CN117218366A - 识别目标对象的方法、装置及存储介质 - Google Patents
识别目标对象的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN117218366A CN117218366A CN202211551266.6A CN202211551266A CN117218366A CN 117218366 A CN117218366 A CN 117218366A CN 202211551266 A CN202211551266 A CN 202211551266A CN 117218366 A CN117218366 A CN 117218366A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- preset
- target object
- tof sensor
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000011664 nicotinic acid Substances 0.000 claims abstract description 58
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 230000003592 biomimetic effect Effects 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000010355 oscillation Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本公开涉及一种识别目标对象的方法、装置及存储介质,应用于设置有TOF传感器的仿生机器人,可以通过所述TOF传感器获取位于所述仿生机器人前方的多个点云数据;根据所述TOF传感器对应的预设测量范围从多个所述点云数据中确定有效点云数据;根据所述有效点云数据识别所述仿生机器人的前方第一预设距离范围内是否存在目标对象,所述目标对象的高度位于预设高度范围内。
Description
技术领域
本公开涉及仿生机器人的控制领域,尤其涉及一种识别目标对象的方法、装置及存储介质。
背景技术
随着新材料、新驱动、新型感知技术、智能控制方法的突破,仿生机器人前沿技术研究得到了国内外研究机构和学者的广泛关注。
在目前仿生机器人的智能识别中,一般采用点云聚类技术,通过对点云的重采样、分割、配准完成对目标对象几何特征的识别。在采用点云聚类识别的技术方案中,是从3D离散点和无序点中推断几何信息。点云的基本几何单位是点,点聚类为簇构成几何语义,而几何语义包含了形状集和结构集,其中,形状集例如包括2D轮廓、直线和曲线等2D线,平面、曲面类的物体表面,三维体以及3D边界等元素;结构集例如包括法线、曲率、超体素、凹凸性和骨架等元素。
发明内容
为克服相关技术中存在的问题,本公开提供一种识别目标对象的方法、装置及存储介质。
根据本公开实施例的第一方面,提供一种识别目标对象的方法,应用于设置有TOF(Time of flight,飞行时间)传感器的仿生机器人,所述方法包括:
通过所述TOF传感器获取位于所述仿生机器人前方的多个点云数据;
根据所述TOF传感器对应的预设测量范围从多个所述点云数据中确定有效点云数据;
根据所述有效点云数据识别所述仿生机器人的前方第一预设距离范围内是否存在目标对象,所述目标对象的高度位于预设高度范围内。
可选地,所述预设测量范围包括所述TOF传感器可测量的第二预设距离范围,所述根据所述TOF传感器对应的预设测量范围从多个所述点云数据中确定有效点云数据包括:
根据所述第二预设距离范围对多个所述点云数据进行筛选,得到筛选后点云数据;
根据所述筛选后点云数据确定所述有效点云数据。
可选地,所述根据所述筛选后点云数据确定所述有效点云数据包括:
在所述筛选后点云数据大于或者等于第一预设数量阈值的情况下,将所述筛选后点云数据作为所述有效点云数据。
可选地,在所述根据所述筛选后点云数据确定所述有效点云数据之前,所述方法还包括:
获取所述TOF传感器可提供的预设点云数量,以及所述第二预设距离范围对应的距离下限值;
根据所述预设点云数量和所述距离下限值确定预设密度参数,所述预设密度参数表征所述筛选后点云数据的稀疏程度;
所述根据所述筛选后点云数据确定所述有效点云数据包括:
在所述筛选后点云数据大于或者等于第一预设数量阈值的情况下,根据所述预设密度参数对所述筛选后点云数据进行筛选,得到所述有效点云数据。
可选地,所述预设密度参数包括预设半径距离以及最小近邻点数量阈值,所述根据所述预设密度参数对所述筛选后点云数据进行筛选,得到所述有效点云数据包括:
针对每个所述筛选后点云数据,获取以该筛选后点云数据为圆心,以所述预设半径距离为半径的区域内的近邻点云数量;
若所述近邻点云数量大于或者等于所述最小近邻点数量阈值,将该筛选后点云数据作为所述有效点云数据。
可选地,所述根据所述有效点云数据识别所述仿生机器人的前方第一预设距离范围内是否存在目标对象包括:
在所述有效点云数据的数量大于或者等于第二预设数量阈值的情况下,确定所述第一预设距离范围内存在所述目标对象。
可选地,所述仿生机器人上设置有两个位于同一高度的所述TOF传感器,两个所述TOF传感器相对于预设平面的中心线对称;在所述确定所述第一预设距离范围内存在所述目标对象的情况下,所述方法还包括:
针对每个所述有效点云数据,根据所述有效点云数据的位置坐标对所述有效点云数据进行标记,得到标记后点云数据,所述标记后点云数据包括位于所述中心线左侧的第一点云数据或者位于所述中心线右侧的第二点云数据;
根据所述第一点云数据和所述第二点云数据调整所述仿生机器人相对于所述目标对象的角度。
可选地,所述根据所述第一点云数据和所述第二点云数据调整所述仿生机器人相对于所述目标对象的角度包括:
在所述第一点云数据与所述第二点云数据的数量差值绝对值大于或者等于第三预设数量阈值的情况下,调整所述仿生机器人相对于所述目标对象的角度。
可选地,所述调整所述仿生机器人相对于所述目标对象的角度包括:
在所述第一点云数据的数量大于所述第二点云数据的数量的情况下,控制所述仿生机器人向左转动预设角度;
在所述第一点云数据的数量小于所述第二点云数据的数量的情况下,控制所述仿生机器人向右转动所述预设角度。
根据本公开实施例的第二方面,提供一种识别目标对象的装置,应用于设置有TOF传感器的仿生机器人,所述装置包括:
获取模块,被配置为通过所述TOF传感器获取位于所述仿生机器人前方的多个点云数据;
确定模块,被配置为根据所述TOF传感器对应的预设测量范围从多个所述点云数据中确定有效点云数据;
识别模块,被配置为根据所述有效点云数据识别所述仿生机器人的前方第一预设距离范围内是否存在目标对象,所述目标对象的高度位于预设高度范围内。
根据本公开实施例的第三方面,提供一种识别目标对象的装置,应用于设置有TOF传感器的仿生机器人,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:
通过所述TOF传感器获取位于所述仿生机器人前方的多个点云数据;
根据所述TOF传感器对应的预设测量范围从多个所述点云数据中确定有效点云数据;
根据所述有效点云数据识别所述仿生机器人的前方第一预设距离范围内是否存在目标对象,所述目标对象的高度位于预设高度范围内。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开第一方面所提供的识别目标对象的方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:基于成本较低的TOF传感器采集少量的点云数据即可实现对高度位于预设高度范围内的目标对象的识别,无需采用激光雷达、深度相机等成本较高的点云数据采集设备,从而可以大大降低数据采集的硬件成本。另外,本技术方案不需要复杂的特征识别、特征匹配等点云计算,对计算能力的需求非常低,降低了对计算平台的成本需求。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种识别目标对象的方法的流程图;
图2是根据一示例性实施例示出的一种机器狗通过TOF传感器识别目标对象的场景示意图;
图3是根据图1所示实施例示出的一种识别目标对象的方法的流程图;
图4是根据图3所示实施例示出的一种识别目标对象的方法的流程图;
图5是根据图1所示实施例示出的一种识别目标对象的方法的流程图;
图6是根据图1所示实施例示出的一种识别目标对象的方法的流程图;
图7是根据一示例性实施例示出的一种识别目标对象的装置的框图;
图8是根据图7所示实施例示出的一种识别目标对象的装置的框图;
