[发明专利]一种基于纤维丛理论的物体运动的视觉感知方法

说明书

技术领域

本发明涉及人工智能、机器视觉等技术概念，特别是手势识别方面，如果通过机器视觉能对手的运动精确建模，那么势必会对手势识别应用带来颠覆性的发展，进而推动一般性的物体运动的视觉感知技术的发展。根据分析力学、Lagrange拉格朗日函数、Hamilton哈密顿函数、流形、纤维丛理论的结合，给“物体运动的视觉感知”这一方向带来新的思考。

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《一种基于三维栅格地图的环境特征的相似性度量方法》中，提到一类方法如何从“形状”、“颜色”、“材质”等方面来对物体进行识别。这里我们要解决的是：物体识别之后，如何所获取物体的运动信息，以及这些运动信息是如何表示与计算的。

发明目的

本发明的主要目的就是解决视觉是如何感知物体的运动信息的，物体的运动信息如何表示、存储与计算。

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，持续获取实际环境中物体的点云信息，根据序列化的点云信息，来分析物体的运动信息，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性或局部性特征张量及特征谱值。

(2)根据相邻两帧观测的点云数据及其特征，通过匹配与配准，找到所有特征位置的前后移动向量场；

(3)特征位置可以看成物体的位形在流形上的表示，移动向量看成是流形上相应位置的纤维，整体上纤维丛承载了物体的整个运动空间；

(4)逐维计算移动向量在流形上的分布特征，最后得出一个与移动向量同维的特征谱向量，其唯一代表了这个运动信息。

本发明所使用的系统组成如下：采集系统、视觉特征系统、运动感知系统。这三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：持续地以一定的帧率采集视野内的环境及物体信息，

*视觉特征系统：接收采集系统的数据并计算每帧信息的视觉特征，

*运动感知系统：匹配帧间的视觉特征并提取运动信息、计算运动特征。

附图说明：

图1是本发明方法所用系统组成图

图2是挥手的序列帧

图3是帧间物体的配准

图4是帧间物体运动信息的提取

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点云信息，通过降噪、滤波等方法优化采集到的信息数据，并对外输出环境或物体的点云数据。

第二步

在视觉特征系统中，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或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，实际手臂挥手的序列帖频。

第三步

在运动感知系统中，根据视觉特征系统中输出的特征张量与特征谱，对帧间的特征数据进行匹配与配准，从而提取出运动物体的移动向量场，如图3所示，通过相关的匹配与配准算法，提取出整条手臂上的移动向量场，其中图上只显示了手臂上5个点的移动向量，需要说明的是，这里只是代表，在实际运算中，会匹配出很多的点。

第四步

在运动感知系统中，逐维分析移动向量在物体流形上的分布特征，这里可以共享视觉特征系统中的一些中间计算结果，在视觉特征系统中，计算物体的形状特征时，用的是物体的形状曲率或与曲率相关的数据，在这里我们可以用移动向量的数据代替之，这样逐维分析后，就可以得出与移动向量同维的一个特征谱向量。