本發(fā)明涉及人工智能、機(jī)器視覺、模式識(shí)別、物體識(shí)別等技術(shù)概念，特別是機(jī)器人在陌生環(huán)境里對物體或環(huán)境信息的識(shí)別，可以應(yīng)用于家庭或工業(yè)機(jī)器人的視覺、無人機(jī)玩具的視覺及無人駕駛車的視覺。

背景技術(shù)：

隨著近些年工業(yè)機(jī)器人的發(fā)展，帶動(dòng)了服務(wù)機(jī)器人行業(yè)的逐漸掘起，同時(shí)從2014年開始的智能硬件領(lǐng)域也開始突起，根據(jù)國際機(jī)器人聯(lián)盟的統(tǒng)計(jì)，2015年服務(wù)機(jī)器人銷售額將達(dá)85億美元，并且保持較高的20％～30％增長率，在智能硬件領(lǐng)域，據(jù)艾瑞研究，2014年全球智能硬件裝機(jī)量達(dá)到60億臺(tái)，預(yù)計(jì)2017年將超過140億臺(tái)。

在市場高速發(fā)展的背后，問題同樣明顯，一方面市場的潛力還遠(yuǎn)未挖掘出來，另一方面，機(jī)器人及智能硬件進(jìn)入服務(wù)行業(yè)也存在著一些技術(shù)難點(diǎn)，例如機(jī)器人或無人機(jī)或無人駕駛車的視覺識(shí)別等，目前來看都還有一定的技術(shù)難點(diǎn)。

物體的視覺識(shí)別方面，雖是一大難點(diǎn)，但也有些技術(shù)往這方面攻關(guān)，例如專利《一種基于三維柵格地圖的物體整體識(shí)別方法》中，提到一種方法“如何從形狀的角度”來對物體進(jìn)行識(shí)別。這里我們要解決的是：如何用顏色的屬性信息來對物體進(jìn)行詳細(xì)刻畫與識(shí)別。

發(fā)明目的

本發(fā)明的主要目的就是解決機(jī)器視覺對物體的識(shí)別問題，它提供一種方法，除形狀信息外，另外的物體顏色等屬性信息是如何輔助我們以深化物體視覺識(shí)別的?？梢缘幌抻趹?yīng)用在面向家庭的機(jī)器人游戲、機(jī)器人清潔及無人機(jī)玩具飛行、無人駕駛汽車等方面。

技術(shù)方案

本發(fā)明的目的是這樣實(shí)現(xiàn)的：通過相關(guān)設(shè)備及算法，例如激光雷達(dá)、CCD、CMOS、SLAM算法等，已經(jīng)獲取了實(shí)際物體的柵格地圖信息及顏色信息，并進(jìn)行顏色特征分析，其包括以下步驟：

(1)通過物體的柵格信息，單從形狀的信息出發(fā)，先行變換到膜空間上，這里的變換可以是共形變換，但不限于此，可以是雙射變換等等。

(2)在膜空間上，每點(diǎn)的信息如下表達(dá)：

(3)針對物體的顏色信息在離散化后得f(x，y)＝[ρ^{色彩表達(dá)空間}]，我們可以視之為一張圖片，

(4)針對顏色信息的圖片，由邊緣檢測及提取算法，我們可以得到顏色信息的覆蓋集合{U_i}，有了這些覆蓋集，就可以借助其做物體細(xì)節(jié)識(shí)別。

本發(fā)明所使用的系統(tǒng)組成如下：膜空間變換系統(tǒng)、顏色信息離散化系統(tǒng)、顏色信息的覆蓋提取系統(tǒng)。這三個(gè)系統(tǒng)是按照功能設(shè)置的軟件系統(tǒng)，各子系統(tǒng)具體功能如下：

*膜空間變換系統(tǒng)：在已建模后的柵格地圖上，把物體變換到膜空間上，

*顏色信息離散化系統(tǒng)：在膜空間上經(jīng)過變換或離散后，形成顏色信息圖片，

*顏色信息的覆蓋提取系統(tǒng)：在顏色信息圖片上，應(yīng)用邊緣檢測及提取，得出顏色信息的覆蓋集。

附圖說明：

圖1是本發(fā)明方法所用系統(tǒng)組成圖

圖2是真實(shí)物體之熊貓的示例圖

圖3是真實(shí)物體之熊貓?jiān)谀た臻g上的映射圖

圖4是真實(shí)物體之熊貓的顏色信息圖片

圖5是真實(shí)物體之熊貓的顏色信息覆蓋之檢測與提取

圖6是真實(shí)物體之熊貓的顏色信息覆蓋集

具體實(shí)施方式

下面結(jié)合附圖，說明本發(fā)明的實(shí)施方式。

本發(fā)明方法所用的系統(tǒng)整體結(jié)構(gòu)可參考圖1，它有三個(gè)子系統(tǒng)組成，具體包含如下步驟：

第一步

首先，膜空間變換系統(tǒng)，單從物體的形狀出發(fā)，把物體變換到膜空間上，這里的變換可以用共形變換，也可以在條件允許下，簡化成用雙射變換。這里我們可以把圖2所示的熊貓共形變換到膜空間之Riemann球面上，如下所示：

其中表示物體上每一點(diǎn)在Riemann球面上的映射點(diǎn)之坐標(biāo)，由共形幾何的理論，可以實(shí)現(xiàn)這樣的共映射。映射后的情況如圖3所示。

第二步

我們拋開形狀信息只針對顏色信息處理，在顏色信息離散化系統(tǒng)，把圖3所示的膜空間之Riemann球面上顏色信息，離散到一張512x512像素的圖片上，這里計(jì)算時(shí)像素的大小不局限于512，可以根據(jù)精度要求具體處理，對于離散化方法，也不局限于某一種，這里根據(jù)Riemann球面上的天頂角及極角θ處理離散化，得到圖片如圖4所示，表達(dá)如下：

f(x，y)＝[ρ^{色彩表達(dá)空間}]

第三步

得到顏色信息的圖片后，在顏色信息的覆蓋提取系統(tǒng)里，利用邊緣檢測算法，如Haar小波、Gabor小波等，這里不局限于某一個(gè)或某一些算法，以達(dá)到顏色信息的覆蓋集提取為最終目標(biāo)，如圖5所示。最終我們得到覆蓋集合{U_i}如圖6所示，

{U₀＝白色身體，U₁₁＝鼻子，

U₁＝右耳，U₂＝左耳，

U₃＝右眼珠，U₄＝左眼珠，

U₅＝右眼圈，U₆＝左眼圈，

U₇＝右前腿，U₈＝左前腿，

U₉＝右后腿，U₁₀＝左后腿，}

綜上，我們可以看到在給定的物體或環(huán)境上，通過其上的顏色等屬性信息——覆蓋集合{U_i}，可以在形狀特征的基礎(chǔ)上，輔助顏色屬性信息，對物體或環(huán)境做了更加細(xì)膩的刻畫與視覺識(shí)別。