[发明专利]适用于智能机器人平台的图像深度信息检测方法及装置

说明书

本申请提供一种适用于智能机器人平台的图像深度信息检测方法及装置，所述适用于智能机器人平台的图像深度信息检测方法包括：首先，利用安装在机器人身上的投影及图像采集装置，获取得到单帧变形条纹信息；然后，将所述单帧变形条纹信息输入至检测模型中，输出得到机器人视场中物体的三维信息；其中，所述检测模型由数据集对卷积神经网络模型进行训练得到。从而达到有效提高机器人对物体三维信息检测的精确度以及效率的目的。

技术领域

本申请涉及计算机技术领域，特别涉及一种适用于智能机器人平台的图像深度信息检测方法及装置。

背景技术

随着光学测量技术的不断发展，在工业应用中对待测物体的尺寸体积、三维测量速度及精度等各方面都提出了更高的需求，在三维光学测量中，单镜头结构光轮廓测量技术在测量速度、光学设置简单性比多镜头技术更具有优势，结构光轮廓术或主动照明技术利用投影仪将带有编码信息的图像照射测量物体的表面，并在一定角度利用单镜头相机观察。

尽管最先进的三步相移轮廓术系统能够实时获得高分辨率物体表面图，但与单次拍摄技术相比，多步相移测量方法的设置存在一些局限性。例如，由于每次测量需要记录多个条纹图像，在测量动态运动对象时不可避免地会出现一定程度的运动伪影。此外，投影仪和相机之间还需要同步引擎，这需要触发硬件和机载投影仪存储器，以在循环中显示连续的条纹图像，从而使多步相移测量方法复杂化。

发明内容

有鉴于此，本申请提供了一种适用于智能机器人平台的图像深度信息检测方法及装置，有效提高机器人对物体三维信息检测的精确度以及效率。

本申请第一方面提供了一种适用于智能机器人平台的图像深度信息检测方法，包括：

利用安装在机器人身上的投影及图像采集装置，获取得到单帧变形条纹信息；

将所述单帧变形条纹信息输入至检测模型中，输出得到机器人视场中物体的三维信息；其中，所述检测模型由数据集对卷积神经网络模型进行训练得到。

可选的，所述检测模型的构建方法，包括：

建立与实际系统相同的仿真系统；其中，所述仿真系统为设计一套相机、投影仪和三维物体的组合仿真系统；

通过所述仿真系统制作数据集；其中，所述数据集包括物体高度调制的变形条纹图及对应的深度图；

将所述数据集中的数据按照预设比例分为训练样本集、验证样本集和测试样本集；

设计初始网络结构与所述训练样本集中的数据进行训练，得到到训练后的模型；

在测试阶段将测试样本集中的数据输入到训练后的模型中，得到物体的深度信息；

若所述物体的深度信息与验证样本集中的数据的误差小于阈值，则将所述训练后的模型确定为检测模型。

可选的，所述初始网络结构分为3部分：下采样、上采样和输出层；下采样部分进行特征提取，主由4部分组成：2个3×3卷积层、批归一化层、激活函数ReLU层，最后连接步长为2、核大小为2×2的最大池化层；上采样部分也是由4部分组成：步长为2、核大小为2×2的转置卷积，与此同时，在与下采样部分相同特征数量的块进行拼接，再经过2个3×3卷积层、批归一化层和激活函数ReLU层；输出层采用1×1卷积建立深度信息映射，输出物体深度。

可选的，模型训练过程中的优化器选取Adam，初始学习率设置为0.0001，每经过20轮，学习率衰减为原来的十分之一，采用L2正则化，参数设置为0.001，网络的损失函数采用RMSE损失函数。

本申请第二方面提供了一种适用于智能机器人平台的图像深度信息的检测装置，包括：

获取单元，用于利用安装在机器人身上的投影及图像采集装置，获取得到单帧变形条纹信息；