同。
在一种可能的实现方式中,所述方法还包括:
获取执行所述控制指令后的机器人的状态;
当执行所述控制指令后的机器人的状态与所述控制指令指示的状态不一致时,指示所述机器人继续执行所述控制指令。
在一种可能的实现方式中,检测视频图像中目标对象的状态,包括:
基于神经网络检测视频图像中目标对象的状态。
在一种可能的实现方式中,确定所述目标对象的状态所对应的控制指令,包括:
确定与所述状态对应的语义信息;
确定与所述语义信息对应的控制指令。
在一种可能的实现方式中,所述方法还包括:
获取图像采集设备所采集的视频图像。
在一种可能的实现方式中,所述目标对象的状态包括目标对象的肢体静态状态和/或手势静态状态,检测视频图像中目标对象的状态,包括:
检测视频图像中目标对象的肢体静态状态和/或手势静态状态;
确定与所述状态对应的控制指令,包括:
确定与所述肢体静态状态和/或手势静态状态对应的控制指令。
在一种可能的实现方式中,所述目标对象的状态包括目标对象的肢体运动状态和/或手势运动状态,检测视频图像中目标对象的状态,包括:
检测视频图像中目标对象的肢体运动状态和/或手势运动状态;
确定与所述状态对应的控制指令,包括:
确定与所述肢体运动状态和/或手势运动状态对应的控制指令。
在一种可能的实现方式中,检测视频图像中目标对象的肢体运动状态和/或手势运动状态,包括:
检测视频图像中所述目标对象的肢体运动状态和/或手势运动状态,以及所述肢体运动状态的持续时长和/或手势运动状态的持续时长;
确定与所述状态对应的控制指令,包括:
根据所述肢体运动状态和所述肢体运动状态的持续时长,确定与所述肢体运动状态对应的控制指令,和/或
根据所述手势运动状态和所述手势运动状态的持续时长,确定与所述手势运动状态对应的控制指令,
在一种可能的实现方式中,所述机器人包括以下机器人中的任意一种:轮式机器人、足式机器人、机械臂、无人机、履带式机器人、水下机器人。
根据本公开的一方面,提供了一种机器人控制装置,所述装置包括:
状态获取模块,用于检测视频图像中目标对象的状态;
控制指令确定模块,用于确定所述目标对象的状态所对应的控制指令;
控制指令传送模块,用于将所述控制指令传送给机器人控制器,以使所述机器人控制器控制机器人执行所述控制指令。
在一种可能的实现方式中,所述控制指令传送模块,包括:
第一控制指令传送子模块,用于将所述控制指令传送给机器人控制器,以使执行所述控制指令后的机器人的状态与所述目标对象的状态相同。
在一种可能的实现方式中,所述装置还包括:
执行结果获取模块,用于获取执行所述控制指令后的机器人的状态;
指示继续执行模块,用于当执行所述控制指令后的机器人的状态与所述控制指令指示的状态不一致时,指示所述机器人继续执行所述控制指令。
在一种可能的实现方式中,所述状态获取模块,包括:
第一状态获取子模块,用于基于神经网络检测视频图像中目标对象的状态。
在一种可能的实现方式中,所述控制指令确定模块,包括:
语义确定子模块,用于确定与所述状态对应的语义信息;
第一控制指令确定子模块,用于确定与所述语义信息对应的控制指令。
在一种可能的实现方式中,所述装置还包括:
视频图像采集模块,用于获取图像采集设备所采集的视频图像。
在一种可能的实现方式中,所述目标对象的状态包括目标对象的肢体静态状态和/或手势静态状态,所述状态获取模块,包括:
第二状态获取子模块,用于检测视频图像中目标对象的肢体静态状态和/或手势静态状态;
所述控制指令确定模块,包括:
第二控制指令确定子模块,用于确定与所述肢体静态状态和/或手势静态状态对应的控制指令。
在一种可能的实现方式中,所述目标对象的状态包括目标对象的肢体运动状态和/或手势运动状态,所述状态获取模块,包括:
第三状态获取子模块,用于检测视频图像中目标对象的肢体运动状态和/或手势运动状态;
所述控制指令确定模块,包括:
第三控制指令确定子模块,用于确定与所述肢体运动状态和/或手势运动状态对应的控制指令。
在一种可能的实现方式中,所述第三状态获取子模块,包括:
持续时长获取子模块,用于检测多幅连续的视频图像中所述目标对象的状态和所述状态的持续时长;
所述控制指令确定模块,包括:
第四控制指令确定子模块,用于根据所述状态的持续时长,确定与所述状态对应的控制指令。
在一种可能的实现方式中,所述机器人包括以下机器人中的任意一种:轮式机器人、足式机器人、机械臂、无人机、履带式机器人、水下机器人。
根据本公开的一方面,提供了一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行上述机器人控制方法中任意一项所述的方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述机器人控制方法中任意一项所述的方法。
