CN109685709A - 一种智能机器人的照明控制方法及装置 - Google Patents
一种智能机器人的照明控制方法及装置 Download PDFInfo
- Publication number
- CN109685709A CN109685709A CN201811625748.5A CN201811625748A CN109685709A CN 109685709 A CN109685709 A CN 109685709A CN 201811625748 A CN201811625748 A CN 201811625748A CN 109685709 A CN109685709 A CN 109685709A
- Authority
- CN
- China
- Prior art keywords
- image
- intelligent robot
- brightness
- light filling
- camera
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000005286 illumination Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000013528 artificial neural network Methods 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims description 29
- 238000000605 extraction Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 230000000149 penetrating effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Robotics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
- Manipulator (AREA)
Abstract
本申请公开了一种智能机器人的照明控制方法及装置。该方法包括:获取智能机器人拍摄的图像的亮度;当所述图像的亮度低于阈值时,在摄像头拍摄时进行补光处理,其中,所述摄像头属于所述智能机器人;通过所述摄像头采集补光处理后的视频图像;基于深度神经网络对所述视频图像进行智能分析。还公开了与该方法相对应的装置。通过在光照强度不足的情况下进行补光,获得更高质量的图像或视频,进而完成对机器人的精准控制。
Description
技术领域
本申请涉及智能控制技术领域,尤其涉及一种智能机器人的照明控制方法及装置。
背景技术
机器人在自主控制方面的应用越来越广,基于摄像头拍摄的图像可实现对智能机器人的自主控制,但受智能机器人周围环境的亮度的影响,摄像头在亮度不足的情况下,拍摄的视频和图像的质量较低,进而影响智能机器人的控制精度。
发明内容
本申请提供了一种智能机器人的照明控制方法及装置,以实现对机器人在暗光环境下的补光和控制。
第一方面,提供了一种智能机器人的照明控制方法,包括:获取智能机器人拍摄的图像的亮度;当所述图像的亮度低于阈值时,在摄像头拍摄时进行补光处理,其中,所述摄像头属于所述智能机器人;通过所述摄像头采集补光处理后的视频图像;基于深度神经网络对所述视频图像进行智能分析。
在一种可能实现的方式中,所述获取智能机器人拍摄的图像亮度,包括:获取所述智能机器人所处的环境的图像;计算所述图像的RGB值的平均值;根据所述平均值和第一映射关系,得到所述图像亮度,其中,所述第一映射关系为RGB值与亮度之间的映射关系。
在另一种可能实现的方式中,所述当所述图像的亮度低于阈值时,在摄像头拍摄时进行补光,包括:当所述亮度低于阈值时,将照明灯的光照强度调高以满足智能机器人拍摄的图像亮度达到所述阈值,其中,所述照明灯属于所述智能机器人。
在又一种可能实现的方式中,所述方法还包括:获取所述摄像头在补光后拍摄的第一图像,其中,所述第一图像包括手,人脸或目标物体中的任意一种;对所述补光后的图像进行以下至少一种识别:人脸识别、手势识别、目标物识别。
在又一种可能实现的方式中,所述方法还包括:获取所述摄像头在补光后拍摄的第二图像,其中,所述第二图像包括预设路线的路线标识;
对所述第二图像进行特征提取处理,得到特征图像,其中,所述特征图像包括所述预设路线的路线标识的特征;
根据所述特征图像及第二映射关系,得到所述智能小车的控制信息,其中,所述第二映射关系为特征图像与控制信息之间的映射关系,所述控制信息包括速度和转向角。
