[发明专利]一种足球检测方法、装置、计算机可读存储介质及机器人

说明书

本申请属于机器人技术领域，尤其涉及一种足球检测方法、装置、计算机可读存储介质及机器人。所述方法通过机器人的深度相机采集目标区域的二维图像和三维点云数据；使用预设的深度学习目标检测模型在所述二维图像中进行足球检测，输出足球检测框和置信度；若所述置信度大于预设的置信度阈值，则根据所述足球检测框中的三维点云数据确定足球位姿。通过本申请实施例，基于深度学习目标检测技术和三维点云技术，充分结合了二维图像和三维点云数据的优势，即使在使用轻量级模型的情况下，也能达到极高的准确率。

技术领域

本申请属于机器人技术领域，尤其涉及一种足球检测方法、装置、计算机可读存储介质及机器人。

背景技术

传统足球检测方法都是基于单一的二维图像，通过训练目标检测模型实现寻找足球的位姿信息，然而，提升足球检测的准确率需要参数量和运算能力均很高的重量级模型，但人形机器人的硬件平台一般不支持GPU加速，因此在保证帧率较高的前提下，只能使用轻量级模型，从而导致足球检测的结果准确率较低。

发明内容

有鉴于此，本申请实施例提供了一种足球检测方法、装置、计算机可读存储介质及机器人，以解决现有的足球检测方法准确率较低的问题。

本申请实施例的第一方面提供了一种足球检测方法，可以包括：

通过机器人的深度相机采集目标区域的二维图像和三维点云数据；

使用预设的深度学习目标检测模型在所述二维图像中进行足球检测，输出足球检测框和置信度；

若所述置信度大于预设的置信度阈值，则根据所述足球检测框中的三维点云数据确定足球位姿。

进一步地，所述根据所述足球检测框中的三维点云数据确定足球位姿，包括：

将所述足球检测框中的三维点云数据构造为点云集合；

从所述点云集合中选取一个点云子集；

对所述点云子集进行球体模型拟合，得到候选球体模型；

根据所述点云集合计算所述候选球体模型的误差率；

若所述误差率大于或等于预设的误差阈值，则返回执行所述从所述点云集合中选取一个点云子集的步骤及其后续步骤，直至所述误差率小于所述误差阈值或迭代次数大于预设的迭代阈值为止；

若所述误差率小于所述误差阈值或所述迭代次数大于所述迭代阈值，则根据误差率最小的候选球体模型确定所述足球位姿。

进一步地，所述根据所述点云集合计算所述候选球体模型的误差率，包括：

分别计算所述点云集合中的各个样本点与所述候选球体模型之间的偏差值；

将偏差值小于预设的偏差阈值的样本点确定为属于所述候选球体模型的局内点；

根据所述局内点的数目计算所述候选球体模型的误差率。

进一步地，在使用预设的深度学习目标检测模型在所述二维图像中进行足球检测之前，还包括：

将从预设的数据源获取的各张足球图像构建为原始数据集；

对所述原始数据集进行清洗和预处理，并转化为VOC数据集；

使用所述VOC数据集对所述深度学习目标检测模型进行训练，得到训练好的深度学习目标检测模型。

可选地，所述足球检测方法还可以包括：

对所述足球检测框中的二维图像进行二值化处理，得到二值化图像；

根据最大轮廓检测算法分割出所述二值化图像中的足球轮廓；

根据所述足球轮廓确定所述足球位姿。