在本公开实施例中,通过检测视频图像中目标对象的状态,确定与状态对应的控制指令,再将控制指令传送给机器人控制器,以使机器人执行控制指令。检测出的目标对象的状态的准确率高,使得机器人的控制精度高。通过检测视频图像中不同目标对象的状态来控制机器人,使得机器人控制的适用范围广。本公开实施例使得用户无需掌握特殊的操作技能,只需通过改变自身状态就可以控制机器人。机器人的控制也更加具有趣味性。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出根据本公开一实施例的机器人控制方法的流程图;
图2示出根据本公开一实施例的机器人控制方法的流程图;
图3示出根据本公开一实施例的机器人控制方法的流程图;
图4示出根据本公开一实施例的机器人控制方法的流程图;
图5示出根据本公开一实施例的机器人控制方法的流程图;
图6示出根据本公开一实施例的机器人控制方法的流程图;
图7示出根据本公开一实施例的机器人控制方法的流程图;
图8示出根据本公开一实施例的机器人控制方法的流程图;
图9示出根据本公开一实施例的机器人控制方法的流程图;
图10示出根据本公开一实施例的机器人控制装置的框图;
图11示出根据本公开一实施例的机器人控制装置的框图;
图12是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开一实施例的机器人控制方法的流程图,如图1所示,所述机器人控制方法包括:
步骤S10,检测视频图像中目标对象的状态。
在一种可能的实现方式中,视频图像可以包括静态的视频图像,也可以包括动态的视频图像。视频图像可以是单幅或多幅的视频图像,也可以是连续的多帧视频图像。目标对象可以包括人、动物等。目标对象的状态可以包括人或动物的肢体状态。
可以利用深度学习的方法,通过组合视频图像中的低层特征,形成更加抽象的高层表示属性类别或特征。深度学习的方法可以精准地识别出目标状态的状态。例如,当视频图像中包括的目标对象为人时,通过深度学习可以识别出人的肢体动作为:右臂向右侧平伸,左臂自然下垂。
在一种可能的实现方式中,目标对象的状态可以包括根据视频图像中目标对象的实际状态的确定出的状态。例如,当视频图像中目标对象的实际状态为:右臂向右侧伸出,且右臂与水平线有15度的夹角时,确定出的目标对象的状态为右臂向右侧伸出,且右臂与水平线有15度的夹角。
目标对象的状态也可以包括将根据视频图像中目标对象的实际对应至设定的状态范围内后,确定出的状态。例如,设定的状态范围包括,手臂平伸时与水平线的夹角在30度以内时,确定手臂为水平伸出。当视频图像中目标对象的实际状态为:右臂向右侧伸出,且右臂与水平线有15度的夹角时,确定出的目标对象的状态为:右臂向右水平伸出。
在一种可能的实现方式中,目标对象的状态可以包括静态动作。可以根据单幅视频图像确定目标对象的静态动作。例如根据视频图像A确定目标对象A的状态为右侧手臂水平伸出。
在一种可能的实现方式中,目标对象的状态也可以包括动态动作。可以根据多幅视频图像确定目标对象的动态动作。例如,根据视频图像1至视频图像20共20张视频图像,确定出目标对象B的动态动作为右侧手臂在身体正前方上下挥动。
步骤S20,确定所述目标对象的状态所对应的控制指令。
在一种可能的实现方式中,控制指令可以包括控制机器人做出某种动作的指令。例如控制指令可以包括控制机器人向前、向后移动的控制指令,或控制机器臂做出向上下左右伸展动作的控制指令,或者控制机械爪的打开和闭合动作的控制指令。
可以设定状态与控制指令之间的对应关系。可以根据确定出的目标对象的状态,查找状态与控制指令之间的对应关系后,确定与状态对应的控制指令。一个控制指令可以对应一个状态。一个控制指令也可以对应多个状态。
例如,当目标对象的状态为右臂向右水平伸出,控制指令可以为向右移动。或当目标对象的状态为右臂向右伸出、左臂向右伸出和右腿向右伸出时,控制指令均为向右移动。
在一种可能的实现方式中,控制指令也可以包括执行控制指令后机器人的最终状态的描述。例如,控制指令可以包括向右移动1米、或将右侧机械臂指向特定位置等。本公开对此不做限定。
步骤S30,将所述控制指令传送给机器人控制器,以使所述机器人控制器控制机器人执行所述控制指令。
在一种可能的实现方式中,可以通过无线传输或有线传输等方式,将控制指令传送给机器人的控制器,机器人控制器执行控制指令以使机器人做出相应的动作。可以通过wifi(WIreless-Fidelity,无线保真)、蓝牙、无线串口、有线串口、2.4G Hz无线传输、5.6GHz无线传输等方式,将控制指令传送给机器人控制器。本公开对此不做限定。
在本实施例中,通过检测视频图像中目标对象的状态,确定与状态对应的控制指令,再将控制指令传送给机器人控制器,以使机器人执行控制指令。检测出的目标对象的状态的准确率高,使得机器人的控制精度高。通过检测视频图像中不同目标对象的状态来控制机器人,使得机器人控制的适用范围广。本公开实施例使得用户无需掌握特殊的操作技能,只需通过改变自身状态就可以控制机器人。机器人的控制也更加具有趣味性。
图2示出根据本公开一实施例的机器人控制方法的流程图,如图2所示,所述机器人控制方法中步骤S30包括:
步骤S31,将所述控制指令传送给机器人控制器,以使执行所述控制指令后的机器人的状态与所述目标对象的状态相同。
在一种可能的实现方式中,控制指令可以包括控制机器人动作至与目标对象的状态相同的状态的指令。例如,目标对象的状态为右臂向右水平伸出,且右臂与水平线有15度夹角。控制指令可以包括控制机器人的右侧机械臂动作至向右伸出,且右侧机械臂与水平线有15度夹角的状态。执行控制指令后的机器人的右侧机械臂的状态与目标对象的右臂的状态相同。
在一种可能的实现方式中,目标对象的状态可以包括静态的状态,也可以包括动态的状态。例如目标对象的状态为“直立”,执行控制指令后的机器人的状态也为“直立”。目标对象的状态为“以时速X公里速度跑动”,执行控制指令后的机器人的状态也为“以时速X公里速度跑动”。
在本实施例中,执行控制指令后的机器人的状态与目标对象的状态相同,可以根据目标对象的状态对应操作机器人,方便地对机器人进行精密的控制。
图3示出根据本公开一实施例的机器人控制方法的流程图,如图3所示,所述机器人控制方法还包括:
步骤S40,获取执行所述控制指令后的机器人的状态。
步骤S50,当执行所述控制指令后的机器人的状态与所述控制指令指示的状态不一致时,指示所述机器人继续执行所述控制指令。
在一种可能的实现方式中,为使机器人的控制结果更加精准,本实施例可以通过设置传感器等方式获取执行控制指令后的机器人的状态。包括在机器人的相应部位设置传感器,获取机器人相应部位的传感信息。例如,当机器人包括机械臂时,可以通过在机械臂设置传感器或直接利用机器人控制器中的相关控制信息,获取机械臂的位置等状态信息。
可以在控制指令发送后的设定时间获取机器人的状态。例如,控制指令为将机械臂水平伸出,机器人在N秒的时间内可以将控制指令执行完毕,可以在控制指令传送后的第N秒,获取机器人的状态。可以周期性的获取执行控制指令后的机器人的状态。例如机器人根据控制指令执行一个连续的动作“以时速X公里速度跑动”,可以以M秒为一个周期获取机器人的状态。
执行所述控制指令后的机器人的状态与所述控制指令指示的状态不一致,表明机器人执行的动作不准确或不到位。执行所述控制指令后的机器人的状态可以包括静态动作,例如,执行控制指令后的机器人的状态应为“右侧机械臂向右水平伸出”,但获取到的执行控制指令后的机器人的状态为“右侧机械臂向右伸出,与水平面有5度夹角”,表明机器人的动作执行没有到位。
执行所述控制指令后的机器人的状态也可以包括动态动作,例如,执行控制指令后的机器人的状态应为“以时速5公里速度跑动”,但获取到的执行控制指令后的机器人的状态为“以时速8公里速度跑动”,也表明机器人的动作执行没有到位。
当执行所述控制指令后的机器人的状态与所述控制指令指示的状态不一致时,本实施例可以指示所述机器人继续执行所述控制指令,例如可以将控制指令再次传送给机器人控制器。以使机器人修正当前的状态,达到控制指令指示的状态。
在本实施例中,通过获取执行所述控制指令后的机器人的状态,并在执行所述控制指令后的机器人的状态与所述控制指令指示的状态不一致时,将所述控制指令再次传送给机器人控制器,可以提高机器人执行控制指令的准确率。
图4示出根据本公开一实施例的机器人控制方法的流程图,如图4所示,所述机器人控制方法中步骤S10包括:
步骤S11,基于神经网络检测视频图像中目标对象的状态。
在一种可能的实现方式中,所述方法可以基于神经网络。神经网络可以包括输入层、卷积层、全连接层和输出层等。神经网络可以通过使用ReLu(Rectified Linear Units)激活函数和逐层初始化等权重初始化方法。利用神经网络可以更加准确地检测出视频图像中目标对象的状态。
可以将标识了目标对象的实际状态的训练图像输入神经网络,根据神经网络输出的目标对象识别状态和实际状态计算损失函数,利用损失函数对神经网络进行反向传播后,继续利用训练图像对反向传播后的神经网络进行训练。当满足训练次数、损失函数满足设定的阈值、目标对象的识别状态与实际状态之间的差异在设定范围内时,可以停止训练得到训练好的神经网络。本公开对此不做限定。
训练好的神经网络具有识别准确率高、适用范围广等特点。可以利用训练好的神经网络,对视频图像进行卷积、池化等处理,提取视频图像中目标对象的特征,并根据提取到的特征识别出目标对象的状态。
在本实施例中,基于神经网络检测视频图像中目标对象的状态。提高了目标对象的状态的识别准确率,且适用范围广。
图5示出根据本公开一实施例的机器人控制方法的流程图,如图5所示,所述机器人控制方法中步骤S20包括:
步骤S21,确定与所述状态对应的语义信息。
在一种可能的实现方式中,可以设定状态与语义信息之间的对应关系。可以将一个语义信息对应一个状态,也可以将一个语义信息对应多个状态。可以根据状态和状态与语义信息之间的对应关系,确定语义信息。