第二方面,提供了一种智能机器人的照明控制装置,包括:获取单元,用于获取智能机器人拍摄的图像的亮度;补光单元,用于当所述图像的亮度低于阈值时,在摄像头拍摄时进行补光处理,其中,所述摄像头属于所述智能机器人;图像采集单元,用于通过所述摄像头采集补光处理后的视频图像;分析单元,用于基于深度神经网络对所述视频图像进行智能分析。
在一种可能实现的方式中,所述获取单元包括:获取子单元,用于获取所述智能机器人所处的环境的图像;计算子单元,用于计算所述图像的RGB值的平均值;确定子单元,用于根据所述平均值和第一映射关系,得到所述图像亮度,其中,所述第一映射关系为RGB值与亮度之间的映射关系。
在另一种可能实现的方式中,所述补光单元包括:调整子单元,用于当所述亮度低于阈值时,将照明灯的光照强度调高以满足智能机器人拍摄的图像亮度达到所述阈值,其中,所述照明灯属于所述智能机器人。
在又一种可能实现的方式中,所述装置还包括:所述获取单元,还用于获取所述摄像头在补光后拍摄的第一图像,其中,所述第一图像包括手,人脸或目标物体中的任意一种;识别单元,用于对所述补光后的图像进行以下至少一种识别:人脸识别、手势识别、目标物识别。
在又一种可能实现的方式中,所述装置还包括:所述获取单元,还用于获取所述摄像头在补光后拍摄的第二图像,其中,所述第二图像包括预设路线的路线标识;处理单元,用于对所述第二图像进行特征提取处理,得到特征图像,其中,所述特征图像包括所述预设路线的路线标识的特征;确定单元,用于根据所述特征图像及第二映射关系,得到所述智能小车的控制信息,其中,所述第二映射关系为特征图像与控制信息之间的映射关系,所述控制信息包括速度和转向角。
第三方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被智能机器人的照明控制装置的处理器执行时,使所述处理器执行第一方面中任意一项所述的方法。
第四方面,本申请提供了一种智能机器人的照明控制装置,包括:处理器和存储器,所述处理器和所述存储耦合器;其中,所述存储器存储有程序指令,所述程序指令被所述处理器执行时,使所述处理器执行第一方面中任意一项所述的方法。
本申请通过将获取到的图像的亮度与阈值进行比较,判断是否需要在摄像头拍摄时进行补光,若图像的亮度低于阈值,则在摄像头拍摄时进行补光,并基于补光后拍摄得到的视频图像对小车进行控制,保证小车在弱光环境下的控制精度。
附图说明
为了更清楚地说明本申请实施例或背景技术中的技术方案,下面将对本申请实施例或背景技术中所需要使用的附图进行说明。
图1为本申请实施例提供的一种智能机器人的照明控制方法的流程示意图;
图2为本申请实施例提供的另一种智能机器人的照明控制方法的流程示意图;
图3为本申请实施例提供的另一种智能机器人的照明控制方法的流程示意图;
图4为本申请实施例提供的另一种智能机器人的照明控制方法的流程示意图;
图5为本申请实施例提供的一种智能机器人的照明控制装置的结构示意图;
图6为本申请实施例提供的一种智能机器人的照明控制装置的硬件结构示意图。
具体实施方式
下面结合本申请实施例中的附图对本申请实施例进行描述。
请参阅图1,图1是本申请实施例提供的一种智能机器人的照明控制方法的流程示意图。
101、获取智能机器人拍摄的图像的亮度。
本申请实施例中的所指的智能机器人为可进行自主控制的机器,上述自主控制包括:循迹行走,自主避障行走。需要理解的是,本申请实施例对智能机器人的形状不做限定,可以为智能小车,人形机器人。
智能机器人上装载有摄像头,通过摄像头可对智能机器人周围的环境进行实时拍摄,其中,拍摄的方式可以为拍摄视频,也可以为拍摄图像。通过对拍摄的视频或拍摄的图像进行相应的处理,可获得拍摄的图像的亮度。在一个可能实现的例子中,计算拍摄的图像的RGB值的平均值,再根据RGB值与亮度之间的映射关系,得到图像的亮度。
102、当上述图像的亮度低于阈值时,在摄像头拍摄时进行补光处理。
智能机器人的自主控制需要对摄像头拍摄的视频或图像进行分析,并根据分析得到的结果进行相应的控制,因此,摄像头拍摄的视频或图像的质量将直接影响智能机器人的自主控制的精确度。当智能机器人周围的环境亮度过低时,会导致拍摄的视频或图像的不够清晰,进而导致智能机器人的控制误差较大,在一种可能实现的方式中,将智能机器人拍摄的图像的亮度与阈值进行比较,如果图像的亮度低于阈值时,表明此时智能机器人周围的环境亮度较低,所以在摄像头拍摄时进行补光处理。
103、通过上述摄像头采集补光处理后的视频图像。
在完成补光处理后,再通过摄像头采集智能机器人周围环境的视频图像,将获得清晰度高的视频图像。
104、基于深度神经网络对上述视频图像进行智能分析。
通过智能机器人内部的深度神经网络对采集到的补光处理后的视频图像进行处理,并基于处理得到的结果进行进一步的控制,提高智能机器人的控制精度。在一个可能实现的方式中,深度神经网络对图像进行人脸特征提取,根据人脸特征提取的结果,判断智能机器人前方是否有人,如若有人,则通过智能机器人内部的语音***发出如“您好,欢迎光临”之类的问候语。
本申请实施例通过将获取到的图像的亮度与阈值进行比较,判断是否需要在摄像头拍摄时进行补光,若图像的亮度低于阈值,则在摄像头拍摄时进行补光,并基于补光后拍摄得到的视频图像对小车进行控制,保证小车在弱光环境下的控制精度。
请参阅图2,图2是本申请实施例提供的智能机器人的照明控制方法中步骤101的一种可能的实现方式的流程示意图。
201、获取智能机器人所处的环境的图像;
本申请实施例中的所指的智能机器人为可进行自主控制的机器,上述自主控制包括:循迹行走,自主避障行走。需要理解的是,本申请实施例对智能机器人的形状不做限定,可以为智能小车,人形机器人。智能机器人完成自主控制需要通过传感***感知周围环境,并自主规划行走路线以及控制自身完成预定任务。在一种可能实现的方式中,智能机器人上装载有摄像头,通过摄像头可对智能机器人周围的环境进行实时拍摄,其中,拍摄的方式可以为拍摄视频,也可以为拍摄图像。
202、计算上述图像的RGB值的平均值。
图像的RGB值越大,图像亮度越高,由于图像中不同位置的RGB值不一样,通过对拍摄的视频或拍摄的图像的RGB值求平均值。
203、根据上述平均值和第一映射关系,得到上述图像的亮度。
本申请实施例通过智能机器人的摄像头获取环境图像,再计算得到环境图像的RGB值的平均值,进而得到环境图像的亮度。
请参阅图3,图3是本申请实施例提供的另一种智能机器人的照明控制方法的流程示意图。
301、当上述图像的亮度低于阈值时,将照明灯的光照强度调高以满足智能机器人拍摄的图像亮度达到所述阈值。
如201所述,智能机器人的自主控制是通过传感器完成的,在一种可能实现的方式中,对摄像头拍摄的视频或图像进行分析,得到图像中特定物体的位置,并通过将连续多帧图像中特定物体的位置进行比较,得到智能机器人的速度,通过智能机器人与障碍物之间的距离、安全距离,对智能机器人的速度进行调整,保证智能机器人与障碍物之间的距离始终大于或等于安全距离。显然,摄像头拍摄的视频或图像的质量将直接影响智能机器人的自主控制的精确度。当智能机器人周围的环境亮度过低时,会导致拍摄的视频或图像的不够清晰,进而导致智能机器人的控制误差较大,在一种可能实现的方式中,将智能机器人拍摄的图像的亮度与阈值进行比较,如果图像的亮度低于阈值时,表明此时智能机器人周围的环境亮度较低,所以在摄像头拍摄时进行补光处理。需要理解的是,用户可根据智能机器人在暗光环境下的控制效果调整该阈值,如:在暗光环境下,控制效果较差,可将该阈值适当调低。智能机器人上装载有照明灯,当拍摄的图像的亮度低于阈值时,将照明灯的光照强度调高以满足智能机器人拍摄的图像亮度达到上述阈值,这样,可保证摄像头采集到的图像的质量。需要理解的是,上述照明灯可以是常亮的,也可以是当拍摄的图像的亮度低于阈值时,才点亮并照明。
在另一种可能实现的方式中,当图像的亮度低于阈值时,包括:当图像亮度低于第一预设亮度,对智能机器人的照明灯进行一级调节;当周围图像亮度低于第二预设亮度,对智能机器人的照明灯进行二级调节;当图像环境亮度低于第三预设亮度,对智能机器人的照明灯进行三级调节。即可根据不同的图像亮度,进行不同程度的补光,上述一级的补光量最小,三级的补光量最大。这样,根据不同的环境亮度给予不同大小的补光量,可避免摄像头在进行拍摄的时候出现过曝的情况,同时,也可有效的节省智能机器人的电量。
在又一种可能实现的方式中,在特定环境下的控制效果不够理想时,用户是可以直观感受到的,因此,还可配合人眼对周围环境亮度的感知手动调整照明灯的亮度、更换照明灯、调整照明灯与智能机器人的视觉传感器的夹角。如:当环境亮度低时,可手动将照明灯的亮度调高。此外,在某些环境下,在将智能机器人上装载的照明灯的调到最大亮度后,也无法获得较为理想的补光效果时,用户可更换一个光照亮度更大的照明灯,直至获得理想的补光的效果。另外,智能机器人是基于摄像头拍摄到的图像或视频实现对智能机器人的控制的,而照明灯产生的光束和视觉传感器之间的夹角也将大大影响拍摄到的图像或视频的质量,因此,用户可手动调整照明灯和视觉传感器之间的夹角,以获得理想的拍摄效果,可选地,可调整的夹角范围为-30°~30°。
302、通过上述摄像头采集补光处理后的视频图像。
在完成补光处理后,再通过摄像头采集智能机器人周围环境的视频图像,将获得清晰度高的视频图像。
