CN111612824A - 一种用于机器人控制的意识跟踪识别算法 - Google Patents

一种用于机器人控制的意识跟踪识别算法 Download PDF

Info

Publication number
CN111612824A
CN111612824A CN202010455532.XA CN202010455532A CN111612824A CN 111612824 A CN111612824 A CN 111612824A CN 202010455532 A CN202010455532 A CN 202010455532A CN 111612824 A CN111612824 A CN 111612824A
Authority
CN
China
Prior art keywords
image
robot
target
recognition algorithm
tracking 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.)
Pending
Application number
CN202010455532.XA
Other languages
English (en)
Inventor
刘则
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.)
Tianjin Weika Technology Co ltd
Original Assignee
Tianjin Weika Technology 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 Tianjin Weika Technology Co ltd filed Critical Tianjin Weika Technology Co ltd
Priority to CN202010455532.XA priority Critical patent/CN111612824A/zh
Publication of CN111612824A publication Critical patent/CN111612824A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24137—Distances to cluster centroïds
    • G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Manipulator (AREA)

Abstract

本发明提供了一种用于机器人控制的意识跟踪识别算法，控制机构启动，并通过图像采集机构对机器人目标进行持续跟踪并采集图像；将采集到的图像通过图像预处理机构进行图像预处理；将预处理后的目标图像通过图像分割机构进行分割；将分割后的图像通过图像特征提取机构获得预处理图像；将预处理后的图像通过图像分类机构进行图像分类并识别出目标物。本发明所述的一种用于机器人控制的意识跟踪识别算法，其算法识别效果好，运行时间短，通过跟踪识别算法对机器人控制目标能有效提高控制效果，从而提高机器人的工作效率。

Description

一种用于机器人控制的意识跟踪识别算法
技术领域
本发明属于机器人跟踪识别控制领域，尤其是涉及一种用于机器人控制的意识跟踪识别算法。
背景技术
机器人指能自动运行任务的人造机器设备，包括一切模拟人类行为或思想与模拟其他生物的机械，用以取代或协助人类工作，目标的识别和定位是机器人的首要任务和设计难点，识别和定位的准确性关系到机器人的工作效率。传统的跟踪识别系统是先跟踪后识别，而且跟踪和识别被看作两个完全独立的模块，它们分别采用不同的模型，系统只是只完成简单意义上的跟踪和识别，跟踪的结果就直接影响识别的精度，但识别却不能反过来影响跟踪结果，另外，国内外学者提出了一种基于边缘曲率的方法识别重叠目标，对于轻微遮挡的重叠目标的识别正确率为90.9％。然而，这些研究都是针对静态条件下的，静态识别的方法并不能完全适用于机器人目标在运动过程的动态控制。后经实验证明利用前后图像的相关性能够有效减少图像处理的时间。
发明内容
有鉴于此，本发明旨在提出一种用于机器人控制的意识跟踪识别算法，以便于机器人控制目标时，不可避免的遇到控制目标重叠、图像处理的时间长的问题时，所需要的一种可以准确识别目标、提高跟踪识别效率的机器人控制的意识跟踪识别算法。
为达到上述目的，本发明的技术方案是这样实现的：
一种用于机器人控制的意识跟踪识别算法包括如下步骤：
步骤一：将控制机构启动，并通过图像采集机构对机器人目标进行持续跟踪并采集图像；
步骤二：将采集到的图像输入到图像预处理机构，所述图像预处理机构采用中值滤波算法对机器人的目标图像进行图像预处理；
步骤三：将预处理后的目标图像通过图像分割机构进行分割；
步骤四：将分割后的图像通过图像特征提取机构获得预处理图像；
步骤五：将预处理后的图像输入到图像分类机构，所述图像分类机构采用KNN算法对机器人的目标图像进行图像分类并识别出目标物。
进一步的，所述控制机构为PLC。
进一步的，所述图像采集机构设有跟踪器，所述跟踪器前端设有彩色CCD摄像机。
进一步的，所述图像分割机构采用基于区域的分割方法对机器人的目标图像进行图像分割。
进一步的，所述图像特征提取机构采用LBP特征提取算法对机器人的目标图像进行特征提取。
进一步的，所述控制机构外部信号连接至伺服电机。
进一步的，所述控制机构的型号为S7-200CN，所述跟踪器的型号为gps-k16-b，所述CCD摄像机的型号为SangNondSN-0745，所述伺服电机的型号为SGMMS-04ADC6S。
相对于现有技术，本发明所述的一种用于机器人控制的意识跟踪识别算法具有以下优势：
(1)本发明所述的一种用于机器人控制的意识跟踪识别算法，其算法识别效果好，运行时间短，通过跟踪识别算法对机器人控制目标能有效提高控制效果，从而提高机器人的工作效率。
(2)本发明所述的一种用于机器人控制的意识跟踪识别算法，其算法通过对机器人控制目标持续跟踪拍摄，可避免目标因被遮挡或被光线流场干扰导致出现未能检测识别的情况，识别效果更好，减少后续图像处理的工作量。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例所述的一种用于机器人控制的意识跟踪识别算法整体结构的流程图。
附图标记说明：
1-控制机构；2-图像采集机构；3-图像预处理机构；4-图像分割机构；5-图像特征提取机构；6-图像分类机构。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明
如图1所示，一种用于机器人控制的意识跟踪识别算法，一种用于机器人控制的意识跟踪识别算法，其特征在于：包括如下步骤：
步骤一：将控制机构1启动，并通过图像采集机构2对机器人目标进行持续跟踪并采集图像；
步骤二：将采集到的图像输入到图像预处理机构3，图像预处理机构3再采用中值滤波算法对机器人的目标图像进行图像预处理，中值滤波算法可以使目标图像周围的像素值接近的真实值，从而保护边缘信息,平滑噪声；
步骤三：将预处理后的目标图像通过图像分割机构4进行分割；
步骤四：将分割后的图像通过图像特征提取机构5获得预处理图像；
步骤五：将预处理后的图像输入到图像分类机构6，所述图像分类机构6采用KNN算法对机器人的目标图像进行图像分类并识别出目标物，KNN算法理论简单，精度高，容易实现。
所述控制机构1为PLC，所述控制机构1外部信号连接至伺服电机。
所述图像采集机构2设有跟踪器，所述跟踪器前端设有彩色CCD摄像机，CCD摄像机具有灵敏度高、抗强光、畸变小、体积小、寿命长、抗震动等优点，以便于对机器人的移动范围精确地进行连续采集图像。
所述图像分割机构4采用基于区域的分割方法对机器人的目标图像进行图像分割，基于区域的分割方法不但考虑了像素的相似性，还考虑了空间上的邻接性，可以有效消除孤立噪声的干扰，保证了较高的分割精度。
所述图像特征提取机构5采用LBP特征提取算法对机器人的目标图像进行特征提取，LBP特征提取算法具有旋转不变性和灰度不变性，而且运算速度快，能够得到好的检测效果。
所述控制机构1的型号为S7-200CN，所述跟踪器的型号为gps-k16-b，所述CCD摄像机的型号为SangNondSN-0745，所述伺服电机的型号为SGMMS-04ADC6S。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，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 (7)