例如,目标对象为人,当目标对象的状态为点头或竖起大拇指时,对应的语义信息为“赞成”,当目标对象的状态为摇头或摆手时,对应的语义信息为“反对”。
可以根据需求设置目标对象的状态与语义信息之间的对应关系。例如,当目标对象的状态为点头时,根据需求,可以将点头的语义信息对应为“赞成”,也可以对应为“正确”。根据视频图像中目标对象的状态,可以设定不同的状态与语义信息之间的对应关系,以适应不同的机器人控制的需求。
步骤S22,确定与所述语义信息对应的控制指令。
在一种可能的实现方式中,可以设定语义信息与控制指令之间的对应关系。可以将一个控制指令对应一个语义信息,也可以将一个控制指令对应多个语义信息。可以根据语义信息和语义信息与控制指令之间的对应关系,确定控制指令。例如,当确定出的语义信息为“赞成”时确定出的控制指令为“持续运动”,当确定出的语义信息为“反对”时确定出的控制指令为“停止运动”。
在本实施例中,根据状态确定语义信息后,再根据语义信息确定控制指令,可以根据状态确定更多类型的控制指令,提高控制指令的灵活性,也提高机器人控制指令的多样性,使用范围更广。
图6示出根据本公开一实施例的机器人控制方法的流程图,如图6所示,所述机器人控制方法还包括:
步骤S60,获取图像采集设备所采集的视频图像。
在一种可能的实现方式中,图像采集设备可以包括视觉传感器。可以利用视觉传感器采集目标对象的视频图像。视觉传感器包括激光扫描器、普通摄像头、深度摄像头、红外摄像头、Kinect等智能外设。例如,可以设置普通摄像头采集目标对象的视频图像。再利用将视频图像输入神经网络中检测视频图像中目标对象的状态。
在本实施例中,通过采集目标对象的视频图像,可以更加方便快捷地获取视频图像,使得机器人的控制更加方便,迅速。
图7示出根据本公开一实施例的机器人控制方法的流程图,如图7所示,所述目标对象的状态包括目标对象的肢体静态状态和/或手势静态状态,所述机器人控制方法中步骤S10包括:
步骤S12,检测视频图像中目标对象的肢体静态状态和/或手势静态状态。
在一种可能的实现方式中,当目标对象为人时,目标对象的状态可以包括人的肢体静态状态和/或手势静态状态。例如,人用肢体做出站立的动作后静止不动,或用手做出OK的手势后静止不动。人的肢体状态可以包括人的四肢、躯干和头部的状态,人的手势状态可以包括人的手部的姿态。例如,人的双腿的状态可以包括站立或行走,人的手势状态可以包括伸出三个手指做出表达数字“3”的手势、以及拇指和食指捏在一起,另外三根手指竖起后做出表达“OK”的手势。
所述机器人控制方法中步骤S20包括:
步骤S23,确定与所述肢体静态状态和/或手势静态状态对应的控制指令。
在一种可能的实现方式中,可以设置肢体静态状态和/或手势静态状态与控制指令之间的对应关系。一个控制指令可以对应一个肢体静态状态和/或手势静态状态,也可以对应多个肢体静态状态和/或手势静态状态。根据目标对象的肢体静态状态和/或手势静态状态,以及肢体静态状态和/或手势静态状态与控制指令之间的对应关系,可以确定与目标对象的肢体静态状态和/或手势静态状态对应的控制指令。例如,手势静态状态“拳头”对应的控制指令为“停止”。在本实施例中,通过识别出的目标对象的肢体静态状态和/或手势静态状态确定控制指令,并根据控制指令控制机器人。目标对象可以利用丰富的肢体静态状态和/或手势静态状态来控制机器人,使得机器人的控制指令更加灵活。
图8示出根据本公开一实施例的机器人控制方法的流程图,所述目标对象的状态包括目标对象的肢体运动状态和/或手势运动状态,如图8所示,所述机器人控制方法中步骤S10包括:
步骤S13,检测视频图像中目标对象的肢体运动状态和/或手势运动状态。
当目标对象为人时,目标对象的状态可以包括人的肢体运动状态和/或手势运动状态。例如,人用肢体持续做出跑步的动作,或用手持续做出摆手的手势。
所述机器人控制方法中步骤S20包括:
步骤S24,确定与所述肢体运动状态和/或手势运动状态对应的控制指令。
在一种可能的实现方式中,可以设置肢体运动状态和/或手势运动状态与控制指令之间的对应关系。一个控制指令可以对应一个肢体运动状态和/或手势运动状态,也可以对应多个肢体运动状态和/或手势运动状态。例如,肢体运动状态“跑步”对应的控制指令为“快速移动”。
在本实施例中,通过识别出的目标对象的肢体运动状态和/或手势运动状态确定控制指令,并根据控制指令控制机器人。目标对象可以利用丰富的肢体运动状态和/或手势运动状态来控制机器人,使得机器人的控制指令更加灵活。
图9示出根据本公开一实施例的机器人控制方法的流程图,如图9所示,所述机器人控制方法中步骤S13包括:
步骤S131,检测视频图像中所述目标对象的肢体运动状态和/或手势运动状态,以及所述肢体运动状态的持续时长和/或手势运动状态的持续时长。
步骤S20包括:
