CN113822253A - 一种人机协作方法及系统 - Google Patents
一种人机协作方法及系统 Download PDFInfo
- Publication number
- CN113822253A CN113822253A CN202111397930.1A CN202111397930A CN113822253A CN 113822253 A CN113822253 A CN 113822253A CN 202111397930 A CN202111397930 A CN 202111397930A CN 113822253 A CN113822253 A CN 113822253A
- Authority
- CN
- China
- Prior art keywords
- image
- acquiring
- human
- scene
- camera
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000033001 locomotion Effects 0.000 claims abstract description 26
- 230000009471 action Effects 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 9
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06T7/20—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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种人机协作方法及系统，一方面，所述方法包括：S1，通过第一相机获取协作场景图像；S2，基于协作场景图像判断协作场景类型；S3，通过第二相机获取人体动作图像；S4，基于所述人体动作图像获取人体手部的起始位置；S5，基于所述协作场景类型获取人体手部的终点位置；S6，基于所述起始位置和所述终点位置对人体手部的移动轨迹进行预测，获得预测轨迹；S7，基于所述预测轨迹获取机器人的规划路径。另一方面，本发明还提供了相应的系统用于实现所述方法。本发明使机器人的路径规划系统能够感知协作场景和操作者的任务意图，并基于这些预测执行相应的预期运动，实现机器人与机器人使用者之间的流畅、高效的协作。
Description
技术领域
本发明涉及人机协作领域，尤其涉及一种人机协作方法及系统。
背景技术
协作机器人就是在机器人与人可以在生产线上协同作战，充分发挥机器人的效率及人类的智能。这种机器人不仅性价比高，而且安全方便，能够极大地促进制造企业的发展。
现有技术中，对于人机协作场景，一般需要手动选择场景类型，然后协作机器人根据预先设定的场景运动策略来进行运动。这使得协作机器人无法适应场景的快速转换，例如当需要在两种场景中来回切换时，手动选择场景显然效率不够高。使得协作机器人和机器人使用者之间的协作不够高效。
发明内容
鉴于上述问题，本发明的目的在于提供一种人机协作方法及系统。
一方面本发明提供了一种人机协作方法，包括：
S1，通过第一相机获取协作场景图像；
S2，基于协作场景图像判断协作场景类型；
S3，通过第二相机获取人体动作图像；
S4，基于所述人体动作图像获取人体手部的起始位置；
S5，基于所述协作场景类型获取人体手部的终点位置；
S6，基于所述人体手部的起始位置和所述人体手部的终点位置对人体手部的移动轨迹进行预测，获得预测轨迹；
S7，基于所述预测轨迹获取机器人的规划路径。
优选地，所述基于所述协作场景图像判断协作场景类型，包括：
获取所述协作场景图像的特征信息；
将所述特征信息与场景数据库中预存的场景类型特征信息进行匹配，获取协作场景图像的特征信息对应的场景类型。
优选地，所述第二相机包括双目RGB相机或TOF相机或结构光相机。
优选地，所述基于所述人体动作图像获取人体手部的起始位置，包括：
对所述人体动作图像进行图像识别处理，获取所述人体动作图像中的手部区域的像素点；
基于人体动作图像中包含的深度信息获取所述手部区域的像素点在全局坐标系中的三维空间坐标；
计算所有属于手部区域的像素点的平均三维空间坐标，将所述平均三维空间坐标作为人体手部的起始位置。
优选地，所述获取所述协作场景图像的特征信息，包括：
将所述协作场景图像转换为灰度图像；
对所述灰度图像进行亮度调节处理，获得调节图像；
对所述调节图像进行降噪处理，获得降噪图像；
