本发明涉及人工智能、机器视觉等技术概念,特别是机器人在感知周围的环境或物体后,所获取的视觉信息是怎么表示及存储、被检索的,本发明可以应用于家庭或工业机器人、机械手分拣夹持等领域。
背景技术:
随着近些年工业机器人的发展,带动了服务机器人行业的逐渐掘起,同时从2014年开始的智能硬件领域也开始突起,根据国际机器人联盟的统计,2015年服务机器人销售额将达85亿美元,并且保持较高的20%~30%增长率,在智能硬件领域,据艾瑞研究,2014年全球智能硬件装机量达到60亿台,预计2017年将超过140亿台。
在市场高速发展的背后,问题同样明显,一方面市场的潜力还远未挖掘出来,另一方面,机器人及智能硬件进入服务行业也存在着一些技术难点。
物体的视觉识别方面,虽是一大难点,但也有些技术性尝试往这方面攻关,例如专利《一种基于三维栅格地图的物体整体识别方法》与《一种基于颜色特征的物体辅助识别方法》中,提到一类方法“如何从形状的角度”、“颜色”、“材质”等方面来对物体进行识别。这里我们要解决的是:视觉感知之后,所获取的信息是如何表示、存储与检索的。
发明目的
本发明的主要目的就是解决视觉感知信息的表示、存储与检索。
技术方案
本发明的目的是这样实现的:通过相关设备及算法,例如激光雷达、ccd、cmos、点云配准算法、点云降噪算法等,获取实际环境或物体的点云信息,后续处理步骤如下:
(1)通过环境或物体的点云数据,计算出环境或物体相应的全局与局部性特征张量及特征谱值。
(2)结合其他相关信息,组织成结构化或半结构化数据,我们可以选取xml格式来承载这样的数据格式;
(3)存储环境或物体的结构化或半结构化数据;
(4)编辑或审核或检索环境与物体。
本发明所使用的系统组成如下:采集系统、视觉感知系统、存储系统、审编系统、检索系统。这五个系统是按照功能设置的软件系统,各子系统具体功能如下:
*采集系统:通过相关设备传感器采集环境或物体点云信息,可以实时或离线输出点云数据,
*视觉感知系统:接收点云数据并计算全局与局部性特征张量及特征谱值,输出结构化或半结构化数据,
*存储系统:存储结构化或半结构化数据,
*编审系统:后台人员或机器可以对环境或物体的数据进行编辑、审核及更新存储,
*检索系统:人或机器可以对存储的环境或物体进行检索。
附图说明:
图1是本发明方法所用系统组成图
图2是实际物体“门”
图3是门的特征张量
图4是门的特征谱
图5是门的数字化表示形式
图6是检索页面
具体实施方式
下面结合附图,说明本发明的实施方式。
本发明方法所用的系统整体结构可参考附图1,它有五个子系统组成,具体包含如下步骤:
第一步
在采集系统中,通过相关设备传感器采集周围环境或物体的信息,通过降噪、滤波等方法优化数据,对外输出环境或物体的点云数据,可以实时或离线输出。
第二步
在视觉感知系统中,接收采集系统传递过来的点云数据,做视觉感知计算,获取环境或物体的全局性与局部性特征张量及特征谱值,这里不局限于某一个视觉感知算法,这里我们可以使用专利《一种基于三维栅格地图的环境特征表示与识别的方法》中所述的算法来加以计算处理点云数据,如图2所示,实际当中的一扇门,其对应的局部性特征张量如图3所示,图4是其特征谱。
第三步
根据视觉感知系统中输出的特征张量与特征谱,连带其他信息如位置、分辨率、描述信息等,组织成xml形式,如图5所示,每一个xml信息我们称之为doc(文档),需要说明的是,每一个doc都有全局唯一的id与其对应,方便后续对其doc的增删改查操作,标签tag为“tensor”的内容是存储图3所示的特征张量信息,标签tag为“spectrum”的内容是存储图4所示的特征谱信息,这些标签tag可以是但不限于图5所示的那么多。
第四步
根据上一步输出的信息组织形式,将其存储起来,可以单机存储,也可以分布式机群存储,可以用数据库、文件系统或其他形式,这里仅为说明清楚原理及简单起见,以单机的形式并且全文索引存储到搜索引擎solr里。
第五步
编审人员或相关用户都可以在后台根据关键词或点云数据查找doc,如图6所示的检索页面,可以由点云信息检索——图6中的“按图索骥”就是根据点云信息检索,也可以由关键词检索——图6中输入框中的“墙壁”就是关键词,必要的情况下可以手动更新相关doc信息并存储。
第六步
检索的操作可以由系统运营人员或相关用户来执行,也可由机器直接执行,例如机器在室内外执行任务时,用到系统存储的视觉感知数据,另外,机器采集到的当前环境或物体信息与系统存储的不一致时,机器可以直接更新系统存储。
综上,我们可以看到,通过本发明方法,成功地解决了视觉感知信息的表示、存储与检索,可以为相关人员或机器人提供高精三维地图服务,为视觉感知应用的新方向开拓打下坚实基础。