步骤S25,根据所述肢体运动状态和所述肢体运动状态的持续时长,确定与所述肢体运动状态对应的控制指令,和/或根据所述手势运动状态和所述手势运动状态的持续时长,确定与所述手势运动状态对应的控制指令。
在一种可能的实现方式中,根据多幅连续的视频图像中每个视频图像中视频图像的静止动作,可以得到目标对象做出的连续动作。例如,根据多幅连续的视频图像,检测出视频图像中目标对象的动作包括跑动、跳起和落地,可以检测出目标对象的状态为“跳远”。
可以根据目标对象的肢体运动状态和/或手势运动状态的持续时长,判断目标对象的状态的稳定性。可以根据持续时长大于设定时长阈值的目标对象的状态,确定对应的控制指令。例如,当目标对象为人,根据人的动作控制机器人时,人可能出现的动作失误,错误的做出数字“2”的手势来表示数字“3”。如果根据识别出的手势数字“2”对机器人进行控制,会导致误操作。当人意识到做出错误的手势后,一般会迅速的改变手势,做出数字“3”的手势。可以设定时长阈值为2秒,当手势的持续时长超过2秒时,认为手势是目标对象真实意思的表达,确定与持续时长超过时长阈值的状态对应的控制指令。
在本实施例中,可以根据目标对象的肢体运动状态和/或手势运动状态的持续时长,确定与肢体运动状态和/或手势运动状态对应的控制指令。可以提高控制指令的准确率,避免机器人控制系统的误操作。
在一种可能的实现方式中,所述机器人包括以下机器人中的任意一种:轮式机器人、足式机器人、机械臂、无人机、履带式机器人、水下机器人。
其中,针对轮式机器人,可以根据控制指令执行前进、后退、左转、右转、加速、减速、停止等动作。针对机械臂,可以根据控制指令执行抓取、松爪、上升、下降、左转、右转等动作。针对足式机器人,可以根据控制指令执行行走、跑动、转弯等动作。本公开对此不做限定。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。
此外,本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种图像处理方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图10示出根据本公开一实施例的机器人控制装置的框图,如图10所示,所述机器人控制装置包括:
状态获取模块10,用于检测视频图像中目标对象的状态。
控制指令确定模块20,用于确定所述目标对象的状态所对应的控制指令。
控制指令传送模块30,用于将所述控制指令传送给机器人控制器,以使所述机器人控制器控制机器人执行所述控制指令。
在一种可能的实现方式中,可以将状态获取模块10、控制指令确定模块20和控制指令传送模块30均设置于机器人中,由机器人完成状态的获取以及控制指令的确定。例如,机器人接收视频图像后,可以检测视频图像中目标对象的状态,根据状态确定控制指令并执行。
也可以将控制指令确定模块20和控制指令传送模块30设置于机器人中,由状态获取模块10将确定出的状态发送至机器人,由机器人完成控制指令的确定和将确定出的控制指令传送至控制器执行。
图11示出根据本公开一实施例的机器人控制装置的框图,如图11所示,在一种可能的实现方式中,所述控制指令传送模块30,包括:
第一控制指令传送子模块31,用于将所述控制指令传送给机器人控制器,以使执行所述控制指令后的机器人的状态与所述目标对象的状态相同。
在一种可能的实现方式中,所述装置还包括:
执行结果获取模块40,用于获取执行所述控制指令后的机器人的状态;
指示继续执行模块50,用于当执行所述控制指令后的机器人的状态与所述控制指令指示的状态不一致时,指示所述机器人继续执行所述控制指令。
在一种可能的实现方式中,所述状态获取模块10,包括:
第一状态获取子模块11,用于基于神经网络检测视频图像中目标对象的状态。
在一种可能的实现方式中,所述控制指令确定模块20,包括:
语义确定子模块21,用于确定与所述状态对应的语义信息;
第一控制指令确定子模块22,用于确定与所述语义信息对应的控制指令。
在一种可能的实现方式中,所述装置还包括:
视频图像采集模块60,用于获取图像采集设备所采集的视频图像。
可以将视频图像采集模块60设置于机器人中。可以在机器人上设置视觉传感器,包括激光扫描器、普通摄像头、深度摄像头、红外摄像头、Kinect等智能外设等。
在一种可能的实现方式中,所述目标对象的状态包括目标对象的肢体静态状态和/或手势静态状态,所述状态获取模块10,包括:
第二状态获取子模块12,用于检测视频图像中目标对象的肢体静态状态和/或手势静态状态;
所述控制指令确定模块20,包括:
第二控制指令确定子模块23,用于确定与所述肢体静态状态和/或手势静态状态对应的控制指令。在一种可能的实现方式中,所述目标对象的状态包括目标对象的肢体运动状态和/或手势运动状态,所述状态获取模块10,包括:
第三状态获取子模块13,用于检测视频图像中目标对象的肢体运动状态和/或手势运动状态;
