基于边缘计算的多机器人控制方法、装置及存储介质与流程

1.本技术涉及但不限于人工智能技术领域，尤其涉及一种基于边缘计算的多机器人控制方法、装置及存储介质。


背景技术：

2.目前，在多机器人的应用场景中，当用户需要控制某个机器人时，用户需要在控制终端上选择对应的机器人，并按照固定的格式输入相应的控制指令；用户需要掌握控制指令的输入格式和内容，难度大，而且输入控制指令的过程耗费时间长，导致机器人控制过程的效率低。


技术实现要素：

3.以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
4.本技术实施例提供了一种基于边缘计算的多机器人控制方法、装置及存储介质，能够提高机器人控制过程的效率。
5.为实现上述目的，本技术实施例的第一方面提出了一种基于边缘计算的多机器人控制方法，应用于边缘设备，所述边缘设备与多个机器人通信连接，所述边缘设备与图像采集设备通信连接，所述方法包括：接收所述来自图像采集设备的手势图像信息和面部图像信息；对所述手势图像信息进行图像识别处理，得到待处理手势特征信息；对所述面部图像信息进行图像识别处理，得到待处理面部特征信息；基于所述待处理手势特征信息、所述待处理面部特征信息和预设的控制规则，在各个所述机器人中确定目标机器人，并确定所述目标机器人的目标控制指令；将所述目标控制指令发送至所述目标机器人，以使所述目标机器人按照所述目标控制指令执行相应的动作。
6.在一些实施例中，所述控制规则的建立步骤如下：获取手势特征集合、面部特征集合和指令集合，其中，所述手势特征集合包括多个手势特征信息，所述面部特征集合包括多个面部特征信息，所述指令集合包括多个控制指令；将所述手势特征信息与所述机器人一一关联，得到第一关联规则；将所述面部特征信息与所述控制指令一一关联，得到第二关联规则；根据所述第一关联规则和所述第二关联规则，确定控制规则。
7.在一些实施例中，所述基于所述待处理手势特征信息、所述待处理面部特征信息和预设的控制规则，在各个所述机器人中确定目标机器人，并确定所述目标机器人的目标控制指令，包括：基于所述第一关联规则，将所述待处理手势特征信息与各个所述手势特征信息进行比对处理；当确定所述待处理手势特征信息与任一所述手势特征信息匹配，将所述匹配的手势特征信息作为目标手势特征信息；基于所述目标手势特征信息在各个所述机器人中确定目标机器人；基于所述第二关联规则，将所述待处理面部特征信息与各个所述面部特征信息进行比对处理；当确定所述待处理面部特征信息与任一所述面部特征信息匹配，将所述匹配的面部特征信息作为目标面部特征信息；基于所述目标面部特征信息在各
个所述控制指令中确定目标控制指令。
8.在一些实施例中，所述基于所述第一关联规则，将所述待处理手势特征信息与各个所述手势特征信息进行比对处理的步骤之后，还包括：当确定所述待处理手势特征信息与任一所述手势特征信息不匹配，计算所述待处理手势特征信息与各个所述手势特征信息之间的手势特征距离值；将最小的所述手势特征距离值作为目标手势特征距离值；当确定所述目标手势特征距离值小于预设的第一距离阈值，将所述目标手势特征距离值对应的所述手势特征信息作为目标手势特征信息。
9.在一些实施例中，所述基于所述第二关联规则，将所述待处理面部特征信息与各个所述面部特征信息进行比对处理的步骤之后，还包括：当确定所述待处理面部特征信息与任一所述面部特征信息不匹配，计算所述待处理面部特征信息与各个所述面部特征信息之间的面部特征距离值；将最小的所述面部特征距离值作为目标面部特征距离值；当确定所述目标面部特征距离值小于预设的第二距离阈值，将所述目标面部特征距离值对应的所述面部特征信息作为目标面部特征信息。
10.在一些实施例中，所述将所述目标控制指令发送至所述目标机器人的步骤之后，还包括：获取来自所述目标机器人的状态信息；基于所述状态信息，在确定所述目标机器人处于异常状态的情况下，向所述目标机器人发送预设的复位指令。
11.为实现上述目的，本技术实施例的第二方面提出了一种基于边缘计算的多机器人控制装置，应用于边缘设备，所述边缘设备与多个机器人通信连接，所述边缘设备与图像采集设备通信连接，所述装置包括：接收单元，用于接收所述来自图像采集设备的手势图像信息和面部图像信息；第一识别单元，用于对所述手势图像信息进行图像识别处理，得到待处理手势特征信息；第二识别单元，用于对所述面部图像信息进行图像识别处理，得到待处理面部特征信息；处理单元，用于基于所述待处理手势特征信息、所述待处理面部特征信息和预设的控制规则，在各个所述机器人中确定目标机器人，并确定所述目标机器人的目标控制指令；发送单元，用于将所述目标控制指令发送至所述目标机器人，以使所述目标机器人按照所述目标控制指令执行相应的动作。