1.一种用于机器人控制的意识跟踪识别算法，其特征在于：包括如下步骤：
步骤一：将控制机构(1)启动，并通过图像采集机构(2)对机器人目标进行持续跟踪并采集图像；
步骤二：将采集到的图像输入到图像预处理机构(3)，所述图像预处理机构(3)采用中值滤波算法对机器人的目标图像进行图像预处理；
步骤三：将预处理后的目标图像通过图像分割机构(4)进行分割；
步骤四：将分割后的图像通过图像特征提取机构(5)获得预处理图像；
步骤五：将预处理后的图像输入到图像分类机构(6)，所述图像分类机构(6)采用KNN算法对机器人的目标图像进行图像分类并识别出目标物。
2.根据权利要求1所述的一种用于机器人控制的意识跟踪识别算法，其特征在于：所述控制机构(1)为PLC。
3.根据权利要求1所述的一种用于机器人控制的意识跟踪识别算法，其特征在于：所述图像采集机构(2)设有跟踪器，所述跟踪器前端设有彩色CCD摄像机。
4.根据权利要求1所述的一种用于机器人控制的意识跟踪识别算法，其特征在于：所述图像分割机构(4)采用基于区域的分割方法对机器人的目标图像进行图像分割。
5.根据权利要求1所述的一种用于机器人控制的意识跟踪识别算法，其特征在于：所述图像特征提取机构(5)采用LBP特征提取算法对机器人的目标图像进行特征提。
6.根据权利要求1所述的一种用于机器人控制的意识跟踪识别算法，其特征在于：所述控制机构(1)外部信号连接至伺服电机。
7.根据权利要求1所述的一种用于机器人控制的意识跟踪识别算法，其特征在于：所述控制机构(1)的型号为S7-200CN，所述跟踪器的型号为gps-k16-b，所述CCD摄像机的型号为SangNondSN-0745，所述伺服电机的型号为SGMMS-04ADC6S。
CN202010455532.XA 2020-05-26 2020-05-26 一种用于机器人控制的意识跟踪识别算法 Pending CN111612824A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010455532.XA CN111612824A (zh) 2020-05-26 2020-05-26 一种用于机器人控制的意识跟踪识别算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010455532.XA CN111612824A (zh) 2020-05-26 2020-05-26 一种用于机器人控制的意识跟踪识别算法