303、基于深度神经网络对上述视频图像进行智能分析。
通过智能机器人内部的深度神经网络对采集到的补光处理后的视频图像进行处理,并基于处理得到的结果进行进一步的控制,提高智能机器人的控制精度。在一种可能实现的方式中,深度神经网络对图像进行人脸特征提取,根据人脸特征提取的结果,判断智能机器人前方是否有人,如若有人,则通过智能机器人内部的语音***发出如“您好,欢迎光临”之类的问候语。
在另一种可能实现的方式中,深度神经网络对图像进行手势特征提取,所述手势包括以下至少一种:停止手势、左转弯手势、右转弯手势、调头手势。根据提取到的手势特征,判断手势的意义,并根据手势的意义对智能机器人进行下一步控制,如:急停、左转弯、右转弯、调头。
在又一种可能实现的方式中,深度神经网络对图像进行目标物特征提取,根据提取到的目标物特征,判断目标物所处的位置,并控制智能机器人完成相应的任务,如:智能机器人在图像中提取出垃圾桶的相关特征,判定拍摄的图像中包含目标物:垃圾桶,根据智能机器人当前位置与垃圾桶之间的距离及智能机器人与垃圾桶之间的夹角,调整智能机器人行驶的速度即转向角,使智能机器人达到垃圾桶前,并将垃圾倒入垃圾桶。
在又一种可能实现的方式中,对于教学用的循迹智能机器人而言,智能机器人的行走路线及路线周围的环境都是确定的,通过对路线和路线周围的环境进行图像采集,并将采集到的图像作为训练集,对深度神经网络进行训练,以期望的转向角和速度对深度神经网络得到的转向角和速度进行监督,整定深度神经网络的参数,使深度神经网络在预设路线中的每个位置与控制信息之间建立第二映射关系,其中,控制信息包括:速度和转向角。将完成训练的智能机器人用于同一个环境下进行自主循迹行走时,深度神经网络对实时拍摄到的图像进行特征提取,得到特征图像,并根据特征图像确定智能机器人此时所处的位置,并根据得到的位置结果与第二映射关系得到智能机器人的速度和转向角,依据速度和转向角完成对智能机器人的控制。
本申请实施例可通过调高照明灯的亮度实现对智能机器人的补光,保证摄像头拍摄的图像的质量,进而实现对机器人的精准控制;同时,还可通过用户对照明灯的手动调整,达到补光的效果。
请参阅图4,图4是本申请实施例提供的另一种智能机器人的照明控制方法的流程示意图。
本公开实施例通过光感应传感器获取智能机器人周围环境的亮度,并将光线传感器获得的亮度与阈值进行比较,根据比较结果判断是否需要对智能机器人的拍摄对象进行补光,具体包括以下步骤:
401、获取智能机器人所处的环境的光照强度。
402、将上述光照强度转化为电信号。
403、对上述电信号进行标度变换,得到智能机器人所处的环境的亮度。
404、当上述亮度低于环境亮度阈值时,将照明灯的光照强度调高以使智能机器人所处的环境的亮度达到上述环境亮度阈值。
将智能机器人所处的环境的亮度与环境亮度阈值进行比较,如果智能机器人所处的环境的亮度低于环境亮度阈值时,表明此时智能机器人周围的环境亮度较低,将照明灯的光照强度调高在摄像头拍摄时进行补光处理以使智能机器人所处的环境的亮度达到上述环境亮度阈值。在一种可能实现的方式中,当环境的亮度低于环境亮度阈值时,包括:当智能机器人所处的环境的亮度低于第一预设亮度,对智能机器人的照明灯进行一级调节;当智能机器人所处的环境的亮度低于第二预设亮度,对智能机器人的照明灯进行二级调节;当智能机器人所处的环境的亮度低于第三预设亮度,对智能机器人的照明灯进行三级调节。即可根据不同的环境亮度,进行不同程度的补光,上述一级的补光量最小,三级的补光量最大。这样,根据不同的环境亮度给予不同大小的补光量,可避免摄像头在进行拍摄的时候出现过曝的情况,同时,也可有效的节省智能机器人的电量。
本申请实施例通过装载的光线传感器获取周围环境的亮度,在周围环境的亮度低于预先设定的环境的亮度的情况下,对智能机器人进行补光处理。
上述详细阐述了本申请实施例的方法,下面提供了本申请实施例的装置。
请参阅图5,图5为本申请实施例提供的一种智能机器人的照明控制装置的结构示意图,该装置1包括:获取单元11、补光单元12、图像采集单元13、识别单元14、处理单元15及确定单元16,其中:
获取单元11,用于获取智能机器人拍摄的图像的亮度;
补光单元12,用于当所述图像的亮度低于阈值时,在摄像头拍摄时进行补光处理,其中,所述摄像头属于所述智能机器人;
图像采集单元13,用于通过所述摄像头采集补光处理后的视频图像;分析单元,用于基于深度神经网络对所述视频图像进行智能分析;
所述获取单元11,还用于获取所述摄像头在补光后拍摄的第一图像,其中,所述第一图像包括手,人脸或目标物体中的任意一种;
