【技术实现步骤摘要】
一种动作模仿方法、装置、终端及计算机存储介质
本申请属于计算机应用
,尤其涉及一种动作模仿方法、装置、终端及计算机存储介质。
技术介绍
当前人形机器人在实现对人类的动作的模仿过程中,主要通过在特定场所布置多视角的相机,并让待模仿对象穿上带有光感元件的设备,并且,将光感元件放置在人体的关节等重要位置,然后通过多视角的相机捕捉光感元件并进行多视角融合来准确定位人体的各个关节,从而获取待模仿对象做出的动作,进行相应的动作模仿。然而,这种动作模仿方式不仅需要待模仿对象穿上带有光感元件的设备,而且还容易受到环境的限制,在室外环境中有可能无法正常工作。
技术实现思路
有鉴于此,本申请实施例提供了一种动作模仿方法、装置、终端及计算机存储介质,能够使得机器人执行动作模仿任务时不受环境的限制,同时,待模仿对象也不需要穿上带有光感元件的设备。本申请实施例的第一方面提供了一种动作模仿方法,包括:实时采集待模仿对象的二维图像;获取所述待模仿对象的各个关节特征点在所述二维图像中的二维坐标以及各个关节特征点之间的配对关系;利用预先训练好的第一神经网络模型将所述待模仿对象的关节特征点在所述二维图像中的二维坐标转换为所述待模仿对象的关节特征点对应的空间三维坐标,并根据所述待模仿对象的关节特征点对应的空间三维坐标以及各个关节特征点之间的配对关系生成所述机器人的动作控制指令,所述动作控制指令用于控制所述机器人模仿所述待模仿对象的动作。本申请实施例的第二方面提供了动作模仿装置,配置 ...
【技术保护点】
1.一种动作模仿方法,应用于机器人,其特征在于,所述动作模仿方法包括:/n实时采集待模仿对象的二维图像;/n获取所述待模仿对象的各个关节特征点在所述二维图像中的二维坐标以及各个关节特征点之间的配对关系;/n利用预先训练好的第一神经网络模型将所述待模仿对象的关节特征点在所述二维图像中的二维坐标转换为所述待模仿对象的关节特征点对应的空间三维坐标,并根据所述待模仿对象的关节特征点对应的空间三维坐标以及各个关节特征点之间的配对关系生成所述机器人的动作控制指令,所述动作控制指令用于控制所述机器人模仿所述待模仿对象的动作。/n
【技术特征摘要】
1.一种动作模仿方法,应用于机器人,其特征在于,所述动作模仿方法包括:
实时采集待模仿对象的二维图像;
获取所述待模仿对象的各个关节特征点在所述二维图像中的二维坐标以及各个关节特征点之间的配对关系;
利用预先训练好的第一神经网络模型将所述待模仿对象的关节特征点在所述二维图像中的二维坐标转换为所述待模仿对象的关节特征点对应的空间三维坐标,并根据所述待模仿对象的关节特征点对应的空间三维坐标以及各个关节特征点之间的配对关系生成所述机器人的动作控制指令,所述动作控制指令用于控制所述机器人模仿所述待模仿对象的动作。
2.如权利要求1所述的动作模仿方法,其特征在于,所述获取所述待模仿对象的各个关节特征点在所述二维图像中的二维坐标以及各个关节特征点之间的配对关系,包括:
将所述二维图像输入预先训练好的第二神经网络模型,由所述第二神经网络模型输出所述待模仿对象的关节特征点在所述二维图像中的二维坐标,以及各个关节特征点之间的配对关系。
3.如权利要求2所述的动作模仿方法,其特征在于,所述第二神经网络模型的训练包括:
获取第一样本二维图像,以及预先标记好的样本待模仿对象的各个关节特征点在所述第一样本二维图像中的第一样本二维坐标和预先标记好的所述样本待模仿对象的各个关节特征点之间的第一配对关系;
将所述第一样本二维图像输入待训练的第二神经网络模型,并由所述待训练的第二神经网络模型输出所述样本待模仿对象的各个关节特征点在所述样本二维图像中的第二样本二维坐标,以及所述样本待模仿对象的各个关节特征点之间的第二配对关系;
根据所述第一配对关系以及所述第二配对关系确定与所述第一样本二维坐标匹配的第二样本二维坐标;
计算所述第一样本二维坐标与所述第二样本二维坐标的第一损失函数值,并在第一损失函数值小于第一阈值,且变化率小于第二阈值时,得到所述训练好的第二神经网络模型。
4.如权利要求1所述的动作模仿方法,其特征在于,所述第一神经网络模型的训练,包括:
获取预先标记的第二样本二维图像中样本待模仿对象的各个关节特征点的第三样本二维坐标,以及预先确定的所述第三样本二维坐标对应的第一样本三维坐标;
将所述第二样本二维图像中样本待模仿对象的各个关节特征点的第三样本二维坐标输入待训练的第一神经网络模型,并由所述待训练的第一神经网络模型输出所述第三样本二维坐标对应的第二样本三维坐标;
计算所述待训练的第一神经网络模型输出的所述第二样本三维坐标与所述第一样本三维坐标的第二损失函数值,并在所述第二损失函数值小于第三阈值,且变化率小于第四阈值时,得到所述训练好的第一神经网络模型。
5.如权利要求1所述的动作模仿方法,其特征在于,所述利用预先训练好的第一神经网络模型将所述待模仿对象的关节特征点在所述...
【专利技术属性】
技术研发人员:郭渺辰,张惊涛,王东,胡淑萍,庞建新,熊友军,
申请(专利权)人:深圳市优必选科技股份有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。