本发明专利技术创造公开了一种基于人工智能的辅助用户至智能马桶的导盲方法及装置，包括接收来自TOF相机的初始图像；将初始图像转换成初始安全区域图像；接收来自TOF相机的实时图像；分割初始安全区域图像映射在实时图像上的部分作为实时检测区域图像；根据初始安全区域图像和实时检测区域图像生成实时安全区域模型；判断实时检测区域图像上是否有用户图像；若实时用户图像上有用户图像时，则在实时检测区域图像上分割出用户图像；将用户图像转换成用户位置；接收来自输入设备的请求信息，请求信息包括目的地位置；在实时安全区域模型上生成由用户位置至目的地位置的安全路径。用户位置至目的地位置的安全路径。用户位置至目的地位置的安全路径。
【技术实现步骤摘要】
一种基于人工智能辅助用户至智能马桶的导盲方法及装置
[0001]本专利技术创造属于机器视觉技术，特指一种基于人工智能与机器学习算法的辅助用户至智能马桶的导盲方法及装置。
[0002]
技术介绍
[0003]路径规划是机器视觉的主要研究方向之一，连接起点位置和终点位置的序列点或曲线称之为路径，构成路径的策略称之为路径规划。在很多领域具有广泛应用，例如交通工具的避障行驶、机械手的夹取轨迹的设定和用户行走的导航等等。
[0004]现阶段，视障人群容易在行走途中发生跌伤的情况，尤其是在障碍物较多、光照较差的室内场所。视障人群可以是因衰老、眼疾和先天等因素引起的视力障碍的人群。例如，老人在厕所内如厕时，由于厕所空间狭小、光线较差和障碍物随意堆放等问题，老人极易发生摔倒的问题。
[0005]为了解决视障人群的如厕问题，现有技术开发了一款视障导航系统，通过设置有摄像头的鞋进行行路指引，包括以下步骤：(1)在使用之前将分别设置于鞋底前端和鞋底前端侧面的摄像头通过电源开关开启；(2)鞋底前端的摄像头采集使用者行进方向上的图像，并将图像传送至图像处理模块；(3)图像处理模块对图像进行处理后进行图像识别，并通过处理器判断出行进方向上是否有障碍物。
[0006]然而现有技术不够完善，存在如下问题：（1）在简单的场景内，由于物体较少，现有的视障导航系统能够较为快速和准确地识别和避障，但是若在厕所内时，由于厕所内物体较多而且光线较暗淡的问题，摄像头拍摄到的图像较为暗淡和场景较为复杂，这就导致了图像处理模块难以快速和准确地识别障碍物的问题。
[0007]（2）现有的视障导航系统的摄像头安装在用户身上，摄像头需要实时拍摄周围场景，随着用户的移动而移动，周围场景相对于摄像头的位置发生改变，摄像头每次拍摄的场景区别十分大，图像处理模块需要每次对拍摄到的图像重新进行运算处理，在应对狭小和场景复杂的厕所时，容易导致设备的运算负荷大和响应效率低的问题。
[0008]专利技术创造内容
[0009]为克服现有技术的不足及存在的问题，本专利技术创造提供一种基于人工智能辅助用户至智能马桶的导盲方法及装置。
[0010]为实现上述目的，本专利技术创造采用如下技术方案：一种基于人工智能辅助用户至智能马桶的导盲方法，包括如下步骤：接收来自TOF相机的初始图像；将初始图像转换成初始安全区域图像；
接收来自TOF相机的实时图像；分割初始安全区域图像映射在实时图像上的部分作为实时检测区域图像；根据初始安全区域图像和实时检测区域图像生成实时安全区域模型；判断实时检测区域图像上是否有用户图像；若实时用户图像上有用户图像时，则在实时检测区域图像上分割出用户图像；将用户图像转换成用户位置；接收来自输入设备的请求信息，请求信息包括目的地位置；在实时安全区域模型上生成由用户位置至目的地位置的安全路径。
[0011]作为优选，所述将初始图像转换成初始安全区域图像的步骤，具体包括：若接收到初始图像时，则对初始图像进行三维重建并建立初始三维网格模型；在初始三维网格模型上分割出初始安全区域模型；将初始安全区域模型转换成初始安全区域图像。
[0012]作为优选，若接收到初始图像时，则对初始图像进行三维重建并建立初始三维网格模型的步骤，具体包括：若接收到初始图像时，则对初始图像进行预处理并转换成初始三维点云；若接收到初始三维点云时，则对初始三维点云进行预处理并建立初始三维点云的法向量；若接收到带有法向量的初始三维点云时，则利用ICP算法估计相机位姿；若接收到相机位姿时，则根据相机位姿对带有法向量的初始三维点云进行点云融合并生成初始融合点云；若接收到初始融合点云时，则利用泊松重建算法将初始融合点云转换成初始三维网格模型。
[0013]作为优选，所述若接收到初始图像时，则对初始图像进行预处理并转换成初始三维点云的步骤，具体包括：若接收到初始图像时，对初始图像进行去噪和空洞修复处理；将去噪和空洞修复后的初始图像转换成初始三维点云。
[0014]作为优选，所述若接收到初始三维点云时，则对初始三维点云进行预处理并建立初始三维点云的法向量的步骤，具体包括：若接收到初始三维点云时，则对初始三维点云进行滤波；计算滤波后初始三维点云的法向量。
