CN114005026A - 机器人的图像识别方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请实施例涉及图像处理领域，公开了一种机器人的图像识别方法、装置、电子设备及存储介质。本申请中，确定机器人的待识别区域；获取待识别区域的图像；检测待识别区域的图像的质量；根据图像的质量，调整机器人的位姿，直至按照调整后的位姿获取的待识别区域的图像的质量满足预期值；根据调整后的位姿获取的待识别区域的图像进行图像识别。使得机器人获取待识别区域的图像的质量高，进行识别时更加准确。

Description

机器人的图像识别方法、装置、电子设备及存储介质

技术领域

本发明实施例涉及图像处理领域，特别涉及机器人的图像识别方法、装置、电子设备及存储介质。

背景技术

在一些机器人运行的过程中，会存在识别环境或特定物体、位置的需求，例如需要抓取指定物体时，就首先需要获取该物体的图像，并基于所获取的图像进行一定的动作判断。

然而，在获取目标物体或场景的图像时，由于及机器人自身相机和目标物体的角度和距离导致获取的待识别区域的图像被环境影响，例如存在逆光、过曝光、光线较暗等光影因素等，使得所获取的图像质量较低，无法进行进一步识别等操作。

发明内容

本发明实施方式的目的在于提供一种机器人的图像识别方法、装置、电子设备及存储介质，使得机器人获取待识别区域的图像的质量高，进行识别时更加准确。

为解决上述技术问题，本发明的实施方式提供了一种机器人的图像识别方法，包括以下步骤：确定机器人的待识别区域；获取所述待识别区域的图像；检测所述待识别区域的图像的质量；根据所述图像的质量，调整所述机器人的位姿，直至按照调整后的位姿获取的待识别区域的图像的质量满足预期值；根据所述调整后的位姿获取的待识别区域的图像进行图像识别。

本发明的实施方式还提供了一种机器人的图像识别装置，包括：确定模块，用于确定机器人的待识别区域；获取模块，用于获取所述待识别区域的图像；检测模块，用于检测所述待识别区域的图像的质量；调整模块，用于根据所述图像的质量，调整所述机器人的位姿，直至按照调整后的机器人的位姿获取的待识别区域的图像的质量满足预期值；识别模块，用于根据所述调整后的位姿获取的待识别区域的图像进行图像识别。

本发明的实施方式还提供了一种电子设备，包括至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的机器人的图像识别方法。

本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的机器人的图像识别方法。

本发明实施方式对于机器人待识别的区域，根据具体的图像质量调整机器人的位姿，使得机器人获取待识别的区域的角度变化，从而调整机器人获取的待识别区域的图像的质量，使得调整后的位姿所获取的图像的质量满足预期值，保证机器人对于待识别区域处理的准确程度；避免因为机器人的位姿所得到的观察角度无法获取待识别区域的高质量图像，从而引发的对于待识别区域处理失误的问题。

另外，所述检测所述待识别区域的图像的质量，包括：检测所述待识别区域的图像的亮度信息及深度信息。其中，亮度信息能够用于检测待识别区域的图像是否亮度过高，例如过曝等，深度信息用于区分待识别区域的图像的前景后景等，辅助判断所述机器人与识别区域的图像的光源的关系。

另外，在所述待识别区域的图像的质量，包括：检测所述待识别区域的图像的亮度信息及深度信息时，所述根据所述图像的质量，调整所述机器人的位姿，包括：根据所述图像的亮度信息及深度信息，确定所述图像中的光源的位置；调整所述机器人的姿态，使所述机器人的相机的第二面朝向所述图像中的光源；其中，所述第二面为所述相机的第一面的相对面，所述第一面中的摄像头用于获取图像。最终使得调整后的机器人的相机背面朝向图像中的光源，避免获取的待识别区域的画面产生过曝等高亮度的问题。

另外，所述调整所述机器人的姿态，包括：调整所述机器人中局部相机的姿态。减少机器人整体的运动，降低资源消耗；或在机器人行动受限时执行，在机器人整体行动受限的情况下仍能使得机器人的相机背对图像中的光源。

另外，所述检测所述待识别区域的图像的质量，包括：根据所述图像的物体边缘的明暗关系，得到所述图像的阴影区域；检测所述阴影区域的占比。通过检测阴影区域的占比判断当前所述待识别区域的图像是否于待识别区域的暗处获取，从而能够进行调节。

