【技术实现步骤摘要】
本申请涉及机器人视觉，特别是涉及一种位置预测模型的训练方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
技术介绍
1、在机器人视觉
中，在基于单目视觉测距的应用场景中，通过建立图像二维像素坐标与真实世界坐标的关系，以判断前方物体的距离。
2、目前的单目测距方法中，一方面，采用逆透视变换方法，通过原图像与原图像所对应的鸟瞰图之间的透视变换关系，计算得到前方物体的物理坐标，而鱼眼相机基于该线性变换的方法进行计算，通常会损失大量边缘图像信息；另一方面，采用基于深度学习的单目深度估计方法，通过检测出图像中物体的深度，以得到前方物体的物理坐标，但网络复杂、训练数据量大、计算机资源需求大。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够准确地、高效地对机器人和物理对象之间的距离进行测量的位置预测模型的训练方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种位置预测模型的训练方法，包括：
3、获取目标参考对象在参考图像中的目标像素位置、以及物理参考对象在物理空间中基于机器人的位置所确定的真实物理位置，所述参考图像为所述机器人对所述物理参考对象进行拍摄得到的图像，所述目标参考对象为所述物理参考对象在所述参考图像中的图像表示；
4、将所述目标像素位置输入至待训练的位置预测模型中进行处理，得到所述物理参考对象对应的预测物理位置；
5、基于所述预测物理位置和所述真实物理位
6、将所述目标像素位置重新输入至所述更新后的位置预测模型中进行处理，直至得到已训练的位置预测模型，所述已训练的位置预测模型用于根据目标待测对象在目标图像中的像素位置，得到物理待测对象在目标物理空间中的预测物理位置，以得到所述物理待测对象和所述机器人之间的距离，所述目标待测对象为所述物理待测对象在所述目标图像中的图像表示。
7、在其中一个实施例中，所述获取物理参考对象在物理空间中基于机器人的位置所确定的真实物理位置，包括：获取所述机器人在所述物理空间中的位置、以及所述物理参考对象中的物理基准点在所述物理空间中的位置；根据所述机器人与所述物理基准点之间的位置关系，得到所述物理基准点在所述物理空间中基于所述机器人的位置所确定的真实物理位置；根据所述物理基准点与所述物理参考对象中的各个物理参考点之间的位置关系，得到各个物理参考点分别在所述物理空间中基于所述机器人的位置所确定的真实物理位置；根据各个物理参考点分别对应的真实物理位置，得到所述物理参考对象对应的真实物理位置。
8、在其中一个实施例中，所述获取目标参考对象在参考图像中的目标像素位置，包括：根据所述目标参考对象的各个目标参考点在所述参考图像的目标像素位置，得到所述目标参考对象在所述参考图像中的目标像素位置，所述目标参考点为所述物理参考点在所述参考图像中的像素表示。
9、在其中一个实施例中，所述基于所述预测物理位置和所述真实物理位置之间的差异，对所述位置预测模型的模型参数进行更新，包括：在以所述机器人的位置为中心所确定的物理坐标系下，获取所述预测物理位置在所述物理坐标系中的预测物理坐标、以及所述真实物理位置在所述物理坐标系中的真实物理坐标；根据所述预测物理坐标和所述真实物理坐标的分量差异，得到所述预测物理位置和所述真实物理位置的损失；根据所述损失对应的预期结果，确定所述模型参数对应的更新方向，根据所述更新方向对所述模型参数进行更新。
10、在其中一个实施例中，所述将所述目标像素位置重新输入至所述更新后的位置预测模型中进行处理，直至得到已训练的位置预测模型之后，还包括：根据所述已训练的位置预测模型，得到所述参考图像的各个像素位置分别对应的目标预测物理位置；在根据所述参考图像所确定的图像坐标系中，确定所述参考图像的各个像素位置分别在所述图像坐标系中的像素坐标；在以所述机器人的位置为中心所确定的物理坐标系中，确定各个目标预测物理位置分别在所述物理坐标系中的物理坐标；在各个像素坐标中，确定像素坐标在所述图像坐标系中的分量分别与相匹配的物理坐标在所述物理坐标系中的分量之间的映射关系，得到所述图像坐标系中的像素坐标与所述物理坐标系中的物理坐标对应的分量映射表。
11、在其中一个实施例中，所述得到所述图像坐标系中的像素坐标与所述物理坐标系中的物理坐标对应的分量映射表之后，还包括：在以所述机器人的位置为中心所确定的物理坐标系中，确定目标物理区域、以及所述目标物理区域所包含的各个目标物理坐标；将与所述目标物理坐标匹配的像素坐标作为第一像素坐标，将所述第一像素坐标与相匹配的目标物理坐标在所述分量映射表中的映射关系进行保留；将未与所述目标物理坐标匹配的像素坐标作为第二像素坐标，将所述第二像素坐标与相匹配的物理坐标在所述分量映射表中的映射关系进行剔除。