所述控制指令确定模块20,包括:
第三控制指令确定子模块24,用于确定与所述肢体运动状态和/或手势运动状态对应的控制指令。
在一种可能的实现方式中,所述第三状态获取子模块13,包括:
持续时长获取子模块131,用于检测多幅连续的视频图像中所述目标对象的状态和所述状态的持续时长;
所述控制指令确定模块20,包括:
第四控制指令确定子模块25,用于根据所述状态的持续时长,确定与所述状态对应的控制指令。
在一种可能的实现方式中,所述机器人包括以下机器人中的任意一种:轮式机器人、足式机器人、机械臂、无人机、履带式机器人、水下机器人。
图12是根据一示例性实施例示出的一种电子设备的框图。电子装置可以被提供为一终端、一服务器或其它形态的设备。例如,电子设备可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图12,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到装置800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由装置800的处理器820执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种机器人控制方法,其特征在于,所述方法包括:
检测视频图像中目标对象的状态;
确定所述目标对象的状态所对应的控制指令;
将所述控制指令传送给机器人控制器,以使所述机器人控制器控制机器人执行所述控制指令。
2.根据权利要求1所述的方法,其特征在于,将所述控制指令传送给机器人控制器,以使所述机器人控制器控制机器人执行所述控制指令,包括:
将所述控制指令传送给机器人控制器,以使执行所述控制指令后的机器人的状态与所述目标对象的状态相同。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
获取执行所述控制指令后的机器人的状态;
当执行所述控制指令后的机器人的状态与所述控制指令指示的状态不一致时,指示所述机器人继续执行所述控制指令。
4.根据权利要求1至3中任一项所述的方法,其特征在于,检测视频图像中目标对象的状态,包括:
基于神经网络检测视频图像中目标对象的状态。
5.一种机器人控制装置,其特征在于,所述装置包括:
状态获取模块,用于检测视频图像中目标对象的状态;
控制指令确定模块,用于确定所述目标对象的状态所对应的控制指令;
控制指令传送模块,用于将所述控制指令传送给机器人控制器,以使所述机器人控制器控制机器人执行所述控制指令。
6.根据权利要求5所述的装置,其特征在于,所述控制指令传送模块,包括:
第一控制指令传送子模块,用于将所述控制指令传送给机器人控制器,以使执行所述控制指令后的机器人的状态与所述目标对象的状态相同。
7.根据权利要求5或6所述的装置,其特征在于,所述装置还包括:
执行结果获取模块,用于获取执行所述控制指令后的机器人的状态;
指示继续执行模块,用于当执行所述控制指令后的机器人的状态与所述控制指令指示的状态不一致时,指示所述机器人继续执行所述控制指令。
8.根据权利要求5至7任一项所述的装置,其特征在于,所述状态获取模块,包括:
第一状态获取子模块,用于基于神经网络检测视频图像中目标对象的状态。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行权利要求1至4中任意一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至4中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810394664.9A CN108568820A (zh) | 2018-04-27 | 2018-04-27 | 机器人控制方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810394664.9A CN108568820A (zh) | 2018-04-27 | 2018-04-27 | 机器人控制方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108568820A true CN108568820A (zh) | 2018-09-25 |
Family
ID=63575477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810394664.9A Pending CN108568820A (zh) | 2018-04-27 | 2018-04-27 | 机器人控制方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108568820A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109531575A (zh) * | 2018-12-29 | 2019-03-29 | 深圳市哎哟不错机器人科研有限公司 | 基于色彩控制的机器人 |
