[發明專利]移動目標檢測方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202210237661.0
• 申請日: 2022-03-11
• 公開（公告）號: CN114627501A
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 李偉強;施健;王一科;賈林;涂靜一;張靜
• 申請（專利權）人: 深圳中智永浩機器人有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06N3/08;G06K9/62;G06V10/80;G06V10/82;G06V10/774
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 李燕娥

本發明實施例公開了移動目標檢測方法、裝置、計算機設備及存儲介質。所述方法包括：獲取來自雙目攝像機的圖像；對所述圖像進行融合，以得到融合圖像；將所述融合圖像輸入至部署在Jetson Nano開發板上的雙階段檢測模型內進行人體目標檢測以及著裝信息檢測，以得到檢測結果；對所述檢測結果進行處理，以得到處理結果；發送所述處理結果至機器人系統，以供機器人系統進行目標規避。通過實施本發明實施例的方法可實現滿足移動機器人實時檢測移動目標的需求，準確率高，且可對人體細節進行識別，資源消耗低。

技術領域

本發明涉及機器人，更具體地說是指移動目標檢測方法、裝置、計算機設備及存儲介質。

背景技術

21世紀以來，隨著機器人技術的不斷成熟，機器人技術得到了更廣泛應用。從工業機器人發展到服務型機器人，機器人逐漸走入了人們的日常生活當中，給我們帶來了諸多方便。如清潔、導游、自助服務等。隨著人類物質生活水平的提高及精神生活的日益豐富，未來機器人將跟人類更密切的聯系在一起。2006年，杰弗里·辛頓以及他的學生魯斯蘭·薩拉赫丁諾夫正式提出了深度學習的概念。隨著科學技術的日益增長，過去只能存在于理論的深度學習技術得以實現，并在各個領域特別是圖像領域取得巨大成功。

傳統的移動機器人在人體目標檢測方面普遍存在檢測精度低、泛化能力差、計算機資源消耗大和無法滿足實時檢測需要等問題，并且需要人工構造特征，人力資源消耗大，并且無法對人體的著裝細節等方面識別，只能對人體的大概輪廓進行表述。

因此，有必要設計一種新的方法，實現滿足移動機器人實時檢測移動目標的需求，準確率高，且可對人體細節進行識別，資源消耗低。

發明內容

本發明的目的在于克服現有技術的缺陷，提供移動目標檢測方法、裝置、計算機設備及存儲介質。

為實現上述目的，本發明采用以下技術方案：移動目標檢測方法，包括：

獲取來自雙目攝像機的圖像；

對所述圖像進行融合，以得到融合圖像；

將所述融合圖像輸入至部署在Jetson Nano開發板上的雙階段檢測模型內進行人體目標檢測以及著裝信息檢測，以得到檢測結果；

對所述檢測結果進行處理，以得到處理結果；

發送所述處理結果至機器人系統，以供機器人系統進行目標規避。

其進一步技術方案為：所述對所述圖像進行融合，以得到融合圖像，包括：

通過RGBD視覺融合算法對所述圖像進行融合，以得到融合圖像。

其進一步技術方案為：所述雙階段檢測模型包括用于檢測人體目標在融合圖像中的位置和形狀的目標檢測網絡以及用于分類人體的著裝外表信息的分類網絡。

其進一步技術方案為：所述目標檢測網絡是通過帶有人體位置和形狀標簽的由移動機器人移動采集和公開的人體數據集經過清洗后的數據集訓練深度學習網絡所得的。

其進一步技術方案為：所述分類網絡是通過對所述目標網絡檢測得到的圖片進行人體的著裝外表信息標注后形成的樣本集在GTX3090顯卡上訓練深度學習網絡所得的。

其進一步技術方案為：所述圖像包括彩色圖像以及深度圖像。

其進一步技術方案為：所述對所述檢測結果進行處理，以得到處理結果，包括：

根據所述檢測結果以及深度圖像進行對人體目標進行建模，以確定人體目標距離和表面信息，以得到處理結果。

本發明還提供了移動目標檢測裝置，包括：

圖像獲取單元，用于獲取來自雙目攝像機的圖像；

融合單元，用于對所述圖像進行融合，以得到融合圖像；