[0015]作为优选，所述在初始三维网格模型上分割出初始安全区域模型的步骤，具体包括：若接收到三维网格模型时，则在三维网格模型上分割出初始障碍物模型和背景模型；若接收到初始初始障碍物模型和背景模型时，则在背景模型上分割出初始安全区域模型，初始障碍物模型不在初始安全区域模型上。
[0016]作为优选，所述根据初始安全区域图像和实时检测区域图像生成实时安全区域模型的步骤，具体包括：判断实时检测区域图像上是否有新增障碍物图像；
若实时检测区域图像上有新增障碍物图像时，则将实时检测区域图像转换成实时安全区域模型；若实时检测区域图像上没有新增障碍物图像时，则将初始安全区域模型作为实时安全区域模型。
[0017]作为优选，所述将实时用户图像转换成用户位置的步骤，具体包括：若接收到实时用户图像时，则对实时用户图像进行三维重建并建立实时用户模型；将实时用户模型转换成用户位置。
[0018]作为优选，本基于人工智能辅助用户至智能马桶的导盲方法还用于解决用户偏离安全路径，还包括如下步骤：利用卡尔曼滤波算法生成实时用户图像的预测位姿；若接受到预测位姿时，则利用人体运动追踪算法生成运动参数；判断运动参数是否超过安全参数范围；若安全参数超过安全运动范围时，则生成修正路径；若生成修正路径时，则将修正路径发送至输出设备。
[0019]作为优选，所述运动参数包括用户模型的位置、速度和朝向角度中的至少一种。
[0020]作为优选，所述修正路径的起点位置为用户模型的当前位置，修正路径的终点位置为安全路径上距离用户模型最近的位置。
[0021]作为优选，还包括：若接收到实时图像时，在实时图像上建立用户的节点位置；若接收到用户的关节位置时，基于世界参考系和用户的关节位置生成用户的姿态角度；判断用户的姿态角度是否位于安全角度范围内；若用户的姿态角度超过安全角度范围时，则生成跌倒信号；若生成跌倒信号时，则将跌倒信号发送至输出设备。
[0022]作为优选，采用卷积神经网络在实时图像上建立用户的关节位置。
[0023]作为优选，所述用户的节点位置包括头部、颈关节、肩关节、肘关节、手部、髋关节、膝关节、踝关节和盆骨关节,其中，位于用户上半身的节点位置作为优先的基准判断指标。若基于节点位置建立的姿态角大于人体正常情况的最大倾斜姿态角阈值时，控制模块快速响应并判断异常。
[0024]作为优选，所述世界坐标系基于实时图像的边缘线建立。
[0025]作为优选，所述若接收到世界参考系和用户的关节位置时，基于实时图像的世界参考系和用户的关节位置生成用户的姿态角度的步骤，包括：若接收到用户的关节位置时，则将用户的关节位置转换为姿态线；若接收到姿态线时，则基于姿态线和世界参考系生成用户的姿态角度。...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能辅助用户至智能马桶的导盲方法，其特征在于，包括如下步骤：接收来自TOF相机的初始图像；将初始图像转换成初始安全区域图像；接收来自TOF相机的实时图像；分割初始安全区域图像映射在实时图像上的部分作为实时检测区域图像；根据初始安全区域图像和实时检测区域图像生成实时安全区域模型；判断实时检测区域图像上是否有用户图像；若实时用户图像上有用户图像时，则在实时检测区域图像上分割出用户图像；将用户图像转换成用户位置；接收来自输入设备的请求信息，请求信息包括目的地位置；在实时安全区域模型上生成由用户位置至目的地位置的安全路径。2.根据权利要求1所述的一种基于人工智能辅助用户至智能马桶的导盲方法，其特征在于，所述根据初始安全区域图像和实时检测区域图像生成实时安全区域模型的步骤，具体包括：判断实时检测区域图像上是否有新增障碍物图像；若实时检测区域图像上有新增障碍物图像时，则将实时检测区域图像转换成实时安全区域模型；若实时检测区域图像上没有新增障碍物图像时，则将初始安全区域模型作为实时安全区域模型。3.根据权利要求1所述的一种基于人工智能辅助用户至智能马桶的导盲方法，其特征在于，所述将实时用户图像转换成用户位置的步骤，具体包括：若接收到实时用户图像时，则对实时用户图像进行三维重建并建立实时用户模型；将实时用户模型转换成用户位置。4.根据权利要求1所述的一种基于人工智能辅助用户至智能马桶的导盲方法，其特征在于，所述将初始图像转换成初始安全区域图像的步骤，具体包括：若接收到初始图像时，则对初始图像进行三维重建并建立初始三维网格模型；在初始三维网格模型上分割出初始安全区域模型；将初始安全区域模型转换成初始安全区域图像。5.根据权利要求4所述的一种基于人工智能辅助用户至智能马桶的导盲方法，其特征在于，若接收到初始图像时，则对初始图像进行三维重建并建立初始三维网格模型的步骤，具体包括：若接收到初始图像时，则对初始图像进行预处理并转换成初始三维点云；若接收到初始三维点云时，则对初始三维点云进行预处理并建...
【专利技术属性】
技术研发人员：余建安，陈浙泊，潘凌锋，陈镇元，陈一信，叶雪旺，陈龙威，林野，黄丹丹，吴荻苇，
申请(专利权)人：浙江大学台州研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。