[发明专利]视觉机器人的目标搜寻方法及机器人

说明书

本发明提供了视觉机器人的目标搜寻方法及机器人，涉及机器人搜寻技术领域。所述方法包括步骤：获取搜寻目标信息；所述搜寻目标信息包括目标特征和所属目标类型；启动视觉相机拍摄以获取视野图像，根据前述所属目标类型对应的目标检测神经网络模型的检测图像尺寸要求，对视野图像进行预处理以生成检测图像，将检测图像输入到前述对应的目标检测神经网络模型进行目标检测；所述检测图像是由分辨率不同的、且与视野图像相关的多个图像拼接而成；获取目标检测结果，根据前述目标特征判断目标检测结果中是否有搜寻目标。本发明在保证远近目标搜寻的实时准确性的基础上，降低了远近目标搜寻对设备算力的要求。

技术领域

本发明涉及机器人搜寻技术领域。

背景技术

通过智能移动机器人对目标进行搜寻被广泛地应用在搜救服务、场景监控和 对象寻找、目标探测等领域，具有广泛应用前景。

移动机器人对目标的搜寻可能会涉及计算机视觉和模式识别等多个领域。其 中，对于计算机视觉，目的是模拟人类视觉机制，计算视觉场景中信息的重要程 度，提取图像中感兴趣的显著性特征或目标物体特征。机器人基于视觉进行目标 搜寻的过程通常包括图像采集、目标检测和目标确认。随着人工智能和深度学习 技术的快速发展，基于卷积神经网络(CNN)算法的目标检测方法得到了广泛应 用。相较于传统的机器视觉方法，卷积神经网络在大数据的训练下，从大量数据 中学习出有用的特征，具有速度快、精度高、成本低等优势。

然而，一方面，虽然卷积神经网络算法提高了跟踪的实时准确性，但由于卷 积神经网络基于目标检测算法通常包含大量计算密集型运算，对实时检测算力和 带宽的要求很高。另一方面，人们在使用视觉机器人对目标进行搜寻时，通常期 望机器人不仅对近处目标有较好的搜寻能力，而且对远处目标具有较好的搜寻能 力。卷积神经网络模型中为了检测不同远近距离的目标，目前常用的方法是：对 原始图像进行多尺度缩放，生成多尺度金字塔图像组，然后对不同尺度的输入图 像分别检测；具体的，在检测近处目标时，在缩小的图像上检测；在检测远处目 标时，在高分辨率的大尺寸图像上检测。由于需要为每级图像尺度设计训练神经 网络，对设备的算力和带宽提出了更高要求。如何在保证远近目标搜寻的实时准 确性的基础上，降低目标实时搜寻对设备算力的要求，是当前亟待解决的技术问 题。

发明内容

本发明的目的在于：克服现有技术的不足，提供了一种视觉机器人的目标搜 寻方法及机器人。本发明针对搜寻目标的所属目标类型设置了不同的目标检测神 经网络模型，在检测目标时可以仅针对搜寻目标所属类型进行目标检测；同时， 通过分辨率不同的、且与视野图像相关的多个图像拼接形成检测图像以匹配目标 检测神经网络模型的检测尺寸，大分辨率图像适合搜寻近处目标，小分辨率图像 适合搜寻远处目标，无需对不同尺度的输入图像分别检测，在保证远近目标搜寻 的实时准确性的基础上，降低了远近目标搜寻对设备算力的要求。

为实现上述目标，本发明提供了如下技术方案：

一种视觉机器人的目标搜寻方法，包括步骤：

获取搜寻目标信息；所述搜寻目标信息包括目标特征和所属目标类型，不同 的目标类型对应有不同的目标检测神经网络模型；

启动视觉相机拍摄以获取视野图像，根据前述所属目标类型对应的目标检测 神经网络模型的检测图像尺寸要求，对视野图像进行预处理以生成检测图像，将 检测图像输入到前述对应的目标检测神经网络模型进行目标检测；所述检测图像 是由分辨率不同的、且与视野图像相关的多个图像拼接而成；

获取目标检测结果，根据前述目标特征判断目标检测结果中是否有搜寻目 标。

进一步，在判定有搜寻目标的情况下，启动视觉机器人的跟随模式，对前述 搜寻目标进行跟随；否则，调整视觉相机的拍摄角度向左或向右旋转预设角度， 重新获取视野图像后，进行前述目标检测的过程。