12.在一些实施例中，所述装置还包括：获取单元，用于获取手势特征集合、面部特征集合和指令集合，其中，所述手势特征集合包括多个手势特征信息，所述面部特征集合包括多个面部特征信息，所述指令集合包括多个控制指令；第一关联单元，用于将所述手势特征信息与所述机器人一一关联，得到第一关联规则；第一关联单元，用于将所述面部特征信息与所述控制指令一一关联，得到第二关联规则；确定单元，用于根据所述第一关联规则和所述第二关联规则，确定控制规则。
13.为实现上述目的，本技术实施例的第三方面提出了一种电子设备，所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现上述第一方面所述的基于边缘计算的多机器人控制方法。
14.为实现上述目的，本技术实施例的第四方面提出了一种存储介质，所述存储介质为计算机可读存储介质，用于计算机可读存储，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述第一方面所述的基于边缘计算的多机器人控制方法。
15.本技术提出的基于边缘计算的多机器人控制方法、装置及存储介质，本技术实施例包括：接收所述来自图像采集设备的手势图像信息和面部图像信息；对所述手势图像信息进行图像识别处理，得到待处理手势特征信息；对所述面部图像信息进行图像识别处理，得到待处理面部特征信息；基于所述待处理手势特征信息、所述待处理面部特征信息和预设的控制规则，在各个所述机器人中确定目标机器人，并确定所述目标机器人的目标控制指令；将所述目标控制指令发送至所述目标机器人，以使所述目标机器人按照所述目标控制指令执行相应的动作。根据本技术实施例提供的方案，通过对用户的手势图像信息和面部图像信息进行图像识别处理，分别得到待处理手势特征信息和待处理面部特征信息，进而结合控制规则，准确确定目标机器人及其目标控制指令，通过目标控制指令控制目标机器人，能够提高机器人控制过程的效率，另外，通过边缘设备进行图像识别处理，无需通过云端进行信息处理，能够降低信息处理成本。
16.本技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术而了解。本技术的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
17.附图用来提供对本技术技术方案的进一步理解，并且构成说明书的一部分，与本技术的实施例一起用于解释本技术的技术方案，并不构成对本技术技术方案的限制。
18.图1是本技术一个实施例提供的基于边缘计算的多机器人控制方法的流程图；
19.图2是本技术另一个实施例提供的一种确定控制规则的流程图；
20.图3是本技术另一个实施例提供的一种确定目标控制指令的流程图；
21.图4是本技术另一个实施例提供的一种确定目标手势特征信息的流程图；
22.图5是本技术另一个实施例提供的一种确定目标面部特征信息的流程图；
23.图6是本技术另一个实施例提供的一种发送复位指令的流程图；
24.图7是本技术另一个实施例提供的基于边缘计算的多机器人控制装置的结构示意图；
25.图8是本技术另一个实施例提供的电子设备的硬件结构示意图。
具体实施方式
26.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本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用以解释本技术，并不用于限定本技术。
27.在本技术的描述中，若干个的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。
28.需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“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。
29.首先，对本技术中涉及的若干名词进行解析：
30.人工智能(artificial intelligence，ai)：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；人工智能是计算机科学的一个分支，人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