另外，在所述检测所述待识别区域的图像的质量，包括：根据所述图像的物体边缘的明暗关系时；所述根据所述图像的质量，调整所述机器人的位姿，包括：在所述阴影区域的占比超过阴影阈值的情况下，将所述机器人向所述阴影区域的相对区域移动；其中，所述相对区域为产生所述阴影区域的物体的亮面所朝向的区域，所述阴影区域所在方向为所述物体的阴影面，所述亮面为所述阴影面的相对面。也就是移动至物体朝向图像中的光源的面所对应的区域，使得识别角度主要为非阴影区域，降低画面质量影响对待识别区域的识别判断。

另外，所述检测所述待识别区域的图像的质量之后，还包括：若判断进行位姿调整之后获取的待识别区域的图像的质量无法满足预设阈值，则调用所述机器人的光源，直至结合所述机器人的光源获取的待识别区域的图像的质量满足预期值；不执行根据所述图像的质量，调整所述机器人的位姿。在机器人的位姿变化无法使得图像的质量满足预期值时，存在另外的方式用于提升图像的质量。

另外，所述确定机器人的待识别区域，包括：根据待执行任务确定所述待识别区域；或接收指令，根据所述指令确定所述待识别区域。即，确定机器人的待识别区域可以通过自身所正在执行的任务进行主动确定，或者接受指令进行被动确定。

另外，所述检测所述待识别区域的图像的质量之前，还包括：对所述待识别区域的图像执行预处理；其中，所述预处理包括以下之一或其任意组合：图像滤波去噪、直方图均衡化、灰度化、获取边缘特征、对图像进行卷积或二值化。即，在检测图像的质量之前先对图像进行预处理，能够在当前位姿获取质量最优的待识别区域的图像，对于机器人来说，减少除了位姿之外对所述待识别区域的图像的影响因素。

附图说明

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1是根据本申请一个实施例所提供的机器人的图像识别方法的流程示意图；

图2是根据本申请一个实施例所提供的机器人的图像识别装置的示意图；

图3是根据本申请一个实施例所提供的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便，不应对本发明的具体实现方式构成任何限定，各个实施例在不矛盾的前提下可以相互结合相互引用。

本申请实施例中的术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列部件或单元的***、产品或设备没有限定于已列出的部件或单元，而是可选地还包括没有列出的部件或单元，或可选地还包括对于这些产品或设备固有的其它部件或单元。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

本发明的一个实施方式涉及一种机器人的图像识别方法。具体流程如图1所示。

步骤101，确定机器人的待识别区域；

步骤102，获取待识别区域的图像；

步骤103，检测待识别区域的图像的质量；

步骤104，根据图像的质量，调整机器人的位姿，直至按照调整后的位姿获取的待识别区域的图像的质量满足预期值；

步骤105，根据调整后的位姿获取的待识别区域的图像进行图像识别。

本实施例中，对于机器人待识别的区域，根据具体的图像质量调整机器人的位姿，使得机器人获取待识别的区域的角度变化，从而调整机器人获取的待识别区域的图像的质量，使得调整后的位姿所获取的图像的质量满足预期值，保证机器人对于待识别区域处理的准确程度；避免因为机器人的位姿所得到的观察角度无法获取待识别区域的高质量图像，从而引发的对于待识别区域处理失误的问题。

下面对本实施方式的机器人的图像识别方法的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。

在步骤101中，确定机器人的待识别区域。在一些情况下，机器人需要对特定的物体或区域进行识别，即在本步骤先确定机器人需要识别的区域。

在一个例子中，所述确定机器人的待识别区域，例如：根据待执行任务确定所述待识别区域；或接收指令，根据所述指令确定所述待识别区域。具体的，机器人的摄像头开始工作，框定待识别区域，框定方式例如：根据机器人所执行的任务类型进行框定，即根据任务类型主动确定机器人的待识别区域；或者根据后台的指令移动到某个位置，并框选指定区域，即根据后台的指令被动确定机器人的待识别区域。

在实际执行过程中，主动确定机器人的待识别区域，例如机器人正在执行抓取某个物体的任务，则通过视觉识别算法识别到物体，待识别区域是该物体；如果机器人正在执行人脸识别任务，则待识别区域为与任务相关的人脸。

在步骤102中，获取所述待识别区域的图像。具体的，在确定待识别区域之后，随即通过机器人的摄像头等图像获取设备获取待识别区域的图像。

其中，所述图像至少包括RGB色彩信息和及深度信息。

在步骤103中，检测所述待识别区域的图像的质量。具体的，在获取到待识别区域的图像之后，需要检测图像的质量，作为机器人进行位姿调整的依据，而机器人位姿调整是为了获取质量更高的待识别区域的图像。检测图像的质量包括但不限于：观测图像中物体的边缘是否清晰，图像中光源对待识别区域的影响，阴影区域对待识别区域的影响等。

在一个例子中，所述检测所述待识别区域的图像的质量之前，还包括：对所述待识别区域的图像执行预处理；其中，所述预处理包括以下之一或其任意组合：图像滤波去噪、直方图均衡化、灰度化、获取边缘特征、对图像进行卷积或二值化。具体的，在检测图像的质量之前，需要对图像进行预处理，即预设一些可能出现的问题的解决方法，或图像的质量的优化方法，用于不改变对机器人的位姿的情况下先提高图像的质量。能够在当前位姿获取质量最优的待识别区域的图像，对于机器人来说，减少除了位姿之外对所述待识别区域的图像的影响因素。其中，直方图均衡化用于使得图像中的物体边缘更清晰。

在一个例子中，检测所述待识别区域的图像的质量，例如，检测所述待识别区域的图像的亮度信息及深度信息；其中，亮度信息用于判断图像中的曝光程度，深度信息用于区分图像中的前景后景等位置关系，辅助判断待识别区域与图像中光源的位置关系。若曝光程度过高，则会影响机器人对待识别区域的识别结果。可以理解的是，所识别到的图像中的光源可以是三维空间中待识别区域的光源。

在一个例子中，检测所述待识别区域的图像的质量，例如，根据所述图像的物体边缘的明暗关系，得到所述图像的阴影区域；检测所述阴影区域的占比。即先识别阴影区域的位置，之后判断阴影区域的占比，若阴影区域的占比越大，则待识别区域的画面过暗，会影响到对于待识别区域的识别。其中，阴影区域可以通过对比画面中的明暗程度，明暗对比较强的区域一般可判断为存在阴影区域。

在步骤104中，根据所述图像的质量，调整所述机器人的位姿，直至按照调整后的位姿获取的待识别区域的图像的质量满足预期值。具体的，原位姿获取的待识别区域的图像质量不高，所以按照所获取的待识别区域的图像的质量，对机器人的位姿进行针对性调整，使得按照调整后的位姿获取的待识别区域的图像的质量满足预期值。

在一个例子中，所述检测所述待识别区域的图像的质量之后，还包括：若判断进行位姿调整之后获取的待识别区域的图像的质量无法满足预设阈值，则调用所述机器人的光源，直至结合所述机器人的光源获取的待识别区域的图像的质量满足预期值；不执行根据所述图像的质量，调整所述机器人的位姿。具体的，在执行位姿调整之前先判断位姿调整可能的结果，若进行位姿调整之后仍无法使得获取的待识别区域的图像的质量满足预期值，则不进行位姿调整；通过调整机器人自身的光源，改善当前位姿下所获取的待识别区域的图像的质量。例如采用机器人自身携带的闪光灯等装置，在当前位姿下进行补光，从而提升所获取的待识别区域的图像的质量。可以理解的是，该方案还可以在机器人无法实现位姿变化时进行。

在一个例子中，根据所述图像的亮度信息及深度信息，确定所述图像中的光源的位置；调整所述机器人的姿态，使所述机器人的相机的第二面朝向所述图像中的光源；其中，所述第二面为所述相机的第一面的相对面，所述第一面中的摄像头用于获取图像。即，在获取到图像的亮度信息后，定位图像中的亮度区域，进而得到图像中的光源位置；并通过深度信息判断当前位姿状态下机器人与图像中的光源的位置关系，作为机器人的位姿调整的依据。最终使得调整后的机器人的相机背面朝向图像中的光源，避免获取的待识别区域的画面产生过曝等高亮度的问题。

其中，所述调整所述机器人的姿态，例如：调整所述机器人中局部相机的姿态。也就是说，在调整机器人位姿时，除了对机器人的整体进行调整，以使得机器人的相机背对图像中的光源外，还能够局部调整机器人的相机部分，减少机器人整体的运动，降低资源消耗；或在机器人行动受限时执行，在机器人整体行动受限的情况下仍能使得机器人的相机背对图像中的光源。

