物体识别方法、物体识别装置及机器人制造方法及图纸

本申请适用于机器人技术领域，提供了物体识别方法、物体识别装置及机器人，包括：对待处理图像进行预处理，得到目标图像，所述预处理包括以下至少一种：清晰度检测、色度检测、亮度检测；若所述目标图像符合预设条件，则采用本地的物体识别算法对所述目标图像进行物体识别；输出对应的物体识别结果。通过上述方法，使得离线也能实现对物体的识别。

【技术实现步骤摘要】
物体识别方法、物体识别装置及机器人
本申请属于机器人
，尤其涉及物体识别方法、物体识别装置、机器人及计算机可读存储介质。
技术介绍
现有的物体识别算法通常是直接对图像进行识别，且部署在云端。由于直接对图像进行识别，因此容易得到误识别的结论；而且，由于物体识别算法部署在云端，会受限于网络条件，例如，当网络不好时物体识别的功能体验不好，而当无网络时更无法使用物体识别功能。故，需要提供一种新的方法，以解决上述技术问题。
技术实现思路
本申请实施例提供了物体识别方法，使得机器人离线也能对物体进行识别。第一方面，本申请实施例提供了一种物体识别方法，应用于机器人，包括：对待处理图像进行预处理，得到目标图像，所述预处理包括以下至少一种：清晰度检测、色度检测、亮度检测；若所述目标图像符合预设条件，则采用本地的物体识别算法对所述目标图像进行物体识别；输出对应的物体识别结果。第二方面，本申请实施例提供了一种物体识别装置，应用于机器人，包括：目标图像确定单元，用于对待处理图像进行预处理，得到目标图像，所述预处理包括以下至少一种：清晰度检测、色度检测、亮度检测；物体识别单元，用于若所述目标图像符合预设条件，则采用本地的物体识别算法对所述目标图像进行物体识别；物体识别结果输出单元，用于输出对应的物体识别结果。第三方面，本申请实施例提供了一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的方法。第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的方法。第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面所述的方法。本申请实施例与现有技术相比存在的有益效果是：本申请实施例中，对待处理图像进行预处理，得到目标图像，若所述目标图像符合预设条件，则采用本地的物体识别算法对所述目标图像进行物体识别，输出对应的物体识别结果。其中，预处理包括以下至少一种：清晰度检测、色度检测、亮度检测，也即，在本申请实施例中，只有通过清晰度检测、色度检测和亮度检测中的至少一种检测后的待处理图像才会被进行物体识别，由于满足上述预设条件的待处理图像的图像质量较高，因此，对通过上述检测后的待处理图像进行物体识别，能够提高得到的物体识别结果的准确度。此外，由于物体识别算法是本地的算法，因此，即使离线也能实现对物体的识别。可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。图1是本申请一实施例提供的第一种物体识别方法的流程示意图；图2是本申请一实施例提供的第二种物体识别方法的流程示意图；图3是本申请一实施例提供的目标图像有2个主体的示意图；图4是本申请一实施例提供的第三种物体识别方法的流程示意图；图5是本申请一实施例提供的一种物体识别装置的结构示意图；图6是本申请一实施例提供的机器人的结构示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。现有的物体识别算法中，通常是直接对图像进行物体识别，且部署在云端。基于机器人通常是处于运动状态，因此，运动状态的机器人拍摄得到的图像极可能是模糊的图像，若直接对机器人拍摄的图像进行识别，则很可能得到错误的识别结果。此外，运动状态的机器人也可能处于网络条件不好的环境，此时，机器人难以及时将其拍摄得到的图像上传至云端，或者，云端难以及时将得到的物体识别结果下发至机器人。无论哪一种情况，机器人都难以及时获得其拍摄得到的图像的物体识别结果。为了解决上述技术问题，本申请实施例提供了一种物体识别方法，在该物体识别方法中，将物体识别算法部署在机器人上，在机器人执行拍摄动作，得到拍摄的图像后，对该图像进行清晰度检测、色度检测和/或亮度检测等预处理，只有在预处理后的图像满足预设条件，才会采用本地的物体识别算法进行相应的物体识别。下面结合附图对本申请实施例提供的物体识别方法进行描述。图1示出了本申请实施例提供的第一种物体识别方法的流程图，该物体识别方法应用于机器人，详述如下：步骤S11，对待处理图像进行预处理，得到目标图像，预处理包括以下至少一种：清晰度检测、色度检测、亮度检测。其中，待处理图像是机器人执行拍摄动作(拍摄照片的动作或者拍摄视频流的动作)后得到的图像(后续将机器人执行拍摄动作后得到的图像记为原始图像)，或者，待处理图像为对原始图像进行一定处理后的图像。在一些实施例中，待处理图像为机器人拍摄的视频流中的一个图像帧。具体地，(1)若待处理图像为机器人拍摄的视频流中的一个图像帧，考虑到相邻图像帧通常是相似的，不相似的则为存在抖动现象，而抖动的图像通常为不清晰的图像，此时，通过以下方式对待处理图像进行清晰度检测：获取该待处理图像在视频流中的上一个图像帧，即为待比较图像。将待处理图像与待比较图像进行比较，得到待处理图像与待比较图像在每一个像素点上的像素值的差异，计算各个像素点的像素值的差异的均值，若各个像素点的像素值的差异的均值大于预设的相似度阈值，则判定该待处理图像的清晰度满足预设的清晰度条件，否则，判定该待处理图像的清晰度不满足预设的清晰度条件。(2)若待处理图像为机器人执行拍摄照片得到的一个图像，考虑到机器人拍到纯色的图像的概率非常小，而图像在某个区域存在模糊时，该区域的像素值通常很接近，此时，通过以下方式对待处理图像进行清晰度检测：通过预设窗口确本文档来自技高网...

【技术保护点】
1.一种物体识别方法，其特征在于，应用于机器人，包括：/n对待处理图像进行预处理，得到目标图像，所述预处理包括以下至少一种：清晰度检测、色度检测、亮度检测；/n若所述目标图像符合预设条件，则采用本地的物体识别算法对所述目标图像进行物体识别；/n输出对应的物体识别结果。/n

【技术特征摘要】
1.一种物体识别方法，其特征在于，应用于机器人，包括：
对待处理图像进行预处理，得到目标图像，所述预处理包括以下至少一种：清晰度检测、色度检测、亮度检测；
若所述目标图像符合预设条件，则采用本地的物体识别算法对所述目标图像进行物体识别；
输出对应的物体识别结果。


2.如权利要求1所述的物体识别方法，其特征在于，所述若所述目标图像符合预设条件，则采用本地的物体识别算法对所述目标图像进行物体识别，包括：
若所述目标图像符合预设条件，则采用本地的物体识别算法对所述目标图像进行主体检测；
若所述目标图像存在主体，则对所述主体进行物体识别。


3.如权利要求2所述的物体识别方法，其特征在于，所述若所述目标图像存在主体，则对所述主体进行物体识别，包括：
若所述目标图像存在至少2个主体，则保留距离所述目标图像的中心最近的主体；
对保留的主体进行物体识别。


4.如权利要求3所述的物体识别方法，其特征在于，所述对保留的主体进行物体识别，包括：
将保留的主体所对应的图像调整为预设大小，对大小调整后的所述保留的主体所对应的图像进行物体识别，其中，所述预设大小与所述物体识别算法所采用的训练样本大小相等。


5.如权利要求1所述的物体识别方法，其特征在于，所述若所述目标图像符合预设条件，则采用本地的物体识别算法对所述目标图像进行物体识别，包括：
若所述目标图像符合预设条件，则将所述目标图像调整为预设大小，采用本地的物体识别算法对大小调整后的所述目标图像进行物体识别，其中，所述预设大小与所述物体识别算法所采用的训练样本大小相等。


6.如权利要求1至5任一项所述的物体识别...

【专利技术属性】
技术研发人员：黄冠文，程骏，庞建新，谭欢，
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