对所述降噪图像进行图像分割处理，获得前景图像；
使用预设的特征获取算法获取所述前景图像中包含的特征信息。
另一方面，本发明还提供了一种人机协作系统，包括第一相机模块、第一图像处理模块、第二相机模块、第二图像处理模块、终点获取模块、轨迹预测模块和路径规划模块；
所述第一相机模块用于通过第一相机获取协作场景图像；
所述第一图像处理模块用于基于协作场景图像判断协作场景类型；
所述第二相机模块用于通过第二相机获取人体动作图像；
所述第二图像处理模块用于基于所述人体动作图像获取人体手部的起始位置；
所述终点获取模块用于基于所述协作场景类型获取人体手部的终点位置；
所述轨迹预测模块用于基于人体手部的起始位置和所述人体手部的终点位置对人体手部的移动轨迹进行预测，获得预测轨迹；
所述路径规划模块用于基于所述预测轨迹获取机器人的规划路径。
本发明使机器人的路径规划系统能够感知协作场景和操作者的任务意图，并基于这些预测执行相应的预期运动，实现机器人与机器人使用者之间的流畅、高效的协作。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明一种人机协作方法的一种示例性实施例图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
本发明提供了一种人机协作方法及系统。
如图1所示的一种实施例，一方面本发明提供了一种人机协作方法，包括：
S1，通过第一相机获取协作场景图像；
S2，基于协作场景图像判断协作场景类型；
S3，通过第二相机获取人体动作图像；
S4，基于所述人体动作图像获取人体手部的起始位置；
S5，基于所述协作场景类型获取人体手部的终点位置；
S6，基于所述人体手部的起始位置和所述人体手部的终点位置对人体手部的移动轨迹进行预测，获得预测轨迹；
S7，基于所述预测轨迹获取机器人的规划路径。
本发明使机器人的路径规划系统能够感知协作场景和操作者的任务意图，并基于这些预测执行相应的预期运动，实现机器人与机器人使用者之间的流畅、高效的协作。
本发明提供了一种人机协作方法，先通过第一相机俯视人机协作场景，感知场景要素，判断人机协作场景的类型；然后通过双目RGB相机分析获取人体在全局坐标系下的位姿，并对动作轨迹进行检测和识别；接着对机器人使用者的终点位置和使用者的起始位置之间的相关性进行建模，基于预先训练完毕的神经网络的轨迹预测系统估计出人的预测轨迹；最后利用提供的预测值使用轨迹预测神经网络对机器人的运动路径进行规划。在人机协作场景中，本发明使得协作机器人能够感知场景与协作机器人使用者预测任务意图，并基于这些预测执行相应的预期运动，实现机器人与机器人使用者之间的流畅、高效的协作。
优选地，所述基于协作场景图像判断协作场景类型，包括：
获取所述协作场景图像的特征信息；
将所述特征信息与场景数据库中预存的场景类型特征信息进行匹配，获取协作场景图像的特征信息对应的场景类型。
具体的，场景数据库中预存了不同的场景类型的场景图像的特征信息，通过特征信息的匹配过程，将场景数据库中相似度最大的特征信息对应的场景类型作为步骤S1获得的协作图像对应的场景类型。
优选地，所述基于所述协作场景类型获取人体手部的终点位置，包括：
不同场景类型下人体手部的终点位置已经事先进行存储，当需要使用时，直接根据场景类型进行调用即可。
优选地，所述基于所述预测轨迹获取机器人的规划路径，包括：
根据机器人移动的起点和终点进行路径的规划，机器人的规划路径应该避免与人体手部的预测轨迹相碰撞。
优选地，所述第二相机包括双目RGB相机或TOF相机或结构光相机。
具体的，第二相机可以是各种能够获取深度信息的相机，通过深度信息来获取手部的坐标。
优选地，所述基于所述人体动作图像获取人体手部的起始位置，包括：
对所述人体动作图像进行图像识别处理，获取所述人体动作图像中的手部区域的像素点；
基于人体动作图像中包含的深度信息获取所述手部区域的像素点在全局坐标系中的三维空间坐标；
计算所有属于手部区域的像素点的平均三维空间坐标，将所述平均三维空间坐标作为人体手部的起始位置。
具体的，平均三维空间坐标的计算方式与在二维空间中计算平均坐标的方法一致。
优选地，所述获取所述协作场景图像的特征信息，包括：
将所述协作场景图像转换为灰度图像；
对所述灰度图像进行亮度调节处理，获得调节图像；
对所述调节图像进行降噪处理，获得降噪图像；
对所述降噪图像进行图像分割处理，获得前景图像；
使用预设的特征获取算法获取所述前景图像中包含的特征信息。
在一种实施例中，所述将所述协作场景图像转换为灰度图像，包括：
通过如下函数对转换过程进行建模：