图9是根据一示例性实施例示出的一种用于识别目标对象的装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
需要说明的是,本申请中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
本公开主要应用于仿生机器人的智能识别场景中,以机器狗(一种四足仿生机器人)为例,当机器狗在地面上行走至高于地面的平台(如马路边缘的路肩)时,需要跳跃至该平台上继续行走,这个过程中,机器狗需要先识别到该平台,然后再控制机器狗进行跳跃。
相关技术中的仿生机器人在进行智能识别时,多采用点云聚类技术识别目标对象的形状集和结构集,这种方法对点云质量、规模等都有特定的要求,通常要求点云中的点数量在K级以上,这就要求系统中具有3D激光雷达、深度相机等生产点云的硬件设备,但这些硬件会显著增加系统成本。并且在特征识别过程中,通常涉及到点云噪声的处理、表面曲率法线计算、局部特征的计算等复杂计算过程,这对计算平台的能力要求相对较高,而计算过程的耗时对实时性造成的影响也较大。
本公开主要应用于仿生机器人对高度位于预设高度范围内的目标对象(如马路边缘的路肩)进行识别的场景中,该应用场景中对点云的规模需求小,同时不需要特征识别、特征匹配等复杂运算,因此,若仍然采用相关技术中基于3D激光雷达、深度相机等设备来采集点云数据进行识别,势必会增加系统成本,同时也会浪费系统的计算资源。
为解决上述存在的问题,本公开提供一种识别目标对象的方法、装置及存储介质。下面结合附图对本公开的具体实施方式进行详细说明。
图1是根据一示例性实施例示出的一种识别目标对象的方法的流程图,该方法可以应用于设置有TOF传感器的仿生机器人,如图1所示,该方法包括以下步骤。
在步骤S11中,通过该TOF传感器获取位于该仿生机器人前方的多个点云数据。
该TOF传感器例如可以包括红外激光TOF传感器。一种可能的实现方式中,可以在仿生机器人的头部安装该TOF传感器,并且通常需要垂直于地面向下安装(即TOF传感器上信号发射器的朝向与地面法线之间的角度为0),或者TOF传感器安装的角度与地面法线之间可以存在一定的角度波动范围(如5度范围内,均可视为安装角度符合要求)。可选地,仿生机器人前方可以包括仿生机器人的头部或头部中面部的朝向方向的一侧,也可以包括仿生机器人的正前方。
另外,该TOF传感器的安装高度通常高于待识别的目标对象的高度。
示例地,图2是根据一示例性实施例示出的一种机器狗通过TOF传感器识别目标对象的场景示意图,如图2所示,在机器狗的头部朝向地面的位置安装有TOF传感器,图2中的两条虚线表示TOF传感器的点云采集视野,这样,机器狗可以通过TOF传感器获取到点云采集视野内的点云数据,从图中可以看出,机器狗在图中当前的位置采集的点云数据为地面的点云数据,当机器狗继续向前移动至前方的平台(即目标对象)进入该点云采集视野后,可以采集到目标对象对应的点云数据,上述示例仅是举例说明,本公开对此不作限定。
在步骤S12中,根据该TOF传感器对应的预设测量范围从多个该点云数据中确定有效点云数据。
其中,该预设测量范围可以包括该TOF传感器可测量的第二预设距离范围,该第二预设距离范围的上限值可以为该TOF传感器对应的可测量量程,该第二预设距离范围的下限值可以为该TOF传感器对应的盲区距离,也就是说,当待识别的目标对象的表面与该TOF传感器的垂直距离小于该盲区距离,或者待识别的目标对象的表面与该TOF传感器的垂直距离大于该可测量量程的情况下,该TOF传感器无法采集该目标对象对应的点云数据。
可以理解的是,针对多个点云数据中的每个点云数据,当确定该点云数据的位置点与该TOF传感器的垂直距离小于该盲区距离,或者大于该可测量量程的情况下,该点云数据不是该目标对象的点云数据,因此,可以视为该点云数据为无效数据,并将该点云数据删除,按照该方法可以从多个点云数据中确定有效点云数据。
在步骤S13中,根据该有效点云数据识别该仿生机器人的前方第一预设距离范围内是否存在目标对象,该目标对象的高度位于预设高度范围内。
其中,该第一预设距离范围可以根据该TOF传感器的点云采集视野进行确定,该目标对象对应的该预设高度范围可以根据该TOF传感器的量程和盲区进行设置。
采用上述方法,可以基于成本较低的TOF传感器采集少量的点云数据即可实现对高度位于预设高度范围内的目标对象的识别,无需采用激光雷达、深度相机等成本较高的点云数据采集设备,从而可以大大降低数据采集的硬件成本。另外,本技术方案不需要复杂的特征识别、特征匹配等点云计算,对计算能力的需求非常低,降低了对计算平台的成本需求。