31.目前，在多机器人的应用场景中，当用户需要控制某个机器人时，用户需要在控制终端上选择对应的机器人，并按照固定的格式输入相应的控制指令；用户需要掌握控制指令的输入格式和内容，难度大，而且输入控制指令的过程耗费时间长，导致机器人控制过程的效率低。
32.针对输入控制指令的难度大和耗费时间长，导致机器人控制过程的效率低的问题，本技术提供了一种基于边缘计算的多机器人控制方法、装置及存储介质，该方法应用于边缘设备，边缘设备与多个机器人通信连接，边缘设备与图像采集设备通信连接，该方法包括：接收来自图像采集设备的手势图像信息和面部图像信息；对手势图像信息进行图像识别处理，得到待处理手势特征信息；对面部图像信息进行图像识别处理，得到待处理面部特征信息；基于待处理手势特征信息、待处理面部特征信息和预设的控制规则，在各个机器人中确定目标机器人，并确定目标机器人的目标控制指令；将目标控制指令发送至目标机器人，以使目标机器人按照目标控制指令执行相应的动作。根据本技术实施例提供的方案，通过对用户的手势图像信息和面部图像信息进行图像识别处理，分别得到待处理手势特征信息和待处理面部特征信息，进而结合控制规则，准确确定目标机器人及其目标控制指令，通过目标控制指令控制目标机器人，能够提高机器人控制过程的效率，另外，通过边缘设备进行图像识别处理，无需通过云端进行信息处理，能够降低信息处理成本。
33.本技术实施例提供的基于边缘计算的多机器人控制方法、装置及存储介质，具体通过如下实施例进行说明，首先描述本技术实施例中的基于边缘计算的多机器人控制方法。
34.本技术实施例提供的基于边缘计算的多机器人控制方法，涉及人工智能技术领域。本技术实施例提供的基于边缘计算的多机器人控制方法可应用于服务器端中，还可以是运行于服务器端中的软件。在一些实施例中，服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现基于边缘计算的多机器人控制方法的应用等，但并不局限于以上形式。
35.本技术可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布
式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
36.需要说明的是，在本技术的各个具体实施方式中，当涉及到需要根据用户信息、用户行为数据，用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时，都会先获得用户的许可或者同意，而且，对这些数据的收集、使用和处理等，都会遵守相关国家和地区的相关法律法规和标准。此外，当本技术实施例需要获取用户的敏感个人信息时，会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意，在明确获得用户的单独许可或者单独同意之后，再获取用于使本技术实施例能够正常运行的必要的用户相关数据。
37.下面结合附图，对本技术实施例作进一步阐述。
38.如图1所示，图1是本技术一个实施例提供的一种基于边缘计算的多机器人控制方法的流程图。该基于边缘计算的多机器人控制方法可以应用于边缘设备，边缘设备与多个机器人通信连接，边缘设备与图像采集设备通信连接，该基于边缘计算的多机器人控制方法包括但不限于有以下步骤：
39.步骤s110，接收来自图像采集设备的手势图像信息和面部图像信息；
40.步骤s120，对手势图像信息进行图像识别处理，得到待处理手势特征信息；
41.步骤s130，对面部图像信息进行图像识别处理，得到待处理面部特征信息；
42.步骤s140，基于待处理手势特征信息、待处理面部特征信息和预设的控制规则，在各个机器人中确定目标机器人，并确定目标机器人的目标控制指令；
43.步骤s150，将目标控制指令发送至目标机器人，以使目标机器人按照目标控制指令执行相应的动作。
44.可以理解的是，在边缘设备中，预设有已训练的手势图像识别模型和面部图像识别模型，手势图像识别模型用于对手势图像信息进行图像识别处理，得到待处理手势特征信息，面部图像识别模型用于对面部图像信息进行图像识别处理，得到待处理面部特征信息，然后，结合预设的控制规则，控制规则内设置有多个机器人的控制指令，在所有机器人中确定对应的目标机器人，并且确定对应的目标控制指令，最后，将目标控制指令发送至目标机器人，实现了控制目标机器人执行相应的动作；基于此，通过对用户的手势图像信息和面部图像信息进行图像识别处理，分别得到待处理手势特征信息和待处理面部特征信息，进而结合控制规则，准确确定目标机器人及其目标控制指令，通过目标控制指令控制目标机器人，能够提高机器人控制过程的效率，另外，通过边缘设备进行图像识别处理，无需通过云端进行信息处理，能够降低信息处理成本。
45.需要说明的是，图像采集设备包括但不限于单目摄像头和双目摄像头。
46.在具体实践中，在手势图像信息的识别过程中，通过识别各个手指的弯曲程度来确定单只手掌表示的数字类型，例如表示数字0、1、2、3等，两只手掌能够表示0-99的编号，为各个机器人设置在0-99之间的数字编号，不同机器人的编号不同，能够确保待处理手势特征信息与机器人之间的唯一性即可，从而能够通过待处理手势特征信息确定目标机器人；在面部图像信息的识别过程中，能够识别出面部朝向、嘴巴开合、睁眼、闭眼等特征，每种特征或者由多个特征组合而成特征集合可对应一个控制指令，能够通过确保待处理面部特征信息与控制指令之间的唯一性即可，从而能够通过待处理面部特征信息确定目标控制
指令。
47.另外，参照图2，在一实施例中，图1所示实施例中的步骤s140的控制规则的建立过程，包括但不限于有以下步骤：
48.步骤s210，获取手势特征集合、面部特征集合和指令集合，其中，手势特征集合包括多个手势特征信息，面部特征集合包括多个面部特征信息，指令集合包括多个控制指令；
49.步骤s220，将手势特征信息与机器人一一关联，得到第一关联规则；
50.步骤s230，将面部特征信息与控制指令一一关联，得到第二关联规则；
51.步骤s240，根据第一关联规则和第二关联规则，确定控制规则。
52.可以理解的是，每个机器人都对应一个手势特征信息，每个控制指令都对应一个面部特征信息，在识别出待处理手势特征信息和待处理面部特征信息后，能够准确确定目标机器人及其目标控制指令，从而保证控制过程的可靠性。
53.另外，参照图3，在一实施例中，图1所示实施例中的步骤s140，包括但不限于有以下步骤：
54.步骤s310，基于第一关联规则，将待处理手势特征信息与各个手势特征信息进行比对处理；
55.步骤s320，当确定待处理手势特征信息与任一手势特征信息匹配，将匹配的手势特征信息作为目标手势特征信息；
56.步骤s330，基于目标手势特征信息在各个机器人中确定目标机器人；
57.步骤s340，基于第二关联规则，将待处理面部特征信息与各个面部特征信息进行比对处理；
58.步骤s350，当确定待处理面部特征信息与任一面部特征信息匹配，将匹配的面部特征信息作为目标面部特征信息；
59.步骤s360，基于目标面部特征信息在各个控制指令中确定目标控制指令。
60.可以理解的是，在确定目标手势特征信息时，需要将待处理手势特征信息与所有手势特征信息一一进行比对，选择匹配的手势特征信息的目标手势特征信息，进而通过目标手势特征信息确定目标机器人，能够准确确定目标机器人；在确定目标面部特征信息时，需要将待处理面部特征信息与所有面部特征信息一一进行比对，选择匹配的面部特征信息的目标面部特征信息，进而通过目标面部特征信息确定目标控制指令，能够准确确定目标控制指令。
61.另外，参照图4，在一实施例中，图3所示实施例中的步骤s310之后，还包括但不限于有以下步骤：
62.步骤s410，当确定待处理手势特征信息与任一手势特征信息不匹配，计算待处理手势特征信息与各个手势特征信息之间的手势特征距离值；
63.步骤s420，将最小的手势特征距离值作为目标手势特征距离值；
64.步骤s430，当确定目标手势特征距离值小于预设的第一距离阈值，将目标手势特征距离值对应的手势特征信息作为目标手势特征信息。
65.可以理解的是，当待处理手势特征信息与任一手势特征信息不匹配，相当于用户在录入手势图像信息时，用户的手势动作不符合标准，甚至是错误的手势动作；当目标手势特征距离值小于第二距离阈值，此时，用户的手势动作虽然不符合标准，但是在可识别范围
之内，将最小的手势特征距离值对应的手势特征信息作为目标手势特征信息；当目标手势特征距离值大于或等于的第二距离阈值，此时，用户的手势动作已经超出了可识别范围，无法识别出目标手势特征信息。
66.需要说明的是，第一距离阈值经过反复实验调优得到。
67.在具体实践中，手势特征距离值可通过计算待处理手势特征信息与手势特征信息之间的欧式距离而得到。
68.另外，参照图5，在一实施例中，图3所示实施例中的步骤s340之后，还包括但不限于有以下步骤：
69.步骤s510，当确定待处理面部特征信息与任一面部特征信息不匹配，计算待处理面部特征信息与各个面部特征信息之间的面部特征距离值；
70.步骤s520，将最小的面部特征距离值作为目标面部特征距离值；
71.步骤s530，当确定目标面部特征距离值小于预设的第二距离阈值，将目标面部特征距离值对应的面部特征信息作为目标面部特征信息。