上述函数中，
表示转换过程建模函数，
、
、
表示预设的权重系数，
，grayu表示灰度图像中的所有像素点组成的集合，
表示grayu中包含的像素点s的像素值，即为待求解的像素值，
表示grayu中包含的像素点s在红色分量图像中对应的像素点的像素值，红色分量图像为协作场景图像在RGB颜色空间的红色分量的图像，ghu表示像素点s的预设大小的邻域中的像素点的集合；
表示ghu中的像素点在红色分量图像中对应的像素点的像素值，
和
分别表示像素点s和像素点t在分量
对应的图像中的像素值；
获取使得
最小时
的值，将
的值作为像素点s的灰度值。
在上述实施例中，通过对灰度化过程进行建模，使得最终获得的灰度图像中，像素点之间的对比度与原来的协作场景图像中的像素点之间的对比度的相似度最大，从而有效地降低了灰度化过程中边界信息的丢失程度，保留了更多的细节信息。
优选地，所述预设大小的邻域为以像素点s为中心的
的窗口，其中Y表示像素点的数量。
在另一种实施例中，所述将所述协作场景图像转换为灰度图像，包括：
使用加权平均值法将所述协作场景图像转换为灰度图像。
在一种实施例中，所述对所述灰度图像进行亮度调节处理，获得调节图像，包括：
采用以下函数对灰度图像进行亮度调节处理：
以上函数中，
表示像素点v在亮度调节处理后的像素值，
表示像素点v在灰度图像中的像素值，
表示自适应比例系数，若
，则通过如下函数计算
：
若
，则通过如下函数计算
：
以上函数中，
表示预设的判断阈值，
表示预设的计算系数，
表示预设的第一计算参数，
，
表示预设的第二计算参数，
，
表示预设的第三计算参数，
，
和
分别表示灰度图像中的灰度值的最大值和最小值。
本发明上述实施例，在亮度调节的过程中，自适应地为不同情况的像素点选取不同的自适应比例系数进行调节处理，有利于提高调节处理后获得的图像中的像素点的灰度值之间的差异程度减小，对暗部进行调亮，对高光进行压制，从而突出了边界像素点，有利于为提高调节图像中的边界信息量。
在一种实施例中，所述对所述调节图像进行降噪处理，获得降噪图像，包括：
对所述调节图像进行噪点检测，获取所述调节图像中包含的噪声像素点；
采用预设的降噪算法对所有噪声像素点进行降噪处理，获得降噪图像。
在一种实施例中，所述对所述调节图像进行噪点检测，获取所述调节图像中包含的噪声像素点，包括：
步骤1：将调节图像中所有的像素点存入待检测集合
中；
对于
中的计算像素点
，使用基于PCA分析的高斯噪声检测算法对
进行噪点检测，判断
是否为噪声像素点，若是，则将
加入到噪声像素点集合中，并将
从
中删除；
步骤2：使用如下方式对计算像素点进行噪声点追踪计算：
分别计算
与其8邻域中的像素点之间的相似系数：
其中，
表示ipx与其8邻域中的像素点i之间的相似系数，
和
分别表示像素点ipx和像素点i的灰度值，
和
分别表示计算像素点ipx和像素点i的梯度幅值
、
、
表示预设的比例系数，
表示计算像素点ipx的邻域系数，
表示像素点i的邻域系数，
，
步骤3：获取
的8邻域中与ipx之间的相似系数的最大值，判断所述最大值是否大于预设的相似系数阈值，若是，则将所述相似系数的最大值对应的像素点
存入噪声像素点集合中，并将所述像素点
从
中删除，进入步骤4；若否，则进入步骤1；
步骤4：将
作为计算像素点，进入步骤2；
当
为空集时，噪声像素点集合中包含的像素点作为噪声像素点。
在本发明上述实施例中，在对计算像素点进行噪声检测时，若检测到计算像素点为噪声像素点，便对计算像素点进行噪声点追踪计算，这种设置方式，能够有效地加快噪声点检测的效率。通过计算8邻域中的像素点与计算像素点之间的相似系数来判断8邻域中像素点是否为噪声像素点，从而避免了需要分别对每个像素点进行噪声检测的过程，有效地缩短了获得协作场景类型的时间，从而提高本发明的人机协作过程的流畅性，以及机器人响应的及时性。
另一方面，本发明还提供了一种人机协作系统，包括第一相机模块、第一图像处理模块、第二相机模块、第二图像处理模块、终点获取模块、轨迹预测模块和路径规划模块；
所述第一相机模块用于通过第一相机获取协作场景图像；
所述第一图像处理模块用于基于协作场景图像判断协作场景类型；
所述第二相机模块用于通过第二相机获取人体动作图像；
所述第二图像处理模块用于基于所述人体动作图像获取人体手部的起始位置；
所述终点获取模块用于基于所述协作场景类型获取人体手部的终点位置；
所述轨迹预测模块用于基于所述人体手部的起始位置和所述人体手部的终点位置对人体手部的移动轨迹进行预测，获得预测轨迹；
所述路径规划模块用于基于所述预测轨迹获取机器人的规划路径。
尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。
Claims (6)
1.一种人机协作方法，其特征在于，包括：
S1，通过第一相机获取协作场景图像；
S2，基于所述协作场景图像判断协作场景类型；
S3，通过第二相机获取人体动作图像；
S4，基于所述人体动作图像获取人体手部的起始位置；
S5，基于所述协作场景类型获取人体手部的终点位置；
S6，基于所述人体手部的起始位置和所述人体手部的终点位置对人体手部的移动轨迹进行预测，获得预测轨迹；
S7，基于所述预测轨迹获取机器人的规划路径。
2.根据权利要求1所述的一种人机协作方法，其特征在于，所述基于所述协作场景图像判断协作场景类型，包括：
获取所述协作场景图像的特征信息；
将所述特征信息与场景数据库中预存的场景类型特征信息进行匹配，获取协作场景图像的特征信息对应的场景类型。
3.根据权利要求1所述的一种人机协作方法，其特征在于，所述第二相机包括双目RGB相机或TOF相机或结构光相机。
4.根据权利要求1所述的一种人机协作方法，其特征在于，所述基于所述人体动作图像获取人体手部的起始位置，包括：
对所述人体动作图像进行图像识别处理，获取所述人体动作图像中的手部区域的像素点；
基于人体动作图像中包含的深度信息获取所述手部区域的像素点在全局坐标系中的三维空间坐标；
计算所有属于手部区域的像素点的平均三维空间坐标，将所述平均三维空间坐标作为人体手部的起始位置。
5.根据权利要求2所述的一种人机协作方法，其特征在于，所述获取所述协作场景图像的特征信息，包括：
将所述协作场景图像转换为灰度图像；
对所述灰度图像进行亮度调节处理，获得调节图像；
对所述调节图像进行降噪处理，获得降噪图像；
对所述降噪图像进行图像分割处理，获得前景图像；
使用预设的特征获取算法获取所述前景图像中包含的特征信息。
6.一种人机协作系统，其特征在于，包括第一相机模块、第一图像处理模块、第二相机模块、第二图像处理模块、终点获取模块、轨迹预测模块和路径规划模块；
所述第一相机模块用于通过第一相机获取协作场景图像；
所述第一图像处理模块用于基于协作场景图像判断协作场景类型；
所述第二相机模块用于通过第二相机获取人体动作图像；
所述第二图像处理模块用于基于所述人体动作图像获取人体手部的起始位置；
所述终点获取模块用于基于所述协作场景类型获取人体手部的终点位置；
所述轨迹预测模块用于基于人体手部的起始位置和所述人体手部的终点位置对人体手部的移动轨迹进行预测，获得预测轨迹；
所述路径规划模块用于基于所述预测轨迹获取机器人的规划路径。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111397930.1A CN113822253B (zh) | 2021-11-24 | 2021-11-24 | 一种人机协作方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111397930.1A CN113822253B (zh) | 2021-11-24 | 2021-11-24 | 一种人机协作方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113822253A true CN113822253A (zh) | 2021-12-21 |
| CN113822253B CN113822253B (zh) | 2022-02-18 |
Family
ID=78919716
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111397930.1A Active CN113822253B (zh) | 2021-11-24 | 2021-11-24 | 一种人机协作方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113822253B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103170973A (zh) * | 2013-03-28 | 2013-06-26 | 上海理工大学 | 基于Kinect摄像机的人机协作装置及方法 |
| CN107643752A (zh) * | 2017-05-09 | 2018-01-30 | 清研华宇智能机器人（天津）有限责任公司 | 基于行人轨迹预测的全向移动机器人路径规划算法 |