图3是根据图1所示实施例示出的一种识别目标对象的方法的流程图,如图3所示,步骤S12包括以下子步骤:
在步骤S121中,根据该第二预设距离范围对多个该点云数据进行筛选,得到筛选后点云数据。
其中,该筛选后点云数据是指将无效点云数据从多个点云数据中删除后留下的点云数据,并且该筛选后点云数据与该TOF传感器的垂直距离位于该第二预设距离范围内。
在本步骤中,可以获取每个点云数据分别对应的三维坐标,该三维坐标为点云数据在预设坐标系下的坐标,该预设坐标系的原点可以为该TOF传感器,该预设坐标系的x轴和y轴位于该TOF传感器所在的水平面,该预设坐标系的z轴与该水平面垂直,这样,针对每个点云数据,可以根据该点云数据的三维坐标的z值确定该点云数据与该TOF传感器的垂直距离,然后根据该垂直距离确定该点云数据是否位于该第二预设距离范围内,若该点云数据位于该第二预设距离范围之外,可以确定该点云数据为无效点云需要将该点云数据删除,这样,基于同样的方法可以对每个点云数据进行筛选后,得到该筛选后点云数据。
在步骤S122中,根据该筛选后点云数据确定该有效点云数据。
在本步骤一种可能的实现方式中,在该筛选后点云数据大于或者等于第一预设数量阈值的情况下,可以将该筛选后点云数据作为该有效点云数据。
上述已经描述,该第二预设距离范围的上限值为该TOF传感器对应的可测量量程,该第二预设距离范围的下限值为该TOF传感器对应的盲区距离,因此,一种可能的实现方式中,可以将与该TOF传感器的垂直距离位于该第二预设距离范围内的筛选后点云数据作为有效点云数据。
通常情况下,TOF传感器可采集的点云数据的数量是一定的,例如,可以提供8*8的点云数据,根据飞行时间原理,TOF传感器的每束红外激光照射到物体后即可给出该点的距离信息。根据TOF数据的特性,如果红外激光TOF的所有点照射在同一平面上,则形成的点云形状与该平面是一致的,而平面与红外激光发射器的距离越远,则点云中的点越稀疏,也就是说点与点之间的距离越远,反之,点云中的点越稠密,点与点之间的距离越近,因此,根据该TOF数据对应的盲区和量程,可以确定该TOF数据对应的可测量距离范围对应的最少点云数量,该第一预设数量阈值即为该最少点云数量,这样,在确定该筛选后点云数据小于或者等于该第一预设数量阈值的情况下,说明当前的测量失败,反之,在筛选后点云数据大于或者等于第一预设数量阈值的情况下,可以将该筛选后点云数据作为该有效点云数据。
图4是根据图3所示实施例示出的一种识别目标对象的方法的流程图,在本步骤另一种可能的实现方式中,还可以通过图4所示的步骤确定该有效点云数据,如图4所示,步骤S122包括以下子步骤:
在步骤S1221中,获取该TOF传感器可提供的预设点云数量,以及该第二预设距离范围对应的距离下限值。
该距离下限值即为TOF传感器对应的盲区长度,该预设点云数量是由对应的TOF传感器决定的,一个TOF传感器可提供的预设点云数量是一定的,例如,该预设点云数量可以为8*8。
在步骤S1222中,根据该预设点云数量和该距离下限值确定预设密度参数,该预设密度参数表征该距离下限值对应的点云数据的稀疏程度。
如上所述,目标对象的平面与红外激光发射器的距离越远,则点云中的点越稀疏,反之点云中的点越稠密,在该TOF传感器对应的该第二预设距离范围内,同一距离对应的点云的稀疏程度是一定的,因此,该距离下限值对应的点云数据的稀疏程度为目标对象表面上点云数据稀疏程度的下限值。并且该预设密度参数包括预设半径距离以及最小近邻点数量阈值。
在步骤S1223中,在该筛选后点云数据大于或者等于第一预设数量阈值的情况下,根据该预设密度参数对该筛选后点云数据进行筛选,得到该有效点云数据。
在本步骤中,可以针对每个该筛选后点云数据,获取以该筛选后点云数据为圆心,以该预设半径距离为半径的区域内的近邻点云数量;若该近邻点云数量大于或者等于该最小近邻点数量阈值,可以将该筛选后点云数据作为该有效点云数据。
图5是根据图1所示实施例示出的一种识别目标对象的方法的流程图,如图5所示,步骤S13包括以下子步骤:
在步骤S131中,在该有效点云数据的数量大于或者等于第二预设数量阈值的情况下,可以确定该第一预设距离范围内存在该目标对象。
其中,该第二预设数量阈值可以为该距离下限值对应的最少点云数据。
