買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜北京中聯(lián)國成科技有限公司申請的專利一種人形機(jī)器人的目標(biāo)識別和定位方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN118990480B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411143152.7，技術(shù)領(lǐng)域涉及：B25J9/16；該發(fā)明授權(quán)一種人形機(jī)器人的目標(biāo)識別和定位方法及系統(tǒng)是由張?zhí)乖O(shè)計研發(fā)完成，并于2024-08-20向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種人形機(jī)器人的目標(biāo)識別和定位方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種人形機(jī)器人的目標(biāo)識別和定位方法及系統(tǒng)。方法包括：使用雙視角單目視覺定位方法，計算待識別目標(biāo)的三維位置；使用基于方向梯度的圖像特征提取和支持向量機(jī)分類器對識別目標(biāo)進(jìn)行初步檢測和分類；使用隨機(jī)采樣濾波算法對所述識別目標(biāo)進(jìn)行跟蹤；使用基于步態(tài)檢測的位置算法，進(jìn)行人形機(jī)器人的定位，獲得所述人形機(jī)器人的運(yùn)動軌跡；通過傳感器融合算法，對所述人形機(jī)器人的運(yùn)動軌跡進(jìn)行校正。系統(tǒng)包括目標(biāo)定位模塊、目標(biāo)分類模塊、目標(biāo)跟蹤模塊、定位模塊和定位校正模塊。本發(fā)明能夠完成目標(biāo)識別定位以及人形機(jī)器人自身定位，幫助人形機(jī)器人完成環(huán)境的理解和識別，得到人形機(jī)器人和目標(biāo)對象的相對位置，便于開展后續(xù)工作。

本發(fā)明授權(quán)一種人形機(jī)器人的目標(biāo)識別和定位方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種人形機(jī)器人的目標(biāo)識別和定位方法，其特征在于，包括：使用雙視角單目視覺定位方法，計算待識別目標(biāo)的三維位置；使用基于方向梯度的圖像特征提取和支持向量機(jī)分類器對識別目標(biāo)進(jìn)行初步檢測和分類；使用隨機(jī)采樣濾波算法對所述識別目標(biāo)進(jìn)行跟蹤；使用基于步態(tài)檢測的位置算法，進(jìn)行人形機(jī)器人的定位，獲得所述人形機(jī)器人的運(yùn)動軌跡；通過傳感器融合算法，對所述人形機(jī)器人的運(yùn)動軌跡進(jìn)行校正；所述使用基于方向梯度的圖像特征提取和支持向量機(jī)分類器對識別目標(biāo)進(jìn)行初步檢測和分類包括：將包含識別目標(biāo)的彩色圖像進(jìn)行灰度化處理和歸一化處理，得到輸入圖像；建立方向梯度特征提取模型，將所述輸入圖像作為所述方向梯度特征提取模型的輸入，輸出得到方向梯度特征向量；收集包含識別目標(biāo)的圖像作為樣本，對每個所述樣本分別標(biāo)注對應(yīng)的類別標(biāo)簽，得到數(shù)據(jù)集；設(shè)計支持向量機(jī)分類器，使用所述數(shù)據(jù)集訓(xùn)練所述支持向量機(jī)分類器，將所述方向梯度特征向量作為訓(xùn)練后的所述支持向量機(jī)分類器的輸入，輸出類別標(biāo)簽，得到所述識別目標(biāo)的分類結(jié)果；所述建立方向梯度特征提取模型，將所述輸入圖像作為所述方向梯度特征提取模型的輸入，輸出得到方向梯度特征向量包括：建立方向梯度特征提取模型，所述方向梯度特征提取模型包括輸入層、梯度計算層、方向梯度直方圖層、特征向量拼接層和歸一化層；所述輸入層接收經(jīng)過灰度化處理和歸一化處理的所述輸入圖像，其中，所述輸入圖像中的每個像素表示為Inormi,j；所述梯度計算層對于所述輸入圖像中的每個像素，計算在x方向上的水平梯度Gxi,j＝Inormi,j+1-Inormi,j-1，y方向上的垂直梯度Gyi,j＝Inormi+1,j-Inormi-1,j，計算得到表示邊緣強(qiáng)度的梯度幅值表示邊緣方向的梯度方向所述方向梯度直方圖層將所述輸入圖像劃分為若干大小為N×N的細(xì)胞單元，其中，N為像素值，在每個所述細(xì)胞單元內(nèi)，基于計算的所述梯度方向，將所述梯度幅值加入對應(yīng)的方向區(qū)間b中，對于每個所述方向區(qū)間b，計算累加屬于該方向的梯度幅值得到所述細(xì)胞單元的梯度方向的直方圖向量H＝[H1,H2,…Hb,...Hm]；所述特征向量拼接層將每個相鄰的所述細(xì)胞單元的所述梯度方向的直方圖向量依次拼接，得到成塊特征向量v；所述歸一化層對拼接后的所述成塊特征向量進(jìn)行歸一化處理，得到方向梯度特征向量，其中，∈為正數(shù)常量；所述設(shè)計支持向量機(jī)分類器，使用所述數(shù)據(jù)集訓(xùn)練所述支持向量機(jī)分類器，將所述方向梯度特征向量作為訓(xùn)練后的所述支持向量機(jī)分類器的輸入，輸出類別標(biāo)簽，得到所述識別目標(biāo)的分類結(jié)果包括：構(gòu)建多類支持向量機(jī)分類器，為每對類別訓(xùn)練一個支持向量機(jī)分類器，共需JJ-12個分類器，其中J是所述識別目標(biāo)的類別數(shù)量；對每類所述支持向量機(jī)分類器進(jìn)行訓(xùn)練，通過優(yōu)化算法調(diào)整損失函數(shù)其中，F(xiàn)為懲罰項(xiàng)，e為權(quán)重向量，q為偏置項(xiàng)，M為樣本數(shù)，調(diào)整所述權(quán)重向量e和偏置項(xiàng)q，使損失函數(shù)最小化達(dá)到預(yù)設(shè)值；將一張所述輸入圖像提取的所述方向梯度特征向量作為輸入，分別輸入每類訓(xùn)練后的所述支持向量機(jī)分類器，每類所述支持向量機(jī)分類器分別輸出一個類別標(biāo)簽，得到該張所述輸入圖像的所述識別目標(biāo)的分類結(jié)果y∈{1,2,…,J}；所述使用隨機(jī)采樣濾波算法對所述識別目標(biāo)進(jìn)行跟蹤包括：所述識別目標(biāo)的初始位置為X0,Y0,Z0，在所述識別目標(biāo)的初始位置處定義初始搜索窗口，所述初始搜索窗口的半徑為R0；對輸入圖像集合中的每一幀，計算在三維顏色空間中的顏色直方圖的分布其中，Ci為顏色空間中的一個顏色值，Cx,y,z為目標(biāo)區(qū)域內(nèi)的像素顏色值，I為指示函數(shù)，顏色差異滿足條件|Ci-Cx,y,z|≤ΔC時所述指示函數(shù)的值為1，否則為0，ΔC為顏色差異的閾值；更新所述識別目標(biāo)的中心位置Xt＝Xt-1+ΔXt,Yt＝Y(jié)t-1+ΔYt,Zt＝Zt-1+ΔZt，其中，ΔXt，ΔYt，ΔZt為所述識別目標(biāo)在當(dāng)前幀中的位移，更新搜索窗口的半徑其中，St為當(dāng)前幀中目標(biāo)的面積或體積；更新所述輸入圖像集合中的每一幀的所述識別目標(biāo)的位置，得到所述識別目標(biāo)在跟蹤過程中的三維軌跡Trajectory＝{X1,Y1,Z1,X2,Y2,Z2,...,Xt,Yt,Zt}。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人北京中聯(lián)國成科技有限公司，其通訊地址為：100083 北京市海淀區(qū)學(xué)院路35號世寧大廈14層1409-027；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。