机器人的摄像机构自检方法、电子设备及存储介质技术

本申请是关于一种机器人的摄像机构自检方法、电子设备及存储介质，通过采集预设场景下的摄像机构被遮挡时的图像，并对图像进行预处理，形成训练集；构建摄像机构自检网络模型，摄像机构自检网络模型包括多层感知单元；采用训练集的图像对摄像机构自检网络模型进行训练，优化摄像机构自检网络模型的网络参数，以此采用基于神经网络算法的机器人摄像头遮挡自检策略，同时采用卷积模块与多层感知机结合的方式，简化遮挡检测模块的计算复杂度，并结合业务场景特点，动态调用遮挡自检模块，节约机器人资源。

【技术实现步骤摘要】
机器人的摄像机构自检方法、电子设备及存储介质
本申请涉及人工智能
，尤其涉及一种机器人的摄像机构自检方法、电子设备及存储介质。
技术介绍
机器人在写字楼等室内环境移动时，依赖摄像头对前方识别感知环境状况，从而作出运动规划决策。在机器人日常运营过程中，机器人镜头存在人为或非人为的异常遮挡的情况，如午高峰时期机器人挤电梯时，行人的衣服会紧贴在机器人的镜头上，同时也会存在部分用户用手或者手机等方式试探性遮挡机器人的镜头。此时机器人的视觉感知系统将不能工作，机器人本身对摄像头遮挡的情况无感，因而机器人的运动规划也会受到影响。
技术实现思路
为克服相关技术中存在的问题，本申请提供一种机器人的摄像机构自检方法、电子设备及存储介质，旨在提供一种机器人能够自我检查前置摄像头异常遮挡的功能，使得当机器人镜头被遮挡时，所述机器人能够上报报错，并在周围广播提醒行人不要干扰机器人工作。本申请解决上述技术问题的技术方案如下：一种机器人的摄像机构自检方法，其包括以下步骤：步骤1，采集预设场景下的摄像机构被遮挡时的图像，并对所述图像进行预处本文档来自技高网...

【技术保护点】
1.一种机器人的摄像机构自检方法，其特征在于，包括以下步骤：/n步骤1，采集预设场景下的摄像机构被遮挡时的图像，并对所述图像进行预处理，形成训练集；/n步骤2，构建摄像机构自检网络模型，所述摄像机构自检网络模型包括多层感知单元；/n步骤3，采用所述训练集的图像对所述摄像机构自检网络模型进行训练，优化所述摄像机构自检网络模型的网络参数。/n

【技术特征摘要】
1.一种机器人的摄像机构自检方法，其特征在于，包括以下步骤：
步骤1，采集预设场景下的摄像机构被遮挡时的图像，并对所述图像进行预处理，形成训练集；
步骤2，构建摄像机构自检网络模型，所述摄像机构自检网络模型包括多层感知单元；
步骤3，采用所述训练集的图像对所述摄像机构自检网络模型进行训练，优化所述摄像机构自检网络模型的网络参数。


2.根据权利要求1所述的机器人的摄像机构自检方法，其特征在于，采集预设场景下的摄像机构被遮挡时的图像，并对所述图像进行预处理，形成训练集具体包括：
通过图片直方图的方式对所述图像进行预处理，得到所述图像的像素值；
将所述图像的像素值转化为十进制的数值区间0～255；
统计所述图像的像素值在数值区间0～255的概率分布p(i)，得到所述图像的直方图概率分布p(i)函数。


3.根据权利要求2所述的机器人的摄像机构自检方法，其特征在于，所述图像的直方图概率分布p(i)函数为：



其中，W为图像的宽度，H为图像的高度。


4.根据权利要求3所述的机器人的摄像机构自检方法，其特征在于，通过所述摄像机构自检网络模型对所述图像的直方图概率分布p(i)进行256维的特征向量计算，在所述多层感知单元上增加一维卷积层，一维卷积层定义为：



其中K为卷积核的参数，p为所述图像的直方图概率分布，y为64维的特征向量。


5.根据权利要求4所述的机器人的摄像机构自检方法，其特征在于，在所述摄像机构自检网络模型中，所述多层感知单元设有三层感知机，所述多层感知单元的隐藏层连接数为16，所述多层感知单元定位为：
z＝σ16→1(σ64→16(y(i)))；
其中z为多层感知单元的输出。


6.根据权利要求5所述的机器人的摄像机构自检方法，其特征在于，通...

【专利技术属性】
技术研发人员：秦豪，赵明，
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