CN110799913A (zh) * | 2018-12-29 | 2020-02-14 | 深圳市大疆创新科技有限公司 | 一种地面遥控机器人的控制方法和装置 |
CN111332314A (zh) * | 2018-11-30 | 2020-06-26 | 上海博泰悦臻网络技术服务有限公司 | 无人车服务方法及系统、存储介质、车载终端及无人车 |
CN111352432A (zh) * | 2018-12-20 | 2020-06-30 | 北京石头世纪科技股份有限公司 | 智能清洁设备及其控制方法和可读介质 |
CN112596549A (zh) * | 2020-12-29 | 2021-04-02 | 中山大学 | 基于连续凸规则的多无人机编队控制方法、装置及介质 |
CN113510707A (zh) * | 2021-07-23 | 2021-10-19 | 上海擎朗智能科技有限公司 | 一种机器人的控制方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5579442A (en) * | 1993-04-30 | 1996-11-26 | Fujitsu Limited | Adaptive kinematic control apparatus |
WO2014190018A1 (en) * | 2013-05-21 | 2014-11-27 | Stanley Innovation, Inc. | A system and method for a human machine interface utilizing near-field quasi-state electrical field sensing technology |
CN105867630A (zh) * | 2016-04-21 | 2016-08-17 | 深圳前海勇艺达机器人有限公司 | 机器人的手势识别方法及装置及机器人系统 |
CN107225573A (zh) * | 2017-07-05 | 2017-10-03 | 上海未来伙伴机器人有限公司 | 机器人的动作控制方法和装置 |
CN107341436A (zh) * | 2016-08-19 | 2017-11-10 | 北京市商汤科技开发有限公司 | 手势检测网络训练、手势检测及控制方法、系统及终端 |
CN107765855A (zh) * | 2017-10-25 | 2018-03-06 | 电子科技大学 | 一种基于手势识别控制机器人运动的方法和系统 |
-
2018
- 2018-04-27 CN CN201810394664.9A patent/CN108568820A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5579442A (en) * | 1993-04-30 | 1996-11-26 | Fujitsu Limited | Adaptive kinematic control apparatus |
WO2014190018A1 (en) * | 2013-05-21 | 2014-11-27 | Stanley Innovation, Inc. | A system and method for a human machine interface utilizing near-field quasi-state electrical field sensing technology |
CN105867630A (zh) * | 2016-04-21 | 2016-08-17 | 深圳前海勇艺达机器人有限公司 | 机器人的手势识别方法及装置及机器人系统 |
CN107341436A (zh) * | 2016-08-19 | 2017-11-10 | 北京市商汤科技开发有限公司 | 手势检测网络训练、手势检测及控制方法、系统及终端 |
CN107225573A (zh) * | 2017-07-05 | 2017-10-03 | 上海未来伙伴机器人有限公司 | 机器人的动作控制方法和装置 |
CN107765855A (zh) * | 2017-10-25 | 2018-03-06 | 电子科技大学 | 一种基于手势识别控制机器人运动的方法和系统 |
Non-Patent Citations (2)
Title |
---|
樊重俊 等: "《大数据分析与应用》", 31 January 2016, 上海:立信会计出版社 * |
