CN111288958A - 确定交互目标与机器人之间距离的方法、装置及电子设备 - Google Patents
确定交互目标与机器人之间距离的方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111288958A CN111288958A CN202010096654.4A CN202010096654A CN111288958A CN 111288958 A CN111288958 A CN 111288958A CN 202010096654 A CN202010096654 A CN 202010096654A CN 111288958 A CN111288958 A CN 111288958A
- Authority
- CN
- China
- Prior art keywords
- sampling
- face
- distance
- image
- height value
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C3/00—Measuring distances in line of sight; Optical rangefinders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Manipulator (AREA)
Abstract
本说明书实施例涉及一种确定交互目标与机器人之间距离的方法、装置及电子设备,包括:基于人脸检测技术从采集的图像中获取交互目标的脸部的像素高度值;将像素高度值代入预置拟合方程式,确定交互目标与机器人之间的距离;其中,预置拟合方程式是基于标准脸部模拟得到的采样距离与采样像素高度值拟合得到,这样,在没有深度摄像头的情况下,基于交互目标的像素高度值即可计算出交互目标距离机器人的距离,从而,可快速有效确定交互目标与机器人的距离。
Description
技术领域
本说明书实施例涉及人工智能技术领域,尤其涉及一种确定交互目标与机器人之间距离的方法、装置及电子设备。
背景技术
在人工智能交互领域,与实体机器人进行消息交互的交互目标与机器人之间的距离,影响着实体机器人的交互响应。目前,基于实体机器人上安装的摄像装置采集的图像进行测距的方法越来越成熟,比较常见的测量方法有单目测距、双目立体测距。
常用的单目测距方法是根据三角测量的原理,计算被测量物体与摄像头之间的距离,三角测量法几何结构性强,简单便于核验,但是计算的精度不均匀,距离起始边越远,计算出来的精度就越低。同时由于被测量的对象多种多样,这种测量方法对于非刚性的物体就没有很好适用性。
由此,亟需找到一种在没有深度摄像头的情况下,确定交互目标与机器人之间距离的方案。
发明内容
本说明书实施例提供一种确定交互目标与机器人之间距离的方法、装置及电子设备,用以快速有效确定交互目标与机器人之间距离。
为了解决上述技术问题,本说明书实施例采用下述技术方案:
第一方面,提供了一种确定交互目标与机器人之间距离的方法,所述方法包括:
获取交互目标在摄像头拍摄场景下的图像;
基于人脸检测技术从所述图像中获取所述交互目标的脸部的像素高度值;
将所述像素高度值代入预置拟合方程式,确定所述交互目标与机器人之间的距离;
其中,所述预置拟合方程式是基于标准脸部模拟得到的采样距离与采样像素高度值拟合得到。
第二方面,提供了一种确定交互目标与机器人之间距离的装置,所述装置包括:
第一获取模块,用于获取交互目标在摄像头拍摄场景下的图像;
第二获取模块,用于基于人脸检测技术从所述图像中获取所述交互目标的脸部的像素高度值;
确定模块,用于将所述像素高度值代入预置拟合方程式,确定所述交互目标与机器人之间的距离;
其中,所述预置拟合方程式是基于标准脸部模拟得到的采样距离与采样像素高度值拟合得到。
第三方面,提供了一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行如第一方面所述的方法。
第四方面,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存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行如第一方面所述的方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
通过本说明书技术方案,基于人脸检测技术从采集的图像中获取交互目标的脸部的像素高度值;将像素高度值代入预置拟合方程式,确定交互目标与机器人之间的距离;其中,预置拟合方程式是基于标准脸部模拟得到的采样距离与采样像素高度值拟合得到,这样,在没有深度摄像头的情况下,基于交互目标的像素高度值即可计算出交互目标距离机器人的距离,从而,可快速有效确定交互目标与机器人的距离。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书实施例中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书实施例提供的确定交互目标与机器人之间距离的方法步骤示意图之一;
图2为本说明书实施例提供的确定交互目标与机器人之间距离的方法步骤示意图之二;
图3为本说明书实施例提供的确定交互目标与机器人之间距离的装置结构示意图;
图4为本说明书实施例提供的电子设备的结构示意图。
具体实施方式
为使本说明书实施例的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书实施例保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
实施例一
参照图1所示,为本说明书实施例提供的一种确定交互目标与机器人之间距离的方法步骤示意图,该方法的执行主体是确定交互目标与机器人之间距离的装置,应理解,该装置可以是集成在机器人上的图像采集、处理装置,具体可以实现图像采集以及处理,并最终确定出交互目标与机器人之间距离。
所述方法可以包括以下步骤:
步骤102:获取交互目标在摄像头拍摄场景下的图像。
所述交互目标可以是与机器人进行消息交互的人或者实体机器人,其中,所述实体机器人可以与人具有相似外形结构,例如,具有脸部、四肢和躯干等。
应理解,当交互目标进入摄像头拍摄范围时,可以获取该交互目标在拍摄场景下的图像。在这里,所述图像应理解为是RGB图像。
一种可实现的方案,步骤102在获取交互目标在摄像头拍摄场景下的图像时,具体可以包括以下步骤:
第一步,采集交互目标在摄像头拍摄场景下的初始图像。
第二步,对采集到的所述初始图像进行畸变矫正处理。
具体实现时,可以采用所述摄像头的内参(焦距和主点坐标)以及畸变参数(径向畸变和切向畸变),对采集到的所述初始图像进行畸变矫正处理;其中,所述摄像头的内参以及畸变参数是通过棋盘格标定法对摄像头进行标定得到。
步骤104:基于人脸检测技术从所述图像中获取所述交互目标的脸部的像素高度值。
具体地,步骤104在从所述图像中获取所述交互目标的脸部的像素高度值时,可以从所述图像中获取所述交互目标的脸部轮廓;基于所述脸部轮廓计算所述脸部在所述图像中的高度尺寸作为像素高度值。
步骤106:将所述像素高度值代入预置拟合方程式,确定所述交互目标与机器人之间的距离。
其中,所述预置拟合方程式是基于标准脸部模拟得到的采样距离与采样像素高度值拟合得到。所述预置拟合方程式具体通过以下方式拟合:
第1步,基于标准脸部模拟交互目标的脸部,所述标准脸部是基于多个所述交互目标的脸部统计得到。
所述标准脸部可以用来模拟人脸从眉毛到下巴的垂直高度。
第2步,采集所述标准脸部在摄像头前不同采样距离处的采样图像并记录所述采样距离。
在采集所述标准脸部在摄像头前不同采样距离处的采样图像时,基于不同采样距离设置不同的采样间隔进行采样处理;其中,所述采样间隔与所述采样距离呈正相关。换言之,采样距离越大,采样间隔应设置越大;采样距离越小,采样间隔应设置越小。
其实,为了避免数据过拟合,不同距离处采用不同的采样间隔,如近距离情况下,人脸像素距离随实际距离的变化而变化的比较大,采样的时候可以采用较小的采样间隔,远距离的情况下,人脸像素距离随着实际距离的变化而变化的相对比较缓慢,所以远距离的情况下可以采用较大的采样间隔;
第3步,基于采样图像,获取不同采样距离处的标准脸部在所述采样图像中的采样像素高度值,其中,所述采样像素高度值是基于标准脸部在采样图像中的尺寸确定。
具体实现时可以从所述采样图像中获取所述标准脸部的脸部轮廓,基于所述脸部轮廓计算所述标准脸部在所述采样图像中的高度尺寸作为像素高度值。例如,所述标准脸部在所述采样图像中的高度尺寸可以是标准脸部在采样图像中眉毛到下巴的垂直高度。
第4步,将采集到的多个采样距离以及标准脸部在每个采样距离对应的采样图像中的采样像素高度值进行拟合,得到预置拟合方程式。
具体可以采用最小二乘法将采集到的多个采样距离以及标准脸部在每个采样距离对应的采样图像中的采样像素高度值进行拟合,得到预置拟合方程式。
在本说明书实施例中,预置拟合方程式可以是类似于X+A=Y的形式,其中A可以取值为0或是任意实数;X可以表示交互目标在图像中的像素高度值,Y可以表示交互目标与机器人之间的距离。其实,本说明书并不仅限于采用上述预置拟合方程式,还可以包含其它可通过本说明书方案实现的拟合方程式。
通过本说明书技术方案,基于人脸检测技术从采集的图像中获取交互目标的脸部的像素高度值;将像素高度值代入预置拟合方程式,确定交互目标与机器人之间的距离;其中,预置拟合方程式是基于标准脸部模拟得到的采样距离与采样像素高度值拟合得到,这样,在没有深度摄像头的情况下,基于交互目标的像素高度值即可计算出交互目标距离机器人的距离,从而,可快速有效确定交互目标与机器人的距离。
下面通过一个实例对本说明书所涉及的方案进行详述。
参照图2所示,该方案可以包括:
步骤202:用张正友的棋盘格标定法对摄像头进行标定,获取摄像头的内参以及畸变参数。
步骤204:获取不同采样距离下的标准人脸的采样图像,并基于标定的参数对采样图像进行畸变矫正。