若该有效点云数据的数量小于该第二预设数量阈值,表明当前的点云数据对应的对象不是该预设高度范围内的目标对象,或者为地面上各个点的点云数据,因此,在确定有效点云数据的数量大于或者等于第二预设数量阈值的情况下,可以确定该第一预设距离范围内存在该目标对象,在确定有效点云数据的数量小于第二预设数量阈值的情况下,可以确定该第一预设距离范围内没有该目标对象。
需要说明的是,上述识别目标对象的方法的实施例中均是基于一个TOF传感器来识别目标对象,在本公开另一种可能的实现方式中,也可以在仿生机器人的头部同一高度上左右设置两个TOF传感器,并且该两个TOF传感器可以相对于预设中心线中线对称,该预设中心线可以为仿生机器人面部所在预设平面的中心线,该预设中心线与地面垂直,这两个TOF传感器的安装方向需完全一致,这样,可以基于这两个TOF传感器同时采集仿生机器人前方的多个点云数据,该两个TOF传感器分别采集的点云数据的坐标可以位于同一坐标系,若位于同一坐标系,该坐标系的原点可以为该两个TOF传感器连线的中点;该两个TOF传感器分别采集的点云数据的坐标也可以分别位于不同的坐标系,其中左边TOF传感器对应的点云数据的坐标系的坐标原点为该左边TOF传感器所在的位置点,右边TOF传感器对应的点云数据的坐标系的坐标原点为该右边TOF传感器所在的位置点。
其中,若基于两个TOF传感器采集的点云数据识别目标对象,并且该两个TOF传感器分别采集的点云数据的坐标分别位于不同的坐标系的情况下,需要将左右两个TOF传感器采集的点云数据进行拼接,例如可以通过调用PCL(Point cloud library,点云库)的接口实现点云数据的拼接,然后基于拼接后的点云数据确定有效点云数据,以便基于该有效点云数据识别仿生机器人的前方第一预设距离范围内是否存在目标对象。
图6是根据图1所示实施例示出的一种识别目标对象的方法的流程图,如上所述,该仿生机器人上设置有两个位于同一高度的该TOF传感器,两个该TOF传感器相对于预设平面的中心线对称;本公开中,在通过两个TOF传感器采集点云数据,并且在确定第一预设距离范围内存在该目标对象的情况下,可以通过图6所示的步骤调整该仿生机器人相对于该目标对象的角度,已实现两者的角度对齐。
如图6所示,该方法包括以下步骤:
在步骤S14中,针对每个该有效点云数据,根据该有效点云数据的位置坐标对该有效点云数据进行标记,得到标记后点云数据,该标记后点云数据包括位于该中心线左侧的第一点云数据或者位于该中心线右侧的第二点云数据。
在步骤S15中,根据该第一点云数据和该第二点云数据调整该仿生机器人相对于该目标对象的角度。
其中,该第一点云数据可以视为通过设置在仿生机器人头部左边的TOF传感器采集的点云数据,该第二点云数据可以视为通过设置在仿生机器人头部右边的TOF传感器采集的点云数据,通常情况下,当左边的TOF传感器采集的点云数据大于右边的TOF传感器采集的点云数据(即第一点云数据的数量大于第二点云数据的数量)的情况下,可以视为仿生机器人与目标对象之间的角度大于0,否则认为仿生机器人与目标对象之间的角度小于0,基于此即可控制仿生机器人的左右转动实现与目标对象的角度对齐。具体地,在第一点云数据与第二点云数据的数量不相等时即控制仿生机器人左右转动,但考虑到存在噪声等干扰,若只要第一点云数据与第二点云数据的数量不相等时即控制仿生机器人左右转动会引起系统振荡,因此,在本公开又一种可能的实现方式中,可以设置第三预设数量阈值,例如该第三预设数量阈值可以设置为5。另外,在设置该第三预设数量阈值时,除了考虑该系统振荡的问题,还需考虑系统的对齐效率,即第三预设数量阈值的设置需要根据控制精度与对齐效率之间的需求进行平衡。
因此,在本步骤中,在该第一点云数据与该第二点云数据的数量差值绝对值大于或者等于第三预设数量阈值的情况下,调整该仿生机器人相对于该目标对象的角度,这样既可以避免系统震荡,也能保证对齐效率。
其中,在该第一点云数据的数量大于该第二点云数据的数量的情况下,控制该仿生机器人向左转动预设角度;在该第一点云数据的数量小于该第二点云数据的数量的情况下,控制该仿生机器人向右转动该预设角度。
基于上述的方法,可以判断仿生机器人相对于目标对象的姿态角度,从而可以控制该仿生机器人自动与目标对象进行角度对齐,并在对齐后,可以控制仿生机器人进行下一步的动作控制,以该仿生机器人为机器狗,该目标对象为路肩为例,在控制机器狗与路肩进行角度对齐后,机器狗即可正对路肩,从而可以控制机器狗跳跃至该路肩。
图7是根据一示例性实施例示出的一种识别目标对象的装置的框图,应用于设置有TOF传感器的仿生机器人,如图7所示,该装置包括:
获取模块701,被配置为通过所述TOF传感器获取位于所述仿生机器人前方的多个点云数据;
确定模块702,被配置为根据所述TOF传感器对应的预设测量范围从多个所述点云数据中确定有效点云数据;
识别模块703,被配置为根据所述有效点云数据识别所述仿生机器人的前方第一预设距离范围内是否存在目标对象,所述目标对象的高度位于预设高度范围内。
可选地,所述预设测量范围包括所述TOF传感器可测量的第二预设距离范围,所述确定模块702,被配置为根据所述第二预设距离范围对多个所述点云数据进行筛选,得到筛选后点云数据;根据所述筛选后点云数据确定所述有效点云数据。
可选地,所述确定模块702,被配置为在所述筛选后点云数据大于或者等于第一预设数量阈值的情况下,将所述筛选后点云数据作为所述有效点云数据。
可选地,所述确定模块702,被配置为获取所述TOF传感器可提供的预设点云数量,以及所述第二预设距离范围对应的距离下限值;根据所述预设点云数量和所述距离下限值确定预设密度参数,所述预设密度参数表征所述筛选后点云数据的稀疏程度;在所述筛选后点云数据大于或者等于第一预设数量阈值的情况下,根据所述预设密度参数对所述筛选后点云数据进行筛选,得到所述有效点云数据。
可选地,所述确定模块702,被配置为针对每个所述筛选后点云数据,获取以该筛选后点云数据为圆心,以所述预设半径距离为半径的区域内的近邻点云数量;若所述近邻点云数量大于或者等于所述最小近邻点数量阈值,将该筛选后点云数据作为所述有效点云数据。
可选地,所述识别模块703,被配置为在所述有效点云数据的数量大于或者等于第二预设数量阈值的情况下,确定所述第一预设距离范围内存在所述目标对象。
可选地,所述仿生机器人上设置有两个位于同一高度的所述TOF传感器,两个所述TOF传感器相对于预设平面的中心线对称;图8是根据图7所示实施例示出的一种识别目标对象的装置的框图,如图8所示,该装置包括:
标记模块704,被配置为在所述确定所述第一预设距离范围内存在所述目标对象的情况下,针对每个所述有效点云数据,根据所述有效点云数据的位置坐标对所述有效点云数据进行标记,得到标记后点云数据,所述标记后点云数据包括位于所述中心线左侧的第一点云数据或者位于所述中心线右侧的第二点云数据;
对齐模块705,被配置为根据所述第一点云数据和所述第二点云数据调整所述仿生机器人相对于所述目标对象的角度。
可选地,所述对齐模块705,被配置为在所述第一点云数据与所述第二点云数据的数量差值绝对值大于或者等于第三预设数量阈值的情况下,调整所述仿生机器人相对于所述目标对象的角度。
可选地,所述对齐模块705,被配置为在所述第一点云数据的数量大于所述第二点云数据的数量的情况下,控制所述仿生机器人向左转动预设角度;在所述第一点云数据的数量小于所述第二点云数据的数量的情况下,控制所述仿生机器人向右转动所述预设角度。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开提供的识别目标对象的方法的步骤。
图9是根据一示例性实施例示出的一种用于识别目标对象的装置800的框图。例如,装置800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8,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。
输入/输出接口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,用于执行上述识别目标对象的方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由装置800的处理器820执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的识别目标对象的方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (12)
1.一种识别目标对象的方法,其特征在于,应用于设置有飞行时间TOF传感器的仿生机器人,所述方法包括:
通过所述TOF传感器获取位于所述仿生机器人前方的多个点云数据;
根据所述TOF传感器对应的预设测量范围从多个所述点云数据中确定有效点云数据;
根据所述有效点云数据识别所述仿生机器人的前方第一预设距离范围内是否存在目标对象,所述目标对象的高度位于预设高度范围内。
