3D人腿识别方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了3D人腿识别方法、装置、计算机设备及存储介质。所述方法包括：获取深度相机拍摄的机器人周围的图像，以得到3D点云数据；对所述3D点云数据进行处理，以得到处理结果；将所述处理结果输入至人腿点云分类器内进行分类，以得到人腿3D点云数据；对所述人腿3D点云数据进行处理，以得到点云簇特征以及特征描述子；使用最近邻算法进行特征描述子的匹配，以得到匹配结果；将所述匹配结果转换为2D伪激光雷达数据；确定2D伪激光雷达数据的坐标信息，以得到人体的位置信息；发送所述位置信息，以驱动机器人避开人体。通过实施本发明专利技术实施例的方法可现提高人腿识别的准确率。实施例的方法可现提高人腿识别的准确率。实施例的方法可现提高人腿识别的准确率。

【技术实现步骤摘要】
3D人腿识别方法、装置、计算机设备及存储介质


[0001]本专利技术涉及人腿识别方法，更具体地说是指3D人腿识别方法、装置、计算机设备及存储介质。

技术介绍

[0002]AI在不断的发展，机器人也越来越多的活跃在各种和人类密切相关的场景之中，例如送餐机器人、医疗机器人、配送机器人等等，机器人和人类的交互也变得越来越多。
[0003]为了让机器人和人类交互顺利的进行，需要让机器人可以精准的感知到人类的存在，并且得到准确的位置。目前绝大多数机器人使用的是2d激光雷达，通过获得平面上的激光雷达点云数据进行人腿识别，但是这种方法受限于2d激光雷达点云数据信息不足的缺陷，从而使人腿识别的误识率和漏识率远高于其它方法。在实际使用的场景中，机器人往往会把柱子、桌子腿等和人腿近似的物体识别成人腿，造成算法场景失效的情况，这种情况会让机器人和人类的交互变得困难，也阻碍机器人技术进一步的发展。
[0004]因此，有必要设计一种新的方法，实现提高人腿识别的准确率。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的缺陷，提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.3D人腿识别方法，其特征在于，包括：获取深度相机拍摄的机器人周围的图像，以得到3D点云数据；对所述3D点云数据进行处理，以得到处理结果；将所述处理结果输入至人腿点云分类器内进行分类，以得到人腿3D点云数据；对所述人腿3D点云数据进行处理，以得到点云簇特征以及特征描述子；使用最近邻算法进行特征描述子的匹配，以得到匹配结果；将所述匹配结果转换为2D伪激光雷达数据；确定2D伪激光雷达数据的坐标信息，以得到人体的位置信息；发送所述位置信息，以驱动机器人避开人体。2.根据权利要求1所述的3D人腿识别方法，其特征在于，所述对所述3D点云数据进行处理，以得到处理结果，包括：对所述3D点云数据进行降噪、滤波、法向量计算、离群点移除以及点云三角化处理，以得到处理结果。3.根据权利要求2所述的3D人腿识别方法，其特征在于，所述人腿点云分类器是通过若干个带有人腿3D点云数据标签的预处理后的3D点云数据作为样本集训练PointNet模型所得的；其中，所述PointNet模型包括两个空间变换网络、两个多层感知机以及一个最大池化层。4.根据权利要求1所述的3D人腿识别方法，其特征在于，所述对所述人腿3D点云数据进行处理，以得到点云簇特征以及特征描述子，包括：计算所述人腿3D点云数据中点与点之间的欧式距离，以得到第一欧式距离；通过RANSAC算法结合预先设置的阈值和参数根据所述人腿3D点云数据拟合直线和平面；确定所述人腿3D点云数据中的点到所述直线和平面的欧式距离，以得到第二欧式距离；根据所述第一欧式距离以及第二欧式距离将所述人腿3D点云数据分解成离散的点云簇；遍历所述点云簇，提取点云簇特征和特征描述子。5.根据权利要求4所述的3D人腿识别方法，其特征在于，所述使用最近邻算法进行特征描述子的匹配，以得到匹配结果，包括：遍历所述点云...

【专利技术属性】
技术研发人员：迟大鹏，施健，贾林，涂静一，王一科，
申请(专利权)人：深圳中智永浩机器人有限公司，
类型：发明
国别省市：