基于运动信息的行人识别方法、介质、终端和装置制造方法及图纸

本发明专利技术公开一种基于运动信息的行人识别方法、介质、终端和装置，方法包括以下步骤：对当前时刻的点云数据和过去多个时刻的点云数据进行融合，生成环境信息中的物体运动信息；采用预先训练好的深度卷积神经网络模型对所述物体运动信息进行目标检测，输出环境信息中行人的位置。本发明专利技术针对激光点云图的天然缺陷，对历史时刻的运动信息和当前时刻的形状信息进行叠加，从而有效过滤形状类似人腿但保持静止的柱状物的干扰，提高了行人检测的准确性，为机器人的后续导航避障、运动行为以及交互行为等提供了更准确的指导，提高了机器人的运动效率和服务质量。

【技术实现步骤摘要】
基于运动信息的行人识别方法、介质、终端和装置
本专利技术涉及智能机器人领域，尤其涉及一种基于运动信息的行人识别方法、介质、终端和装置。
技术介绍
机器人或无人车在移动过程中，往往需要利用激光雷达扫描周围环境，得到周围环境的点云图，从而实现对周围物体的感知。激光点云图通常可用来指导机器人导航过程中的路径规划和运动策略，例如避障等。由于激光雷达原理是通过发射激光遇到障碍物后返回障碍物的距离值，因此激光点云图中的物体缺少物体类别的信息，同时由于在激光雷达扫描得到的点云图中，行人经过俯视投影后以两个弧形的人腿方式呈现，这种弧形人腿与环境中形状类似的柱状物，例如桌腿、栏杆、椅子腿等难以区分，仅靠单帧点云图易把这种柱状物误识别为人腿，从而造成行人误检，影响后续对机器人导航避障以及交互行为进行设计。
技术实现思路
本专利技术提供了一种基于运动信息的行人识别方法、介质、终端和装置，解决了以上所述的技术问题。本专利技术解决上述技术问题的技术方案如下：一种基于运动信息的行人识别方法，包括以下步骤：步骤1，对当前时刻的本文档来自技高网...

【技术保护点】
1.一种基于运动信息的行人识别方法，其特征在于，包括以下步骤：/n步骤1，对当前时刻的点云数据和过去多个时刻的点云数据进行融合，生成环境信息中的物体运动信息；/n步骤2，采用预先训练好的深度卷积神经网络模型对所述物体运动信息进行目标检测，输出所述环境信息中行人的位置。/n

【技术特征摘要】
1.一种基于运动信息的行人识别方法，其特征在于，包括以下步骤：
步骤1，对当前时刻的点云数据和过去多个时刻的点云数据进行融合，生成环境信息中的物体运动信息；
步骤2，采用预先训练好的深度卷积神经网络模型对所述物体运动信息进行目标检测，输出所述环境信息中行人的位置。


2.根据权利要求1所述基于运动信息的行人识别方法，其特征在于，所述对当前时刻的点云数据和过去多个时刻的点云数据进行融合包括以下步骤：
步骤101，根据对应时间长度内机器人本体的相对位移将过去N个时刻的点云数据分别映射到当前时刻的机器人坐标系，所述N≥2；
步骤102，将当前时刻的点云数据和经坐标映射后的N帧点云数据进行相叠，生成包括所述物体运动信息的N+1维张量；或者将当前时刻的点云数据与经坐标映射后的N帧点云数据分别相减，得到全部时刻的N帧点云差图，然后把所述当前时刻的点云数据和所述N帧点云差图进行相叠，生成包括所述物体运动信息的N+1维张量。


3.根据权利要求2所述基于运动信息的行人识别方法，其特征在于，所述根据对应时间长度内机器人本体的相对位移将过去N个时刻的点云数据分别映射到当前时刻的机器人坐标系所采用的坐标变换公式为：
x′＝(x-Δx)cosΔθ-(y-Δy)sinΔθ，
y′＝(x-Δx)sinΔθ+(y-Δy1)cosΔθ，
其中，x、y为过去时刻对应点云数据中激光点的坐标，Δx、Δy、Δθ为过去时刻到当前时刻机器人本体的相对位移，x′、y′为所述激光点在当前时刻的机器人坐标系的位置。


4.根据权利要求3所述基于运动信息的行人识别方法，其特征在于，所述步骤2具体为：将所述N+1维张量输入预先训练好的YOLO神经网络模型、SSD神经网络模型或FCOS神经网络模型进行目标检测，输出所述环境信息中行人的位置。


5.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1-4任一所述基于运动信息的行人识别方法。

【专利技术属性】
技术研发人员：揭择群，
申请(专利权)人：上海有个机器人有限公司，
类型：发明
国别省市：上海;31