Publications (1)

Publication Number Publication Date
CN111612824A true CN111612824A (zh) 2020-09-01

Family

ID=72200624

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010455532.XA Pending CN111612824A (zh) 2020-05-26 2020-05-26 一种用于机器人控制的意识跟踪识别算法

Country Status (1)

Country Link
CN (1) CN111612824A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1976445A (zh) * 2006-12-15 2007-06-06 上海鼎业电子科技有限公司 基于立体视频动态跟踪的多摄像机监控系统及其跟踪方法
CN104392240A (zh) * 2014-10-28 2015-03-04 中国疾病预防控制中心寄生虫病预防控制所 一种基于多特征融合的寄生虫虫卵识别方法
CN107291088A (zh) * 2016-10-20 2017-10-24 天津科技大学 一种水下机器人图像识别和目标跟踪系统
CN107305691A (zh) * 2016-04-19 2017-10-31 中兴通讯股份有限公司 基于图像匹配的前景分割方法及装置
CN109872397A (zh) * 2019-02-18 2019-06-11 北京工业大学 一种基于多目立体视觉的飞机零件的三维重建方法
CN109949338A (zh) * 2019-02-20 2019-06-28 博雅工道（北京）机器人科技有限公司 一种基于cpg模型仿生水下机器鱼的目标跟踪识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1976445A (zh) * 2006-12-15 2007-06-06 上海鼎业电子科技有限公司 基于立体视频动态跟踪的多摄像机监控系统及其跟踪方法
CN104392240A (zh) * 2014-10-28 2015-03-04 中国疾病预防控制中心寄生虫病预防控制所 一种基于多特征融合的寄生虫虫卵识别方法
CN107305691A (zh) * 2016-04-19 2017-10-31 中兴通讯股份有限公司 基于图像匹配的前景分割方法及装置
CN107291088A (zh) * 2016-10-20 2017-10-24 天津科技大学 一种水下机器人图像识别和目标跟踪系统
CN109872397A (zh) * 2019-02-18 2019-06-11 北京工业大学 一种基于多目立体视觉的飞机零件的三维重建方法
CN109949338A (zh) * 2019-02-20 2019-06-28 博雅工道（北京）机器人科技有限公司 一种基于cpg模型仿生水下机器鱼的目标跟踪识别方法

Similar Documents

Publication Publication Date Title
CN110866903B (zh) 基于霍夫圆变换技术的乒乓球识别方法
CN110163853B (zh) 一种边缘缺陷的检测方法
JP6305171B2 (ja) シーン内の物体を検出する方法
CN110189375B (zh) 一种基于单目视觉测量的图像目标识别方法
KR100823549B1 (ko) 조선소 소조립 용접부재 위치 인식 방법
CN106960178B (zh) 绝缘子识别模型的训练方法以及绝缘子的识别与定位方法
CN112785628B (zh) 一种基于全景视角检测跟踪的轨迹预测方法及系统
CN113408584B (zh) Rgb-d多模态特征融合3d目标检测方法
CN110480127A (zh) 一种基于结构光视觉传感的焊缝跟踪系统及方法
CN111611953B (zh) 一种基于目标特征训练的抽油机识别方法与系统
CN110222661B (zh) 一种用于运动目标识别及跟踪的特征提取方法
CN111476804A (zh) 托辊图像高效分割方法、装置、设备及存储介质
US20240051146A1 (en) Autonomous solar installation using artificial intelligence
CN108109154A (zh) 一种工件的新型定位及数据获取方法
CN115661110B (zh) 一种透明工件识别与定位的方法
CN113822810A (zh) 一种基于机器视觉的三维空间中工件的定位方法
CN101908150B (zh) 一种人体检测方法
CN116883498A (zh) 基于灰度质心提取算法的视觉合作靶标特征点定位方法
CN113689365B (zh) 一种基于Azure Kinect的目标跟踪定位方法
CN111738264A (zh) 一种机房设备显示面板数据的智能采集方法
CN111612824A (zh) 一种用于机器人控制的意识跟踪识别算法
CN111354003A (zh) 基于深度图像的猪只分割方法
CN115797397B (zh) 一种机器人全天候自主跟随目标人员的方法及系统
CN113436252A (zh) 基于单目视觉的位姿识别方法
CN114821109A (zh) 一种基于微光视觉算法的图像识别系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200901