72.可以理解的是，当待处理面部特征信息与任一面部特征信息不匹配，相当于用户在录入面部图像信息时，用户的面部动作不符合标准，甚至是错误的面部动作；当目标面部特征距离值小于第二距离阈值，此时，用户的面部动作虽然不符合标准，但是在可识别范围之内，将最小的面部特征距离值对应的面部特征信息作为目标面部特征信息；当目标面部特征距离值大于或等于的第二距离阈值，此时，用户的面部动作已经超出了可识别范围，无法识别出目标面部特征信息。
73.需要说明的是，第二距离阈值经过反复实验调优得到。
74.在具体实践中，面部特征距离值可通过计算待处理面部特征信息与面部特征信息之间的欧式距离而得到。
75.如图6所示，在一实施例中，图1所示实施例中的步骤s150之后，还包括但不限于有以下步骤：
76.步骤s610，获取来自目标机器人的状态信息；
77.步骤s620，基于状态信息，在确定目标机器人处于异常状态的情况下，向目标机器人发送预设的复位指令。
78.可以理解的是，向目标机器人发送目标控制指令后，为了保证目标机器人的正常运作，需要监听目标机器人的状态信息，当目标机器人处于异常状态后，例如，目标机器人停止动作，需要向目标机器人发送复位指令，避免目标机器人发生损坏。
79.值得注意的是，复位指令可由用户预先输入，机器人接收到复位指令后，能复位至初始状态或维护状态；处于维护状态的机器人无法响应新的控制指令，用户可以通过向机器人发送启动指令来解除维护状态。
80.另外，参考图7，本技术还提供了一种基于边缘计算的多机器人控制装置700，该基于边缘计算的多机器人控制装置700可以应用于边缘设备，边缘设备与多个机器人通信连接，边缘设备与图像采集设备通信连接，基于边缘计算的多机器人控制装置700包括：
81.接收单元710，用于接收来自图像采集设备的手势图像信息和面部图像信息；
82.第一识别单元720，用于对手势图像信息进行图像识别处理，得到待处理手势特征信息；
83.第二识别单元730，用于对面部图像信息进行图像识别处理，得到待处理面部特征信息；
84.处理单元740，用于基于待处理手势特征信息、待处理面部特征信息和预设的控制规则，在各个机器人中确定目标机器人，并确定目标机器人的目标控制指令；
85.发送单元750，用于将目标控制指令发送至目标机器人，以使目标机器人按照目标控制指令执行相应的动作。
86.可以理解的是，该基于边缘计算的多机器人控制装置700的具体实施方式与上述基于边缘计算的多机器人控制方法的具体实施例基本相同，在此不再赘述；基于此，通过对用户的手势图像信息和面部图像信息进行图像识别处理，分别得到待处理手势特征信息和待处理面部特征信息，进而结合控制规则，准确确定目标机器人及其目标控制指令，通过目标控制指令控制目标机器人，能够提高机器人控制过程的效率，另外，通过边缘设备进行图像识别处理，无需通过云端进行信息处理，能够降低信息处理成本。
87.进一步，基于边缘计算的多机器人控制装置700包括但不限于：接收单元、第一识别单元、第二识别单元、处理单元和发送单元(图中未示出)。
88.接收单元，用于接收来自图像采集设备的手势图像信息和面部图像信息；
89.第一识别单元，用于对手势图像信息进行图像识别处理，得到待处理手势特征信息；
90.第二识别单元，用于对面部图像信息进行图像识别处理，得到待处理面部特征信息；
91.处理单元，用于基于待处理手势特征信息、待处理面部特征信息和预设的控制规则，在各个机器人中确定目标机器人，并确定目标机器人的目标控制指令；
92.发送单元，用于将目标控制指令发送至目标机器人，以使目标机器人按照目标控制指令执行相应的动作。
93.另外，参照图8，图8示意了另一实施例的电子设备的硬件结构，电子设备包括：
94.处理器801，可以采用通用的cpu(central processing unit，中央处理器)、微处理器、应用专用集成电路(application specific integrated circuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本技术实施例所提供的技术方案；
95.存储器802，可以采用只读存储器(read only memory，rom)、静态存储设备、动态存储设备或者随机存取存储器(random access memory，ram)等形式实现。存储器802可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器802中，并由处理器801来调用执行本技术实施例的基于边缘计算的多机器人控制方法，例如，执行以上描述的图1中的方法步骤s110至步骤s150、图2中的方法步骤s210至步骤s240、图3中的方法步骤s310至步骤s360、图4中的方法步骤s410至步骤s420、图5中的方法步骤s510至步骤s530、图6中的方法步骤s610至步骤s630；
96.输入/输出接口803，用于实现信息输入及输出；
97.通信接口804，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信；
98.总线805，在设备的各个组件(例如处理器801、存储器802、输入/输出接口803和通
信接口804)之间传输信息；
99.其中处理器801、存储器802、输入/输出接口803和通信接口804通过总线805实现彼此之间在设备内部的通信连接。
100.本技术实施例还提供了一种存储介质，存储介质为计算机可读存储介质，用于计算机可读存储，存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现上述基于边缘计算的多机器人控制方法，例如，执行以上描述的图1中的方法步骤s110至步骤s150、图2中的方法步骤s210至步骤s240、图3中的方法步骤s310至步骤s360、图4中的方法步骤s410至步骤s420、图5中的方法步骤s510至步骤s530、图6中的方法步骤s610至步骤s630。
101.存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
102.本技术实施例提供的基于边缘计算的多机器人控制方法、装置及存储介质，其通过接收来自图像采集设备的手势图像信息和面部图像信息；对手势图像信息进行图像识别处理，得到待处理手势特征信息；对面部图像信息进行图像识别处理，得到待处理面部特征信息；基于待处理手势特征信息、待处理面部特征信息和预设的控制规则，在各个机器人中确定目标机器人，并确定目标机器人的目标控制指令；将目标控制指令发送至目标机器人，以使目标机器人按照目标控制指令执行相应的动作；基于此，通过对用户的手势图像信息和面部图像信息进行图像识别处理，分别得到待处理手势特征信息和待处理面部特征信息，进而结合控制规则，准确确定目标机器人及其目标控制指令，通过目标控制指令控制目标机器人，能够提高机器人控制过程的效率，另外，通过边缘设备进行图像识别处理，无需通过云端进行信息处理，能够降低信息处理成本。
103.本技术实施例描述的实施例是为了更加清楚的说明本技术实施例的技术方案，并不构成对于本技术实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。
104.本领域技术人员可以理解的是，图1至图6中示出的技术方案并不构成对本技术实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
105.以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
106.本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
107.本技术的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖
不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
108.应当理解，在本技术中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
109.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
110.上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
111.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
112.集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例的方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等各种可以存储程序的介质。
113.以上参照附图说明了本技术实施例的优选实施例，并非因此局限本技术实施例的权利范围。本领域技术人员不脱离本技术实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本技术实施例的权利范围之内。