韦鹏程 等: "《基于R语言数据挖掘的统计与分析》", 31 December 2017, 成都:电子科技大学出版社 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111332314A (zh) * | 2018-11-30 | 2020-06-26 | 上海博泰悦臻网络技术服务有限公司 | 无人车服务方法及系统、存储介质、车载终端及无人车 |
CN111352432A (zh) * | 2018-12-20 | 2020-06-30 | 北京石头世纪科技股份有限公司 | 智能清洁设备及其控制方法和可读介质 |
CN111352432B (zh) * | 2018-12-20 | 2023-09-15 | 北京石头世纪科技股份有限公司 | 智能清洁设备及其控制方法和可读介质 |
CN109531575A (zh) * | 2018-12-29 | 2019-03-29 | 深圳市哎哟不错机器人科研有限公司 | 基于色彩控制的机器人 |
CN110799913A (zh) * | 2018-12-29 | 2020-02-14 | 深圳市大疆创新科技有限公司 | 一种地面遥控机器人的控制方法和装置 |
CN112596549A (zh) * | 2020-12-29 | 2021-04-02 | 中山大学 | 基于连续凸规则的多无人机编队控制方法、装置及介质 |
CN112596549B (zh) * | 2020-12-29 | 2021-12-21 | 中山大学 | 基于连续凸规则的多无人机编队控制方法、装置及介质 |
CN113510707A (zh) * | 2021-07-23 | 2021-10-19 | 上海擎朗智能科技有限公司 | 一种机器人的控制方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108568820A (zh) | 机器人控制方法及装置、电子设备和存储介质 | |
CN103353935B (zh) | 一种用于智能家居系统的3d动态手势识别方法 | |
CN110348524A (zh) | 一种人体关键点检测方法及装置、电子设备和存储介质 | |
CN109618184A (zh) | 视频处理方法及装置、电子设备和存储介质 | |
CN108520251A (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN110390705B (zh) | 一种生成虚拟形象的方法及装置 | |
US11548147B2 (en) | Method and device for robot interactions | |
CN109413563A (zh) | 视频的音效处理方法及相关产品 | |
CN106600530B (zh) | 照片合成方法及装置 | |
CN105396289A (zh) | 实时游戏和多媒体会话过程中实现特效的方法及装置 | |
CN109257645A (zh) | 视频封面生成方法及装置 | |
CN105117008B (zh) | 操作引导方法及装置、电子设备 | |
CN107845062A (zh) | 图像生成方法及装置 | |
KR20220149503A (ko) | 이미지 촬영 방법 및 장치, 전자 기기 및 컴퓨터 판독 가능한 저장 매체 | |
CN109947981A (zh) | 视频分享方法及装置 | |
CN106875446B (zh) | 相机重定位方法及装置 | |
CN108319363A (zh) | 基于vr的产品展示方法、装置及电子设备 | |
CN109840917A (zh) | 图像处理方法及装置、网络训练方法及装置 | |
CN109635920A (zh) | 神经网络优化方法及装置、电子设备和存储介质 | |
CN112106004A (zh) | 信息处理装置、信息处理方法和程序 | |
KR20210124307A (ko) | 인터랙티브 대상의 구동 방법, 장치, 디바이스 및 기록 매체 | |
CN109212534A (zh) | 移动终端的握持姿态检测方法、装置、设备及存储介质 | |
CN110135349A (zh) | 识别方法、装置、设备及存储介质 | |
WO2017005983A1 (en) | Monitoring | |
CN103914151A (zh) | 信息显示方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180925 |
|
RJ01 | Rejection of invention patent application after publication |