本發(fā)明涉及機器人
技術(shù)領(lǐng)域：
，具體涉及一種視覺性能優(yōu)良的智能機器人。
背景技術(shù)：
：智能機器人作為一種包含相當多科學(xué)知識的技術(shù)，幾乎是伴隨著人工智能所產(chǎn)生的。而智能機器人在當今社會變得越來越重要，越來越多的領(lǐng)域和崗位都需要智能機器人參與，這使得智能機器人的研究也越來越頻繁。在不久的將來，隨著智能機器人技術(shù)的不斷發(fā)展和成熟，隨著眾多科研人員的不懈努力，智能機器人必將走進千家萬戶，更好的服務(wù)人們的生活，讓人們的生活更加舒適和健康。然而，現(xiàn)有的機器人大多只針對特定的場合為人類服務(wù)，且機器人缺乏視覺裝置，智能化程度低，可控性差，大多是針對特定的場合為人類提供服務(wù)，提供的功能相對比較單一。技術(shù)實現(xiàn)要素：針對上述問題，本發(fā)明旨在提供一種視覺性能優(yōu)良的智能機器人。本發(fā)明的目的采用以下技術(shù)方案來實現(xiàn)：提供了一種視覺性能優(yōu)良的智能機器人，包括電源模塊、視覺裝置、控制系統(tǒng)和機器人本體，所述電源模塊用于向所述視覺裝置和控制系統(tǒng)供電，所述視覺裝置用于獲取目標圖像，并輸出識別結(jié)果，所述控制系統(tǒng)用于根據(jù)所述識別結(jié)果控制機器人本體做出相應(yīng)動作。本發(fā)明的有益效果為：實現(xiàn)了機器人的智能化和有效控制。附圖說明利用附圖對本發(fā)明作進一步說明，但附圖中的實施例不構(gòu)成對本發(fā)明的任何限制，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得其它的附圖。圖1是本發(fā)明的結(jié)構(gòu)連接示意圖。附圖標記：電源模塊1、視覺裝置2、控制系統(tǒng)3、機器人本體4、存儲裝置5。具體實施方式結(jié)合以下實施例對本發(fā)明作進一步描述。參見圖1，本實施例的一種視覺性能優(yōu)良的智能機器人，包括電源模塊1、視覺裝置2、控制系統(tǒng)3和機器人本體4，所述電源模塊1用于向所述視覺裝置2和控制系統(tǒng)3供電，所述視覺裝置2用于獲取目標圖像，并輸出識別結(jié)果，所述控制系統(tǒng)3用于根據(jù)所述識別結(jié)果控制機器人本體4做出相應(yīng)動作。本實施例實現(xiàn)了機器人的智能化和有效控制。優(yōu)選的，還包括存儲裝置5，用于存儲所述視覺裝置獲取的目標圖像。本優(yōu)選實施例實現(xiàn)了目標圖像的存儲。優(yōu)選的，所述電源模塊1為蓄電池。本優(yōu)選實施例機器人無需接線，移動更為方便，提升了客戶體驗。優(yōu)選的，所述視覺裝置2用于對目標進行識別，包括圖像采集模塊、一次處理模塊、二次處理模塊和視覺識別模塊，所述圖像采集模塊用于獲取目標圖像，所述一次處理模塊用于提取目標圖像的顏色特征，所述二次處理模塊根據(jù)所述顏色特征獲取顏色直方圖，所述視覺識別模塊用于對所述顏色直方圖進行賦權(quán)，并根據(jù)所述賦權(quán)的顏色直方圖對所述目標圖像進行識別。本實施例智能機器人能夠準確對圖像中的目標進行識別。優(yōu)選的，所述一次處理模塊包括第一轉(zhuǎn)化單元和第二分割單元，所述第一轉(zhuǎn)化單元用于將圖像從RGB顏色空間轉(zhuǎn)換到CIELab顏色空間，所述轉(zhuǎn)化公式為：上述式子中，EH、EM、CS分別為RGB顏色空間中的紅色、綠色、藍色分量值，L為CIELab顏色空間中的亮度，a為CIELab顏色空間中的綠色到紅色的相對色度，b為CIELab顏色空間中的藍色到黃色的相對色度，其中，函數(shù)所述第二分割單元用于將圖像劃分為大小相等的矩形子塊，用于劃分子塊的圖像I表示為：上述式子中，Ui表示圖像的任意子塊，ZC表示圖像分割因子，ZC∈[2,5]且ZC為整數(shù)，i按照從左到右，從上向下的順序依次取值為1到ZC2。本優(yōu)選實施例智能機器人通過一次處理模塊將目標圖像轉(zhuǎn)化到更符合人類視覺特征的CIELab顏色空間，可以更為準確地反映出不同色彩之間的視覺差異程度，通過對圖像進行劃分并設(shè)定圖像分割因子，可以兼顧圖像識別準確性和識別效率，進一步提高了智能機器人的服務(wù)水平。優(yōu)選的，所述二次處理模塊，具體為：第一步：對CIELab顏色空間進行劃分，采用如下劃分方法：當L分量大于閾值T1時或者小于閾值T2時，不再考慮a分量和b分量，得到2個顏色區(qū)間，當L分量介于閾值T1和T2之間時，分別將a分量和b分量劃分為四個區(qū)間，得到16個顏色區(qū)間，從而將CIELab顏色空間劃分成了18個顏色區(qū)間；其中，T1∈[90,100]，T2∈[0,10]；第二步：定義隸屬度函數(shù)σj,k＝1；第三步：求取圖像的顏色直方圖，圖像子塊的顏色直方圖可表示為：MX(Ui)＝{z1,z2,…,z18}，上述式子中，MX(Ui)表示圖像子塊的顏色直方圖，zj(j＝1,2,…,18)表示任一顏色區(qū)間上的像素分布情況，σj,k代表第k個像素點屬于第j個顏色區(qū)間的隸屬度，Ni表示子塊包含的像素個數(shù)；圖像的顏色直方圖可表示為：上述式子中，δi表示子塊位置權(quán)值的倒數(shù)，其中，MX(I)表示圖像子塊的顏色直方圖。本優(yōu)選實施例智能機器人通過二次處理模塊融入了像素顏色特征的空間分布信息并設(shè)置子塊位置權(quán)值，獲取了更為準確和符合人類視覺特征的直方圖，進一步提高了視覺特征的表述能力。優(yōu)選的，所述視覺識別模塊，包括第一計算單元、第二計算單元和圖像對比單元，所述第一計算單元用于計算像素點之間的顏色差異，計算中心像素點pA和3×3鄰域內(nèi)任意相鄰像素點pB的色差RU：上述式子中，RU(pA,pB)表示像素點pA和pB之間色差，μ為歸一化因子；所述第二計算單元用于計算每個子塊的顏色權(quán)值；所述圖像對比單元用于根據(jù)圖像相似度對比來實現(xiàn)圖像識別；所述計算每個子塊的顏色權(quán)值，具體包括以下步驟：第一步，計算每個像素點的顏色復(fù)雜度，計算中心像素相對于3×3鄰域內(nèi)其他8個相鄰像素的顏色變化，得到中心像素點pA的顏色復(fù)雜度FA：上述式子中，F(xiàn)A表示像素點pA的顏色復(fù)雜度；第二步，計算每個子塊的顏色權(quán)值，在任意子塊，通過計算每個像素顏色權(quán)值，得到子塊的顏色權(quán)值Qi：上述式子中，Ui表示圖像的任意子塊，ZXi表示子塊的顏色權(quán)值，Ni表示子塊包含的像素個數(shù)，γ表示子塊中所有像素點的顏色復(fù)雜度標準差，F(xiàn)A和Fk均為子塊中的像素點；所述根據(jù)圖像相似度對比來實現(xiàn)圖像識別，具體為，根據(jù)子塊的顏色權(quán)值和直方圖定義兩幅圖像I1和I2的相似度MH：上述式子中，MH(I1,I2)表示兩幅圖像I1和I2的相似度，和分別表示圖像I1和I2第i個子塊的第j個顏色區(qū)間的像素分布情況，計算待識別圖像和樣本圖像相似度，選取相似度高的樣本圖像作為識別結(jié)果。本優(yōu)選實施例智能機器人的視覺識別模塊對顏色復(fù)雜度進行描述，反映出視覺系統(tǒng)感知不同顏色變化的敏感特性，根據(jù)子塊的顏色權(quán)值和直方圖計算辨識圖像和樣本圖像之間的相似度，提高了智能機器人對圖像的辨識精度。采用本發(fā)明智能機器人對目標進行識別，當圖像分割因子取不同值時，將識別準確率和識別時間作為評價標準，同普通機器人相比，產(chǎn)生的有益效果如下表所示：ZC識別準確率提高識別時間縮短220％31％325％25％430％20％532％18％636％12％最后應(yīng)當說明的是，以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對本發(fā)明保護范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細地說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當理解，可以對本發(fā)明的技術(shù)方案進行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實質(zhì)和范圍。當前第1頁1 2 3