一种物体定位识别的方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开一种物体定位识别的方法、装置、电子设备及存储介质，所述方法包括：对待识别物体进行图像检测，获得物体检测结果；根据所述物体检测结果进行物体角度计算，获得物体角度结果；对待识别物体进行激光定位，获得物体定位结果；根据所述物体定位结果和所述物体角度结果，确定待识别物体的定位和类别。通过本发明专利技术实施例，通过融合激光和图像深度学习结果，从而能精确定位物体并识别出对应的物体类型，从而实现了识别物体类型与定位的功能，使得机器人能够针对不同的物体做出不同的反应。得机器人能够针对不同的物体做出不同的反应。得机器人能够针对不同的物体做出不同的反应。

【技术实现步骤摘要】
一种物体定位识别的方法、装置、电子设备及存储介质


[0001]本专利技术涉及物体检测领域，特别涉及一种物体定位识别的方法、装置、电子设备及存储介质。

技术介绍

[0002]目前，在物体定位的方案中，现有的2D激光技术可以很好地实现定位物体。虽然2D激光技术可以很好地定位物体的位置，但是，但却无法识别物体对应的类型，也就使得机器人不能针对不同的物体做出不同的反应。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供的一种物体定位识别的方法、装置、电子设备及存储介质，通过融合激光和图像深度学习结果，从而能精确定位物体并识别出对应的物体类型，从而实现了识别物体类型与定位的功能，使得机器人能够针对不同的物体做出不同的反应。
[0004]本专利技术解决上述技术问题所采用的技术方案如下：
[0005]根据本专利技术实施例的一个方面，提供的一种物体定位识别的方法，所述方法包括：
[0006]对待识别物体进行图像检测，获得物体检测结果；
[0007]根据所述物体检测结果进行物体角度计算，获得物体角度结果；
[0008]对待识别物体进行激光定位，获得物体定位结果；
[0009]根据所述物体定位结果和所述物体角度结果，确定待识别物体的定位和类别。
[0010]在一个可能的设计中，所述对待识别物体进行图像检测，获得物体检测结果；包括：
[0011]确定要待识别物体，对待识别物体进行数据采集与标注；
[0012]根据采集的数据进行物体检测深度学习模型训练；
[0013]通过训练好的所述物体检测深度学习模型对机器人环境下获取到的图像进行物体检测，输出物体在图像中的位置与分类的物体检测结果。
[0014]在一个可能的设计中，所述根据所述物体检测结果进行物体角度计算，获得物体角度结果；包括：
[0015]将所述物体检测结果进行去畸变；
[0016]将经过去畸变的物体检测结果进行坐标转换，获得物体检测结果在机器人坐标系下的图像检测结果；
[0017]根据物体检测结果在机器人坐标系下的图像检测结果，得到物体的角度。
[0018]在一个可能的设计中，所述将所述物体检测结果进行去畸变，包括：
[0019]根据相机的内部参数和外部参数据确定相机畸变矫正模型；
[0020]采用相机畸变矫正模型将所述物体检测结果进行去畸变。
[0021]在一个可能的设计中，所述根据物体检测结果在机器人坐标系下的图像检测结
果，得到物体的角度；包括：
[0022]获取图像的左边缘和图像右边缘的垂直中心点；
[0023]计算左边缘角度和右边缘角度，得到物体就处在左边缘角度到右边缘角度的角度范围内。
[0024]在一个可能的设计中，所述对待识别物体进行激光定位，获得物体定位结果；包括：具体包括：
[0025]采用激光扫描机器人当前环境得到一帧点云，得到所有点的角度和位置。
[0026]通过激光坐标系和机器人坐标系的转换关系，计算得到激光扫描到的点在机器人坐标系下的位置，获得物体定结果。
[0027]在一个可能的设计中，所述根据所述物体定位结果和所述物体角度结果，确定识别物体的定位和类别；包括：
[0028]对转换到机器人坐标系下的点进行逐个访问，如果点的角度在所述左边缘角度和右边缘角度的范围内，则保留下来该点；
[0029]将保留下来的所有点进行处理，得到物体的位置与物体的类别。
[0030]根据本专利技术实施例的另一个方面，提供一种物体定位识别的装置，所述装置包括：检测模块、计算模块、定位模块和确定模块；其中：
[0031]所述检测模块，用于对待识别物体进行图像检测，获得物体检测结果；
[0032]所述计算模块，用于根据所述物体检测结果进行物体角度计算，获得物体角度结果；
[0033]所述定位模块，用于对待识别物体进行激光定位，获得物体定位结果；
[0034]所述确定模块，用于根据所述物体定位结果和所述物体角度结果，确定待识别物体的定位和类别。