| CN108527370A (zh) * | 2018-04-16 | 2018-09-14 | 北京卫星环境工程研究所 | 基于视觉的人机共融安全防护控制系统 |
| CN109726853A (zh) * | 2018-12-04 | 2019-05-07 | 东莞理工学院 | 基于机器视觉的工业协作机器人路径规划算法 |
| CN110253570A (zh) * | 2019-05-27 | 2019-09-20 | 浙江工业大学 | 基于视觉的工业机械臂人机安全系统 |
| CN110561432A (zh) * | 2019-08-30 | 2019-12-13 | 广东省智能制造研究所 | 一种基于人机共融的安全协作方法及装置 |
| CN111256722A (zh) * | 2020-02-28 | 2020-06-09 | 广东博智林机器人有限公司 | 一种路径规划方法、装置、设备和存储介质 |
| CN111443619A (zh) * | 2020-04-17 | 2020-07-24 | 南京工程学院 | 一种虚实融合的人机协作仿真方法和系统 |
| CN111654594A (zh) * | 2020-06-16 | 2020-09-11 | Oppo广东移动通信有限公司 | 图像拍摄方法、图像拍摄装置、移动终端及存储介质 |
| CN112454358A (zh) * | 2020-11-17 | 2021-03-09 | 山东大学 | 一种结合心理安全以及运动预测的机械臂运动规划方法及系统 |
| CN112706158A (zh) * | 2019-10-25 | 2021-04-27 | 中国科学院沈阳自动化研究所 | 基于视觉和惯导定位的工业人机交互系统及方法 |
| CN113436282A (zh) * | 2021-06-16 | 2021-09-24 | 湖南国天电子科技有限公司 | 一种图像增强型相机 |
| CN113608622A (zh) * | 2021-08-25 | 2021-11-05 | 齐鲁工业大学 | 人体姿态实时预测方法、系统、介质及设备 |
-
2021
- 2021-11-24 CN CN202111397930.1A patent/CN113822253B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103170973A (zh) * | 2013-03-28 | 2013-06-26 | 上海理工大学 | 基于Kinect摄像机的人机协作装置及方法 |
| CN107643752A (zh) * | 2017-05-09 | 2018-01-30 | 清研华宇智能机器人（天津）有限责任公司 | 基于行人轨迹预测的全向移动机器人路径规划算法 |
| CN108527370A (zh) * | 2018-04-16 | 2018-09-14 | 北京卫星环境工程研究所 | 基于视觉的人机共融安全防护控制系统 |
| CN109726853A (zh) * | 2018-12-04 | 2019-05-07 | 东莞理工学院 | 基于机器视觉的工业协作机器人路径规划算法 |
| CN110253570A (zh) * | 2019-05-27 | 2019-09-20 | 浙江工业大学 | 基于视觉的工业机械臂人机安全系统 |
| CN110561432A (zh) * | 2019-08-30 | 2019-12-13 | 广东省智能制造研究所 | 一种基于人机共融的安全协作方法及装置 |
| CN112706158A (zh) * | 2019-10-25 | 2021-04-27 | 中国科学院沈阳自动化研究所 | 基于视觉和惯导定位的工业人机交互系统及方法 |
| CN111256722A (zh) * | 2020-02-28 | 2020-06-09 | 广东博智林机器人有限公司 | 一种路径规划方法、装置、设备和存储介质 |
| CN111443619A (zh) * | 2020-04-17 | 2020-07-24 | 南京工程学院 | 一种虚实融合的人机协作仿真方法和系统 |
| CN111654594A (zh) * | 2020-06-16 | 2020-09-11 | Oppo广东移动通信有限公司 | 图像拍摄方法、图像拍摄装置、移动终端及存储介质 |
| CN112454358A (zh) * | 2020-11-17 | 2021-03-09 | 山东大学 | 一种结合心理安全以及运动预测的机械臂运动规划方法及系统 |
| CN113436282A (zh) * | 2021-06-16 | 2021-09-24 | 湖南国天电子科技有限公司 | 一种图像增强型相机 |
| CN113608622A (zh) * | 2021-08-25 | 2021-11-05 | 齐鲁工业大学 | 人体姿态实时预测方法、系统、介质及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113822253B (zh) | 2022-02-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10599228B2 (en) | Information processing device and method, program and recording medium for identifying a gesture of a person from captured image data | |
| US8620024B2 (en) | System and method for dynamic gesture recognition using geometric classification | |
| KR101198322B1 (ko) | 얼굴 표정 인식 방법 및 시스템 | |
| US6757571B1 (en) | System and process for bootstrap initialization of vision-based tracking systems | |
| CN106886216B (zh) | 基于rgbd人脸检测的机器人自动跟踪方法和系统 | |
| CN111062263B (zh) | 手部姿态估计的方法、设备、计算机设备和存储介质 | |
| CN114332214A (zh) | 物体姿态估计方法、装置、电子设备及存储介质 | |
| CN112733823B (zh) | 手势姿态识别关键帧提取方法、装置及可读存储介质 | |
| CN112836625A (zh) | 人脸活体检测方法、装置、电子设备 | |
| Loutas et al. | Probabilistic multiple face detection and tracking using entropy measures | |
| CN113822253B (zh) | 一种人机协作方法及系统 | |
| CN114144812A (zh) | 生成手掌/手指前景掩模的方法 | |
| CN114842506A (zh) | 一种人体姿态估计方法及系统 | |
| CN113409331A (zh) | 图像处理方法、图像处理装置、终端及可读存储介质 | |
| CN112949423A (zh) | 物体识别方法、物体识别装置及机器人 | |
| CN113379930B (zh) | 通过人体曲线图进行的沉浸式交互方法、装置及存储介质 | |
| Srikrishna et al. | Realization of Human Eye Pupil Detection System using Canny Edge Detector and Circular Hough Transform Technique | |
| CN112256131B (zh) | 面向类别搜索任务的基于目标检测的注视轨迹预测方法 | |
| CN107563284B (zh) | 行人追踪方法及装置 | |
| EP4322542A1 (en) | Method and electronic device for capturing image of object for identifying companion animal | |
| CN118154687A (zh) | 基于单目视觉的送餐机器人目标定位与避障方法及系统 | |
| JP2024056578A (ja) | 画像処理装置、撮影装置、画像処理装置の制御方法及びプログラム | |
| CN117351556A (zh) | 手势识别方法、装置、车辆及存储介质 | |
| CN114724190A (zh) | 一种基于宠物姿态的心情识别方法 | |
| CN117152786A (zh) | 一种生物属性识别方法、装置、设备和可读存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |