一种基于机器视觉的室内目标物识别和测距方法技术

本发明专利技术涉及一种基于机器视觉的室内目标物识别和测距方法，涉及机器人视觉技术领域，包括以下步骤：利用相机获取深度图和点云图，YOLO算法识别物体，YOLO算法生成的物体边界框，对应生成深度图中的边界框，对深度图中的深度值进行去重并得到坐标，匹配边界框中点云与深度坐标，通过几何测距得到机器人与目标物体的距离。其优点在于：使用机器学习中的物体识别和RGB

【技术实现步骤摘要】
一种基于机器视觉的室内目标物识别和测距方法


[0001]本专利技术涉及机器人视觉
，更具体地说，涉及一种基于机器视觉的室内目标物识别和测距方法。

技术介绍

[0002]随着社会的发展，各种类型的机器人已逐渐应用到社会的各行各业.尤其是近些年来计算机视觉技术带来的巨大变化，视觉技术在机器人行业的应用也越来越普遍.服务机器人在室内场景中完成对给定目标的识别和测距，进而达到机器人对场景理解的目的是服务机器人应用中的重要环节之一。
[0003]如果仅仅用于避障目的，目前主要使用的方法有超声波测距、红外测距、激光测距和双目立体视觉测距法等。
[0004]但是，现有技术中没有解决物体识别和测距同时实时进行，使用单目摄像头测距精度较差。
[0005]前面的叙述在于提供一般的背景信息，并不一定构成现有技术。

技术实现思路

[0006]本专利技术的目的在于提供一种基于机器视觉的室内目标物识别和测距方法，不仅能得到识别对象的位置，还可得出被识别对象的具体名称，有助于改善机器人的场景理解能力。
>[0007]本专利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的室内目标物识别和测距方法，其特征在于，包括以下步骤：S1：利用相机获取深度图和点云图，并进入S2步骤；S2：YOLO算法识别物体，并进入S3步骤；S3：YOLO算法生成的物体边界框，并进入S4步骤；S4：对应生成深度图中的边界框，并进入S5步骤；S5：对深度图中的深度值进行去重并得到坐标，并进入S6步骤；S6：匹配边界框中点云与深度坐标，并进入S7步骤；S7：通过几何测距得到机器人与目标物体的距离。2.根据权利要求1所述的基于机器视觉的室内目标物识别和测距方法，其特征在于，步骤S1中的相机为RGB
‑
D相机。3.根据权利要求1所述的基于机器视觉的室内目标物识别和测距方法，其特征在于，步骤S2中的物体识别采用YOLOV4模块。4.根据权利要求3所述的基于机器视觉的室内目标物识别和测距方法，其特征在于，步骤S2中的物体识别还包括在主机端搭建darknet框架。5.根据权利要求4所述的基于机器视觉的室内目标物识别和测距方法，其特征在于，所述主机端搭建darknet框架包括以下步骤：对具体物体数据集进行标注后进行kmeans聚类；使用YOLOV4模型对特定物体数据集进行训练，损失值降到最低时结束；将训练好的YOLOV4权重文件替换进行目标识。6.根据权利要求1所述的基于机器视觉的室内目标物识别和测...

【专利技术属性】
技术研发人员：许召辉，王宏程，范光宇，
申请(专利权)人：中航华东光电上海有限公司，
类型：发明
国别省市：