在一个例子中，在所述阴影区域的占比超过阴影阈值的情况下，将所述机器人向所述阴影区域的相对区域移动；其中，所述相对区域为产生所述阴影区域的物体的亮面所朝向的区域，所述阴影区域所在方向为所述物体的阴影面，所述亮面为所述阴影面的相对面。当检测的图像质量是阴影区域的占比时，若阴影区域的占比超过阴影阈值，则可能是当前位姿获取到的待识别区域的图像位于待识别区域的阴影的角度，会产生画面亮度较低，画面质量影响对待识别区域的识别判断，所以需要变换机器人的位姿，使得识别角度主要为非阴影区域。一些例子中，选择将机器人的位姿调整到与阴影面的相对面方向，也就是移动至物体朝向图像中的光源的面所对应的区域。可以理解的是，在位姿调整的过程中，可以是机器人的整体进行调整，也可以是机器人的局部相机进行调整。

另外，由于是沿着根据当前图像的质量所获得的方向进行调整，在对位姿调整的过程中，可以进行实时获取待识别区域的图像，当获取的图像质量满足预期值时随即停止位姿的调整。

使得位姿调整后所获取的待识别区域的图像不逆光，不过曝，画面层级感强。

在步骤105中，根据所述调整后的位姿获取的待识别区域的图像进行图像识别。具体地，在完成位姿调整后，获取的图像质量满足预期值，则根据位姿调整之后质量满足预期值的图像进行识别，能够避免光影条件对于机器人处理待识别区域的影响，提高机器人处理待识别区域的准确程度。

在一个例子中，所述机器人的配置包括但不限于：陀螺仪，水平仪，彩色摄像头，深度摄像头，闪光灯等。

在本实施方式中，对于机器人待识别的区域，根据具体的图像质量调整机器人的位姿，使得机器人获取待识别的区域的角度变化，从而调整机器人获取的待识别区域的图像的质量，使得调整后的位姿所获取的图像的质量满足预期值，保证机器人对于待识别区域处理的准确程度；避免因为机器人的位姿所得到的观察角度无法获取待识别区域的高质量图像，从而引发的对于待识别区域处理失误的问题。进一步的，可以降低待识别区域或者机器人所处位置的光影条件对于机器人处理待识别区域的影响。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。

本发明的一个实施方式涉及一种机器人的图像识别装置，如图2所示，包括：

确定模块201，用于确定机器人的待识别区域；

获取模块202，用于获取待识别区域的图像；

检测模块203，用于检测待识别区域的图像的质量；

调整模块204，用于根据图像的质量，调整机器人的位姿，直至按照调整后的机器人的位姿获取的待识别区域的图像的质量满足预期值；

识别模块205，用于根据调整后的位姿获取的待识别区域的图像进行图像识别。

对于确定模块201，所述确定机器人的待识别区域，例如：根据待执行任务确定所述待识别区域；或接收指令，根据所述指令确定所述待识别区域。

对于检测模块203，例如，所述检测所述待识别区域的图像的质量之前，还包括：对所述待识别区域的图像执行预处理；其中，所述预处理包括以下之一或其任意组合：图像滤波去噪、直方图均衡化、灰度化、获取边缘特征、对图像进行卷积或二值化。

在一个例子中，检测所述待识别区域的图像的质量，例如，检测所述待识别区域的图像的亮度信息及深度信息；

在一个例子中，检测所述待识别区域的图像的质量，例如，根据所述图像的物体边缘的明暗关系，得到所述图像的阴影区域；检测所述阴影区域的占比。

对于调整模块204，在一个例子中，所述检测所述待识别区域的图像的质量之后，还包括：若判断进行位姿调整之后获取的待识别区域的图像的质量无法满足预设阈值，则调用所述机器人的光源，直至结合所述机器人的光源获取的待识别区域的图像的质量满足预期值；不执行根据所述图像的质量，调整所述机器人的位姿。

在一个例子中，根据所述图像的亮度信息及深度信息，确定所述图像中的光源的位置；调整所述机器人的姿态，使所述机器人的相机的第二面朝向所述图像中的光源；其中，所述第二面为所述相机的第一面的相对面，所述第一面中的摄像头用于获取图像。

其中，所述调整所述机器人的姿态，例如：调整所述机器人中局部相机的姿态。

在一个例子中，在所述阴影区域的占比超过阴影阈值的情况下，将所述机器人向所述阴影区域的相对区域移动；其中，所述相对区域为产生所述阴影区域的物体的亮面所朝向的区域，所述阴影区域所在方向为所述物体的阴影面，所述亮面为所述阴影面的相对面。

在本实施方式中，对于机器人待识别的区域，根据具体的图像质量调整机器人的位姿，使得机器人获取待识别的区域的角度变化，从而调整机器人获取的待识别区域的图像的质量，使得调整后的位姿所获取的图像的质量满足预期值，保证机器人对于待识别区域处理的准确程度；避免因为机器人的位姿所得到的观察角度无法获取待识别区域的高质量图像，从而引发的对于待识别区域处理失误的问题。进一步的，可以降低待识别区域或者机器人所处位置的光影条件对于机器人处理待识别区域的影响。

不难发现，本实施方式为与上述实施方式相对应的***实施例，本实施方式可与上述实施方式互相配合实施。上述实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在上述实施方式中。

值得一提的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。

本发明的一个实施方式涉及一种电子设备，如图3所示，包括：

至少一个处理器301；以及，与所述至少一个处理器301通信连接的存储器302；其中，

所述存储器302存储有可被所述至少一个处理器301执行的指令，所述指令被所述至少一个处理器301执行，以使所述至少一个处理器301能够执行上述的机器人的图像识别方法。

其中，存储器和处理器采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器和存储器的各种电路连接在一起。总线还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器。

处理器负责管理总线和通常的处理，还可以提供各种功能，包括定时，***接口，电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。

本发明的一个实施方式涉及一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。

即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (12)

1.一种机器人的图像识别方法，其特征在于，包括：

确定机器人的待识别区域；

获取所述待识别区域的图像；

检测所述待识别区域的图像的质量；

根据所述图像的质量，调整所述机器人的位姿，直至按照调整后的位姿获取的待识别区域的图像的质量满足预期值；

根据所述调整后的位姿获取的待识别区域的图像进行图像识别。

2.根据权利要求1所述的机器人的图像识别方法，其特征在于，所述检测所述待识别区域的图像的质量，包括：

检测所述待识别区域的图像的亮度信息及深度信息。

3.根据权利要求2所述的机器人的图像识别方法，其特征在于，所述根据所述图像的质量，调整所述机器人的位姿，包括：

根据所述图像的亮度信息及深度信息，确定所述图像中的光源的位置；

调整所述机器人的姿态，使所述机器人的相机的第二面朝向所述图像中的光源；其中，所述第二面为所述相机的第一面的相对面，所述第一面中的摄像头用于获取图像。

4.根据权利要求3所述的机器人的图像识别方法，其特征在于，所述调整所述机器人的姿态，包括：

调整所述机器人中局部相机的姿态。

5.根据权利要求1所述的机器人的图像识别方法，其特征在于，所述检测所述待识别区域的图像的质量，包括：

根据所述图像的物体边缘的明暗关系，得到所述图像的阴影区域；

检测所述阴影区域的占比。

6.根据权利要求5所述的机器人的图像识别方法，其特征在于，所述根据所述图像的质量，调整所述机器人的位姿，包括：

在所述阴影区域的占比超过阴影阈值的情况下，将所述机器人向所述阴影区域的相对区域移动；其中，所述相对区域为产生所述阴影区域的物体的亮面所朝向的区域，所述阴影区域所在方向为所述物体的阴影面，所述亮面为所述阴影面的相对面。

7.根据权利要求1所述的机器人的图像识别方法，其特征在于，所述检测所述待识别区域的图像的质量之后，还包括：

若判断进行位姿调整之后获取的待识别区域的图像的质量无法满足预设阈值，则调用所述机器人的光源，直至结合所述机器人的光源获取的待识别区域的图像的质量满足预期值；

不执行根据所述图像的质量，调整所述机器人的位姿。

8.根据权利要求1所述的机器人的图像识别方法，其特征在于，所述确定机器人的待识别区域，包括：

根据待执行任务确定所述待识别区域；

或接收指令，根据所述指令确定所述待识别区域。

9.根据权利要求1所述的机器人的图像识别方法，其特征在于，所述检测所述待识别区域的图像的质量之前，还包括：

对所述待识别区域的图像执行预处理；其中，所述预处理包括以下之一或其任意组合：图像滤波去噪、直方图均衡化、灰度化、获取边缘特征、对图像进行卷积或二值化。

10.一种机器人的图像识别装置，其特征在于，包括：

确定模块，用于确定机器人的待识别区域；

获取模块，用于获取所述待识别区域的图像；

检测模块，用于检测所述待识别区域的图像的质量；

调整模块，用于根据所述图像的质量，调整所述机器人的位姿，直至按照调整后的机器人的位姿获取的待识别区域的图像的质量满足预期值；

识别模块，用于根据所述调整后的位姿获取的待识别区域的图像进行图像识别。

11.一种电子设备，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至9中任一所述的机器人的图像识别方法。

12.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的机器人的图像识别方法。

Images