12、在其中一个实施例中，所述得到所述图像坐标系中的像素坐标与所述物理坐标系中的物理坐标对应的分量映射表之后，还包括：获取机器人采集得到的目标图像，所述目标图像包含目标待测对象；获取所述目标待测对象在所述目标图像中的目标像素坐标，根据所述目标像素坐标在所述分量映射表中匹配得到所述物理待测对象对应的目标预测物理坐标；根据所述物理待测对象的目标预测物理坐标，得到所述物理待测对象和所述机器人之间的距离。
13、第二方面，本申请还提供了一种位置预测模型的训练装置，包括：
14、获取模块，用于获取目标参考对象在参考图像中的目标像素位置、以及物理参考对象在物理空间中基于机器人的位置所确定的真实物理位置，所述参考图像为所述机器人对所述物理参考对象进行拍摄得到的图像，所述目标参考对象为所述物理参考对象在所述参考图像中的图像表示；
15、模型训练模块，用于将所述目标像素位置输入至待训练的位置预测模型中进行处理，得到所述物理参考对象对应的预测物理位置；基于所述预测物理位置和所述真实物理位置之间的差异，对所述位置预测模型的模型参数进行更新，得到更新后的位置预测模型；将所述目标像素位置重新输入至所述更新后的位置预测模型中进行处理，直至得到已训练的位置预测模型，所述已训练的位置预测模型用于根据目标待测对象在目标图像中的像素位置，得到物理待测对象在目标物理空间中的预测物理位置，以得到所述物理待测对象和所述机器人之间的距离，所述目标待测对象为所述物理待测对象在所述目标图像中的图像表示。
16、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述步骤。
17、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述步骤。
18、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述步骤。
【技术保护点】
1.一种位置预测模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取物理参考对象在物理空间中基于机器人的位置所确定的真实物理位置，包括：
3.根据权利要求1所述的方法，其特征在于，所述获取目标参考对象在参考图像中的目标像素位置，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述预测物理位置和所述真实物理位置之间的差异，对所述位置预测模型的模型参数进行更新，包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述目标像素位置重新输入至所述更新后的位置预测模型中进行处理，直至得到已训练的位置预测模型之后，还包括：
6.根据权利要求5所述的方法，其特征在于，所述得到所述图像坐标系中的像素坐标与所述物理坐标系中的物理坐标对应的分量映射表之后，还包括：
7.根据权利要求5所述的方法，其特征在于，所述得到所述图像坐标系中的像素坐标与所述物理坐标系中的物理坐标对应的分量映射表之后，还包括：
8.一种位置预测模型的训练装置，其特征在于，所述装置包括：>
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，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7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种位置预测模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取物理参考对象在物理空间中基于机器人的位置所确定的真实物理位置，包括：
3.根据权利要求1所述的方法，其特征在于，所述获取目标参考对象在参考图像中的目标像素位置，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述预测物理位置和所述真实物理位置之间的差异，对所述位置预测模型的模型参数进行更新，包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述目标像素位置重新输入至所述更新后的位置预测模型中进行处理，直至得到已训练的位置预测模型之后，还包括：
6.根据权利要求5所...
【专利技术属性】
技术研发人员：黄寅，
申请(专利权)人：深圳市普渡科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。