一种基于激光技术的人腿检测方法技术

本发明专利技术提供了一种基于激光技术的人腿检测方法，包括：基于激光雷达采集待检测人腿的激光数据；将激光数据读入训练好的随机森林分类器，对激光数据进行预分类，获得分类评分；当分类评分大于预设评分时，判定待检测人腿为真人腿；否则，判定待检测人腿为非人腿。采用激光雷达与随机森林分类器的结合，来对激光数据进行分类，便于实现对人腿的有效检测。便于实现对人腿的有效检测。便于实现对人腿的有效检测。

【技术实现步骤摘要】
一种基于激光技术的人腿检测方法


[0001]本专利技术涉及机器人
，特别涉及一种基于激光技术的人腿检测方法。

技术介绍

[0002]随着人工智能技术的快速发展，近年来各个领域及行业中，越来越多的人工智能技术及产品得以落地，机器人的发展无疑也受益于这些人工智能技术，有了这些技术的加持，机器人变的越来越智能和实用。
[0003]服务机器人是机器人领域中较为年轻的一员，但发展势头强劲，具有广阔的市场。服务机器人由于其“服务”的特质，需要其具备良好的对“服务对象”的感知能力及抽象能力，才能具象化地提供针对性及差异化的服务。对于此，大部分的解决方案是通过视觉相关技术如人脸检测，人体检测，人脸识别，情绪识别，行为识别等相关技术来实现对人的动态感知及分析，而视觉相关技术的关键在于摄像头，由于摄像头的视角有限，不能覆盖所有应用场景，对于超出摄像头视野范围而人脸检测及人体检测都发挥不了作用的场景：比如，背对摄像头且距离摄像头较近，身高比较矮在摄像头下盲区内，身高比较高在摄像头下只能拍摄到部分身体区域等，为了在不改变机器人结构及增加其他硬件的前提下，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于激光技术的人腿检测方法，其特征在于，包括：基于激光雷达采集待检测人腿的激光数据；将所述激光数据读入训练好的随机森林分类器，对所述激光数据进行预分类，获得分类评分；当所述分类评分大于预设评分时，判定所述待检测人腿为真人腿；否则，判定所述待检测人腿为非人腿。2.如权利要求1所述的人腿检测方法，其特征在于，训练好的随机森林分类器的获取步骤包括：基于激光雷达采集历史人腿的人腿数据，并对所述人腿数据进行预处理，获得训练及测试数据集；对获取的训练及测试数据集进行特征提取，基于特征提取结果，训练随机森林分类器，进而获得训练好的随机森林分类器；其中，所述历史人腿包括：真人腿样本和非人腿样本。3.如权利要求2所述的人腿检测方法，其特征在于，对获取的训练及测试数据集进行特征提取的步骤包括：预设所述训练及测试数据集中对应的激光数据的激光点簇数据为：(x1,y1),(x2,y2),
…
,(xn,yn)；其中，(xi,yi)表示二维地图平面上激光点的位置坐标，i∈[1,n]表示第i个激光点；计算所述激光点簇数据的均值(X
mean
,Y
mean
)；提取所述激光点簇数据对应的所有激光点簇的x值，并按照从小到大进行排序得X(x1,x2
…
xn)；提取所述激光点簇数据对应的所有激光点簇的y值，并按照从小到大进行排序得Y(y1,y2
…
yn)；根据如下公式计算得到所述激光点簇数据的中位数(X
median
,Y
median
)；计算所述激光点簇数据的标准差δ(u)和平均中位数标准差δ(m)；计算所述激光点簇数据的标准差δ(u)和平均中位数标准差δ(m)；计算所述激光点簇数据对应的激光点簇的跨越宽度；计算所述激光点簇数据的线性度，其计算步骤包括：创建n行2列的矩阵A：
对所述矩阵A进行奇异值分解：A
n*2
＝U
n*2
∑
2*2
V
2*2*
，可得奇异矩阵U
n*2
、∑
2*2
和V
2*2
；其中，U为n*2的酉矩阵，∑为半正定的2*2的对角矩阵，V
*
为V的共轭转置，为2*2的酉矩阵；将U右乘∑得到矩阵根据矩阵R可计算线性度linearity：linearity＝r
012
+r
112
+
…
+r
(n
‑
1)12
；计算所述激光点簇数据的圆形度，其计算步骤如下：创建矩阵创建矩阵其中，A
n*3
*Sol
3*1
＝B
n*1
；用奇异值分解法求解线性方程，可得矩阵根据求解结果可得拟合圆形的圆心：(xc,yc)＝(Sol
00
,Sol
10
)，其中，(xc,yc)表示拟合圆形的圆心；根据求解结果可得拟合圆形的半径：根据圆心和半径进行圆形度circularity计算：根据上述计算结果，实现对所述训练及测试数据集的特征提取。4.如权利要求1所述的人腿检测方法，其特征在于，对所述激光数据进行预分类之前，还包括：按照激光距离规则，对采集的激光数据进行激光距离分割，获得若干数据层；所述训练好的随机森林分类器是基于对训练及测试数据集进行距离分割训练得到的；当所述训练好的随机森林分类器对所述数据层进行预分类之前，根据所述激光数据对应的数据层，确定所述训练好的随机分类器对应的层模型，通过所述层模型对对应的数据层进行识别。5.如权利要求1所述的人腿检测方法，其特征在于，基于激光雷达采集待检测人腿的激光数据的步骤包括：确定所述待检测人腿的待检测位置；获取所述激光雷达的发射器的发射角度以及发射范围，并根据所述待检测位置调整所述激光雷达的发射角度以及发射范围；
采集基于调整后的激光雷达的聚焦光斑，同时，采集基于调整后的激光雷达的入射光斑，将所述聚焦光斑与所述入射光斑进行调节重合；基于调节重合后的激光雷达，获取每个激光通道采集的激光信息，对每个激光通道的所述激光信息进行归一化处理，并建立每个激光通道的激光函数；将基于调节重合后的每个激光通道的激光信息反射到所述待检测人腿上，同时，基于所述激光扫描库，获取反射信息，并构建每个激光通道对应的反射激光库；将基于调节重合后的每个激光通道的激光信息反射到所述待检测人腿上，获取反射信息，并构建每个激光通道对应的反射激光库；根据所述反射激光库，获取所述待检测人腿的激光数据；其中，所述激光扫描库与所述反射激光库呈现之间一一对应关系。6.如权利要求1所述的人腿检测方法，其特征在于，将激光数据读入训练好的随机森林分类器，对所述激光数据进行预分类，获得分类评分的步骤包括：对激光数据进行预处理，基于预处理结果，将符合预设条件的激光点分成不同的激光簇，并对所述激光簇进行特征提取，获得若干个特征信息；将若干个特征信息读入到所述训练好的随机森林分类器中，对若干个特征信息进行预分类；根据预分类结果，实现对所述激光数据的分类，进而获取分类评分。7.如权利要求1...

【专利技术属性】
技术研发人员：孙龙建，韩庆东，唐玉敏，刘忠轩，
申请(专利权)人：北京睿思奥图智能科技有限公司，
类型：发明
国别省市：