识别单元14,用于对所述补光后的图像进行以下至少一种识别:人脸识别、手势识别、目标物识别;
所述获取单元11,还用于获取所述摄像头在补光后拍摄的第二图像,其中,所述第二图像包括预设路线的路线标识;
处理单元15,用于对所述第二图像进行特征提取处理,得到特征图像,其中,所述特征图像包括所述预设路线的路线标识的特征;
确定单元16,用于根据所述特征图像及第二映射关系,得到所述智能小车的控制信息,其中,所述第二映射关系为特征图像与控制信息之间的映射关系,所述控制信息包括速度和转向角。
在一种可能实现的方式中,所述获取单元11包括:获取子单元111,用于获取所述智能机器人所处的环境的图像;计算子单元112,用于计算所述图像的RGB值的平均值;确定子单元113,用于根据所述平均值和第一映射关系,得到所述图像亮度,其中,所述第一映射关系为RGB值与亮度之间的映射关系。
在另一种可能实现的方式中,所述补光单元12包括:调整子单元121,用于当所述亮度低于阈值时,将照明灯的光照强度调高以满足智能机器人拍摄的图像亮度达到所述阈值,其中,所述照明灯属于所述智能机器人。
图6为本申请实施例提供的一种智能机器人的照明控制的硬件结构示意图。该控制装置2包括处理器21,还可以包括输入装置22、输出装置23和存储器24。该输入装置22、输出装置23、存储器24和处理器21之间通过总线相互连接。
存储器包括但不限于是随机存储记忆体(random access memory,RAM)、只读存储器(read-only memory,ROM)、可擦除可编程只读存储器(erasable programmable readonly memory,EPROM)、或便携式只读存储器(compact disc read-only memory,CD-ROM),该存储器用于相关指令及数据。
输入装置用于输入数据和/或信号,以及输出装置用于输出数据和/或信号。输出装置和输入装置可以是独立的器件,也可以是一个整体的器件。
处理器可以包括是一个或多个处理器,例如包括一个或多个中央处理器(centralprocessing unit,CPU),在处理器是一个CPU的情况下,该CPU可以是单核CPU,也可以是多核CPU。
存储器用于存储网络设备的程序代码和数据。
处理器用于调用该存储器中的程序代码和数据,执行上述方法实施例中的步骤。具体可参见方法实施例中的描述,在此不再赘述。
可以理解的是,图6仅仅示出了一种智能机器人的照明控制装置的简化设计。在实际应用中,一种智能机器人的照明控制装置还可以分别包含必要的其他元件,包含但不限于任意数量的输入/输出装置、处理器、控制器、存储器等,而所有可以实现本申请实施例的一种智能机器人的照明控制装置都在本申请的保护范围之内。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,该单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。所显示或讨论的相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read-onlymemory,ROM),或随机存储存储器(random access memory,RAM),或磁性介质,例如,软盘、硬盘、磁带、磁碟、或光介质,例如,数字通用光盘(digital versatile disc,DVD)、或者半导体介质,例如,固态硬盘(solid state disk,SSD)等。
Claims (10)
1.一种智能机器人的照明控制方法,其特征在于,包括:
获取智能机器人拍摄的图像的亮度;
当所述图像的亮度低于阈值时,在摄像头拍摄时进行补光处理,其中,所述摄像头属于所述智能机器人;
通过所述摄像头采集补光处理后的视频图像;
基于深度神经网络对所述视频图像进行智能分析。
2.根据权利要求1所述的方法,其特征在于,所述获取智能机器人拍摄的图像亮度,包括:
获取所述智能机器人所处的环境的图像;
计算所述图像的RGB值的平均值;
根据所述平均值和第一映射关系,得到所述图像的亮度,其中,所述第一映射关系为RGB值与亮度之间的映射关系。
3.根据权利要求1所述的方法,其特征在于,所述当所述图像的亮度低于阈值时,在摄像头拍摄时进行补光,包括:
当所述亮度低于阈值时,将照明灯的光照强度调高以满足智能机器人拍摄的图像亮度达到所述阈值,其中,所述照明灯属于所述智能机器人。
4.根据权利要求1至3任意一项所述方法,其特征在于,所述方法还包括:
获取所述摄像头在补光后拍摄的第一图像,其中,所述第一图像包括手,人脸或目标物体中的任意一种;