[0035]根据本专利技术实施例的另一个方面，提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现本专利技术实施例提供的所述的一种物体定位识别的方法的步骤。
[0036]根据本专利技术实施例的另一个方面，提供一种存储介质，其特征在于，所述存储介质上存储有一种物体定位识别的方法程序，所述一种物体定位识别的方法的程序被处理器执行时实现本专利技术实施例提供的所述的一种物体定位识别的方法的步骤。
[0037]与相关技术相比，本专利技术实施例提供的一种物体定位识别的方法、装置、电子设备及存储介质，所述方法包括：对待识别物体进行图像检测，获得物体检测结果；根据所述物体检测结果进行物体角度计算，获得物体角度结果；对待识别物体进行激光定位，获得物体定位结果；根据所述物体定位结果和所述物体角度结果，确定待识别物体的定位和类别。通过本专利技术实施例，通过对待识别物体进行图像检测，获得物体检测结果；根据物体检测结果进行物体角度计算，获得物体角度结果；对待识别物体进行激光定位，获得物体定位结果；根据所述物体定位结果和所述物体角度结果，确定待识别物体的定位和类别。从而通过融合激光和图像深度学习结果，从而能精确定位物体并识别出对应的物体类型，从而实现了识别物体类型与定位的功能，使得机器人能够针对不同的物体做出不同的反应，与现有单纯激光定位技术提供了更丰富的物体语义信息。
附图说明
[0038]图1为本专利技术实施例提供的一种物体定位识别的方法的流程示意图。
[0039]图2为本专利技术实施例提供的一种物体定位识别的装置的结构示意图。
[0040]图3为本专利技术实施例提供的一种电子设备的结构示意图。
[0041]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0042]为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅以解释本专利技术，并不用于限定本专利技术。
[0043]在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本专利技术的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
[0044]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
[0045]在一个实施例中，如图1所示，本专利技术提供一种物体定位识别的方法，所述方法包括：
[0046]S1、对待识别物体进行图像检测，获得物体检测结果。
[0047]S2、根据所述物体检测结果进行物体角度计算，获得物体角度结果。
[0048]S3、对待识别物体进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物体定位识别的方法，其特征在于，所述方法包括：对待识别物体进行图像检测，获得物体检测结果；根据所述物体检测结果进行物体角度计算，获得物体角度结果；对待识别物体进行激光定位，获得物体定位结果；根据所述物体定位结果和所述物体角度结果，确定待识别物体的定位和类别。2.如权利要求1所述的方法，其特征在于，所述对待识别物体进行图像检测，获得物体检测结果；包括：确定要待识别物体，对待识别物体进行数据采集与标注；根据采集的数据进行物体检测深度学习模型训练；通过训练好的所述物体检测深度学习模型对机器人环境下获取到的图像进行物体检测，输出物体在图像中的位置与分类的物体检测结果。3.如权利要求1或2所述的方法，其特征在于，所述根据所述物体检测结果进行物体角度计算，获得物体角度结果；包括：将所述物体检测结果进行去畸变；将经过去畸变的物体检测结果进行坐标转换，获得物体检测结果在机器人坐标系下的图像检测结果；根据物体检测结果在机器人坐标系下的图像检测结果，得到物体的角度。4.如权利要求3所述的方法，其特征在于，所述将所述物体检测结果进行去畸变，包括：根据相机的内部参数和外部参数据确定相机畸变矫正模型；采用相机畸变矫正模型将所述物体检测结果进行去畸变。5.如权利要求3所述的方法，其特征在于，所述根据物体检测结果在机器人坐标系下的图像检测结果，得到物体的角度；包括：获取图像的左边缘和图像右边缘的垂直中心点；计算左边缘角度和右边缘角度，得到物体就处在左边缘角度到右边缘角度的角度范围内。6.如权利要求1所述的方法，其特征在于，所述对待识别物体进行激光...

【专利技术属性】
技术研发人员：郑清江，穆星元，刘俊斌，
申请(专利权)人：炬星科技深圳有限公司，
类型：发明
国别省市：