[发明专利]一种基于触觉感知的双目视觉环境探测系统及方法有效
| 申请号: | 201910342917.2 | 申请日: | 2019-04-25 |
| 公开(公告)号: | CN110060284B | 公开(公告)日: | 2021-10-22 |
| 发明(设计)人: | 王荩立 | 申请(专利权)人: | 王荩立 |
| 主分类号: | G06T7/33 | 分类号: | G06T7/33;G06T7/13 |
| 代理公司: | 北京之于行知识产权代理有限公司 11767 | 代理人: | 何志欣 |
| 地址: | 100176 北京市海*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 触觉 感知 双目 视觉 环境 探测 系统 方法 | ||
1.一种基于触觉感知的双目视觉环境探测系统,至少包括用于考古发掘的机器人主体,所述机器人主体包括摄像装置(1)、触觉传感器(2)和处理器(3),其特征在于,所述处理器(3)被配置为:
基于所述摄像装置(1)采集的至少两个存在视差值的视觉图像来划分彼此邻接的统计特性丢失区域以形成所述机器人主体行走的曲线路径,
将与所述曲线路径相关的由所述触觉传感器(2)采集的触觉信息与先验信息关联,生成物体表面统计特征点集合,从而补偿所述统计特性丢失区域的特征以提取图像边缘特征点,
所述处理器(3)划分所述统计特性丢失区域的步骤包括:
将所述视觉图像进行去噪以生成所述视觉图像的图像边缘特征点集合;
基于图像边缘特征点的梯度幅值和梯度方向获取所述视觉图像的统计特性丢失点集;
基于闭合多边形描述所述视觉图像的统计特性丢失点集的边缘以生成两两间至少具有一条共用边的若干所述统计特性丢失区域;
其中,所述处理器(3)基于所述触觉传感器(2)采集的触觉信息构建训练学习模型,该训练模型能够基于现有的触觉分类的先验信息进行训练分类,现有的触觉分类的先验信息是触觉分类库,所述处理器(3)基于触觉分类后关联视觉分类库生成物体表面统计特征点集合,视觉分类库是视觉分类的先验信息,存储器(4)中存储触觉分类库和视觉分类库,触觉分类库是已经分类完成的包括物体触觉分类信息的存储库,视觉分类库是已经分类完成的包括物体视觉分类信息的存储库,将触觉分类库与视觉分类库相关联。
2.根据权利要求1所述的系统,其特征在于,所述曲线路径按照如下方式生成:
所述处理器(3)按照机器人主体能够遍历所述若干统计特性丢失区域的共用边的方式生成所述曲线路径。
3.根据权利要求2所述的系统,其特征在于,在所述曲线路径经过的地面的高度落差超过所述机器人主体的腿部的长度的情况下,所述处理器(3)按照沿具有所述高度落差的地形的边缘移动至所述曲线路径的方式修正所述机器人主体的移动路径。
4.根据权利要求3所述的系统,其特征在于,补偿所述统计特性丢失区域的特征以提取图像边缘特征点的步骤包括:
所述处理器(3)基于所述物体表面统计特征点集合获取所述统计特性丢失区域的图像边缘点集合,并将所述统计特性丢失区域的图像边缘点集合按照其点集合的平均梯度强度与所述图像对的图像边缘特征点集合内的平均梯度强度一致的方式生成所述视觉图像的完整图像边缘特征点集合。
5.根据权利要求4所述的系统,其特征在于,所述处理器(3)基于所述视觉图像的完整图像边缘特征点集合生成梯度强弱阈值,并基于所述梯度强弱阈值生成所述视觉图像的完整图像边缘特征点集合的二值点集合;
所述处理器(3)按照保留具有不同值的邻接二值点的方式提取所述二值点集合内的二值点,从而生成所述视觉图像的支撑点。
6.根据权利要求5所述的系统,其特征在于,所述视觉图像的视差值按照如下方式获取:
所述处理器(3)基于所述视觉图像的支撑点构建视差匹配基元;
所述处理器(3)基于所述视差匹配基元采用支撑点立体匹配方法求解所述视觉图像的视差值;
所述处理器(3)基于所述视觉图像的遮挡区域和不连续区域对视差值进行修正。
7.根据权利要求6所述的系统,其特征在于,在所述机器人主体遍历所述曲线路径后存在无法提取图像边缘特征的统计特性不完善区域的情况下,所述处理器(3)生成修正曲线路径,其中,
所述修正曲线路径在所述统计特性不完善区域的路径段与原曲线路径的所述统计特性不完善区域的相应路径段不同且彼此邻接。
8.一种基于触觉感知的双目视觉环境探测方法,所述方法包括采用机器人主体进行考古发掘,其特征在于,所述方法还包括:
机器人主体内的处理器(3)基于摄像装置(1)采集的至少两个存在视差值的视觉图像来划分彼此邻接的统计特性丢失区域以形成机器人主体行走的曲线路径,
所述处理器(3)将与所述曲线路径相关的由触觉传感器(2)采集的触觉信息与先验信息关联,生成物体表面统计特征点集合,从而补偿所述统计特性丢失区域的特征以提取图像边缘特征点,
所述处理器(3)划分所述统计特性丢失区域的步骤包括:
将所述视觉图像去噪以生成所述视觉图像的图像边缘特征点集合;
基于图像边缘特征点的梯度幅值和梯度方向获取所述视觉图像的统计特性丢失点集;
基于闭合多边形描述所述视觉图像的统计特性丢失点集的边缘以生成两两间至少具有一条共用边的若干所述统计特性丢失区域;
其中,所述处理器(3)基于所述触觉传感器(2)采集的触觉信息构建训练学习模型,该训练模型能够基于现有的触觉分类的先验信息进行训练分类,现有的触觉分类的先验信息可以是触觉分类库,所述处理器(3)基于触觉分类后关联视觉分类库生成物体表面统计特征点集合,视觉分类库是视觉分类的先验信息,存储器(4)中存储触觉分类库和视觉分类库,触觉分类库是已经分类完成的包括物体触觉分类信息的存储库,视觉分类库是已经分类完成的包括物体视觉分类信息的存储库,将触觉分类库与视觉分类库相关联。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于王荩立,未经王荩立许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910342917.2/1.html,转载请声明来源钻瓜专利网。
- 上一篇:支付交易判重方法及支付系统
- 下一篇:数据处理装置、数据处理方法和程序