步骤206:测量不同采样距离的标准人脸在采样图像中的采样像素高度值。
步骤208:对不同采样距离和相应的采样像素高度值进行最小二乘拟合,得到拟合后的多项方程式。
步骤210:基于标定好的摄像头实时采集交互目标人的图像,并从中获取人脸的像素高度值。
步骤212:将所述人脸的像素高度值带入拟合得到的多项方程式,计算得到交互目标人与机器人之间的距离。
从而可以快速有效获取交互目标人与机器人之间的距离,提升交互效率。
实施例二
参照图3所示,为本说明书实施例提供的确定交互目标与机器人之间距离的装置的结构示意图,该装置主要包括:
第一获取模块302,用于获取交互目标在摄像头拍摄场景下的图像。
第二获取模块304,用于基于人脸检测技术从所述图像中获取所述交互目标的脸部的像素高度值。
确定模块306,用于将所述像素高度值代入预置拟合方程式,确定所述交互目标与机器人之间的距离;
其中,所述预置拟合方程式是基于标准脸部模拟得到的采样距离与采样像素高度值拟合得到。
一种可实现的方案,所述预置拟合方程式具体通过以下模块拟合得到:
模拟模块,用于基于标准脸部模拟交互目标的脸部,所述标准脸部是基于多个所述交互目标的脸部统计得到;
采集模块,用于采集所述标准脸部在摄像头前不同采样距离处的采样图像并记录所述采样距离;
所述第二获取模块304,还用于基于采样图像,获取不同采样距离处的标准脸部在所述采样图像中的采样像素高度值,其中,所述采样像素高度值是基于标准脸部在采样图像中的尺寸确定;
拟合模块,用于将采集到的多个采样距离以及标准脸部在每个采样距离对应的采样图像中的采样像素高度值进行拟合,得到预置拟合方程式。
可选地,所述采集模块用于基于不同采样距离设置不同的采样间隔进行采样处理;其中,所述采样间隔与所述采样距离呈正相关。
可选地,所述拟合模块,具体用于采用最小二乘法将采集到的多个采样距离以及标准脸部在每个采样距离对应的采样图像中的采样像素高度值进行拟合,得到预置拟合方程式。
可选地,所述第一获取模块302,具体用于:采集交互目标在摄像头拍摄场景下的初始图像;对采集到的所述初始图像进行畸变矫正处理。
可选地,所述第一获取模块302在对采集到的所述初始图像进行畸变矫正处理时,具体用于采用所述摄像头的内参以及畸变参数,对采集到的所述初始图像进行畸变矫正处理;其中,所述摄像头的内参以及畸变参数是通过棋盘格标定法对摄像头进行标定得到。
可选地,所述第二获取模块304在从所述图像中获取所述交互目标的脸部的像素高度值时,具体用于从所述图像中获取所述交互目标的脸部轮廓;基于所述脸部轮廓计算所述脸部在所述图像中的高度尺寸作为像素高度值。
通过本说明书技术方案,基于人脸检测技术从采集的图像中获取交互目标的脸部的像素高度值;将像素高度值代入预置拟合方程式,确定交互目标与机器人之间的距离;其中,预置拟合方程式是基于标准脸部模拟得到的采样距离与采样像素高度值拟合得到,这样,在没有深度摄像头的情况下,基于交互目标的像素高度值即可计算出交互目标距离机器人的距离,从而,可快速有效确定交互目标与机器人的距离。
实施例三
下面参照图4详细介绍本说明书实施例的电子设备。请参考图4,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(Non-Volatile Memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外设部件互连标准(Peripheral Component Interconnect,PCI)总线或扩展工业标准结构(ExtendedIndustry Standard Architecture,EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成确定交互目标与机器人之间距离的装置。处理器,执行存储器所存放的程序,并具体用于执行前文所述确定交互目标与机器人之间距离的装置作为执行主体时所执行的方法操作。
上述如本说明书实施例图1-图2所示实施例揭示的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1-图2的方法,并实现确定交互目标与机器人之间距离的装置在图1-图2所示实施例的功能,本说明书实施例在此不再赘述。
当然,除了软件实现方式之外,本说明书实施例的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
实施例四
本说明书实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下操作:
获取交互目标在摄像头拍摄场景下的图像;
基于人脸检测技术从所述图像中获取所述交互目标的脸部的像素高度值;
将所述像素高度值代入预置拟合方程式,确定所述交互目标与机器人之间的距离;
其中,所述预置拟合方程式是基于标准脸部模拟得到的采样距离与采样像素高度值拟合得到。
其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