对所述补光后的图像进行以下至少一种识别:人脸识别、手势识别、目标物识别。
5.根据权利要求1至3任意一项所述方法,其特征在于,所述方法还包括:
获取所述摄像头在补光后拍摄的第二图像,其中,所述第二图像包括预设路线的路线标识;
对所述第二图像进行特征提取处理,得到特征图像,其中,所述特征图像包括所述预设路线的路线标识的特征;
根据所述特征图像及第二映射关系,得到所述智能小车的控制信息,其中,所述第二映射关系为特征图像与控制信息之间的映射关系,所述控制信息包括速度和转向角。
6.一种智能机器人的照明控制装置,其特征在于,包括:
获取单元,用于获取智能机器人拍摄的图像的亮度;
补光单元,用于当所述图像的亮度低于阈值时,在摄像头拍摄时进行补光处理,其中,所述摄像头属于所述智能机器人;
图像采集单元,用于通过所述摄像头采集补光处理后的视频图像;
分析单元,用于基于深度神经网络对所述视频图像进行智能分析。
7.根据权利要求6所述的装置,其特征在于,所述获取单元包括:
获取子单元,用于获取所述智能机器人所处的环境的图像;
计算子单元,用于计算所述图像的RGB值的平均值;
确定子单元,用于根据所述平均值和第一映射关系,得到所述图像亮度,其中,所述第一映射关系为RGB值与亮度之间的映射关系。
8.根据权利要求6所述的装置,其特征在于,所述补光单元包括:
调整子单元,用于当所述亮度低于阈值时,将照明灯的光照强度调高以满足智能机器人拍摄的图像亮度达到所述阈值,其中,所述照明灯属于所述智能机器人。
9.一种智能机器人的照明控制装置,其特征在于,包括:处理器和存储器,所述处理器和所述存储耦合器;其中,所述存储器存储有程序指令,所述程序指令被所述处理器执行时,使所述处理器执行如权利要求1至5任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被智能机器人的照明控制装置的处理器执行时,使所述处理器执行如权利要求1至5任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811625748.5A CN109685709A (zh) | 2018-12-28 | 2018-12-28 | 一种智能机器人的照明控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811625748.5A CN109685709A (zh) | 2018-12-28 | 2018-12-28 | 一种智能机器人的照明控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109685709A true CN109685709A (zh) | 2019-04-26 |
Family
ID=66190979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811625748.5A Pending CN109685709A (zh) | 2018-12-28 | 2018-12-28 | 一种智能机器人的照明控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685709A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378854A (zh) * | 2019-07-17 | 2019-10-25 | 上海商汤智能科技有限公司 | 机器人图像增强方法及装置 |
CN110460782A (zh) * | 2019-08-28 | 2019-11-15 | 北京海益同展信息科技有限公司 | 信息采集装置、方法、巡检机器人和存储介质 |
CN110809132A (zh) * | 2019-10-22 | 2020-02-18 | 北京海益同展信息科技有限公司 | 一种图像采集装置 |
CN111590639A (zh) * | 2020-06-08 | 2020-08-28 | 广东电网有限责任公司 | 一种变电站巡检机器人自动补光***、方法及巡检机器人 |
CN112243582A (zh) * | 2019-08-30 | 2021-01-19 | 深圳市大疆创新科技有限公司 | 补光控制方法、装置、***和存储介质 |
CN113077413A (zh) * | 2020-01-06 | 2021-07-06 | 苏州宝时得电动工具有限公司 | 自移动设备及其控制方法 |
CN113465287A (zh) * | 2020-07-14 | 2021-10-01 | 青岛海信电子产业控股股份有限公司 | 一种智能冰箱及光照强度调整方法 |
CN116977332A (zh) * | 2023-09-21 | 2023-10-31 | 合肥联宝信息技术有限公司 | 摄像头补光灯性能测试方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140207282A1 (en) * | 2013-01-18 | 2014-07-24 | Irobot Corporation | Mobile Robot Providing Environmental Mapping for Household Environmental Control |
CN107137026A (zh) * | 2017-06-26 | 2017-09-08 | 深圳普思英察科技有限公司 | 一种扫地机器人及其摄像头补光***、方法 |
CN107677287A (zh) * | 2017-09-22 | 2018-02-09 | 南京轻力舟智能科技有限公司 | 基于卷积神经网络的自动导航小车***及小车循线方法 |
CN209103360U (zh) * | 2018-12-28 | 2019-07-12 | 深圳市商汤科技有限公司 | 一种智能机器人 |
-
2018
- 2018-12-28 CN CN201811625748.5A patent/CN109685709A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140207282A1 (en) * | 2013-01-18 | 2014-07-24 | Irobot Corporation | Mobile Robot Providing Environmental Mapping for Household Environmental Control |
CN107137026A (zh) * | 2017-06-26 | 2017-09-08 | 深圳普思英察科技有限公司 | 一种扫地机器人及其摄像头补光***、方法 |
CN107677287A (zh) * | 2017-09-22 | 2018-02-09 | 南京轻力舟智能科技有限公司 | 基于卷积神经网络的自动导航小车***及小车循线方法 |
CN209103360U (zh) * | 2018-12-28 | 2019-07-12 | 深圳市商汤科技有限公司 | 一种智能机器人 |
Non-Patent Citations (1)
Title |
---|
李龙光;苏静;韩海伦;乔海强;钱帆;: "不同光照条件下二值化技术研究及应用", 电子世界, no. 20 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378854A (zh) * | 2019-07-17 | 2019-10-25 | 上海商汤智能科技有限公司 | 机器人图像增强方法及装置 |
CN110378854B (zh) * | 2019-07-17 | 2021-10-26 | 上海商汤智能科技有限公司 | 机器人图像增强方法及装置 |
TWI777185B (zh) * | 2019-07-17 | 2022-09-11 | 大陸商上海商湯智能科技有限公司 | 機器人圖像增強方法、處理器、電子設備、電腦可讀儲存介質 |
US20220303447A1 (en) * | 2019-08-28 | 2022-09-22 | Jingdong Technology Information Technology Co., Ltd. | Information acquisition device, method, patrol robot and storage medium |
CN110460782A (zh) * | 2019-08-28 | 2019-11-15 | 北京海益同展信息科技有限公司 | 信息采集装置、方法、巡检机器人和存储介质 |
US12035050B2 (en) * | 2019-08-28 | 2024-07-09 | Jingdong Technology Information Technology Co., Ltd. | Information acquisition device, method, patrol robot and storage medium that adjusts a luminance parameter according to contrast and grayscale information of an image |
WO2021036824A1 (zh) * | 2019-08-28 | 2021-03-04 | 北京海益同展信息科技有限公司 | 信息采集装置、方法、巡检机器人和存储介质 |
CN110460782B (zh) * | 2019-08-28 | 2021-07-20 | 北京海益同展信息科技有限公司 | 信息采集装置、方法、巡检机器人和存储介质 |
CN112243582A (zh) * | 2019-08-30 | 2021-01-19 | 深圳市大疆创新科技有限公司 | 补光控制方法、装置、***和存储介质 |
CN110809132A (zh) * | 2019-10-22 | 2020-02-18 | 北京海益同展信息科技有限公司 | 一种图像采集装置 |
US11979651B2 (en) | 2019-10-22 | 2024-05-07 | Jingdong Technology Information Technology Co, Ltd | Image acquisition apparatus |
CN113077413A (zh) * | 2020-01-06 | 2021-07-06 | 苏州宝时得电动工具有限公司 | 自移动设备及其控制方法 |
CN111590639A (zh) * | 2020-06-08 | 2020-08-28 | 广东电网有限责任公司 | 一种变电站巡检机器人自动补光***、方法及巡检机器人 |
CN113465287A (zh) * | 2020-07-14 | 2021-10-01 | 青岛海信电子产业控股股份有限公司 | 一种智能冰箱及光照强度调整方法 |
CN116977332A (zh) * | 2023-09-21 | 2023-10-31 | 合肥联宝信息技术有限公司 | 摄像头补光灯性能测试方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109685709A (zh) | 一种智能机器人的照明控制方法及装置 | |
CN107660039B (zh) | 一种识别动态手势的灯具控制*** | |
CN105554385B (zh) | 一种远距离多模态生物特征识别方法及其*** | |
CN109241820B (zh) | 基于空间探索的无人机自主拍摄方法 | |
CN113038016B (zh) | 无人机图像采集方法及无人机 | |
WO2021237616A1 (zh) | 图像传输方法、可移动平台及计算机可读存储介质 | |
CN109923583A (zh) | 一种姿态的识别方法、设备及可移动平台 | |
CN106973221B (zh) | 基于美学评价的无人机摄像方法和*** | |
CN111104910B (zh) | 垃圾投递行为监督方法及相关产品 | |
CN109934108B (zh) | 一种多目标多种类的车辆检测和测距***及实现方法 | |
CN109453517B (zh) | 虚拟角色控制方法和装置、存储介质、移动终端 | |
CN106934402A (zh) | 室内移动视频跟踪定位辅助拍摄方法和装置 | |
CN112188059B (zh) | 可穿戴设备、智能引导方法及装置、引导*** | |
CN105477845A (zh) | 羽毛球运动轨迹预测方法及*** | |
CN105022999A (zh) | 一种人码伴随实时采集*** | |
CN109413411A (zh) | 一种监控线路的黑屏识别方法、装置及服务器 | |
CN111596767A (zh) | 一种基于虚拟现实的姿态捕获方法和装置 | |
CN110674792A (zh) | 基于神经网络的施工进度监测装置及方法 | |
CN114187656A (zh) | 一种动作检测方法、装置、设备及存储介质 | |
CN106708257A (zh) | 游戏交互方法与装置 | |
CN110910449B (zh) | 识别物体三维位置的方法和*** | |
CN209103360U (zh) | 一种智能机器人 | |
CN113449566B (zh) | 人在回路的“低慢小”目标智能图像跟踪方法及*** | |
CN109218587A (zh) | 一种基于双目摄像头的图像采集方法及*** | |
CN109977884B (zh) | 目标跟随方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |