本发明专利技术公开了一种基于机器人的待管理物体检测方法，通过在机器人上环绕设置若干个摄像头，采集预设场景全景图像，然后采用深度学习目标检测网络YOLOV5对预设场景全景图像进行物体检测，判断是否出现待管理物体，有效地提高了对待管理物体检测的自动化程度以及效率，降低了成本；若连续若干帧预设场景全景图像均检测到待管理物体，则根据待管理物体执行云台位置校准和摄像头焦距校准；通过校准后的摄像头获取预设场景校准图像，再次进行待管理物体检测；若连续若干帧预设场景校准图像均检测到待管理物体，则将待管理物体生成告警信息并进行上报；通过引入反馈校准机制，进一步提高对园区待管理物体检测的鲁棒性、检测率以及准确度。准确度。准确度。
【技术实现步骤摘要】
基于机器人的待管理物体检测方法、装置、介质及机器人
[0001]本专利技术涉及机器人
，尤其涉及一种基于机器人的待管理物体检测方法、装置、介质及机器人。
技术介绍
[0002]为了保护公园环境、维护园内秩序，园区管理处中通常会划定一些待管理物体，并且禁止这些待管理物体进入园内。这些待管理物体包括但不限于帐篷、吊床、宠物等。
[0003]为了提醒游客避免将待管理物体带入园内，园区管理处通常在园区门口或者园内指定位置树立相应的警示牌；或者通过雇佣安保人员进行园区巡逻。然而这种方式无法完全杜绝不遵守规则的游客，耗费人力，园区管理成本高，并且对待管理物体检测的效率低，甚至会出现安全隐患警示不及时的问题。经过实地调研和观察，所述待管理物体较大的概率出现在草地上，并且与机器人的距离较远，从而使得待管理物体在图像中的成像非常小，现有技术在使用机器学习中的目标检测方法时难以准确检测出上述待管理物体。
技术实现思路
[0004]本专利技术实施例提供了一种基于机器人的待管理物体检测方法、装置、介质及机器人，以解决现有待管理物体检测方式存在的成本高、效率低、鲁棒性低以及安全警示不及时的问题。
[0005]一种基于机器人的待管理物体检测方法，所述方法包括：
[0006]获取预设场景全景图像，所述预设场景全景图像由机器人上环绕设置的若干个摄像头在预设场景中按指定线路移动时采集得到，每一帧预设场景全景图像包括所述若干个摄像头在同一时刻下采集到的图像信息；
[0007]采用深度学习目标检测网络YOLOV5对所述预设场景全景图像进行待管理物体检测；
[0008]若连续若干帧预设场景全景图像均检测到待管理物体，则根据所述待管理物体执行云台位置校准和摄像头焦距校准；
[0009]通过校准后的云台和摄像头获取预设场景校准图像，并采用深度学习目标检测网络YOLOV5对所述预设场景校准图像进行待管理物体检测；
[0010]若连续若干帧预设场景校准图像均检测到所述待管理物体，则将所述待管理物体生成告警信息并进行上报。
[0011]可选地，所述机器人上包括4个摄像头，所述4个摄像头等角度环绕设置形成360度全景拍摄。
[0012]可选地，所述采用深度学习目标检测网络YOLOV5对所述预设场景全景图像进行待管理物体检测包括：
[0013]优化并训练预设的深度学习目标检测网络YOLOV5，得到小目标检测网络；
[0014]将所述预设场景全景图像的分辨率调整为目标分辨率，得到输入图像；
[0015]将所述输入图像按预设比例平均切割为若干个区域块；
[0016]采用所述小目标检测网络分别对每一个区域块进行待管理物体检测，得到每一个区域块对应的一组预测框；
[0017]将所述若干个区域块对应的一组预测框整合到所述预设场景全景图像。
[0018]可选地，所述优化并训练预设的深度学习目标检测网络YOLOV5，得到小目标检测网络包括：
[0019]获取原始训练样本，对所述原始训练样本进行数据增强处理，得到小样本数据；
[0020]增加深度学习目标检测网络YOLOV5的输出分支数；
[0021]采用所述小样本数据对所述深度学习目标检测网络YOLOV5进行训练，得到小目标检测网络。
[0022]可选地，所述若连续若干帧预设场景全景图像均检测到待管理物体，则根据所述待管理物体执行云台位置校准和摄像头焦距校准包括：
[0023]若连续若干帧预设场景全景图像均检测到待管理物体，则控制机器人停止移动；
[0024]获取所述预设场景全景图像中检测到的一个待管理物体及其预测框；
[0025]根据所述预测框在所述预设场景全景图像中的位置信息，执行云台位置校准和摄像头焦距校准。
[0026]可选地，所述云台位置校准包括：
[0027]计算所述预测框与所述预设场景全景图像的中心点的向量信息；
[0028]将所述向量信息映射为云台的校准参数；
[0029]将所述校准参数分解为横轴方向校准值和纵轴方向校准值；
[0030]将所述横轴方向校准值和纵轴方向校准值发送至云台，以使得云台按照所述横轴方向校准值和纵轴方向校准值移动完成位置校准。
[0031]可选地，所述摄像头焦距校准包括：
[0032]计算所述预测框的面积与所述预设场景全景图像的面积之间的比例信息；
[0033]将所述比例信息映射为摄像头的校准参数；
[0034]将所述校准参数发送至摄像头，以使得摄像头按照所述校准参数完成焦距校准。
[0035]一种基于机器人的待管理物体检测装置，所述装置包括：
[0036]获取模块，用于获取预设场景全景图像，所述预设场景全景图像由机器人上环绕设置的若干个摄像头在预设场景中按指定线路移动时采集得到，每一帧预设场景全景图像包括所述若干个摄像头在同一时刻下采集到的图像信息；
[0037]第一检测模块，用于采用深度学习目标检测网络YOLOV5对所述预设场景全景图像进行待管理物体检测；
[0038]校准模块，用于若连续若干帧预设场景全景图像均检测到待管理物体，则根据所述待管理物体执行云台位置校准和摄像头焦距校准；
[0039]第二检测模块，用于通过校准后的云台和摄像头获取预设场景校准图像，并采用深度学习目标检测网络YOLOV5对所述预设场景校准图像进行待管理物体检测；
[0040]告警模块，用于若连续若干帧预设场景校准图像均检测到所述待管理物体，则将所述待管理物体生成告警信息并进行上报。
[0041]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计
算机程序被处理器执行时实现如上所述的基于机器人的待管理物体检测方法。
[0042]一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的基于机器人的待管理物体检测方法。
[0043]本专利技术实施例通过在机器人上环绕设置的若干个摄像头，由所述机器人在预设场景中按指定路线移动时采集预设场景全景图像，然后采用深度学习目标检测网络YOLOV5对所述预设场景全景图像进行物体检测，判断是否出现待管理物体，有效地提高了对待管理物体检测的自动化程度以及效率，降低了成本；若连续若干帧预设场景全景图像均检测到所述待管理物体，则根据所述待管理物体执行云台位置校准和摄像头焦距校准；通过校准后的云台和摄像头获取预设场景校准图像，再次进行待管理物体检测；若连续若干帧预设场景校准图像均检测到所述待管理物体，则将所述待管理物体生成告警信息并进行上报；通过引入反馈校准机制，模拟人工采集图像并进行分析检测，能够进一步提高对园区待管理物体检测的鲁棒性、检测率以及准确度。
附图说明
[0044]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于机器人的待管理物体检测方法，其特征在于，所述方法包括：获取预设场景全景图像，所述预设场景全景图像由机器人上环绕设置的若干个摄像头在预设场景中按指定线路移动时采集得到，每一帧预设场景全景图像包括所述若干个摄像头在同一时刻下采集到的图像信息；采用深度学习目标检测网络YOLOV5对所述预设场景全景图像进行待管理物体检测；若连续若干帧预设场景全景图像均检测到待管理物体，则根据所述待管理物体执行云台位置校准和摄像头焦距校准；通过校准后的云台和摄像头获取预设场景校准图像，并采用深度学习目标检测网络YOLOV5对所述预设场景校准图像进行待管理物体检测；若连续若干帧预设场景校准图像均检测到所述待管理物体，则将所述待管理物体生成告警信息并进行上报。2.如权利要求1所述的基于机器人的待管理物体检测方法，其特征在于，所述机器人上包括4个摄像头，所述4个摄像头等角度环绕设置形成360度全景拍摄。3.如权利要求1所述的基于机器人的待管理物体检测方法，其特征在于，所述采用深度学习目标检测网络YOLOV5对所述预设场景全景图像进行待管理物体检测包括：优化并训练预设的深度学习目标检测网络YOLOV5，得到小目标检测网络；将所述预设场景全景图像的分辨率调整为目标分辨率，得到输入图像；将所述输入图像按预设比例平均切割为若干个区域块；采用所述小目标检测网络分别对每一个区域块进行待管理物体检测，得到每一个区域块对应的一组预测框；将所述若干个区域块对应的一组预测框整合到所述预设场景全景图像。4.如权利要求3所述的基于机器人的待管理物体检测方法，其特征在于，所述优化并训练预设的深度学习目标检测网络YOLOV5，得到小目标检测网络包括：获取原始训练样本，对所述原始训练样本进行数据增强处理，得到小样本数据；增加深度学习目标检测网络YOLOV5的输出分支数；采用所述小样本数据对所述深度学习目标检测网络YOLOV5进行训练，得到小目标检测网络。5.如权利要求1至4任一项所述的基于机器人的待管理物体检测方法，其特征在于，所述若连续若干帧预设场景全景图像均检测到待管理物体，则根据所述待管理物体执行云台位置校准和摄像头焦距校准包括：若连续若干帧预设场景全景图像均检测到待管理物体，则控制机器人停止移...
【专利技术属性】
技术研发人员：刘振轩，柏林，刘彪，舒海燕，袁添厦，沈创芸，祝涛剑，王恒华，方映峰，
申请(专利权)人：广州高新兴机器人有限公司，
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。