总之,以上所述仅为本说明书实施例的较佳实施例而已,并非用于限定本说明书实施例的保护范围。凡在本说明书实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本说明书实施例的保护范围之内。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书实施例中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
Claims (10)
1.一种确定交互目标与机器人之间距离的方法,其特征在于,所述方法包括:
获取交互目标在摄像头拍摄场景下的图像;
基于人脸检测技术从所述图像中获取所述交互目标的脸部的像素高度值;
将所述像素高度值代入预置拟合方程式,确定所述交互目标与机器人之间的距离;
其中,所述预置拟合方程式是基于标准脸部模拟得到的采样距离与采样像素高度值拟合得到。
2.如权利要求1所述的方法,其特征在于,所述预置拟合方程式具体通过以下方式拟合得到:
基于标准脸部模拟交互目标的脸部,所述标准脸部是基于多个所述交互目标的脸部统计得到;
采集所述标准脸部在摄像头前不同采样距离处的采样图像并记录所述采样距离;
基于采样图像,获取不同采样距离处的标准脸部在所述采样图像中的采样像素高度值,其中,所述采样像素高度值是基于标准脸部在采样图像中的尺寸确定;
将采集到的多个采样距离以及标准脸部在每个采样距离对应的采样图像中的采样像素高度值进行拟合,得到预置拟合方程式。
3.如权利要求2所述的方法,其特征在于,在采集所述标准脸部在摄像头前不同采样距离处的采样图像时,基于不同采样距离设置不同的采样间隔进行采样处理;
其中,所述采样间隔与所述采样距离呈正相关。
4.如权利要求2或3所述的方法,其特征在于,将采集到的多个采样距离以及标准脸部在每个采样距离对应的采样图像中的采样像素高度值进行拟合,得到预置拟合方程式,具体包括:
采用最小二乘法将采集到的多个采样距离以及标准脸部在每个采样距离对应的采样图像中的采样像素高度值进行拟合,得到预置拟合方程式。
5.如权利要求1所述的方法,其特征在于,获取交互目标在摄像头拍摄场景下的图像,具体包括:
采集交互目标在摄像头拍摄场景下的初始图像;
对采集到的所述初始图像进行畸变矫正处理。
6.如权利要求5所述的方法,其特征在于,对采集到的所述初始图像进行畸变矫正处理,具体包括:
采用所述摄像头的内参以及畸变参数,对采集到的所述初始图像进行畸变矫正处理;
其中,所述摄像头的内参以及畸变参数是通过棋盘格标定法对摄像头进行标定得到。
7.如权利要求1所述的方法,其特征在于,从所述图像中获取所述交互目标的脸部的像素高度值,具体包括:
从所述图像中获取所述交互目标的脸部轮廓;
基于所述脸部轮廓计算所述脸部在所述图像中的高度尺寸作为像素高度值。
8.一种确定交互目标与机器人之间距离的装置,其特征在于,所述装置包括:
第一获取模块,用于获取交互目标在摄像头拍摄场景下的图像;
第二获取模块,用于基于人脸检测技术从所述图像中获取所述交互目标的脸部的像素高度值;
确定模块,用于将所述像素高度值代入预置拟合方程式,确定所述交互目标与机器人之间的距离;
其中,所述预置拟合方程式是基于标准脸部模拟得到的采样距离与采样像素高度值拟合得到。
9.一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010096654.4A CN111288958A (zh) | 2020-02-17 | 2020-02-17 | 确定交互目标与机器人之间距离的方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010096654.4A CN111288958A (zh) | 2020-02-17 | 2020-02-17 | 确定交互目标与机器人之间距离的方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111288958A true CN111288958A (zh) | 2020-06-16 |
Family
ID=71017675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010096654.4A Pending CN111288958A (zh) | 2020-02-17 | 2020-02-17 | 确定交互目标与机器人之间距离的方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111288958A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106792177A (zh) * | 2016-12-28 | 2017-05-31 | 海尔优家智能科技(北京)有限公司 | 一种电视控制方法及*** |
CN107861113A (zh) * | 2017-11-06 | 2018-03-30 | 深圳市杉川机器人有限公司 | 标定方法及装置 |
CN108981672A (zh) * | 2018-07-19 | 2018-12-11 | 华南师范大学 | 基于单目机器人与测距传感器结合的舱门实时定位方法 |
CN109163657A (zh) * | 2018-06-26 | 2019-01-08 | 浙江大学 | 一种基于双目视觉三维重建的圆形目标位姿检测方法 |
CN109271028A (zh) * | 2018-09-18 | 2019-01-25 | 北京猎户星空科技有限公司 | 智能设备的控制方法、装置、设备和存储介质 |
-
2020
- 2020-02-17 CN CN202010096654.4A patent/CN111288958A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106792177A (zh) * | 2016-12-28 | 2017-05-31 | 海尔优家智能科技(北京)有限公司 | 一种电视控制方法及*** |
CN107861113A (zh) * | 2017-11-06 | 2018-03-30 | 深圳市杉川机器人有限公司 | 标定方法及装置 |
CN109163657A (zh) * | 2018-06-26 | 2019-01-08 | 浙江大学 | 一种基于双目视觉三维重建的圆形目标位姿检测方法 |
CN108981672A (zh) * | 2018-07-19 | 2018-12-11 | 华南师范大学 | 基于单目机器人与测距传感器结合的舱门实时定位方法 |
CN109271028A (zh) * | 2018-09-18 | 2019-01-25 | 北京猎户星空科技有限公司 | 智能设备的控制方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179358B (zh) | 标定方法、装置、设备及存储介质 | |
CN109086734B (zh) | 一种对人眼图像中瞳孔图像进行定位的方法及装置 | |
US20120076362A1 (en) | Coded aperture camera with adaptive image processing | |
CN112016475B (zh) | 一种人体检测识别方法和装置 | |
US20110267485A1 (en) | Range measurement using a coded aperture | |
JP7105383B2 (ja) | 画像処理方法、装置、記憶媒体及び電子機器 | |
US20110267477A1 (en) | Range measurement using symmetric coded apertures | |
CN112200851B (zh) | 一种基于点云的目标检测方法、装置及其电子设备 | |
CN112037287B (zh) | 相机标定方法、电子设备及存储介质 | |
US11036967B2 (en) | Method and device for face selection, recognition and comparison | |
CN111882657A (zh) | 三维重建的尺度恢复方法、装置、***和计算机设备 | |
CN112634201A (zh) | 目标检测方法、装置和电子设备 | |
CN112102415A (zh) | 基于标定球的深度相机外参数标定方法、装置及设备 | |
CN110335219B (zh) | 一种像素畸变的校正方法、校正装置及终端 | |
CN112598610A (zh) | 一种深度图像获得方法、装置、电子设备及存储介质 | |
CN109145821B (zh) | 一种对人眼图像中瞳孔图像进行定位的方法及装置 | |
CN111288958A (zh) | 确定交互目标与机器人之间距离的方法、装置及电子设备 | |
CN113484879B (zh) | 可穿戴设备的定位方法和装置 | |
CN115100225A (zh) | 一种相机视场的误差场确定方法、装置、电子设备及介质 | |
CN113378953A (zh) | 火灾检测模型的训练样本制作方法、装置、设备及介质 | |
CN115511718A (zh) | Pcb图像校正方法、装置、终端设备和存储介质 | |
CN117726666B (zh) | 跨相机单目图片度量深度估计方法、装置、设备及介质 | |
CN111366916B (zh) | 确定交互目标与机器人之间距离的方法、装置及电子设备 | |
CN117288152A (zh) | 单目相机测距方法、装置、电子设备及存储介质 | |
CN114299265A (zh) | 一种飞行时间相机的三维点云数据分割处理方法和*** |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200616 |