2.根据权利要求1所述的方法,其特征在于,所述预设测量范围包括所述TOF传感器可测量的第二预设距离范围,所述根据所述TOF传感器对应的预设测量范围从多个所述点云数据中确定有效点云数据包括:
根据所述第二预设距离范围对多个所述点云数据进行筛选,得到筛选后点云数据;
根据所述筛选后点云数据确定所述有效点云数据。
3.根据权利要求2所述的方法,其特征在于,所述根据所述筛选后点云数据确定所述有效点云数据包括:
在所述筛选后点云数据大于或者等于第一预设数量阈值的情况下,将所述筛选后点云数据作为所述有效点云数据。
4.根据权利要求2所述的方法,其特征在于,在所述根据所述筛选后点云数据确定所述有效点云数据之前,所述方法还包括:
获取所述TOF传感器可提供的预设点云数量,以及所述第二预设距离范围对应的距离下限值;
根据所述预设点云数量和所述距离下限值确定预设密度参数,所述预设密度参数表征所述筛选后点云数据的稀疏程度;
所述根据所述筛选后点云数据确定所述有效点云数据包括:
在所述筛选后点云数据大于或者等于第一预设数量阈值的情况下,根据所述预设密度参数对所述筛选后点云数据进行筛选,得到所述有效点云数据。
5.根据权利要求4所述的方法,其特征在于,所述预设密度参数包括预设半径距离以及最小近邻点数量阈值,所述根据所述预设密度参数对所述筛选后点云数据进行筛选,得到所述有效点云数据包括:
针对每个所述筛选后点云数据,获取以该筛选后点云数据为圆心,以所述预设半径距离为半径的区域内的近邻点云数量;
若所述近邻点云数量大于或者等于所述最小近邻点数量阈值,将该筛选后点云数据作为所述有效点云数据。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述根据所述有效点云数据识别所述仿生机器人的前方第一预设距离范围内是否存在目标对象包括:
在所述有效点云数据的数量大于或者等于第二预设数量阈值的情况下,确定所述第一预设距离范围内存在所述目标对象。
7.根据权利要求6所述的方法,其特征在于,所述仿生机器人上设置有两个位于同一高度的所述TOF传感器,两个所述TOF传感器相对于预设平面的中心线对称;在所述确定所述第一预设距离范围内存在所述目标对象的情况下,所述方法还包括:
针对每个所述有效点云数据,根据所述有效点云数据的位置坐标对所述有效点云数据进行标记,得到标记后点云数据,所述标记后点云数据包括位于所述中心线左侧的第一点云数据或者位于所述中心线右侧的第二点云数据;
根据所述第一点云数据和所述第二点云数据调整所述仿生机器人相对于所述目标对象的角度。
8.根据权利要求7所述的方法,其特征在于,所述根据所述第一点云数据和所述第二点云数据调整所述仿生机器人相对于所述目标对象的角度包括:
在所述第一点云数据与所述第二点云数据的数量差值绝对值大于或者等于第三预设数量阈值的情况下,调整所述仿生机器人相对于所述目标对象的角度。
9.根据权利要求8所述的方法,其特征在于,所述调整所述仿生机器人相对于所述目标对象的角度包括:
在所述第一点云数据的数量大于所述第二点云数据的数量的情况下,控制所述仿生机器人向左转动预设角度;
在所述第一点云数据的数量小于所述第二点云数据的数量的情况下,控制所述仿生机器人向右转动所述预设角度。
10.一种识别目标对象的装置,其特征在于,应用于设置有TOF传感器的仿生机器人,所述装置包括:
获取模块,被配置为通过所述TOF传感器获取位于所述仿生机器人前方的多个点云数据;
确定模块,被配置为根据所述TOF传感器对应的预设测量范围从多个所述点云数据中确定有效点云数据;
识别模块,被配置为根据所述有效点云数据识别所述仿生机器人的前方第一预设距离范围内是否存在目标对象,所述目标对象的高度位于预设高度范围内。
11.一种识别目标对象的装置,其特征在于,应用于设置有TOF传感器的仿生机器人,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:
通过所述TOF传感器获取位于所述仿生机器人前方的多个点云数据;
根据所述TOF传感器对应的预设测量范围从多个所述点云数据中确定有效点云数据;
根据所述有效点云数据识别所述仿生机器人的前方第一预设距离范围内是否存在目标对象,所述目标对象的高度位于预设高度范围内。
12.一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,该程序指令被处理器执行时实现权利要求1~9中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211551266.6A CN117218366A (zh) | 2022-12-05 | 2022-12-05 | 识别目标对象的方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211551266.6A CN117218366A (zh) | 2022-12-05 | 2022-12-05 | 识别目标对象的方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117218366A true CN117218366A (zh) | 2023-12-12 |
Family
ID=89037607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211551266.6A Pending CN117218366A (zh) | 2022-12-05 | 2022-12-05 | 识别目标对象的方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117218366A (zh) |
-
2022
- 2022-12-05 CN CN202211551266.6A patent/CN117218366A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020168742A1 (zh) | 一种车体定位方法及装置 | |
CN110967011A (zh) | 一种定位方法、装置、设备及存储介质 | |
US20210158560A1 (en) | Method and device for obtaining localization information and storage medium | |
CN112270718B (zh) | 摄像头标定方法、装置、系统及存储介质 | |
CN110095128B (zh) | 获取缺失道路情报的方法、装置、设备及存储介质 | |
CN112013844B (zh) | 建立室内环境地图的方法及装置 | |
CN110930463A (zh) | 一种监控摄像头内参标定方法、装置和电子设备 | |
CN111724412A (zh) | 确定运动轨迹的方法、装置及计算机存储介质 | |
CN112150560A (zh) | 确定消失点的方法、装置及计算机存储介质 | |
CN110930351A (zh) | 一种光斑检测方法、装置及电子设备 | |
CN111127541B (zh) | 车辆尺寸的确定方法、装置及存储介质 | |
CN110802587B (zh) | 一种确定机器人安全线路的方法及装置 | |
CN110633336A (zh) | 激光数据搜索范围的确定方法、装置及存储介质 | |
CN110775056B (zh) | 基于雷达探测的车辆行驶方法、装置、终端及介质 | |
CN115861741B (zh) | 目标标定方法、装置、电子设备、存储介质及车辆 | |
CN111986227A (zh) | 轨迹生成方法、装置、计算机设备及存储介质 | |
CN117218366A (zh) | 识别目标对象的方法、装置及存储介质 | |
CN111428654B (zh) | 一种虹膜识别方法、装置及存储介质 | |
CN116934823A (zh) | 图像处理方法、装置、电子设备及可读储存介质 | |
EP3742186A1 (en) | Method and device for sensing terminal action | |
CN113065392A (zh) | 一种机器人的跟踪方法和装置 | |
CN114600162A (zh) | 用于捕捉摄像机图像的场景锁定模式 | |
CN110802588A (zh) | 一种确定机器人安全线路的方法和装置 | |
CN116540252B (zh) | 基于激光雷达的速度确定方法、装置、设备及存储介质 | |
CN110060355B (zh) | 界面显示方法、装置、设备及存储介质 |
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 |