CN118990480B 一种人形机器人的目标识别和定位方法及系统 （北京中联国成科技有限公司）

一种人形机器人的目标识别和定位方法及本发明公开了一种人形机器人的目标识别用基于方向梯度的图像特征提取和支持向量机能够完成目标识别定位以及人形机器人自身定2使用基于方向梯度的图像特征提取和支持向量机分类器对识别目标进行初步检测和使用基于步态检测的位置算法，进行人形机器人的定位，获得所述使用基于方向梯度的图像特征提取和支持向量机分类器对识别目标进行初步检建立方向梯度特征提取模型，将所述输入图像作为所述方向梯度特征提取模型的输收集包含识别目标的图像作为样本，对每个所述样本分别标注设计支持向量机分类器，使用所述数据集训练所述支持向量机分类器所述建立方向梯度特征提取模型，将所述输入图像作为所述方向梯所述输入层接收经过灰度化处理和归一化处理的所述输入图像，算得到表示边缘强度的梯度幅值表示边缘方向的梯度方向所述特征向量拼接层将每个相邻的所述细胞单元的所述梯度方向的直方图向量依次3所述归一化层对拼接后的所述成块特征向量进行归一化处理，得到所述设计支持向量机分类器，使用所述数据集训练所述支持向量机分构建多类支持向量机分类器，为每对类别训练一个支持向量机分对每类所述支持向量机分类器进行训练，通过优化算法调整损失函数将一张所述输入图像提取的所述方向梯度特征向量作为输入，分所述使用随机采样滤波算法对所述识别目标进所述识别目标的初始位置为(X0,Y0,Z0)，在所述识别目标的初始位置处定义初始搜索对输入图像集合中的每一帧，计算在三维颜色空间中的颜色直方图的分布Xttt为所述识别目标在当前帧中的位移，更新所述输入图像集合中的每一帧的所述识别目标的位置，得到所对人形机器人配备两个单目相机，分别安装在不同高度，两个所述单目42为所述第二单目相机的焦距；计算得到所述待识别目标在两个所述单目相机的平面图像中的垂直视差所述人形机器人躯干绕Z轴的角度变化量，s为所述人形机器人每次步态循环所跨越的步5zzUS融合所述IMU测量单元测量值和所述超声波传感器测量值，获得所述传感器融合测量IMUUSsUSsIMU2US1和w2为权重系数。建立方向梯度特征提取模型，将所述输入图像作为所述方向梯度特征提取模型的输收集包含识别目标的图像作为样本，对每个所述样本分别标注设计支持向量机分类器，使用所述数据集训练所述支持向量机分类器6所述建立方向梯度特征提取模型，将所述输入图像作为所述方向梯所述输入层接收经过灰度化处理和归一化处理的所述输入图像，算得到表示边缘强度的梯度幅值表示边缘方向的梯度方向所述特征向量拼接层将每个相邻的所述细胞单元的所述梯度方向的直方图向量依次所述归一化层对拼接后的所述成块特征向量进行归一化处理，得到所述设计支持向量机分类器，使用所述数据集训练所述支持向量机分构建多类支持向量机分类器，为每对类别训练一个支持向量机分对每类所述支持向量机分类器进行训练，通过优化算法调整损失函数将一张所述输入图像提取的所述方向梯度特征向量作为输入，分所述识别目标的初始位置为(X0,Y0,Z0)，在所述识别目标的初始位置处定义初始搜索7对输入图像集合中的每一帧，计算在三维颜色空间中的颜色直方图的分布Xttt为所述识别目标在当前帧中的位移，更新所述输入图像集合中的每一帧的所述识别目标的位置，得到所8觉传感器在机器人对外部环境的感知中也起到了同样重要的作用，随着机器人技术的发[0005]根据定位方法的不同，传统定位和视觉定位又可以9[0011]使用基于方向梯度的图像特征提取和支持向量机分类器对识别目标进行初步检[0019]对于所述第二单目相机，建立所述待识别目标的第二平面像素坐标与[0020]计算得到所述待识别目标在两个所述单目相机的平面图像中的垂直视差。[0027]收集包含识别目标的图像作为样本，对每个所述样本分[0029]其技术效果在于：本发明通过方向梯度特征提取能够充分考虑图像边缘方向信[0033]所述梯度计算层对于所述输入图像中的每个像素，计算在x方向上的水平梯度j)-Im(i-l,)，计算得到表示边缘强度的梯度幅值，表示边缘方向的梯度方向。[0035]所述特征向量拼接层将每个相邻的所述细胞单元的所述梯度方向的直方图向量[0045]对输入图像集合中的每一帧，计算在三维颜色空间中的颜色直方图的分布c。杂环境中的导航与操作提供了准确的空间位置信息。本发明的随机采样滤波算法计算简所述人形机器人的左腿在行走过程中的关节角度为，右腿在行走过程中的关节角度应用；通过融合多种传感器信息进行轨迹校正，有效减少了步态检测和IMU检测带来的误[0055]根据所述人形机器人当前位置和当前时刻t的运动速度ic[0058]计算卡尔曼增益，其中，R()为测量噪声协方差矩[0062]获取所述人形机器人的IMU测量单元在t时刻的加速度(a,o),a,(0),a:⃞))，计算得到所述人形机器人的速度为[0076]本发明将步态检测算法与IMU数据相结合，实现对人形机器人在三维环境中的定机的图像平面上的像素坐标为R(x,x)，在第二单目相机的图像平面上的像素坐标为平面像素坐标与实际三维坐标(X,Y,Z)的几何关系其基于方向梯度的图像特征提取和支持向量机分类器对识别目标进行初步检测和分类包括：[0086]其技术效果在于：本发明通过方向梯度特征提取能够充分考虑图像边缘方向信过灰度化处理和归一化处理的所述输入图像，其中，所述输入图像中的每个像素表示为Ima(i,j)；所述梯度计算层对于所述输入图像中的每个像素，计算在x方向上的水平梯度j)-Im(i-l,)，计算得到表示边缘强度的梯度幅值，表示边缘方向的梯度方,得到所述细胞单元的梯度方向的直方图向量H=[H,H3…H…Hl；所述特征向量拼接层将每个相邻的所述细胞单元的所述梯度方向的直方图向量依次拼接，所述成块特征向量为36维；所述归一化层对拼接后的所述成块特征向量进行归一化处理，1)/2个分类器，其中J是所述识别目标的类别数量；对每类所述支持向量机分类器进行训类训练后的所述支持向量机分类器，每类所述支持向量机分类器分别输出一个类别标签，合中的每一帧的所述识别目标的位置，得到所述识别目标在跟踪过程中的三维轨迹。杂环境中的导航与操作提供了准确的空间位置信息。本发明的随机采样滤波算法计算简(t)，1为应用；通过融合多种传感器信息进行轨迹校正，有效减少了步态检测和IMU检测带来的误在下一个时刻t+At的位置。[0097]在本发明较佳的实施例中，上述人形机器人的目标识别和定位方法中，所述传感器融合测量值的获取方法包括：获取所述人形机器人的IMU测量单元在t时刻的加速度(a,(),a,0),a:r)，计算得到所述人形机器人的速度为r:(XA0)-v,(0)+a,(0)-Ar，置为为声波从发射到接收的时间，所述超声波传感器位于所述人形机器人的正前方，与所述人形机器人的位置有固定偏移量(ax,.dx,AZ,)