[發(fā)明專利]基于加權(quán)融合的行人空間位置估計方法、裝置和機器人

在審

• 申請?zhí)枺?/td>: 202011570414.X
• 申請日: 2020-12-26
• 公開（公告）號: CN112613422A
• 公開（公告）日: 2021-04-06
• 發(fā)明（設計）人: 秦豪;趙明
• 申請（專利權(quán)）人: 上海有個機器人有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62
• 代理公司: 北京天盾知識產(chǎn)權(quán)代理有限公司 11421
• 代理人: 梁秀秀

本發(fā)明公開了一種基于加權(quán)融合的行人空間位置估計方法、裝置和機器人，方法包括以下步驟：采集實時場景圖像，并對目標行人進行方框標記，并生成方框坐標；獲取實時場景圖像中目標行人的至少兩個身體部位分別對應的圖像坐標；將至少兩個身體部位分別對應的圖像坐標轉(zhuǎn)換為機器人坐標系下的空間坐標；采用二次加權(quán)融合策略對至少兩個空間坐標進行融合，生成目標行人相對機器人的準確位置。本發(fā)明利用目標行人的多個坐標點，比如目標行人頭頂和腳底的兩個坐標點進行二次加權(quán)融合，從而減少因目標檢測器局限而導致的錯誤估計，減小行人位置估計的誤差，提高行人位置估計的準確性和穩(wěn)定性。

技術(shù)領(lǐng)域

本發(fā)明涉及機器人領(lǐng)域，尤其涉及一種基于加權(quán)融合的行人空間位置估計方法、裝置和機器人。

背景技術(shù)

隨著人工智能技術(shù)的發(fā)展，基于深度學習的目標檢測算法在工業(yè)領(lǐng)域得到普及和落地。現(xiàn)階段目標檢測算法如FasterRCNN，YOLO，SSD等通過計算攝像頭傳輸?shù)膱D片，在圖片上以方框的形式標記出來。對移動機器人而言，行人的空間信息對機器人的移動決策影響很大，但圖片上標記的信息無法直接使用，需要將圖片的標記信息轉(zhuǎn)化到空間位置上，即圖片上對應標記位置的行人轉(zhuǎn)化為空間上行人相對于機器人的位置。工業(yè)上比較成熟的做法是選取行人與地面的接地點在圖片上的位置，基于單映性原理，轉(zhuǎn)化為空間坐標。在實際應用場景下，行人存在被遮擋的可能，近處行人存在看不到完整腿部的情況，且目標檢測結(jié)果存在一定的誤差，如圖4a和圖4b所示，因此單單以圖片中標記的行人底部坐標作為參照點來估算行人在空間位置的策略往往穩(wěn)定性較差。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于加權(quán)融合的行人空間位置估計方法、裝置和機器人，解決了以上所述的技術(shù)問題。

本發(fā)明解決上述技術(shù)問題的技術(shù)方案如下：一種基于加權(quán)融合的行人空間位置估計方法，包括以下步驟：

步驟1，采集實時場景圖像，并基于預設目標檢測算法對所述實時場景圖像中的目標行人進行方框標記，并生成方框坐標；

步驟2，根據(jù)所述方框坐標獲取實時場景圖像中目標行人的至少兩個身體部位分別對應的圖像坐標；

步驟3，將所述至少兩個身體部位分別對應的圖像坐標轉(zhuǎn)換為機器人坐標系下的空間坐標；

步驟4，采用二次加權(quán)融合策略對至少兩個所述空間坐標進行融合，生成目標行人相對機器人的準確位置。

在一個優(yōu)選實施方式中，所述根據(jù)方框坐標獲取實時場景圖像中目標行人的至少兩個身體部位分別對應的圖像坐標具體包括以下步驟：

獲取目標行人的方框坐標(x1，y1，x2，y2)，所述(x1，y1)和所述(x2，y2)分別為方框左上角坐標和方框右下角坐標；

根據(jù)所述方框坐標計算實時場景圖像中目標行人頭頂對應的第一圖像坐標以及目標行人腳底對應的第二圖像坐標，其中第一圖像坐標為第二圖像坐標為

在一個優(yōu)選實施方式中，步驟3中，采用第一預設公式將所述第一圖像坐標和所述第二圖像坐標分別轉(zhuǎn)換為機器人坐標系下的第一空間坐標和第二空間坐標，所述第一預設公式為：

其中，u，v為目標行人的圖像坐標，K11、K12、K13、K22、K23、K24、K32和K33為機器人相機矩陣的參數(shù)值，Y為圖像坐標(u，v)對應目標點的高度，Z、X為圖像坐標(u，v)對應目標點在機器人坐標系下的縱坐標和水平坐標。

在一個優(yōu)選實施方式中，步驟4中，采用第二預設公式對所述第一空間坐標和所述第二空間坐標進行二次加權(quán)融合，所述第二預設公式為：

其中，X1、Z1為第一空間坐標，X0、Z0為第二空間坐標，Zf為縱坐標融合結(jié)果，Xf為橫坐標融合結(jié)果。